Sujet

On souhaite étudier les possibilités d’utiliser un réseau LoRaWAN pour collecter des données dans une smart-city. On s’intéresse plus particulièrement à deux cas d’usages: un bâtiment et un système de transport multimodal. Dans un réseau de capteurs sans capacité de récupération d’énergie, l’efficacité énergétique de la technologie de communication pour remonter les données vers un site d’agrégation est primordiale. Un capteur sera inutilisable dès que sa pile sera déchargée. Il est donc important d’étudier les performances (en particulier le débit) et la consommation d’énergie. L’idée est d’avoir un réseau de capteurs fonctionnant une dizaine d’année.

Les protocoles doivent donc permettre de limiter la consommation pour augmenter la durée de vie. LoRaWan est un réseau sans fil basse consommation reposant sur une topologie en étoile d’étoiles. La station racine est connecté à plusieurs passerelles par un réseau IP, qui sont connectées elles aussi aux équipements terminaux (les capteurs) par le protocole LoRa. La problématique de la consommation énergétique est primordiale pour les équipements terminaux car on admet que les passerelles et le serveur sont les seuls à être toujours alimentés en énergie.

Pour fonctionner malgré un signal faible ou bruité, LoRa utilise une modulation de fréquence à étalement de spectre. Bien sûr le débit est assez faible, d’oû l’intérêt d’une étude précise des per- formances. Il y a plusieurs modes pour les noeuds LoRa ( émission, réception, attente et sommeil). Il y a consommation d’énergie dans chaque mode. De plus les protocoles de communication sont du type accès aléatoire (comme ALOHA) et peuvent engendrer des collisions, et donc des retransmis- sions. Enfin, LoRa permet d’utiliser plusieurs facteurs d’étalement de spectre, codages, et plusieurs ”Data Rate” ainsi que plusieurs bandes passantes. La consommation énergétique va dépendre de ces modes. Etudier un réseau LoRa d’une point de vue de sa consommation énergétique et de son débit utile revet donc une certaine complexité au vu du nombre des possibilités à étudier. Nous comptons combiner les mesures sur des petits réseaux, modèles Markoviens construits grâce à XBorne l’outil développé au laboratoire DAVID et employé au LACL, et des simulations pour de plus grands réseaux.

Une autre question que nous souhaitons traiter est d’essayer de limiter le débit demandé par la couche applicative. Certaines données ont un durée de vie limitée dans un contexte de réseau de capteurs (par exemple, une donnée plus fraiche est arrivée). Si la donnée précédente n’a pas pu être transmise correctement (pas d’accès radio ou collision), est il pertinent de perdre de la bande passante pour l’envoyer, faut il l’oublier ou la combiner avec la nouvelle donnée, plus fraiche ? On se propose d’utiliser la théorie des processus de décision Markovien pour traiter cette question.

Il nous parait crucial que la couche applicative adapte la volumétrie de ses données aux conditions expérimentales (radio et énergie). Nous avons dans plusieurs autres projets montré comment comprimer des données dans la couche applicative tout en maitrisant le biais crée par cette compression. La compression dépend de l’algorithme applicatif. Par exemple, la compression pour un système de capteurs permettant la construction de plus courts chemins dans un environnement transport ne sera pas la même que celle employée pour le calcul d’un ordonnancement de tâches dans un atelier. Pour un bâtiment, on pourrait ainsi remonter la moyenne des temperatures plutôt que des données multiples, sauf si la donnée est trop différente (par exemple pour déclencher une alerte).