1 karel.heurtefeux@insa-lyon.fr 2 fabrice.valois@insa-lyon.fr

1. Localisation qualitative dans les réseaux de capteurs Karel Heurtefeux1, Fabrice Valois2ARES INRIA / CITI, INSA-Lyon, F-69621, France EmSoC'0718-19 octobre 2007, Aussois 1 karel.heurtefeux@insa-lyon.fr 2 fabrice.valois@insa-lyon.fr EmSoC'07 Octobre 2007

2. Karel Heurtefeux (CITI, INSA-Lyon)‏ Plan • Contexte et motivations • Protocole • Résultats • Conclusion et perspectives Worldsens, a small sensor node developped in the CITI lab EmSoC'07 Octobre 2007

3. Coût élevé des noeuds du aux équipements spéciaux • Consommation énergétique importante • En général, inutilité d’une localisation fine Karel Heurtefeux (CITI, INSA-Lyon)‏ Contexte et motivations Nécessité d’avoir une information géographique pour certaines couches ou applications: routage, aggrégation de données, suivi de feu de forêts, etc… Compromis entre la localisation, le coût énergétique et le coût financier est à réévaluer. EmSoC'07 Octobre 2007

4. Karel Heurtefeux (CITI, INSA-Lyon)‏ Protocole QLoP (Qualitative Localization Protocol): idée générale • Des nœuds proches géographiquement vont posséder un voisinage proche numériquement • Des nœuds proches géographiquement vont posséder un voisnage distinct faible numériquement On va déterminer une métrique qui mette en rapport ces deux valeurs On va donc définir différentes classes de proximité • Il est souvent inutile d’obtenir une localisation très précise EmSoC'07 Octobre 2007

5. Karel Heurtefeux (CITI, INSA-Lyon)‏ Protocole QLoP (Qualitative Localization Protocol): détails Chaque noeud du réseau calcule un indice de proximité pour chacun de ses voisins Indice de proximité du voisin B Voisinage de a Voisinage de b Pondération RNG LMST EmSoC'07 Octobre 2007

6. Karel Heurtefeux (CITI, INSA-Lyon)‏ Protocole QLoP (Qualitative Localization Protocol): classes de proximité On détermine une classe pour chaque voisin en fonction de l’étendue de l’indice de proximité EmSoC'07 Octobre 2007

7. Modélisation ResCom Printemps 2007

8. Karel Heurtefeux (CITI, INSA-Lyon)‏ Méthodologie‏ LOCAN'07 October 2007

9. Karel Heurtefeux (CITI, INSA-Lyon)‏ Résultats: application sur une topologie régulière L’algorithme est déployé sur une grille et la puissance de transmission de chaque noeud est augmentée EmSoC'07 Octobre 2007

10. Karel Heurtefeux (CITI, INSA-Lyon)‏ Résultats: distance quadratique La distance quadratique: Elle mesure la dissimilarité entre deux vecteurs. Si le classement des voisins obtenu par l’algorithme est le même que celui réel, cette métrique est nulle. EmSoC'07 Octobre 2007

11. Karel Heurtefeux (CITI, INSA-Lyon)‏ Résultats: classes de proximité Exemple d’exécution de l’algorithme sur un noeud: Division de ses voisins en 3 classes de proximité. EmSoC'07 Octobre 2007

12. Karel Heurtefeux (CITI, INSA-Lyon)‏ Résultas: Evolution de la cardinalité en fonction du degré Evolution de la cardinalité: On mesure ici la taille relative des classes proche (bleu) et très proche (rouge) en fonction du degré moyen du réseau. EmSoC'07 Octobre 2007

13. Karel Heurtefeux (CITI, INSA-Lyon)‏ Résultats: fiabilité de l’algorithme en fonction du degré moyen Fiabilité en fonction du degré moyen: La courbe rouge représente le pourcentage de noeuds des 2 premières classes de proximité qui sont effectivement proche et très proche géographiquement. En bleu, les noeuds proches et très proches géographiquement, non classé comme tels par l’algorithme. EmSoC'07 Octobre 2007

14. Algorithme sans GPS, ancres ou équipement spécial Karel Heurtefeux (CITI, INSA-Lyon)‏ Conclusion Algorithme localisé: connaissance limitée à 2 sauts Algorithme fiable: capable de déterminer un noeud proche ou très proche à 80% Algorithme efficace en milieu dense et très dense EmSoC'07 Octobre 2007

15. Application de QLoP pour le routage Application de QLoP pour le contrôle de topologie (LMST, RNG) Karel Heurtefeux (CITI, INSA-Lyon)‏ Perspectives EmSoC'07 Octobre 2007

16. Questions ? Worldsens, a small sensor node developped in the CITI lab Karel Heurtefeux karel.heurtefeux@insa-lyon.fr