Adaptive Models for Search and Selection in the IoT Constrained Node Networks Using Clustering Techniques

Abstract

Le déploiement à grande échelle de dispositifs connectés (capteurs) représente un investissement financier et une réalisation technologique considérables. Ces capteurs produisent en permanence d'énormes quantités de données, qui sont ensuite collectées et transmises au puits par des voies à saut unique ou multiple. Ensuite, les données peuvent être réutilisées par divers utilisateurs et applications au sein de solutions middleware IdO afin d'effectuer diverses analyses, de prendre des décisions ou de fournir des services efficaces et intelligents. Dans cette thèse, nous avons abordé trois sujets de recherche : Premièrement, la recherche et la sélection des capteurs pertinents en fonction des besoins de l'utilisateur parmi un grand nombre de capteurs similaires. Le problème concerne l'introduction d'une architecture distribuée qui améliore la solution sélectionnée. Deuxièmement, rechercher et sélectionner les capteurs appropriés pour une demande donnée dans un réseau IdO. Ce problème consiste à satisfaire les demandes des utilisateurs à partir d'une énorme variété d'objets disponibles dans l'environnement IdO avec une grande précision de solution et un faible temps d'exécution. Troisièmement, la localisation du puits et le routage de capteur à puits dans un réseau de capteurs sans fil. Ce problème consiste à fournir un modèle complet des différentes questions (déploiement des capteurs, placement de puits multiples, routage des voies de données) qui affectent la procédure de transmission des données. Dans ce contexte, nous avons présenté trois contributions. Dans la première, nous proposons une nouvelle architecture basée sur le regroupement de tous les capteurs existants en trois catégories (société, industrie et environnement) en fonction du contexte du capteur. En outre, un cas d'utilisation est fourni pour la recherche et la sélection du capteur le plus similaire aux exigences de l'utilisateur, en tenant compte de la topologie du réseau. Dans la deuxième partie, nous proposons un nouveau modèle distribué basé sur le regroupement pour sélectionner efficacement des capteurs précis dans un environnement IdO dynamique. L'algorithme de regroupement de capteurs basé sur les baleines effectue le regroupement en fonction des propriétés du contexte. La technique d'ordre de préférence par similarité à la solution idéale (TOPSIS) est améliorée pour rechercher et sélectionner le capteur approprié aux exigences des utilisateurs. Les résultats expérimentaux obtenus à partir d'ensembles de données réelles montrent que la proposition est plus performante que les approches de pointe en termes de précision (96 %), de temps d'exécution, de qualité du regroupement et d'évolutivité. Enfin, la méthode proposée modélise le problème du déploiement de puits multiples et de l'acheminement de capteur à puits à l'aide d'une technique de regroupement pour prolonger la durée de vie des réseaux de capteurs sans fil. Elle suggère un algorithme amélioré de regroupement de fourmis pour grouper les nœuds, assigner les nœuds aux puits et fournir des chemins optimaux aux nœuds pour relayer les données vers le puits. Les résultats de la simulation sur un ensemble de données de réseau réel montrent que cette proposition est plus performante que les approches de pointe en ce qui concerne la consommation d'énergie, la durée de vie du réseau, le délai de transmission des données et l'évolutivité.