Carrier-based sensor coverage in wireless sensors and robots networks

Abstract

La technologie des réseaux de capteurs et de robots sans fil (RCRSF) permet de collecter, de traiter et de transmettre en temps réel des données critiques, facilitant ainsi la surveillance de zones hostiles, difficiles d'accès et éloignées. Essentielle pour le monitoring de zones sensibles, notamment dans des scénarios dangereux, cette technologie se heurte toutefois à un défi majeur : le déploiement efficace des capteurs. Les RCRSF, souvent constitués d'un grand nombre de capteurs et de robots, sont généralement déployés de manière aléatoire. Ce déploiement aléatoire, conduit les applications à déployer un nombre de capteurs bien supérieur à ce qui est nécessaire. L'objectif est double : couvrir les trous de couverture issus du déploiement initial et prévenir les défaillances de nœuds, prolongeant ainsi la durée de vie du réseau. La relocalisation de capteurs est une technique très utilisée dans RCRSF pour assurer la couverture de la ROI. Cette technique permet d'optimiser la couverture de la zone d'intérêt en déplaçant les capteurs redondants, c'est-à-dire ceux qui surveillent une zone déjà couverte par d'autres capteurs, vers des zones non couvertes. L'objectif de ces techniques est minimisé le temps de relocalisation, minimiser l'over Head dans le réseau tout en garantissant une couverture maximale de la ROI. Dans ce travail, nous proposons, d'abord, une taxonomie des protocoles de relocalisation de capteurs à l'aide de robots. Nous avons proposé deux grandes classes : les approches Centralisés et les approches coopérative. Les solutions centralisées visent généralement à proposer un chemin de réparation optimal en se basant sur les positions de tous les trous et capteurs redondants dans le réseau. Afin d'optimiser le chemin de réparation, ces techniques se basent sur des heuristiques tel que LKH ou bien utilisent des fonctions objectives d'optimisation. Dans les solutions coopératives par contre, le robot prend des décisions en se basant sur l'information locale. Ce type de solutions est plus réaliste et il vise à assurer une couverture maximale de la ROI mais le chemin de réparation ne peut pas être optimal. Pour son déplacement le robot utilise en générale la méthode LRV ou bien la méthode du nearest grid first. Deuxièmement, nous avons développé un nouvel algorithme appelé Simple Relocation Method (SRM), qui exploite les avantages de l'approche coopérative pour repositionner les capteurs redondants. SRM repose sur une stratégie innovante de partage d'information, où les capteurs échangent les positions des capteurs redondants et des trous dans leur voisinage afin de permettre aux robots de couvrir rapidement ces trous, minimisant ainsi le temps de relocalisation. En outre, SRM vise à maximiser la couverture de la région d'intérêt (ROI). Notre deuxième contribution ORDEC s'appuie sur les bénéfices des approches centralisées. ORDEC propose un chemin de réparation optimal basé sur l'heuristique LKH (Lin-Kernighan-Helsgaun). Cette dernière permet de générer un chemin qui lie les capteurs redondants et les trous de la ROI, optimisant ainsi les déplacements des robots et réduisant ainsi le temps nécessaire pour la relocation et la couverture des trous. La troisième contribution, intitulée Reflection Sensor Deployment (R-SR), propose un algorithme hybride combinant les avantages des approches centralisées et coopératives. Dans cette méthode, le robot explore la ROI de manière similaire à la propagation de la lumière et effectue des arrêts périodiques pour détecter les trous de couverture ainsi que les capteurs redondants dans son voisinage. À mesure qu'il identifie des trous, il les couvre en utilisant les capteurs redondants détectés localement, et l'heuristique LKH est utilisée à cette étape pour optimiser le processus de réparation. Cette stratégie permet au robot de réduire efficacement le temps de relocalisation tout en assurant une couverture maximale de la ROI. Enfin, notre dernière contribution est le développement d'