Optimisation Des Systèmes De Collecte De Données Distribuées Dans Le Contexte De L’internet Des Objets

Résumé: Depuis les dernières années, les réseaux de l’internet des objets a suscité l’intérêt de plusieurs chercheurs dans le monde pour diverses domaines (tel que l’agriculture, la médecine, l’industrie, etc), plusieurs applications de l’IoT ont permis de résoudre beaucoup de problèmes de façon automatisée. Cependant, la grande taille de ces réseaux ainsi que le déploiement massive des objets IoT a généré une grande masse de données hétérogènes difficile à transmettre, sauvegarder et traiter. Dans cette thèse, nous allons proposé des solutions pour optimiser l’acheminement des données dans les réseaux IoT et garantir des meilleurs performances. L’idée originale de cette thèse est d’utiliser une approche spéciale issue de la théorie des graphes dite "multi-commodité MCFP (Maximum Concurrent Flow Problem)" et l’appliquer dans le contexte de l’IoT. Cette approche est similaire à celle du flot maximum pour le calcul de la quantité maximale et supportable du flot dans le réseau, mais se diffère dans la façon d’acheminer ces données, le MCFP permet l’envoi de plusieurs flots hétérogènes en même temps en exploitant bien les capacités des chemins de transmissions pour passer plus de trafic. Les évaluations et les comparaisons effectuées avec d’autres méthodes de l’état de l’art montrent l’avantage du routage des données selon l’approche MCFP pour les réseaux IoT.

Publié dans la revue: