Abdullahi Bakura, Sirajo, Laboratoire Interdisciplinaire des Sciences du Numérique (LISN), Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS), Systèmes Parallèles (ParSys), Algorithmes, Apprentissage et Calcul (AAC), Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Interdisciplinaire des Sciences du Numérique (LISN), Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS), Université Paris-Saclay, Alain Lambert, and Thomas Nowak
Mobility in conventional ad-hoc networks is a challenge due to the constant invalidation end-to-end paths. We deal with mobile ad-hoc networks where humans are the main carriers of mobile devices. A good understanding of human mobility patterns aids the design of a realistic mobility model as a tool for evaluating network protocols. Conventional models for evaluating network protocols in early ad-hoc networks (e.g., random walks, random waypoints, random directions) fail to properly capture human mobility. In fact, recent studies have shown that human mobility is influenced by personal habits, social relationships, environmental features, and locations preferences. Therefore, a realistic model should be able to include these features. In this regard, we develop a heuristic to characterize human mobility based on the spatial, temporal, and connectivity features using real traces. Consequently, we uncover temporal dynamic movement clusters associated with individual users. We also study the distribution of the travel distance, pause time, angle of movement, contact duration, and inter-contact duration. Motivated by our findings, we proposed a new synthetic mobility model that mimics realistic features of human mobility. We validate the model by comparing its synthetic traces against real mobility measurements. Moreover, in a smart-campus environment, networks support applications for environmental monitoring and indoor/outdoor positioning, sometimes with a large deployment of sensors. Considering the limitation of sensors such as battery limitation, dynamicity, and low computing clock rate, sensor clocks need to have a common time to perform information fusion algorithms, implement energy management protocols, or real-time processing for safety applications. Given this, we proposed a pulse-coupled distributed clock synchronization algorithm for wireless sensor networks to reduce the clock skew due to the ambient conditions, mobility, or manufacturing defects. In our algorithm, sensors measure time differences by only exchanging zero-bit pulse instead of packets. Therefore our algorithm is lightweight and robust to the failure of the sensors in the network. The proposed algorithm is compared to previous work under static and mobile settings, and the results show that it can achieve reduced the clock skew, especially in a dynamic environment with high uncertainty in clock drift and unexpected topological changes like vehicular networks.; La mobilité dans les réseaux ad-hoc conventionnels est un défi en raison de l'invalidation constante des chemins de bout en bout. Nous traitons, dans cette thèse, spécifiquement des réseaux mobiles ad-hoc où les humains sont les principaux porteurs d'appareils mobiles communicants. Une bonne compréhension de la mobilité humaine permet la conception d'un modèle de mobilité réaliste en tant qu'outil d'évaluation des protocoles de réseau. Les modèles conventionnels d'évaluation des protocoles des premiers réseaux ad hoc (par exemple, random walks, random waypoints, random directions) ne parviennent pas à simuler correctement la mobilité humaine. Des études récentes ont montré que la mobilité humaine est influencée par les habitudes personnelles, les relations sociales, les caractéristiques environnementales et les préférences de localisation. Par conséquent, un modèle réaliste devrait inclure ces caractéristiques. À cet égard et à l'aide de traces réelles, nous avons développé une heuristique pour définir un modèle de mobilité humaine basée sur des caractéristiques spatiales, temporelles et de connectivité. Nous avons remarqué des clusters de mouvements dynamiques temporels associés à des utilisateurs individuels. Nous avons étudié la distribution de la distance parcourue, du temps de pause, de l'angle de déplacement, de la durée de contact et de la durée d'inter-contact. Motivés par nos résultats, nous avons proposé un nouveau modèle de mobilité qui imite de manière réaliste les caractéristiques de la mobilité humaine. Notre modèle a été validé en comparant ses traces synthétiques à des mesures de mobilité réelles. Dans un environnement de campus intelligent, les réseaux prennent en charge les applications de surveillance environnementale et de positionnement intérieur/extérieur, parfois avec un déploiement important de capteurs. Compte tenu des limitations des capteurs telles qu'autonomie énergétique, capacité de calcul limité, et la dynamique, les horloges des capteurs doivent être synchronisées pour exécuter des algorithmes de fusion de données, mettre en œuvre des protocoles de gestion de l'énergie ou un traitement temps réel des applications où la sécurité est importante. Compte tenu de cela, nous avons proposé un algorithme de synchronisation d'horloge distribuée à couplage d'impulsions pour des réseaux de capteurs sans fil. Notre algorithme permet de réduire les décalages d'horloge dus aux conditions ambiantes, à la mobilité ou aux défauts de fabrication. Pour ce faire, les capteurs mesurent les différences de temps en échangeant uniquement des impulsions au lieu de paquets. Par conséquent, notre algorithme est léger et robuste à la défaillance de capteurs du réseau. L'algorithme proposé est comparé aux travaux antérieurs avec des paramètres statiques et mobiles. Les résultats montrent qu'il peut réduire le décalage d'horloge, en particulier dans un environnement dynamique avec une dérive d'horloge importante et des changements topologiques inattendus comme ceux apparaissant dans les réseaux de véhicules.