Ecole Rescom 2019, GDR RSD, 27 Juin

Bernard Pottier LabSTICC UMR 6285 (UBO)Tuyen Truong PhongCan Tho University (CTU)

Binding Sensor Networks and Environment: a cellular approach

Plan:

1. Capteurs et information: principes2. Représentations cellulaires3. Simulations de réseaux4. Expérimentations

Station LoRa

2

1. Capteurs et information: principes

3

Modèles d’interactions physiques

4

• on mesure des grandeurs physiques• les mesures se restreignent à une zone couverte

• non-intrusives ? évaluation d’un signal perçu• intrusives ? phénomène physique provoqué

non intrusif, pas de perturbation :lumière, son, chaleur

intrusif, on perturbe :attraction/répulsion, comptage

Zone couverte

Acquisition numérique

Référence:

❖ Sensors and wireless networks for monitoring climate and biology in a tropical region of intensive agriculture : methods, tools and applications to the case of the Mekong Delta of Vietnam

❖ Thèse, Bao Lam Hoai, UBO et CTU, 2018.

Problème:

Surveillance d’insectes ravageurs du riz dont le comptage automatique s’effectue par un réseau de pièges éclairants.

Communications radio: topologies

6

• la radio est un moyen flexible d’accéder à un capteur• les communications opèrent sur une zone nommée

couverture radio• ces communications impliquent un séquencement

temporel (rendez-vous)

AB ABT2T1

portée

1) requête de A vers B 2) réponse de B à A

Communications radio: séquencement

7

• Les protocoles définissent les modes de communication: • diffusions, transactions, • partage du lien : CSMA, TDMA• réseaux maillés, ou station de base et accès

cyclique.

MarqueurSlots alloués noeuds

Silence/Acquisition

Trame TDMA capteurs 802.15.4

2 couvertures: physique et radio

8

Capteur

Emetteur

Récepteur

Témoin lumineuxLien Radio

Causalité

Détection infra-rouge

Acouverture radio

zone physiquesurveillée Zb

lien radioA

B

Capteur infra-rouge, radio xbee

9

Définition : interface physique-numérique

10

“a device that detects, measures or indicates any specific physical quantity such as light, heat, motion, moisture, pressure, or similar entities, by converting them into any other form which is mostly, electrical pulses.”

Phénomène physique:lumière, chaleur, mouvement, pression, humidité

Information brute:électrique, puis numériqueStockage, élaboration de connaissances, Décisions et contrôle

Environnement : l’espace et le temps

11

Modèle physique• position ? géographie• densité ? insectes, gaz• mobile ? direction, vitesse

Mesure distribuée• ou ?union des couvertures• quand ? fréquence locale/système• quoi ? modèles de données

Liste courte …1. mesure physique, précision2. séquencement3. choisi des positions de saisie4. communications5. stockage en BD6. présentation, alertes

Référence : travaux de CTU, carte des lightraps surhttp://sames.univ-brest.fr/sameswp/sames-maps/vietnam/(Projet STIC Asie 2016)

Niveaux de conception

13

Intelligence locale:• micro-contrôleurs, interfaces capteurs ou actuateurs, • communications radio,• traitements locaux (vision, son, radars), et de proximité (lissages)

Intelligence système:• algorithmes distribués, maitrise géographique,• les collectes, leur séquencement, • intégration données (agglomérats espace et temps)

Stockage et décision:• bases de données GIS, les mesures et leurs contextes• observation statistique, génération d’alertes

2. Représentations cellulaires

14

Métriques et outils pour l’environnement

❖ Représentation homogène des systèmes physiques et des systèmes d’observation.

• autre justification: l’observation est aussi un fait physique.

❖ La conception des systèmes d’observation est conditionnée par la maitrise du phénomène physique

• où sont les points de mesure, quelle organisation? fréquence?

15

Cela amène une discrétisation:• Temps : systèmes synchrones, étapes,• Espace : fractionnements cellulaires

Modèle des cellules et automates

Automates cellulaires❖ Les cellules encapsulent l’état local

d’un phénomène physique.

❖ L’évolution est synchrone, définies sur un voisinage local.

❖ Elle est massivement parallèle.

❖ Une connectivité définit les communications entre cellules.

❖ Une loi de transition précise le changement d’état en fonction du voisinage et de l’état courant.

16

voisinage deVon Neumann

voisinage deMoore

Modèle enprocessus

communiquant

cellule w x h pixels,élévation…

pixe

Référence:

❖ https://people.csail.mit.edu/nhm/cam-book.pdf

❖ Cellular Automata Machines, MIT Press, 1987.

illustration : propagation d’un son dans un gaz « sur réseau »

Représentation physique cellulaire

18

Segmentation de l’espace géographique en cellules• fragmentation discrète• notion de résolution spatiale

(mm, m, km ..)• chaque cellule encapsule un

état (précipitations reçues, insectes, végétation)

Définition des dépendances physiques locales• les élévations conditionnent les ruissellement• le vent détermine les mouvements d’insectes• les signaux radio, le son, voyagent de proche en proche.

Chaine pour les simulations cellulaires

19

On s’appuie sur un modèle de système de processus• Les cellules et leurs dépendances sont un système parallèle

abstrait (pour nous : objets et liens locaux)• Ce système permet de générer des exécutions parallèles

globales et de les observer

Géographie/Physique

Fragmentation cellulaireGéo-localisationProduction desdonnées cellulaires

Production dusystèmeparallèleExécutionObservation

Exécutions cellulaires : données, résolutions, calculs

20

❖ [1000] Processus, multi-coeurs : processus, Occam, simulation cellulaire des criquets pèlerins (population, migrations)Mahamadou Traoré, UGB/UBO, Thése, 2018,

❖ [100000] Accélérateurs graphiques, CUDA, inondations fulgurantes, 10m x 10m, sur 4 km2, 2000 coeurs en parallèle Tuyen Truong Phong, CTU,UBO, Thèse, 2018

❖ [1 million] MPI, C, simulations de bassin versants, prolifération d’algues toxiques. My Thu Thao, 2019

Références :

• https://www.mdpi.com/1424-8220/18/7/2323

• Cellular Simulation for Distributed Sensing over Complex Terrains

• Tuyen Phong Truong, Bernard Pottier and Hiep Xuan Huynh

Illustration 1: son en ville (Keita 2015)

21

• Cellules sur carte ville• Bâtiments (80000)• Pression et Vitesse

Etude 2: ruissellements (Tuyen 2017)

22

• Découpe cellulaire sur carte• Ajout élévation SRTM• Prévision de précipitations• Points inondés

Algorithme• On échange les élévations• On fait pleuvoir• Les cellules transmettent de

l’eau en excès• On échange avec les voisins

“du dessous” en proportion de la différence d’élévation

Etude 3: propagation radio (Tuyen2017)

23

• Carte cellulaire• Ajout élévation (SRTM)• Radio LoRa (>10km)• 1 Mobile et 1 station fixe

Algorithme, radial• La station émet une “route”• Chaque cellule ajoute sa

position à la route et transmet aux voisins

• Elle décide la visibilité

Etude 3: propagation radio

24

• Distribution de capteurs simulée

• Calcul des latences • Optimisation d’un

balayage en étoile

Validation• Ville de Brest• Rade de Brest• Montagne d’Armée

Mobile sur système cellulairefrom Hoang Van Tran (Master report http://wsn.univ-brest.fr/pottier/hoang.pdf)

http://wsn.univ-brest.fr/~tran

Algorithme de type “RIP”

• Construction de tables de routage sur le système cellulaire

• Source et destination statique• Propagation du mobile par les

cellules après consultation de la table.

25

3. Simulation des réseaux

not finished

26

Flot de réalisation sur les outils1. Cadrage de la zone à étudier2. fragmentation cellulaire3. sélection de sous système

Cadrage géographique: QuickMap (PYLucas)

28

Présentation de tuiles

compatibles(PNG 256x256)

Schéma logique du réseau

29

• Graphe d’un réseau maillé• Un processus par capteur• Un arc par lien radio

Commande des générateurs

30

• Choix de positions• Génération textuelle• Commande des

générateurs de code

Comportement des réseaux

31

Contenu des programmes• Architecture générée• Procédures pour les

comportements : Node, Cell• Algorithmes distribués :

Modèle synchrone• Echanges d’information• Calculs de routage• Acheminements• Nommages …

Fédération HLA

Processus communicants• Usage de micro-noyaux

pour multi-coeurs• Langage Occam

GPU• Génération de canaux

d’échanges en mémoire partagée

• Codage de procédures Node…

4. Conclusion, perspectives,…

32

33

Doctorants• Pierre-Yves Lucas (Brest)• Eloi Keita (CNRS)• Truong Phong Tuyen• Bao Lam Hoai (Vietnam)• …Masters• Thibault Failler• Hoang Tran• Nicolas Melot• …

Projet STIC Asie Sames• MAEDI• http://sames.univ-brest.fr

Coopérations internationales• Vietnam, Cantho Univ.• Sénégal, Madagascar,

Algérie, …

Remerciements

34

Micro-systèmes• Machine virtuelle capteurs• …Collecte • Projet nano sat Micas• LoRa et réseau 3G• …

Applications• Cartes de vents• Littoraux• Fermes aquacoles

Simulation• Résultats dans PostGIS• Génération de code MPI

Travaux en cours

Report on radio cover simulation

Experiments and simulation for radio cover validation:case of LoRa on NetGen tools

Tuyen Phong Truong,Bernard Pottier, andSAMES group, LabSticc UBO, and CanTho University.

SAMES, a STIC-Asia program, is aninternational cooperation funded by Ministère des Affaires étrangèresFrance - Vietnam - Indonesia

http://sames.univ-brest.frhttp://sames.univ-brest.fr data and maps

35

Objectives

❖ WSN has developed tools for investigation of radio networks in view of deployments in the environment

❖ A simulator has been implemented that allows physical modelling, in particular line of sight radio propagation over geographical descriptions (GIS, maps).

❖ The purpose of this work is to estimate simulator quality by comparing to real measures, in the case of the LoRa radio protocol

36

Methodology

1. Selection of a geography to be equipped with wireless sensors: (a) Bay of Brest, (b) Penfeld river in Brest, (c) Roc’h Trevezel in Mountains of Arrée.

2. Selection of an emitting point (BS for Base Station), selection of a mobile track (MS), several kilometers.

3. Simulation in Line of Sight (LoS) giving the coverage zone from BS using LoRa

4. Visiting the track path and collecting signal strength

5. Comparison of simulation against value from experiments, improvements on simulation.

37

Step 1 : geographic position

Laboratory study involving QuickMap navigator

❖ zone selection: 40km x 40km, based on maps, photos, 3D models

❖ visibility of emitting location and road availability

QuickMap can display a variety of map tiles, anywhere

38

Step 2 : geographic zone analysis

BS point is Roc’h Trevezel

BS geo position, altitude 376m cell size will be 191m

Roads available for MS, north of BS

39

Step 3 : Line of Sight simulation

visible cells are coloured (yellow)

BS point is Roc’h Trevezel

• Map is divided into cells• cells propagate a signal route• hills block propagations• signal strength is adjusted• radial execution on GPU

40

Step 4 : Practical experiment : BS

BS point is Roc’h Trevezel

Mac with NetGen

48.406984216361 -3.909416198730541

Step 4 : Mobile with GPS

Venus GPS

Roof GPS antenna

Battery

Lora transceiver

ReCoCo Mobile system for car measures• Arduino Uno • Specific shield for GPS &

LoRa

42

Measure principle❖ MS is moving in the zone to evaluate.

Inside expected received signal part and outside. Low speed, some stops

❖ Car driver see a blue light that signal measure request received from BS

❖ MS answers sentences with GPS position and signal strength (RSSI)

❖ BS plots the position on the computer map

❖ BS and MS sentences are recorded in text files.

fixed BS mobile MS

record and plotposition & RSSI

record

MS car

BS computer

43

Step 4 : Experiment : BS+MS

BS point is Roc’h Trevezel

Positions with transactions completed

Partial cover from simulator (salmon)

44

Step 4 : Experiment : BS and BS+MS

BS point is Roc’h Trevezel

Car positions with half and full transactions

45

Chart : LoRa RSSI vs distance

Signal strength was still high at 11km…

46

Evaluation1 : LoS simulation

Parallel Algorithm 1 : radial route propagation from BS

❖ a route collects geo positions and signal strengths from BS to any other cell in the system.

❖ dependencies are Moore neighborhood

❖ X,Y being the size of cell system, needs max(X,Y) steps

Cells propagate routes to neighbours

Routes traverse cells from BS to anyother cell allowing signal strength computation. Trevezel is on the left.47

Comparing simulation and measures

Metrics :

❖ set of measure points Si

❖ Signal strength distance between measure(Si) and simulation(Si)

Objective :

❖ Find algorithms that reduce this distance

Example :

❖ spreading signal routes with random directions

❖ taking diffraction into account : obstacles do not block completely propagation.

48

Evaluation2 : LoS with diffractionParallel Algorithm 2 : radial route propagation from BS,

❖ each blocking position in a route becomes a new source.

❖ it will emit signals with reduced strength at next turn

Algo 1 : LoS

Algo 2 : LoSDif

49

Experiment : Place Albert 1er

BS48.397710295898 -4.4898247718811Algo 2 : LoSDif

50

Experiment : Rade Nord

BS 48.386810209971 -4.3992304801941

AlgoDiffRadio Cover

Measured signal strengthon MS/car positions, vs theory; 9km path.

51

Summary (to be completed)

Mobility impact is not considered in this study. The best results were obtained by stopping the car few minutes (Plougastel case). Erroneous sentences were discarded. Cell size is meters for pixels from OSM, altitudes from SRTM.The very fast simulation were executed on recent GPUs with 2000 processing elements.

52

Roc’h Tredudon with TV antenna on the right (hundreds Kw)LoRa BS on the left - Recoco 100mw

A final statement

53

• Sensor networks report on physical world• Nodes are sensors• Edges are communication links

54

• Physical world is complex, heterogeneous• Nodes are cells with possible geolocation• Edges are physical influences

Both synchronous,

Both parallel

Synthesis and simulation in coherence

NetGen

PickCell

Browsing maps

❖ Mouse left button move a map

❖ Rotate wheel increase or decrease size

❖ shift to get a crosshair cursor

❖ copy mouse geo location

❖ draw lines, grids, distribute sensors

❖ build cell systemsQuickMap

(P-Y Lucas)

55

Map system interactions

❖ A paste in another viewer send you to your mouse location

❖ Example of Apple map

❖ Select other map systems as shown in menu:

56

Cell system: segmentation

❖ View exported from the browser

❖ Grid follows arbitrary cell size (50@50)

❖ Sensor positions can be specified interactively

PickCell

resolution

57

Migrate to classification tool

❖ 8x8 resolution

❖ Get grid cells migrate to classification tool

resolution

classification

58

Classification 2x2x2 in RGB

❖ Text window presents cell location (top-left)

❖ The bottom window presents result of class analysis, RGB in each cell.

❖ Selected class is 7, for 2x2x2 partition

59

Getting more information

❖ Text utility allows to

❖ save on files

❖ export to a service

❖ import additional information to fit cells

60

Viewing the cell system

❖ Presentation as map or photo, display cells over picture.

❖ Google content produced from a web site in USA

61

Example : elevations

❖ File load : load annotated file in text utility

❖ Analyze parse and load data in the cell system.

62

Exporting cell systems

❖ Classification use criteria and grain. Divider = 1 select the whole system.

❖ Class selection export a class system organization based on a connectivity

❖ Data file is also exported with cell contents

❖ Occam, or CUDA syntaxes.

63

Sample data file structure

❖ data7.occ comments:

❖ Cell array is 4984 large

❖ 1st cell is located at 60@12

❖ elevation is 27.2 m

❖ lon is 49.3 lat is -12.00

❖ 8x8 RGB pixels are listed

❖ copy paste lon lat in Apple map

DATA TYPE CellPositionRECORDINT x,y: -- cell positionREAL64 longitude,latitude,elevation:

:

VAL [ 4984] CellArray Cells IS [ [ [ 60, 12, 49.305953979492, -12.007084584179, 27.200000762939] ,[ [ 8, 8] , [ [240,237,229]

64

Preparing a Simulation

❖ NetGen manages sensor networks AND cell systems

❖ Select Occam generation

❖ watch a file called cellNetwork7.occ

The whole Occam program has 3 parts:A. cellNetwork7.occ is Cell system organizationB. data7.occ is Cell data, including x,y,zC. node-test-include.occ is cell behaviour

65

Compile and simulate

❖ Compile: kroc -lcourse cellNetwork7.occ

❖ Execute: ./cellNetwork7 > cellNetwork7.trace.text

❖ Sample at http://wsn.univ-brest.fr/pottier/diego.zip

❖ Trace for computation of 3D bounding boxes by VN1 cellular systems

130 49.17995453 -12.15412971 0.00 0.00 296.20 49.16 49.42 -12.36 -12.14116 49.33444977 -12.13734783 24.80 0.00 296.20 49.16 49.42 -12.36 -12.14

9 49.36878204 -12.28834656 33.50 0.00 296.20 49.16 49.42 -12.36 -12.14

Id Lon Lat Elev Lon/Lat/Elev cell systems bounding boxes

HigherLow

66

Things to come next

❖ Line of sight from some points then many points, Long Range radio❖ Classification based on non RGB criteria (elevation as example)❖ Radio signal estimation using cellular automata❖ Physical simulation of natural phenomena (atmosphere, biology, ground)❖ Sensor deployment optimization❖ …

67

Modèle conjoint physique et capteurs

68

Modèle physique• representation en

structure 2D, 3D• simulation

statique et dynamique

Mesure distribuée• position des mesures• couvertures obtenues • simulation locale et distribuée• caractéristiques temporelles• qualification des mesures

Constat : nécessité de corréler les deux aspects, nécessité de simuler le phénomène observé et son observation.