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.
Top Related