Th` ese de Doctorat de luniversit e Paris VI Pierre et Marie Curie

Sp ecialit e
` SYSTEMES INFORMATIQUES

pr esent ee par

M. Vincent BORREL
pour obtenir le grade de Docteur de luniversit e Pierre et Marie Curie - Paris VI

Une approche int egr ee pour la mobilit e humaine dans les r eseaux auto-organisables : Causes et cons equences
Soutenue le 11 juillet 2008 devant le jury compos e de Jury
Fabrice VALOIS David SIMPLOT-RYL Patrick SENAC Guy LEDUC Cecilia MASCOLO Serge FDIDA Marcelo DIAS DE AMORIM Rapporteur Rapporteur Examinateur Examinateur Examinateur Directeur Co-directeur Ma tre de Conf erence ` a lINSA Lyon Professeur ` a lUniversit e Lille 1 Professeur ` a lENSICA Toulouse Professeur ` a lUniversit e de Li` ege Chercheur ` a lUniversity of Cambridge Professeur ` a lUniversit e Pierre et Marie Curie Charg e de recherche au CNRS

Num ero biblioth` eque :

Annexe C

Pr eface ` a la version fran caise

Le fran cais etant la langue ocielle, cest celle qui est employ ee dans le cadre dune th` ese de doctorat soutenue en France, pour le manuscript pr esent e ainsi que lors de la d efense orale. Lors de son travail de recherche, un scientique est cependant g en eralement amen e` a faire evaluer ` a ses pairs ses avanc ees sous la forme de soumissions darticles qui, parce que sadressant alors ` a une communaut e internationale et multilingue, se feront dans la langue internationale, langlais. A cet egard il est tol er e quun manuscript de th` ese puisse disposer dune version en langue etrang` ere, accompagn ee dun r esum e en fran cais. Cest dans cette forme quest le manuscript que vous tenez dans les mains. Je me dois cependant de pr esenter une petite explication sur lorientation que jai voulu y mettre. Ce manuscript sadresse en premier lieu ` a un jury compos e de scientiques, et par del` a` a la communaut e de mes pairs, et doit donc etre exprim e pr ecis ement et avec une terminologie et une formulation adapt ees au domaine. Cependant jaimerais aussi que ma maman comprenne. Et sil est selon ma petite exp erience une contrainte bien plus d elicate que de sexprimer dans deux langues di erentes, cest bien celle de sadresser ` a deux publics di erents. Je crois personnellement que la simplicit e et lexactitude, plus que conciliables, sont indissociables, et que la recherche de leur sasfaction commune est loeuvre principale de toute une vie de scientique. Cependant jadmets que jai encore beaucoup de chemin ` a faire. En l etat de ma maitrise du passage des id ees, jaimerais donc proter de ces deux langages pour viser ces deux publics (les scientiques, maman) le mieux possible. Pour les raisons evoqu ees plus haut, le corps de mon manuscript est en langue anglaise et sadresse tout particuli` erement ` a mes pairs. Il contient tous les d etails des recherches pr esent ees, et le lecteur curieux ou avis e est invit e` a sy r ef erer. Il me reste cette version fran caise, et jaimerais alors proter de ma langue maternelle pour parler ` a qui de fait. Que mes pairs mexcusent cette vulgarit e.

Annexe D

Version Fran caise

D.1 Introduction

Sil est une tendance forte dans l evolution des r eseaux de communication, cest leur passage progressif ` a la mobilit e. Des machines de calculs on etait pass e aux micro-ordinateurs. Ces microordinateurs, dans nos maisons, ont grandi et se sont accapar es le r ole central dit multimedia de r egisseur en chef de nos occupations. Parrall` element larriv ee dinternet dans les foyers leur a donn e cette chose qui nous fascine tous : losmose permanente du savoir, des pr eoccupations et des besoins, du supermarch e en ligne ` a la messagerie instantan ee en passant par lencyclop edie participative et video-gag en permanence, qui nous maintiendra en haleine jusqu` a ces heures o` u le jour va poindre, et o` u la poule ne sait plus du tout ce qui lui arrive. Et voil` a que notre ami lordinateur, fort davoir vaincu tous les sommets de puissance ` a grimper, se met en t ete de samincir, et de nous suivre partout. Toute crise dadolescence ayant ses soifs de libert e, cet ordinateur qui grandit en sens inverse comme une asperge sest vu orir ses premiers v ehicules de libert e par le biais des technologies sans l wi. Il est maintenant anc e` a la dame des PTT et sore de convoler en noces 3G du num erique partout, des videos dans tous les sens, et des grandes autoroutes de linformation libre et a er ee qui se promettent ` a ses yeux ebahis. Rangeons les m etaphores de comptoir au placard, et comprenons : les r eseaux sans l actuels, ce premier saut dinternet dans lair et la radio, ne sont que le d ebut dun plus grand mouvement, dans lequel les r eseaux entre ordinateurs vont : Se r epandre plus loin Pour beaucoup plus dobjets A plus petite echelle, et de plus en plus proches Qui voudront communiquer plus vite Et au besoin, prolonger ` a leur tour ce r eseau ` a leurs voisins

110

Version Fran caise

Chapitre D

Cest dans ce cadre que la th` ese dont vous tenez le manuscript entre vos mains sinscrit.

D.1.1

R eseaux mobiles et r eseaux auto-organis es

Les r eseaux futurs dont les perspectives viennent d etre evoqu ees plus haut sont mobiles, mais ce nest pas tout. En eet r eseaux mobiles est une terminologie d eja existante qui signie principalement le fait de pouvoir y acc eder depuis un endroit qui peut varier. Par corollaire, on y associe naturellement lid ee que lacc` es a ces r eseaux se fait sans l, bien que ce ne soit pas initialement une n ecessit e. Un changement plus radical se prole, et il est n ecessaire de bien le comprendre. En eet, la ressource radio est une ressource tr` es limit ee, et on ne peut multiplier ` a la fois le nombre de communications et leur d ebit une fois cette limite atteinte. Pour rem edier ` a cela, la seule solution revient ` a r eduire la port ee des communications radio, et leur puissance d emission. En cons equence, il devient possible de r eutiliser le canal radio pour dautres communications simultan ees un peu plus loin le chuchotement radio. Cest cette m ethode qui est utilis ee tous les jours dans la t el ephonie mobile. Ici les communications sont entre le combin e portable et la station de base la plus proche, et ces stations de base ont une port ee limit ee. Ainsi, si une station utilise un canal radio, celles qui la juxtaposent doivent en utiliser un autre, mais les stations qui se trouvent juste derri` ere peuvent elles r eutiliser ce canal. Une station de base, son canal, sa couverture radio limit ee sont appel es cellule radio, do` u le nom de t el ephonie cellulaire. Mais ce qui a commenc e avec la t el ephonie cellulaire a vocation ` a se prolonger plus avant, r eduisant encore et encore les port ees d emission pour communiquer ` a plus, plus vite et entre des appareils plus petits, et donc avec une plus petite batterie. Cependant les cellules t el ephoniques sont xes, couteuses et reli ees au reste du r eseau par voie laire. Elles sont install ees par des techniciens specialis es et disposent dune source dalimentation. Au fur et ` a mesure que lon descend en taille, ceci dispara t. Il nest plus possible ni souhaitable dinstaller, de planier et conguer, ni m eme de g erer dans chaque zone possiblement couverte un bout dinfrastructure xe. On a alors aaire ` a une vision radicalemnt di erente des choses, dans laquelle les objets radio ne sont plus emetteurs ou r ecepteurs, fournisseurs ou utilisateurs dune infrastructure, mais sont leur propre infrastructure, communiquant les uns avec les autres, se passant les donn ees de proche en proche, en fonction des besoin, et au gr e des communications que leurs positions, souvent changeantes, leur permettent davoir entre eux. Et cela est une conception nouvelle et di erente, quon appelle les r eseaux auto-organis es.

D.1.2

De l etude de la mobilit e dans les r eseaux auto-organis es

On le comprend, les r eseaux auto-organis es auxquels on aura aaire dans le futur seront pour une grande partie hautement mobiles, parce que port es par leurs utilisateurs/prestataires. Et ces r eseaux, on sen doute, vont venir prolonger le r eseau xe, de poche en poche, de lampadaire

D.1 Introduction

111

en voiture, puis de voiture en voiture. Internet a et e originellement con cu sur des machines xes, reli ees entre elles par des ls et congur ees par des techniciens. Par sa conception m eme, il nest pas pr evu pour cet environnement mobile et auto-organis e. Il revient donc la t ache dinventer jour apr` es jour les m ethodes et techniques qui pourront tirer meilleur parti de cette nouvelle situation. Et pour le faire, il va falloir bien comprendre ses ressorts principaux. Bienvenue dans le domaine de l etude de la mobilit e dans les r eseaux auto-organis es. La mobilit e et son etude ne sont pas des sujets nouveaux. On etudie la mobilit e des consommateurs pour savoir comment placer les produits dans les grandes surfaces pour quils se vendent mieux (e.g. la fameuses t ete de gondole sur laquelle tout d eplacement de rayon ` a rayon am` ene le client ` a poser son regard). On etudie la mobilit e entre villes pour pr evoir larchitecture routi` ere. On etudie les d eplacement typiques dans les lieux de travail, les r esidences ou les hotels an de planier la commande des ascenseurs, leur placement optimal, les proc edures d evacuation, la largeur des couloirs et la position des toilettes... Le provisionnement m eme des infrastructure cellulaires ny echappe pas, et ce domaine touche directement au n otre, car nous r eutilisons et etendons les outils elabor es pour pr evoir les passages des utilisateurs dune cellule ` a une autre au gr e de leurs d eplacements. On voit ici quil est n ecessaire de se poser alors quelques questions pour savoir comment l etude de la mobilit e va sinscrire dans nos besoins. Qui consid` ere-t-on ? Cela peut etre, par exemple, des conducteurs de voitures, des pi etons, des travailleurs en entreprise, des vacanciers sur une plage, des consommateurs dans une grande surface, des utilisateurs de m etro, des etudiants sur un campus ou les clients dun lieu de restauration. Pour quel usage ? Une conversation t el ephonique ne n ecessite pas les m emes contraintes que la transmission dun SMS (di erence criante lors dun trajet en m etro par exemple), et celles dun utilisateur de hotspot wi di` erent de celles dun usager de web mobile. Lusage tient aussi compte des port ees de communication mises en jeu, des dur ees dutilisations typiques, et inuent l echelle ` a laquelle sera consid er ee la mobilit e, donc ses caract eristiques. Quel est le cadre consid er e ? Quelles sont les contraintes physiques ? Quelle heure est-il ? Quelle est la taille et la dur ee de la situation etudi ee ? Enn, quelles sont les s emantiques du lieu (un amphith e atre na pas la m eme s emantique quune salle de cin ema) ? D` es lors, toute etude sur ce sujet va commencer par se positionner sur ces di erentes questions. Mais quen est-il de notre sujet ?

D.1.3

Travaux pr esent es

Les travaux pr esent es dans ce manuscript se concentrent sur deux approches de la mobilit e, et chacune a un positionnement sp ecique. La premi` ere partie traite des causes de la mobilit e. On y d eveloppera deux mod` eles de mobi-

112

Version Fran caise

Chapitre D

lit e, qui sont des descriptions dun type de d eplacement, et parmi les multiples causes possibles et concurrentes de la mobilit e, ces deux mod` eles sattacheront ` a celles issues de comportements sociaux entre humains. Ici les sujets consid er es seront des pi etons. Lusage pr evu est celui des r eseaux auto-organis es ` a echelle mesoscopique, cest ` a dire quon consid` erera des d eplacements avec une pr ecision de lordre du m` etre et de la seconde. Enn, nous consid` ererons un lieu simple et priv e dobstacle, an de minimiser au maximum les contraintes non issues de la sociabilit e, et les eets parasites quelles pourraient avoir sur notre etude. Je note aussi que, cependant quil existe une multitude de causes qui agissent simultan ement sur la mobilit e, et bien plus de causes sociales possibles que les deux etudi ees, notre but nest pas d etre exhaustif, et nous restreindrons nos mod` eles ` a une expression simple et minimale car nous souhaitons les etudier seuls. La seconde partie traite des cons equences de la mobilit e sur les m ecanismes utilis es pour faire fonctionner les r eseaux communicants. Nous appellerons ces m ecanismes des m ethodes de routage ou routages1 . Cette partie ne sattache pas ` a un type particulier de mobilit e, mais aux utilisations qui peuvent en etre faites. Esp erons que ces deux aspects, se r epondant lun lautre, seront utiles ` a la recherche et au d eveloppement des r eseaux auto-organis es, en tant que tels, comme base dautres travaux ainsi que pour lapproche et la vision du domaine quils sous-tendent.

D.1.4

L echelle statistique des consid erations

Il est ` a ce propos une caract eristique de la vision de la mobilit e des r eseaux quil me semble important de pr eciser. Et je la formulerai en une question qui mest souvent pos ee entre deux cacahu` etes, lors des quelques occasions quil mest donn e de socialiser avec mon entourage. Alors tu peux pr edire dans quelle direction un individu va aller ? En ce qui me concerne, la r eponse est Non, suivie de mais ce nest pas le but.. Et ici je veux donner une consid eration ethique personnelle. Mon but ne va pas etre de trouver le moyen de pr edire les actions des gens. Et jesp` ere quon ny arrivera jamais. Fin de la consid eration personnelle. Ce que lon va faire ici, cest regarder une foule dindividus soumis a de la mobilit e, et aux statistiques de leurs actions. On ne parlera pas de loccurence ou non dune action ` a l echelle individuelle, mais de la proportion de r ealisation dune telle action dans lensemble des individus consid er es. Plus le nombre dindividus consid er es est grand, meilleure sera la pr ediction. Les lecteurs dIsaac Asimov qui se rappellent la notion de psychohistoire appr ecieront. Ce dernier point etant pr ecis e, attaquons sans tarder la premi` ere partie de nos travaux.

1 Nous

consid erons donc ici le terme routage dans son sens large dacheminement de paquets de donn ees dans

notre cas , et non dans son sens plus restreint de la m ethode sp ecique utilis ee dans les noeuds de linternet actuel.

Causes de la mobilit e

Humains

Mobilit

Situation

Causes

Consquences

Dans la premi` ere partie de ce r esum e, nous nous concentrons sur deux aspects sociaux de la mobilit e humaine, par le biais de deux mod` eles de mobilit es sappliquant ` a des pi etons. Le cadre typique dapplication de ces mod` eles est celui des mouvements de foule, quon peut retrouver dans des conf erences, centre commerciaux, cours d ecoles, soir ees, foires ou expositions.

114

Version Fran caise

Chapitre D

D.2

PRAGMA : les comportements gr egaires

Voici une petite exp erience amusante ` a tenter dans une rue assez passante un jour pas trop pluvieux. Passant avec un complice, quelque chose au dernier etage dun immeuble attire votre attention. Vous tapez sur l epaule de votre acolyte, et tous deux ralentissez sur le trottoir, visiblement pr eoccup es par ce qui se passe en hauteur. Nh esitez pas, faites vous un peu remarquer pour loccasion. Si les dieux de la fac etie sont bons ce jour l` a, vous pourrez ainsi repartir dans deux bonnes minutes en laissant un attroupement de badauds plant es les yeux au ciel, dans une expectative du plus bel eet. Sinon, allez relire quelques tomes de Quicke et Flupke consolatoires. Vous y trouverez votre bonheur Vous venez dassister a une manifestation du comportement gr egaire des humains. B elez un coup, ca soulage. Cest ` a ce comportement que PRAGMA sint eresse. PRAGMA, cest PReferential Attachment for Gathering Mobility using Attractors, PRAGMA est un mod` ele de mobilit e, et comme son nom lindique, PRAGMA est bas e sur lattachement pr ef erentiel.

D.2.1

Attachement pr ef erentiel et graphes sans echelle

Lattachement pr ef erentiel correspond au vieil adage On ne pr ete quaux riches.. Il signie quun individu lorsquil fait un choix dassociation dans un syst` eme, choisit de pr ef erence les cibles qui ont par ailleurs et e le plus choisies par les autres. A lorigine, ce concept a et e introduit par A.-L. Barab asi comme ingr edient dun mod` ele de croissance des graphes capturant avec succ` es une des propri et es sp eciques observ ees dans plusieurs graphes r eels : la distribution des degr es en loi de puissance. Un graphe, cest une repr esentation math ematique des associations entre sujets. Les sujets sont repr esent es par des points (appel es noeud), et leurs associations par des traits les reliants (liens). Ces associations peuvent avoir un type et un poids. Le degr e dun noeud cest le nombre de liens qui le relient aux autres. Un noeud reli e a deux autre noeuds a un degr e d = 2. Prenons un graphe, et faisons un d ecompte du nombre de noeuds de degr e 0 (reli e` a personne), puis de degr e 1 (reli e` a 1 autre noeud), puis 2 et ainsi de suite, en tra cant une courbe de l evolution

BORREL BORREL et et al.al. :A :A PREFERENTIAL PREFERENTIAL ATTACHMENT ATTACHMENT GATHERING GATHERING MOBILITY MOBILITY MODEL MODEL D.2 PRAGMA : les comportements gr egaires 115
1000 1000 1000 1000 900 900 800 800 700 700 100 100 600 600 500 500 400 400 10 10 300 300 200 200 100 100 0 0 1 1 5 5 10 1015 1520 2025 2530 3035 3540 4045 45 10 10 Number of nodes Number of nodes

and and aa target target attracto attrac target target lies lies the the main main c generality, generality, the the simu sim inin the the latter latter case case be aa toroidal toroidal manner. manner. , Let Let ZZ (t( )t) == {z { z 1 ,1a ,2 a and and AA (t( )t= )= {a {1 a 100 100 1000 1000 Degree Degree initial initi There There are are AA Degree Degree 0 0 aa Poisson Poisson process process Fig. D.1 1. Comparaison des of distributions de degr es versus des noeuds dun graphs. graphe dit al eatoire et Fig. Fig. 1. AA comparison comparison of Random Random graphs graphs versus Scale-Free Scale-Free graphs. On On the the duration duration randomly randomly dun graphe dit scale-free. Le premier of exhibe une Gaussienne, ou courbe en cloche, a gauche ` left, left, the the node node degree degree distribution distribution of anan Erd Erd os-R os-R enyi enyi random random graph graph with with 10000 10000 initial initial in are also also ZZ 0 0 nodes nodes and and a link a ,link probability probability ofof 0.02 0 .02 , in , in a linear a linear scale. scale. On On the the right, right, the the node node are ( echelles lin eaires) alors que le second exhibe une loi de puissance, ou pente descendante, a ` individuals arrive arrive fo degree degree distribution distribution ofof anan Albert-Barab Albert-Barab asi asi scale-free scale-free graph graph grown grown to to 10000 10000 individuals droite ( echelles logarithmiqes) nodes nodes with with preferential preferential attachment attachment in in a a log-log log-log scale. scale. Both Both have have the the same same Each Each individual individual has h number number ofof nodes nodes and and links, links, but but their their structures structures are are signicantly signicantly different. different. within within aa xed xed interv inte de ce d ecompte pour tous les degr es possibles. On obtient ce quon appelle la distribution des pause pause period period isis also als degr es des noeuds du graphe. Les distributions sont des outils tr` es importants en statistiques. end ofof its its sojourn sojourn d Construisons un graphe al eatoire, en posant des noeuds et en les reliant entre eux en tirant end Internet Internet connectivity), connectivity), where where aa collective collective behavior behavior has has been been au max max hasard, pour chaque paire possible de noeuds, sil y aura un lien entre eux ou pas. Sa distribution and and DD , each ind i z z , each shown shown to to arise arise from from simple simple individual individual decisions. decisions. des degr es des noeuds aura une forme bien connue des statisticiens, une courbe en cloche appel ee Consider Considerthat thatind i Gaussienne. Cela veut dire que la majorit e des noeuds ont un degr e qui vaut la moyenne (le haut decides decides toto move move tow t de la cloche, au centre), et au fur et a mesure quon d e vie fortement de la moyenne, en plus ou A.A.Real-Life Real-Life Models Models computes computesthe theattra attr en moins, le nombre de noeuds d ecompt e chute (les bords de la cloche), pour nen avoir que tr` es AA () (, )exerts , exerts o a a There isis growing growing evidence evidence that that many many networking networking aspects aspects peu de There noeuds dont le degr e di` ere fortement de la moyenne (les extr emit es basses de la cloche). l l ofoflife, life, among among which whichvues many many are are directly directly related related totohuman human Plusieurs graphes de situations dans la vie ont et e etudi es ces derni` eres ann ees, en organization organization (e.g. (e.g. social social networks, networks, information information networks, and donnant un r esultat tout a fait distinct et impr evu. On a trouv e cettenetworks, distinction enand etablissant AA (z( ,a ,a ) l= ) = des semantic graphes dans networks), ses situations diverses et e es, telles que : les liens sociaux entre individus, iz il semantic networks), have have invari in common common aa very very particular particular propprop- la chaine alimentaire (qui mange qui), les sexuelles entre lyc eens, les appels t el ephoniques erty: erty: they they are are scale-free scale-free . This .relations This means means that that they they follow follow aa power power entre les gens, les coapparitions dacteurs dans les lms. Ce r esultat distinct et impr evu est que where where BB (z( ,ja ,la )l ) isi law law distribution distribution [2]. [2]. jz la distribution des degr es des noeuds de ces graphes est en loi de puissance. Cela signie que go g individual zjzjisis As As shown shown by by Albert Albert and and Barab Barab asi asi inin their their eponym eponym individual dans ces graphes le nombre de noeuds ayant un degr e donn e d ecroit comme sil etait divis e par otherwise,and andX model model [5], [5], [6], [6], these these distributions distributions can can be be obtained obtained by by mimickmimick- 0 0otherwise, ce degr e, ` a une certaine puissance. Par exemple, pour une distribution en loi de puissance 2, (individual oror attrac attra ing ing the the dynamics dynamics of of groups groups ofof elements two two simple simple si on d ecompte N noeuds de degr e D, pour leelements degr e triple following Dfollowing 3xD, on aura trois au carr e= 9(individual ofofother othernodes nodesde d rules: growth growth and and preferential attachment. attachment. Albert Albert and and Barab Barab aen si asi fois rules: moins de noeuds compt e s, preferential soit N/9. Et si la gaussienne usuelle donne une courbe cloche ofof individu indivi caract eristique, la loi deinitial puissance se traduit network, par une ligneand qui descend de gauche ` a droite, onbehavior start start from from an an initial random random network, and progressively progressively add addsi behavior regarde notre distribution avec des axes logarithmiques. Cela est montr e par les deux graphiques The The destination destination a new new nodes. nodes. This This isis the the growth growth principle. principle. In In the the preferential preferential visibles en D.1. portional toto its its attra att attachment attachment principle, principle, the the probability probability that that aa new new node node jj be be concon- portional Les graphes qui ont cette propri et e ont e appel es graphes sans echelle ou scale-free tors are are chosen chosen prop pro nected nected toto an an existing existing node node i is iet is proportional proportional toto is i s connectivity connectivity entors the the distance distance sepa sep degree. degree. Fig. Fig. 11 illustrates illustrates the the resulting resulting node node degree degree distribution distribution toto We We can can now now deriv de for for both both random random and and scale-free scale-free distributions. distributions. leave following following aa p InIn this this letter, letter, we we base base our our assumptions assumptions on on these these rules rules and and leave propose propose toto incorporate incorporate population population dynamics dynamics into into aa mobility mobility model. model. We We will will see see inin the the following following that that this this has has implicaimplica tions tionson onthe theinteractions interactionsbetween betweenpeople peopleand andgroups, groups,nonnonmonotonous monotonous spatial spatial densities, densities, and and moreover moreover can can account account for for where where ||A ||A (t( )t || )|| isis the t
Number of nodes Number of nodes

116

Version Fran caise

Chapitre D

anglais. Ils sont tr` es courants dans la vie r eelle et les raisons ` a cela sont encore incompl` etement comprises. Le mod` ele de construction de graphe propos e par A.-L. Barab asi part dun graphe al eatoire initial, et ajoute des noeuds. Chaque nouveau noeud arrivant dans le graphe etablit des liens au hasard avec les noeuds d ej` a existant en suivant le principe dattachement pr ef erentiel decrit plus haut. Le graphe r esultant est sans echelle.

D.2.2

Attachement pr ef erentiel avec co ut et attracteurs

Pour PRAGMA, nous consid erons les comportements gr egaires, et voulons les rendre en adaptant lattachement pr ef erentiel au cadre de la mobilit e. Ici lattachement pr ef erentiel sappliquera au choix de lendroit o` u se rendre : les individus seront plus attir es par les endroits populaires. Mais dans la mobilit e il existe une composante suppl ementaire qui va jouer en jeu dans le choix de son action, cest que les di erentes actions nont pas le m eme co ut. Aller plus loin est plus couteux qualler plus pr` es. Ce cette mani` ere, dans PRAGMA, chaque lieu se verra attribuer une attractivit e proportionnelle ` a sa popularit e et inversement proportionnelle ` a la distance pour sy rendre. On appelle cela lattachement pr ef erentiel avec co ut. Lattachement pr ef erentiel avec co ut est un principe assez ancien, puisquil fut enonc e dans une version beaucoup plus g en erale en 1929 lors de l etude des choix de consommation, dans la th eorie de gravitation des march es. Sous la forme plus g en erale de mod` ele de gravit e cet outil est utilis e dans beaucoup de domaines. Dans le domaine de la mobilit e des r eseaux, il a et e repris en utilisant une discr etisation de lespace en zones carr ees, puis r eutilis e et m elang e a de nombreuses autres composantes dans plusieurs mod` eles de mobilit e r ecents. Les consid erations qui ont pr esid e` a l etablissement de PRAGMA sont : A) l etude des mouvements gr egaires B) de la mani` ere la plus simple possible C) avec le moins possible deets ind esirables. Si A) est donn e par le mod` ele de gravit e, B) lui pr ef` erera lattachement pr ef erentiel, moins g en eral mais parfaitement adapt e et plus simple, et voudra que PRAGMA sabstienne absolument de lui rajouter des composantes suppl ementaires. Reste un point important : minimiser les eets ind esirables. A cet egard, il nous reste un probl` eme : comment d enir les lieux dint er et, et leur attractivit e ? Lapproche prise par les pr ec edentes adaptations du mod` ele de gravit e d ecoupe lespace en zones carr ees dune taille donn ee et compte le nombre dindividus dans ces zones comme popularit e de ces lieux. Ce d ecoupage en zones soumet le mod` ele de mobilit e` a nombre de contraintes (la taille, le placement, le nombre, lespacement et les d eplacements entre lieux dint er et) arbitraires dont les eets ind esirables peuvent etre nombreux. Cela nous d erange particli` erement dans notre cas, car nous d esirons etudier une seule cause de la mobilit e en la d egageant le plus possibles dautres eets. An de pallier ` a ce probl` eme, il a et e d ecid e dintroduire dans PRAGMA les attracteurs. Dans PRAGMA, il y a deux populations, une r eelle et une virtuelle. La premi` ere population est compos ee des individus dont on mod` ele le d eplacement. La seconde population est compos ee

D.2 PRAGMA : les comportements gr egaires

117

des attracteurs, repr esentant les centres dint er et entre lesquels les individus vont se d eplacer. Les individus se d eplacent en cycles simples : choisir un endroit ou aller (un attracteur) et un temps ` a y rester, sy rendre et y faire la pause d esir ee, puis recommencer un autre cycle. Lors du choix de lendroit o` u aller, lindividu calcule pour chaque attracteur existant (ormis celui qui loccupait pr ec edemment) une attractivit e, qui est sa popularit e incr ement ee de 1 (an que les attracteurs sans personne autour aient tout de m eme un int er et intrins` eque non nul), divis ee par la distance ` a laquelle il se trouve de notre individu. Lindividu choisit alors al eatoirement sa destination, sachant que la probabilit e quun attracteur soit tir e est proportionnelle ` a son attractivit e. Pour plus de d etails sur le reste de PRAGMA, pri` ere de se r ef erer au chapitre 3.

D.2.3

Simulation et r esultats

PRAGMA a et e impl ement e avec un petit simulateur sympa, disposant dune interface graphique simple et interactive. Une visualisation est fournie en temps r eel pour les deux types despace simple propos es. Une visualisation planaire est disponible pour lespace born e et lespace p eriodique carr e, et un placage toroidal et optionnellement disponible pour ce dernier cas (images D.2). Le r esultat principal, montr e en gure D.3 est que la distribution des attractivit es des attracteurs suit, dans un espace de param` etre assez large et en situation de croissance, une loi de puissance reproductible. Cela nous donne une id ee sur limpact quont les comportements gr egaires sur les popularit es des lieux, et nous permet de constater que lattachement pr ef erentiel avec cout, malgr e les contraintes de temps de d eplacement de la mobilit e, peut encore mener ` a des lois de puissance, et plus g en eralement ` a des lois dites sans echelle. Passons maintenant ` a notre seconde cause sociale de mobilit e.

118

Version Fran caise

Chapitre D

Fig. D.2 Les trois visualisations fournies de la mobilit e : plan carr e born e, plan carr e p eriodique, placage todo dal. Ici les attracteurs non visit es sont orange, ceux visit es sont en rouge et les individus sont en vert.

D.2 PRAGMA : les comportements gr egaires

119

IEEE COMMUNICATIONS LETTERS, VOL. 9, NO. 10, OCTOBER 2005

10000 Popularity (Individuals attracted) 1000 100 10 1 Attractors Linear regression

around).

10 Popularity order

100

stribution dividuals, nverge.

Fig. La 3. droite Popularity distribution of Attractors, in situationa of population growth. est une r egression lin eaire en espace log-log et correspond ` un exposant de 1.783 A linear tfacteur in log-log scale avec un de conance de gave 0.979. us a power-law distribution, with an exponent of 1.783 and a condence of 0.979.

Fig. D.3 Distribution de popularit e des attracteurs, dans les cas de croissance de la population.

(5)

l traces used in

we obtain the distribution shown in Fig. 3. These results exhibit the scale-free characteristic of the attractor population. A corollary result is that, given an equiprobable spatial distribution of nodes, and in situation of population growth, the preferential attachment, weighted by the inverse of distance, gives scale-free results. V. C ONCLUSION Following observations in nature of a scale-free distribution,

mine if ned bemodel,

120

Version Fran caise

Chapitre D

D.3

SIMPS : sociostation et mobilit e

La sociostation est lid ee que lindividu r egule sa socialisation en permanence pour lajuster a ses besoins propres. ` Mais avant de continuer, d enissons rapidement deux termes. La socialisation dun individu est vue comme la qualit e des interactions quil maintient avec son entourage, a un instant donn e. Pendant mon pot de th` ese par exemple, je serai semble-t-il assez socialis e. La sociabilit e dun individu, elle, est sa propension ` a etre socialis e : son niveau pr ef er e de socialisation. La sociostation est issue de deux constatations faites en sociologie des r eseaux. La premi` ere est que chaque individu dispose dune sociabilit e qui lui est propre, intrins` eque et statique. Cela a et e observ e par M. Fors e dans une etude o` u d ecrivant les caract eristiques de la sociabilit e intrins` eque des individus, et ceci en tant que d enie par leur classe sociale et leur age (C.f. gure 4.2). La deuxi` eme constatation est donn ee par T. Snijders, que les actions sociales des individus sont motiv ees par la satisfaction de leurs besoins. Tra nez un solitaire ` a une f ete, il trouvera naturellement un coin sombre ou eloign e. Si un f etard perd subitement sa clique de compagnons, il va se mettre en qu ete de contact humain assez vite. Cest cette d elicate r egulation que SIMPS (Sociostated Individual Mobility for Population Simulations) va essayer de transposer dans le domaine de la mobilit e. Notons que bien que M. Fors e ait quali e la sociabilit e par son volume (nombre de relations) et son int eriorit e (type de cercle de relations), nous consid` ererons dans la suite de ce travail la sociabilit e (et donc la socialisation) sous son seul aspect quantitatif. Comme dans le travail pr ec edent, nous allons essayer de donner un mod` ele aussi simple que possible de cette r egulation. Cest ici plus d elicat car il doit etre complet, mais le jeu en vaut la chandelle. Dans SIMPS, nous avons besoin dun syst` eme complet ou les individus r egulent leur socialisation autour de leur sociabilit e par le biais de leur mobilit e. Pour cela il nous faut 4 composantes : A Des param` etres intrins` eques de sociabilit e pour chaque individu, autour desquels il va r eguler sa socialisation. B Une m ethode de mesure de la socialisation, ou niveau dinteraction avec les autres, ` a l echelle individuelle.

D.3 SIMPS : sociostation et mobilit e C Un ensemble dactions de mobilit e susant pour r eguler cette socialisation.

121

D Un processus de d ecision local choisissant les actions ` a eectuer pour eectivement r eguler la socialisation de lindividu. An de r epondre au premier point, SIMPS est compos e dune population dont chaque individu dispose de deux attributs propres et personnels : une sociabilit e et une tol erance sur cette sociabilit e. Par exemple un individu avec une sociabilit e de 3 et une tol erance de 30% aimera pr ef erentiellement interagir avec entre 2 et 4 personnes (3 plus ou moins 1). A l etat initial, SIMPS attribue al eatoirement ` a chaque individu de la population une valeur de sociabilit e et de tol erance, selon une distribution donn ee (ici une distribution gaussienne ou uniforme est propos ee). On note que ces valeurs peuvent etre autres quenti` eres : un individu peut tr` es avoir une sociabilit e de 4, 12 et une tol erance de 0, 14 (14%). Pour r epondre au point B, nous allons faire appel a la th eorie prox emique. Elabor ee par E.T. Hall, elle sp ecie que les types dinteractions que les humains ont entre eux sont codi es par la distance physique les s eparant. E.T. Hall d enit ainsi plusieurs cercles autour de lindividu pour plusieurs types de relations sociales, montre que la taille de ces cercles varie suivant les cultures, et quantie les rayon de ces cercles pour la population am ericaine. Celui qui nous int eresse ici sera le cercle de relations sociales, dont le rayon est evalu e` a environ 4 m` etres (12 pieds). Ici donc, un individu se consid` erera socialis e en comptant les autres personnes pr esentes dans le rayon social (param etrable, par d efaut ` a 4m). Cependant, ce d ecompte est m elang e avec la perception de socialisation ` a linstant pr ec edent, de facon ` a introduire un temps de r eaction et une perception diuse de lentourage imm ediat. Lensemble daction n ecessit e par le point C est minimaliste, puisquil est compos e de deux actions antagonistes : sisoler, ou se socialiser. Un individu sisolera en etant repouss e par les inconnus, avec pour eet ` a terme de faire baisser son volume de socialisation percue. Un individu se socialisera en etant attir e vers les connaissances, avec pour eet ` a terme de faire augmenter son volume de socialisation per cue. On note quil est n ecessaire de jauger le niveau de connaissance entre les individus, et cela est fait au moyen dun graphe social g en er e al eatoirement ` a l etat initial (ce graphe peut etre au choix, al eatoire, sans echelle de type barabasi, ou un graphe r eel qui doit etre fourni). On note aussi que leet de ces attractions et r epulsions est pond er e par linverse de la distance a une puissance donn ee. Ainsi, un individus proche a une inuence plus importante quun individu plus loin. Enn conform ement au point D, le processus de d ecision local choisissant laction est simple comme le thermostat du chauage central. On rappelle que chaque individu a une plage de socialisation pr ef er ee donn ee par sa sociabilit e et la tol erance sur cette sociabilit e. Si un individu se trouve socialis e plus que le haut de cette plage, il va basculer au comportement sisoler. D` es quil se trouve socialis e moins que le minimum de cette plage, il va repasser au comportement se socialiser. En langage scientique, on appelle la courbe ` a double sens qui r egule ce d eclenchement une hysteresis.

122

Version Fran caise

Chapitre D

Encore une fois, un simulateur a et e d evelopp e pour cette mobilit e, avec une interface graphique interactive. Il est ` a noter par ailleurs quun nouvel algorithme de calcul gravitationnel a et e d evelopp e, introduisant une structure nomm ee quadtree barycentr es pour produire une version a complexit e r eduite desdits calculs, dont lerreur est born ee d ependemment dun facteur de pr ecision.

D.3.1

Statistiques de contact entre noeuds mobiles

Le comportement de SIMPS a et e simul e sous la variation de ses param` etres principaux, et l evolution des distributions contacts et inter-contacts a et e etudi ee, en prenant pour condition de contact radio un rayon de communicatoin xe pour tous les noeuds. Il en ressort que de mani` ere tr` es robuste, la distribution des dur ees de contact et dintercontact observ ees oscille entre une loi de puissance avec cut-o exponentiel et une loi de Weibull. L etude pr ecise de lad equation ` a une loi de puissance tronqu ee na pas et e eectu ee mais est vivement souhait ee, en regard des r esultats les plus r ecents de lanalyse de la mobilit e publi ee par A.-L. Barab asi et alii en 2008 dans la revue Nature [99]. Ces r esultats repr esentent une similitude importante avec les observations publi ees par Chaintreau et alii en 2004, qui ont observ e des distributions de contact et dinter-contact tr` es similaire, ce quaucun autre mod` ele de mobilit e ne reproduisait correctement ` a ma connaissance. Ce r esultat est particuli` erement int eressant parce que SIMPS a et e d eni sans visibilit e aucune sur cette cons equence, et r epond en premier lieu ` a des causes comportementales sociales. A cet egard, lobtention de r esultats tr` es fortement similaires ` a des observations dont on connait encore peu les causes, mesur ees ind ependemment et dans des situations r eelles, est particuli` erement int eressant. Il est enn ` a noter que la principale condition importante qui semble etre requise dans le param etrage de SIMPS pour quil fournisse ces r esultats est celle dun certain equilibre global entre les proportions de temps pass es par les individus dans les deux comportements de mobilit e, lisolement et la socialisation. Linuence du graphe social, des param` etres spatiaux ou temporel est tr` es faible, et ne se fait sentir que quand elle bouscule l equilibre de comportement susmentionn e. Les lois observ ees se prolongent avec la dur ee de simulation consid er ee. C.f. courbes fournies dans les groupes de graphiques D.4 et D.5.

D.3 SIMPS : sociostation et mobilit e

123

10

10

0.1 1-cdf(Duration) 1-cdf(Duration)

0.1

Inter-contact: Random graph Inter-contact: SF graph Contact: Random graph Contact: SF graph Pareto (1.9,-0.51) Pareto (2.5,-0.43) Pareto (6,-1.2) Pareto (10,-1.38) 0.3exp(-0.0011x) 0.14e(-0.0011x) ( 0.0065e(-.0018x) 0.002e -.0011x)

0.01

0.01

0.001

0.0001

1e-05 1

Inter-contact: Random graph Inter-contact: SF graph Contact: Random graph Contact: SF graph Pareto (1.9,-0.51) Pareto (2.5,-0.43) Pareto (6,-1.2) Pareto (10,-1.38) 0.3exp(-0.0011x) 0.14e(-0.0011x) ( 0.0065e(-.0018x) 0.002e -.0011x) 10 100 Duration (in seconds) 1000 10000

0.001

0.0001

1e-05 0 500 1000 1500 2000 Duration (in seconds) 2500 3000 3500

(d) type de graphe social

10

(e) type de graphe social ( echelle semi-log)

10

0.1 0.1 1-cdf(Duration) 1-cdf(Duration) 0.01

0.01

0.001

0.001

0.0001

1e-05 1

Inter-contact, D = 2 Inter-contact, D = 5 Inter-contact, D = 15 Inter-contact, D = 50 Contact, D = 2 Contact, D = 5 Contact, D = 15 Contact, D = 50 Pareto (3.7,-0.5) Pareto (7.4,-1.4) 10 100 Duration (in seconds) 1000 10000

0.0001 Inter-contact: Socialize Inter-contact: Isolate Contact: Socialize Contact: Isolate Pareto (0.37,-1.4) Pareto (1.73,-0.7) Pareto (1.35,-0.2) Pareto (1.22,-1) 1 10 100 Duration (in seconds) 1000 10000

1e-05

1e-06

(f) degr e moyen du graphe social

10

(g) comportements s epar es

0.1

1-cdf(Duration)

0.01

0.001

0.0001 Inter-contact, infinite space Inter-contact, periodic L=2000m Inter-contact, periodic L=200m Inter-contact, periodic L=20m Contact, infinite space Contact, periodic L=2000m Contact, periodic L=200m Contact, periodic L=20m 1 10 100 Duration (in seconds) 1000 10000

1e-05

1e-06

(h) type despace consid er e et densit e

Fig. D.4 Analyse (partie 1/2) de la variation des distributions de dur ee de contact et dintercontact de SIMPS en r eponse ` a la variations de ses principaux param` etres. Sauf mention sp eciale les courbes sont ach ees en echelle log-log.

124

Version Fran caise

Chapitre D

10

10

0.1

0.1

1-cdf(Duration)

0.01

1-cdf(Duration)

0.01

0.001

0.001

0.0001

1e-05

1e-06 1

Inter-contact avg. sociability 1 Inter-contact avg. sociability 2.5 Inter-contact avg. sociability 10 Contact avg. sociability 1 Contact avg. sociability 2.5 Contact avg. sociability 10 Pareto (2.7,-0.45) Pareto (3.7,-0.75) Pareto (14,-1.4) Pareto (25,-1.7) 10 100 Duration (in seconds) 1000 10000

0.0001 Inter-contact over 600s Inter-contact over 3600s Inter-contact over 36000s Contact over 600s Contact over 3600s Contact over 36000s Pareto (1.8,-0.3) Pareto (15,-1.6) 1 10 100 1000 Duration (in seconds) 10000 100000

1e-05

1e-06

(a) taille de lespace consid er e

10 10

(b) dur ee de simulation consid er ee

0.1 1-cdf(Duration) 1-cdf(Duration)

0.1

0.01

0.01

0.001 Inter-contact step 0.1s Inter-contact step 1s Inter-contact step 10s Contact step 0.1s Contact step 1s Contact step 10s Pareto (2.6,-0.45) Pareto (6.7,-1.6) 0.1 1 10 100 Duration (in seconds) 1000 10000

0.001 Inter-contact, ! = 0 Inter-contact, ! = 1 Inter-contact, ! = 2 Inter-contact, ! = 3 Contact, ! = 0 Contact, ! = 1 Contact, ! = 2 Contact, ! = 3 1 10 100 Duration (in seconds) 1000 10000

0.0001

0.0001

1e-05

1e-05

(c) pas temporel de simulation

10

(d) exposant du co ut associ ea ` la distance

10

0.1 0.1 1-cdf(Duration) 0.01 1-cdf(Duration)

0.01

0.001

0.001 0.0001 Inter-contact social radius 1m Inter-contact social radius 3.5m Inter-contact social radius 15m Contact social radius 1m Contact social radius 3.5m Contact social radius 15m Pareto (2.6,-0.45) Pareto (6.7,-1.6) 1 10 100 Duration (in seconds) 1000 10000 Inter-contact half-reaction 1s Inter-contact half-reaction 4s Inter-contact half-reaction 20s Contact half-reaction 1s Contact half-reaction 4s Contact half-reaction 20s Pareto (2.6,-0.45) Pareto (6.7,-1.6) 1 10 100 Duration (in seconds) 1000 10000

1e-05

0.0001

1e-06

1e-05

(e) rayon prox emique social

(f) temps de demi-r eaction

Fig. D.5 Analyse (partie 2/2) de la variation des distributions de dur ee de contact et dintercontact de SIMPS en r eponse ` a la variations de ses principaux param` etres. Les courbes sont ach ees en echelle log-log.

Cons equences de la mobilit e

Humains

Mobilit

Situation

Causes

Consquences

Nous allons pr esenter succintement cette partie assez technique, dans ses buts et objets. Pour les d etails, se r ef erer ` a la version en langue anglaise au chapitre 5. Une fois quon a des traces de mobilit e, quelles soient r eelles ou issues de mod` ele, il est bon de pouvoir sen servir an de pr evoir ce quon va pouvoir faire dessus. Cetta partie propose une taxonomie de ces cons equences articul ees autour de trois composantes : Une d ecomposition des options r esultantes de la mobilit e en trois grandes classes Une double formalisation de cette classication Une m ethode de classication et un classicateur associ e

D.4

Les trois grandes classes de mobilit e

Il ressort de la situation des recherches en r eseau trois cas de gure majeurs bien distincts. Dans le premier, le r eseau compos e de noeuds mobiles est susamment connect e pour pouvoir faire passer des messages entre tous les utilisateurs en r` egle g en erale. Les chemins changent au

126

Version Fran caise

Chapitre D

time

tk

tk+1

tk+2

tk+3

tk+4

chemin spatial

chemin spatio-temporel

Fig. D.6 Un chemin spatial et un chemin spatio-temporel vus au travers de l evolution dun r eseau.

gr e des mouvements des gens, mais chemin entre source et une destination, il y a toujours. Parce quils utilisent des chemins se propageant de noeud en noeud (on appelle cela le multisaut) dans lespace entre la source et la destination, nous appellerons cette cat egorie les R eseaux ` a Chemins Spatiaux, Space Path Networks ou SPN en anglais. Ces r eseaux sont la cible privil egi ee des m ethodes de routage multisaut mobile quon regroupe souvent sous le nom de MANETS : Mobile Ad-hoc NETworks ou R eseaux Ad-hoc Mobiles. Ici la connexion entre des el ements est cens ee etre la r` egle. La d econnexion du r eseau en plusieurs parties est vue comme une exception, et les probl ematiques sont plut ot de savoir si le protocole de routage supportera la charge due aux multiples changements de chemins dudit r eseau rout e. Le second cas de gure est celui des DTN, Disruption/Delay Tolerant Networking, ou R eseaux Tol erant le D elai/les Disruptions. Ici le pr edicat est quil est possible de communiquer eventuellement entre tous les noeuds du r eseau, mais que le r eseau nest pas forc ement connect e a chaque instant, et les messages doivent faire une partie du chemin par sauts, et attendre par` fois dans la m emoire de noeuds interm ediaires que la suite du chemin s etablisse. Ce genre de chemins est appel e chemin spatio-temporel, puisque ses composantes nexistent pas forc ement simultan ement dans le temps. Ici la mobilit e est vue comme une aide et la d econnexion comme partie int egrante de la situation. Puisque notre pr edicat est quil est possible de communiquer nous appelons ces r eseaux les U-DTN, Unassisted-DTN ou DTN ne n ecessitant pas assistance. Le dernier cas est le plus d elicat, puisquaucune garantie nest donn ee quil soit simplement possible de communiquer entre les noeuds du r eseau. On appelle ce cas A-DTN, Assistanceneeded-DTN ou DTN n ecessitant assistance. Le diagnostic de cette situation pourra alors servir au provisionnement dinfrastructure, quelle soit xe ou dynamique, comme propos e dans le concept de Message Ferries propos e par Ammar et alii.

D.5 La formalisation

127

On note que les trois cas sont imbriqu es lun dans lautre : le SPN dans lU-DTN, lui m eme dans lA-DTN. Pour mieux di erencier ces cas, nous utiliserons lappellation stricte dun cas, qui signie a lexclusion du sous-cas imbriqu e.

D.5

La formalisation

Utilisant le cadre des graphes evolutifs (pr esent es en gure reg :GE), nous proposons deux formalisations de ces trois cas, un formel et id eal, utilis e pour lanalyse math ematique, et lautre pratique, param etr e par les besoins applicatifs (d elais tol er es) et de routage (r esistance au changement des liens, temps de mise en oeuvre dun routage). La formalisation id eale est destin ee a ` lanalyse formelle. Sa premi` ere caract eristique est d etre d enie sur des graphes evolutifs temporellement innis, an d eviter les eets de bord dus au d ebut et a ` la n dun graphe evolutif normal. Cela peut sappliquer ` a des situations evolutives d enies par des formules ou ` a des situations p eriodiques (exemple, l evolution des satellites de communicatoin en orbite basse). Nous etendons dans ce cadre les graphes evolutifs ` a leur forme innie.

G=

G= ST = [

G = G, ST , SG ... ]

SG =

t0 G0

t1 G1

t2 G2

tT GT

...

Voyage

Sous-graphe volutif

Fig. D.7 Graphe evolutif. Ici le chemin spatio-temporel est appel e Voyage (Journey en anglais).

Dans cette formalisation, nous obtenons : Un graphe evolutif correspond ` a un r eseau ` a chemins spatiaux (SPN), si et seulement si ce graphe est connexe ` a tout instant : ` a tout instant on peut y circuler en suivant les liens, de nimporte quel noeud ` a nimporte quel noeud.

128

Version Fran caise

Chapitre D

Un graphe evolutif correspond ` a un DTN ne n ecessitant pas assistance (U-DTN) si et seulement si ce graphe est temporellement connect e : pour chaque paire de noeuds possible, il existe un voyage dans ce graphe de lun vers lautre et de lautre vers lun. Un graphe evolutif correspond ` a un U-DTN strict sil correspond ` a un U-DTN mais pas ` a un SPN. Un graphe evolutif correspond ` a un DTN n ecessitant assistance strict (strict A-DTN) sil ne correspond pas ` a un U-DTN. Tout graphe evolutif est un A-DTN non strict. La formalisation pratique est destin ee ` a l etude de cas et ` a la planication. Elle sapplique a des graphes ` evolutifs standard (temporellement nis) et doit donc traiter les eets de bord2 . De plus, cette formalisation prend en compte quelques param` etres jug es utiles par rapport ` a lutilisation qui sera typique de la classication. Dans le cadre du routage, deux param` etres ont et e choisis. est le temps minimum de mise en place en dessous duquel on jugera que le routage na pas eu le temps de se mettre en place ou dobtenir une performance susante pour etre valable. , lui, est la valeur minimale de la dur ee de vie des liens en dessous de laquelle on pense que lalgorithme de routage consid er e ne pourra pas en proter. Cette dur ee de vie est dite persistence moyenne des liens (la persistence dun lien est la dur ee entre son etablissement et sa disparition), et sa d enition a et e rajout ee au formalisme des graphes evolutifs au passage. Dans le cadre du r eseau tol erant les d elais, le param` etre qui nous a sembl e utile est , le d elai maximum que notre application pourra tol erer entre le d epart de la source et larriv ee ` a destination. Ainsi, cette formalisation est : Un graphe evolutif correspond ` a un r eseau ` a chemins spatiaux (( , )-SPN), si et seulement si ce graphe est connexe ` a tout instant, si la dur ee de ce graphe evolutif est sup erieure ` a et si sa persistence moyenne est sup erieure ` a . Un graphe evolutif correspond ` a un DTN ne n ecessitant pas assistance ( -U-DTN) si et seulement si ce graphe est temporellement connect e, et si toute paire de noeuds sourcedestination dispose dau moins un voyage durant moins de . Un graphe evolutif correspond a un U-DTN strict (strict ( , , )-U-DTN) si en plus il ne correspond pas ` ` a un ( , )-SPN. Un graphe evolutif correspond ` a un DTN n ecessitant assistance strict (strict -A-DTN) sil ne correspond pas ` a un -U-DTN. Tout graphe evolutif est un A-DTN non strict. Les trois grandes classes et leur distinction par les deux formalisations propos ees sont r esum ees dans le sch ema D.8.

2 Exemple

: vers la n dun graphe evolutif des chemins spatio-temporels pourraient exister dans le futur mais

on ne le sait pas. On ne peut pour autant en d eduire que cette partie nest pas temporellement connect ee. Ainsi en cas dind ecidabilit e et dans la mesure de nos besoins, on se era a la d ecision sur les instant pr ec edents.

D.6 Le classicateur

129

A-DTN (tout) U-DTN

SPN strict U-DTN strict A-DTN

SPN / strict U-DTN

Ideale Pratique

U-DTN / strict A-DTN

Ideale Pratique

Fig. D.8 Aper cu de la classication et fronti` eres de ses deux formalisations.

D.6

Le classicateur

Il est propos e un m ecanisme de classication qui va prendre un sc enario en entr ee, nos param` etres et dire quand le sc enario rentre dans quelle cat egorie.

Type :

SPN

U-DTN

A-DTN

temps

Fig. D.9 S equence type issue du m ecanisme de classication.

Le m ecanisme de classication va alors prendre un sc enario en entr ee, sous la forme dun graphe evolutif, et renvoyer : une d ecomposition en s equence de moments contig us ou le sous graphe a cet instant correspond au meilleur type (SPN > U DT N > A DT N ) de dur ee maximale dont un exemple est donn e dans le sch ema D.9.

130

Version Fran caise

Chapitre D

D.7

Analyse de la mobilit e

Nous avons eectu e deux analyses. La premi` ere etudie limpact des param` etres sur la classication pratique avec deux mod` eles standard. La seconde est une analyse de leet de caract eristiques simples de la mobilit e sur la capacit e du r eseau en termes de routage, et cest celle l` a que je vais pr esenter, pour les contributions quelle apporte d ej` a au domaine de la mobilit e. Le but dans cette analyse est de regarder limpact de la densit e des noeuds et de leur vitesse de d eplacement sur les capacit es du r eseau en r esultant. Pour cela nous avons simul e deux mod` eles de mobilit e simples tr` es utilis es dans le domaine : Random Walk et Random Waypoint. Dans Random Walk (RW), la marche al eatoire, chaque particule de d eplace en une succession de pas, de longueur xe, et de directions al eatoires. Dans Random Waypoint (RWP), chaque el ement se d eplace selon des cycles : tirer un point al eatoirement dans lespace, sy rendre ` a sa vitesse constante, et y faire une pause dune dur ee tir ee al eatoirement, recommencer. Ces deux mod` eles ont et e simul es sur une aire carr ee de 2000m de c ot e, pendant une dur e ee de 3 heures. Les noeuds sont en communication avec leurs voisins distant de 250m ou moins. Les param` etres pratiques du classieur sont ici : = 1mn, = 1s, = 10mn. Les graphes en D.10 montrent l evolution de la proportion de temps de la situation ou le graphe al eatoire correspond ` a un SPN, un U-DTN ou un A-DTN. On note ici clairement que la densit e augmentant, la situation qui etait dicilement exploitable (majorit e A-DTN) commence ` a etre exploitable telle quelle par des DTN (majorit e U-DTN), puis enn directement routable (majorit e SPN), via deux transitions sigmo des successives. Jusquici cest assez intuitif. Ce qui est int eressant, cest que, lorsquon passe des pi etons aux v ehicules, une grande majorit e des cas A-DTN (pires) est remplac ee par du U-DTN. Cela montre que la mobilit e, sous langle de sa vitesse, aide les DTN. Cette id ee avait et e enonc ee par Ts e et Grossglauser, et notre classicateur vient ici la conrmer pratiquement : on peut envoyer des messages de tout noeud a tout noeud dans ces r eseau en moins de 10mn pour une part croissante du temps, quand la vitesse moyenne passe de pi etonne ` a v ehiculaire. Une autre observation qui peut etre faite, de mani` ere plus l eg` ere, est que, parrall` element, la proportion de temps pass e en SPN (routable) elle, baisse tr` es l eg` erement avec la vitesse : cest limpact de la plus grande variabilit e des liens sur la stabilit e du routage. Pour clore cette analyse, on trouve en D.11 une etude jointe de la variation de la densit e et de la vitesse sur la typologie du graphe. Ici on a d ecompos e lespace en courbes de niveau entre 6 zones majeures avec des proportion des types di erentes. Ici on voit clairement la zone verte (U-DTN) s elargir quand la vitesse augmente, sur laxe vertical.

D.7 Analyse de la mobilit e

131

A-DTN U-DTN SPN 100 100

A-DTN U-DTN SPN

80 Class percentage Class percentage 10 100 Number of nodes 1000

80

60

60

40

40

20

20

0 10 100 Number of nodes 1000

(a) RWP, pi etons

A-DTN U-DTN SPN 100 100

(b) RW, pi etons

A-DTN U-DTN SPN

80 Class percentage Class percentage 10 100 Number of nodes 1000

80

60

60

40

40

20

20

0 10 100 Number of nodes 1000

(c) RWP, v ehicules

(d) RW, v ehicules

Fig. D.10 Eet de la densit e sur les mobilit es RWP et RW ` a deux vitesses typiques : pi etons (1 ` a 2 m/s) et v ehicules (10 ` a 20 m/s).

0% SPN, 2% U-DTN, 98% A-DTN 5% SPN, 30% U-DTN, 65% A-DTN 100 2% SPN, 62% U-DTN, 36% A-DTN

SPN 3% SPN, 95% U-DTN, 2% A-DTN U-DTN 45% SPN, 48% U-DTN, 7% A-DTN A-DTN 83% SPN, 15% U-DTN, 2% A-DTN 100

0% SPN, 0% U-DTN, 100% A-DTN 4% SPN, 22% U-DTN, 74% A-DTN 2% SPN, 62% U-DTN, 36% A-DTN

SPN 3% SPN, 94% U-DTN, 3% A-DTN U-DTN 50% SPN, 43% U-DTN, 7% A-DTN A-DTN 93% SPN, 6% U-DTN, 1% A-DTN

Speed (m/s)

Speed (m/s) 1 10 Number of nodes 100 1000

10

10

0.1

0.1 1 10 Number of nodes 100 1000

(a) RWP

(b) RW

Fig. D.11 Eet joint de la densit e et de la vitesse de d eplacement sur les mobilit es RWP et RW.

132

Version Fran caise

Chapitre D

D.8

Conclusion

Je vais etre tr` es court : jesp` ere simplement que ces travaux aideront la recherche et le provisionnement des r eseaux auto-organis es. Un peu par les r esultats (jaime particuli` erement SIMPS et la sociostation), et beaucoup par les points de vue pris.