La collecte participative des données mobiles est un nouveau paradigme dédié aux applications de détection urbaines utilisant une foule de participants munis de téléphones intelligents. Pour mener à bien les tâches de collecte participative des données mobiles, diverses préoccupations relatives aux participants et aux organisateurs doivent être soigneusement prises en considération. Pour les participants, la principale préoccupation porte sur la consommation d'énergie, le coût des données mobiles, etc. Pour les organisateurs, la qualité des données et le budget sont les deux préoccupations essentielles. Dans cette thèse, deux mécanismes de collecte participative des données mobiles sont proposés : le téléchargement montant collaboratif des données et la collecte clairsemée des données mobiles. Pour le téléchargement montant collaboratif des données, deux procédés sont proposés 1) « effSense », qui fournit la meilleure solution permettant d’économiser la consommation d'énergie aux participants ayant un débit suffisant, et de réduire le coût des communications mobiles aux participants ayant un débit limité; 2) « ecoSense », qui permet de réduire le remboursement incitatif par les organisateurs des frais associés au coût des données mobiles des participants. Dans la collecte clairsemée des données mobiles, les corrélations spatiales et temporelles entre les données détectées sont exploitées pour réduire de manière significative le nombre de tâches allouées et, par conséquent, le budget associé aux organisateurs, tout en assurant la qualité des données. De plus, l’intimité différentielle est afin de répondre au besoin de préservation de la localisation des participants / Mobile crowdsensing is a novel paradigm for urban sensing applications using a crowd of participants' sensor-equipped smartphones. To successfully complete mobile crowdsensing tasks, various concerns of participants and organizers need to be carefully considered. For participants, primary concerns include energy consumption, mobile data cost, privacy, etc. For organizers, data quality and budget are two critical concerns. In this dissertation, to address both participants' and organizers' concerns, two mobile crowdsensing mechanisms are proposed - collaborative data uploading and sparse mobile crowdsensing. In collaborative data uploading, participants help each other through opportunistic encounters and data relays in the data uploading process of crowdsensing, in order to save energy consumption, mobile data cost, etc. Specifically, two collaborative data uploading procedures are proposed (1) effSense, which helps participants with enough data plan to save energy consumption, and participants with little data plan to save mobile data cost; (2) ecoSense, which reduces organizers' incentive refund that is paid for covering participants' mobile data cost. In sparse mobile crowdsensing, spatial and temporal correlations among sensed data are leveraged to significantly reduce the number of allocated tasks thus organizers' budget, still ensuring data quality. Specifically, a sparse crowdsensing task allocation framework, CCS-TA, is implemented with compressive sensing, active learning, and Bayesian inference techniques. Furthermore, differential privacy is introduced into sparse mobile crowdsensing to address participants' location privacy concerns

Les réseaux mobiles de la cinquième génération (5G) sont conçus pour introduire de nouveaux services nécessitant des débits de données extrêmement hauts et une faible latence. 5G sera un changement de paradigme qui comprend des réseaux hétérogènes densifiés, des réseaux d'accès radio virtualisés, des fréquences porteuses à ondes millimétrées et des densités de périphériques très élevées. Cependant, contrairement aux générations précédentes, 5G sera un réseau holistique, intégrant n'importe quelle nouvelle technologie radio avec les technologies LTE et WiFi existant. Dans ce contexte, on se concentre sur de nouvelles stratégies d'allocation de ressources capables de bénéficier du multihoming dans le cas d'accès double au réseau. On modélise ces algorithmes au niveau du flux et analyse leurs performances en termes de débit, de stabilité du système et d'équité entre différentes catégories d'utilisateurs. On se concentre tout d'abord sur le multihoming dans les réseaux hétérogènes LTE/WiFi. On considère les allocations centrées sur le réseau où un planificateur central effectue des allocations d'équité proportionnelle (PF) locale et globale pour différentes classes d'utilisateurs, utilisateurs individuels (single-homed) et multi-domiciliés (multihomed). Par rapport à un modèle de référence sans multihoming, on montre que les deux stratégies améliorent la performance et la stabilité du système, au détriment d'une plus grande complexité pour la stratégie PF globale. On étudie également les stratégies d'allocation centrées sur l'utilisateur, dans lesquelles les utilisateurs multihomed décident la partition de la demande d'un fichier en utilisant soit la maximisation du débit crête, soit la stratégie assistée par réseau. On montre que cette dernière stratégie maximise le débit moyen dans l'ensemble du réseau. On montre également que les stratégies centrées sur le réseau permettent d'obtenir des débits de données plus élevés que ceux centrés sur l'utilisateur. Ensuite, on se concentre sur les réseaux d'accès radio virtuels (V-RAN) et en particulier sur l'allocation de multi-ressources. On étudie la faisabilité de la virtualisation sans diminuer ni la performance des utilisateurs, ni la stabilité du système. On considère un réseau hétérogène 5G composé de cellules LTE et mm-wave afin d'étudier comment les réseaux hauts fréquence peuvent augmenter la capacité du système. On montre que la virtualisation du réseau est réalisable sans perte de performance lors de l'utilisation de la stratégie « dominant resource fairness » (DRF). On propose une stratégie d'allocation en deux phases (TPA) qui montre un indice d'équité plus élevé que DRF et une stabilité du système plus élevée que PF. On montre également des gains importants apportés par l'adoption des fréquences mm-wave au lieu de WiFi. Finalement, on considère l'efficacité énergétique et compare les stratégies DRF et TPA avec une stratégie éconergétique basée sur l'algorithme de Dinklebach. Les résultats montrent que la stratégie éconergétique dépasse légèrement DRF et TPA à charge faible ou moyenne en termes de débit moyen plus élevé avec une consommation d'énergie comparable, alors qu'elle les surpasse à une charge élevée en termes de consommation d'énergie moins élevée. Dans ce cas de charge élevée, DRF surpasse TPA et la stratégie éconergétique en termes de débit moyen. En ce qui concerne l'indice d'équité de Jain, TPA réalise l'indice d'équité le plus élevé parmi d'autres stratégies / Fifth generation mobile networks (5G) are being designed to introduce new services that require extreme broadband data rates and utlra-reliable latency. 5G will be a paradigm shift that includes heterogeneous networks with densification, virtualized radio access networks, mm-wave carrier frequencies, and very high device densities. However, unlike the previous generations, it will be a holistic network, tying any new 5G air interface and spectrum with the currently existing LTE and WiFi. In this context, we focus on new resource allocation strategies that are able to take advantage of multihoming in dual access settings. We model such algorithms at the flow level and analyze their performance in terms of flow throughput, system stability and fairness between different classes of users. We first focus on multihoming in LTE/WiFi heterogeneous networks. We consider network centric allocations where a central scheduler performs local and global proportional fairness (PF) allocations for different classes of users, single-homed and multihomed users. By comparison with a reference model without multihoming, we show that both strategies improve system performance and stability, at the expense of more complexity for the global PF. We also investigate user centric allocation strategies where multihomed users decide the split of a file using either peak rate maximization or network assisted strategy. We show that the latter strategy maximizes the average throughput in the whole network. We also show that network centric strategies achieve higher data rates than the user centric ones. Then, we focus on Virtual Radio Access Networks (V-RAN) and particularly on multi-resource allocation therein. We investigate the feasibility of virtualization without decreasing neither users performance, nor system's stability. We consider a 5G heterogeneous network composed of LTE and mm-wave cells in order to study how high frequency networks can increase system's capacity. We show that network virtualization is feasible without performance loss when using the dominant resource fairness strategy (DRF). We propose a two-phase allocation (TPA) strategy which achieves a higher fairness index than DRF and a higher system stability than PF. We also show significant gains brought by mm-wave instead of WiFi. Eventually, we consider energy efficiency and compare DRF and TPA strategies with a Dinklebach based energy efficient strategy. Our results show that the energy efficient strategy slightly outperforms DRF and TPA at low to medium load in terms of higher average throughput with comparable power consumption, while it outperforms them at high load in terms of power consumption. In this case of high load, DRF outperforms TPA and the energy efficient strategy in terms of average throughput. As for Jain's fairness index, TPA achieves the highest one