Return to search

Machine-to-machine communication congestion mechanism / Mécanisme de congestion en M2M communication

Nos travaux s’orientent vers les problèmes de réseaux sans fil liés à la coexistence des communications machine-to-machine (M2M) et humain-humain (H2H). On souhaite souligner l'impact mutuel entre les trafics M2M et H2H dans un contexte d’Internet des objets (IoT : Internet Of Things) en particulier lors des catastrophes. Les communications M2M, qui devraient connaître une roissance exponentielle dans un avenir proche, constitueront un facteur important pour affecter tous les réseaux mobiles. On prévoit un grand nombre d'appareils M2M qui entraînera inévitablement des problèmes de saturation et aura des impacts remarquables sur les trafics, les services et les applications M2M et H2H. Pour étudier les influences mutuelles M2M et H2H, nous développons un nouveau modèle markovien à temps continu (CTMC) pour simuler, analyser et mesurer les différentes stratégies d'accès aux réseaux sans fil. Notre modèle nous a permis de contourner certaines limitations des simulateurs professionnels de LTE-A (Long Term Evolution-Advanced) comme SimuLTE en terme d’un nombre massif d'appareils M2M, une flexibilité de certains paramètres ou pour élaborer plus des outils statistiques. Lors d’un sinistre et suite à un énorme nombre de M2M souhaitant accéder aux réseaux sans-fil, nous avons constaté un épuisement rapide de la bande passante allouée dans les réseaux LTE-M (Long Term Evolution for Machines) ou Narrow Band for IoT (NB-IoT). Pour résoudre ce problème, nous proposons une nouvelle approche appelée Adaptive eNodeB (A-eNB) pour les réseaux LTE-M et NB-IoT. Selon nos simulations, l’A-eNB peut résoudre progressivement le problème de surcharge tout en assurant une satisfaisante qualité de service (QoS) pour le trafic H2H. Avec le concept d’A-eNB, un réseau LTE-M pourra adapter ses ressources pour faire face à une augmentation progressive du nombre de connexions M2M accédant au réseau LTE-M / NB-IoT et en même temps réduire l'impact sur le trafic H2H. / This Ph.D. work aims to study the Machine-to-Machine (M2M) congestion overload problem and the mutual impact among M2M and Human-to-Human (H2H) traffics in IoT (Internet of Things) environments specifically during disaster events. M2M devices with their expected exponential booming in the near future, will be one of the significant factors to influence all mobile networks. Inevitably, the expected huge number of M2M devices causes saturation problems, and leads to remarkable impacts on both M2M and H2H traffics, services and applications. To study the M2M and H2H mutual influences, we create a new platform model based on Continuous-Time Markov Chain (CTMC) to simulate, analyze and measure radio access strategies due to the limitations of existing Long Term Evolution-Advanced (LTE-A) simulators (i.e, SimuLTE) in term of massive M2M devices, parameter flexibility and statistical tools. Additionally, during disaster events, a fast bandwidth depletion of the limited bandwidth assigned to M2M devices in Long Term Evolution for Machines (LTE-M) and Narrow Band for IoT (NB-IoT) networks is expected due to the high arrival request of M2M device network access. To address this problem, we propose a new approach named Adaptive eNodeB (A-eNB) for both LTE-M and NB-IoT networks. The A-eNB can solve gradually the overload problem, while keeping the H2H traffic Quality of Service (QoS) not to be affected badly. The network adaptation is provided through a dynamic LTE-M resource reservation aiming to increase the number of M2M connections accessing the LTE-M/NB-IoT network and to decrease the impact on H2H traffic.

Identiferoai:union.ndltd.org:theses.fr/2018ENTA0010
Date03 December 2018
CreatorsEl Fawal, Ahmad Hani
ContributorsBrest, École nationale supérieure de techniques avancées Bretagne, Mansour, Ali
Source SetsDépôt national des thèses électroniques françaises
LanguageEnglish
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text

Page generated in 0.0022 seconds