{"id":{"repo_id":"ets-quebec","oai_identifier":"oai:espace.etsmtl.ca:2736"},"canonical_url":"https://search.ndltd.org/etd/ets-quebec/oai:espace.etsmtl.ca:2736","repository":{"repo_id":"ets-quebec","name":"ETS (Quebec)","base_url":"https://espace.etsmtl.ca/cgi/oai2"},"display":{"title":"Optimisation d’un réseau ad hoc de véhicules aériens sans pilote (UAV) dans un environnement urbain: Positionnement des UAV à l'aide de l'apprentissage automatique","abstract":"L’apparition récente mais remarquable des véhicules aériens sans pilote (UAV) qui occuperont bientôt la majeure partie de nos systèmes de service constitue la clé de l’expansion des nouvelles technologies de communication et des réseaux sans fil. Ces engins peuvent en effet servir de stations de base volantes permettant d’étendre et/ou d’améliorer la couverture du système de communication mobile terrestre afin de répondre efficacement à la demande de trafic toujours croissante. Cependant, déterminer les meilleures positions pour ces véhicules lors de leur déploiement demeure un réel et grand défi à relever afin d’obtenir d’eux des résultats satisfaisants. Dans cette étude nous proposons un nouveau schéma de déploiement 3D d’un réseau multi-UAV dans une zone couverte par une station de base (BS) encombrée ou endommagée, intégrant l’apprentissage automatique en vue de maximiser le nombre d’utilisateurs desservis tout en maximisant les bénéfices de l'opérateur. Premièrement nous proposons un algorithme permettant de déterminer le nombre optimal d'UAV à déployer pour desservir tous les utilisateurs en tenant compte de leurs exigences de service variées. Par la suite nous déterminons les emplacements optimaux de ces véhicules aériens à l'aide d'un algorithme de partitionnement et de positionnement qui intègre les auto-encodeurs afin d'optimiser les emplacements, avant de trouver leur altitude. La simulation de notre algorithme est réalisée sous MATLAB. Les résultats numériques montrent que notre approche, Deep K-means, proposé peut servir un très grand pourcentage d’utilisateurs en fonction du nombre d’UAV utilisés tout en maximisant le profit de l’opérateur.","abstract_html":"L’apparition récente mais remarquable des véhicules aériens sans pilote (UAV) qui occuperont bientôt la majeure partie de nos systèmes de service constitue la clé de l’expansion des nouvelles technologies de communication et des réseaux sans fil. Ces engins peuvent en effet servir de stations de base volantes permettant d’étendre et/ou d’améliorer la couverture du système de communication mobile terrestre afin de répondre efficacement à la demande de trafic toujours croissante. Cependant, déterminer les meilleures positions pour ces véhicules lors de leur déploiement demeure un réel et grand défi à relever afin d’obtenir d’eux des résultats satisfaisants. Dans cette étude nous proposons un nouveau schéma de déploiement 3D d’un réseau multi-UAV dans une zone couverte par une station de base (BS) encombrée ou endommagée, intégrant l’apprentissage automatique en vue de maximiser le nombre d’utilisateurs desservis tout en maximisant les bénéfices de l&#x27;opérateur. Premièrement nous proposons un algorithme permettant de déterminer le nombre optimal d&#x27;UAV à déployer pour desservir tous les utilisateurs en tenant compte de leurs exigences de service variées. Par la suite nous déterminons les emplacements optimaux de ces véhicules aériens à l&#x27;aide d&#x27;un algorithme de partitionnement et de positionnement qui intègre les auto-encodeurs afin d&#x27;optimiser les emplacements, avant de trouver leur altitude. La simulation de notre algorithme est réalisée sous MATLAB. Les résultats numériques montrent que notre approche, Deep K-means, proposé peut servir un très grand pourcentage d’utilisateurs en fonction du nombre d’UAV utilisés tout en maximisant le profit de l’opérateur.","abstract_has_math":false,"creators":["Koffi, Assohoun Jean Honorat"],"institution":"École de technologie supérieure","degree_name":"Mémoire de maîtrise électronique","degree_level":"masters","degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2021,"date_issued":"2021-02-22","date_published":"2021-02-22","updated_at":"2026-11-18T22:08:52Z","subjects":["UAV, véhicule aérien sans pilote, réseau multi-UAV, BS, station de base, apprentissage automatique, auto-encodeur, K-Means"],"languages":["fr"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE2736"],"render_values":[{"text":"INSERT-YOUR-LIBRARY-ID-HERE2736","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":null,"outbound_label":null,"outbound_source":null,"record_url":null,"record_label":null,"record_kind":null,"record_source":null,"download_url":"https://espace.etsmtl.ca/id/eprint/2736/1/KOFFI_Assohoun_Jean_Honorat.pdf","download_label":"Download PDF","download_source":"dc:identifier","access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://espace.etsmtl.ca/cgi/oai2?verb=GetRecord&metadataPrefix=oai_etdms&identifier=oai%3Aespace.etsmtl.ca%3A2736","prefix":"oai_etdms"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Koffi, Assohoun Jean Honorat"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2021-02-22"]},{"key":"dc:publisher","label":"Institution","values":["École de technologie supérieure"]},{"key":"dc:type","label":"Dc Type","values":["Electronic Thesis or Dissertation"]},{"key":"thesis:degree_level","label":"Degree Level","values":["masters"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Mémoire de maîtrise électronique"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["École de technologie supérieure"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["UAV, véhicule aérien sans pilote, réseau multi-UAV, BS, station de base, apprentissage automatique, auto-encodeur, K-Means"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fr"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE2736","https://espace.etsmtl.ca/id/eprint/2736/1/KOFFI_Assohoun_Jean_Honorat.pdf","https://espace.etsmtl.ca/id/eprint/2736/7/KOFFI_Assohoun_Jean_Honorat-web.pdf"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["L’apparition récente mais remarquable des véhicules aériens sans pilote (UAV) qui occuperont bientôt la majeure partie de nos systèmes de service constitue la clé de l’expansion des nouvelles technologies de communication et des réseaux sans fil. Ces engins peuvent en effet servir de stations de base volantes permettant d’étendre et/ou d’améliorer la couverture du système de communication mobile terrestre afin de répondre efficacement à la demande de trafic toujours croissante. Cependant, déterminer les meilleures positions pour ces véhicules lors de leur déploiement demeure un réel et grand défi à relever afin d’obtenir d’eux des résultats satisfaisants. Dans cette étude nous proposons un nouveau schéma de déploiement 3D d’un réseau multi-UAV dans une zone couverte par une station de base (BS) encombrée ou endommagée, intégrant l’apprentissage automatique en vue de maximiser le nombre d’utilisateurs desservis tout en maximisant les bénéfices de l'opérateur. Premièrement nous proposons un algorithme permettant de déterminer le nombre optimal d'UAV à déployer pour desservir tous les utilisateurs en tenant compte de leurs exigences de service variées. Par la suite nous déterminons les emplacements optimaux de ces véhicules aériens à l'aide d'un algorithme de partitionnement et de positionnement qui intègre les auto-encodeurs afin d'optimiser les emplacements, avant de trouver leur altitude. La simulation de notre algorithme est réalisée sous MATLAB. Les résultats numériques montrent que notre approche, Deep K-means, proposé peut servir un très grand pourcentage d’utilisateurs en fonction du nombre d’UAV utilisés tout en maximisant le profit de l’opérateur."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Optimisation d’un réseau ad hoc de véhicules aériens sans pilote (UAV) dans un environnement urbain: Positionnement des UAV à l'aide de l'apprentissage automatique"]}]}],"canonical_facts":{"dc:creator":["Koffi, Assohoun Jean Honorat"],"dc:date":["2021-02-22"],"dc:description":["L’apparition récente mais remarquable des véhicules aériens sans pilote (UAV) qui occuperont bientôt la majeure partie de nos systèmes de service constitue la clé de l’expansion des nouvelles technologies de communication et des réseaux sans fil. Ces engins peuvent en effet servir de stations de base volantes permettant d’étendre et/ou d’améliorer la couverture du système de communication mobile terrestre afin de répondre efficacement à la demande de trafic toujours croissante. Cependant, déterminer les meilleures positions pour ces véhicules lors de leur déploiement demeure un réel et grand défi à relever afin d’obtenir d’eux des résultats satisfaisants. Dans cette étude nous proposons un nouveau schéma de déploiement 3D d’un réseau multi-UAV dans une zone couverte par une station de base (BS) encombrée ou endommagée, intégrant l’apprentissage automatique en vue de maximiser le nombre d’utilisateurs desservis tout en maximisant les bénéfices de l'opérateur. Premièrement nous proposons un algorithme permettant de déterminer le nombre optimal d'UAV à déployer pour desservir tous les utilisateurs en tenant compte de leurs exigences de service variées. Par la suite nous déterminons les emplacements optimaux de ces véhicules aériens à l'aide d'un algorithme de partitionnement et de positionnement qui intègre les auto-encodeurs afin d'optimiser les emplacements, avant de trouver leur altitude. La simulation de notre algorithme est réalisée sous MATLAB. Les résultats numériques montrent que notre approche, Deep K-means, proposé peut servir un très grand pourcentage d’utilisateurs en fonction du nombre d’UAV utilisés tout en maximisant le profit de l’opérateur."],"dc:format":["application/pdf"],"dc:identifier":["INSERT-YOUR-LIBRARY-ID-HERE2736","https://espace.etsmtl.ca/id/eprint/2736/1/KOFFI_Assohoun_Jean_Honorat.pdf","https://espace.etsmtl.ca/id/eprint/2736/7/KOFFI_Assohoun_Jean_Honorat-web.pdf"],"dc:language":["fr"],"dc:publisher":["École de technologie supérieure"],"dc:subject":["UAV, véhicule aérien sans pilote, réseau multi-UAV, BS, station de base, apprentissage automatique, auto-encodeur, K-Means"],"dc:title":["Optimisation d’un réseau ad hoc de véhicules aériens sans pilote (UAV) dans un environnement urbain: Positionnement des UAV à l'aide de l'apprentissage automatique"],"dc:type":["Electronic Thesis or Dissertation"],"thesis:degree_level":["masters"],"thesis:degree_name":["Mémoire de maîtrise électronique"],"thesis:institution_name":["École de technologie supérieure"]},"updated_at":"2026-11-18T22:08:52Z"}