Synthse de document Algorithmes de

diffusion de donnes pour la matire

communicante en utilisant les rseaux de
capteurs sans fil
L'archive ouverte pluridisciplinaire HAL, est destine au dpt et a la diffusion de
documents scientifiques de niveau recherche, publies ou non, manant des
tablissements d'enseignement et de recherche franais ou trangers, des
laboratoires publics ou prives.

Rsum :
La matire communicante est un nouveau paradigme de lInternet des objets
(Internet of Things). Il est conu pour effectuer des produits efficaces, de
contrler et dassurer la continuit de l'information tout au long du cycle de vie
du produit.
Donc, le stockage du cycle de vie d'informations et la diffusion des donnes
communiquer dans les matriaux sont des questions trs importantes poser.
Ce document fournit des solutions de stockage de donnes sur les matriaux par
diffusion travers systmatique en intgrant des nuds capteurs sans fil ultra petits, l'aide dun systme de radiodiffusion bas sur les compteurs, compteur
de sauts et un mcanisme de stockage probabiliste. Diffrents algorithmes sont
dvelopps pour la diffusion localise ou non-localise. Les performances de
notre solution sont values pour les donnes non-segment et ensuite
segment.
Les rsultats de comparaison entre les mcanismes de stockage via simulation
en utilisant Castalia / OMNeT ++ montrer que lalgorithme probabiliste fournit
une diffusion plus uniforme et efficace des donnes que le compteur de sauts,
pour les diffrents niveaux de densit.

I. Introduction :
La matire communicante est un nouveau paradigme des systmes
d'informations industrielles prsente et discute pour la premire fois dans [1].
Il amliore une matire classique avec les capacits suivantes: il peut stocker des
donnes, communiquer les informations tout point de sa surface, et garder les
capacits prcdentes en cas dune modification des proprits physiques.
Ce concept conduit a un grand changement au niveau du lInternet of Things ,
par lintroduction de la capacit de lmission et de la rception des donnes par
la matire ordinaire. En effet, la matire ne communique pas en utilisant

certaines balises ou nuds localiss au niveau des points spcifiques, mais

devient communicant dune faon intrinsque et continue.
Donc pour arriver cette version, il faut insrer des dispositifs lectroniques
ultra-petits (en milliers) dans la matire du produit pendant sa fabrication
industrielle.
Les premiers travaux concernant la matire communicante sont prsents dans
[2,3].
Il introduit une matire communicante (exemple : textile), obtenu en dispersant
une quantit norme de tags RFID (1500 tiquettes / m) dans un textile
fabriqu (Les tags : petites tiquettes sont les puces fabriques par la
socit Hitachi, de mesure 0.15mmx0.15mm).

Le system globale implique un lecteur / graveur RFID connect une base de

donnes relationnelle qui contient la totalit des informations de cycle de vie du
produit, A chaque opration d'criture , la base de donnes , est explor pour
slectionner les lments de donnes pertinentes ( fragments de la table de base
de donnes ) qui doivent tre stocks dans la matire . Pour faire a, il faut
attribuer a chaque lment de donnes un niveau dimportance entre 0 et 1 (1
point = trs critique de donnes, 0 = lment de donnes ordinaire), calcul via
un algorithme de prises de dcision multicritres.
Les lments de donnes avec les niveaux d'importance les plus leves sont
ensuite stockes dans les tags lorsque le textile passe sous le module
dcriture, au cours de la phase de fabrication.
Depuis les RFID sont memoryconstrained (les contraintes de mmoires),
llment de donnes est segment et stock sur plusieurs balises l'aide d'une
entte de protocole spcifique qui est galement capable de reconstruire
l'information initiale. Ce processus de division est appels segmentation et les
pices qui en rsultent sont segments.
Avec un tel systme, le stockage de donnes dans la matire communicante
ncessite une connexion lecteur / graveur chaque tiquette. Si une delles nest
pas connecte durant la phase de diffusion, elle sera isole et compte vide par
dfaut, ce qui limite l'utilisation de la technologie RFID dans des matriaux
solides de grandes tailles tels que le bton et bois.
Par consquence, nos travaux actuels proposent d'utiliser sans fil rseaux de
capteurs (WSN :
Wireless Sensor Network) pour ces produits par dispersion ultra-petite et micro
(nano mme [4]) nuds de capteurs dans la matire (par exemple 100 nuds /
m).
Cet article prsente des algorithmes de diffusion pour stocker des lments de
donnes pertinentes des nuds de capteurs sans fil disperss en des produits
grande chelle.
Les diffrents modes de stockage sont envisags comme illustr la figure 1 :
stockage non localise (linformation est rpartie sur tout l'ensemble de la
matire) et de stockage localise (l'information est situe dans une rgion limite
de la matire).
2

(a) stockage localise

(b) stockage non

localise
Fig. 1. Les modes de stockage de la diffusion pour les lments de donnes dans la matire

communicante.

1 : [Dans notre article, le terme segmentation nest pas employ dans son sens
classique ce qui signifie, en gnral utilis pour la couche de transport du modle
OSI.]
Parlant du mode non - localise, l'algorithme doit respecter la contrainte suivante
: les donnes doivent tre lisibles partout sur la matire mme aprs une
transformation de la forme (par exemple dcoupage, sciage et forage). Donc, un
lment de donnes donn doit tre reproduit dune manire uniforme. En effet,
sur la figure 2 (a), linformation nest pas diffuse uniformment, de telle sorte
quil existe des morceaux de matriau vides et l'information ne peut pas tre lue
aprs une coupure par exemple. Cependant, la figure 2 (b) montre une rplication
uniforme o linformation pourrait tre lue dans chaque pice.

(a) Diffusion non-uniforme

(b) Diffusion

uniforme
Fig. 2. Diffusion uniforme de prvision de transformation de la matire.

En effet, au niveau de diffusion dinformation, chaque lment doit tre coupl

avec un niveau dimportance, ainsi, le nombre de nuds de stockage de ces
donnes devrait dpendre de ce niveau comme indiqu dans les figures 3 (a) et 3
(b). Par consquent, l'algorithme de diffusion doit conserver l'uniformit de la
rplication de l'lment de donnes dans la matire communicante quel que soit
le niveau dimportance.
Lalgorithme propos est simul avec Castalia / OMNeT ++, en utilisant un
modle de collision raliste et en valuant l'uniformit de rplication pour articles
segmentes et non segmentes donnes de diffrents niveaux dimportance.
Le document est organis comme suit :
- La section 2 est consacre aux travaux connexes.
-La Section 3 dtaille la conception de nos algorithmes pour diffusion des
donnes de communication dans les matriaux.
-La Section 4 est ddie la prsentation des rsultats de simulation et
valuation de la performance
- La section 5 conclut larticle.

II. TRAVAUX CONNEXES :

Dans WSN, les protocoles de diffusion de donnes sont utilises pour la
reprogrammation du rseau, le routage des chemins dcouvertes par exemple
par DSR (Dynamic Source Routing, protocole de
routage pour les rseaux maills sans fils) et AODV (Ad hoc On Demand
Distance Vector, destin aux rseaux mobiles rseau ad hoc), tolrance aux
pannes, mules de donnes et la gestion dvier mobile [5]. Au cours des
dernires annes, divers algorithmes ont t proposs [6].
Il existe deux approches principales des protocoles de diffusions : ractif et
proactif qui est divis dans la distribution structures et non structures
stratgies comme le montre la figure 4. Dans la premire, les nuds ragissent
un vnement (par exemple la prsence de mules et vier mobile) par la
diffusion des donnes vers les nuds qui sont situs prs de les positions de
l'vnement.

-ractif : un protocole qui construit les tables de routage avant que la demande
en soit effectu.
-proactif : est un protocole qui construit une table de routage lorsqu'un nud en
effectue la demande. Il est divis en stratgie de la distribution structure et non
structures.
Dans le premier cas, en cas dvnement (prsence des mules et viers mobiles),
la diffusion vers les nuds voisins arrive.
Dans le premier cas, les nuds ragissent un vnement (par exemple la
prsence de mules ou vier mobile) par la diffusion des donnes cumules vers
les nuds situs prs de la position de l'vnement.
Pour lapproche proactive, les nuds distribuent leurs donnes vers tout le sousensemble des nuds qui ont le rle de stockage, en prvision des futurs
vnements, des nuds chec, collection mule, et d'autres. Pour la diffusion
structure, ces nuds de stockage forment gnralement un structure virtuelle
(par exemple grille, ligne et rail) dans le WSN, qui font des donnes disponibles
pour tre rcupres plus tard (par exemple : un vier mobile visite les nuds
pour recueillir les donnes). Cependant, pour la diffusion non-structure, les
donnes sont rpliques dans l'ensemble rseau.

Fig. 3. Classification des protocoles de diffusion des donnes de WSN.

Le but de ce travail est de diffuser pleinement et rpliquer dune manire

uniforme des donnes dans l'ensemble de la matire communicante, afin de
faciliter le processus de lecture nimporte quel point de la matire aussi
d'anticiper les transformations physiques possibles. Par consquent,
Cette section se concentre sur les protocoles lis la diffusion proactive nonstructure.
Les protocoles de diffusion proactive non structure dans WSN prvoient un
mcanisme de diffusion et une stratgie de stockage, la fois dtaills dans ce
qui suit.

1. Le mcanisme de diffusion :
Lalgorithme de diffusion est appel inondation .Les inondations sont un
algorithme important dans WSN et appliqu lorsqu'un nud source doit envoyer
information au sous-ensemble ou la totalit des nuds dans le rseau.
5

Ceci est ralis par une diffusion dun paquet l'ensemble du quartier. Chaque
nud qui reoit le paquet le rediffuse, sil n'a pas t transmis prcdemment.
De cette faon, l'information traverse l'ensemble du rseau et atteint tous les
nuds qui dcident de la stocker ou non (en fonction de la stratgie de
stockage).
Bien que linondation soit trs simple et efficace pour la diffusion des donnes,
elle a des dficiences. Les principaux problmes sont les suivants:
-La duplication (c..d. un nud est force dobtenir des informations deux fois
de deux nuds diffrents).
-La collision (c..d. la diffusion augmente la contention).
-Les ressources ccits (c..d. nuds nadoptent pas les mcanismes
dconomies d'nergie) [7].
En consquence, divers projets dinondation contrle ont t proposes, y
compris
base probabiliste [ 8 ] [9] , bass sur les compteurs [10 ] [ 11 ] , bass sur la
localisation et bass sur la distance [ 12 ] .
Les rgimes en fonction de l'emplacement et la distance exploitent la distance
entre les nuds et leurs informations positions. Par consquence, il faut quiper
les nuds par des RSSI s (Signal Strength Indicator Reu) ou un systme de
positionnement global (GPS). Mais ces fonctions supplmentaires ne pouvaient
pas tre appliques dans la matire communicante depuis lintgration des
nuds dans le produit avec une densit leve (c..d. les nuds sont trs
proches).
Les auteurs dans [13] [14] montrent que ce rgime bas sur les compteurs
surclasse le rgime probabiliste en termes de fiabilit (c..d. le pourcentage
moyen des nuds qui sont atteints) et defficacit (c..d. le montant moyen des
ressources ncessaires la diffusion d'un message).
Ce mcanisme permet de rduire le nombre des nuds qui retransmettent avec
un taux d'arrive lev. En outre, il ne ncessite pas des paramtres spcifiques
tels que la distance et l'emplacement. Pour ces raisons, la stratgie base sur les
compteurs est adopte dans notre protocole de diffusion comme mcanisme de
diffusion.

2. La stratgie de stockage :
Les protocoles de la stratgie de stockage en diffusion proactive non structure
sont dvelopps dans la littrature en fonction de lapplication cible. Dans [15],
[16], l'ion informant est rplique dans chaque nud pour la reprogrammation
du rseau.
Si un nud ne reoit pas la nouvelle version du code binaire, le logiciel ne sera
pas mis jour et isol.
Les auteurs dans [17] [18] [19] proposent des stratgies de stockage pour
amliorer la rsilience du rseau contre le risque de nuds checs.
Les nuds de stockage sont slectionns en fonction des paramtres critiques
tels que la connectivit, la mmoire disponible et lnergie restante.

DEEP [20] adopte une autre stratgie de stockage, pour la collecte des donnes
efficace, avec vier mobile sur une trajectoire incontrle.
Chaque nud qui reoit une donne stocke avec une probabilit P fonction du
nombre de
renseignements qui doit tre rpliqu dans chaque nud. Dans [21], les auteurs
utilisent un mcanisme bas sur les compteurs sauts pour rpliquer les
donnes et pour la collecte dvier mobile.
Le compteur sauts est un processus dont lequel la transmission dune donne
est rpte depuis un nud un de ses voisins choisis. En mme temps, le
nombre de sauts est rendu compte depuis le nud de source est compter.
Lorsque le compteur est gale une valeur prdfinie, la les informations sont
stockes dans le nud courant.

3. Le Synthse et la solution propose:

L'mission principale et le stockage des approches pour les donnes protocoles
de diffusion en WSN pourraient tre rsumes en deux catgories comme indiqu
dans le tableau 1.
TABLEAU 1. Les approches de diffusion et de stockage

Les stratgies de stockage ci-dessus utilisent les paramtres physiques des

nuds (par exemple mmoire et de lnergie), la topologie du rseau, et la
sensibilisation du quartier pour rpliquer les donnes travers le WSN.

Ils ne supposent pas les proprits et les caractristiques des donnes diffuses
par dfaut.
Ce problme est la contribution essentielle de notre travail, le protocole de
diffusion de l'information dynamique est propos et appliqu sur le cadre de la
matire communicante.
Dans le document actuel, le niveau d'importance des donnes est trait. Le point
avec un haut niveau doit tre reproduit plus que celui avec un niveau infrieur.
L'algorithme de diffusion doit assurer luniformit de rplication pour chaque
niveau.
Dans le pass, quelques travaux tentent de comparer les donnes des protocoles
de diffusion dans l'ensemble du rseau de capteurs sans fil, et notre
connaissance, l'uniformit de la rplication nest pas tudie.
Pour ces raisons, les approches probabilistes et bass sur les compteurs de sauts
sont couples avec des inondations bass sur les compteurs sont dvelopps
dans cet article, et les rsultats sont compars partir dun point de vue
duniformit.
Le reste de larticle dtaille les donnes proposes par les algorithmes de
diffusion, puis prsente les rsultats de simulation obtenues pour les diffrents
lments de donnes vue le niveau d'importance.

II. Algorithme de diffusion des donnes :

Cette section prsente nos diffrentes stratgies et algorithmes de diffusion de
llment de donnes. Tout dabord, le concept de nud matre est dfini, alors le
schma de transfert bass sur les compteurs est dcrit, et enfin les algorithmes
de diffusion sont prsents.

1. Le nud maitre (ou Master Node) :

Lorsque l'utilisateur diffuse des informations, il se connecte la matire
communicante par un nud slectionn dans son porte de transmission qui est
nomm dans le document actuel nud matre . Le nud matre est
responsable des demandes d'utilisateurs de lenvoi, la collecte des messages de
rponse de tous les nuds, et la diffusion dlments de donnes. Certaines
contraintes pourraient tre utilises pour slectionner le nud maitre comme le
plus haut niveau d'nergie rsiduelle.

2. La stratgie de diffusion (systme bas sur les

compteurs):
Notre protocole de diffusion adopte rgime dexpdition bas sur les compteurs.
Lorsquun nud reoit un nouveau paquet, il fixe un dlai d'attente alatoire
avant de prendre la dcision de lenvoi.
Pendant ce dlai, le capteur compte le nombre de retransmission du mme
paquet par des nuds voisins. Aprs lcoulement du dlai d'attente, le paquet
est transmis seulement si le nombre N de retransmissions est infrieur un seuil
prdtermin. En consquence, le rapport de transmission dpend de la densit
des nuds : dans les zones faible densit de ce rapport sera lev, alors que
dans les zones forte densit, il sera faible.

Des mthodes diffrentes peuvent tre utilises pour le choix du seuil tel que
celles dcrites dans [22] [23]. Dans [22], un nud dfinit la valeur du seuil de
compteur en fonction du nombre de ses nuds voisins.
De mme, dans [23], un nud est dfinit selon la distance entre lui et le nud
de diffusion .Les auteurs dans [24] montrent qu'un seuil de 4 6 retransmissions
est prfrable du point de vue de fiabilit et defficacit.
En outre, des rsultats de simulation en [14] [25] montrent que, si le seuil est de
4 ou plus, la fiabilit est plus que 99,5 %. Comme la matire communicante a
haute densit des nuds de capteurs embarqus (par exemple 100 nuds / m),
un seuil de 4 est utilis pour le rgime bas sur les compteurs de notre
algorithme de diffusion.

3. Les stratgies de stockage

Cette section prsente deux approches pour la rplication des lments de

donnes dans l'ensemble de la matire communicante l'aide du niveau
d'importance en tant que paramtre. Ceux-ci sont respectivement base des
compteurs de sauts et base probabiliste.
Rappelons qu'un lment de donnes est coupl avec un niveau dimportance.
Une partie de la stratgie de stockage consiste convertir ce niveau en un
niveau de diffusion calcul une fois par le nud principal et envoy au rseau
des capteurs. Par consquence, pour chaque mthode, une fonction de
conversion F est dfinie.
TABLEAU 2. Les approches de diffusion et de stockage

10

Dans le cas dun stockage localis, la zone de stockage doit tre rduite une
zone centre sur le nud matre. En consquence, pour chaque approche, une
fonction de limitation G est dfinie, qui sadapte au niveau de diffusion (calcul
prcdemment par le nud matre en utilisant F) la zone de stockage. Cette
fonction est excute sur chaque nud recevant un lment de donnes ( voir
tableau 2 ) .
A. Le stockage bas sur les compteurs de sauts (Hop-contre):
Le nud matre commence diffuser le paquet avec une valeur de compteurHop
gale H0, calcul la conversion F1 en fonction du niveau d'importance (voir le
tableau 2).
Le paquet est diffus d'un nud tous ses voisins, et chaque saut le compteur
est dcrment (Hop=Hop-1) jusqu' ce qu'il atteigne zro. Dans ce cas, le nud
doit stocker les donnes, puis rinitialise Hop sa valeur initiale (H0), et
retransmet le paquet l'intrieur de son quartier. Ce processus se poursuit
jusqu' ce que les bords de matriau soient atteints. Notant que H0 est
11

galement inclus dans la paquet.

Notre algorithme de diffusion est bas sur linondation. Avec un tel modle de
communication, le paquet est trait par les nuds qui ont dj reu.
En effet, l'utilisateur peut diffuser plusieurs segments ou d'autres lments de
donnes. Ainsi, chaque paquet est identifi par un identifiant dans la couche
rseau (Paquet ID) et ensuite les nuds sont limits accepter le mme
message qu'une seule fois. Si un nud reoit un message de nouveau avec le
mme ID, il sera tomb. La figure 5 reprsente l'organigramme du processus
excut dans chaque nud.

Figue. 5. Organigramme du processus de diffusion de donnes a

compteurs de sauts.

B. Le stockage probabiliste :
Dans cette solution, les paquets de donnes sont diffuss tout au long de
lensemble de la matire communicante et ils atteignent tous les nuds de
12

capteurs utilisant le processus dinondations bas sur les compteurs. Chaque

nud dcide de stocker les donnes localement avec la probabilit P dtermin
par la fonction de conversion.
A titre dexemple, soit P = 0,5. Apres la rception d'un paquet de donnes, un
nud slectionne une valeur alatoire rand dans l'intervalle [0,1], le nud
stocke l'lment de donnes uniquement si randP (= 0,5). La figure 6 montre
lorganigramme dcrivant ce processus excut dans chaque nud. Seulement
la partie de stockage est illustre, si la diffusion base sur les compteurs est la
mme.

Figue. 6. Organigramme du processus de diffusion de donnes probabiliste.

4. La stratgie de stockage localis

Les deux stratgies peuvent tre compltes avec la fonction de limitation
dfinie pour retenir la zone de stockage travers le nud matre .Pour l'approche
compteurs de sauts, G1 est dfini comme un morceau de la fonction linaire, qui
influe sur la valeur de H0 (voir tableau 2).
La figure 7 dcrit l'effet de la fonction de limitation de H0 .En effet, le paquet de
donnes contenant l'lment de donnes est d'abord envoye du nud matre (n
0) au capteur de rseau. Lorsque le nombre de rptitions NR (nombre de fois
o l'lment de donnes a t stock) devient suprieur MaxNR, alors la valeur
de H0 est change en MAXHOP. Cette nouvelle valeur empche ainsi tous autres
capteurs pour stocker l'lment de donnes contenues dans ce paquet de
donnes.

13

Figue. 7. Effet de la fonction de limitation sur la valeur H0

Pour l'approche probabiliste, la fonction de limitation G2 est une division de la

probabilit initiale par une constante K (voir tableau 2). Nud aprs nud, la
probabilit diminue, le dplacement sapproche de 0, ce qui empche les nuds
de stocker l'lment de donnes.

IV. SIMULATION ET VALUATION DU RENDEMENT :

Dans cette section, la configuration de simulation est dcrite tout d'abord
.Ensuite, les rsultats de la simulation effectue sont prsents et discuts.

1. Configuration de simulation :
La performance de notre solution est value par simulation. Le simulateur
Castalia / OMNET ++ est utilis pour mettre en uvre nos algorithmes de
diffusion. Actuellement, de nombreux simulateurs de rseaux de capteurs sans fil
sont disponibles comme COOJA et TOSSIM mais Castalia fournit un canal sans fil
raliste, modles de radio et un comportement de nud [26].
Nanmoins, Castalia est modifi pour supporter les applications de la matire
communicante. Un module radio spcifique est dvelopp ce qui est cohrent
avec le composant CC2420 mais permet une gamme de transmission plus
rduite.
Ainsi, on peut simuler un millier de nuds disperss dans une matire de petite
taille.
La matire communicante simule se compose de 2500 nuds. Les positions des
nuds sont tous uniformment rpartis dans un carr de 5m x 5m (100 nuds /
m) et la puissance de transmission est de -90 DBm, qui est utilis pour assurer
quun nud donn ne peut pas communiquer avec ses voisins directs .Les
paramtres de la simulation choisie sont rsums dans le tableau 3.
TABLEAU 1. Les approches de diffusion et de stockage

14

2. Les rsultats de simulation de la diffusion nonlocalise :

A.

Llment de donnes non-segmentes :

Les impacts des stratgies de stockage sur les performances de l'uniformit, pour
les algorithmes de diffusion des donnes proposes, ont t tudis, par
simulation Castalia.
Les figures 8 et 9 montrent les rsultats de simulation des mcanismes de la
diffusion et de stockage, de compteurs de sauts et de la rplication probabiliste,
dun lment de donnes pour les diffrents niveaux d'importance (c..d.
respectivement : les diffrents sauts et les diffrentes probabilits).

Figue. 8. stockage de compteur de sauts non-localise des lments de

donnes non-segmentes.

15

En se basant sur les rsultats obtenus, Les observations suivantes sont

ralisables. Ces deux figures montrent la forte fiabilit du systme de
radiodiffusion bas sur les compteurs car tous les nuds peuvent stocker les
informations pour les valeurs suivantes : Hop = 0 et P = 1.
En outre, les donnes sont rpliques dans la matire communicante selon le
degr d'importance (le compteur de sauts et la probabilit de stockage).
Lorsqu'une faible importance est utilise, par exemple P = 0, 4, llment de
donnes est stock dans 1000 nuds ou moins dans la matiere communicante.
La densit de stockage diminue avec la diminution du degr d'importance en
utilisant les deux algorithmes.

Figue. 9. stockage probabiliste non-localise des lments de donnes nonsegmentes.

Pour tudier la performance de luniformit, la matire simule est divise en

des petites cellules de 50 cm x 50 cm, comme illustr dans la figure 10. Chaque
pice 25 nuds de capteurs uniformment rpartis (grille 50x50 est utilise).
Dans chaque cellule, le nombre de nuds, qui ont stock des lments de
donnes, est compt.

Figue. 10. Division de la matire en morceaux de 50 cm x50cm.

La figure 11 montre la diffrence de densit de stockage entre les cellules, en

utilisant l'outil de dviation standard .Comme la norme de dispersion prsente un
cart de variable autour de sa moyenne, la figure montre que l'algorithme

16

probabiliste a une diffusion rsultante plus uniforme que celle obtenue avec
lapproche base sur le compteur de sauts.
Lorsque peu d'importance est utilis (0,5 et moins), la norme dcart diminue
pour lalgorithme sur le compteur de sauts (c..d. luniformit est pire avec
grande valeur du compteur). Dans ce cas, il y a beaucoup de morceaux qui sont
compltement vides et d'autres sont mal remplis.
Apres tout, il n'y a pas de diminution significative dcart-type de la stratgie
probabiliste parce que les lments de donnes sont rpliqus de manire
uniforme et des nombreuses pices sont remplis pour tout les niveaux
dimportance.
Par consquent, la stratgie base sur les compteurs de sauts produit plus des
zones vides dans la matire communicante que la stratgie probabiliste en cas
de niveau d'importance faible, ce qui pourrait conduire la perte de donnes au
cours de transformation de la matire.

stockage.

Figue. 11. niveau d'importance par rapport l'cart type de stratgies de

B. Llment de donnes segmentes :

Les figures 12 et 13 montrent les rsultats de la simulation de la diffusion d'un
lment de donnes segmentes pour les stratgies : probabiliste et base sur
les compteurs de sauts.

17

Figue. 12. stockage de compteur de sauts non-localise des lments de

donnes segmentes.

Figue. 9. stockage probabiliste non-localise des lments de donnes

segmentes.

Les trois segments (S1, S2 et S3) sont diffuss avec la mme valeur de compteur
de saut (Hop) pour le premier algorithme et la mme probabilit P pour le
deuxime. Les couleurs noir, vert, et bleu prsentent les nuds qui ont stock le
premier, le deuxime et troisime segment, respectivement.
La figure 12 montre que tous les segments ont diffuss la mme densit dans la
matire pour les grandes valeurs du compteur de sauts (Hop = 6 ou plus),
comme l'algorithme propos tente de faire exactement le mme des rpliques de
tous les paquets diffuss .Cependant, comme les lments de donnes nonsegmentes, il ya des zones plus vide lorsque le nombre de sauts augmente.

18

En outre, si les segments de grande taille sont diffuss avec un faible nombre
de sauts (par exemple,
Hop = 0), le premier lment diffus est stock dans tous les zones disponibles
de la mmoire des nuds et empche les autres segments d'tre rpliqus. Par
exemple, pour Hop = 2 , le premier segment est stock dans plus que 837
nuds , le deuxime en 702 nuds et le dernier segment est reproduit dans 529
nuds .
Ce problme est plus clair, pour la figure 13 de la stratgie de rplication
probabiliste. Le premier segment est rpliqu dans un grand nombre de nuds
que les autres pour un haut niveau dimportance ce qui prsente un problme de
manque d'espace mmoire. Comme exemple pour une probabilit de stockage P
= 0,6, le premier segment est reproduit dans 1473 nuds et le dernier est stock
dans 213 nuds.
Une solution pour ces problmes pourrait sappuyer sur une auto-organisation
dynamique du stockage d'lment de donnes, dans lequel le nud dcide dune
manire autonome de reproduire ou non. Le processus de rplication peut utiliser
une approche de stockage de commande similaire
ngociation de quartier pour savoir si les donnes ont dj t stockes par
d'autres nuds ou non
[19], ou les techniques de la compression de donnes dapplication sont dcrites
dans [27] [28].
Les algorithmes de compression sont adapts pour le stockage rduit ou les
ressources limites des nuds ultra - petits (par exemple dans [27] des taux de
compression allant jusqu' 70% sur des ensembles de donnes
environnementales).

3. Les rsultats de simulation de la diffusion localise :

A.

Llment de donnes non-segmentes :

Les rsultats de simulation de diffusion localise d'lment de donnes sont

reprsents sur les figures 14 et 15 pour les approches : bases sur les
compteurs de sauts ( R = 6 ) et probabilistes (K = 2,5 ).

Figue. 14. stockage de compteur de sauts localise des lments de donnes nonsegmentes.

19

Figue. 15. stockage probabiliste localise des lments de donnes nonsegmentes.

Comme le montre la figure 14, on peut conclure que le mcanisme de rplication

saut par saut garantit un stockage efficace des lments de donnes dans la
zone cible de la matire.
La densit de stockage augmente en fonction de nombre de compteur de sauts,
titre dexemple, pour Hop = 2, llment de donnes est rpliqu dans 195
nuds. Toutefois, pour Hop = 6, il est stock dans 122.
Comme pour l'approche probabiliste, les donnes sont reproduites dune manire
efficace dans la zone souhaite, comme illustr sur la figure 15. la densit de
stockage est leve dans les nuds autour du nud matre ( savoir, la
probabilit P est lev prs de ces nuds et elle diminue autour de l'cart du
nud matre).

B. Llment de donnes segmentes :

Les rsultats de la simulation de la diffusion localise des lments de donnes
segmentes sont prsents dans les figures 16 et 17, pour les approches bases
sur les compteurs de sauts et a base probabiliste.

Figue. 14. stockage de compteur de sauts localise des lments de donnes

segmentes.

20

Figue. 15. stockage probabiliste localise des lments de donnes segmentes.

Le nud matre commence par la diffusion du premier segment .Si la mmoire

est pleine, le nud retransmet le paquet sans dcrmenter le compteur. Cest
pourquoi le deuxime segment est
reproduit en dehors du premier et de mme pour le troisime segment comme le
montre la figure 16. Le dernier lment diffus est reproduit dans un grand
nombre de nud que les autres. Par exemple pour Hop = 6, le premier segment
est stock dans 125 nuds, la seconde dans 179 et le dernier segment est
reproduit dans 267 nuds.
Cependant, les segments sont stocks dans la zone cible avec le mme taux de
rplication en utilisant l'algorithme probabiliste reprsent sur la figure 17. Tous
les segments ont la mme densit.
Pour cette raison, l'approche probabiliste est plus efficace que celle base sur les
compteurs de sauts pour la diffusion localise .

V. Conclusion:
Dans cet article, les algorithmes de diffusion des donnes sont proposs pour
stocker des informations communiquer dans les matriaux embarqus
travers des nuds de capteurs sans fil ultra-petits.
Une approche dinondation, base sur les compteurs, coupl avec les stratgies
de stockage est utilis pour diffuser les paquets et pour contrler le taux de
rplication en fonction du niveau d'importance de l'information d'utilisateur.
Les algorithmes de stockage non localis et localis sont tudis. Et pour chaque
mode de stockage, des stratgies, bases sur compteurs de sauts et la
rplication probabiliste, sont proposes.
Les performances de ces solutions sont values par des simulations
informatiques pour des donnes non segmentes et segmentes. Pour la
diffusion non - localise, les rsultats de la simulation montrent que notre
algorithme probabiliste fournit une rplication plus uniforme que celui bas sur
les compteurs de sauts, qui peut plus viter la perte de donnes au cours de la
transformation physique de la matire.
21

Concernant la diffusion localise, les rsultats de la simulation montrent un

stockage localis efficace pour les donnes non segment utilisant la fois le
compteur de sauts et les approches probabilistes. Cependant, l'algorithme
probabiliste surpasse l'autre pour les lments segments parce que tous les
segments sont rpliques dans la zone cible avec la mme densit.

REFERENCES:
[1] S. Kubler, W. Derigent, A. Thomas, E. Rondeau,Problem definition
methodology for the Communicating Material paradigm, 10th IFAC
Workshop on Intelligent Manufacturing Systems, 1-2 July 2010,
Lisbonne, Portugal.
[2] S. Kubler, W. Derigent, A. Voisin, A. Thomas, E. Rondeau, Method
for embedding context -sensit ive informat ion on communicat ing
text iles via fuzzy AHP , Journal of Intelligent and Fuzzy Systems,
February 2013.
[3] S. Kubler, W. Derigent, A. Thomas, E. Rondeau, Embedding dat a on
communicating materials from cont ext -sensit ive informat ion
analysis, Journal of Intelligent Manufacturing, March 2013.
[4] M.U. Mahfuz, K.M. Ahmed, "A review of micro-nano-scale wireless
sensor networks for environmental protect ion: Prospects and
challenges", Science and Technology of Advanced Materials, Vol. 6,
No. 4, May 2005, pp. 302-306.
[5] M. Akdere, C.C. Bilgin, O. Gerdaneri, I. Korpeoglu, O. Ulusoy, U.
Cet int emel, A comparison of epidemic algorit hms in wireless sensor
networks, Journal of Comput er Communicat ions, Vol. 29, August
2006, pp. 2450-2457.
[6] F. Hongping, F. Kangling, Overview of dat a disseminat ion strategy in
wireless sensor networks, Int ernat ional Conference on E-Health
Networking, Digital Ecosystems and Technologies, 17-18 April 2010,
22

Shenzhen, China, pp. 260-263.

[7] Y. Busnel, A. Ghodsi, K. Iwanicki, H. Miranda, H. Weatherspoon,
"Gossiping over st orage systems is pract ical , ACM SIGOP S Operat ing
Systems Review, Vol. 41, No. 5, 2007, pp. 75-81.
[8] O. Sekkas, D. Piguet , C. Anagnostopoulos, D. Kotsakos, G. Alyfant is,
C. Kassapoglou-Faist, S. Hadjiet hymiades, Probabilist ic informat ion
disseminat ion for MANET s: the IPAC approach, 20th Tyrrhenian
Workshop on Digital Communicat ion, 2010, Pula, Italy,pp. 375-385.
[9] P . Kyasanur, R. Choudhury, I. Gupta, Smart gossip: an adaptive gossipbased
broadcast ing service for sensor networks, IEEE Int ernat ional
Conference on Mobile Ad Hoc and Sensor Systems, Octobre 2006,
Vancouver, Brit ish Columbia, Canada, pp. 91-100.
[10] H. Miranda, S. Leggio, L. Rodrigues, K. Raat ikainen, A power -aware
broadcast ing algorithm, 17th IEEE Internat ional Symposium on
Personal, Indoor and Mobile Radio Communicat ions, 11-14 September
2006, Helsinki, Finland, pp. 15.
[11] C. Zhi-yan, J. Zhen-zhou, H. Ming-zeng, "An energy-aware broadcast
scheme for directed diffusion in wireless sensor network", Journal of
Communicat ion and Computer, Vol. 4, No. 5, May 2007, pp. 28-35.
[12] E.R. Sanchez, M. Rebaudengo, L. Zhang, Performance evaluat ion of
reliable and unreliable opportunist ic flooding in wireless sensor
network, 17t h IEEE Int ernat ional Conference on Networks, 14-16
December 2011, Singapore, pp. 7-12.
[13] B. Garbinato, D. Rochat , M. Tomassini, F. Vessaz, Inject ing powerawareness
into epidemic informat ion disseminat ion in sensor networks,
Journal of Future Generat ion Computer Systems, Vol. 26, 2010, pp.
868-876.
[14] S. Izumi, T. Matsuda, H. Kawaguchi, C. Ohta, M. Yoshimoto,
Improvement of Counter-based Broadcast ing by Random Assessment
Delay Extension for Wireless Sensor Networks, IEEE Internat ional
Conference on Sensor Technologies and Applicat ions, 14-20 October
2007, Valencia, Spain, pp. 76-81.
[15] S.S. Kulkarni, L. Wang, MNP: Mult ihop Network Reprogramming
Service for Sensor Networks, 25th IEEE Internat ional Conference on
Distributed Comput ing Systems, June 2005, Columbus, Ohio, USA, pp.
7-16.
[16] W. Dong, C. Chen, X. Liu, G. Teng, J. Bu, Y. Liu, Bulk data
disseminat ion in wireless sensor networks: Modeling and analysis,
Computer Networks, Vol. 56, 2012,pp. 2664-2676.
[17] G. Maia, D.L. Guidoni, A.C. Viana, A.L. Aquino, R.A. Mini, A.A.
Loureiro, A distributed data storage protocol for heterogeneous
wireless sensor networks with mobile sinks, Ad Hoc Networks, Vol.
11, No. 5, July 2013, pp. 1588-1602.

23

[18] J. Neumann, N. Hoeller, C. Reinke, V. Linnemann, Redundancy

infrast ructure for service-oriented wireless sensor networks, 9th IEEE
Internat ional Symposium on Network Comput ing and Applicat ions,1517 July 2010, Cambridge, Massachusetts,USA, pp. 269-274.
[19] P. Gonizzi, G. Ferrari, V. Gay, J. Leguay, "Data disseminat ion scheme
for distributed storage for IoT observat ion systems at large scale",
Journal of Informat ion Fusion, April 2013.
[20] M. Vecchio, A. C. Viana, A. Ziviani, R. Friedman, DEEP : Densit ybased
proact ive data disseminat ion protocol for wireless sensor networks
wit h uncontrolled sink mobility, Journal of Comput er Communicat ions,
Vol. 33, No. 8, 2010, pp. 929-939.
[21] Z. Bar-Yossef, R. Friedman, G. Kliot , RaWMS - RandomWalk based
Lightweight Membership Service forWireless Ad Hoc Networks, ACM
Transact ions on Computer Systems,Vol. 26, No. 2, 2008, pp. 1-66.
[22] Y. Tseng, S. Ni, E. Shih, Adapt ive Approaches to Relieving Broadcast
St orms in a Wireless Mult ihop Mobile Ad Hoc Network, IEEE
Transact ions on Computers, Vol. 52, No. 5, May 2003, pp. 545-557.
[23] C. Chen, C. Hsu, H. Wang, DISCOUNT: A Hybrid P robability -Based
Broadcast Scheme for Wireless Ad Hoc Networks, 62nd IEEE
Conference on Vehicular Technology, Vol. 4, 25-28 September 2005,
pp. 2706-2710.
[24] J. Arango, A. Efrat, S. Ramasubramanian, M. Krunz, S. Pink,
Retransmission and Back-off Strategies for Broadcast ing in Mult i-hop
Wireless Networks, 3rd IEEE Int ernat ional Conference on Broadband
Communicat ion, Networks and Systems, 1-5 October 2006, San Jos,
California, USA.
[25] S. Izumi, T. Takeuchi, T. Matsuda, H. Kawaguchi, C. Ohta, M.
Yoshimoto, Count er-Based Broadcast ing with Hop Count Aware
Random Assessment Delay Extension for Wireless Sensor Networks,
IEICE Transact ions on Communicat ions, Vol.E91-B, No.11, November
2008, pp.3489-3498.
[26] H. Sundani, H. Li, V. Devabhaktuni, M. Alam, P. Bhattacharya,
Wireless Sensor Network Simulators, A Survey and Comparisons,
Internat ional Journal of Computer Networks, Vol. 2, No. 5, 2011, pp.
249-265.
[27] F. Marcelloni, M. Vecchio, A simple algorithm for data compression in
wireless sensor networks, IEEE Communicat ions Letters, Vol. 12, No.
6, June 2008, pp. 411- 413.
[28] C.M. Sadler, M. Martonosi, Data compression algorit hms for
energyconstrained
devices in delay tolerant networks, Fourth Int ernat ional
Conference on Embedded Networked Sensor Sy

24

25