Intelligence de la périphérie du réseau par des boucles d’apprentissage et la génération de données pour une automatisation du réseau basée sur l’inférence de ses états. – INTELLIGENTSIA

La mise en œuvre du projet s’est appuyée sur une combinaison d'outils mathématiques et de simulation, des développements technologiques et des tests pratiques. Cette méthode visait à relever les enjeux techniques et stratégiques du projet tout en assurant l’atteinte des objectifs définis.

Les bases du projet reposaient sur une modélisation mathématique précise des mécanismes de communication et des interactions entre terminaux dans un environnement LoRaWAN. Cela a permis de concevoir des algorithmes optimisés pour l’amélioration des performances réseau, notamment en termes de qualité de service et de gestion des ressources. Poiur vérifier les calculs théoriques, des outils de simulation et d’émulation (notamment ELoRa) ont été développés pour analyser le comportement du réseau dans divers scénarios. Ces tests ont permis de prédire les performances, de détecter les éventuels goulots d’étranglement et de valider les algorithmes.

La conception matérielle et logicielle des systèmes LoRaWAN dans le cadre du projet a été réalisée par Aguila. Cette phase comprenait le développement d’équipements compatibles LoRaWAN et la création d’une interface de suivi et de monitoring permettant un retour d’information en temps réel sur les performances du réseau et des terminaux. Des suites de tests spécifiques ont été développées pour valider les performances des systèmes conçus, notamment dans le cadre d'un projet de gestion de flottes de vélos. Cette initiative avait pour but de fournir aux partenaires des données concrètes et des cas d’usage pertinents pour évaluer l’efficacité des solutions proposées.

Le projet a abouti à des résultats très intéressants à la fois théoriques et pratique, mettant en lumière les possibilités d’amélioration de LoRaWAN pour répondre à des besoins complexes et variés. Ces avancées ont touché à la fois les aspects théoriques de modélisation mathématique, les outils de simulation et les solutions concrètes mises en œuvre sur le terrain.

1. Algorithmes pour une Qualité de Service Différenciée.

L’une des réalisations majeures du projet a été la mise au point d’algorithmes optimisés pour l’accès au médium. Ces algorithmes permettent de :

- Prioriser certains flux de données en fonction des besoins des applications critiques.

- Réduire les collisions dans des environnements où le réseau est fortement sollicité.

- Améliorer la fiabilité et les performances du réseau pour des cas d’usage exigeants, tels que la gestion de conteneurs ou le suivi d’actifs industriels.

Ces innovations positionnent LoRaWAN comme une solution efficace et peu chère pour les clients professionnels ayant des exigences élevées en termes de qualité de service.

2. Développement d’un Émulateur de Réseau LoRaWAN avec un grand nombre de devices.

Le projet a permis de développer un émulateur capable de représenter un réseau LoRaWAN à grande échelle. Contrairement aux démonstrateurs limités à un nombre restreint de terminaux, cet outil permet de :

- Simuler des réseaux massifs comprenant des milliers de terminaux pour analyser les performances et les limites de protocoles de qualité différenciée.

- Évaluer l’impact des nouvelles solutions algorithmiques dans des scénarios réalistes, avant leur déploiement sur le terrain.

- Offrir un environnement flexible pour tester diverses configurations réseau et affiner les paramètres opérationnels.

3. Déploiement et Collecte de Données sur des Systèmes Réels

Le projet a également donné lieu à l’installation de différents systèmes LoRaWAN sur des flottes de vélos, illustrant une application concrète des solutions développées. Ces systèmes ont permis :

- La collecte de données en conditions réelles, enrichissant la compréhension des performances du réseau dans des environnements dynamiques.

- De fournir des informations précieuses aux partenaires du projet pour ajuster leurs propres solutions et évaluer les cas d’usage pratiques.

Les résultats obtenus dans le cadre du projet ouvrent la voie à de nombreuses opportunités d’amélioration et d’application, aussi bien sur le plan technologique que commercial. Deux axes majeurs se dessinent pour les prochaines étapes. Le premier concerne une collaboration potentielle avec ChirpStack pour étudier l’intégration des algorithmes développés dans le cadre du projet, ChirpStack étant un acteur clé dans les solutions open-source pour les réseaux LoRaWAN. Cette initiative vise à présenter et discuter les algorithmes développés au cours du projet, notamment ceux destinés à améliorer l’accès au médium et à offrir une qualité de service différenciée. Une cible est d’intégrer ces algorithmes dans le code de ChirpStack, afin de bénéficier d’une adoption plus large par la communauté LoRaWAN et de permettre à d’autres utilisateurs de tirer parti des avancées réalisées. Ceci permettrait également de renforcer la synergie entre les solutions techniques issues du projet et les outils standard de gestion de réseau, favorisant leur déploiement à grande échelle.

Une deuxième axe est l'implantation de la solution pour le marché de la sécurité maritime en Afrique de l’Ouest. Un marché prometteur a été identifié la technologie LoRaWAN pourrait jouer un rôle crucial dans des systèmes de sécurité maritime. Ces perspectives incluent aussi bien la détection de pollutions marines, permettant un suivi précis et en temps réel des incidents environnementaux, tout en alertant rapidement les autorités compétentes, que le renforcement de la sécurité des zones maritimes, grâce à l’utilisation de réseaux LoRaWAN pour surveiller les activités et détecter les risques potentiels. Un point fort de LoRaWAN est sa faible consommation d’énergie et sa capacité à couvrir de grandes zones, des atouts clés dans des environnements où les infrastructures de communication sont parfois limitées.

Le projet INTELLIGENTSIA vise l’automatisation des réseaux de bout-en-bout en 5G et au-delà en considérant la périphérie (Edge) multi-accès et particulièrement les accès massifs des terminaux IoT à travers la conception et l’évaluation d’algorithmes de gestion et de contrôle. Les contributions scientifiques envisagées sont liées à l’élaboration d’un modèle de machine à états dynamique pour les archtiectures de virtualisation réseau exploitant des algorithmes d’apprentissage sur des sources de données liées au trafic, aux périphériques, serveurs et aux fonctions et services réseau virtualisés. Des algorithmes de classification et de prédiction seront utilisés pour déterminer en temps réel l’état du réseau ainsi que pour anticiper les reconfigurations des fonctions d’accès radio IoT et du cœur. L’impact attendu comprend l’amélioration des plates-formes ouvertes d’automatisation des réseaux sous le suivi des industriels et l’enrichissement des activités éducatives par les académiques.