Large scale data collection and storage using smart vehicles : An information-centric approach

Résumé : De nos jours, Le nombre de dispositifs ne cesse d’augmenter ce qui induit une forte demande des applications en données multimédia. Cependant gérer des données massives générées et consommées par les utilisateurs mobiles dans une zone urbaine reste une problématique de taille pour les réseaux cellulaires existants qui sont à la fois limités en termes de cout et de bande passante mais aussi due à la nature de telles données centrées- connexion. D’autre part, l’avancée technologique en matière de véhicules autonomes permet de constituer une infrastructure prometteuse capable de prendre en charge le traitement, la sauvegarde, et la communication de ces données. En effet, Il est maintenant possible de recruter des véhicules intelligents pour des fins de collecte, de stockage, et de partage des données hétérogènes en provenance d’un réseau routier afin de répondre aux demandes des citoyens via des applications. Par conséquent, nous tirons profit de l'évolution récente en « information Centric Networking » ICN afin d'introduire deux nouvelles approches de collecte et de stockage de contenu par les véhicules, nommées respectivement VISIT et SAVING, plus efficaces et plus proches de l'utilisateur mobile en zone urbaine ainsi nous remédions aux problèmes liés à la bande passante et le coût. VISIT est une plate-forme qui définit de nouvelles mesures de centralité basées sur l'intérêt social des citoyens afin d’identifier et de sélectionner l'ensemble approprié des meilleurs véhicules candidats pour la collecte des données urbaines. SAVING est un système de stockage de données sociales, qui présente une solution de mise en cache des données d’une façon collaborative entre un ensemble de véhicules parmi d’autres désignés et recrutés selon une stratégie des théorie des jeux basée sur les réseaux complexes. Nous avons testé ces deux méthodes VISIT et SAVING sur des données simulées pour environ 2986 véhicules avec des traces de mobilité réalistes en zone urbaine, et les résultats ont prouvés que les deux méthodes permettent non seulement une collecte et un stockage efficaces mais aussi bien scalables
Type de document :
Thèse
Computation and Language [cs.CL]. Université Paris-Est, 2016. English. 〈NNT : 2016PESC1045〉
Liste complète des métadonnées

Littérature citée [56 références]  Voir  Masquer  Télécharger

https://pastel.archives-ouvertes.fr/tel-01538308
Contributeur : Abes Star <>
Soumis le : mardi 13 juin 2017 - 13:21:26
Dernière modification le : mercredi 4 juillet 2018 - 16:38:09
Document(s) archivé(s) le : mardi 12 décembre 2017 - 13:32:06

Fichier

TH2016PESC1045_convertie.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01538308, version 1

Citation

Junaid Khan. Large scale data collection and storage using smart vehicles : An information-centric approach. Computation and Language [cs.CL]. Université Paris-Est, 2016. English. 〈NNT : 2016PESC1045〉. 〈tel-01538308〉

Partager

Métriques

Consultations de la notice

190

Téléchargements de fichiers

127