Résumé:
Au cours des dernières années, les véhicules sont devenus de plus en plus communiquants, grâce notamment, aux nouvelles normes de communication sans fils, particulièrement le standard DSRC et C-ITS. C’est à partir de ces capacités dont seront dotés les véhicules, qu’il est possible d’envisager la communication inter-véhiculaire (IVC) et/ou la communication avec des éléments d’infrastructure (I2X). Un nouveau courant de recherche autour des réseaux véhiculaires, plus connu en anglais sous le nom de VANET (Vehicular Ad hoc NETwork), est apparu. Les principaux travaux concernent des problématiques de routage et de dissémination des données à travers le réseau. Les travaux menés dans le cadre de cette thèse se focalisent sur la prise en compte des contraintes temporelles dans les réseaux véhiculaires (VANET). En effet, de nombreuses applications devront permettre de respecter les contraintes temporelles des traitements effectués à partir des données récoltées par les véhicules ou par les éléments d’infrastructure. Par ailleurs, les données récoltées au sein des véhicules sont des données extrêmement volatiles qui représentent l’état du véhicule ou de son environnement à un instant t. Après un certain temps, l’environnement ayant changé, ces données ne représentent plus l’état de l’environnement et peuvent donc être considérées comme obsolètes. On parle dans ce cas de données temps réel et on rejoint des problématiques de gestion de ce type de données. Dans cette thèse, après une présentation des principaux concepts de réseaux véhiculaires et de l’état de l’art des approches de dissémination de données, nous proposons une nouvelle approche de dis- sémination de données, basée sur le Clustering. Cette approche, désignée par le nom FitnessClustering, permet de diffuser de manière efficiente les mes- sages d’une ou de plusieurs source(s) vers les nœuds présents dans une zone calculée (appelé zone de couverture) en fonction du type et de la durée de vie de l’événement à disséminer. L’algorithme FitnessClustering est basé sur une fonction appelée Fitness, qui combine plusieurs paramètres ayant un impact direct sur la stabilité des clusters. C’est une fonction multi-objectif qui permet de garantir un meilleur compromis entre la stabilité, la surcharge du réseau et le taux de livraison pour les clusters produits. Notre contribution a été évaluée via des simulations intensives exécutées en utilisant un simulateur temps réel pour les mesures de performances
