Système auto-adaptatif pour la sélection de technologie sans fil dans l'Iot

Voir Plus Voir Moins

Afficher le Résumé

L’Internet des Objets (IoT) est un domaine en pleine expansion, où la diversité des applications et des technologies d’accès radio (RAT) rend la sélection du réseau optimal un défi majeur. Cette problématique se pose avec d’autant plus d’acuité dans les environnements IoT hétérogènes, où les conditions du réseau et les besoins des applications évoluent constamment. Afin de relever ce défi, une approche innovante combinant apprentissage par renforcement et algorithmes génétiques a été développée pour permettre une sélection dynamique et adaptative des RAT. Cette approche intègre à la fois des critères de qualité de service (QoS) et de qualité d’expérience (QoE) utilisateur, tout en prenant en compte les préférences individuelles et les performances passées des RAT grâce à un système de gestion de la confiance adaptative. Une autre contribution clé de cette étude repose sur l’utilisation du module ESP32, sur lequel a été implémentée une solution multi-RAT intégrant Wi-Fi, BLE et réseaux cellulaires, dédiée aux applications e-santé. Afin de permettre un basculement dynamique et intelligent entre ces RATs, un algorithme de sélection adaptatif basé sur l’apprentissage par renforcement naïf (NRL) a été développé. Ces solutions ont démontré des améliorations significatives en termes d’efficacité énergétique, de taux de livraison des paquets et de réduction des délais. Elles ouvrent la voie à une gestion plus flexible et efficace des réseaux IoT, particulièrement dans des domaines critiques tels que la santé, où la connectivité fiable et l’efficacité énergétique sont essentielles.