M

1
Méthodologies pour la planification de réseaux
locaux sans-fil.

• Katia Runser
• Laboratoire CITI - INSA de Lyon
• Projet ARES INRIA
• Directeurs de thèse
• Jean-Marie Gorce, MdC., INSA de Lyon
• Stéphane Ubéda, Pr., INSA de Lyon

2
Plan

• Introduction
• 1.1. Le problème de planification wLAN
• Prédiction de couverture radio
• 2.1. Méthode de prédiction Multi-Résolution FDPF
  adaptative
• 2.2. Adaptation à la planification wLAN.
• Stratégies de planification wLAN
• 3.1. Modélisation du problème
• 3.2. Heuristiques de planification
• Conclusions et perspectives

3
1.1. Le problème wLP (wLAN Planning)

• Réseaux locaux sans-fil (wLAN) en mode
  infrastructure.

Recherche de la Configuration des AP pour obtenir
une Qualité de Service donnée.
4
1.1. Le problème wLP (wLAN Planning)

• Services
• Accès au réseau
• La couverture radio
• Limiter les interférences
• Garantir un débit minimal
• Améliorer les performances dun système de
  localisation, de VoIP,

• Configuration des AP
• Le nombre N
• Pour chaque AP k
• La position pk(x, y, z),
• La puissance démission PkE,
• Le type dantenne tk,
• La direction démission ?k,

5
1.1. Nos objectifs

• Proposer une stratégie de planification
  automatique qui soit
• Réaliste,
• Réalisable en un temps acceptable.
• Pour cela, il nous faut
• Un modèle de prédiction de couverture radio
  efficace et précis,
• Une modélisation réaliste du réseau,
• Une heuristique doptimisation efficace.

6
Plan

• Introduction
• 1.1. Le problème de planification wLAN
• Prédiction de couverture radio
• 2.1. Méthode de prédiction Multi-Résolution FDPF
• 2.2. Adaptation à la planification wLAN.
• Stratégies de planification wLAN
• 3.1. Modélisation du problème
• 3.2. Heuristiques de planification Conclusions
• Conclusions et perspectives

7
2.1. Prédiction de couverture radio

• Modèles existants
• Empiriques (COST 231)
• Rapides mais peu précis (EQM 10dB)
• Déterministes (Lancer de rayon)
• Compromis précision / temps de calcul
• Prédictions en 3D natives
• Discrets (modèles FDTD)
• Lents mais très précis

8
2.1. Fourier Domain ParFlow

• Gorce et Ubéda. 2001, IEEE VTC
• Time Domain ParFlow O(N3)
• modèle discret de résolution dr.
• Domaine fréquentiel
• prédictions de létat stationnaire à la fréquence
  ?
• Un grand système linéaire à résoudre.
• Comment ?
• Inversion directe Non abordable pour de grands
  environnements O(N6)
• Résolution itérative O(N3)

i1,j
i,j
i,j1
i,j-1
N pixels
i1,j
9
2.1. Le concept Multi-Resolution

• Un MR-Bloc
• Surface Rectangle de NX . NY pixels
• Un jeu de flux entrant

10
2.1. Le concept Multi-Resolution

• Un MR-Bloc
• Surface Rectangle de NX . NY pixels
• Un jeu de flux entrant
• Un jeu de flux sortant
• Une matrice de propagation ?A
• Si NX NY 1 pixel
• Pixel du modèle ParFlow

11
2.1. Le concept Multi-Resolution

• Un MR-bloc
• Peut être fusionné à un autre MR-bloc
• Où ?A est calculé à partir de ?B et ?C

12
2.1. Le concept Multi-Resolution

• Phase de prétraitement
• Calcul des ?N
• A partir des pixels ParFlow
• Pyramide des MR-blocs
• ?N pour chaque MR-bloc
• Complexité en O(N3)
• Indépendant de la position de la source

MR-blocs 4x2
MR-blocs 2x2
MR-blocs 2x1
Pixels
13
2.1. Le concept Multi-Resolution
Flux Internes

• Phase de propagation
• Si B est une source, on calcule la source A en
  fusionnant B et C
• Calcul et sauvegarde des flux internes à A

14
2.1. Le concept Multi-Resolution

• Phase de propagation
• Agrégation montante des MR-blocs.

15
2.1. Le concept Multi-Resolution

• Phase de propagation
• Décomposition dun MR-bloc
• Calcul des flux entrant sur B et C à partir
• des flux internes,
• de ?B et ?C

16
2.1. Le concept Multi-Resolution

• Phase de propagation
• Agrégation montante des MR-blocs.
• Décomposition descendante vers les blocs voulus.
• Complexité en O(N² log2(N))

17
2.1. Couverture à 2.4 GHz

• Contrainte dr ltlt ? ? dr 2cm à 2.4 GHz
• Pour un étage de 92.6 x 23 m, on obtient
• Un environnement de 4630 x 1150 pixels
• 53 min. de prétraitement
• 18 s. de propagation à 2cm.

(PC CPU à 3.4 GHz et 3 Go RAM)
18
Plan

• Introduction
• 1.1. Le problème de planification wLAN
• Prédiction de couverture radio
• 2.1. Méthode de prédiction Multi-Résolution FDPF
• 2.2. Adaptation à la planification wLAN.
• Stratégies de planification wLAN
• 3.1. Modélisation du problème
• 3.2. Heuristiques de planification
• Conclusions et perspectives

19
2.2. Adaptation au WLAN

• Pour réduire le temps de calcul
• Modification de la résolution dr,
• Structure adaptative de la pyramide MR-FDPF,
• Calibration du modèle.

20
2.2. Modification du pas dr

• Augmentation de dr
• Complexité (1/dr)2
• Couverture à 2 cm inutile -gt Précision voulue P
  1 m
• Puissance moyenne sur 1m² réaliste, on impose
• P ?sim ? dr ?sim /6 P / 6
• i.e. si P 1 m alors dr10cm
• La fréquence de simulation fsim
• Multiple de la fréquence réelle
• P ?sim ? fsim c0/P fsim 480MHz

1 m
21
1.2 MR-FDPF Adaptatif

• Création des MR-blocs de la pyramide
• Blocs Homogènes Bh
• Les premiers blocs homogènes en matériau obtenus
  lors de la propagation descendante.
• Bh sont grands
• Calcul rapide des couvertures à cette résolution

22
2.2. MR-FDPF Adaptatif

• Heuristique de découpage du plan
• Selon la plus grande discontinuité
• Compromis entre
• La taille des blocs homogènes,
• La durée du prétraitement,
• La taille de la pyramide en mémoire.

c
i
23
2.2. MR-FDPF Adaptatif

• Heuristique de découpage du plan
• Selon la plus grande discontinuité
• Compromis entre
• La taille des blocs homogènes,
• La durée du prétraitement,
• La taille de la pyramide en mémoire.

Bh
c
i
24
Couverture résolution 10 10 cm
Couverture blocs homogènes
CPU 2.4GHz 1Go RAM
25
2.2. Calibration des simulations

• Réduire les erreurs de prédictions
• Calibration rapide,
• Calibration fine.
• A partir de
• Mesures
• Prédictions MR-FDPF
• Calibration rapide
• Offset de mise à léchelle

26
2.2. Calibration des simulations

• Calibration fine
• Relaxer les paramètres de propagation des N
  matériaux du plan
• Indices de propagation n (n1, .., nN)
• Coefficients daffaiblissement a (a1, .. , am)
• Minimisation de lerreur quadratique moyenne
  (EQM)

27
2.2. Calibration automatique

• Calibration fine
• 1 Evaluation dEQM 1 minute,
• Calcul prétraitement couverture.
• DIRECT Dividing RECTangle
• Algorithme de recherche directe à motifs. Jones
  et al., 1993
• Fonctions continues à plusieurs variables.
• Recherche globale et locale.

28
2.2. Jeu de mesures

• Bâtiment
• 30 x 80 mètres, 3 matériaux
• Mesures
• 6 APs IEEE 802.11b, 2.4 GHz
• 199 points de mesure par AP
• 300 échantillons par point

• Simulations
• Fréquence ? 480 MHz
• Pas dr 10 cm
• Carte de couverture à la résolution de 60 x 60 cm

Verre
Béton
Cloison
29
2.2. Résultats de calibration

• Modélisation à 1 et 2 matériaux
• Recherche exhaustive
• Facteurs datténuation
• ? 1.0 pour chaque matériau ? murs fins / dr
• Modélisation à 3 matériaux
• Calibration automatique (DIRECT)
• Indices de réfraction
• EQM Q 5.3 dB

Béton Cloison Verre
n 5.4 n 2.4 n 1.3
30
2.2. Validation des simulations

• Environnements
• CITI2
• 40 mesures
• 3 AP
• Building G
• 15 mesures
• 1 AP

31
2.2. Bilan

• Modèle de prédiction adapté à la planification
  wLAN
• Réduction du temps de
• Prétraitement de 53 minutes à 18 secondes
• Propagation de 18 secondes à 0.5 seconde
• Bonne précision avec 5 à 6 dB dEQM
• Phase de calibration basée sur des mesures
  réelles.

32
Plan

• Introduction
• 1.1. Le problème de planification wLAN
• Prédiction de couverture radio
• 2.1. Méthode de prédiction Multi-Résolution FDPF
  adaptative
• 2.2. Adaptation à la planification wLAN.
• Stratégies de planification wLAN
• 3.1. Modélisation du problème
• 3.2. Heuristiques de planification
• Conclusions et perspectives

33
3.1. Modélisation variables

• Formulation discrète
• M positions candidates des AP
• Puissance P et direction ? démission discrets
• Une solution
• Choix des positions
• Utilisation du découpage adaptatif de la méthode
  MR-FDPF,
• Un AP candidat au centre des blocs homogènes.

34
3.1. Modélisation variables
35
3.1. Modélisation couvertures

• Cartes de couverture
• Liste des blocs homogènes à couvrir
• Bl, l ? 1..Nc
• Flk Puissance reçue au bloc Bl de lAP k
• FlBS Puissance du signal le plus fort (Best
  Server) au bloc Bl

36
3.1. Modélisation critères

• Forme générique des critères définis
• Avec
• fmesl la fonction de mesure associée au bloc Bl.
• ?l Al / Atot le pourcentage de la surface
  totale du bloc Bl

37
3.1. Modélisation critères

• Critères doptimisation
• Couverture
• Couverture homogène
• Couverture à seuil progressif
• Interférences
• Minimise le recouvrement entre cellules
• Débit
• Garantit un débit minimal
• Localisation
• améliore les performances dun service de
  localisation

38
3.1. Modélisation critères

• Couverture à seuil progressif fslope
• Pénalise les blocs mal couverts
• fmesl sapplique à FlBS
• Sm Seuil à 1Mbps
• SM Seuil à 11Mbps / 54 Mbps

39
3.1. Modélisation critères

• Critère dinterférences finterf.
• Minimiser le recouvrement entre les zones de
  service
• Favorise lallocation des canaux,
• Répartition des signaux reçus au bloc Bl thèse
  Jedidi 04
• h signaux utiles,
• les signaux interférents supérieurs au seuil de
  bruit Sm
• Pénaliser les blocs où linterférent le plus fort
  est plus puissant que le bruit en réception.
• A utiliser avec un critère de couverture N
  optimal.

40
3.1. Modélisation critères

• Critère de débit
• fmes pénalise un bloc si le débit fournit est
  inférieur à un débit minimal ds
• Estimation du trafic dun AP
• Evaluation des performances de la couche MAC
  802.11 modèle de Lu et Valois (2005)
• Débit réel dul dun utilisateur de la zone de
  service à R Mbits/s (R 1,2,... 11 Mbits/s)
• Distribution uniforme des utilisateurs.
• A utiliser avec un critère dinterférences
  couverture

41
Plan

• Introduction
• 1.1. Le problème de planification wLAN
• Prédiction de couverture radio
• 2.1. Méthode de prédiction Multi-Résolution FDPF
• 2.2. Adaptation pour la planification wLAN.
• Stratégies de planification wLAN
• 3.1. Modélisation du problème variables et
  critères
• 3.2. Heuristiques de planification
• Résultats et perspectives

42
3.2. Heuristiques

• Problème wLP problème Multicritère.

Algorithme mono-objectif Fonction de coût fagr
agrégée
Algorithme multiobjectif
Une solution unique Choix des coefficients de
fagr a priori
Plusieurs solutions Sélection dune solution a
posteriori
Heuristique tabou mono-objectif
Heuristique tabou multiobjectif
43
3.2. Approche mono-objectif

• Critère agrégé
• Choix des coefficients ?i avant le lancement de
  la recherche.
• Ajout dune contrainte de couverture

44
3.2. Approche mono-objectif

• Métaheuristique tabou Glover, 86
• Recherche locale qui accepte la dégradation de la
  solution courante Sc
• Liste tabou Historique des mouvements -gt Evite
  le bouclage
• Implantation
• Taille dynamique de la liste tabou,
• Pas de critère daspiration.

45
3.2. Approche mono-objectif

• Exemple doptimisation
• variables
• position, nombre dAP N
• environnement Foch 258 candidats

• critères
• interférences (h2)
• débit (ds 256 kbits/s, 200 utilisateurs)
• contrainte de couverture

Tests réalisés
46
3.2. Approche mono-objectif
64 Kbps
128 Kbps
Le gradient des critères influence aussi la
recherche
256 Kbps
dB
47
3.2. Approche mono-objectif

• Temps de traitement
• 258 cartes de couverture
• 4 minutes
• Recherche tabou
• 1 itération 1.5 s
• 715 itérations en moyenne
• 18 minutes

48
3.2. Approche multicritère

• Recherche de plusieurs solutions
• Surface de compromis
• Dominance au sens de Pareto
• x domine y si
• Front de Pareto Optimal FPT
• Front de Pareto Pratique FPP

Surface de compromis
49
3.2. Approche multicritère

• Heuristique tabou multicritère
• Front de recherche Fc K solutions courantes,
• K recherches tabou en parallèle,
• 1 liste tabou par solution,
• Obtention dun Front de Pareto Pratique

50
3.2. Approche multicritère
Sélection des solutions de rang de Pareto R 1
Début de litération i Front courant et Front
de Pareto Pratique
Calcul du voisinage du Front Courant.
Mise à jour du Front de Pareto Pratique FPT
f2
Fc
V(Fc)
FPT
f1
K 3 solutions courantes, Rmax 2
51
3.2. Approche multicritère
Sélection des nouvelles solutions du Front
Courant Fc
Mise à jour des K listes tabou
Sélection des solutions de rang de Pareto R 2
f2
Fc
V(Fc)
FPT
f1
K 3 solutions courantes, Rmax 2
52
3.2. Approche multicritère

• Convergence de FPP vers FPT.
• Critères fslope et finterf (h0)
• Variables positions
• 129 positions candidates, N 3 AP
• 18 solutions non dominées

21 itérations, 87 secondes.
finterf
fslope
53
3.2. Approche multicritère

• Optimisation de 3 critères
• fslope, finterf (h2), fdébit (ds 256k, 200
  nœuds),
• Rmax 2 et K 15,
• Front optimal pratique 1202 solutions
• Sélection de q solutions dans le Front de Pareto
  pratique
• Critère de niche

54
3.2. Approche multicritère
55
Plan

• Introduction
• 1.1. Le problème de planification wLAN
• Prédiction de couverture radio
• 2.1. Méthode de prédiction Multi-Résolution FDPF
• 2.2. Adaptation à la planification wLAN.
• Stratégies de planification wLAN
• 3.1. Modélisation du problème
• 3.2. Heuristiques de planification
• Conclusions et perspectives

56
4. Conclusions

• Prédiction de couverture radio pour le wLAN
• Mise en œuvre du modèle MR-FDPF dédié au problème
  wLP
• Modélisation complète des phénomènes de
  propagation.
• Temps de calcul faible (t lt 1s).
• Un processus de calibration automatique a été
  proposé.
• Les performances du modèle ont été validées par
  des mesures.

57
4. Conclusions

• Stratégies de planification
• Formulation discrète avec prise en compte la
  géométrie du bâtiment.
• Modélisation de plusieurs objectifs de
  planification.
• Proposition de deux heuristiques de résolution
• Monocritère tabou rapide mais délicate à
  paramétrer.
• Multicritère tabou propose un éventail de
  solutions réalisables mais plus longue.

58
4. Perspectives

• Prédiction de couverture radio
• Validation pour dautres environnements
• Amélioration de la calibration automatique
• Passage au 3D
• Stratégies de planification
• Validation expérimentale des critères
• Modification à la volée des ?i de la recherche
  monocritère
• Amélioration du temps de traitement de la
  recherche multicritères

59
4. Perspectives

• Gestion dynamique du réseau
• Adaptation des paramètres (puissance, fréquence)
• Ajout / suppression dAP
• Les stratégies multicritères
• wLAN
• Ad hoc / réseaux de capteurs
• Plusieurs configurations des nœuds maîtres dans
  les réseaux de capteurs (maximisation de la durée
  de vie du réseau).

60
Publications

• Conférences Internationales.
• 1 G. De La Roche, R. Rebeyrotte, K. Runser and
  J.-M. Gorce, "A new strategy for indoor
  propagation fast computation with MR-FDPF
  algorithm." in IEEE IASTED (ARP), Banff, Alberta,
  Canada, July 2005.
• 2 J.-M. Gorce and K. Runser, "Assessment of a
  frequency domain TLM like approach for 2D
  simulation of Indoor propagation." in IEEE IMACS,
  Paris, France, July 2005.
• 3 K. Runser and J.-M. Gorce, "Assessment of a
  new indoor propagation prediction model based on
  a multi-resolution algorithm" in Proceedings of
  the IEEE VTC Spring 2005, Stockholm, Sweden, May
  2005.
• 4 K. Runser, E. Jullo and J.-M. Gorce,
  "Wireless LAN planning using the multi-resolution
  FDPF propagation model" in Proceedings of IEE
  ICAP, Exeter, UK, Vol. I, pp.80-83, April 2003.
• 5 J.-M. Gorce, E. Jullo and K. Runser, "An
  adaptative multi-resolution algorithm for 2D
  simulations of indoor propagation" in Proceedings
  of IEE ICAP, Exeter, UK, Vol. I, pp.216-219,
  April 2003. Best paper award on Propagation.
• Conférences Nationales.
• 6 G. De La Roche, R. Rebeyrotte, K. Runser and
  J.-M. Gorce, "Prédiction de couverture radio pour
  les réseaux locaux sans-fil par une approche 2D
  multi-résolution." in Actes des 14èmes journées
  nationales micro-ondes, Mai 2005.
• 7 K.Runser, P.Buhr, G. De La Roche and J.-M.
  Gorce, "Validation de la méthode de prédiction de
  couverture radio MR-FDPF" in Actes des 6e
  Rencontres Francophones AlgoTel 2004, Batz sur
  Mer, France, pp. 21-26, Mai 2004.
• 8K. Runser, S. Ubeda and J.-M. Gorce,
  "Optimisation de réseaux locaux sans fils" in 5e
  congrès de la Société Française de Recherche
  Opérationnelle et d'Aide à la Décision, Avignon,
  France, pp. 205-251, February 2003.