Proposition de Sujet de Stage Recherche 2020-2021

Titre : Apprentissage automatique pour l’allocation de ressources dans l’internet des objets
Mots clés : Internet des objets (IoT), LoRA, Apprentissage automatique
Laboratoire : XLIM, Université de Poitiers, France
Encadrant(s) : Abbas BRADAI
Contact : abbas.bradai@univ-poitiers.fr (en mettant «[candidature stage IoT 2020]»
comme sujet de mail)

Durée du stage : 9 mois (6 mois au laboratoire Xlim + 3 mois à distance)

Stage rémunéré ? : Oui (+ billet d’avion + aide au logement)
Dossier de candidature : CV, relevés de note post bac, lettres de recommandation
(éventuellement)

Sujet :
L'Internet des objets (IoT) est envisagé pour connecter des milliards d'appareils IoT. En
effet, il est prévu que le nombre d’objets connectés atteint 30 milliards d'ici 2022 [1] servant
dans différents domaines tels que la maison intelligente, la ville intelligente, les bâtiments /
usines durables, l'industrie 4.0, l'agriculture de précision et bien d'autres domaines. Ces
applications émergentes de l'IoT nécessitent différents niveaux de qualité de service (QoS)
en termes de latence, de bande passante, de gigue, de taux de perte de paquets, etc. Ainsi, les
communications dans IoT devraient poser des défis importants, en termes de la gestion des
réseaux et de l'allocation des ressources sur les réseaux sans fil actuels.
De plus, les énormes données générées par les nœuds IoT pourraient être exploitées pour
comprendre le comportement et la distribution spatio-temporelle de l'activité des nœuds
ainsi que leurs consommations de ressources en termes de bande passante et en termes
d'énergie. Par conséquent, une solution basée sur les données pourrait être efficace pour
répondre aux exigences strictes de QoS tout en tirant le meilleur parti des ressources
disponibles dans un réseau IoT. Nous notons que dans ce sujet de stage, nous nous
concentrons sur l'IoT basée sur la technologie sans licence LoRA [2] à faible consommation
énergétique.
Dans le cadre de ce stage, on souhaite proposer une solution basée sur l’apprentissage
profond (deep learning) pour l’allocation des ressources dans un réseau LoRA. L’étudiant
sélectionné doit réaliser :
- Des mesures réelles dans le laboratoire en utilisant la plateforme Lora existante.
- Proposer et implémenter une solution basée sur deep learning pour l’allocation des
ressources dans LoRA en exploitant les mesures effectuées dans l’étape précédente.

Biblio :

[1] Ericsson. Internet of Things Forecast. https://www.ericsson.com/en/mobility-

report/internet-of-things-forecast, 2019. [Online; accessed july-2020]

[2] https://lora-alliance.org/about-lorawan

SP2MI, Bvd Marie et Pierre Curie, Téléport 2, B.P. 30179, 86960 FUTUROSCOPE CEDEX
Téléphone : 05 49 49 74 71, Télécopie : 05 49 49 65 70