Browsing by Author "Parracho, Diogo Santos Ribeiro"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
- Desenvolvimento de modelos de capacidade para redes móveis 3G e 4G usando dados de desempenho reaisPublication . Parracho, Diogo Santos Ribeiro; Vieira, Pedro Manuel de Almeida Carvalho; Pinto, Iola Maria Silvério; Duarte, David Eduardo CorreiaA utilização de redes móveis é cada vez mais intensa e com exigências maiores, por parte dos utilizadores, o que exige uma gestão de recursos da rede mais eficiente, juntamente com modelos de capacidade realistas. O aumento da população nas grandes cidades força os operadores a aumentar a densidade das células para conseguir servir os utilizadores com bons níveis de Qualidade de Serviço (Quality of Service (QoS)), o que implica um maior investimento, por parte dos operadores, nos sistemas de telecomunicações. Assim, considera-se pertinente o desenvolvimento de estudos que viabilizem a obtenção de planos estratégicos sobre otimização dos sistemas ou, pelo menos, um conhecimento mais pormenorizado dos mesmos, ao nível da capacidade. Tais estudos suportam a tomada de decisão no que respeita à configuração das redes, compatível com a concretização de objetivos de poupança energética e de possíveis limites de capacidade, de forma a permitir, aos operadores, investimentos mais assertivos e de menor risco. O trabalho desenvolvido nesta dissertação visa propor modelos de capacidade para estações base Terceira Geração (3G) e 4G, numa tentativa de modelo unificado multitecnologia. A investigação surgiu no âmbito de uma rede real, permitindo verificar o efeito da variação do tráfego, voz e dados, na potência transmitida de uma estação base, bem como na utilização dos recursos rádio, sendo estes os pontos de partida para os modelos. O objetivo, para o modelo de capacidade 3G, é apresentar uma plataforma multi-serviços baseada em curvas de admissão, dependendo de algumas características das células, que são calculadas com base em medidas reais. O modelo considera as curvas de admissão baseadas no modelo Multidimensional Erlang-B, que define o limite máximo de utilização de recursos para um determinado QoS, permitindo gerir o tráfego entre vários serviços. O método proposto assume diferentes restrições específicas para cada ambiente de tráfego, tendo por base o desempenho da rede. Para estimar as características da célula, para os serviços de voz e Packet Switched (PS) Release 99 (R99), é proposto um método, baseado no modelo de Regressão Linear Múltipla (RLM) que depende de Key Performance Indicators (KPI)s coletados a partir de uma rede móvel real. Para o serviço High Speed Downlink Packet Access (HSDPA), é definida uma abordagem diferente, pois há um tempo bem definido para transmitir dados (Transmission Time Interval (TTI)) juntamente com outros parâmetros importantes, como o Channel Quality Indicator (CQI) e a Block Error Rate (BLER), que devem ser considerados. Relativamente ao modelo de capacidade 4G, o objetivo é apresentar uma plataforma de capacidade baseada, igualmente, em medições reais. A essência do método proposto é a implementação de um modelo de RLM, baseado em condições de propagação, qualidade de canal e atrasos para uma célula específica. São fornecidas informações sobre as possíveis limitações de recursos e algumas sugestões de melhorias do sistema, de forma a eliminar essas limitações. Esta abordagem gera o débito máximo da célula, em busy hour, tendo em conta condições realistas. De modo a validar os resultados dos modelos RLM, foram utilizadas métricas como a correlação de Pearson, Mean Absolute Percentage Error (MAPE) e Root Mean Square Error (RMSE). Para o modelo de capacidade 3G, para duas células, obtiveram-se valores do R2 ajustado superiores a 84,52%, de MAPE inferiores a 0,91% e do coeficiente de correlação superiores a 81,43%. Também se conseguiu uma redução da potencia transmitida da célula, superior a 20% face à potencia máxima da célula. No modelo de capacidade 4G foi possível detetar problemas de capacidade em nove células, numa análise de 89 no total. Nos modelos RLM aplicados obtiveram-se valores do R2 ajustado superiores a 92,8%, de MAPE inferiores a 10,25% e do coeficiente de correlação de 96,36%.