Note publique d'information : Les équipements mobiles deviennent une partie intégrale de notre vie numérique. Ces
équipements interagissent avec l'infrastructure des réseaux cellulaires et leur activité
est enregistrée pour des buts de facturation et monitoring sous forme de données de
trafic mobile. Les travaux menés dans cette thèse se focalisent sur le potentiel que
portent ces données pour l'amélioration des réseaux cellulaires futurs. D'une part,
on montre que les données mobiles permettent de construire des profils spatio-temporels
typiques de l'utilisation des réseaux cellulaires en environnement urbain. Cette analyse
permet aussi la détection des comportements atypiques dans le réseau qui sont liés
à des événements spéciaux. D'autre part, on montre que les données mobiles constituent
un élément méthodologique important pour l'évaluation des solutions réseaux. Dans
ce sens, on propose un mécanisme pour réduire la consommation énergétique des infrastructures
cellulaires, en contrôlant la puissance sur le réseau d'accès à différents moments
de la journée, tout en assurant la couverture géographique du réseau. On exploite
aussi ces données pour évaluer les gains apportés par une nouvelle architecture de
réseau d'accès, basée sur la virtualisation d'une partie du réseau et sa centralisation
dans un cloud. Nos résultats montrent que cette architecture est bénéfique du point
de vue des messages de signalisation, notamment pour les utilisateurs mobiles.
Note publique d'information : Mobile devices are becoming an integral part of our everyday digitalized life. In
2014, the number of mobile devices, connected to the internet and consuming traffic,
has even exceeded the number of human beings on earth. These devices constantly interact
with the network infrastructure and their activity is recorded by network operators,
for monitoring and billing purposes. The resulting logs, collected as mobile traffic
datasets, convey important information concerning spatio-temporal traffic dynamics,
relating to large populations with millions of individuals. The thesis sheds light
on the potential carried by mobile traffic datasets for future cellular networks.
On one hand, we target the analysis of these datasets. We propose a usage patterns
characterization framework, capable of defining meaningful categories of mobile traffic
profiles and classifying network usages accordingly. On the other hand, we exploit
mobile traffic datasets to evaluate two dynamic networking solutions. First, we focus
on the reduction of energy consumption over typical Radio Access Networks (RAN). We
introduce a power control mechanism that adapts the RAN's power configuration to users
demands, while maintaining a geographical coverage. We show that our scheme allows
to significantly reduce power consumption over the network infrastructure. Second,
we study the problem of topology management of future Cloud-RAN (C-RAN). We propose
a mobility-driven dynamic association scheme of the C-RAN components, which takes
into account users traffic demand. The introduced strategy is observed to lead to
important savings in the network, in terms of handovers.
paprika.idref.fr
data.idref.fr
Documentation
