Análisis de expansión de redes de telefonía móvil empleando procesos Gaussianos
| Autor: | Jhouben Janyk Cuesta Ramírez, Mauricio Alexander Álvarez López, Álvaro Ángel Orozco Gutiérrez |
|---|---|
| Rok vydání: | 2014 |
| Předmět: |
lcsh:T
lcsh:TA1-2040 aprendizaje de máquina KPIs Procesos Gaussianos red global de telefonía (GSM) regresión lcsh:Engineering (General). Civil engineering (General) lcsh:Technology Gaussian Processes GSM networks KPIs machine learning regression aprendizaje de máquina kpis procesos gaussianos red global de telefonía (gsm) regresión |
| Zdroj: | ITECKNE; Vol 10, No 2 (2013); 149-157 Iteckne, Vol 10, Iss 2, Pp 149-157 (2014) |
| ISSN: | 2339-3483 1692-1798 |
| Popis: | Durante la formulación de su plan de expansión, una red de telefonía móvil (GSM) requiere del análisis de aquellas variables que resultan clave para el buen desempeño de la red (KPIs). Los operadores de red poseen herramientas que analizan el comportamiento del KPI sólo para aquellos puntos de la red que contienen celdas. Este artículo propone una herramienta que ilustra de manera gráfica el comportamiento en el tiempo de un KPI, no sólo para aquellos puntos donde se encuentren las celdas, sino también en la totalidad de la zona geográfica donde la red de celdas se encuentra ubicada. Se aplica un Proceso Gaussiano de Regresión a mediciones obtenidas de las celdas pertenecientes a la red y se infiere una superficie que representa el comportamiento en el tiempo para toda la zona. Finalmente se observa cómo una región de la red con poca densidad de celdas sostiene valores elevados del KPI la mayoría del tiempo invitando al operador de red a tener en cuenta la solución del problema de dicha región en la formulación del plan de expansión. Abstract— the expansion plan of a Global System Mobile (GSM) network requires the analysis of some important variables known as key performance indicators (KPI) on the network. Network operators have tools for analyzing a KPI behavior on a particular network cell. This paper proposes a tool that illustrates graphically the behavior-in-time of a KPI in a whole geographical zone (including cell positions). A Gaussian process repressor is used over a real data set and time-space inference is performed. Finally we observe how a particular region presents high-KPI values most of the time. This alerts the network operator for including a solution in the formulation phase of the network expansion plan. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|