Details

Abstrakt in Englisch

Without doubt, network operators continuously face an inevitable increase in mobile data traffic demand, the largest share of which will be video streaming. Additionally, spatio-temporal traffic fluctuations cause local capacity bottlenecks in cellular networks, which are strongly connected with rising interference levels and worsening quality of experience. Network densification and self-organization (SON) capabilities are considered to counteract such problems in upcoming 5G networks. However, a large number of wireless access nodes and future smart IoT and MTC devices render network management increasingly complex. Flow-level modeling techniques help avoid enormous simulation effort and enhance SON solutions. Flow-level models for interference-coupled cellular data networks are generalized by the aspect of admission control in this thesis. A comprehensive performance evaluation framework with respect to various key performance indicators is thereby established. The metrics presented include the distribution of video startup delays and the probability of video buffer starvations to address the increasing popularity of mobile video services. The traffic demand distribution across the network is identified as the main extrinsic factor that affects the quality of experience perceived by single mobile users. In particular, the amount of traffic served by neighboring base stations can have a similarly strong impact as increased traffic load in a cell. Motivated by this, a detailed analysis of the spatial traffic distribution is carried out based on call traces measured across a 3G network. It becomes apparent that the traffic density can be modeled according to a log-normal distribution. An efficient method to generate large sets of log-normally distributed and spatially correlated traffic maps is introduced, which facilitates an effective design and a reliable evaluation of self-organizing network algorithms if it is applied along with the extended flow-level model. The application is illustrated by means of two specific examples. In one example, advanced models for phased-array antennas are combined with the flow-level model and an algorithm is proposed, which jointly adjusts the spherical directions of multiple sub-beams per antenna for a set of base stations in the network. It is shown that the beamforming algorithm outperforms state-of-the-art antenna tilt optimizers in terms of cell edge throughput by a factor of three on average. However, beamforming performance is sensitive to the traffic hot spot size and their traffic demand intensity. In particular, the algorithm robustness decreases as the traffic standard deviation and the correlation distance increase.

Abstrakt in Deutsch

Netzbetreiber sehen sich zunehmend mit der Erhöhung des mobilen Datenverkehrs, wovon Video-Streaming den größten Anteil haben wird, konfrontiert. Zudem verursachen räumlich-zeitliche Verkehrsschwankungen in Mobilfunknetzen lokale Kapazitätsengpässe, die mit steigender Interzell-Interferenz und schlechter Nutzerqualität einhergehen. Eine weitere Verdichtung der Netze und Fähigkeiten zu ihrer Selbstorganisation werden als wichtige Aspekte der zukünftigen fünften Mobilfunkgeneration angesehen, um solchen Problemen zu entgegnen. Allerdings werden Netzwerkmanagementlösungen durch die steigende Anzahl von Basisstationen und mobilen Endgeräten, z. B. für IoT- und MTC-Anwendungen, immer komplexer. Flow-Level-Modelle können helfen, großen Simulationsaufwand bei der Netzwerkplanung und -selbstoptimierung zu vermeiden und Lösungen dafür zu verbessern. In dieser Arbeit wird ein Flow-Level-Modell für Interferenz-gekoppelte, zellulare Mobilfunknetze durch den Aspekt der Zugangskontrolle verallgemeinert, sodass sich ein umfangreiches Werkzeug zur Bewertung solcher Netze hinsichtlich vieler Performanzmetriken ergibt. Solche Metriken umfassen beispielsweise die Verzögerungen der Videowiedergabe und die Wahrscheinlichkeit, dass der Videopuffer am Endgerät leer läuft. Die Datenverkehrsnachfrage wird als größter extrinsischer Einflussfaktor hinsichtlich der durch den Nutzer empfundenen Netzqualität identifiziert. Dies dient als Motivation, eine detaillierte Analyse der räumlichen Verkehrsverteilung in einem 3G-Netzwerk basierend auf gemessenen Call Traces durchzuführen. Es stellt sich heraus, dass, unter anderem, die Verkehrsdichte entsprechend einer Lognormal-Verteilung modelliert werden kann. Darauf aufbauend wird eine effiziente Methode entwickelt, um lognormal-verteilte und räumlich korrelierte Verkehrskarten zu generieren, welche, zusammen mit dem Flow-Level-Modell, ein effektives Design und eine zuverlässige Evaluierung von Netzoptimierungsalgorithmen ermöglicht. Dies wird anhand zweier Beispiele erläutert. In einem Beispiel wird ein Modell für Phased-Array-Antennen mit dem Flow-Level-Modell kombiniert und ein Algorithmus vorgeschlagen, welcher die Richtungen mehrerer Teilstrahlen je Antenne für eine Gruppe von Basisstationen optimiert. Es wird gezeigt, dass dieser Beamforming-Algorithmus herkömmlichen Antennenneigungswinkel-Optimierern hinsichtlich des Durchsatzes am Zellrand im Durchschnitt um den Faktor drei überlegen ist. Jedoch nimmt die Robustheit mit der Standardabweichung und dem räumlichen Korrelationsabstand des Verkehrs ab.