Data-Driven Self-Management of Cellular Radio Access Networks.

Abstract

En la actualidad, las redes de comunicaciones móviles están experimentando grandes cambios para hacer frente a la creciente demanda de servicios móviles. Como resultado, el tamaño y la complejidad de estas redes ha crecido dramáticamente, evidenciando la necesidad de soluciones de gestión de red sin intervención humana. En la red de acceso radio, los operadores ya han abordado la automatización de los procedimientos de gestión en el pasado, dando lugar a las redes autoorganizadas. Sin embargo, las soluciones clásicas no serán efectivas en las redes de nueva generación que ofrecen servicios con requisitos de rendimiento extremadamente exigentes y diversos. Con los últimos avances en tecnologías de la información, se puede aprovechar la ingente cantidad de datos almacenados en el sistema de soporte a las operaciones de la red para desarrollar herramientas de gestión automática avanzadas basadas en datos, capaces de capturar las peculiaridades de cada red particular. Estas nuevas soluciones de gestión automática deben tener en cuenta las nuevas funcionalidades que surgen en 5G, como por ejemplo la segmentación de red.

Esta tesis aborda la creación de herramientas basadas en el uso intensivo de datos para dos casos de uso de autoplanificación y autooptimización muy extendidos: el redimensionado de la red de acceso radio y el balance de tráfico por movilidad. En ambos casos, se proponen soluciones para las redes radio clásicas, en las que los recursos se comparten por todos los usuarios, y para las nuevas redes de acceso radio segmentadas que aparecen en 5G.