Linha de pesquisa: Sistemas de Computação

Resumo: A evolução das redes móveis e o aumento de sua complexidade tem tornado o trabalho de ajuste fino do ambiente de RF cada vez mais complexo. Com isso, há um esforço dos órgãos padronizadores e da indústria para automação de processos trabalhosos e complexos, em especial o de otimização da cobertura da Radio Access Network (RAN) de um sistema celular. Algumas propostas, como a funcionalidade Minimization of Drive Tests (MDT), incluída nas últimas releases do 3GPP, visam à obtenção de dados crus da rede de modo a viabilizar o desenvolvimento de ferramentas que automatizem um trabalho que até então é realizado por engenheiros especializados. Porém, como observado na prática, os dados de cobertura de Radiofrequência (RF) são muitas vezes esparsos e não fornecem por si só informações abrangentes sobre a cobertura das células de modo a viabilizar uma análise criteriosa e metódica. Os principais problemas que levam à perda de eficiência de cobertura são os chamados overshooting, quando a célula cobre mais do que deveria, interferindo e reduzindo a capacidade das células vizinhas, e undershooting, quando a cobertura é muito menor do que deveria, causando falhas de serviço e subutilização dos recursos de redes. A proposta deste trabalho é apresentar a metodologia Automated Radio Coverage Anomalies Detection and Evaluation (ARCADE) de forma a, baseando-se em dados obtidos de sistemas de gerência celular ou de outras fontes (como drive tests ou crowdsourcing), ter-se um diagnóstico da eficiência da rede, com uma análise célula a célula em termos de otimização de sua cobertura. A proposta também tem como premissa que não há dados de projeto disponíveis (como altura de torres, direcionamento ou modelos de antenas, ou base de dados de terrenos). Isso elimina a dependência da confiabilidade e acuracidade desses dados e a necessidade de aquisição e integração dessas bases – desta forma simplificando a implementação da solução –, além dos desvios esperados dos vários modelos matemáticos teóricos de predição de propagação normalmente usados hoje. Este trabalho pode ser dividido em três problemas distintos a serem investigados sucessivamente. O primeiro trata da obtenção dos dados diretamente da rede, e propõe uma evolução na arquitetura do core network em suas próximas versões que viabilize a coleta e tratamento de informações que hoje não estão disponíveis para o uso em sistemas de analytics (internos ou externos à rede). O segundo deles vem da necessidade de se ter um modelamento adequado do ambiente de RF com base em dados muitas vezes esparsos, dependendo do volume de usuários aderentes à funcionalidade ou ao aplicativo. Também temos que considerar que nos dados haverá pontos considerados como outliers, provenientes de erros de leitura ou processamento, ou mesmo de medidas muito esporádicas fora do contexto desejado, como por exemplo, de dispositivos de usuários localizados em terraços altos, e que podem distorcer radicalmente o modelamento das coberturas se não forem descartados. O terceiro problema é o de como identificar se uma célula tem um comportamento anômalo em termos de cobertura com base no modelo do ambiente de RF, inferindo-se uma situação de normalidade ou não sem dados de projeto, topografia ou morfologia da geografia em questão. Diante desse contexto, propõe-se nessa tese uma metodologia que utiliza enriquecimento de dados esparsos usando-se um modelamento baseado em processos gaussianos de modo a se estabelecer uma condição de contorno para extrapolação da cobertura com a utilização de uma Rede Neural Artificial (RNA). Por fim, uma vez que haja um modelamento discreto da RAN na geografia analisada, essa tese também propõe que a determinação do grau de anormalidade da célula pode ser obtida através da análise de índices de eficiência de cobertura e análise de vizinhanças entre as mesmas. Desta forma, o método permite classificar as células tanto qualitativamente (em normais ou anormais) quanto quantitativamente (qual o grau de anormalidade observado em cada uma delas). Os resultados preliminares mostram que, tanto a metodologia usada no modelamento é adequada ao problema proposto quanto a classificação das células, são coerentes com o observado na prática. Essas classificações são confrontadas com análises práticas realizadas previamente por engenheiros especializados, uma vez que os dados utilizados vêm de um processo real de otimização de rede.
 

Link para a defesa:  https://teams.microsoft.com/dl/launcher/launcher.html?url=%2F_%23%2Fl%2F...