From Human Routine to More Efficient Mobile Networks

Résumé : L’omniprésence des communications a entraîné une récente augmentation des volumes de données mobiles, pour laquelle les opérateurs n’étaient pas toujours préparés. Les smartphones sont les plus gros consommateurs de données mobiles. Ces appareils peuvent être considérés comme méchants à cause d’un tel traffic, mais d’un point de vue analytique ils fournissent, aujourd’hui un des meilleurs moyens afin de collecter les données sur le comportement de consommation et de mobilité de grande échelle. Comprendre le comportement des utilisateurs sur leur mobilité et leur connectivité est nécessaire à la création d’un système de communication effectifs. Nous sommes routiniers. Ces cycles routiniers sont une grande partie de nos interactions avec le monde. Par exemple, nos habitudes definissent ce que l’on va faire le samedi ou les sites que nous consultons le lundi matin. Ces comportements répétés reflètent nos déplacements et activités en ligne. Dans cette thèse, nous allons nous concentrer sur les demandes de traffic générées par les usagers métropolitains durant leurs activités quotidiennes. Nous présentons une étude détaillée des usagers selon les comportements routiniers de mobilité ou d’activité sur internet. Dans une étude de cas, ou cette enquête serait utile, nous proposons une stratégies de déploiement de points de accès qui prendra en compte les aspects routiniers de la mobilités des utilisateurs. Nous étudirons en premier lieu, les modèles de mobilité en milieu urbain. Nous analyserons les données de mobilité à grande échelle dans de grandes villes comme Beijing, Tokyo, New York, Paris, San Francisco, London, Moscow, Mexico City. Cette contribution se fait en deux étapes. Premièrement, nous observerons les similitudes des déplacements peu importe la ville concernée. Ensuite, nous mettrons en évidence trois caractéristiques présentes dans les déplacements d’une population urbaine typique: Répétivité, utilisation de raccourcis, confinement. Ces caractéristiques sont dues à la tendance qu’ont les personnes à revisiter les même rues en utilisant les trajectoires proches du chemin le plus court. D’ailleurs, les personnes ont une mobilité quotidienne inférieure à dix kilomètres par jour. Nous avons ensuite étudié les modèles de demandes de traffic en utilisant une base de données comprenant les données de 6.8 millions d’utilisateurs. Pour cela nous avons principalement deux contributions. Premièrement, une caractérisation précise des comportements de consommation des utilisateurs agrégés par modèle. Nous pouvons voir comment les routines quotidiennes impactent nos demandes de connections et la similarité de ce traffic en fonction des jours. En suite, nous fournirons un moyen de reproduire artificiellement mais avec cohérence les modèles des utilisateurs de données mobiles. Ces données synthétisées ont l’avantage de permettre la planification du réseau sans information sur la vie privées de utilisateurs comme les bases de données d’origine. Afin d’évaluer l’efficacité de ces informations dans un scénario grandeur nature, nous proposerons une stratégie de deploiement de points de accès qui prend en compte les caractéristiques routinières en terme de déplacement et de demande de trafic dans le but d’améliorer la décharge de données mobile. Déployer correctement des points de accès WiFi peut être moins cher que d’améliorer l’infrastructure de réseaux mobiles, et peut permettre d’améliorer considérablement la capacité du réseau. Notre approche améliore l’évacuation de trafic comparée aux autres solutions disponibles dans la littérature.
Type de document :
Thèse
Networking and Internet Architecture [cs.NI]. École Polytechnique, 2015. English
Liste complète des métadonnées

https://pastel.archives-ouvertes.fr/tel-01160280
Contributeur : Eduardo Mucelli Rezende Oliveira <>
Soumis le : jeudi 4 juin 2015 - 20:32:30
Dernière modification le : jeudi 10 mai 2018 - 01:15:58
Document(s) archivé(s) le : mardi 25 avril 2017 - 03:17:27

Fichier

Licence


Copyright (Tous droits réservés)

Identifiants

  • HAL Id : tel-01160280, version 1

Collections

Citation

Eduardo Mucelli Rezende Oliveira. From Human Routine to More Efficient Mobile Networks. Networking and Internet Architecture [cs.NI]. École Polytechnique, 2015. English. 〈tel-01160280〉

Partager

Métriques

Consultations de la notice

433

Téléchargements de fichiers

802