Развитие сетей мобильной связи в наше время осуществляется чрезвычайно высокими темпами. Растет пропускная способность каналов связи, расширяется набор предлагаемых сервисов, даже появляются новые концепции мобильных сетей связи. И если 20 лет назад массовыми средствами мобильной связи можно было назвать лишь эфирное телевидение и радиовещание, то сейчас почти у каждого человека есть мультисервисное устройство, которое позволяет не только осуществлять телефонные разговоры, но и обеспечивает доступ в Интернет, позволяет осуществлять видеозвонки и телефонные конференции. Кроме этого есть масса других применений мобильных сетей связи, таких как создание домашних сетей передачи данных и глобальное позиционирование. Эти услуги очень востребованы, поэтому научные исследования в этом направлении являются актуальными.

Технология LTE является одной из наиболее перспективных технологий мобильной связи, ее относят к технологиям четвертого поколения мобильных сетей. Однако при развертывании сети четвертого поколения в нынешних условиях возникают некоторые трудности. Прежде всего, необходимо выделить достаточно широкий свободный частотный диапазон. Кроме того, рост трафика данных приведет к тому, что к каждой базовой станции нужно будет подводить широкий канал транспортной сети. Установка нового оборудования и его согласование с существующей инфраструктурой та также требует значительных затрат.

Одним из средств мягкого перехода на новую технологию мобильной связи, которое позволяет наиболее рационально использовать имеющиеся ресурсы, является применение концепции SON (самоорганизующиеся сети), что позволит минимизировать затраты оператора при развертывании сети LTE.

Концепция самоорганизующихся сетей (SON) предназначена для оптимизации всех рабочих процессов оператора мобильной связи именно в этом отношении. Самоорганизация является логическим результатом усложнения сетей связи. За счет того, что объем информации о параметрах сети стал чрезвычайно большим, был осуществлен переход от количества к качеству: сеть стала достаточно интеллектуальной, чтобы управление ею можно было сделать полностью автоматическим. Кроме того, ситуация в сети обычно меняется настолько динамично, что человек как управляющий элемент не может принимать решения достаточно оперативно.

Главной целью SON является уменьшение OPEX - операционных затрат оператора. Для этого необходимо уменьшить количество рабочих процессов, необходимых для обслуживания сети. Основу для сокращения операционных расходов составляет тот факт, что при использовании SON уменьшается количество операций по настройке работы базовых станций, требующих непосредственного участия технического персонала. Согласно этому, можно уменьшить и количество работников, налаживающих базовые станции. В целом OPEX уменьшаются примерно на 30%.

Тремя основными принципами концепции SON является самоконфигурация, самовосстановление и самооптимизация. Все эти три принципа призваны уменьшить операционные затраты оператора на содержание сети.

Целью этой работы является повышение показателей эффективности сети LTE при обеспечении заданных параметров качества обслуживания абонентов за счет оптимального использования ограниченных частотных и технических ресурсов оператора.

Для достижения этой цели необходимо решить ряд задач.

1. Провести анализ существующей ситуации на рынке мобильной связи и перспектив создания сети четвертого поколения
2. Изучить целесообразность внедрения технологий SON, позволяющих повысить эффективность использования ресурсов, при построении сети стандарта LTE
3. Разработать критерий эффективности использования ресурсов оператора
4. Разработать математическую и программную модель динамического перераспределения ресурсов сети при неравномерном распределении нагрузки по обслуживаемой территории
5. Провести исследование этой модели и разработать рекомендации относительно технических решений при внедрении технологии LTE

Проект имеет такую ​​научную и техническую новизну:

• Разработан интегральный критерий эффективности использования ресурсов
• Доказана целесообразность построения сети LTE/SON как наиболее эффективно использующей ресурсы оператора
• Разработана математическая модель самоорганизующейся сети на базе алгоритма оптимизации муравьиными колониями
• Разработано программное обеспечение, реализующее указанную математическую модель
• Даны рекомендации оператору по развертыванию LTE-сети на базе существующей сети

Целью концепции SON является оптимизация работы сети мобильной связи. Очевидно, что при анализе работы сети LTE/SON следует определить критерий, по которому будет осуществляться оценка ее эффективности. В данной работе таким критерием является максимизация прибыли оператора. Для достижения этого следует приблизить скорость, предоставленную абонентам, к скорости, в которой они нуждаются. При этом учитывается, что зависимость прибыли с абонента от скорости, которая ему предоставляется, нелинейна.

В математическом смысле этот критерий можно формализовать так:

где Y_ik - пропускная способность, предоставленная ​​i-му абоненту k-й категории, C _k(Y) - доходность абонента в зависимости от скорости, которая ему предоставлена, C_k.max - максимально возможная доходность абонента, Y_ik.required - скорость, в которой нуждается i-й абонент.

Фактически, для приближения значения K к единице необходимо минимизировать потери по нагрузке. В существующих технологиях мобильной связи это осуществляется путем снижения скорости передачи для абонентов, имеющих низкий приоритет. Концепция SON позволяет провести оптимизацию путем перераспределения абонентов по БС, что позволяет приблизить распределение нагрузки по БС к равномерному. Очевидно, что в некоторых случаях перераспределение абонентов по БС не даст необходимого результата. Таким образом, целесообразно комбинировать этот метод с понижением скорости абонентов с низким приоритетом в случае большого значения показателя потерь.

При моделировании любой сети мобильной связи обычно используются методы теории телетрафика. Но математическое описание процессов, происходящих в сети LTE/SON, имеет свою специфику. В частности, при использовании распределенного и гибридных SON базовые станции сети самостоятельно изменяют некоторые свои параметры под воздействием сигналов от других станций. Такие процессы очень похожи по характеру на те, которые происходят в нейронных сетях, то есть БС можно рассматривать как нейрон. Учитывая это, целесообразно применить методы имитационного моделирования поведения массовых популяций. В данном случае абоненты рассматриваются как члены такой популяции. Наиболее целесообразным является использование метода мягкой оптимизации муравьиными колониями (АСО). При этом модель, основанная на идеях мимикрии, учитывает возможность «маркировки пути» так называемым феромоном, который выступает в роли своеобразной обратной связи.

Таким образом, процесс оптимизации, который реализован в разработанной модели, происходит в два этапа: перераспределение абонентов по базовым станциям и возможное снижение скорости для абонентов с низким приоритетом.

Рисунок 1 - Общая логика оптимизационного процесса

При перераспределении абонентов по базовым станциям учитывается, что каждая БС имеет две зоны обслуживания - основную, в которой мощность сигнала от этой станции намного превышает мощность всех других сигналов, и периферийную, в которой абоненты могут обслуживаться одной из нескольких БС. Для абонентов, находящихся в периферийной зоне, алгоритм выбора БС базируется на массиве приоритетов базовых станций, которые рассчитываются по формуле:

где P_j - приоритет j-й БС для текущего абонента d_j - расстояние от j-й БС до текущего абонента, K_ho - коэффициент хэндовера.

Абонент передается той БС, которая имеет наивысший приоритет. После вычисления приоритетов всех БС и, соответственно, назначение каждого абонента некоторой БС, вычисляется нагрузка, которую создает каждая базовая станция на транспортную сеть. Фактически осуществляется переход от данных о территориальном распределении абонентов к данным о распределении нагрузки по БС.

Вышеупомянутая модель является статической, т.е. рассматривает только один вариант расположения абонентов и базовых станций. Она реализует такую ​​функцию концепции SON, как Mobility Load Balancing (MLB), т.е. мобильная балансировка нагрузки. Но в реальных системах абоненты мобильной связи всегда двигаются, в связи с чем возникают дополнительные проблемы, требующие решения. Одной из таких проблем является проблема своевременного хэндовера. Для контроля момента хэндовера существует такая функция концепции самоорганизующихся сетей как Mobility Robustness Optimization (MRO), или оптимизация мобильной устойчивости. Именно для реализации MRO служит коэффициент хэндовера в формуле приоритета базовой станции.

Значение этого коэффициента равно 1, если станция, к которой абонент уже подключен, совпадает с рассматриваемой базовой станцией. В противном случае его значение лежит в пределах (0;1). Негативное влияние хэндовера в сети LTE заключается не столько в том, что абонент чувствует задержку (которая составляет всего 30 мс), сколько в нагрузке, которую эта операция создает на сеть. В этой операции задействованы обе базовые станции, поэтому в рамках модели можем считать, что в течение того интервала дискретизации модели, когда абонент совершает хэндовер, его обслуживают сразу две базовые станции. Это предположение позволит учесть негативное влияние хэндовера на работу сети.

Рассмотренная выше модель была реализована программно с помощью языка программирования Ruby. При разработке программы была использована концепция объектно-ориентированного программирования. В программе реализованы 6 объектов, из которых строится система: модуль ввода, модуль вывода, модуль управления, абонент, базовая станция, взаимодействие.

Модуль ввода выполняет операции чтения из файла входных параметров, а также генерирует распределение абонентов по плоскости на основе заданной плотности вероятности.

Объекты "абонент" и "базовая станция" включают набор переменных и функций, описывающих все необходимые параметры отдельного абонента и отдельной базовой станции соответственно. В программе обычно существует много экземпляров этих объектов, организованы как массив абонентов и массив базовых станций.

Объект "взаимодействие" работает с массивами объектов "абонент" и "базовая станция". Именно этот объект определяет, какой абонент обслуживается которой базовой станцией. В этом объекте реализован алгоритм оптимизации муравьиными колониями. В программе существует лишь один экземпляр этого объекта.

Модуль вывода данных представляет информацию, вычисленную программой, в удобном для человека виде: графически или в текстовом виде. При необходимости может быть заменен модулем трансформации полученной информации в формат входных данных для другой программы.

Модуль управления является центральным объектом программы. В нем не реализованы никакие вычислительные функции, но именно этот модуль определяет логику работы программы и организует передачу данных от одних объектов другим.

В качестве входных данных для моделирования был выбран район города Донецка с определенным расположением базовых станций и случайным расположением абонентов с учетом типового местонахождения абонентов того или иного типа. Целью моделирования было предоставление рекомендаций оператору относительно оптимального соотношения количества базовых станций и нужной полосы частот, а также использование традиционного подхода к построению сети или подхода согласно концепции SON с учетом количества абонентов в долгосрочном периоде.

Графики на рисунках 2а и 2б отражают зависимость значения критерия K от количества базовых станций Nbs и полосы частот ΔF при фиксированном значении числа абонентов. Пользуясь ими, можно порекомендовать оператору построить сеть с использованием концепции SON, в которой будет работать 75 базовых станций в рассматриваемом районе. Необходимый частотный ресурс составит 10 МГц. Это обеспечит прибыль оператора на уровне около 98% от возможного при количестве абонентов, для которого была промоделирована работа сети.

а) при традиционном подходе б) при подходе с использованием SON
Рисунок 2 - График K (Nbs, ΔF)

В результате моделирования также была получена зависимость K(Nusr,Nbs,ΔF), где N_usr - количество абонентов, N_bs - количество базовых станций, ΔF - ширина частотного диапазона. Графики для этой зависимости приведены на рисунках 3а и 3б. Значение критерия К обозначено цветом.

а) при традиционном подходе б) при подходе с использованием SON
Рисунок 3 - График K(Nusr, Nbs, ΔF)
Этот рисунок анимирован. Для просмотра обновите веб-страницу.

Поскольку значение критерия является пропорциональным прибыли оператора, из полученных данных можно определить оптимальную конфигурацию сети, сравнивая стоимость той или иной конфигурации с прибылью от такой сети. При этом может быть учтен рост нагрузки на сеть в связи с ростом количества абонентов.

Графики, построенные на основе конкретного района города Донецка, дают реальную информацию оператору о количестве базовых станций, которые нужно расположить на определенной территории, необходимой полосе частот и количестве абонентов в этом районе, расположенных на территории района согласно определенному распределению плотности вероятности, которые могут быть обслужены с определенным уровнем качества обслуживания. Такое моделирование может быть проведено для любого района, но надо понимать, что задача оптимизации в данном случае является NP-полной, и, хотя объем информации, который должен быть вычислен, значительно меньше по сравнению с полным перебором вариантов за счет использования метаэвристического алгоритма, но время вычисления все равно экспоненциально возрастает с линейным ростом количества базовых станций.

На момент написания данного автореферата квалификационная работа магистра еще не завершена. Дата окончательного завершения работи: 1 декабря 2011г. Полный текст работи и материалы по теме работи могут быть получены у автора или его научного руководителя после указанной дати.

1. И.В. Дегтяренко, Д.С. Шахов, Д.А. Кнерцер, А.А. Орехов Модель розвитку мережі мобільного оператора при використанні технології LTE/SON // Наукові праці Донецького національного технічного університету. Серія: Обчислювальна техніка та автоматизація. Випуск: 20 (182). Стр. 130-136.
2. Кнерцер Д.А., Дегтяренко И.В. Розробка та дослідження моделі cегмента мережі, що самоорганізується, на базі технології LTE // Тези всеукраїнського конкурсу студентських наукових робіт з природничих, технічних та гуманітарних наук у 2010/2011 р.р.("Телекомунікаційні системи та мережі", "Інформаційні мережі зв'язку"). - Одеса: ВМВ, 2011. - 24 с.
3. Moray Rumney. LTE and the Evolution to 4G Wireless: Design and Measurement Challenges. - Agilent Technologies. – 557 p.
4. Farooq Khan. LTE for 4G Mobile Broadband: Air Interface Technologies and Performance. – Cambridge University Press. – 492 p.
5. Стандарт ETSI TR 136 902 V9.3.1 (2011-05). LTE; Evolved Universal Terrestrial Radio Access Network (E-UTRAN); Self-configuring and self-optimizing network (SON) use cases and solutions
6. LTE SON: How Does It Work? [Електронний ресурс] - Режим доступу http://wwwen.zte.com.cn/endata/magazine/ztetechnologies/2009year/no5/articles/200905/t20090518_171482.html вільний. Назва з екрана.
7. Opportunities with self organizing / self optimizing networks (SON) [Електронний ресурс] - Режим доступу http://radioplan.us/docs/oliver_wyman_actix_son_analysis_for_website.pdf вільний. Назва з екрана.
8. Marco Dorigo, Thomas Stuzle. Ant Colony Optimization. – Massachusetts Institute of Technology. – 2004. – 368 p.
9. Муравьиные алгоритмы [Електронний ресурс] - Режим доступу http://habrahabr.ru/blogs/algorithm/105302/ вільний. Назва з екрана.
10. 3GPP Long-Term Evolution / System Architecture Evolution Overview [Електронний ресурс] - Режим доступу http://www.ikr.uni-stuttgart.de/Content/itg/fg524/Meetings/2006-09-29-Ulm/01-3GPP_LTE-SAE_Overview_Sep06.pdf вільний. Назва з екрана.