دوره 22، شماره 1 - ( 3-1404 )
جلد 22 شماره 1 صفحات 24-13 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Nazari A, Fallah M, Taheri M J, Diyanat A. Drive Test Route Optimization in Mobile Networks. JSDP 2025; 22 (1) :13-24
URL: http://jsdp.rcisp.ac.ir/article-1-1428-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-1428-fa.html
نظری علی، فلاح مصطفی، طاهری محمدجواد، دیانت ابوالفضل. بهینه‌سازی مسیر درایوتست در شبکه‌های تلفن همراه. پردازش علائم و داده‌ها. 1404; 22 (1) :13-24
کارشناس‌ارشد مهندسی کامپیوتر گرایش شبکه‌های کامپیوتری، دانشگاه علم و صنعت ایران، تهران، ایران
چکیده: (239 مشاهده)
عملکرد سلول‌ها در ناحیه دسترسی رادیویی شبکه‌های تلفن همراه به‌صورت مستمر پایش می‌شود تا عمل‌گرها بتوانند کیفیت و پوشش شبکه را در برابر تغییرات محیطی و الگوی مصرف کاربران بهینه‌سازی کنند. درایوتست یک روش مرسوم برای جمع‌آوری داده در مورد وضعیت شبکه در موقعیت‌های مختلف جغرافیایی است؛ در این روش، تمام نقاط جغرافیایی شامل تمامی خیابان‌ها و معابر یک بخش از نقشه پیمایش می‌شود تا وضعیت سرویس‌دهی شبکه در این نقاط مشخص شود. عمل‌گرها از داده‌های ارزشمند به‌دست‌آمده از این روش برای بهینه‌سازی شبکه‌های تلفن همراه استفاده می‌کنند. این فرایند هزینه زیادی برای عمل‌گرهای شبکه به همراه دارد و زمان‌بر است. در این مقاله، روش جدیدی برای بهینه‌سازی فرایند جمع‌آوری داده‌ها در درایوتست شبکه‌های تلفن همراه ارائه می‌شود تا به جای پیمایش تمامی معابر در یک منطقه، یک مسیر جایگزین و کوتاه‌تر پیمایش شود و بتوان با هزینه کمتری به نقاطی که RSRP نامناسبی در یک بخش از شهر دارند، دست‌یافت؛ علاوه‌بر این، در این مقاله معیاری برای ارزیابی یک مسیر برای انجام درایوتست معرفی شده که تابعی از میزان موفقیت این مسیر در یافتن نقاط دارای RSRP نامناسب و مسافت لازم برای پیمایش این مسیر است؛ درنهایت، مسیر پیشنهادی در این روش نیز با استفاده از داده‌های واقعی درایوتست‌های قبلی و معیار معرفی‌شده ارزیابی شده‌است.
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات پردازش داده‌های رقمی
دریافت: 1403/4/8 | پذیرش: 1403/9/14 | انتشار: 1404/3/31 | انتشار الکترونیک: 1404/3/31
دریافت: 1403/4/8 | پذیرش: 1403/9/14 | انتشار: 1404/3/31 | انتشار الکترونیک: 1404/3/31
فهرست منابع
1. A. Taufique, M. Jaber, A. Imran, Z. Dawy, and E. Yacoub, "Planning wireless cellular networks of future: Outlook, challenges and opportunities," IEEE Access, vol. 5, pp. 4821-4845, 2017. [DOI:10.1109/ACCESS.2017.2680318]
2. T. R. A. Network, "Study on minimization of drive-tests in next generation networks;(release 9)," 3GPP TR 36.805.
3. L. M. Silalahi, S. Budiyanto, F. A. Silaban, I. U. V. Simanjuntak, and A. D. Rochendi, "Improvement of Quality and Signal Coverage LTE in Bali Province Using Drive Test Method," in 2021 International Seminar on Intelligent Technology and Its Applications (ISITIA), 2021, pp. 376-380. [DOI:10.1109/ISITIA52817.2021.9502227]
4. M. Skocaj et al., "Cellular network capacity and coverage enhancement with MDT data and deep reinforcement learning," Comput Commun, vol. 195, pp. 403-415, 2022. [DOI:10.1016/j.comcom.2022.09.005]
5. J. Thrane, M. Artuso, D. Zibar, and H. L. Christiansen, "Drive test minimization using deep learning with Bayesian approximation," in 2018 IEEE 88th Vehicular Technology Conference (VTC-Fall), 2018, pp. 1-5. [DOI:10.1109/VTCFall.2018.8690911] [PMID]
6. C. Sun, K. Xu, M. K. Marina, and H. Benn, "Gendt: mobile network drive testing made efficient with generative modeling," in Proceedings of the 18th International Conference on emerging Networking EXperiments and Technologies, 2022, pp. 43-58. [DOI:10.1145/3555050.3569124]
7. M. F. A. Fauzi, R. Nordin, N. F. Abdullah, H. A. H. Alobaidy, and M. Behjati, "Machine Learning-Based Online Coverage Estimator (MLOE): Advancing Mobile Network Planning and Optimization," IEEE Access, vol. 11, pp. 3096-3109, 2023. [DOI:10.1109/ACCESS.2023.3234566]
8. P. Chao, Y. Xu, W. Hua, and X. Zhou, "A survey on map-matching algorithms," in Databases Theory and Applications: 31st Australasian Database Conference, ADC 2020, Melbourne, VIC, Australia, February 3-7, 2020, Proceedings 31, 2020, pp. 121-133. [DOI:10.1007/978-3-030-39469-1_10]
9. W. Li, Y. Chen, S. Wang, H. Li, and Q. Fan, "A Novel Map Matching Method Based on Improved Hidden Markov and Conditional Random Fields Model," Int J Digit Earth, vol. 17, no. 1, p. 2328366, 2024. [DOI:10.1080/17538947.2024.2328366]
10. S. Gupta, A. Rana, and V. Kansal, "Comparison of Heuristic techniques: A case of TSP," in 2020 10th International Conference on Cloud Computing, Data Science & Engineering (Confluence), 2020, pp. 172-177. [DOI:10.1109/Confluence47617.2020.9058211]
11. N. Christofides, "The vehicle routing problem," Revue française d'automatique, informatique, recherche opérationnelle. Recherche opérationnelle, vol. 10, no. V1, pp. 55-70, 1976. [DOI:10.1051/ro/197610V100551]
12. ابراهیمی مود سپهر، جاویدی محمد مسعود، خسروی محمدرضا. ارائه الگوریتم جست‌وجوی گرانشی مقید و حل مسأله مسیریابی وسایل نقلیه. پردازش علائم و داده‌ها. ۱۴۰۰; ۱۸ (۴) :۲۳-۳۶
12. S. Ebrahimi Mood, M. M. Javidi, and M. R. Khosravi, "Proposing a Constrained-GSA for the Vehicle Routing Problem," Signal and Data Processing, vol. 18, no. 4, pp. 23-36, Mar. 2022, doi: 10.52547/jsdp.18.4.23. [DOI:10.52547/jsdp.18.4.23]
13. E. B. Tirkolaee, A. Goli, S. Gütmen, G.-W. Weber, and K. Szwedzka, "A novel model for sustainable waste collection arc routing problem: Pareto-based algorithms," Ann Oper Res, vol. 324, no. 1, pp. 189-214, 2023. [DOI:10.1007/s10479-021-04486-2] [PMID] []
14. M. E. Johnson, L. M. Moore, and D. Ylvisaker, "Minimax and maximin distance designs," J Stat Plan Inference, vol. 26, no. 2, pp. 131-148, 1990. [DOI:10.1016/0378-3758(90)90122-B]
15. Neshan, "Map Matching API," 2023.
16. Neshan, "Neshan Direction API Documentation."
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
