Load balancing in cellular networks with user-in-the-loop: A spatial traffic shaping approach
Notice bibliographique
Résumé
Long term user rate in cellular networks is the product of spectral efficiency achieved and the resources (time/frequency slots) allocated. The former is related to the received SINR, while the latter is limited by the load of the associated cell. The max-SINR cell association strategy has been used in cellular networks from GSM to LTE. This strategy maximizes the possible achieved spectral efficiency but fails to account for the load imbalance. Recently, there have been several investigations on load-aware cell association as an approach to match the traffic demand with the traffic supply, in which a user may associate to a less loaded cell, even though it does not necessarily provide the maximum SINR. In other words, a user is associated with a cell to get more share of resources at the cost of lower spectral efficiency. This paper goes beyond that by proposing a new load balancing approach that can simultaneously increase the user received SINR and the share of allocated resources. This is achieved by the user-in-the-loop (UIL) paradigm, which encourages the user to move to a new location that maximizes the utility function considering the received SINR, cell load and the probability of moving. Numerical results show that the UIL can increase the mean user rate substantially in comparison to the max-SINR or the load-aware cell association strategy, and also results in a more balanced load across the network.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».