MétaCan
Menu
Retour à la cohorte
Enregistrement W2008498079 · doi:10.1109/pimrc.2012.6362516

Economics of user-in-the-loop demand control with differentiated QoS in cellular networks

2012· article· en· W2008498079 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceProvisioningQuality of serviceComputer networkHandoverBase stationWirelessLaptopNetwork congestionTelecommunications

Résumé

récupéré en direct d'OpenAlex

Increasing cellular traffic is the driving force for innovations in wireless communications. While voice traffic is not expected to increase much and does not require 4G systems, traffic for video and data applications is expected to grow with a rate of 100% per year. Smart mobile devices, tablets and laptop dongles will certainly make this a reality. On the other hand the supply side cannot grow with the same rate. Base stations, eNB, pico- and femtocells will bring more heterogeneity in space and new applications will bring more heterogeneity in demand over time. Designing for over-provisioning capacity has been the standard approach to stabilize traffic, but is will be harder and harder, with more congestion situations in time (busy hour) and space (crowded cell) which will break application traffic and give bad quality-of-experience of users. Furthermore, over-provisioning comes with more power consumption and higher financial expenditures for infrastructure and operating costs. The user-in-the-loop (UIL) approach offers a solution orthogonal to the traditional supply-only view. In addition to technical improvements, having a temporal demand control can alleviate the severity of busy-hour situations which formerly caused congestion and connection failures. Demand shaping is implemented by a dynamic usage-based tariff and adaptive rates depending on the load condition. The users in a cell are part of a closed control loop which reacts in cases of severe demand overload. In this paper three different service classes are controlled individually and results from analysis and simulation show the performance in stationary and dynamic scenarios. The economics of tariffs and dynamic prices and the resulting operator revenue on one side is compared to the dissatisfaction of rejected users and this gives decision indicators for the investment into new infrastructure. Overall this saves money, energy and turns situations of hard congestion into an elastic stationarity which is in the interest of both users and operators.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,451
Score d'incertitude au seuil0,350

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,161
Écart entre enseignants0,157 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

En bref

Citations4
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Wireless Network OptimizationTravaux en français237 207