Cost-Efficient Citywide Neutral Host Design: A Micro-Operator Business Model for Expedited 5G and Beyond Network Infrastructure Rollout
Notice bibliographique
Résumé
Recently, skepticism has surrounded the ability of mobile network operators (MNOs) to achieve a timely mass rollout of 5G mobile network infrastructure. This is mainly due to the staggering number of antennas required and the unforeseen complexities involved, leading to a considerable disparity between total ownership cost (TCO) and return on investment (ROI), which is the primary concern from MNOs perspective. This amplifies significantly when contemplating universal 5G and beyond (5GB) coverage, pivotal for unlocking a myriad of innovative use cases and applications. Amidst these challenges, the concept of micro-operators represents a potential solution to augment the role of traditional MNOs in expediting the deployment of widespread 5GB infrastructure. Particularly, the newly emerging neutral host business model, wherein a third party assumes responsibility for providing coverage across multiple MNOs, stands as a compelling micro-operator solution, offering the sough-after cost-effectiveness and reliability. Our proposal in this paper relies on the dynamics observed in tidal traffic patterns of multi-tenant venues and citywide deployments to outline a cost-optimized design for a citywide neutral host micro-operator. Leveraging network slicing and statistical multiplexing techniques, our design approach enables real-time dynamic resource allocation. Additionally, the design integrates radio over Ethernet (RoE) and high availability seamless redundancy (HSR) protocols to meet the diverse service quality demands of 5GB applications. Simulation results demonstrate the scalability of our proposed design, meeting diverse 5GB QoS requirements across a spectrum of real-world citywide deployment scenarios, and cost-effectiveness by driving the TCO down by over 67%.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».