Hyppää sisältöön
    • Suomeksi
    • På svenska
    • In English
  • Suomi
  • Svenska
  • English
  • Kirjaudu
Hakuohjeet
JavaScript is disabled for your browser. Some features of this site may not work without it.
Näytä viite 
  •   Ammattikorkeakoulut
  • Tampereen ammattikorkeakoulu
  • Opinnäytetyöt (Avoin kokoelma)
  • Näytä viite
  •   Ammattikorkeakoulut
  • Tampereen ammattikorkeakoulu
  • Opinnäytetyöt (Avoin kokoelma)
  • Näytä viite

LTE-verkon solujen ryhmittely ylälinkin tehokkuuden perusteella

Rantanen, Marko (2025)

Avaa tiedosto
Rantanen_Marko.pdf (1.289Mt)
Lataukset: 


Rantanen, Marko
2025
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2025060921862
Tiivistelmä
Opinnäytetyössä tarkasteltiin mahdollisuutta hyödyntää klusterointimenetelmiä LTE-verkon solujen luokittelussa ylälinkin datansiirron tehokkuuden perusteella. Työn taustalla oli verkonhallinnallinen tarve havaita solutasolla poikkeavia kuor-mitustasoja, mikä saattaa viitata verkon tehottomaan resurssien käyttöön tai epätasapainoiseen kapasiteetin jakautumiseen. Tavoitteena oli selvittää, voidaanko klusteroinnin avulla tunnistaa tehottomia soluja.

Tutkimuksessa käytettiin erään operaattorin LTE-tuotantoverkosta peräisin olevaa ylälinkin mittausdataa, jonka pohjalta johdettiin aktiivisuutta ja tehokkuutta kuvaavia muuttujia. Klusterointianalyysissa sovellettiin kolmea eri menetelmää: k-POD yhdistettynä KMeans-algoritmiin, HDBSCAN-menetelmää sekä agglomeratiivista klusterointia. Aineiston puuttuvien arvojen käsittelyssä tehtiin valintoja eheyden ja analyysikelpoisuuden säilyttämiseksi. Työn analyysivaiheessa arvioitiin menetelmien kykyä muodostaa merkityksellisiä ryhmittelyjä sekä tilastollisesti että verkonhallinnallisesta näkökulmasta.

Tulokset osoittivat, että mikään käytetyistä klusterointimenetelmistä ei onnistunut erottamaan selkeästi tehottomia soluja muista. Sen sijaan muodostuneet klusterit kuvasivat ennen kaikkea solujen kuormitustasoa ja aktiivisuuden vaihtelua. Käytetyt menetelmät toistivat tilastollisesti yhdenmukaisia klusterirakenteita, mutta niiden tulkittavuus verkon suorituskyvyn optimoinnin kannalta jäi rajalliseksi. Analyysin perusteella erityisesti matalan kuormitustason solut erottuivat omiksi ryhmikseen, mutta niiden verkonhallinnallinen merkitys oli vähäinen.

Opinnäytetyön perusteella klusterointi tarjoaa menetelmällisesti toimivan tavan ryhmitellä soluja, mutta mittausparametrien ja johdettujen muuttujien valinnalla on keskeinen merkitys analyysin tulkittavuuden kannalta. Jatkossa olisi perusteltua kehittää uusia mittaristoja tehottomuuden mallintamiseen sekä tarkastella monimuuttujaisia yhdistelmiä, jotka voisivat erotella solujen kuormitusrakenteita tarkemmin. Lisäksi useamman verkon toimintaa kuvaavan parametrin lisääminen analyysiin saattaisi tuottaa paremmin hyödynnettävissä olevia tuloksia verkon optimoinnin tueksi.
 
Kokoelmat
  • Opinnäytetyöt (Avoin kokoelma)
Ammattikorkeakoulujen opinnäytetyöt ja julkaisut
Yhteydenotto | Tietoa käyttöoikeuksista | Tietosuojailmoitus | Saavutettavuusseloste
 

Selaa kokoelmaa

NimekkeetTekijätJulkaisuajatKoulutusalatAsiasanatUusimmatKokoelmat

Henkilökunnalle

Ammattikorkeakoulujen opinnäytetyöt ja julkaisut
Yhteydenotto | Tietoa käyttöoikeuksista | Tietosuojailmoitus | Saavutettavuusseloste