haku: @keyword mobile IP / yhteensä: 34
viite: 5 / 34
Tekijä:Nuorvala, Ville
Työn nimi:Predictive Location-Aware Network Selection and Handover in Heterogeneous 4G Networks: A Media-Independent Approach to Seamless Mobility
Prediktivt platsmedvetet val av nätverk och handover i heterogena 4G-nätverk: ett medieoberoende synsätt på sömlös mobilitet
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2010
Sivut:xxvi + 175      Kieli:   eng
Koulu/Laitos/Osasto:Informaatio- ja luonnontieteiden tiedekunta
Oppiaine:Informaatiotekniikka   (T-115)
Valvoja:Simula, Olli
Ohjaaja:Weckström, Tom
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  239   | Arkisto
Avainsanat:PLANS
PLAVHO
location-awareness
always best connected ABC
seamless handover
vertical handover
vector quantization
kd-tree
clustering
nearest neighbor
3G
4G
positioning, location service
GPS
Mobile IP
MIPv4
Linux
Python
Twister
SciPy
NumPy
rörlighet
platsmedvetenhet
spårning
alltid bäst uppkopplad
medieoberoende handover
vektorkvantisering
klassificering
lokalisering
Tiivistelmä (eng): In this thesis we describe a method for predicting user behavior based on local movement patterns within a finite geographical area.
This predictive location-aware method may then be utilized by the PLANS algorithm to enable optimal network selection (NS) according to an always best connected (ABC) paradigm, as well as by the PLAVHO algorithm to enable seamless vertical handover (VHO) between different radio access technologies (RATs).
The work also describes the proof-of-concept prototype that was used for testing these methods, and presents the preliminary test results.

Both ABC and seamless VHO play a key role in forthcoming fourth-generation (4G) all-IP networks (AIPNs), in which all services, even time-critical real-time applications, such as telephony, are Internet-based.
Typically a 4G AIPN may comprise several heterogeneous RATs, such as hotspots of Wi-Fi wireless local-area networks (WLANs) placed within a ubiquitous UMTS or LTE-based wireless wide-area network (WWAN), with the hotspots generally offering improved service, e.g. higher bandwidth, or lower costs for the end-user, but only within their geographically limited coverage areas.

Consequently, NS, especially the ABC paradigm, as well as VHO have been studied thoroughly during the last years, although the effects of movement and statistical movement patterns have, surprisingly, largely been neglected within the context of heterogeneous 4G networks, despite these having been hot research topics within previous-generation homogeneous public land mobile networks (PLMNs).
Likewise, neither have energy consumption and seamless mobility received the attention they deserve, despite both being identified as critical aspects in utilization of mobile AIPN services.

Therefore, using a Linux-based prototype, we examine the use of statistical movement patterns to predict user behavior, optimizing NS, while maintaining seamless operation through proactive make-before-break (MBB) VHO.

The interfaces in this prototype implemented in Python, using Wi-Fi and 3G for connectivity, MIPv4 for maintaining active sessions, and GPS for positioning, are primarily based on the IEEE 802.21 standard for media-independent handover (MIH), thus facilitating potential implementation of this architecture in true 4G network environments.

Finally, based on the preliminary test results collected using the prototype, predictive locationawareness appears to benefit both NS and VHO, potentially providing both greater mean bandwidth, and lesser mean latency, possibly also providing means for improving energy efficiency.
Tiivistelmä (swe): I detta diplomarbete beskriver vi en metod för att förutspå användarbeteende på basen av lokala rörelsemönster inom ett geografiskt begränsat område.
Denna prediktiva platsmedvetna metod kan sedan tillämpas i PLANS-algoritmen för att möjliggöra optimala val av nätverk enligt principen av alltid bäst uppkopplad (ABC) samt i PLAVHO-algoritmen för att möjliggöra sömlös vertikal handover (VHO) mellan olika radioaccesstekniker.
Arbetet beskriver även den proof-of-concept prototyp som använts för att testa dessa metoder, samt presenterar de preliminära testresultaten.

Både ABC och sömlös VHO kommer att spela en nyckelroll i kommande fjärde generationens (4G) all-IP nätverk (AIPN) där alla tjänster, även tidskritiska realtida tillämpningar såsom telefoni är Internet-baserade.
Typiskt för ett 4G AIPN är att nätet kan bestå av flera heterogena radiotekniker såsom t.ex. hotspots av trådlösa Wi-Fi lokalnätverk (WLAN) placerade inom ett heltäckande trådlöst UMTS eller LTE regionnätverk (WWAN).
Dessa hotspots kan generellt sett erbjuda bättre service, såsom högre bandbredd eller lägre kostnader för slutanvändaren, men endast inom sina geografiskt begränsade täckningsområden.
Därför har val av nätverk, speciellt ABC-paradigmen, och VHO undersökts mycket de senaste åren.

Överraskande har dock effekterna av rörlighet och statistiska rörelsemönster undersökts knappt alls inom heterogena 4G nätverk, trots att dessa varit heta forskningsämnen inom tidigare generationers homogena mobiltelefonnät.
Likaså har varken energiförbrukning eller sömlös rörligher fått den uppmärksamhet de borde, trots att båda är kritiska aspekter för utnyttjandet av mobila AIPN-tjänster.

Av denna orsak undersöker vi med hjälp av en Linux-baserad prototyp tillämpandet av statistiska rörelsemönster för att förutspå användarens beteende, och på så vis kunna optimera nätverksval, samtidigt möjliggörande sömlös operation genom proaktiv make-before-break (MBB) VHO.
Gränssnitten i prototypen implementerad i Python, utnyttjande Wi-Fi och 3G för uppkoppling, MIPv4 för upprätthållande av aktiva sessioner och GPS för lokalisering, är så långt som möjligt baserade på IEEE 802.21-standarden för medieoberoende handover (MIH), vilket möjliggör att arkitekturen vid behov lätt kan förverkligas i äkta 4G nätverksmiljöer.

Slutligen, enligt preliminära testresultat som samlades med hjälp av prototypen verkar prediktiv platsinformation kunna gagna både val av nätverk och VHO, potentiellt möjliggörande både större genomsnittlig bandbredd, och lägre genomsnittlig latens, eventuellt också erbjudande möjligheter till energibesparing.
ED:2010-11-17
INSSI tietueen numero: 41323
+ lisää koriin
INSSI