L'aumento del traffico dati mobile -stimato globalmente a 3,7 exabyte nel 2015, con un incremento del 74% rispetto al 2014 e una crescita complessiva di 4.000 volte nel corso degli ultimi dieci anni- ha generato un notevole interesse verso una maggiore comprensione delle dinamiche della domanda per servizi di rete mobile. Una corretta caratterizzazione di come gli utenti consumino tali servizi consente una pianificazione più efficiente ed una migliore gestione delle risorse di rete. In tal senso, lo studio di dati reali raccolti da operatori di rete mobile ha rivelato importanti caratteristiche del traffico, quali una forte periodicità temporale e località geografica, le quali permettono un'efficace previsione della domanda futura; oppure, la presenza d'importanti fluttuazioni indotte da eventi particolari, con la conseguente necessità di politiche di gestione delle risorse dedicate; o, come ultimo esempio, una notevole eterogeneità degli utenti in termini di utilizzo delle risorse di rete, la quale può tuttavia essere riassunta in un numero limitato di profili d'utilizzo tipici, con conseguente possibilità di definire dei piani tariffari su misura.
Il nostro lavoro si concentra sul problema della classificazione del traffico di rete mobile. Ovvero, i nostri lavori mirano a trovare strutture regolari nascoste nel traffico aggregato che viene generato dagli utenti. Il problema può essere studiato dal punto di vista temporale oppure da quello spaziali, entrambi rilevanti ai fini di una migliore gestione delle operazioni di rete.
Nella dimensione temporale, il problema è quello del network activity profiling, che consiste nel classificare insieme periodi temporali durante i quali la distribuzione geografica della domanda di traffico mobile è stabile e comparabile. I profili prodotti da quest'analisi trovano applicazioni nell'ambito emergente del cognitive networking, dove possono essere utilizzati per guidare i processi di allocazione e/o trasferimento di risorse di concerto con le variazioni temporali del carico di rete generato dagli utenti.
Nella dimensione spaziale, il problema è quello del land use detection, cioè la decomposizione di una regione geografica in zone dove le dinamiche di traffico di rete mobile sono omogenee nel tempo. Queste zone in genere raggruppano aree urbane con finalità specifiche simili e determinate dal tipo d'infrastrutture predominanti (ad esempio, aree ad uso prevalentemente residenziale, commerciale, di supporto alla mobilità, ecc.). L'informazione risultante è utile all'allocazione dinamica delle capacità di rete alle singole stazioni di base, in modo da mitigare le fluttuazioni, spesso elevate, del fabbisogno di risorse in aree geografiche circoscritte. Inoltre, soluzioni al problema del land use detection hanno notevoli applicazioni nell'ambito della geoinformatica, dato che rappresentano un metodo efficace per etichettare automaticamente il tessuto urbano, a costi inferiori e con maggiore precisione rispetto ai metodi di indagine tradizionali.
Il nostro lavoro ha portato alla definizione di una metodologia originale per la classificazione spazio-temporale della domanda aggregata in una rete cellulare. Tale metodologia consente la risoluzione dei due problemi discussi più sopra. La soluzione proposta si basa su tecniche di exploratory factor analysis (EFA), le quali rappresentano uno strumento consolidato della ricerca nell'ambito della psicologia, ma non erano state utilizzate in precedenza in ambito ingegneristico. EFA mira a individuare, in modo completamente automatizzato, fattori latenti che causano le dinamiche osservate nei dati. Una volta adattate al contesto specifico della classificazione del traffico cellulare, le tecniche di EFA offrono la possibilità di esplorare congiuntamente le dimensioni spaziale e temporale dei dati. Valutazioni approfondite, realizzate su dati reali forniti da importanti operatori di telefonia mobile, hanno dimostrato come le tecniche di EFA permettano l'estrapolazione delle strutture nascoste nella dimensione secondaria di ogni problema. In altre parole, la soluzione proposta fornisce, senza costi aggiuntivi, una conoscenza della geografia che caratterizza ciascun profilo temporale dell'attività di rete, e, in modo simile, consentono di determinare le dinamiche temporali che sono associate a ciascun profilo spaziale. A titolo di esempio, la figura mostra le aree geografiche di Milano che sono particolarmente rilevanti per il profilo temporale della domanda di rete mobile associata alla vita notturna studentesca in città.
Per maggiori informazioni: A. Furno, M. Fiore, R. Stanica, Joint Spatial and Temporal Classification of Mobile Traffic Demands, IEEE INFOCOM 2017, Atlanta, GA, USA, April 2017.
Focus