Michaelis, S: Mustererkennung und Vorhersagbarkeit von Makro

Effiziente Steuerung in aktuellen und zukünftigen Mobilfunknetzen ist essenziell für die Wettbewerbsfähigkeit der Betreiber. Die Information über Zielzellen sich bewegender Nutzer ist dazu ein wesentliches Kriterium für Reservierungen und unterbrechungsfreie Zellwechsel. Die Bewegung der Mobilfunkanwender zwischen den Zellen ergibt einen Fingerabdruck aus Funknetzabdeckung, Nutzerverhalten und geografischer Topologie des Straßen- und Bahnnetzes, der durch Mustererkennungsverfahren extrahiert werden kann.Damit sind Prognosen der nächsten Zelle eines Nutzers mit einer Genauigkeit von 90% und mehr möglich. Dieses Wissen über die nächste assoziierte Zielzelle gibt dem Netzbetreiber ein zusätzliches Instrument zur intelligenten Steuerung der Auslastung im Netz. So konnte neben anderen Untersuchungen gezeigt werden, wie Bitratenreservierungen in den wahrscheinlichsten Nachbarzellen für Premiumnutzer zu einer über 20% höheren Erfolgsrate beim Handover in stark belasteten Netzen führen.Die vorliegende Arbeit stellt detailliert die notwendigen Voraussetzungen und Schritte vor, um Mustererkennung zur Vorhersage makroskopischer Mobilität im Netzmanagement zu integrieren. Umfangreiche Simulationen verschiedener geografischer Topologien und Mobilitätsmodelle (PKW-, LKW, Bus- und Bahn-Verkehr, verschiedene Geschwindigkeiten, Pendlerverhalten), sowie der Vergleich mit Messdaten realer Netze, zeigen die Möglichkeiten und Grenzen bei der Vorhersage. Durch den Einsatz fünf leistungsfähiger Verfahren zur Mustererkennung kann je nach Anforderung aus Komplexität und Prognosegenauigkeit die richtige Variante gewählt werden.Das entwickelte Vorgehensmodell besitzt eine große Zukunftssicherheit, da es nicht auf einen spezifischen Mobilfunktyp festgelegt ist, sondern als minimale Voraussetzung lediglich ein zellulares Netz benötigt. Die Verfahren zur Modellierung von