Context-Aware optimization in heterogeneous networks: handover and caching strategies

La progressiva e pervasiva diffusione della nuova rete 4G si associa al sempre più diffuso utilizzo degli smartphone e tablet di nuova generazione e dei dispositivi LTE, in grado di garantire sempre maggiori prestazioni e di fornire servizi di altissima qualità agli utenti. Sono bastati solo ottanta giorni ai tablet per raggiungere i cinquanta milioni di utenti nel mondo. Ottanta giorni contro i quattro anni impiegati dai personal computer per arrivare al medesimo risultato. Inoltre, gli utenti sono sempre più esigenti e richiedono connettività senza interruzioni e ovunque. Per far fronte alla grandissima quantità di traffico dati prodotto e al conseguente aumento di risorse richieste è ovviamente necessario affrontare un'ampia gamma di sfide tecnologiche. Queste riguardano sia il miglioramento dell'infrastruttura di rete sia la progettazione di nuovi paradigmi per la gestione e l'ottimizzazione di risorse. La nuova frontiera dei sistemi radio mobili di prossima generazione si basa sul concetto di reti eterogenee. Quest'ultime sono sistemi altamente sofisticati in grado di ospitare diverse tipologie di nodi d'accesso, dalle macro celle alle celle di dimensioni inferiori con le quali gli operatori possono alleggerire il carico della macro cella, aumentando capacità e copertura. Per questo motivo la proliferazione delle celle secondarie, come pico e femto celle, decreta una vera e propria rottura dalla struttura di rete tradizionale, costituita da una topologia più semplice con sole macro celle. Nasce quindi il bisogno di inventare soluzioni originali e flessibili per la gestione delle risorse, soprattutto perchè gli schemi utilizzati in precedenza non sono più adeguati. Questa tesi si propone di fare un passo avanti in tale direzione e suggerisce uno studio basato sull'utilizzo innovativo delle cosiddette informazioni di contesto per sviluppare algoritmi efficienti di ottimizzazione delle risorse. Rientrano nelle informazioni di contesto qualsiasi parametro di sistema e metrica legata allo specifico problema considerato. Lo studio della gestione di risorse basato sulla conoscenza di informazioni di contesto è stato considerato in due diversi scenari, ovvero nell'ottimizzazione di tecniche di handover e nella progettazione di strategie di caching. Nel primo approccio, l'obiettivo è la scelta del valore ottimo di due parametri chiave, ovvero il tempo di trigger e il margine di isteresi, che regolano il trasferimento di traffico dalla macrocella a celle più piccole e viceversa. L'obiettivo nel secondo approccio, invece, è l'allocazione ottima dei contenuti nelle cache delle stazioni base e degli utenti. In entrambi gli scenari considerati, viene presentato un modello matematico rigoroso che descrive il sistema e successivamente viene studiata l'ottimizzazione della funzione obiettivo scelta. Inoltre, si considerano diversi parametri come informazione di contesto, ad esempio relativi alle condizioni della macro cella, delle celle secondarie e degli utenti, e al profilo di trasmissione del canale. In particolare, per quanto riguarda l'ottimizzazione del processo di handover, viene presentato un modello analitico generale che caratterizza le prestazioni di un utente mobile che attraversa una rete eterogenea, in funzione della sua mobilità, del profilo di potenza ricevuta dalle celle vicine, del carico di traffico delle diverse celle, del tempo di trigger e del margine di isteresi. A differenza di molte soluzioni presenti in letteratura che mostrano solamente metodi euristici di ottimizzazione, in questa tesi viene sviluppata un'analisi Markoviana rigorosa per modellare il processo di handover considerando i possibili stati di un utente mobile lungo la sua traiettoria. Viene proposto poi un algoritmo ottimo basato sulle informazioni di contesto. Il modello matematico è validato tramite simulazioni in diversi scenari di trasmissione per confrontare le prestazioni della strategia presentata con le tecniche di handover convenzionali. Infine, viene investigato uno schema totalmente generale per calcolare le prestazioni massime di qualsiasi algoritmo di handover proposto in letteratura. La soluzione presentata è utile non solo per determinare il margine di miglioramento degli schemi esistenti di handover, ma anche perchè fornisce un'analisi comparativa tra le prestazioni ottenute dai vari algoritmi. Per quanto riguarda l'ottimizzazione delle strategie di caching, viene studiato un modello di sistema estremamente innovativo perchè prevede la capacità di memorizzazione dei contenuti, ovvero il caching, sia nelle stazioni base delle celle sia negli utenti mobili. Di conseguenza, quando un qualsiasi utente richiede un contenuto, quest'ultimo può essere recuperato in diversi modi, attraverso una comunicazione device-to-device instaurata con un altro utente, oppure attraverso il canale cellulare in downlink da una cella. Gli utenti sono perciò incoraggiati a condividere tra di loro i contenuti delle loro cache, ma possono anche stabilire una connessione tradizionale con la cella vicina se la ricerca del contenuto tra nodi paritari dovesse fallire. All'interno della rete eterogenea considerata, viene calcolato in forma chiusa il costo medio di sistema in funzione del costo associato alle singole operazioni di recupero del contenuto, del profilo di mobilità degli utenti e della distribuzione dell'interesse per i diversi contenuti. Viene implementata la minimizzazione del costo di sistema e tramite simulazione viene rilevato un significativo guadagno rispetto alle politiche di caching statiche, ovvero non dipendenti dal contesto. Nella maggior parte dei lavori proposti in letteratura si assume che gli utenti siano statici, ovvero privi di mobilità e quindi connessi alla medesima stazione base, e dotati dello stesso interesse per i contenuti, e quindi con la stessa probabilità di richiedere lo stesso insieme di contenuti. In questa tesi invece le assunzioni sono più realistiche, poichè si prevede che ciascun utente abbia la propria preferenza per un sottoinsieme di file.