Game-theoretic frameworks for the techno-economic aspects of infrastructure sharing in current and future mobile networks

The phenomenon of infrastructure sharing in mobile networks has been prevalent over the last two decades. It has gathered momentum especially during the last two technology migrations, i.e., from 2G to 3G and from 3G to 4G and it will be even more crucial with the advent of 5G. The key rationale behind such phenomenon is cost reduction as a means for Mobile Network Operators (MNOs) to deal with an increasing user demand but declining revenues. It is also not unusual for infrastructure sharing to go hand in hand with sharing of spectrum, an essential and increasingly scarce resource for mobile networks. In this milieu, the research community (but not only) has addressed multiple technical aspects of infrastructure sharing sometimes combined with spectrum sharing. Among others, such technical aspects include performance evaluation in terms of network metrics, resource management and enablers and adapted architectures. Economic aspects have been addressed as well, but usually with a narrow focus on estimating the cost savings of the different infrastructure sharing alternatives. However, from the perspective of an MNO, which is a self-interested, profit-maximizing entity, it is important to assess not only the cost reduction that infrastructure sharing, and when applicable, also spectrum sharing bring about, but also their impact on the network performance and consequently on the MNO's revenues. From this perspective, the viability of infrastructure sharing should not be taken for granted; in order to study the strategic problem of an MNO entering a sharing agreement with one or multiple other MNOs, both technical and economic aspects should be taken into account - such study has been the first objective of this doctoral research project. We have specifically considered multiple variants arising from two cases where each variant has been tackled by an appropriate mathematical model. These variants address a common 4G scenario in which there is a set of MNOs with given market shares that coexist in a given dense urban geographical area; each MNO has to decide whether to deploy a layer of small cells in the area and if so, whether to do that by itself or by entering a sharing agreement, i.e., building a shared network with a subset or all other MNOs (in which case a coalition is created). One key common feature of these variants is the user pricing model which is defined as a linear function of the average rate perceived by the user depending on the coalition joined by the user's MNO; such pricing model allows us to capture the impact that infrastructure sharing, and, when applicable, also spectrum sharing have on the MNO's revenues through a network performance metric. In turn, the two key outcomes of the models tackling these variants are the set of coalitions and the number of small cells they deploy. The two cases we have considered are: (i) infrastructure sharing without spectrum pooling with the shared infrastructure cost split among its members a priori, according to their relative market shares and (ii) infrastructure sharing with spectrum pooling, assuming each MNO may own a given amount of licensed spectrum and that members of a coalition are all willing to pull together their individual spectrum, and conversely to case (i), how the coalition cost are split among its member MNOs is an outcome of the model - this is to account for the fact that MNOs may have very distinct mixtures of market and spectrum shares, hence an a priori cost division rule may not guarantee the coalition stability. Further, we consider two variants for case (i): a market-driven variant, in which coalitions are created voluntarily by the MNOs, each acting as a profit-maximizing entity - modeled as a Non Transferable Utility (NTU) game and a second variant in which a regulator decides the coalitions to be created so as to maximize a global objective (total or minimum user rate) while guaranteeing a non-negative payoff for each MNO - modeled as Mixed Integer Linear Programming problems. Two variants are also considered for case (ii): a first one in which the problem is formulated as an NTU cooperative game, assuming members of a coalition are only willing to share the infrastructure cost and each keep its individual revenues and a second variant in which the MNOs are also willing to give away part of their revenues, thus formulated as a Transferable Utility (TU) cooperative game. Several problem instances have been considered in which we vary the MNOs' market shares and for case (ii) also their spectrum shares; in addition we also analyze the impact of the user price per unit of rate on the outcome. The main findings for case (i) are that there is generally more incentive to cooperate in the first variant compared to the second and that for both variants the increase of the user unit price decreases the incentive for cooperation which indicates that for infrastructure sharing without spectrum pooling there is a trade-off between reduced cost and service level degradation and which of the two prevails depends on the user unit price. As for case (ii), it can be concluded that the grand coalition is stable for almost all the instances independently of the user unit price meaning that the spectrum pooling gain exceeds the service level degradation of infrastructure sharing without spectrum pooling; additionally, the stable cost division rule accounts for the market and spectrum share characterizing each MNO. Concerning the originality and the contribution of these works, to the best of our knowledge, the variants and their respective models studied under the first objective of this research project have no precedents in the literature. As for 5G networks, the decoupling of infrastructure from services - for which infrastructure sharing becomes an important pillar - results in the emergence of new stakeholders such as Infrastructure Providers (InPs) and Service Providers (SPs) where the InPs are responsible for the deployment and management of the infrastructure whereas SPs for provisioning services to end users through resources rented/acquired from the InPs. The second objective of this research project is to study the techno-economic interactions among multiple InPs and multiple SPs that have not yet been addressed in the literature and for which we propose a novel framework based on a Multi-Leader-Follower Game (MLFG). In detail, we consider multiple InPs with individual but overlapping network infrastructures over a dense urban area. InPs are also assumed to operate in disjoint spectrum bands. Further, in this area there is also a set of SPs which provide each a given type of service to a given market segment of end users. The InPs' base stations (BSs) are assumed to be collocated, hence we focus on the area of a single BS cell where the BS cell capacity of each InP depends on its network technology and available spectrum bandwidth. While an InP can serve multiple SPs simultaneously, in our framework we assume that an SP serves its end users through capacity purchased from a single InP. All InPs and SPs are assumed rational entities whose aim is to maximize their individual profits. In these lines, the capacity unit price offered by an InP maximizes the InP's profit which is given by the product of the unit price and the total sold capacity. In turn, an SP, through the InP selection, maximizes its profit given by the difference between the revenues obtained from its end users (which are a function of the amount of capacity purchased from the selected InP) and cost of the purchased capacity. As anticipated, this problem has been modeled as a MLFG through which we have investigated a large number of realistic problem instances which contributes significantly to the novelty of this work. What makes the instances realistic in the context of 5G is that the network cost model is based on recent 5G literature and the services provisioned by SPs are characterized through usage scenarios of International Mobile Telecommunications for 2020 and beyond. The instances are such that the set of SPs is the same across all of them while we vary the InPs' characteristics, i.e., network technology and available spectrum bandwidth. From the numerical results, one key finding is that the technological characteristics of the InPs significantly influence the competition among them and hence the resulting market setting.

Il fenomeno della condivisione dell'infrastruttura nelle reti mobili è stato rilevante negli ultimi due decenni, ha acquisito importanza soprattutto durante le ultime due migrazioni tecnologiche, ovvero dal 2G al 3G e dal 3G al 4G e sarà ancora più cruciale con l'arrivo del 5G. La condivisione dell'infrastruttura è stata attraente per gli operatori di reti mobili (ORM) perché, grazie alla riduzione dei costi, permette di far fronte a una domanda crescente da parte degli utenti anche con ricavi in calo. Inoltre, non è insolito che la condivisione delle infrastrutture venga combinata con la condivisione dello spettro, una risorsa essenziale per le reti mobili e sempre più scarsa. In questo ambito, i ricercatori (ma non solo) hanno affrontato molteplici aspetti tecnici della condivisione dell'infrastruttura a volte combinati con la condivisione dello spettro. Alcuni aspetti tecnici sono, per esempio, la valutazione delle prestazioni in termini di metriche di rete, la gestione delle risorse, le tecnologie abilitanti e le nuove architetture. Anche gli aspetti economici sono stati studiati, ma di solito con attenzione limitata alla stima dei risparmi sui costi delle diverse alternative di condivisione dell'infrastruttura. Tuttavia, un ORM è una entità che vuole massimizzare i suoi profitti. Perciò, per l'ORM è importante valutare non solo la riduzione dei costi dovuta alla condivisione dell'infrastruttura e, se applicabile, anche alla condivisione dello spettro, ma anche il loro impatto sulle prestazioni della rete e, di conseguenza, sui ricavi. Da questo punto di vista, la fattibilità della condivisione dell'infrastruttura non dovrebbe essere data per scontata. Volendo studiare il problema strategico di un ORM che stipula un accordo di condivisione con uno o più altri ORM, è necessario tener conto sia degli aspetti tecnici che economici: tale studio è stato il primo obiettivo di questo progetto di ricerca di dottorato. Abbiamo considerato più varianti che derivano da due casi. Per affrontare ogni variante è stato formulato un modello matematico appropriato. Queste varianti affrontano uno scenario 4G in cui alcuni ORM con determinate quote di mercato coesistono in una determinata area geografica urbana densa. Ogni ORM deve decidere se installare uno strato di small cell nell'area e, in tal caso, se operare da solo o sottoscrivere un accordo di condivisione, ovvero costruire una rete condivisa con un sottoinsieme o con tutti gli altri ORM (nel qual caso viene creata una coalizione). Una caratteristica chiave di queste varianti è il modello dei prezzi degli utenti che è definito come una funzione lineare del bitrate medio percepito dall'utente a seconda della coalizione di cui l'ORM dell'utente fa parte. Tale modello di prezzo ci consente di catturare l'impatto che la condivisione dell'infrastruttura e, se applicabile, anche la condivisione dello spettro hanno sui ricavi dell'ORM attraverso una metrica delle prestazioni della rete. A loro volta, i due risultati chiave dei modelli che affrontano queste varianti sono l'insieme delle coalizioni e il numero di small cell che le coalizioni installano. I due casi che abbiamo considerato sono: (i) condivisione dell'infrastruttura senza aggregazione di spettro con il costo dell'infrastruttura suddiviso tra i suoi membri a priori, in base alle loro relative quote di mercato e (ii) condivisione dell'infrastruttura con aggregazione di spettro, assumendo che l'ORM può possedere una licenza per una determinata quantità di spettro e che i membri di una coalizione sono tutti disposti ad aggregare il loro spettro individuale e, contrariamente al caso (i), il modo nel quale il costo della coalizione è diviso tra i suoi ORM membri è un risultato del modello - questo per tener conto del fatto che gli ORM possono avere quote di mercato e di spettro molto varie, quindi una regola di divisione dei costi a priori potrebbe non garantire la stabilità della coalizione. Inoltre, abbiamo considerato due varianti per il caso (i). La prima variante è guidata dal mercato, in cui le coalizioni vengono create volontariamente dagli ORM che agiscono come entità che massimizzano il profitto individuale. Questa variante è stata modellata come un gioco a utilità non trasferibile (UNT). Invece nella seconda variante un regolatore decide quale coalizioni creare in modo da massimizzare un obiettivo globale (bitrate di utente, totale o minimo) mentre si garantisce un profitto non negativo per ciascun ORM. Questa seconda variante è stata modellata come un problema di programmazione lineare mista intera. Anche per il caso (ii) abbiamo considerato due varianti: una prima in cui il problema è formulato come un gioco cooperativo UNT, supponendo che i membri di una coalizione siano disposti solo a condividere il costo dell'infrastruttura e ciascuno mantenga i propri ricavi individuali, e una seconda variante nella quale gli ORM sono disposti a distribuire anche parte dei loro ricavi - formulato come un gioco cooperativo a utilità trasferibile (UT). Abbiamo considerato diversi casi in cui variano le quote di mercato degli ORM e nel caso (ii) anche le loro quote di spettro. Inoltre abbiamo analizzato anche l'impatto del prezzo per l'utente per unità di bitrate sui risultati. I principali risultati del caso (i) sono che generalmente c'è un maggiore incentivo a cooperare nella prima variante rispetto alla seconda e che per entrambe le varianti l'aumento del prezzo unitario per l'utente diminuisce l'incentivo alla cooperazione; questo indica che per la condivisione delle infrastrutture senza aggregazione dello spettro esiste un compromesso tra riduzione dei costi e degrado del livello di servizio e quale dei due prevale dipende dal prezzo unitario per l'utente. Per quanto riguarda il caso (ii), si può concludere che la grande coalizione è stabile per quasi tutte le istanze indipendentemente dal prezzo unitario per l'utente, il che significa che il guadagno dell'aggregazione dello spettro supera il degrado del livello di servizio della condivisione dell'infrastruttura senza aggregazione di spettro. Inoltre, la regola della divisione stabile dei costi tiene conto della quota del mercato e della quota di spettro che caratterizza ciascun ORM. Per quanto riguarda l'originalità e il contributo di questi lavori, per quanto ne sappiamo, le varianti e i rispettivi modelli studiati nell'ambito del primo obiettivo di questo progetto di ricerca non hanno precedenti in letteratura. Per quanto riguarda le reti 5G, il disaccoppiamento delle infrastrutture dai servizi - per i quali la condivisione dell'infrastruttura diventa un pilastro importante - porta alla nascita di nuovi attori come i Fornitori di Infrastruttura (FdI) e i Fornitori di Servizio (FdS): i FdI sono responsabili dell'implementazione e della gestione dell'infrastruttura mentre i FdS dei servizi offerti agli utenti finali attraverso risorse noleggiate / acquisite dagli FdI. Il secondo obiettivo di questo progetto di ricerca è studiare le interazioni tecno-economiche tra più FdI e più FdS che non sono ancora state studiate in letteratura e per le quali proponiamo un nuovo modello basato su un gioco multi-leader-follower (GMLF). Più in dettaglio, abbiamo considerato alcuni FdI con infrastrutture di rete individuali ma sovrapposte su una densa area urbana. Supponiamo che gli FdI operino in bande di spettro disgiunte. Inoltre, abbiamo considerato FdS che forniscono ciascuno un determinato tipo di servizio a un determinato segmento di mercato degli utenti finali. Supponiamo che le stazioni di base (SdB) degli FdI siano collocate, quindi ci concentriamo sull'area di una singola cella di SdB in cui la capacità della cella di ciascun FdI dipende dalla sua tecnologia di rete e dalla larghezza di banda dello spettro disponibile. Mentre un FdI può servire più FdS contemporaneamente, nel nostro modello ipotizziamo che un FdS serva i suoi utenti finali attraverso la capacità acquistata da un singolo FdI. Tutti gli FdI e gli FdS sono entità razionali il cui scopo è massimizzare il profitto individuale. Il prezzo per unità di capacità offerto da un FdI massimizza il profitto del FdI che è dato dal prodotto del prezzo unitario e dalla capacità totale venduta. A sua volta, un FdS, attraverso la selezione del FdI, massimizza il suo profitto dato dalla differenza tra i ricavi ottenuti dai suoi utenti finali (dove i ricavi sono una funzione della quantità di capacità acquistata dal FdI selezionato) e il costo della capacità acquistata. Come anticipato, questo problema è stato modellato come un GMLF attraverso il quale abbiamo studiato un gran numero di casi realistici che contribuiscono in modo significativo alla novità di questo lavoro. Ciò che rende realistiche le istanze nel contesto del 5G è che il modello dei costi di rete si basa sulla recente letteratura 5G e che i servizi forniti dagli FdS sono ispirati dagli standard International Mobile Telecommunications for 2020 and beyond. L'insieme di FdS è uguale per tutte le istanze mentre le caratteristiche degli FdI, cioè la tecnologia di rete e la larghezza di banda dello spettro disponibile, variano. Un risultato chiave è che le caratteristiche tecnologiche degli FdI influenzano in modo significativo la concorrenza tra loro e quindi anche l'impostazione del mercato che ne risulta.