Event-based traffic forecasting and peak detection in cellular networks

Resources allocation is a crucial aspect when considering wireless network systems: to handle this aspect, with the rising global request for internet services, together with the adoption of 4G and the upcoming release of 5G technology, can become even a more complex challenge. In order to provide best service as possible, ISPs work to develop strategies to pro-actively allocate network resources in order to satisfy future traffic demands. The purpose of this thesis is to provide a strategy for LTE traffic prediction and traffic peak detection, exploiting the knowledge derived from the network behaviour when events of considerable magnitude (in terms of data traffic) occur. Since there are a lot of events that take place on streaming over the internet, we want to figure out which of them could have the major impact on the typical network behaviour . Working on this data, we identify traffic peaks, all along a six months time period, in order to evaluate the correlation between such peaks and the selected events. We collect peak volumes, number of correlations, provide a prediction, with different metrics and the tuning of some parameters, in order to obtain a forecast signature capable of satisfying the traffic demand while avoiding severe over-estimations. In particular we will reach an average percentage peak coverage of 82% and an average MAPE (Mean Absolute Percentage Error) of 3,5% for the peaks not covered.

L’allocazione delle risorse è un aspetto cruciale quando si considerano i sistemi di rete wireless: gestire questo aspetto, con la crescente richiesta globale di servizi Internet, insieme all’adozione del 4G e al prossimo rilascio della tecnologia 5G, può diventare una sfida ancora più complessa. Al fine di fornire il miglior servizio possibile, gli ISP lavorano per sviluppare strategie per allocare in modo proattivo le risorse di rete con lo scopo di soddisfare le future richieste di traffico. L’intento di questa tesi è fornire una strategia per la previsione del traffico LTE e il rilevamento dei picchi di traffico, sfruttando la conoscenza derivata dal comportamento della rete quando si verificano eventi di notevole entità (in termini di traffico dati). Poiché ci sono molti eventi che vengono trasmessi in streaming su Internet, vogliamo capire quale di essi potrebbe avere l’impatto maggiore sul comportamento tipico della rete. Lavorando su questi dati, individuiamo i picchi di traffico, lungo un arco temporale di sei mesi, al fine di valutare la correlazione tra tali picchi e gli eventi selezionati. Raccogliamo volumi di picco, numero di correlazioni, forniamo una previsione, con diverse metriche e la messa a punto di alcuni parametri, al fine di ottenere una Traffic signature in grado di soddisfare la domanda di traffico evitando gravi sovrastime. In particolare si raggiungerà una copertura percentuale media dei picchi dell’82% e un MAPE (Mean Absolute Percentage Error) medio del 3,5% per i picchi non coperti.