Diseño de un sistema de optimización de una red celular 4G LTE utilizando Machine Learning para la ciudad de Iquitos

Abstract

El presente proyecto aborda la problemática de la falta de recursos para la optimización constante de una red 4G en la ciudad de Iquitos. Esto conlleva a una subutilización de los recursos de radiofrecuencia disponibles, resultando en problemas como desbalance de usuarios entre diferentes frecuencias, problemas en la cobertura y la detección tardía de altas interferencias en el enlace ascendente. Todos estos inconvenientes impactan negativamente en la experiencia del usuario al navegar por internet, generando una percepción desfavorable del servicio de telefonía móvil brindado. Para solucionar este problema, este proyecto hace uso de distintos algoritmos basados en técnicas propias del aprendizaje automático. En este caso, se emplean regresiones multi salidas mediante árboles de decisión para la predicción de KPIs a partir de las múltiples entradas de las antenas, y algoritmos genéticos para lograr la configuración óptima de los parámetros de las antenas utilizando el tilt eléctrico y la potencia para el escenario específico que se requiera. Este enfoque considera la diversidad de frecuencias asociadas a la tecnología 4G, así como los diferentes rangos horarios, con el fin de lograr una optimización adecuada para una amplia variedad de escenarios que puedan presentarse.

This project addresses the problem of the lack of resources for the constant optimization of the 4G network in the city of Iquitos. This results in the underutilization of available radio frequency resources, generating problems such as user imbalance between different frequencies, coverage problems, and late detection of high uplink interference. All of these inconveniences cause a negative impact on the user's experience when browsing the Internet, generating an unfavorable perception of the mobile telephone service provided. To solve this problem, this project uses different algorithms based on machine learning techniques. In this case, multi-output regressions are used through decision trees for the prediction of KPIs from the multiple inputs of the antennas, and genetic algorithms are used to achieve the optimal configuration of the antenna parameters using electrical tilt and power for the specific scenario required.