ارائه مكانيسمي براي كمينه كردن هزينه‌هاي اپراتور سلولي در فرآيند برون‌سپاري ترافيك

Proposing a Mechanism for Minimizing Cellular Operator Costs in Traffic Offloading

برون‌سپاري ترافيك از شبكه سلولي به شبكه مكمل به‌عنوان يك راه‌حل مقرون‌به‌صرفه در مقابله با ازدحام روزافزون شبكه‌هاي سلولي، مطرح شده است. چالش اصلي در اين مورد كاهش هزينه‌هاي ثابت و متغير اين فرآيند براي اپراتور سلولي و همچنين حفظ رضايت كاربران است. در اين مقاله، مسئله برون‌سپاري ترافيك تحمل‌پذير تأخير كاربران و چگونگي تشويق آن‌ها براي شركت در اين فرآيند بررسي شده و يك مكانيسم جديد مشتمل بر دو بخش براي حل چالش ذكرشده پيشنهاد مي‌شود. در بخش اول با بهره‌گيري از پيش‌بيني الگوي تحرك كاربران، مسئله جايابي نقاط دسترسي شبكه مكمل و تخصيص پهناي باند به آن‌ها و در بخش دوم كاهش هزينه‌هاي متغير شبكه به‌صورت مسائل بهينه‌سازي فرموله شده‌اند. هزينه‌هاي تشويق كاربران در ازاي پذيرش تأخير در تبادل داده، بخشي از هزينه‌هاي متغير است كه براي كمينه‌كردن آن از يك روش مبتني بر حراج معكوس استفاده مي‌شود. در انتها با توجه به پيچيدگي بالاي مدل‌هاي پيشنهادي، الگوريتم‌هاي ابتكاري با پيچيدگي خطي ارائه شده است. نتايج حاصل از حل عددي مدل‌ها و شبيه‌سازي الگوريتم‌ها نشان مي‌دهد كه مكانيسم پيشنهادي از لحاظ ايجاد تعادل بار در شبكه و كاهش هزينه‌هاي اپراتور سلولي نسبت به ساير روش‌ها عملكرد بهتري دارد.

Traffic offloading (transferring a share of cellular network traffic to complementary network technologies such as Wi-Fi) is an economic and efficient mitigation for the ever-increasing congestion in cellular networks. In this regard, reducing fixed and variable costs of cellular operators in one side and providing some incentives for the users to participate in the offloading in the other side are among the main challenges to be addressed. In this way, delay tolerant offloading (in which users may tolerate some delay before receiving their needed data) is investigated and a new optimization mechanism in two stages is proposed. First, by utilizing user motion pattern prediction, a model is formulated to obtain the optimal placement of complementary WiFi networks and their bandwidth allocation. Second, cellular operator's overall variable cost (including data exchange and user incentive costs) is minimized. Minimizing the latter is performed using a reverse auction framework. Moreover, due to nonlinearity and high complexity of proposed models, heuristic algorithms are proposed to solve them. A numerical study and simulations of the algorithms show that the proposed mechanism outperforms previous methods in terms of balancing the load of cellular network and reducing overall cost of the cellular operators.