DE10239299C1 - Verfahren zur kostenoptimalen Aufteilung eines Telekommunikationsnetzes in Gruppen von Basisstationen - Google Patents
Verfahren zur kostenoptimalen Aufteilung eines Telekommunikationsnetzes in Gruppen von BasisstationenInfo
- Publication number
- DE10239299C1 DE10239299C1 DE2002139299 DE10239299A DE10239299C1 DE 10239299 C1 DE10239299 C1 DE 10239299C1 DE 2002139299 DE2002139299 DE 2002139299 DE 10239299 A DE10239299 A DE 10239299A DE 10239299 C1 DE10239299 C1 DE 10239299C1
- Authority
- DE
- Germany
- Prior art keywords
- cost
- costs
- groups
- edges
- neighborhood graph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
Die Erfindung besteht im Wesentlichen darin, dass mit Hilfe eines Nachbarschaftsgraphen, unter Berücksichtigung aller relevanten Kostenfaktoren für Ausrüstung und Verbindungen, auf schnelle Weise eine möglichst kostenoptimale Aufteilung eines Telekommunikationsnetzes in Cluster von Basisstationen erfolgen kann. Durch die Clustereinteilung wird die Anzahl der Basisstationen im jeweiligen Cluster und die Anzahl der Netzwerksteuereinheiten im Telekommunikationssystem bestimmt.
Description
Die Erfindung betrifft ein Teilproblem eines
Netzwerkplanungsprozesses, insbesondere für UMTS-Netzwerke,
bei dem Basisstationen (Node B) in Gruppen (Cluster) bzw.
Funknetzwerksubsysteme (radio network subsystems bzw. RNS)
aufgeteilt werden.
Bei der Planung des Access-Bereiches in UMTS-Netzwerken muss
eine Aufteilung der Basisstationen in Gruppen, die durch
jeweils einen Radio Network Controller bedient werden, so
erfolgen, dass möglichst die Gesamtkosten des Systems
minimiert werden. Dieser Planungsprozess ist jedoch diffizil,
weil verschiedene Kostenbeiträge wie zum Beispiel
gruppeninterne Verbindungskosten, Kosten für
Netzwerksteuereinheiten (radio network Controller; RNC)
Kosten für die Anbindung zu einer nächsthöheren
Hierarchieebene und Kosten für Verbindungen zwischen den
Clustern bei sogenannten "soft handovers" in komplexer Weise
und teilweise gegenläufig zusammenspielen. Dabei sind
Planungsverfahren für GSM-Netze nicht ohne weiteres
einsetzbar, da es beispielsweise beim UMTS-Zugangsnetz
signifikante Unterschiede bei der Netztopologie, der
Netzgröße und den technologischen Randbedingungen gibt.
Aus [8] ist ein Optimierungsverfahren zur Konfiguration eines
hierarchischen Netzwerks bekannt, bei dem eine optimale
Knotenzahl ermittelt und eine Neuzuordnung der Knoten in
Richtung niedrigerer Hierarchieebenen und dann in Richtung
höherer Hierarchieebenen erfolgt, wobei die Optimierung
beispielsweise durch Kostenoptimierung erfolgt.
Die der Erfindung zugrundeliegende Aufgabe besteht nun darin,
ein Verfahren zur Aufteilung eines Telekommunikationsnetzes
anzugeben, bei dem eine schnelle und hinsichtlich der
Gesamtkosten des Telekommunikationsnetzes möglichst optimale
Aufteilung in Gruppen von Basisstationen bzw. in
Funknetzwerksubsysteme erfolgt.
Diese Aufgabe wird jeweils durch die Merkmale der
Patentansprüche 1 oder 3 gelöst.
Die weiteren Ansprüche betreffen vorteilhafte Ausgestaltungen
dieser Verfahren.
Die Erfindung besteht im Wesentlichen darin, dass mit Hilfe
eines Nachbarschaftsgraphen, unter Berücksichtigung aller
relevanten Kostenfaktoren für Ausrüstung und Verbindungen,
auf schnelle Weise eine möglichst kostenoptimale Aufteilung
eines Telekommunikationsnetzes in Cluster von Basisstationen
erfolgen kann. Durch die Clustereinteilung wird die Anzahl
der Basisstationen im jeweiligen Cluster und die Anzahl der
Netzwerksteuereinheiten im Telekommunikationssystem bestimmt.
Die Erfindung wird nachfolgend anhand von in den Zeichnungen
dargestellten Ausführungsbeispielen näher erläutert.
Dabei zeigt
Fig. 1 eine prinzipielle Topologie eines terrestrischen
Radio Access Networks mit zwei RNC-Clustern,
Fig. 2 eine Kostenfunktion für die Netzwerksteuereinheiten,
Fig. 3 eine Kostenfunktion für die Verbindungen,
Fig. 4 eine Darstellung mit der geografischen Verteilung von
Basisstationen,
Fig. 5 einen zu Fig. 4 gehörigen Nachbarschaftsgraphen,
Fig. 6 einen minimal spannenden Baum zu den Fig. 4 und 5,
Fig. 7 eine Darstellung der durch eine Aufspaltung des in
Fig. 5 dargestellten Baumes erzeugten Cluster und
Fig. 8 eine Darstellung von Kostenfunktionen in Abhängigkeit
der Anzahl der erzeugten Cluster.
Das UMTS-Netzwerk besteht aus zwei Teilen: Dem Core-Netzwerk
und dem Radio Access Network. Das terrestrische UMTS Radio
Access Network UTRAN verbindet die üblicherweise als Node B
bezeichneten Basisstationen mit den Nutzern des Core-
Netzwerks.
In Fig. 1 ist eine prinzipielle Topologie eines solchen
UMTS-Radio Access Netzwerkes mit zwei sogenannten RNC-
Clustern beispielhaft gezeigt. Es beinhaltet die mit Node B
bezeichneten Basisstationen, die Netzwerksteuereinheiten bzw.
Radio Network Controller (RNC) und weitere Netzwerkelemente
wie ein Mobile Switching Center MSC und einen bedienenden
GPRS-Unterstützungsknoten SGSN, der das Radio Access Network
UTRAN mit dem Core-Netzwerk verbindet. Die Basisstationen
Node B in einer RNC-Region, die als Radio Network Subsystem
RNS bezeichnet wird, sind mit dem Radio Network Controller
RNC verbunden, welcher selbst wiederum mit dem Mobile
Switching Center MSC und dem bedienenden GPRS Supportknoten
verbunden ist.
Das Ziel einer optimierten Planung eines UMTS-Access Networks
ist es, abgesehen von der Unterstützung des Netzwerkplaners
und einer Beschleunigung des Planungsprozesses, die
Minimierung der Gesamtkosten für die Errichtung und den
Betrieb des Netzwerkes. Die Kosten bestehen im Wesentlichen
aus Ausrüstungskosten und Verbindungskosten.
Die Ausrüstungskosten beinhalten die Kosten für die
Netzwerksteuereinheiten RNC und Kosten für
Zugangsmöglichkeiten. In Fig. 2 sind beispielsweise die
Kosten CostRNC für die Netzwerksteuereinheiten RNC in
Abhängigkeit des maximal möglichen Datenverkehrs Traffic
dargestellt.
Um die Implementierung nur lose an die Hardwarespezifika zu
koppeln werden alle Kostenbestandteile durch Kostenfunktionen
beschrieben, die stückweise konstant oder linear sind und vom
Benutzer definiert werden können. Die Ausrüstungskosten sind
eine Funktion von einem Parameter und weisen typischerweise
eine Treppenfunktion auf, deren Stufen mit zusätzlich
erforderlichen Einschüben in einem gegebenen Rack
korrespondieren.
Die Kosten für die Basisstationen Node B und die weiteren
Einrichtungen MSC und SGSN werden hierbei nicht
berücksichtigt, da sie als konstant angenommen werden können.
In Fig. 1 sind auch die verbindungsabhängigen Kosten Iub,
Iur sowie Iu_cs und Iu_ps angedeutet, wobei die Kosten Iub
Kosten für gruppeninterne Verbindungen, die Kosten Iur Kosten
für Verbindungen zwischen den Gruppen und die Kosten Iu_cs
und Iu_ps gruppenexterne Verbindungskosten darstellen.
Diese Kosten sind in Fig. 3 als Kosten CostL in Abhängigkeit
der Verbindungslänge Length und in den maximalen Datenverkehr
traffic in einer Art Treppenfunktion dargestellt.
Verbindungskosten sind eine Funktion von zwei Parametern,
nämlich der Länge der Verbindungsstrecke und dem Datenverkehr
auf dieser Verbindungsstrecke. Diese Kosten sind
typischerweise stückweise linear in der Dimension der Länge
und stückweise konstant hinsichtlich des Datenverkehrs und
korrespondieren zum Beispiel zu einem Tarifsystem eines
Providers mit gemieteten Verbindungsleitungen. Jedoch können
auch Mikrowellenverbindungen, wie unten näher ausgeführt,
berücksichtigt werden.
Da Verbindungskosten, beispielsweise auf einer monatlichen
Basis verrechnet werden, wohingegen Ausrüstungskosten nur
einmal bezahlt werden, ist eine Amortisationsperiode
anzusetzen, um beide Kosten vergleichbar zu machen.
Die Ausrüstungskosten und die Verbindungskosten hängen von
der Anzahl und Größe der erzeugten RNC-Cluster ab: Falls
viele Cluster erzeugt werden, entstehen Kosten für viele
kleine Netzwerksteuereinrichtungen RNC, die dazu neigen,
teuerer als weniger große RNCs zu sein; und so steigen die
Ausrüstungskosten mit dem Anstieg der Clusteranzahl. Auf der
anderen Seite, mit großen Gruppen oder Clustern werden
längere Verbindungsstrecken innerhalb eines Clusters benötigt
und führen so zu höheren Verbindungskosten. Offensichtlich
gibt es eine Kompromisslösung für eine bestimmte Anzahl von
Gruppen mit einer bestimmten Anzahl von zugeordneten
Basisstationen, die die Gesamtkosten unter Einhaltung der
technologischen Randbedingungen minimiert.
Die erfindungsgemäßen Verfahren basieren alle auf einem
Nachbarschaftsgraphen (proximity graph). Dies trägt der
Tatsache Rechnung, dass Basisstationen, die nahe beieinander
liegen, zu einer Gruppe RNC zusammengefasst werden, da sowohl
die Verbindungskosten innerhalb einer Gruppe als auch die
Verbindungskosten für die Übergabe des Datenverkehrs von
einer Gruppe zur anderen (soft handover) reduziert werden.
Vorteilhafterweise wird hierbei der Nachbarschaftsgraph nur
einmal berechnet und ein mit der Anzahl der Basisstationen
quadratischer Anstieg der Entfernungsberechnungen vermieden.
In Fig. 4 sind eine Vielzahl von Basisstationen Node B in
Form von kleinen Dreiecken dargestellt, die entsprechend
ihrer geografischen Lage platziert sind und jeweils einen
bestimmten Datenverkehr aufweisen.
In Fig. 5 ist ein Nachbarschaftsgraph PG dargestellt, der
auf der Basis der in Fig. 4 dargestellten Anordnung von
Basisstationen gebildet wurde. Hierbei sind die Kanten des
Graphen PG durch Verbindungsstriche zwischen den
dreieckförmig dargestellten Basisstationen angedeutet. Der
Nachbarschaftsgraph beinhaltet also Knoten, die die
Basisstationen Node B und Kanten, die Verbindungen von
Basisstationen großer geographischer Nähe repräsentieren.
Hierbei kann die Nähe durch eine Entfernungsgrenze definiert
werden: Knoten sind nah zueinander, falls ihre Entfernung
unterhalb einer Schranke ist. Hierbei besteht jedoch das
Problem, eine geeignete Schwelle für unterschiedliche
Planungsbereiche oder Unterbereiche zu finden. Anstelle
dessen werden erfindungsgemäß für jeden Knoten vi seine k
nächsten Nachbarn wj ermittelt und Nachbarschaftskanten für
diese Paare (vi, wj) gebildet. Um die k nächsten Nachbarn auf
effiziente Weise zu ermitteln, werden alle Basisstationen
Node B in einer Variante eines kd-Baumes [1], [2]
gespeichert, der diese Art von Abfragen unterstützt.
Die Definition der Nähe auf diese Weise hat den angenehmen
Nebeneffekt, dass der Knotengrad des resultierenden
Nachbarschaftsgraphen begrenzt ist, was zu einem nahezu
linearen Zusammenhang zwischen der Anzahl der Basisstationen
und der Laufzeit des erfindungsgemäßen Verfahrens führt.
Der Nachbarschaftsgraph kann ebenfalls sogenannte "Line of
Sight Edges" enthalten, vorausgesetzt, dass durch den
Anwender oder durch einen vorgeschalteten Prozess eine
ungestörte "Line of Sight" festgestellt wird und eine
spezielle Kostenfunktion zur Modellierung der Kosten der
Mikrowellenausstattung diesen Kanten zugeordnet wird.
Nachdem der Nachbarschaftsgraph gebildet wurde, wird eine
Aufteilung der Menge der Kanten entsprechend ihrer Länge
vorgenommen, wobei kurze Kanten alle Stationen innerhalb
einer Gruppe verbinden sollen und lange Kanten zwischen den
einzelnen Gruppen verlaufen sollen. Eine solche Aufteilung
wird durch zwei Schritte erreicht:
In einem ersten Schritt wird ein, in Fig. 6 beispielhaft dargestellter, minimaler spannender Baum berechnet, bei dem zum Beispiel die minimale Anzahl von Kanten alle Knoten aus allen Kantenuntermengen mit minimalem Gesamtgewicht verbinden muss. Dies kann auf sehr effiziente Weise durch Benutzung der Algorithmen von Prim [3] oder Kruskal [4] erfolgen. Zu diesem Zeitpunkt ist jedoch der Datenverkehr, der durch die Kanten fließt, unbekannt und so wird die geometrische Länge der Kanten als ihr Gewicht verwendet.
In einem ersten Schritt wird ein, in Fig. 6 beispielhaft dargestellter, minimaler spannender Baum berechnet, bei dem zum Beispiel die minimale Anzahl von Kanten alle Knoten aus allen Kantenuntermengen mit minimalem Gesamtgewicht verbinden muss. Dies kann auf sehr effiziente Weise durch Benutzung der Algorithmen von Prim [3] oder Kruskal [4] erfolgen. Zu diesem Zeitpunkt ist jedoch der Datenverkehr, der durch die Kanten fließt, unbekannt und so wird die geometrische Länge der Kanten als ihr Gewicht verwendet.
In einem zweiten Schritt wird der so erzeugte Baum in
Unterbäume zerlegt, die jeweils eine Gruppe repräsentieren.
In Fig. 7 sind die aus dem aufgeteilten minimal spannenden
Baum von Fig. 6 gebildeten Cluster oder Gruppen RNS mit
einer jeweiligen Netzwerksteuereinheit RKC dargestellt. Die
Auftrennung eines Baumes mit gewichteten Knoten in eine
minimale Anzahl von Unterbäumen kann sehr schnell durch die
Verwendung des Algorithmus von Kundu und Misra [5] erfolgen.
Es ist nicht schwierig, weitere Bedingungen in den
Aufteilungsprozess einzubauen, zum Beispiel die maximal
erlaubte Anzahl von Basisstationen oder den maximalen
Datenverkehr pro Netzwerksteuereinheit. Der von den
Basisstationen herrührende Datenverkehr wird als Gewichtung
verwendet und auf diese Weise eine Aufteilung des Baumes in
Teilbäume erreicht, deren Gesamtdatenverkehr unterhalb einer
bestimmten Schwelle liegt. Falls diese Schwelle klein gewählt
wird, entsteht eine kleine Zahl von Gruppen mit billigen
Verbindungsstrukturen aber teueren Hardwareeinrichtungen;
falls die Schwelle hoch gewählt wird, entstehen wenige große
Gruppen mit teueren Verbindungen zwischen diesen Gruppen und
geringere Gesamtkosten für die Hardware, also beispielsweise
für die Netzwerksteuereinheiten RNC. Um den besten
Schwellenwert zu finden, wird der Baum wiederholt mit
unterschiedlichen Schwellen in Unterbäume aufgeteilt und für
jede Lösung Kostenbeiträge errechnet: RKC-Kosten für
Verbindungen innerhalb einer Gruppe, Kosten für soft handover
zwischen den Gruppen und gruppenexterne Kosten, die durch die
Verbindungen zwischen den Netzwerksteuereinheiten RNC und den
weiteren Einheiten MSC bzw. SGSN hervorgerufen werden. Danach
wird der Schwellenwert bestimmt, der zu den geringsten
Gesamtkosten führt. Im Folgenden ist ein Pseudocode für ein
erstes erfindungsgemäßes Verfahren angegeben.
pseudo-code1:
generate proximity graph;
generate minimum spanning tree
on proximity graph;
for different thresholds t{
cut tree into subtrees using threshold t;
calculate total cost;
if (cost < lowest cost seen so far) best_t = t;
}
cut tree into subtrees using threshold best_t;
pseudo-code1:
generate proximity graph;
generate minimum spanning tree
on proximity graph;
for different thresholds t{
cut tree into subtrees using threshold t;
calculate total cost;
if (cost < lowest cost seen so far) best_t = t;
}
cut tree into subtrees using threshold best_t;
In Fig. 8 ist eine Darstellung der Kosten Costs über der
Anzahl der Netzwerksteuereinheiten RNC bzw. der Radio Network
Subsystems RNS dargestellt, wobei die Gesamtkosten total, die
Kosten für die Netzwerksteuereinheiten CostRNC, die Kosten
Iub für die Verbindungen innerhalb einer Gruppe, die Kosten
Iur für die Verbindungen zwischen den Gruppen und die Kosten
Iu für die Verbindungen mit den externen Einheiten MSC und
SGSN dargestellt sind. In diesem Beispiel ergibt sich ein
Gesamtkostenminimum Min bei 15 Gruppen.
Im oben angegebenen Teil wurde die Baumerzeugung und die
Zerlegung getrennt durchgeführt. Das Ergebnis führt zu einer
einfach zu implementierenden einfachen und schnellen Methode
zur Clusterbildung. Das Verfahren wird jedoch etwas
komplizierter, wenn die Baumerzeugung und die Zerlegung
ineinander verwoben sind und ein ähnlicher Algorithmus wie
der von Kruskal Verwendung findet:
Zu Beginn wird jede Basisstation Node B als Cluster aufgefasst. Die internen Verbindungskosten dieses Clusters sind 0 und die Gesamtkosten für die Netzwerksteuereinheiten RNC sind sehr hoch. Nun werden Cluster solange miteinander verschmolzen, als die Verschmelzung von zwei Clustern die Gesamtkosten reduziert. Die Verschmelzung erfolgt in einer "gierigen" Art und Weise: Das Paar von Gruppen, das zur höchsten Kostenreduktion, also zum größten Gewinn führt, wird also immer zuerst verschmolzen. Diese Paare von Gruppen korrespondieren zu den Kanten des Nachbarschaftsgraphen. Kanten und ihre potentiellen Gewinne werden in einer Prioritätsschlange gespeichert, auf der in jeder Iteration eine Kante mit maximalem Gewinn ausgewählt wird. Prinzipiell müsste der Gewinn für jede Kante nach jedem Verschmelzungsschritt neu berechnet werden. Da jedoch die Gewinne dazu neigen, abzunehmen, ist es sicher, die neue Kalkulation zu verschieben bis eine Kante ausgewählt wird. Diese Überlegungen führen zu dem folgenden Pseudocode:
pseudo-code2:
initialize clusters, one cluster per Node B;
generate proximity graph;
for each edge of the proximity graph {
calculate gain when incident clusters
would be merged;
store edge with its gain in priority
queue q.
}
while (edge e = q.del_max()&&
gain of edge < 0){
if (gain of e not valid anymore){
recalculate gain for edge e;
insert e into q;}
else
{
merge clusters that are incident to edge e;
discard now cluster internal edges;
}
}
Zu Beginn wird jede Basisstation Node B als Cluster aufgefasst. Die internen Verbindungskosten dieses Clusters sind 0 und die Gesamtkosten für die Netzwerksteuereinheiten RNC sind sehr hoch. Nun werden Cluster solange miteinander verschmolzen, als die Verschmelzung von zwei Clustern die Gesamtkosten reduziert. Die Verschmelzung erfolgt in einer "gierigen" Art und Weise: Das Paar von Gruppen, das zur höchsten Kostenreduktion, also zum größten Gewinn führt, wird also immer zuerst verschmolzen. Diese Paare von Gruppen korrespondieren zu den Kanten des Nachbarschaftsgraphen. Kanten und ihre potentiellen Gewinne werden in einer Prioritätsschlange gespeichert, auf der in jeder Iteration eine Kante mit maximalem Gewinn ausgewählt wird. Prinzipiell müsste der Gewinn für jede Kante nach jedem Verschmelzungsschritt neu berechnet werden. Da jedoch die Gewinne dazu neigen, abzunehmen, ist es sicher, die neue Kalkulation zu verschieben bis eine Kante ausgewählt wird. Diese Überlegungen führen zu dem folgenden Pseudocode:
pseudo-code2:
initialize clusters, one cluster per Node B;
generate proximity graph;
for each edge of the proximity graph {
calculate gain when incident clusters
would be merged;
store edge with its gain in priority
queue q.
}
while (edge e = q.del_max()&&
gain of edge < 0){
if (gain of e not valid anymore){
recalculate gain for edge e;
insert e into q;}
else
{
merge clusters that are incident to edge e;
discard now cluster internal edges;
}
}
Im Vergleich zu dem Baumzerteilungsverfahren erzeugt dieses
zweite Verfahren normalerweise mehr Gruppen, da die Gruppen
zur Größenverdopplung neigen, wenn sie verschmolzen werden,
so dass gegen Ende des Verfahrensablaufs die Clustergröße in
größeren Schritten erhöht wird, als bei der Baumzerteilung.
Dies führt zu einem früheren Verfahrensabbruch und auf diese
Weise zu mehr Gruppen. Das Ergebnis beider Verfahren ist
jedoch weitgehend übereinstimmend.
[1] J. L. Bentley: "Multidimensional Binary Search Trees used
for Associative Searching", Comm. of the ACM, 18.09.1975,
pp. 509-517
[2] U. Lauther: "A Data Structure for Gridless Routing", Proc. 17th
[2] U. Lauther: "A Data Structure for Gridless Routing", Proc. 17th
Design Automation Conf., 1980, pp. 603-609
[3] R. C. Prim: "Shortest Connection networks and some generalizations", Beil System Tech. J., 36 (1957), pp. 1389-1401
[4] J. B. Kruskal: "On the shortest spanning subtree of a graph and the traveling salesman problem", Proc. Amer. Math. Soc., 7 (1956), pp. 48-50
[5] S. Kundu, J. Misra: "A linear tree partitioning algorithm", SIAM Journal on Computing, 6 (1977), pp. 151- 154
[6] U. Lauther: "The C++ Class Library TURBO - A Toolbox for Discrete Optimization", Software@Siemens, Februar 2000, pp. 34-36
[7] K. Holmberg, "Solving the staircase cost facility location problem with decomposition and piecewise linearization", European Journal of Operations Research, 97: 63-74, 1997
[8] WO 02/35871 A2
[3] R. C. Prim: "Shortest Connection networks and some generalizations", Beil System Tech. J., 36 (1957), pp. 1389-1401
[4] J. B. Kruskal: "On the shortest spanning subtree of a graph and the traveling salesman problem", Proc. Amer. Math. Soc., 7 (1956), pp. 48-50
[5] S. Kundu, J. Misra: "A linear tree partitioning algorithm", SIAM Journal on Computing, 6 (1977), pp. 151- 154
[6] U. Lauther: "The C++ Class Library TURBO - A Toolbox for Discrete Optimization", Software@Siemens, Februar 2000, pp. 34-36
[7] K. Holmberg, "Solving the staircase cost facility location problem with decomposition and piecewise linearization", European Journal of Operations Research, 97: 63-74, 1997
[8] WO 02/35871 A2
Claims (4)
1. Verfahren zur kostenoptimalen Aufteilung eines
Telekommunikationsnetzes in Gruppen (RNS) von Basisstationen
(Node B), die durch eine jeweilige Netzwerksteuereinheit
(RNC) gemeinsam bedient werden,
bei dem
- a) ein Nachbarschaftsgraph (PG) generiert wird, wobei ausgehend von einer jeweiligen Basisstation, die einem Knoten des Nachbarschaftsgraphen entspricht, Verbindungen mit einem bestimmten Datenverkehr (traffic), die den Kanten des Nachbarschaftsgraphen entsprechen, zu k geographisch nächsten Nachbarknoten gebildet werden,
- b) auf dem Nachbarschaftsgraphen ein minimal spannender Baum (MST) gebildet wird, wobei eine Teilmenge von Kanten des Nachbarschaftsgraphen so bestimmt wird, dass diese Kanten einen Baum bilden und die Summe der Kantengewichte minimal ist, und wobei die Kantengewichte von der geographischen Länge der Kanten abhängen,
- c) der minimal spannende Baum in Teilbäume aufgetrennt wird, wobei ein Knoten höchstens über t Kanten verbunden ist und wobei ein Teilbaum eine jeweilige Netzwerksteuereinheit mit einer zugehörigen Gruppe von Basisstationen repräsentiert,
- d) Gesamtkosten (total) des Telekommunikationsnetzes in Abhängigkeit des durch Aufteilung beeinflussten Datenverkehrs ermittelt werden und
- e) die Schritte c) und d) für verschiedene Werte von t durchgeführt werden und die Aufteilung mit den geringsten Gesamtkosten ausgewählt wird.
2. Verfahren nach Anspruch 1,
bei dem die Gesamtkosten Ausrüstungskosten (z. B. CostRNC), die
von der Anzahl der Gruppen abhängen, und Verbindungskosten
(CostL) umfassen, wobei die Verbindungskosten von der
geographischen Entfernung der zu verbindenden Einheiten und
vom maximal möglichen Datenverkehr abhängen.
3. Verfahren zur kostenoptimalen Aufteilung eines
Telekommunikationsnetzes in Gruppen (RNS) von Basisstationen
(Node B), die durch eine jeweilige Netzwerksteuereinheit
(RNC) gemeinsam bedient werden,
bei dem
- a) zunächst jeder Gruppe eine einzige Basisstation zugeordnet wird,
- b) ein Nachbarschaftsgraph (PG) generiert wird, wobei ausgehend von einer jeweiligen Basisstation, die einem Knoten des Nachbarschaftsgraphen entspricht, Verbindungen mit einem bestimmten Datenverkehr (traffic), die den Kanten des Nachbarschaftsgraphen entsprechen, zu k geographisch nächsten Nachbarknoten gebildet werden,
- c) für jede Kante des Nachbarschaftsgraphen ein Gewinn errechnet wird, in dem die Gesamtkosten (total) des Telekommunikationsnetzes in Abhängigkeit des durch Aufteilung beeinflussten Datenverkehrs für den Fall ermittelt werden, dass die über die jeweilige Kante verbundenen Gruppen zu einer Gruppe verschmolzen werden, und mit dem Fall verglichen werden, dass diese Gruppen nicht verschmolzen werden,
- d) die mit der Kante mit dem größten Gewinn verbundenen Gruppen verschmolzen werden, sofern ein positiver Gewinn vorliegt, wobei die Kanten innerhalb der durch Verschmelzung entstandenen Gruppe beseitigt werden, und
- e) die Schritte c) und d) solange wiederholt werden solange ein positiver Gewinn auftritt.
4. Verfahren nach Anspruch 3,
bei dem die Gesamtkosten Ausrüstungskosten (z. B. CostRNC), die
von der Anzahl der Gruppen abhängen, und Verbindungskosten
(CostL) umfassen, wobei die Verbindungskosten von der
geographischen Entfernung der zu verbindenden Einheiten und
vom maximal möglichen Datenverkehr abhängen.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE2002139299 DE10239299C1 (de) | 2002-08-27 | 2002-08-27 | Verfahren zur kostenoptimalen Aufteilung eines Telekommunikationsnetzes in Gruppen von Basisstationen |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE2002139299 DE10239299C1 (de) | 2002-08-27 | 2002-08-27 | Verfahren zur kostenoptimalen Aufteilung eines Telekommunikationsnetzes in Gruppen von Basisstationen |
Publications (1)
Publication Number | Publication Date |
---|---|
DE10239299C1 true DE10239299C1 (de) | 2003-12-18 |
Family
ID=29557881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE2002139299 Expired - Fee Related DE10239299C1 (de) | 2002-08-27 | 2002-08-27 | Verfahren zur kostenoptimalen Aufteilung eines Telekommunikationsnetzes in Gruppen von Basisstationen |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE10239299C1 (de) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008014660A1 (fr) * | 2006-07-26 | 2008-02-07 | Huawei Technologies Co., Ltd | Procédé de communication du noeud b à cn, système correspondant et dispositifs |
WO2017066060A1 (en) | 2015-10-12 | 2017-04-20 | T-Mobile Usa, Inc. | Cellular backhaul coverage algorithms |
CN112101638A (zh) * | 2020-08-27 | 2020-12-18 | 华南理工大学 | 一种城市物流配送范围协同优化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10008579C1 (de) * | 2000-02-24 | 2001-04-05 | Siemens Ag | Verfahren zur Kostenoptimierung der Festnetztopologie eines Funk-Kommunikationssystems |
WO2002035871A2 (en) * | 2000-10-09 | 2002-05-02 | Telefonaktiebolaget L M Ericsson (Publ) | Network topologies |
-
2002
- 2002-08-27 DE DE2002139299 patent/DE10239299C1/de not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10008579C1 (de) * | 2000-02-24 | 2001-04-05 | Siemens Ag | Verfahren zur Kostenoptimierung der Festnetztopologie eines Funk-Kommunikationssystems |
WO2002035871A2 (en) * | 2000-10-09 | 2002-05-02 | Telefonaktiebolaget L M Ericsson (Publ) | Network topologies |
Non-Patent Citations (7)
Title |
---|
BENTLEY, J.L.: Multidimensional Binary Search Trees Used for Associative Searching. In: Communi-cations of the ACM, 1975, Vol. 18,Nr. 9,S.509-517 * |
HOLMBERG, K.: Solving the staircase cast facility * |
KRUSKAL, J.B.: On The Shortest Spanning Subtree Of A Graph And The Traveling Salesman Problem. In: Proc. Amer. Math. Soc., Feb. 1956, Vol. 7, S. 48-50 * |
KUNDU, S., MISRA, J.: A Linear Tree Partitioning Algorithm. In: SIAM Journal on Computing, 1977, Vol. 6, Nr. 1, S. 151-154 * |
LAUTHER, U.: A Data Structure for Gridless Rou- ting. In: Proc. 17th Design Automation Conf., 1980, S. 603-609 * |
LAUTHER, U.: The C++ Class Library TURBO - A Toolbox for Discrete Optimization. In: Software (at) Siemens, Februar 2000, S. 34-36 * |
PRIM, R.C.: Shortest Connection Networks And Same Generalizations. In: The Bell System Tech. Jour- nal, 1957, Vol. 36, Nr. 6, S. 1389-1401 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008014660A1 (fr) * | 2006-07-26 | 2008-02-07 | Huawei Technologies Co., Ltd | Procédé de communication du noeud b à cn, système correspondant et dispositifs |
WO2017066060A1 (en) | 2015-10-12 | 2017-04-20 | T-Mobile Usa, Inc. | Cellular backhaul coverage algorithms |
EP3332573A4 (de) * | 2015-10-12 | 2019-01-09 | T-Mobile USA, Inc. | Algorithmen zur zellularen backhaul-abdeckung |
CN112101638A (zh) * | 2020-08-27 | 2020-12-18 | 华南理工大学 | 一种城市物流配送范围协同优化方法 |
CN112101638B (zh) * | 2020-08-27 | 2022-06-14 | 华南理工大学 | 一种城市物流配送范围协同优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2027487B1 (de) | Berechnungsverfahren für netzwerkspezifische grössen in einem netzwerk aus referenzstationen für ein satellitenbasiertes positionierungssystem | |
DE202016107141U1 (de) | Netzwerk stochastische Kreuzschicht-Optimierung zum Erreichen des Verkehrsflussverfügbarkeitziels zu Mindestkosten | |
DE4128568C2 (de) | Mehrschichten-Verdrahtungsverfahren zur Verdrahtungs-Modifikation am Chip für einen hochintegrierten Halbleiterschaltkreis | |
DE10239299C1 (de) | Verfahren zur kostenoptimalen Aufteilung eines Telekommunikationsnetzes in Gruppen von Basisstationen | |
DE60319003T2 (de) | Verfahren zur Neuverteilung von Objekten an Recheneinheiten | |
EP1000513B1 (de) | Verfahren zur erzeugung eines netzes | |
DE102011012444A1 (de) | Verfahren zum Synchronisieren von Datenbeständen | |
DE19719170C2 (de) | Verfahren und Werkzeug zum Herstellen eines Telekommunikationsnetzes | |
EP2924589B1 (de) | Onboard-Unit und Verfahren zum Aktualisieren von Geodaten darin | |
EP1526358A1 (de) | Verfahren zur Zerlegung eines Strassennetzes aus Kanten und Knoten | |
EP3475819B1 (de) | Verfahren zur automatischen und dynamischen zuteilung der zuständigkeit für aufgaben an die verfügbaren rechenkomponenten in einem hochverteilten datenverarbeitungssystem | |
EP1868114B1 (de) | Vorrichtung und Verfahren zum Speichern und Abrufen von Objekten mit mehrdimensional adressierten, elektronischen Daten | |
DE4308512A1 (de) | Verfahren zum Routing von Verbindungen in einem Kommunikationsnetz | |
DE19930119C2 (de) | Prioritätsverwaltungsverfahren | |
DE19911957A1 (de) | Fernkonfigurierbares optisches Kommunikationsnetz | |
WO2016071083A1 (de) | Verfahren zum abspeichern und zur auswahl von daten | |
EP0562168B1 (de) | Verfahren zum Routing von Datenpaketen zu Zielknoten in einem Kommunikationsnetz | |
EP2086257A2 (de) | Verfahren zum dynamischen Zuweisen von Ressourcen an eine Vielzahl von Zellen eines zellularen Netzes | |
EP0927399B1 (de) | Verfahren zur optimierten rechnergestützten aufteilung von knoten eines graphen in cluster, wobei der graph ein technisches system darstellt | |
EP0927398B1 (de) | Verfahren zur ermittlung von optimierten kopplungen von knoten in einem vorgegebenen graph möglicher kopplungen, wobei der graph ein techniches system darstellt | |
EP1298839A1 (de) | Netzwerk Performance Management | |
EP1757999B1 (de) | Bereitstellung von Diensten in einem Netzwerk | |
DE60204421T2 (de) | Verfahren und Vorrichtung für eine Interferenz basierende dynamische Frequenzkanalzuweisung in einem Telekommunikationsnetzwerk | |
EP4329266A1 (de) | Verfahren und systemanordnung zur geolokation von datensätzen | |
WO2023161369A1 (de) | Subskription bei nebenläufig aktiven vermittlungsvorrichtungen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8100 | Publication of the examined application without publication of unexamined application | ||
8304 | Grant after examination procedure | ||
8364 | No opposition during term of opposition | ||
8327 | Change in the person/name/address of the patent owner |
Owner name: NOKIA SIEMENS NETWORKS GMBH & CO.KG, 81541 MUE, DE |
|
8339 | Ceased/non-payment of the annual fee |