MEMBRANE: ModEling Mobile BRoAdband NEtworks

Mobilt bredbånd (MBB) har utviklet seg til å bli en kritisk del av kommunikasjonsinfrastrukturen. Takket være tilgang på stadig høyere hastighet har bruken eksplodert de siste årene, og flere og flere samfunnskritiske tjenester har blitt avhengige av MBB. I og med at MBB blir viktigere, er det et økende behov for bedre forståelse av nettverkenes egenskaper. Dette gjelder både grunnleggende nettverksegenskaper og egenskaper til applikasjoner som benytter nettene. Målet med MEMBRANE-prosjektet er å utvikle modeller som kan uttrykke sammenhengen mellom ytelse, pålitelighet og de underliggende nettverksparameterne. Modellene skal kunne brukes til å kunne nøyaktig beskrive og forutsti ytelsen og påliteligheten til et MBB nettverk. Resultatene skal kunne benyttes av teleoperatører for å planlegge videreutviklingen av nettene sine og av programvareselskaper for å forbedre brukeropplevelsen av produktene sine. For å utvikle modellene vil vi i MEMBRANE benytte oss av målinger fra ekte nett og maskinlæring. I den første delen av prosjektet fokuserer vi på å måle og teste en rekke ulike parametere i forskjellige MBB nettverk over hele Europa. Dataen vi samler inn blir matet inn i ulike maskinlæringsalgoritmer, som så hjelper oss med å finne de mest korrekte modellene. I løpet av de siste årene har vi samlet inn omfattende data fra åpne plattformer som MONROE og datasett som er «crowdsourced». Vårt mål har vært å vurdere hvordan MBB nettverkene presterer i forhold til ytelse og pålitelighet, det vil si tilgjengelighet, dekning og nettverkskvalitet (QoS: Quality of Service). Vi observerer at mobilnett, spesielt i Skandinavia, gir god dekning og svært høy datahastighet i byområdene. Ettersom MBB-ytelsen ikke kun vurderes basert på hvordan nettverket oppfører seg generelt, men også hvordan bestemte tjenester leveres av nettverket, har vi utvidet dette arbeidet til å også fokusere på erfaringskvalitet (QoE: Quality of Experience) for to viktige applikasjoner: webtjenester og video streaming. For disse applikasjonene viste vi at mobilitet er den mest kritiske faktoren som påvirker brukerens QoE. Nylig vurderte vi også nye applikasjoner som 360 videostreaming over mobilnett og designet et rammeverk som kunngjør at vi kan evaluere ytelsen av både operasjonelle nettverk og 5G plattformer. Til slutt fokusert vi også på tingenes internett (IoT) og kommet i gang med evalueringen av Narrow Band IoT (NB-IoT) ytelse, både dekning og energieffektivitet, i Norge.

Models developed in MEMBRANE revealed the key factors that are required to accurately describe and predict the performance and reliability of MBB networks. More specifically, we have considered performance on the current 3G/4G infrastructures, and we have proposed solutions to provide a better user experience for the end users. We further provided methods to improve the user experience for the 5G technologies. An important aspect of 5G is to support massive Internet of Things (IoT) applications and MEMBRANE extended the performance analysis also in cellular IoT domain with Narrow Band IoT analysis. These works resulted in 20 conference/journal articles that are published in well respected venues in the communication and networking fields. The results are further communicated to different stakeholders including regulators, operators, businesses and application developers to be considered to improve services and products.

Mobile broadband (MBB) networks underpin numerous vital operations of the society and are arguably becoming the most important piece of the communications infrastructure. The use of MBB networks has exploded over the last few years due to the popularity of mobile devices, combined with the availability of high-capacity 3G/4G mobile networks. More than half of this mobile traffic is generated by mobile video. Given the increasing importance of MBB networks, there is a strong need for a better understanding of the fundamental characteristics of MBB networks and their relationship with the performance of popular applications, such as mobile video. The overarching goal of the MEMBRANE project is to address this need by developing reliable models that can accurately capture the relationship between the performance and reliability parameters and the underlying network factors that affect them. These models will thus reveal the key factors that are required to accurately describe and predict the performance and reliability of MBB networks in general and mobile video in particular. To achieve this goal, we will follow a real-world measurement-driven modeling approach. As the first step, we will first run an extensive measurement campaign to collect data from operational MBB networks in order to understand their performance and reliability. Second, we will derive machine-learning based models using the collected data in order to capture the network characteristics of MBB networks. Finally, we will extend our models to consider the performance of mobile video, more specifically video streaming, experienced by the end users. These models will be instrumental for different stakeholders from operators to application developers in improving the quality of their services and products. Therefore, MEMBRANE will have a significant impact on different sectors of industry while helping to improve the performance of their products leading to a better user experience for the end users.