Thèse de doctorat : “Nouvelles méthodes d’apprentissage automatique pour la planification des réseaux mobiles”

L'École doctorale : École Doctorale de l'Institut Polytechnique de Paris et le Laboratoire de recherche SAMOVAR - Services répartis, Architectures, Modélisation, Validation, Administration des Réseaux présentent l'avis de soutenance de madame Danny QIU, autorisée à présenter ses travaux en vue de l’obtention du Doctorat de l'Institut Polytechnique de Paris, préparé à Télécom SudParis en : Mathématiques et Informatique.

« Nouvelles méthodes d'apprentissage automatique pour la planification des réseaux mobiles »

Le mardi 28 novembre 2023
à 14 h 00
Télécom SudParis, Amphi 3,
19 place Marguerite Perey 91120 PALAISEAU

Membres du jury :

• M. Hossam AFIFI, Professeur, Télécom SudParis, FRANCE - Directeur de thèse
• Mme Samia BOUZEFRANE, Professeur, Centre d’études et de recherche en informatique et communications, FRANCE - Examinateur
• M. Laurent TOUTAIN, Professeur, IMT Atlantique Campus de Rennes, FRANCE - Rapporteur
• M. Fabrice CLÉROT, Ingénieur, Orange Labs Lannion, FRANCE - Examinateur
• M. Sidi Mohammed SENOUCI, Full professor, Université de Bourgogne, FRANCE - Rapporteur
• M. Alassane SAMBA, Docteur, Orange Labs Lannion, FRANCE - Co-encadrant de thèse

Résumé :

Afin d'assurer un service performant et accessible au plus grand nombre, les opérateurs de télécommunication doivent continuellement mettre à jour l'infrastructure de leur réseau mobile. Ces modifications visent à étendre la couverture et à augmenter de la capacité existante par divers moyens : ajout de nouvelles stations de base, de nouvelles cellules, éventuellement en conjonction avec un basculement technologique. Par ailleurs, le fonctionnement du réseau produit un nombre massif de données, notamment sur l'utilisation des cellules : leur trafic, leur affluence ou leur occupation.

L’objectif de la thèse est de développer des applications de l'apprentissage automatique pour estimer les indicateurs de charge et de performance de stations de bases et de cellules concernées par un futur déploiement. Pour cela, on propose d'utiliser des données externes aux télécommunications, comme le tissu urbain et la distribution de la population pour modéliser la demande d'un territoire et améliorer la qualité des prédictions.

Les principales contributions apportées par cette thèse sont, en premier lieu, l'estimation du profil de l'affluence hebdomadaire routinière d'une future station de base à déployer. Deuxièmement, l'estimation de l'impact de l’ajout de nouvelles cellules sur la disponibilité et la qualité de service des cellules existant sur le secteur concerné par la mise à jour. Et enfin, la prédiction du trafic de pointe de cellules 5G ajoutées sur des sites 4G existants.

Ces résultats participent à une meilleure planification de réseau mobile. En l’occurrence, ils fournissent de nouveaux indicateurs permettant d’implémenter une recherche automatique d’un emplacement géographique optimal en termes de rentabilité et de qualité de service, lors du déploiement d’un nouvel équipement.