Data-Driven Optimization of Multi-Generational Cellular Networks: A Performance Classification Framework for Strategic Infrastructure Management

Dit artikel presenteert een data-gedreven classificatiekader voor de optimalisatie van multi-generatie mobiele netwerken, waarbij analyse van OpenCelliD-data inzicht biedt in infrastructuurgaten en onderbenutting om strategische upgrades en efficiënter resourcebeheer voor operators te sturen.

De kern

Stel je voor dat het mobiele netwerk als een enorm, levend stelsel van wegen is. Sommige wegen zijn drukke snelwegen (4G/LTE), andere zijn oude, rustige landweggetjes (2G/3G). De mensen die deze wegen gebruiken, zijn jouw data-gebruik: het streamen van video's, het bellen en het browsen.

De auteurs van dit paper, Maryam en Umar, hebben een slimme "verkeerscontroleur" bedacht om te kijken hoe deze wegen eruitzien. Ze hebben niet zelf metingen gedaan, maar gebruikten een enorme, openbare database (OpenCelliD) met informatie over bijna 1.800 zendmasten, voornamelijk in Pakistan.

Hier is wat ze hebben ontdekt, vertaald naar alledaagse taal:

1. Het Probleem: Een Verouderde Stad

Stel je voor dat je in een stad woont waar de nieuwe, snelle snelwegen (4G) net zijn aangelegd, maar de oude landweggetjes (2G/3G) nog steeds overvol zijn.

• Het oude spook: In grote steden zijn er nog steeds heel veel oude zendmasten die actief zijn. Dit is als het hebben van een oude, langzame buslijn die nog steeds rijdt, terwijl er al een snelle metro is. Dit kost geld en ruimte, maar het is soms nog nodig voor mensen die alleen maar bellen.
• De digitale kloof: Er zijn steden waar helemaal geen snelle 4G-mast staat. De mensen daar moeten zich nog steeds redden op de oude, trage wegen. Dit is de "digitale kloof": mensen zonder toegang tot snelle informatie.

2. De Oplossing: Een Slimme Classificatie

De auteurs hebben een algoritme (een soort slimme checklist) bedacht om elke zendmast een label te geven. Ze kijken niet alleen naar hoeveel mensen er zijn, maar ook naar hoe groot het gebied is dat de mast bedient.

Ze gebruiken een maatstaf die ze "Signaaldichtheid" noemen.

• Analogie: Stel je voor dat je een pizza hebt.
  • Hoge dichtheid: Veel mensen (veel toppings) op een heel klein stukje pizza. Dit is lokale congestie. De weg is smal, maar er staan honderden auto's.
  • Lage dichtheid: Weinig mensen op een enorm groot stuk pizza. Dit is inefficiënt. De mast werkt hard om een groot gebied te bedekken, maar er is bijna niemand.

3. De Vier Groepen (De Labels)

Met hun checklist verdelen ze de masten in vier categorieën:

1. De "Verkeersopstopping" (Over-utilized):

   • Het beeld: Een drukke marktplein waar iedereen tegelijk wil winkelen.
   • Actie: Hier moet de mobiele operator snel iets doen, zoals extra banen toevoegen of een nieuwe, kleinere mast (een "small cell") plaatsen om de drukte te verdelen.

2. De "Lege Vliegveld" (Under-utilized):

   • Het beeld: Een gigantisch vliegveld met één vliegtuigje dat elke dag vertrekt.
   • Actie: Dit kost veel geld voor niets. De operator kan deze masten misschien sluiten of verplaatsen om geld te besparen.

3. De "Strategische Wacht" (Strategic Coverage):

   • Het beeld: Een verlaten weg in de woestijn met een enkele lantaarnpaal.
   • Actie: Deze masten lijken inefficiënt (groot bereik, weinig gebruikers), maar ze zijn er om te zorgen dat niemand in het donker blijft zitten in afgelegen gebieden. Ze mogen niet zomaar worden verwijderd!

4. De "Perfecte Balans" (Balanced):

   • Het beeld: Een normale, drukke maar goed lopende straat.
   • Actie: Hier is niets aan de hand. Alles werkt zoals het moet.

4. De Grote Ontdekkingen

• Nieuw is niet altijd "dood": Ze zagen dat er recent een enorme bouwwoede is geweest (veel nieuwe masten). Sommige masten lijken "onderbenut" (leeg), maar dat is omdat ze pas gisteren zijn neergezet. Je moet ze niet direct afsluiten, maar ze een kans geven om vol te lopen.
• Waar moet je investeren? Ze hebben specifieke steden gevonden (zoals Gwadar) waar mensen nog steeds op oude, trage netwerken zitten, terwijl ze eigenlijk snelle 4G nodig hebben. Dit is een blauwdruk voor waar de operator zijn geld het beste kan investeren.

Conclusie: Waarom is dit belangrijk?

Vroeger keken netwerkbedrijven misschien alleen naar "waar is het nu druk?" en maakten ze daar snel een oplossing voor.

Deze paper zegt: "Kijk naar het hele plaatje!"
Door slimme data-analyse kunnen operators:

1. Geld besparen door lege masten te sluiten.
2. De snelheid verbeteren op de drukke plekken.
3. Zorg dragen voor mensen in afgelegen gebieden zonder geld te verspillen.

Het is als het hebben van een slimme navigatie voor de hele stad, die niet alleen de file aangeeft, maar ook zegt: "Hier bouwen we een nieuwe weg, hier kunnen we een weg verwijderen, en hier moeten we een buslijn starten."

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Data-Driven Optimization of Multi-Generational Cellular Networks: A Performance Classification Framework for Strategic Infrastructure Management", vertaald en samengevat in het Nederlands.

Titel: Data-gedreven optimalisatie van multi-generatiecellulaire netwerken: Een prestatieclassificatiekader voor strategisch infrastructuurbeheer

Auteurs: Maryam Sabahat en M. Umar Khan
Publicatiedatum: Februari 2026 (arXiv)

---

1. Probleemstelling

De exponentiële groei van de vraag naar mobiele data stelt mobiele netwerkoperatoren (MNO's) voor grote uitdagingen. Het beheer van telecommunicatie-infrastructuur moet intelligent zijn om zowel Kwaliteit van Dienst (QoS) als operationele efficiëntie te waarborgen.
De kernproblemen die in dit artikel worden aangepakt, zijn:

• Inefficiënte resource-allocatie: Toren kunnen overbelast zijn (slechte QoS) of onderbenut zijn (hoge operationele kosten/OpEx en inefficiënt kapitaalverbruik/CapEx).
• De digitale kloof: Gebrekkige dekking van moderne 4G-netwerken in bepaalde regio's beperkt economische en educatieve kansen.
• Legacy-infrastructuur: Het voortbestaan van oude 2G/3G-netwerken naast moderne LTE-netwerken, vooral in stedelijke centra, bemoeilijkt netwerkefficiëntie en strategieën voor het afschalen van oude netwerken ("sunsetting").
• Schaalbaarheid: Traditionele optimalisatiebenaderingen worstelen met de verwerking van enorme datasets op cel-niveau.

2. Methodologie

De studie gebruikt een open-source dataset van OpenCelliD, een wereldwijde, door de gemeenschap gegenereerde database van zendmasten.

• Dataset: 1.818 zendmasten (voornamelijk in Pakistan, maar ook andere landen), bestaande uit:
  • 1.456 LTE (4G) masten
  • 204 UMTS (3G) masten
  • 158 GSM (2G) masten
• Analyse-aanpak:
  • Geografische en temporele analyse: Gebruik van reverse geocoding om locaties te identificeren en analyse van tijdstempels om de levensduur en data-freshness te beoordelen.
  • Nieuwe metriek: Signaaldichtheid ($\rho$): De auteurs introduceren een afgeleide metriek om gebruik te kwantificeren:
    $$\rho_i = \frac{s_i}{r_i}$$
    Waarbij $s_i$ het aantal gebruikssamples (verkeer) is en $r_i$ het bereik in meters. Dit onderscheidt absolute overbelasting van lokaal geconcentreerde congestie.
  • Classificatiekader: Een algoritme (Algorithm 1) classificeert elke toren op basis van dynamische drempelwaarden (kwantielen) voor samples, signaaldichtheid en actieve dagen.

3. Belangrijkste Bijdragen

• Prestatieclassificatiekader: Een nieuw algoritme dat masten indeelt in vijf operationele categorieën:
  1. Overbelast (Hoog Verkeer & Dichtheid): Hoge absolute vraag én hoge concentratie.
  2. Overbelast (Lokaal Congestie): Hoge signaaldichtheid maar gemiddeld totaalverkeer (congestie door kleine, dichte gebruikersgroep).
  3. Onderbenut (Inefficiënt): Langdurig actief maar met weinig verkeer en lage dichtheid.
  4. Strategische Dekking: Grote reikwijdte (>1000m) met minimaal verkeer (bedoeld voor basisdekking in afgelegen gebieden).
  5. Balans: Optimaal afgestemd op vraag.
• Onderscheid tussen Absolute en Lokale Congestie: Door de signaaldichtheid te gebruiken, kunnen operatoren onderscheid maken tussen masten die simpelweg veel verkeer hebben en masten waar de infrastructuur fysiek overbelast is door een kleine, dichte gebruikersgroep. Dit leidt tot verschillende oplossingen (bijv. macro-cell upgrades vs. small-cell deployments).
• Identificatie van "Non-4G Vraagzones": Locaties met hoge signaaldichtheid op legacy 2G/3G-netwerken, wat duidt op een dringende behoefte aan 4G-upgrades.

4. Resultaten

De analyse van de 1.818 masten leverde de volgende inzichten op:

• Verdeling: 80% van de clusters is "Balans" (gezond), terwijl 20% als "Overbelast" wordt geïdentificeerd.
• Onderbenutting: Er zijn 616 masten geïdentificeerd als "High-Range, Low-Usage" (groot bereik, weinig gebruik). Ongeveer 122 van deze masten worden geclassificeerd als "Onderbenut (Inefficiënt)", wat potentieel biedt voor kostenbesparing door decommissioning of herallocatie.
• Legacy Netwerken: 2G/3G-netwerken hebben een significant groter gemiddeld bereik (GSM: 2119m) dan LTE (1365m), wat hun rol in brede dekking bevestigt. Echter, legacy-netwerken dragen nog steeds een groot deel van het totale verkeer.
• Tijdsverloop: Er is een drastische toename van netwerkactiviteit waargenomen (van ~32 updates/maand naar ~248 updates/maand), wat wijst op een recente, agressieve netwerkauitbreiding. Dit betekent dat sommige "onderbenutte" masten mogelijk nieuw zijn en nog geen stabiel gebruikspatroon hebben bereikt.
• Locaties: Specifieke "Non-4G vraagzones" werden geïdentificeerd in steden zoals Gwadar, Pasni Tehsil en Brohi Goth, waar hoge dichtheid op oude netwerken een upgrade naar LTE vereist.
• Statistische Validatie: De Kruskal-Wallis H-test bevestigde significante verschillen tussen de classificatiegroepen ($p < 0.001$). Overbelaste clusters verwerken 2,6x meer verkeer en dekken 3,1x grotere gebieden dan gebalanceerde clusters.

5. Betekenis en Aanbevelingen

De studie biedt een reproduceerbaar, statistisch onderbouwd model voor continu netwerkgezondheidsmonitoring. De belangrijkste aanbevelingen voor MNO's zijn:

1. Prioritering van Capaciteitsuitbreiding: Focus op de geïdentificeerde overbelaste clusters (zoals T04, T11, T09) met maatregelen zoals sectorisatie of carrier-toevoeging.
2. Strategische Investeringen: Investeer in LTE-uitbreiding in de geïdentificeerde "Non-4G vraagzones" om de digitale kloof te dichten.
3. Kostenoptimalisatie: Evalueer onderbenutte masten voor mogelijke decommissioning of hergebruik van resources, rekening houdend met de recente netwerkauitbreiding om nieuwe, nog niet volgeladen masten niet per ongeluk af te schrijven.
4. Strategisch Beheer van Legacy: Behoud 2G/3G-netwerken waar nodig voor stemdiensten en dekking, maar plan geleidelijke overgang naar LTE/5G.
5. Vergelijking met Bestaande Methoden: In tegenstelling tot algoritmen zoals NetDataDrilling (die zich focussen op de top N verkeerrijke cellen in een specifiek gebied voor tactisch beheer), biedt dit kader een holistische, strategische visie op het hele netwerk, inclusief onderbenutting en strategische dekking.

Conclusie:
Dit onderzoek beweegt van anekdotisch bewijs naar een kwantitatieve, data-gedreven basis voor netwerkbeheer. Het stelt operatoren in staat om hun infrastructuur te optimaliseren, de klantenservice te verbeteren en het rendement op investeringen (ROI) te maximaliseren door middel van een systematische, algoritme-gedreven aanpak.