Detección de patrones de comportamiento de parámetros de RF en redes de comunicación móvil mediante mediciones de campo y técnicas de machine learning : propuesta de un modelo predictivo para identificar factores que se manifiestan en las fallas de handover en redes LTE utilizando mediciones de campo y un árbol de decisión en R studio (caso de estudio voip).

Abstract

El presente trabajo busca elaborar un modelo que permita comprender cuales son los factores que llevan a un handover a fallar, esto mediante la aplicación de machine learning, concretamente se emplean los árboles de decisión para obtener la proporción en la que los factores encontrados contribuyen a un handover fallido. De esta manera, es posible obtener un modelo predictivo de zonas de handover donde se pueden producir fallas. En el primer capítulo se estudian los elementos que conforman una red LTE, para luego abordar los tipos y causas comunes del handover, también se revisan los conceptos concernientes a machine learning y al uso del lenguaje de programación R para el análisis de grandes grupos de datos y se exploran las herramientas digitales que permiten recolectar los datos necesarios para el estudio. En el segundo capítulo se propone el método para recolectar la información necesaria para construir el modelo, se describe el proceso para encontrar una zona con fallos de handover y luego se indica el trazado de rutas para continuar con la toma de muestras; en este capítulo también se realiza el tratamiento de datos y la programación en R necesaria para construir el árbol de decisión que permita analizar las variables obtenidas. En el tercer capítulo se analizan los resultados, se obtiene un modelo y se tratan de explicar las características del árbol de decisiones final. A partir de este modelo se obtienen conclusiones y recomendaciones sobre el funcionamiento del handover en la zona estudiada.