دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات61
تعداد شماره‌ها2,226
تعداد مقالات18,207
تعداد مشاهده مقاله55,994,902
تعداد دریافت فایل اصل مقاله29,032,516
صفوی کوهساره, سید محسن, حسینی سنو, سید امین, مهاجرزاده, امیرحسین. (1404). روشی برای بیشینه سازی بهره وری مالی بسته های اینترنت اپراتورهای تلفن همراه. سامانه مدیریت نشریات علمی, 14(52), 163-188. doi: 10.22054/ims.2025.81514.2508
سید محسن صفوی کوهساره; سید امین حسینی سنو; امیرحسین مهاجرزاده. "روشی برای بیشینه سازی بهره وری مالی بسته های اینترنت اپراتورهای تلفن همراه". سامانه مدیریت نشریات علمی, 14, 52, 1404, 163-188. doi: 10.22054/ims.2025.81514.2508
صفوی کوهساره, سید محسن, حسینی سنو, سید امین, مهاجرزاده, امیرحسین. (1404). 'روشی برای بیشینه سازی بهره وری مالی بسته های اینترنت اپراتورهای تلفن همراه', سامانه مدیریت نشریات علمی, 14(52), pp. 163-188. doi: 10.22054/ims.2025.81514.2508
صفوی کوهساره, سید محسن, حسینی سنو, سید امین, مهاجرزاده, امیرحسین. روشی برای بیشینه سازی بهره وری مالی بسته های اینترنت اپراتورهای تلفن همراه. سامانه مدیریت نشریات علمی, 1404; 14(52): 163-188. doi: 10.22054/ims.2025.81514.2508

روشی برای بیشینه سازی بهره وری مالی بسته های اینترنت اپراتورهای تلفن همراه

مطالعات مدیریت کسب و کار هوشمند
مقاله 5، دوره 14، شماره 52، تیر 1404، صفحه 163-188    اصل مقاله (1.48 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/ims.2025.81514.2508
نویسندگان
سید محسن صفوی کوهساره1؛ سید امین حسینی سنو* 2؛ امیرحسین مهاجرزاده3
1دانشجوی دکتری رشته کامپیوتر، دانشگاه فردوسی مشهد، مشهد، ایران
2استاد گروه مهندسی کامپیوتر، دانشگاه فردوسی مشهد، مشهد، ایران نویسنده مسئول: hosseini@um.ac.ir
3استادیار گروه مهندسی، دانشکده سیستم و کامپیوتر ، دانشگاه صحار، عمان
چکیده
شاید بتوان گفت که مهمترین هدف اپراتورهای تلفن همراه، بیشینه کردن بهره‌وریشان است. فارغ از هزینه های عملیاتی و سرمایه گذاری، بهره برداری حداکثری از منابع موجود می تواند آنها را به این هدف نایل کند. بدین منظور، اپراتورها برای پر کردن ظرفیت های خالی شبکه خود در ساعات کم بار بودن آن، بسته های داده با قیمت های مناسب ارائه می دهند تا کاربران را برای استفاده از شبکه در این ساعات، تشویق کنند. آنها این بسته ها را بر اساس میزان متوسط بار ترافیکی کل شبکه خود در ساعات مختلف روز تنظیم می کنند. اما به این نکته مهم توجه نمی کنند که در نواحی مختلف جمعیتی یک شهر، الگوی ترافیکی در ساعات مختلف متفاوت است. در این مقاله، به صورت اتوماتیک، نواحی مختلف جمعیتی تشخیص داده شده اند. این کار به کمک خوشه بندی روی الگوی ترافیکی انجام شده است. با تشخیص نواحی جمعیتی و با توجه به الگوی ترافیکی ناحیه مربوطه، برای کاربران، نسبت به منطقه ای که بیشتر در آن حضور دارند، نحوه تخصیص بسته مناسب بررسی و تحلیل شده است. در ادامه، دیگر کاربردهای قابل استفاده این خوشه بندی برای ارائه سرویس های مختلف بیان شده است و نهایتا نتیجه گیری انجام گشته است.
کلیدواژه‌ها
اپراتور شبکه موبایل؛ بیشینه سازی بهره‌وری؛ بسته داده؛ خوشه بندی؛ الگوی ترافیکی
مراجع
  1. Abubakar, A. I., Mollel, M. S., Ozturk, M., Hussain, S., & Imran, M. A. (2022). A lightweight cell switching and traffic offloading scheme for energy optimization in ultra-dense heterogeneous networks. Physical Communication, 52, 101643.
  2. Almeida, J. P., Oliveira, J. F., & Pinto, A. A. (2015). Operational Research: IO 2013 - XVI Congress of APDIO, Bragança, Portugal, June 3-5, 2013. Springer International Publishing. https://books.google.com/books?id=TpyoCgAAQBAJ
  3. Barlacchi, G., De Nadai, M., Larcher, R., Casella, A., Chitic, C., Torrisi, G., Antonelli, F., Vespignani, A., Pentland, A., & Lepri, B. (2015). A multi-source dataset of urban life in the city of Milan and the Province of Trentino. Scientific Data, 2(1), 150055. https://doi.org/10.1038/sdata.2015.55
  4. Bousia, A., Kartsakli, E., Member, S., Antonopoulos, A., Member, S., Alonso, L., Member, S., Verikoukis, C., Member, S., & Motivation, A. (n.d.). Multiobjective Auction-Based Switching-Off Schemein Heterogeneous Networks To Bid or Not to Bid.
  5. Bousia, A., Kartsakli, E., Member, S., Antonopoulos, A., Member, S., Alonso, L., Member, S., Verikoukis, C., Member, S., Motivation, A., Antonopoulos, A., Member, S., Alonso, L., Member, S., Verikoukis, C., Member, S., & Motivation, A. (2016). Multiobjective Auction-Based Switching-Off Schemein Heterogeneous Networks To Bid or Not to Bid. IEEE Transactions on Vehicular Technology, 65(11), 9168–9180. https://doi.org/10.1109/TVT.2016.2517698
  6. Cheng, Y., Zhang, J., Zhang, J., Zhao, H., Yang, L., & Zhu, H. (2021). Small-Cell Sleeping and Association for Energy-Harvesting-Aided Cellular IoT With Full-Duplex Self-Backhauls: A Game-Theoretic Approach. IEEE Internet of Things Journal, 9(3), 2304–2318.
  7. Dong, W., Rallapalli, S., Jana, R., Qiu, L., Ramakrishnan, K. K., Razoumov, L., Zhang, Y., & Cho, T. W. (2013). iDEAL: Incentivized dynamic cellular offloading via auctions. IEEE/ACM Transactions on Networking, 22(4), 1271–1284.
  8. (2022). Ericsson Mobility Report. Ericsson, November, 40. www.ericsson.com/mobility-report
  9. Feng, M., Mao, S., & Jiang, T. (2017a). BOOST: Base station on-off switching strategy for green massive MIMO HetNets. IEEE Transactions on Wireless Communications, 16(11), 7319–7332. https://doi.org/10.1109/TWC.2017.2746689
  10. Feng, M., Mao, S., & Jiang, T. (2017b). BOOST: Base station on-off switching strategy for green massive MIMO HetNets. IEEE Transactions on Wireless Communications, 16(11), 7319–7332. https://doi.org/10.1109/TWC.2017.2746689
  11. Hossain, F., Munasinghe, K. S., & Jamalipour, A. (2019). Energy-efficient inter-RAN cooperation for non-collocated cell sites with base station selection and user association policies. Wireless Networks, 25, 269–285. https://doi.org/10.1007/s11276-017-1556-4
  12. Kassambara, A. (2017). Multivariate Analysis I: Practical Guide To Cluster Analysis in R. Unsupervised Machine Learning. In Taylor & Francis Group. STHDA. https://books.google.com/books?id=plEyDwAAQBAJ
  13. Keogh, E. J., & Pazzani, M. J. (1998). An Enhanced Representation of Time Series Which Allows Fast and Accurate Classification, Clustering and Relevance Feedback. Proceedings of the Fourth International Conference on Knowledge Discovery and Data Mining, 239–243. http://dl.acm.org/citation.cfm?id=3000292.3000335
  14. Lee, W., Jung, B. C., & Lee, H. (2020). DeCoNet: Density clustering-based base station control for energy-efficient cellular IoT networks. IEEE Access, 8, 120881–120891.
  15. Liu, Z., Chen, X., Yang, Y., Chan, K. Y., & Yuan, Y. (2023). Joint cell zooming and sleeping strategy in ultra dense heterogeneous networks. Computer Networks, 220, 109482.
  16. Safavi, S. M., Seno, S. A. H., & Mohajerzadeh, A. (2024). An Adaptive Cell Switch Off framework to Increase Energy Efficiency in Cellular Networks. Wireless Personal Communications, 135(4), 2011–2037. https://doi.org/10.1007/s11277-024-11027-0
  17. Xu, F., Li, Y., Member, S., Wang, H., Zhang, P., & Jin, D. (2017). Understanding Mobile Traffic Patterns of Large Scale Cellular Towers in Urban Environment. IEEE/ACM TRANSACTIONS ON NETWORKING, 25(2), 1147–1161.
 

 

 

‌

 

 

‌

آمار
تعداد مشاهده مقاله: 528
تعداد دریافت فایل اصل مقاله: 350


login