PREDICTION DE MOBILITE BASEE SUR LA CLASSIFICATION SELON LE PROFIL
Résumé
Les réseaux mobiles de 3
ème
génération permettent aux utilisateurs une mobilité plus éte ndue et plus souple. Ceux-ci
peuvent se déplacer tout en exécutant des applications multimédias et temps réel sur leurs mobiles. Toutefois, plusieur s
problèmes sont à résoudre. Parmi ces problèmes nous citons : la localisation, les déconnexions fréquentes et la gestion des
ressources.
La prédiction des déplacements peutjouer un grand rôle dans la gestion de la mobilité. Par exemple, la connaissance de la
position d’un mobile par le système à l’avance, lui per mettra un gain de temps lors de sarecherche (le paging). En effet, le
nombre de cellule à pager deviendra limité donc il sera plus facile au réseau de le trouver , et de lui acheminer les appels et
les données. La prédiction permet également au réseau de réserver des ressources à l’avance à un mobile dans les futures
cellules qu’il va traverser, réduisant ainsi la fréquence des déconnexions.
Nous présentons dans ce papier une solution de prédiction des déplacements des utilisateurs basée sur le datamining, plus
précisément la classification des utilisateurs selon leurs profils.
Références
advance reservation protocol” Q2Swin et 06 spin Oct 2006
[2] CK Chua, SM Jiang “Measurement based dy namic
bandwidth reservation scheme for handoff in mobile
multimedia networks”; conference on universal
personalcommunication Oct 98
[3] S Das, R Jay aram, N Kakani “A call admission & control
scheme for QOS provisioning in next generation wireless
networks”; wireless network 62000
[4] Vut Hong Nhan, K H Ryu “Future location prediction of
moving objects based on movements rules”; LNCI S 344
I CI C 2006
[5] T Liu, P Bahl “Mobility modeling location tracking and
trajectory prediction in wireless ATM networks”; IEEE vol
°16n°06 Aug 98
[6] B P Vijay Kumar, P Venkataram “Prediction based location
management using multilayer neural networks” ; I ndian
institute of science 2002
[7] G Yavas, D.Katsaros, O Ulusoy , Y Manolopoulos “A
datamining approach for location prediction in mobile
environments” ; ELSEVIER 2004
[8] G.Y.Liu, G.Q.Maguire “A predictive mobility management
algorithm for wireless mobile computing and
communication”; roy al institute of technology 1995
[9] T.Liu, P. Bahl, Imrich Chlamtac “Mobility modeling,
location tracking and trajectory prediction in wireless ATM
network”; IEEE 1998
[10] D. Katsaros, A. Nanopoulos, M. Karakay a, G. Yavas, O.
Ulusoy , Y. Manolopoulos “Clustering mobile trajectories for
resource allocation in mobile environments” Springer verlay
2003
[11] A. Bhattachary a, S. K. Das “Le zi update: an information
theoretic approach to track mobile users in PCSnetworks”
ACMwireless network 2002
[12] M. Daoui “Reservation de resource et prediction de cellule
dans un réseau mobile 3G” thèse doctorat 2009
[13] M.Daoui, A.M’Zoughi, M.Lalam, R. Aoudjid, M. Belkadi
“Forcasting models, methods and applications, mobility
prediction in cellular networks”. I-concepts press 2010
[14] G Helou, C Aboukhalil “Datamining: techniques d’extraction
des connaissances” Université Panthéon Assas paris I I 2004
[15] Paul Balez, Mathieu Beal “Algorithme du datamining” ;
EPI TA Fev 2002
[16] “Datamining and applications in genomics, chapter 2
datamining algorithm” 2008.
[17] J. Scourias and T. Kunz, An Activity-based Mobility Model
and Location Management Simulation Framework, Proc.,
Second ACM I nternational Workshop on Modeling, Analysis
and Simulation of Wireless and Mobile Sy stems (MSWiM),
1999, PP. 61-68.
