earticle

영어

Redundant handovers cause degraded quality of service to passengers in vehicle. This paper proposes a handover scheme suitable for users traveling in vehicles, which enables continuous learning of the handover process using a discrete-time Markov chain (DTMC). Through AdaBoost machine learning algorithm, the proposed handover scheme avoids unnecessary handover trials when a short dwell time in a target cell is expected or when the target cell is an intermediate cell through which the vehicle quickly passes. Simulation results show that the proposed scheme reduces the number of handover occurrences and maintains adequate throughput.

한국어

차량과 같이 넓은 범위를 이동하는 환경에서 무선 인터넷 서비스를 사용할 때, 불필요하게 발생하는 핸드오버는 서비스 품질 저하의 주된 요인이다. 본 논문에서는 차량이 일정한 이동패턴을 갖고 있을 때, 핸드오버 빈도를 줄일 수 있는 방안을 제시한다. 차량의 이동 패턴을 Discrete-Time Markov Chain (DTMC)으로 모델링하고, AdaBoost 기법을 이용하여, 각 셀 내의 체류시간과 평균 신호의 세기를 저장하고 분석하여 핸드오버 시, 적합한 목적지 셀을 정하도록 한다. 제안한 방안의 검증을 위해, 서울 시내버스 노선들을 기반으로 성능 평가를 수행하였으며, 결과로 기존의 핸드오버 기법보다 핸드오버의 빈도를 줄이며, 평균 처리율 (throughput)은 비슷한 레벨로 유지할 수 있었다.