Candidatura

Cuantificación de la eficiencia en ciudades inteligentes usando network slicing

La comprensión del tráfico de red de servicios móviles es vital para poder gestionar las redes 5G de forma eficiente. Basándonos en datos reales de un país, planteamos dos metodologías sostenibles para dos ciudades turísticas donde usar network slices, agruparlas y llevar a cabo la asignación los recursos necesaria según los requisitos para beneficio tanto de operadores (modelo de negocio), como de usuarios (calidad de servicio) teniendo en cuenta distintos niveles de agrupación y overbooking. El proyecto está basado en el estudio "Characterization of mobile network services to assess the impact of network slicing in a nationwide scenario.
Indicadores y procesos de mejora

Indicadores y procesos de mejora

– Territorialidad de las actuaciones. Indicamos 12 niveles de agregación para mostrar qué configuración es más propicia y sus contraindicaciones en ambas regiones obteniendo conclusiones similares.
– Número de slices. Se logran ganancias cuando los diez servicios que más tráfico consumen se gestionan independientemente sin perjudicar la calidad.
– Agregación temporal. En periodos inferiores a 1h, logramos una eficiencia del 5-15%, la cual aumenta considerablemente con el algoritmo por volumen de datos propuesto.
– Modo de asignación. De forma estática, se mejora hasta un 65% (a nivel de cloud) la eficiencia. Dinámicamente (30 min), se alcanza un 400% utilizando 1/3 de los recursos.
– Dinamización del tejido de redes por medio de patrones similares entre áreas. La gestión de servicios similares es viable cuando se analizan los datos desde el plano wavelets, donde la reducción de datos no perjudica los resultados. De esta forma se consigue a su vez desestacionalizar el turismo.

Cuantificación/Estimación reducción consumo

Cuantificación/Estimación reducción consumo

Los resultados muestran que cubrir toda la demanda actual de tráfico supondría en el mejor de los casos redoblar los recursos actuales de la red en el caso de no poder asignar los recursos dinámicamente. Sin embargo, si relajamos los requisitos asignados para los servicios en un 10%, conseguimos reducir esta cantidad de recursos a un 20% adicional. Además, variar el número de slices considerando la agregación de servicios según su categoría o distinta garantía de tráfico, mejora la eficiencia notablemente.
Gracias a la técnica de network slicing se consigue una eficiencia del 15% (a nivel de antena) que puede alcanzar hasta un 65% (a nivel de cloud) en el caso de la metrópolis, lo cual mejora notablemente la eficiencia. El caso óptimo se da cuando la reconfiguración de recursos se establece dinámicamente cada 30 minutos, logrando una mejora del 400% utilizando 1/3 de los recursos. Por tanto, el consumo se podría reducir hasta un 1/3 del actual según nuestros datos.

Cuantificación/Estimación reducción emisiones CO2

Cuantificación/Estimación reducción emisiones CO2

No mucha gente repara en que mandar 1700 correos al año supone el 5% de la huella digital de un vuelo Madrid-Austria. Pero si miramos a gran escala, según un estudio publicado en 2013 la industria de internet producía unos 830 millones de toneladas de dióxido de carbono cada año, el equivalente al 2% de las emisiones globales, la misma proporción que toda la industria de la aviación. De acuerdo a numerosas fuentes, las emisiones globales de CO2 producidas por internet ya habían alcanzado el 3,7 % del total, antes del inicio de la crisis de la covid-19 en marzo del 2020. Gracias a nuestro estudio, la huella digital se vería reducida a 1/3, lo cual supondría un gran avance en la lucha contra el avance del punto de no retorno que afecta al cambio climático. Además, gracias a la gran acogida del teletrabajo a raíz de la pandemia, nuestras metologías permitirían adaptarse a las necesidades de los usuarios y reducir la huella de CO2 indudablemente gracias a la reducción desplazamientos.

Innovación aplicada y buenas prácticas

Innovación aplicada y buenas prácticas

La iniciativa demuestra las mejoras en eficiencia tras usar network slices, garantizando un balanceo de tráfico del 10% entre los nodos vecinos de red, con una gestión ágil que marcará la diferencia en las redes del futuro. Las implicaciones de está innovación darán lugar a una reducción de consumo energético y mejores garatías tanto a diario como en eventos masivos como conciertos, conferencias, e-sports, etc. Se destaca la importancia en eficiencia del análisis espectral para la reducción de datos y agrupación de patrones interregionales en orquestadores, ya que combinar esta técnica con las metodologías propuestas, la predicción de tendencias y el software necesario para asignar recursos, marcará un antes y un después en el actual marco de las Telecomunicaciones. Esta decisión ligada al nivel de uso que requiere cada servicio y el pago por uso conllevarían un ahorro final mínimo del 57% en computación. Finalmente, ya se estudia cómo afectará su uso en otros sectores como el Turismo.

Usabilidad de Tecnologías de la Información y Comunicaciones

Usabilidad de Tecnologías de la Información y Comunicaciones

Mediante el uso de Inteligencia Artificial, demostramos que el network slicing en conjunto con el software que permita la virtualización de redes (ej: OpenStack, MANO, orquestador) permitiría un mejor uso de los recursos, eficiencia y, finalmente, réditos. Esto se ha realizado con datos reales de un operador y definiendo slices en todos los escenarios posibles (a nivel de antena, centro de datos o núcleo de la red).
Además, se han abordado los beneficios y las contraindicaciones en cuanto a la calidad de servicio ofrecida, así como qué es oportuno priorizar para los servicios heterogéneos de una red nacional. Por ello, cabe esperar que sean transferibles a otras localizaciones, tal y como se plantea en el estudio de wavelets, si bien la cultura y región bajo estudio puede producir variaciones en los resultados. No obstante, las conclusiones de las distintas metodologías deberían servir como guía al dimensionar la red y gestionar los recursos eficientemente, reduciendo el CO2.

Implementado en:

Universidad Carlos III de Madrid

Periodo de ejecución:

28/07/2021 - 28/07/2021

Socio tecnológico destacado:

IMDEA Networks