Investigadores del Centro Extremeño de Investigación, Innovación Tecnológica y Supercomputación (CénitS), dependiente de la Consejería de Economía, Ciencia y Agenda Digital, proponen en un artículo recientemente publicado en la revista de divulgación científica de impacto internacional “Sensors”, una nueva metodología para la explotación inteligente y eficiente de los recursos integrados en las redes de telecomunicaciones a partir del comportamiento previsible de sus usuarios.


En el artículo, titulado “Una metodología para el análisis de redes con la que mejorar las comunicaciones ciberfísicas en las redes de próxima generación», los autores explican que es posible anticipar el comportamiento de los usuarios de una red mediante técnicas de Machine Learning.

Los investigadores señalan la especial utilidad del método propuesto en un momento en el que se observa un crecimiento exponencial en el número de dispositivos conectados a la red mediante tecnologías IoT (Internet of Things o Internet de las Cosas) y una progresiva implantación de las redes 5G, llamadas a convertirse en el sistema capaz de canalizar y gestionar el tráfico de la inmensa cantidad de datos que generan esos dispositivos, reduciendo así los tiempos de latencia y, por tanto, mejorando su eficiencia.

Sostienen los autores que si las operadoras disponen en cada momento de una información precisa acerca de los recursos tecnológicos a disposición de la red y el previsible comportamiento de los usuarios y dispositivos que hacen uso de ella, es posible anticipar respuestas y explotar eficientemente las redes que gestionan.

En el artículo los ingenieros de CénitS describen una metodología para analizar la información real de la red proporcionada por los operadores de telecomunicaciones. Para ello han utilizado varios conjuntos de datos proporcionados por Telecom Italia, analizando dos zonas de interés, la primera es la ciudad de Milán y sus alrededores y la segunda es la provincia de Trento. Estas dos áreas de interés describen zonas muy diferenciadas entre sí, la primera es una zona metropolitana, con un gran volumen de usuarios, mientras que la segunda es una zona montañosa, mayoritariamente rural.

De esta forma, en este artículo se analizan los comportamientos de dos zonas completamente diferenciadas, introduciendo algoritmos que permiten agrupar comportamientos comunes en un único conjunto de datos, estableciendo relaciones entre ellos.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *