Modelisation Du Trafic Multimedia Dans Les Reseaux Mobiles

W A D I A .
AJINOU
MODELISATION DU TRAFIC MULTIMEDIA DANS

LES RSEAUX MOBILES
Mmoire prsent
la Facult des tudes suprieures de l'Universit Laval
dans le cadre du programme de matrise en informatique
pour l'obtention du grade de Matre s sciences (M.Se.)
D P A R T E M E N T D ' I N F O R M A T I Q U E ET D E GNIE LOGICIEL

F A C U L T DES SCIENCES ET DE GNIE
UNIVERSIT L A V A L
QUBEC
2008
Wadia AJINOU, 2008
Rsum
La planification d'un rseau mobile ncessite la modlisation adquate du trafic, en tenant
compte de ses diverses composantes multimdia, ainsi que de la mobilit des usagers. La
modlisation
comportement
d'un
de
tel
trafic
chaque
demeure
usager
difficile
mobile,
en
faire,
plus
de
car
la
ce
dernier
structure
du
dpend
du
rseau,
de
l'environnement de propagation, et d'autres paramtres lis l'usager, c o m m e la dure

moyenne des communications, la dure d'occupation des ressources, la nature et la quantit
des informations changes. Dans ce contexte, il est difficile de connatre tout instant le
trafic exact dans une zone donne. Plusieurs modles de trafic ont t labors ces dernires
annes. Cependant, peu d'entre eux tiennent compte de la diversit des composantes
multimdia du trafic et des services offerts dans les rseaux mobiles.
Dans ce mmoire, nous proposons un modle de trafic multimdia qui permet de privilgier
l'accs des demandes de communication aux ressources selon les classes de services
auxquelles ces demandes appartiennent et selon le nombre de ressources occupes dans la
cellule. Les classes de services considres dans la modlisation sont les mmes que celles
adoptes pour les systmes U M T S . Grce ce modle, nous pouvons prdire des
paramtres importants de qualit de service : les probabilits de blocage et d'interruption de
chaque classe de services. Le modle est implment l'aide de programmes crits en C et
en Matlab. A partir des rsultats de simulations, nous trouvons que notre modle garantit
aux deux premires classes de services prioritaires une bonne qualit de service : aucune
rupture ou blocage des communications. Pour les deux autres classes, le modle garantit
que les probabilits de blocage et d'interruption soient infrieures 0.06, sachant que les
donnes utilises dans les simulations sont 100 fois plus contraignantes que celles de la
littrature.
Abstract
Planning a mobile network requires an adequate traffic modeling, while taking into
account its various multimedia components as well as the user mobility. Modeling such
traffic remains difficult due to user mobility, network structure, propagation environment,
as well as call duration and channel holding time. Recently, several traffic models have
been developed. However, few o f them take into account the diversity o f multimedia traffic
components and services in mobile networks. In this thesis, w e propose a model that allows
communication requests to access the network according to each class o f services. The
classes o f services used in the proposed model are the same used in U M T S systems. Based
on this model, w e predict the blocking probability and dropping probability for each class.
The model is evaluated using programs written in C and Matlab. From the simulation
results, w e found that the proposed model guarantees to the first two prior classes o f
services a g o o d quality o f service: no communication dropping or blocking. For the other
classes, the model guarantees that the blocking probabilities are less than 0.06, given that
the simulation parameters are 100 more stringent than the parameters used in the literature.
Avant-propos
Je n'aurais su effectuer ma maitrise sans l'aide et le soutien de plusieurs personnes, j e

tiens donc les remercier. Tout d'abord, j e remercie infiniment ma famille, commenant
par mes parents bien aims, passant mon frre Zakaria, m o n cher Samir et en arrivant
ma petite sur Sophiya, pour leur patience et leur encouragement tout au long de mes
annes d'tude.
Je voudrais remercier aussi mon directeur de recherche, M. Ronald BEAUBRUN, pour son
encadrement, ses suggestions, sa disponibilit et son support moral et financier durant ma
matrise.
Je remercie galement les professeurs M. Luc LAMONTAGNE et M. Jules DESHARNAIS
qui ont accept d'valuer ce mmoire. Ils sont tous deux professeurs au Dpartement
d'informatique et de gnie logiciel de l'Universit Laval, Qubec.
Je ne peux terminer sans remercier le personnel du Dpartement d'informatique et de
gnie logiciel ainsi que mes collgues, plus particulirement, M m e Lynda Goulet, M . V o
TRUNG KHOA, M. Mohammed MBARKI et Mlle M o l o BADJI. Je remercie aussi les
professeurs qui ont donn les cours auxquels j'ai assist: M m e N i c o l e TOURIGNY, M.
Pascal TESSON, M. Mohamed MEJRI ET M. Gilles D'AVIGNON.
Je remercie m o n Dieu de m'avoir donn la force et les moyens et de m'avoir fait
rencontrer toutes ces bonnes personnes pour arriver mon but.
A ma trs chre
mre
Table des matires

Rsum
Abstract
ii
Avant-propos
iii
Table des matires

Liste des tableaux
v
viii
Liste des figures
ix
Liste des sigles
xi
Introduction
1.1
Concepts de base
1.2
lments de la problmatique
1.3
Obj ectifs de recherche
1.4
Plan du mmoire
Caractrisation du trafic du trafic multimdia
2.1
Composantes du trafic multimdia
2.1.1
Trafic de type voix
2.1.2
Trafic de type "Donnes"
2.1.3
Trafic de type vido
2.2
2.3
Exemple des services gnrant le trafic multimdia
2.2.1
Services de localisation
10
2.2.2
Service de messagerie instantane
10
2.2.3
Oprations bancaires mobiles
11
Classes de services
11
2.3.1
Services conversationnels
12
2.3.2
Services interactifs
12
2.4
2.5
2.6
Services streaming
13
2.3.4
Services background
13
Effet de la mobilit des abonns sur le trafic
13
2.4.1
Utilit de la prdiction de la mobilit
14
2.4.2
Modle fluide
14
2.4.3
Modle de Markov
15
2.4.4
Modle "Mold Mobility"
15
2.4.5
Modle de gravit
16
Gestion du trafic
17
2.5.1
Technique de structure hirarchique de cellules
17
2.5.2
Exploitation de la structure hirarchique des rseaux
20
Effet de l'environnement sur le trafic
21
2.6.1
Rappel des phnomnes de propagation
21
2.6.2
Phnomnes de perturbation
22
Analyse des modles de trafic
25
3.1
Contexte d'utilisation
26
3.2
Principes de la modlisation du trafic
28
3.3
Paramtres de modlisation
30
3.3.1
Temps inter-arrives des appels
30
3.3.2
Temps de service
31
3.4
3.5
2.3.3
Rsultats de la modlisation
37
3.4.1
Probabilit de blocage
37
3.4.2
Probabilit d'interruption
40
3.4.3
Nombre moyen d'appels gnrs
43
Analyse de quelques modles
44
3.5.1
Prise en compte de la mobilit dans une structure hirarchique
44
3.5.2
Prise en compte de la diversit des services multimdia
50
Proposition d'un m o d l e
52
4.1
52
laboration du modle
Vil
4.2
4.3
4.4
4.1.1 Hypothses gnrales
53
4.1.2 Description du modle
54
Implementation
62
4.2.1
Description du simulateur
62
4.2.2
Fonctionnement du simulateur
64
Rsultats
65
4.3.1
Choix des paramtres de la simulation
65
4.3.2
Rsultats obtenus
71
Analyse des rsultats
73
Conclusion
80
5.1
Synthses des rsultats
80
5.2
Limitations
82
5.3
Travaux futurs
83
Bibliographie
85
Annexe A
90
Liste des tableaux

2.1
Spcification du dlai pour le trafic de la voix
A.l
Rsultats de la simulation en fonction des Kj
91
A.2
Taux de blocage en fonction des Ki
91
A.3
Rsultats de la simulation en fonction de Mu
93
A.4
Taux de blocage en fonction de Mu
94
A.5
Rsultats de la simulation en fonction de LambdaO
96
A.6
Taux de blocage en fonction de LambdaO
97
A.7
Rsultats de la simulation en fonction de Lambda!
99
A.8
Taux de blocage en fonction de Lambda 1
100
A.9
Rsultats de la simulation en fonction de Lambda2
102
A . 10
Taux de blocage en fonction de Lambda2
102
A.l 1
Rsultats de la simulation en fonction de Lambda3
105
A . 12
Taux de blocage en fonction de Lambda3
106
Liste des figures

2.1
Division d'une rgion selon le modle M o l d Mobility
16
2.2
Division d'une zone de service en cellules et en motif
18
2.3
Types des cellules couvrant une zone
20
2.4
Phnomnes de propagation d'un signal
22
3.1
Utilisation de la modlisation du trafic dans un rseau G S M
27
3.2
Utilisation de la modlisation du trafic dans un rseau 3G
27
3.3
Exemple de parcours de deux stations de mobile dans quatre cellules
34
3.4
Forme du motif conu pour l'tude
38
4.1
Description de modle
55
4.2
Oprations du modle propos
56
4.3
Diagramme d'tats du modle propos
57
4.4
Les services mobiles (excluant SMS et M M S ) utiliss en France
67
4.5
Services accessibles par les utilisateurs mobiles
67
4.6
Probabilits de blocage en fonction de lambdaO
71
4.7
Probabilits de blocage en fonction de lambdal
72
4.8
Probabilits de blocage en fonction de lambda2
72
4.9
Probabilits de blocage en fonction de lambda3
73
4.10
Probabilit de blocage de la classe 4 selon le temps d'inter-arrives de chaque classe

74
4.11
Probabilit de blocage de la classe 3 selon le temps d'inter-arrives de chaque classe

76
4.12
Comparaison de la simulation l'tude analytique pour les demandes de la classe 4

en fonction de lambdal
77
4.13

en fonction de lambda2
4.14

en fonction de \ambda2
4.15
77
78

en fonction de Mu
78
Liste des sigles

B 2 B : Business T o Business
B S C : Base Station Controller
BSS : Base Station Subsystem
B T S : Base Transceiver Station
C/I : Carri er-to-Interference
C A C : Call admission Control
C D M A : C o d e Division Multiple Access
F D M A : Frequency Division Multiple Access
G P R S : General Packet Radio Service
G S M : Global System for Mobile communications
H L R : H o m e Location Registry
I T U : Internation Telecommunication Union
K b p s : KiloBits par seconde
L B S : Localition Based Services
M M P P : Markov Modulated Poisson Process
M M S : Multimedia Message Services
M S C : Mobile Server Switching Center
P D A : Personal Digital Assistant
S M S : Short Message Services
T D M A : Time Division Multiple A c c e s s
U M T S : Universal M o b i l e Telecommunication System
V L R : Visitor Location Register
V o I P : V o i c e over Internet Protocol
1 G : Premire gnration de tlcommunication mobile
2 G : Deuxime gnration de tlcommunication mobile

3 G : Troisime gnration de la tlcommunication mobile
Chapitre 1
Introduction
Depuis le dbut des annes 90, nous assistons un vritable engouement pour le
dveloppement des rseaux mobiles: le nombre d'abonns est pass de 11 millions en 1990
prs de 3 milliards en 2007 [33]. Cet engouement est d, d'une part, un besoin de
mobilit
et, d'autre
part, la panoplie
des
nouveaux
services
offerts,
comme
la
vidoconfrence, les jeux interactifs, le tlchargement de fichiers et la rception des

programmes tlviss [10], [26], [50]. Cette croissance fulgurante du nombre d'abonns
conduit une augmentation significative de la quantit de trafic transitant travers le
rseau. Un tel trafic est essentiellement constitu de trois composantes : voix, donnes et
vido, d'o le nom de trafic multimdia. Sa modlisation devient alors primordiale pour
assurer des services de qualit aux abonns. Ce mmoire porte sur la modlisation du trafic
multimdia dans les rseaux mobiles. Dans ce chapitre d'introduction, nous prsentons
d'abord les concepts de base lis au sujet, puis les lments de la problmatique. Par la
suite, nous dfinissons les objectifs viss par notre travail, avant d'annoncer brivement le
plan de notre mmoire.
1.1 C o n c e p t s de base
Dans un rseau mobile, la zone de service est constitue de stations de base SB qui
fournissent les liens radio aux usagers mobiles pour la communication. Chaque BS dessert
une zone gographique appele cellule. Il est possible que l'utilisateur change de cellule au
cours
d'une
communication.
Le
rseau
doit
alors
lui
assurer
la
continuit
de
la
communication en lui attribuant donc un canal libre dans la nouvelle cellule de destination.
On appelle cette procdure handover.
Lorsqu'un usager veut gnrer ou recevoir un appel, le terminal essaie de lui octroyer un
canal pour la connexion. S'il n'existe pas de canaux disponibles pour cette connexion,
l'appel est bloqu et effac du systme : on parle alors de blocage de nouvel appel. La
probabilit de blocage est la probabilit qu'un abonn voie son appel bloqu. Par contre, si
un canal est disponible lors de l'tablissement de la communication, il est utilis pour la
connexion, puis relch soit la fin de l'appel, soit lorsque l'usager quitte la cellule. Dans
le mme ordre d'ide, lorsque l'usager change de cellule (situation de handover) pendant
une communication, un canal de communication doit lui tre rserv dans la nouvelle
cellule. Si aucun canal n'est disponible dans la nouvelle cellule lors du handover, l'appel
est forc de se terminer avant d'tre complt. On parle alors de probabilit d'interruption.
Les probabilits de blocage des nouveaux appels et d'interruption des appels de handover
sont considres c o m m e des paramtres importants d'valuation de la qualit de service.
La modlisation du trafic dans un rseau mobile consiste laborer des modles qui aident
valuer le trafic dans les premires phases d'opration du rseau mobile. Elle permet de
prdire la quantit d'information circulant dans le rseau, le taux de communications
russies dans une cellule, ainsi que le taux de communications choues, l'aide des
probabilits de blocage et d'interruption trouves dans le modle. Il s'agit donc d'une tape
essentielle
pour
prdire
les
ressources
radio
ncessaires
l'tablissement
des
communications. Cependant, elle requiert la connaissance de plusieurs paramtres qui

peuvent tre, soit lis aux abonns, soit lis au rseau. Les paramtres lis aux abonns
sont : la dure des communications et le temps de rsidence dans une cellule, alors que les
paramtres lis au rseau sont : les types d'applications offertes, la structure des cellules et
les algorithmes de gestion d'appels et d'accs aux ressources.
1.2 Elments de la p r o b l m a t i q u e
La plupart des recherches rcentes dans la modlisation du trafic ont surtout mis l'accent
sur le dveloppement de modles pour caractriser le trafic d'arrive et la distribution du
temps de service dans les cellules [8], [40], [48]. Par exemple, Fang modlise le temps de
rsidence selon la loi Hyper-Erlang
[20]. Spedalieri et al. proposent de modliser le temps
d'occupation d'un canal selon la loi lognormale
[48]. Cependant, ces propositions ne
permettent pas d'valuer l'intensit du trafic en tenant compte des paramtres de qualit de
service : probabilit de blocage et probabilit d'interruption des communications.
Par ailleurs, il existe certaines tudes qui intgrent les caractristiques des rseaux mobiles
la modlisation du trafic [14], [42]. Par exemple, dans [ 2 5 ] , Hang et Rappaport laborent
un modle qui tient compte de l'effet de la procdure de handover sur le trafic coul dans
une zone.
Al-Kaidi et Alani dans [ 2 ] , [3], ainsi que Boggia et al dans [14] ont essay
travers leurs modles d'analyser l'effet des interactions entre les cellules sur la modlisation
du trafic.
Basgeet et al. [10] ont labor un modle qui met l'emphase sur l'effet de la
mobilit des clients sur la modlisation du trafic. Dans [ 4 ] , Anagnostou et al ont tabli un
modle de trafic qui tient compte de la diversit des zones desservir (indoor : l'intrieur
des btiments, outdoor : l'extrieur des btiments). Dans [38], M e o et Viterbo ont ralis
un modle qui considre la diversit des types de trafic : voix, vido et donnes. Cependant,
aucun de ces modles n'a abord les caractristiques essentielles des prochaines gnrations
de rseaux mobiles : la diversit des applications offertes et leurs exigences de qualit de
service.
Toutefois, il existe un autre modle qui tient compte de ces caractristiques [54]. Dans ce
modle, les demandes de services les plus sensibles au temps d'attente sont les plus
prioritaires.
Par consquent,
l'arrive
d'une
demande
plus prioritaire, le
systme
interrompt la communication la moins prioritaire, dans le cas o il n'existe plus de

ressources libres. Ce modle permet de privilgier les communications les plus prioritaires
par rapport aux moins prioritaires. Toutefois, les calculs dcoulant de ce modle sont
complexes, ce qui rend difficile son adaptation aux futurs rseaux mobiles.
1.3 Objectifs de recherche

Dans le cadre de notre mmoire, nous visons la modlisation du trafic multimdia dans les
rseaux mobiles, en tenant compte de la diversit des exigences des applications offertes.
La modlisation doit tre suffisamment
efficace pour tenir compte des
changements
ventuels, en termes d'intensit de trafic, dans le rseau. Plus spcifiquement, nous visons
:
caractriser le trafic multimdia et analyser les paramtres qui peuvent influencer sa

modlisation;
proposer un modle de trafic qui permet de privilgier les services les plus sensibles
au dlai d'attente, c o m m e la tlphonie, la vidophonie et les jeux interactifs;
valuer la performance du modle propos, en termes de probabilits de blocage et

d'interruption des communications.
1.4 Plan du m m o i r e
Le reste du mmoire est organis en quatre chapitres. Dans le chapitre 2, nous prsenterons
les lments principaux qui dcrivent et influencent le trafic dans les rseaux mobiles. Nous
prsenterons
donnerons
d'abord
quelques
les
caractristiques
exemples
de
des
services
composantes
offerts
dans
du
trafic.
les rseaux
Ensuite,
mobiles.
nous
Nous
prsenterons aussi les classes de services adoptes dans les dernires gnrations de la
tlcommunication mobile. Finalement, nous verrons l'effet de la mobilit, de la structure
des cellules et de l'environnement de propagation sur le trafic.
Le chapitre 3 s'intresse l'analyse des modles de trafic. D'abord, nous prsenterons

l'importance de la modlisation du trafic dans la mise en place d'un rseau. Ensuite, nous
verrons les caractristiques des paramtres modlisant le trafic. Enfin, nous analyserons un
ensemble de modles rcemment proposs.
Nous consacrons le chapitre 4 la prsentation de notre modle. La premire section

contient la proposition et les hypothses ncessaires pour l'laborer. Nous valuerons cette
proposition
l'aide des simulations dont nous dcrirons le fonctionnement
dans la
deuxime section. Le reste du chapitre est consacr l'analyse des rsultats de simulations.
Nous terminons ce mmoire par le chapitre 5 qui synthtise les rsultats trouvs et
prsentera
les
limitations
de
notre
recherche.
Cette
conclusion
s'achve
par
perspectives o nous discuterons des ventuelles amliorations de notre proposition.
des
Chapitre 2
Caractrisation du trafic multimdia
Le trafic rsulte des diverses communications gnres par les abonns mobiles. Il s'agit
d'un facteur dterminant du rseau, car la position et les spcifications techniques de tous
les quipements en dpendent grandement. Il convient alors de bien caractriser le trafic
multimdia pour s'assurer de la bonne utilisation de ces quipements. La caractrisation du
trafic consiste dcrire ses composantes (voix, vido et donnes), dterminer les sources
qui le gnrent et identifier les paramtres qui l'influencent. Dans ce chapitre, nous
dcrirons d'abord
les caractristiques des trois composantes du trafic. Ensuite, nous
donnerons quelques exemples d'applications gnrant le trafic, avant de dcrire comment

les applications et les services multimdia sont classs dans les rseaux mobiles. Enfin,
nous expliquerons les effets de la mobilit des utilisateurs, de la structure des rseaux et de
l'environnement de propagation des signaux radio sur l'coulement du trafic.
2.1 C o m p o s a n t e s du trafic multimdia

Actuellement, les services offerts par les rseaux mobiles gnrent trois types de trafic: la
voix, les donnes et la vido. Dans cette section, nous allons caractriser chacune de ces
composantes du trafic.
2.1.1 Trafic de type voix

Jusqu' prsent, le trafic de la voix est surtout exploit dans la tlphonie. Les dbits et les
dlais de ce type de trafic doivent permettre l'utilisateur d'avoir la qualit de service
exige par ce type d'applications. Ce dbit doit varier entre 32 kbps et 384 kbps, tandis que
le dlai ne doit pas dpasser les 400 ms [45). Les contraintes de dlais prsentes dans le
tableau
2.1
sont
dfinies
Tlcommunication
dans
la
recommandation
G.114
de
l'ITU
{International
Union) [45]. L'ITU a dtermin ces valeurs pour que le temps d'attente
pendant l'utilisation du service vocal ne soit pas perceptible par les abonns. En gnral,
l'intensit du trafic de la voix est dtermine par la relation 2.1.
Charge
de trafic
=N-D
(2.1)
o :
N est le nombre de communications gnres par unit de temps;
D est la dure moyenne de communication.
Description
Dlai en millisecondes
Acceptable pour la plupart des applications.
0-150
150-400
Acceptable par les usagers mobiles condition que le rseau

tienne compte du temps de la transmission et offre les
meilleurs dlais pendant la communication.
Au-del de 400
Gnralement inacceptable par les utilisateurs mobiles sauf

pour quelques uns.
T A B 2.1: Spcification
du dlai pour le trafic de la voix
2.1.2 Trafic de type donnes

C'est le type de trafic le plus utilis actuellement dans les rseaux mobiles [41], [45], [57].
Sa premire apparition fut avec l'arrive des systmes G S M (Global
communications),
Services).
System for
et le principal service qui le gnrait tait le S M S (Short
Mobile
Message
Actuellement, il existe une panoplie de services multimdia qui le gnrent :
M M S (Multimedia
Message Services),
tlchargement, jeux, messagerie instantane.
Les valeurs des paramtres de transmission (dbit, dlai) pour le trafic de
donnes
dpendent de l'application qui le gnre. Par exemple, si un utilisateur dsire jouer aux
checs avec son terminal mobile, le rseau doit lui garantir un dbit gal prs d'un kbps et
un dlai infrieur une seconde, condition que la transmission des donnes se fasse sans
tolrance d'erreur [45]. Toutefois, dans le cas o l'utilisateur veut couter de la radio, ces
donnes changent : la communication a besoin d'un dbit minimal de 32 kbps et d'un dlai
de transmission ne dpassant pas 10 secondes [45]. En gnral, la limite du dlai de bout en
bout pour le trafic de donnes est de 250 ms: s'il dpasse 150 ms, il est considr c o m m e
b o n et s'il est dans les voisinages de 250 ms, il est considr c o m m e acceptable.
2.1.3 Trafic de type vido

Le trafic de type vido peut tre considr c o m m e un cas particulier de trafic de donnes.
Mais, pour certaines applications, il peut avoir les mmes exigences que le trafic de la voix.
C'est le cas, par exemple, de la vidophonie qui consiste converser avec un interlocuteur
tout en le visualisant sur l'cran du terminal mobile. La caractristique majeure des
applications de type vido est l'utilisation d'une bande passante plus grande. En effet, ce
1
type de trafic n'a fait son apparition que dans la dernire dcennie, l'arrive du GPRS
(General
Packet Radio Service) qui a combl le problme des ressources inadaptes pour la
transmission de la vido dans les systmes G S M : la largeur de bande d'un canal de

transmission tait gale 200 kHz
et le dbit tait gal 9.14 kbps [45]. L ' U M T S et les
autres systmes de la troisime gnration ont augment encore plus ces caractristiques
En tlcommunication, la bande passante dsigne la diffrence en Hertz entre la plus haute et la frquence la
plus basse.
1
(3.84 M H z c o m m e largeur de bande de chaque canal de transmission et au moins 114 kbps

pour le dbit), ce qui a permis d'offrir plus d'applications vido [39], [45].
Selon le service sollicit, les caractristiques du trafic vido changent. Par exemple, pour le
service de la vidophonie, le dbit doit tre au moins gal 32 kbps et le dlai peut
atteindre 400 ms. Toutefois, pour la visualisation d'une vido partir d'un terminal mobile,
le trafic exige un dlai de transmission maximal de 10 s et d'un dbit variant entre 10 et
128 kbps [33]. En gnral, le dlai de bout en bout est considr bon s'il ne dpasse pas
150 ms et acceptable s'il varie entre 150 ms et 300 ms.
2.2 Exemples de services gnrant le trafic multimdia

Les trois composantes du trafic multimdia sont gnres par plusieurs services. D'aprs le
forum de l'UMTS (Universal
les
services
multimdia
Mobile
peuvent
Tlcommunication
tre
utiliss
System) [54], les applications et
au moins
dans
quatre
domaines:
la
communication, le commerce, l'information, et le divertissement. Dans la communication,

on peut trouver diffrents types de services : la tlphonie, la vidophonie, le S M S / M M S ,
la messagerie
instantane
et la messagerie unifie .
2
Pour les applications
lies
au
commerce, il existe des services qui touchent aux transactions c o m m e le m-commerce [55]
ou B2B (Business
To Business),
et d'autres qui sont lis aux oprations bancaires mobiles.
Les plus importants services d'information offerts par les rseaux mobiles actuels sont les
services de localisation. Pour les applications de divertissement, ce sont tous les services
qu'un utilisateur peut solliciter dans le but de se distraire (jeux, musique en ligne, Internet,
etc.). Dans cette section, nous donnerons quelques exemples de services multimdia offerts
dans les rseaux mobiles.
2.2.1 Services de localisation

Les services de localisation dsignent les services fournis aux utilisateurs mobiles en
fonction de leur emplacement gographique [50]. Ces services utilisent la capacit de
Messagerie unifie: Application permettant l'utilisateur d'accder et de grer l'ensemble de ses messages
quel qu'en soit la provenance : la messagerie lectronique, la messagerie vocale, par le tlcopieur, la
messagerie Internet et la messagerie vido.
2
dterminer et de transmettre dynamiquement l'emplacement des personnes au sein d'un

rseau mobile par le biais de leurs terminaux [50]. Ils sont dots de la capacit de chercher
les informations sur l'emplacement et ils ont les moyens qui permettent la recherche
d'itinraires pour des destinations spcifies.
Les services de localisation peuvent tre classs selon leurs fonctionnalits et selon
l'utilisation des informations de localisation
[50]. La classe de services de base est
constitue des services d'information de localisation qui informent l'utilisateur sur son
emplacement actuel. Ces services sont gnralement associs une carte numrique
montrant l'emplacement de l'utilisateur. En raison de la limitation de la taille de l'cran des
terminaux mobiles, la carte numrique ne contient que des informations de base sur le
rseau, tels que les noms de rues et quelques points d'attraction. Lorsque ce plan est dot
d'un accs certaines informations de point d'intrt, le service devient un service de
guide
touristique
niveau
de
virtuel.
l'assistance
en
Un service de guide touristique virtuel fournit un autre

affichant
l'utilisateur
des
itinraires pour
atteindre
destinations. Quand ce service inclut la capacit de recherche d'informations
les
sur les
emplacements des services et la possibilit de les contacter, il devient un service de pages

jaunes. Par ailleurs, les services de navigation sont des services qui permettent aux usagers
mobiles d'atteindre leur destination via des chemins optimaux partir de leur emplacement.
2.2.2 Service de messagerie instantane

La messagerie instantane offre un ensemble d'usagers la possibilit de communiquer
entre eux en temps rel et tout moment via plusieurs types de terminaux, mobiles ou
fixes. Ce service a t d'abord conu pour la communication entre usagers fixes qui
utilisent la messagerie textuelle. Actuellement, ce service est aussi offert aux usagers
mobiles et intgre d'autres fonctionnalits pour transmettre la voix et la vido [26]. D e ce
fait, il peut gnrer les trois types de trafic : vido, voix et donnes.
La messagerie instantane peut influencer le trafic produit dans les rseaux mobiles. En
effet, au lieu de s'envoyer continuellement des courriels, des SMS ou des M M S , il est plus
efficace
pour
Nanmoins,
il
deux
abonns mobiles
faut remarquer
de
s'entretenir
qu'elle est aussi
via la messagerie
exigeante
que
instantane.
la tlphonie
ou
la
vidophonie quant aux paramtres de transmission. En effet, le dbit est compris entre 32 et
384 kbps, alors que le dlai de transmission doit tre entre 150 et 400 ms puisqu'elle se fait
en temps rel entre au moins deux usagers. D e plus, par similitude avec la tlphonie, elle
peut requrir une transmission symtrique (mme dbit de transmission en mission et en
rception) entre le rseau mobile et chacun des interlocuteurs [45].
2.2.3 Oprations bancaires mobiles

Le service des oprations bancaires mobiles permet l'utilisateur mobile d'accder aux
services de sa banque via son terminal, n'importe quel moment et indpendamment de sa
position. C e service ressemble beaucoup la banque virtuelle (Internet Banking)
[51]. Il
offre une grande gamme d'applications. Il permet l'utilisateur d'avoir des renseignements
lis son solde ou au statut de son compte, ainsi qu'au statut de ses chques. Il lui permet
aussi de raliser des requtes pour demander un carnet de chques, l'historique des
transactions
rcentes, ou d'autres
informations
comme
les taux
d'intrt.
D e plus,
l'utilisateur a la possibilit de faire un transfert entre deux comptes, tout en tant mobile et
distance. Il peut aussi recevoir des alertes pour le mettre en courant des dernires factures
payes par son compte ou pour le prvenir de son solde minimal.
Les oprations bancaires mobiles gnrent donc un trafic de type donnes. Ce trafic peut
tre produit, soit c o m m e un flux d'informations envoy par la banque (les services de
vrification), soit c o m m e une interaction entre le client et la banque (les services
transactionnels).
Le deuxime cas est plus critique que le premier, car il est plus
contraignant quant aux paramtres de transmission: en gnral, l'usager n'accepte pas un

dlai d'attente suprieur 2 secondes [45].
2.3 Classes de services

Les caractristiques des trois composantes de trafic gnres dans les rseaux mobiles
dpendent normment de la nature des applications sollicites. Ces applications peuvent
tre classes selon leur comportement et par rapport aux contraintes de transmission (dbit,
dlai, tolrance des erreurs). Actuellement, on distingue quatre classes de services :
conversationnelle , interactive , streaming et arrire-plan (Background)
[45].
2.3.1 Services conversationnels

Les services de cette catgorie permettent de transmettre principalement du son et des
images en temps rel entre deux personnes ou un groupe de personnes. Leur qualit est
donc assez sensible aux dlais de transmission, car ces dlais peuvent tre facilement
perceptibles par les utilisateurs. Parmi ces services, nous pouvons citer la tlphonie en
m o d e circuit, la tlphonie en mode paquet utilisant le protocole VoIP ( V o i c e Over IP) et la
vidophonie [45). Ce dernier service est moins tolrant aux erreurs que la tlphonie et
requiert gnralement un dbit plus important.
La transmission des applications de cette classe doit tre symtrique (mme dbit de
transmission en mission et en rception). Pour les services de vidophonie, il faut aussi
que la voix et les images soient transmises de manire synchrone pour bien coordonner les
images et le son.
2.3.2 Services interactifs

Cette classe comprend les services ncessitant une certaine interaction avec le destinataire
sous forme de requtes/rponses. Une application interactive est caractrise par le fait que
l'expditeur de la requte attend une rponse du destinataire dans un certain temps. Par
consquent, la qualit de service est mesure par le temps d'aller-retour, c'est--dire le
temps coul entre le moment o le message est envoy et celui o la rponse arrive. Le
destinataire dans les services interactifs peut tre une machine (un serveur par exemple) ou
une personne.
Plusieurs types de services appartiennent cette classe. Les jeux interactifs en font partie,
condition que la nature de ces jeux n'exige pas de dlais de transmission trs faibles. La
classe interactive comprend aussi les services de localisation, car leur fonctionnement
consiste rpondre aux requtes envoyes par l'utilisateur mobile. Les interactions avec le
rseau
Internet via un terminal mobile constitue une autre catgorie
d'applications
interactives. Pour ce dernier service, le temps de rponse doit se situer entre 2 et 4

secondes.
2.3.3
Services
streaming
Les services de cette classe utilisent la technique streaming qui consiste envoyer un
flux continu d'informations et les traiter instantanment au niveau du terminal mobile. Les
informations
utilises dans ces services sont de type audio ou vido.
Les
services
<< streaming
sont de plus en plus utiliss, car la majorit des utilisateurs d'Internet n'ont
pas d'accs suffisamment rapide pour tlcharger des fichiers multimdia volumineux en un
temps raisonnable. l'aide de la technique streaming, le navigateur client peut commencer
a afficher les donnes avant que l'intgralit du fichier ne soit tlcharge.
Cette classe de services est unidirectionnelle : la transmission se fait seulement de la station

de base l'utilisateur mobile. Ces services sont assez rcents et offrent un potentiel
d'application assez vaste. Par exemple, dans un terminal mobile, on peut recevoir des
fichiers audio et les couter sans avoir les conserver localement, en raison du manque de
mmoire. Il en est de m m e pour les images que l'on souhaite visualiser rapidement.
2.3.4
Services
background
Ce sont des services qui ne posent, ou presque, aucune contrainte de temps pendant le
transfert
de
{background).
l'information
qu'ils
gnrent.
Ils peuvent
s'excuter
en
arrire-plan
Le temps de transfert de ces services peut se mesurer en secondes, dizaines
de secondes, ou minutes, sans perturber le droulement des autres applications
de
l'utilisateur. Parmi ces services, il existe la transmission des donnes des courriels, le S M S ,
le tlchargement de contenu des bases de donnes. Le service d'envoi et de rception de
cartes postales lectroniques est un autre exemple d'application background
qui devient de
plus en plus populaire. Les derniers terminaux intgrant une camra et des crans couleur,
encouragent les abonns mobiles crer leurs propres cartes postales.
2.4 Effet de la mobilit des abonns sur le trafic

Plusieurs modles ont t labors pour prdire la mobilit des abonns. Dans cette section,
nous allons voir comment la mobilit peut servir dans l'tude du trafic et comment nous
pouvons la modliser dans les rseaux mobiles.
2.4.1 Utilit de la prdiction de la mobilit

l'aide d'un modle de mobilit, un rseau mobile sera en mesure de prdire les
dplacements des abonns, ce qui permettra de prdire la quantit des ressources affecter
chaque cellule. Cela lui permettra ainsi de minimiser le nombre des demandes de
communication bloques cause d'un manque de ressources ou de planifier la quantit des
ressources ncessaires pour russir les procdures de handover [17], [30]. Dans le m m e
ordre d'ides, une tude dtaille de la mobilit, tenant compte des
caractristiques
gographiques d'une rgion ainsi que de ses points d'attraction, peut tre d'une grande
utilit pour tudier les caractristiques du trafic multimdia dans cette rgion. D'ailleurs,
Basgeet et al. ont remarqu que la quantit de trafic gnr change selon le point
d'attraction et l'heure [10].
En outre, l'tude de la mobilit aide connatre les distributions de temps de sjour des
abonns dans une cellule et les distributions des temps d'occupation des ressources radio
avant que les usagers quittent la cellule. Ces deux paramtres sont importants dans l'tude
du trafic multimdia dans les rseaux mobiles.
2.4.2 Modle fluide

Le modle fluide est utilis pour modliser les dplacements des utilisateurs d'une faon
macroscopique [34], [46]. Il dcrit donc le mouvement de l'ensemble des utilisateurs
(Liang et al. [35]). Le modle formule le flux du trafic sortant d'une rgion c o m m e tant
proportionnel la densit de la population dans cette rgion, la vitesse moyenne de cette
population ainsi qu' la frontire de la rgion en question. Ainsi, pour une zone de diamtre
L, dont la densit de la population est p et la vitesse moyenne est v, le nombre moyen TV
d'utilisateurs traversant cette rgion par unit de temps est donn par la relation (2.2).
N =
n.p.L.v
(2.2)
2.4.3 Modle de Markov

Connu aussi sous le nom de marche alatoire , ce modle dcrit les mouvements des
utilisateurs. Dans ce modle, l'abonn pourrait rester dans une rgion ou se dplacer vers
une autre selon les probabilits de transition exprimes dans la matrice de transition de
Markov [34]. Parmi les limitations de ce modle, mentionnons qu'il ne prend pas en
considration le fait que l'abonn pourrait faire des dplacements successifs travers une
srie de rgions desservies par le systme.
2.4.4 Modle M o l d Mobility

Le modle Mold
Mobility
est cr pour combler un manque qui existait entre les
modles d'entit et les modles de groupe [36]. En gnral, dans un modle d'entit, les
mouvements des abonns sont supposs tre indpendants les uns des autres en temps et en
espace, tandis que dans un modle de groupe, la mobilit d'un groupe d'usagers est
modlise
dpendamment
du temps
et de l'espace.
Ainsi, dans le modle
Mold
Mobility , Liang et al. [36] supposent que les utilisateurs mobiles appartenant au mme
groupe partagent les mmes comportements de mobilit seulement dans le contexte spatial,
mais pas dans le contexte temporel. Ce modle divise la rgion en n zones identifies par
des coordonnes (x,y) et suppose que le passage d'un usager dans une zone ne dpend que
de la zone o il tait juste avant. Cette proprit permet d'adopter la thorie de chaine de
Markov. Ainsi, en dterminant la matrice de transition entre les zones, il est possible de
dterminer la probabilit qu'un utilisateur du groupe / soit dans une rgion dfinie par les
coordonnes (x,y) indpendamment du temps, selon la formule (2.3). La matrice de
transition est la matrice descriptive d'une chaine de Markov. Chaque lment a k dans la
Jt
matrice dcrit la probabilit que l'utilisateur passe l'tat k un instant t sachant qu'il tait
l'tat j l'instant t-1. Ainsi, i '(x,y)
est la probabilit que l'utilisateur mobile du groupe
fi) soit dans la rgion dtermine par les coordonnes (x,y) indpendamment de l'instant t.
d (x,v)
( 0
(2.3)
Chapitre 2. Caractrisation du trafic multimdia

o
<f '(x,y) est le temps moyen de rsidence de l'utilisateur mobile du groupe (i) dans la
l
rgion dtermine par (x,y)\
K t (x,y) est la probabilit que l'utilisateur mobile du groupe (i) soit dans la rgion
s
dtermine par (x,y);
n est la valeur maximale des abscisses et des ordonnes.
Zone
Zone
(1,1)
(1,2)
Zone
Zone
(2,1)
(2,2)
Zone
(n, 1)
Zone
(n,2)
FlG 2.1 : Division d'une rgion selon le modle Mold Mobility
2.4.5 Modle de gravit

C e modle est utilis dans le domaine du transport pour modliser les mouvements des
abonns. Il existe plusieurs modles de gravit proposs dans la littrature. Le plus simple
est celui dcrit par la formule (2.4)
[34]:
Ttj = Ktj P Pj
t
(2.4)
Tjj est la quantit de trafic passant de la rgion i la rgion j;
Pi et Pj sont les populations des rgions i et j respectivement ;
Kij est dtermin partir des caractristiques des rgions i et j, et des interactions
ou attractions entres ces rgions [34].
2.5 Gestion du trafic

En plus de la mobilit des abonns, le trafic gnr dans les rseaux mobiles dpend aussi
de la hirarchie des cellules dans la zone desservir. Ces dernires peuvent tre de formats
diffrents, dpendamment du mode d'exploitation du rseau et de caractristiques de la
rgion.
2.5.1 Structure hirarchique des cellules

La structuration d'une rgion desservir consiste la diviser en cellules c o m m e l'illustre la
figure 2.2. Cette division en cellules entraine la rpartition et la rutilisation des ressources
radio. Nous supposons que F est l'ensemble des canaux disponibles dans le systme, puis
nous constituons des sous-ensembles/ , i appartient l'intervalle [ 1 , N], de sorte que l'union
:
des f soit gale F.
(2.5)
i= l
Nous affectons chaque cellule un sous-ensemble f
de
frquences.
Finalement, nous
rassemblons ces cellules en des groupes de TV cellules. Ces groupes sont appels des motifs
(clusters).
Chaque motif contient les TV sous-ensembles f, i varie de 1 N. Dans la figure
2.2, nous avons pris TV gale 7.
Cette structuration permet de pallier le problme de raret des ressources et de desservir un

nombre plus grand d'abonns et donc de grer plus de trafic dans chaque cellule. En outre,
elle permet d'viter des problmes d'interfrence et de garantir ainsi une meilleure qualit
de service, puisque les cellules voisines appartenant au mme motif n'utilisent pas les
mmes frquences de transmission.
Pour grer plus de trafic et rpondre aux besoins d'un nombre d'utilisateurs plus grand, la
zone desservir est divise en cellules de tailles diffrentes. On parle alors de picocellules,
de microcellules et de macrocellules. Les picocellules sont conues pour desservir des trs
petites zones, c o m m e l'intrieur d'un immeuble ou un coin dans un aroport. Le rayon de la
zone couvrir par une picocellule ne dpasse pas quelques mtres. Le rayon des cellules de
type micro tourne autour de 1 km. Elles sont conues pour des rgions rurales et urbaines,
pour des usagers se trouvant l'extrieur ou dans un immeuble. Les zones desservies par
les macrocellules sont plus grandes, leur rayon dpasse 1 km et atteint facilement quelques
dizaines de km.
> _
-~<
'
f5
->
..-/
fi
'..._/
..._
''
../
^Bîir
,.
.-.
..~/'
f(>
f
.
. '
fs
f
.._,../
__
fl
(
f&
f,
f4
f>
<
fi
f
'
f,
fi
__/
-L
f,
.,..
f>
^ , J
./
f
fs
.../ f
/
/
........
fs
f?
f3
fi
fz
fs
/ U
il
f|
f?
M.
3 y~-{
f>
fl
<
f4
/
f
u
,
,.....
,J
FlG 2.2 : Division d'une zone de service en cellules et en motifs
La tendance actuelle est d'utiliser les divers formats de cellules dans une mme rgion pour
former une structure hirarchique pour le rseau c o m m e il est montr dans la figure 2.3.
Ainsi, les usagers faible mobilit sont grs par la microcellule o ils sont localiss et les
utilisateurs mobilit leve sont grs par la macrocellule du motif. Le rseau peut
accepter plusieurs interactions entre ces microcellules et la macrocellule pour pouvoir
diminuer le taux de demandes de communication bloques ou interrompues et pouvoir donc
augmenter la quantit de trafic transitant dans la rgion. Ainsi, dans le cas o tous les
canaux sont occups au niveau d'une microcellule, le rseau peut permettre aux demandes
arrivant dans cette microcellule d'tre desservies par la macrocellule qui la gre tant qu'il
existe des ressources disponibles dans celle-ci. Plusieurs tudes et stratgies ont t
ralises pour dcrire ces interactions et leur impact sur le trafic gnr et sur la qualit
offerte pour les services [32], [53], [56].
FlG 2.3: Types de cellules couvrant une zone
2.5.2 Exploitation de la structure hirarchique

Les rgions desservies par les rseaux mobiles peuvent tre catgorises selon les types des
rseaux mis en place. En gnral, un rseau peut avoir un des types suivants :
Public : ce type fait rfrence aux cellules qui fournissent les mmes services
lmentaires tous les utilisateurs;
Priv : les cellules de ce type fournissent des services spcifiques un des groupes
prdfinis des utilisateurs. La dsignation
priv est utilise pour les systmes
internes ddis des compagnies;
Semi-priv : ce type de rseaux joint les deux dfinitions prcdentes. On fournit

des services publics pour l'ensemble des utilisateurs et aussi des services privs
pour des groupes d'usagers prdfinis;
Rsidentiel : les cellules de ce type fournissent des services privs pour des groupes
d'utilisateurs rsidentiels, mais ne prennent pas en charge les services publics;
Semi-rsidentiel : par analogie avec les systmes semi-privs, les systmes semirsidentiels fournissent les services publics pour l'ensemble des usagers et aussi les
services privs spcifiques des groupes prdfinis d'utilisateurs rsidentiels.
Selon le type du rseau et selon la charge de trafic gnr dans la zone desservie par ce
rseau, on adopte une structure dtermine de cellules [45]. Par exemple, les rseaux privs
sont ddis aux endroits ferms (les tablissements), donc les picocellules sont les mieux
adaptes pour desservir les utilisateurs mobiles dans ces rseaux. Les rseaux publics
ressemblent ceux installs dans les zones commerciales des villes, les routes, et tout autre
coin qui peut attirer une grande foule. D o n c , les rseaux publics doivent tre forms de
microcellules
et
de
macrocellules
hirarchiquement
structures.
Dans
les
rseaux
rsidentiels, les utilisateurs sont relativement plus mobiles que dans le cas des rseaux
privs. En outre, les zones rsidentielles peuvent s'taler sur de grandes surfaces. Ainsi, une
structure hirarchique compose des trois types de cellules est la bonne solution dans cette
situation.
Une tude a t faite par Anagnostou et al. [4] pour reprsenter le trafic pouvant tre gnr
dans un ensemble d'environnements : public, rsidentiel, priv. Ils ont essay d'analyser
l'impact des interactions entre ces diffrents environnements sur la quantit de trafic gnr
et sur la qualit de service, via les taux d'arrive de handovers et des nouveaux appels.
travers cette tude, nous dduisons que le trafic gnr dans chaque environnement peut
influencer le trafic gnr dans les autres environnements, car les types de rseaux sont
gnralement trs voisins : par exemple, un usager mobile peut passer d'un rseau public
(la rue) un rseau rsidentiel (son domicile).
Dans [10], Basgeet et al ont remarqu que les interactions entre les rseaux en termes de
trafic dpendent aussi du temps. Dans leur recherche, ils ont tudi les quantits de trafic
dans deux types d'environnements : rsidentiel et public (zones de travail). Ils ont remarqu
que la charge de trafic gnre dans la zone rsidentielle pendant l'heure de pointe (7 h-9 h)
diminue, tandis que celle de la zone de travail crot et reste leve dans cette zone durant les
heures de travail.
2.6 Effet de l ' e n v i r o n n e m e n t sur le trafic

La transmission en rseaux mobiles se base sur les phnomnes de propagation des ondes
lectromagntiques. Ces dernires entranent le signal de transmission subir, cause du
milieu o il est mis, un des phnomnes suivants : vanouissement de l'onde porteuse
(fading),
interfrence,
affaiblissement
de
propagation (pathloss).
Ces
perturbations
affectent ngativement le trafic puisqu'elles peuvent contribuer diminuer le dbit,

augmenter le dlai de bout en bout ou baisser la qualit de la transmission. Dans cette
section, nous prsenterons les aspects de propagation des signaux de communication ainsi
que les perturbations pouvant en dcouler.
2.6.1 Rappel des phnomnes de propagation

La propagation du signal dans l'environnement se fait selon quatre modes de propagation de
base : la rflexion, la diffraction, la diffusion et la transmission. Ces modes influencent
grandement l'coulement du trafic dans les rseaux mobiles via les phnomnes perturbant
les signaux de transmission : vanouissement de l'onde porteuse (fading),
perte de propagation (pathloss)
la figure 2.4.
interfrence,
[52]. Nous avons rsum la description de ces phnomnes
FlG 2.4: Phnomnes
de propagation
d'un
signal
2.6.2 Phnomnes de perturbation

En
se
propageant
dans
l'air,
un
signal
radio
subit
une
attnuation
inversement
proportionnelle la distance parcourue. La perte de propagation subie par le signal est

d'autant plus faible que la distance entre l'metteur et le rcepteur est grande. L'attnuation
subie par le signal dpend alors des facteurs tels que le type d'environnement,
les
caractristiques
Ce
des
antennes d'mission
et de rception,
la frquence
utilise.
phnomne porte galement le nom de pathloss.
Le phnomne
le plus important quant son impact au niveau de la qualit des
informations reues est le phnomne des multitrajets. Quand l'onde radio rencontre un
obstacle, une partie de son nergie est absorbe et une autre partie est rflchie ou rfracte.
Le multitrajet peut avoir au moins deux consquences. La premire consquence est le
phnomne de fading. Lorsque le signal se propage en rencontrant des obstacles, il peut se
dcomposer en plusieurs signaux dont les caractristiques (amplitude, phase et frquence)
cipendent, entre autres, du milieu de propagation. Le signal rsultant reu au niveau de
l'antenne de rception est donc la somme de tous les signaux rflchis et du signal
provenant
du
trajet
direct
s'il
existe. Ainsi,
ce
signal
rsultant peut
vanouissements importants, c'est ce que nous appelons fading.
contenir
des
La deuxime consquence
du phnomne de multitrajets a des effets importants au niveau des informations reues. En

effet, le signal d'un trajet multiple prsente un retard par rapport au signal issu d'un trajet
direct. D'o la dispersion temporelle des signaux issus des trajets rflchis au niveau du
rcepteur. Cette dispersion a pour consquence que les signaux issus de la transmission
d'un symbole peuvent se superposer aux signaux issus de la transmission du symbole
prcdent ou suivant. C'est la cause du problme d'interfrence intersymbole. Une des
consquences directe de ces interfrences est la limitation du nombre de symboles mis par
unit de temps, et donc la limitation des dbits binaires possibles sur l'interface radio, ainsi
que la diminution de la charge du trafic [52].
Les interfrences intersymboles ne sont pas les seules pouvant tre produites lors de la
transmission des ondes dans les rseaux mobiles. Il en existe d'autres types. Les plus
importantes sont celles causes par des missions des signaux dans la m m e bande ou dans
des bandes adjacentes. Ces interfrences sont frquentes dans les rseaux mobiles cause
du mcanisme de rutilisation des frquences. Elles peuvent tre classes en deux types :
les interfrences co-canal et les interfrences sur canal adjacent. Les interfrences co-canal
sont des brouillages de signaux se superposant au signal utile du fait de leur mission sur la
bande de frquence du signal utile. Les interfrences sur canal adjacent sont des brouillages
de signaux se superposant au signal utile du fait de l'mission de signaux sur des bandes de
frquences adjacentes la bande de frquences du signal utile.
Plusieurs mesures et algorithmes sont implments dans les rseaux mobiles pour garantir
un meilleur service. Ils permettent de pallier les perturbations dues la transmission, en
rejetant les nouvelles demandes de connexion ou en interrompant les communications les
causant. Cela influence la quantit de l'information gnre et le trafic coul dans le
rseau. Par exemple, l'algorithme de contrle de puissance sert rduire l'impact des
interfrences et annuler les effets des vanouissements [45]. Il est excut surtout pour les
liaisons montantes des communications (les transmissions de la station mobile vers la
station de base). Il permet au rseau de dterminer le niveau de puissance du signal
transmettre avant d'entrer en communication avec la station de base. Ainsi, cet algorithme
aide diminuer les interfrences entre les communications dans une cellule. Le degr de
diminution d'interfrence dpend de l'algorithme de contrle de puissance utilis [16].
L'algorithme C A C (Call Admission
Control)
est une autre politique adopte pour garantir
une meilleure qualit de service. Il vise bloquer les nouvelles communications pouvant
diminuer cette qualit, cause de leur puissance d'mission et des interfrences qu'elles
peuvent produire. Il contrle donc le nombre d'utilisateurs dans le rseau, ce qui influence
la probabilit de blocage et la probabilit d'interruption, puisque cet algorithme contribue
augmenter la premire probabilit et diminuer la deuxime. Il existe plusieurs tudes
prouvant l'impact du C A C sur le trafic gnr dans le rseau mobile [6], [27].
Chapitre 3
Analyse des modles de trafic
Avant de dployer un rseau mobile, il importe de prdire la quantit de ressources radio et

d'quipements ncessaires pour desservir les utilisateurs potentiels du rseau. Pour cela, il
convient de prdire la quantit du trafic multimdia qui pourrait y tre gnr. La prvision
de trafic multimdia dans une zone consiste donner une ide prliminaire de la quantit de
trafic pouvant tre gnre dans cette zone [52]. Ces renseignements sont donns l'aide
d'un modle du trafic, d'o l'importance de la modlisation du trafic l'tape de
planification et de la mise en place d'un rseau mobile. Dans ce chapitre, nous verrons
d'abord l'importance des modles dcrivant le trafic dans les rseaux mobiles. Ensuite, nous
dcrirons la mthode de modlisation du trafic et les paramtres utiliss dans cette
modlisation. Finalement, nous analyserons quelques exemples de modles qui tiennent
compte des contraintes des rseaux mobiles.
3.1 Contexte (Tutilisation

A u dbut de la mise en place d'un rseau mobile, il est indispensable de prdire la quantit
de ressources radio et ncessaires pour offrir un service de bonne qualit aux abonns, tout
en limitant le cot du systme. Il est donc important de bien planifier le rseau.
La planification
des rseaux 2G est rpartie en phase de frquence et phase de
couverture [18], [52]. Dans la premire, chaque cellule de la rgion reoit les ressources
radio ncessaires aprs avoir prdit la quantit de trafic ainsi que la qualit de service
l'aide du rapport C/I (signal sur Interfrence) qui permet de dterminer la qualit du trafic
transmis en tenant compte des caractristiques de transmission dans la rgion. Cette phase
est reprsente dans la figure 3.1 par les tapes (a) et (b) pour un rseau respectant les
normes d'un systme G S M . Dans la deuxime phase, les stations de base (BS) sont
installes de sorte que la puissance du signal mis soit assez leve pour desservir
l'ensemble des abonns. Le reste de la mise en place des quipements ( B S C , M S C , etc.) se
fait de proche en proche en remontant dans la hirarchie du rseau jusqu' arriver aux
interfaces et quipements du rseau fixe (commutateur, base de donnes, etc.), c o m m e
dcrit la figure 3.1 et illustr par les tapes ( c ) , (d), (e) et (f).
La rpartition des ressources radio n'est plus essentielle dans les rseaux 3G [18], [52]. En
effet, selon la figure 3.2, la planification de ces rseaux se fait en trois tapes : la phase
initiale de planification, la planification dtaille et la phase d'optimisation. Dans la
premire phase, il est primordial de commencer par localiser la zone desservir. La phase
de planification permet de dterminer les caractristiques de la zone et de prvoir
primitivement la quantit de trafic qui pourrait tre produit dans la rgion. Cette quantit est
raffine l'tape de la planification dtaille en y adoptant un modle de trafic reprsentatif
des caractristiques ventuelles des usagers mobiles de la rgion. Les rsultats trouvs
l'aide de la modlisation du trafic permettent de prdire la quantit
d'quipements
ncessaires pour mettre en place le rseau afin d'offrir un b o n service aux abonns mobiles.
Pour s'assurer que la planification est bien faite, le rseau rsultant doit tre valu et test
dans la troisime phase via des simulations.

er ces q u i p e m e n t s aux reseaux v o i
de l'oprateur.
FlG 3.1 : Utilisation de la modlisation
du trafic dans un rseau GSM
Phase initiale
Trafic, surface couvrir, seuil de couverture
g
Planification dtaille
Configuration,
capacit
du
rseau
et
couverture
q
Validation et optimisation
Vrification de la couverture, validation de
la capacit
FlG 3.2: Utilisation de la modlisation
du trafic dans un rseau 3G
3.2 Principes de la modlisation du trafic

La modlisation du trafic multimdia dans une cellule consiste tablir un modle qui
permet de prdire le taux des demandes d'appels et celui des demandes de handover qui
seront rejetes dfaut de canaux libres. Ces informations reprsentent les paramtres de
qualit de service pouvant tre garantie par le rseau. Pour prdire ces paramtres, il faut
d'abord fournir au modle d'autres informations, c o m m e la quantit de ressources mises
la disposition des utilisateurs mobiles dans une cellule, le taux d'arrive des nouvelles
demandes et le taux d'arrive des demandes de handover. Toutefois, le trafic dans les
rseaux mobiles est aussi influenc par plusieurs particularits des rseaux, c o m m e la
diversit des applications et services multimdia, la mobilit, la structure hirarchique des
rseaux et le m o d e de transmission ( F D M A , T D M A , C D M A ) . La modlisation doit donc
prendre
en considration
ces caractristiques.
Ainsi,
nous
pouvons
distinguer
trois
catgories d'lments lis la modlisation du trafic multimdia: hypothses, contraintes et

rsultats. Les paramtres d'hypothses sont surtout lis aux comportements des utilisateurs
mobiles. Ces derniers ont des attitudes variant avec le temps et dpendant d'eux-mmes, ce
qui rend leur comportement tout fait alatoire. Ainsi, en gnral, les paramtres de la
catgorie hypothses ont la caractristique d'tre alatoires. Ces paramtres sont le temps de
rsidence d'un client mobile dans une cellule, le temps de service, l'arrive des nouveaux
appels et des appels du handover, le temps d'occupation d'un canal, ainsi que le temps inter
arrive des demandes.
Pour les contraintes, elles sont lies aux caractristiques du rseau mobile. D o n c , cette
catgorie comprend
principalement
la technologie de transmission
adopte
(TDMA,
C D M A , etc.), le type de cellules et leur structure, la politique de gestion des appels selon la
structure considre et ventuellement la gestion des priorits des demandes pour accder
aux ressources.
Les autres lments caractrisant un modle du trafic sont les paramtres que nous
dduisons de ce que nous avons suppos dans les catgories de contraintes et d'hypothses.
Ils forment les lments de la catgorie rsultat. Ils dcrivent combien de nouveaux appels
peuvent tre bloqus, combien d'appels en cours peuvent tre interrompus lors d'un
handover dfaut de ressources et aussi combien de clients peuvent solliciter en moyenne

un service par unit de temps. Ainsi, nous pouvons reprsenter un modle dcrivant le
trafic dans un rseau mobile c o m m e tant une boite noire dont les entres sont les
paramtres des catgories hypothses et contraintes, et les sorties sont les paramtres de la
catgorie rsultats formant les caractristiques de qualit de services.
V u le comportement alatoire des lments contribuant modliser le trafic dans une

cellule, le trafic est considr c o m m e un processus stochastique, plus prcisment c o m m e
un processus dcoulant d'un systme de file d'attente. En gnral, un systme de file
d'attente est un systme qui est conu pour desservir un ensemble de clients. Pour cela, il
dtient un ensemble de serveurs et il peut avoir ventuellement une ou plusieurs
files
d'attente pour garder les clients ayant trouv tous les serveurs occups leur arrive. Le
dbut d'un service pour un client se fait par affectation d'un serveur ce client et la fin de
service est reprsente par la libration de ce serveur et le dpart du client.
Un systme de file d'attente est gnralement reprsent selon la notation de Kendall

A/B/C/d:e
o [52]:
A reprsente le processus d'arrive des clients (dans notre cas, les demandes de
connexion) et peut tre M dans le cas d'un processus de Poisson, D dans le cas d'un
processus suivant une loi dterministe, GI quand le processus suit une loi gnrale
indpendante;
B reprsente la politique de service applique par le serveur (dans notre cas, le canal
de transmission) chaque client. Il peut tre M quand la loi de service est de type
exponentielle, D quand la loi est dterministe;
C reprsente le nombre de serveurs du systme de file d'attente. Sa valeur varie de 1

l'infini;
d reprsente la capacit de la file d'attente;
e correspond la discipline de service qui peut tre, par exemple, de type premier
arriv premier servi. Elle peut aussi indiquer si le systme utilise le principe de
priorit : l'accs aux ressources par les clients se fait par ordre de priorit attribue
chacun de ces clients.
Ainsi, dans le contexte des rseaux mobiles, chaque cellule peut tre modlise par une file
d'attente o les arrives correspondent des demandes de connexions (demandes de
ressources), les dparts correspondent
communications
ou
aux dconnexions
par des handovers
vers
les cellules
engendres
par la fin
des
adjacentes
(libration
des
ressources). Les serveurs reprsentent alors les canaux disponibles, tandis que les clients
reprsentent les demandes de communication. Ainsi, chaque fois qu'un usager mobile
utilise son terminal pour effectuer une communication (arrive d'un nouvel appel), un canal
de communication doit lui tre affect. Dans le mme ordre d'ide, lorsque cet usager
change de cellule durant une communication (arrive d'un appel de handover), un canal
doit
lui
tre
rserv
dans
la
nouvelle
cellule
pour
permettre la
poursuite
de
la
communication. Dans les deux cas, on parle de demande de service.
3.3 Paramtres de modlisation

Dans la dernire dcennie, les chercheurs ont remarqu qu'il existe un grand nombre de
distributions qui peuvent traduire le comportement des utilisateurs mobiles. Ce sont : leur
temps de rsidence dans une cellule, leur temps d'occupation d'un canal et le taux d'arrive
de leurs demandes de communication. Dans cette section, nous allons dcrire chacun de ces
paramtres.
3.3.1 Temps inter-arrives des appels

Le temps inter-arrives des appels fait partie des paramtres prendre en considration
pendant la modlisation de l'coulement du trafic. Il reprsente le temps qui spare l'arrive
des demandes de communication. Ces demandes de communication peuvent tre de
nouvelles demandes ou celles qui rsultent du processus de handover. Souvent, les
chercheurs supposent que les temps inter-arrives des appels suivent une loi exponentielle,
car c'est une exigence obligatoire pour pouvoir utiliser le processus de Poisson c o m m e
processus d'arrive des demandes |25], [32], [52]. Cependant, dans [9], Barcelo et Sanchez
ont fait une tude statistique pour trouver la meilleure distribution pouvant modliser les
temps inter-arrives des demandes. Dans cette tude, ils comparent les statistiques rcoltes
du champ rel des lois de distribution. Les lois utilises dans la recherche sont les plus
frquemment utilises dans le domaine d'analyse du trafic dans les rseaux mobiles, c o m m e
lognormale,
Erlang-n,k,
trouve est celle de
exponentielle
et hyper-Erlang.
La meilleure
correspondance
Erlang-3,k.
D'autre part, d'aprs [19|, nous pouvons dduire une relation entre l'inter-arrive des
demandes de connexions et d'autres paramtres l'aide de la formule suivante :
7/i
~{T
ch
+ T id)
Tch
ou:
T i, est le temps d'occupation d'un canal;
TM est le temps de repos (quand le canal est libre);
Tt est le temps inter-arrives des appels;
est le facteur de charge du canal.
Dans cette tude, les chercheurs ne font pas de distinction entre les arrives des demandes
des nouveaux appels et celles des appels de handover.
3.3.2 Temps de service

Le temps de service d'une communication correspond la dure d'occupation d'un canal,
c'est--dire l'intervalle de temps pendant lequel l'usager garde ce canal o c c u p pendant sa
rsidence dans la cellule [25]. Le temps de service est ainsi directement li la dure de
rsidence dans une cellule, c'est--dire l'intervalle de temps pendant lequel un usager
mobile demeure dans cette cellule durant une communication [11]. Il convient alors de
mentionner que le temps de service est diffrent de la dure de la communication qui
indique le temps coul entre le dbut et la fin d'une communication.
Les dures
d'occupation des canaux, les dures de rsidence dans les cellules et les dures des
communications tant alatoires, il faut donc les caractriser par des fonctions de densit de
probabilit qu'il faudra ventuellement dterminer pour valuer la distribution du trafic
dans la zone de service considre. Dans la suite, nous allons reprsenter et analyser les
diffrents rsultats trouvs chacun de ces paramtres.
Le temps de rsidence est un paramtre qui caractrise la mobilit de l'utilisateur dans le

rseau. Dans [15], Chlamtac et Fang prouvent qu'il existe une relation entre le temps de
rsidence et le temps d'occupation d'un canal. Dans cette tude, le temps de rsidence est
suppos suivre une loi gnrale. Les rsultats trouvs sont des comparaisons faites entre le
comportement du temps d'occupation d'un canal et sa distribution selon la loi exponentielle,
dans le cas o le temps de rsidence suit la loi d'Erlang
[15]. En effet, nous remarquons
que, si le temps de rsidence ne suit pas la loi exponentielle, le temps d'occupation d'un
canal ne suivra non plus la loi exponentielle. Ces dductions ont t prises en compte dans
[1] pour modliser le trafic multimdia dans les rseaux G S M qui adoptent une structure
hirarchique.
Dans [30], l'tude propose par Tafazolli et al. supposent que le temps de rsidence est
constitu de deux composantes : le temps de rsidence des nouveaux appels et le temps de
rsidence des appels de handover. Ainsi, la meilleure distribution est la somme des
distributions pour les deux cas. La fonction de densit qui pourrait le mieux modliser le
temps de rsidence dans ce cas est de la forme suivante :
(m u) '
u e x p ( - u t) + a -
m c
f(t)
= a
c
t
7 7 1
e x p ( - t m c)
(3.2)
T(m)
o:
les facteurs ai, a2, w, u, c et m sont des paramtres dterminer pour minimiser
l'cart entre les donnes du champ rel et les rsultats pouvant tre trouvs l'aide
de la formule.
La formule (3.2) est forme de deux parties. La premire partie de la formule suit une
distribution exponentielle pour dcrire l'effet de l'vanouissement sur les statistiques de
handover, tandis que la deuxime partie suit la distribution Gamma pour prendre en
considration les caractristiques de la mobilit de la station mobile. Cette proposition est
value selon un modle dcrit dans [37].
Par ailleurs, la dure des appels reprsente
le temps
coul
entre l'instant
la
communication c o m m e n c e et l'instant o elle prend fin. Dans ce cas, la cellule au dbut de
la communication pourrait tre diffrente de celle o la communication prend fin. En

gnral, la dure des appels est suppose suivre la loi exponentielle ou la loi
lognormale
|8], [4], [25], [48]. Nanmoins, pendant ces dernires annes les chercheurs ont c o m m e n c
a vouloir connatre la loi de distribution qui lui correspond le mieux. Ainsi, plusieurs
sries d'expriences et d'analyses ont t faites [23], [48], [49]. Dans [48], Spedalieri et al.
ont compar des donnes du champ rel avec des distributions c o m m e lognormale,
j,k et Erlang. Ils ont trouv que lognormale
Erlang-
est la loi qui dcrit le mieux la distribution des
dures d'appels. La faiblesse de cette exprimentation est que la dure des chantillons tait
de 6 min. Guo et al. ont refait les expriences en utilisant des chantillons de 1800
secondes et ils ont abouti au mme rsultat que Spedalieri et al. [23].
D'autre part, le temps d'occupation d'un canal reprsente le temps coul entre le moment
o le canal est affect une communication et le moment o ce canal est libr. La
libration du canal peut tre la consquence de l'un des deux vnements suivants : la
communication est termine ou l'utilisateur est pass une autre cellule. Le temps
d'occupation du canal dpend de plusieurs paramtres : la mobilit, la vitesse de l'utilisateur
et la taille de la cellule [15]. La figure 3.3 illustre le scnario de deux utilisateurs mobiles
qui gnrent des appels dans des cellules diffrentes. Les lettres marques sur la figure
prsentent le temps et les lignes montrent les trajets effectus par les usagers pendant leurs
communications. Ainsi, les intervalles qui reprsentent le temps d'occupation d'un canal sur
la figure sont [ A - C ] , [ C - E ] , [E-F], [G-I] et [I-J].
FlG 3.3: Exemple de parcours
de deux stations mobiles dans quatre
cellules.
C e paramtre dpend du temps de rsidence de l'utilisateur dans la cellule et de la dure de

l'appel. Il s'exprime par la formule suivante [4J:
=min{t
c a
t
;
o u t
(3.3)
o:
t aii et t
C
out
sont deux variables alatoires reprsentant respectivement la dure d'un
appel et le temps de rsidence;
th est la variable alatoire reprsentant le temps d'occupation d'un canal.
En appliquant une distribution exponentielle pour les deux variables t it et t

ca
out>
nous
trouvons que la variable alatoire th est aussi distribue selon une loi exponentielle dont la
moyenne peut tre dduite l'aide la formule suivante :
y call
1
'ourJ
ou :
r^// et r
7
w/t
sont les temps moyens pour t ii et r,.

ca
Dans [15], Chlamtac et Fang et supposent que le temps de rsidence suit une loi gnrale.
En faisant une distinction entre le temps d'occupation d'un canal par les nouveaux appels
(reprsent par la fonction de distribution f )
nh
et celui des appels de handover (reprsent
par la fonction de distribution //,/,), ils ont trouv que la distribution du temps d'occupation
d'un canal pendant une communication est gale :
i^' ir '
fM=
fnM+
fhh(
(3
5)
ou:
fhk(t) est la fonction de densit du temps d'occupation d'un canal pour les appels de
handover (/>,/,);
f h(t)
n
est la fonction de densit du temps d'occupation d'un canal pour les appels de
handover (t h)l
n
fh(t) est la fonction de densit du temps d'occupation d'un canal;

est le taux d'arrive des nouveaux appels;
/, est le taux d'arrive des appels de handover.
Le temps m o y e n pour l'occupation d'un canal d'aprs [15] est :
(3.6)
o :
f (p)
U
est l
transforme de Laplace de la fonction de densit reprsentant le temps

1
de rsidence dans une cellule;
fr (p) est la transforme de Laplace de la fonction de densit de la variable alatoire

reprsentant le temps (t j) coul entre l'instant o l'usager mobile a c o m m e n c la
r
communication et l'instant o il a ralis son premier handover;
A est le taux d'arrive des nouveaux appels;
Xu est le taux d'arrive des appels de handover;
J/ju est la dure moyenne des appels.
Le rapport /(X+iJ (respectivement X//(+Xh)) reprsente la probabilit qu'un canal soit

o c c u p par un nouvel appel (respectivement par un appel d un handover). Nous
remarquons dans (3.7) que le temps t \ influence le temps moyen d'occupation d'un canal
r
par un nouvel appel et par consquent il influence le temps moyen d'occupation d'un canal.
Ceci est d la relation de dpendance entre le temps th et le temps /,./. Cette relation
s'exprime de la manire suivante:
nh
= min{t ,t }
rl
(3.7)
o :
t est la variable alatoire reprsentant la dure d'un appel.
Nous rappelons que les fonctions de distribution utilises dans la formule (3.5) sont
supposes tre des lois gnrales. En remplaant ces deux fonctions par des distributions
diverses, Chlamtac et Fang [15] trouvent que la meilleure correspondance avec les donnes
relles est avec les distributions Erlang, Hyper Erlang et la distribution lognormale
Ces conclusions ont t approuves par Barcelo et al et Spedalieri et al
[15].
[8], [48], aprs
avoir fait une comparaison entre les donnes du champ rel et un ensemble de lois de
distribution.
Soit f(t) une fonction du temps. Sa transforme de Laplace F(p) est dfinie par :
^ ( P ) = C/CO
exp(-pt)
dt.
3.4 Rsultats de la modlisation

partir de la modlisation du trafic, nous pouvons valuer trois paramtres : la probabilit
du blocage pour les nouvelles demandes de communication, la probabilit d'interruption
pour les demandes de handover et le nombre moyen d'utilisateurs dans le service. Dans
cette section, nous allons dfinir et analyser chacun de ces paramtres.
3.4.1 Probabilit de blocage

C e paramtre dsigne la probabilit qu'un nouvel appel soit bloqu. Un appel peut tre
bloqu cause d'un manque de ressources, ou parce que l'appel connait des interfrences
(le rapport C/I devient trs faible). Par exemple, dans le cas de l'UMTS, pour diminuer le
niveau d'interfrence pour les communications en cours, le systme peut rejeter ou bloquer
les nouvelles demandes de communication.
La probabilit de blocage fait partie des contraintes de qualit de service. Elle permet
d'valuer les performances du modle du trafic propos. Il existe deux faons pour l'valuer
: selon la mthode analytique ou selon des simulations. Dans le cas de [8], [48], [49], les
chercheurs ont fait une tude des statistiques recueillies du champ rel et l'ont compare
des simulations l'aide de la formule (3.8).
nombre
Nombre
de nouveaux
de demandes
appels
bloqus
de nouveaux
appels
(3.8)
Rappaport et Orlik adoptent une mthode analytique dans [42]. Dans cette tude, on
suppose que le systme cellulaire considr est form de cellules contenant chacune C
canaux. Le systme pris en considration est un motif constitu de 7 cellules, c o m m e
l'illustre la figure 3.4. C
de ces C canaux sont ddis desservir les appels de handover
seulement, tandis que le reste (C-C/,) est suppos servir les nouveaux appels ainsi que les
appels de handover. Par consquent, les nouveaux appels sont bloqus une fois que tous les
C-C h canaux sont occups.
1
6
1 L/
2
y
FlG 3.4: Forme du motif conu pour
l'tude
La gnration des appels par les stations mobiles suit un processus de Poisson dont le taux
est A . Le temps restant d'un appel suit une distribution exponentielle ngative avec une
moyenne T (=1//jJ;
sa fonction de densit est :
f (t)
T
= u >exp(-u -t)
s
(3.9)
Le temps de rsidence de la station mobile dans la cellule, reprsent par la variable

alatoire 7/>, suit aussi une distribution exponentielle dont la moyenne est gale 1/JD. Sa
fonction de distribution est :
/r (0
D
= u -exp(-u 't)
D
(3.10)
A partir de ces hypothses, nous dduisons que le systme d'coulement du trafic est
suppos markovien. La probabilit de blocage est alors dtermine par la formule suivante
[42] :
P=
P(5)
{S:V (S)>C-C }
0
ou :
(3.11)
P(s) est la probabilit que le systme soit l'tat s;
VQ(S) est le nombre de canaux occups dans la cellule 0 de la figure 3.4, si le

systme est clans l'tat s (les flches montrent l'arrive et le dpart des handovers par
rapport la cellule 0).
Un tat s dcrit le nombre des canaux occups dans chaque cellule du m o t i f Ainsi, s est un
7-uplet. Dans cette modlisation, Rappaport et Orlik ont restreint l'tude sur la cellule
centrale du motif (la cellule d'indice 0 dans la figure 3.4), sous l'hypothse que toutes les
autres cellules adjacentes ont des comportements semblables et qu'elles influencent la
charge du trafic gnr dans la cellule du centre. Donc, les nouveaux appels sont bloqus
une fois que les C-C/ canaux de la cellule 0 sont tous occups, c'est--dire tous les tats o
t
le composant vo(s) est gal ou suprieur C-C/,.
Une autre tude analytique est faite dans [38], o le processus d'arrive des appels est
suppos suivre un processus de Poisson. Dans ce cas, ,- et
sont respectivement les
paramtres de Poisson pour l'arrive des nouveaux appels et l'arrive des appels l'aide du
handover. Le temps de rsidence et la dure d'un appel sont des variables alatoires suivant
des distributions exponentielles. Ainsi, pour cette tude, la probabilit de bloquer un appel
appartenant une classe d'appels i est la somme des probabilits des tats dans lesquels une
admission d'autres appels de la classe i pourrait dpasser les capacits des systmes. Les
probabilits de blocage Pi sont dfinies par la formule suivante [38] :
(3.12)
avec
(3.13)
o :
K est une constante trouve dans [38], dcrivant la contrainte pour avoir une bonne
qualit de transmission pour tout appel;
Li est le facteur d'talement (spreadingfactof)
pour une classe d'appels i\
Ui est le nombre d'appels en cours pour la classe i ;
c est le nombre de classes de services offerts aux utilisateurs.
3.4.2 Probabilit d'interruption

La probabilit d'interruption d'un appel est la probabilit qu'un appel en cours soit
interrompu cause de l'chec du processus de handover. L'chec de handover apparait
quand un appel perd la couverture de la station de base qui le servait sans pouvoir obtenir
de canal dans la zone de service de la station de base de destination.
C o m m e la probabilit de blocage, la probabilit d'interruption est aussi un paramtre de

qualit de service qui permet d'valuer les performances d'un modle de trafic multimdia.
Pour la dterminer, il existe deux faons de faire: la mthode d'tude des champs rels et la
mthode analytique. Dans la mthode d'tudes des donnes des champs rels, nous
calculons la probabilit d'interruption l'aide des statistiques enregistres par le systme et
l'aide de la formule suivante [8], [48], [49] :
nombre
Nombre
d'appels
de demandes
interrompus
d'appels
tablis
(3.14)
Pour la mthode analytique, nous prsenterons ici les tudes faites dans [42] et [14]. Dans
|42], l'analyse se fait selon deux manires diffrentes. Dans la premire, on focalise les
tudes sur une cellule en tenant en compte de l'effet des autres cellules qui l'entourent. Pour
cette modlisation, les chercheurs ont obtenu le rsultat suivant [42] :
(3.15)
o :
VI(s) est le nombre de canaux occups dans la cellule /;
1/jUD est le temps moyen de rsidence dans une cellule;
P(s) est la probabilit que le systme soit l'tat s.
(1/6) V,(S)/JD est le taux de transition de l'tat s un autre tat, et par la suite la somme du
divis (la partie suprieure du rapport) reprsente les tats qu'on peut avoir dans le systme
quand la cellule centrale est en tat de saturation (les demandes de handover ne sont plus
desservies par la cellule 0 : les C canaux sont tous occups). Cette somme reprsente le
taux des handovers (vers la cellule centre du motif) qui peuvent tre bloqus cause de
manque de ressources. La somme du diviseur reprsente tous les handovers qui pourront
avoir lieu dans le motif.
La deuxime mthode d'analyse faite dans [42] adopte un modle du processus M M P P

(Markov Modulated
Poisson process)
deux tats (tats 0 et 1) pour chacune des cellules
entourant la cellule centrale du motif. Le passage de chacune de ces cellules de l'tat 0

l'tat 1 (respectivement de l'tat 1 l'tat 0) correspond l'arrive d'un appel de handover
cette cellule (respectivement au dpart d'un appel de handover de cette cellule). Dans ce
cas, la probabilit d'interruption est exprime par la formule suivante:
Z{S:V (S)=C}f=i(f-^(srÔO)
0
s=0
Li=i\.6 a (s)P(s))
o :
A*i( ) est le taux d'arrive des appels de handover la cellule centrale partir d'une
S
cellule adjacente qui tait modlise par deux tats;
a (s) reprsente l'tat d'une cellule i adjacente pendant que le systme est en tat s:
{
di(s) passe de 0 1 si la cellule i reoit un appel de handover et passe de 1 0 si un

appel quitte la cellule i;
P(s) est la probabilit que le systme soit dans l'tat s.
Par ailleurs, l'tude faite dans [14] concerne les systmes avec structure hirarchique. Dans
ce cas, les chercheurs supposent que l'arrive des demandes se fait selon le processus de
Poisson et que le temps d'occupation d'un canal suit la loi exponentielle. Chacune des
microcellules est considre c o m m e un systme de file d'attente de type M / G / M / M / n .
Ainsi, la probabilit d'interruption dans la microcellule z est dtermine par la formule
(3.17) et celle des macrocellules peut tre trouve l'aide de la formule (3.18).
WZ)
(Z)
&A1
= l--7î_i
wiA J
A
(3.17)
ou :
AAIS(Z)
est le taux total des demandes de handover acceptes au niveau de la
microcellule Z ;
AHIS(Z) est le taux total des demandes de handover arrivant la microcellule Z.
s ^ a
o o
ou
Pbh2(w) est la probabilit de blocage des demandes de handover au niveau de la

macro-cellule w;
Am(w)
est le taux total de demandes de handover arrivant la macrocellule w;
M est le nombre total de microcellules dans le rseau;
L est le nombre de microcellules couvertes par une macro-cellule.
3.4.3 N o m b r e moyen d appels gnrs

f
Le nombre moyen de communications gnres au niveau d'une cellule peut tre considr
c o m m e le troisime paramtre de qualit de service. Il permet de prdire le nombre moyen
de
communications
pouvant
tre
desservies
simultanment
par
le
systme.
Ces
communications peuvent tre, soit de nouveaux appels, soit des appels provenant de
handovers partir des cellules voisines. Dans [38], le modle propos est un modle bas
sur des hypothses markoviennes : les arrives des demandes suivent le processus de
Poisson et le temps de service est exponentiel. Les taux Ayet p sont respectivement les taux
}
d'arrive des nouveaux appels et des appels de handover la cellule j. Les chercheurs dans
[38] s'intressent modliser le comportement des usagers dans une cellule (sans prendre
en compte ce qui se passe dans son entourage). De plus, les services sont classs selon des
classes de services (voix, vido, donnes). Chaque classe est reprsente par l'indice i.
On suppose dans ce modle que le taux d'appels quittant la cellule est gal au taux d'appels
qui y entrent. Ainsi, le nombre moyen de connexions actives pour la classe i dans la cellule
est :
(3.19)
ou :
u est un vecteur c o m p o s d'u, composants et reprsente un tat du systme. Chaque

Ut reprsente le nombre de connexions actives dans la classe i du service;
S est l'ensemble des vecteurs w, de sorte que les Uj des u ne doivent pas gnrer plus
d'interfrences que ce qui est tolr par le systme;
n(ii) est la probabilit que le systme soit l'tat u. Sa valeur est gale :
i=C
(3.20)
i=l
avec
7T
\ueS
i=l
(3.21)
o :
C est le nombre de classes de services;
z/, reprsente le nombre de connexions actives dans la classe i du service;
S est l'ensemble des vecteurs u tels que les u des u ne doivent pas gnrer plus
}
d'interfrences que ce qui est tolr par le systme;
pi est gal (/L +/L/ , )/(// +^/ ), o X\ (respectivement X} ) est le taux d'arrive des
/
nouveaux appels (respectivement le taux d'arrive des appels de handover ) , l///,est

la dure moyenne d'un appel de la classe i et 1////, est le temps moyen de rsidence
dans une cellule.
3.5 A n a l y s e de quelques modles

Il existe plusieurs modles de trafic. Certains traitent de la mobilit travers la structure
hirarchique des cellules, alors que d'autres tiennent compte de la diversit des services et
du trafic multimdia. Dans cette section, nous analysons la mthodologie et les rsultats de
ces modles.
3.5.1 Prise en compte de la mobilit dans une structure hirarchique

Nous analyserons dans cette partie trois principaux modles traitant de la mobilit des
abonns dans les systmes hirarchiss. Chacun de ces modles propose une mthode pour
grer les demandes de communication dpendamment du degr de mobilit des usagers. Le
modle propos par Lagrange et Godlewski [32] fait partie des premiers modles qui
tudiaient l'influence de la structure hirarchique sur l'coulement de trafic dans les rseaux
mobiles.
Dans
uniformment
ce modle,
les chercheurs
supposent
que les stations mobiles
sont
distribues dans toutes les cellules du systme. Le temps pass par
l'utilisateur dans une cellule (temps de rsidence) est suppos suivre une distribution
exponentielle ngative de paramtre a. Dans une microcellule donne, l'arrive
des
nouveaux appels est suppose tre selon le processus de Poisson de paramtre X. Le temps
de service suit la distribution exponentielle de paramtre fi. Lagrange et Godlewski [32] ont
considr que les demandes de handover et les nouveaux appels doivent tre desservis en
premier lieu par les microcellules. Mais, si un utilisateur mobile initialise un appel dans une
microcellule et veut raliser un handover pour aller une cellule voisine, sa demande est
traite au niveau de la macrocellule qui supervise la cellule de destination. S'il n'existe plus
de canaux libres au niveau de la macrocellule, la demande de handover est bloque. Dans le
cas d'un appel gr au niveau de la macrocellule dans un motif, si l'utilisateur en question
dsire se dplacer en dehors de ce motif tout en continuant sa communication, sa demande
de handover sera traite au niveau de la macrocellule ddie au motif de destination. Pour
les nouvelles demandes de connexions, Lagrange et Godlewski ont suppos qu'elles sont
traites seulement au niveau des microcellules. Par la suite, si les canaux de la microcellule
o se trouve l'abonn sont tous occups, la demande d'un nouvel appel est immdiatement
bloque.
Les rsultats de l'tude analytique faite pour ce modle [32] ont t compars avec une
simulation vrifiant toutes les conditions supposes dans l'analyse. Le modle donne des
rsultats identiques ceux donns par la simulation, dans le cas o la probabilit d'avoir un
handover est faible. Pour le cas o la probabilit de raliser un handover est grande, il
existe des rsultats trs rapprochs ceux de la simulation si le nombre de microcellules
recouvertes par une macrocellule est relativement grand. Nous pouvons conclure que cette
proposition pour grer les appels dans un systme hirarchique a montr son efficacit pour
rduire l'impact de la mobilit des utilisateurs dans une rgion. Si on la compare un
systme fait de microcellules, nous dduisons que la probabilit de blocage et celle
d'interruption diminuent remarquablement. Cependant, nous constatons que le modle ne
fait pas de distinction entre les demandes des utilisateurs rapides et celles des utilisateurs
lents. Elles sont toutes transfres vers les microcellules et, par consquent, la probabilit
d'interruption pour les demandes de handover entre les microcellules appartenant au m m e
motif crot.
Wie
et al.
ont propos une autre modlisation
du trafic dans les rseaux
mobiles
hirarchiques [56]. Ce modle permet de transfrer les appels vers la macrocellule si une
microcellule n'a plus de canaux libres pour desservir les nouvelles demandes arrivant
cette microcellule
(que
cela
soit
de
nouveaux
appels
ou
des
appels
provenant
de
handovers). Les utilisateurs mobiles sont classs en utilisateurs faible mobilit (pitons) et
utilisateurs mobilit leve (vhicules). Les microcellules desservent les nouveaux appels
et les appels de handover des utilisateurs faible mobilit. Mais, dans le cas o une
microcellule n'a pas de canal libre, elle sollicite un overflow la macrocellule.
L'overflow consiste traiter le surplus des demandes de communication provenant de la
microcellule au niveau de la macrocellule. La macrocellule du motif est normalement
conue pour desservir les demandes des utilisateurs mobilit leve. Si un utilisateur
faible
mobilit
desservi
par
la macrocellule
dsire
raliser
un
handover
vers
une
microcellule o il existe des canaux libres, cet appel est gr aprs le handover au niveau de
cette microcellule. C'est ce qui est appel underflow dans cette proposition.
Il est suppos dans ce modle [56] que le trafic d l'overflow et l'underflow se fait selon
le processus M M P P . A u niveau d'une microcellule, les appels de handover ne sont pas
privilgis par rapport aux nouveaux appels. Ils ont la m m e priorit. Le trafic au niveau de
la microcellule est alors modlis par le systme M M P P / M C I C
M
tant le nombre de
canaux ddis une microcellule. L'arrive des nouveaux appels et des appels de handover
se fait selon un processus de Poisson.
A u niveau de la macrocellule, les chercheurs appliquent le plan des canaux de garde

(Guard channel scheme)
dans lequel la priorit est donne d'abord aux appels de handover,
ensuite aux nouveaux appels des utilisateurs mobilit leve, puis aux nouveaux appels
des utilisateurs faible mobilit [56]. Ainsi, si le nombre de canaux libres est infrieur
CMI (CM/ est le nombre de canaux de garde pour les appels de handover des utilisateurs), les
appels de handover seront les seuls tre desservis dans cette microcellule et les autres
demandes doivent tre bloques. Aussi, si le nombre de canaux libres est born par CMI et
CMI+CM2
(M2 est le nombre de canaux de garde pour nouveaux appels des utilisateurs
mobilit leve), seules les demandes des nouveaux appels des utilisateurs mobilit
leve et les demandes de handover pourront tre desservies, tandis que les demandes
d'overflow des nouveaux appels des utilisateurs faible mobilit doivent tre bloques.
Dans le cas o le nombre de canaux libres dans la microcellule est suprieur C M I + C M 2 ,
toutes les demandes peuvent tre desservies.
Les rsultats de simulation montrent que la probabilit de blocage des nouveaux appels
diminue si l'on considre les procdures d'underflow, tandis que la probabilit de blocage
pour les utilisateurs faible mobilit a des comportements irrguliers. Cela dpend de
plusieurs facteurs dont la charge de trafic et les caractristiques de la stratgie propose.
Pour les probabilits d'interruption d'appels chez les utilisateurs mobilit leve ou
faible mobilit, elles diminuent remarquablement si on considre les underflows ou les
take-back dans les deux directions. Plusieurs autres dductions peuvent tre trouves dans
[56]. Ce modle permet de rduire la probabilit de blocage des utilisateurs mobilit
leve ainsi que la probabilit d'interruption des utilisateurs faible mobilit. Cependant
l'inconvnient majeur de cette modlisation est que la probabilit de blocage des utilisateurs
faible mobilit augmente.
Quant au troisime modle [53], il considre un rseau cellulaire hirarchique deux

niveaux, constitu de macrocellules et de microcellules. Dans ce cas, chaque macrocellule
recouvre TV microcellules. nouveau, deux classes de mobilit sont prises en compte : la
classe des utilisateurs mobilit leve et celle des utilisateurs faible mobilit. Notons
que les vitesses des utilisateurs dans ce systme sont considres presque constantes durant
un appel. Un appel d'un utilisateur faible mobilit est d'abord
transfr vers la
microcellule. S'il y est bloqu, il est redirig (il doit raliser un overflow) vers la
macrocellule qui recouvre cette microcellule. Toutefois, un appel d'un utilisateur mobilit
leve est d'abord transfr vers la macrocellule. Mais, s'il y est bloqu, il est alors desservi
par la microcellule o il est localis. Les appels d'overflow raliss, dans les deux sens,
peuvent retourner leur type prfrable de cellules (raliser un take-back ou underflow),
tant qu'il existe des canaux libres dans la cellule en question. Quand il est possible de
raliser un take-back, il existe deux manires pour dclencher ce processus : ou bien
raliser un take-back immdiatement, ou bien le raliser au moment du passage vers la
cellule voisine, condition qu'il y ait des canaux libres. On adopte dans cette approche la
deuxime faon pour raliser le take-back.
Le modle prend aussi en considration la priorit des demandes d'appels : les appels de
landover sont plus prioritaires que les nouveaux appels. Le plan d'allocation des canaux
oas sur la priorit des handovers limite alors le nombre des canaux disponibles pour les
nouveaux appels. Autrement dit, si le nombre de nouveaux appels arrive un certain seuil,
les nouvelles demandes pour les nouveaux appels ne seront plus acceptes, tandis que les
appels de handover ne peuvent tre bloqus qu'une fois tous les canaux occups. Ce plan
est choisi, parmi plusieurs autres, pour sa simplicit.
Pour mieux dcrire comment chaque cellule peut desservir les demandes des utilisateurs, il
est prfrable d'utiliser quelques notations. Soit CM le nombre total de canaux disponibles
dans chaque macrocellule, C
et CE le nombre respectif de canaux affects aux nouveaux
appels et aux appels d'overflow. Chaque microcellule dispose de C
canaux libres dont C
et Cb canaux sont ddis aux nouveaux appels et aux appels d'overflow respectivement. Les
stratgies d'allocation de ressources et d'admission d'appels sont c o m m e suit:
Pour la macrocellule :
a)
Un nouvel appel d'un utilisateur mobilit leve est rejet et essaie un overflow
dans la microcellule o il est localis s'il existe dj CA nouveaux appels en cours
dans la macrocellule ou si les CM canaux sont tous occups;
b)
Un appel de handover est bloqu et essaie un overflow si les CM canaux sont tous
occups dans la macrocellule;
c)
Un
appel
rsultant d'un take-back est rejet et essaie un handover vers
la
microcellule voisine dans la macrocellule, si les CM canaux sont tous occups. Il est
plus prioritaire qu'un appel de handover;
d)
Un appel d'overflow pour un utilisateur faible mobilit est rejet s'il existe dj CB
appels d'overflow en cours ou si les CM canaux sont tous occups.
Chapitre 3. Analyse des modles de trafic
Pour la microcellule :
a)
Un nouvel appel d'un utilisateur faible mobilit est rejet et essaie un overflow
vers la macrocellule s'il existe dj C nouveaux appels en cours ou si les C
a
canaux
sont tous occups;

b)
Un appel de handover d'un utilisateur faible mobilit est rejet et essaie un

overflow vers la macrocellule si les C
c)
canaux sont tous occups;
Un appel de take-back d'un utilisateur faible mobilit est rejet et continue

exploiter le canal qui lui tait affect par la macrocellule, si les C
canaux sont tous
occups;
d)
Un appel d'overflow d'un utilisateur mobilit leve est rejet s'il existe dj Ct
appels d'overflow en cours ou si les C
canaux sont tous occups.
Une tude analytique a t ralise pour tester la mthode de gestion des appels des
utilisateurs diffrents
degrs de mobilit. Pour cela, plusieurs hypothses
ont t
considres [531. Les rsultats de simulation indiquent que la valeur du paramtre Ct

influence les paramtres de qualit de service. En effet, si Ct crot, la probabilit de blocage
des nouveaux appels et la probabilit d'interruption d'appels ainsi que celle d'chec de la
procdure de take-back des utilisateurs mobilit leve dcroissent, tandis que celles des
utilisateurs faible mobilit augmentent. Cela s'exprime par le fait que plus il existe
d'abonns
haute vitesse desservis par les microcellules, moins les demandes
des
utilisateurs faible mobilit peuvent tre ralises. Des effets presque semblables sont
remarqus pour le paramtre C#. L'impact de la mobilit a aussi t tudi. Plus le degr de
mobilit augmente, plus les probabilits de blocage et d'interruption des utilisateurs
mobilit leve diminuent [53]. Toutefois, les paramtres de qualit de service pour les
utilisateurs faible mobilit ont des comportements imprvisibles. Nous avons remarqu
dans l'tude faite dans [53] que la plus grande partie du trafic produit dans une microcellule
est gnre par les utilisateurs faible mobilit, alors que celle des macrocellules est
gnre par les abonns mobilit leve. D e plus, le trafic produit est en relation troite
avec le degr de mobilit et le nombre de canaux affects aux appels d'overflow. Par
consquent, cette proposition prend en considration tous les cas de figures pouvant
survenir dans un rseau mobile hirarchique (l'overflow et le take-back dans les deux sens).
Cependant, il se peut que cela dpasse les exigences des utilisateurs. Autrement dit, il n'est
pas recommand un utilisateur mobilit leve (en vhicule) d'utiliser son terminal
mobile. Ainsi, il faudra mieux privilgier les utilisateurs faible mobilit au lieu de
privilgier les utilisateurs mobilit leve.
3.5.2 Prise en compte de la diversit des services multimdia

Dans [38], M e o et Viterbo ont labor un modle de trafic en tenant compte de la diversit
des types de trafic (vido, voix et donnes) gnrs au niveau d'une cellule dans les rseaux
mobiles. Ils ont suppos que l'arrive des nouvelles demandes de communication et les
demandes de handover se font selon le processus de Poisson et que le temps d'occupation
d'un canal ou le temps de service dans une cellule suit une distribution exponentielle. Les
rsultats trouvs illustrent la dpendance entre la variation des probabilits de blocage et
d'interruption et la variation des arrives des demandes. En gnral, les valeurs obtenues
pour les probabilits de blocage selon le type de trafic ne dpassent pas 10%. Toutefois, ce
modle considre chaque type de trafic sparment. Or, en pratique, chaque application ou
service multimdia peut gnrer les trois types de trafic. D o n c , en prdisant la quantit de
trafic pouvant circuler dans le rseau mobile, le modle ne prdit pas la quantit des
demandes et les types de ces demandes qui peuvent tre bloques.
Dans [58], X u propose un modle qui tient compte des classes de services des applications.
C e modle suppose que le processus d'arrive des demandes de communication (pour les
nouveaux appels et les appels de handover) est poissonien, que le temps de service d'une
communication au niveau d'une cellule se fait selon la loi exponentielle et que les classes
de services sont classes selon un ordre de priorit. D e plus, il suppose que le systme a des
files d'attente de longueur non nulle, o les demandes arrivant et trouvant toutes les
ressources du systme occupes se mettent en attente. l'arrive d'une demande de
communication dont la classe de services est plus prioritaire que celles des communications
qui sont en cours, le systme bloque la communication la moins prioritaire pour donner
l'accs cette nouvelle demande. D e ce fait, la politique adopte par le modle peut causer
le mcontentement des clients en service, puisque le systme peut bloquer sans aucune
raison une communication qui se droule dans des conditions normales. D'autre part, le
systme de files d'attentes est complexe et ne permet nullement d'intgrer
caractristiques du rseau, c o m m e la structure hirarchique des cellules.
certaines
Chapitre 4
Proposition d'un modle

A u cours de la dernire dcennie, de nombreux modles ont t proposs pour prdire le
trafic dans les rseaux mobiles [20], [30], [52]. En gnral, ces modles tiennent compte
d'une partie des contraintes des rseaux mobiles, c o m m e la mobilit ou l'influence des
caractristiques de la rgion sur le trafic. Toutefois, peu de modles traitent la diversit des
applications et des services multimdia pour prdire le trafic. D'o le but de notre
modlisation. Nous prsenterons dans ce chapitre notre contribution. A u dbut, nous
dcrirons notre modle. Ensuite, nous prsenterons le simulateur et les donnes utiliss
pour valuer ce modle. Enfin, nous analyserons les rsultats de simulation.
4.1 l a b o r a t i o n du m o d l e
Dans
cette
section, nous
allons
dcrire notre proposition pour modliser
le
trafic
multimdia dans les rseaux mobiles. Avant de prsenter notre modle, nous allons d'abord
faire quelques hypothses.
4.1.1 Hypothses gnrales

Certes, nous ne pouvons tenir compte de toutes les contraintes lies aux rseaux mobiles
(multitude d'exigences pour les applications et services multimdias, mobilit des clients,
structure hirarchique des cellules) dans un seul modle. Mais nous essaierons dans le ntre
de traiter de celle qui a t rarement prise en compte par les autres modles et qui
influencent directement le trafic multimdia : la diversit des classes de services. Nous
rappelons
qu'il
existe quatre classes
de services dans les rseaux
mobiles
actuels:
conversationnelle, interactive, streaming, background. Dans notre modlisation, nous nous

contenterons de raliser un modle reprsentant le trafic multimdia au niveau d'une
cellule. En pratique, en connaissant le temps coul depuis l'arrive d'une demande de
communication, nous ne pouvons dduire le temps couler pour l'arrive d'une nouvelle
demande. Par consquent, nous supposons que le temps inter-arrives des demandes de
communication appartenant une classe de services i (1 < i < 4) suit une loi
exponentielle
dont le taux est A}. D'autre part, il n'est pas possible de prdire la dure de la prochaine
inter-arrive de demandes en connaissant la dure de celle qui la prcde. D o n c , les temps
inter-arrivs des demandes de communication pour chaque classe i forment des variables
alatoires indpendantes les unes par rapport aux autres. Ainsi, le processus d'arrive des
demandes de communication appartenant la mme classe est un processus de
Poisson
dont le taux d'arrive Ai [12].

Nous entendons par l'arrive d'une demande une nouvelle demande de connexion gnre
dans la cellule considre ou une demande de connexion provenant d'un handover. D o n c ,
chaque A,- peut tre considr c o m m e tant la somme du taux d'arrive des nouvelles
demandes d'appels et du taux d'arrive des demandes de handover :
h = hn + hh
(4-1)
Par souci de simplicit, nous supposons que le temps de rsidence dans une cellule (T ) et
r
celui de communication (T )
c
sont exponentiellement distribus ayant respectivement les
taux j et j . D e plus, c o m m e il est montr dans la formule 4.2, le temps d'occupation d'un
r
canal ( 7 ) est le minimum du temps de rsidence dans une cellule et du temps de

communication.
T = min{T J }
c
(4.2)
Ainsi, le temps de rsidence est son tour exponentiellement distribu avec une moyenne ju
donne par la formule suivante [46] :
1
u =
(u
(4.3)
u)
r
4.1.2 Description du modle

Notre modle consiste privilgier les applications selon leurs
classes de service. La
mthode pour privilgier ces applications ne doit pas compliquer le systme : elle doit tre
simple pour pouvoir ajouter au modle d'autres contraintes dans le futur. Dans notre
systme, nous supposons que les classes de services sont classes par priorit : la classe
dont les applications sont les plus sensibles au temps de transmission est prioritaire. D o n c ,
la plus prioritaire est la classe conversationnelle et la moins prioritaire est la classe
background. Les indices de priorit sont d'ordre dcroissant: la classe i ( i = l , 2, 3) est plus
prioritaire que la classe i+1.
Le modle propos dans [25] nous a inspir une mthode pour slectionner les demandes
qui seront desservies par le systme dans le cas o il reste peu de ressources libres. Dans
[25], les chercheurs ont propos quelques mthodes pour privilgier les appels de handover
par rapport aux nouveaux appels : dans le cas o il ne reste pas beaucoup de ressources
libres pour une cellule, les appels qui sont admis par la cellule sont ceux de handovers et les
nouveaux appels sont bloqus. D o n c , notre mthode consiste privilgier les demandes, les
unes par rapport aux autres, selon les classes de services auxquelles elles appartiennent.
Ainsi, au moment o il existe trs peu de ressources disponibles, seules les demandes les
plus critiques quant au temps de transmission seront admises par le systme. Nous posons
donc 3 constantes K, K2, K3 telles que:
1 < K < K
2
< M
(4.4)
M est le nombre de ressources (ou canaux) maximales libres dans une cellule.
Si le nombre de ressources occupes est gal ou suprieur AT/, les demandes
de
communication appartenant la classe la moins prioritaire (la classe 4) ne sont plus

acceptes. L'tat o il existe Kj ressources occupes dans le systme est donc le premier
tat critique, o seules les demandes de communication pour les classes 1, 2, 3 seront
desservies par le systme. De mme, si le nombre de ressources occupes dans la cellule
considre est gal ou suprieur K2, seules les demandes provenant des classes 1 et 2
seront acceptes par le systme. Les tentatives de communication de la classe 3 ou de la
classe 4 seront alors bloques. Dans ce cas, le systme se trouve dans le deuxime tat
critique. Le systme est dans l'tat le plus critique de la cellule si le nombre de ressources
utilises dpasse K3-I.
Dans ce cas, les demandes qui seront traites sont celles qui
appartiennent la classe 1, la plus critique quant au dlai de transmission, les demandes des
autres classes seront rejetes par le systme. La figure 4.1 dcrit le nombre maximal de
canaux pouvant desservir les demandes d'une classe de services donne. La figure 4.2
illustre le fonctionnement du modle propos.
FlG 4.1 : Description
du modle
propos
Oui
Dterminer la
priorit de la
demande
FlG 4.2 : Oprations
du modle
propos
D'aprs les suppositions faites dans 4.1.1 et la description de notre modle, le systme est
markovien de type M/M/k/k, de sorte que k est le nombre maximal de canaux disponibles
dans la cellule [44). Dans notre cas, nous posons k gal M. Pour dterminer les
probabilits de blocage des demandes provenant de chaque classe de services, nous devons
commencer par dterminer les tats de transition du systme. Un tat de transition
reprsente le nombre de canaux occups dans le systme et les taux de dpart et d'arrive
des clients cet tat [44]. Le diagramme d'tats du systme dcrit alors les diffrentes
transitions entre les tats de ce systme. La figure 4.3 dcrit le diagramme d'tats de notre
modle.
FlG 4.3: Diagramme
d'tat du modle
propos
Les k.\i (1< k< M) les Lj utiliss dans la figure 4.3 reprsentent respectivement les taux de
dpart et les taux d'arrive, de sorte que:
(4.5)
(4.6)
(4.7)
(4.8)
Les / / sont les taux d'arrive des demandes de la classe de services /, / = 1 , 2, 3 et 4. Dans la
section 4.1.1, nous avons suppos que ces processus sont poissoniens. Par consquent, la
superposition d'au moins deux de ces processus est un autre processus poissonien. Le taux
d'arrive du processus rsultant est la somme des taux d'arrive des processus participant
la superposition. Cela est valid par le thorme 4.1 dont la dmonstration se trouve dans
[12], [44]. Les conditions d'utilisation du thorme sont vrifies par nos processus
d'arrive : chacun des processus d'arrive est indpendant des autres.
Thorme
YIL A .
1
4.1 : Fixons A A ,...,

lf
Supposons
processus
Alors (N(t),
A , des nombres rels strictement positifs et posons A =

m
que, pour chaque je{l,2,
de Poisson
soient indpendants
...,m},
le processus
avec une intensit Aj et supposons
[Nj(t),t
que ces m processus
les uns des autres. Pour chaque t > 0, posons
t > 0 ) est un processus
> 0 ) soit un
: N(t)
de
Poisson
= Zî^/CO-
de Poisson avec intensit A.
Aprs avoir dtermin les diffrentes transitions entre les tats de notre systme l'aide du
diagramme d'tats, nous pouvons maintenant procder la dtermination des probabilits
stationnaires du systme. Chaque probabilit stationnaire correspondant un tat de
transition reprsente la probabilit que le systme soit cet tat indpendamment du temps
[44]. l'aide du diagramme de transition, nous obtenons les quations suivantes :
Pour i = 0,
L . 7i = u. n
t
(4.9)
V 611, Xi - 1 ] (i. u + L ) . n = ( + l)u. n

x
Pouri
= K
lt
( ^ . 1 1 + L ).n
i+1
Kl
= {K
(4.10)
+ L uti-l
+ l).a.n
Ki+1
+L .7r ^ _
1
(4.11)
V f e [ f r + l , X ' 2 - l ] (i.n + L %ii ' (i + l).u.n

2
Pour i = K ,
(K .u + L ).n
V ielK
+ 1,K -
Pour i =
Vie[/f
Pour
tf ,
3
+ 1,M -
1 = M,
= (K + l).u.n
K2
1 ] (i. u + L ) . m - ( i + 1)./*.
3
(/f .^ + L ) . t t
3
11
K 3
7T
M 1
i + 1
= (/f + 1 ) . . t t k
3
. i T ( _
K2+1
+ L ) . 7 r , = (i + l ) . . 7 r
L .n l
i+1
1 + 1
(4.12)
L .n -i
2
Kl
(4.14)
+ L .rr^
3
3 + 1
L .Jr
3
-i
L .n _
4
(4.13)
(4.15)
(4.16)
(4.17)
M.u.n
C e systme d'quations a une solution paramtre par KO :
(4.18)
(4.19)
(4.20)
(4.21)
Le paramtre JCO est la probabilit que le systme soit libre : il ne dessert aucu
de communication. Cette probabilit peut tre dtermine l'aide de l'quation :
M
(4.22)
i=0
En remplaant les 7T/ ( i > 0) par leur valeurs trouves dans les quations prcdentes (4.18
4.21), nous trouvons que :
(4.23)
avec
^d-Ar'
(- )
4 24
/L \'"
1 ii)
K z
i = KI +1
K l
/ M *
ij)
(4 25)
i=K +l
2
( j )
'
'
i=/C + l
3
Une fois les probabilits stationnaires trouves, nous pouvons valuer les probabilits de
blocage pour chaque classe de services. Les demandes de communication peuvent tre
rejetes selon la classe laquelle elles appartiennent. Plus prcisment :
Si ces demandes appartiennent la classe 4, elles sont bloques lorsqu'il reste au

maximum (M-Kj)
Si elles appartiennent la classe 3, elles sont bloques lorsqu'il reste au maximum

{M-Ki)
canaux libres;
Si elles appartiennent la classe 2, elles sont bloques lorsqu'il reste au maximum

(M-K3)
canaux libres;
canaux libres;
Si elles appartiennent la classe 1, elles sont bloques si tous les canaux sont
occups.
Autrement dit, les demandes de type 4 sont rejetes par le systme si ce dernier se trouve
dans un tat de transition suprieur ou gal Kj. La probabilit qu'une demande de type 4
soit supprime (PB )
4
est la probabilit que le systme soit dans un tat i tel que i est
suprieur ou gal K\. Cela correspond l'quation :
7Z î
PB =
(4-28)
Kl
D e la mme faon, la probabilit de blocage des demandes de la classe 3 est la probabilit

que le systme se trouve dans un tat gal ou suprieur K2, ce qui s'exprime par :
M
PB = 'Y
3
71;
(4.29)
i=K
A v e c le mme raisonnement, nous trouvons que les probabilits de blocage pour les autres
classes de services sont :
M
PB =
(4.30)
i=K
et
PB
= n
(4.31)
En nous inspirant de [38], nous pouvons dduire les probabilits de blocage pour les
nouvelles communications et les probabilits d'interruption pour chacune des classes de
service partir de (4.28), (4.29), (4.30) et (4.31). tant donn que le taux d'arrive d'une
demande de la classe i est constitu de deux composants : Af et A j, la probabilit de
hi
blocage d'une nouvelle communication d'une classe i est :
n,i
h,i
A, est le taux d'arrive des nouvelles communications pour la classe /;
A/ est le taux d'arrive des appels de handover pour la classe i;
PBi est la probabilit de blocage d'une demande de communication appartenant la
hi
Li
classe i.
Et la probabilit d'interruption d'une communication de classe i est :
PBh,i =
.\
n,i +
'PB,
Xh
(4.33)
h,i
Ainsi, les quations (4.28) (4.33) constituent les rsultats les plus importants de notre
modle.
4.2 I m p l m e n t a t i o n
Aprs avoir ralis notre modle, nous devons effectuer certaines simulations pour pouvoir
l'valuer. Nous avons ralis pour ce but un simulateur. Dans cette section, nous dcrirons
ce simulateur et son m o d e de fonctionnement.
4.2.1 Description du simulateur

L'outil de simulation utilis pour implmenter le modle propos est un programme que
nous avons crit en langage C. A u dbut de la simulation, nous gnrons un bassin de
demandes de communication. C e bassin est sous la forme d'un tableau pouvant contenir
jusqu' 5000 demandes. Pour crer une demande de communication, le simulateur doit
gnrer alatoirement le temps d'arrive de cette demande, le temps qu'il lui faut pour tre
servie et la classe de services laquelle elle appartient. Par consquent, pour modliser une
demande, nous avons cr une structure de donnes nomme Demande
, dont les
champs sont :
Identit de la demande, qui est reprsente par son indice au tableau;
inst_arn> : est l'instant d'arrive de la demande. Nous rappelons que le processus

d'arrive des demandes est poissonien, ce qui veut dire que le temps inter-arrives
des demandes une suit une loi
exponentielle;
tps_sr\> : est le temps de service de la demande gnr selon une loi exponentielle;
type : est la classe de la demande, gnre alatoirement.
Ainsi, les entits du bassin sont de type Demande
Pour traiter ces demandes, nous avons besoin de simuler des canaux de transmission, c'est-dire des serveurs. Un serveur est caractris par plusieurs paramtres qui sont: son tat
( o c c u p ou libre), l'identit de la demande qu'il est en train de desservir, l'instant du dbut

d'un service et l'instant de la fin du service. Il convient d'implmenter un serveur dans la
simulation par une structure de donnes. La structure de donnes utilise est donc nomme
Serveur et elle est constitue des champs suivants :
demande : reprsente l'identit de la demande desservie par le serveur. Ce champ est

gal une valeur ngative si le serveur est libre libre;
deb_service
: reprsente le moment du dbut de service pour la demande que le
simulateur a affecte au serveur ;
Jinjsennce
: reprsente le moment de la fin de service pour la demande que
simulateur a affecte au serveur.
L'ensemble des serveurs disponibles sont regroups dans un tableau de taille M. Dans notre
modlisation, nous avons eu recours d'autres constantes dterminant les valeurs des Kj
(nombre maximal de serveurs pouvant desservir les demandes de la classe / ) . Le paramtre
horloge
reprsente la dure de la simulation. Pour pouvoir gnrer les inter-arrives et le
temps de service des demandes, nous avons besoin d'utiliser des variables reprsentant les
temps
moyens
pour
les
lois
de
distribution utilises
dans notre modlisation
(loi
exponentielle). Ces variables sont donc:
lambdaO
: reprsente
le temps moyen
d'inter-arrives
entre deux
demandes
successives appartenant la classe 1. Il correspond dans la modlisation
lambdal
: reprsente
le temps moyen
d'inter-arrives
entre deux
;
demandes
successives appartenant la classe 2. Il correspond dans la modlisation l/fa;
lambdal
: reprsente
le temps moyen
d'inter-arrives
entre deux
demandes
successives appartenant la classe 3. Il correspond dans la modlisation I/3;
lambda3
: reprsente le temps moyen
d'inter-arrives
entre deux
demandes
successives appartenant la classe 4. Il correspond dans la modlisation I/4,

Mu : reprsente la dure moyenne d'occupation (i.e. traitement d'une demande) d'un
serveur et il correspond dans la modlisation \/ju.
4.2.2 Fonctionnement du simulateur

Avant de commencer la simulation, nous devons gnrer le bassin des demandes et
initialiser le tableau des serveurs. Initialiser l'ensemble des serveurs revient affecter des
valeurs strictement ngatives aux champs demande, deb_service
et fin_service pour chacun
des serveurs. Pour crer une demande, nous gnrons les temps de service et le type de
demande. Pour l'instant d'arrive d'une demande, nous gnrons le temps inter-arrives et
nous l'ajoutons l'instant d'arrive de la dernire demande mise dans le bassin.
A u dbut de la simulation, nous avons initialis une variable t, indiquant le temps, la

valeur zro. Cette variable reprsente le temps coul dans la simulation : tant que t est
infrieure la valeur de la constante horloge,
la simulation continue. chaque instant t, le
simulateur libre les serveurs dont la valeur du champ fin_ service est gale /. Ensuite, il
cherche dans le bassin les demandes qui ont l'instant d'arrive gal t. S'il existe une
demande ou plus qui rpond cette exigence, le simulateur cherche les serveurs libres et
leur affecte ces nouvelles demandes. Si le nombre de ces serveurs libres n'est pas suffisant
ou si le systme est occup, certaines de ces demandes sont supprimes. La suppression
d'une demande reprsente le blocage de cette demande dans notre modle. La condition de
suppression d'une demande du systme est lie au type de la classe laquelle elle appartient
Une demande de classe 1 doit tre supprime si tous les serveurs sont occups;
Une demande de classe 2 ne peut pas tre servie s'il existe au moins K3 serveurs
occups;
Une demande de classe 3 ne peut pas tre servie s'il existe au moins K2 serveurs
occups;
Une demande de classe 4 ne peut pas tre servie s'il existe au moins Kj serveurs
occups.
Les classes sont traites selon leur priorit : la plus prioritaire est la classe 1 et la moins
prioritaire est la classe 4. Les Kj respectent la condition suivante:
< K
< K
< M
(4.34)
Les rsultats de la simulation sont stocks dans un fichier Excel. Aprs chaque simulation
le fichier lui correspondant contient le nombre de demandes sollicites pour chaque classe
et le nombre des demandes supprimes pour chacune de ces classes.
Nous calculons les probabilits de blocage (PB) pour les rsultats de la simulation selon la
formule suivante :
DmdSuppi
PB =
DmdSollici
l
(4.35)
*
o:
DmdSuppi
reprsente le nombre de demandes de la classe de services i qui n'ont pas
pu tre servies,
DmdSollici
reprsente le nombre de demandes de la classe de services i qui ont t
gnres.
Pour
valider
notre
modle,
nous
devons
voir
son
comportement
dans
plusieurs
environnements. Dans chaque test, nous faisons varier un des paramtres caractrisant le
trafic dans les rseaux mobiles sur un intervalle de valeurs et nous fixons les autres
paramtres restants. Les paramtres qui vont subir ces tests sont :
les temps moyens d'inter-arrives pour les classes de services (lambdai, i=0,1,2,3);
le temps moyen d'occupation d'un serveur (Mu);
les Ki (/=1, 2,3), nombre de serveurs pour desservir un ensemble de classes.
4.3 Rsultats
Pour valuer notre modle, nous devons d'abord choisir les valeurs pour les paramtres
utiliss dans le simulateur: lambdaO, lambda7,
lambda2, lambdaS, Mu, M et les Ki. Dans
cette section, nous allons voir comment nous avons choisi ces paramtres et prsenter les
rsultats de simulation qui en dcoulent.
4.3.1 Choix des paramtres de la simulation

Dans le but de valider notre modle, nous avons ralis plusieurs scnarios. Les paramtres
affects chaque scnario sont choisis de faon tre plus contraignants que les donnes
relles. Les donnes relles sur lesquelles nous nous sommes bass sont extraites des
statistiques faites pour les rseaux mobiles en France [41], [57]. Elles dcrivent le
comportement des utilisateurs mobiles et les taux d'utilisation des services fournis. Nous
avons choisi la France, car son march de tlcommunications mobiles est un des meilleurs
marchs existants en Europe et en Amrique [41]. Dj, la fin de 2006, on y comptait prs
de 51.7 millions de clients mobiles. C e nombre augmente de 7% par an depuis 2003, ce qui
correspond une augmentation annuelle moyenne gale 3.16 millions d'utilisateurs. Ceci
peut nous donner une ide sur l'intensit du trafic pouvant tre gnr par les utilisateurs.
De manire plus prcise, chaque utilisateur ralise une consommation tlphonique de prs
de deux heures et demie par mois. Nous remarquons d'ailleurs qu'entre 2000 et 2005, le
:rafic de la voix mobile au dpart des oprateurs mobiles franais a t multipli par 2.3,
passant de 36 milliards 82 milliards de minutes par anne.
part les communications tlphoniques, les abonns mobiles utilisent d'autres types de
services, c o m m e le SMS et le M M S . A u moins 7 clients sur 10 s'changent en moyenne
plus de deux SMS par jour et par utilisateur. Une autre tude montre que les internautes qui
se sont rendus sur des sites Internet via un tlphone mobile parcourent en moyenne 3 fois
plus de pages que les internautes choisissant un autre support de connexion [57]. La dure
moyenne de connexion l'Internet pour les utilisateurs mobiles est 2 minutes 53
secondes. Le S M S , le M M S et la connexion l'Internet via le tlphone mobile peuvent
tre aussi des moyens pour accder d'autres applications appartenant aux diffrentes
classes de services. Les figures 4.4 et 4.5 montrent les services qui sont trs sollicits par
les utilisateurs en France.
FlG 4.4 : Services mobiles (excluant SMS et MMS) utiliss en
France.
Autres
Loisirs - Vie
mm
1
-
Autres connexion Internet
:'^.f:;^:.f:, :f:
Sport- Jeux vido
M Connexion Internet via les
Nouvelles technologies
Actualits - Mdias gnralistes
<
mm
mm
mm
C)
10
tlphones mobiles
mum
mm
-,
m
mmmm
20
FlG 4.5 : Services accessibles
30
40
50
par les utilisateurs
mobiles.
En rsum, partir des statistiques trouves dans [41], [43], [57], nous avons abouti aux
rsultats suivants :
Prs de 82 millions d'appels tlphoniques mobiles par jour avec une dure
moyenne gale 180 secondes;
Prs de 41 millions de S M S / M M S par jour, ayant une dure moyenne de prs de

160 secondes;
Prs de 5500 appels visiophoniques par jour d'une dure moyenne de 180 secondes;
Prs de 11000 connexions l'Internet par jour d'une dure moyenne gale 173
secondes.
C e qui peut tre traduit par :
943 appels simultans par seconde;
174 S M S simultans par seconde;
0.06 appels visiophoniques par seconde;
0.12 connexions l'Internet via un mobile par seconde.
Les rsultats que nous venons de dcrire concernent les taux d'arrive pour toute la France
et doivent tre adapts notre modle. Les rseaux mobiles dploys en France couvrent
prs de 9 5 % de la totalit de la superficie du pays. En considrant que le pays est surtout
constitu de macrocellules de forme hexagonale rgulire de diamtre gal 1 km et en
sachant que la superficie de France est d'environ 675.000 kirT, nous aurons presque
167.046 macrocellules. Dans ce cas, les taux d'arrives des services pour une cellule sont
c o m m e suit :
1 appel tlphonique sur un intervalle de temps d'une longueur gale 200

secondes;
1 connexion Internet via un terminal mobile sur un intervalle de temps d'une

longueur gale 125.10 secondes;
3
1 S M S sur un intervalle de temps d'une longueur gale 1000 seconde.
Pour tester notre modle, nous avons utilis des valeurs plus critiques que ce que nous
venons de trouver l'aide de [41], [43], [57]. Les donnes utilises dans nos simulations
sont :
1 demande de communication de la classe 1 arrive en moyenne chaque seconde;
1 demande de communication de la classe 2 arrive en moyenne aux 10 secondes;
1 demande de communication de la classe 3 arrive en moyenne aux 10 secondes;
1 demande de communication de la classe 4 arrive en moyenne aux 5 secondes.
Nous avons affect la premire et la quatrime classe les taux d'arrives les plus levs,
car elles
possdent
les
services
les plus
sollicits
par les clients mobiles
(appels
tlphoniques et S M S respectivement). La valeur moyenne du temps de service que nous

avons considre dans nos simulations est gale 170 secondes. Cette valeur est obtenue
partir des statistiques trouves dans [41], [43], [57] et l'aide de la formule suivante:
4
(4.36)
o:
t est le temps moyen de service pour une demande de communication;
Pr(i) est la probabilit que la classe de la demande de communication soit de type i;
i>s
est le temps moyen de service d'une demande dont la classe de services est de
type i.
Ainsi, nous affectons aux paramtres caractrisant le trafic les valeurs suivantes:
lambdaO = \ ;
lambda 1 = 10 ;
lambda!
lambda3 = 5 ;
Mu = 170 (temps moyen d'occupation d'un canal).
- 10 ;
Les autres paramtres utiliss par le simulateur ont les valeurs suivantes
M = 100 (nombre maximal de serveurs pouvant desservir les demandes);
Ki =65 (nombre maximal de serveurs pouvant desservir les demandes des classes 1
4);
Ki = 75 (nombre maximal de serveurs pouvant desservir les demandes des classes 2

3) ;
K3 = 85 (nombre maximal de serveurs pouvant desservir les demandes de classes 1

et 2).
4.3.2 Rsultats obtenus

Dans les figures 4.6, 4.7, 4.8 et 4.9, nous prsentons les rsultats des simulations faites pour
chaque
paramtre
lambda.
Pour
chaque
figure,
nous
faisons
varier
le
paramtre
correspondant, dans l'intervalle [ l s , 20s] et nous gardons les autres paramtres fixes. Nous
avons choisi une seconde c o m m e unit de temps, car d'une part, c'est la plus petite unit de
temps que nous pouvons utiliser dans le simulateur et d'autre part, nous avons remarqu
que c'est l'unit qui est utilise le plus souvent dans les recherches ([28], [37], [56]).
C o m m e dans [ 1 ] , [56], nous ne ralisons
notre simulation que pour certaines valeurs de
l'intervalle [1, 2 0 ] . Pour des raisons de simplification, notre chantillon de simulation est
constitue des entiers de l'intervalle [1, 20] (i.e. lambda^
1, 2, 3, . . . , 2 0 ) .
Dans la figure 4.6, nous voyons l'impact du paramtre lambdaO
sur le systme. Nous
remarquons dans la figure 4.6 que les probabilits de blocage pour les trois premires
classes prioritaires sont nulles. Pour la classe 4, les rsultats des valeurs de l'chantillon
varient souvent entre 0 % et 5% sauf pour cinq valeurs o les probabilits de blocage
dpassent 5 % et elles peuvent atteindre une valeur maximale gale presque 1 6 % (voir les
valeurs l'annexe).
Dans la figure 4.7, nous faisons varier seulement le temps moyen d'inter-arrive des
demandes de la classe 2 (lambda!).
Ce paramtre parcourt l'intervalle [1, 2 0 ] . C o m m e pour
la figure 4.6, les rsultats obtenus dans le graphe de la figure 4.7 sont les moyennes de trois
simulations faites pour chaque valeur attribue lambda 1. Nous avons procd de la m m e
manire pour trouver les rsultats pour les figures 4.8 et 4.9. Pour les variations du
paramtre Lambda/,
nous remarquons que les probabilits de blocages pour les quatre
classes sont relativement plus leves de ce que nous avons obtenus dans la variation du
lambdaO. Pendant le parcours de lambdal
pour le sous intervalle [1, 10], les probabilits de
blocage pour la quatrime classe arrivant 5 0 % . Pour les autres classes de services ( 1 , 2,3),
nous remarquons que les probabilits de blocage qui leur correspondent ne dpassent pas
5 % dans la majorit des cas.
0,18
nClassel
0,16
Classe2
0,14
m Classe?
0,12
0,1
0,08
0,06
0,04
0,02
0
1
j
i
i 1 i i
111111.
10
FlG 4.6 : Probabilit
de blocage
11
12
13
en fonction
14
15
16
17
18
19
20
de lambdaO
Dans la figure 4.7, nous faisons varier seulement le temps moyen d'inter-arrives des
demandes de la classe 2 {lambdal).
C o m m e pour le paramtre lambdaO,
il parcourt
l'intervalle [1, 2 0 ] . D'aprs la figure 4.7, nous remarquons que les probabilits de blocage
pour les quatre classes sont relativement plus leves de ce que nous avons obtenu dans la
variation du lambdaO. Pendant le parcours de lambdal
pour le sous intervalle [1, 6 ] , les
probabilits de blocage pour la quatrime classe arrivent 5 0 % . Pour les autres classes de
services ( 1 , 2,3), nous remarquons que les probabilits de blocage ne dpassent pas 5 %
dans la majorit des cas.
Les figures 4.8 et 4.9 reprsentent respectivement les rsultats trouvs aprs avoir fait
varier les paramtres lambdal
et lambdal
sur l'intervalle [1, 2 0 ] . Dans la figure 4.8, Il
existe des valeurs de l'chantillon pris dans l'intervalle [1,20] o les probabilits de
blocage ont dpass la valeur 5% pour les demandes de la classe 4. Pour les autres classes,
les plus privilgies, elles sont les mieux servies : leur probabilit de blocage est souvent
nulle.
0,6
m Classe 1
0,5
Classe 2
Classe3
0,4
Classe 4
0,3
0,2
0,1
1 1I 1. i 1. .
^ 1
<
t-j
FlG 4,7 : Probabilit
10
11
de blocage
12
13
14
en fonction
15
16
17
18
19
20
de lambda 1
0,30
Classel
0,25
BCIasse2
Classe3
0,20
m Classe4
0,15
0,10
I
0,05
i 111111
1
0,00
1
10
11
de blocage
1..
12
13
....
14
15
16
17
en fonction
18
~~M7
19
20
de lambda2
C o m m e nous l'avons vu pour les autres paramtres, les probabilits de blocage de la figure
4.9 pour les classes les moins privilgies ont les plus grandes
remarquons que, lors de la variation du paramtre lambda3
fluctuations.
Nous
sur l'intervalle [1, 20] les
courbes sont en croissance nette. Cependant, les valeurs atteintes par les probabilits sont
trs grandes : par exemple, la probabilit de blocage de la classe 4 atteint 9 0 % .
classe1
-
classe 2
4i
classe 3
classe 4
10
11
de blocage
12
13
en fonction
14
15
, 1
16
17
18
,
19
.
20
de lambda3
4.4 Analyse des rsultats

La classe de trafic qui subit le plus de blocage est videmment la classe la moins prioritaire
dans notre modlisation : la classe 4. Il est donc plus pratique d'analyser d'abord les
rsultats trouvs pour les demandes de communication de type 4. Afin de faciliter cette
analyse, nous avons regroup dans la figure 4.10 les probabilits de blocage des demandes
de la classe 4, en faisant varier le temps moyen d'inter-arrive de chaque classe de services.
Cette figure montre que presque 5 0 % des rsultats o la probabilit de blocage dpasse
1 0 % proviennent de la simulation de variation de lambda3. Normalement, lorsque
et lambdal
lambdal
varient, le systme est dans des situations plus contraignantes que quand nous
faisons varier le paramtre lambda3.
Cependant, les rsultats trouvs dans les deux
premires situations sont meilleurs que ceux trouvs dans la troisime. Par exemple, dans le
cas o lambdaO = 1, lambdal
= 10, lambdal
= 2 et lambda3
= 5, le taux d'arrive des
demandes est 1.8 s" (18 arrives chaque 10 secondes) et le taux de demandes de la classe 4
1
bloques ne dpasse pas 2 5 % . Par contre, dans le cas o lambdaO

lambdal
= 10 et lambda3
= 7, lambdal
= 10,
= 2, le taux d'arrive des demandes est 1.7 s" (17 arrives

1
chaque 10 secondes) et la probabilit de blocage pour les demandes de la classe 4 atteint
8 5 % . Ainsi, les temps inter-arrivs des demandes des classes de services ne sont pas les
seuls facteurs qui influencent les rsultats du modle.
Quand nous analysons le nombre des demandes de la classe 4 gnres dans les simulations
pour les variations de lambda3, nous trouvons que dans presque 5 0 % de ces simulations, le
nombre de demandes gnres de la classe 4 dpasse celui des demandes gnres de la
classe 1 ou 2. Nous pouvons conclure que le nombre de demandes gnres pour chaque
classe de services influence les probabilits trouves. Cependant, si nous analysons les
rsultats de la simulation de variation de lambda!
ou lambda2, nous trouvons la mme
situation : le nombre de demandes de classe 4 gnres dpasse celui des autres classes.
Toutefois, les probabilits de blocage trouves dans les variations de lambda 1 et de
lambda!
sont infrieures celles trouves pendant la variation de lambda3. Il faut donc
chercher les autres facteurs influenant les rsultats de la modlisation.
0,9
* variation d e lambdaO
0,8
variation d e l a m b d a l
0,7
RI
u
_o
variation d e I a m b d a 2
0,6
variation d e Iambda3
0,5
OA
0,3
0,2
0,1
10
11
12
13
14
15
16
17
18
19
20
T e m p s d'inter-arrive
de blocage
de la classe 4 selon le temps d'inter-arrives

classe
de chaque
Le temps de service et le processus d'arrive des demandes constituent d'autres facteurs qui
influencent les probabilits de blocage. Nous savons que les demandes de type 4 ne peuvent
tre desservies que si la condition x<Kj
est vrifie, x tant le nombre de serveurs occups.
Autrement dit, au moment des arrives des demandes de classe 4, ces demandes ne peuvent
passer au service que si le nombre de serveurs occups baisse une valeur infrieure K.
Ainsi, si nous posons p gale la probabilit que les demandes de type 4 arrivent au
moment o le systme est dans un tat suprieur Kj, alors la probabilit de blocage de la
classe 4 crot avec la croissance de p. Cette probabilit p peut aussi tre influence par la
valeur de K : elle peut dcrotre pendant que K crot.
Il existe encore une autre considration lie la valeur de K et qui influence les rsultats
de qualit de service. Le paramtre Kj reprsente la borne infrieure pour les autres K : si
K croit, les valeurs de K croissent ce qui garantit de meilleurs rsultats pour les classes de
service. Nous rappelons que dans nos simulations, nous avons suppos que K est gal 5 5 .
partir des rsultats de simulation, nous remarquons aussi que notre modle garantit au
moins 5 5 % que les probabilits de blocage pour les demandes de classe 4 ne dpassent pas
6 % dans des situations contraignantes : lambdaO = 1, lambda 1 = 10, lambda!
= 10 et
lambda3 = 5, c'est--dire dans des situations presque 100 fois plus contraignantes que dans
la ralit. La valeur 6 % c o m m e probabilit de blocage est une valeur de qualit de service
apprcie par les oprateurs mobiles [53].
D e la m m e faon que pour la classe 4, nous avons regroup les rsultats de probabilit de
blocage de la classe 3 dans la figure 4.11. Ces rsultats sont obtenus partir des simulations
de variation des p (i = 0, 1,2, 3). Nous remarquons que le comportement des probabilits
de blocage de la classe 3 ressemble celui de la classe 4. Ainsi, nous pouvons conclure que
les facteurs influenant les probabilits de blocage de la classe 4 sont les mmes dans le cas
de la classe 3.
Quant aux classes 1 et 2, elles sont les mieux desservies selon le modle propos, c o m m e
illustr dans les figures 4.6 4.9 : aucune rupture ou blocage de communication. D o n c ,
notre modle permet de prdire une bonne qualit de services pour les classes les plus
prioritaires et les plus sensibles au temps d'attente.
M variation d e lambdaO
variation de lambdaOl
1 variation d e I a m b d a 0 2
variation de Iambda03
j
1
.1.1
5
9
temps
de blocage
L
10
l
11
1 1 1 1 . .
12
13
14
15
16
17
18
19
20
d'inter-arrivs
de la classe 3 selon le temps d'inter'-arrives
de chaque
classe
Pour valider notre modle, nous devons vrifier qu'il arrive prdire le trafic multimdia
dans chaque cellule, en valuant approximativement les probabilits de blocage associes
chaque classe de services. Nous supposons que les rsultats trouvs partir des simulations
reprsentent la ralit. A l'aide de Matlab, nous implmentons les quations (4.28) (4.31)
dcrivant les probabilits de blocage pour chacune des classes de service. Pour nous mettre
dans le m m e contexte que dans le cas des simulations, nous fournissons aux programmes
Matlab les mmes valeurs pour les paramtres influenant le trafic, tout en faisant varier
chaque fois les valeurs d'un de ces paramtres. Finalement, nous comparons les rsultats
obtenus partir de la simulation et ceux obtenus l'aide de l'tude analytique. Par souci de
simplification, nous ne prsenterons que quelques rsultats parmi les plus pertinents. Par
exemple, dans la figure 4.12, nous comparons les rsultats de probabilit de blocage pour la
classe de services 4 en fonction du paramtre lambdal.
D e mme, dans les figures 4.13,
4.14 et 4.15, nous reprsentons les rsultats obtenus selon les deux mthodes (simulation et
tude analytique), pour une des quatre classes de services en fonction d'un paramtre
influenant le trafic.
10
11
12
13
14
15
16
17
18
19
temps d'inter-arrive
FlG 4.12: Comparaison
de la simulation l'tude analytique pour les demandes de la

classe 4 en fonction de lambda 1
0,25
Temps d'inter-arrives

classe 3 en fonction de lambda!
20

classe 4 en fonction de lambda2
0 35
;
110
120
130
140
150
160
170
180
190
200
Mu

classe 4 en fonction
de Mu
Nous remarquons que les probabilits trouves dans la simulation et celles trouves partir
de l'tude analytique du modle arrivent converger vers des valeurs semblables, ce qui est
illustr dans les figures 4.12 4.14. Dans le cas o les lambdai (/= 1, 2, 3, 4) sont trs
faibles par rapport au temps de service, l'cart entre les prdictions du modle et les
rsultats de la simulation est grand. Mais, en gnral, il grandir pour des valeurs infrieures
de lambda = 5, c o m m e le montrent les figures 4.12 et 4.13. Dans le cas de la variation du

temps moyen de service Mu, nous remarquons le contraire : plus la valeur de Mu augmente,
plus l'cart entre la courbe des donnes de la simulation et celle de l'tude analytique du
modle crot. Cela est d au moins deux principales raisons. D'une part, les valeurs
affectes au temps de service sont au moins dix fois plus grandes que celles affectes aux
temps moyens d'inter-arrives pour les demandes de communication. Cela mne la
drogation de la condition d'utilisation d'un processus markovien: le taux d'arrive des
demandes doit tre infrieur au taux du dpart des clients [44]. C'est la raison pour laquelle
dans les figures 4.13 et 4.15 il existe une convergence entre les courbes, quand lambda 1
crot ou Mu dcrot. D'autre part, nous remarquons que, dans les figures, l'tude analytique
surestime les probabilits de blocage. Cela est d'une part la surestimation de la loi
exponentielle [52]. D'autre part, les valeurs alatoires gnres
par le simulateur sont
pseudo-alatoire.
De ce fait, en dpit des contraintes auxquelles notre modle a t soumis (les valeurs
affectes aux K, les valeurs affectes aux paramtres du trafic et le nombre alatoire des
demandes gnres par le simulateur pour chacune des classes de service), il arrive
prdire les probabilits de blocage des demandes pour chaque classe, tant que le systme ne
droge pas la condition d'utilisation d'un processus markovien. Ainsi, nous avons pu
atteindre les objectifs que nous nous sommes
fixs
au dpart : raliser un modle
reprsentant le trafic multimdia dans les rseaux mobiles, en privilgiant les applications
et les services les plus sensibles au dlai d'attente.
Chapitre 5
Conclusion
Aprs avoir labor un modle de trafic multimdia pour les rseaux mobiles et obtenu des
rsultats qui l'valuent, il nous reste conclure notre recherche. Dans cette conclusion,
nous ferons d'abord une synthse gnrale des rsultats. Ensuite, nous prsenterons les
limitations de notre modle de trafic. Finalement, nous donnerons quelques ides qui
pourront faire l'objet de futurs travaux de recherche.
5.1 Synthse des rsultats

Le but de notre recherche tait de modliser le trafic multimdia dans les rseaux mobiles.
La modlisation du trafic est une action essentielle pour planifier un rseau ou le
redimensionner. Elle doit prendre en considration plusieurs paramtres qui sont lis aux
caractristiques des rseaux mobiles et des abonns, ainsi qu'aux exigences des services
offerts. Parmi les caractristiques du rseau qui peuvent influencer la modlisation du

trafic, nous avons vu la structure hirarchique qui consiste traiter les demandes de
communication des utilisateurs selon le degr de mobilit de ces derniers. Nous avons vu
aussi comment les phnomnes de propagation d'onde et la diversit des applications et des
services multimdia peuvent avoir un effet sur l'coulement du trafic dans les rseaux
mobiles. Nous avons illustr ces relations de dpendance par l'analyse de quelques modles
proposs par d'autres chercheurs.
Aprs avoir dtermin les proprits du trafic multimdia dans les rseaux mobiles, nous
avons trouv que la modlisation de trafic utilise plusieurs paramtres alatoires, lis au
comportement des usagers, c o m m e la dure de la communication, le temps d'occupation
d'un canal de transmission, le processus d'arrive de nouvelles demandes de communication
ou les demandes de handover. D'o la raison de modliser un rseau mobile par un systme
de file d'attente dont les clients sont les demandes de communication et les serveurs sont les
canaux de transmission. Le systme de file d'attente que nous avons adopt dans notre
modlisation est un systme markovien de type M/M/k/k. Notre modle traite un point qui
est rarement trait dans les autres modles de trafic [3], [18], [20],
[30]. Il permet de
privilgier l'accs des demandes de communication aux ressources selon les classes de
service auxquelles ces demandes appartiennent et selon le nombre de ressources occupes
dans la cellule. Grce ce modle, nous pouvons prdire les paramtres de qualit de
service pour chacune de ces classes. Les paramtres de qualit de service dans la
modlisation du trafic multimdia sont les probabilits de blocage pour les nouvelles
demandes de communication et les probabilits d'interruption pour les communications
ralisant un handover.
Pour valuer notre modle, nous avons effectu une simulation l'aide de programmes que
nous avons crits en langage C et Matlab. Nous avons gard le temps moyen de service
trouv dans la ralit: Mu = 170. Pour les temps moyens d'inter-arrives des demandes des
classes, nous avons utilis des valeurs au moins 100 fois plus petites que celles trouves
dans la ralit. Nous avons utilis K/= 55, K = 65 et K = 75, K tant le nombre maximal
2
de ressources ddies desservir la classe i de service. Nous avons suppos qu'il n'existe
aucune dpendance entre le nombre de demandes d'une classe arrives au systme et les
tats de transition de celui-ci. Dans ces situations, le systme garantit aux deux premires
classes
prioritaires
une bonne
qualit
de
service
: aucune rupture
ou blocage
de
communication. Pour la troisime classe, le modle garantit 7 7 % que la probabilit de

blocage soit infrieure 0.02 et 9 1 % qu'elle soit infrieure 0.06. Pour la dernire classe
de services, le systme garantit 6 0 % que sa probabilit de blocage soit infrieure 10%.
partir de ces rsultats, nous avons conclu qu'il existe d'autres facteurs qui influencent la
qualit des services, c o m m e les valeurs des Kt et celles des temps moyens d'inter-arrives,
le processus d'arrive des demandes et le nombre de demandes arrives.
5.2 Limitations
Pour pouvoir valuer notre modle, nous avons pos une srie d'hypothses, c o m m e il est
communment fait par les autres chercheurs [31], [38], [52]. Par exemple, nous avons
suppos que le temps de service suit la loi exponentielle et que l'arrive des demandes se
fait selon le processus du Poisson. Cependant, d'aprs les nouvelles dcouvertes, la loi
exponentielle n'est pas souvent convenable pour la modlisation du trafic [42]. Pour que
notre modle soit gnrique, nous avons suppos que la forme de chaque cellule est
hexagonale rgulire. Cela nous a permis de modliser le trafic au niveau d'une cellule au
lieu de considrer un ensemble de cellules de diffrentes formes et de tenir compte des
interactions entre ces cellules dans la modlisation. Nous avons aussi suppos que ces
cellules sont des macrocellules pour obtenir des temps moyens d'inter-arrives plus petits.
D'autre part, nous avons fig les carts entre les Ki, pour voir le comportement du modle
indpendamment de ce facteur.
C o m m e nous l'avons vu dans le mmoire, il existe plusieurs caractristiques des rseaux
mobiles qui peuvent influencer le trafic multimdia. Dans notre modlisation, nous n'avons
pas considr les interactions pouvant exister entre les macrocellules et les microcellules,
car nous avons suppos que notre modlisation se fait au niveau d'une cellule, tandis que
pour la modlisation du trafic pour une structure hirarchique, elle se fait au niveau d'un
motif. En outre, nous n'avons pas pu traiter de l'impact des algorithmes de gestion d'appels
sur le trafic coul dans le modle, car nous n'avons pas eu de donnes relles sur c e
facteur, surtout qu'il existe trs peu de modles qui le considrent dans leur analyse [15] ,
[38], [52].
5.3 T r a v a u x futurs
Nous avons test notre modle pour un systme simple. Nous dsirons dans le futur nous
assurer de son efficacit pour des systmes plus complexes. Nous pourrons commencer par
le tester avec la hirarchisation d'un motif. Cela ne nous amnera pas changer notre
mthode de modlisation, car elle se fera au niveau de chaque cellule appartenant au motif.
Il faudra simplement tenir compte des ventuelles interactions entre les microcellules et la
macrocellule. Nous pourrons aussi adapter le modle selon les caractristiques de chacune
de ces cellules, en affectant aux K\ les bonnes valeurs.
Quant aux K\ ils peuvent faire l'objet d'une autre recherche. Nous essaierons dans le futur
de trouver des mthodes pour leur dterminer des valeurs plus appropries dpendamment
des caractristiques de la rgion desservir et des clients mobiles qui la frquentent. Il sera
aussi utile de voir l'impact de la variation des carts entre les K sur le systme. De plus,
t
nous pourrons rduire le nombre de ^

temps rel et services en temps non rel.
de 3 1, en classant les services en services en
Bibliographie
[I]
M . A j m o n e Marsan, G. Ginella, R. Maglione et M. M e o , Performance Analysis o f

Hierarchical Cellular Networks with Generally Distributed Call Holding Times and
Dwell T i m e s , IEEE Transactions on Wireless Communications, V o l . 3, 1 , p.
248-257, Janvier 2004
[2]
M. Al-Kaidi et O. Alani, Cell Assignment Management Scheme in Hierarchical

Cell Structure , IEE, p. 232-238, 2003
[3]
M. Al-Kaidi et O. Alani, C a l i Admission Control for Multitier Networks with

Integrated V o i c e and Data , International Journal o f Mobile Communications 2007,
Vol. 5, . 5 , p. 540-557, 2007
[4]
M.E. Anagnostou, G.L. Lyberopoulos et J.G. Markoulidakis, Traffic Model for

third Generation Cellular Mobile Telecommunication systems , wireless Networks
4, p398-400, 1998
[5]
N. Antunes A . Pacheco et R. Rocha, A n Integrated Traffic Model for Multimedia

Wireless Networks , Computer Networks 38, p. 2 5 - 4 1 , 2002
[6]
F. Ashtiani, A. Jawad et M.R. Aref, A Flexible Dynamic Traffic Model for Reverse
Link C D M A Cellular Networks , IEEE Transactions on Wireless Communications,
V o l . 3 , l , p . 159-164, Janvier 2004
[7]
F. Barcelo, I. Martin-Escalona, et J. Casademont, Teletraffic Simulation o f Cellular

Networks: Modelling The Handoff Arrivals and the Handoff Delay , IEEE Personal
Indoor and Mobile Radio Communication, V o l . 5, p.2209-2213, Septembre 2002
[8]
F. Barcelo, J. Casademont et I. Martin-Escalona, Teletraffic Simulation o f Cellular

Networks: Modelling the Handoff Arrivals and the Handoff Delay , IEEE Personal
Indoor and Mobile Radio Communication, V o l . 5, p.2209-2213, Septembre 2002
[9]
F. Barcelo et J. I. Sanchez, Probability Distribution o f the Inter-Arrival Time to

Cellular Telephony Channels , IEEE Vehicular Technology Conference, V o l . 1 ,
p.762-766, Mai 1999
[10]
D . R. Basgeet, J. Irvine , A . Munrol et M . H. Barton, Importance o f Accurate

Mobility
Modeling
in TeleTraffic
Analysis
o f Mobile
Environment ,
IEEE
Vehicular Technology Conference, V o l . 3 , p. 1836-1840, Avril 2003

[II]
R. Beaubrun, G e s t i o n de la mobilit et ingnierie de trafic en conception de

rseaux mobile de troisime gnration, Thse de doctorat, cole polytechnique de
Montral, Septembre 2002.

[12]
C. Blisle, Processus de Poisson , notes de cours, Universit Laval, p. 1-26.
[13]
M . Biemans, H. Kranenburg et M . M . Lankhorst, U s e r Evaluations to Guide the

Design o f an Extended Personal Service Environment for Mobile Services, IEEE
Wearable Computers, p. 94-101, Octobre 2001
[14]
G. Boggia, P. Camarda et N. Di Fonzo, Teletraffic Analysis o f Hierarchical

Cellular Communication Networks , IEEE Transactions on Vehicular Technology,
V o l . 52, 4 , p. 931-946, Juillet 2003
[15]
I. Chlamtac et Y . Fang, Teletraffic Analysis and Mobility Modeling o f PCS

Networks , IEEE Tansactions on Communications, V o l . 47, 7, p. 1062-1072,
Juillet 1999
[16]
C.J.
Chang, J.H. Lee et F-C. Ren, Design o f Power Control Mechanisms with
P C M Realization for the Uplink o f a D S - C D M A Cellular Mobile Radio System,

IEEE Transactions on Vehicular Technology, V o l 4 5 , 3 , p. 522-530, Aot 1996.
[17]
F.A. Cruz-Prez, G. Herandez-Valdez et L. Ortigoza-Guerrero, Teletraffic Analysis

o f Wireless Mobile Communication Systems with Link Adaptation, IEEE Personal
Indoor and Mobile Radio Communication, V o l . 2, p. 1446-1450, Septembre 2003
[18]
L. C u o , J. Zhang et C. Maple, Coverage and Capacity Calculations for 3 G Mobile

Network Planning , PostGraduate Networking Conference, p. 1-5, Juin 2003
[19]
P. Dassanayake, M , Faulkner et M . M . Z o n o o z i , Teletraffic Modelling o f Cellular

M o b i l e Networks , IEEE Vehicular Technology Conference, V o l . 2, p. 1274-1277,
Avril 1996
[20]
Y . Fang, Hyper-Erlang Distribution Model and its Application in Wireless Mobile

Networks , Wireless Networks, V o l . 7, p. 211-219, 2001
[21]
H.R. Gail, S.L. Hantler et B.A. Taylor, Analysis o f a Non-Preemptive Priority

Multiserver Queue , Advances in Applied Probability, V o l . 2 0 , 4, p. 852-879,
Dcembre 1988
[22]
A . Golaup et H. Aghvami, A
Multimedia Traffic Modeling Framework for
Simulation-Based Performance Evaluation Studies , Computer Networks, V o l . 50,

p. 2071-2086, Novembre 2005
[23]
J. G u o , F. Liu et Z . Zhu, Estimate the Call Duration Distribution Parameters in

G S M System Based on K-L Divergence Method , IEEE Wireless Communication
Networking and Mobile Computing, p. 2988-2991, Septembre 2007

[24]
H. Harri et A. Toskala, W C D M A FOR U M T S : Radio Access For Third Generation

Mobile Communications, W I L E Y , 2004
[25]
D. Hong et S. S. Rappaport, Traffic Model and Performance Analysis for Cellular

M o b i l e Radio Telephone Systems with Prioritized and Nonprioritized
Handoff
Procedures- Version2b , Rapport de recherche, Community Members' Scholarship,

p. 1-31, Juin 1999
[26]
LE
Consortium,
Instant
Messaging,
International
Engineering
Consortium
(www.iec.org), p. 1-10, 2005

[27]
Y . Ishikawa et N. Umeda, Capacity Design and Performance o f Call Admission

Control
in Cellular
CDMA
Systems,
IEEE
Journal
on
Selected
Areas
in
Communications, V o l . 15, 8, p. 1627-1635, Octobre 1997

[28]
J. Jordn et F. Barcel,
Statistical Modelling o f Channel Occupancy in Trunked
P A M R Systems , Elsevier Science B.V., p. 1169-1178, Juin 1997

[29]
H. Khedher et S. Tabbane, Traffic Characterisation for Mobile Networks , IEEE

Vehicular Technology Conference, Vol.3, p. 1485-1489, Septembre 2002
[30]
S. Kourtis et R. Tafazolli, Modelling Cell Residence Time o f Mobile Terminals in

Cellular Radio Systems , Electronics Letters, V o l . 38, p. 52-54, Janvier 2002
[31]
S. Kourtis et R. Tafazolli, Evaluation o f handover related statistics and the

applicability o f mobility modelling in their prediction , IEEE Personal Indoor and
Mobile Radio Communication, V o l . 1, p. 665-670, Septembre2000
[32]
X.
Lagrange et P. Godlewski,
Teletraffic
analysis o f a hierarchical
cellular
network , IEEE Vehicular Technology Conference, V o l . 2, p. 882-886, Juillet 1995

[33]
X . Lagrange, Rseau mobiles 2 G et 3G , Dp. R S M , ENST Bretagne, Dcembre

2004
[34]
D. Lam, D.C C o x et J. W i d o n , Teletraffic Modeling for Personal Communications

Services, IEEE Communications Magazine, V o l . 35, p. 79-87, Fvrier 1997
[35]
B. Liang et Z. J. Haas, Predictive Distance-Based Mobility Management for PCS

Networks , IEEE I N F O C O M 9 9 , V o l . 3, p.1-8, Mars 1999
[36]
S-T. Liang et W - H . Sheng, T h e M o l d Mobility Model for M o b i l e

Networks , IEEE WICON^05, p. 79-84 , Juillet 2005
Wireless
[37]
I.C.Y. Ma et J. Irvine, Characteristics o f W a p Traffic , Wireless Networks,

V o l . 1 0 , p. 7 1 - 8 1 , 2 0 0 4
[38]
M. M e o et E. Viterbo, Performance o f Wideband C D M A Systems Supporting

Multimedia Traffic , IEEE Communications Letters, V o l . 5, 6, p. 251-253, Juin
2001
[39]
J-F. Navienier, Architecture reconfigurable pour les numrisation du signal radio

de rcepteur mobile multi-standard , lectronique et Communications,
ENST-
C O M E L E C Communication et Electronique, Fvrier 2003

[40]
L. Nuaymi, P. Godewski et X. Lagrange, Power Allocation and Control for the

Downlink in Cellular C D M A Networks , IEEE Personal Indoor and Mobile Radio
Communication, V o l . 1, p. 29-33, Octobre 2001
[41]
Observatoire conomique de la Tlphonie mobile, La tlphonie mobile en

France , I D A T E , Mars 2007
[42]
S. S. Rapaport et P. V. Orlik, O n
the Handoff Arrival Process in Cellular
Communications , Wireless Networks, V o l . 7,p. 454-459, 2001

[43]
Revue d'expertise de l'Association Franaise des Oprateurs Mobiles, M o b i l e et

socit , Fvrier 2007
[44]
S. M . Ross, Introduction to Probability Models , sixime dition, 1998
[45]
J. Sanchez et M. Thioume, U M T S , services, architecture, et W C D M A , Herms

science, 2001
[46]
C.
Schindelhauer,
Mobility
in
Wireless
Networks ,
Springer-Verlag
Berlin
Heidelberg, p. 100-116, 2006

[47]
B. H. Soong et J. A . Barra,
A Coxian Model for Channel Holding Time
Distributon for Teletraffic Mobility Modeling , IEEE Communication Letters, V o l .

4, 12, p. 402-404, Dcembre 2000
[48]
A . Spedalieri, I Martin-Escalona et F. Barcelo, Simulation Analysis o f Teletraffic

Variables in D C A Cellular Networks , Springer-Verlag Berlin Heidelberg, p. 540553, 2004
[49]
A . Spedalieri, I. Martin-Escalona et F Barcelo, Simulation o f Teletraffic Variable

in U M T S
Networks: Impact o f Lognormal
Distributed Call Duration ,
IEEE
Wireless Communications and Networking Conference, V o l . 4, p. 2381-2386, Mars

2005
[50]
S. Steiniger, M. Neun et A. Edwardes, Foundations o f Location Based Services ,
CartouCHe , Lecture Notes on LBS, V. 1, p. 1-27, 2006

[51]
R. Tiwari, S. Buse et C. Herstatt, Mobile Banking as Business Strategy: Impact o f

M o b i l e Technologies on Customer Behaviour and Its Implications for Banks, IEEE
Technology Management for the Global Future, V o l . 4, p. 1935-1946. Juillet 2006
[52]
S. Tabbane, Ingnierie des rseaux mobiles , Herms science, 2002
[53]
S. Tang et W.Li, Modeling and Analysis o f Hierachical Cellular Networks with

Bidirectional
Overflow
and
Take-back
Strategies
generally
distributed
Cell
Residence Times , Springer Science, Telecommunication Systems, V o l . 32, p. 7 2 92, Mai 2006
[54]
http://www.umts-forum.org/
[55]
J.J. Wang, Z. Song, P. Lei et R.E. Sheriff, Design and Evaluation o f M - C o m m e r c e

Applications , IEEE Communication, p.745-749, Octobre 2005.
[56]
S.H W i e , J.S Jang, B-C Shin et D-H Cho, Handoff Analysis o f the hierarchical
cellular System , IEEE Transactions on Vehicular Technology, V o l . 49, 5, p.
2027-2036, September 2000
[57]
XiTiMonitor, Visites Internet de tlphonie mobile : comportements, thmes,

marques , www.xitimonitor.com, Octobre 2006
[58]
Y . X u , Resource Management and Q o S Control in Multiple Traffic Wireless and

M o b i l e Communication Systems , mmoire, Dp. Gnie lectrique, Universit de
Cincinnati, 2005
[59]
Y . D . Y a o et A . U . H. Sheikh, Outage Probability Analysis for Microcell Mobile

Radio Systems with Cochannel Interferers in Rician/Rayleigh Fading Environment ,
Electronic Letters, V o l . 26, 1 3 , p. 864-866, Juin 1990
Annexe A
Rsultats de simulation
A.l
Statistiques de b l o c a g e en fonction des K :

t
Dans cette simulation, nous essayons de voir l'impact de la variation des valeurs des Ki sur
les rsultats du systme. Nous avons donn aux paramtres du simulateur les valeurs
suivantes :
LambdaO=\,
Mw=170 ;
M=110;
K3 = K 2 + 1 0 ;
K2 = K 1 + 1 0 .
Lambdal=\0,
Lambda2=\0,Lambda3=5;
Les rsultats de la simulation sont prsents dans le tableau
A . l . Les significations des
colonnes du TAB A . l sont c o m m e suit :
Colonne A : Nombre de demandes de classe 1
Colonne B : Nombre de demande supprims de la classe 1
Colonne C : Nombre de demandes de classe 2
Colonne D : Nombre de demande supprims de la classe 2
Colonne E : Nombre de demandes de classe 3
Colonne F : Nombre de demande supprims de la classe 3
Colonne G : Nombre de demandes de classe 4
Colonne H : Nombre de demandes supprimes de la classe 4
Kl= 35
Kl = 40
Kl = 45
Kl= 50
Kl= 55
Kl= 60
Kl= 65
Kl= 70
Kl=
75
1 2 3 8
1 2 6 7
1 2 4 2
1 2 9 5
1 2 4 3
1 2 2 6
1 2 4 3
1 3 0 7
1 2 3 8
7 2
1 2 5 7
7 8 9
1 2 5 0
2 0 3
1 2 1 3
7 9 8
1 2 8 4
3 4
1 2 4 7
5 8 2
1 2 6 2
1 2 7 9
15
1 2 1 6
5 3 8
1 2 3 6
1 2 0 8
4 0
1 2 4 9
5 9 6
1 2 4 4
1 2 0 7
1 2 0 9
2 4
1 3 4 0
5 5 5
1 2 5 0
1 2 9 4
1 2 5 0
2 7
1 2 0 6
5 3 1
1 2 7 6
1 2 3 3
1 2 7 1
2 2
1 2 2 0
4 8 1
1 2 7 1
1 2 5 3
1 1 9 8
1 0
1 2 7 8
3 4 0
1 3 0 4
1 2 4 4
1 2 0 5
16
1 2 4 7
4 9 0
1 2 4 1
1 2 3 6
1 2 3 9
1 2 8 4
3 9 1
1 2 3 7
1 2 8 7
1 2 3 8
1 2 3 8
3 5 4
1 2 2 3
1 2 5 4
1 2 6 1
1 2 6 2
6 0
1 3 0 0
1 2 0 1
1 2 6 4
1 2 3 5
61
1 2 3 5
1 2 3 1
1 2 8 2
1 2 5 2
7 7
1 2 7 0
1 2 6 3
1 2 4 2
1 2 2 5
1 4
1 2 0 9
1 3 3 1
1 2 7 0
1 1 9 0
4 2
5 7
1 2 3 8
1 2 5 8
1 2 1 2
1 2 9 2
1 2 0 6
1 2 6 5
1 2 6 8
1 2 6 1
5 6
1 2 8 8
1 1 9 9
1 2 5 1
1 2 6 2
2 0
1 2 5 7
1 2 2 7
1 2 3 9
1 2 7 7
1 2 1 4
1 2 9 3
1 2 7 1
1 2 2 2
1 2 8 1
1 2 4 2
1 2 7 0
1 2 0 7
1 1 6
1 2 5 0
1 2 5 0
1 2 4 7
1 2 5 3
3 9
1 1 8 8
1 2 6 8
1 2 7 8
1 2 6 6
1 2 1 6
1 2 1 2
1 2 4 8
1 3 2 4
1 2 5 5
1 2 5 6
1 2 2 3
1 2 6 6
K l = 8 0
K l = 8 5
1 2 4 6
1 2 7 5
1 2 4 9
1 2 3 0
1 2 2 8
1 2 2 4
1 2 7 1
1 2 7 7
1 2 5 7
1 2 7 6
1 2 4 4
1 2 2 3
1 2 2 4
1 2 1 8
1 2 7 5
1 2 8 3
1 2 8 5
1 2 4 6
1 2 4 2
1 2 2 7
1 2 3 8
1 2 4 6
1 2 4 9
1 2 6 7
T A B A . l : Les rsultats de la simulation en fonction des K .

t
Les taux de blocage dduit de cette simulation sont prsents dans le tableau A . 2 , de sorte
que :
Premire colonne: Taux de demandes bloques de la classe 1
Deuxime colonne : Taux de demandes bloques de la classe 2
Troisime colonne : Taux de demandes bloques de la classe 3
Quatrime colonne : Taux de demandes bloques de la classe 4
Classel
Classe2
Classe3
Classe4
35
0,00E+000
0,00E+000
8,19E-002
5,84E-001
40
0,OOE+000
0,00E+000
2,16E-002
4,45E-001
45
0,00E+000
0,00E+000
3,67E-001
50
0,00E+000
0,00E+000
l,58E-002
7,12E-003
55
0,00E+000
0,00E+000
5,24E-004
5,28E-002
60
0,00E+000
0,00E+000
0,00E+000
3,03E-002
65
0,00E+000
0,00E+000
2,63E-004
2,22E-002
70
0,00E+000
0,00E+000
l,05E-003
4,24E-002
75
0,00E+000
0,00E+000
0,00E+000
2,63E-004
80
0,00E+000
0,00E+000
0,00E+000
l,09E-003
85
0,00E+000
0,00E+000
0,00E+000
7,79E-004
3,28E-001
T A B A.2 : Taux de blocage des demandes en fonction des K .

t
A.2
Statistiques de b l o c a g e en fonction de Mu :
Dans cette simulation, nous faisons varier le paramtre Mu pour voir l'impact de temps
m o y e n de service sur le systme. Nous avons donn aux autres paramtres du simulateur
les valeurs suivantes :
LambdaO=\,
A/w=170;
M=\00;
7=55;
2=65;
0=75.
Lambdal=\0,
Lambda2=\0,
Lambda3=5;
Les rsultats de cette simulation et les taux de blocage qui en sont dduits sont prsents
respectivement dans les tableaux A.3 et A.4 :
110
120
130
140
150
160
170
1 2 4 7
1 2 1 6
1 2 3 9
1 2 9 8
1 2 9 0
1 2 1 5
1 2 8 0
1 2 1 5
1 2 3 2
1 2 8 6
1 2 7 1
1 2 1 1
1 2 6 5
1 2 0 8
1 2 8 0
1 2 4 7
1 2 4 7
1 2 1 8
1 2 8 7
1 2 4 8
1 2 4 9
1 3 0 9
1 2 0 9
1 2 3 3
1 3 0 4
1 2 4 0
1 2 0 6
1 2 5 0
1 2 1 5
1 3 0 3
1 2 6 5
1 2 1 7
1 2 4 3
1 2 7 3
1 2 1 6
1 2 6 8
1 2 2 9
1 2 8 6
1 2 1 6
1 2 6 9
1 2 7 7
1 2 7 5
1 2 6 6
1 1 8 2
1 2 7 9
1 2 4 3
1 2 4 2
1 2 3 6
1 2 3 4
1 2 4 6
1 2 8 6
1 2 3 4
3 6
1 2 3 6
1 2 3 2
1 2 2 0
1 3 1 2
1 2 6 7
1 2 1 6
1 2 3 4
1 2 8 3
1 5
1 2 3 2
1 2 6 9
1 2 4 8
1 2 5 1
1 2 9 2
1 2 4 8
1 2 3 4
1 2 2 6
1 2 7 2
1 2 5 8
1 2 1 9
1 2 5 1
1 2 6 9
1 3 1 0
1 1 8 4
1 2 3 7
1 2 1 8
1 3 1 4
1 2 2 1
1 2 4 7
1 2 6 8
1 2 6 8
1 2 1 6
1 2 4 8
180
190
200
210
220
230
240
250
1230
1262
0
0
1241
1186
1239
0
0
1281
1247
0
0
1248
1252
19
8
1284
1278
1252
1238
1256
1251
1255
1257
1221
1269
1253
1247
1311
1205
1237
1219
1254
0
0
1185
1342
1254
1248
1265
0
0
1233
1
2
1232
1226
1248
1294
1199
1284
1256
1261
18
1184
1262
1288
1266
1246
1266
1263
1225
1223
1236
0
0
1266
1222
0
0
1217
1275
0
0
1294
1267
0
7
1262
1268
1228
1242
1250
1190
1267
1293
1288
1217
1278
1217
10
1306
1274
1202
1218
1301
1199
1217
1283
108
1211
1233
1242
1314
21
1238
1259
1271
1232
1229
1237
13
0
0
1276
1241
1258
1241
1224
1294
1238
1247
1264
1251
T A B A . 3 : Les rsultats de la simulation en fonction de Mu.
Classe1
Classe2
Classe3
Classe4
110
0,00E+000
0,00E+000
0,00E+000
0,00E+000
120
0,00E+000
0,00E+000
0,00E+000
0,00E+000
130
0,00E+000
0,00E+000
0,00E+000
2,63E-004
140
0,00E+000
0,00E+000
0,00E+000
0,00E+000
150
0,00E+000
0,00E+000
0,00E+000
l,36E-002
160
0,00E+000
0,00E+000
0,00E+000
0,00E+000
170
0,00E+000
0,00E+000
0,00E+000
l,61E-003
180
0,00E+000
0,00E+000
0,00E+000
8,00E-003
190
0,00E+000
0,00E+000
0,00E+000
l,34E-003
200
0.00E+000
0,00E+000
0,00E+000
8,07E-004
210
0,00E+000
0,00E+000
0,00E+000
5,84E-003
220
0,00E+000
0,00E+000
0,00E+000
3,18E-003
230
0,00E+000
0,00E+000
0,00E+000
3,77E-003
240
0,00E+000
0,00E+000
8,22E-004
3,39E-002
250
0,00E+000
0,00E+000
0,00E+000
5,89E-003
T A B A.4 : Taux de blocage des demandes en fonction de Mu.
A.3
Statistiques de b l o c a g e en fonction de LambdaO
Dans cette simulation, nous faisons varier le paramtre LambdaO pour voir l'impact du
temps moyen de service sur le systme. Nous avons donn aux autres paramtres du
simulateur les valeurs suivantes :
Lambda 1=10,
Afw=170;
M=100;
7=65;
2=75;
K3=%5.
Lambda2=\0,
Lambda3=5\
Les rsultats de cette simulation et les taux de blocage qui en sont dduits sont prsents
respectivement dans les tableaux A . 5 et A.6 :
1224
1
1285
1212
0
0
1237
1317
96
0
1254
1259
0
0
1212
0
0
1268
1240
1235
1257
39
1241
1266
1275
36
1210
1328
19
1238
1218
1224
1244
1241
1257
1258
216
1252
1287
1229
1232
242
F
10
11
12
13
1251
1277
1268
1204
77
1164
1309
1268
1259
86
1230 ; 0
1205 \ 0
1222
1258
0
0
1274
1274
1286
0
5
1251
9
307
1315
1254
1252
1179
24
1215
1232
104
1207
0
7
1208
1238
1345
1254
1301
172
1240
1223
1282
1255
125
1289
1270
0
0
1213
1244
0
0
1296
1279
0
0
1202
1207
62
7
1217
1253
1301
1229
1268
1225
0
0
1222
1283
0
0
1258
1273
0
0
1252
1219
119
120
1264
1246
1257
1233
346
1221
1324
1207
1218
0
0
1308
1237
1248
1237
17
37
1288
1259
1205
1248
15
1196
1310
22
1251
1258
1182
1236
0
0
1236
1331
76
1232
1276
1257
1235
21
1270
1248
1259
1223
1193
1296
1270
1241
108
1275
1223
1272
1230
11
1184
1212
0
0
1215
1268
0
0
1341
1252
0
0
1260
1268
10
4
1185
1308
1240
1267
175
1236
1265
1251
1248
1286
1229
1231
1254
10
1266
1273
1219
1242
80
1236
1267
1271
1226
1242
1196
1289
1273
1
I
14
15
16
17
18
19
20
1258
1256
1254
1287
1199
1203
1299
1238
1247
0
0
1244
1259 ! 0
1256
1266
1232
1234
1268
11
1264
1238
1252
1246
1233
1239
1223
1305
1296
1275
1202
1227
1238
1223
1284
1255
1232
1207
1314
1247
1286
1227
1228
1259
1240
1222
1293
1245
1230
1233
1267
1270
1257
1288
1226
1229
1269
1229
1241
0
0
1249
1274
0
0
1253
1252
1233
0
0
1277
1262
1225
1236
1194
1289
1277
1240
1240
1284
1226
1250
1257
1220
1237
1286
1263
1298
0
0
1232
1212
0
0
1265
1264
0
0
1240
1226
1274
1225
1221
1280
TAB A.5 : Les rsultats de la simulation en fonction de LambdaO.
Classel
Classe2
Classe3
Classe4
0,00E+000
0,00E+000
0,00E+000
3,54E-002
0,00E+000
0,00E+000
0,00E+000
7,14E-002
0,00E+000
0,00E+000
0,00E+000
U0E-001
0,00E+000
0,00E+000
l,30E-003
9,09E-002
0,00E+000
0,00E+000
l,86E-003
1,06E-001
0,00E+000
0,00E+000
0,00E+000
2,05E-002
0,00E+000
0,00E+000
1.86E-003
1,58E-001
0,00E+000
0,00E+000
0,00E+000
L85E-002
0,00E+000
0,00E+000
0,00E+000
3,06E-002
10
0,00E+000
0,00E+000
0,00E+000
3,20E-002
11
0,00E+000
0,00E+000
5,38E-004
4,97E-002
12
0,00E+000
0,00E+000
0,00E+000
2,41E-002
13
0,00E+000
0,00E+000
0,00E+000
L57E-003
14
0,00E+000
0.00E+000
0,00E+000
5,04E-003
15
0,00E+000
0,00E+000
0,00E+000
l,53E-003
16
0,00E+000
0,00E+000
0,00E+000
l,06E-003
17
0,00E+000
0,00E+000
0,00E+000
l,05E-003
18
0,00E+000
0,00E+000
0.00E+000
2,66E-004
19
0,00E+000
0,00E+000
0,00E+000
2,67E-004
20
0,00E+000
0,00E+000
0,00E+000
0,00E+000
T A B A . 6 : Taux de blocage des demandes en fonction de LambdaO.
A.4
Statistiques de b l o c a g e en fonction de Lambdal
Dans cette simulation, nous faisons varier le paramtre Lambdal
pour voir l'impact du
temps m o y e n de service sur le systme. Les rsultats de cette simulation et les taux de
b l o c a g e qui en sont dduits sont prsents respectivement dans les tableaux A . 7 et A . 8 :
1256
1251
1229
42
1264
1205
1273
1245
45
1277
580
576
1318
1208
1225
167
1249
722
1303
1288
32
1231
1259
1289
1178
1211
83
1241
550
674
1218
1230
1263
43
1289
582
1263
1227
1253
1226
1320
1201
5
24
1258
1252
213
464
1252
1232
1261
41
1255
571
1202
1254
1227
1283
0
0
1240
1214
16
14
1331
1249
444
349
378
1288
1270
1216
19
1226
1210
1262
1295
16
1233
326
1248
1252
1246
1254
223
10
11
12
13
14
15
1217
1275
1221
1287
183
1238
0
0
1269
1276
0
0
1193
1246
15
1300
1242
292
1236
1302
1263
1221
25
1214
426
1214
1259
1266
1261
185
1272
1255
1237
5
5
1236
266
1279
1270
1212
1239
111
1245
1316
1189
1250
213
1288
1202
1295
196
1237
1252
1215
1274
0
0
1237
119
1240
1316
1225
0
0
1236
1248
0
18
1208
1267
76
1260
0
0
380
1273
1277
1226
1224
273
1266
1262
1225
1247
73
1206
1251
1273
1270
156
1254
1256
1239
1251
124
1211
1269
1290
1273
1243
1213
0
0
1247
1254
160
316
1293
1220
1265
1222
195
1206
1266
1240
1288
66
1212
1251
1263
1274
96
1235
1244
1216
1305
194
1248
1268
0
0
1249
1279
0
0
1233
1212
0
5
1270
1241
87
170
1312
1197
1265
1226
1242
1317
1232
1209
114
1307
1228
1244
1221
48
1283
1223
1269
1225
63
1214
1296
1205
1285
226
1226
1214
1277
1283
62
1293
1238
1267
1202
368
+'
+'
+'
)-36'1
+'
+'
+'
91
ZOQrWi
M)0-3'
+'
+'
Z0&31'9
l700-360'8
+'
+'
)"388'9
eoo-38e'i
+'
+'
-381'6
00-309'I
+'
+'
ZV
100-308'1
00-39t?'
+'
+'
II
-^'
00-39'l
+'
+'
Ol
00-356' I
00-306'5
+'
+'
0-36'1
00-3Z5'Z
+'
+'
100-31'1
00-399'3
+'
+'
ioo-316'
-'1
+'
+'
100-356'1
00-35'5
+'
+'
-'
Z00-317'I
+'
+'
-'
-368'l
+'
+'
0-308>
ZOOrQZ'
wo-aut
+'
0-396>
00"38'9
eoo-3i^3
+'
osselo
eassBio
'[vpqiuvj
cesselo
u o i p u o j uouemuns s ; B ; m s 9 i S 9 q : -y g v x
69
ZiZi
8831-
0631.
01-31.
ZPZi
0931-
LSZi
1-331.
2ZI
66 14
ZLZ
1-831-
VOZV
6081-
LPZV
8*31-
9831-
P9ZI
9931-
PZl
Z9ZV
9PZV
9931.
LPZV
9V
381.
9LZV
814
9VZV
ZI
8031-
9631-
3831.
P9ZV
9ZZ
PZV
8831-
1-931-
9614
6631-
1.931.
WZ\
VOV
6814
9/31.
8931-
LZV
OV
ZZl
17631.
PZV
OPZV
93
6931.
6ZI
PZV
VOZV
ZZ
911
8931.
9931-
14
9PZV
31-
0931-
66
81-31.
UOJIUJMUIS D SWJNSD}}
02
61
81
Li
91
18
0,00E+000
0,00E+000
l,88E-003
8,52E-002
19
0,00E+000
0,00E+000
2.68E-004
8,81E-003
20
0,00E+000
0,00E+000
0,00E+000
l,70-002
T A B A.8 : Taux de blocage des demandes en fonction de
A.5
Lambdal.
Statistiques de b l o c a g e en fonction de Lambda2
Dans cette simulation, nous faisons varier le paramtre Lambda2
temps moyen de service sur le systme. Les rsultats de cette simulation et les taux de
blocage qui en sont dduits sont prsents respectivement dans les tableaux A.9 et A . 10 :
A
1
H
328
1224
1320
1239
55
1217
1244
1277
1209
71
1270
371
269
1278
1223
1225
17
1274
1237
1240
1222
1301
122
1290
1182
1235
38
1293
356
1280
1206
1269
28
1245
298
1208
1229
1310
1253
182
1269
1238
1258
1235
76
1268
1272
1196
1264
79
1330
1208
1244
1218
138
1286
1239
1216
1259
78
1249
1242
1257
1252
117
1232
1268
1260
1240
50
1245
1248
1234
1273
18
1243
1269
1272
1216
61
1299
1244
1232
1225
98
1213
1316
1207
1264
76
1208
1269
1286
1237
29
1259
1260
1261
1220
92
1188
1281
1265
1266
36
10
11
12
13
14
15
16
17
1274
1312
1167
1247
41
1261
1269
1220
1250
20
1294
1238
1200
1268
54
1282
1197
1262
1259
29
1297
1261
1207
1235
50
1276
1220
1231
1273
33
1252
1252
1244
1252
55
1215
1264
1244
1277
1252
1240
1262
1246
1246
1303
1204
1247
1241
1229
1279
1251
37
1232
1266
1217
1285
142
1225
1254
1226
1295
45
1274
1228
1246
1252
12
1253
1202
1314
1231
1242
1240
1287
1231
15
1214
1234
1287
1265
1272
1216
1265
1247
1237
1229
1243
1291
14
1258
1238
1243
1261
1276
1230
1245
1249
1246
1236
1219
1299
1224
1260
1283
1233
16
1236
1271
1266
1227
1247
1193
1246
1314
11
1219
1281
1284
1216
27
1240
1261
1240
1259
1278
1284
1185
1253
1280
1234
1235
1251
1310
1247
1238
1205
1277
1288
1219
1216
18
19
20
1215
1297
1256
1232
1240
1203
1296
1261
1229
1261
1233
1277
1283
1247
1253
1217
12
1234
1225
1259
1282
1265
1226
1266
1243
1285
1181
1287
1247
15
1254
1280
1209
1257
1261
1189
1280
1270
T A B A.9 : Les rsultats de la simulation en fonction de
Lambda!.
Classel
Classe2
Classe3
Classe4
0,00E+000
2,62E-004
3,89E-002
2,57E-001
0,00E+000
0,00E+000
l,98E-002
2,03E-001
0,00E+000
0,00E+000
2,90E-003
8,98E-002
0,00E+000
0,00E+000
0,00E+000
8,96E-002
0,00E+000
0,00E+000
2,65E-004
3,49E-002
0,00E+000
0,00E+000
2,76E-004
5,45E-002
0,00E+000
0,00E+000
5,28E-004
4,56E-002
0,00E+000
0,00E+000
0,00E+000
2,72E-002
0,00E+000
0,00E+000
0,00E+000
3,68E-002
10
0,00E+000
0,00E+000
0,00E+000
2,llE-003
11
0,00E+000
0,00E+000
5,48E-004
5,83E-002
12
0,00E+000
0,00E+000
2,59E-004
8,07E-003
13
0,00E+000
0,00E+000
0,00E+000
3,88E-003
14
0,00E+000
0,00E+000
0,00E+000
l,32E-003
15
0,00E+000
0,00E+000
0,00E+000
7,12E-003
16
0,00E+000
0,00E+000
0,00E+000
9,78E-003
17
0,00E+000
0,00E+000
0,00E+000
0,00E+000
18
0,00E+000
0,00E+000
0,00E+000
2,71E-004
19
0,00E+000
0,00E+000
0,00E+000
4,33E-003
20
0,00E+000
0,00E+000
0,00E+000
5,06E-003
T A B A . 10 : Taux de blocage des demandes en fonction de
Lambda!.
A.6
Statistiques de b l o c a g e en fonction de Lambda3
Dans cette simulation, nous faisons varier le paramtre Lambda3
temps moyen de service sur le systme. Les rsultats de cette simulation et les taux de
blocage qui en sont dduits sont prsents respectivement dans les tableaux A . 11 et A . 12 :
A
1236
1309
254
1258
1122
1196
1093
1197
1292
1222
17
1290
376
1247
1241
1277
320
1235
1112
1219
1270
1255
113
1256
1002
1316
1229
1220
332
1235
1097
1314
1218
1214
206
1254
1084
1224
1280
1220
149
1276
1063
1207
1283
1223
167
1287
1030
1274
1236
1251
66
1239
899
1283
1244
1228
107
1245
993
1223
1264
1274
224
1239
1066
142
1298
1057
1258
1265
1179
1178
1281
1249
85
1292
956
1242
1289
1250
147
1219
945
1271
1237
1252
97
1240
862
1227
1286
1222
126
1265
1022
1245
1268
1251
159
1236
961
1189
1281
1258
100
1272
929
1252
1241
1265
209
1242
964
1235
1227
1275
37
1263
801
1302
1225
1220
45
1253
723
1199
1260
1234
37
1307
667
105
1227
836
39
1239
735
1213
1248
1312
1267
1261
1233
10
11
12
13
14
15
16
17
18
1211
1326
1259
78
1204
706
1266
1257
1244
14
1233
395
1211
1233
1282
33
1274
659
1266
1253
1238
112
1243
677
1261
1236
1240
19
1263
466
1316
1231
1257
35
1196
537
1259
1289
1247
45
1205
384
1271
1300
1235
38
1194
686
1278
1259
1200
63
1263
745
1197
1324
1223
75
1256
714
1262
1281
1234
12
1223
361
1217
1258
1246
22
1279
580
1194
1318
1213
21
1275
541
1198
1269
1304
75
1229
610
1236
1285
1239
17
1240
424
1253
1287
1250
56
1210
633
1265
1259
1288
16
1188
445
1261
1208
1254
10
1277
508
1246
1231
1262
12
1261
326
1223
1247
1274
16
1256
369
1290
1284
1227
54
1199
478
1262
1210
1237
1291
412
1279
1211
1226
19
1284
384
1273
1229
1295
1203
302
1255
1231
1245
1269
338
1209
1234
1302
1255
188
1275
1203
1320
1202
298
1248
1243
1268
1241
1268
1256
1242
1234
14
1250
1262
1216
1272
19
20
1303
1196
1268
1233
1277
1234
1277
1212
1247
1282
1251
1220
1205
1256
1277
1262
1242
1287
1248
1223
1208
1299
1236
1257
T A B A . l l : Les rsultats de la simulation en fonction de Lambda3.
Classel
Classe2
Classe3
Classe4
0,00E+000
5,74E-003
2,45E-001
9,02E-001
0.00E+000
1.90E-003
1,77E-001
8,50E-001
0,00E+000
l,56E-003
1,04E-001
7,86E-001
0,00E+000
7,91E-004
1,28E-001
8.24E-001
0,00E+000
7,81E-004
8,77E-002
7,37E-001
0,00E+000
l,57E-003
1,03E-001
7,72E-001
0,00E+000
8,06E-004
7,70E-002
6,62E-001
0,00E+000
0,00E+000
4,72E-002
5,95E-001
0,00E+000
0,00E+000
3,30E-002
4,75E-001
10
0,00E+000
0,00E+000
4,45E-002
4,54E-001
11
0,00E+000
0,00E+000
3,98E-002
4,94E-001
12
0,00E+000
0,00E+000
2,96E-002
4,39E-001
13
0,00E+000
0,00E+000
2,95E-002
4,21E-001
14
0,00E+000
0,00E+000
2,17E-002
4,32E-001
15
0,00E+000
2,60E-004
2,20E-002
3,17E-001
16
0,00E+000
0,00E+000
8,09E-003
2,90E-001
17
0,00E+000
0,00E+000
3,13E-003
2,21E-001
18
0,00E+000
0,00E+000
0,00E+000
6,14E-003
19
0,00E+000
0,00E+000
0,00E+000
2,70E-004
20
0,00E+000
0,00E+000
0,00E+000
2,64E-004
T A B A . 12 : Taux de blocage des demandes en fonction de Lambda3.

Modelisation Du Trafic Multimedia Dans Les Reseaux Mobiles

Transféré par

Droits d'auteur :

Formats disponibles

Modelisation Du Trafic Multimedia Dans Les Reseaux Mobiles

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Modelisation Du Trafic Multimedia Dans Les Reseaux Mobiles

Transféré par

Droits d'auteur :

Formats disponibles

W A D I A .

MODELISATION DU TRAFIC MULTIMEDIA DANS

D P A R T E M E N T D ' I N F O R M A T I Q U E ET D E GNIE LOGICIEL

Wadia AJINOU, 2008

l'environnement de propagation, et d'autres paramtres lis l'usager, c o m m e la dure

Je n'aurais su effectuer ma maitrise sans l'aide et le soutien de plusieurs personnes, j e

Table des matires

Table des matires

Liste des figures

Liste des sigles

Obj ectifs de recherche

Caractrisation du trafic du trafic multimdia

Composantes du trafic multimdia

Trafic de type voix

Trafic de type "Donnes"

Trafic de type vido

Exemple des services gnrant le trafic multimdia

Service de messagerie instantane

Oprations bancaires mobiles

Effet de la mobilit des abonns sur le trafic

Utilit de la prdiction de la mobilit

Modle "Mold Mobility"

Technique de structure hirarchique de cellules

Exploitation de la structure hirarchique des rseaux

Effet de l'environnement sur le trafic

Rappel des phnomnes de propagation

Analyse des modles de trafic

Principes de la modlisation du trafic

Temps inter-arrives des appels

Nombre moyen d'appels gnrs

Analyse de quelques modles

Prise en compte de la mobilit dans une structure hirarchique

Prise en compte de la diversit des services multimdia

4.1.1 Hypothses gnrales

4.1.2 Description du modle

Choix des paramtres de la simulation

Analyse des rsultats

Synthses des rsultats

Liste des tableaux

Spcification du dlai pour le trafic de la voix

Rsultats de la simulation en fonction des Kj

Taux de blocage en fonction des Ki

Rsultats de la simulation en fonction de Mu

Taux de blocage en fonction de Mu

Rsultats de la simulation en fonction de LambdaO

Taux de blocage en fonction de LambdaO

Rsultats de la simulation en fonction de Lambda!

Taux de blocage en fonction de Lambda 1

Rsultats de la simulation en fonction de Lambda2

Taux de blocage en fonction de Lambda2

Rsultats de la simulation en fonction de Lambda3

Taux de blocage en fonction de Lambda3

Liste des figures

Division d'une rgion selon le modle M o l d Mobility

Division d'une zone de service en cellules et en motif

Types des cellules couvrant une zone

Phnomnes de propagation d'un signal

Utilisation de la modlisation du trafic dans un rseau G S M

Utilisation de la modlisation du trafic dans un rseau 3G

Exemple de parcours de deux stations de mobile dans quatre cellules