Exploiting mobility prediction for mobility &amp; popularity caching and DASH adaptation

Siris, Vasilios A.; Vasilakos, Xenofon; Dimopoulos, Dimitrios

doi:10.1109/wowmom.2016.7523523

Cited by 8 publications

(8 citation statements)

References 25 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…In [123], the prediction leverages additional information on the underlying structure of content popularity within the communities of users. Joint mobility and popularity prediction for content caching at small cell base stations is studied in [124]. Here, the authors propose a heuristic caching scheme that determines whether a particular content item should be cached at a particular base station by jointly predicting the mobility pattern of users that request that item as well as its popularity, where popularity prediction is performed using the inter-arrival times of consecutive requests for that object.…”

Section: Social Contextmentioning

confidence: 99%

A Survey of Anticipatory Mobile Networking: Context-Based Classification, Prediction Methodologies, and Optimization Techniques

Bui

Cesana

Hosseini³

et al. 2017

IEEE Commun. Surv. Tutorials

216

137

View full text Add to dashboard Cite

A growing trend for information technology is to not just react to changes, but anticipate them as much as possible. This paradigm made modern solutions, such as recommendation systems, a ubiquitous presence in today's digital transactions. Anticipatory networking extends the idea to communication technologies by studying patterns and periodicity in human behavior and network dynamics to optimize network performance. This survey collects and analyzes recent papers leveraging context information to forecast the evolution of network conditions and, in turn, to improve network performance. In particular, we identify the main prediction and optimization tools adopted in this body of work and link them with objectives and constraints of the typical applications and scenarios. Finally, we consider open challenges and research directions to make anticipatory networking part of next generation networks.

show abstract

Section: Social Contextmentioning

confidence: 99%

A Survey of Anticipatory Mobile Networking: Context-Based Classification, Prediction Methodologies, and Optimization Techniques

Bui

Cesana

Hosseini³

et al. 2017

IEEE Commun. Surv. Tutorials

216

137

View full text Add to dashboard Cite

show abstract

“…One particular aspect of human mobility that has gained a lot of attention lately is predictability. Prediction techniques constitute fundamental mechanistic building blocks for many mobile protocols and applications, ranging from resource allocation to caching and recommender systems [2,3]. In addition, potential improvements to next-hop prediction can lead to more accurate bandwidth predictions, which benefits QoE for users of mobile networks [4].…”

Section: Introduction and Related Workmentioning

confidence: 99%

Where Are You Going Next?

Alipour

Tonetto

Ketabi

et al. 2019

Proceedings of the 22nd International ACM Conference on Modeling, Analysis and Simulation of Wireless and Mobile Systems

View full text Add to dashboard Cite

Understanding and predicting mobility are essential for the design and evaluation of future mobile edge caching and networking. Consequently, research on human mobility prediction has drawn significant attention in the last decade. Employing information-theoretic concepts and machine learning methods, earlier research has shown evidence that human behavior can be highly predictable. Whether high predictability manifests itself for different modes of device usage, across spatial and temporal dimensions is still debatable. Despite existing studies, more investigations are needed to capture intrinsic mobility characteristics constraining predictability, to explore more dimensions (e.g. device types) and spatiotemporal granularities, especially with the change in human behavior and technology.We investigate practical predictability of next location visitation across three different dimensions: device type, spatial granularity and temporal spans using an extensive longitudinal dataset, with fine spatial granularity (AP level) covering 16 months. The study reveals device type as an important factor affecting predictability. Ultra-portable devices such as smartphones have "on-the-go" mode of usage (and hence dubbed "Flutes"), whereas laptops are "sit-to-use" (dubbed "Cellos"). The goal of this study is to investigate practical prediction mechanisms to quantify predictability as an aspect of human mobility modeling, across time, space and device types. We apply our systematic analysis to wireless traces from a large university campus. We compare several algorithms using varying degrees of temporal and spatial granularity for the two modes of devices; Flutes vs. Cellos.

show abstract

“…This chapter is based on our work of [48,49,55,97]. It discusses an efficient mobility-based proactive caching model for addressing niche mobile demand, along with popularity-based and legacy caching model extensions.…”

Section: Mobility-based Caching For Addressing Niche Mobile Demand With Content Popularity and Legacy Caching Model Extensionsmentioning

confidence: 99%

“…3. Mobility and mobile service enhancement can be achieved in PSI with proactive caching based on user context information [48], mobility information and content popularity [97]. On the on hand, individual mobility prediction can be used to guarantee a certain level of QoS with an emphasis on reducing handover-related latencies by proactively caching the information requested by an individual mobile subscriber to the network areas where the subscriber is expected to handoff [93,94,98].…”

mentioning

confidence: 99%

“…while the mobile is in transit to the next AP. On the other hand, joint mobility-based and content popularity proactive caching [97,55] focuses on jointly exploiting (i) aggregated mobility-prediction information with respect to a common information request by mobile requesters, and (ii) the popularity of the requested information, both based on short-time scale available user mobility and content popularity information. The latter approach is less user-centric compared to the individual proactive caching service offered with the former approach.…”

mentioning

confidence: 99%

See 1 more Smart Citation

Mobility - based proactive caching models for addressing niche mobile demand and scalable ICN name resolution designs

Vasilakos¹,

Βασιλάκος²

View full text Add to dashboard Cite

Από την εποχή της αρχικής του σύλληψης, το Διαδίκτυο έχει υποστεί μια σειρά από ριζοσπαστικές αλλαγές λόγω της τεχνολογικής προόδου και της διεύρυνσης των εφαρμογών χρήσης του Διαδικτύου. Από τη σκοπιά των χρηστών του, αποτελεί ένα παγκόσμιο μέσο για την ανταλλαγή αντικειμένων Πληροφορίας ανάμεσα σε εκατομμύρια σταθερούς καικινητούς χρήστες. Ωστόσο, η κληροδοτημένη από τα προηγούμενα χρόνια αρχιτεκτονικήτου Διαδικτύου, θέτει σοβαρούς περιορισμούς ή καθιστά ανεπαρκή τη διάθεση και την ανάκτηση της επιθυμητής Πληροφορίας. Πλέον αυτού, τόσο οι επεκτάσεις που εφαρμόστηκαν(εν είδει «μπαλώματος») στην υπάρχουσα αρχιτεκτονική με στόχο την υποστήριξη της κινητικότητας των χρηστών, όσο και η εγγενώς προσφερόμενη υποστήριξη της κινητικότηταςστην περίπτωση των αρχιτεκτονικών Πληροφοριοκεντρικής δικτύωσης (Information-Centric Networking (ICN)), δεν επαρκούν για να αντιμετωπίσουν τις σύγχρονες ανάγκες και απαιτήσεις σε όρους ποιότητας-της-υπηρεσίας (Quality-of-Service (QoS)) και επιθυμητού επιπέδου ποιότητας-της-εμπειρίας (Quality-of-Experience (QoE)) των χρηστών. Τα προβλήματα επιδεινώνονται από το καινοφανές και συνεχώς αυξανόμενο πλήθος των διαφορετικών αντικειμένων της Πληροφορίας και των κινητών συσκευών στο Διαδίκτυο, το οποίο συνεπάγεται υψηλά επίπεδα όγκου κίνησης δεδομένων, τόσο για τα αιτήματα επίλυσης ονομάτωνπεριεχομένου, όσο και για τη μετάδοση των ίδιων των αντικειμένων της Πληροφορίας. Η κύρια συνεισφορά της παρούσας διατριβής έγκειται στο σχεδιασμό μοντέλων αποδοτικής προληπτικής ενταμίευσης (efficient proactive caching) για την ενίσχυση της απρόσκοπτης κινητικότητας των χρηστών. Τα εν λόγω μοντέλα είναι εκτελέσιμα σε επίπεδοεφαρμογής οποιασδήποτε υποκείμενης αρχιτεκτονικής δικτύωσης. Πλέον αυτού, δύνανται να εκτελούνται και σε επίπεδο δικτύου στην περίπτωση των αρχιτεκτονικών Πληροφοριοκεντρικής δικτύωσης. Το βασικό μοντέλο που προτείνουμε, είναι το αποκεντρωμένο μοντέλο αποδοτικής προληπτικής ενταμίευσης βάσει της κινητικότητας (Effiecient Mobility-basedCaching (EMC)). Πιο συγκεκριμένα, το EMC έχει σχεδιαστεί για να προβαίνει σε αυτόνομες αποφάσεις για τη προληπτική λήψη και ενταμίευση των δεδομένων τοπικά εντός μικρώνκυψελών ασύρματης μετάδοσης (small cells), κάνοντας χρήση α) της πληροφορίας πρόβλεψης με βάση τη συνολική κινητικότητα (aggregated mobility) των χρηστών και β) ενός σχήματος δυναμικής τιμολόγησης με βάση τη συμφόρηση της μνήμης (dynamic cache congestion pricing scheme) του τοπικού ενταμιευτή. Το EMC έχει ως στόχο του τη βελτίωση της εξυπηρέτησης της ζήτησης για περιεχόμενο εξειδικευμένου ενδιαφέροντος (Niche contentdemand). Σε αντίθεση με άλλες λύσεις προληπτικής ενταμίευσης, οι οποίες επικεντρώνονται αποκλειστικά στα δημοφιλή αντικείμενα της Πληροφορίας, η ζήτηση για εξειδικευμένοπεριεχόμενο αναφέρεται σε λιγότερο δημοφιλές περιεχόμενο ή περιεχόμενο εξατομικευμένουενδιαφέροντος, το οποίο –ιδίως στη περίπτωση περιεχομένου τύπου βίντεο– αντιπροσωπεύει ένα σημαντικό τμήμα επί του συνόλου των αιτημάτων στο Διαδίκτυο, της τάξεως του 20-40% και με αυξητική τάση. Τέλος, πλέον του EMC προτείνουμε μια σειρά από επεκτάσεις στο βασικό μοντέλο αποφάσεων, οι οποίες συνδυάζουν τη πρόβλεψη της κινητικότητας των χρηστών με τη δημοφιλία (popularity) του αιτούμενου περιεχομένου, με καινοτόμο στοιχείο τη δυναμική εξισορρόπηση της επιρροής μεταξύ της πρόβλεψης της κίνησης των χρηστών και της δημοφιλίας των αντικειμένων. Βάσει ενδελεχών προσομοιώσεων για την αξιολόγηση της επίδοσης των μοντέλωνπου προτείνουμε, οι οποίες εξερευνούν διαφορετικά επίπεδα ζήτησης, συλλογές αντικειμένωντύπου βίντεο και διαφορετικά σενάρια κινητικότητας των χρηστών (π.χ., περίπατος ανθρώπων ή αυτοκίνηση), δείχνουμε ότι τα κέρδη από την πρόβλεψη της κινητικότητας μπορεί να είναι υψηλά. Παράλληλα, διαπιστώνουμε ότι τα κέρδη από τη κινητικότητα μπορεί να υπερβαίνουνεκείνα από την ενταμίευση με βάση μόνο τη δημοφιλία του περιεχομένου, υποδηλώνοντας έτσι ότι οι αποφάσεις του EMC είναι ικανές να προσαρμόζονται καλά στη τοπικότητα της δημοφιλίας στο χρόνο (temporal locality) λόγω της τοπικότητας και της μικρής χρονικής κλίμακας των μετρήσεων για τη πρόβλεψη της κινητικότητας των χρηστών. Επιπλέον, η απόδοση της λύσης μας μπορεί να βελτιωθεί περαιτέρω με την αντικατάσταση ήδη ενταμιευμένων δεδομένων με δεδομένα από μετέπειτα αιτήματα, υπό το κόστος μιας επιπρόσθετης υπολογιστικής επιβάρυνσης σε ό,τι αφορά τις αποφάσεις ενταμίευσης του μοντέλου. Επιπροσθέτως, με την παρούσα διατριβή συνεισφέρουμε ως προς το σχεδιασμό ενόςεφικτού και κλιμακώσιμου Συστήματος Επίλυσης ICN Ονομάτων (globally scalable ICNName Resolution System (ICN-NRS)), ως την απαραίτητη υποδομή για την ανταλλαγή &ανάκτηση της Πληροφορίας σε όλο το εύρος του Διαδικτύου. Η ιδιαίτερη συνεισφορά μαςέγκειται στις πτυχές του σχεδιασμού του μοντέλου επίλυσης ονομάτων που σχετίζονται μετη δομή της υποκείμενης τοπολογίας μεταξύ διαφορετικών δικτυακών τομέων (inter-domaintopology) στο Διαδίκτυο, και πιο συγκεκριμένα α) στον σχεδιασμό του μηχανισμού ιεραρχικής δρομολόγησης πάνω από το επικαλυπτόμενο δίκτυο που υποστηρίζει το σύστημα επίλυσης ονομάτων Distributed Hash Table-based Name Resolution System (ICN-NRS) καθώς επίσης και β) στη διεξοδική μελέτη για την ποσοτικοποίηση των επιδόσεων του DHT-NRS αλλά και άλλων συστημάτων τεχνολογίας αιχμής από τη βιβλιογραφία πάνω σε συστήματα ICN-NRS.

show abstract

Exploiting mobility prediction for mobility & popularity caching and DASH adaptation

Cited by 8 publications

References 25 publications

A Survey of Anticipatory Mobile Networking: Context-Based Classification, Prediction Methodologies, and Optimization Techniques

A Survey of Anticipatory Mobile Networking: Context-Based Classification, Prediction Methodologies, and Optimization Techniques

Where Are You Going Next?

Mobility - based proactive caching models for addressing niche mobile demand and scalable ICN name resolution designs

Contact Info

Product

Resources

About