Análise de Redes Móveis para Predição de Mapas de Calor por meio de Técnicas de Aprendizado de Máquina

• Evelim Bacury Rocha UFAM
• Márcio Éric Lamêgo Valente UFAM
• Vandermi João Da Silva UFAM

DOI: https://doi.org/10.5753/connect.2025.12112

Resumo

Este projeto visa utilizar técnicas de Aprendizado de Máquina para criar mapas de calor que representem a qualidade do sinal em redes 5G e 4G LTE, especialmente em ambientes internos e urbanos densos, contribuindo para a otimização das redes móveis. O objetivo é gerar mapas de calor que auxiliem na identificação de áreas com necessidade de melhoria na cobertura de sinal, especialmente em ambientes complexos. Até o momento, foram coletados dados de qualidade de sinal em ambientes internos e externos no Amazonas, os quais passaram por pré-processamento para remoção de ruídos e tratamento de valores ausentes. Um protótipo foi desenvolvido para a visualização dos mapas de calor, permitindo a análise da qualidade do sinal em diferentes localizações. As próximas etapas incluem a aplicação de técnicas avançadas de mineração de dados e a construção de modelos preditivos mais robustos, com a integração de novas funcionalidades ao protótipo.

Referências

Afroz, F., Subramanian, R., Heidary, R., Sandrasegaran, K., and Ahmed, S. (2015). Sinr, rsrp, rssi and rsrq measurements in long term evolution networks. International Journal of Wireless & Mobile Networks.

Fayyad, U. M., Piatetsky-Shapiro, G., Smyth, P., and Uthurusamy, R. (1996). Advances in knowledge discovery and data mining. American Association for Artificial Intelligence.

Haskić, H. and Radončić, A. (2024). The effects of 5g network on people and the environment: A machine learning approach to the comprehensive analysis. World Journal of Advanced Engineering Technology and Sciences, 11(1):301–309.

Kaur, J., Khan, M. A., Iftikhar, M., Imran, M., and Haq, Q. E. U. (2021). Machine learning techniques for 5g and beyond. IEEE Access, 9:23472–23488.

Mogyorósi, F., Revisnyei, P., Pašić, A., Papp, Z., Törös, I., Varga, P., and Pašić, A. (2022). Positioning in 5g and 6g networks—a survey. Sensors, 22(13):4757.

Morocho-Cayamcela, M. E., Lee, H., and Lim, W. (2019). Machine learning for 5g/b5g mobile and wireless communications: Potential, limitations, and future directions. IEEE access, 7:137184–137206.

Saari, O. (2022). Heatmap reporting tool: System testing.

Sarkar, S. and Debnath, A. (2021). Machine learning for 5g and beyond: Applications and future directions. In 2021 Second International Conference on Electronics and Sustainable Communication Systems (ICESC), pages 1688–1693. IEEE.

Zhang, C., Patras, P., and Haddadi, H. (2019). Deep learning in mobile and wireless networking: A survey. IEEE Communications surveys & tutorials, 21(3):2224–2287.