A significant fraction of data traffic is transmitted via cellular networks. When introducing fifth-generation (5G) radio access technology, the maximum bitrate of the radio link increases significantly, and the delay is lowered. Network congestion occurs when the sender attempts to send data at a higher rate than the network link or nodes can handle. In order to improve the performance of the mobile networks, many congestion control techniques and approaches have been developed over the years. Varying radio conditions in mobile networks make it challenging to indicate the occurrence of the congestion using packet loss as congestion indicator. This master thesis develops a congestion control algorithm based on Artificial Intelligence (AI) technologies, evaluates and compares it with existing state-of-the-art congestion control algorithms that are used with TCP today.In this study, we use the abundant readable physical layer information exchanged between the base stations and the user equipment to predict the available bandwidth. Two neural network models, Multi-Layer Perceptron (MLP) and Long Short-Term Memory (LSTM), are introduced as congestion control algorithms based on cross-layer information in order to improve user throughput and utilize the available capacity as much as possible.Evaluation in a Long-Term Evolution (LTE) network system simulator confirms that the estimation of LSTM model is able to track the varying link capacity, while MLP is less accurate and induces higher delay. The sender uses the estimated link capacity to adjust its packet sending behavior. Our evaluation reveals that for large flows, the LSTM model can attain higher throughput than state-of-the-art congestion control algorithms, which are the Google Bottleneck Bandwidth and Round-trip propagation time (BBR) algorithm and the Data Center TCP (DCTCP) algorithm. However, it has higher latency than that of these two algorithms. The MLP based model provides unstable performance compared to LSTM; its prediction is not accurate enough and has the highest latency among the algorithms.In conclusion, the LSTM does not underperform the state-of-the-art congestion control algorithms. However, it does not provide additional performance gains in current settings. The MLP model underperforms BBR and DCTCP with L4S and it is not stable enough to be used as a congestion control algorithms. / En betydande del av datatrafiken överförs via mobilnät. Vid introduktion av femte generationens (5G) radioåtkomstteknik ökar den maximala bithastigheten för radiolänken betydligt och förseningen sänks. Nätstockning uppstår när avsändaren försöker skicka data med högre hastighet än nätverkslänken eller noderna kan hantera. För att förbättra prestandan i mobilnät har många tekniker för trängselkontroll utvecklats under åren. Varierande radioförhållanden i mobilnätet gör det utmanande att indikera förekomsten av trängseln med hjälp av paketförlust som trängselindikator. Detta examensarbete utvecklar en trängselkontrollalgoritm baserad på AI-teknik (Artificial Intelligence), utvärderar och jämför den med befintliga toppmoderna trängselkontrollalgoritmer som används med TCP idag.I denna studie använder vi den rikliga läsbara informationen om fysiskt lager som utbyts mellan basstationerna och användarutrustningen för att förutsäga den tillgängliga bandbredden. Två neurala nätverksmodeller, Multi-Layer Perceptron (MLP) och Long Short-Term Memory (LSTM), introduceras som trängselkontrollalgoritmer baserade på tvärskiktsinformation för att förbättra användarens genomströmning och utnyttja den tillgängliga kapaciteten så mycket som möjligt.Utvärdering i en LTE-nätverkssystemsimulator (Long Term Evolution) bekräftar att uppskattningen av LSTM-modellen kan spåra den varierande länkkapaciteten, medan MLP är mindre exakt och inducerar högre fördröjning. Avsändaren använder den uppskattade länkkapaciteten för att justera sitt paketets sändningsbeteende. Vår utvärdering avslöjar att för stora flöden kan LSTM-modellen uppnå högre genomströmning än modernaste trängselkontrollalgoritmer, som är Google Bottleneck Bandbredd och BBR-algoritm och Data Center TCP (DCTCP) ) algoritm. Men det har högre latens än för dessa två algoritmer. Den MLP-baserade modellen ger instabil prestanda jämfört med LSTM; dess förutsägelse är inte nog noggrann och har den högsta latensen bland algoritmerna.Sammanfattningsvis underpresterar LSTM inte de senaste toppkontrollalgoritmerna. Det ger emellertid inte ytterligare prestationsvinster i de aktuella inställningarna. MLP-modellen underpresterar BBR och DCTCP med L4S och den är inte tillräckligt stabil för att användas som en överbelastningskontrollalgoritm.

Kraven på säkerhet och effektivitet ökar ständigt inom fordonsindustrin. För att uppfylla dessa strävar fordonstillverkare efter att uppnå en högre grad av autonomi, detta innebär dock att många problem måste lösas. Denna rapport behandlar ett av dessa, autonoma fordons möjlighet att identifiera utryckningsfordon. Målet är att presentera ett förslag på vilken teknik som anses mest lämpad för autonoma fordon att kommunicera med utryckningsfordon. Arbetet grundade sig i en förstudie där standarden ITS G5, IEEE 802.11g, ZigBee samt mobilnät analyserades utifrån deras tekniska specifikationer. Utifrån analysen presenterades tre situationer där de olika teknikernas användning ansågs begränsade, i tunnlar, i tät trafik samt på långa avstånd vid höga hastigheter. Dessa situationer ställde krav på teknikerna inom bland annat svarstid, räckvidd, överföringsförmåga samt möjlighet till direktkommunikation mellan fordonen. Utifrån dessa krav ställdes en jämförelsematris upp där de olika teknikernas prestanda jämfördes. Resultatet visar att ITS G5 och ZigBee har bäst prestanda på egen hand medan en kombination av mobilnät och ITS G5 uppnår högst prestanda. / The demand for safety and effectivity continuously increases within the automotive industry. One way to meet these demands is to achieve a higher level of autonomy, but to achieve the highest levels of autonomy there is a few problems to be solved along the way. This report treats one of these, an autonomous vehicle’s ability to identify emergency vehicles. The report, based on a pilot study, analyses the ITS G5 standard, IEEE 802.11g, Zigbee and mobile networks based on their technological specifications. From the analysis three situations are identified where the technologies are considered limited. These limitations are, but not limited to, reach, latency, data rates and ability to communicate vehicle to vehicle (V2V). The four technologies are then compared by these limitations in a matrix. The result shows that ITS G5 and ZigBee has the best performance by its own but the combination of mobile networks and ITS G5 shows the highest possible performance.

The usage of UAVs (Unmanned Aircraft Vehicle) is soaring, not just for hobbyists but increasingly for a range of professional and civil applications. Some of the more sophisticated applications that have high data usage and long-range flight requirements are being developed now. The range and capability of typical wireless connectivity technologies are not enough for such applications. Connecting UAVs to the mobile network is a solution. There are lots of benefits which mobile network can provide for UAVs and UTM (Unmanned Aircraft System Traffic Management). However, the anticipation of UAVs was not considered at first in network planning, which creates unexpected coverage conditions. The introduction of UAVs impacts LTE (Long Term Evolution) network in several ways and the network coverage and capacity of UAVs at low altitude is significantly different from that of terrestrial UEs. The thesis work includes investigation about how UAVs impact LTE network and how mobile network coverage and capacity for UAVs change when other factor changes. The impact of methods to enhance the mobile network for UAVs would also part of the research. In this work, a successful simulation in order to investigate UAV’s situation while using 4G LTE cellular networks is developed. In order to properly test the developed framework for a range of different inputs, various generic scenarios were successfully developed and executed. Using this simulation, we have shown that UAV’s network situation is affected by 2 parameters: the height of UAV and the load of the eNodeBs (Evolved Node B). We have successfully demonstrated that UAV at higher attitude may cause more serious network condition in the suburban area compared with the case in the urban area. Finally, an interference mitigation technique: antenna beam selection is applied and tested. We show that it can improve the network condition for UAV at a higher altitude. Some improvements to the model could be a modeling of inter-cell interference and multipath effects. Models of weather condition in UAV’s flying space would also greatly improve the framework. Besides a scheme for modulation and bit error calculation could be used to build a more generic model. In the thesis, antenna propagation and gain models are not perfect, so more accurate model would also be a great improvement. Only antenna beam selection is tested in this thesis and the implementation does not include antenna mechanical design and model building. For further research, more methods like interference cancellation, power control and inter-cell interference coordination can be tested in both simulation and hardware. / Användningen av UAV(Unmanned Aircraft Vehicle): er är stigande, inte bara för hobbyister utan allt mer för en rad professionella och civila applikationer. Några av de mer sofistikerade applikationerna som har hög dataanvändning och krav på lång räckvidd utvecklas nu. Räckvidden och kapaciteten för typiska trådlösa anslutningstekniker räcker inte för sådana applikationer. Att ansluta UAV: er till mobilnätet är en lösning. Det finns många fördelar som mobilnätet kan ge för UAV: er och UTM (Unmanned Aircraft System Traffic Management). Förväntningen på UAV: er beaktades dock inte först i nätverksplanering, vilket skapar oväntade täckningsförhållanden.Införandet av UAV: er påverkar LTE-nätverk (Long Term Evolution) på flera sätt och nätverkets täckning och kapacitet för UAV: er på låg höjd skiljer sig väsentligt från markbundna UE: er.Examensarbetet inkluderar utredning om hur UAV: er påverkar LTE-nätverk och hur mobilnätstäckning och kapacitet för UAV: er förändras när andra faktorer ändras. Effekten av metoder för att förbättra mobilnätverket för UAV: er skulle också vara en del av forskningen. I detta arbete utvecklas en framgångsrik simulering för att undersöka UAV: s situation med användning av 4G LTE-mobilnät. För att korrekt testa det utvecklade ramverket för en rad olika ingångar, utvecklades och genomfördes olika generiska scenarier. Med denna simulering har vi visat att UAVs nätverkssituation påverkas av två parametrar: UAV: s höjd och belastningen på eNodeBs (Evolved Node B). Vi har framgångsrikt visat att UAV vid högre inställning kan orsaka allvarligare nätverkstillstånd i förortsområdet jämfört med fallet i stadsområdet. Slutligen tillämpas och testas en interferensbegränsande teknik: val av antennstråle. Vi visar att det kan förbättra nätverksvillkoret för UAV på högre höjd. Några förbättringar av modellen kan vara modellering av inter-cellstörningar och flervägseffekter. Modeller av väderförhållanden i UAV: s flygutrymme skulle också förbättra ramverket kraftigt. Förutom ett schema för modulering och beräkning av bitfel skulle kunna användas för att bygga en mer generisk modell. I avhandlingen är antennutbredningsoch förstärkningsmodeller inte perfekta, så en mer exakt modell skulle också vara en stor förbättring. Endast val av antennstråle testas i denna avhandling och implementeringen inkluderar inte antennmekanisk design och modellbyggnad. För ytterligare forskning kan fler metoder som interferensavbrott, effektkontroll och inter-cell-interferenskoordination testas i både simulering och hårdvara.

With the development of 5G technology and edge computing, more and more network application services have been migrated to the cloud network in order to improve the performance, availability and ensure Quality of Service. Edge computing has essentially changed the service deployment model and reduce the latency further for better customer experience, which is realized by deploying network service replicas in geographically distributed edge sites. However, how to discover edge application servers and select a proper instance to serve the edge users becomes an important research topic. This master thesis project addresses the problem by leveraging DNS based service selection mechanism, designing and implementing stable match based service selection algorithms with the aim of minimizing latency between edge users and services and balance the load among edge sites, and integrating the solutions by RESTful APIs. To evaluate the performance of the service selection algorithms, a set of experiments are carried on different simulated topologies with different traffic pattern. The experimental results show that the stable match algorithm and its variants can significantly reduce the average latency by up to 50% compared to traditional approaches, while the enhanced stable match based algorithms are able to have the same load balancing effect with the widely used Round Robin algorithm. / Med utvecklingen av 5G-teknik och edge computing har fler nätverkstjänster migrerats till molnätet för att förbättra prestanda, tillgänglighet och säkerställa servicekvalitet. Edge computing har i huvudsak förändrat tjänster distribution modellen och minskat latensen ytterligare för bättre kundupplevelse, vilket realiseras genom att distribuera nätverkstjänstreplikat på geografiskt distribuerade kantsajter. Hur man upptäcker kantappservrar och väljer en rätt instans för att betjäna kantanvändarna blir dock ett viktigt forskningsämne. Detta projekt löser problemet genom att utnyttja DNS-baserad mekanism för tjänstval, designa och implementera stabila matchbaserade algoritmer för tjänsteval i syfte att minimera latens mellan kantanvändare och tjänster och balansera belastningen mellan kantsajter och integrera lösningarna med RESTful API:er. För att utvärdera prestandan för algoritmerna för val av tjänster utförs en uppsättning experiment på olika simulerade topologier med olika trafikmönster. De experimentella resultaten visar att den stabila matchningsalgoritmen och dess varianter avsevärt kan minska den genomsnittliga latensen med upp till 50% jämfört med traditionella metoder, medan de förbättrade stabila matchbaserade algoritmerna kan ha samma belastningsbalanseringseffekt med den mycket använda Round Robin algoritm.