Driftstörningar
Det förekommer återkommande driftstörningar på några av sök-portalerna på grund av hög belastning. Vi arbetar på att lösa problemet, ni kan tillfälligt mötas av ett felmeddelande.
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Revealing Infrastructure-Stressing Clients in the Customer Base of a Scandinavian Operator using and HPI Future SoC Lab Hardware Resources
Blekinge Tekniska Högskola, Fakulteten för datavetenskaper, Institutionen för datavetenskap.ORCID-id: 0000-0002-1024-168x
Blekinge Tekniska Högskola, Fakulteten för datavetenskaper, Institutionen för datavetenskap.
Blekinge Tekniska Högskola.
Telenor AB, Stockholm, Sweden.
2019 (Engelska)Ingår i: Technische Berichte des Hasso-Plattner-Instituts fur Softwaresystemtechnik an der Universitat Potsdam, Universitatsverlag Potsdam , 2019, Vol. 130, s. 59-65Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

We define the term an Infrastructure-Stressing client. Roughly speaking, she uses the infrastructure in a taxing manner, such as always staying in the zones of high demand. We developed a method based on combinatorial optimization to reveal the Infrastructure-Stressing clients in the customer base based on trajectory information from Call Data Records. We have found that 7 % in the customer base are Infrastructure-Stressing. As was expected, a correlation exists between this quality and client's geo-demographic segment. Currently we are working on a predictive model to be able to tell an Infrastructure-Stressing client in a newcomer whose mobility is yet unknown to the operator. © 2019 Universitatsverlag Potsdam. All rights reserved.

Ort, förlag, år, upplaga, sidor
Universitatsverlag Potsdam , 2019. Vol. 130, s. 59-65
Nyckelord [en]
Sales, System-on-chip, Call data records, Customerbase, Hardware resources, High demand, Predictive models, Trajectory information, Combinatorial optimization
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:bth-26942Scopus ID: 2-s2.0-85160719856ISBN: 9783869564753 (tryckt)OAI: oai:DiVA.org:bth-26942DiVA, id: diva2:1900605
Konferens
HPI Future SOC Lab 2017, Potsdam, Nov 15 2017
Tillgänglig från: 2024-09-24 Skapad: 2024-09-24 Senast uppdaterad: 2025-09-30Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Scopus

Person

Sidorova, YuliaLundberg, LarsRosander, Oliver

Sök vidare i DiVA

Av författaren/redaktören
Sidorova, YuliaLundberg, LarsRosander, Oliver
Av organisationen
Institutionen för datavetenskapBlekinge Tekniska Högskola
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar

isbn
urn-nbn

Altmetricpoäng

isbn
urn-nbn
Totalt: 150 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf