LMS using Machine Learning Base Station Selection and Edge Contents Caching
머신러닝 기반 최적 기지국 선택기법과 엣지 콘텐츠 캐싱을 활용한 LMS
2020-1 Capstone Design2 Project
https://github.com/yhye97/lms
Motivation:
LMS that provides effective mobile traffic distribution and increase contents delivery speed
Assumptions:
- Students access LMS according to their School's Timetable
- Students access LMS near their school
- Base Stations have MEC(Mobile Edge Computing) Server
Requirement(DataSet):
- Telecom Italia Big Data Challenge set (https://dandelion.eu/datamine/open-big-data/)
(Grid 1,2,3 == BS 1,2,3)
- final_high_school.csv, final_ele_school.csv, final_middle_school.csv: 각 학교, 주소, 위도, 경도, 학년별 숫자수 데이터셋
- 2019_students_num.csv : 학교별 학급별 학생수, (19년 유토중등 학교별 학년별 학생수 학습수 입학 졸업 교원 직원 면적_191227)
- elementary_middle_schools_location.csv: 초중학교 위도,경도 (전국초중등학교위치표준데이터)
- elementary.csv: 초등학교 이름, 주소, 위도,경도 (전국초중등학교위치표준데이터)
- middle_school.csv: 중학교 이름, 주소, 위도,경도 (전국초중등학교위치표준데이터)
- high_school.csv: 고등학교 이름, 주소, (전국고등학교군표준데이터) 위도,경도
- high_timetable, middle_timetable, elementary_timetable.csv : 초중고등학교 시간표 (교시, 수업 진행 시간)
Background:
Mobile Traffic Prediction & BS Selection Algorithm:
Python 3.5
Jupyter Notebook
KerasWEB: Express Framework
Back-end : Node JS
Front-end: HTML/CSS/JS-
AWS:
EC2 instance: LMS Web Server, Controller
S3: Contents Storage
RDS : Database
CloudFront: CDN Service
Edge Location: Base Station