Analitzar informació extreta d’un dels canals ràdio de tres estacions base de telefonia 4G per tal de descobrir patrons en l'evolució de la qualitat de les comunicacions a partir de l’índex MCS (Modulation and Coding Scheme), i patrons en les dades mòbils  de les persones usuàries. Aquest ha estat el repte que han hagut de superar els tres estudiants de la Universitat Politècnica de Catalunya · BarcelonaTech (UPC) guanyadors del concurs Scavenge Data Challenge, disputat entre els mesos de gener i juny de 2019.

Per assolir la tasca plantejada, els estudiants han fet servir tècniques de machine learning, de clustering i d'anàlisi de sèries temporals, amb el suport dels professors Mario García-Lozano i Antoni Gelonch, del Departament de Teoria de Senyal i Comunicacions (TSC). Així, mitjançant algoritmes d’aprenentatge automàtic de darrera generació, l’equip ha realitzat comparacions temporals entre els diferents usuaris per tal d’analitzar la qualitat del canal que experimenten. La predicció de tràfic i qualitat permet optimitzar els recursos de la xarxa per millorar la qualitat del servei i, fins i tot, estalviar energia, un pas necessari per la sostenibilitat de la telefonia mòbil. En conèixer el tipus d'usuaris que hi ha a la xarxa en una zona o moment determinat del dia, les operadores de telefonia poden, a més, adaptar les ofertes que fan a un determinat segment de població.

Per tal de presentar els resultats del seu treball, els estudiants han estat convidats a un workshop de la 27th International Conference on Software, Telecommunications and Computer Networks (SoftCOM 2019), que tindrà lloc del 19 al 21 de setembre a Split (Croàcia) i que organitza la prestigiosa IEEE Communications Society.