Wylie-Green et al. [17] analyze the

Wylie-Green et al. [17] analyze the throughput and RTT
performance of an unloaded and loaded LTE network from
different distances using multiple devices. The described measurements
were conducted on newly built hardware and hence
analyze the optimum network performance. The purposely generated
traffic does not affect the system performance, as it is
below the system capacity.
A detailed analysis of the one-way delay of different parts
of the network can be found in [18]. The authors measure
the timing between a local machine connected to an LTE and
HSPA network, a time synchronized server, and additional vantage
points within the mobile network. In this work, end-to-end
measurements from mobile devices are used to evaluate the
performance based on network management decisions.
A different approach, based on measuring network performance
from handsets only, is published by Sonntag et al. [5].
They developed an application measuring a number of network
parameters like throughput and RTT, and collect the data
on their server. The analysis of the collected data is limited
to a few general metrics and the creation of bandwidth maps.
Contrary, this paper analyzes the measured RTT in detail to
derive the performance based on the path taken through the
cellular network.
Nicholson et al. [19] use the prediction of the availability of
WiFi networks to improve mobile connectivity. This approach
is extended by Bui et al. [8], who propose a stochastic mobile
bandwidth prediction model. A different approach is used by
Wac [20], applying machine learning techniques to predict
mobile QoS. In this paper, this approach is extended to forecast
the RTT based on the time of the connection.
Measurements profiling the cellular network performance are
also conducted in [21]. They use the German T-Mobile cellular
network to analyze the presence and effects of middle boxes on
the end-user perceived network performance and on network
measurements. The first part covers throughput measurements
and buffer estimation, while the second part is focused on the
connection establishment process and HTTP performance. In
their performance measurements, similar effects to the ones
observed in this work are visible, but lack a convincing explanation.
This paper provides an analysis of the underlying
effects.
Gabale et al. [22] analyze the traffic paths between a mobile
device and a server to analyze the delay of the individual network
domains. Based on their observations, they argue in favor
of edge computing, reducing the delay as experienced by a
mobile client. In this paper a similar analysis is conducted,
but focusing on the influence of different PoPs on the perceived
network performance of the mobile user and the possible
optimization thereof.
As more of the popular web services and web-sites are
supported by CDNs, their influence on the mobile network
performance cannot be neglected. The structure of a CDN is
detailed in [23] and [24] on the example of the Akamai CDN,
one of the largest CDN providers world-wide. It started as a
platform to offload static web content, but now it has evolved
to provide HD-quality delivery of live and on-demand media
and edge computing applications such as executing Java J2EE
services. Upon request for content, the user is assigned to his

ผลลัพธ์ (ไทย) 1:

สีเขียว Wylie et al. [17] วิเคราะห์ปริมาณงานและ RTTประสิทธิภาพของเครือข่าย LTE ยกเลิกการโหลด และโหลดจากระยะทางแตกต่างกันที่ใช้อุปกรณ์หลายเครื่อง การวัดที่อธิบายไว้ได้ดำเนินการบนฮาร์ดแวร์ที่สร้างขึ้นใหม่ และด้วยเหตุนี้วิเคราะห์ประสิทธิภาพของเครือข่ายที่เหมาะสม การจงใจสร้างขึ้นการจราจรมีผลต่อประสิทธิภาพของระบบ มันเป็นด้านล่างขนาดของระบบการวิเคราะห์รายละเอียดของการหน่วงเวลาเดียวของส่วนต่าง ๆของเครือข่ายได้ใน [18] วัดเขียนระยะเวลาระหว่างเครื่องเชื่อมต่อกับตัว LTE และเครือข่าย HSPA เวลาซิงโครไนส์เซิร์ฟเวอร์ และชมวิวเพิ่มเติมจุดภายในเครือข่ายโทรศัพท์ ในงานนี้ จบสิ้นจากอุปกรณ์เคลื่อนที่จะใช้ในการประเมินการประสิทธิภาพตามการตัดสินใจการจัดการเครือข่ายวิธีแตกต่าง อิงการวัดประสิทธิภาพของเครือข่ายจากเครื่องโทรศัพท์เท่านั้น มีการเผยแพร่โดย Sonntag et al. [5]พวกเขาได้พัฒนาโปรแกรมประยุกต์วัดจำนวนเครือข่ายพารามิเตอร์เช่นปริมาณและ RTT และรวบรวมข้อมูลบนเซิร์ฟเวอร์ของพวกเขา การวิเคราะห์ข้อมูลที่รวบรวมของมีจำกัดกี่ตัวชี้วัดทั่วไปและการสร้างแผนที่ของแบนด์วิดธ์ตรงกันข้าม รายงานนี้วิเคราะห์ RTT วัดในรายละเอียดการได้ประสิทธิภาพการทำงานตามเส้นทางที่นำมาผ่านการเครือข่ายเซลลูลาร์นิโคลสัน et al. [19] ใช้คำทำนายของความพร้อมของเครือข่าย WiFi เพื่อปรับปรุงการเชื่อมต่อมือถือ วิธีการนี้ขยายโดย Bui et al. [8], ผู้เสนอมือถือ stochasticแบนด์วิดธ์แบบคาดการณ์ ใช้วิธีแตกต่างWac [20], การใช้เทคนิคการเรียนรู้เครื่องทำนายQoS มือถือ ในกระดาษนี้ วิธีการนี้จะขยายไปยังการคาดการณ์RTT ที่ตามเวลาของการเชื่อมต่อมีการวัดประสิทธิภาพของเครือข่ายเซลลูลาร์ในการสร้างโพรไฟล์นอกจากนี้ยัง ดำเนินการใน [21] ใช้เซลลูลาร์เยอรมัน T-Mobileเครือข่ายการวิเคราะห์สถานะและผลกระทบของกล่องตรงกลางบนผู้ใช้รับรู้ประสิทธิภาพของเครือข่ายและ บนเครือข่ายวิธีการวัด ส่วนแรกครอบคลุมการวัดอัตราความเร็วและบัฟเฟอร์การประเมิน ในขณะที่ส่วนที่สองเน้นการกระบวนการจัดตั้งการเชื่อมต่อและประสิทธิภาพการทำงานของ HTTP ในการวัดประสิทธิภาพ ผลข้างเคียงสังเกตในงานนี้จะมองเห็นได้ แต่ขาดคำอธิบายที่น่าเชื่อถือบทความนี้เสนอการวิเคราะห์ต้นแบบผลกระทบGabale et al. [22] วิเคราะห์เส้นทางการจราจรระหว่างโทรศัพท์มือถืออุปกรณ์และเซิร์ฟเวอร์การวิเคราะห์การล่าช้าของเครือข่ายแต่ละโดเมน จากการสังเกตของพวกเขา พวกเขาโต้เถียงในความโปรดปรานของขอบคอมพิวเตอร์ ลดความล่าช้าที่มีประสบการณ์โดยมีไคลเอ็นต์เคลื่อน ในเอกสารนี้ จะดำเนินการการวิเคราะห์คล้ายแต่โฟกัสจากอิทธิพลของปรากฏแตกต่างกันในการรับรู้ประสิทธิภาพของเครือข่ายของผู้ใช้โมบายและเป็นไปได้เพิ่มประสิทธิภาพดังกล่าวเป็นเว็บยอดนิยม มีบริการและเว็บไซต์โดย CDNs อิทธิพลเครือข่ายมือถือประสิทธิภาพไม่อาจละเลย โครงสร้างของ CDNรายละเอียดใน [23] [24] และใช้ตัวอย่างของ CDN อคะไมหนึ่งในผู้ให้บริการ CDN ที่ใหญ่ที่สุดทั่วโลก มันเริ่มเป็นมีพัฒนาแพลตฟอร์มเพื่อถ่ายข้อมูลเนื้อหาเว็บแบบคงที่ แต่ตอนนี้มันการให้บริการจัดส่งคุณภาพ HD และถ่ายทอดสดตามสื่อและการใช้งานคอมพิวเตอร์เช่น Java J2EE การดำเนินการบริการ ตามคำขอสำหรับเนื้อหา ผู้ใช้กำหนดให้กับเขา

ผลลัพธ์ (ไทย) 2:

ไวลีสีเขียว, et al [17] วิเคราะห์งานและ RTT
ประสิทธิภาพการทำงานของยกเลิกการโหลดและโหลด LTE เครือข่ายจาก
ระยะทางที่แตกต่างกันโดยใช้อุปกรณ์หลาย การวัดที่อธิบาย
ได้ดำเนินการบนฮาร์ดแวร์ที่สร้างขึ้นใหม่และด้วยเหตุนี้
วิเคราะห์ประสิทธิภาพของเครือข่ายที่ดีที่สุด ที่สร้างขึ้นโดยมีจุดมุ่งหมาย
การจราจรไม่ได้ส่งผลกระทบต่อประสิทธิภาพของระบบมันเป็น
ด้านล่างความจุของระบบได้.
การวิเคราะห์รายละเอียดของความล่าช้าทางเดียวของชิ้นส่วนที่แตกต่างกัน
ของเครือข่ายที่สามารถพบได้ใน [18] ผู้เขียนวัด
ระยะเวลาระหว่างเครื่องท้องถิ่นที่เชื่อมต่อกับเครือข่าย LTE และ
HSPA เครือข่ายเซิร์ฟเวอร์เวลาตรงกันและได้เปรียบเพิ่มเติม
จุดภายในเครือข่ายมือถือ ในงานนี้แบบ end-to-end
วัดจากอุปกรณ์มือถือที่ใช้ในการประเมิน
ผลการปฏิบัติงานบนพื้นฐานของการตัดสินใจการจัดการเครือข่าย.
วิธีการที่แตกต่างกันขึ้นอยู่กับการวัดประสิทธิภาพของเครือข่าย
จากโทรศัพท์มือถือเท่านั้นถูกตีพิมพ์โดย Sonntag, et al [5].
พวกเขาพัฒนาแอพลิเคชันการวัดจำนวนของเครือข่าย
พารามิเตอร์เช่นผ่านและ RTT และเก็บรวบรวมข้อมูล
บนเซิร์ฟเวอร์ของตน การวิเคราะห์ข้อมูลที่รวบรวมได้จะถูก จำกัด
ให้เป็นตัวชี้วัดที่ไม่กี่ทั่วไปและการสร้างแผนที่แบนด์วิดธ์.
ขัดกระดาษนี้วิเคราะห์วัด RTT ในรายละเอียดเพื่อ
ได้มาซึ่งประสิทธิภาพในการทำงานขึ้นอยู่กับเส้นทางที่ผ่าน
เครือข่ายโทรศัพท์เคลื่อนที่.
นิโคลสัน, et al [19] ใช้การคาดการณ์ของความพร้อมของ
เครือข่ายไร้สายในการปรับปรุงการเชื่อมต่อมือถือ วิธีการนี้
จะขยายออกไปโดย Bui et al, [8] ที่นำเสนอมือถือสุ่ม
ทำนายรูปแบบแบนด์วิดธ์ วิธีการที่แตกต่างกันจะถูกใช้โดย
Wac [20] การประยุกต์ใช้เทคนิคการเรียนรู้ของเครื่องที่จะคาดการณ์
QoS มือถือ ในบทความนี้วิธีการนี้จะขยายไปยังคาดการณ์
RTT ขึ้นอยู่กับเวลาของการเชื่อมต่อ.
วัดโปรไฟล์ประสิทธิภาพของเครือข่ายโทรศัพท์มือถือที่มีการ
ดำเนินการยังอยู่ใน [21] พวกเขาใช้ภาษาเยอรมัน T-Mobile โทรศัพท์มือถือ
เครือข่ายในการวิเคราะห์สถานะและผลกระทบของกล่องกลางใน
ประสิทธิภาพของเครือข่ายของผู้ใช้และการรับรู้ในเครือข่าย
การตรวจวัด ส่วนแรกครอบคลุมการวัดผ่าน
และการประมาณบัฟเฟอร์ในขณะที่ส่วนที่สองคือมุ่งเน้นไปที่
กระบวนการจัดตั้งการเชื่อมต่อและประสิทธิภาพการทำงานของ HTTP ใน
การวัดประสิทธิภาพของผลกระทบที่คล้ายกับคนที่
สังเกตได้ในงานนี้จะมองเห็น แต่ขาดคำอธิบายที่น่าเชื่อ.
กระดาษนี้มีการวิเคราะห์ของต้นแบบ
ผลกระทบ.
Gabale et al, [22] วิเคราะห์เส้นทางการจราจรระหว่างโทรศัพท์มือถือ
อุปกรณ์และเซิร์ฟเวอร์ในการวิเคราะห์ความล่าช้าของเครือข่ายแต่ละ
โดเมน ตามข้อสังเกตของพวกเขายืนยันในความโปรดปราน
ของคอมพิวเตอร์ที่ทันสมัย, การลดความล่าช้าที่มีประสบการณ์โดย
ลูกค้าโทรศัพท์มือถือ ในกระดาษนี้การวิเคราะห์ที่คล้ายกันคือการดำเนินการ
แต่มุ่งเน้นไปที่อิทธิพลของ PoPs แตกต่างกันในการรับรู้
ประสิทธิภาพของเครือข่ายของผู้ใช้โทรศัพท์มือถือและที่เป็นไปได้
ในการเพิ่มประสิทธิภาพดังกล่าว.
ในฐานะที่เป็นมากขึ้นของบริการเว็บและเว็บไซต์ที่เป็นที่นิยมได้รับการ
สนับสนุนโดย CDNs อิทธิพลของพวกเขา บนเครือข่ายโทรศัพท์มือถือ
ประสิทธิภาพการทำงานไม่สามารถละเลย โครงสร้างของ CDN เป็น
รายละเอียดใน [23] และ [24] ในตัวอย่างของ Akamai CDN ที่
หนึ่งในผู้ให้บริการ CDN ที่ใหญ่ที่สุดทั่วโลก มันเริ่มต้นที่
แพลตฟอร์มเพื่อ offload เนื้อหาเว็บแบบคงที่ แต่ตอนนี้ก็มีการพัฒนา
เพื่อให้การส่งมอบคุณภาพระดับ HD ของที่อยู่อาศัยและความต้องการในการสื่อ
และการใช้งานคอมพิวเตอร์ที่ทันสมัยเช่นการดำเนิน J2EE Java
บริการ เมื่อมีการร้องขอสำหรับเนื้อหาที่ผู้ใช้จะได้รับมอบหมายให้เขา

ผลลัพธ์ (ไทย) 3:

ไวลี่ย์สีเขียว et al . [ 17 ] วิเคราะห์ throughput และรัตต์ประสิทธิภาพของการโหลดและเครือข่าย LTE โหลดจากระยะทางที่แตกต่างกันโดยใช้อุปกรณ์หลาย การวัดที่อธิบายไว้จำนวนที่สร้างขึ้นใหม่ ฮาร์ดแวร์ และ จึงวิเคราะห์ประสิทธิภาพของเครือข่ายที่เหมาะสม การจงใจสร้างขึ้นการจราจรจะไม่ส่งผลกระทบต่อประสิทธิภาพของระบบ มัน เป็นด้านล่าง ความจุของระบบการวิเคราะห์รายละเอียดของความล่าช้าทางเดียวของส่วนต่าง ๆของเครือข่ายที่สามารถพบได้ใน [ 18 ] ผู้สร้างวัดเวลาระหว่างท้องถิ่นเครื่องเชื่อมต่อ LTE และเครือข่าย HSPA , เวลาที่ตรงกันเซิร์ฟเวอร์และ Vantage เพิ่มเติมจุดภายในเครือข่ายมือถือ ในงานนี้ สิ้นสุดวัดจากอุปกรณ์เคลื่อนที่ที่ใช้ประเมินการปฏิบัติตามการตัดสินใจการจัดการเครือข่ายวิธีการที่แตกต่างกันขึ้นอยู่กับการวัดสมรรถนะของเครือข่ายจากโทรศัพท์มือถือเท่านั้น เผยแพร่หลาย et al . [ 5 ]พวกเขาพัฒนาโปรแกรมวัดหมายเลขของเครือข่ายพารามิเตอร์เช่น throughput และรัตต์ และรวบรวมข้อมูลบนเซิร์ฟเวอร์ของตน การวิเคราะห์ข้อมูลจะถูก จำกัดไปไม่กี่ทั่วไปตัวชี้วัดและการสร้างแผนที่แบนด์วิดธ์แต่การศึกษานี้วิเคราะห์ในรายละเอียดเพื่อวัดรัตต์ได้รับการปฏิบัติตามเส้นทางที่ถ่ายผ่านมือถือเครือข่ายนิโคลสัน et al . [ 19 ] ใช้ทำนาย ความพร้อมของเครือข่าย WiFi เพื่อปรับปรุงการเชื่อมต่อโทรศัพท์มือถือ วิธีการนี้ขยายโดยบุย et al . [ 8 ] , ที่เสนอปัญหามือถือแบนด์วิดธ์พยากรณ์แบบ วิธีการที่แตกต่างกันที่ใช้โดยดับเบิลยูเอ ซี [ 20 ] , การใช้เครื่องเรียนรู้เทคนิคที่จะทำนายมือถือคุณภาพ . ในกระดาษนี้ วิธีการนี้จะขยาย พยากรณ์โดย RTT ขึ้นอยู่กับเวลาของการเชื่อมต่อการวัดประสิทธิภาพเครือข่ายโทรศัพท์เคลื่อนที่เป็นโปรไฟล์ยังดำเนินการใน [ 21 ] พวกเขาใช้โทรศัพท์มือถือ T-Mobile เยอรมันเครือข่ายวิเคราะห์สถานะและผลของกล่องกลางบนการรับรู้ประสิทธิภาพของเครือข่ายและผู้ใช้บนเครือข่ายการวัด ส่วนแรกครอบคลุมการวัดอัตราความเร็วและการประมาณค่าบัฟเฟอร์ ในขณะที่ส่วนที่สองจะเน้นกระบวนการจัดตั้งการเชื่อมต่อและประสิทธิภาพ HTTP . ในการวัดประสิทธิภาพของผลที่คล้ายกันสังเกตในงานนี้จะมองเห็นได้ แต่ไม่มีคำอธิบายที่น่าเชื่อถือกระดาษนี้มีการวิเคราะห์พื้นฐานผลกระทบgabale et al . [ 22 ] วิเคราะห์การจราจรเส้นทางระหว่างมือถืออุปกรณ์และเซิร์ฟเวอร์วิเคราะห์ความล่าช้าของเครือข่ายแต่ละโดเมน จากการสังเกตของพวกเขา พวกเขาโต้เถียงในความโปรดปรานขอบการคำนวณ การลดความล่าช้าที่มีประสบการณ์โดยลูกค้าโทรศัพท์มือถือ ในกระดาษนี้การวิเคราะห์ที่คล้ายกันคือ ทดสอบแต่เน้นอิทธิพลของป๋าที่แตกต่างกันในการรับรู้ประสิทธิภาพของเครือข่ายของผู้ใช้มือถือและเป็นไปได้การเพิ่มประสิทธิภาพของมันในฐานะของการบริการเว็บที่เป็นที่นิยมและเว็บไซต์เป็นสนับสนุนโดย cdns อิทธิพลของพวกเขาในเครือข่ายมือถือไม่สามารถแสดงเป็นหลง โครงสร้างของ CDN คือรายละเอียด [ 23 ] และ [ 24 ] ในตัวอย่างของ CDN Akamai ,หนึ่งที่ใหญ่ที่สุดของ CDN ผู้ให้บริการทั่วโลก มันเริ่มต้นเป็นแพลตฟอร์มเพื่อจัดการเนื้อหาเว็บแบบคงที่ แต่ตอนนี้มันมีการพัฒนาเพื่อให้การจัดส่งคุณภาพ HD ถ่ายทอดสดและความต้องการสื่อและขอบคอมพิวเตอร์การใช้งานเช่นรันจาวา J2EEบริการ เมื่อมีการร้องขอสำหรับเนื้อหา ผู้ใช้ที่ได้รับมอบหมายให้เขา