Effiziente Steuerung in aktuellen und zukünftigen Mobilfunknetzen ist essenziell für die Wettbewerbsfähigkeit der Betreiber. Die Information über Zielzellen sich bewegender Nutzer ist dazu ein wesentliches Kriterium für Reservierungen und unterbrechungsfreie Zellwechsel. Diese Arbeit basiert auf der These, dass Mobilfunknutzer nicht vollständig zufällig zwischen den Zellen wechseln, können, sondern durch die geografische Topologie und zielorientiertes Verhalten zu abschnittsweise deterministischen Wegen gezwungen werden. Diese makroskopische Mobilität ergibt einen Fingerabdruck aus Funknetzabdeckung, Nutzerverhalten und geografischer Topologie des Straßen- und Bahnnetzes. Die Zellsequenzen aller Nutzer bilden eine Datenmenge, in der Bewegungsmuster durch Algorithmen zur Wissensentdeckung extrahiert werden. Fünf leistungsfähige Verfahren zur Mustererkennung wurden vergleichend ausgewählt, um die nächste Zelle der jeweiligen Anwender zu bestimmen. Zur Evaluation der gesamten Vorgehensweise aus Zelltransitionen, Vorverarbeitung, Mustererkennung, Nachbereitung und Ressourcenreservierung ist in dieser Arbeit ein umfangreicher Mobilfunksimulator entstanden, der detaillierte, realitätsnahe Modellierung von Bewegungsverhalten kombiniert mit sämtlichen Aspekten der Kommunikationstechnologie abbildet. Die damit umfangreich modellierten Szenarien vereinen verschieden stark variable Bewegungsmodelle, wobei als komplexestes Szenario der Hochlastfall rund um ein Fußballstadion während einer Veranstaltung Anwendung findet. Prognosegenauigkeiten mit 90% sind selbst in diesem Fall durch aufwändige Bestimmung einer optimalen Parametrisierung möglich. Über die Nutzung von Messdaten konnte die Machbarkeit validiert werden und erreicht eine Vorhersagegenauigkeit vergleichbar zu den simulierten Szenarien. Abschließend wird der .konkrete Einsatz der Vorhersagen durch geschickte Auswahl von Reservierungsmethoden für verschiedene Optimierungen als Anwendungsfälle demonstriert. So wird gezeigt, wie Bitratenreservierungen für Premiumnutzer in den wahrscheinlichsten Nachbarzellen zu einer über 20% höheren Erfolgsrate beim Handover in stark belasteten Netzen fuhren. Alle Schritte zum Einsatz der Makromobilitätsprognose sind ebenfalls experimentell im Testbett, bestehend aus Mobilfunkemulatoren und mobilen Endgeräten untersucht worden. Dies ermöglicht Netzbetreibern die notwendigen Schritte zum Einsatz des Systems im eigenen Netz direkt nachzuvollziehen. Die in dieser Arbeit entwickelten Ergebnisse besitzen eine große Zukunftssicherheit, da sie nicht auf einen spezifischen Mobilfunktyp festgelegt sind, sondern als minimale Voraussetzung lediglich ein zellulares Netz benötigen. Die jeweiligen vorgestellten Schritte stellen Mobilfunknetzbetreibern ein neuartiges Vorgehensmodell zur Verfügung, mit dem sich einfach und zuverlässig die Auslastung im Netz verteilen lässt und das gleichzeitig flexibel angepasst für Datenaufbereitung, Algorithmenauswahl, Parametrisierung und Reservierung in die Netztechnologie integriert werden kann. Die Verfahren zur Modellierung von Nutzerbewegungen finden über diese Arbeit hinausgehend Eingang in multiskalaren Simulationen, die Mobilitätsmodellierung mit Funkplanungswerkzeugen verbinden.
Efficient control of current and future mobile networks is a necessary requirement for the successful competitive positioning of network operators. Information about the next associated cell of moving mobile users delivers an essential indicator enabling advance resource reservation and uninterruptible handovers between cells. This thesis is based on the idea, that users cannot move randomly between cells, but are limited by the spatial topology and specific behaviour, leading to piecewise deterministic paths. The macroscopic mobility resembles a finger print consisting of radio network coverage, user behaviour and spatial topology of road and train networks. The sequences of cells from all users form a data set, where movement patterns can be identified using knowledge discovery algorithms. Five effective pattern detection algorithms have been selected to predict the user's next cell. A sophisticated mobile network simulator has been developed as part of this thesis, which enables evaluation of the complete approach from generating cell transition sequences, pre-processing, pattern detection, post-processing, prediction and resource reservation. The simulator provides realistic and detailed modeling of movement behaviour combined with all aspects of modern communication technology. Several extensive simulation scenarios combining different movement models have been built, where finally a high-load scenario around a soccer stadium features the highest complexity. Even here a prediction accuracy of 90% is possible through elaborate determination of optimal parameterization. Measurements from real world mobile networks have additionally been used validating the feasibility of the prediction approach. An accuracy comparable to that of the simulated scenarios could be achieved. Finally, the concrete application of the predictions has been demonstrated through selection of different reservation methods. Using bit rate reservation for premium customers for the most-likely next cell the rate for successful handovers in high-load environments could been raised by more than 20%. Each necessary action has been deployed in parallel to the simulations in an experimental test bed, consisting of mobile devices and mobile network emulators. This demonstrates the steps and communication protocols mobile network operators need for integration of the prediction technology into their networks. All results presented in this thesis exhibit a long-term applicability even for future mobile networks, as the methodology's only precondition is a cellular network, which is still valid for the upcoming fourth generation. The sophisticated process model provides a complete set of methods and tools to balance network load while maintaining flexibility and customization for data pre-processing, pattern detection algorithm selection, parameterization and resource reservation. The movement models are used beyond this thesis for multi-scale simulations, which combine mobility pattern generation with enhanced radio planning tools.