5G 长期大规模移动流量预测
机器学习
2022-12-22 v1 网络与互联网体系结构
摘要
对于服务提供商而言，理解并预测大规模蜂窝网络中的移动流量，以治理和管理基站选址、负载均衡及网络规划机制至关重要。本文旨在从部署于不同都市区的超过 14,000 个小区中提取并模拟流量模式。为此，我们创建、实现并评估了一种方法：首先将小区按兴趣点分类，然后依据各区域小区的时间分布进行聚类。所提模型已使用在多个城市 31 周内收集的真实 5G 移动流量数据集进行测试。我们发现所提模型在提前至多 2 周预测移动流量模式方面表现良好。在大多数兴趣点区域，我们的模型优于基线模型，且相较于朴素方法通常实现高达 15% 更小的预测误差。这表明我们的方法在大规模蜂窝网络中预测移动流量模式是有效的。
引用
@article{arxiv.2212.10869,
title = {5G Long-Term and Large-Scale Mobile Traffic Forecasting},
author = {Ufuk Uyan and M. Tugberk Isyapar and Mahiye Uluyagmur Ozturk},
journal= {arXiv preprint arXiv:2212.10869},
year = {2022}
}