超越静态预测：释放世界模型在移动流量外推中的强大能力
网络与互联网体系结构
2026-04-10 v1
摘要
移动流量预测是无线网络规划与优化中既关键又具有挑战性的问题。现有模型侧重于学习移动流量序列中的静态长期时序模式，这限制了其捕捉移动流量与网络参数调整之间动态关系的能力。本文提出了一种名为 MobiWM 的移动网络世界模型。将移动流量作为系统状态，MobiWM 通过预测主干网络建模状态与网络参数动作（包括功率、方位、机械倾角和电气倾角）之间的动态关系。它融合多模态环境上下文，包括图像和序列数据，与编码后的动作结合，利用共享的空间语义来增强空间理解。凭借世界模型捕捉真实世界操作动态的能力，MobiWM 支持连续网络调整动作轨迹上的无限期外推，为运营商提供了一个可探索的仿真环境，用于网络规划和优化。针对覆盖 31,900 条单元格、9 个地区的可变参数移动流量数据进行的大量实验表明，MobiWM 在所有评估场景中实现了最佳的分布保真度，显著优于现有流量预测基线模型和代表性世界模型。进一步的下游强化学习案例研究进一步验证了 MobiWM 作为网络优化仿真环境的可行性，确立了面向数字孪生驱动的无线网络管理的新范式。
引用
@article{arxiv.2604.08199,
title = {Beyond Static Forecasting: Unleashing the Power of World Models for Mobile Traffic Extrapolation},
author = {Xiaoqian Qi and Haoye Chai and Yue Wang and Yong Li},
journal= {arXiv preprint arXiv:2604.08199},
year = {2026}
}