边缘机器学习：一种数据驱动的架构及其在 5G 蜂窝网络中的应用

第五代蜂窝网络（5G）将依赖边缘云部署来满足未来应用的超低延迟需求。在本文中，我们认为此类部署也可用于在移动网络中实现先进的数据驱动和机器学习（ML）应用。我们提出了一种基于边缘控制器的蜂窝网络架构，并利用美国一家主要运营商数百个基站的真实数据评估其性能。在这方面，我们将提供关于如何根据用户全局移动模式动态聚类和关联基站与控制器的见解。然后，我们将描述如何使用控制器运行 ML 算法来预测每个基站的用户数，以及一个更高层应用利用这些预测根据网络关键性能指标（KPI）路由车辆交通的用例。我们表明，基于依赖控制器视图（并因此依赖用户移动性引入的空间相关性）的机器学习算法的预测精度，相对于仅基于每个单一基站本地数据的预测有所提高。