基于测量的 5G NSA 铁路网络可靠性崩溃早期预警
网络与互联网体系结构
2026-03-26 v4 机器学习
信号处理
摘要
本文提出了一种基于测量的 5G 无独立组网 (NSA) 铁路网络可靠性崩溃事件的早期预警研究。利用 10 Hz 地铁列车测量轨迹，包含服务小区和邻居小区指示符，我们在多种观察窗口和预测时程下，对六个具有代表性的学习模型进行基准测试，包括 CNN、LSTM、XGBoost、Anomaly Transformer、PatchTST 和 TimesNet。本研究并未提出新的预测架构，而是构建了一个基于测量的基准，用于量化 5G NSA 铁路环境下以秒级时间预警可靠性的可行性及运行权衡。实验结果表明，学习模型可利用商业设备上轻量级无线特征，提前数秒预判与 RLF 相关的可靠性崩溃事件。所提出的基准为感知辅助通信控制提供了洞见，并为未来 mobility control 中的感知与分析集成提供了经验基础。
引用
@article{arxiv.2511.08851,
title = {Measurement-Driven Early Warning of Reliability Breakdown in 5G NSA Railway Networks},
author = {Po-Heng Chou and Da-Chih Lin and Hung-Yu Wei and Walid Saad and Yu Tsao},
journal= {arXiv preprint arXiv:2511.08851},
year = {2026}
}
备注
6 pages, 3 figures, 2 tables, and submitted to 2026 IEEE Globecom