具有峰值增强的多模态时空-频率融合用于蜂窝流量预测

蜂窝网络流量的准确预测对于现代移动通信系统中的网络规划、资源分配和服务质量保证至关重要。真实世界的流量通常表现出突发性的内源动态和由外部城市事件触发的干扰，这使得可靠的预测极具挑战性。大多数现有的时空流量预测方法主要关注单一模态内的内在流量模式或结构关系，很少将突发行为与外部上下文信号一起建模。为了解决这个问题，我们提出了\textbf{MSPF-Net}，一个集成外部上下文信息的多模态蜂窝流量预测框架。具体来说，MSPF-Net由一个用于捕获时间、空间和频谱流量模式的时空-频率流量编码器、一个用于提取突然尖峰的突发感知表征的峰值增强模块、一个用于将城市新闻流编码为外部上下文嵌入的新闻上下文表征模块，以及一个用于自适应集成这些异构信号以生成预测的动态融合预测模块组成。在米兰、特伦托和LTE流量数据集上的实验表明，联合建模流量动态、突发模式和新闻上下文信号可以有效提高预测性能。