迈向更精确的移动蜂窝流量预测之路
机器学习
2023-05-25 v1 网络与互联网体系结构
摘要
本文报告的主要贡献是一种新颖的范式，通过它移动蜂窝流量预测的准确性得到实质性提升。具体而言，通过引入免费可用的道路指标，我们刻画了数据生成过程与空间依赖关系。因此，这提供了一种改进预测估计的手段。我们采用高速公路流量与平均车速变量，结合蜂窝网络流量指标，置于一个轻量学习结构中，以预测覆盖高速公路某段的基站小区的短期未来负载。这与先前主要研究城市场景（行人及有限车速）并开发仅使用网络指标与元信息来进行中期和长期预测的机器学习方法形成鲜明对比。该学习结构可用于小区或边缘层级，并可在联邦学习与集中式学习中找到应用。
引用
@article{arxiv.2305.15234,
title = {On the road to more accurate mobile cellular traffic predictions},
author = {Natalia Vassileva Vesselinova},
journal= {arXiv preprint arXiv:2305.15234},
year = {2023}
}