面向快速移动平台的卫星连接性预测

卫星连接正日益受到关注，尤其是随着对无缝互联网访问需求的增长，尤其在交通和偏远地区。对于飞机、车辆或火车等快速移动对象，卫星连接尤为关键，因为其高 mobility 常常位于缺乏陆基覆盖的区域。可靠连接需要频繁在不同卫星波束、星座或轨道之间切换。为提升用户体验并解决长时间切换问题，机器学习（ML）算法可分析历史连接数据，预测特定位置的网络质量，从而实现主动措施，如在连接问题前进行网络切换。本文基于真实数据集，分析了地球同步轨道（GEO）卫星与飞机在多次航班之间的通信情况，并使用 ML 预测信号质量。预测模型在测试数据上实现了 0.97 的 F1 分数，证明了机器学习在飞行期间预测信号质量的准确性。通过实现无缝宽带服务，包括在不同卫星星座和提供商之间漫游，本模型满足实时信号质量预测需求。该方法可进一步适用于自动化卫星和波束切换机制，以提高整体通信效率。该模型亦可重新训练并应用于任何具备卫星连接的移动对象，包括连接车辆和火车，需定制数据集。