Zen：基于 LSTM 的具有交互作用的个体时空蜂窝流量生成
网络与互联网体系结构
2023-01-06 v1 机器学习
摘要
蜂窝网络数据集（即计费数据记录，称为 CdR）因在人类存在与活动研究中的高价值而得到领域广泛认可，但其存在可访问性、可用性与隐私问题，限制了其利用与研究可复现性。本文通过建模满足真实世界数据属性的 CdR 来应对这些挑战。我们设计的框架名为 Zen，遵循四重方法论：（i）基于 LSTM 的用户流量行为建模，（ii）时空移动行为的真实且灵活仿真，（iii）逼真的蜂窝网络基础设施与社会交互结构，以及（iv）将前三个模块以个体为基础真实地组合为真实 CdR 轨迹。结果表明，Zen 的第一与第三模型准确捕捉了完全匿名真实世界 CdR 数据集的个体与全局分布，而第二模型与人类移动性文献所揭示特征一致。最后，我们验证了 Zen CdR 复现城市人口每日蜂窝行为的能力，以及其在动态人口追踪、无线接入网（RAN）节能与异常检测等实际网络应用中的效用（相较于真实世界 CdR）。
引用
@article{arxiv.2301.02059,
title = {Zen: LSTM-based generation of individual spatiotemporal cellular traffic with interactions},
author = {Anne Josiane Kouam and Aline Carneiro Viana and Alain Tchana},
journal= {arXiv preprint arXiv:2301.02059},
year = {2023}
}