LSTM 네트워크를 사용한 원시 데이터에서의 모바일 트래픽 예측

모바일 네트워크 트래픽에 대한 예측 분석은 차세대 셀룰러 네트워크에 있어 기본적인 중요성이 커지고 있습니다. 사용자 요구를 사전적으로 파악함으로써 시스템은 최적의 자원 할당을 할 수 있습니다. 본 논문에서는 LTE 기지국의 모바일 트래픽을 연구하고 반복 신경망을 활용한 트래픽 예측 시스템을 설계합니다. 모바일 트래픽 정보는 1에서 제시된 수동 도구를 사용하여 LTE의 물리적 하향 제어 채널(PDCCH)에서 수집됩니다. 이 도구를 통해 기지국으로부터 1ms 해상도의 모든 제어 정보를 수집할 수 있습니다. 이 정보는 eNodeB에 연결된 각 사용자에게 할당된 자원 블록, 전송 블록 크기 및 변조 방식을 포함합니다. 예측 시스템의 설계에는 장단기 메모리 유닛이 포함됩니다. 다층 퍼셉트론 네트워크 또는 다른 인공 신경망 구조와 관련하여, 반복 네트워크는 순차적 데이터(예: 언어 모델링) 문제에 유리합니다. 우리의 경우, 우리는 PDCCH에서 추출된 정보를 제공할 때 모바일 트래픽에 대한 감독된 다변량 예측 문제로 서술합니다. 목표는 예측 오류를 최소화하는 것입니다. 우리는 관측 값의 지속 시간에 따라 다른 수치를 고려하여 제안된 방법론의 1단계 예측 및 장기 예측 오류를 평가합니다. 이는 LSTM 네트워크의 메모리 길이를 결정하고 정확한 트래픽 예측을 위해 저장해야 할 정보의 양을 결정합니다.