Gli algoritmi di intelligenza artificiale (AI) e machine learning (ML) si sono rivelati strategici nel campo della previsione del traffico per le reti di quinta generazione (5G) e sesta generazione (6G). Ricercatori dell’Università RUDN hanno recentemente condotto uno studio per esplorare l’efficacia di AI e ML nella previsione dei profili di rete mobile. Sfruttando queste tecnologie avanzate, i provider di rete possono pianificare e gestire il traffico di rete in modo più efficace, migliorando la soddisfazione degli utenti e l’efficienza della rete.
Nel loro studio, i ricercatori si sono concentrati su due modelli di analisi delle serie temporali: il modello di Holt-Winter e il modello Seasonal Integrated Autoregressive Moving Average (SARIMA). Utilizzando un set di dati di un operatore mobile portoghese, i ricercatori hanno aggregato le statistiche di traffico orarie per addestrare e testare i modelli. Hanno scoperto che entrambi i modelli hanno ottenuto ottimi risultati nella previsione del traffico nell’ora successiva.
Il modello SARIMA ha dimostrato la sua efficacia nella previsione del traffico dall’utente alla stazione base, raggiungendo un tasso di errore medio del solo 11,2%. Questo modello eccelle nel monitorare i pattern temporanei nel traffico delle reti mobili grazie alla sua capacità di registrare i pattern temporali. D’altra parte, il modello di Holt-Winter ha mostrato una migliore performance nella stima del traffico dalla stazione base all’utente, con un tasso di errore fino al 4%. La capacità di gestire componenti di stagionalità e tendenza complesse ha contribuito alla sua accuratezza.
Per valutare le prestazioni dei modelli, i ricercatori hanno utilizzato diversi criteri come Mean Square Error (MSE), Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE) e Mean Scaled Logarithmic Error (MSLE). Nonostante i modelli abbiano ottenuto risultati impressionanti, i ricercatori hanno evidenziato il potenziale di ulteriori miglioramenti mediante la messa a punto di specifici iperparametri.
I ricercatori hanno sottolineato la necessità di combinare modelli statistici con tecniche di AI e ML per migliorare l’accuratezza delle previsioni di traffico e rilevare prontamente anomalie. Mentre i ricercatori continuano a esplorare metodi per ottimizzare le prestazioni e migliorare la soddisfazione degli utenti, questo studio ha significative implicazioni per l’efficienza delle reti 5G e 6G.
Con l’introduzione di tecnologie all’avanguardia e una costante ricerca di precisione nella previsione del traffico di rete, gli algoritmi di AI e ML portano nuove possibilità nel mondo delle telecomunicazioni. Mentre i provider si sforzano di massimizzare l’efficienza di rete, le preziose intuizioni acquisite da questa ricerca guideranno gli sviluppi in questo campo in rapida evoluzione.
The source of the article is from the blog shakirabrasil.info