인공지능 (AI)과 기계 학습 (ML) 알고리즘은 제5세대 (5G) 및 제6세대 (6G) 네트워크의 교통 예측 분야에서 게임 체인저로 입증되었습니다. 러시아 인민 우방대학교 연구원들은 최근에 AI와 ML의 효과를 탐구하기 위한 연구를 진행하여 모바일 네트워크 프로파일을 예측하는 데에 있어서 이러한 고급 기술을 활용함으로써 네트워크 제공 업체들이 네트워크 트래픽을 더 잘 계획하고 관리하여 사용자 만족도와 네트워크 효율을 향상시킬 수 있다는 것을 밝혔습니다.
연구에서는 연구자들이 두 가지 인기 있는 시계열 분석 모델인 Holt-Winter 모델과 계절적 통합 자기회귀 이동 평균 (SARIMA)에 초점을 맞췄습니다. 연구자들은 포르투갈의 모바일 운영자로부터 얻은 데이터셋을 사용하여 매시간 트래픽 통계를 모델을 훈련시키고 테스트하기 위해 집계했습니다. 그들은 두 모델이 다음 시간의 트래픽을 예측하는 데에 탁월한 성과를 보였습니다.
SARIMA 모델은 사용자-기지국 트래픽을 예측하는 데에 큰 성과를 보여 중간 오차율이 단지 11.2%로 나타났습니다. 이 모델은 시간적 패턴을 기록할 수 있는 능력으로 인해 모바일 네트워크 트래픽의 일시적인 패턴을 모니터링하는 데에 능숙합니다. 반면 Holt-Winter 모델은 기지국-사용자 트래픽을 더 정확히 추정하는 데에 더 나은 성과를 보여 최대 4%의 오차율을 보였습니다. 이 모델은 복잡한 계절성 및 추세 요소를 처리할 수 있는 능력으로 인해 정확성을 향상시켰습니다.
연구자들은 평균 제곱 오차 (MSE), 제곱근 평균 제곱 오차 (RMSE), 평균 절대 오차 (MAE), 평균 절대 백분율 오차 (MAPE) 및 평균 조정 로그 오차 (MSLE)와 같은 다양한 기준을 사용하여 모델의 성능을 측정했습니다. 이 모델들은 인상적인 결과를 달성했지만, 연구자들은 특정 하이퍼파라미터의 조정을 통해 더 나은 성능을 위한 잠재력을 강조했습니다.
연구자들은 통계 모델을 AI와 ML 기술과 결합하여 교통 예측의 정확성을 향상시키고 즉각적으로 이상 현상을 감지하는 필요성을 강조했습니다. 연구자들이 성능을 최적화하고 사용자 만족도를 향상시키기 위한 방법을 계속 탐구하는 가운데, 이 연구는 5G와 6G 네트워크의 효율성에 중대한 영향을 미치는 의미가 있습니다.
최첨단 기술의 도입과 네트워크 트래픽 예측의 정확성을 위한 끊임없는 추구와 함께, AI와 ML 알고리즘은 통신 분야에 새로운 가능성을 제시합니다. 제공업체들이 네트워크 효율을 극대화하기 위해 노력함에 따라, 이 연구에서 얻은 귀중한 통찰력은 이 빠르게 진화하는 분야에서의 진보를 이끌어낼 것입니다.
The source of the article is from the blog cheap-sound.com