基于輕量化卷積神經(jīng)網(wǎng)絡(luò)的蜂窩流量低復(fù)雜度預(yù)測方法

摘 要：隨著蜂窩網(wǎng)絡(luò)數(shù)據(jù)流量需求的高速增長，對于未來時刻蜂窩流量情況的精準(zhǔn)預(yù)測，可以幫助改善網(wǎng)絡(luò)資源分配、實現(xiàn)流量負(fù)載均衡，并部署基站節(jié)能與休眠策略?；谳p量化線性瓶頸結(jié)構(gòu)，提出了一個具有多個并列分支結(jié)構(gòu)的空時預(yù)測模型，分別提取近期歷史數(shù)據(jù)和周期性歷史數(shù)據(jù)中的空時特征。對于網(wǎng)格化空時數(shù)據(jù)中的空間依賴性，額外通過Ｋ-Ｍｅａｎｓ 算法對網(wǎng)格高維特征進(jìn)行聚類，并提取網(wǎng)格基站密度信息作為跨域特征輸入到模型中，實現(xiàn)了使用低復(fù)雜度、低算力需求模型對研究范圍全域流量的精準(zhǔn)預(yù)測。

關(guān)鍵詞：空時流量預(yù)測；輕量化模型；卷積神經(jīng)網(wǎng)絡(luò)；深度學(xué)習(xí)；蜂窩網(wǎng)絡(luò)

中圖分類號：ＴＮ９１５． ０８；ＴＰ１８ 文獻(xiàn)標(biāo)志碼：Ａ

文章編號：１００３－３１１４（２０２４）０５－０９２１－１１

０ 引言

５Ｇ 網(wǎng)絡(luò)的成功商業(yè)化為６Ｇ 網(wǎng)絡(luò)的發(fā)展愿景及下一步演變［１］指明了方向，未來６Ｇ 網(wǎng)絡(luò)下各類設(shè)備產(chǎn)生的移動數(shù)據(jù)流量也將隨之爆炸式增長。據(jù)統(tǒng)計，２０１０ 年全球移動數(shù)據(jù)流量為每月７． ４６２ ＥＢ，而到２０３０ 年這一數(shù)字預(yù)計將達(dá)到每月５ ０１６ ＥＢ［２］，這對巨量移動數(shù)據(jù)流量的管理提出了更高的要求。在此情況下，提前了解蜂窩網(wǎng)絡(luò)的未來流量趨勢，可預(yù)判流量激增及網(wǎng)絡(luò)擁塞，制定應(yīng)急預(yù)案并進(jìn)行網(wǎng)絡(luò)擴(kuò)容［３］、調(diào)整和優(yōu)化，從而保證重點區(qū)域的服務(wù)質(zhì)量（Ｑｕａｌｉｔｙ ｏｆ Ｓｅｒｖｉｃｅ，ＱｏＳ）不大幅下降；同時得以在網(wǎng)絡(luò)過載前完成流量負(fù)載均衡，提高系統(tǒng)容量和可靠性，實現(xiàn)對于蜂窩網(wǎng)絡(luò)資源的最大化利用［４］；另外也得以能在夜間等低流量需求時段暫時關(guān)閉部分低負(fù)載基站，或使其低功率運行并動態(tài)調(diào)整其覆蓋范圍［５］，從而實現(xiàn)網(wǎng)絡(luò)資源的彈性分配，達(dá)到節(jié)能的目的。然而，單個蜂窩基站的流量數(shù)據(jù)在時域呈現(xiàn)出的高突發(fā)性、用戶生活習(xí)慣導(dǎo)致的短時依賴性與周期性、用戶移動性與城市交通和城市功能［６－７］等導(dǎo)致的空間依賴性等因素，都使蜂窩流量模式難以捕捉，同時蜂窩網(wǎng)絡(luò)預(yù)測問題也較常規(guī)的時間序列預(yù)測問題更為復(fù)雜。