改进GAN模型在基站流量预测及5G节能中的应用

【目的】为了更精准地预测5G基站的流量,分析潮汐现象,提出一种优化的生成对抗网络(generative adversarial network,GAN)模型流量预测方法,并将其用于实际基站的定时控制中。【方法】GAN的生成器利用差分演化灰狼算法优化长短时记忆网络(long short term memory networks,LSTM),判别器使用门控循环神经网络(gated recurrent unit,GRU)进行判别,生成器和判别器利用不断地对抗训练达到均衡从而提高了5G基站流量的预测精度;其次,利用改进人工蜂群优化k-means++算法,将其用于输出最优基站定时时间,达到最大限度节能的目的。【结果】实验结果表明,与现有模型相比,所提预测模型有更高的预测精度,定时控制功能可极大地节约能耗。

基于深度强化学习的基站动态开关研究

随着5G移动互联网的快速发展,为了满足用户不断增长的流量需求,5G基站大规模部署,导致能耗急剧增加。针对以上问题,通过采用流量预测与深度强化学习相结合的方法,建立基站动态开关模型。具体而言,该模型通过密集卷积神经网络(Densely Connected Convolutional Networks, DenseNet)对基站流量进行预测;进一步地,基于精确的移动流量预测,将基站开关控制问题建模为一个马尔科夫决策过程(Markov Decision Process, MDP),然后通过强化学习方法进行求解。此外,强化学习的reward函数设计在优化基站开关成本时综合考虑了多方面的因素,包括能耗和用户服务质量(Quality of Service, QoS)下降成本,目标是在降低能耗的前提下,最小化长期的基站能量消耗。最终通过对真实数据集的大量实验验证,提出的模型与当前使用的基站常开策略相比,能够节约37%的能量消耗,且节能效果也优于传统启发式算法。

高速公路收费站车道功能及方向优化模型

为解决临近城区的高速公路收费站节假日潮汐拥堵问题,通过动态调整收费车道使用功能和切换车道收费方向,提出了收费站车道类型及收费方向控制方法,并给出了相应的收费车道配置流程。结合排队论,考虑车道控制约束,以收费站运营成本、用户延误成本和收费站免费放行损失成本之和最小为目标,构建车道功能及收费方向优化模型。研究结果表明:双向收费车道需设置在收费广场中间,收费站拥堵免费放行位置以在用车道平均排队车辆数5~10辆为判定标准;与不可切换收费方向的传统方案相比,车道控制方案通过平衡出入口交通需求,动态调整车道方向,提升了收费站通行效率;系统成本随电子不停车收费(electronic toll collection, ETC)使用率的增加、交通需求的降低而减少;车道控制方案的系统成本不大于传统方案,且存在潮汐车流时,车道控制方案效益提升更加明显。所提出的车道控制方法能适应不同流量场景,对收费站车道开放和“潮汐车道”设置具有指导意义。

日本轨道站点区域交通空间三维立体化设计及启示

日本轨道站点区域交通空间三维立体组合方式构建的高效接驳系统极大地促进了站点区域的高度集聚发展。为了厘清站点区域交通空间的立体化设计方法及接驳方式,通过文献调查、归纳推理、空间分析的方法,研究日本站点区域三维空间类型及高效接驳方式。研究表明:日本轨道站点交通空间的类型包括轨道交通、机动交通、步行交通与静态交通4种,接驳形式包括轨道站点交通空间多样性立体基面、网络化空间形态以及有序性空间衔接模式。研究提出了双层、多层交通基面及其网络拓扑结构,建筑内外部无缝衔接模式,高架+地下的立体交通网络,步行体系提升站域可达性的设计方法,以及静态停车提升站域土地利用效率并促进有机换乘的设计方法。

基于定量递归联合熵特征重构的缓冲区流量预测算法

对网络基站缓冲区的短时网络流量的准确预测是缓解和控制拥堵的关键。基站缓冲区的短时网络流量时间序列具有非线性混沌特征,其自相关特性较弱,而传统方法采用线性时间序列分析方法没能有效挖掘流量序列的非线性特征信息,流量序列预测性能不好。提出了一种基于非线性时间序列分析的定量递归联合熵特征重构网络基站缓冲区的短时网络流量预测算法,该算法提取流量序列的定量递归联合熵特征,并对特征序列进行相空间重构;把网络流量信号模型进行高维映射,在高维相空间对短时网络流量序列进行定量递归分析;采用自相关特征奇异分解对流量序列进行聚合后的线性叠加,采用平均互信息算法和虚假最近邻点算法计算最佳时延参数和最小嵌入维;进行插值拟合形成时频分析特征分流控制,实现对网络流量的预测。仿真结果表明,该算法预测精度较高,稳定性较好,预测偏差较传统方法低,具有较好的应用价值。

移动基站近距离区域电磁辐射污染分布特征

针对居住在城市移动基站附近的居民日益关注的电磁辐射污染问题,通过移动基站近距离区域电磁场分布连续24h监测与分析,研究正常工作日内基站周围近距离区域电磁场功率密度随时间和距离的变化,以及功率密度的概率分布,并根据24h各时段内的话务量,使用统计分析(SAS)系统对此影响因素进行相关性分析.结果显示,一天内移动基站天线附近电磁辐射随时间呈现明显的波动,其功率密度的概率分布接近正态分布,手机的话务量与电磁场强度具有一定的相关性.在近距离区域,功率密度随距离增加,在一定距离上出现峰值,峰值出现的距离与天线高度有关.对我国一般的城市基站,环境电磁辐射低于标准限值.

基于AI的全场景智能基站节电系统设计与实现

在集约化网络的建设背景下,如何实现自动化、智能化、保体验的基站能耗管理,成为当前运营商的运营管理痛点。创新地提出一种全智能检测、全场景建模、全流程自助的3G/4G/5G智能基站节电方案,通过动态时间规整算法区分覆盖场景,利用SARIMA模型预测时间框构建自适应模型,实时监控指标保证用户感知,自动下发节电策略,短信告警及时拉起。在用户无感知的情况下,实现小区粒度级最大限度节约基站能耗。该方法已在某省网络试点推行,试点区域单站平均节电效率可达9.24%每日,具备实际生产指导意义。

一种基于RFID技术的交通管理系统

提出了一种基于射频识别(RFID)技术的交通管理系统,将无源RFID电子标签作为汽车和司机的"电子身份镜像",对区域性交通管理进行探索。该系统可为交通的数字化和智能化管理提供便利,能够满足各行业涉及驾驶的要求。

多基站调度网话务量模型

通过对某市公安集群专网19个基站251万条原始呼叫数据的统计分析,基于跨站呼叫话务量分摊方法,总结出调度型无线通信系统的话务量规律和特性,建立了多基站调度专网话务量模型,首次为调度网的网络规划、信道数设计提供了有效的算法。

基于人工智能的基站网络流量预测模型设计

通过人工智能算法深度挖掘网管数据、用户级数据、经分数据等各数据之间的关系,找到与流量数据相关的向量或参数作为模型训练的特征构建基站预测模型,提前预知基站即将突发的高负荷,提前扩容,提高用户感知,实现基站流量预测,能较好地解决基站当前面临的容量问题。

基于微网格及业务密度基站建设合理性分析

提出了微网格和业务密度的概念,通过对网络细分,结合业务密度给出网格等级,把一张大网络分割为几种类别的网格,能比较准确把握投资建设方向,直观给出建设是否合理的结论。

基于基站切换的交通信息采集技术应用研究

基于移动通信网络基站切换的交通信息采集技术,突破传统交通信息采集技术许多的局限性,仅需增加少量处理设备情况下,能够实时、广域范围内采集交通数据,表现出了良好的实用性、经济性,是一种新型的交通信息采集技术。分析这种新型技术的实现原理、关键技术、影响要素,并结合实践应用给出了技术评估指标体系,多方面评估该技术推广发展可行性,提出该技术应用、发展、完善重点,为规模性应用提供研究基础。

基于宽度&深度学习的基站网络流量预测方法

针对无线网络流量长期预测问题,提出一种基于宽度&深度学习的基站网络流量预测方法。首先,利用S-H-ESD算法和数据平滑方法对网络流量数据进行预处理,以降低噪声数据对预测的影响;然后,将网络流量作为宽度&深度模型的深度部分(神经网络)的输入,将无线资源控制(RRC)连接数和物理资源块(PRB)利用率作为模型的宽度部分(线性模型)输入,通过结合深度部分和宽度部分来预测网络流量。所提方法为所有基站的网络流量建立一个预测模型,预测结果的均方根对数误差(RMSLE)为0.985,明显优于传统的季节性差分自回归滑动平均模型(RMSLE为2.095)和长短期记忆网络模型(RMSLE为3.281)。实验结果表明:宽度&深度模型通过结合线性模型的记忆能力和深度模型的泛化能力,能够更好地解决无线网络流量的长期预测问题。

基于SVD和ARIMA的时空序列分解与预测

针对传统时空序列建模过程中估计空间权重矩阵时难度较高的问题,提出一种基于奇异值分解(SVD)的时空序列分解模型ST-SVD。对原始时空序列矩阵进行平稳性检测并中心化为零均值平稳时空序列,在假设时间和空间没有交互作用的前提下,利用SVD技术将时空序列分解为空间模式、时间模式以及模式强度的乘积,通过ARIMA模型对平稳的时间模式进行建模并得到其预测结果,在此基础上,将时间模式的预测结果与分解得到的空间模式相结合,利用SVD技术对真实的时空序列进行重建,得到各个空间点的最终预测结果。实验结果表明,与ARIMA、Lasso-VAR、LSTM和STARMA模型相比,ST-SVD模型的训练时间成本降低50%以上,预测精度提升10%以上,其在实际工程应用中能够有效完成时空序列预测任务。

考虑基站选址的UAV交通巡视路径超级时空网络模型

针对考虑基站选址的无人机交通巡视路径优化问题,提出一个超级网络与时空网络相结合的方法,并通过该方法建立模型。通过在时空网络添加虚拟起降点,与全部时刻的备选基站相连接构成超级时空网络,可将考虑基站选址的路径规划转换为一个单纯的多UAV路径规划问题。与不考虑基站选址的路径规划相比,考虑基站选址能够使最大单机飞行时间和总飞行时间分别减少5. 71%和11. 59%。数值分析表明,基站选址和交通巡视路径规划整合可有效减少UVA的巡视成本。

无线小区无缝隙覆盖的实现

为了提高网络营运质量,需要解决无线覆盖的优化问题。本文根据实际情况分析了无线小区的网状结构,找出目前网络覆盖中存在的问题,并根据无线网络通信中的实际运行环境,进行了网络覆盖的预测,对不同的话务量地区采取不同的小区覆盖措施。

基于双向门控循环单元的通信基站流量预测研究

现有的通信基站流量调节方法多基于单向神经网络预测调配,边缘信息的缺失导致精度不高。为解决此问题,提出一种基于双向门控循环单元的通信基站流量智能化预测方法。该方法选择门控循环单元,有效捕获时间序列的潜在规律,并突破单向调配方法的缺点,从前后两个方向独立进行训练,利用完整历史信息,实现更精准的预测效果。根据北京国测星绘采集的约8GB的小区上行流量数据,使用单、双向长短期记忆网络以及单向门控循环单元进行比较实验,结果表明,双向门控循环单元方法较对照算法在R;上平均提高约0.1,预测精度也有显著提升,对基站流量调节起到决策支持作用,具有一定现实意义。

基于长短时预测的基站节能策略

随着移动通信技术的发展和5G商用建设的加快,5G功耗将继续大幅度提升运营成本。如何在保障业务体验及设备安全的基础上实现节能最大化,始终是产业界研究的焦点之一。针对网络结构复杂、站型丰富等挑战,提出了以“感知、预测、分析、决策”AI技术为核心的节能策略生成、闭环安全保障技术。基于离线数据,验证了预测技术效果,达到了基站节能误关率低于2%、召回率不低于84%的效果。进一步的实践应用效果证明,在保障网络质量稳定的前提下,能够有效挖掘更多节能空间和节能时长,显著提升节能量,达到降本增效的目的。

基站控制器话务统计分析

交换机的承载能力和网络的运行情况可通过话务量的测量和统计来进行,通过对流入话务量、完成话务量等事件的统计测量,可以得出网络的繁忙程度、小区的优劣状况以及小区的服务等级(GOS)等,为通信网络的规划和运营维护提供长期帮助。

GSM高楼基站通信质量的优化

上海现网GSM网络存在一定数量的高站,这些高站话务高,对周围小区有一定干扰。优化这些高站可以降低配置、减小干扰、提高质量、增强保障。本文按照顶层小区覆盖来实施优化,尽量减小载频配置,根据现网高站的话务量情况提出分类优化方案。实验证明本优化方案能有效改善高站相关指标。