5G Traffic Forecasting: If Verticals and Mobile Operators Cooperate
在5G研究中，传统上假设垂直行业（也称为垂直行业）为他们希望向移动用户提供的服务设定性能要求，而移动运营商则负责协调其资源以满足这些要求。出于观察，成功的编排需要可靠的流量预测，在本文中，我们调查的垂直，而不是移动运营商，执行这样的预测的影响。利用真实世界的大规模众包跟踪，我们发现在预测过程中涉及垂直行业可以减少预测错误，并提高最终编排决策的质量。
2019-01-01 cs.NI
Analytical Performance Model for Poisson Wireless Networks with Pathloss and Shadowing Propagation
信号干扰噪声比（SINR）是无线网络分析的一个关键因素。实际上，SINR分布允许导出性能和服务质量（QoS）评估。此外，它还使得能够分析无线电资源分配和调度策略，因为它们取决于UE（用户设备）达到的SINR。因此，它是特别感兴趣的是开发一种分析方法，允许评估的SINR，在一个简单而快速的方式，为现实的环境。考虑随机泊松网络模型，建立了信干噪比的累积分布函数。我们表明，阴影可以忽略不计，在许多情况下，只要手机连接到他们最好的服务基站（BS），即BS为他们提供最强大的有用信号。因此，可以通过使用仅考虑路径损耗的传播模型来建立直接从SINR的CDF导出的性能和服务质量的分析。此外，我们建立了流体网络模型，我们已经提出了可以用来分析随机泊松分布网络。因此，随机泊松网络的分析可以在一个简单和快速的方式，通过使用的解析表达式的SINR建立感谢流体网络模型。
2014-11-19 cs.NI
Analyzing Locality of Mobile Messaging Traffic using the MATAdOR Framework
移动信息服务在全球电信业中占有很大份额。与电话、短信或电子邮件等传统服务不同，它们没有一个标准化的环境，可以实现联合和潜在的本地服务架构。我们对28个国家之间四种流行的移动消息服务的通信模式进行了广泛和大规模的分析，并分析了通信的本地性及其对用户隐私的影响。我们发现，移动消息服务的服务器架构高度集中在单个国家。这迫使信息大大偏离直接通信路径，使托管和传输国家能够潜在地拦截和审查流量。为了进行这项工作，我们开发了一个测量框架来分析这些移动消息服务的流量。它允许使用移动消息传递应用程序进行自动化实验，对这些应用程序是透明的，并且不需要对应用程序进行任何修改。
2016-01-19 cs.NI
Consistent User-Traffic Allocation and Load Balancing in Mobile Edge Caching
配备高速缓存的基站（CBS）是一种有吸引力的替代卸载快速增长的回程流量在移动网络中。新的5G技术和密集的毫微微蜂窝使一个用户能够同时连接到多个基站。实际的实现需要在BS中的缓存被视为一个缓存服务器，但很少有现有的工作考虑如何卸载流量，或如何调度HTTP请求到CBS。在这项工作中，我们提出了一个基于DNS的HTTP流量分配框架。该算法通过DNS解析在多个CBS之间调度用户流量，兼顾负载均衡、流量分配一致性和DNS调度粒度。为了解决这些问题，我们制定了基于DNS的移动边缘缓存的用户流量分配问题，旨在最大限度地提高QoS增益和分配的一致性，同时保持负载平衡。然后，我们提出了一个简单的贪心算法，它给出了一个更一致的解决方案时，用户流量的动态变化。理论分析证明，该方法与最优解的误差在3/4以内。在数值和跟踪驱动的情况下的广泛的评估表明，贪心算法可以避免约50%的不必要的移动用户流量分配，产生更稳定的缓存命中率和平衡的负载CBS之间没有失去太多的QoS增益。
2020-01-16 cs.NI
On the Reduction of Broadcast Traffic in Mobile Ad Hoc Networks
许多移动自组织网络协议使用简单的洪泛，以适应时变网络拓扑的变化。大多数情况下，网络范围的泛洪会导致冗余数据包，并增加网络拥塞、数据包冲突的可能性、可用带宽的低利用率，以及最重要的是，更高的功耗。在本文中，我们提出了一个新的跨层广播计划，以尽量减少在移动自组织网络中的广播流量。我们的方案是基于使用接收信号强度指示符，RSSI值，以减少广播数据包的数量。仿真结果验证了该方法的有效性。
2011-04-21 cs.NI
Beyond Static Forecasting: Unleashing the Power of World Models for Mobile Traffic Extrapolation
Tsinghua University（清华大学）；Beijing University of Posts and Telecommunications（北京邮电大学）
本文提出MobiWM世界模型，用于移动网络中的移动交通外推，通过融合多模态环境上下文和编码动作，提升空间理解，实验表明其在所有评估场景中均取得最佳分布保真度。
2026-08-07 cs.NI
Energy-efficient Traffic Bypassing in LTE HetNets with Mobile Relays
由3GPP针对LTE-A标准化的核心技术之一是中继节点（RN）的引入。RN旨在确保小区边缘的覆盖以及在热点区域提供增强的容量。这个概念的扩展是移动中继（MR）。MR可以安装在车辆上，最初的想法是为高速列车内的用户提供服务，从而对抗固有的严重衰落和车辆穿透损耗。在这项工作中，我们提出了一个框架，利用移动中继（MR），即使在城市环境中的低速绕过附近的用户，无论是内部或外部的车辆的流量。特别是，我们表明，除了增加容量和良好的质量覆盖，这种方法实现了重要的节能移动终端。
2015-07-15 cs.NI
Cache-Aware QoE-Traffic Optimization in Mobile Edge Assisted Adaptive Video Streaming
多接入边缘计算（MEC）能够将视频内容放置在网络边缘，旨在提高移动客户端的体验质量（QoE）。边缘服务器处的视频内容缓存还减少了移动网络回程中的流量，从而降低了移动网络运营商（MNO）的运营成本。然而，最小化高速缓存未命中率和最大化平均视频质量有时可能彼此矛盾，特别是当高速缓存大小受到约束时。我们在这篇文章中的目标是两个方面：首先，我们探索固定视频内容缓存对移动客户端的最佳QoE的影响，在移动网络边缘的服务器处理比特率选择的设置。其次，我们要研究缓存替换对QoE流量权衡的影响。针对联合最大化QoE、公平性以及最小化源视频服务器上的总数据流量的问题，制定了整数非线性规划（INLP）优化模型。由于其NP-困难性，我们然后提出了一个低复杂度的贪婪算法，最小需要的参数调整，可以很容易地部署。我们通过模拟表明，联合优化确实能够实现流量减少和QoE之间的理想权衡。结果还表明，在固定缓存内容的情况下，缓存对QoE的影响与MNO的期望操作点成比例。此外，当缓存大小受到约束时，缓存替换对QoE的影响与其对回程流量的影响相比不太明显。
2018-05-19 cs.NI
Predicting Short-term Mobile Internet Traffic from Internet Activity using Recurrent Neural Networks
移动网络流量预测是网络容量规划和优化的重要输入。现有方法可能缺乏速度和计算复杂性来解决时间序列移动网络数据中的突发、非线性模式或其他重要相关性。我们比较了两种深度学习架构的性能-长短期记忆（LSTM）和门控递归单元（GRU）-使用两个月的意大利电信数据预测米兰大都市地区的移动互联网流量。K-Means聚类用于基于互联网活动对单元进行先验分组，并且网格搜索方法用于确定每个模型的最佳配置。使用均方根误差评价模型的预测质量。这两种深度学习算法都能有效地对互联网活动和季节性进行建模，无论是在几天内还是在两个月内。我们发现城市内不同集群的表现存在差异。总的来说，LSTM在我们的实验中优于GRU。
2020-10-12 cs.NI
Automation of Smartphone Traffic Generation in a Virtualized Environment
对快速发展的移动终端应用流量进行可扩展和全面的分析是非常重要的，但对于深度分组检测（DPI）引擎执行有效的策略管理来说是一个具有挑战性的问题。我们提出了一个测试框架，在该框架中，测试驱动程序可以通过调用真实移动应用程序（而不是流量重播）的适当方法（意图）在虚拟化环境中对移动应用程序流量分析引擎进行回归或功能测试来自动化/编排流量生成，而无需真正的硬件。我们通过使用Android VM在虚拟测试设置中通过DPI引擎自动化实时Skype呼叫来演示这一概念。
2015-10-27 cs.NI
An Approach for Spatial-temporal Traffic Modeling in Mobile Cellular Networks
移动蜂窝网络中的业务数据的量和类型一直在持续增长。同时，交通数据在时间和空间等多个维度上动态变化。因此，流量建模是必不可少的理论分析和未来的超密集蜂窝网络的节能设计。在本文中，作者试图建立一个易于处理的和准确的模型来描述实际蜂窝网络中的单个基站的流量变化模式。首先，基于蜂窝网络中的实际数据，提出了一种描述多个基站业务量随时间变化的正弦叠加模型。结果表明，一个区域内多个基站的平均业务量呈周期性变化，并具有三个主要的频率分量。然后，对数正态分布的空间建模的实际交通数据进行了验证。分析了空闲时间和繁忙时间的空间流量分布。并给出了园区、校园和中心商务区三个典型区域的模型参数。最后，提出了一种基于多基站时空业务分布的单基站时空业务联合建模方法。通过与当前蜂窝网络中的实际数据进行比较，对这三种模型进行了评估。结果表明，这些模型能够准确地描述蜂窝网络中实际业务数据的变化规律。
2017-03-31 cs.NI
Traffic Engineering Based on Effective Envelope Algorithm on Novel Resource Reservation Method over Mobile Internet Protocol Version 6
21世纪的第一个十年见证了移动互联网及其技术的巨大进步。视频会议等实时业务的高业务量给网络带来了巨大的挑战。与此同时，对在计算和通信中使用移动设备（诸如智能电话、个人数字助理和支持移动的膝上型计算机）的需求迅速增长。这些服务推动了对网络带宽需求的增加和降低。本文的一个方向是在移动IPv6网络上的资源预留协议（RSVP）的情况下。移动IPv6网络上的资源预留和服务质量提供有许多解决方案，但大多数都使用高级资源预留。在本文中，我们提出了一个数学模型，以确定最大的端到端的延迟约束通过中间路由器沿网络。这些边界被发送回归属代理以供进一步处理。一旦归属代理接收到最大端到端延迟界限，它就计算累积界限，并将该界限与期望的应用端到端延迟界限进行比较，以做出关于资源预留的最终决定。这种方法提高了网络资源利用率。
2012-11-22 cs.NI
Simulation of wireless dynamic source routing protocol with IP traffic flow analysis, memory efficiency and increased throughput
在无线移动adhoc网络技术快速发展的今天，有着广阔的研究空间。众所周知，移动网络的无线通信有许多应用领域，如路由服务，安全服务等。移动自组织网络是一种无线通信网络，其中的移动节点组织没有任何集中的管理员。有许多MANET路由协议，如反应式，主动式，混合式等，在本文中的反应式MANET路由协议，如DSR模拟50个移动节点的IP业务流的流量分析。并对DSR和ER-DSR协议的吞吐量进行了分析。最后对DSR和ER-DSR仿真过程中占用的内存进行了评估，以比较两者。
2013-07-05 cs.NI
On the Relation Between Mobile Encounters and Web Traffic Patterns: A Data-driven Study
传统上，移动性和网络流量是分开研究的。它们的交互对于未来几代移动服务和有效缓存至关重要，但尚未对真实世界的大数据进行深入研究。在本文中，我们描述了移动遇到和使用大规模的数据集（大小为30 TB）的WiFi和NetFlow跟踪网络流量配置文件之间的相关性研究。该分析首次在时空维度上量化了这些相关性，将设备类型分为移动长笛和坐着使用大提琴。结果一致表明，在多天内，不同建筑物之间的流动性遭遇和交通之间存在明显的关系，遇到的对显示出比未遇到的对更高的交通相似性，长时间的遭遇与最高的相似性相关。我们还调查了学习的可行性，通过网络流量配置文件，传播协议的影响，接触跟踪。这提供了一个令人信服的案例，将移动性和网络流量维度整合到未来的模型中，不仅在个人层面，而且在成对和集体层面。我们已经在GitHub上发布了本研究中使用的代码和数据样本，以支持可重复性并鼓励进一步的研究（https：//github.com/BabakAp/babter-traffic）。
2018-11-05 cs.NI
On Practical Aspects of Mobile Data Offloading to Wi-Fi Networks
蜂窝网络上的数据业务呈现出持续的指数增长，每年以一个数量级增长，并且已经超过了语音业务。数据业务需求的这种增长导致了对增强容量供应的解决方案的需求，由此，将业务卸载到Wi-Fi是可以增强实现容量的一种手段。尽管卸载到Wi-Fi网络多年来已经成熟，但运营商仍然面临着许多挑战。在本文中，我们对运营商在将数据流量卸载到Wi-Fi网络时所面临的实际挑战进行了调查。我们还提出了成功应对这些挑战的建议。
2015-08-08 cs.NI
Characterizing and Modeling Control-Plane Traffic for Mobile Core Network
在本文中，我们首先对控制平面流量进行了第一次深入的表征，使用在真实世界LTE移动核心网络（MCN）中采样的37，325个UE的真实控制平面跟踪。我们的分析表明，控制事件在UE之间的设备类型和时间上表现出显著的多样性。其次，我们研究了传统的概率分布，已被广泛采用的建模互联网流量可以模拟控制平面流量起源于个人UE。我们的分析表明，控制事件的到达间隔时间以及在UE状态的EMM和ECM的蜂窝网络的逗留时间不能建模为泊松过程或其他传统的概率分布。我们进一步表明，这些模型未能捕获的控制平面流量的原因是由于其较高的突发性和较长的尾巴在累积分布比传统的模型。第三，我们提出了一个两级层次的基于状态机的流量模型UE集群来自我们的自适应聚类方案的基础上半马尔可夫模型，以捕捉移动网络控制平面流量的关键特征-特别是，每个UE产生的事件之间的依赖性，以及设备类型和UE之间的时间的多样性。最后，我们展示了当5G UE的相当大的控制平面轨迹可用于训练调整后的模型时，我们的模型如何从LTE轻松调整到5G，以支持5G控制平面流量建模。为LTE/5G网络开发的控制平面流量生成器向研究社区开源，以支持高性能MCN架构设计研发。
2022-12-26 cs.NI
Enhancing Mobile Data Offloading with Mobility Prediction and Prefetching
我们提出的程序，利用移动性预测和预取，以提高卸载流量从移动网络到WiFi热点，延迟容忍和延迟敏感的流量。我们评估的程序卸载流量的百分比，数据传输延迟，用于预取的缓存大小。评估认为经验测量，并显示各种参数如何影响的程序的性能，以及它们的鲁棒性的时间和吞吐量估计误差。
2013-06-13 cs.NI
Mobile Traffic Prediction using LLMs with Efficient In-context Demonstration Selection
本研究提出LLM驱动的上下文感知移动流量预测框架，通过基于有效性与信息性规则的两步ICL示例选择策略提升精度，在真实5G数据集上表现优于零样本及其他示例选择方法。
2025-06-05 cs.NI
Performance and Energy Efficiency of Mobile Data Offloading with Mobility Prediction and Prefetching
我们提出了一个详细的评估程序，利用移动性预测和预取，以提高卸载流量从移动网络到WiFi热点，延迟容忍和延迟敏感的流量。我们认为经验测量和评估的百分比卸载流量，数据传输延迟，和能源消耗的建议程序。我们的研究结果说明了各种因素，如移动，WiFi和热点回程吞吐量，数据大小，热点的数量，以及时间和吞吐量估计误差，影响移动数据卸载的性能和能源效率与移动性预测和预取增强。
2013-06-16 cs.NI
A Block Regression Model for Short-Term Mobile Traffic Forecasting
Tsinghua University（清华大学）
准确的移动流量预测对于有效的网络规划和运营至关重要。然而，现有的交通预测模型具有很高的复杂性，使得预测过程缓慢且成本高。本文分析了移动业务的周期性、空间相似性和短期相关性等特性。基于这些特点，我们提出了一个\emph{Block Regression}（{BR}）模型的移动业务预测。该模型采用季节性差异，以考虑到移动业务的时间重复性。我们的{BR}模型的关键特征之一在于其低复杂性，因为它为所有基站构建了单个模型。我们评估的准确性{BR}模型的基础上，实际的交通数据，并与现有的模型进行比较。结果表明，我们的{BR}模型提供了相同的准确性，现有的模型，但具有更低的复杂性。
2015-11-17 cs.LG cs.NI
Infrastructure Sharing for Mobile Network Operators: Analysis of Trade-offs and Market
不断增长的移动服务需求和专用频谱的未充分利用的冲突问题已经产生了一种范例，其中移动网络运营商（MNO）在它们之间共享它们的基础设施，以便降低它们的运营成本，同时增加它们现有网络资源的使用。我们建模和分析这样的基础设施共享系统考虑一个单一的买方MNO和多个卖方MNO。假设BS的位置可以被建模为一个均匀的泊松点过程，我们发现的下行链路信号干扰噪声比（SINR）覆盖概率由买方MNO在基础设施共享环境中的用户服务。我们分析了增加BS的发射功率和买方MNO所拥有的BS的强度之间的权衡，以实现给定的服务质量（QoS）的SINR覆盖概率。此外，对于卖方MNO，我们分析每单位面积的网络的功耗（即，面积功耗），其被示出为BS强度的分段连续函数，由线性函数和凸函数组成。因此，可以优化卖方MNO的BS强度以最小化区域功耗，同时实现买方MNO的最低QoS。然后，我们使用这些结果来制定一个单一的买方多卖方BS基础设施市场。买方MNO关心的是发现从哪个卖方MNO购买以及购买BS的什么部分。在卖方方面，定价和确定基础设施的销售份额的问题被制定为一个古诺寡头垄断市场。我们证明了每个卖方的最佳对策的迭代更新总是收敛到纳什均衡。
2017-09-23 cs.NI
Denoising Refinement Diffusion Models for Simultaneous Generation of Multi-scale Mobile Network Traffic
Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，北京理工大学，清华大学）；State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications（网络与交换技术国家重点实验室，北京邮电大学）；China Mobile Communications Group Guangxi Co., Ltd.（中国移动通信集团广西有限公司）
ZoomDiff通过多阶段去噪细化扩散模型实现多尺度移动网络流量的同时生成，提升了流量预测的准确性和泛化能力。
2025-11-25 cs.AI cs.NI
Resource Allocation and HARQ Optimization for URLLC Traffic in 5G Wireless Networks
预计5G无线网络将支持超可靠低延迟通信（URLLC）业务，其需要非常低的分组延迟（< 1毫秒）。可靠性极高（$\sim$ 99.999\%）。在本文中，我们专注于设计一个无线系统，支持下行链路URLLC业务。使用基于排队网络的无线系统模型，我们表征了各种设计选择对其可以支持的最大URLLC负载的影响，包括：1）系统参数，例如带宽、链路SINR和QoS要求; 2）基于正交频分多址（OFDMA）的系统中的资源分配方案;以及3）混合自动重传请求（HARQ）方案。本文的主要贡献是：1）研究支持给定URLLC负载的最小所需系统带宽如何与相关联的QoS约束缩放; 2）表征最大化可容许URLLC负载的最优OFDMA资源分配方案;以及3）优化基于重复码的HARQ方案，其近似于Chase HARQ组合。
2018-05-10 cs.NI
Large-scale Mobile App Identification Using Deep Learning
许多网络服务和工具（例如网络监视器、恶意软件检测系统、ISP中的路由和计费策略执行模块）都依赖于识别通过网络的流量类型。随着移动设备的广泛使用、移动应用的多样性以及加密协议（如TLS）的大量采用，大规模加密流量分类变得越来越困难。在本文中，我们提出了一种用于移动应用识别的深度学习模型，该模型即使在加密流量下也能工作。所提出的模型只需要的有效载荷的前几个数据包进行分类，因此，它是合适的，甚至依赖于早期预测，如路由和QoS配置的应用程序。深度模型对80个流行应用程序的识别准确率达到84%至98%。我们还执行遮挡分析，以深入了解从SSL/TLS协议泄露的数据，从而实现准确的应用程序识别。此外，我们的流量分析表明，许多应用程序不仅产生特定于应用程序的流量，而且还产生许多模糊的流量。Ambiguity流是由公共功能模块生成的流，例如广告和流量分析。由于此类流在许多不同的应用程序中很常见，因此识别生成模糊流的源应用程序具有挑战性。为了应对这一挑战，我们提出了一个CNN+LSTM模型，该模型使用相邻流来学习多个流的顺序和模式，以更好地识别生成它们的应用程序。我们表明，这种流量关联大大提高了准确性，特别是对于模糊的流量。此外，我们表明，我们的方法是强大的混合交通的情况下，一些不相关的流可能会出现在相邻的流量。据我们所知，这是第一个识别模糊流的源应用程序的工作。
2019-12-23 cs.NI
An All-Optical Metro Network Architecture and QoS-Aware Wavelength Allocation Study for Converged Fixed, Mobile, and Edge Computing Multi-Granular Traffic
提出全光城域网络架构MOON，采用网络切片和混合光交换（OCS/OTS）实现QoS感知波长分配，仿真验证OTS内可实现亚毫秒级端到端时延，适用于动态突发业务。
2025-04-24 cs.NI
Different types of attacks in Mobile ADHOC Network
移动自组网的安全性是一个很大的挑战，因为它没有集中的权力，可以监督在网络中运行的各个节点。攻击可能来自网络内部和外部。我们试图将现有的攻击分为两大类：数据流量攻击和控制流量攻击。我们还将讨论目前提出的减轻这些攻击的方法。
2011-11-17 cs.NI
The NetMob23 Dataset: A High-resolution Multi-region Service-level Mobile Data Traffic Cartography
本文介绍NetMob23数据集，提供法国20个都市区、68种移动服务、连续77天且空间分辨率为100×100平方米的服务级流量时空数据，以支撑可验证、可复现的跨学科研究。
2023-07-17 cs.NI
5G Long-Term and Large-Scale Mobile Traffic Forecasting
Huawei Turkey R&D Center（华为土耳其研发中心）
对于服务提供商来说，理解和预测大规模蜂窝网络中的移动业务是至关重要的，以便治理和管理用于基站放置、负载均衡和网络规划的机制。本文的目的是从安装在不同大都市地区的14，000多个小区中提取和模拟流量模式。为此，我们创建、实现和评估了一种方法，在该方法中，细胞首先根据其兴趣点进行分类，然后根据每个区域中细胞的时间分布进行聚类。该模型已使用在不同城市收集的31周真实5G移动流量数据集进行了测试。我们发现，我们提出的模型在预测移动流量模式提前2周表现良好。我们的模型在大多数感兴趣的领域都优于基础模型，并且与朴素方法相比，通常可以减少高达15%的预测误差。这表明，我们的方法是有效的，在大规模的蜂窝网络中预测移动流量模式。
2022-12-21 cs.LG cs.NI
Optimizing Network Topology to Reduce Aggregate Traffic in Systems of Mobile Robots
无人机或地面车辆等网络移动机器人系统将在未来的军事和商业应用中发挥重要作用。这种系统的通信通常通过无线链路进行，并且可能需要机器人形成自组织网络并在对等基础上进行通信。在本文中，我们考虑优化网络拓扑结构，以最大限度地减少网络中的总流量，以支持一组给定的数据流的限制下，在每个移动机器人的移动量可能的问题。在本文中，我们考虑这个问题的一个子类，其中的初始和最终的拓扑结构是树，和移动的限制，在图中必须遍历的边的数量。我们开发的算法，以优化网络拓扑结构，同时保持网络的连通性，在拓扑结构重构过程中。我们的拓扑重构算法使用前缀标签和路由的概念，通过网络移动节点，同时保持网络的连通性。我们开发了两种算法来确定最终的网络拓扑结构：一个最佳的，但计算复杂的算法，和一个贪婪的次优算法，具有低得多的复杂性。我们目前的仿真结果比较这些算法的性能。
2011-08-30 cs.NI
ZipNet-GAN: Inferring Fine-grained Mobile Traffic Patterns via a Generative Adversarial Neural Network
大规模移动流量分析对于数字基础设施配置、公共交通、活动规划和其他领域变得至关重要。然而，监控全市范围的移动流量是一个复杂而昂贵的过程，依赖于专用探头。其中一些探测器的精度或覆盖范围有限，另一些每天收集数十GB的日志，这些日志独立提供有限的见解。提取细粒度的模式涉及昂贵的测量、存储和后处理的空间聚合。在本文中，我们提出了一种移动流量超分辨率技术，克服了这些问题，通过推断狭隘的本地化的流量消费从粗糙的测量。我们从图像处理中汲取灵感，设计了一个针对移动网络的深度学习架构，它结合了Zipper网络（ZipNet）和生成对抗神经网络（GAN）模型。这使得能够唯一地捕获在广泛覆盖区域上常规监测的交通量快照（“低分辨率”）与通常在密集计算之后获得的0.05 km $^2$水平上的相应消耗（“高分辨率”）之间的时空关系。我们进行的实验与现实世界的数据集表明，拟议的ZipNet（-GAN）推断流量消耗具有显着的准确性和高达100 $\times$更高的粒度相比，标准的探测，同时优于现有的数据插值技术。据我们所知，这是第一次将超分辨率概念应用于大规模移动交通分析，我们的解决方案是第一个从粗聚合物中推断细粒度城市交通模式的解决方案。
2017-11-07 cs.LG cs.NI
Real-Time Video Streaming in Multi-hop Wireless Static Ad Hoc Networks
我们处理的问题，流多个视频流对节点之间的多跳无线自组织网络。节点是静态的，知道它们的位置，并且是同步的（通过GPS）。我们介绍了一种新的干扰模型，使用可变的干扰半径。我们提出了一种算法，用于计算频率分配和时间表，其目标是在所有的视频流的吞吐量最大化。此外，我们开发了一个本地化的流量控制机制，以稳定的队列长度。我们使用OMNET++/MixiM（即，802.11g的物理SINR干扰模型），以测试是否实现了计算的吞吐量。仿真结果表明，计算的解决方案是\SINR -可行的，并达到可预测的稳定吞吐量。
2011-08-07 cs.NI
Mobile Agent as an Approach to Improve QoS in Vehicular Ad Hoc Network
车辆交通是现代城市的首要问题。大量的时间和资源被浪费，而旅行由于交通拥堵。随着复杂的交通管理系统的引入，例如那些结合动态交通分配的交通管理系统，对可用的实时的交通数据提出了更严格的要求。在本文中，我们提出了移动代理作为一种机制来处理道路上的交通问题。移动软件代理可以在车载自组网中提供更好的服务质量（服务质量），提高应用的安全性和驾驶员的舒适性。
2011-08-10 cs.NI cs.SI
Cooperative Content Offloading Through WiFi and Mobile Device-to-Device Networks
本文研究了WiFi和移动设备到设备网络的使用，车辆自组织网络是一个典型的例子，作为一种补充手段，以卸载和减少蜂窝网络的流量负载。提出了一种新的合作内容分发策略，异构网络包括不同类型的设备具有不同的移动性水平，从静态的WiFi接入点，以移动设备，如车辆。所提出的策略将很大一部分数据流量从蜂窝网络卸载到WiFi或设备到设备网络。详细分析了采用该策略的异构网络中的内容分发过程。在此基础上，讨论了内容传播策略的最优参数设置。仿真和数值研究表明，该策略有效地减少了蜂窝网络的数据流量，同时保证成功的内容交付。
2017-01-03 cs.NI
From Emulation to Mathematical: A More General Traffic Obfuscation Approach To Encounter Feature based Mobile App traffic Classification
移动应用程序的使用在这个数字时代是无懈可击的。虽然每天都会产生大量数据，但用户隐私安全问题成为一个重要问题。如今，大量的技术，如机器学习和深度学习流量分类器，已被应用于分析用户的应用程序流量。这些技术允许监控器在用户流量仍然加密的情况下获取使用应用程序的指纹，这会引发严重的隐私问题。为了对抗这种类型的数据分析，人们一直在研究混淆算法，通过修改分组长度分布来混淆基于特征的机器学习分类器与数据伪装。现有的工作通过将流量包长度分布从源应用重新映射到虚假伪装应用来实现这一目标。然而，该解决方案在实际应用中缺乏可扩展性和灵活性，因为该方法需要在使用流量伪装之前对目标虚假应用流量进行预采样。在本文中，我们提出了一种实用的解决方案，通过使用数学模型来计算目标分布，同时保持AppScanner移动流量分类器性能至少50%的准确率下降，以及数据包修改期间产生的大约20%的开销。
2023-02-06 cs.CR cs.NI
Population estimation from mobile network traffic metadata
智能手机和其他移动设备如今在全球范围内普遍存在。作为移动通信激增的一个有趣的副作用，移动网络运营商现在可以轻松收集大量用户群体习惯的大量高分辨率数据。从移动网络交通数据中提取的信息与人口绘图非常相关：它提供了一个自动和实时估计人口密度的工具，克服了人口普查和调查等传统数据来源的局限性。在本文中，我们提出了一种新的方法来推断在城市规模的人口密度，基于聚合的移动网络流量元数据。我们的方法允许估计静态和动态人口，实现了显着的改善，在文献中的最先进的解决方案的准确性方面，并验证了不同的城市场景。
2016-10-04 cs.NI cs.SI
Chain-of-Thought Reasoning Enhances In-Context Learning for LLM-Based Mobile Traffic Prediction
University of Ottawa（渥太华大学）；Ericsson（爱立信）
本文提出一种基于链式推理的LLM移动交通预测框架，通过离线阶段生成结构化推理示例和在线阶段实时预测，提升交通预测精度，实验表明其在MAE、RMSE和R2-score上均优于传统方法。
2026-05-10 cs.NI
QoS Routing and Performance Evaluation for Mobile Ad Hoc Networks using OLSR Protocol
移动Ad-Hoc网络是一组移动节点在不使用基础设施的情况下进行通信的集合。随着无线网络中实时应用的日益增多，我们需要一些方案来为它们提供更合适的服务。我们知道，大多数实际的计划并没有表现出良好的业务，这不是严格的CBR。因此，在本文中，我们研究了影响，分别移动模型和节点的密度上的性能（端到端延迟，吞吐量和数据包传输率）的路由协议（优化链路状态路由）OLSR通过使用在第一个实时VBR（MPEG-4），其次是恒定比特率（CBR）流量。最后，我们比较了两种情况下的性能。在实验上，我们考虑了三种移动模型：随机路点，随机方向和Mobgen稳态。实验结果表明，OLSR的行为随模型和使用的流量而变化。
2011-07-19 cs.NI
Multi-Service Mobile Traffic Forecasting via Convolutional Long Short-Term Memories
University of Edinburgh（爱丁堡大学）；CNR-IEIIT（意大利国家研究委员会电子、信息与电信工程研究所）
网络切片越来越多地用于在不同的移动服务之间划分网络基础设施。在这种情况下，精确的服务移动流量预测变得至关重要，因为移动运营商寻求提前向每个切片预分配资源，以满足各个服务的不同要求。本文使用序列到序列（S2 S）学习范式和卷积长短期记忆（ConvLSTM）来解决多业务移动流量预测问题。所提出的架构的设计，以便有效地提取复杂的时空特征的移动网络流量和高精度预测未来的需求，在城市规模的个人服务。我们在一个欧洲大都市收集的移动流量数据集上进行了实验，证明了所提出的S2 S-ConvLSTM可以预测数十种不同服务在一个小时之前产生的移动流量，只需使用过去一个小时内进行的测量。特别是，我们的解决方案在天线级实现了低于13 KBps的平均绝对误差（MAE），比其他深度学习方法高出31.2%。
2019-05-23 cs.LG cs.NI eess.SP
DNS Query Forgery: A Client-Side Defense Against Mobile App Traffic Profiling
针对加密场景下DNS查询泄露用户行为模式、易被流量画像攻击的问题，提出基于查询伪造的客户端隐私框架，经实验验证可在低开销下有效提升隐私保护效果。
2025-05-14 cs.CR cs.NI
Meeting Future Mobile Traffic Needs by Peak-Throughput Design of Next-Gen RAN
针对当前移动网络拥塞问题，本文聚焦城市环境中毫米波5G网络的集成接入与回传（IAB）和智能无线电环境（SRE），提出基于峰值吞吐量最大化的网络规划模型，为满足未来移动流量需求提供优化方案。
2025-11-12 cs.NI eess.SP
Class-Based Interference Management in Wireless Networks
技术进步给融合无线网络带来了革命性的变化。由于不同类型业务的存在，服务质量（QoS）的提供成为无线网络中的挑战。在网络拥塞的情况下，资源分配已经成为为过多的用户提供期望的QoS的有效方式。由于非实时业务的QoS不像实时业务那样严格，所以相邻小区的未占用信道可以被分配给非实时业务以保持实时业务的QoS。这导致了增强的带宽利用率以及对实时业务的较少干扰。在本文中，我们提出了一个有效的无线资源管理方案，依赖于动态分配的带宽分配过程。在干扰管理的情况下，我们将业务分为实时业务和非实时业务，并优先考虑实时业务。根据我们的方案，实时业务中的过多的用户被重新分配到原来的信道已被占用的非实时业务和非实时业务分配到这些实时业务的分配信道。该架构允许改进的信号与干扰加噪声比（SINR）的实时流量，以及在网络的带宽利用率的强化。此外，增加系统容量和网络的中断概率较低承担所提出的方案的意义。
2018-10-05 cs.NI
User-centric Service Provision for Edge-assisted Mobile AR: A Digital Twin-based Approach
本文提出基于数字孪生的数据驱动方法，通过优化频谱资源预留解决边缘辅助移动AR中用户移动不确定和摄像头帧上传机制复杂导致的非平稳流量问题，仿真证明其在自适应性和鲁棒性上优于传统方法。
2024-08-31 cs.NI
Analyzing Mobility-Traffic Correlations in Large WLAN Traces: Flutes vs. Cellos
影响移动网络性能的两个主要因素是移动性和流量模式。仿真和基于分析的性能评估依赖于模型来近似影响网络的因素。因此，了解移动性和业务是必要的有效评估和未来移动网络的有效设计。目前的模型针对移动性或交通，但没有捕捉到它们的相互作用。许多基于轨迹的移动性模型已经在很大程度上使用了智能手机之前的数据集（例如，AP日志），或更粗的粒度（例如，蜂窝塔）踪迹。这就提出了关于现有模型的相关性的问题，并促使我们的研究重新审视这一领域。在这项研究中，我们进行了多维分析，定量表征移动性和交通时空模式，笔记本电脑和智能手机，导致详细的综合移动性交通分析。我们的研究是数据驱动的，因为我们收集和挖掘了捕获所有这些维度的大容量数据集（30 TB，30万设备）。使用我们的系统（FLAMeS）框架进行调查。总体而言，已经分析了数十种移动性和交通特征。这些见解和经验教训可作为指导方针，也是迈向未来综合移动交通模型的第一步。此外，我们的工作作为一个垫脚石走向更丰富，更现实的移动测试场景和基准套件。
2020-08-21 cs.NI
A Traffic Load Balancing Framework for Software-defined Radio Access Networks Powered by Hybrid Energy Sources
移动数据流量的急剧增长刺激了小型小区基站（SCBS）的密集部署。小小区提高了频谱效率，从而扩大了移动网络的容量。尽管SCBS消耗的功率比宏BS（MBS）少得多，但是大量SCBS的总体功率消耗是显著的。随着能量收集技术的进步，基站（BS）可以由绿色能源供电，以减轻上网功耗。对于具有高BS密度的移动网络，业务负载均衡是关键的，以便利用SCBS的容量。为了充分利用收集的能量，期望将绿色能量利用率作为性能度量并入业务负载均衡策略中。在本文中，我们提出了一个流量负载均衡框架，该框架努力在网络效用之间取得平衡，例如，平均流量传输延迟和绿色能源利用率。各种属性的建议框架已经得出。利用软件定义的无线电接入网络架构，所提出的方案被实现为一个虚拟的分布式算法，这显着降低了用户和BS之间的通信开销。仿真结果表明，所提出的业务负载均衡框架能够在上网功率消耗和平均业务递送延迟之间实现可调节的折衷，并且节省了大量的上网功率，例如，30%，成本仅小幅增加，例如，8%，平均流量交付延迟。
2014-12-16 cs.NI
Fog Computing: Focusing on Mobile Users at the Edge
随着智能设备，特别是智能手机，成为我们的日常伴侣，无处不在的移动互联网和计算应用渗透到人们的日常生活。随着人们对随时随地提供高质量移动服务需求的不断增长，如何满足无处不在的用户需求，适应移动业务的爆炸式增长，是下一代移动网络的关键问题。雾计算是实现这一目标的一个有前途的解决方案。雾计算是对云计算的一种扩展，它通过向移动网络边缘提供虚拟化资源和基于位置的服务，从而更好地服务于移动业务。因此，雾计算是云计算与移动应用结合的润滑剂。在本文中，我们概述了雾计算的主要功能，并描述了其概念，架构和设计目标。最后，我们从网络的角度讨论了一些未来的研究问题。
2016-03-30 cs.NI
Energy saving market for mobile operators
确保无缝覆盖占移动网络能耗的大部分。三到五个移动网络运营商（MNO）的重叠覆盖导致大量的能源浪费，这是可以避免的。移动网络的流量需求全天变化很大。由于在给定时间为所有网络提供的负载不相同，并且在不同负载处的能量消耗的差异是显著的，因此多MNO容量/覆盖共享可以显著地降低移动网络的能量消耗，并且为MNO提供成本有效的手段来应对业务的指数增长。在本文中，我们提出了一个多MNO网络场景的节能市场。由于竞争的移动网络运营商是不舒服的信息共享，我们提出了一个双拍卖清算所市场机制，移动网络运营商出售和购买的能力，以尽量减少能源消耗。在我们的设置中，每个MNO提出其出价，并同时要求分别向独立拍卖商购买和出售多单元容量，即，清算所，并最终作为买方或卖方在每一轮。我们表明，该机制允许移动网络运营商在很大范围的网络负载，以节省能源成本的显着比例。不同于其他节能功能，例如小区休眠或天线静音，这些功能在重业务负载时无法启用，动态容量共享允许MNO处理具有节能机会的业务突发。
2015-04-07 cs.NI
Cost- and Energy-Aware Multi-Flow Mobile Data Offloading Using Markov Decision Process
随着对移动数据的需求的快速增长，移动网络运营商正试图通过部署无线局域网（LAN）热点来扩展无线网络容量，在所述无线局域网（LAN）热点上他们可以卸载他们的移动流量。然而，这些以网络为中心的方法通常不满足移动用户（MU）的利益。考虑到许多问题，MU应该能够决定是否将其流量卸载到互补的无线LAN。我们以前的工作研究了单流无线局域网卸载从MU的角度考虑延迟容忍的流量，货币成本和能源消耗。在本文中，我们研究了多流移动数据卸载问题从MU的角度来看，MU有多个应用程序同时从远程服务器下载数据，不同的应用程序的数据有不同的截止日期。我们制定了无线局域网卸载问题作为一个有限时域离散时间马尔可夫决策过程（MDP），并建立了一个基于动态规划算法的最优策略。针对基于动态规划的卸载算法时间复杂度仍然较高的问题，提出了一种以性能为代价的低时间复杂度的启发式卸载算法。大量的模拟进行验证我们提出的卸载算法。
2018-01-30 cs.NI
Interference and SINR coverage in spatial non-slotted Aloha networks
在本文中，我们提出了两个分析听话的随机几何模型的干扰在ad-hoc网络中使用纯（非时隙）阿罗哈作为介质访问。与时隙模型相反，纯Aloha中的干扰可能会在标记数据包的传输过程中发生变化。我们开发了一个典型的数据包传输过程中所经历的干扰的经验平均值的拉普拉斯变换的封闭形式的表达式。这两种模型假设一个幂律路径损失函数与任意分布的衰落和功能配置的发射机随机位于欧几里德平面根据泊松点过程。根据型号的不同，这些配置可能会随时间变化，也可能是静态的。我们应用我们的干扰分析研究信号干扰噪声比（SINR）中断概率为一个典型的传输在纯Aloha。结果被用来比较的性能，非时隙Aloha的时隙，这几乎完全是以前研究的移动自组织网络在相同的背景下。
2015-02-23 cs.NI math.PR
Resource Management and Quality of Service Provisioning in 5G Cellular Networks
随着5G技术的商业推出和蜂窝网络基础设施的快速扩张，预计蜂窝和移动网络流量将呈指数级增长。此外，新的服务预计将广泛传播，例如连接到移动网络的物联网。这将在业务负载方面增加额外的负担。因此，一些研究表明，与现在产生的流量相比，移动流量可能会增加1000多倍。这意味着必须以智能的方式管理和控制用于移动服务的网络资源，因为资源总是有限的，但是对服务的需求和保持用户设备总是连接到移动网络的需要可以被认为是无限的，从而在巨大的服务需求和可用资源之间留下差距。为了缩小这一差距，应主要考虑网络资源的管理，以避免高峰时段和流量高峰期间的网络拥塞和性能下降，并允许更多客户在需求高时访问网络服务。另一方面，保证各种新业务的服务质量要求是5G网络必须满足的另一个挑战。在本文中，我们将回顾5G网络的特点和规范，然后对资源管理和QoS提供进行调查，以提高和管理5G网络中的资源利用率。
2020-08-21 cs.NI
Characterizing User Behavior: The Interplay Between Mobility Patterns and Mobile Traffic
该研究针对以往移动流量与移动性分析多聚焦聚合层面、缺乏个体洞察的问题，提出整合两类行为的用户建模框架及马尔可夫推断模型，基于智利大规模XDR数据验证了其在用户行为推断等方面的有效性。
2025-03-24 cs.IR cs.NI
Time and Location Aware Mobile Data Pricing
移动用户的相关移动性和数据消费模式往往导致严重的蜂窝网络拥塞在高峰时段和热点。本文提出了一种时间和位置感知移动数据定价的最佳设计，激励用户平滑流量并减少网络拥堵。我们通过分析一个两阶段的决策过程得出最优定价方案，其中运营商通过最小化第一阶段的总成本来确定时间和位置感知价格，每个移动用户通过最大化他的收益来调度他的移动流量（即，第二阶段的效用减去付款。我们制定的两阶段决策问题作为一个双层优化问题，并提出了一个无导数算法来解决任何增加凹用户效用函数的问题。我们进一步开发低复杂度的算法，常用的对数和线性效用函数。最优定价方案确保了运营商和用户的双赢局面。仿真结果表明，与时间和地点无关的定价基准相比，在对数效用和线性效用情况下，运营商分别可以降低97.52%和98.70%的成本，用户分别可以增加79.69%和106.10%的收益。我们的研究表明，运营商应提供价格折扣，在不太拥挤的时隙和位置，折扣需要显着时，运营商的成本提供过多的流量是高的或用户的意愿延迟流量是低的。
2015-11-12 cs.NI
Evaluation of Mobile Network Slicing in a Logistics Distribution Center
物流是一个关键的经济部门，任何降低成本或改善服务的优化都会对整个社会产生重大影响。本文研究了两种5G网络切片（NS）策略在智慧物流中的作用：使用静态切片，平衡划分网络资源和使用动态切片。为了验证这些策略的潜在收益，模拟了具有5G连接的配送中心，重现了在真实智能物流场景中发生的活动。结果表明，动态切片使得网络资源的更有效的使用，提高服务质量的不同流量配置文件，即使在有一个流量高峰。这种改善的范围从6.48\%到95.65\%，这取决于特定的流量配置文件和评估的度量。
2023-01-12 cs.NI
Energy-Efficient Mobile Network I/O
到2020年，全球智能手机用户数量将达到30亿，移动数据流量（蜂窝+ WiFi）将首次超过PC互联网流量。随着智能手机用户数量和每部智能手机传输的数据量呈指数级增长，对于严重依赖网络I/O的移动设备而言，有限的电池电量正成为一个日益严重的问题。尽管在硬件层以及网络栈的较低层的移动设备的功率管理技术的研究越来越多，但是在网络I/O期间在移动系统的应用层的节能方面的工作很少。在本文中，我们表明，在数据传输过程中，移动系统的应用层解决方案可以实现显着的节能，而不会带来性能损失。在许多情况下，性能提高和节能可以同时实现。
2018-05-08 cs.NI
Fixed-Mobile Convergence in the 5G era: From Hybrid Access to Converged Core
与用户或设备通信的不同路径的可用性带来了几个好处，从提高最终用户性能到提高网络利用率。混合接入是实现移动网络和固定网络融合的第一步，然而，尽管流量优化，这种方法仍然是有限的，因为固定和移动仍然是通过聚合点互连的两个独立的核心网络。在通往5G网络的道路上，设计趋势正在朝着聚合网络发展，不同的接入技术在核心中共享一个共同的锚点。除了混合接入之外，这还可以实现进一步的网络优化，例如用于聚合的用户特定策略以及根据用户、网络和服务上下文跨不同接入的改进的流量平衡。本文旨在讨论宽带论坛和3GPP围绕混合接入和网络融合正在进行的工作。我们提出了一些混合接入的测试结果，并分析了一些主要的性能指标，如可实现的数据率，链路利用率的聚合流量和会话建立延迟。最后，我们讨论了网络融合的未来方向，以实现未来的场景与增强的配置功能，固定和移动融合。
2018-10-05 cs.NI
