A Multi-traffic Inter-cell Interference Coordination Scheme in Dense Cellular Networks
本文提出了一种新的半分布式和实用的ICIC方案的基础上几乎空白子帧（ABSF）的方法，由3GPP。我们定义了两个数学规划问题的情况下，保证和尽力而为的流量，并使用博弈论来研究衍生的ICIC分布式计划，这是比较详细的对负担不起的集中式计划的属性。基于对所提出的模型的分析，我们定义了分布式多业务调度（DMS），一个统一的分布式框架自适应干扰感知调度的基站在未来的蜂窝网络，占保证和尽力而为的流量。DMS遵循两层方法，由本地ABSF调度器和轻量级本地管理器组成，本地ABSF调度器在保证流量和尽力而为流量之间执行资源分配，本地管理器协调ABSF本地决策。由于这种双层设计，DMS需要非常轻的信令来驱动本地路由器到全局有效的操作点。如通过数值结果所示，DMS允许（i）最大化无线电资源重用，（ii）为保证的业务提供所请求的质量，（iii）最小化专用于保证的业务的时间以为尽力而为业务留下空间，以及（iv）最大化尽力而为业务的资源利用效率。
2017-08-24 cs.NI
Optimal Radio Resource Allocation for Hybrid Traffic in Cellular Networks: Traffic Analysis and Implementation
在本文的第一部分，一个分布式和集中式的架构，最佳的无线电资源分配知道的流量延迟容忍的性质，用户订阅类型，和应用程序的使用变化。在当前的文章中，上述分布式和集中式架构的传输开销分析进行了研究，并证明了集中式方案比分布式方法具有更低的传输开销。此外，集中式和分布式架构的传输开销的下限推导。此外，上述集中式和分布式架构的资源分配过程的敏感性分析，在系统中的用户数量的变化。此外，集中式和分布式方法的应用程序使用的时间变化的敏感性分析进行了研究。最后，通过适当的仿真验证了传输开销和灵敏度相关的声明。最后但并非最不重要的是，提供了第一部分中开发的资源分配方法的实际实现。
2014-11-12 cs.NI
Offloading Cellular Traffic through Opportunistic Communications: Analysis and Optimization
最近已经提出通过机会性通信来卸载业务作为减轻蜂窝网络的当前过载的方式。当移动终端用户（临时）彼此接近时，可能发生竞争性通信，使得设备可以建立本地对等连接（例如，通过蓝牙）。由于机会主义通信是基于参与者的自发移动性，它本质上是不可靠的。这对必须满足应用要求的任何蜂窝卸载解决方案的设计提出了严峻的挑战。在本文中，我们解决这个挑战，从优化分析的角度来看，与现有的启发式解决方案。我们首先建模的内容传播（通过蜂窝接口注入）在一个机会网络与异构节点的移动性。然后，基于该模型，我们推导出最优的内容注入策略，该策略在满足应用约束的同时使蜂窝网络的负载最小化。最后，我们提出了一个自适应算法的控制理论的基础上，实现这种最优策略，而不需要任何数据的移动模式或移动节点的接触率。所提出的方法进行了广泛的评估与异构移动模型以及现实世界的接触痕迹，表明它大大优于以前的方法在文献中提出的。
2014-05-14 cs.NI
Group-based Delivery of Critical Traffic in Cellular IoT Networks
预计第五代（5G）网络将在许多使用场景中连接大量物联网（IoT）设备。具有零星和短分组上行链路传输的典型大规模物联网应用的挑战得到了很好的研究，而对新兴点对多点场景中向物联网设备交付共同感兴趣的内容（例如软件/固件更新和远程控制）的关注不够。此外，延迟敏感的物联网流量的交付在文献中没有得到充分解决。在这项工作中，我们（i）确定了当前用于蜂窝物联网（cIoT）网络中计划外关键业务交付的单小区点到多点（SC-PTM）解决方案的缺点，以及（ii）提出了用于在例如，bug修复或系统故障。我们基准性能的建议寻呼计划对类似的解决方案，在文献中。我们的扩展SC-PTM框架是节能的，并保证低服务延迟，无论是分析和模拟证明。
2021-10-16 cs.NI
HetHetNets: Heterogeneous Traffic Distribution in Heterogeneous Wireless Cellular Networks
在异构无线蜂窝网络中的供给和需求的建模和分析中的最近方法是针对基站（BS）和用户设备（UE）的位置使用两个独立的泊松点过程（PPP）。这种流行的方法有两个主要缺点。首先，尽管PPP模型对于BS位置可能是合适的模型，但是其对于UE位置是不太合适的，这主要是由于模型不可调节（可调谐）以表示UE位置中的异质性（非均匀性）的严重性的事实。此外，两个PPP之间的独立性假设没有捕获UE和BS位置之间经常观察到的相关性。本文提出了一种新的异构空间交通模型，允许统计调整。简单的和非参数化的，但足够准确的，用于捕获空间中的交通特性的措施。仅调整与UE分布相关的两个统计参数，即，适当定义的UE间距离度量的变化系数（归一化二阶矩）和UE与BS位置之间的相关系数（归一化交叉矩），以分别控制异质性程度和朝向BS位置的偏置。该模型用于异构无线蜂窝网络（HetNets），以证明异构和BS相关的流量对网络性能的影响。这个网络被称为HetHetNet，因为它有两种类型的异质性：基础设施的异质性（供应）和空间流量分布的异质性（需求）。
2015-05-01 cs.NI
Non-Saturated Throughput Analysis of Coexistence of Wi-Fi and Cellular With Listen-Before-Talk in Unlicensed Spectrum
本文分析了Wi-Fi和蜂窝网络的共存性能条件下的非饱和业务在非授权频谱。在此条件下，将具有先插后讲（LBT）过程的蜂窝小小区基站（SCBS）的时域行为建模为马尔可夫链，并将其与描述Wi-Fi接入点时域行为的马尔可夫链相结合。使用该模型，本研究发现最佳的竞争窗口大小的蜂窝SCBS中，两个网络的总吞吐量最大化，同时满足每个网络所需的吞吐量，在给定的流量密度下，两个网络。这将作为蜂窝运营商关于根据两个网络的业务量随时间的变化在蜂窝SCBS处执行LBT的指南。
2017-07-25 cs.NI
Capacity and Delay Tradeoff of Secondary Cellular Networks with Spectrum Aggregation
蜂窝通信网络受到冗余容量的困扰，这导致网络资本投资的低利用率和成本效益。可以利用冗余容量来提供超弹性和延迟容忍的辅助流量。在本文中，我们提出了一个分析框架，研究容量延迟权衡的弹性/二级业务在大规模蜂窝网络与频谱聚合。我们的框架集成了随机几何和排队论模型，并给出了分析的见解的容量延迟性能的干扰限制制度。封闭形式的结果得到表征的平均延迟和延迟分布的功能，每个用户的吞吐量。频谱聚合，用户和基站（BS）的密度，流量会话的有效载荷，和主要的流量动态的容量延迟权衡关系的影响进行了研究。导出了基本容量极限，揭示了其标度行为。我们的分析表明，通过蜂窝网络提供二次通信服务的可行性，并强调了一些关键的设计问题。
2016-12-28 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
OpenCV2X: Modelling of the V2X Cellular Sidelink and Performance Evaluation for Aperiodic Traffic
OpenCV 2X是第三代合作伙伴计划（3GPP）Release 14 Cellular Vehicle to Everything（C-V2X）侧链路的第一个公开可用的开源仿真模型，它构成了后续版本中5G NR模式2的基础。该模型完全符合现有的车辆服务和应用层，包括汽车和标准社区定义的消息集，提供完全标准化的跨层通信模型。使用这个模型，我们展示了当前的侧链路调度机制如何在调度具有高度非周期性通信特性的应用程序时表现不佳，例如ETSI协作感知消息（CAM）。然后，我们提供了第一个深入的评估专用的每包非周期性调度机制，与现有的算法参数化的计划。本文强调，应用程序模型所表现出的非周期性的水平极大地影响调度性能。最后，我们分析了如何调度机制可能共存。
2021-03-24 cs.NI
GraFSTNet: Graph-based Frequency SpatioTemporal Network for Cellular Traffic Prediction
GraFSTNet通过整合时空建模与时间-频率分析，有效捕捉蜂窝交通的周期性模式，提升预测准确性。
2026-02-19 cs.AI cs.NI
A survey on road safety and traffic efficiency vehicular applications based on C-V2X technologies
本综述介绍了基于C-V2X技术的网联车辆应用研究，重点关注道路安全与交通效率，通过提出通信分类方法组织最新研究，并指出了未来面临的主要挑战。
2024-03-26 cs.NI
Adaptive Hybrid Spatial-Temporal Graph Neural Network for Cellular Traffic Prediction
China Mobile Research Institute（中国移动研究院）
蜂窝业务量预测是智能通信网中不可缺少的一部分。然而，由于频繁的用户移动性和复杂的网络调度机制，蜂窝业务往往继承复杂的时空模式，使得预测令人难以置信的挑战。虽然最近的先进算法，如基于图的预测方法已被提出，他们经常模型的空间依赖性的基础上静态或动态图，并忽略了共存的多种空间相关性引起的流量生成。同时，一些研究工作缺乏对蜂窝业务模式多样性的考虑，导致预测结果不理想。在本文中，我们提出了一种新的深度学习网络架构，自适应混合时空图神经网络（AHSTGNN），以解决蜂窝流量预测问题。首先，我们应用自适应混合图学习来学习蜂窝塔之间的复合空间相关性。其次，我们实现了一个时间卷积模块与多周期的时间数据输入，以捕捉非线性的时间依赖性。此外，我们引入了一个额外的时空自适应模块来克服蜂窝塔的异构性。我们在两个真实世界的蜂窝流量数据集上的实验表明，AHSTGNN的性能明显优于最先进的技术，说明了我们的时空蜂窝流量预测方法的优越可扩展性。
2023-02-28 cs.AI cs.LG cs.NI
Device-to-Device Load Balancing for Cellular Networks
蜂窝网络运营商广泛采用小小区架构来增加网络容量。通过减小小区的大小，运营商可以在一个区域内安装更多（低功率）基站，以更好地满足不断增长的需求，而不会造成额外的干扰。然而，这种方法具有低频谱时间效率的缺点。当小区变得更小并且覆盖更少的用户时，其总流量由于流量聚合不足而显著波动并且表现出大的“峰均”比。由于运营商通常为高峰业务提供频谱，大的业务时间波动不可避免地导致频谱时间效率低。在本文中，我们提倡设备到设备（D2D）负载均衡作为一种有用的机制，以解决小小区架构的根本缺陷。该想法是通过利用小区间D2D通信将业务从拥塞小区转移到其相邻的未充分利用的小区，使得可以在不使用额外频谱的情况下服务业务，从而有效地提高频谱时间效率。我们提供理论建模和分析，以表征D2D负载均衡的好处，在所有单独的小区的总频谱要求方面。我们还根据所产生的D2D业务开销推导出相应的成本。我们根据真实世界的4G数据跟踪进行实证评估，以衡量实际设置下D2D负载均衡的效益和成本。结果表明，与没有D2D负载均衡的标准场景相比，D2D负载均衡可以以可忽略的0.7%的D2D业务开销为代价将频谱需求减少25%。
2018-12-12 cs.NI
Cellular IoT Traffic Characterization and Evolution
物联网（IoT）技术的采用正在增加，因此物联网似乎正在从炒作转向现实。然而，物联网在重要时间尺度上的实际使用尚未进行经验分析。换句话说，现实仍未被探索。此外，尽管物联网垂直行业多种多样，但物联网在垂直行业中的使用尚未进行比较。本文使用芬兰一家主要移动网络运营商为期两年的物联网数据集来研究蜂窝物联网流量的不同方面，包括时间演变和跨行业物联网设备的使用。我们提出了各种新的发现。例如，我们的结果显示，每台设备的物联网流量在过去两年中增加了三倍。此外，我们还说明了不同行业之间物联网使用的多样性，流量和设备移动性存在数量级差异。尽管我们也注意到，所有设备的日常流量模式只能分为三种模式，主要区别在于高峰时段的存在和时间。最后，我们说明了支持LTE的物联网设备的份额仍然很低，约为2%，30%的物联网设备仍然只有2G。
2019-11-07 cs.NI
End-to-End Radio Traffic Sequence Recognition with Deep Recurrent Neural Networks
Virginia Tech（弗吉尼亚理工大学）；Corgan Labs（科尔根实验室）
我们调查序列机器学习技术的原始无线电信号的时间序列数据。通过应用深度循环神经网络，我们学会了在不使用专家解调算法的情况下，在恒定包络调制的基础上区分几种应用层流量类型。我们表明，复杂的协议序列可以学习和使用这种方法的分类和生成任务。
2016-10-03 cs.LG cs.NI
The Learning and Prediction of Application-level Traffic Data in Cellular Networks
Zhejiang University（浙江大学）；PLA University of Science and Technology（解放军理工大学）；China Telecom Technology Innovation Center（中国电信技术创新中心）
流量学习和预测是电信网络性能评估的核心，在有线宽带网络中引起了广泛的关注。现在，受益于蜂窝网络中的大数据，可以使分析进一步进入应用层面。在本文中，我们首先从蜂窝网络运营商收集了大量的应用级流量数据。然后，借助流量“大数据”，对蜂窝网络流量建模和预测框架进行了全面的研究。我们的研究结果表明，普遍存在的一些交通统计建模特性，包括在时域上的ALPHA稳定的建模特性和在空间域的稀疏性。同时，研究结果也表明了不同服务类型的应用程序的独特性所产生的差异。在此基础上，提出了一种新的流量预测框架，并提出了一种基于字典学习的交替方向方法来解决该问题，通过大量的仿真实验验证了该框架的预测精度和鲁棒性。
2017-03-28 cs.LG cs.NI
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
An Experimental Study of Factor Analysis over Cellular Network Data
移动网络运营商（MNO）正在朝着数据驱动的方向发展，同时提供收集和分析数据的能力。这有助于增强用户体验，同时增强运营人员的能力并建立新的业务模式。用户的移动流量需求可以让MNO根据网络条件进行规划、决策和行动。在本文中，我们调查的行为伊斯坦布尔居民使用蜂窝网络的交通活动在空间和时间维度上，通过探索性因子分析（EFA），使用一个主要的MNO的蜂窝网络的流量数据在土耳其。我们的研究结果揭示了伊斯坦布尔居民的各种时间和空间模式，如早上和晚上的通勤因素，商业和住宅因素，以及夜生活和周末下午的因素作为最突出的文化行为。分析结果还显示了有趣的发现，例如伊斯坦布尔居民选择的隧道和交通路径可能在早上高峰工作时间与晚上高峰下班时间不同。
2018-03-02 cs.NI
Software-Defined Hyper-Cellular Architecture for Green and Elastic Wireless Access
为了满足日益增长的移动互联网业务需求，同时保持适度的能量成本，蜂窝系统的无线接入网（RAN）需要走一条绿色的未来之路，关键在于为动态业务需求提供弹性服务。为了实现这一目标，是时候重新思考RAN架构并期待突破了。在这篇文章中，我们回顾了最先进的文献，旨在从控制流量解耦的空中接口，基于云的RAN，和软件定义的RAN的角度来改造RAN。然后，我们提出了一个软件定义的超蜂窝架构（SDHCA），确定了一个可行的方式，整合上述三个趋势，使绿色和弹性的无线接入。我们进一步介绍了实现SDHCA的关键技术，包括空中接口分离，绿色基站操作和基站功能虚拟化，然后是我们的SDHCA硬件测试平台。最后，总结了未来研究中值得探讨的几个问题。
2015-12-15 cs.NI
Resource Allocation for Energy-Efficient Device-to-Device Communication in 4G Networks
作为LTE-A（4G）网络的网关的设备到设备（D2 D）通信可以通过利用用于彼此邻近的用户的对等链路来减少蜂窝网络中的业务负载以及功耗。这将使其他蜂窝用户能够增加他们的业务，并且所有用户的总业务可以显著增加，而不需要额外的频谱。然而，D2 D通信可能增加对蜂窝用户（CU）的干扰，并迫使CU增加其发射功率电平，以便维持其所需的服务质量（QoS）。本文提出了一种用于D2 D通信的能量高效的资源分配方案，作为全负载LTE-A（4G）蜂窝网络的一个示例。仿真结果表明，该方案分配蜂窝上行链路资源（发射功率和信道）的D2 D对，同时保持所需的QoS为D2 D和蜂窝用户和最小化的总上行链路发射功率为所有用户。
2014-12-24 cs.NI
SoftCell: Taking Control of Cellular Core Networks
现有的蜂窝网络存在设备不灵活且昂贵以及控制平面协议复杂的问题。为了解决这些挑战，我们提出了SoftCell，一个可扩展的架构，支持细粒度的移动设备在蜂窝核心网络的政策。SoftCell控制器通过引导经过一系列中间盒的路径的流量来实现高级服务策略，并根据网络条件和用户位置进行优化。为了确保可扩展性，核心交换机根据分层地址（按基站分组）和策略标签（通过中间盒标识路径）转发流量。这最大限度地减少了核心交换机中的数据平面状态，并将所有细粒度状态推送到基站的软件交换机。这些接入交换机应用由控制器指定的细粒度规则，将所有流量映射到适当的地址和标签。SoftCell保证同一连接中的数据包在两个方向上穿过相同的中间盒序列，即使在存在移动性的情况下。我们对真实LTE工作负载的表征、原型控制器上的微基准测试和大规模模拟表明，SoftCell提高了蜂窝核心网络的灵活性，同时能够使用廉价的商品交换机和中间盒。
2013-05-15 cs.NI
Data Matters: The Case of Predicting Mobile Cellular Traffic
Department of Mathematics and Systems Analysis（数学与系统分析系）
本文针对智能道路场景，提出利用道路交通流量和速度等人口动态数据辅助蜂窝网络指标进行基站负载预测，实验证明预测误差最多可降低56.5%。
2025-07-07 cs.LG cs.NI
HiSTM: Hierarchical Spatiotemporal Mamba for Cellular Traffic Forecasting
Deggendorf Institute of Technology（多格多夫技术学院）
针对蜂窝流量预测中准确率与计算效率的权衡问题，提出分层时空Mamba（HiSTM）模型，结合双重空间编码器与Mamba时间模块，在大幅减少参数量的同时显著提升了预测准确率与泛化能力。
2025-08-07 cs.AI cs.NI
On the road to more accurate mobile cellular traffic predictions
Aalto University School of Science（阿尔托大学理学院）
本文提出利用免费道路指标结合蜂窝网络流量，在轻量学习结构中实现高速公路小区短期负载的准确预测，并支持联邦与集中式学习。
2023-05-24 cs.LG cs.NI
What Can Wireless Cellular Technologies Do about the Upcoming Smart Metering Traffic?
具有蜂窝无线电接口的智能电表的引入给无线蜂窝网络带来了额外的负载。目前，这些仪表设计用于低占空比计费和偶尔的系统检查，这会产生低速率的零星流量。随着分布式能源数量的增加，家庭电力将变得更加多变，因此从配电系统运营商（DSO）的角度来看是不可预测的。因此，预计在不久的将来，在配电网中具有增加数量的具有类似相量测量单元（PMU）的能力的广域测量系统（WAMS）设备，从而允许公用事业监测低压电网质量，同时提供更严格的电网控制所需的信息。从通信的角度来看，流量概况将朝着更高的数据量和每设备更高的速率急剧变化。在本文中，我们描述了智能电表产生的当前流量，并补充了引入增强型智能电表所带来的潜在流量需求，即，具有类似PMU功能的仪表。我们的研究显示了GSM/GPRS和LTE蜂窝系统的性能如何与当前和下一代智能电表流量，其中可以清楚地看到，PMU数据将严重挑战这些无线系统。最后，我们强调了升级蜂窝标准的可能解决方案，以应对即将到来的智能计量流量。
2015-07-01 cs.IT cs.NI math.IT
A Long Short-Term Memory Recurrent Neural Network Framework for Network Traffic Matrix Prediction
LIP6 / UPMC（巴黎第六大学计算机科学实验室 / 皮埃尔和玛丽·居里大学）
网络流量矩阵（TM）预测被定义为从以前的和实现的网络流量数据估计未来的网络流量的问题。它广泛应用于网络规划、资源管理和网络安全等领域。长短期记忆（LSTM）是一种特定的循环神经网络（RNN）架构，非常适合从经验中学习，以分类，处理和预测具有未知大小时滞的时间序列。LSTM已经被证明比传统的RNN更准确地建模时间序列及其长期依赖性。在本文中，我们提出了一个LSTM RNN框架，用于预测大型网络中的短期和长期流量矩阵（TM）。通过在GEANT网络的真实数据上验证我们的框架，我们证明了我们的LSTM模型收敛速度很快，并且对于相对较小的模型提供了最先进的TM预测性能。
2017-06-08 cs.LG cs.NI
Fair distributed user-traffic association in cache equipped cellular networks
最近提出了在无线节点上缓存流行内容作为减少蜂窝网络骨干中的拥塞并提高服务质量的手段。从网络的角度来看，目标是尽可能多的用户从骨干网卸载到无线缓存，同时为缓存无关的用户提供良好的服务。积极的卸载可能会导致不平衡的用户关联。一些无线节点可能因高速缓存相关业务而过载，而其他无线节点的资源仍然未得到充分利用。给定一个固定的内容放置，这项工作提出了一个有效的分布式算法来控制和平衡蜂窝缓存存储器之间的缓存相关的流量的关联。该算法允许网络实现全局最优解，并且可以在基站上使用它们之间的有限量的信息交换来执行。它基于一种我们称之为桶填充的新算法。该解决方案通过公平地平衡节点间的总负载来限制每个节点的缓存用户数。的改进相比，常见的用户分配政策突出的单层以及多层随机网络。
2017-02-10 cs.NI math.OC
Zen: LSTM-based generation of individual spatiotemporal cellular traffic with interactions
Inria（法国国家信息与自动化研究所）；Grenoble INP（格勒诺布尔国立理工学院）
由于其在人类存在和活动研究中的高价值而得到全领域的认可，细胞网络数据集（即，收费数据记录，命名为CdRs），然而，目前的可访问性，可用性和隐私问题，限制了他们的开发和研究reproducibility.This本文解决这些挑战，通过建模CdRs，满足现实世界的数据属性。我们设计的框架，命名为禅遵循四重方法，涉及（i）基于LTSM的建模用户的交通行为，（ii）现实和灵活的仿真时空移动性行为，（iii）逼真的蜂窝网络基础设施和社会互动的结构，以及（iv）前三个模块的组合成现实的CDR跟踪与个人的基础上，现实。结果表明，Zen的第一个和第三个模型准确地捕捉了完全匿名的真实世界Cdrs数据集的个体和全局分布，而第二个模型与文献中揭示的人类流动性特征一致。最后，我们验证Zen CDR的能力，再现日常的蜂窝行为的城市人口和它的实用性，在实际的网络应用，如动态人口跟踪，无线接入网络的节能，和异常检测相比，现实世界的CDR。
2023-01-05 cs.LG cs.NI
Spatial Traffic Shaping in Heterogeneous Cellular Networks with Energy Harvesting
能量收集（EH）探索可再生能源作为补充电源，是一种有前途的5G技术，可支持异构蜂窝网络（HCN）的巨大能源需求。然而，可再生能源的随机到来给网络管理带来了巨大的挑战。通过调整业务负载在空间域的分布，业务整形有助于平衡小区级的功率需求和供应，从而提高可再生能源的利用率。在本文中，我们研究了业务整形的节能性能的分析方法，基于能量到达和业务负载的统计信息。具体而言，能量最优业务整形方案（EOTS）的设计与EH的HCN，从而离网小小区的开关状态和卸载业务量动态调整的能量变化，以最大限度地减少上网功耗。数值结果表明，在日流量和太阳能分布情况下，EOTS方案与贪婪算法相比，能显著降低能量消耗，且用户总是优先卸载到离网小电池上.
2015-08-20 cs.IT cs.NI math.IT
How user throughput depends on the traffic demand in large cellular networks
利特尔定律允许将网络的任何区域中的平均用户吞吐量表示为该区域中的平均业务需求与稳态平均用户数的比率。通常在每个小区的操作网络中收集相应的统计数据。使用遍历参数和Palm理论的形式主义，我们表明，在网络中的全球平均用户吞吐量等于这两种手段在稳定状态下的“典型细胞”的比率。在这里，这两种手段占双平均：随着时间的推移和网络的几何形状，并可以与每表面的业务需求，基站密度和空间分布的SINR。后者占网络的不规则性，阴影和空闲细胞通过细胞负载方程。我们验证了我们的方法比较分析和模拟结果的泊松网络模型的真实网络细胞测量。
2014-03-24 cs.NI math.PR
Traffic Convexity Aware Cellular Networks: A Vehicular Heavy User Perspective
在现代蜂窝网络中，移动业务的迅猛增长主要是由大尺寸的多媒体内容引起的。智能设备以及无线电接入技术的最新进展促进了大容量内容的消费，即使对于移动车辆中的人（被称为车辆重度用户）也是如此。在这篇文章中，通过2012年和2015年在韩国首尔进行的现场实验观察到了车辆大量用户流量的出现。实验表明，这样的流量正在成为主导，捕获的车辆重用户流量增加了8.62倍，而总流量增加了3.04倍。为了解决这个所谓的车辆重用户问题（VHP），我们提出了一个小区关联算法，利用不同的速度用户需求的多样性。这种用户流量模式首先通过我们的现场试验发现，其在速度上是凸形的，即步行用户流量小于静止或车辆用户流量。当VHP变得严重时，数值评估验证了所提出的用户凸性感知关联在实践中优于众所周知的负载均衡关联，小区范围扩展（CRE）。除了小区关联之外，还提出了几种符合5G技术趋势的补充技术。
2015-08-22 cs.IT cs.NI math.IT
Cellular Traffic Prediction and Classification: a comparative evaluation of LSTM and ARIMA
Stockholm University（斯德哥尔摩大学）；Huawei（华为）
为了提高资源利用率，蜂窝网络中的用户流量预测引起了广泛的关注。在本文中，我们研究了网络流量的预测和分类问题，分别采用标准的机器学习和统计学习时间序列预测方法，包括长短期记忆（LSTM）和自回归积分移动平均（ARIMA）。我们提出了一个广泛的实验评估的设计工具在一个真正的网络流量数据集。在此分析中，我们探讨了不同参数对预测有效性的影响。我们进一步扩展我们的分析问题的网络流量分类和预测的流量突发。一方面，结果表明LSTM的性能一般优于ARIMA，特别是当训练时间序列的长度足够长时，并且通过明智选择的特征集进行增强。另一方面，结果揭示的情况下，ARIMA执行接近最优的复杂性较低。
2019-06-03 cs.LG cs.NI eess.SP
FLEXIBLE: Forecasting Cellular Traffic by Leveraging Explicit Inductive Graph-Based Learning
Orange Innovation（奥兰治创新公司）；Nantes University（南特大学）；École Centrale Nantes（南特中央理工学院）；IMT Atlantique（大西洋电信与技术学院）；CNRS（法国国家科学研究中心）；INRIA（法国国家信息与自动化研究所）；LS2N（南特数字科学实验室）；University of Luxembourg（卢森堡大学）；SnT（卢森堡大学安全、可靠性和信任中心）
针对现有蜂窝流量图预测方法未考虑基站动态变化的问题，本研究提出FLEXIBLE归纳式图学习方案与泛化GNN预测模型，支持一次训练适配多图且易迁移，较SOTA最高提升9.8%，小样本场景优势显著。
2024-05-14 cs.AI cs.LG cs.NI
Cellular traffic offloading via Opportunistic Networking with Reinforcement Learning
Institute for Informatics and Telematics, National Research Council（国家研究委员会信息与远程信息处理研究所）
移动电话的广泛普及正在引发移动数据流量的指数增长，这可能在不久的将来甚至在上一代蜂窝网络中引起相当大的流量过载问题。将部分流量卸载到其他网络被认为是一种非常有前途的方法，特别是在本文中，我们考虑通过用户设备的机会网络进行卸载。然而，这种解决方案的性能强烈地依赖于移动节点之间的相遇模式，因此在设计卸载控制算法时应考虑到这一点。在本文中，我们提出了一个自适应卸载解决方案的基础上的强化学习框架，我们评估和比较两个著名的学习算法：演员批评和Q学习的性能。更确切地说，在我们的解决方案中，传播过程的控制器，一旦训练，能够选择适当数量的内容副本注入到机会网络，以保证及时交付的内容给所有感兴趣的用户。我们表明，我们的系统基于强化学习是能够自动学习一个非常有效的策略，以减少蜂窝网络上的流量，而不依赖于任何额外的上下文信息的机会网络。我们的解决方案在一系列不同的移动性设置中实现了比其他最先进方法更高水平的卸载。此外，我们还证明了基于Actor-Critic算法的更精细的学习解决方案比基于Q学习的更简单的解决方案更有效。
2021-10-01 cs.LG cs.NI
Saflo: eBPF-Based MPTCP Scheduler for Mitigating Traffic Analysis Attacks in Cellular Networks
本文提出基于 eBPF 的 MPTCP 调度器 Saflo，通过内核空间多路径调度与用户空间机器学习攻击检测协同工作，在保障网络性能的同时有效降低蜂窝网络中视频和用户识别攻击的准确率。
2025-02-06 cs.CR cs.NI
Demand Shaping in Cellular Networks
需求整形是在存在不断增加的无线数据需求的情况下缓解无线蜂窝容量不足的有希望的方式。在本文中，我们制定的需求塑造作为一个最优化问题，最大限度地减少总流量的变化。设计了一个完全交通信息下的分布式随机离线需求整形算法，并证明了算法的几乎必然收敛性。我们进一步考虑一个更现实的设置，其中的交通信息是不完整的，但未来的交通可以预测到一定程度的准确性。我们设计了一个在线的需求整形算法，更新的时间表的可推迟的应用程序（DA）的每一次，当新的信息是可用的，在每个时隙的基础上解决一个最优化问题在一个缩小的地平线从当前时间到一天结束。我们比较的性能的在线算法对最佳的离线算法，并提供数值例子来补充理论分析。
2018-03-27 cs.NI math.OC
When Cellular Meets WiFi in Wireless Small Cell Networks
覆盖在现有宏蜂窝系统上的小小区基站（SCBS）的部署被视为用于卸载业务、优化覆盖和提高未来蜂窝无线系统的容量的关键解决方案。设想下一代SCBS是多模的，即，其能够在许可和未许可频带上同时发送。这构成了WiFi和蜂窝无线电接入技术（RAT）的具有成本效益的集成，可以有效地应对峰值无线数据流量和异构服务质量要求。为了利用这种多模式SCBS的优势，我们讨论了新提出的跨系统学习的范例，SCBS通过该范例自组织并自主地引导其跨不同RAT的流量。跨系统学习允许SCBS利用WiFi和蜂窝世界的优势。例如，SCBS可以将延迟容忍数据业务卸载到WiFi，同时学习它们在授权蜂窝频带上的传输策略的概率分布函数。本文将首先介绍跨系统学习的基本构建块，然后在覆盖WiFi热点的长期演进（LTE）模拟器中提供初步的性能评估。值得注意的是，它表明，所提出的跨系统学习方法显着优于一些基准流量导向政策。
2013-03-22 cs.IT cs.NI math.IT
SteaLTE: Private 5G Cellular Connectivity as a Service with Full-stack Wireless Steganography
第五代（5G）系统将广泛采用无线电接入网络（RAN）软件化。这一关键创新使在共享物理基础设施的不同切片上运行的"虚拟蜂窝网络"的实例化成为可能。在本文中，我们提出了私有蜂窝连接即服务（PCCaaS）的概念，基础设施提供商部署仅为用户子集所知的隐蔽网络切片。然后，我们提出SteaLTE作为蜂窝网络的PCCaaS使能系统的第一个实现。SteaLTE的核心是利用无线隐写术将数据伪装成对抗接收器的噪声。然而，与以前的工作不同的是，它采用全栈方法进行隐写，为基于PCCaaS的通信提供符合LTE的隐写协议栈，并在传统蜂窝流量（主要流量）之上嵌入隐藏数据流。SteaLTE通过模仿信道损伤来平衡不可检测性和性能，使得隐蔽数据波形几乎无法与噪声区分。我们评估SteaLTE的性能在室内LTE兼容的测试平台下不同的流量配置文件，距离和移动模式。我们进一步测试它在室外PAWR POWDER平台上通过远程蜂窝链路。结果表明，在大多数实验中，SteaLTE在存在隐蔽数据传输的情况下几乎不会造成主要流量吞吐量的损失（<6%），这使得它适用于不可检测的PCCaaS网络。
2021-02-10 cs.CR cs.NI
Traffic Prediction in Cellular Networks using Graph Neural Networks
蜂窝网络是在全世界提供主要通信手段的无处不在的实体。蜂窝网络中的一个主要挑战是用户数量及其对电信服务的使用的动态变化，这导致某些基站处的过载。处理这种过载问题的一类解决方案是部署无人机，其可以充当临时基站并从过载的基站卸载流量。在开发这个解决方案的过程中有两个主要挑战。首先，预计无人机将出现在基站周围，其中未来将发生过载，因此需要预测业务过载。其次，无人机资源高度受限，只能飞行几分钟。如果受影响的基站真的很远，无人机永远无法到达那里。这需要将无人机初始放置在可能发生过载的扇区中，因此再次需要交通预报，但在不同的空间尺度上。必须指出的是，该问题所造成的区域的空间范围和可供无人机使用的极其有限的电力资源构成了一个巨大的挑战，如果不将无人机部署在战略位置以减少飞行到所需高需求区域的时间，就很难克服这个挑战。此外，由于无人机以有限的速度飞行，因此采用可以预测交通激增的预测解决方案非常重要，以便无人机可以在实际发生之前卸载过载。这两个目标都需要对蜂窝网络流量进行分析和预测，这是本项目的主要目标
2023-01-30 cs.LG cs.NE cs.NI
Economics of WiFi Offloading: Trading Delay for Cellular Capacity
由于智能手持设备和高流量应用的激增，蜂窝网络正面临严重的流量过载。一种经济实用的解决方案是通过WiFi卸载蜂窝数据。最近的理论和实验研究表明，一种称为延迟WiFi卸载的方案可以通过延迟用户的数据和利用移动性来显著节省蜂窝容量，从而增加遇到WiFi AP（接入点）的机会。尽管WiFi卸载在缓解移动数据爆炸方面具有巨大潜力，但其成功在很大程度上取决于向用户和运营商提供的经济激励，以部署和使用延迟卸载。在本文中，我们研究了多少经济利益可以产生由于延迟WiFi卸载，通过建模的垄断提供商和用户之间的两阶段序列博弈的基础上的市场。我们还提供了大量的数值计算结果，使用一组参数从实际的跟踪和思科的预测流量统计数据在2015年。在分析和数值结果中，我们模拟了各种实际情况和控制旋钮的流量需求和愿意支付的用户，时空依赖的定价和流量，以及不同的定价和延迟容忍。我们证明，延迟的WiFi卸载有相当大的经济效益，其中增加范围从21%到152%的供应商的收入，从73%到319%的用户的盈余，相比现场的WiFi卸载。
2012-12-31 cs.GT cs.NI
Multi-grained spatial-temporal feature complementarity for accurate online cellular traffic prediction
School of Information Science and Engineering, Southeast University（信息科学与工程学院，东南大学）；Purple Mountain Laboratories（紫金山实验室）；China Telecom Corporation Limited Technology Innovation Center（中国电信股份有限公司技术创新中心）
提出基于多粒度时空特征互补（MGSTC）的在线蜂窝流量预测方法，结合粗细粒度时空注意力与在线学习策略，有效应对概念漂移，在四个真实数据集上持续优于十一个基线模型。
2025-08-01 cs.AI cs.LG cs.NI
Optimal Radio Resource Allocation for Hybrid Traffic in Cellular Networks: Centralized and Distributed Architecture
Virginia Tech（弗吉尼亚理工大学）
本文研究了混合交通 cellular 网络中无线电资源分配问题，提出集中式和分布式优化方法，通过效用比例公平性保证服务质量，设计高效算法并验证性能。
2014-11-12 cs.NI cs.SY eess.SY
Is Deadline Oblivious Scheduling Efficient for Controlling Real-Time Traffic in Cellular Downlink Systems?
5G网络中带宽密集型延迟关键业务（如虚拟现实）的出现激发了对具有硬截止期限的流的无线资源分配问题的兴趣。试图解决这个问题带来了两个挑战：（i）流到达和信道状态对于基站（BS）是先验未知的，因此，需要在线做出分配决策。(ii)尝试最大化回报的无线资源分配算法将可能是不公平的，导致对于某些用户不可接受的服务。我们建模的问题作为一个在线凸优化问题。我们提出了一个原始-对偶的最后期限不经意（DO）算法，并证明它是约3.6-竞争。此外，我们通过模拟表明，我们的算法非常密切地跟踪有先见之明的离线解决方案，显着优于现有的几种算法。在第二部分中，我们对分配施加随机约束，要求保证每个用户达到一定的及时吞吐量（在一段时间内的最后期限内交付的流量）。我们提出了长期公平截止日期不经意（LFDO）算法，该设置。我们结合李雅普诺夫框架与在线算法的分析，表明LFDO保留了DO的高性能，同时满足长期的随机约束。
2020-02-15 cs.NI math.OC
Deep RAN: A Scalable Data-driven platform to Detect Anomalies in Live Cellular Network Using Recurrent Convolutional Neural Network
MTN IranCell
在本文中，我们提出了一种新的算法来检测关键参数指标（KPI）的活细胞网络的基础上的组合的递归神经网络（RNN），卷积神经网络（CNN），作为递归卷积神经网络（R-CNN）的异常。CNN对空间相关性和信息进行建模，而RNN对时间相关性和信息进行建模。本文研究的蜂窝网络包括2G、3G、4G和4.5G技术，KPI包括小区的语音和数据流量。数据和语音流量对于无线网络的所有者来说非常重要，因为它直接关系到用户体验的收入和服务质量。这些流量变化的发生有几个原因：由于特殊事件，使相邻站点处于空中或关闭状态，或者通过将流量转移到其他技术，例如将流量从3G转移到4G，用户行为发生变化。传统上，为了保持网络的稳定，需要在每个时间间隔内逐层观察流量，以检测KPI的重大变化，在大规模的电信网中，这将是过于耗时和异常检测的准确性低。然而，所提出的算法能够以时间有效和准确的方式检测网络的每个元素的异常KPI。它观察流量层的趋势，并将其分为8个流量类别：正常，突然增加，逐渐增加，突然减少，逐渐减少，快速站点，新站点和停机站点。此分类任务使供应商和运营商能够检测其实时网络中的异常情况，以保持KPI处于正常趋势。该算法是训练和测试的真实数据集上的细胞网络超过25000个细胞。
2019-11-10 cs.LG cs.NI eess.SP
5G Traffic Prediction with Time Series Analysis
R.V. College of Engineering（R.V. 工程学院）；Nokia（诺基亚）
本文利用LSTM模型对5G蜂窝流量进行时间序列分析，实现应用分类、上行数据包到达强度预测和突发发生概率估计，以优化网络资源分配与利用。
2025-07-20 cs.LG cs.NI
MetaSTNet: Multimodal Meta-learning for Cellular Traffic Conformal Prediction
College of Electronic and Information Engineering, Tongji University（电子信息工程学院，同济大学）
针对少量训练数据下网络流量预测困难的问题，提出基于多模态元学习的深度模型 MetaSTNet，通过模拟器到真实环境的元知识迁移实现快速适应与准确预测，并结合交叉共形预测评估校准区间，实验验证了其有效性。
2025-05-26 cs.AI cs.LG cs.NI
Traffic Demand-Aware Topology Control for Enhanced Energy-Efficiency of Cellular Networks
目前运营的移动网络所提供的服务并不适应流量需求的时空波动，尽管这种波动为节能提供了机会。特别地，通过分离基站的临时冗余硬件组件，可以实现能量效率的显著增益。因此，我们提出了一种新的优化框架，考虑了由天线辐射的负载相关的能量和操作基站所需的能量的剩余形式。目标是减少移动网络的能量消耗，同时确保在整个覆盖区域内满足用户的数据率要求。基于稀疏优化技术，我们开发了一种优化最小化算法，能够识别节能的网络配置。迭代算法是负载感知的，具有低计算复杂性，并且可以以在线方式实现以利用短时间尺度上的负载波动。仿真结果表明，该算法可以找到网络配置的能量消耗类似的全局优化工具，这不能适用于真正的大型网络。虽然我们只考虑一个目前部署的蜂窝技术，优化框架是通用的，可能适用于一大类接入技术。
2015-03-30 cs.IT cs.NI math.IT
