面向5G需求的人群流量预测模型研究

被引：26

作者：

胡铮

袁浩

朱新宁

倪万里

机构：

[1] 北京邮电大学网络与交换技术国家重点实验室

来源：

通信学报 | 2019年 / 02期

关键词：

5G网络; 人群流量预测; 深度神经网络; 时空数据挖掘;

D O I：

暂无

中图分类号：

TN929.5 [移动通信];

学科分类号：

080804 [电力电子与电力传动];

摘要：

5G网络中超密集基站的部署规划、多维资源管理、活跃/休眠切换等方面都依赖于对区域内用户数量的准确预测。针对这一需求,提出了一种基于移动网络用户位置信息的区域人群流量预测的深度时空网络模型。通过建模不同尺度的时空依赖关系,融合各种外部特征信息,并以短时局部流量信息降低对实时全局信息传输的要求,实现了城市范围的区域人群流量预测,对提高5G网络性能具有重要意义。通过基于呼叫详单数据的区域人群流量预测实验表明,与现有流量预测模型相比,所提模型具有更高的预测精度。

引用

页码：1 / 10

页数：10

共 3 条

[1]

Cell Oscillation Resolution in Mobility Profile Building[J] Shad; Shafqat Ali;Chen; Enhong International Journal of Computer Science Issues (IJCSI) 2012,

[2]

Prediction of urban human mobility using large-scale taxi traces and its applications[J] Xiaolong Li;Gang Pan;Zhaohui Wu;Guande Qi;Shijian Li;Daqing Zhang;Wangsheng Zhang;Zonghui Wang Frontiers of Computer Science 2012,

[3]

Deep spatio-temporal residual networks for citywide crowd flows prediction Zhang J;Zheng Y;Qi D; AAAI 2017,

← 1 →