Avec le développement des réseaux mobiles de cinquième et de sixième génération (5G et 6G), la gestion efficace des ressources radio est devenue cruciale. Ces réseaux avancés permettent l’utilisation de technologies telles que les drones, la réalité virtuelle et augmentée. Cependant, pour exploiter pleinement leur potentiel, il est nécessaire de suivre et de prévoir avec précision les indicateurs de trafic.
Pour relever ce défi, des chercheurs de l’Université RUDN ont décidé d’utiliser l’intelligence artificielle (IA) et les algorithmes d’apprentissage automatique (AA) pour prédire le trafic. Ils ont employé le modèle Holt-Winter et le modèle SARIMA, en analysant les données d’un opérateur de réseau mobile portugais pour prévoir le volume de trafic horaire.
Les deux modèles ont démontré une grande précision dans la prédiction du trafic pour la prochaine heure. Le modèle SARIMA s’est révélé meilleur pour prédire le trafic des utilisateurs vers les stations de base, avec un taux d’erreur moyen de seulement 11,2%. Le modèle Holt-Winter a mieux fonctionné pour prévoir le trafic des stations de base vers les utilisateurs, avec un taux d’erreur de seulement 4%. Les chercheurs ont attribué le succès de ces modèles à leur capacité à découvrir des schémas temporels et à gérer des composantes saisonnières et tendancielles complexes.
L’étude a souligné l’importance de l’ajustement des hyperparamètres pour améliorer davantage les performances des modèles. Malgré les résultats prometteurs des deux modèles, les chercheurs ont noté qu’il n’existe aucune méthode universellement applicable qui fonctionnerait dans toutes les situations. Par conséquent, ils prévoient de combiner des modèles statistiques avec des techniques d’IA et d’AA pour obtenir des prévisions plus précises et détecter les anomalies.
En prédisant et en répondant efficacement aux dynamiques du trafic à l’aide de l’IA et des algorithmes d’AA, les fournisseurs de réseaux peuvent améliorer les performances des réseaux 5G et 6G. Grâce à la recherche continue et à l’amélioration des méthodes, des efforts sont déployés pour maximiser l’efficacité du réseau et améliorer la satisfaction des utilisateurs dans un paysage technologique en constante évolution.
FAQ :
Quels modèles ont été utilisés dans l’étude ?
L’étude a utilisé les modèles Holt-Winter et SARIMA pour prévoir le trafic dans les réseaux mobiles.
Quels résultats ont été obtenus par les modèles ?
Le modèle SARIMA a obtenu un taux d’erreur moyen de 11,2% pour prédire le trafic des utilisateurs vers les stations de base, tandis que le modèle Holt-Winter a obtenu un taux d’erreur de 4% pour prédire le trafic des stations de base vers les utilisateurs.
Pourquoi l’ajustement des hyperparamètres est-il important ?
Les chercheurs ont noté que l’amélioration des performances des modèles peut être obtenue en ajustant les hyperparamètres pour des cas spécifiques. Il n’existe pas de méthode universellement applicable pour toutes les situations.
Source :
RUDN University
The source of the article is from the blog elperiodicodearanjuez.es