用图形表示和深度学习加强5G无线电规划

由于各种因素，如成本效益权衡、现有基础设施和新技术方面，新一代移动网络的推出带来了严峻挑战。特别是，5G部署的主要挑战之一在于优化5G无线电覆盖，同时考虑不同的服务性能指标。本文介绍了一种基于深度学习的方法，通过利用前一代小区的数据来帮助5G无线电规划。我们的解决方案依赖于自定义图形表示来利用现有单元格中的可用信息，并使用图形神经网络（GNN）模型来高效地处理此类数据。在我们的评估中，我们使用来自英国移动网络运营商的真实数据测试了其从4G到5G NSA过渡的潜力。实验结果表明，我们的解决方案在预测新5G细胞中的关键性能指标方面达到了较高的准确性，当对来自训练它的同一区域的样本进行评估时，平均绝对百分比误差（MAPE）<17%。此外，我们测试了它在未包括在培训中的各个地理区域的泛化能力，获得了小于19%的MAPE。这表明，在无需再培训的情况下，在新领域实现适用于5G规划的稳健解决方案是有益的。