Traffic prediction with network slicing for 5G and beyond networks
5G ve ötesi ağlar için ağ dilimleme ile trafik tahmini
- Tez No: 819007
- Danışmanlar: DOÇ. DR. ALKAN SOYSAL
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 98
Özet
Bu tez, trafik hacmini tahmin etmek için ağların trafik talebi karşısında hizmet düzeyi sözleşmelerini (SLA) küçük yüzdelerle ihlal etmesini garanti edebilen Derin Sinir Ağı tabanlı bir yöntem önermektedir. Önerilen yaklaşım, 20 farklı radyo erişim ağı (RAN) özniteliği, en yoğun trafik saatlerine dayalı özel bir öznitelik seti ve uzay-zamansal etkilerden yararlanmak için mobilite tabanlı kümeleme içeren çok değişkenli, çok adımlı ve SLA odaklıdır. Ayrıca, aşırı provizyonu en aza indirirken belirlenen SLA ihlal oranı yüzdesini sağlayan farklı özel kayıp fonksiyonları önerilmektedir. 24 saat ileriye kadar çok adımlı tahminleme de gerçekleştirilir ve performansı tek adımlı tahminle karşılaştırılır. Önerilen yöntem, metropoliten bir alanda çalışan hücreler üzerinde toplam ve dilim tabanlı olmak üzere iki tür gerçek ve canlı mobil ağ trafik verisi ile test edilmiştir. Toplam trafik veri seti için değerlendirilen eğitim mimarileri tek hücreli ve çok hücreli olarak ele alınır. Ancak, yöntem, dilim tabanlı trafik veri seti için tek dilimli ve çok dilimli eğitim mimarileriyle tek hücre senaryolarına odaklanır. Bu tez, RAN özelliklerinin analizi, özel öznitelik seti tasarımı, özel kayıp fonksiyonu ve SLA kısıtlarını karşılamak için parametrik bir yöntem gibi birçok katkıda bulunur.
Özet (Çeviri)
This thesis proposes a Deep Neural Network-based method for predicting traffic volume that can guarantee that networks violate service-level agreements (SLAs) in small percentages against traffic demand. The proposed approach is multivariate, multi-step, and SLA-driven, as it incorporates 20 different radio access network (RAN) features, a custom feature set based on peak traffic hours, and mobility-based clustering to leverage spatiotemporal effects. In addition, different custom loss functions are proposed to ensure the determined SLA violation percentage while minimizing overprovisioning. Multi-step prediction up to 24 hours ahead is also performed, and the performance is compared with single-step prediction. The proposed method has been tested with two types of real and live mobile network traffic datasets, total and slice-based, on cells operating within a metropolitan area. The training architectures considered for the total traffic dataset are single-cell and multi-cell. However, the method focuses on single-cell scenarios with single-slice and multi-slice training architectures for slice-based traffic dataset. This thesis makes several contributions, including the analysis of RAN features, the custom feature set design, a custom loss function, and a parametric method to satisfy SLA constraints.
Benzer Tezler
- Yapay sinir ağları ile trafik yoğunluğu tahmini
Prediction of traffic congestion by artificial neural networks
MURAT NAS
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. NESLİHAN SERAP ŞENGÖR
- Nesnelerin interneti platformları için makine öğrenmesi tabanlı bir tahmin modülü
A machine learning based prediction module for internet of things platforms
HALİL GÜLAÇAR
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN
- Yüksek çözünürlüklü görüntülerde derin öğrenme tabanlı nesne tespiti için yeni bir önişleme yöntemi geliştirilmesi
Development of a new preprocessing method for deep learning based object detection in high resolution images
MUHAMMED TELÇEKEN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
PROF. DR. SEZGİN KAÇAR
- Deprem etkisi altındaki gömülü sürekli boru hatları
Buried continuous pipelines under the effects of earthquake
ADİL YİĞİT
Doktora
Türkçe
2015
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiYapı Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH GEDİKLİ
- Traffic speed prediction with neural networks
Yapay sinir ağları ile karayolu hız tahmini
UMUT CAN ÇAKMAK
Yüksek Lisans
İngilizce
2017
Endüstri ve Endüstri MühendisliğiSabancı ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT ÇATAY