网络切片数据集的生成:基于AI的B5G资源管理基础
Miquel Farreras1, Jordi Paillissé2, Lluís Fàbrega1
1Institute of Informatics and Applications, Universitat de Girona, C/ de la Universitat de Girona, 6, 17003 Girona, Spain.
Data in brief
|August 5, 2024
概括
一个新的网络切片数据集帮助人工智能预测5G和超越网络性能. 这个资源详细介绍了增强移动宽带 (eMBB),超可靠的低延迟通信 (URLLC) 和大规模物联网 (mIoT) 切片性能.
科学领域:
- 电信工程 电信工程 电信工程
- 计算机网络 计算机网络.
- 数据科学数据科学数据科学
背景情况:
- 5G及以后 (B5G) 网络需要先进的解决方案来满足各种服务需求.
- 网络切片对于定制特定应用程序的网络功能至关重要.
- 缺乏全面的数据集阻碍了在切片网络中以人工智能驱动的性能预测.
研究的目的:
- 引入一个新的,全面的网络切片数据集.
- 为了促进人工智能和数据驱动的性能预测在5G/B5G网络.
- 支持跨不同服务类型的网络切片研究.
主要方法:
- 使用包级模拟器生成数据集.
- 包括各种网络场景,拓和流量流.
- 运输网络的模拟 (不包括RAN) 使用自定义的入口控制模块.
主要成果:
- 数据集捕捉了网络配置 (拓,流量,路由) 和性能指标 (延迟,动,损失).
- 场景涵盖3GPP定义的三种网络切片类型:增强移动宽带 (eMBB),超可靠的低延迟通信 (URLLC) 和大规模物联网 (mIoT).
- 模拟包括过量和不足提供条件.
结论:
- 本文所介绍的数据集是研究界的宝贵资源.
- 它可以开发和验证用于网络切片的AI/基于数据的性能预测模型.
- 促进5G和B5G网络管理和优化方面的创新.
