Trafikprediktering i Backhaulnätverk med Artificiell Intelligens

Syfte och mål

Trådlösa backhaulnätverk har många fördelar över optiska fibrer, men en nackdel är den jämförelsevis stora energikonsumtionen. Att träffsäkert förutspå framtida kapacitetsanvändning möjliggör att spara energi. Detta kan åstadkommas på flera sätt, till exempel genom att justera uteffekten i enlighet med kapacitetsnyttjandet. Syftet med detta projekt är att använda AI-verktyg för att förutsäga långsiktiga trafikmönster över trådlösa backhaul-länkar.

Förväntade effekter och resultat

Det förväntade resultatet av detta projekt är en AI-baserad trafikprediktionsmodell anpassad till olika klasser av trådlösa backhaul-länkar. Modellen kommer att tränas med hjälp av befintlig trafikdata för att uppnå betydande förutsägningsnoggrannhet. Den AI-baserade modellen kan distribueras i backhaul-länkar där länken kan använda det förutsagda trafikbehovet för att optimera energianvändningen.

Planerat upplägg och genomförande

Projektplanen omfattar olika steg, som börjar med att samla in nödvändig data från befintliga datasjöar inom företaget. Sedan använder vi hyllan klassificeringsverktyg för att klassificera länkarna baserat på trafikens ankomstmönster. Sedan utvecklar vi AI-baserade prediktionsmodeller för var och en av dessa klasser. Förutsägelsemodellerna kommer att optimeras för att ha mycket hög noggrannhet. Projektet kommer att genomföras i en pythonbaserad miljö.