Machine Learning for Modeling Wireless Radio Metrics with Crowdsourced Data and Local Environment Features

要約

本論文では、4G環境におけるRSRP、RSRQ、RSSI無線メトリクスをモデル化するために設計された一連の機械学習モデル、CRC-ML-Radio Metricsを紹介する。これらのモデルは、標高の高い屋内と屋外の都市環境の両方で予測精度を向上させるために、ローカルな環境特徴を持つクラウドソースデータを利用します。トロント、モントリオール、バンクーバー地域の30万以上のデータポイントで評価した結果、RSRPで9.76～11.69dB、RSRQで2.90～3.23dB、RSSIで9.50～10.36dBのRMSE性能を達成しました。これらの結果は、複雑なカナダの都市環境における正確なネットワーク計画とサービス品質の最適化をサポートするモデルの堅牢性と適応性を実証しています。

要約(オリジナル)

This paper presents a suite of machine learning models, CRC-ML-Radio Metrics, designed for modeling RSRP, RSRQ, and RSSI wireless radio metrics in 4G environments. These models utilize crowdsourced data with local environmental features to enhance prediction accuracy across both indoor at elevation and outdoor urban settings. They achieve RMSE performance of 9.76 to 11.69 dB for RSRP, 2.90 to 3.23 dB for RSRQ, and 9.50 to 10.36 dB for RSSI, evaluated on over 300,000 data points in the Toronto, Montreal, and Vancouver areas. These results demonstrate the robustness and adaptability of the models, supporting precise network planning and quality of service optimization in complex Canadian urban environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL