Core Concepts
ネストクロスバリデーションを用いた機械学習手法により、NR-V2X通信の品質指標であるスループットとパケット配信率を正確に予測することができる。
Abstract
本研究では、NR-V2X通信の品質指標であるスループットとパケット配信率を予測するために、機械学習手法を用いている。特に、従来のクロスバリデーションとは異なり、パラメータ選択とモデル選択を明確に分離するネストクロスバリデーションを採用することで、過学習を防ぎ、より堅牢な予測結果を得ることができる。
具体的には、以下の手順で進めている。
SUMO交通シミュレータと5G-Lenaネットワークシミュレータを用いて生成したNR-V2Xデータセットを活用する。このデータセットには、距離、パケットサイズ、MCS、SINRなどの情報が含まれている。
データの前処理として、重複データの除去や欠損値の除去を行う。また、ANN、SVRの学習を高速化するために、特徴量の正規化を実施する。
機械学習手法として、CBR、SVR、RF、GBR、ANN、LGBMを採用し、ネストクロスバリデーションを用いて学習・検証を行う。
予測精度の評価指標として、MAE、RMSE、R2スコアを用いる。
実験の結果、RF、GBR、CBRなどの ensemble学習手法が、スループットとパケット配信率の予測において優れた性能を示した。一方、ANNやSVRは他の手法に劣る結果となった。
このように、ネストクロスバリデーションを用いた機械学習手法の適用により、NR-V2X通信の品質を正確に予測できることが示された。この手法は、通信品質の最適化や管理に役立つ情報を提供し、NR-V2Xシステムの信頼性向上に寄与すると考えられる。
Stats
スループット予測のMAEは、RFが0.183、GBRが0.206、CBRが0.210と良好な結果を示した。
パケット配信率予測のMAEは、RFが3.873、GBRが3.939、CBRが4.551と良好な結果を示した。