Core Concepts
중첩 교차 검증 기반 기계 학습 기법을 활용하여 NR-V2X 통신의 패킷 전달률과 처리량을 정확하게 예측할 수 있다.
Abstract
이 연구는 NR-V2X 통신의 품질 서비스(QoS) 예측을 위해 기계 학습 기법을 활용하였다. 구체적으로 MCS, 패킷 지연, SINR, 기지국 거리 등의 입력 변수를 사용하여 처리량과 패킷 전달률을 예측하였다.
연구에서는 기존 교차 검증 방식과 달리 중첩 교차 검증 기법을 적용하여 모델 선택과 하이퍼파라미터 선택 간의 정보 누출을 방지하였다. 이를 통해 과적합을 방지하고 더 강건한 결과를 얻을 수 있었다.
다양한 기계 학습 모델(RF, GBR, LGBM, ANN, SVR 등)을 비교 분석한 결과, 앙상블 학습 모델인 RF, GBR, CBR이 우수한 성능을 보였다. 특히 RF 모델이 처리량과 패킷 전달률 예측에서 가장 우수한 결과를 나타냈다.
이 연구는 NR-V2X 통신 시스템의 신뢰성과 성능 향상에 기여할 수 있으며, 실시간 응용 프로그램을 위한 강건하고 안정적인 결과를 제공할 수 있다.
Stats
처리량 예측 MAE: RF 0.183, GBR 0.206, CBR 0.210
패킷 전달률 예측 MAE: RF 3.873, GBR 3.939, CBR 4.551
처리량 예측 RMSE: CBR 0.625, RF 0.656, GBR 0.667
패킷 전달률 예측 RMSE: GBR 12.71, CBR 12.771, RF 12.832