論文の概要: Mobile Coverage Analysis using Crowdsourced Data

• arxiv url: http://arxiv.org/abs/2510.13459v1
• Date: Wed, 15 Oct 2025 12:00:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.657435
• Title: Mobile Coverage Analysis using Crowdsourced Data
• Title（参考訳）: クラウドソーシングデータを用いたモバイルカバレッジ分析
• Authors: Timothy Wong, Tom Freeman, Joseph Feehily,
• Abstract要約: 本稿では,クラウドソーシングされたQoEデータを利用したモバイルカバレッジと弱点分析のための新しいフレームワークを提案する。 この研究の重要な貢献は、モバイルネットワークのカバレッジを計算するためのワンクラスサポートベクトルマシン(OC-SVM)アルゴリズムの適用である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Effective assessment of mobile network coverage and the precise identification of service weak spots are paramount for network operators striving to enhance user Quality of Experience (QoE). This paper presents a novel framework for mobile coverage and weak spot analysis utilising crowdsourced QoE data. The core of our methodology involves coverage analysis at the individual cell (antenna) level, subsequently aggregated to the site level, using empirical geolocation data. A key contribution of this research is the application of One-Class Support Vector Machine (OC-SVM) algorithm for calculating mobile network coverage. This approach models the decision hyperplane as the effective coverage contour, facilitating robust calculation of coverage areas for individual cells and entire sites. The same methodology is extended to analyse crowdsourced service loss reports, thereby identifying and quantifying geographically localised weak spots. Our findings demonstrate the efficacy of this novel framework in accurately mapping mobile coverage and, crucially, in highlighting granular areas of signal deficiency, particularly within complex urban environments.
• Abstract（参考訳）: QoE(Quality of Experience)の向上を目指すネットワーク運用者にとって,モバイルネットワークの効果的な評価とサービス弱点の正確な識別が最重要である。 本稿では,クラウドソーシングされたQoEデータを利用したモバイルカバレッジと弱点分析のための新しいフレームワークを提案する。 提案手法のコアとなるのは,個々のセル(アンテナ)レベルでのカバレッジ解析であり,その後,経験的位置情報データを用いてサイトレベルに集約される。 この研究の重要な貢献は、モバイルネットワークのカバレッジを計算するためのワンクラスサポートベクトルマシン(OC-SVM)アルゴリズムの適用である。 このアプローチは、決定超平面を効果的なカバレッジ輪郭としてモデル化し、個々のセルとサイト全体のカバレッジ領域の堅牢な計算を容易にする。 この手法はクラウドソースによるサービス損失レポートの分析に拡張され、地理的に局所化された弱点を特定し定量化する。 本研究は, 複雑な都市環境において, 携帯網の網羅範囲を正確にマッピングし, 信号不足のきめ細かい部分を明らかにする上で, 新たな枠組みの有効性を実証するものである。

関連論文リスト

• Improving Outdoor Multi-cell Fingerprinting-based Positioning via Mobile Data Augmentation [2.0065923589074735]
  本稿では,マルチセルフィンガープリントに基づく位置決めの高速化を目的とした,軽量でモジュール化されたモバイルデータ拡張フレームワークを提案する。 このフレームワークは、既存のモバイルデータトレースを使用したオペレータの位置決めサービスを強化するために、実用的で低複雑さのパスを提供する。
  論文  参考訳（メタデータ） (2025-09-23T09:09:45Z)
• Graph Neural Networks for Jamming Source Localization [0.23408308015481666]
  ソースローカライゼーションを妨害するグラフベースの学習の最初の応用について紹介する。 提案手法は,局所および大域的な信号集約を符号化する構造化ノード表現を統合する。 その結果,新しいグラフベースの学習フレームワークは,確立されたローカライゼーションベースラインを著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2025-06-01T14:29:25Z)
• Learning for Cross-Layer Resource Allocation in MEC-Aided Cell-Free Networks [71.30914500714262]
  移動エッジコンピューティング(MEC)を援用したセルフリーネットワーク上でのクロスレイヤリソース割り当ては、データレートを促進するために、送信およびコンピューティングリソースを十分に活用することができる。 深層学習の観点からMEC支援セルフリーネットワークのサブキャリア配置とビームフォーミング最適化について検討した。
  論文  参考訳（メタデータ） (2024-12-21T10:18:55Z)
• Revisiting Generative Adversarial Networks for Binary Semantic Segmentation on Imbalanced Datasets [20.538287907723713]
  異常き裂領域検出は典型的なバイナリセマンティックセグメンテーションタスクであり、アルゴリズムによって舗装面画像上のひび割れを表す画素を自動的に検出することを目的としている。 既存のディープラーニングベースの手法は、特定の公共舗装のデータセットで優れた結果を得たが、不均衡なデータセットでは性能が劇的に低下する。 画素レベルの異常き裂領域検出タスクに対して,条件付き生成逆ネットワーク(cGAN)に基づくディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-03T19:24:40Z)
• Filling the Missing: Exploring Generative AI for Enhanced Federated Learning over Heterogeneous Mobile Edge Devices [72.61177465035031]
  ローカルデータのFIMI(FIlling the MIssing)部分を活用することにより,これらの課題に対処する,AIを活用した創発的なフェデレーション学習を提案する。 実験の結果,FIMIはデバイス側エネルギーの最大50%を節約し,目標とするグローバルテスト精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2023-10-21T12:07:04Z)
• A canonical correlation-based framework for performance analysis of radio access networks [0.5156484100374059]
  我々はCCA(Canonical correlation analysis)を用いて、重要な性能指標を用いて細胞間の関係を同定する。 ケーススタディでは,商用セルネットワークにおけるセル停止に基づく省エネルギー利用事例について論じる。 CCAは、ネットワーク計画とデータだけでなく、動的パフォーマンスデータとの鍵となる関係を識別するための有効なアプローチである、と結論付けている。
  論文  参考訳（メタデータ） (2022-09-29T11:04:14Z)
• Coverage and Capacity Optimization in STAR-RISs Assisted Networks: A Machine Learning Approach [102.00221938474344]
  再構成可能なインテリジェントサーフェス (STAR-RIS) アシストネットワークを同時に送信および反射するカバレッジとキャパシティ最適化のための新しいモデルを提案する。 損失関数ベースの更新戦略はコアポイントであり、各更新時にmin-normソルバによってカバレッジとキャパシティの両方の損失関数の重みを計算することができる。 解析結果から,提案手法は固定重みに基づくMOアルゴリズムよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-04-13T13:52:22Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• Characterization and Identification of Cloudified Mobile Network Performance Bottlenecks [0.0]
  この研究は、5Gモバイルネットワークが経験できるパフォーマンスボトルネックの範囲を実験的に調査する最初の試みである。 特に,分散分析はボトルネック識別精度と帰納的計算・通信オーバーヘッドの両方において合理的に機能することがわかった。
  論文  参考訳（メタデータ） (2020-07-22T14:46:51Z)
• Spatial Attention Pyramid Network for Unsupervised Domain Adaptation [66.75008386980869]
  教師なし領域適応は様々なコンピュータビジョンタスクにおいて重要である。 教師なし領域適応のための新しい空間注意ピラミッドネットワークを設計する。 我々の手法は最先端の手法に対して大きなマージンで好適に機能する。
  論文  参考訳（メタデータ） (2020-03-29T09:03:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。