Raum-zeitlich korrelationsbasierte Verkehrsprognose für unvollständige Zeitreihen in Satellitennetzwerken niedriger Erdumlaufbahn

Liang PENG ,  

Jie YAN ,  

Peng WEI ,  

Xiaoxiang WANG ,  

Abstract

Eine genaue kurzfristige Verkehrsprognose ist entscheidend für die Verbesserung der Datenübertragungseffizienz in Netzwerken von Satelliten in niedriger Erdumlaufbahn. In komplexen Weltraumumgebungen können jedoch Ausfälle von Sammlern, Übertragungsfehler und Speicherfehler zum Verlust von Verkehrsdatensätzen führen. Unvollständige Verkehrsdaten-Zeitreihen behindern die effiziente Datennutzung und verringern somit erheblich die Prognosegenauigkeit. Um dieses Problem zu lösen, wird ein Verkehrsprognosemodell für unvollständige Zeitreihen basierend auf raum-zeitlicher Korrelation vorgeschlagen, das aus zwei Phasen besteht: Rekonstruktion unvollständiger Zeitreihen durch fehlende Daten-Inferenzmethoden und Verkehrsprognose auf Basis der rekonstruierten Zeitreihen. Im ersten Abschnitt wird ein fehlende Daten-Inferenzmodell auf Basis eines verbesserten Rausch-Entfernungs-Autoencoders vorgeschlagen. Genauer gesagt wird der Rausch-Entfernungs-Autoencoder mit dem Grist-Winkel-Summenfeld kombiniert, um zeitliche Korrelationen zwischen verschiedenen Zeitintervallen herzustellen und Strukturmuster aus Zeitreihen zu extrahieren. Unter Nutzung der einzigartigen raum-zeitlichen Korrelation des Verkehrs in Satellitennetzen niedriger Erdumlaufbahn wird die Initialisierung fehlender Werte des Rausch-Entfernungs-Autoencoders verbessert. Im zweiten Abschnitt wird basierend auf dem raum-zeitlich korrelierten Verkehr des LEO-Netzwerks ein Verkehrsprognosemodell basierend auf einem mehrfachkanaligen Aufmerksamkeitsmechanismus-CNN vorgeschlagen. Schließlich wird zur Erreichung der idealen Struktur dieser Modelle der Multiversen-Optimierungsalgorithmus verwendet, um die optimale Kombination der Modellparameter auszuwählen. Experimente zeigen, dass das vorgeschlagene Modell bei unterschiedlichen Datenfehlerraten die Basislinienmodelle in der Verkehrsprognosegenauigkeit übertrifft und so die Wirksamkeit des Modells beweist.

Keywords

unvollständige Zeitreihen; Rausch-Entfernungs-Autoencoder; raum-zeitliche Korrelation; Verkehrsprognose; Satellitennetzwerke niedriger Erdumlaufbahn

READ MORE