arXiv cs.AI@Mannam Veera Narayana, Rohit Singh, Deepa M. R, Radha Krishna Ganti精选45该研究发布了一个从商用5G网络收集的真实数据集,涵盖步行、自行车、汽车、公交和火车等多种移动模式及不同速度。数据集聚焦切换场景,包含定时提前测量等关键信号事件,旨在减少切换中断时间并维持连续吞吐量。现有研究多依赖仿真数据,无法反映真实部署行为,该数据集填补了这一空白。论文详细描述了数据采集设置、提取过程,并进行了探索性分析,特别关注移动性、波束管理和定时提前。该数据集可用于训练和评估AI/ML模型,例如定时提前预测,为6G原生AI移动性研究提供基础。论文6G5GAI/ML移动性数据集推荐理由:做6G/5G移动性优化或AI-Native网络研究的团队,终于有了真实部署数据来训练模型,比仿真数据靠谱得多,建议直接下载使用。