新框架用历史数据缓解远程操控QoS概念漂移

Xiyan Su等作者提交论文，针对自动驾驶远程操控中预测服务质量模型因概念漂移在未见数据上性能下降的问题，提出将历史数据纳入预测流程的方法，并基于实测数据构建了预测上行数据速率与往返时延两项网络KPI的框架，同时引入关键场景检测指标以评估远程操控场景下的预测性能。 论文称，该框架旨在缓解概念漂移带来的预测性能下降，其适用对象为自动驾驶远程操控场景中的这两项网络KPI。上述效果为作者在论文中的表述。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。