LSTM_Traffic_Steering

نظام ذكي لتوجيه حركة البيانات (Traffic Steering) باستخدام شبكات LSTM

ملخص المشروع: تطوير نموذج ذكي يعتمد على التعلم العميق (Deep Learning) للتنبؤ بحركة البيانات وتوجيهها بشكل آلي (Traffic Steering) في شبكات الراديو، وذلك بهدف تحسين تجربة المستخدم وضمان التوزيع الأمثل للأحمال بين الترددات المختلفة.

المهام والتقنيات المستخدمة:

تحليل البيانات الزمانية: معالجة وتحليل البيانات التاريخية لحركة الشبكة (KPIs) باستخدام لغة Python ومكتبات معالجة البيانات (Pandas, NumPy).

بناء النموذج التنبؤي: تصميم وتدريب نموذج LSTM (Long Short-Term Memory)، وهو نوع متقدم من الشبكات العصبية المتكررة المتخصصة في التعامل مع السلاسل الزمنية، للتنبؤ بالأنماط المستقبلية للازدحام.

أتمتة توجيه الحركة: استخدام مخرجات النموذج لدعم اتخاذ القرار في عملية "Traffic Steering"، مما يساعد في نقل المستخدمين من الترددات المزدحمة إلى الترددات الأقل ضغطاً بشكل استباقي (Proactive).

تقييم الأداء: اختبار دقة النموذج باستخدام مقاييس الأداء لضمان موثوقية التنبؤات قبل تطبيقها في بيئة الشبكة.

القيمة المضافة: يجمع هذا العمل بين الخبرة الميدانية في RAN Optimization وأحدث تقنيات الذكاء الاصطناعي التوليدي والوكيل، مما يساهم في تحويل إدارة الشبكات من الطريقة التقليدية (Manual/Reactive) إلى الأتمتة الذكية (AI-Driven Automation).