数据集概述
本数据集包含用于论文“kaNSaaS: Combining Deep Learning and Optimization for Practical Overbooking of Network Slices”的合成移动服务流量时间序列，涵盖5G的eMBB、uRLLC、mMTC三类服务的20组流量需求波动数据，与实际移动网络流量特性相似，共1个压缩文件。
文件详解
- 文件名称：Synthetic_time_series.zip
- 文件格式：ZIP
- 字段映射介绍：压缩包内包含20组合成时间序列数据，分别对应5G增强移动宽带（eMBB）、超可靠低时延通信（uRLLC）、海量机器类通信（mMTC）三类服务的流量需求波动记录，时间序列覆盖XXX天的连续观测周期。
数据来源
论文“kaNSaaS: Combining Deep Learning and Optimization for Practical Overbooking of Network Slices”（ACM MobiHoc 2023）
适用场景
- 5G网络切片超售策略研究: 用于验证深度学习与优化结合的网络切片超售算法效果。
- 移动服务流量预测建模: 基于合成时间序列训练和测试流量预测模型，分析5G各类服务的流量波动规律。
- 网络资源优化配置: 模拟不同服务流量需求下的网络资源分配方案，优化资源利用率。
- 通信网络性能评估: 对比合成流量与实际流量特性，评估网络应对流量波动的鲁棒性。
