Meta-Continual Mobility Forecasting: Proaktive Handovers in 5G/6G optimieren

Eine neue Studie aus dem Bereich der Mobilitätsvorhersage präsentiert ein leichtgewichtiges Meta‑Continual‑Framework, das die Grundlage für proaktive Handover (HO) in modernen Mobilfunknetzen bildet. Durch die Kombination eines GRU‑Predictors, einer Reptile‑Meta‑Initialisierung für schnelle Few‑Shot‑Anpassung und eines EWMA‑Residualdetektors, der kompakte Online‑Updates nur bei Drift auslöst, wird die Genauigkeit der Vorhersagen deutlich gesteigert.

In realen Mobilitätsdaten treten plötzliches Umdrehen, schnelle Geschwindigkeitsänderungen und unvorhersehbares Nutzerverhalten häufig auf, was herkömmliche Vorhersagemodelle zum Abdriften bringt. Das vorgestellte System erkennt solche Drift‑Ereignisse sofort und aktualisiert sich nur dann, wodurch Fehlzeiten und fehlgeschlagene Handover reduziert werden.

Die Evaluation auf reproduzierbaren GeoLife‑ und DeepMIMO‑Pipelines zeigt beeindruckende Ergebnisse: Im Zero‑Shot‑Modus erreicht das Modell einen durchschnittlichen Abstandsfehler (ADE) von 4,46 m und einen finalen Abstandsfehler (FDE) von 7,79 m. Bei 10‑Shot‑Anpassungen sinkt der ADE auf 3,71 m, und die Wiederherstellung nach abruptem Drift erfolgt 2 bis 3 Mal schneller als bei einem herkömmlichen Offline‑GRU‑Modell.

Bei der Anwendung auf die HO‑Vorhersage verbessert sich die F1‑Metrik auf 0,83 und der AUROC auf 0,90. Gleichzeitig werden vernachlässigte Handover und Ping‑Pong‑Ereignisse signifikant reduziert, was die Netzstabilität und die Nutzererfahrung nachhaltig stärkt.

Mit nur 128 k Parametern ist das Modell besonders leichtgewichtig und eignet sich ideal für Edge‑Deployments in 5G‑ und zukünftigen 6G‑Systemen. Diese Forschung liefert damit einen wichtigen Schritt in Richtung zuverlässiger, proaktiver Handover‑Mechanismen für die nächste Generation der Mobilfunkinfrastruktur.