INFOCOM23-5GMeas|5G网络数据集|性能评估数据集

本数据集是INFOCOM23工作的一部分，名为‘A Close Look at 5G in the Wild: Unrealized Potentials and Implications’。数据集记录了从2021年4月至2022年1月在印第安纳波利斯和芝加哥进行的5G测量研究结果，涉及13个区域和三家顶级美国运营商（AT&T, Verizon, T-Mobile）。主要实验包括重负载下载大文件以测量下行数据速度，以及轻负载通过每秒ping谷歌保持无线连接活跃。

This dataset is part of the INFOCOM23 work, titled 'A Close Look at 5G in the Wild: Unrealized Potentials and Implications'. It documents the results of a 5G measurement study conducted from April 2021 to January 2022 in Indianapolis and Chicago, covering 13 areas and three top U.S. carriers (AT&T, Verizon, T-Mobile). The main experiments include heavy-load downloading of large files to measure downlink data speeds, and light-load maintaining wireless connection activity by pinging Google every second.

原始信息汇总

数据集概述

数据集来源与目的

本数据集来源于INFOCOM23会议论文“A Close Look at 5G in the Wild: Unrealized Potentials and Implications”，旨在通过实际测量研究5G网络的性能和潜在问题。

测量时间和地点

• 时间范围：2021年4月至2022年1月
• 地点：美国印第安纳波利斯和芝加哥的13个区域（R1-R13）

实验运营商

• AT&T
• Verizon
• T-Mobile

实验类型

1. 重负载实验：通过MI-LAB测试床重复下载500MB文件，测量下行数据速度。
2. 轻负载实验：每秒向Google发送Ping请求，保持无线连接活跃。

数据集结构

• 原始数据（位于dataset/raw目录下）：

  • cellset_thput：记录服务小区集、GPS位置及每0.1秒的即时下行吞吐量。
  • rss：记录服务小区或邻近小区的RSRP/RSRQ测量样本。
  • instance：
    • cause_study：记录在切换间未变化的小区集实例，以及配置和测量报告信息，用于研究未实现的5G潜力。
    • disruption：记录在切换间未变化的小区集实例，以及中断和影响时间信息。
    • delay：记录在切换间未变化的小区集实例，以及5G小区添加时间信息。

• 网格数据（位于dataset/grid目录下）：

  • 记录每个网格（约55m x 45m）的覆盖情况、5G连接性、小区集及性能。

• 数据集统计（位于dataset/dataset_stat目录下）：

  • 记录各区域的统计信息，如持续时间、距离、频道/小区/小区集数量等。

数据集访问

由于GitHub空间限制，原始数据集已压缩并迁移至此链接。

AI搜集汇总

数据集介绍

构建方式

INFOCOM23-5GMeas数据集的构建基于对5G网络在实际环境中的性能测量研究。研究团队在2021年4月至2022年1月期间，通过MI-LAB测试平台，在美国印第安纳波利斯和芝加哥两个城市的13个区域，对AT&T、Verizon和T-Mobile三大运营商的5G网络进行了系统性的测量。实验分为两类：一是通过从Google Cloud下载大文件（每个500MB）来测量下行数据速度的重流量实验；二是通过每秒向Google发送Ping请求以保持无线电连接活跃的轻流量实验。所有实验数据均通过mperf任务进行采集，确保了数据的全面性和准确性。

使用方法

INFOCOM23-5GMeas数据集的使用方法较为灵活，研究者可以根据具体需求选择不同的数据子集进行分析。数据集以CSV格式存储，便于使用常见的编程语言（如Python、R等）进行数据处理和可视化。对于需要深入分析5G网络性能的研究者，可以通过数据集中的原始数据（如cellset_thput、rss等）进行详细的性能评估和问题诊断。此外，数据集还提供了统计信息和网格数据，支持对5G网络覆盖和连接性的宏观分析。研究者还可以利用附带的绘图脚本（Pgfplots或MATLAB）进行数据可视化，进一步挖掘数据中的潜在规律。

背景与挑战

背景概述

INFOCOM23-5GMeas数据集由Liu Yanbing和Peng Chunyi等研究人员于2023年发布，旨在深入探讨5G网络在现实环境中的表现及其潜在问题。该数据集基于2021年4月至2022年1月期间在美国印第安纳波利斯和芝加哥两座城市的13个区域进行的5G测量研究，涵盖了AT&T、Verizon和T-Mobile三大运营商的网络性能。研究通过MI-LAB测试平台，采用大流量和小流量两种实验模式，分别测量了下行数据传输速度和无线电连接的稳定性。该数据集为5G网络的优化和未来技术发展提供了重要的实证依据，对通信领域的研究具有深远影响。

当前挑战

INFOCOM23-5GMeas数据集在构建过程中面临多重挑战。首先，5G网络在现实环境中的表现受到多种因素影响，如地理位置、网络负载和设备类型等，这使得数据采集和分析变得复杂。其次，研究需要在不同运营商和区域之间进行大规模测量，确保数据的代表性和一致性。此外，数据集的构建涉及大量实时数据的处理与存储，对计算资源和存储能力提出了较高要求。最后，如何从海量数据中提取有价值的信息，并准确识别5G网络的潜在问题，也是研究中的一大难点。这些挑战不仅考验了研究团队的技术能力，也为未来5G网络的优化提供了重要的研究方向。

常用场景

经典使用场景

在5G网络性能评估领域，INFOCOM23-5GMeas数据集被广泛应用于测量和分析5G网络在实际环境中的表现。通过在不同城市和运营商网络中进行大规模实验，该数据集提供了关于5G下行速度、信号强度以及网络切换行为的详细数据。研究人员可以利用这些数据，深入探讨5G网络在不同地理区域和网络负载条件下的性能差异。

解决学术问题

INFOCOM23-5GMeas数据集解决了5G网络性能评估中的多个关键学术问题。首先，它提供了关于5G网络在实际环境中的真实性能数据，填补了实验室模拟与真实场景之间的差距。其次，通过分析网络切换行为和信号强度变化，该数据集帮助研究人员识别5G网络中的潜在问题，如网络中断和延迟，从而为网络优化提供了科学依据。

实际应用

在实际应用中，INFOCOM23-5GMeas数据集为电信运营商和网络设备制造商提供了宝贵的参考。通过分析该数据集，运营商可以识别网络覆盖不足的区域，优化网络资源配置，提升用户体验。同时，设备制造商可以利用这些数据改进5G设备的性能，确保其在复杂网络环境中的稳定性和高效性。

数据集最近研究

最新研究方向

在5G技术的快速发展背景下，INFOCOM23-5GMeas数据集为研究者提供了深入分析5G网络在实际环境中的性能表现的机会。该数据集通过在美国印第安纳波利斯和芝加哥两座城市进行的广泛测量，涵盖了三大顶级运营商（AT&T、Verizon和T-Mobile）的网络表现。研究重点包括5G网络的重负载和轻负载情况下的数据传输速度、信号强度以及网络切换时的性能变化。这些数据不仅揭示了5G网络在实际应用中的未开发潜力，还为优化网络配置、提升用户体验提供了科学依据。此外，该数据集的研究成果对于推动5G技术的进一步发展和标准化具有重要意义，尤其是在网络覆盖、信号稳定性和数据传输效率等方面。