[トラフィックデータを用いたGSM基地局からの電磁放射推定のAIベースの最適化] tech./dosim.

この研究は、実際のネットワークトラフィックデータに人工知能（AI）と機械学習（ML）を用いて、GSM基地局の電磁放射推定を最適化する方法を提案している。位置と設定によって選ばれたGSM基地局から電磁放射の測定値とトラフィックデータを取得した。電磁放射レベルを予測するため、トラフィックパターンを用いて線形回帰、ランダムフォレスト、ニューラルネットワークをトレーニングした。教師なし学習を用いて、放射プロファイルにより基地局をクラスタリングした。規制限度値と測定の実現可能性を考慮して、電磁放射推定の不正確さを最小限に抑える最適化方法論を作成した。その結果、電力ベースの推定よりも優れた予測精度が示され、基地局タイプを越えた高い汎用性が確認された。クラスタリング後の日々の電磁放射パターンは、特定のサイト要因の影響を受けた。電磁放射レベルはトラフィックデータと最適化されたAI/MLモデルを用いてモニタすることができる。この研究は、電気通信事業者や規制当局が電磁放射をより正確かつ効率的に分析するのに役立つものである、と著者らは結論付けている。