清华大学联合中国移动发布全球首个通用移动流量预测模型UoMo

在2025年ACM知识发现与数据挖掘大会（KDD 2025）上，清华大学电子工程系联合中国移动发布了全球首个面向移动网络的通用流量预测模型UoMo（Universal Model of Mobile Traffic Forecasting）。该模型通过融合扩散模型与Transformer架构，首次实现了对无线网络流量的多任务统一预测，涵盖短期、长期预测及无历史数据区域的全新流量生成。

技术突破与核心能力
UoMo的核心创新在于其时空联合建模能力，能够解析城市多源数据（包括历史流量、用户分布、POI信息等），并建立流量在时间、空间及城市环境维度上的动态关联。实验表明，即使在仅有5%-10%小样本数据训练的情况下，模型仍能保持与真实数据误差小于15%的预测精度，展现出显著的零样本/小样本迁移学习优势。其扩散模型结构特别适用于处理流量数据的非平稳特性，而Transformer模块则有效捕捉长期时空依赖关系。

应用闭环与网络优化
研究团队构建了“预测-优化-验证”的三步闭环范式：
1. 预测阶段：UoMo输出未来时段基站级流量分布，支持7天至数月的预测跨度；
2. 优化求解：将预测结果输入网络优化系统，生成基站选址、资源分配及休眠策略；
3. 效果验证：在上海、成都等地的实测数据显示，基于UoMo的优化方案使网络覆盖效率提升22%，时延降低18%。

行业价值与开源计划
该技术已在中国移动5G网络试点中完成部署，显著降低了网络规划成本。团队同步开源了模型代码及多城市数据集（GitHub: tsinghua-fib-lab/UoMo），论文《UoMo: A Universal Model of Mobile Traffic Forecasting for Wireless Network Optimization》获KDD 2025最佳论文提名。中国移动研究院指出，这是首次实现单一模型对异构网络场景的通用适配，为6G时代的智能网络自治提供了关键技术支撑。