본 연구는 5G 고속 이동 환경에서 AI/ML 기반 핸드오버 및 빔 관리를 위한 실제 데이터셋을 공개합니다. 데이터셋은 보행자, 자전거, 자동차, 버스, 기차 등 다양한 이동 모드와 속도에서 상용 네트워크를 통해 수집되었습니다. 타이밍 어드밴스(TA) 측정 데이터도 포함하여 기존 연구에서 부족했던 정보를 보완했습니다.
핸드오버 중단 시간 감소 및 통신 지속성 유지를 목표로 데이터셋을 구축했으며, RACH 트리거, MAC CE, PDCCH grant 등 다양한 신호 이벤트에서의 TA 측정 데이터를 포함합니다. 데이터셋 생성 과정, 실험 설정, 데이터 획득 및 추출 과정을 상세히 설명하고 있습니다.
본 데이터셋은 AI/ML 모델 학습 및 평가, 특히 타이밍 어드밴스 예측 모델 개발에 활용될 수 있으며, 실제 네트워크 환경에서의 AI/ML 모델 성능을 평가하는 데 기여할 것으로 기대됩니다.