DETERMINING AN EXPECTED QOS ADAPTATION PATTERN AT A MOBILE EDGE COMPUTING ENTITY

Apparatuses, methods, and systems are disclosed for edge enabled AI/ML-assisted QoS profile configuration. One method (700) includes receiving (705) at least one of actual and expected characteristics of a user equipment ("UE") that describes a context of the UE, obtaining (710) a data analytics model describing at least one expected network condition of a radio access network ("RAN") node based on the characteristics of the UE, determining (715) an expected QoS adaptation pattern, based on the obtained data analytics model, at a mobile edge computing entity within a service area of the UE, the QoS adaptation pattern comprising a sequence of QoS profiles to be associated with a QoS flow for the UE over a time interval, and communicating (720) the expected QoS adaptation pattern for the QoS flow of the UE to the UE and/or at least one network node associated with the QoS flow. Des appareils, des procédés et des systèmes sont divulgués pour une configuration de profil de QoS assistée par IA/ML compatible avec la périphérie. Un procédé (700) consiste à recevoir (705) des caractéristiques réelles et/ou attendues d'un équipement utilisateur (« UE ») qui décrivent un contexte de l'UE, obtenir (710) un modèle d'analyse de données décrivant au moins une condition de réseau attendue d'un nœud de réseau d'accès radio (« RAN ») sur la base des caractéristiques de l'UE; déterminer (715) un motif d'adaptation de QoS attendu, sur la base du modèle d'analyse de données obtenu, au niveau d'une entité informatique de périphérie mobile à l'intérieur d'une zone de service de l'UE, le motif d'adaptation de QoS comprenant une séquence de profils de QoS à associer à un flux de QoS pour l'UE sur un intervalle de temps et communiquer (720) le motif d'adaptation de QoS attendu pour le flux de QoS de l'UE à l'UE et/ou au moins un nœud de réseau associé au flux de QoS.