一种基于地图爬虫的场景边界识别与质量监控方法

本文提出了一种基于地图爬虫的场景边界识别与质量监控方法，参考互联网爬虫技术实现场景边界自动识别，依靠“MR+OTT”和“帕累托法则”实现场景资源信息自动更新，在此基础上，关联网优大数据实现重点场景网络质量的智能预警监控。在某市进行试点，方案上线后自动识别场景4361处，实现场景小区自动更新，初次评估覆盖率92.85%，经过两个月的整治，覆盖率提升至94.22%，弱覆盖小区占比下降4.72PP。     

基于AI的突发人流聚集区域识别与预警方法

本文提出了一种突发人流聚集区域智能识别与预警的方法,采用神经网络算法对小区未来用户数进行预测,依靠K-MEANS聚类算法和阿波罗尼奥斯定理确定小区的基准值,并通过线性回归算法对预测值和基准值进行对比,确定预警小区并根据预警小区的经纬度,构建Delaunay三角网,确定预警小区基站的覆盖区域,结合邻区关系、经纬度信息对周边站点汇聚,并借助网络爬虫技术获取基站的覆盖边界,输出预警区域。     

高速场景网络覆盖断点自修复方法研究

为降低高速公路站点故障对网络质量的影响,本文提出一种高速公路站点故障后基于大数据的网络覆盖自修复的方法,依靠切换链识别技术、替补站点均衡筛选算法和应用黄金分割搜索算法的自动优化方法,实现替补站点的选择和自动优化,保障高速场景用户网络的良好感知。