基于OTT数据的5G端网协同智能优化研究与实践

针对当前5G MR不携带用户位置信息无法实现用户网络感知精细化分析的问题,引入OTT大数据通过使用神经网络算法、DBSCAN算法等机器学习算法,建立5G用户位置预测和5G弱覆盖小区分布聚类模型,开展精细化的5G用户感知保障。研究结果表明,基于OTT数据的5G端网协同智能优化能有效提升5G优化效率,节省网络运营成本。     

基于INT感知的5G核心网用户面流量调度系统

为解决5G移动数据流量激增和新型网络应用不断涌现给网络运维造成巨大压力的问题,设计并实现一个面向5G核心网用户面的流量调度系统,包含网络状态信息感知子系统和路由决策子系统。在网络状态信息感知子系统中,传统带内网络遥测方法带宽开销高,而且不是专门为无线网络系统设计的,此外,在5G核心网中应用带内网络遥测还面临测量精度不高、QoS无法保障等挑战。为此,提出了基于带内网络遥测的5G核心网用户面状态信息感知方案,将遥测信息插入GTP-U报文的扩展头部,实时检测UPF状态信息,实现网络状态动态随路测量。路由决策子系统实现了基于改进蚁群算法的流量调度算法,利用感知到的网络状态信息升级信息素函数更新方式,完成基于实时网络状态的路由决策。实际部署测试结果表明,网络状态信息感知子系统能正常感知网络信息,而且所做路由决策在时延、吞吐量和丢包率方面优于传统路由算法。     

"畅优5G"引领5G智慧新未来

随着5G网络规模建设的推进,主要城市核心城区正逐步实现基于NSA组网模式的5G连续覆盖.基于网优大数据系统,对MR数据,用户控制面、业务面数据,5G NR业务面IP信息进行接入整合,根据对NSA组网业务信令特征的研究,结合MR多数据源融合定位技术,实现5G组网特性在现有4G网络数据基础上,高效、准确识别5G终端用户及其业务数据,及时洞察5G用户及业务发展,寻找5G高价值区域,指导5G网络规划和建设,并实现精准的用户感知效果评估.     

人工智能算法在5G套餐潜在用户识别中的应用

随着5G网络正式商用,大量的5G终端涌入市场,目前5G终端占有量逐日递增,但5G终端非5G套餐的用户占比相对较高,精准预测5G套餐潜在用户对于运营商拓展5G业务具有重要意义.本文基于O域信令数据、B域用户基础数据、MR位置数据等进行大数据分析,深入研究5G终端开通5G套餐前后的特征,结合人工智能算法搭建AI模型,精准预测全网5G终端非5G套餐用户中高概率更换为5G套餐的用户清单,助力5G套餐业务发展.     

从网络侧提升5G用户驻留时长的研究

随着5G网络商用的普及和发展,其终端和用户实现了持续快速增长.一方面,对运营商而言,希望用户能在5G网络驻留更长时间;另一方面,用户也愿意使用5G网络以享受更高速、更高质量的网络服务.然而,网络侧和市场策略等原因会导致一些用户在部分区域无法有效驻留在5G网络,使得用户感知受到影响.针对网络侧对5G用户驻留的影响因素,通...     

AI在5G行业专网的应用场景和使能技术

行业专网是5G网络的重要组成部分,电信运营商通过AI与行业专网应用场景结合实现业务SLA保障和网络优化。面向数字化、智能化的新一代行业专网发展目标,基于行业用户的体验保障和网络安全需求探讨了AI在5G行业专网典型应用场景,分析了基于AI的5G行业专网应用的关键使能技术,包括算力网络、自适应优化AI算法、意图驱动的网络织造、原生多主体群等,构建自适应持续进化的行业专网,为5G行业专网的智能化提供了有效、可行的实现方法。     

基于AI+大数据的4G/5G无线基站智能协同节能系统的研究和应用

提出了一种利用AI算法和无线网络性能数据，建立了一整套4G/5G无线小区的业务量评价及MR覆盖评估体系，实现在线识别低价值的小区，并在不影响用户感知的前提下，对其实施小区关断、深度休眠等综合节能管控措施。     

5G专网部署AI大模型能力的研究

为满足行业终端安全接入组织专网的移动性需求,能随时以自然语言交流方式实现行业应用与知识库的人机交互,文章对5G专网和交互式AI模型应用部署进行研究,阐述了在5G专网中部署行业AI大模型能力的解决方案,通过网络切片、安全策略和边缘云计算的部署方案解决网络安全和信息交互时延等问题,从而拓展5G专网在AI领域的应用场景,保障行业信息和敏感数据,提升工作效率。     

面向5/4G协同的4G容量保障策略研究

随着传统通信业务市场趋于饱和,5G将成为运营商寻求转型的新突破点,然而作为主营业务收入来源的4G网络负荷依然持续增长,运营商在做好5G规划建设的同时需确保4G用户感知.本文通过研究不同的4G网络容量保障方式优劣势,结合4G基站业务现状和预测提出物理扇区负荷判别标准,并归纳出"两不动、两移频、四增强、十一反开"的协同容量保障策略,研究结果实现了低成本快速的站点级精准4G扩容,为运营商提供了一种有借鉴意义的5/4G网络协同规划方法.     

5G高铁专网的智能自评估关键技术研究与应用

本文针对5G高铁专网由于高铁速度快、穿损大等特性，受多普勒偏移和信号衰减诸多影响造成的评估难点，通过应用大数据分析，同时结合AI智能算法，从高铁用户感知角度出发，提出5G高铁专网的智能自评估技术。首先利用数据融合技术实现了5G高铁用户的高准确率识别，其次完成了对5G高铁用户的高分辨率定位，最后提出了全面评估5G高铁用户语音及视频感知等多业务的模型，并采用Adaboost算法实现5G服务中无线侧短板的精准定位。验证结果表明，本文实现的高铁用户识别准确性达到99%，高铁定位精度达到1/2站间距，训练样本预测误差率保持在2%以下。     

基于AI智能关联技术的5G网络切片研究与实现

为解决传统通信运营商业务集中统一规则部署,业务无法灵活差异化定制以适应5G To B垂直行业多样化业务需求的问题,提出了一种基于AI智能关联算法的5G网络切片现网实现方案。首先借助对5G多域多接口数据采集形成数据分析基础,从不同垂直行业客户SLA需求给出网络切片的模型选择;然后借助二分K均值聚类AI算法寻找业务流在各环节的最佳切片参数,指导运营商为垂直行业客户提供端到端最优切片参数集;最后基于该算法给出了现网热门的5G应用如8K视频、高清在线游戏运用智能AI算法后的切片效率及性能质量的对比,为运营商5G网络切片技术在现网的应用实践提供参考。     

基于AI算法的5G多接入协同方案及关键技术

AI是5G Advanced及6G的核心技术之一,它与移动通信网络的深入融合可推动运营商网络向自智化方向演进,提升运营商生产和运营效率,在运营商网络中,多种接入方式将长期共存,需要考虑多接入的协同问题.针对此需求,论述了基于AI算法的5G多接入协同方案,分析了网络全息感知、自适应模型算法、实时闭环验证及隐私保护等关键技...     

基于GBDT算法的潜在5G用户预测研究与实现

5G用户规模发展是新时代新基建大背景下运营商5G网络建设的终极目标.传统的通过人工方式进行营销发展存在诸多不足,浪费大量人力物力财力.针对这些缺点,基于运营商O域和B域数据引入梯度提升决策树(GBDT)分类算法,通过学习存量5G用户正负样本在历史网络上产生的出账数据和网络数据建立5G用户分类预测模型,做到精准挖掘5G潜...     

基于大数据分析的5G-Advanced节能演进创新应用方法研究

随着无线传输技术的快速发展,5G理论单比特能耗约占4G的十分之一。但当前阶段,5G整体功耗却是4G的3倍。为了解决上述问题,网络节能也被认作是5G向5G-Advanced演进的主要方向之一。随着人工智能的蓬勃发展,AI for Network的概念也被不断的提出。无线通讯网络本身即是海量大数据的产生源,借助大数据分析技术,基站节能策略自动化部署是5G-Advanced阶段网络智能化节能的重要技术手段之一。从网络用户属性出发,运用大数据分析技术,在确保用户感知不变或提升的前提下提出一种综合性基站节能方法,整体基础能效节约效果达到约15%。     

新一代网络架构驱动的5G室分规划建设策略

对比4G网络,5G网络为全新的网络架构,新一代网络架构下,需突破4G室分传统组网观念,不盲目相信室分建设对感知提升的帮助,避免因外界干扰出现“建了不如不建”的投资浪费问题。本文从分析4G、5G室内网络总体架构出发,依托700M仿真数据、NR 2.6GHz实测数据,总结室外网络对室内覆盖的影响,研究新一代网络架构下5G室分规划建设策略,为后续5G室分的规划和建设提供参考。     

基于计算图的5G网络覆盖优化算法

人工智能大数据时代,5G网络也在迅速覆盖,成为目前研究的热点,5G网络的覆盖程度影响了网络的服务质量,传统的5G网络覆盖算法覆盖性能差,无法满足5G网络覆盖需求,因此,基于计算图设计了5G网络覆盖优化算法,为了保证算法的有效性,规划了5G网络覆盖分类范围,基于计算图确定了5G网络覆盖区域,计算了最小覆盖集,最后确定了覆...     

基于5G MR大数据的共覆盖识别研究

当前5G网络的覆盖能力与4G网络相比尚有不足，而在日常工作中数据记录的缺失导致4G和5G的共覆盖信息无法精确关联，严重影响优化工作的开展。对此，利用Python对MR数据进行挖掘分析，提出了一种基于5G-4G小区级的共覆盖关系强度识别算法。该算法利用MR数据做大数据挖掘和建模分析，提取小区级的共覆盖前度信息，为优化工作提供强有力的数据支撑，有效解决网络建设过程中的邻区关系、EPSFB回落频点不准确，以及5G网络分流等问题。     

5G终端登网率提升研究

5G时代已来,为提升5G终端用户登网率,本文从从终端、用户、市场、网络覆盖等几个维度展开研究,针对部分终端型号建议推送SA版本提升登网率;对5G未登网用户进行精准营销;识别5G终端常驻区域无5G覆盖,引导精准规划和建站提升登网率;针对5G网络感知差问题,开展门限下探、4/5G协同、功率、波束优化等各项工作;在核心城区试...     

基于APP感知速率拐点的4G/5G协同优化研究

随着5G网络用户的快速增长,5G用户感知备受关注。5G网络涉及较多的4G/5G网络互操作流程,如何保障用户更优的上网体验以及合理的4G/5G间互操作策略设置是现阶段的难点之一。为更精准、高效开展4G/5G网间互操作策略部署,重点研究了主流APP应用感知速率拐点,作为4G/5G互操作方案部署的依据。同时,结合实测数据中覆盖路损、干扰对用户感知的影响建立模型,精细化设置互操作门限,为后续4G/5G协同优化提供依据和思路。     

一种基于大数据的EPS FB语音感知精准优化方法研究

目前5G网络的语音策略主要为VoNR,但仍有大量业务是基于EPS FB(Evolved Packet System Fallback,5G网络侧语音回落)返回4G网络进行语音业务。随着5G用户的快速增长,原有的EPSFB回落策略存在回落成功率低、回落时延长、室内SA(standalone)语音感知差,甚至回落到4G质差小区等问题,严重影响语音用户感知,因此提出一种基于大数据的EPSFB语音感知精准优化方法,利用炎强大数据平台对回落方式、回落成功率、回落时延、邻区及下发频点、EPSFB接入成功率等数据进行海量统计分析,通过FDD(Frequency Division Duplexing)1800共址、50米、1.5公里内有无室分站点进行不同场景划分,最终实现不同场景下的针对性快速精准回落,确保不同场景下5G网络用户的语音感知稳定,方法执行后,EPSFB回落成功率、接通率、掉话率等语音指标提升明显。