基于用户感知和网络效益的LTE无线扩容方法

在4G网络建设末期,网络资源投入逐渐减少的情况下,4G网络流量增长趋势依然保持不减且有增长态势。在有限的资源情况下,如何既能够释放被压抑的流量,最大化投资收益,又能够兼顾用户感知,减少业务流失,这是运营商当前面临的主要问题。本文从业务出发,基于用户感知,充分考虑各项负荷指标,建立了一套系统的扩容评估的思路和方法。     

基于OTT大数据的质差终端定位方法研究与实践

传统的移动通信质差终端定位方法主要依赖于人工拨测、终端信令数据分析和用户投诉数据分析.本文通过关联用户信令数据、OTT数据和MR数据等进行综合分析,实时定位终端位置,同时结合栅格分析,有效对比不同栅格内的终端无线质量情况,实现质差终端定位.通过现场实践验证,识别成功率满足日常工作,将为网络终端质量分析提供一种高效的评估...     

基于机器学习的自动负载均衡方法研究及应用

负载均衡是提升LTE网络容量能力的重要优化手段,由于LTE小区用户在时间上的波动性,常规的人工优化手段很难满足网络优化的需求。本文提出了一种基于机器学习XGBoost用户数预测的自动均衡方法和系统,通过XGBoost对LTE小区未来15 min的用户数量进行精准预测,并根据预测结果进行转移用户数计算,从而实现均衡门限的实时动态调整。该方法在网络应用中取得了良好的效果。     

面向700MHz干扰场景的VoNR语音感知提升方法研究

随着5G网络发展和终端的成熟，VoNR已经成为5G语音业务的最优解决方案。受700 MHz干扰的影响，VoNR语音客户在该频段驻留时，仍然存在接续成功率低和语音感知差等问题。本文通过研究700 MHz不同干扰场景下的VoNR语音的感知拐点，找到了不同干扰场景下VoNR语音的驻留策略，为推进VoNR语音快速部署和5G语音质量快速提升提供了依据。     

EPS FB语音切换转重定向问题识别方法研究与实践

针对EPS FB语音切换转重定向问题发现难和定位难的问题，本文提出了一种EPS FB语音切换转重定向问题识别的新方法。通过分析海量信令数据，基于关键信令流程和信令时间间隔识别切换转重定向的信令特征，并关联小区信息和用户信息进行汇聚，可根据实际生产需求输出全网小区级、用户级和终端级等多维度的问题汇聚识别，实现切换转重定向问题的快速分析与定位。     

基于业务感知投影的高铁线路评估方法研究与实践

本文依靠大数据分析手段,运用高铁用户业务感知建模,构建多维数据感知评估算法对高铁路段感知投影,实现高铁线路感知评估.发现问题路段后采用遍历巡更算法,对问题点智能分析定位,通过基于高铁用户感知投影的高铁线路评估与高铁问题路段智能分析定位,实现了一种面向高铁用户群的大数据评估分析方法.     

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。     

基于AI的伪基站轨迹定位方法研究与实践

本文提出了一种基于机器学习最大熵模型的伪基站轨迹识别方法,通过建立道路与小区覆盖模型;结合位置更新数据,利用伪基站影响小区识别算法,在系统侧实现了对伪基站的活动轨迹精确定位识别。     

基于循环神经网络算法的 室分用户定位与感知监控方法

本文提出了一种基于机器学习的室分用户位置定位方法,利用循环神经网络算法构建楼宇立体栅格的关联模型,再结合室分用户的MR数据,完成室分用户位置轨迹的拟合与位置定位。在此基础上,关联信令侧KQI感知数据实现室分用户感知的智能监控。在某市进行试点,对识别出的用户感知问题现场排查确认,位置定位精确度达到88.65%。经过两个月的专项整治,解决用户感知问题327处,室分MR覆盖率由94.41%提升至97.22%。     

基于客户感知的楼宇问题定位方法研究与实践

随着客户对室内不同业务网络使用需求的不断提升,为了进一步对楼宇内客户网络体验进行精确评估、分析定位及优化提升,研究与实践了一种基于客户感知汇聚的楼宇问题定位方法。通过对客户感知进行画像并将结果与定位信息关联汇聚成楼宇的体验评价,进而将感知与质量管控关联分析,优化解决楼宇网络问题。结果显示,该系统规模应用后,重点楼宇整体良好率超过90%、提升了11PP,实践效果良好。