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。     

我国家居行业电子商务应用研究

伴随着电子商务的蓬勃发展,家居消费网络化、家居商务电子化成为家居市场发展的重要趋势。本文从家居行业电子商务应用现状入手进行分析,尝试将电子商务理论和家居市场发展实践向结合进行研究,并针对家居行业和企业应用电子商务过程中遇到的突出问题提出若干切实可行的对策。     

基于大数据+AI的5G网络运营与保障

传统5G用户营销方式精准度低,5G用户位置信息准确度不高,大多数MRO数据的用户位置信息缺失,无法针对性进行5G网络部署;传统网络感知分析手段有限,无法实现用户级评估;站点规划工作量大、人员水平有限的问题导致站址规划效果不佳。主要围绕5G用户是谁、5G用户在哪、5G用户网络感知如何这3个核心问题来开展研究,通过引入GBDT算法、随机森林算法和DBSCAN算法等AI智能算法,实现5G用户挖掘、5G用户位置预测、5G智能规划和5G网络感知保障等功能,完成基于大数据+AI的5G网络运营与保障。