中信科移動(dòng)聯(lián)合聯(lián)通河南分公司云網(wǎng)運(yùn)營(yíng)中心積極參與自智網(wǎng)絡(luò)實(shí)踐,雙方按照聯(lián)通集團(tuán)數(shù)字化轉(zhuǎn)型戰(zhàn)略指引,基于HiNet智能運(yùn)維平臺(tái),圍繞保障網(wǎng)絡(luò)合理、網(wǎng)絡(luò)問(wèn)題三維立體洞察、重點(diǎn)場(chǎng)景識(shí)別、場(chǎng)景化參數(shù)建模尋優(yōu)、天饋深度洞察、天饋智能優(yōu)化等方向開(kāi)展研究,形成無(wú)線網(wǎng)絡(luò)鏈?zhǔn)絻?yōu)化創(chuàng)新解決方案,結(jié)合神經(jīng)網(wǎng)絡(luò)、知識(shí)圖譜等AI技術(shù),打造閉環(huán)自智網(wǎng)絡(luò),賦能網(wǎng)絡(luò)優(yōu)化的多個(gè)場(chǎng)景,推動(dòng)網(wǎng)絡(luò)質(zhì)量和用戶(hù)體驗(yàn)的快速上升。
網(wǎng)絡(luò)問(wèn)題三維立體洞察
基于半監(jiān)督分類(lèi)算法結(jié)合圖像識(shí)別的建筑物畫(huà)像,實(shí)現(xiàn)了用戶(hù)MR的室內(nèi)外區(qū)分以及3D精準(zhǔn)定位。在此基礎(chǔ)上結(jié)合網(wǎng)絡(luò)問(wèn)題評(píng)估,實(shí)現(xiàn)了問(wèn)題點(diǎn)、問(wèn)題路段、問(wèn)題區(qū)域、問(wèn)題樓宇的全方位三維立體洞察,避免了大量的人工測(cè)試工作。
重點(diǎn)場(chǎng)景識(shí)別
基于神經(jīng)網(wǎng)絡(luò)圖像識(shí)別算法精準(zhǔn)識(shí)別建筑物,進(jìn)行場(chǎng)景自動(dòng)化分類(lèi),并結(jié)合KPI、MR等網(wǎng)絡(luò)數(shù)據(jù)疊加網(wǎng)絡(luò)屬性,如弱覆蓋、高丟包、高負(fù)荷等,后結(jié)合無(wú)監(jiān)督聚類(lèi)算法通過(guò)場(chǎng)景交織構(gòu)建個(gè)性化細(xì)分場(chǎng)景,為差異化精細(xì)參數(shù)優(yōu)化提供輸入。
場(chǎng)景化參數(shù)建模尋優(yōu)
結(jié)合VoNR專(zhuān)項(xiàng)提升積累的參數(shù)尋優(yōu)專(zhuān)家經(jīng)驗(yàn),基于徑向基神經(jīng)網(wǎng)絡(luò)建模構(gòu)建待優(yōu)化指標(biāo)在不同場(chǎng)景小區(qū)下與各參數(shù)的模型關(guān)系,并通過(guò)梯度下降算法對(duì)神經(jīng)網(wǎng)絡(luò)模型求解得到佳的參數(shù)配置,并通過(guò)多輪迭代使收斂度超過(guò)98%。
天饋深度洞察
利用路測(cè)、MDT(MR)、切換數(shù)據(jù)結(jié)合AI聚類(lèi),統(tǒng)一場(chǎng)景分析小區(qū)用戶(hù)數(shù)、切換分布、波束分布,可快速發(fā)現(xiàn)天饋接反和天饋覆蓋方向被遮擋等異常問(wèn)題,避免大量人工上站核查的復(fù)雜性。
天饋智能優(yōu)化
利用天饋軟調(diào)參數(shù),結(jié)合機(jī)器學(xué)習(xí)尋優(yōu)算法,實(shí)現(xiàn)“覆蓋問(wèn)題自動(dòng)發(fā)現(xiàn)-自動(dòng)分析-自動(dòng)優(yōu)化”,以低成本高效率的方式助力網(wǎng)絡(luò)覆蓋優(yōu)化。
(AM 8:00-12:00 PM 14:00-18:00)