基于常驻用户分离的室分隐性故障识别研究与实践

基于常驻用户分离的室分故障定位方法,在完成LTE号码回填和经纬度回填的基础上,基于室内常驻用户识别,用户楼宇位置识别,常驻用户特征聚类完成室分常驻用户分离模型。通过对室分常驻用户历史样本和网络指标的学习,建立室分隐性故障特征模型,输出高置信度的疑似室分故障清单和解决方案。完成数字化网优平台的室分健康度模块建设,并通过数字化运营系统实现工单一点看全。

5G用户常驻区域预判及网络支撑前置策略研究

针对5G网络发展初期,5G网络大数据平台及智能评估手段尚未完善,无法基于丰富的5G实际数据开展精准网络优化的问题,提出了一种5G用户常驻区域预判及网络支撑前置策略。首先,基于LTE信令大数据平台获取手机终端型号(IMEISV),与信令平台终端类型库进行匹配可获得终端类型及是否支持5G能力。然后,基于关键字段汇聚,获取5G终端分布及数量信息,即实现5G用户常驻区域预判。最后,基于高斯分布拟合LTE网络MR数据获得最佳方位角,开展网络精准优化,实现5G网络支撑前置。经实例验证,该策略能够有效提升用户热点分布区域的网络质量以及5G基站小区的业务量。

基于多域数据融合的楼宇价值评分模型研究

为做好楼宇价值评分工作,基于多域数据融合,研究楼宇价值评分模型。通过采样点的主邻小区信息和用户时空常驻判别算法,实现楼宇用户的覆盖特征模型构建和常驻用户锁定。通过多域数据的楼宇维度聚合和多维度数据的联合评分,输出每栋楼宇进行优化所能产生的价值,为后续室分工作安排提供了数据支撑。

基于大数据分析的离网用户保障研究

如何在发展新用户的同时,避免固有用户流失是运营商所面临的难题。通过分析离网用户的常驻区域,从网络覆盖和市场营销两方面去探索这些区域内用户的离网原因,并进行相应的网络和市场保障规划,从而起到亡羊补牢的作用。

一种基于MIDT数据的5G用户定位方法

现代城市高层建筑、密集建筑越来越多,城市无线传播环境越来越复杂,传统的无线网络优化方式需要深入到高层建筑物室内进行网络测试,通过测试数据分析评估室内网络覆盖质量。目前,基于楼宇真实用户上报的网络测量数据进行网络质量评估是无线优化工作的重要方向和趋势,但精确定位用户所在楼宇是当前楼宇室内覆盖评估工作的重点和难点。提出了一种基于最小化路测技术(Minimization of Drive-Test,MDT)数据的用户定位方法,可有效提升用户所在楼宇定位精准度。该方法通过识别用户所在的常驻小区,使用MDT数据中的精确位置信息获取用户在常驻小区的运动轨迹,并根据运动轨迹判断用户进出楼宇的精确位置点信息,利用位置点聚类算法进行用户常驻楼宇精确定位。