基于AGPS%MR的网络连片质差栅格方法的研究

随着移动网络规模日益增大,如何借助数据分析技术实现无线网络问题的精准洞察,一直是各大运营商研究的热点课题。文章基于AGPS MR(辅助全球定位系统测量报告)技术,提出一种新型的网络连片质差栅格方法,并详细论述该方法原理及步骤,并对该方法的准确性做进一步验证。

“四+五”方法论快速压降5G业务质差小区

按照A运营商5G KPI考核目标,要求本地网5G小区质差率低于1%且逐月下降。通过对5G SA质差小区的日常处理及优化,基于思维导图提出了快速压降5G业务质差小区的“四+五”方法论,并以B地区本地网为例,分别针对故障类、覆盖类、容量类、参数配置类等场景的质差小区列举了典型案例,从问题现象、问题分析、优化方法、效果对比几个环节实施并闭环处理,B地区本地网的5G网络质量和用户感知得到了明显提升和改善。

基于用户感知的无线质差小区大数据挖掘方法探索应用

为了先于用户投诉开展感知差小区治理,提升用户满意度,通过网络信令大数据平台与机器学习算法搭建一种基于用户感知的无线小区网络质量评价模型,应用模型挖掘无线质差小区,协助无线专业精准治理相关质差小区,在网络质量提升方面取得成效,赢得用户口碑。

关于数字赋能宽带网络质差用户多触点修复的研究

宽带网络质差用户的有效修复是运营商需要重点关注的问题,以数字化技术赋能宽带网络质差用户修复作为研究对象,分析宽带网络质差用户的优化需求,提出高频无源光网络(passive optical network,PON)口故障闭环管控、集中障碍小区跟踪管控、客户体验管理(customer experience management, CEM)嵌入生产助力质差用户修复等多触点解决方案,实现了降低高频故障率、减少宽带用户故障申告量、正向拉升宽带网络质量满意度评分等管理成效,以期为解决此类问题提供参考。

基于机器学习的4G手机上网质差小区定位研究与实现

本文论述了基于机器学习的4G手机上网质差小区的识别与定位,通过机器学习的方法确定了质差业务阈值,实现了质差业务、质差用户和质差小区的识别,并定位了质差小区根因,并将整个流程设计、整合成了一套面向用户体验质量提升的质差下区预警系统,能够先于用户发现、解决网络问题,提升用户网络体验。

文化势差、质差与文化流动的历史诠释

作为一种认识工具 ,本文引入了文化势差和文化质差两个概念 ,并对二者产生的原因、相互关系及其作用机理 ,结合典型史实进行了微观分析 ,为甄别和辨析文化交流的真实动因、机制和状态 ,提供了一种有参考价值的视角。

家庭宽带业务质差投诉分析与路由器解决方案

随着家庭宽带业务的不断发展,家庭路由器已成为承载数字家庭应用的关键节点,家用路由器的运行稳定性直接影响用户对公司宽带产品的感知和体验。目前市面上家用路由器产品质量参差不齐,因路由器问题导致大量的用户投诉,需要针对路由器的现有问题,实施多种手段来引导质差路由器的整治,提升客户满意度。

基于人工智能算法的投诉用户质差小区定位及预测的方法研究

为了解决自动定位质差小区,本文创新性提出以数据驱动来实现业务规则自动化,充分考虑用户投诉的时间和问题、网络交互信令、无线性能指标和告警等海量数据,运用人工智能技术中的逻辑回归及决策树算法得出2G语音、VoLTE语音及数据业务投诉质差小区定界模型、质差小区预测模型及问题网元,更快速、更智能、更准确地输出语音及数据业务投诉原因、质差小区及质差原因,并对潜在质差小区进行预测,对无线规划、基站建设、故障处理、网络改造等方面的工作也具有积极指导意义。

文化质差视域下中西方英雄观差异之根源

中西方在对英雄的道德和形象要求、个体与集体关系、亲民与生命观等方面存在显著的观念差异。其根源在于双方的生命存在观、传统哲学、文化、社会主体构成及民族人格等文化异质所致。

WCDMA网络质差小区问题研究

3G网络用户的海量增长与各类网络应用的快速普及给3G网络的日常优化、维护工作带来了各种各样的问题;3G网络中存在的大量质差小区就是问题之一。通过对3G网络质差小区的广泛研究与深入分析总结出了导致3G网络质差小区的各类原因,并结合实际案例进行说明提出解决方案。

数字化运营移网质差小区评估及根因定位分析方法

移网质差小区对用户感知有较大影响。采用数字化运营根因定位,确立五维二十四项定位规则,初步定位质差问题原因。同时结合专家经验关联关键KPI指标,通过自动化程序实现小区覆盖合理性判断,并利用小区配置文件实现小区模三干扰分析及参数配置信息输出,实现质差小区根因分析一点看全,有利于提升一线优化人员质差问题分析效率。

基于BP算法的多层前馈网络在质差建模中的应用

BP神经网络算法可以以任意精度逼近任何非线性函数,且具有并行分布存储、高度鲁棒性与容错能力,适合解决受多重因素交叉影响的复杂的非线性问题。主要提出了一种基于BP神经网络的预测方法,并详细阐述神经算法的基本原理、建模方法以及其在质差预测中的应用。

机器学习在网络路测质差小区分析中的应用

由于LTE网络数据量庞大而且种类繁多,人工路测分析已经无法满足当今对基于路测数据质差小区检测的需求.为了提高质差小区检测的效率与正确率,机器学习逐渐在质差小区检测中得到了应用.本文针对小区数量较少的路测数据,提出了一种基于距离的四维特征的质差小区检测方法.该方法采用聚类算法和人工判断相结合的方式对路测数据进行标定,对比分析了基于距离的四维特征和传统的两维特征的提取效果,并在逻辑回归分类器、决策树分类器、支持向量机分类器和k近邻分类器这4种分类器中进行分类.实验结果表明,基于距离的四维特征比传统的二维特征更有利于质差小区检测;使用四维特征进行分类,支持向量机分类器的效果最好.

降低IPTV用户质差率的有效措施

为了提升用户基于IP技术的视频感知体验,依托基于大数据的用户感知评价体系,可以基本准确的分析出IPTV质差用户和设备。本文从IPTV平台、城域网、接入网、ONT和机顶盒终端等多个角度,阐述了整改优化网络,降低IPTV质差率的有效措施。

解决IPTV用户质差的方案探讨

本文研究了影响IPTV用户质差的主要症结,逐层分析原因,通过修改速率门限参数、开发了基于WEB界面的自动巡检工具、对超限PON口进行用户分流、开发光功率比对整改工具等措施,实施后取得了显著效果。

基于5G信令的质差小区定位方法研究

受限于采集解析能力,5G信令虽包含海量信息但尚未规模化应用。探讨了5G信令采集解析与应用的方式,通过解析原始信令文件,利用关键字段回填话单数据携带的终端信息与MR数据所携带的覆盖信息,打通不同数据源来提供端到端定界能力,建设了基于5G信令的质差小区定位系统。结合一线实践经验,将粗粒度小区级性能指标映射至单用户级别,为网络数字化运营探索新的驱动力。

5G+北斗高精度定位服务质量测试方案与质差原因

随着我国北斗导航产业的发展与北斗卫星全球组网的成熟建设,5G+北斗高精度定位服务在如测量测绘、形变监测、驾考驾培、自动驾驶等行业的应用正处在规模推广阶段。行业客户对高精度定位产品服务质量评估的需求也逐渐显现,现有的评估方法侧重在基准站、接收机终端侧,无法为行业用户所有使用或选择高精度定位服务提供参考。因此,需要一套面向行业应用的高精度定位服务质量评价体系为行业应用提供参考。创新性地提出了一套评估指标体系,特别是结合3GPPRelease17定义及车企等行业客户需求,搭建了完整的类指标体系,并在全国范围的不同区域、不同场景进行了验证。最后,通过对大量数据结果进行处理分析,以及对动态遮挡场景的影响、高精度定位平台与终端适配等用户侧更为关注的方面进行了分析,给出了服务质量改善的优化建议。特殊地,对比分析了单北斗条件下的服务质量。

改进自训练模型在业务质差用户识别中的应用

质差用户识别是降低用户投诉率、提升用户满意度的重要环节。针对当前电信网络系统中业务感知相关的大量结构化及非结构化数据难以有效标注、质差用户标签不完备、现有监督学习模型训练样本不均衡而导致质差识别率低的问题,采用改进自训练半监督学习模型,利用少量满意度低分和投诉用户作为质差用户标签对网络数据进行标注,并通过标签迁移对大量未标注数据进行训练识别质差用户。实验表明,相比于识别准确率高但是训练成本高的全监督学习和识别准确率低的无监督学习,半监督学习可以充分利用无标签样本数据进行有效训练,保证较低训练成本的同时显著提升质差用户识别准确率。

基于用户访问感知的家宽业务质差识别研究与实践

随着互联网的迅猛发展,用户对业务感知和服务质量要求越来越高,网络业务质量监测也变得日益重要。本文分析了当前家宽业务质差识别现状,提出了一种基于用户访问感知指标的宽带业务体验评分方法,并通过区域试点验证了评价体系的有效性。使用该方法可有效提升质差用户识别率,对于网络问题的主动发现和网络质量的精细化管理具有较好的参考意义。

基于Q值的互联网SP质差业务的分析与应用

随着移动互联网技术的高速发展和智能设备的不断普及,移动互联网用户规模呈现爆炸性增长,移动互联网业务超过17 000种。如何从繁杂的业务中查找质差SP业务,给电信运营者带来了较大困扰。基于"Q值"挖掘互联网SP质差业务的方法,从指标公式分解和数学推导入手,得出能代表对全网互联网业务质量指标影响程度大小的Q值。该方法能快速从海量数据中查找到影响互联网业务质量指标的质差SP业务,并先于用户发现问题和解决问题,效率提高达60%以上,有效提升了用户业务感知。