
AISON是以大数据+AI手艺为焦点,,,,,,,集成聚类、分类、神经网络和强化学习等多种算法,,,,,,,打造的网络智能优化新平台。。。。。。平台通过对工参、MRO、MDT和KPI指标等数据的洗濯和挖掘,,,,,,,实现网络优化事情自动化、智能化和全景化。。。。。。
连忙咨询
基于MDT数据源中RSRP、经纬度、AOA、TA等多种特征的漫衍,,,,,,,运用聚类、分类、神经网络等算法,,,,,,,精准识别过失工参并纠错。。。。。。


基于MRO、KPI指标,,,,,,,运用小区相关度、蚁群和KNN算法,,,,,,,自动输出参数优化计划。。。。。。


基于MRO、MDT和KPI指标,,,,,,,运用专家履历和强化学习算法,,,,,,,输出权值优化参数。。。。。。







| 产品??????? | 产品功效 | 计划有用率(%) | 备注 |
|---|---|---|---|
| 工参自纠错 | 方位角展望 | 90% | 现场验证,,,,,,,误差[0,20°] |
| 经纬度研判 | 85% | 现场验证,,,,,,,城区[0,50m],,,,,,,郊区[0,100m] | |
| 天线接反 | 98% | 现场验证 | |
| 串接研判 | 98% | 现场验证 | |
| 容量自平衡 | 高负荷待扩容 | 75% | 指标验证 |
| 高负荷待扩容预警 | 75% | 指标验证 | |
| 天馈自优化 | 弱笼罩优化 | 3% | 问题小区MR笼罩率改善幅度 |
| 重叠笼罩优化 | 0.50% | 问题小区MR重叠笼罩降低幅度 | |
| 容量优化 | 70% | 容量提升小区占比 |
工参自纠错
2019年“利奇马”过境,,,,,,,运用工参自纠错???????槎阅车厥泄げ尉傩腥覆,,,,,,,精准定位台风导致的天线偏移,,,,,,,极大提高了通讯恢复效率。。。。。。

容量自平衡
2019年某省接入容量自平衡优化平台后,,,,,,,高负荷待扩容和待扩容预警小区占比逐月下降,,,,,,,为网络优化节约了硬件支出和人力本钱。。。。。。

天馈自优化
选取一个弱笼罩优化簇,,,,,,,自动优化后整体弱笼罩率改善3.56%,,,,,,,弱笼罩栅格显着镌汰。。。。。。
