本文版權(quán)為《郵電設(shè)計技術(shù)》所有，如需轉(zhuǎn)載請聯(lián)系《郵電設(shè)計技術(shù)》編輯部
摘要：針對當(dāng)前5G MR不攜帶用戶位置信息無法實現(xiàn)用戶網(wǎng)絡(luò)感知精細化分析的問題，引入OTT大數(shù)據(jù)通過使用神經(jīng)網(wǎng)絡(luò)算法、DBSCAN算法等機器學(xué)習(xí)算法，建立5G用戶位置預(yù)測和5G弱覆蓋小區(qū)分布聚類模型，開展精細化的5G用戶感知保障。研究結(jié)果表明，基于OTT數(shù)據(jù)的5G端網(wǎng)協(xié)同智能優(yōu)化能有效提升5G優(yōu)化效率，節(jié)省網(wǎng)絡(luò)運營成本。
關(guān)鍵詞：5G端網(wǎng)協(xié)同；OTT數(shù)據(jù)；用戶位置預(yù)測；小區(qū)聚類；機器學(xué)習(xí)
doi：10.12045/j.issn.1007-3043.2022.10.007
概述
在目前5G網(wǎng)絡(luò)大規(guī)模部署背景下，要拉動5G業(yè)務(wù)收入增長，運營商面臨的首要關(guān)鍵問題是5G用戶的常駐區(qū)域的網(wǎng)絡(luò)質(zhì)量。保障最容易出問題的覆蓋地點，是5G網(wǎng)絡(luò)端網(wǎng)協(xié)同優(yōu)化的重中之重。傳統(tǒng)網(wǎng)絡(luò)保障通過路測數(shù)據(jù)（DT）或者測量數(shù)據(jù)（MR）分析發(fā)現(xiàn)網(wǎng)絡(luò)缺陷，其中DT數(shù)據(jù)只能反映點線上的問題，無法做到全網(wǎng)精細化評估，而MR數(shù)據(jù)雖然全面但是5GR15版本終端暫不支持帶位置信息的測量數(shù)據(jù)，即使后續(xù)版本支持也存在部分終端不上報MR位置的問題，對5G網(wǎng)絡(luò)質(zhì)量的評估造成影響。
機器學(xué)習(xí)技術(shù)作為人工智能的重要組成部分，是國家發(fā)展戰(zhàn)略重點扶持的目標和當(dāng)下各行業(yè)關(guān)注應(yīng)用的焦點。本文通過使用用戶終端APP上產(chǎn)生的用戶無線網(wǎng)絡(luò)數(shù)據(jù)（OTT）來補償5GMR的缺陷，利用神經(jīng)網(wǎng)絡(luò)算法和DBSCAN聚類算法構(gòu)建5G用戶位置模型和弱覆蓋小區(qū)分布，為5G用戶網(wǎng)絡(luò)感知精細化保障奠定良好基礎(chǔ)。
