探讨大数据+AI的5G网络运营与保障

黄胜

广西通信规划设计咨询有限公司 广西南宁市530007

摘要：目前5G网络正处于大规模推广的重要阶段，想要促进5G业务的发展，运营商需要重点考虑这个问题：哪些现有的3G或者4G客户是发展5G业务的潜在客户，这些潜在客户所在地区的网络质量如何。发展5G业务的重心应当放在这些潜在客户的所在区域，并尽可能保障最可能出现故障的地区。过去的通信营销模式精准程度较低，不能够快速完成5G推广规模化的目标。而现有的5G用户所在区域的精准程度不高，不能够进行具有针对性的安排。在目前信息终端整理的信息中可以发现，当前已经支持A-GPS功能的终端比例较低，用户位置无法确定。过去使用的感知分析功能也无法对客户进行精准评估。5G基站的工作内容多，但基站规划设计人员专业水平低下，最终导致基站的建设位置欠佳。如何更好的推动5G网络的营销工作并提升5G网络的感知能力，做好站点位置的详细规划，是5G运营商需要重点考虑的问题。

关键词：大数据；AI技术；网络运营；保障

前言

在传统的5G网络营销模式下，对客户的真实需求定位不精准，也无法精准识别客户5G网络的质量情况，影响了客户的整体体验。基于大数据及人工智能技术，可以有效解决5G网络运营及保障上遇到的难题，精准的获取客户在使用5G网络过程中的真实情况及潜在客户的需求，为广大的5G用户及潜在用户提供高效的网络服务质量，满足人们对优质的数字化网络的向往。

1大数据时代的含义及特征

1.1大数据时代含义

所谓大数据时代，是基于相关的算法，实现对海量数据的搜集、分析、存储和利用，挖掘数据中的有利信息，用以指导企业的生产实践，它能够有效提高工作效率，为企业的发展决策提供精准的数据支撑。简单来说，大数据技术也就是在各种各样类型的数据中，快速获得有价值信息的能力。以大数据为依托，各种产业包括一些新兴产业应运而生，产业运行中产生了海量的数据，非常有必要对这些数据进行分析和处理，这一时代环境就称之为大数据时代。

1.2大数据时代特征

大数据时代有四个重要特点：量大、类多、价值相对较低、具有时效性。首先是大量的信息数据伴随着产业的发展而诞生，同时信息技术的发展也为处理这些数据、解决这些问题提供了支持。其次，与以往的数据不同，大数据时代的数据种类多样，包括视音频等多种形式，这要求信息技术也要不断发展。再者，在海量的数据来源中，有利用价值的数据占比非常少，如何挖掘出有价值的数据意义重大。和传统的数据处理模式相对，大数据技术可以从海量数据中筛选剔除无关数据，保留对自己有价值的数据，利用模型对未来的趋势进行预测。最后，数据分析处理速度快，主要通过互联网传输。大数据处理速度要求比较严格，利用服务器对海量数据进行处理，这是很多平台都不具备的功能。大数据对社会发展的影响是显而易见的，不仅推动了计算机技术的发展，而且对各个行业的进步，经济的发展也有重要促进的作用。

2 AI技术的概述

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

3大数据+AI的5G网络运营与保障策略

3.1核心功能模块

（1）5G用户画像：想要做到精准的识别5G用户就需要首先找到谁是5G使用者。传统的营销方法通常是一刀切，忽视个体之间存在的巨大的差异性，因此导致5G业务推广速度慢，工作效率不高，我们将重点解决这一问题，使用机器学习做好5G用户的分类算法，找到5G用户的具体特征，挖掘潜在客户。

（2）MR用户位置预测：要了解5G使用者的具体位置就需要掌握用户所在的位置信息，当前5G业务使用者一般为NSA用户，此类用户一般需要同时借助4G、5G网络，运营商可以借助4G MR掌握用户位置，但仅仅依靠A-GPS技术是不准确的。当前业务中A-GPS使用比例低，位置信息也就不够完整。因此需要选择MRO多维数据来完成建模，对用户位置进行精准预测。

（3）5G网络感知保障：在已经掌握用户位置信息之后，就要了解目前用户的网络质量水平。传统的技术使用SEQ或者MR做出数据分析，但两个平台的数据无法共享。比如在解决单用户速率慢的状况时，SEQ方式就无法掌握具体的位置信息。

（4）5G智能规划：为了在5G业务的建设初期掌握用户的具体位置信息，需要使用更加智能化的规划方式。目前，传统的规划方式一般选择人工审核，这就导致规划过程中容易出现任务工作量大、工作人员专业素养不平衡的情况，导致最终的规划结果不合理，可以选择机器学习对当前5G用户的位置信息进行聚类，以此指导基站的建设位置选择。

3.2主要创新点

（1）5G用户画像：一般利用出账数据以及感知指标等信息对目前的算法系统做出综合评估，最终挑选数据结果最匹配的GBDT算法建模，完成最终的5G用户名单排列。

（2）5G用户位置预测：在使用各种数据对现存的算法进行评估之后，确定随机森林算法是与结果最为匹配的算法，这样才能解决各处存在的模型不统一的问题，建立精准的预测模型，输出准确的用户位置信息。

（3）5G智能规划：通过区分各种类型的场景进行DBSCAN聚类分析，掌握目前可能出现的5G用户中网络信号差的地点，做好更加贴合实际需求的5G基站规划。

（4）5G网络感知保障：对当前的无线网络使用信息以及用户位置信息综合在一起，就能够呈现出具有区域化差异的网络感知结果，进一步提高5G网络的服务质量。

图1大数据+AI的5G网络运营与保障项目框架

3.3具体实现算法与应用

3.3.1基于AI算法的5G用户智能预测

这一算法主要通过GBDT机器学习的方式对之前5G用户的网络使用信息进行处理，并做出科学合理的分类别预测模型，对客户是否是潜在的5G使用者进行估计。这一预测结果将为5G网络的营销工作提供较好的数据支撑，对5G业务的日常推广工作起到了很好的促进作用。

（1）数据准备。将5G用户以及非5G用户的过往网络使用信息作为数据样本，一般这些数据将包括基础信息以及详细的消费信息、上网行为统计以及用户感知结果（见表1）。

表15G用户正负样本原始字段

（2）数据预处理。这部分内容主要包括对可能存在的缺失信息进行替换，或者将错误的信息进行修改，对于部分归类不正确的数据进行合理归类。

（3）特征工程。目前样本的信息主要通过特征构造、抽取以及最终的选择这三个步骤操作，举例如下：特征构造。将目前标杆时间中的“入网时间”换算成当前在网月数。特征抽取。利用PCA算法对目前的KQI数据做出降维，并利用降维后数据做相关性谈论，最终将最重要的变量保留下来。特征选择。利用相关系数法的方式对数据进行筛选，因为数据的高度相关性可能会出现多重共线性，将影响最终的模型预测效果。

（4）模型选择与优化。利用多种机器学习方式对模型进行综合打分，最终决定使用获得最佳分数的GBDT模型（见图2）。

图2 基于交叉验证的分类模型选择

在最终决定模型后，可以使用随机搜索算法对参数进行调整，并得到最优的超参数组合。目前在在已知的测试集上评估之后，数据分类的正确率可以达到85%以上。

3.3.2基于MR的AI智能用户位置定位算法

由于A-GPS是目前终端所缺少的功能，这导致携带位置信息的MR数据在MRO中比重较少，因此网络优化智能化的一个重要方向是将带有位置信息的MR数据导入AI学习系统，再利用系统对不带位置信息的MR样本进行预测。本项目使用不同AI算法对采集的MRO多维用户MR数据样本进行训练性学习，发现随机森林算法对不同区域差异化建模达的手段预测效果良好。

（1）数据准备：对当日1小时某运营商全网MRO数据使用上述具有自主知识产权的MRO采集工具进行采集解析，最终得到维度为十一的MR数据，再将小区工参中区县、覆盖类型、经纬度、方位角等与之结合，最终生成了维度为十六的训练集数据，采用相同方法对次日相同时短的数据进行采集，并将其作为测试集数据。

（2）数据预处理。基数（cardinality）一般是指选取符合类别特征的全部可能出现的数值。在这一类别的数据面前，只使用Label Encoding或者One-Hot Encoding的方式进行数据处理得到的结果可能并不理想。因此，本项目将采用MR.LteScCgi、MR.LteScPci和MR.LteNcPci这三种特征来发现高基数问题，并使用特征Hash编码将高基数映射至其他低维空间。

（3）模型选择：在模型使用方面一般选择对多目标进行回归的方式，例如选择XGBoost、GBDT或者Ridge的方式进行模型验证，但最终得分中随机森林算法的表现最佳，因此数据模型一般选择随机森林算法。

（4）测试集测试结果分析：根据最终的数据结果分区县观察，网络质量水平有着十分明显的区域性差异，网络质量水平高于平均水平的地区，网络数据误差仅为140m；在部分偏远区域中最大的误差可以达到1km以上。由于不同地区基站数量以及人群分布状况并不相同，在全部地区建设完全相同的数据模型是不切实际的。

3.4测试的实际运行情况

这次测试的顺利实施给5G网络的推广带来了极为重要的作用。在对5G用户进行画像时，某运营商给出的信息中，在某市5G用户的实际数量为11311户，在这之中存量用户数量为5276户，已经得到预测的用户数量为2981户，数据的准确率可以达到56%以上。目前，在5G网络优化工作方面，在用户感知系统成功进入实施阶段以后，可以保障的用户数量为321人，已经检测出的问题数量为63个，已经解决的问题数量为42个，问题解决比例达到67%。解决问题的平均耗时也得到了优化，大规模的改善了用户的使用体验。通过使用DB⁃SCAN技术进行聚类分析，能够发现目前网络质量较差的地区共计97处，在这些区域如果选择5G网络优化模式解决问题，能够很大程度上改善现存的4G网络信号差的问题。

结语

综上所述，数字化转型是符合国家战略规划的重要举措，在目前这个重要的时间节点，运营商应当最大程度的利用自身的大数据优势，合理利用现存的AI技术，解决好发掘5G用户、找到5G用户、保障5G用户这三个问题，做好一系列关于5G网络推广及保障的工作，得到重要的理论成果，将有助于运营商的5G业务发展，推动5G网络的全面应用，促进整个社会的5G网络产业发展。

参考文献

[1]田方.SX有线网络公司运营战略改进研究[D].西北大学,2021.

[2]叶美灵,杜晓明.5G专网重构网络运营新模式[J].通信企业管理,2021(04):34-37.

[3]张乐,陆中远,张珂,罗钢,许森.5G+AI，智慧运营系统关键能力研发与应用[J].中国无线电,2020(08):46-49.

[4]刘宁.5G时代ZGYD移动通信运营策略创新研究[D].山东大学,2020.