
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。。。。。
