一种基于综合场景标签的用户挖掘方法

随着互联网业务的冲击、“提速降费”和“携号转网”等国家政策的陆续实施,运营商经营普遍面临业务增速放缓、流量单价下滑、用户需求个性化增强等难题。运营商作为基础通信服务的提供者,拥有天然的数据优势,如何利用海量大数据以挖掘潜在用户成为了精准营销与业务转型关注的重点之一。本文基于XDR、MDT、API地图接口等大数据构建具备场景名称及标签的用户综合位置信息库,并关联ARPU、DOU等经分数据建立包含用户基本信息、时间戳、经纬度、场景标签、用户流量特征的融合数据,并进一步利用该融合数据挖掘潜在用户,识别可能流失客户,为实现精细化市场营销提供了参考。     

基于多载频配置方案的高铁负荷评估与优化研究

高铁是4/5G建设的窗口场景，高端用户密集且近年来持续增长。随着5G建设，网络结构更为复杂。覆盖场景的多样性、各厂家设备能力的差异、已有公网组网结构及翻频退频等后期优化调整导致高铁专网存在丰富的载频配置方案。本文针对高铁专网的差异性及传统“一刀切”容量评估方法的不足，提出了一种基于多载频配置方案的高铁负荷评估方法，该方法可有效评估高铁专网不同场景下的负荷状态，为及时进行容量保障、提升客户感知、促进流量增长提供优化思路，应用效果良好。     

一种道路场景切换链优化方法研究与实践

道路场景是网络质量的重要形象窗口。由于终端移动速度快，为保障业务质量与用户感知，切换性能优化至关重要。现网中，由于道路场景LTE网络建设情况复杂，大量存在反向切换、越区覆盖、冗余邻区等导致网络切换性能下降的因素。为改善LTE网络切换性能，本文提出了一种针对道路场景的切换链优化方法，并通过实践证明了所提方法的有效性。     

一种基于机器学习的LTE高铁故障识别方法与实例

为保证高铁LTE网络质量,提升客户感知,及时识别并解决高铁LTE网络故障至关重要.现有技术识别高铁故障主要依靠道路测试与网管后台数据,不仅耗时耗力,而且由于高铁专网多采用拉远与小区合并建设方式,故障具体点位和隐性故障难以定位.在此背景下,本文提出了一种基于大数据和机器学习,针对高铁网络特性的天馈故障识别方法,可有效提升...     

针对高速公路场景下的TF协同优化思路与方案

随着LTE的建设与应用推广,TDD-LTE由于其频率特性及上下行时隙配比等原因,在容量、深度覆盖方面已难以满足用户日益增长的业务需求。在此背景下,TF协同优化成为了容量分流、提升客户感知的重要思路并广受关注。然而,不同场景的业务及用户分布等特性各异,在制定具体策略时,需针对该场景特点制定个性化的协同优化策略。机场高速作为城市的门户与形象窗口,其网络质量一直是各运营商优化工作关注的重点。本文基于某市机场高速场景,探讨了TF协同优化实现原理、策略与具体优化方案,为制定场景个性化TF协同策略,解决重点场景负荷过高、用户体验感知差、深度覆盖不足等提供了思路。     

一种基于多数据源的楼宇弱覆盖小区评估分析方法

LTE室内深度覆盖是衡量网络质量、影响客户感知的重中之重。准确识别影响楼宇深度覆盖效果的弱覆盖小区一直是室分整改排查工作的难点，传统网优通常需结合大量现场测试与客户投诉识别弱覆盖小区，优化流程长、准确率低且耗费大量资源。本文就当前楼宇弱覆盖整治的问题点，提出了一种基于FAST、MR、TA等多数据源的楼宇弱覆盖小区识别与评估分析方法。依照该方法识别分析重点影响楼宇深度覆盖效果的室分小区并加以整改后，有效改善了覆盖质量并大幅提升了用户体验满意度。     

基于R语言和大数据的室分弱覆盖分析方法及工具

随着LTE的推广及应用,深度覆盖率已成为影响用户感知的关键指标之一.由于网络的复杂性及资源限制,仅靠人力很难精准高效地定位导致室分弱覆盖的问题点及其原因.针对这个问题,本文提出了一种基于R语言和大数据的自动分析工具,结合工参分析全网MR数据特征、参数和零话务数据,可输出室分弱覆盖小区清单及包含了故障类型判定、参数核查和周边零话务小区核查的整改初步方案,并通过GIS呈现,为后期现场排查提供了准确方向与指导.