联通网研院无线部：基于AI的小区特征分析及业务量预测项目计划书.pptxVIP

2019年中国联通智慧无“限”技能竞赛网研院、中讯院初赛基于AI的小区特征分析及业务量预测项目计划书中国联通网络技术研究院2019年5月成员风采团队介绍：团队长期致力于人工智能在移动网络中应用的研究，具有丰富的AI算法研究经验和扎实的通信网络知识。团队在通信和AI领域发表论文多篇，专利多篇，AI+通信网络应用相关研究成果在2018年中国人工智能产业联盟大赛中获一等奖，团队成员获2018年AIIA开发者大会优秀个人。李露，北京邮电大学硕士毕业，工程师，主要研究方向5G网络、人工智能在无线网络中的应用。黄兵明，北京化工大学硕士毕业，工程师，现主要负责网络智能运维等相关工作。高谦，北京邮电大学硕士毕业，工程师，主要从事无线网络中数据分析研究工作。曹亘，北京邮电大学博士毕业，高级工程师，主要从事无线新技术研究和标准化工作、5G网络架构等工作。吕婷，北京邮电大学硕士毕业，高级工程师，主要从事5G基站及组网研究工作。项目背景随着通信网络的快速发展，高清视频、物联网、行业应用等新业务层出不穷，用户的体验服务也从单一的数据服务演进到多种体验保障方式。急速的流量和用户扩张一方面促进了运营商和网络的高速发展，同时也给通信网络带来了较大的压力。为解决网络发展面临的问题，需要聚焦重点地区、重点场景和重点业务，以用户和业务需求为出发点，预测小区业务量，评估判断网络利用情况，及时高效地进行资源的重组和利用，从而保证网络能力对重点地区和业务发展的有力支撑，以点带面推动移动通信网络不断发展。变化规律复杂业务流量变化规律复杂，难以实现精准预测网络特征复杂网络新业务层出不穷造成小区特征复杂，精准分类困难数据问题现网数据量大，有效数据占比小，数据质量较低项目简介 本项目面向无线网络发展中遇到的网络结构复杂化、业务多样化、用户需求迅速增长等问题，提出了基于人工智能的小区分析及业务量预测方法，切实反映用户对联通网络的需求，支撑网络资源优化利用、网络规划和市场策略等。建立“数据处理+数据挖掘+智能分析”系统，实现对于网络多种类型的大数据进行清洗、整合、结构化处理；深度挖掘数据包含的网络、用户和业务状态的信息。智能分析和预测：引入人工智能方法，基于数据进行小区特征分析和业务发展预测，支撑网络管控及网络优化升级。现网监控输入数据业务流量智能预测系统工参数据AI模型训练大数据挖掘数据预处理数据清洗数据整合数据结构化……神经网络决策树聚类……关联分析异常分析特异群组分析演变分析……有效数据集KPI指标预测结果MR数据......网管/网优人员优化算法参数项目思路第三步 算法筛选第一步：需求分析第五步 小区分析和流量预测结果验证第六步 落地应用和模型优化第四步 模型训练第二步 数据准备实现不同特征小区的分类聚类根据已构建有效测试集对模型进行推理测试根据预测结果，获得均方根对数误差 根据研究目标要求，确定对业务数据的需求，包括数据量级别、采集周期、采集频率、属性段数据预处理，确保建模数据的完整性、可用性和正确性。包括极值数据处理、缺失值数据处理、冗余数据处理、错误数据处理，形成有效训练集和有效测试集根据算法筛选结果，增加有效训练集对已选择算法模型进行进一步训练泛化：选择部分已训练的数据集对模型进行泛化。若输出结果偏差在可信范围内，停止训练，获得参数矩阵业务预测现状分析（业务量指标、现有处理方式、处理复杂度和难度等） 数据特征分析（数据类型、字段属性、关键指标、开始与结束时间等） 确定研究目标（流量预测粒度、小区场景识别类型）对多种算法在业务量指标相关性和预测分析上的有效性进行验证，得到有效性算法集被验证的算法包括：回归算法、随机森林、LSTM算法将模型移植到现有系统或新建系统上根据现网试点效果，发现问题，优化模型应用价值价值1价值4辅助和指导网络扩容，精准明确扩容基线。提前发现网络拥堵隐患，一定程度上实现网络故障预测，支撑网络运维工作。价值2有助于提前确定在新增基站的条件下，该网络是否会出现流量瓶颈价值5结合真实的GIS分析系统，对区域进行热度值分析，可以定位地区人群密集区域，协助交通系统疏通人群；同时可位社会治安进行应急处理防范提供支撑依据。价值3根据流量预测，准确指导带宽利用率，做好网规网优的工作。验证方法：1，选取同数量的已构建有效训练集，对被验证算法进行初步训练2.选取同数量的测试集，对比各算法在收敛速度和预测准确率上的表现，选取最适合的算法模型