从2G、3G、4G 到5G，网络流量呈现出爆发式增长。越来越复杂的网络维护和优化现状对运营商网优成本的投入带来极大挑战。在这种情况下，以减少日常网优的重复工作，动态预测网络容量做出实时匹配，帮助运营商革新网优的智能化网优应运而生。
AI技术让网优更快捷，更智能
网络资源如何动态调整适配用户激发？网优性能诊断和自优化怎样才能实现闭环？ 答案往往是网优人力的追加投入和运营商OPEX的提升。中兴通讯一直致力于利用AI和大数据技术实现自闭环的网优，帮助运营商降低人力成本。中兴通讯开发的AI智能平台，集成丰富的机器学习、建模和特征算法，通过联合大数据网优平台投入到网优服务上，从而提升网优能力并解决棘手的网络性能问题。
AI平台主要分成下面几个步骤来建模：
1.特征数据准备包括 DT、MR/CDT 和OMC等；
2.数据预处理，数据补缺等；
3.根据业务和网优专家经验来做特征抽取和标识；
4.通过AI平台的集成算法来实现迭代业务模型开发和验证；
5.业务模型输出，联动大数据网优平台投入到网优工作流程，提升网优效率。
图 1-1 智能闭环优化流程
中兴通讯认为将AI的思维应用在网优中将会极大地改变传统网优的方式，加速网优进程并在很大程度上减少人工干预。
建立机器学习模型，提升核心网络优化能力
智能网优预测分析，需要业务人员拥有丰富的经验、技能和强大的专家团队。
通过下面两个案例来进一步介绍如何运用机器学习进行深入优化工作：
VoLTE根因分析 – MTTR的降低
中兴通讯大数据平台的VoLTE方案将VoLTE每通电话的语音质量以5S为单位进行切分，让网络优化人员很容易识别VoLTE哪段出了问题，并做进一步端到端的分析。
此外，为了减少探针部署成本，在没有无线数据采集的情况下，中兴通讯大数据平台的VoLTE方案开发出领先的特征关联算法和识别，能够在仅有Gm和S1接口数据的情况下识别无线覆盖问题。经过验证和测试，目前准确率达到85%。这个新特性将会在进一步验证后投入应用，帮助运营商提升网优效率。
室内外用户区分–确保室内用户体验
移动宽带用户发展迅速，数据量呈现暴涨，其中80%的数据流量来自室内，90%的用户时间停留在室内。为了更好地保障室内覆盖质量和用户体验，室内外区分是基础和关键的一步。
中兴通讯已经收集大量的室内外用户数据，用于机器特征学习和建模。专家们发现rsrp、rsrq、ta_calc指标是典型识别特征，并且通过GBDT算法模型的精确度是最高的，室内外区分精确度达到92.5%。目前，这种模型已经投入到大数据网优平台的闭环规划和优化工作当中，比如3D规划，室内覆盖优化和虚拟路测等。
以运营商网络大量业务数据为基础资源，中兴通讯将持续致力于通过机器学习来帮助运营商建立一套预测分析和自闭环优化的能力，以应对未来网络发展的挑战。 
