本文版权为《邮电设计技术》所有,如需转载请联系《邮电设计技术》编辑部
摘要:针对无线网络面临的扩容投资受限、扩容不及时、扩容标准单一等问题,通过引入KMeans聚类算法、KK关联规则等AI智能算法,实现小区场景聚类、流量压抑识别与测算,并通过自动化工具开发实现智能优化和自动输出扩容方案。研究结果表明,该模型可智能识别高价值流量压抑小区并估算出压抑流量,可作为精准智能扩容的基础平台。
关键词:流量压抑识别;KMeans聚类;KK关联规则;网络优化;网络扩容
doi:10.12045/j.issn.1007-3043.2020.10.008
前言
近年来,2I2C业务的迅速发展以及不限量套餐的推出,带来数据业务流量的爆发式增长,给无线网络带来巨大压力,直接影响到用户感知,而扩容投资成本受限,低价值用户、流量、场景区域扩容导致流量效益下降。如何在保障用户感知的同时,降低投资成本,提升扩容效能,成为摆在网优工作面前的一个紧迫课题。动态合理地识别高负荷小区,很大程度上依赖于流量压抑小区的识别,如果能够智能识别小区流量的压抑状态,那么就可及时做出相应的优化扩容方案安排,提高资源利用率。
机器学习技术作为人工智能的重要组成部分,是国家发展战略重点扶持的目标,是当下各行业关注应用的焦点。为了推动日常高负荷小区优化扩容的智能化,提升网络运营智能化水平,有必要研究基于机器学习算法的流量压抑小区识别。