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：传统5G用户营销方式精准度低，5G用户位置信息准确度不高，大多数MRO数据的用户位置信息缺失，无法针对性进行5G网络部署；传统网络感知分析手段有限，无法实现用户级评估；站点规划工作量大、人员水平有限的问题导致站址规划效果不佳。主要围绕5G用户是谁、5G用户在哪、5G用户网络感知如何这3 个核心问题来开展研究，通过引入 GBDT 算法、随机森林算法和 DBSCAN 算法等AI智能算法，实现5G用户挖掘、5G用户位置预测、5G智能规划和5G网络感知保障等功能，完成基于大数据+AI的5G网络运营与保障。
关键词：5G用户画像；5G端网协同；大数据；机器学习；网络优化
doi：10.12045/j.issn.1007-3043.2022.01.007
概述
中国经济正处于新基建时代，移动通信日益改变大众工作生活方式，当前层出不穷的虚拟现实、增强现实、超高清视频等超大带宽移动互联网应用对移动宽带网速提出越来越高的要求，5G网络应运而生。在目前5G网络大规模部署背景下，要拉动5G业务收入增长，运营商面临着两大首要问题：哪部分存量3G/4G用户是潜在5G用户和这些潜在5G用户的常驻区域的网络质量。发展最可能成为5G用户的传统用户和保障最容易出问题的覆盖地点，是5G网络端网协同优化的重中之重。传统营销方式精准度低，无法快速实现5G用户规模化；5G用户位置信息准确度不高，无法针对性进行5G网络部署，目前用户终端上报的MR信息中，支持A-GPS功能终端占比低，大多数MRO数据的用户位置信息缺失；传统网络感知分析手段有限，无法实现用户级评估；5G站点规划工作量大、人员水平有限的问题导致站址规划效果不佳。如何在提升5G用户营销成功率的同时保障5G用户级网络感知，提升5G站点规划效能，是运营商亟待解决的问题。
