业界已经认识到5G时代需要一个高度智能的自治网络。从自动化逐步发展到智能化，最终智能化和自动化的耦合将成为移动通信创新商业模式的重要赋能者。网络的智能化将成为5G时代除eMBB、mMTC、URLLC之外不可缺少的推动力量。引入基于AI技术的自适应策略决策和大数据分析技术，能够进一步优化自动化方案，帮助不断理解和预测用户及网络的需求，实现更好的资源调度和编排，从而逐渐实现完全的智慧网络……
为促进5G网络智能优化技术的研究和交流，本期我们策划了《5G智能优化》专题，探讨了AI技术、机器学习、互联网众筹数据、终端数据等在5G网络优化中的应用，供各位读者借鉴和参考。
查看全文>终端大数据采用众测数据，具有不限制式、不限厂商、不限区域、真实反映网络实际的特点，能快速实现区域级、小区级、栅格级等多种维度的覆盖评估、性能评估、体验评估工作。基于终端大数据对网络进行分析，研究了终端大数据在精准指导站点规划、共建共享覆盖一致性分析、站点建设后评估、楼宇覆盖变化分析等方面的应用价值，在网络竞对分析领域，整体评估分析周期较传统方式大幅缩短，测试工作量明显下降，实现网络质量和投资效益的双提升。
改变传统DT/CQT测试的网络评估方式，提出一种基于互联网众筹数据的移动网络综合评估新模式，可实现网络栅格级、用户级、小区级问题的查找，并可利用PostgresSQL、QGIS等平台实现点、线、面多维度分析评估，并可进行网络覆盖、用户分布等综合分析，为市场提供精准数据支撑。
通过资源利用率门限，筛选目标关断基站候选集，在此基础上，计算业务的时延余值和丢包余值，借助综合评估值对业务进行等级划分。结合业务性质对用户进行标记，进而通过业务关断门限对目标基站进行标识。核算目标基站的所有邻区，在所有邻区处于轻载，并且在实施负载转移后仍然不过载的前提下采取对目标基站的关断措施。最后采用Matlab工具对GSIC算法进行了仿真验证。结果表明，无论是单站关断还是簇关断，均可以实现比较理想的节能目标。
针对Massive MIMO波束权值优化的难点，提出了一种基于GBDT机器学习的回归预测算法，通过实测及仿真，研究该算法在不同场景下各种波束权值的覆盖能力，基于机器学习模型，利用研究结果结合三维地图、建筑物数据、MR 数据、仿真/测试数据等进行机器学习建模，输出Massive MIMO波束自适应覆盖优化算法。在现网的应用结果表明，该算法能够有效地提升5G网络覆盖质量。
利用机器学习算法（包括 4种监督学习算法以及 2种无监督学习算法），使用某县移动 4G小区的工参数据，预测候选邻区是否应该添加为邻区。通过仿真分析，监督学习算法的召回率、准确率和精确率均达到 82% 以上，且随着样本数增多，算法性能进一步提升，当样本数大于 4 702条时，召回率达到 87% 以上。而非监督学习算法的召回率不足20%，因此基于监督的机器学习算法在邻区规划问题上性能更好，可用于邻区规划。
在5G-NR中，流控技术是解决无线新空口数据传输拥塞，提升数据传输性能的关键技术之一。流控技术早在 4G-LTE 中被引入，随后在 5G-NR 中被采纳和增强，并被广泛运用到不同的数据传输场景中。重点阐述了流控技术在 5GNR应用的基本原理，进一步分析流控技术在5G-IAB和5G-V2X场景中的具体应用和增强。针对现有流控技术不能满足未来5G-IAB场景和5G-V2X场景中更为灵活的部署方式和传输需求，提出相应解决方案。最后，对流控技术在未来5G-IAB增强场景和5G-V2X场景中的应用和发展趋势作了预测和展望。
在V2X车联网大规模推广应用前，C-V2X中的算法及应用需进行全面、深入的测试与评估。由于现实实验验证阶段成本高、耗时长、所需场地大且复杂，研究基于真实地图搭建的C-V2X无线通信场景库成为必要。相比现有V2X车联网仿真，优化了目前使用的理想化场景库，改善了其场景有限、难以与实用场景匹配的问题。介绍了蜂窝方式下的V2X通信，其中包含中继节点选择算法和最佳功率分配算法，建立了基于Veins OMNet++的仿真模型，并通过Matlab仿真分析验证了论文方法的有效性及模型的可用性。
通信业务的发展需要更低延迟、更高系统容量、更高数据速率、更高安全性和更高的服务质量，6G 技术应运而生。对于 6G 的潜在技术如人工智能、太赫兹通信、量子通信、无人机、无蜂窝通信等关键特性和应用进行分析，为未来6G通信的研究提供参考。
大型冬奥体育场馆面临多项 5G通信挑战，其中容量和干扰最为突出。分布式Massive MIMO（DMM）是应对高密重载场景的有力武器，可以显著降低室分干扰、改善用户感知、提升系统容量。介绍了 5G DMM 的特性和关键技术，阐述了5G DMM在大型冬奥体育场馆中的规划方法、设计思路和组网方案。
提出了一种适用于5G数字化室内分布式系统的通用室内定位方法。该方法首先采集数字化室分天线与终端（UE）之间的信道状态信息（Channel State Information，CSI），其次在时域和频域对 CSI进行预处理，得到有效的 CSI幅值，然后为减少CSI的重复采样和计算复杂度，构建灰色预测模型GM（1.1）对采集到的CSI样本值进行预测，生成新的CSI序列，最后采用机器学习算法构建室内信号传播模型，即CSI与距离之间的非线性关系，并结合多个天线完成定位。
随着国内外低轨卫星通信的空间网络快速发展，天基网络与地面网络逐渐形成两大独立的通信信息网络，卫星与地面网络融合成为 5G增强和 6G研究重点，由于与国外业务规模、运作模式存在差异，需制定适合国内需求的“卫星+ 5G/6G网络”研究发展规划，从ITU/3GPP等标准、网络体系架构及演进规划角度展开研究工作，分析技术背景及需求、技术现状和趋势，问题及风险等，从而为运营商后续标准推进及网络发展规划提出策略建议。
针对RapidIO交换芯片发生的异常，设计了RapidIO交换芯片事件监听系统，以确保主控芯片及时准确检测到问题。该系统结合signal通信机制和中断机制，对交换芯片发往主控设备的port-write类型的异常事件报文进行监听和处理。试验证明，短时间内发生大量事件上报的情况下系统能监测到所有事件，并自动解析、存储、显示事件，提高了 RapidIO 事件监听系统的实时性和自动化程度。
根据中国移动 OTN 网络现状，结合灰光 OTN 的技术标准，分析传统彩光 OTN和灰光 OTN的优劣，在此基础上提出灰光 OTN在城域网的组网方式和组网方案，以及灰光模式下末端集团客户的接入方案。该方案实现了接入层 OTN 的类SDH组网，一方面节省了机房的空间与功耗，另一方面也降低了投资，同时，类SDH组网方式也更符合网络维护人员的习惯。
随着政企客户带宽的提升和 MSTP 网络的逐步退网，PeOTN 网络将成为精品政企专线承载的主力。如何根据政企业务需求进行PeOTN精准建网及不同类型业务高效承载，是 PeOTN 网络建设的重点和难点。从 PeOTN 网络部署节奏、组网方式、业务承载方式、业务保护方式等方面进行深入分析，制定PeOTN网络部署方案，为后续PeOTN建设提供参考依据。
针对承载网络告警量大、告警关联性复杂、故障定位难、人力成本消耗大等一系列问题开展研究，通过采集现网承载网络运行数据，如告警、拓扑、网元、业务、工单数据等，引入人工智能技术进行告警根因关联和故障智能诊断，提出了一系列智能告警分析算法，开发了一套承载网络智能告警分析系统，已建立主流传送承载厂商统一的告警关联规则知识库，实现故障准确派单和故障原因的快速诊断，促进承载网络的自我维护、智能运营能力和运维效率提升。
移动互联网时代下，如何挖掘海量用户网络行为数据，提升数据变现能力对于业务运营具有重要的意义。融合电信运营商计费订购数据、移动认证登录数据和上网流量 DPI解析数据等数据源，按照统一的标准构建业务分类标签，并根据用户使用行为记录输出兴趣偏好标签，最后辅助视频类权益计费业务的营销推荐，实验结果表明该方法能够显著提高订购转化率。
电信运营商正大力发展行业创新业务，保险行业的数字化转型升级带来了全新的机遇。分析了保险行业依赖于人口红利的传统发展模式所存在的问题，以及行业发展环境的变化。结合运营商的资源和技术基础，研究了运营商在保险领域的主要业务场景。最后针对创新业务的发展模式和方向给出了相关建议。
