基于人工智能的用戶位置識別方法研究與探討第二部分

1、基于人工智能的用戶位置識別方法研究與探討01基于位置的精準優(yōu)化是網絡優(yōu)化的重點基于位置精準基于位置精細優(yōu)化基于位置競對評估基于位置立體分析當前幾種主流的位置識別方法庫方法02OTT方法三角+TA/AOA方法03現(xiàn)有位置識別方法對比有沒有一種新方法？應用人工智能結果會更理想嗎？三角&TA/AOAMR庫OTT精度200米左右80米左右室外10米左右，室內20-50米有效樣本量樣本量豐富樣本量豐富樣本量相對較少數(shù)據源電子地圖工參MRO電子地圖、模型、工參、ATU測試數(shù)據、MRO電子地圖、工參MRO、統(tǒng)一DPI硬采信令原始碼流及XDR文件處理難度較低中等，實現(xiàn)難度主要取決于模型、工參準確度及M

2、R匹配算法較難實現(xiàn)難度主要取決于的、兩類數(shù)據源之間的關聯(lián)及標準化的 統(tǒng)一DPI建設進度特點實時性強，精度不高實時性中，精度中，耗時較長精度最高，需要較長時間積累數(shù)據04基于人工智能的位置識別方法數(shù)據樣本獲取模型訓練位置結果驗證模型評估05基于人工智能的位置識別過程0點 MRO數(shù)據Part0-2：通過M1來完成位置Part0-1:關聯(lián)原始碼流獲取Part0-1：獲取樣本數(shù)據用于預測模型訓練，生成模型M1Part1：結合新數(shù)據優(yōu)化模型M123點0點1點生成新模型M2Part1-2：通過M2完成位置Part1-1：關聯(lián)原始碼流獲取1點 MRO數(shù)據06基于人工智能的位置識別效果及演進精準補充比例尺1：

3、30米延伸 進一步與自建WLAN、wifi、家寬、掌廳數(shù)據結合，增加訓練維度以及樣本數(shù)，實現(xiàn)基于人工智能的立體空間。優(yōu)化 優(yōu)化輸入維度，將三維立體環(huán)境作為輸入參數(shù)，提升精度，增強模型的通用性。效果 精度高、效率高，模型廣泛適用性存在一定局限。 適用范圍：重點場景，例如“五高一地”。07附錄1：網優(yōu)人工智能應用方向集中優(yōu)化問題發(fā)現(xiàn)省公司驗證歸檔路測投訴地市公司處理省公司預處理鄰區(qū)MR各類性能傳統(tǒng)：單一指標或現(xiàn)象恢復。傳統(tǒng)：簡單的網元關聯(lián)或位置關聯(lián)傳統(tǒng)：人工處理或者通過分析流程處理人工智能依據海量數(shù)據創(chuàng)建評估模型，判定問題是否全部處理，隱患是否排除。人工智能通過對數(shù)萬的問題處理的自學習，完成智能預分析生成解決方案。人工智能通過分場景創(chuàng)建最佳模型，智能匹配根源問題和隱藏問題。附錄2：網優(yōu)人工智能應用方向參數(shù)管控08Predicted pIC 501086Training4TestLinear (Training)2246810Observed pIC50業(yè)務變化模型創(chuàng)建業(yè)務變化情況參數(shù)與業(yè)務匹配模型創(chuàng)建參數(shù)變更與業(yè)務匹配優(yōu)選最佳結果生成建立直連通道自動執(zhí)行執(zhí)行結果驗證及循環(huán)優(yōu)化周邊環(huán)境用戶特征用戶變化時間推移09附錄3：網優(yōu)人工智能應用方向集中投訴在哪在干啥聽不清接不通VS上網慢找數(shù)據卡找用戶不知所措-投訴不知所以-派單依據網絡及環(huán)境特建立“演進式模型”