人工智能在远程规划平台中的应用

随着无线网络的发展，运营商的网络建设投资逐渐趋稳，不再需要大规模新建和扩容站点去解决基本的覆盖问题。运营商面临新的问题：一方面用户和业务快速增长，网络流量激增，用户体验却不断下降；另一方面每GB流量单价和用户ARPU持续下降，收入和利润增速放缓。如何在提升用户体验的同时，保证网络盈利能力？平衡网络价值和用户体验的滚动规划、精准规划势在必行。

滚动规划是指在网络运行一段时间后，将当前的网络状态数据作为输入，形成下一轮的业务预测与应对方案；精准规划要求基于栅格级的数据对业务和流量进行分析预测，并据此进行详细规划和制定发展策略。

而在网络规划实际执行中，受限于人员技能、时间和硬件资源，上述工作很难做好，引入大数据和人工智能的规划平台应运而生。规划平台无需运营商投入专业的人员和硬件，只需要提供网络状态数据，就可自动生成满足质量的网络评估和精准规划报告，既保证了规划结果的准确性，又大幅提升了网络规划的效率。

远程规划平台系统架构 

远程规划平台的特点是整个系统部署于数据中心，只需项目一线提取并上传指定类型的数据，即可在规划平台快速自动生成网络评估报告、扩容解决方案及效果预评估。规划平台的系统架构如图1所示。

 
人工智能算法的引入

网络规划任务包括覆盖预测、话务预测、容量挖潜等，引入人工智能算法，能够显著提升其准确度。传统手段只能给出当前网络覆盖情况，再由专家判断给出较为粗略的预测，而引入人工智能算法后，就能根据历史数据精确预测后续数月的覆盖情况；基于神经网络和多维度指标输入的小区级话务预测，能够得到更精准的预测结果（平均误差<10%）；在容量挖潜中，传统手段只能看当前负荷、用户、流量高低，没有考虑压抑流量，而压抑即意味着有扩容需求，这些需求，需要通过智能算法识别出来。

基于地理环境的覆盖预测算法

基于地理环境的覆盖预测算法的主要思路是：对于一个弱覆盖区域，向四周扩展一定距离，形成一个连续区域；先对该区域内符合条件的小区进行基于地理环境和邻区信息的RSRP覆盖预测算法建模；再根据模型，计算区域的平均覆盖半径，基于覆盖半径生成新站位置；最后根据新站位置和RSRP覆盖预测算法，预测出新加站的RSRP覆盖情况。

在模型的选择上，比较了决策树模型和GBDT模型（Gradient Boosting Decision Tree，梯度提升决策树）两个机器学习的模型，并最终使用了GBDT模型。GBDT模型考虑的重要特征是天线到终端的水平距离、天线到最近遮挡物的水平距离、直线传播中遮挡物个数、天线高度、终端所在栅格周围建筑物高度等。

这种根据现网数据结合机器学习的手段，打破了传统全网统一固定经验型传播模型造成的模型单一化、预测理想化等问题，让覆盖预测更加符合现网实际情况。

基于时间序列和神经网络的话务预测

话务预测是滚动规划的重中之重。准确预测流量和用户数的增长情况，有助于运营商进行合理预算，为小区/站点提前准备扩容方案，规避用户感知风险。根据预测的流量和用户数，再映射出资源利用率、感知速率，这4个指标可以按需组合作为未来是否扩容的依据。

话务预测需要收集历史数据，根据所收集的历史数据时长，3个月到2年不等，可以预测1月至1年后的话务。话务预测的粒度可以是全网级、场景级（需要预先定义场景标签，如学校、商圈、居民区等）、簇级（聚类趋势类似的小区）、小区级，从而具体确定小区级的扩容方案。

使用到的话务预测基本算法有：

－基于SARIMA算法的预测（Seasonal Autoregressive integrated Moving Average），它是一种季节性自回归差分滑动平均算法，目前考虑有节假日因子和市场发展因子，未来还将考虑新建站点的影响和新加载波的影响。

－基于LSTM算法的预测（Long Short-Term Memory），它是长短期记忆网络算法，考虑资源利用率、用户数、用户感知速率和覆盖及用户行为共四个因素。

综合比较，LSTM算法比SARIMA算法更精准，但LSTM比SARIMA运算效率低。系统综合了SARIMA和LSTM的各自优势，并参考了LightGBM算法进行优化。相比于多项式曲线拟合或龚柏兹模型等传统预测方法，准确率提升明显。

小区流量压抑的判决与分析

小区被压抑的流量是运营商的潜在收益。随着用户数逐渐增多，小区总流量逐渐增大，而小区容量有限，导致单用户速率受到影响，从而影响用户使用行为，此时用户要么放弃使用，要么业务体验降级，最终导致流量随用户数的非线性增长，限制了运营商收益。

远程规划平台通过建立流量压抑模型，根据半监督学习算法，判断小区是否压抑，自动找到压抑点和容量最大点，给出压抑小区曲线或未压抑小区直线，再根据是否压抑以及压抑程度分类，依据压抑量的多少来确定扩容的优先级。

应用情况

远程规划平台自2018年3月上线V1.0版本以来，一年多的时间，已经服务于国内外近百个项目的扩容规划方案，受到了中国移动、中国电信、中国联通和海外运营商的一致好评。

印度尼西亚某项目，使用人工智能预测结果作为其滚动规划的输入，截止目前已经完成8000个站点的压抑分析、1000个站点的话务预测，为运营商的年度预算提供了准确的数据支撑。