用户视角

传统运维思维、只能运维思维、引申出无线运维新视角；核心思维：基本事实判断、基本分析对象选择。

基于用户视角的无线网智能运维实践

• 一、背景(2页)
  • 传统运维思维：小区级、基站级
  • 智能运维思维：用户级（小粒度、精细）
  • 增加内容
    • 1、被动：发生投诉发现问题；
    • 2、主动：指标良好，重要场景日常遍历性测试发现；
    • 3、新视角：引出契合主题的集团工作要求；
  • 引申出无线运维新视角
• 二、核心思想（3页)
  • （一）基本事实判断
    • 1.楼宇/栅格内的特定用户是基本保持稳定的-引出常驻用户概念
    • 2.楼宇/栅格内相同区域的常驻用户具有相似信号电平特征-引出常驻用户组概念
    • 3.通过常驻用户组无线网络特征变化发现网络问题-引出新方法发现网络问题。
  • （二）基本分析对象选择
    • 常驻用户组
      • 原因
        • 稳定(用户量、用户信号特征)
        • 体现网络状况
    • 基于常驻用户组的特征变化来挖掘及治理潜在的网络问题
• 三、基础能力打造(10~12页)
  • 1、常驻用户定位（3页)
    • 1.常驻用户识别
    • 2.常驻用户组识别
      • 用户特征聚类-分组
    • 3.常驻用户定位
      • 用户组高精度位置定位共享
      • 单用户高精度定位
  • 2.常驻用户信息维护(5页)
    • 常驻用户库
      • 保持最新常驻用户位置库，保留历史常驻位置信息
      • 出入库机制
      • 位置更新机制
    • 常驻用户组库
      • 用户组出入库机制
      • 用户组电平特征库
      • 用户组位置特征库(共享位置,包括AI定位的位置)
      • 常驻区域\常驻用户当日有效库
  • 补充能力评价
    • 1、准确性
      • 常驻用户识别准确性
        • 局部楼宇案例--区公司本部大楼4/5G用户和分组情况案例
          • 子主题
        • 经分用户数据和常驻用户数据比对，评估用户识别准确性
      • 怎么判断用户属于室内用户还是室外用户，室内外用户的定位有什么区别（室内外算法）
    • 2、完整性
      • 有多少常驻用户（有多少游离用户）
      • 划分了多少常驻用户组
      • 现网多少小区没有识别出有常驻用户
      • 多少小区没有划分常驻用户组
      • 补充通过LGB的AI算法提升用户定位精度
        • 全部通过用户轨迹去判断的可行性？
• 四、创新点（4~6页)
  • 创新点
    • 1.多频组网对用户常驻小区的影响
      • 解决方案：扇区级常驻特征
    • 2.用户驻留行为特征的波动
      • 解决方案：分库
    • 3.室分等多RRU小区对常驻用户电平特征的干扰
      • 解决方案：剔除室分信息
    • 4.用户组位置特征的准确性
      • 解决方案：基于用户常驻时段MDT轨迹分析的精准用户楼宇定位校准算法。
    • 5、基于4G电平特征的5G用户位置识别
    • 6、基于MDT的直放站识别方法
    • 7、一种基于MDT数据的常驻用户楼宇定位方法
    • 8、基于MR测量的45G联合立体定位方法
• 五、基于常驻用户视角下的无线网智能运维实践（10~15页)
  • 强调视角和优势
  • （一）基础运维
    • 1.室分故障识别
      • 传统方法存在的问题
      • 新视角
      • 优势
      • 应用案例其他后面专题按照此结构补充
      • 应用效果/效益（新的）
    • 2.直放站识别及监控
  • （二）精准规划
    • 3.楼宇价值和覆盖评估
    • 4.5G覆盖预测
      • 案例对论点的支撑力度不足，也没有体现本方法的优势
  • （三）精细优化
    • 5.5G高倒流识别
    • 6.权值优化
    • 7、RLF
  • （四）业务拓展
    • 网格营销：摆摊预热，经营分析等
    • 疫情防控：行程卡边漫判断等
    • 政企服务：智慧精选平台应用于应急救灾等
  • 前文讲到特征体现在现状和变化上，但是对于变化的应用比价少
• 六、补充成效（效益）
  • 总体全部应用效果
• 七、总结与展望

中心主题

• 基于用户视角的无线网智能运维实践
  • 一、背景
    • 传统运维思维：小区级、基站级
    • 智能运维思维：小粒度、精细、用户级
    • 增加内容
      • 1、发生投诉发现问题；
      • 2、指标良好，重要场景日常遍历性测试发现；
      • 3、引出契合主题的集团工作要求；
    • 引申出无线运维新视角
  • 二、核心思想
    • （一）基本事实判断
      • 1.楼宇/栅格内的某些特定用户是基本保持稳定的-引出常驻用户概念
      • 2.楼宇/栅格内相同区域的常驻用户具有相似的信号电平特征-引出常驻用户组概念
      • 3.通过常驻用户组无线网络特征的现状和变化，从而发现网络问题-引出新方法发现网络问题。
    • （二）基本分析对象的选择
      • 常驻用户组
        • 原因
          • 稳定
          • 体现网络状况
      • 一句话概况常驻用户组分析的新思路
  • 三、基础能力打造
    • 1、常驻用户定位算法
      • 1.常驻用户识别
      • 2.常驻用户特征聚类-分组
      • 3.常驻用户组定位
    • 2.常驻用户组信息维护
      • 常驻用户库
      • 常驻用户组库
        • 出库
        • 入库
        • 常驻区域
      • 常驻用户组电平特征库
      • 常驻用户组位置特征库
      • 常驻用户当日有效库
      • 1、补充下各个库的使用顺序和逻辑；2、梳理下如何确保统计的MR是常驻地的MR
    • 补充能力评价
      • 1、准确性
        • 常驻用户识别准确性
          • 局部楼宇案例--区公司本部大楼4/5G用户和分组情况案例
            • 子主题
          • 经分用户数据和常驻用户数据比对，评估用户识别准确性
        • 怎么判断用户属于室内用户还是室外用户，室内外用户的定位有什么区别（补充下室内外算法）
          • 子主题
      • 2、完整性
        • 有多少常驻用户（有多少游离用户）
        • 划分了多少常驻用户组
        • 现网多少小区没有识别出有常驻用户
        • 多少小区没有划分常驻用户组
        • 补充通过LGB的AI算法提升用户定位精度
          • 全部通过用户轨迹去判断的可行性？
  • 四、创新点
    • 创新点
      • 1.多频组网对用户常驻小区的影响
        • 解决方案：扇区级常驻特征
      • 2.用户驻留行为特征的波动
        • 解决方案：分库
      • 3.室分等多RRU小区对常驻用户电平特征的干扰
        • 解决方案：剔除室分信息
      • 4.用户组位置特征的准确性
        • 解决方案：基于用户常驻时段MDT轨迹分析的精准用户楼宇定位校准算法。
      • 5、基于4G电平特征的5G用户位置识别
      • 6、基于MDT的直放站识别方法
      • 7、一种基于MDT数据的常驻用户楼宇定位方法
      • 8、基于MR测量的45G联合立体定位方法
  • 五、基于常驻用户视角下的无线网智能运维实践
    • 强调视角和优势
    • （一）基础运维
      • 1.室分故障识别
        • 传统方法存在的问题
        • 新视角
        • 优势
        • 应用案例，其他后面专题按照此结构补充
        • 应用效果/效益（新的）
      • 2.直放站识别和性能监控
        • 应用案例不合适，怎么监控性能，整改直放站前后等效果对比等
    • （二）精准规划
      • 3.楼宇价值和覆盖评估
      • 4.5G覆盖预测
        • 案例对论点的支撑力度不足，也没有体现本方法的优势
    • （三）精细优化
      • 5.5G高倒流识别
      • 6.权值优化
      • 7、RLF
    • （四）业务拓展
      • 根据信管部的使用，1、位置应用等
    • 前文讲到特征体现在现状和变化上，但是对于变化的应用比价少
  • 六、补充成效（效益）
    • 总体全部应用效果
  • 七、总结与展望