（三）动态参数

3D-MIMO默认不分场景和业务分部的按照统一权值设置带来性能损失。然而3D-MIMO的广播波束优化中，天线权值和下倾角参数组合有283种，在边缘用户速率优化时，异频切换参数A1/A2/A4/A5每个取值空间超过10，组合超过10000种；由于优化参数多，优化目标存在差异，导致投入人力多、优化耗时长、影响网络性能。

研究3D-MIMO等复杂参数优化为5G参数动态设置积累经验，以“容量、质量”等多维加权目标，结合机器学习解决基于网络大数据的参数迭代动态自优化，流量增长11%，质差下降49%。在283个参数组合中快速寻优，使业务、场景、用户、终端在网络中动态变化自适应。

主要关键技术点如下：

（1）基于MR报告的阿波罗尼斯圆的弱覆盖用户定位方法，深挖LOG日志的业务分布特征分析法，相比传统方法更能确定高业务、高干扰、弱覆盖场景，使3D-MIMO部署场景更合理

（2）引入人工智能的3D-MIMO优化模式，基于MR定位以及波束LOG日志，得到业务量以及覆盖分布，作为机器学习（强化学习+监督学习）的建模输入，然后预测最优参数

（3）通过多维空间建模，结合机器学习，首先引入“多参数”联合优化，快速寻找最优参数组合

根据不同的优化目标，可以设置不同的优化多目标机器参数优化系统设计，具体案例如下：

实例1

3D-MIMO容量: Y = { 用户数、数据流量}    X = { 水平波束话务、垂直波束话务}

实例2

VoLTE上行丢包率参数自优化: Y = { VoLTE上行丢包率}    X = { 功控类、覆盖类参数 }

实例3

用户下行速率提升参数自优化:  Y = { 下行用户速率 }    X = { 功控类、切换类、调度类参数 }

研究应用效果

本研究通过柔性网络构架突破了网络“软资源”池化调度的难题，在不额外增加投资的前提下，基于网络大数针对用户的需求进行网络容量等软资源的动态调整，实现“网随人动”。研究并实现了基于人工智能的高效低成本的集中管理，应用场景广泛。能有效应对突发话务、潮汐效应、潜在业务、重大活动、节假日保障五大主要场景。

项目成果由江苏移动提出，首先在江苏省内几十万小区试点和验证，服务数千万用户，在省内进行了试点并得到了推广，节省了网络建设和运维成本。形成示范效应，最终在整个中国移动集团内得到了全国性推广。 (责任编辑：admin)