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(zhǔn)優(yōu)化是網(wǎng)絡(luò)優(yōu)化的重點(diǎn)基于位置精準(zhǔn)基于位置精細(xì)優(yōu)化基于位置競對評估基于位置立體分析當(dāng)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(yīng)用人工智能結(jié)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(nèi)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(jù)源電子地圖工參MRO電子地圖、模型、工參、ATU測試數(shù)據(jù)、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(shí)現(xiàn)難度主要取決于模型、工參準(zhǔn)確度及M

2、R匹配算法較難實(shí)現(xiàn)難度主要取決于的、兩類數(shù)據(jù)源之間的關(guān)聯(lián)及標(biāo)準(zhǔn)化的 統(tǒng)一DPI建設(shè)進(jìn)度特點(diǎn)實(shí)時(shí)性強(qiáng)，精度不高實(shí)時(shí)性中，精度中，耗時(shí)較長精度最高，需要較長時(shí)間積累數(shù)據(jù)04基于人工智能的位置識別方法數(shù)據(jù)樣本獲取模型訓(xùn)練位置結(jié)果驗(yàn)證模型評估05基于人工智能的位置識別過程0點(diǎn) MRO數(shù)據(jù)Part0-2：通過M1來完成位置Part0-1:關(guān)聯(lián)原始碼流獲取Part0-1：獲取樣本數(shù)據(jù)用于預(yù)測模型訓(xùn)練，生成模型M1Part1：結(jié)合新數(shù)據(jù)優(yōu)化模型M123點(diǎn)0點(diǎn)1點(diǎn)生成新模型M2Part1-2：通過M2完成位置Part1-1：關(guān)聯(lián)原始碼流獲取1點(diǎn) MRO數(shù)據(jù)06基于人工智能的位置識別效果及演進(jìn)精準(zhǔn)補(bǔ)充比例尺1：

3、30米延伸 進(jìn)一步與自建WLAN、wifi、家寬、掌廳數(shù)據(jù)結(jié)合，增加訓(xùn)練維度以及樣本數(shù)，實(shí)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?yún)?shù)，提升精度，增強(qiáng)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(diǎn)場景，例如“五高一地”。07附錄1：網(wǎng)優(yōu)人工智能應(yīng)用方向集中優(yōu)化問題發(fā)現(xiàn)省公司驗(yàn)證歸檔路測投訴地市公司處理省公司預(yù)處理鄰區(qū)MR各類性能傳統(tǒng)：單一指標(biāo)或現(xiàn)象恢復(fù)。傳統(tǒng)：簡單的網(wǎng)元關(guān)聯(lián)或位置關(guān)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(jù)海量數(shù)據(jù)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(xué)習(xí)，完成智能預(yù)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(wǎng)優(yōu)人工智能應(yīng)用方向參數(shù)管控08Predicted pIC 501086Training4TestLinear (Training)2246810Observed pIC50業(yè)務(wù)變化模型創(chuàng)建業(yè)務(wù)變化情況參數(shù)與業(yè)務(wù)匹配模型創(chuàng)建參數(shù)變更與業(yè)務(wù)匹配優(yōu)選最佳結(jié)果生成建立直連通道自動執(zhí)行執(zhí)行結(jié)果驗(yàn)證及循環(huán)優(yōu)化周邊環(huán)境用戶特征用戶變化時(shí)間推移09附錄3：網(wǎng)優(yōu)人工智能應(yīng)用方向集中投訴在哪在干啥聽不清接不通VS上網(wǎng)慢找數(shù)據(jù)卡找用戶不知所措-投訴不知所以-派單依據(jù)網(wǎng)絡(luò)及環(huán)境特建立“演進(jìn)式模型”