在通訊行業中，網絡優化是運營商自網絡建設以來不可或缺的一環。不斷地優化調整，也是整個網絡運營中周期最長、成本最高、也最為繁瑣復雜的工作。隨著5G網絡建設的大規模開展及各種網絡新技術的引入，網絡結構越來越復雜，各類網絡問題也更加突出。以往傳統的人工優化手段變得越來越困難，準確率和效率低越來越低，投入成本卻越來越高，已很難適當前網絡發展的需要。因此，各大運營商、設備商都在積極探索如何轉變思路，提升網絡優化效率、降低優化成本。

為了應對解決當前傳統優化手段的問題與不足，中興通訊提出了智能優化服務方案。

中興通訊智能優化服務方案基于公司開發的VMAX-AI系統，對接網管、大數據平臺等自動采集各類歷史及實時網絡數據，采用不斷實踐修正的k-means、GMM、圖論等一系列深度學習算法訓練模型，實現運營商網絡各種復雜場景的自動、智能、閉環分析優化。

首先，傳統的網絡優化需要高度依賴網優專家經驗，不斷地進行網絡參數調整、前后臺路測\網管指標對比分析等，循環往復。一個優化循環周期往往需要1-2個月時間，效率非常低下。智能優化服務方案采用特有的AI模型算法，實現高效迭代運算，可以在1周甚至1天內迅速得出小區參數最優解，避免了對專家人員的依賴和人工反復調優的繁瑣，使優化效率得到近10倍的提升。以某地市電信運營商智能的同頻干擾優化及基于RCA的用戶速率優化項目為例，僅用不到1周時間自動輸出天饋調整方案，邊緣用戶速率提升22.9%；區域內5%以下平均用戶速率提升15.84%。

其次，傳統的網絡優化，受人力等各項資源的限制，對于復雜的網絡場景很難做到針對性地細分優化，參數門限設置比較單一，優化粒度較粗。而且，通過手工或部分工具對網管或路測數據進行統計分析，具有問題發現滯后性。智能優化服務方案可以的按照各類復雜的網絡實際場景實現簇級、小區級的動態門限調優，避免一刀切式的閾值參數部署；同時，通過對歷史數據的深度學習訓練，可有效預測未來周期的指標走向趨勢，預防指標劣化，解決傳統優化難以發現或應對的問題，提升優化精準度。在某地市移動運營商進行的5G KPI智能劣化檢測及根因定位項目試點中，充分驗證了異常檢測算法的閾值動態性及檢測精準性，異常點的根因定位準確率達到100%；另一地市運營商扇區智能負荷不均衡優化項目中，采用AI算法進行預測、降維及均衡優化，不均衡扇區占比從優化前的26.67%下降到8.33%。

再者，智能優化服務方案基于中興通訊開發的VMAX-AI系統，可依據現場硬件配置或客戶需求情況靈活采用服務器現場極簡化部署或遠程化集群部署。現場部署的硬件配置要求較友商或其它工具系統大幅降低，在某地市移動運營商項目中，6000小區僅需1臺服務器便可完成所有AI功能運算及參數下發，安裝調試更加簡便易行。

中興通訊智能優化服務方案可實現自動樣本數據采集、智能建模分析及調優參數的網管自動下發，基本全程無需人工干預，在提升效率的同時，也避免了傳統優化大量的人力堆疊投入，有效協助運營商降低人力資源成本。方案自推廣以來，引起國內外眾多運營商的極大興趣，紛紛發出現場試點或優化交付請求。在近期國內外多個區域的試點落地中，其優化效果也得到了一致的認可及好評。

中興通訊將致力于不斷提升智能優化服務方案算法的精確性、可預測性、產品功能操作的可視化界面及易用性等，做到即部署即使用，實現運營商無支撐獨立操作，將成本及收益達到最佳化！

責任編輯：gt