AG九游会AISON平台
AISON是以大数据+AI技术为核心，集成聚类、分类、神经网络和强化学习等多种算法，打造的网络智能优化新平台。平台通过对工参、MRO、MDT和KPI指标等数据的清洗和挖掘，实现网络优化工作自动化、智能化和全景化。
立即咨询产品功能
工参自纠错：经纬度纠偏，方位角预测，天线接反、串接研判
基于MDT数据源中RSRP、经纬度、AOA、TA等多种特征的分布，运用聚类、分类、神经网络等算法，精准识别错误工参并纠错。
容量自均衡：高负荷待扩容参数优化、高负荷待扩容预警参数优化
基于MRO、KPI指标，运用小区相关度、蚁群和KNN算法，自动输出参数优化方案。
天馈自优化：弱覆盖优化、重叠覆盖优化、干扰优化、容量优化
基于MRO、MDT和KPI指标，运用专家经验和强化学习算法，输出权值优化参数。
产品特点
对接生产：生产自动化、一键自优化
方案准确：方案高可靠、算法高精度
降本增效：运营低成本、高效促生产
技术参数
| 产品�？� | 产品功能 | 方案有效率(%) | 备注 |
|---|---|---|---|
| 工参自纠错 | 方位角预测 | 90% | 现场验证，偏差[0,20°] |
| 经纬度研判 | 85% | 现场验证，城区[0,50m]，郊区[0,100m] | |
| 天线接反 | 98% | 现场验证 | |
| 串接研判 | 98% | 现场验证 | |
| 容量自均衡 | 高负荷待扩容 | 75% | 指标验证 |
| 高负荷待扩容预警 | 75% | 指标验证 | |
| 天馈自优化 | 弱覆盖优化 | 3% | 问题小区MR覆盖率改善幅度 |
| 重叠覆盖优化 | 0.50% | 问题小区MR重叠覆盖降低幅度 | |
| 容量优化 | 70% | 容量提升小区占比 |
应用场景
工参自纠错
2019年“利奇马”过境，运用工参自纠错�？槎阅车厥泄げ谓腥覆椋级ㄎ惶ǚ绲贾碌奶煜咂�，极大提高了通信恢复效率。
容量自均衡
2019年某省接入容量自均衡优化平台后，高负荷待扩容和待扩容预警小区占比逐月下降，为网络优化节约了硬件支出和人力成本。
天馈自优化
选取一个弱覆盖优化簇，自动优化后整体弱覆盖率改善3.56%，弱覆盖栅格明显减少。
京公网安备11010802043876
