神州信息AISON平臺
AISON是以大數據+AI技術為核心，集成聚類、分類、神經網絡和強化學習等多種算法，打造的網絡智能優化新平臺。平臺通過對工參、MRO、MDT和KPI指標等數據的清洗和挖掘，實現網絡優化工作自動化、智能化和全景化。
立即咨詢產品功能
工參自糾錯：經緯度糾偏，方位角預測，天線接反、串接研判
基于MDT數據源中RSRP、經緯度、AOA、TA等多種特征的分布，運用聚類、分類、神經網絡等算法，精準識別錯誤工參并糾錯。
容量自均衡：高負荷待擴容參數優化、高負荷待擴容預警參數優化
基于MRO、KPI指標，運用小區相關度、蟻群和KNN算法，自動輸出參數優化方案。
天饋自優化：弱覆蓋優化、重疊覆蓋優化、干擾優化、容量優化
基于MRO、MDT和KPI指標，運用專家經驗和強化學習算法，輸出權值優化參數。
產品特點
對接生產：生產自動化、一鍵自優化
方案準確：方案高可靠、算法高精度
降本增效：運營低成本、高效促生產
技術參數
| 產品模塊 | 產品功能 | 方案有效率(%) | 備注 |
|---|---|---|---|
| 工參自糾錯 | 方位角預測 | 90% | 現場驗證，偏差[0,20°] |
| 經緯度研判 | 85% | 現場驗證，城區[0,50m]，郊區[0,100m] | |
| 天線接反 | 98% | 現場驗證 | |
| 串接研判 | 98% | 現場驗證 | |
| 容量自均衡 | 高負荷待擴容 | 75% | 指標驗證 |
| 高負荷待擴容預警 | 75% | 指標驗證 | |
| 天饋自優化 | 弱覆蓋優化 | 3% | 問題小區MR覆蓋率改善幅度 |
| 重疊覆蓋優化 | 0.50% | 問題小區MR重疊覆蓋降低幅度 | |
| 容量優化 | 70% | 容量提升小區占比 |
應用場景
工參自糾錯
2019年“利奇馬”過境，運用工參自糾錯模塊對某地市工參進行全網篩查，精準定位臺風導致的天線偏移，極大提高了通信恢復效率。
容量自均衡
2019年某省接入容量自均衡優化平臺后，高負荷待擴容和待擴容預警小區占比逐月下降，為網絡優化節約了硬件支出和人力成本。
天饋自優化
選取一個弱覆蓋優化簇，自動優化后整體弱覆蓋率改善3.56%，弱覆蓋柵格明顯減少。
