（文章來源：教育新聞網(wǎng)）
行業(yè)貿(mào)易協(xié)會5G Americas早些時候宣布，到2023年，移動連接將達到100億個。預計到2023年，全球5G連接將達到13億個。小型小區(qū)選址的精確規(guī)劃過程以及網(wǎng)絡設計中的機器學習(ML)和人工智能(AI)部署可以降低部署成本，同時優(yōu)化覆蓋范圍。
隨著小型小區(qū)的部署，對移動數(shù)據(jù)的需求正在推動網(wǎng)絡致密化。盡管成本比宏塔低，但小蜂窩的緊湊，低功耗特性意味著它們還可以服務于較小的區(qū)域。反過來，這意味著他們需要更靠近需求熱點，以有效地覆蓋客戶的移動數(shù)據(jù)需求。
電信工程師必須集中精力測量網(wǎng)絡質(zhì)量，信號強度和質(zhì)量，流量模式以及其他地形因素，以最大程度地提高網(wǎng)絡運營商的資本投資回報率。
小型蜂窩設計和選址工作中的AI和ML模型可以以最有效的資本投資提供最佳的覆蓋范圍和吞吐量諾基亞5G首席架構師Peter Love說：“通過使用包括機器學習在內(nèi)的大數(shù)據(jù)分析來對特定的用例進行數(shù)字化建模，將為網(wǎng)絡演進計劃提供更好的投資回報(RoI)，從而帶來更好的業(yè)務成果?！?/p>
人工智能和機器學習技術可以實現(xiàn)顯著的資金投入和運營效率，其中設計軟件可以學習并適應以吸收許多輸入，每個輸入都提供了大量的細粒度數(shù)據(jù)來為決策提供依據(jù)。
眾所周知，HetNets和致密化將成為5G網(wǎng)絡部署的新常態(tài)。需要專門針對密集城市環(huán)境的自動設計流程，以減少規(guī)劃時間和成本?！?Keima首席運營官Iris Barcia說。為了獲得最大的投資回報，應將小型單元放置在盡可能靠近需求高峰的位置。最佳做法是在20-40m以內(nèi)。
網(wǎng)絡運營商希望估算使用位置和質(zhì)量報告位置的設備采用更智能的算法，例如演示的機器學習方法。對于小型小區(qū)規(guī)劃，預期中值定位誤差小于20m。機器學習模型應該是任何小單元設計工作的一部分。不同的輸入和假設將成為生成的結果模型的因素。
非常大的數(shù)據(jù)集的聚合對于為算法提供足夠的測試數(shù)據(jù)以告知結果非常重要。這些數(shù)據(jù)集為算法提供了有關因素的信息，例如功率和回程可用性，信號干擾比，頻譜效率，視線，業(yè)務量估計，重疊的小區(qū)覆蓋范圍，與站點所有者的協(xié)議以及其他考慮因素。
下載文檔
