（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(yù)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(luò)設(shè)計中的機器學(xué)習(xí)(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(luò)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(wù)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(luò)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(luò)運營商的資本投資回報率。

小型蜂窩設(shè)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(gòu)師Peter Love說：“通過使用包括機器學(xué)習(xí)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(luò)演進計劃提供更好的投資回報(RoI)，從而帶來更好的業(yè)務(wù)成果。”

人工智能和機器學(xué)習(xí)技術(shù)可以實現(xiàn)顯著的資金投入和運營效率，其中設(shè)計軟件可以學(xué)習(xí)并適應(yīng)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(luò)部署的新常態(tài)。需要專門針對密集城市環(huán)境的自動設(shè)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(yīng)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(luò)運營商希望估算使用位置和質(zhì)量報告位置的設(shè)備采用更智能的算法，例如演示的機器學(xué)習(xí)方法。對于小型小區(qū)規(guī)劃，預(yù)期中值定位誤差小于20m。機器學(xué)習(xí)模型應(yīng)該是任何小單元設(shè)計工作的一部分。不同的輸入和假設(shè)將成為生成的結(jié)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(jié)果非常重要。這些數(shù)據(jù)集為算法提供了有關(guān)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(wù)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。

（責(zé)任編輯：fqj）