基于XDR大数据分析的高架用户识别技术

doi:10.11959/j.issn.1000-0801.2021214

电信科学 ›› 2021, Vol. 37 ›› Issue (11): 135-142.doi: 10.11959/j.issn.1000-0801.2021214

基于XDR大数据分析的高架用户识别技术

汪保友, 姚赛彬, 黄久成, 潘晖

中国联合网络通信有限公司上海分公司，上海200080

修回日期:2021-10-21 出版日期:2021-11-20 发布日期:2021-11-01
作者简介:汪保友（1968− ），男，博士，中国联合网络通信有限公司上海分公司高级工程师，主要研究方向为商业智能与大数据分析、无线网优化、网络与数据安全
姚赛彬（1982− ），男，中国联合网络通信有限公司上海分公司无线网优化中心总经理、高级工程师，主要研究方向为无线网优化、通信网络规划、智能网络
黄久成（1987− ），男，中国联合网络通信有限公司上海分公司无线网优化中心专项优化室经理、工程师，主要研究方向为无线网优化、通信网络规划
潘晖（1992− ），男，中国联合网络通信有限公司上海市分公司工程师，主要研究方向为无线网优化、5G技术

Identification technology for city freeway users based on XDR big data analysis

Baoyou WANG, Saibin YAO, Jiucheng HUANG, Hui PAN

Shanghai Branch of China United Network Communications Co., Ltd., Shanghai 200080, China

Revised:2021-10-21 Online:2021-11-20 Published:2021-11-01

摘要/Abstract

摘要：

城市高架路场景下，用户行驶速度相对较快、人流密集，客户对通信体验要求更高。首先，介绍了网络质量管控大数据平台体系架构；其次，设计了基于XDR大数据分析的高架用户识别的算法；最后，通过XDR大数据分析处理，与高架路段指纹库匹配，输出高架用户运动轨迹，提升了高架用户识别准确性，为高架路无线网络质量监控提供辅助支撑。

关键词: 网络优化, XDR, 城市高架识别

Abstract:

In the scene of city freeway, the driving speed is relatively faster, the flow of people is denser, and the customers have higher requirements for communication experience.Firstly, the architecture of big data platform for mobile network quality control was introduced.Then, the identification algorithm for city freeway users based on XDR big data analysis was proposed.Finally, through XDR big data analyzing and processing, the user track on freeway was output, which followed by matching with the fingerprints database of freeways.The identification accuracy for city freeway users was improved, and wireless network quality monitoring of city freeways was supported.

Key words: network optimization, XDR, identification of city freeway

中图分类号:

TN929.5

汪保友, 姚赛彬, 黄久成, 潘晖. 基于XDR大数据分析的高架用户识别技术[J]. 电信科学, 2021, 37(11): 135-142.

Baoyou WANG, Saibin YAO, Jiucheng HUANG, Hui PAN. Identification technology for city freeway users based on XDR big data analysis[J]. Telecommunications Science, 2021, 37(11): 135-142.

图/表 6

图1

图2

图3

图4

图5

图6

参考文献 8

[1]	刘韬, 吴涛, 王斌 . XDR 与 MR 数据关联与应用[J]. 电信科学, 2019,35(4): 120-130.
	LIU T , WU T , WANG B . Association and application in XDR and MR data[J]. Telecommunications Science, 2019,35(4): 120-130.
[2]	YAO S B , HUANG J C , WANG B Y ,et al. Design and application of network optimizing integrated platform based on rasterized big data[M]. Signal and Information Processing,Networking and Computers. Singapare: Springer, 2020: 789-799.
[3]	汪保友, 姚健, 张正卿 . 基于FKS的信令采集与监控技术[J]. 电信科学, 2018,34(3): 145-155.
	WANG B Y , YAO J , ZHANG Z Q . Signaling collection and monitoring technology based on FKS[J]. Telecommunications Science, 2018,34(3): 145-155.
[4]	伏玉笋, 杨根科 . 人工智能在移动通信中的应用：挑战与实践[J]. 通信学报, 2020,41(9): 190-201.
	FU Y S , YANG G K . Application of artificial intelligence in mobile communication:challenge and practice[J]. Journal on Communications, 2020,41(9): 190-201.
[5]	王莹, 苏壮 . 无线网络中的移动预测综述[J]. 通信学报, 2019,40(8): 157-168.
	WANG Y , SU Z . Survey of mobility prediction in wireless network[J]. Journal on Communications, 2019,40(8): 157-168.
[6]	许佳捷, 郑凯, 池明旻 ,等. 轨迹大数据:数据、应用与技术现状[J]. 通信学报, 2015,36(12): 97-105.
	XU J J , ZHENG K , CHI M M ,et al. Trajectory big data:data,applications and techniques[J]. Journal on Communications, 2015,36(12): 97-105.
[7]	朱近康, 柴名扬, 周武旸 . 面向 B5G/6G 的三三三网络体系架构和优化学习机制[J]. 通信学报, 2021,42(4): 62-75.
	ZHU J K , CHAI M Y , ZHOU W Y . Three-three-three network architecture and learning optimization mechanism for B5G/6G[J]. Journal on Communications, 2021,42(4): 62-75.
[8]	汤雅妃, 魏进武, 张云勇 . 基于大数据的信令监测系统研究[J]. 邮电设计技术, 2014(7): 47-52.
	TANG Y F , WEI J W , ZHANG Y Y . Research on big data based signaling monitoring platform[J]. Designing Techniques of Posts and Telecommunications, 2014(7): 47-52.

[1]	王达, 孙滔, 孙晓文, 郭建超, 孙杰, 陈果, 杨爱东, 欧阳晔. 数字孪生在网络全生命周期管理中的研究[J]. 电信科学, 2022, 38(4): 138-145.
[2]	陈向荣. 基于多层感知机模型的天线方位角诊断[J]. 电信科学, 2021, 37(4): 90-96.
[3]	孔令义. 面向5G的网络优化和重构[J]. 电信科学, 2020, 36(2): 117-125.
[4]	孙嘉琪, 杨广铭, 党娟娜, 刘文杰. 温敏网络的关键能力和架构体系[J]. 电信科学, 2019, 35(9): 52-57.
[5]	郭宣羽. 网元性能及业务数据特征精准分析方法[J]. 电信科学, 2019, 35(10): 146-150.
[6]	程锦堃,陈巍,石远明. 5G室内密集立体覆盖的计算通信：架构、方法与增益[J]. 电信科学, 2017, 33(6): 41-53.
[7]	高峰,雷蕾,杜日览,黎峰,徐钽,李银,左修玉. 基于采样点聚类和切换象限划分核查小区方位角[J]. 电信科学, 2017, 33(5): 106-112.
[8]	陈涛,鲁萌,陈彦名. 运营商大数据技术应用研究[J]. 电信科学, 2017, 33(1): 130-134.
[9]	刘国辉. 分组域网关运行性能提升方案[J]. 电信科学, 2015, 31(9): 182-189.
[10]	李超,张建斌,安静. TD-LTE与TD-SCDMA协同网络优化策略[J]. 电信科学, 2015, 31(8): 139-146.
[11]	刘悦,郭晓磊,张迅. 基于功率控制和信道分配的网络优化算法[J]. 电信科学, 2015, 31(10): 93-98.
[12]	王军威,雒江涛,黄晶,应良佳,邓志飞. 移动通信基站参数管理系统的研究与实现[J]. 电信科学, 2014, 30(5): 88-93.
[13]	张国华,袁亘,罗彩艳. 基于CDL的精确定位和网络优化探讨[J]. 电信科学, 2011, 27(6): 113-120.
[14]	戴聿雯,王振. 无线基础数据管理系统的设计及应用研究[J]. 电信科学, 2011, 27(12): 110-115.
[15]	姚执光,张国华,祝贺. 基于业务质量的TD路测综合分析方法[J]. 电信科学, 2010, 26(12): 132-137.

基于XDR大数据分析的高架用户识别技术

Identification technology for city freeway users based on XDR big data analysis

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 8

相关文章 15

Metrics

推荐阅读 0