行業(yè)貿(mào)易協(xié)會(huì)5G Americas早些時(shí)候宣布，到2023年，移動(dòng)連接將達(dá)到100億個(gè)。預(yù)計(jì)到2023年，全球5G連接將達(dá)到13億個(gè)。

小型小區(qū)選址的精確規(guī)劃過程以及網(wǎng)絡(luò)設(shè)計(jì)中的機(jī)器學(xué)習(xí)(ML)和人工智能(AI)部署可以降低部署成本，同時(shí)優(yōu)化覆蓋范圍。

隨著小型小區(qū)的部署，對(duì)移動(dòng)數(shù)據(jù)的需求正在推動(dòng)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(diǎn)，以有效地覆蓋客戶的移動(dòng)數(shù)據(jù)需求。

電信工程師必須集中精力測(cè)量網(wǎng)絡(luò)質(zhì)量，信號(hào)強(qiáng)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(yùn)營商的資本投資回報(bào)率。

小型蜂窩設(shè)計(jì)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(jī)器學(xué)習(xí)在內(nèi)的大數(shù)據(jù)分析來對(duì)特定的用例進(jìn)行數(shù)字化建模，將為網(wǎng)絡(luò)演進(jìn)計(jì)劃提供更好的投資回報(bào)(RoI)，從而帶來更好的業(yè)務(wù)成果。”

人工智能和機(jī)器學(xué)習(xí)技術(shù)可以實(shí)現(xiàn)顯著的資金投入和運(yùn)營效率，其中設(shè)計(jì)軟件可以學(xué)習(xí)并適應(yīng)以吸收許多輸入，每個(gè)輸入都提供了大量的細(xì)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(duì)密集城市環(huán)境的自動(dòng)設(shè)計(jì)流程，以減少規(guī)劃時(shí)間和成本。” Keima首席運(yùn)營官Iris Barcia說。

為了獲得最大的投資回報(bào)，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(yùn)營商希望估算使用位置和質(zhì)量報(bào)告位置的設(shè)備采用更智能的算法，例如演示的機(jī)器學(xué)習(xí)方法。對(duì)于小型小區(qū)規(guī)劃，預(yù)期中值定位誤差小于20m。

機(jī)器學(xué)習(xí)模型應(yīng)該是任何小單元設(shè)計(jì)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(duì)于為算法提供足夠的測(cè)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(hào)干擾比，頻譜效率，視線，業(yè)務(wù)量估計(jì)，重疊的小區(qū)覆蓋范圍，與站點(diǎn)所有者的協(xié)議以及其他考慮因素。