运营商网络优化中，已有近90%的工作量被无线网络参数优化和天馈优化占据，随着5G新技术、新空口引入的多场景、多业务类型，更是使得5G网络优化难度指数提升。传统网络优化方法依赖人工提取无线网络指标，依靠个人经验与手册进行参数及天馈调整优化，需重复多次进行，以达到提升用户感知的效果。该方法极大依赖工程师的专家经验和工作细致度，在面对5G网络多场景、大连接的用户需求，运营成本持续压降的现状下，已无法满足5G网络优化的要求。因此，网络优化工作急需自动化的工具与流程来替代人工，通过网络自智方式解决专家经验依赖和效能提升问题。
针对上述背景，中信科移动联合中国联通河南分公司云网运营中心积极参与自智网络实践，双方按照中国联通集团数字化转型战略指引，基于HiNet智能运维平台，围绕保障网络合理、网络问题三维立体洞察、重点场景识别、场景化参数建模寻优、天馈深度洞察、天馈智能优化等方向开展研究，形成无线网络链式优化创新解决方案，结合神经网络、知识图谱等AI技术，打造闭环自智网络，赋能网络优化的多个场景，推动网络质量和用户体验的快速上升。
网络问题三维立体洞察
基于半监督分类算法结合图像识别的建筑物画像，实现了用户MR的室内外区分以及3D精准定位。在此基础上结合网络问题评估，实现了问题点、问题路段、问题区域、问题楼宇的全方位三维立体洞察，避免了大量的人工测试工作。
重点场景识别
基于神经网络图像识别算法精准识别建筑物，进行场景自动化分类，并结合KPI、MR等网络数据叠加网络属性，如弱覆盖、高丢包、高负荷等，最后结合无监督聚类算法通过场景交织构建个性化细分场景，为差异化精细参数优化提供输入。
场景化参数建模寻优
结合VoNR专项提升积累的参数寻优专家经验，基于径向基神经网络建模构建待优化指标在不同场景小区下与各参数的模型关系，并通过梯度下降算法对神经网络模型求解得到最佳的参数配置，并通过多轮迭代使收敛度超过98%。
天馈深度洞察
利用路测、MDT（MR）、切换数据结合AI聚类，统一场景分析小区用户数、切换分布、波束分布，可快速发现天馈接反和天馈覆盖方向被遮挡等异常问题，避免大量人工上站核查的复杂性。
天馈智能优化
利用天馈软调参数，结合机器学习寻优算法，实现“覆盖问题自动发现-自动分析-自动优化”，以低成本高效率的方式助力网络覆盖优化。
通过上述一系列无线网络链式优化创新解决方案的实施：输出弱覆盖/高丢包等5大场景参数寻优方案并全国推广；部署区域弱覆盖比例改善8.20%，重叠覆盖MR比例改善9.24%，切换成功率有较大提升，丢包率也有显著改善。
未来，自智网络将向意图驱动、全流程自智等方向逐步发展，中信科移动将与河南联通深化合作，在网络生产中不断探索，以机器学习、AI大模型、知识图谱等最新技术不断跃升自智网络等级，赋能“规建维优”，围绕用户体验全过程打造精品网络，让高品质服务走进千家万户。
