潘 晖，齐咏嘉，杭旭峰，姚赛彬，黄久成（中国联通上海分公司，上海 200080）

0 前言

传统的道路优化采用DT 路测分析加KPI 指标监控的方式。DT 路测分析需要测试工程师使用专业的测试软件和测试设备模拟用户使用情况沿一定道路进行现场实地测试，这种优化方式成本高，路测数据样本量小，具有时间、地点的随机性，无法模拟真实用户感知。KPI指标监控是先筛选出定轨道路沿线主控小区然后进行大量KPI 指标性能统计，这种方式会引入大量非定轨道路用户，同时也需要投入大量人力物力，准确性和效率都大打折扣。而高架、高铁、高速、地铁等快速道路由于用户行驶路线相对固定且行驶速度相对较快，对于用户感知的要求更高。此外2G/3G/4G 的多网融合，以及5G 网络的垂直应用等多方面都对网络优化的响应支撑能力提出新的挑战。

为解决传统路测优化方式固定、周期性长、工作量大、耗时等问题，网络优化的智能转型刻不容缓。以上海高架道路为例，根据最新统计上海高架日均车流量已经达到201万，面对如此大的样本数量，网络优化工作能否引入大数据分析和AI智能识别的方式，精准定位出定轨道路用户呢？本文基于真实定轨道路用户的海量业务分析，将用户感知情况自动关联至小区，为网络优化提供充分数据依据，将优化模式由传统的线下模式转型为线上模式，从而大幅提高网络优化效率，有效降低优化成本。

1 定轨道路感知识别技术介绍

本文……