摘要：随着互联网技术的快速发展和普及，终端设备和无线网络用户激增，网路承载量呈现爆炸式增长。在大数据应用的时代背景下，网络供应商运用大数据分析技术在无线网络优化方面寻求突破是网络服务的热点问题。
关键词：通信大数据；无线网络；优化；应用
引言
近些年来，我国的无线网络技术得到了长足的发展，从2G、3G到目前基本普及的4G、距离不远的5G，向世界展示出惊人的科技实力，然而无线网络技术的发展也昭示着社会生产、生活对于通信数据量和速度的要求，想要更好地满足人们对于通信的需求，需要进一步提升无线网络的资料利用效率，提高无线网络的运行速度和质量。随着大数据技术的逐渐普及，大数据应用于无线网络优化工作逐渐成为可能，可以有效提高无线网络服务器的数据存储、传输能力，成为推动无线网络数据传输速度、数据量提升的辅助力量。
1无线网络优化的概念
无线网络优化是随着互联网的普及和移动终端设备的快速发展而被逐渐提及的概念，常指通过硬件检查、话务报表统计、现场数据测试、参数分析的方式，从掉线率、网络接通率、切换成功率等关键指标入手，分析网络不稳定等问题的因素，然后通过参数调整、硬件改进等技术手段改善无线网络质量，为用户提供更优质的用户体验。实现网络资源优化和提供优质的无线网络服务，才能够获得客户满意，才能够进一步拓展市场。无线网络的优化受到多种因素的影响，网络优化的过程也是非常复杂而艰难的。随着技术的发展，用户对无线网络质量的要求越来越高，传统的无线网络优化就是通过DT/CQT测试模式和KPI处理模式来进行技术的革新，从整体上来看，这种技术手段能取得比较好的优化效果。但是，在一些KPI技术良好、DT/CQT测试模式比较一般的区域，个体用户体验会受到影响，个体用户投诉率也会比较高。采用传统的手段进行网络优化，对于网络覆盖优化的结果精准性带来影响，基础数据质量不高：一是由局部向整体衍射的评估方式会导致CQT、路测分析不准确；二是MＲ技术和KPI技术无法对用户的问题进行精准分析，一些关键数据信息被忽略；三是一般会独立推进2G/3G/4G无线网络的优化，彼此之间的兼容性不佳，跨系统问题容易影响用户评价。
2通信大数据对无线网络的优化方式
2.1对数据库技术进行优化
通信大数据能够为无线网络提供的优化方式基本集中在数据的存储和调取、深层挖掘两方面，在数据深层挖掘方面，很多类似Hadoop的平台已经初步实现利用大数据挖掘无线网络数据的构想，他们发布的分布式程序已经可以实现对大数据的深层挖掘和分析，为通信大数据对无线网络进行优化提供了工具。①Hadoop平台搭建的分布式文件系统已经可以实现通讯数据的大规模集群运行和大规模存储，这为通信大数据实现对无线网络优化提供了基础，因为用户人数和对无线网络数据传输依赖的缘故，无线网络中数据的传输量正以十分惊人的速度增长，据不完全统计，世界范围内的无线网络数据传输量每两年就会翻一番，因此，想要对无线网络进行优化首先需要能够承载无线网络中的数据量，在此基础上才能谈到对数据的挖掘和分析，传统数据存储的形式已经无法满足无线网络的发展需求，那么虚拟化存储设备成为不二选择。②分布式数据库技术的出现为数据固定属性存储提供了帮助，尤其在手机、存储等方面的非结构化数据应用上效果较好，为无线网络通信数据的存储管理提供了重要力量。③计算平台，拥有一个计算平台可以将对无线网络通信数据的分析和运算脱离开某一计算机的束缚，使多台计算机可以同时工作。④进行计算分析结果的汇总，有效提高数据挖掘分析效率，但在实际运用当中发现，计算平台的支持较差，运用效果不佳。
2.2对无线网络进行模型预测
在无线网络运行过程中，自然环境、用户业务需求、用户行为、网络结构等因素都会对无线网络的运行质量形成影响，这样综合性的影响较难在运行测试时进行还原，因此单独对无线网络进行分析和测试的结果准确性较低。
期刊文章分类查询,尽在期刊图书馆目前，比较受到业内技术人员认可的方法是，利用通信大数据技术为无线网络建立预测模型，最大程度上收集影响无线网络运行的因素，模拟无线网络运行过程中的环境，采用感知器网络对无线网络性能进行预测。例如：在进行无线网络拥塞指标分析时，技术人员需要利用通信大数据技术为无线网络建立环境，通过不同的小区等级、资源需求等变量，实现对无线网络的分析和预测，在预测结果中发现问题后及时进行优化和调整，有效降低无线网络拥塞率，提高无线网络通信数据传输量和传输速度。在此分析和预测过程中，利用的是数据信息的正向传播和误差反向传播，即符合策略的数据信息通过，不符合策略的数据信息反向传播，从而在两种不同数据信息的传播过程中形成对无线网络的预测模型，通过对模型的调整可以有效降低不符合策略数据信息量，从而提高无线网络的运行效率和性能。
3大数据分析理论
3.1聚类分析
聚类分析是在海量数据基础上，从数据多样性、速度、数量等几个属性定义复杂数据，然后根据数据的属性进行聚类，或者用相似类别的模式来划分大量基础数据。聚类分析能够简化数据的处理，提取数据的特征信息点，将同类型的数据归纳起来，然后对其进行预测分析。结合跨类别的数据关联分析，提炼数据价值，能够将原本无序、离散、纷杂的基础信息组织起来，挖掘数据价值。
3.2关联分析
采集大量无线网络运行基础数据，并对其进行分析归纳，通过聚类分析可以获得比较稳定的群体性活动的聚类资源。关联分析能够帮助找寻出聚类后数据的内在联系，从不同纬度综合分析数据的利用价值，这是利用大数据分析解决问题的关键步骤。
3.3预测分析
预测分析就是帮助数据分析师在数据基础上对未来可能的事件进行预测判断，数据挖掘和数据的可视化展示分析能够帮助人们更加深入的理解数据。
4通信大数据在无线网络优化中的应用现状
科学技术的发展支持着我国网络运营商逐渐将无线网络通讯向5G时代推进，积极拓宽无线网络带宽和网速，但不可否认的是目前市场上应用的无线网络普遍存在高峰拥堵、切换成功率低、中断概率相对较高等问题，这对无线网络在社会生产、生活中的进一步发展有着较大的阻碍作用。大数据技术的出现和发展为社会生产生活中的各个领域提供了新的发展方向，无线网络领域也不例外，只不过通信大数据需要在无线网络中解决的问题难度更高，其中无线网络通信数据承载力、数据结构部署、管控策略灵活程度都是通信大数据技术需要改善和解决的问题。①无线网络的承载力，我国目前存在CDMA、TD-LTE等多种无线网络结构、制式，导致我国的无线网络规模较为庞大；②网络数据结构部署，我国存在的三大通信运营商分别是联通、电信、移动，三家所应用的网络体系在相互之间有着不小区别，目前所应用的网络建设也并非同一时间完成，如何将这些技术有差异、运行质量有差异的网络整合在仪器进行科学部署是一项十分有难度的工作；③管控策略问题，目前市场上的移动设备型号有很多，虽然方便了用户的使用，形成了市场的繁荣，但不可否认的是这些不同型号、生产厂家的移动通信设备存在着一定的参数差异，这些差异不仅会影响用户对于无线网络的体验感受，还对通信大数据的分析工作带来了影响，使得无线网络运营商无法有效提高管控策略的灵活性。
结束语
我国无线网络领域近年来连续扩大，用户数量、对通信数据传输量的要求、对数据传输速度要求不断增长，在如此市场环境下，应用通信大数据技术提高分析准确度，提高无线网络数据资源应用效率，提高无线网络服务质量，是当前技术人员的工作重点，也是各大网络运营商提高核心竞争力、争取更大市场份额的必经之路。
参考文献：
[1]王洋.大数据在无线网络优化中的应用[J].信息与电脑（理论版），2016（18）：141-142.
[2]龚水阳.探析大数据在无线网络优化中的运用[J].中国新通信，2016，18（14）：93.
[3]李雁，董事.浅谈无线网络中大数据的应用[J].中国新通信，2015，17（14）：93.
论文作者:陈旭明,蔡云湘
论文发表刊物:《基层建设》2019年第17期
论文发表时间:2019/9/11
标签：无线网络论文; 数据论文; 通信论文; 技术论文; 网络论文; 用户论文; 数据传输论文; 《基层建设》2019年第17期论文;