產(chǎn)品架構能力

Deeplan平臺技術(shù)架構采用分層設計，插件化開(kāi)發(fā)，模塊化集成，可云化部署，整個(gè)架構靈活可靠、可擴展。

運營(yíng)商大數據以產(chǎn)品化、平臺化、智能化為重點(diǎn)，面向運營(yíng)商提供通信大數據網(wǎng)絡(luò )優(yōu)化產(chǎn)品及服務(wù)，并依托通信大數據，面向公安、旅游等行業(yè)提供場(chǎng)景化應用，促進(jìn)跨界融合，構建產(chǎn)業(yè)服務(wù)新生態(tài)。

通信大數據產(chǎn)品體系

基于信令、MR數據和網(wǎng)管多維數據關(guān)聯(lián)，構建一套LTE全業(yè)務(wù)用戶(hù)體驗評測體系，結合無(wú)線(xiàn)網(wǎng)絡(luò )空口指標與用戶(hù)業(yè)務(wù)體驗關(guān)聯(lián)分析，將用戶(hù)業(yè)務(wù)體驗映射到網(wǎng)絡(luò )指標層面，幫助運營(yíng)商建立以用戶(hù)業(yè)務(wù)體驗為中心的全業(yè)務(wù)評估體系。

基于移動(dòng)運營(yíng)商的信令、MR、BOSS等基礎通信數據，首先運用GPLSA異常檢測算法實(shí)時(shí)監控網(wǎng)絡(luò )指標異常波動(dòng)和預警，整體觀(guān)測網(wǎng)絡(luò )質(zhì)量；其次，運用機器學(xué)習算法構建移動(dòng)通信網(wǎng)絡(luò )感知評估模型，客觀(guān)評價(jià)用戶(hù)對于數據業(yè)務(wù)的網(wǎng)絡(luò )感知；再次，對于特定場(chǎng)所（高鐵站、會(huì )場(chǎng)等區域）進(jìn)行感知分析，從而根據場(chǎng)景特征有針對性的提升用戶(hù)對于數據業(yè)務(wù)的感知評估；最后，運用MR進(jìn)行弱覆蓋、過(guò)覆蓋和重疊覆蓋三個(gè)維度分析網(wǎng)絡(luò )自身質(zhì)量，快速定位問(wèn)題溯源。

LTE全業(yè)務(wù)感知評估概況

利用華蘇Deeplan算法引擎（LTE全業(yè)務(wù)感知評估模型），準實(shí)時(shí)輸出用戶(hù)級網(wǎng)絡(luò )業(yè)務(wù)感知分值以及50*50米精準定位，從感知差客戶(hù)溯源分析、感知差客戶(hù)地理分布、感知差小區邊緣覆蓋呈現等層面，幫助運營(yíng)商構建以用戶(hù)業(yè)務(wù)體驗為中心的全業(yè)務(wù)評測體系。

● 評估體系（LTE全業(yè)務(wù)感知原創(chuàng )發(fā)明專(zhuān)利授權）

● 高精準度(50*50)

· 小區級感知評估精準度85%

· 柵格級65%（TA+AOA），85%（指紋庫）

● 網(wǎng)絡(luò )中立

· 跨設備商數據的統一關(guān)聯(lián)

· 主流設備商MR、信令與話(huà)統數據協(xié)同解析

● 根因分析

· 一鍵式網(wǎng)絡(luò )性能與故障定位

· 用戶(hù)感知-業(yè)務(wù)性能-網(wǎng)絡(luò )性能/覆蓋/容量的溯源分析

瀏覽類(lèi)用戶(hù)感知50米*50米柵格呈現

LTE全業(yè)務(wù)感知評估產(chǎn)品基于電信心理學(xué)模型構建而成，以面向客戶(hù)感知為入手的、高效的、低成本的的類(lèi)POLQA評估體系，對當前LTE全業(yè)務(wù)實(shí)現全面的、準實(shí)時(shí)、全覆蓋、柵格化的客戶(hù)感知檢測系統。其核心是以L(fǎng)TE網(wǎng)絡(luò )海量的測量報告MRO數據、用戶(hù)級信令指標數據等為輸入源，利用強大的華蘇Deeplan算法引擎（LTE全業(yè)務(wù)感知評估模型），準實(shí)時(shí)輸出每位客戶(hù)每次使用網(wǎng)絡(luò )業(yè)務(wù)感知得分，以及在空間上50*50米精度的定位。

亮點(diǎn)：

1、感知評估精度85%；

2、柵格定位65%（TA+AOA），85%（指紋庫）

用戶(hù)級感知MOS評估

基于用戶(hù)級感知MOS評估體系，構建用戶(hù)常駐小區、常駐柵格模型以及用戶(hù)級主柵格的定位，實(shí)現用戶(hù)軌跡回放、歷史駐留小區與柵格感知呈現，快速定位網(wǎng)絡(luò )故障，先于用戶(hù)發(fā)現問(wèn)題。

用戶(hù)級感知回溯： 時(shí)間維度回溯，分析用戶(hù)感知變化

用戶(hù)投訴分析：地理維度回溯，用戶(hù)投訴信息、基站信息、投訴前用戶(hù)感知及周邊歷史投訴的可視化呈現紀報表輸出

感知差用戶(hù)鎖定與分析

GIS呈現區域感知差用戶(hù)分布，輸出感知差小區常駐用戶(hù)；通過(guò)感知差柵格和感知差小區對比呈現，鎖定影響感知差用戶(hù)的小區和地理位置。

感知差柵格分布

感知差用戶(hù)分布

高鐵專(zhuān)項性能分析

基于高鐵用戶(hù)判別分析算法，對高鐵專(zhuān)網(wǎng)進(jìn)行業(yè)務(wù)質(zhì)量評估與故障定位（RRU級別），替代傳統路測，對重點(diǎn)問(wèn)題區域與小區進(jìn)行性能評估、故障與定位分析，提升參會(huì )人員高鐵場(chǎng)景下網(wǎng)絡(luò )感知。

◆ 高鐵專(zhuān)網(wǎng)概況

◆ 出專(zhuān)網(wǎng)用戶(hù)分布：分頻段展示

◆ 覆蓋類(lèi)指標：分頻段、分小區按段展示

◆ 重點(diǎn)用戶(hù)信令回溯

◆ 出專(zhuān)網(wǎng)機型分布

警務(wù)智能—重點(diǎn)人群分析系統

基于移動(dòng)運營(yíng)商通信數據，構建精準定位模型，一方面實(shí)現重點(diǎn)區域場(chǎng)所內人群分布及構成，實(shí)時(shí)監控場(chǎng)所內人群密集度，降低踩踏事件的發(fā)生概率，另一方面，實(shí)時(shí)監控待監控人員的活動(dòng)范圍，系統智能預警，提高警務(wù)人員的辦事效率，從而提升保障的安全性。

◆ 參會(huì )人員遷徙分析

◆ 參會(huì )人群熱力圖

◆ 參會(huì )人群熱力圖實(shí)時(shí)對比

◆ 重點(diǎn)人群信息

面向公安客戶(hù)，以提高警務(wù)人員辦案效率為目標，基于通信大數據，利用大數據分析技術(shù)，提供多種案件偵查手段和智能預警機制

因此，從人群、目標、人流和輿情四個(gè)層面進(jìn)行實(shí)時(shí)分析及監控，助力公安部門(mén)對智慧城市建設，提供人群總量變化、歸屬、行為特征分析、特殊人員定位以及互聯(lián)網(wǎng)訴求分析、預警。

警務(wù)智能—重點(diǎn)人員管控

針對不同類(lèi)型的目標人員，設定不同維度的預警

◆ 重點(diǎn)人員定位和預警

◆ 特殊來(lái)源地人員定位和預警

◆ 目標人員聚集預警

目前公安部門(mén)在重點(diǎn)人員的監測上依舊使用傳統的從案到人的被動(dòng)式偵查及維穩方式，需耗費大量警力成本?；谝苿?dòng)運營(yíng)商通信數據，采取OTT/指紋庫精準定位算法，準實(shí)時(shí)定位目標人員的活動(dòng)軌跡，幫助公安快速定位目標人員并溯源歷史軌跡。

警務(wù)智能—輿情分析

結合互聯(lián)網(wǎng)輿情以及移動(dòng)用戶(hù)的上網(wǎng)行為數據，構建移動(dòng)通信輿情監控系統，提供屬地化呈現及用戶(hù)分析的輿情監測手段，便于政府、公安部門(mén)及時(shí)掌握網(wǎng)絡(luò )輿論、各類(lèi)突發(fā)事件以及移動(dòng)用戶(hù)的特征分析等，有效控制輿情信息以及輿論導向。

◆ 輿情概述

◆ 重大活動(dòng)分析

◆ 熱點(diǎn)輿情

◆ 輿情溯源

◆ 輿情監控

手機輿情領(lǐng)域的輿情分析和監測，目前還屬于空白，是互聯(lián)網(wǎng)輿情的有效補充。結合互聯(lián)網(wǎng)輿情以及移動(dòng)用戶(hù)的上網(wǎng)行為數據，構建移動(dòng)通信輿情監控系統，提供屬地化呈現及用戶(hù)分析的輿情監測手段，便于政府、公安部門(mén)及時(shí)掌握網(wǎng)絡(luò )輿論、各類(lèi)突發(fā)事件以及移動(dòng)用戶(hù)的特征分析等，有效控制輿情信息以及輿論導向。

旅游大數據

基于移動(dòng)通信技術(shù)，從區域監控（景區客流、游客特征）、行住留（出行、住宿、駐留）、旅游指數（綜合、天氣、交通、消費）等維度綜合分析旅游大數據產(chǎn)品。

景區監控
實(shí)時(shí)人流監控
電子圍欄
人流量預警

游客分析
游客源分析
游客特征分析

出行分析
出行方式分析
出行目的占比分析

綜合指數統計
天氣指數分析
交通指數分析
消費指數分析

運用移動(dòng)用戶(hù)的位置數據，從景區監控、游客分析、出行分析以及綜合指數等多維度分析旅游景區以及游客的衣食住行吃喝玩樂(lè )，直觀(guān)形象的綜合分析旅游信息。

面向旅游委（局），助力智慧旅游，為旅游管理和旅游營(yíng)銷(xiāo)提供決策支持