行業貿易協會5G Americas早些時候宣佈，到2023年，移動連線將達到100億個。預計到2023年，全球5G連線將達到13億個。小型小區選址的精確規劃過程以及網路設計中的機器學習(ML)和人工智慧(AI)部署可以降低部署成本，同時最佳化覆蓋範圍。

隨著小型小區的部署，對移動資料的需求正在推動網路緻密化。儘管成本比宏塔低，但小蜂窩的緊湊，低功耗特性意味著它們還可以服務於較小的區域。反過來，這意味著他們需要更靠近需求熱點，以有效地覆蓋客戶的移動資料需求。

電信工程師必須集中精力測量網路質量，訊號強度和質量，流量模式以及其他地形因素，以最大程度地提高網路運營商的資本投資回報率。

小型蜂窩設計和選址工作中的AI和ML模型可以以最有效的資本投資提供最佳的覆蓋範圍和吞吐量諾基亞5G首席架構師Peter Love說：“透過使用包括機器學習在內的大資料分析來對特定的用例進行數字化建模，將為網路演進計劃提供更好的投資回報(RoI)，從而帶來更好的業務成果。”

人工智慧和機器學習技術可以實現顯著的資金投入和運營效率，其中設計軟體可以學習並適應以吸收許多輸入，每個輸入都提供了大量的細粒度資料來為決策提供依據。

眾所周知，HetNets和緻密化將成為5G網路部署的新常態。需要專門針對密集城市環境的自動設計流程，以減少規劃時間和成本。” Keima營運長Iris Barcia說。為了獲得最大的投資回報，應將小型單元放置在儘可能靠近需求高峰的位置。最佳做法是在20-40m以內。

網路運營商希望估算使用位置和質量報告位置的裝置採用更智慧的演算法，例如演示的機器學習方法。對於小型小區規劃，預期中值定位誤差小於20m。機器學習模型應該是任何小單元設計工作的一部分。不同的輸入和假設將成為生成的結果模型的因素。

非常大的資料集的聚合對於為演算法提供足夠的測試資料以告知結果非常重要。這些資料集為演算法提供了有關因素的資訊，例如功率和回程可用性，訊號干擾比，頻譜效率，視線，業務量估計，重疊的小區覆蓋範圍，與站點所有者的協議以及其他考慮因素。

行業貿易協會5G Americas早些時候宣佈，到2023年，移動連線將達到100億個。預計到2023年，全球5G連線將達到13億個。小型小區選址的精確規劃過程以及網路設計中的機器學習(ML)和人工智慧(AI)部署可以降低部署成本，同時最佳化覆蓋範圍。

隨著小型小區的部署，對移動資料的需求正在推動網路緻密化。儘管成本比宏塔低，但小蜂窩的緊湊，低功耗特性意味著它們還可以服務於較小的區域。反過來，這意味著他們需要更靠近需求熱點，以有效地覆蓋客戶的移動資料需求。

電信工程師必須集中精力測量網路質量，訊號強度和質量，流量模式以及其他地形因素，以最大程度地提高網路運營商的資本投資回報率。

小型蜂窩設計和選址工作中的AI和ML模型可以以最有效的資本投資提供最佳的覆蓋範圍和吞吐量諾基亞5G首席架構師Peter Love說：“透過使用包括機器學習在內的大資料分析來對特定的用例進行數字化建模，將為網路演進計劃提供更好的投資回報(RoI)，從而帶來更好的業務成果。”

人工智慧和機器學習技術可以實現顯著的資金投入和運營效率，其中設計軟體可以學習並適應以吸收許多輸入，每個輸入都提供了大量的細粒度資料來為決策提供依據。

眾所周知，HetNets和緻密化將成為5G網路部署的新常態。需要專門針對密集城市環境的自動設計流程，以減少規劃時間和成本。” Keima營運長Iris Barcia說。為了獲得最大的投資回報，應將小型單元放置在儘可能靠近需求高峰的位置。最佳做法是在20-40m以內。

網路運營商希望估算使用位置和質量報告位置的裝置採用更智慧的演算法，例如演示的機器學習方法。對於小型小區規劃，預期中值定位誤差小於20m。機器學習模型應該是任何小單元設計工作的一部分。不同的輸入和假設將成為生成的結果模型的因素。

非常大的資料集的聚合對於為演算法提供足夠的測試資料以告知結果非常重要。這些資料集為演算法提供了有關因素的資訊，例如功率和回程可用性，訊號干擾比，頻譜效率，視線，業務量估計，重疊的小區覆蓋範圍，與站點所有者的協議以及其他考慮因素。