OpenwaveMobility为移动运营商引入机器学习技术

大家好，今日小科来聊聊一篇关于OpenwaveMobility为移动运营商引入机器学习技术的文章，现在让我们往下看看吧！

由于机器学习技术可以显著降低拥塞，因此该技术可以动态检测甚至预测每个网络连接点的局部拥塞。RCM为运营商提供了无与伦比的RAN拥塞视图，允许网络提供商采取选择性的战略行动，提高用户的QoE。重要的是，RCM不需要RAN集成。

运营商正在努力管理RAN拥塞，确保用户的QoE。移动视频流量正以惊人的速度增长，其峰值往往不可预测。高清(HD)所需的带宽是标准视频的四倍，而加密的over-top(OTT)流量使问题变得复杂。

产品、销售和营销高级副总裁Indranil Chatterjee表示，“其他供应商的现有解决方案需要手动配置静态值，例如高峰时间或拥塞单元，或者在某些情况下需要外部RAN探头。我们基于机器学习的解决方案可以动态确定拥塞流量和无线网络位置，并且只优化必要的流量。”

查特吉继续说道，“我们的解决方案适用于所有RAN供应商的流量，覆盖所有频谱，无需外部探头或更换运营商的RAN。这使得操作非常简单。运营商需要RCM来应对持续的数据海啸。早期的客户结果显示，在高峰时段，拥挤的细胞数量减少了20%。

RCM易于部署，无需探针或RAN或分组核心集成。整个系统监控数据平面上的IP数据包，并通过RCM仪表盘提供网络拥塞的完整视图。因此，它可以准确预测拥挤的位置，使视频优化技术能够平衡用户之间的无线电资源，为所有用户提供公平一致的视频质量。

这篇好文章是转载于：知行礼动