Искусственный интеллект улучшит качество покрытия мобильной сети МТС в Рязанской области
МТС впервые в России разработала и запустила собственную геоплатформу для создания и обновления цифровых 3D-карт местности при помощи обработки спутниковых снимков генеративным искусственным интеллектом на основе нейронной сети. Решение МТС позволит более точно и оперативно выбирать места установки базовых станций, что улучшит качество услуг мобильной связи и повысит эффективность инвестиций в развитие инфраструктуры.
В процессе эксплуатации и модернизации мобильной сети специалисты МТС создают цифровую модель радиопокрытия с использованием точных и актуальных цифровых карт местности, в которых должны учитываться все факторы, влияющие на распространение сигнала и количество абонентов в локациях. К таким факторам относятся появление новых жилых кварталов и высотных зданий, социальных, торговых и спортивных объектов, индустриальных зон, а также развитие транспортной инфраструктуры и изменение природного ландшафта.
Ранее МТС закупала обновленные цифровые карты у внешних поставщиков, специалисты компании визуально оценивали топографические изменения местности и застройки на основе спутниковых данных, затем вручную вносили изменения в цифровые модели местности. Это был длительный, трудоёмкий и затратный процесс.
С запуском геоплатформы актуальные спутниковые снимки высокого разрешения автоматически подаются на вход обученной на картографический анализ нейронной сети, которая за секунды выполняет большой объём работ по визуальному анализу и трехмерной идентификации объектов. В итоге один из самых трудозатратных процессов при обработке картографической информации — векторизация изображенных объектов — ускоряется почти в десять раз. Если специалист в картографическом ПО тратит на обработку изображения одного здания около 33 секунд, то в нейронных сетях этот процесс занимает 3-4 секунды. При этом алгоритмы нейронных вычислений автоматически оценивают высоту зданий и их конфигурацию по теням или видимым частям стен для построения 3D-модели.
«Планирование новой сети или модернизация существующей начинается с тщательного расчёта радиопокрытия на основе цифровых карт местности, в которых учитывается рельеф, особенности застройки и места концентрации абонентов. Даже там, где сеть работает давно, эти параметры должны учитываться при анализе текущей и будущей потребности в покрытии и ёмкости сети. Чтобы повысить эффективность радиопланирования, мы на начальном этапе выбрали более 460 городов с численностью свыше 50 тысяч жителей, где геоданные требуют постоянного обновления и-за изменения городского ландшафта, транспортных потоков и миграции населения», — прокомментировал директор департамента сети радиодоступа МТС Алексей Маслянкин.
«В Рязанской области решения о строительстве и модернизации сетей связи и оборудования принимаются на основе анализа данных о потреблении интернет-трафика. Покрытие распределено равномерно в населенных пунктах, вдоль трасс, в зонах отдыха и других локациях, где наблюдается концентрация пользователей. МТС постоянно совершенствует свои технологические процессы, которые помогают сделать связь более комфортной. Новая технология, безусловно, облегчит труд связистов и сделает процессы максимально эффективными», — рассказал директор МТС в Рязанской области Александр Ляк.
В процессе эксплуатации и модернизации мобильной сети специалисты МТС создают цифровую модель радиопокрытия с использованием точных и актуальных цифровых карт местности, в которых должны учитываться все факторы, влияющие на распространение сигнала и количество абонентов в локациях. К таким факторам относятся появление новых жилых кварталов и высотных зданий, социальных, торговых и спортивных объектов, индустриальных зон, а также развитие транспортной инфраструктуры и изменение природного ландшафта.
Ранее МТС закупала обновленные цифровые карты у внешних поставщиков, специалисты компании визуально оценивали топографические изменения местности и застройки на основе спутниковых данных, затем вручную вносили изменения в цифровые модели местности. Это был длительный, трудоёмкий и затратный процесс.
С запуском геоплатформы актуальные спутниковые снимки высокого разрешения автоматически подаются на вход обученной на картографический анализ нейронной сети, которая за секунды выполняет большой объём работ по визуальному анализу и трехмерной идентификации объектов. В итоге один из самых трудозатратных процессов при обработке картографической информации — векторизация изображенных объектов — ускоряется почти в десять раз. Если специалист в картографическом ПО тратит на обработку изображения одного здания около 33 секунд, то в нейронных сетях этот процесс занимает 3-4 секунды. При этом алгоритмы нейронных вычислений автоматически оценивают высоту зданий и их конфигурацию по теням или видимым частям стен для построения 3D-модели.
«Планирование новой сети или модернизация существующей начинается с тщательного расчёта радиопокрытия на основе цифровых карт местности, в которых учитывается рельеф, особенности застройки и места концентрации абонентов. Даже там, где сеть работает давно, эти параметры должны учитываться при анализе текущей и будущей потребности в покрытии и ёмкости сети. Чтобы повысить эффективность радиопланирования, мы на начальном этапе выбрали более 460 городов с численностью свыше 50 тысяч жителей, где геоданные требуют постоянного обновления и-за изменения городского ландшафта, транспортных потоков и миграции населения», — прокомментировал директор департамента сети радиодоступа МТС Алексей Маслянкин.
«В Рязанской области решения о строительстве и модернизации сетей связи и оборудования принимаются на основе анализа данных о потреблении интернет-трафика. Покрытие распределено равномерно в населенных пунктах, вдоль трасс, в зонах отдыха и других локациях, где наблюдается концентрация пользователей. МТС постоянно совершенствует свои технологические процессы, которые помогают сделать связь более комфортной. Новая технология, безусловно, облегчит труд связистов и сделает процессы максимально эффективными», — рассказал директор МТС в Рязанской области Александр Ляк.
Читайте нас:
