TelePlanNet：一个面向高效电信网络规划的AI驱动框架
人工智能
2025-05-28 v2
摘要
基站选址是5G网络规划中的关键挑战，需要高效地优化覆盖、成本、用户满意度和实际约束。传统的人工方法依赖人类专业知识，效率低下且难以满足规划-施工一致性。现有AI工具虽在某些方面提高了效率，但仍难以满足电信运营商网络的动态网络条件和多目标需求。为此，我们提出TelePlanNet，一个针对基站选址的AI驱动框架，集成了三层架构以实现高效规划和大规模自动化。通过利用大语言模型（LLM）进行实时用户输入处理和与基站规划意图的对齐，并结合改进的相对策略优化（GRPO）强化学习训练规划模型，该提出的TelePlanNet能够有效解决多目标优化问题，对候选站点进行评估，并提供实用解决方案。实验结果表明，提出的TelePlanNet可将一致性提升至78%，优于人工方法，为电信运营商提供了一个高效且可扩展的工具，显著推动了移动通信网络规划。
引用
@article{arxiv.2505.13831,
title = {TelePlanNet: An AI-Driven Framework for Efficient Telecom Network Planning},
author = {Zongyuan Deng and Yujie Cai and Qing Liu and Shiyao Mu and Bin Lyu and Zhen Yang},
journal= {arXiv preprint arXiv:2505.13831},
year = {2025}
}
备注
6 pages, 5 figures, 1 table