54、高速铁路网络用户识别与中文介词语言演化模型研究

高速铁路网络用户识别与中文介词语言演化模型研究

1. 高速铁路网络用户识别算法背景

随着 LTE 用户数量的快速增长，高速铁路网络的过载问题日益严重。在高速铁路的快速发展过程中，通信面临诸多挑战：
- 多普勒效应影响 ：在高速铁路场景下，多普勒效应对无线通信的影响更为明显，高速行驶时频繁的切换会增加基站的调度负载。
- 信号衰减 ：高铁车厢的高密封性对手机信号衰减影响大，不同 CRH 型号的 LTE 信号损耗值在 -20 dbm 至 -30 dbm 之间。
- 用户密度挑战 ：高铁上用户分布密度高，对基站负载构成挑战。

为应对这些问题，电信运营商通常会为高铁建设专用网络，采用组合小区方案以减少小区切换频率，还对 LTE 网络采用双层网络策略（F + D 双层网络方案）。然而，随着 LTE 用户增多，城市密集区域的互联网用户也能接入高铁网络，列车经过时网络仍会过载。并且，由于高铁网络与公共网络删除了邻区关系，公共用户一旦接入高铁网络就无法切换回公共网络。因此，及时发现并清除高铁网络中的公共用户，区分接入高铁网络的所有用户中的公共用户至关重要。

此前，华为提出了基于速度检测的专用网络用户识别算法，在高速场景下取得了理想效果，但在市区车站附近或特殊弯道的低速场景下，仍难以识别网络用户和公共网络用户，而这些区域往往是公共网络用户密集区。所以，研究高速铁路网络用户识别算法具有重要的实际和理论意义。

2. 基于切换链路的高速铁路网络用户识别算法

2.1 LTE 网络架构

LTE 网络