路测与话单数据关联分析在CDMA无线网优中的应用探讨

黄毅华，沈建军，陈秀敏，钟期洪

（中国电信股份有限公司广东研究院 广州510630）

1 引言

由于用户对3G无线网络使用感知的要求越来越高，因此，为了更加实时和准确地判断网络质量与存在的问题，运营商在无线网络评估优化中也开始运用自动路测系统和基于用户通话记录数据的无线网络优化分析平台，但各系统平台之间都是独立工作，在进行无线网络质量评估和分析时存在相应的局限性，不能充分利用现有的数据评估分析出网络质量深层次问题。

话单虽然是全网数据，但无法全面获取用户在使用业务时的实际感知，同时，无法反映无覆盖时的网络状况；路测数据虽然能从用户角度模拟业务感知，但局限于网络的局部抽样，有一定的误差。总体来说，话单数据着重从网络质量角度评估网络，而路测着重从用户感知角度评估网络。因此，如何充分利用现有两种数据源实时挖掘分析更准确的网络问题，更深层次地保障网络质量和提升用户感知，是当前运营商值得研究的课题。本文主要描述了路测数据与用户通话记录关联分析在CDMA无线网络优化中的应用和实践案例。

2 数据关联分析特征

协同效应是由联盟企业的合作氛围、协作文化以及治理结构的效率等联盟环境所决定的。为了使联盟的生产能力、营销能力、财务能力、研发能力和人力资源能力拥有最佳的发展环境，企业必须追求高度的横向互补才能达到协同效应。

数据关联分析的方法主要有两种：如图1所示的基于时间加区域基础上的路测数据和用户通话记录之间的弱关联分析和如图2所示的基于时间加网络用户基础上的路测和用户通话记录之间强关联分析。通过对现有自动路测数据和用户通话记录的采集和关联，实现地理维度的弱关联联合评估以及用户维度的强关联分析，可以更加实时、全面地评估网络质量和分析判断网络微观问题。

图1 时间加区域的弱关联分析举例

所谓关联，就是两个或多个对象有相互联系或相互影响的现象。关联分析，可以更准确地确定网络存在的问题和发生的原因，数据关联分析，目的是为了通过话单数据和路测数据进行弱关联和强关联分析，以进一步评估网络，发现和定位问题的原因；同时还可以定位存在问题以及无路测数据的区域，提供下一步的路测导向。对于路测中的同类异常事件，还可以结合话单从统计概率上发现有问题的网元，定位异常事件的原因及发现在网络侧的隐性问题。

图2 时间加IMSI的强关联分析举例

关联异常区域的特征是通过基于地理位置的方式，发现路测和话单数据均异常的区域，关键指标包括覆盖类的Ec/Io、SINR和接入保持类的呼叫成功率、掉话率等，考虑话单的定位精度，栅格大小可设置成100×100 m，异常区域可以设置为满足一定异常栅格比例的范围。这样可快速发现当前网络中存在的异常区域，进行针对性的重点优化。

关联异常事件分析的特征是通过时间和用户识别码进行路测数据和无线话单数据的强关联，通过强关联后，可以进行呼叫失败、掉话等事件的关联回溯，实现数据源的取长补短，更加准确地判断发生异常事件的原因；路测数据从前端采集数据，对通话的下行链路测量比较详细，可以通过前向的Ec/Io、RxPower、FFER等指标进行评估，但对反向链路一般只能通过TxPower及TxAdj进行评估，存在功控滞后性问题。因为用户通话记录是从系统侧进行采集，可以较好地采集统计反向链路，可以通过呼叫释放时反向合成总帧、呼叫释放时反向合成坏帧、呼叫释放时反向设定Eb/Nt、呼叫释放时分支1及反向实际Eb/Nt等字段较好地评估反向链路情况。同时通过强关联后，可以对路测异常事件（如网络侧拆线引起的呼叫失败等）在网络侧占用资源进行统计分析，从而通过异常事件的资源占用规律来发现网络运行中存在的隐性问题。用户通话记录和路测数据部分常用字段分析举例见表1和表2。

3 数据关联分析应用探讨

3.1 综合评估

图3主要是选取路测关键参数指标和用户通话记录关键指标对网络质量进行综合评分。可基于全网、行政区、责任区网格和栅格不同地理维度的QoE综合得分，还可以通过数据钻取获取各子类指标、子区域等不同维度的逐级深入评估分析，可以更好、更快捷地判断网络质量微观问题，以快速发现整网或局部的区域短板和指标短板，从而达到对无线网络质量进行多维度综合评估分析的目的。

QoE模型的建立，可参考ITUE.800的模型，分为业务支持性能、业务操作性能、业务可用性能和业务安全性能。其中，业务可用性是笔者关注的客户感知，也就是端到端的业务质量，可以分为业务接入性、业务保持性及业务完整性3个子维度。从路测数据以及话单数据中，根据所选取的3个子维度的指标，组合成网络的QoE指标，从整体层面评估无线网络的质量，贴近用户感知，从而指导网络优化及市场发展。

QoE模型都是基于一定的经验来建立的，实际应用需要用到网络的数据作为校准，以进一步完善该模型。一般可采用第三方咨询公司的用户满意度调查以及用户投诉数据作为参考。

3.2 关联异常事件

对网格时间段内发生的路测呼叫失败、掉话等异常事件可以关联话单进行分析，实现数据互补，达到深入定位网络问题的目的。

下面对某城区的掉话关联案例进行分析，该城区测试记录显示，分别在15∶50∶01、15∶57∶22和16∶00∶57的3个时间点，出现掉话。3个掉话都是在无线环境良好的情况下主叫，由业务态直接同步。前两次掉话，主叫都是占用频点

201，PN=44，Ec/Io都在-9 dB以上，RxPower都良好；第3次掉话，主叫占用频点201，PN=116，Ec/Io在-9 dB以上，同样RxPower良好，但均出现了掉话。具体示例如图4所示。

表1 用户通话记录部分常用字段分析举例

表2 路测数据部分常用字段分析举例

图3 综合评估示意

以上3次路测掉话对应到的主被叫共6条用户话单，主叫为网络释放原因值272，被叫为终端释放原因值4 096。

经深入分析用户通话记录，发现以下字段在释放前主叫号码的前向链路良好，而反向信号很差，其中，呼叫释放时反向合成坏帧0、1、2达到了100，呼叫释放时分支0、1反向实际Eb/Nt0为0，证明释放前6 s的时间反向链路质量非常差。由此可以判断，主叫掉话是反向链路严重质差引起的，从话单角度，可以分析出终端当时的反向质量详细情况，作为对路测数据的补充。具体的路测掉话关联用户通话记录分析见表3。

图4 15:50:01.061主叫路测掉话示例

表3 路测掉话关联用户通话记录深入分析

3.3 关联隐性故障

分析路测过程中由于网络侧拆线导致的释放或掉话问题，将路测IMSI在起呼和接通的过程中，主被叫双方同时收到网络侧的拆线消息而导致的释放，关联用户通话记录，统计分析出这些释放时间的相关区域、网元、BSC侧A口资源及网络侧释放的Gause值分布情况，从这个角度发现网络侧存在的隐性故障。

3.4 关联室分泄漏

关联室分泄漏分析主要是对自动路测过程中的掉话事件进行一系列的关联分析，主要从室内分布基站信息表、当前室内分布掉话网元的邻区配置关系及用户通话记录信息中判断出本次路测掉话是否由于室内分布信号泄漏导致，并对掉话的地点和存在室内分布泄漏的关联网元进行列表显示和GIS渲染，从而快速统计出一段时间周期内因室内分布信号泄漏导致的路测掉话清单，对控制室内信号和解决网络干扰提供数据支撑。

3.5 路测导向

路测导向的应用特征是统计网格区域的路测广度和采样率指标，通过分析话单数据指标异常的区域，检查这些区域是否存在路测数据，可以发现需要路测的重点区域，从而指导路测。无线话单通过一些算法可以检测基站天馈接反、小区越区覆盖、弱覆盖等功能，但由于无线话单存在定位误差，致使一些关键算法不够严谨，那么统计出来的部分结果也存在一定的偏离，这时，可以建议通过路测的方式对问题基站做联合检测，进一步确定问题的真实性。

4 结束语

路测与话单数据关联的主要优势是体现网络用户端到端的分析评估，在网络优化中应用范围较为广阔，本文中列举的部分数据关联应用例子主要起到抛砖引玉的作用。

1 啜钢.CDMA无线网络规划与优化.北京：机械工业出版社，2004

2 张智江.cdma 2000 1x Ev-Do网络技术.北京：机械工业出版社，2005