陕西省无线网络优化评价及其空间格局

高向鹏， 王妙妙， 曹小曙

(1.西安邮电大学 监察处，陕西 西安 710121；2. 中山大学 地理科学与规划学院，广东 广州 510275；3. 陕西师范大学 交通地理与空间规划研究所，陕西 西安710062)

陕西省无线网络优化评价及其空间格局

高向鹏1， 王妙妙2， 曹小曙3

(1.西安邮电大学 监察处，陕西 西安 710121；2. 中山大学 地理科学与规划学院，广东 广州 510275；3. 陕西师范大学 交通地理与空间规划研究所，陕西 西安710062)

以陕西省为例，从GSM网络性能、TD网络性能、LTE网络性能、WLAN网络性能、四网协同、资源占用等系统出发，构建省域无线网络优化评价指标体系，定量评价 2014 年陕西省各城市无线网络优化水平和空间差异。结果显示，2014年陕西省10个城市无线网络优化存在显著差异，渭南、延安和西安处于领先地位，形成北部优于南部的无线网优化空间格局。

无线网络；优化评价；空间格局

无线网络优化成为目前移动通信领域研究的热点和重点话题。国内外学者在无线网络优化方面的研究主要集中在无线网络频谱资源分析[1-4]、无线网络动态特性与管理[5-8]、无线网络编码感知[9-10]、无线网络优化方法和面临的问题[11-20]，如文献[11]通过对地面数字电视广播(Digital Television Terrestrial Multimedia Broadcasting，DTMB)路测系统和路测数据的分析，开发了测试分析用的平面电子地图，并给出了通过调整区域发射机的参数或者增加发射设备优化DTMB网络；文献[16]构建改进椭圆曲线密码理论加密模型，以排除的形式获取合法有效的节点私钥，简化加密过程，利用改进算法进行大型网络通信中无证书公钥体制下的加密优化；文献[18]通过自适应调整分片的长度，在干扰攻击频繁时减少长度以获得更好的鲁棒性，在攻击概率较低时增大长度以提高效率，提出自适应无速率通信可有效抵御干扰攻击并获得较高的通信效率。现有关于无线网络优化方面的研究多局限于无线网络技术和算法本身的改进与优化，但优化的结果与城市之间的差异研究的较少。本文以城市为研究单元，对陕西省各城市无线网络优化的结果进行评价，进而分析各城市的空间差异。

1 研究设计

1.1 无线网络优化评价指标体系

GSM(Global System for Mobile Communication)网络性能、TD(Time Division)网络性能、LTE(Long Term Evolution)网络性能、WLAN(Wireless Local Area Networks)网络性能、四网协同、资源占用等因素共同影响一个城市的无线网络总体运行，也决定了不同城市无线网络发展的差异性。在对省域各城市无线网络整体了解的基础上，通过甄选无线网络优化评价指标体系，实现对省域各城市无线网络运行评价及其空间差异格局。考虑到评价指标的系统性、科学性、合理性、代表性及其数据可获取性，根据无线网络优化系统的复杂性，侧重GSM网络性能、TD网络性能、LTE网络性能、WLAN网络性能、四网协同、资源占用6个子系统，共37个指标，构建陕西省各城市无线网络优化评价指标体系，如表1所示。

表1 省域无线网络优化评价指标体系

续表

1.2 数据来源

以陕西省2014年为例，GSM网络性能、TD网络性能、LTE网络性能、WLAN网络性能、网络测试、四网协同、资源占用各指标来源于笔者在陕西通信管理局调研的数据，经计算整理而得。

1.3 研究方法

考虑到省域各城市无线网络优化评价指标众多，存在复杂性和不确定性。因此选用主成分分析定量评估各城市无线网络优化情况。主成分分析法[21]是考察多个变量之间相关性的一种多元统计方法，其基本思想在于不损失大量信息的前提下，通过降维处理用较少的变量来替代原来的变量做进一步的分析。对构成无线网络优化评价的指标体系由下而上逐级综合，使多个指标变量降维为少数几个能够尽可能多地携带原始指标信息的主成分变量，确定各层次指标综合函数的权系数，进而构建各层指标的计量模型。主成分分析的思路主要为得到标准化后的数据矩阵、确定相关系数矩阵、计算累计贡献率、根据特征值大于1和累积贡献率大于85%的准则选取主成分分析法提取公因子。根据因子分析法进行正交旋转得到旋转后37项指标变量在公因子上的荷载矩阵，用其进行因子命名解释。记指标体系原来的基本变量为X1，X2，…，Xp，他们的主成分指标为F1，F2，…，Fm(m≤n)，则

F1=L11X1+L12X2+…,+L1pXPF2=L21X1+L22X2+…,+L2pXpFm=Lm1X1+Lm2X2+…,+LmpXp

(1)

式中，Lmp分别是X1，X2，…，Xp的相关矩阵的m个较大的特征值所对应的特征向量，F1是X1，X2，…，Xn的一切线性组合中方差最大者，F2是方差次大者且与F1不相关，Fm的方差处于第m位且与F1，F2，…，Fm-1都不相关。在实际应用中，常挑选方差贡献最大的几个主成分，这样既减少了变量数目，又简化了变量之间的关系。

基于各指标主成分得分，运用熵值法[22]确定各指标的权重，熵是对不确定性的一种度量，用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响越大，根据熵的特性和熵值法求权重的具体步骤如下。

设m个样本的n个评价指标的初始数据矩阵为X={xij}m×n，其中xij表示第i个评估对象的第j个指标值。

1) 计算第j项指标下第i个评估对象指标值的比重pij

(2)

2) 计算第j项指标的熵值ej

(3)

3) 计算第j项指标的差异性系数gj

gj=1-ej

(4)

4) 计算指标的权重wj

(5)

通过计算熵值获得各城市无线网络优化评价指数，进而运用Arcgis10.1空间分析功能实现可视化。Arcgis10.1是一款功能强大的基于服务器的GIS(Geographic Information Systems)软件，其空间分析功能主要通过ArcMap程序来实现，ArcMap按照要素属性编辑和表现图形，提供了一体化的完整地图绘制、显示、编辑和输出的集成环境，具有地图数字化、可视化、数据处理和变换、空间分析、空间查询、规划决策、图形结果输出等功能。其中可视化是用地理方式操作数据可以让使用者看到以前看不到的格局，以及地面上看不到或无法直接量算的要素和现象，揭示潜在的趋势和分布状况，以及获得新的视野[23]。

2 2014年陕西省无线网络优化评价

2.1 2014年陕西省无线网络优化主成分分析

使用SPSS19.0软件对某移动运营商陕西省各城市的无线网络优化指标进行计算和统计，按照特征根大于1的主因子选取原则，共提取7个主因子，累积贡献率达到96.50%，反映原始变量的绝大部分信息，具有显著代表性，能解释陕西省各城市无线网络优化水平，如表2所示。

表2 总方差解释

续表

依据旋转后的因子载荷矩阵，界定陕西省各城市无线网络优化的主成分，见表3。

表3 正交旋转后主成分载荷矩阵

续表

(1) 主成分F1的贡献率为41.425%，它在客户接入成功率、客户关联成功率、T网超闲小区比例、T网零业务小区比例、4G零业务小区比例等指标上，反映了WLAN的便利性、快速性和覆盖率，可命名为“WLAN性能因子”；(2) 主成分F2贡献率为57.875%，它在TCH(Traffic Channel, 业务信道)分配失败率、半速率话务占比、T(即TD网)网码资源利用率等指标上，主要反映了TD网络资源的占用情况，可命名为“TD网性能因子”；(3) 主成分F3贡献率为73.476%，它在GSM掉话率、高干扰小区比例等指标上，表征了GSM网络的运行情况，可命名为“GSM网性能因子”；(4) 主成分F4贡献率为82.779%，它在GSM接通率、高质差小区比例、超忙AP占比等指标上，一定程度上反映了GSM网络和WLAN网的协同作用，可命名为“GW(GSM & WLAN)二网协同因子”；(5) 主成分F5贡献率为87.905%，它在无线掉线率、2G高流量小区WLAN覆盖率等指标上，一定程度上反映了LTE网络性能和WLAN网络性能，可命名为“LW二网协同因子”；(6) 主成分F6贡献率为92.543%，在TBF(Temporary Block Flow, 临时块流)拥塞率、G(即GSM)网高无线利用率小区比例等指标上，反映了四网系统功能，可命名为“四网协同因子”；(7) 主成分F7贡献率为96.500%，与GSM掉话率、数据质差小区比例、T网PS(Packet Switch，分组域)域系统间切换成功率、超闲AP(Access Point, 接入点)占比、G网无线利用率、T网零业务小区比例有较大的正相关，可命名为综合因子。

根据标准化的原始数据，将主因子F1到F7的数值乘以各自方差的算术平方根，得出各主成分的得分，见表4。

表4 主成分得分矩阵

将计算出的各主成分得分标准化，利用熵值法对得到的主成分进行赋权，加权求和得陕西省各城市无线网络优化评价指数，见表5。该指数越高，说明该城市无线网络优化程度越高，反之越低。

表5 2014年陕西省各城市无线网络优化得分

2.2 2014年陕西省无线网络优化水平比较

从综合评价指数值看，西安、延安、铜川、安康的无线网络优化较好，在平均水平之上；咸阳、宝鸡、渭南、榆林、汉中、商洛无线网络优化得分在平均值之下，在未来应加强无线网络内部各指标的协调性与协作性以促进无线网络的健康发展。

从各单项因子得分上看，在WLAN性能因子上，西安、延安、榆林和铜川得分较高，WLAN网络服务在这四个城市中发展较好，咸阳、宝鸡、渭南、汉中、安康、商洛应提升城市WLAN 网络服务；在TD网性能因子上，商洛、咸阳、榆林、铜川、安康得分均高于平均值，西安、渭南、延安、汉中、宝鸡得分低于平均值。TD网终端的移动速度受现有DSP运算速度的限制和TD网容量等因素的影响，陕西省边缘城市的TD网发展较好；在GSM网性能因子上，西安、安康、汉中、商洛得分高于平均值，其他城市低于平均值，反映了西安等城市的GSM发展的完善性；在GW二网协同因子上，主要是GSM和WLAN相互补充和协调发展，宝鸡、渭南、延安、汉中、安康得分在平均值以上，说明这5个城市在GSM和WLAN相互补充发展方面做的较好；在LW(即LTE、WLAN)二网协同因子上，主要是LTE网和WLAN网的互补，渭南、延安、榆林、铜川、汉中、安康在LTE网和WLAN网的协调与互补方面得到优化，得分较高；在四网协同因子上，延安、铜川、安康、商洛得分高于平均值，说明这4个城市WLAN、GSM、LTE、TD网协调与互补方面优化较好；在综合因子上，咸阳、宝鸡、安康得分高于平均值，反映其无线网络优化较好；在综合评价指数方面，可以看出渭南、延安和西安在2014年无线网络优化较好，其次为铜川、汉中、渭南、榆林、咸阳、商洛、宝鸡。

3 2014年陕西省无线网络优化空间差异

基于2014年陕西省各城市无线网络优化评价指数，采用Arcgis10.1空间分析功能，运用自然断裂点法分类，将代表各城市无线网络优化的指标评价结果进行可视化，如图1所示。

(a) WLAN网性能因子

(b) TD网性能因子

(c) GSM网性能因子

(d) GW二网协同因子

(e) LW二网协同因子

(f) 四网协同因子

(g) 综合因子

(h) 评价指数

从各因子空间格局上来看，陕西省各城市在WLAN网性能因子上形成以西安为中心向四周递减的圈层结构；在TD网性能因子上形成中部西安最低，边缘榆林、安康、商洛较高的“凹陷区”格局；在GSM网性能因子上形成“十字”型但南部优于北部的空间格局；在GW二网协同因子上形成以宝鸡、汉中为高值中心，边缘城市为低值中心的反“L”型空间格局；在LW二网协同因子上形成以安康为中心，其他城市高低相间的插花般空间格局；在四网协同因子上形成商洛为高值中心，西安和宝鸡为低值中心的“十”字型空间格局；在综合因子上形成以安康为高值中心，咸阳为次高值中心，商洛为低值中心的高低相间的斑点状空间格局；在评价指数上，形成以延安为中心，西安和安康为次中心，铜川和汉中为第三层，榆林、咸阳、渭南、商洛为第四层，宝鸡处于低值中心，总体上形成北部优于南部的无线网优化空间格局。

4 结语

以陕西省为例，以其各城市为研究单元，运用主成分分析法对各城市无线网络优化进行评价，西安、延安、榆林、铜川、咸阳、宝鸡、渭南、汉中、安康、商洛在WLAN网性能因子、TD网性能因子、GSM网性能因子、GW二网协同因子、LW二网协同因子、四网协同因子、综合因子等代表无线网络优化的重要指标方面各具优势，总体上看渭南、延安和西安在2014年无线网络优化领先，其次为铜川、汉中、渭南、榆林、咸阳、商洛、宝鸡；综合评价指数在空间上形成以延安为中心，西安和安康为次中心，铜川和汉中为第三层，榆林、咸阳、渭南、商洛为第四层，宝鸡处于低值中心，总体上形成北部优于南部的无线网优化空间格局。

[1] Akyildiz IF, Lee WY, Vuran MC, et al. A survey on spectrum management in cognitive radio networks[J]. Communications Magazine, 2008,46(4):40-48.

[2] Tragos E, Zeadally S, Fragkiadakis A, et al. Spectrum assignment in cognitive radio networks: A comprehensive survey[J]. IEEE Communications Survey & Tutorials, 2013,15(3):1108-1135.

[3] Wang LC, Wang CW, Adachi F. Load-Balancing spectrum decision for cognitive radio networks[J]. IEEE Journal on Selected Areas in Communications, 2011, 29(4):757-769.

[4] Jondral FK. Software-Defined radio: Basics and evolution to cognitive radio[J]. EURASIP Journal on Wireless Communications and Networking, 2005,(3):275-283.

[5] Phunchongharn P, Hossain E.Distributed robust scheduling and power control for cognitive spatial-reuse TDMA networks[J].IEEE Journal on Selected Areas in Communications,2012, 30(10):1934-1936.

[6] Ergen SC, Varaiya P.TDMA scheduling algorithms for wireless sensor networks[J].Wireless Netw,2010(16):985-997.

[7] Mishra A, Banerjee S, Arbaugh W. Weighted coloring based channel assignment for WLANs[J]. ACM Sigmobile Mobile Computing and Communications Review, 2005,9(3):19-31.

[8] Tan K, Fang J, Zhang Y, et al. Fine-Grained channel access in wireless LAN[J]. ACM SIGCOMM Computer Communication Review, 2010,40(4):147-158.

[9] Ahlswede R, Cai N, Li SR, et al. Network information flow[J]. IEEE Trans. on Information Theory, 2000,46(4):1204-1216.

[10] 陈晨,董超,茅娅菲,等.无线网络编码感知路由综述[J].软件学报,2015,26(1):82-97.

[11] 雷国平,戴闽鲁,谭泽富.基于MapInfo的地面移动数字电视无线网络优化方法[J].计算机应用与软件,2013,30(3):122-126.

[12] 金顺福,解洪亭,赵媛.带有组间切换的认知无线网络混合式信道分配策略及性能研究[J]. 通信学报,2013,34(12):11-19.

[13] 李方伟,柴源,朱江.认知无线网中基于队列博弈的频谱选择算法[J].四川大学学报：工程科学版,2013,45(4):149-155.

[14] 刘军,谢秀峰.基于排队时延及博弈分析的认知无线网络信道分配算法[J].通信学报,2012, 33(6):73-81.

[15] 陈宏亮,刘莉平,赵明.认知无线网络中基于信誉度管理的动态频谱接入研究[J].计算机工程与科学,2015,37(3):498-502.

[16] 袁泓,李继国.无线网络安全通信加密算法仿真研究[J].计算机仿真,2015,32(3):331-334.

[17] 罗常.基于RC5加密算法的无线传感器网络安全通信协议实现技术[J].机电工程技术,2014,(3):15-18.

[18] 吕绍和,廖林冰,李雯.无线网络抗干扰攻击的自适应无速率通信[J].计算机工程与科学,2015,37(3):479-485.

[19] 孙言强,王晓东,周兴铭.无线网络中的干扰攻击[J].软件学报,2012,23(5):1207-1221.

[20] 刘娇蛟,韦岗.基于加权协商对策论异构网络快速无线传输的速率分配算法[J].电子学报, 2012,40(7):1471-1475.

[21] 王发曾,吕金嵘.中原城市群城市竞争力的评价与时空演变[J].地理研究,2011,30(1):49-60.

[22] 于洋,李一军.基于多策略评价的绩效指标权重确定方法研究[J].系统工程理论与实践, 2003, 8(8): 8-15.

[23] 宋彦,彭科.城市空间分析GIS应用指南[M].北京:中国建筑工业出版社,2015.

[责任编辑：汪湘]

Shanxi province wireless network optimization evaluation and its spatial pattern

GAO Xiangpeng1, WANG Miaomiao2, CAO Xiaoshu3

(1. The Supervision Division, Xi’an University of Posts and Telecommunications. Xi’an 710121, China;2. School of Geography Science and Planning, Sun Yat-Sen University, Guangzhou 510275, China;3. Institute of Transport Geography and Spatial Planning, Shaanxi Normal University, Xi’an 710119, China)

Based on systems of the GSM network, TD network performance, LTE network, WLAN network performance, four networks and collaborative performance and resource consumption, an index system of a province-wide radio network optimization is built to quantitative evaluate the city wireless network optimization level and spatial differences for cities of Shaanxi Province in 2014. The results show that there are significant differences in wireless network optimization for 10 cities of Shaanxi Province in 2014. Weinan, Yanan and Xi’an are in a leading position to compare with other cities, which wireless network optimization spatial pattern of the North is better than the South.

wireless network，optimization assessment，spatial pattern

10.13682/j.issn.2095-6533.2015.04.021

2015-05-26

国家自然科学基金资助项目(41171139,41130747)

高向鹏(1972-)，男，硕士，工程师，从事网络经济信息化研究。E-mail：gaoxp@xupt.edu.cn 王妙妙(1985-)，女，博士研究生，研究方向为交通地理与城市发展。E-mail：wangmiaomiao0202@126.com

TP393

A

2095-6533(2015)04-0102-10