大数据在移动通信网络优化中的应用研究

张臻

【摘 要】为了研究大数据在移动通信网络优化中的应用，阐述了移动通信应用大数据进行网络优化的现状，指出目前移动通信网络优化在应用大数据方面的困难主要有网络体系庞大难调控、网络应用存在时间差造成优化滞后，以及业务多导致数据碎片化加剧整理难度等，提出移动通信网络优化的各个阶段均需要相关的数据贯穿其中，希望能够为网络优化工作开展提供依据，从而不断克服网络建设难关。

【关键词】大数据 移动通信网络 优化应用

[Abstract] In order to investigate applications of big data in the optimization of mobile communication networks， the status of the network optimization by means of big data in mobile communications was elaborated. It was pointed out that the difficulty of the current mobile communication network optimization in big data applications lies in the huge network system difficult to control， network application time difference resulting in the lagged optimization， as well as multi-service leading to data fragmentation and difficult handling. Therefore， different stages of the mobile communication network optimization depend on the corresponding data. It can provide a reference to the deployment of the network optimization and overcome the network construction difficulty.

[Key words]big data mobile communication network optimization application

1 引言

为了进一步适应移动通信技术的快速发展以及国家政策对于通信技术的规划指导，中国国务院早就在2013年下发了4G移动通信网络牌照，而4G时代的到来对于移动通信网络优化服务提出了更高的要求，技术提升与数据利用是关键。不论是数字家庭还是社会化网络的发展走向，都让处理与分析大数据成为急切需求，必须促使大数据得到快速应用。那么下一步的研究重点就聚焦于大数据在移动通讯网络优化中的具体应用，从而提高生产效率，因此本文接下来将对大数据在移动通信网络优化中的应用进行研究。

2 大数据技术和移动无线网络概况

大数据在移动通讯网络中有效应用的前提是对大数据技术进行解读，弄清楚大数据技术与移动网络之间的衔接点到底在哪里。

2.1 大数据技术概括

大数据所容纳的资料内容是非常巨大的，甚至大到超出了目前主流软件工具所能够有效获取以及合理应用的范围，以帮助企业管理者进行科学决策以及帮助制定影响目标精准的资讯信息。大数据技术能够从各种繁杂冗余的信息资料中，精确找到企业发展所需要的有价值的信息，并且以最为快捷的方式達到高速处理的效果，从而实现数据信息价值的最大化。在传统的信息处理技术中，比较分散以及隐晦的信息是很难被发掘出来并且也难以产生有机联系，更谈不上恰当处理。而大数据技术的出现可以作为网络建设和优化服务的基础手段，对于移动通信领域的变革影响是巨大的。

具体来说，大数据技术包括数据存储、数据处理以及数据分析技术，是系列技术的集合体。在数据存储中，使用最多的是云存储，这是在云计算概念基础上延伸出来的，顾名思义就是用分布式的文件进行集群应用，从而使不同类型的设备能够进行协同创新工作；数据处理也是属于分布式架构技术的一个分支；数据分析是最为复杂的一项技术，需要从存储的大量繁杂数据中找到数据之间的规律，比如通过数据挖掘以及智能技术的有效应用找出两个数据之间的关系等。

2.2 移动通信网络概况

目前比较常用的移动通信网络包括CDMA（2G）、

EVDO（3G）、FDD-LTE（4G）等。

CDMA是在数字技术基础上扩展而来的分支，其主要的特征与应用就是进行扩频通信，从而实现码分多址的分流；而EVDO是专门针对分组数据进行的业务优化程序，主要应用基础是高频谱利用率的码分多址技术，因为频率达到了一定的优化程度，因此可以在带宽为1.25 MHz的前提下实现3.1 Mbps的高速数据传输，当然这个数值已经达到了峰值，如果想进一步提升的话难度会非常大，但是在大数据的帮助下可能会实现。LTE的网络优化研究当下是比较热门的，是由3GPP协同制定的通信系统，便于进行技术标准的不断更新与实施，通常有两种模式需要注意，一是基于频率的分工FDD-LTE，二是基于时效的分工TD-LTE，从而实现上下行无线链路的区分和不同时间区分。这几张差异较大的网络并存的结果就是优化难度特别大，不论是频率还是时效都已经接近极限，继续上升时衰耗较快，需要更多基站的同时加大了彼此间的干扰。

3 移动通信应用大数据进行网络优化的

现状及困难

3.1 移动通信应用大数据进行网络优化的现状

大数据应用于移动通信主要体现在这几个方面：

（1）一是应用于对移动通信用户的管理。大数据技术可以在时间以及内容上实现移动用户的姓名以及各种传输状态的跟踪记录，从而为移动通信服务的开展提供基础，便于提取和分析移动通信网络稳定运行的核心信息。这是实现移动通信网络建设信息化以及智能化的必然过程。

（2）二是应用于对移动通信计费系统的管理。在大数据技术的帮助下，各种用户套餐类型、消费数据以及使用规律等都一览无余，便于移动通信相关部门对用户的深度信息进行挖掘，从而找到一些潜在的商机，实现技术创新和市场开拓。

（3）三是应用于对移动通信用户位置信息的管理。用户的位置信息管理一直是比较难以把握的，从而制约了移动通信基站的优化，SGSNIP、GGSNIP等数据也无法也到有效调整，影响行业发展所需要的科学决策以及优化设计。

（4）四是应用于对移动通信用户行为的管理。用户的业务使用类型是纷繁复杂的，用户使用网站的习惯以及频率等也很难把控，软件设计定位就会出现偏差，如果通过用户上行流量和下行流量的数据提取以及整合分析，会发现一些使用类型的吻合，便于开展新的业务推送。

3.2 移动通信应用大数据进行网络优化存在的困难

在大数据技术的支撑下，网络优化就是一个进行系统数据提取、收集以及整合分析的过程，其中找到影响网络速度以及其他质量问题的症结是核心，从而有针对性地进行参数匹配使之达到最佳运行，获取最大效益和增长趋势。

目前移动通信网络优化在应用大数据方面的困难主要有：一是网络体系庞大难调控。现在的网络所容纳的网是非常复杂的，用户数量多，基站也在不断建设中，更新的数据量难以捕捉。二是网络应用存在时间差，造成优化滞后。资金以及工期等均会影响新维护网络的使用，如果有的区域4G网络建设比较缓慢，势必影响数据结构的不统一，难以在同一平台进行整合。三是业务量大导致数据碎片化趋势。现在由于手机、网络以及其他方面的影响，用户使用业务模型多变，密集区域网络堵塞以及无法同时使用多种模式的情况时有发生，数据出现碎片化的问题加剧整理难度。

4 移动通信领域应用大数据分析优化的

方法

基于以上移动通信网络的特点分析，可以看出大数据想在网络优化中有大的进展也是存在一定局限的，下面进行具体的应用分析。

4.1 发展网络性能大数据存储应用

网络优化工作的前提就是做好各种数据的采集，而要采集的数据主要涉及用户使用、网络业务以及信号情况等。用户性能使用方面的数据不外乎信号强度、导频时长、基站时延等。而网络业务数据主要集中于话务方面，包括信道的可用率、卡话率、接通率、话务量等。信号测试分别为DT（驱动测试）数据和CQT（话务质量）数据，DT测试是指在固定的路线上进行采取不同的呼叫方式与手段，从而测试信道的通畅度，获得相应的测试指标；CQT测试是在制定的基站使用固定的手段或者设备进行数量上的呼叫，从而测试出优质通话数据量。

以上这些方面的数据量是非常巨大的，对于网络优化分析也十分宝贵，那么如何有效存储这些数据成为一大难题。针对存储需求，大数据进行虚拟化处理技术的改进成为有效方式，包括自动分层和精简配置等多元化的方式，从而为下一步定位分析打下基础。虚拟化存储的方式使一些隐藏细节得以保存下来，可以在分析时进行随意的扩展和压缩。多元化的数据和文件可以有效整合到一个存储平台，改变动态容量就能降低存储资源的消耗，从而使高效管理变得可行。多种虚拟化技术的构建主要依托于集成和托管的架构，基点是多个物理数据中心的虚拟组合，目标是确保数据中心服务的移动和恢复，网络优化人员只要及时登陆就能通过统一平台进行数据提取和分析。

4.2 发展网络性能大数据处理技术应用

在网络市场纷繁复杂的时代，如何实现有效布局以及在MICA架构的平台上快速实现技术提升，关系到大数据能否有效应用于网络优化的关键环节。网络性能的提升有待技术理念灵活性与开放性的提升，从而借助大数据处理技术适应云计算的分布式架构。

由于不同数据源的传输是非同步的，在处理的过程中可以设计专门针对文件传输或者使用面向消息的中间件（MoM）进行数据处理技术更新，充分借助于传输异步这个特点，较大提升处理的吞吐量，从而提升处理能力。大数据的应用能够使不同的数据源系统进行传输耦合处理，从而便于大数据基础架构设计进行动态扩展和收缩，尤其是峰值数据的处理是最为重要的，这能够加快处理技术，确保数据处理安全。移动网络数据技术的发展是成螺旋式上升、循环往复的，虽然计划优化工作暂时还没有成为制约瓶颈，但是与整体规划是相互制约的。

4.3 发展大数据在网络分析中的应用

网络优化的最后一步就是进行问题定位分析，主要就是解决信道不畅、话务不均衡和切换故障等方面的问题。

网络优化的方向就是保持信号的持续良好覆盖，需要进行优化准备、数据采集、问题分析和优化调整几个步骤。在优化准备阶段，需要明确需要什么样的数据，明确优化指标的方向和所在的网站基点，准备好测试工具；优化测试阶段需要开展具体的DT/CQT测试，从而高效获取数据；在具体的分析阶段，要从虚拟化存储设备中提取数据并且明确这些数据结果到底归因到哪个问题来源，从而对症下药；再就是优化调整的实施，其中主要涉及到天线射频优化调整和后台参数调整，前者是保证网络覆盖的同时能够确保好的接收质量，后者是保证各种后台参数的匹配有效，确保无线信号的分布正常。在这个阶段需要不断从数据中找到问题，进行验证复测并取得效果。

大数据在移动通讯网络中有效应用，需要对数据处理过程进行分解并且逐步深入整合，各个工作都是环环相扣，彼此关联的。

5 结束语

大数据视野下，移动通信网络优化就是一个进行系统数据存储以及处理分析的过程，其中找到影响网络优化的瓶颈是核心，弄清楚移动通信网络優化在应用大数据方面的困难，能够有针对性地进行数据挖掘以及提取。由本文的分析可知，大数据技术对于移动通信领域的变革导向作用极为重要，已经被广泛应用于移动通信的各种工作，而移动通信网络优化的各个阶段均需要相关的数据贯穿其中，大数据的采集以及分析是进行网络优化的重要前提，能够为网络优化工作开展提供依据，如果在优化实践中能够切实做好大数据的整合应用，定能不断克服网络建设难关。

参考文献：

[1] 赵刚. 大数据： 技术与应用实践指南[M]. 北京： 电子工业出版社， 2013.

[2] 漆晨犧. 电信企业大数据分析、应用及管理发展策略[J]. 电信科学， 2013（3）： 12-16.

[3] 刘洁，王哲. 基于大数据的电信运营商业务精确运营平台的构建化[J]. 电信科学， 2015，29（3）： 22-26.

[4] 张俊. 移动通信网络中大数据处理的关键技术研究[J]. 电信网技术， 2014（4）： 10-12.

[5] 康波，刘胜强. 基于大数据分析的互联网业务用户体验管理[J]. 电信科学， 2013，29（3）： 32-35.

[6] 谢华. 大数据在移动通信中的应用探讨[J]. 科技创业家， 2014（1）.

[7] 夏磊. 探巧大数据下的智能数据分析技术[J]. 科技创新导报， 2014（10）： 21.

[8] 侯优优，隋化严. 网络优化中的大数据应用[J]. 互联网天地， 2014（l）： 34-37.

[9] 刘震，付俊辉，赵楠. 基于移动通信数据的用户移动轨迹预测方法[J]. 计算机应用与软件， 2015，30（2）： 10-13.

[10] 林国华. 时间序列分析法在移动通信数据分析中的研究[D]. 广州： 广东工业大学， 2015.