基于MR的LTE网络站间距研究

于仰源+孙宜军+王磊+罗海港

【摘 要】分场景站间距问题是4G网络分场景规划的先决因素。通过对比分析不同网格的MR数据，将网格按场景归类，然后再对同类网格间的MR数据指标进行对比分析，量化网格间网络覆盖质量的差异，进而得出了不同场景下相对合理的站间距参数。

【关键词】LTE 测量报告 站间距 网络规划

1 引言

在无线网络规划中，站间距对估算网络规模起着至关重要的作用，其一般由链路预算计算得到。在实际网络建设过程中，站间距是基站选址的重要考虑因素之一，但是由于无线环境复杂多变，链路预算计算的站间距具有一定的局限性。而MR（Measurement Report，测量报告）数据的分析可以客观有效地反映当前网络的覆盖情况。基于此，本文通过对区域内网格间的MR数据的对比分析，得到不同场景下相对合理的站间距。

2 MR概述

MR是指移动终端通过控制信道在业务信道上以一定时间间隔向基站周期上报所在小区的下行信号强度、质量等物理信息，基站将终端上报的下行物理信息和自身收集的上行物理信息上传给基站控制器，并由其收集与统计。MR数据不仅是评估无线环境质量的主要依据，而且也是开展网络优化工作的有力手段。

MR数据根据自身的地理位置信息，可以归属不同的栅格（一般可达50 m精度），进一步整理以地理化的形式呈现，具体如图1所示。

通过栅格级MR数据的地理化呈现，可以更直观地分析各项指标的分布情况。

3 基于MR数据的站间距分析

3.1 站间距分析方法

本方法是基于MR数据的分析方法，选定MR数据中的用户数、流量、RSRP（Reference Signal Receiving Power，参考信号接收功率）、SINR（Signal to Interference plus Noise Ratio，信号与干扰加噪声比）等指标，通过横向对比网格间的指标差异，分析出不同网格的合理站间距。具体步骤如下：

步骤1：网格划分

通过行政区域、道路、河流等界限将目标区域划分成若干网格，使同一网格内具有相同的环境因素、用户类型、用户特征等特点（通常网优团队对本地市网络有成型的网格划分，可以直接借鉴或做二次网格划分）。

步骤2：站间距计算

统计每网格的面积數据S和区域内的基站数M，无线基站主流采用蜂窝式的网络布局，LTE系统基站也多采用三扇区的定向站，具体如图2所示。

由图2可知，站间距D=1.5R，单站覆盖面积S=1.949R2。同理，目标区域的平均站间距可以由区域面积S和基站数M计算得到：

D=sqrt（S/M）/1.949×1.5 （1）

目标区域平均站间距指标实际代表了区域内的基站密度。

步骤3：网格归类

对MR数据做网格划分，统计每网格的用户数N、流量F等MR数据，根据每网格的面积数据S，由S/N、S/F得到每网格的用户密度n及流量密度f。根据用户密度n及流量密度f数量级大小，对网格进行逐一归类，使其分别归属于密集市区、一般市区、郊区、农村等若干类别。

步骤4：同类网格对比

选定MR数据中的RSRP及SINR指标，对相同类别的网格做横向对比，得到每类网格中指标最佳的网格，则此网格的站间距（即基站密度）指标较为合理。

步骤5：迭代优化

根据步骤4得到的每类较合理站间距网格，对其他网格进行网络优化调整，调整完成后重新返回步骤1，再次迭代分析、优化和调整，最终使整体均达到合理站间距水平。

站间距分析流程图如图3所示：

3.2 站间距分析实例

（1）网格划分及分类

本文选取北方某省会城市为例，LTE网络目前已经覆盖主城区。主城区的LTE网络具体细化分为12个网格，共计入网1 040个LTE基站。网格划分东西以汾河为界，东侧有8个网格，西侧有4个网格；从南向北，网格多以主干道路为界。这12个网格包含主城区的密集市区、商务区、一般城区、城中村及其周边的城乡结合部等典型场景，具体分布如图4所示。

根据实际的场景类型、MR用户分布、流量分布等多个维度，划分网格场景如表1所示。

从表1可以看出，网格中用户密度分布为4档：5 000以上、3 000～5 000、1 000～3 000、1 000以下。12个网格按场景划分为：网格2、网格3和网格6为密集市区，这3个网格分布在中心城区，区域内经济非常发达、城市发展非常成熟、人口非常聚集、楼宇密度和车流量较大，属于典型的密集市区场景；网格4、网格5、网格10和网格11为一般市区，这4个网格分布在密集市区周围，区域内经济较发达、城市发展成熟、人口聚集、楼宇密度适中，属于典型的一般市区场景；网格1、网格7和网格9为郊区，这3个网格分布在市区周边，区域内经济欠发达、部分区域有待开发、人口分布不均匀、楼宇密度较低，属于典型的郊区场景；网格8和网格12为城乡结合区域的农村，分布在市区最南边，区域内经济不发达、大部分区域有待开发、人口分布较少、楼宇密度很低，属于典型的城乡结合区、农村场景。

（2）站间距计算

通过12个网格的区域面积与各网格内的基站数，可计算得到站间距指标如表2所示。

（3）网格间对比

网格通过对海量栅格级MR数据的分析整理，可得到RSRP、SINR的网格化指标分别如表3和表4所示。

分别对密集市区、一般市区、郊区、农村场景进行对比分析。其中，密集市区场景RSRP与SINR的指标CDF（Cumulative Distribution Function，累积分布函数）图如图5所示。

从图5可知，网格2的信号质量较好。网格3的RSRP指标最好，但是SINR指标相对偏低，过近的站间距是导致干扰加大、SINR降低的原因之一；网格6的RSRP与SINR指标均为三者最差，这表明其区域内仍有弱覆盖区域，可以考虑增加站址来提升网络覆盖质量。

通过相同方法对比得出：

◆一般市区场景：网格10的信号质量较好。4个网格的RSRP指標基本一致；过近的站间距是导致网格4和网格5的SINR指标降低的原因之一；网格11的RSRP与SINR指标均为四者最差，这表明其区域内仍有弱覆盖区域，可以考虑增加站址来提升网络覆盖质量。

◆郊区场景：网格7的信号质量较好。3个网格的SINR指标基本一致，郊区场景站间距较大，基站间的干扰较小；网格7的站间距最小、站址密度最大，因此覆盖场强RSRP指标最好；网格1与网格9区域内都存在一定的弱覆盖区域，可以考虑增加站址来提升网络覆盖质量。

◆农村场景：网格8、网格12的RSRP与SINR指标均较差，原因是区域内站址不足，站间距较大，存在一定的弱覆盖区域，可以考虑增加站址来提升网络覆盖质量。

综上所述，对密集市区、一般市区、郊区、农村这4种典型场景给出站间距覆盖效果预测如表5所示（覆盖效果分为五档：差、较差、一般、较好、好）：

站间距建议如下：

◆对于密集市区、密集住宅小区、城中村等场景，站间距在500 m左右，基本满足室外道路、室内（穿损较小、结构不复杂的楼宇）的覆盖需求。

◆对于一般市区等场景，站间距在600 m以下，基本满足室外道路的覆盖需求。

◆对于郊区、市区周边待开发区域，由于场景空旷、楼宇较少，站间距可以扩大到800 m左右。

◆对于农村、城乡结合区等典型场景，站间距在1.2 km仍有加站空间，预计站间距在1 km左右。

◆对于场景空旷、无复杂且密集的高层楼宇遮挡的区域，需要严格控制站间距，过近的站间距会导致基站间的干扰。

◆对于密集市区等场景，当平均站间距在400 m以下仍不能解决局部区域弱覆盖，尤其是密集高层楼宇室内覆盖问题等网络问题时，不应再考虑新增宏站，而是需要引入微站等宏微协同方案来解决问题。

4 结束语

本文通过对网格间MR数据的横向对比分析，在宏观角度上给出了不同场景相对合理的站间距建议。在实际网络建设中，仍需要结合无线环境，通过优化手段和灵活多变的建设方案来解决网络中存在的问题，而MR数据的分析在挖掘网络问题、精准定位网络问题、预测业务热点等课题上可以进一步进行研究。

参考文献：

[1] 何珂，全涛，赵晋，等. 基于MR数据的LTE网络射频精细优化的方法研究[J]. 移动通信， 2013，37（12）： 15-19.

[2] 胡亚希，梁双春，方媛. 基于LTE测量报告数据的小区覆盖分析[J]. 电信工程技术与标准化， 2013（1）： 33-37.

[3] 朱兴东. 浅析MR在TD-LTE规划及优化中的应用[J]. 通讯世界， 2015（1）： 27-29.

[4] 许国平. WCDMA数据业务速率优化技术研究[R]. 北京： 中讯邮电咨询设计院有限公司， 2011： 10-20.

[5] 徐彤，孙秀英. WCDMA无线网络规划与优化[M]. 北京： 机械工业出版社， 2014.

[6] 李维. 基于LTE MR大数据挖掘的网络覆盖评估分析[J]. 中国新通信， 2015（24）： 110.

[7] 岳磊，王玮，夏龙根，等. 基于MR测量的越区覆盖评估算法[J]. 通信技术， 2013（7）： 88-90.

[8] 王有为，徐志宇，夏国忠. WCDMA特殊场景覆盖规划与优化[M]. 北京： 人民邮电出版社， 2011.

[9] Harri Holma， Antti Toskala. UMTS中的WCDMA—HSPA演进及LTE[M]. 杨大成，等译. 5版. 北京： 机械工业出版社， 2012.

[10] 王宜科，梁松柏，魏宁，等. 基于MR的移动无线网络规划的可靠性分析[J]. 邮电设计技术， 2014（7）： 53-57.