LTE室内分布系统流量研究

何明+葛慧明+曾昭才+马晨

【摘 要】为了提升LTE室内分布系统效能，主要对广东联通LTE室内分布系统站点的流量进行大数据分析，通过多元回归构建了LTE室内分布系统的流量影响因素模型，对如何根据场景及相关因素规划设计LTE室内分布系统提出了建议。

【关键词】LTE室内分布系统 流量影响因素 大数据 多元回归

1 引言

2016年是广东联通LTE网络建设的关键年，因价值区域面覆盖基本完成，网络建设的重点开始聚焦于深度覆盖。部署室内分布系统是解决深度覆盖的重要手段，从现网数据来看，LTE室内分布系统吸收话务能力较弱，平均每站流量不到宏站的10%。当前，如何规划设计室内站点进行LTE室内分布系统建设，既能有效解决深度覆盖问题，提升用户感知，又能较好吸收数据流量，缩短投资回报年限，成为LTE室内分布系统建设亟待解决的问题。

2 研究背景和方法

2.1 文献综述

LTE时代室内深度覆盖对于运营商而言至关重要，近年来业内对LTE室内分布系统的演进和如何解决室内LTE覆盖问题进行了大量的研究[1-3]。华为Lampsite、爱立信DOT点系统及室内外一体化方式等新型设备和解决手段都是用于解决LTE室内分布系统覆盖问题[4-7]，部署LTE室内分布系统后，针对与原有系统的干扰问题也有一系列深入研究和解决办法[8]。尽管有文献指出室内分布系统的数量与运营商手机用户套餐外流量收入指标相关性不显著[9]，还有文献通过话务占比、终端占比、干扰水平、传输能力等相关因素来评估3G业务增量[10]，但关于LTE室分系统的流量研究较少，业内鲜有全面的LTE室内分布系统流量及效益评估。

2.2 研究背景

通过近三年的LTE网络建设，广东联通的LTE宏站规模已经与WCDMA宏站规模基本相当，但LTE室内分布系统站点的规模仍不到WCDMA室内分布系统站点规模的70%。

广东联通2014年—2015年LTE网络建设重点关注面覆盖，LTE无线网基站投资占比远高于室分。2016年则开始聚焦深度覆盖，室分投资首次超过基站。通过大数据分析给出清晰指引，有效规划设计LTE室内分布系统，对于广东联通LTE无线网品牌口碑和投资有效性提升至关重要。广东联通LTE基站室分投资占比示意图如图1所示：

2.3 研究方法

本文通過从网建平台、网优专业网管、运维全流程系统和信息化大数据平台提取的网络侧和用户侧数据，对影响LTE室内分布系统流量的因素进行建模，对相关因素进行大数据分析，多元回归得出各相关影响因素的权重因子。基于LTE室内分布系统流量模型进行分析，给出规划设计指引。大数据分析提取平台情况如表1所示：

3 LTE室内分布系统分场景分析

3.1 总体分析

本文选取了2016年6月中下旬广州、东莞、中山、江门4地市所有LTE室内分布系统站点的流量进行了统计。从6月13日至6月19日、6月20日至6月26日、6月27日至7月3日这三周的数据来看，单站日均流量的站点分布比例基本稳定，日均流量低于300 M的比例和日均流量高于3000 M的比例均为30%左右，两头占比大中间占比小，总体呈明显的哑铃状分布。前30%的高流量站点的流量占LTE室内分布系统总流量的89%；后30%的低流量站点的流量占LTE室内分布系统总流量仅1%。LTE室内分布系统站点日均流量分布和高/低流量站点流量占室分总流量之比如图2和表2所示：

3.2 分场景分析

为有效分析哪一类站点日均流量较低，找准室内分布系统的低价值场景和高价值场景，将LTE室内分布系统分场景进行日均流量统计，各场景类型的日均流量分布如表3所示。

从表3可以看出，室内分布系统的流量分布按场景可以分为三大类：第一类是高流量场景，包括校园、交通枢纽、工业园区/产业园区，站点日均流量分布主要在3000 M以上；第二类是低话务场景，主要包括公共场所、政企单位和住宅小区，站点日均流量主要在300 M以下；第三类场景是权变场景，主要包括商业购物区和商务写字楼区，站点日均流量根据其他相关因素变化，在300 M以下和3000 M以上的比重都较高。

鉴于室内分布系统规模大小差异较大，在日均流量的基础上除以投资和载扇，来评估单位投资和单位载扇在不同场景的分布。可见学校校园、交通枢纽、工业园区/产业园区也都属于单位投资/载扇的高流量分布场景，宾馆酒店、公共场所和住宅小区则属于单位投资/载扇的低流量分布场景。LTE室内分布系统单位投资/载扇流量分布示意图如图3和图4所示：

4 LTE室内分布系统流量影响因素分析

4.1 模型建立与研究假设

广东联通项目组经过研究讨论认为，除了市场营销等因素外，网络场景、站点规模与投资、是否有综合覆盖、上行速率感知、下行速率感知、网络质量与干扰因素，以及用户侧的4G用户数、总用户数、优质用户数及占比，4G终端数、明星终端数及占比等因素与LTE室内分布系统的流量有关，而流量与该室内分布系统站点的收入有关。本文通过网络场景、用户终端、速率感知、干扰影响四大类因素来分析综合作用对于LTE流量提升的影响，对于市场营销因素仅作为控制变量考虑。LTE室内分布系统流量影响因素研究模型如图5所示：

4.2 影响因素相关性分析

通过相关系数分析，提取了网络场景因素占比、综合覆盖系数占比、4G用户占比、总用户占比、4G终端占比、上行速率占比、下行速率占比、上行PRB干扰噪声占比8个变量构建相关矩阵，KMO和Bartlett检验表如表4所示：

通过表4可知KMO（Kaiser-Meyer-Olkin）检验统计量为0.737，根据KMO度量标准[11]，上述自变量相关性超过一般水平，用因子分析降维具备可行性，Sig为0.000表明在99%的置信区间内相关性显著。把上述8个自变量进行降维分析，通过协方差矩阵来提取主成份，可以从中提取4个主成份，通过最大方差法得出的总方差表和旋转成份矩阵如表5和表6所示：

从表5可知，4类主成份的累计已达82%，可以解释绝大部分变量。从表6可知，主成份1包括4G用户占比、总用户占比、4G终端占比；成份2包括上行速率占比、下行速率占比；成份3包括网络场景因素占比、综合覆盖系数占比；成份4包括上行PRB干扰噪声占比。把成份1归结为用户终端因素，成份2归结为速率感知因素，成份3归结为网络场景因素，成份4归结为干扰影响因素。4类主成份得分系数矩阵如表7所示：

从表7可知，成份1用户终端因素中4G用户占比、总用户占比、4G终端占比3类因素权重相当，说明广东珠三角地市拥有4G终端的4G用户占了总用户的较高比重，导致这三类因素权重相当。成份2速率感知因素中下行速率占比权重略高于上行速率占比，说明下行速率感知对用户影响略大。成份3网络场景因素中综合覆盖影响较大，说明在同等场景下部署综合覆盖天线的站点比无综合覆盖天线的站点效能更好。

4.3 多元回归分析

以LTE室内分布系统流量提升占比为因变量（y），以用户终端因素（x1）、速率感知因素（x2）、网络场景因素（x3）和干扰影响因素（x4）为自变量建立多元回归方程，如公式（1）所示：

将数据进行回归分析，多元回归模型汇总表、方差分析表和系数表如表8至表10所示：

从表8可以看出，调整R方为0.581，方程拟合较好，LTE室内分布系统站点流量变异性的58.1%能够被多元回归方程所解释。从表9可以看出，多元回归方程检验统计量F等于285.27，Sig值等于0.000，在置信度水平99%的条件下显著，即LTE室内分布系统流量提升占比作为因变量与用户终端因素（x1）、速率感知因素（x2）、网络场景因素（x3）和干扰影响因素（x4）这4个自变量之间存在显著关系。

从表10可知，用户终端因素（x1）、网络场景因素（x3）、干扰影响因素（x4）和常量的Sig值为0.000，在置信度水平99%的条件下自变量变化对于LTE室内分布系统流量提升的影响显著。速率感知因素（x2）Sig值为0.443，自变量变化对于LTE室内分布系统流量提升的影响不显著。因此，通过多元回归得出的模型如公式（2）所示：

（2）

从公式（2）可知，在其他条件不变的情况下，用户终端因素每增加1单位，LTE室内分布系统流量提升增加126.901单位；网络场景因素每增加1单位，LTE室内分布系统流量提升增加39.354单位；干扰影响因素每增加1单位，LTE室内分布系统流量提升减少29.531单位。

5 结论

5.1 研究结论与建议

从分析结果来看，可以得出以下结论：LTE室内分布系统流量和收入与部署区域的用户及终端情况、网络场景和综合覆盖、干扰影响有关，其中部署区域用戶及终端情况影响权重最大；LTE室内分布系统流量与上下行速率感知无关。根据该结论对于LTE室内分布系统网络规划设计的建议如下：

（1）LTE室内分布系统规划需要重点关注待部署区域的人流量、用户数和终端占比，优先解决高业务流量的校园、地铁机场等交通枢纽、拥有集团客户的工业/产业园区的系统部署，重点解决容量问题，贯彻聚焦战略。

（2）对于低流量场景的公共场所、政企单位和住宅小区，通过市场反馈及周边基站的数据分析，优先解决中国联通用户数及LTE终端较多、人流量大或入住率高的楼宇进行LTE室内分布系统部署。对于人流量大且用户忠诚度低的城中村，在部署LTE室内分布系统并形成局部网络差异化竞争优势后，应尽快与市场一线联动进行重点攻关，提升本网用户占比，保证投资回报。对于不得不覆盖的低流量场景，因室内大多具备免费Wi-Fi，对单点而言投资回报无法实现，建议通过竞合、薄覆盖、新型设备或室内外一体化的方式进行低成本部署。

（3）从分析结果可看出，干扰影响与LTE室内分布系统流量呈负相关。可见上行干扰不但影响用户感知，还直接影响部署分布系统后吸收的流量和产业的收入。网络建设应当与网络优化加强沟通，快速解决已部署的LTE室内分布系统的干扰问题。

（4）从消费者行为学的角度看，消费者对于速率感知存在差别阈限[12]，差别阈限越大，能够引起差别感觉的刺激物间的最小差异量越大，差别感受性就越小。根据分析结果可知，速率感知与LTE室内分布系统流量不相关。建议优化部门不把LTE室内分布系统入网测试的绝对速率门限作为开通入网的必要条件，在LTE室内分布系统可以满足用户需求且不影响网络感知的情况下即可开通入网，早投产早收益。

5.2 研究意义及后续方向

本文定性分析而且定量构建了网络侧和用户侧各因素对于LTE室内分布系统流量影响模型，并基于模型对广东联通LTE室内分布系统的规划设计给出了建议，通过参考该模型聚焦实施，可较好提升数亿元LTE室内分布系统建设投资的有效性。

本文数据来源为广东珠三角4地市LTE室内分布系统数据，同业人员参考模型时需根据各自实际情况调整参数；因技术限制未取到LTE室内分布系统MR数据，模型未能给出网络覆盖与流量的关系，输出模型存在一定局限性。后续将完善大数据平台的数据源，进一步提升LTE室内分布系统流量评估模型的精确度。

参考文献：

[1] 张涛，韩玉楠，李福昌. LTE室内分布系统演进方案研究[J]. 邮电设计技术， 2013（3）： 22-26.

[2] 徐德徕. 基于4G网络的室内分布系统部署实例及分析[J]. 中国新通信， 2016（3）： 5-6.

[3] 王晶. LTE室内分布系统分场景建设方案研究[J]. 中国新通信， 2016（4）： 110.

[4] 凌玥，张建清，张江流. 华为Lamp Site解决方案在无线室内分布系统中的应用[J]. 无线互联科技， 2016（9）： 19-20.

[5] 石磊. 高性能室内分布系统——“点”系统（RDS）应用研究[J]. 邮电设计技术， 2015（9）： 31-34.

[6] 林航. 4G室内覆盖建设遇到的问题及对策[J]. 通讯世界， 2016（10）： 55-56.

[7] 崔波，李木荣，彭湘衡，等. 居民小区场景4G网络室内外协同覆盖方式研究[J]. 电信工程技术与标准化， 2016（4）： 70-74.

[8] 潘桂新，葛慧明，施玉晨，等. 室内分布系统LTE合路的干扰分析和排查[J]. 移动通信， 2016，40（4）： 43-48.

[9] 杨盛凯. 基于多元回归的手机用户套餐外流量收入实证分析[J]. 中国新通信， 2014（5）： 108-112.

[10] 何明，马晨，邓安民. UM TS900网络部署效益分析[J]. 移动通信， 2016，40（5）： 45-49.

[11] 戴维 R·安德森， 丹尼斯 J·斯威尼， 托马斯 A·威廉斯. 商务与经济统计[M]. 雷平，译. 北京： 机械工业出版社， 2013.

[12] Leon G·Schiffman， Joseph Wisenblit. 消费者行为学[M]. 北京： 中国人民大学出版社， 2014.