基于NB-IoT网络覆盖的最小投资方法研究

梁松柏，于长松，许 强（.中国联通河南省分公司，河南郑州 450008；.中讯邮电咨询设计院有限公司郑州分公司，河南郑州 450007）

1 概述

NB-IoT 技术工作在180 kHz 带宽、提供低功耗设备的蜂窝数据连接，广泛应用于智慧城市中停车、水、电、气表等业务。为保证终端电池寿命，NB-IoT 技术要求终端不进行MR 上报。一旦海量级、分散的连接点应用需求发起时，将无法快速、有效、精准评估每个需求点上网络对市场需求的满足度，从而无法提出NB-IoT精准的基站、小区规划方案。

在此背景下，构建NB-IoT网络与市场满足度评估算法及体系以解决如下几大痛点：

a）现场人工摸排工作导致运营成本居高不下、效率低下的问题。

b）NB-IoT网络栅格级覆盖水平精准评估问题。

c）市场海量的、分散的连接点应用需求满足度评估问题。

d）满足市场需求的基站、小区开通规模最小化问题。

e）无覆盖区域的规划支撑问题。

2 评估思路和方法

2.1 总体思路

利用4G 网络MR 数据中的携带经纬度的A-GPS数据、仿真数据、4G 和NB-IoT 的DT/CQT 测试数据以及2 个系统间的覆盖差异构建NB-IoT 网络的覆盖和需求满足度评估体系，总体思路和流程如图1所示。

图1 构建NB-IoT网络与市场满足度评估体系流程图

2.2 覆盖迭代评估

2.2.1 A-GPS数据栅格化

MR 数据包含带经纬度的A-GPS 数据，为用户手机GPS 定位算法算出的经纬度，位置精度可以达到1 m。由于手机能够搜到卫星，基本上可以认为是在室外环境中上报的MR 数据。因此，与参考文献［3］的处理方法不同，本文只保留A-GPS 数据。因为不同场景，室内外用户比例不同，穿透损耗不同，排除掉室内外用户占比不明、穿透损耗不明的室内用户上报的数据，留下“清一色”的室外用户上报的MR 数据，可以更加精准地预测同栅格NB-IoT 网络的室外覆盖。然后再根据需求点建筑物类型和穿透损耗预测其室内覆盖。

2.2.2 网络制式覆盖差异常量因子

限于篇幅，本文只讨论NB-IoT1800与LTE1800之间的覆盖差异。

20 W情况下参考信号功率：

NB-IoT1800 参考信号功率=10×lg（20×1 000/12）=32.2 dBm

LTE1800 参考信号功率=10×lg（20×1 000/100/12）=12.2 dBm

N1800 与L1800 同频段，同位置测试共站小区，实际路径损耗（大气、遮挡、穿透损耗等）基本一样，可认为两者路径损耗等同。N1800 与L1800 参考信号功率配置不同影响终端接收RSRP，终端接收机灵敏度与芯片、接收天线增益和天线安装方式等因素相关，在不考虑终端接收机灵敏度的情况下：

网络制式差异常量因子a1=N1800 参考信号功率-L1800参考信号功率=20 dB （1）

2.2.3 场景覆盖差异常量因子

根据用户使用习惯和NB-IoT 应用类型进行场景分类，选取典型场景做穿透损耗测试。分别对典型场景室外、室内近点和室内远点进行测试，测试时选用同一个小区进行定点CQT 测试，分别记录室外、室内近点和室内远点RSRP，每个场景测试20个点，可计算出各场景的穿透损耗如表1所示。

表1 典型场景穿透损耗

由表1可知，各场景穿透损耗存在明显差异，室内近点损耗相比室内远点损耗差异很大，考虑用户实际使用行为，选取室内近点无法完全模拟全部用户的使用环境，综合考虑用户实际的使用行为及活动区域，选取室内远点损耗作为典型场景覆盖差异常量因子a2，不同场景选取不同的常量a2作为覆盖迭代模型常量因子。同时考虑实际测试与用户行为存在一定的差异，统一向上取整作为覆盖评估模型常量因子，N1800具体取值如下：

a）设备安装井：20 dB。

b）居民楼：25 dB。

c）写字楼、商场：30 dB。

d）停车场（负一层）：40 dB。

2.2.4 覆盖迭代评估公式及结果呈现

基于LTE1800栅格级A-GPS MR 数据进行覆盖迭代评估：

各场景NB-IoT 网络RSRP=场景栅格内4G MR的RSRP+a1-a2（2）

考虑频率之间的差异因子a3，有如下公式：

各场景NB-IoT 网络RSRP=场景栅格内4G MR的RSRP+a1-a2+a3（3）

其中，室外RSRP=栅格内4G MR 的RSRP+a1，a3=log（f1/f2）基于该公式某市NB-IoT 室外覆盖情况如图2所示，其中白色区域为缺少A-GPS MR数据区域。

图2 某市A-GPS MR的N1800室外覆盖评估

2.3 覆盖预测评估

在无A-GPS MR 数据的场景，利用玄武平台，利用A-GPS MR 数据以及现有基站工参，进行场景的传播模型校准，建立基于射线跟踪模型的室外覆盖预测，并导出栅格级覆盖预测结果，形成NB-IoT室外覆盖预测数据库。

2.3.1 仿真结果导出方式

打开玄武平台仿真结果，选择signal level export插件，选择导出范围、最小RSRP、栅格大小和导出文件，保存到服务器，然后下载到本地。

2.3.2 覆盖预测评估结果呈现

导出栅格级仿真结果，筛选出所有无A-GPS MR的空栅格，覆盖预测结果如图3所示。

图3 某市基于仿真的室外覆盖预测

2.4 总体覆盖评估结果呈现

将以上覆盖迭代评估和覆盖预测评估数据进行叠加，能够精准反映NB-IoT 网络的覆盖情况，将以上2层数据映射到20×20的地理栅格位置，就形成了NBIoT全网栅格化覆盖底层数据库，为下一步求取市场离散的、海量的NB-IoT终端模组部署位置网络覆盖满足度提供了底层覆盖数据。评估结果地理化呈现如图4所示。

图4 室外覆盖迭代+覆盖预测评估地理化

在考虑穿透损耗的情况下，不同场景下N1800 的RSRP 差异较大。各场景NB-IoT 网络RSRP=场景栅格内栅格4G MR的RSRP+a1-a2，某市各场景RSRP栅格数占比划分如下：

设备安装井：RSRP＞-90 dBm 占比为98%，覆盖良好。

居民楼：RSRP＞-85 dBm 占比为95.41%，覆盖一般。

商场/写字楼：RSRP＞-80 dBm 占比为90.27%，覆盖不足。

地下停车场（负一楼）：RSRP＞-70 dBm 占比为67.37%，覆盖严重不足。

2.5 覆盖评估体系结果验证

为确保覆盖评估体系准确可靠，项目组对本市的1 000 个需求点抽取了分布于不同场景的100 个点，经评估可靠率达到95%以上，且平均误差不超过3 dB。

在惠文教育移动附近的医院里进行CQT 测试，测试收到惠文教育移动1 小区信号，RSRP 在-75 dBm 左右，记录此测试点的经纬度，输入覆盖评估体系平台中，查看评估结果是否与实测数据吻合，以验证覆盖评估的准确性。测试验证点与周边小区关系如图5所示。

图5 测试验证点与周边NB-IoT小区位置关系

CQT 测试主要占用NB-IoT 网络的惠文教育移动1 小区，覆盖评估结果收到的LTE 站点为惠文教育移动_1、太龙医药_3 和合欢街与荧屏路_7，加上系统差异因子a1后，RSRP 预测值在-75 dBm 左右，与CQT 测试数据吻合，评估结果与实测结果相符，评估结果误差不大（见表2）。

2.6 覆盖门限

为了模拟用户实际使用情况，需要测试上传达到极限速率（2 kbit/s）时的覆盖情况，在无干扰场景下，实测边缘极限覆盖门限（2 kbit/s上传）约为-115 dBm，干扰场景下实测边缘极限覆盖门限明显提升，综合考虑不同底噪水平，分为正常、轻微干扰和严重干扰3种场景进行测试，各场景测试结果如表3所示。

获取某市全网N1800 小区底噪情况，根据全网N1800 小区底噪情况，小区占比分段后进行加权平均得出全网NB-IoT覆盖感知临界门限为-111.18 dBm。

98.28 %×-115-1.2%×（-115-105）/2-0.45%×（-105-95）/2-0.07%×-95=-111.18 dBm （4）

综合用户的实际使用环境，覆盖越好感知越好，考虑不同干扰极限速率时覆盖的多样性，本市全网N1800覆盖门限约为-110 dBm。

3 平台构建及算法实现

3.1 系统整体架构

系统整体架构如图6所示。

3.2 市场需求满足度算法

表2 测试点所在栅格MR数据情况及覆盖评估电平

表3 满足边缘速率时不同干扰程度下最低RSRP电平

以市场需求为导向，以A-GPS MR 数据和仿真结果映射的20×20栅格级数据为基础，匹配市场需求，如果栅格内有至少1 个小区的覆盖电平大于覆盖门限，说明该需求能够获得满足。如果没有一个这样的小区，则说明该市场需求无法满足，则提出满足该需求的新建站址清单（见图7）。

3.3 最小规模评估算法

图6 平台整体架构图

图7 NB-IoT网络与市场需求满足度算法

将所有满足市场需求的NB-IoT 小区和市场需求建立一一对应的数据库，把NB-IoT小区按照满足不同市场需求的数量大小降序排列并按照需求去重，留下能够服务更多需求的小区清单，从而输出满足市场需求的最小规模。

验证河南电力公司抄表1 000 个需求，通过NBIoT 网络与市场满足度评估体系平台共输出需开通290个小区。

4 结束语

NB-IoT 网络与市场满足度评估体系相比传统方法具有精准、快速、实用等优势，依据NB-IoT网络全网20×20 m 栅格级覆盖库，当海量级、分散的连接点应用需求发起时，可以精准、有效、快速评估网络对市场需求的满足度。

按照本评估体系，借助IT 化工具，最终形成评估平台，实现一键式输入输出各地（市）栅格级NB-IoT网络覆盖评估、市场满足度评估、满足需求的最小NBIoT站点和小区清单、重点保障小区清单以及规划建设站址等。

该项目解决5G 的mMTC 场景应用NB-IoT 技术的五大痛点；未来将加快5G 的mMTC 场景应用业务推广，促进NB 网络规划、设计及运营自动、智能、智慧转型。