全州县无线网络优化中大数据的应用

翁娟

随着网络技术的快速发展和普及，终端设备和无线网络用户数量激增，网络负载呈爆炸性增长趋势。在大数据应用时代的背景下，网络提供商寻求使用大数据分析技术在无线网络优化方面寻求突破成为热点问题。本文主要介绍了大数据下网络优化的优势，以全州县作为案例进行了研究分析，首先分析出了该地区无线网络存在的问题，将MR指标与实际路测的情况进行对比得出数据，找出该地区无线网络的问题所在，对于不同的问题分别提出对应的方案策略，统计最终实施的效果，利用大数据对无线网络进行合理的优化能够大大提升网络效果，促进网络的发展。

网络优化;大数据;项目评价

1 引言

1.1 项目的背景

无线网络已经进入到了我们生活中的方方面面，我们显然已经无法离开网络而存在，而随着生活的进步，无线网络的不断优化也变得尤为重要。传统的网络优化数据采集主要是利用路测的方式，而随着时代的发展，大数据也逐渐的被应用到各个行业当中，在通信行业中也不例外，大数据具有数据收集全面，信息量大能够及时准确进行分析的特点，这一特点也适用到网络优化当中。采用MR大数据对无线网络情况进行分析，汇总数据更加能够了解全面的网络情况，进而提升人们对于网络的运用，让更多人体验到快速的网络发展。

1.2 项目目的与研究意义

传统的网络优化采用的是路测的手段，主要是定点数据的收集，包括DT和CQT的收集方式，但是这种传统的收集方式存在着很多的弊端，比如说收集到的数据只能够反映部分的情况，对于整体的情况在分析的时候可能会存在偏差。而采用MR分析技术进行样点的收集，利用大数据能够更加准确的得出更全面的数据，得出整体性的分析，使得结果更加合理全面，对于网络优化具有更重要的意义，本文研究了根据具体案例提高MR的覆盖率，达到目标值要求，使得大数据利用得到优化，最终提升无线网络的应用。

1.3 研究的内容

本文研究了全州县的无线网络优化的课题，主要是在MR大数据的基础上进行了优化改进，找到了影响网络优化的关键因素，提出了MR的指标和实际的路测情况进行比较分析，找到了主要的原因，并且进行了分析，找寻方案来改善不足，对方案及时的进行实施，最终将优化后的结果进行验收。

1.4 研究的方法

本文主要采用的方法主要分为三种，案例分析法、统计分析法与定性与定量分析法。

2 大数据在无线网络优化中的应用

2.1 大数据分析概念

大數据分析对于快速发展的社会具有重要的意义作用，它能够有效的储存、分析大量的数据，比以前的数据分析方式有着很明显的优势。对于一些企业来说，在进行一项项目研究的时候总是需要大量的数据对比分析，才能够得出结论，建立正确的方案，这时候大数据分析手段就显得尤为重要。利用大数据分析能够在最快的时间内从大量的数据中挑选出关键的数据进行分析处理，因此大数据技术也在众多的企业中得到应用发展，为企业提供了更高质量的保证。大数据被定义为能够储存、获取、分析和管理超大规模的数据，其能力远远超越了传统的数据库范围，一般大数据具有大龄数据规模、数据类型多种多样、数据流转迅速以及价值密度低这四个特点。

对于“大数据”而言，需要处理新的模型以具有更强的决策，洞察力和流程优化功能，以适应庞大，高增长率和多样化的信息资产。大数据技术的战略意义不是掌握巨大的数据信息，而是专业地处理这些有意义的数据。从技术上讲，大数据与云计算之间的关系与硬币的正面和背面一样密不可分。大数据不能由单台计算机处理，必须使用分布式体系结构的计算机。它的特点是对海量数据进行分布式数据挖掘。但是它必须依靠云计算的分布式处理，分布式数据库和云存储以及虚拟化技术。随着云时代的到来，大数据也吸引了越来越多的关注。分析团队认为，大数据通常用于公司创建的大量非结构化和半结构化数据，将这些数据下载到关系数据库进行分析时会花费大量时间和金钱。大数据需要特殊的技术来有效处理大量的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库，数据挖掘，分布式文件系统，分布式数据库，云计算平台和可伸缩存储系统。

2.2 无线网络优化手段发展和演进

作为第四代移动信息系统，4G通信技术是对3G技术的更好改进。与3G通信技术相比，4G通信技术具有更大的优势。良好的组合可以使图像的传输速度更快，并使传输的图像看起来更清晰。4G通信技术在智能通信设备中的应用使用户可以更快地访问Internet，速度高达100M。在4G移动通信技术的背景下，各种通信工具显然更加灵活，通信方式种类更多。例如，它不再局限于传统的语音通信模式，而是具有新的视频通信模式。对于通信网络终端服务来说，这是一个完美的过程。为了反映通信方法的灵活性，可以在不受时间和空间等环境限制的情况下，随时随地部署这种高度智能的通信模式。基于此功能，4G通信技术还可以将手机与多媒体平台和计算机上的所有功能连接起来，从而使手机用户仅依靠一部手机即可实现更多类型的通信方法，从而使人们的社交活动发生了变化。提高效率，社交内容变得越来越令人兴奋。这也为后续的项目设计和评估奠定了坚实的理论基础。

无线网络优化是随着互联网的普及和移动终端设备的快速发展而逐渐被提及的概念。对于无线网络来说，其中数据的收集是重要的一部分。有效的对数据进行收集，能够有效的贯彻到“提网速，降网费”的理念。一般用户可能使用的为无线网络，但是移动网络中运用到了LTE的阶段，利用LTE的基站，能够有效的使得网络数据通过无线网络，能够有效的接入智能终端。而使用者可以通过LTE拥有更多业务，也能够根据客户的需求来选择对应的特定服务，更能够满足客户的需求，提高大家对移动网络的满意度。但是，在优化网络也遇到了一定的困难，比如说对于一些偏远地方存在信号弱，或者在一些小区存在信号干扰等问题。因此，对于LTE的网络，需要更好的来完善切换关系。所以说想要对数据有效的提升才能够更好的收集好的数据进行利用分析。一般来说，在传统的无线网络优化方法中，网络认知应被视为静态情况。仅当出现诸如运营商的部署甚至用户投诉之类的情况时，才能真正理解无线网络的准确性。然而，目前人们尚未对无线网络优化过程中的效率给予合理的关注。普通用户通常使用无线网络，当移動网络发展到LTE级别时，可以通过无线网络空中接口实现整个网络数据服务，然后可以访问智能终端。因此，在优化无线网络的过程中，在级别上避免同信道干扰将变得越来越困难。在过去的网络优化中，仅通过调整单元边界很难应对负载变化。因此，为了减少系统干扰，需要改善切换关系。面对异构网络的网络，如果还使用先前的邻域关系进行优化，那么这是不符合系统更改的解决方案。因此，必须加强数据分析效率的提高，使数据分析更加准确。

网络优化是一个长期的过程，贯穿网络开发的整个过程。只有不断提高网络质量，我们才能获得移动用户的满意并吸引和发展更多的用户。在日常网络优化过程中，可以通过OMC和驱动器测试发现问题。网络优化的前提是要做好数据的收集和分析。数据收集包括交通统计数据收集和路测数据收集。通过路测设备收集路测数据，以定性，定量和定位检测无线下行链路覆盖范围切换，质量状态等，并通过无线资源的地理调查，确认网络当前状态与网络状态之间的差异。然后，分析通过路测收集到的数据，例如测试路线的地理位置信息，每个基站在测试路线区域中的位置以及基站之间的距离等，每个点的场强分布频率点，覆盖范围，接收信号的质量，Layer3消息的切换情况和解码数据等，找出问题并解决。为了有效地解决网络优化问题，各制造商已经开发了用于网络优化的辅助分析工具，可以用作流量分析和诊断分析的工具。

2.3 无线网络优化分析大数据的优势

进一步熟悉当前的无线网络，充分了解无线网络终端的用户类型及其行为偏好，并注意优化无线网络资源分配。利用对无线网络用户行为偏好的理解，可以实现大数据的应用，从而确保大数据的运行效果，提高用户性能，优化数据利用率。在预测网络用户的行为的过程中，通常基于当前相关用户的行为偏好数据进行全面的研究。来自不同级别的有关用户行为偏好信息的大数据统计信息可以使信息记录更加详细。关于将来某些用户的行为，可以使用合理的数据进行合理的预测。

3 全州县无线网络优化设计

3.1 全州县简介概况

全州县紧邻湖南省，属于广西的东北部地区，与桂林市相距大约125公里。全州县的地理位置比较重要，有着广西北大门的称呼。全州县占地面积约为4021平方公里，人口数达到了77.8万，它有着两千多年的历史，是重要的交通等枢纽地，属于桂林市占有面积最多，然后人口最密集的地区。所以全州的网络通讯也尤为重要。

3.1.1 全州县农村网络覆盖现状

全州县农村网络覆盖截止到2018年已经存在了386个LTE基站，这些基站有效的提高了全州县的网络问题，但是由于全州县中有些地区属于地理位置不太优越，并且经济较为落后，所以很多地方的网络覆盖信号还比较弱。

3.1.2 无线网络现状分析

通过调查研究发现全州县某些农村LTE MR的覆盖率还比较低，不能够达到预想值。无线网络现在已经急需传入到各家各户当中，但是目前来说虽然无线网络发展的较为迅速，满足了广大用户的需求，但是在一些偏远地方由于一些原因还是无法达到网络顺畅的目标，但是任何地方的无线网络平台发展已经是刻不容缓的一件事情。

3.1.3 现网优化手段存在的问题

优化现在虽然拥有了很多的手段，但是仍然存在着一些问题，例如说随着网络的不断发展，网络的覆盖率也越来越高，越来越多的用户使用到了无线网络，这也就带来了较大的承载量，越来越大的数据信息也就是会有越来越大的分析难度，不能够满足精准定位等功能。另外，这些数据对于时间和空间领域有着较显著的差异，也使得优化增加了难度。无线网络存在着布置以及数据结构的差距，将数据全部整合到一个平台上较为困难。而且，数据较为零散，管控的策略比较落后，使用者所使用的设备种类不同且使用内容量多种多样，数据庞大且复杂，分析较为不便。

3.2 各项大数据关键数据分析及要因确认

3.2.1 某區域农村MR指标与实际路测情况对比分析和预测思路

2018年村的MR覆盖率较弱，期望目标值中农村的LTE-MR覆盖率需要高于90%，但是实际情况却不太乐观。截至到18年2月份平均值仅为85.1%，离目标值还存在着一定的差距。对全州县的各乡镇进行数据统计得出如下表数据：

通过表中找出覆盖率弱的地区小区进行更进一步的分析，分析得出这些地区大部分在高山、低估或者是比较偏远的山村里。通过调查猜测这些地区可能因为地理位置和经济状况的原因影响着LTE-MR的覆盖率。

3.2.2 关键影响因素分析

通过进一步的分析，小组研究人员总共探究了7个末端的原因，分别是以下7点：

（1）发电及时率低;检测了各站点的及时率是否能够达标。

（2）各个站点间距过大;检查各个基站之间的最小距离。

（3）天线挂高的问题;检查天线是否可以有挂高的提升空间，天线是否存在阻碍物等;

（4）天线使用时间是否超过了规定要求;

（5）驻波的故障出现的处理率比较低;

（6）传输的成环率比较低;

（7）维护的人员量不足;

通过对这7个因素进行分析，总共得出了3条主要的原因分别为：发电及时率低、站点间距过大以及天线相对挂高低。

3.3 项目方案

3.3.1 保电方案、缩小站间距方案、天线抬升

针对3个主要的原因，小组采取了各对应的措施，分别是建立了保电方案、缩小站间距方案以及天线抬升的方案。针对保电方案，总共提出了两点方案，第一点是增加发电力量，增派代维人员，自留站点的电池要派人进行检查到期更换;对于铁塔的站点要是规定给县铁塔及时的反馈。第二点对于地区特殊，代维人员无法进行操作这种需要联系村领导进行沟通;对于站点间距过大的问题，第一个方案是申请增设宏站，第二个方案是对现有的网络资源进行整合，拆闲补忙;对于天线相对挂高低，采取了方案一建立新的杆塔并且保证其正面不会有阻碍，第二个方案根据实际的测量与后台的仿真相结合，一旦发现问题的联系塔工进行调整，并且安排代维人员砍青。

4 项目效果评价

4.1 现场路测及MR覆盖评价

功过改造之后进行数据调查，发现后几个月份的农村覆盖率能够达到90.22%，明显的超过了当时90%的目标值，并且覆盖率值逐渐呈现增长的趋势。对于LTE覆盖情况进行了统计发现信号弱的原因占比有原来的82.96%降到了31.11%，明显体现出工作的有效开展。

4.2 经济评价

通过改进等一系列措施的提出，部分地区信号弱的情况得到了有效的解决，这同时也带来了经济的收益，为经济的促进提供了重要的价值。对于全州县的情况来说，通过利用率了旧的站点建立新的站点，总共节约的金额达到了300多万元，为公司节约了一大笔资金，通过信号的增强让更多人使用到了快速的流量，也使得日均创收增加了4000多元，为更多的小区提升了流量，增加了收益。

4.3 社会效益

在本次改进方案中，增加了代维人员以及一些贫困村民的协助，这也增加了当地的就业人数，给贫困人员带来了经济的收入，促进了当地群众的和谐，通过发放工资也让更多的人有了经济收入，带领更多的人实现了脱贫的目标。

5 结果与展望

通过在大数据应用的背景下引入无线网络优化，分析了大数据分析在无线网络优化中的应用，并以基站网络异常评估为例来分析无线网络优化方案。基于大数据的应用程序来验证大数据。分析技术在网络优化决策分析和作业部署中起着重要的作用。总体来说，利用大数据与网络的结合能够有效的提高效率，但是因需要与一些因素相结合来优化网络，使得网络数据的结果更加全面准确，更好的满足客户的使用。本文以全州县无线网络优化研究为起点。通过分析全州县无线网络优化的现状，能够发现网络存在的问题。通过分析农村MR指标，比较MR指标与实际路试条件，对指标状况，站距等数据进行分析，找出当前无线网络中存在的网络问题，开展网络建设。优化需求分析和原因分析，确定解决方案和对策等，并解释了引入大数据进行网络分析的必要性。本论文为日后其他省市，州县大数据在无线网络上的优化提供了指导意义。

參考文献

[1]张靓，黄克彬.大数据分析在移动通信网络优化中的应用[J].数字通信世界.2018（04）.

[2]王小波.探究移动通信网络中大数据处理的关键技术[J].数字技术与应用.2018（02）.

[3]汪敏，廖名扬.大数据分析在移动通信网络优化中的应用研究[J].通讯世界.2017（02）.

[4]翁锐浩，段新，黄倚霄，王锐.运用大数据技术构建运营商网管数据互联中心提升网管数据服务能力[J].科技创新导报.2017（03）.

[5]管磊，胡光俊，王专.基于大数据的网络安全态势感知技术研究[J].信息网络安全.2016（09）.

[6]赵梦.基于大数据环境的网络安全态势感知[J].信息网络安全.2016（09）.

[7]张小松，牛伟纳，杨国武，卓中流，吕凤毛.基于树型结构的APT攻击预测方法[J].电子科技大学学报.2016（04）.

[8]许汝鹏，崔晶也，关则洛，宁静，茹刚，聂磊，陈致樑.网优大数据共享架构设计及应用实践[J].电信科学.2016（04）.

[9]陈科帆，周洪成.电信运营商大数据资源变现模式及策略研究[J].移动通信.2016（01）.

[10]王磊，王西点，程楠.基于大数据技术的智能化无线网络优化体系[J].电信科学.2015（12）.

[11]付钰，李洪成，吴晓平，王甲生.基于大数据分析的APT攻击检测研究综述[J].通信学报.2015（11）.

[12]刘毅，刘珂，孔建坤.基于大数据挖掘的LTE网络规划研究[J].通信技术.2015（02）.

[13]王元卓，靳小龙，程学旗.网络大数据：现状与展望[J].计算机学报.2013（06）.