传统室内分布系统健康监测的方法研究

赵春雷 金伟

摘  要：移动通信网络一般都有基站小区级指标监控，指示网络的健康状况。而传统的室内无源分布系统，一旦出现故障，基站小区级指标无法有效的反映出来。现有对室内分布系统的监控方案都需要对分布系统进行改造，文章提出一种基于箱线图的异常小区检测法，不需要改造原有的分布系统，只需通过对一些业务量的统计分析，就能效识别出可能出现故障的室内分布系统。

关键词：健康监测;室内分布系统;异常监测

中图分类号：TP39;G642        文献标识码：A文章编号：2096-4706（2021）24-0162-05

Abstract： Mobile communication networks generally have base station cell level indicator monitoring to indicate the health status of the network. Once there is a fault in the traditional indoor passive distribution system， the cell level indicator of the base station cannot be effectively reflected. The existing monitoring schemes for indoor distribution system need to transform the distribution system. This paper proposes an abnormal cell detection method based on box line diagram， which does not need to transform the original distribution system. It can effectively identify the indoor distribution system that may have faults only through the statistical analysis of some business volume.

Keywords： health monitoring; indoor distribution system; anomaly monitoring

0  引  言

隨着5G建设的推进，我国移动通信技术得到了快速的发展，为满足人们与日俱增的高质量通信需求，各大运营商也开始了大规模室内分布系统部署。监控工作是维护通信网络正常运行，保证人们良好通信的重要工作，随着通信网络规模的扩大，监控工作就显得尤其重要。室外移动网一般都是有源设备，具备完善的监控功能;但对于室内分布系统而言，尤其是传统的无源分布系统，目前无法得到有效的监控。目前室内分布系统的故障只能被动等待客户投诉，故障定位也很繁琐，对于大型楼宇，故障处理时间将会极大地延长，极大地影响了客户满意度。对此，各运营商也开始引入监控系统，对室内分布系统进行监控。

1  室内分布系统的监控方式

目前，对于室内分布系统进行监控，有以下几种方式：

（1）对信号分布系统的传统器件进行改造，引入具有监控功能的有源设备，如：将室内天线改造为具有监控上报功能的室内天线。这种方案的缺点是：有源器件的故障率比无源器件的故障率高，将有源器件加入信号分布系统中，极大地增加了系统的不稳定性，增加了维护成本。有源器件采用市电供电方式时，工程建设难度增加，不利网络建设;采取用电池供电时，需要更换电池，维护成本高，不利后期运营。

（2）利用RFID技术进行室分监控[1]，RIFD工作原理为在RRU侧通过合路的方式引入读写器，在天线末端张贴唯一编码的标签。读写器通过合路器的方式接入室分天馈系统，读取安装安装在室分天线上的电子标签以实现对整个室分链路的质量评估及监控，如图1所示。这种方案的缺点是：需要进行少量施工，并且存在一定的插损，增加室内分布系统能量的损耗，且只能检测到末端，对室分的覆盖效果与网络效果带来负面影响。

（3）通过系统对室内分布系统的关键信号指标进行分析，对指标有异常的室内分布系统提出告警。这种方案的特点是无需对现网分布系统进行改造，缺点是：监控管理难，传统 DAS 无法主动监控，一般都由人工维护，无法及时发现分布系统中的故障。只能通过以下两种途径发现问题：

1）用户主动投诉网络出现问题。

2）不定期的对网络中零业务量、低业务量的小区进行筛查。

依靠用户投诉发现分布系统的故障，显的较为被动，影响用户使用感知，降低了用户对网络的满意度。通过不定期的筛查零业务量、低业务量小区来发现故障分布系统，一是时效性较差，二是可能会有遗漏，因为有些“部分故障”的分布系统所在的小区业务量会出现明显下降，但还未达到低业务量的门限，所以无法被发现。

2  基于箱线图的室分健康监测方法

采用对网络关键指标进行分析的方法，对传统室分进行健康监测，是一种经济实惠的方案，不同于其他监控方式需要增加软硬件设施[2-4]，它不需要对现有的室内分布系统进行改造。通过对关键指标的自动定期采集，通过计算识别出异常小区并提出告警，化被动为主动，在实际应用中，常被采用的有多因子筛选法。

2.1  多因子筛选法

多因子筛选法对某些关键指标评估，再通过归一化处理计算出得分，根据得分来判断是否出现异常，如图2所示。例如，根据MR数据和KPI数据，计算某些与网络质量相关的指标，并设定权重计算得分，据此判断健康情况。

算法描述：

（1）提取KPI数据和MR数据，根据指标定义，分别计算5类指标得分;

（2）为每一类指标赋上一个权重，并加权计算4G小区健康度得分;

（3）用当日的4G小区健康度得分减去前日得分，若波动小于-10，则标记为4G日波动小区;

（4）用当日4G小区健康度减去一周前得分，若波动小于-10，则标记为4G周波动小区。

它的优点是综合考虑了MR、KPI各个维度的指标数据，考虑较为全面。但也存在不足，主要体现在两方面，一是权重带有一定的主观性，可能会影响最终结果的客观性;二是需要提取大量的数据，且任何一个维度的数据出现错误，均会导致结果的偏失，抗干扰性差。

2.2  箱线图筛选法

针对多因子筛选法的不足，文本提出了一种基于箱线图的室分健康监测的方法。

箱线图能直观明了地识别一组数据中的异常值，常被用于异常值检测[5，6]，如图3所示。他具有良好的抗干扰性;只需要观察一个典型KPI的变化，就能判断系统是否出现异常。比如室分小区的业务量，它的数学模型是：给定一组业务量数据，从中找出异常的数据，如果这些异常值连续出现在最近几天，那么可以判断该室分小区可能出现异常。

本方法需要收集一定时期的室分系统业务量，采用箱线图分析方法，通过观察业務量的波动情况，推断出室内分布系统的健康状况。整体技术方案如下：

（1）数据采集：对需监控的室分小区进行业务量采集，采集时间为最近的k天，k值可根据实际需求自由调整，建议k的取值在30至90之间。

（2）计算业务量的上下四分位数：对k天的业务量值由小到大排序后，分别记为x1，x2，…，xk，定义分位数xp：

当p=时即为上四分位数，记为Q1，表示k个观察值中有四分之一的数据取值比它小;当p=时即为下四分位数，记为Q3，表示k个观察值中有四分之一的数据取值比它大。

（3）计算四分位数间距：根据上一步得出Q1和Q3，计算四分位间距IQR=Q3-Q1，表示下四分位与上四分位之间的距离。

（4）判断室内分布系统是否健康：获取最近t天的业务量xk-t+1，…，xk-1，xk，若Q3+1.5IQR≥xk≥Q1-1.5IQR，则判断系统波动正常;若xk-t+1，…，xk-1，xk，的值均小于Q1-1.5IQR或大于Q3+1.5IQR，则判断系统波动异常，可将该小区标记为故障小区，后续可针对该小区下的室内分布系统进行排查，最终确定故障位置。t的取值可根据实际情况动态调整，建议取值范围为3至7之间。

本方法的计算过程如图4所示。

箱线图筛选法的优点是：

（1）它具有良好的抗干扰性，它是观察连续n天的数据，个别的数据错误对结果几乎没有影响。

（2）只需一个指标就可以判断异常，获取数据方便，计算速度快。

2.3  基于箱线图的室分健康监测

箱线图筛选法如果只考虑了一个维度，评判可能不够全面，在实际应用中可以进行多个维度的评估，得的结果更加客观准确。本文采用小区弱覆盖比例、小区MR采样点数及小区业务量三个维度进行监测，如图5所示。

3  与传统多因子指标筛选法对比案例

案例一：在室分健康监测的过程中，使用箱线图筛选法检出某小区A在9月4号、3号、2号流量出现异常值（离群点），判断该室分小区在最近3天流量变化异常，经过运维工程师现场检测反馈，判断该站点为无源器件故障，更换器件后故障恢复。

对比箱线图监测法，同样的时间段采用多因子筛选法对该站进行评估，提取了相关的MR数据和KPI数据，计算出的得分没有明显的变化，无法有效的筛选出该异常站点。

多因子筛选法的最近两天得分如表1所示。

案例二：在室分健康监测的过程中，使用多因子筛选法检出某小区在9月4号为日波动小区B，和前一天相比，差异较大的是覆盖得分和回落率得分，如表2所示。

观察图7所示的该小区连续一个月的流量变化情况，未发现有异常值，最近3天的数据流量也均在正常波动范围之内;弱覆盖占比3号为11.59%，4号为63.92%，造成覆盖得分差异大;但从一个月的变化情况来看，弱覆盖占比也均在正常波动范围内，如图8所示，所以该小区更倾向于判断为正常小区。通过对后续指标的观察，该小区未出现影响业务的现象。

综合以上两个案例，基于箱线图的室分健康监测方法可以检测出多因子筛选法无法识别的异常小区，也可以避免一些小区被多因子筛选法误判为异常小区。

4  应用效果

基于箱线图的室分健康监测方法9月开始在某市应用，筛检出的异常室分小区通过工单系统派单给现场工程师，工程师通过现场测试确定故障情况。通过3个月的回单的信息统计，筛检正确率基本在75%左右，而多因子筛选法的正确率一般在60%左右。

剩余的现场工程师复核为非故障的室分小区，主要是受假期和疫情影响，造成业务量突降，被系统误识别。后期可以对易受假期影响的小区进行标注，在以后的判断中加以甄别。另外，可以适当提高判断标准，比如获取近3个月的数据，如果最近一周连续为异常，才判定为异常小区，以此来提高筛检的正确率。

5  结  论

通过本文方法，可以在不改造分布系统的情况下，低成本的解决传统室内无源分布系统的监控问题。采用本方案可持续对室内分布系统进行故障筛查，室分运维人员只需排查少量的故障小区，减少了去现场排查的时间，大大提升了排障效率，也对全网室内分布系统健康状况有一个全面的掌握。

参考文献：

[1] 林权伟.对移动通信室内分布系统进行监控的解决方案 [J].科技探索与应用，2016（35）：235-236.

[2] 王建国，韩玉龙，张培镜，等.移动通信室内分布无源监控及管理技术的研究 [J].移动通信，2016，40（13）：71-74.

[3] 孙天伟，祝好杰. 室内分布系统网管监控平台 [J].电信快报，2007（10）：38-40.

[4] 高艳丽，谢绍富，孟凡良，等.室内无源分布系统监控方案研究 [J].山东通信技术，2021，41（1）：6-8.

[5] 孙向东，刘拥军，陈雯雯，等. 箱线图法在动物卫生数据异常值检验中的运用 [J].中国动物检疫，2010，27（7）：66-68.

[6] 顾国庆，李晓辉.基于箱线图异常检测的指数加权平滑预测模型 [J].计算机与现代化，2021（1）：28-33.

作者简介：赵春雷（1982.04—），男，汉族，江苏南通人，高级工程师，硕士，研究方向为无线网络规划、优化及设计。