基于LTE网络测量报告的大数据智能优化方法

刘炜

（广东海格怡创科技有限公司 广东省广州市 510665）

1 引言

随着4G LTE 网络的快速发展，LTE 网络在深度覆盖、干扰规避和容量激增等方面面临着巨大的挑战。覆盖是通信网络需要解决的首要问题，TD-LTE 的频谱劣势、长期演进语音（Voice over Long-Term Evolution，VoLTE）承载、窄带物联网（NarrowBand Internet of Things，NB-IoT）新业务的需求等，都对现网网络覆盖优化提出更高的要求。TD-LTE 干扰规避和优化是提升吞吐量和用户感知的关键，随着站点密度增加和网络利用率的提升，网内干扰问题越来越严重，成为优化的一大难题。网络容量是通信网络需要解决的另一重点问题，随着4G 网络的运营，用户数激增、单用户增加且容量分布不均匀，热点区域的容量面临着更大的挑战。

2 网络性能优化现状及问题

现有针对网络性能提升开发的优化工具和平台，在一定程度上针对上述面临的问题做出了改进，固化了优秀的优化方法，但是仍存在以下问题：一是没有考虑多个优化目标之间的协同，多维度考虑问题不足。现有技术往往是针对单指标进行优化调整，例如重叠覆盖等干扰指标，而这种调整有可能对其他网络性能指标带来负面影响，无法考虑诸如干扰、覆盖等各个优化目标之间的协同。如果要在各个目标间达到平衡，通常会通过多轮调整，优化效率低。二是没有将问题区域网络作为一个整体通盘考虑，对问题小区进行整治，往往为了解决局部指标而忽略了整体区域性能。因此，这种传统模式已难以适应当前移动通信网络优化工作中工作量大、覆盖面广的现状，无法达到优化工作集中化、自动化的要求。

3 大数据智能优化平台

3.1 智能优化平台思路介绍

针对在日常网络优化中的问题，构建LTE 网络测量报告（Measurement Report，MR）大数据智能优化平台是解决传统优化方式中存在问题的一种思路。MR 大数据分析的思路是关注业务和无线网络相结合，在构建一体化分析思维基础上，实现多维、海量、高效的数据处理和整合，用于精准业务迁移、精确规划、场景分析、地理定位、众筹测试等功能，从面向市场、面向优化、面向规划三个方面提供有效的决策和建议，助力通信运营商实现基于大数据网络运营环境及网络质量优化方式的转型。LTE 网络MR 大数据平台的基本思路如图1 所示。

LTE 网络MR 大数据平台可实时在线采集2G/3G/4G 的操作维护中心（Operation and Maintenance Center，OMC）指标、4G MR数据、信令指标、网络参数、告警信息和路测数据等多种数据源，将多维度数据高效融入数据库中，最后在Web 端呈现，并且客户端友好，可以在页面上呈现10m×10m 或50m×50m 的地理化栅格级精细优化。

通过智能集中分析模块，可以全面评估、分析和优化网络。从多个维度（时间、省地市、栅格、簇等）全面掌控和了解网络的覆盖、质量、业务感知、用户轨迹等关键指标，实现智慧运维、降本增效的目标。

3.2 主要功能模块

图1：LTE 网络MR 大数据平台的基本思路

（1）网络覆盖全景透视展示功能模块：该平台能够实现网络性能指标综合展示，支持大屏呈现，支持自动播放；支持作为平台首页，呈现各个功能模块的概要以及跳转；支持高度模块化和灵活配置。

（2）多维度栅格分析功能模块：多维度栅格分析功能模块是在利用MR 大数据分析结果进行小区维度统计，将栅格的指标进行分析统计并多维化呈现出来，便于对网络进行更准确和全面的评估。基于多维度数据关联和汇聚，实现了覆盖、感知、事件、业务多维度指标分析。

（3）网络结构化分析模块：网络结构化分析模块实现了自定义问题簇的分析，支持弱覆盖簇、干扰覆盖簇、重叠覆盖簇聚类分析；新增小区级别分析，包括超远覆盖小区、站间距核查、小区覆盖异常扩张和收缩分析、小区旁瓣背瓣异常分析；栅格维度实现分析弱覆盖率、重叠覆盖率、干扰率等功能。

（4）工参纠偏功能模块：工参纠偏功能模块基于对平均空闲时间（Mean Down Time，MDT）数据的分析，对工参经纬度进行估算和核查，对明显经纬度偏差做出判断，输出偏差站点清单。

（5）天馈诊断功能模块：该模块通过MR 指纹库的基础栅格具有的小区采样点数量、经纬度（栅格中心点经纬度）、覆盖率等多维信息，结合小区经纬度、方位角等信息，从目标栅格与当前小区的归属、业务量、覆盖强度、焦点偏离度权重等相关维度入手，通过数据标准化对各维度进行定性定量，搭建基于指纹库的天馈诊断模型算法，将覆盖小区的单个MR 栅格聚合为小区整体覆盖情况，从而准确直观地诊断小区天馈的合理性。

（6）众筹分析（道路、楼宇）功能：由于传统路测设备的单一性，导致道路测试无法全面反映现网用户的真实感知。而众筹扫路模块借助的每个手机终端都是测试人员。

（7）楼宇IT 化管理：楼宇IT 化管理模块实现了基于楼宇3D建模，结合测试和用户MR 立体定位技术，并关联关键业绩指标（KPI）、感知指标、基站资源、投诉、测试等多数据源，实现楼宇覆盖性能指标的3D 呈现。

3.3 基于场景的网络优化功能

（1）场景管理：提供场景数据规则管理、场景数据入库维护和管理，提供栅格和小区的场景识别，支持多用户并行使用。结合移动通信网络场景优化评估规则，基于业务场景特征和场景规模大小，结合多种业务指标数据进行多维度场景评估。

（2）虚拟路测功能：虚拟路测是通过MR 大数据模拟移动通信网络中的道路覆盖质量、感知、事件、业务等自动开展多维度分析和诊断，是对实际路测的一种补充和替代。

（3）高铁专项分析功能：该功能实现了分别基于信令和基于速度的高铁用户识别。通过虚拟路测功能，高铁专项模块支持高铁各条线路主要指标的GIS 呈现和关键指标统计分析，每条高铁线路的质差栅格及对应主服务小区，分析专网泄漏和公网入侵，输出质差区域的异常事件清单。

（4）高速专项分析功能：高速模块主页面是基于高速线路MR 覆盖栅格上关联重叠覆盖、弱覆盖等指标，同一个栅格包含多个维度的信息，便于全面评估网络和为优化网格提供参考。高速模块支持高速各条线路主要指标的GIS 呈现、按区域进行KPI 统计分析、呈现每条高速线路的质差栅格及对应主服务小区，并分析专网泄漏和公网入侵，输出质差区域的异常事件清单。

（5）“三高”专项分析功能：这里的“三高”是指高校、高流量商务区、高密度居民区，是移动通信网络优化工作中重要的场景。通过该场景分析可以实现“三高”场景的网络覆盖、感知、事件、业务等多维度分析诊断，输出“三高”常驻用户分析等功能。

4 效率提升应用

4.1 面向规划

（1）站点规划：站点规划基于微观的栅格化视图。通过对分析数据进行栅格化定位，在二维地图上形成栅格化视图。地图上的每个栅格是各项问题特征的数据集合，将问题栅格进行聚类成为问题簇，通过视图界面进行呈现。依据周围宏基站的站间距、归属场景、问题栅格大小、距离、建筑物等因素，进行计算，智能场景识别匹配，寻找最佳的建站位置，最终自动推送增加站的位置和类型（宏基站/微基站）。这次利用工具平台分析桂林MR 数据，共输出1062 个需要规划室分的弱覆盖楼宇，匹配原有室分规划资源池436 个，确认后新增359 个规划需求。

（2）规划站点效果：桂林某小区弱覆盖楼宇较多，平均参考信号接收功率（Reference Signal Received Power，RSRP）为 -99.97 dBm，弱覆盖比例为26.97%，此处为高密度住宅小区，用户投诉较多，普遍反馈室内4G 信号差，上网速率慢。通过MR 大数据的分析，结合现网网络结构，建议在小区增加室分系统，解决小区弱覆盖的问题。

（3）评估效益提升：在评估优化工作中，使用基于大数据精确规划分析的方式将比传统优化分析在时间上节省37.5%，在资源效率(人工天)上节省38.1%，在车辆成本上节省22.2%。

4.2 面向优化

（1）TOP 小区问题处理——MR 指标优化：针对智能优化平台输出的弱覆盖、重叠覆盖、越区覆盖、MOD3 干扰的TOP 小区进行处理，TOP 小区数量相比共减少653 个，弱覆盖率、重叠覆盖率、越区覆盖率、MOD3 干扰率指标均得到了明显改善。MR 指标优化的使用效果如图2 所示。

图2

（2）邻区优化：传统的4G 邻区规划方法，易导致较多的漏配、多配邻区问题。应用基于MR 大数据分析的智能优化方式，通过MR 解析、多配或漏配点邻区筛选、邻区配置优化方案实施等流程，为日常邻区优化提供有效的支撑手段，更高效地开展邻区优化。

通过对LFH 某山顶-800CL-OT-D-1 小区三天的MR 数据分析邻区采样点比例，梳理出14 个漏配小区，添加邻区后，观察一周KPI，切换成功率由76.17%提升至99.86%，切换成功率提升23.69%，效果明显。

人工优化邻区时，需要从现网中提取邻区关系、从数据库中提取切换指标，再根据工参匹配经纬度等信息，然后将问题邻区分类后对应处理。邻区自动优化功能的引用可以有效地节约数据提取时间，问题分析和处理都可以自动完成，提高了工作效率。日常优化工作的效率：人工分析的工作量是1.25 人天，智能化覆盖评估的工作量是0.375 人天，工作效率大大提升。

5 结束语

综上所述，在集合了海量MR 大数据，通过对MR 数据特性进行取样分析，开展大数据特性的二次开发，充分吸收了优秀的专业级优化方法和智能优化方法，实现了当前移动通信网络优化高速发展所需的集中化和自动化的功能。基于大数据的分析手段和大数据的分布特性研究，在网络规划、优化和维护上均提出了一定的创新应用，大大提升了工作效率。同时吸收和固化了一些优秀的优化工具手段，为广大移动通信网络优化工作者提供了优化指引，在一定程度上规避了传统优化方式因工具手段不足及优化经验不足带来的网络优化不均衡的弊端。