基于AI技术的5G基站选址平台的研究

刘 洋，龚戈勇，周 存

（中通服咨询设计研究院有限公司，江苏 南京 210019）

0 引 言

2019年6 月，工信部向中国移动等4家运营商发放5G网络商用牌照，5G网络建设进入快车道，截至2021年4月底，国内5G基站已建成240 000个。当前5G基站大部分采用共址现有2、3、4G基站的模块进行建设，后期随着5G网络的深度覆盖和站点资源的稀缺，5G网络的建设将逐步以新建站为主。

与此同时，随着机器学习算法取得重大突破，高质量和大规模的大数据应用成为可能，计算力提升突破瓶颈，AI进入高速发展阶段。AI技术在催生新技术和新产品的同时对传统行业也具备较强的赋能作用，实现了社会生产力的整体跃升，在越来越多的行业替代了人工来做那些重复而简单的工作。通信行业由于拥有大量高质量的数据积累，本身信息化程度比较高，为AI技术的介入提供了良好的技术铺垫。

本文通过分析5G系统的覆盖特点，结合基站选址流程要求提出基于AI技术的5G基站选址平台，利用AI选址平台对5G新建基站在电脑侧进行预选址，提供数个满足覆盖要求的合适候选点位置为站点选址人员提供指引参考，从而有效提升5G基站选址成功率。

1 5G基站的选址要求

1.1 5G系统的技术特征

5G系统作为新一代移动通信网格，拥有比4G网络更高的峰值速率、更低的传输时延以及更大的设备连接能力。国际电联为5G定义了海量机器类通信（massive Machine Type of Communication，mMTC）、增强移动宽带（enhanced Mobile Broadband，eMBB）以及超可靠低延迟通信（ultra Reliable Low Latency Communication，uRLLC）3大场景，如图1所示。mMTC海量物联应用场景利用5G强大的连接能力快速促进各垂直行业，如智慧城市、智能家居以及环境监测等的深度融合；eMBB增强移动宽带场景表现为超高的传输数据速率以及广覆盖下的移动性保证；uRLLC高可靠低时延连接应用场景的连接时延要求达到ms级别，可支持高速移动情况下的高可靠性连接[1]。

图1 3大类使用场景

为了满足3大场景的需要，5G采用多用户MIMO和大规模天线等关键技术来进一步提升频谱效率。通过多用户MIMO技术，利用大规模天线阵列来支持更多用户的空间复用传输，更好地提升5G系统频谱效率。通过超密集基站组网来提升空间复用度，在继承4G网络基本架构的同时创新性地采用了服务化架构，通过引入网络切片和移动边缘计算等先进技术，使得5G网络的数据传输具备更高的弹性与效率，从而在峰值速率、流量密度以及频谱效率等各项关键能力方面均有大幅度改善。

1.2 5G基站的选址要求

当前国内5G系统中，中国移动获得了2.6 GHz和4.9 GHz两个5G频段，中国电信获得了3 400～3 500 MHz的频段，中国联通获得了3 500～3 600 MHz的频段，中国广电获得了700 MHz（上行703～743 MHz，下行758～798 MHz）和4.9 GHz（4 900～4 960 MHz）频段。除了中国广电采用的700 MHz低频段外，其他三大运营商采用的中高频段的5G系统覆盖性能相对较差，对应系统的无线信号在传播过程中衰减较大，基站覆盖站点半径更小，因此进行区域连片覆盖时需要建设更多的5G基站才能满足要求。5G系统（3.5 GHz频段）与4G（2.3 GHz频段）链路预算对比如表1所示[2]。

表1 5G和4G系统链路预算对比

因此，5G新建基站站址选择应结合覆盖区域地貌环境，符合5G网络蜂窝拓扑结构要求，采用精细化网络规划手段进行基站选址，与周边其他站点形成良好的互补，避免站址选择不合理对网络覆盖性能的影响。

2 基于AI的5G基站选址平台设计

2.1 选址平台的总体架构

基于AI的5G基站选址平台是将传统单一的基站选址过程，延伸到利用运营商现有多系统业务进行大数据智能化分析后的完整选址解决方案。基于AI的5G基站选址平台主要包括数据库管理、AI算法模型、服务（输出选址报告）、外部接口以及人员操作界面5大模块。设计人员输入对应区域5G站点候选点覆盖需求和站点数量等资料后，5G基站选址平台通过“数据库+算法模型”的AI运算为该区域新建站点提供数套合适的选址方案报告。基于AI的5G基站选址平台的总体架构设计如图2所示。

图2 基于AI的5G基站选址平台的总体架构

基于AI的5G基站选址平台的总体架构中各功能模块介绍如下[3]。数据库主要包含本区域的现网5G基站图层、区域3D建筑物地图以及现网基站业务数据。其中现网5G基站图层包含站点的经纬度位置、天线挂高、增益、方位角以及下倾角等相关的站点工参信息，可以从运营商网络或网优等部门获取。区域3D建筑物地图可在所在区域对应的城市规划设计院或相应的商用地图公司处进行购买。现网基站业务数据包含现网2G、3G、4G网络站点日常运营的相关数据信息。

AI选址算法平台是整个选址平台的核心，主要算法包括5G链路预算模型、粒子群迭代优化算法模型以及站点筛选算法模型3个。其中，5G链路预算模型可根据候选5G站点采用的频段选取对应的链路预算模型，利用链路预算模型可得出对应站点的覆盖半径。模型校正过的一般城区3.5GHz SPM参考模型为：

式中，Lp路径损耗，d为基站到移动台的距离，hBS为基站天线的有效高度，Ldiffraction为衍射损耗，KClutter×f(clutter)为地物类型附加损耗。

粒子群迭代优化算法是基于群体协作的随机搜索算法，是群集智能的一种，用于求解各种非线性、不可微以及多峰值的复杂优化问题。利用链路预算模型，结合本区域基站话务容量分布需求作为子目标函数进行迭代运行，通过粒子群迭代优化算法即可求出基站理论分布最优目标值（各站点位置经纬度）[4]。

通过站点筛选算法对站点覆盖需求和地图位置数据进行分析学习和测试验证，形成满足覆盖需求的决策判断，从而生成合理的选址位置建议方案。考虑到基站理论分布最优目标值在实际建设过程中由于种种原因不一定能够实施建站，因此根据前一步粒子群迭代优化算法给出的理论目标值位置，将3D地图中每个楼宇定义为一个单元，并根据各楼宇单元的高度（海拔高度+楼宇高度），对规划站址理论最优目标值位置覆盖半径1/4范围内的楼宇进行比对筛选（是否有阻挡、高度是否满足覆盖需求等），选取合适的楼宇位置作为候选点位置。

外部数据采集接口可对接运营商网络规划系统和本区域卫星地图平台等，用于获取候选点运营商网络规划资料以及候选点360°卫星环境照等信息。人员操作界面是设计人员和选址平台之间进行信息交换的人机交互接口。设计人员与选址平台之间的互动使平台更理解站点的选址需求，同时操作人员也可通过操作界面对基站选址平台统一的管理及维护。服务主要为输出数个候选站点对应的选址报告，含候选点所处经纬度、所在楼宇、杆塔高度、天线挂高、方位角以及对应的360°卫星照片等相关信息。

2.2 选址平台5G基站选址流程

通过加载本地区运营商对应的现网5G基站图层、城市3D建筑物地图，无线网络业务分析的数据库后，结合选址平台已有的AI算法模型，设计人员就可以开始进行5G基站的选址。AI选址平台5G基站选址流程如图3所示。

图3 基于AI的5G基站选址平台流程

设计人员在基站选址平台的图形化操作界面上输入本次5G网络需要覆盖的区域范围、站点的频段以及链路预算模型中相关的参数等。根据站点频段、所处地貌类型，利用链路预算模型确定站点的覆盖半径。结合平台中的粒子群迭代优化算法模型确定本次覆盖范围中需要的5G基站理论最优数量和经纬度位置。根据各个站点最优理论位置，选址平台站点筛选算法模型结合3D地图建筑物的地理分布情况及楼宇的高度，自动比对理论位置周边的楼房高度，在半径1/4范围内选择数个合适的候选点位置，并记录具体楼宇经纬度。

AI选址平台根据站点筛选算法模型确定候选点位置，结合卫星和建筑物3D地图，生成对应的360°卫星和3D环境照。同时，通过候选点位置及对应的覆盖范围，结合现有候选点位置高度，确定杆塔高度、AAU覆盖高度以及方位角，每个候选点位置生成一份选址报告。设计人员将5G基站选址平台生成的选址报告提供给网络规划部门人员，审核各选址方案的合理性，通过的选址报告即可提供给选址单位人员进行现场实际选址。

3 基于AI的5G基站选址平台的优势

一是利用了AI技术平台的智能化，可替代设计人员前期勘察“扫楼”任务。基于AI技术的5G基站选址平台利用人工智能研究领域的机器学习，由AI选址平台系统完成5G基站选址过程中简单且重复性的任务，将人从枯燥的劳动中解放出来，从而减少运营商和设计单位在人力和物力上的投入，提高选址工作效率的同时能够比常规“扫楼”选址勘察做得更快、更精确。

二是选址平台结合网络规划系统，可确定5G站点AAU方位角等参数，对网络进行负载均衡，实现无线网络覆盖和容量优化。随着无线网络用户数的快速发展，网络用户业务类型更加多样，网络向着更加复杂多样的异构化方向发展，资源使用率不均衡状况将越加严重。5G网络通过基于人工路测等传统网优方式，很难确定整个网络中无线参数与覆盖、容量之间的关系，而基于AI技术的5G基站选址平台通过利用现有2G、3G、4G大数据平台进行现网离线数据，可建立网络状态（无线配置、UE位置、业务负荷、频谱分布）与覆盖、容量之间的关系模型，并应用此模型推理得到无线参数配置的调整建议，从而分析出本次覆盖区域网络站点数据容量需求，进行容量的智能化配置，自适应地调整对应5G基站的无线射频参数，如导频功率、天线下倾角以及天线方向角等[5]。

三是实现勘察预选址过程数字化。5G基站选址平台可自动生成勘察报告，网优人员能够直接在计算机进行远程评估，判断站址是否满足覆盖要求，有效提高了选址效率。同时选址平台可生成多份选址勘察方案，选址人员在实际选址过程中更加清楚5G基站的覆盖需求。

四是实现基站选址可视化。利用选址平台提供的终端选址App软件，设计人员在现场进行选址勘察时可判断所选站点候选位置的合理性，同时为后续设计方案配置的相关设计参数等。

4 结 论

本文提出基于AI技术的5G基站选址平台实现了5G基站的预选址，通过计算机的智能化替代目前依靠人工进行的选址“扫楼”部分工作，使得选址工作能够更加高效和快捷。实现AI技术的5G选址是个需要分阶段实现的长期过程，还存在着数据和建模等诸多关键问题需要解决，随着AI技术的不断发展，5G基站选址平台功能将更加成熟和智能化。