基于大数据挖掘的维优补位方案研究

梅明涛 张 晶 赵志扬 魏志刚 王朝阳 宋啸天

1.中国移动通信集团江苏有限公司网络部；2.镇江市审计局

0 引言

随着5G快速建设的脚步，网络规模急剧增长，多制式、多厂家、多类型设备共同组网使网络维护工作难度进一步加大。由于备电不足、城市建设、业主破坏、恶劣天气等突发情况导致站点退服情况时有发生，传统的巡检维护模式已经无法满足复杂网络结构稳定的需求。无线退服带来了种种影响：较长的现场处理时间影响了网络关键业绩指标（key performance indicator，KPI）；应急修复退服基站容易带来操作上的安全隐患；周边用户的客户感知受到影响，客户满意度影响大。因此，在网络智慧运维时代，基于网络大数据，结合传统运维生产经验，针对人工分析执行的不足，需要探寻出智能、高效、安全的维护解决方案来保障网络稳定性。

1 维优补位技术原理

从站点设备故障退服所带来的覆盖性能劣化程度智能预测评估和多维数据分析获取的自动化覆盖补偿方案输出两个方面实现数字智能化运维支撑（Digital Intelligent Operation And Maintenance Support，DIOAMS），如图1所示。

图1 退服补位实现原理图

维优补位技术是对通信网络大数据进行挖掘，实现设备故障后智能化维护的创新技术。由正常设备运行数据建模→故障退服性能影响程度计算→覆盖补偿目标小区决策识别→大数据计算优化调整方案→智能维护运行五大环节组成，以下为关键技术原理：

1.1 小区同址关系建立

基于工参经纬度信息和归属资源点信息，对同受退服影响的小区进行同址关系聚合，并关联工参得到相关小区频点（E-UTRA absolute radio frequency channel number，Earfcn）和物理小区识别号（Physical Cell Id，PCI）信息。

1.2 退服覆盖影响程度预测分析，定义站点覆盖补偿需求级别

解析读取测量报告（Measurement Report，MR）数据，根据第一步中的同址小区关系，从邻近小区测量数据中，筛选非同址小区进行最强接收信号强度排序，记录下最强的接收信号强度数据，定义为“异站址邻区最强信号（OverNcRsrp_Max）”，如图2所示。

图2 异站址邻区最强信号测算方法

基于异站址邻区最强信号模拟测算，当服务小区所属站点退服中断后，邻近小区所能覆盖到该小区区域的覆盖指标：分段覆盖率、平均参考信号接收功率（Reference Signal Receiving Power，RSRP）等。再结合站点的最小/平均间距，日常忙时业务量等信息，综合判别定义站点退服覆盖补偿需求级别。

1.3 覆盖补偿有效小区识别算法

基于MR全邻区测量服务小区+邻区的小区对数据汇总，统计出有效邻区覆盖的采样次数及占比。排列算法及规则如下所示：

（1）筛选站点测量中RSRP大于-110dB的采样占比大于10%的邻区；

（2）因同逻辑站点下小区频段、站址、高度等要素一致，所以择优一个待优化小区，采样占比未超出3%的情况下优先选择以退服站点邻区方位角60°内的小区；

（3）过滤不同场景下的最大间距阈值外的结果，并按TOPn排序（本课题设置最大top3，避免出现较为严重的结构干扰问题）；

（4）无法调整黑名单小区配置，剔除待优化小区序列，如表1所示。

表1 待优化小区序列示例表

1.4 基于射线追踪仿真的射频（Radio Frequency，RF）调整策略

（1）目标补偿位置计算

基于MR栅格聚合的用户集中区域位置测算算法：根据目标补偿小区所能覆盖的栅格进行汇聚计算。利用具有噪声的基于密度的聚类方法（Density-Based Spatial Clustering of Applications with Noise， DBSCAN）找出小区覆盖方向上MR采样点最集中的区域，计算出该区域的中心点经纬度，如图3所示。

图3 用户集中区域中心位置测算

（2）基于射线追踪覆盖测算的智能RF寻优

基于高精地图射线追踪仿真技术，将问题分析点接收到的信号分解为直射δ1、反射δ2、绕射δ3三种传播类型，并按照射线传播的不同类型，分别进行计算，叠加到一起得出最终结果：

根据目标优化小区波束水平方位角度差α和波束垂直方向角度差β，设定水平方位和垂直角度的测算间隔步长（本课题研究水平方位测算间隔步长为3°，最大调整为30°；垂直方位为2°，最大调整10°）。将目标优化小区波束水平或垂直方向向问题分析点位置偏转，对应步长的配置参数，以新增小区配置参数的方式列入仿真运算：计算射线追踪模型下，目标优化小区和问题分析点测算不同方位和垂直角度的RSRP差值。

①RF配置寻优策略：根据现网覆盖模型影响，实施难度，设定优先级为功率配置-＞天线下倾（电子）调整-＞水平权值配置；

②功率配置策略：基于有源天线处理单元（Active Antenna Unit，AAU）型号和合路射频单元信息分析可配置最大功率与当前配置差值；

③天线下倾调整：根据同址不同下倾步长虚拟小区仿真结果测算，优先仿真RSRP增益最高的方案；

④水平权值调整：根据当前权值场景下水平波宽：目前普通室外小区覆盖宽度最大为110°，在该范围内可以对子波束数量和覆盖方位进行自定义调整。因此，水平方位可调最大范围为55°。当单波束射线追踪覆盖测算方案建议角度在55°内时可以直接基于权值配置实现。

示例：小区原权值配置为默认场景2配置、覆盖问题区域在小区主波瓣增益区域外、继承垂直赋型，方案输出调整至权值场景4，实现水平覆盖增强，如图4所示。

图4 补位参数配置调整覆盖增强示意图

1.5 自动化执行及性能监控

（1）自动进行补偿与倒回：读取预设补偿方案，对接操作维护中心（Operation and Maintenance Center，OMC）接口自动执行补偿和倒回方案的参数调整。

（2）补偿效果自动评估：接入最小路测技术（Minimization of Drive-Tests，MDT）测量数据与小区级北向性能指标（Performance Metrics，PM），对退服区域整体指标进行退服后、补偿后指标统计评估。

2 维护优化补位技术应用

2.1 试点背景及整体应用效果

从设备覆盖、用户密度规模等因素考虑，分别选取南通、盐城、常州三个地市进行试点研究应用。设备类型分别涵盖了华为、中兴、爱立信省内三大主设备厂家；地域分布代表了苏南、苏中、苏北，以确保涵盖不同类型的应用场景。

试点期间退服告警1780个，分析评估优先派单271单，涉及参数修改的补偿小区1732次。系统在有限的处理人力资源条件下，更好地聚焦重点目标，有效提升了运维效益。退服补偿程序能挽回71%的流量，并且平均RSRP和覆盖率较退服未补偿期间均有明显的改善。该方法目前已经在全省推广使用纳入生产系统。2021年某月份全省处理工单2164条，方案制定时长下降80%，退服小区连同补位小区微区域流量相比退服补位前增长1.37倍，维稳流量约115T左右。

2.2 应用实例

本课题系统共计对接试点区域站点3.7万，接入数据包括：站点设备工程参数、告警数据、MR数据、MDT数据等。共监测到故障站点1352个，必要执行站点271个，其中党政军机关、交通枢纽等重要保障场景站点32个、覆盖性能保障站点239个。

【分析优化实例】

退服发生：盐城响水消防大队_HLF基站位于响水县城，属于覆盖党政军机关的重点保障场景，于2021年9月19日发生网元连接中断告警。

补位建议：根据大数据分析情况，识别补位小区并进行功率提升以及下倾角调整（关键补位邻区目标发射功率配置12，邻区下倾调整2°）消除网络故障对网络的影响。

经测试，采用补位技术后网络性能和感知明显提升：RSRP提升4dB、基础信号强度覆盖率提升5.56%、感知保障信号强度覆盖率提升16%、下载速率提升40%。

3 技术性能评估

本课题基于传统的故障应急保障方案，分别从设备故障后网络覆盖质量有效预测、补偿小区精准识别、保障用户集中区域定位三个重要环节进行完善，创建实效性更高、网络操作稳定性更高、方案实施更有效的智能化故障维优系统。

3.1 有效预测退服覆盖性能

基于MR数据特点，将期望测算的站点下服务小区内的用户测量报告邻区进行逐一检索，判断出最强接收电平的异站址邻区，实现准确的退服覆盖性能预测，同时，结合德洛内三角算法测算的站点间距以及主服务站点下业务量，完成精确的覆盖补偿优先级判断。基于测量报告的退服覆盖性能预测解决了日常告警过多，导致地市无法聚焦评估影响，顾此失彼的维护模式，大幅提升了维护工作效率。

3.2 准确识别覆盖补偿有效小区

基于MR全邻区测量服务小区+邻区的小区对数据汇总，统计出有效邻区覆盖的采样次数及占比，并根据初选邻区的间距以及扇区方位判断实现补偿有效小区识别。通过覆盖补偿有效小区识别算法，结合以往人工分析经验，纳入人工覆盖补盲优化分析要素和流程，结合实际用户MR数据统计，实现了更为准确的覆盖补偿有效目标小区的选取。

3.3 优化退服站点用户集中位置测度

覆盖补偿有效小区确立后，针对目标小区所有效覆盖的栅格区域，基于用户业务采样热度，采用DBSCAN聚类算法，计算出需要覆盖中心位置。通过运用退服站点用户集中位置算法，改善了传统方案中相对粗犷的覆盖目标点判断，将覆盖栅格区域以合理密度算法进行聚类，让调优目标更精细，如图5所示。

图5 密度聚类算法输出用户集中位置

4 结束语

本课题在传统的退服覆盖自动化补偿成果引入的基础上结合省内日常优化工作积累，从预前退服覆盖测算、调整目标选取，调整策略有效性等多个方面进行创新改良。经过多地市、多区域实地试点验证，本课题技术方案相较传统人工分析，方案准确性提升32%，方案输出实施时长缩短78%，有效率提升25%。因此，不管在方案算法准确性，还是调整策略合理性上都更加完善，更能适用于实际网络生产工作。给一线优化生产带来很大帮助，具有全国推广的意义。