基于机器学习的POI网络质量提升方法探究

周 熹 王 奔 唐 俊

1 中国移动通信集团云南有限公司 昆明 650100

2 中国移动通信集团设计院有限公司陕西分公司 西安 710065

3 中国移动通信集团设计院有限公司重庆分公司 重庆 401121

引言

2019年6月，中国工业和信息化部向中国电信、中国移动、中国联通、中国广电发放5G牌照，标志着我国正式进入5G元年，步入5G时代。而各大运营商在4G网络方面的整体投资大幅缩减，如何在不增加投资的情况下提升网络运维质量、保障客户满意度，值得深入研究。

当前，无线网络质量提升手段主要依赖于解决TOP小区级的问题，从而达到全网质量提升。但此种提升模式仅适用于建网初期的定点优化，局限性较为突出，没有热点区域的全局优化思维。而在网络运维阶段，为提升客户满意度，涉及的指标较为繁多，且负责指标的相关责任人还不是同一个人，在现场优化过程中往往会出现同一个TOP小区因为不同的指标优化方案，出现多次整改重复优化的现象。

基于上述问题，本文从解决目前网络运维工作中繁琐且重复的程序出发，结合现实环境、客户满意度等多维模块，简化模式统筹管理研究了一套网格区域化质量提升的方法。

1 POI区域化划分

传统的网格划分依据城区范围面积和行政区进行划分，大部分网格的面积较大为14平方公里左右。且由于当前的多层组网涉及的基站较多，平均每个网格中有500多个站点，2 000多个小区。因此传统的网格优化的侧重较为明显，无法统管全局客户满意度的质量提升，仅能保障城市道路面的信号质量。

因此引入了城市热点区域POI的概念，如图1所示，将物理位置按照地形地貌、行政区域、业务分布、场景等因素进行细化分割，分割成面积大于2000平方米小于4万平方米的城市热点区域“小网格”POI，根据POI将区域内多个小区、多种指标进行问题汇聚。

在地理信息系统中，一个POI可以是一栋房子、一个商铺、一所学校，一个村庄等。包含的信息有POI ID(唯一标识)、中心经纬度、POI范围、POI面积大小、POI关联服务小区等重要标识。

2 POI内服务小区画像

2.1 数据源

MDT(Minimization Drive Test，最小化路测)数据是基于商用终端上传的测量报告，测量报告包括无线环境测量(RSRP、RSRQ、PHR)、典型事件测量、位置信息测量等。运营商通过商用终端收集无线网络的动态波动过程为网络优化、分析、诊断提供全面的数据参考。

2.2 POI服务小区画像思路

本文提出的POI服务小区画像算法主要思路为基于密度的聚类，根据样本的密度分布进行聚类。通常情况下，从样本密度的角度出发，考查样本之间的可连接性，并基于可连接样本不断扩展聚类簇，以获得最终的聚类结果[1]。

本文主要采用基于循环神经网络的核密度算法进行聚类，通过核密度分析方法计算MDT数据的空间点、线要素在POI领域中的密度[2]。并对密度分布进行持续的迭代计算，以POI领域内的核密度值，反应服务小区的分布特性，并通过对不同小区MDT采样点数据的核密度分析结果进行比较，从而选取POI领域内最准确服务小区。

核密度计算公式

核密度估计(Kernel Density Estimation)是在概率论中用来估计未知的密度函数[3]。

2.2.1 MDT数据清洗

通过对通信基站基于覆盖的链路预算得出移动终端用户在室内的有效信号强度(RSRP)大于-110dbm，对小区的所有MDT采样点数据进行筛选，将MDT数据采样点信号强度大于-110dbm视为有效采样点，为符合条件的MDT有效采样点数量。

2.2.2 函数变量计算

图2 POI内中心点与小区MDT采样点的直线距离示意图

图3 POI中心点穿过MDT采样点到POI轮廓边界的直线距离

经过测算，上述示例的三个小区在该POI中MDT采样点的距离和POI中心点穿过MDT采样点到边缘轮廓的直线距离如表1所示。

表1 POI内MDT采样点和测算值

表1 POI内MDT采样点和测算值

POI内采样点编号采样点所属小区 的距离/m 的距离/m 1 cell01 65 114 2 cell02 133 162 3 cell03 15 42 4 cell03 59 71 5 cell03 59 106 6 cell03 33 65 7 cell01 60 89 8 cell03 320 356 9 cell03 75 109 10 cell03 470 507

2.2.3 POI领域内小区采样点聚类

表2 某市POI核密度数据统计分析结果

图4 POI密度相关性像素示意图

表3 某POI领域小区采样点聚类结果

3 网格区域化

3.1 构建POI领域无线网络质量价值考核体系

通过核密度与欧几里德距离矩阵算法计算得出POI领域内服务小区后，根据表4的POI领域无线网络质量价值评估体系，对多维指标进行区域汇聚，将质量问题归一化辅助现场优化人员进行全局问题定位[6-8]。

表4 POI领域无线网络质量价值考核体系

3.2 构建标准化POI质量提升管控流程

构建POI全量问题流转流程如图5所示，将POI领域内问题归一化、解决方案归一化，从“规划新建、工程催开、维护整改、网络优化”四个基站生命维度系统性跟进问题点解决进度，最终实现网格区域化整体无线网络质量推升，达到客户满意、市场放心、效率提高、价值提升的目标。

图5 POI质量提升管控流程

4 结语

本文提出的网格区域化质量提升方法，基于循环神经网络的核密度算法计算小区MDT采样点在POI领域内的和密度，并以此结果借助欧几里德距离矩阵拟合得出相关性像素图，从而导出POI领域内各个小区采样点的聚类结果，梳理POI领域内主要服务小区。然后通过POI领域无线网络质量价值考核体系和标准化POI质量提升管控流程，将小区级多维无线质量评估指标汇聚成一个个小网格、小场景的质量问题热岛，再以此为切入点统筹全局质量问题，优先解决影响范围大、用户多的指标。

通过在我国某地区试点本文的研究成果，一线生产人员在实际工作中发现的POI领域服务小区匹配异常问题由优化前的23%下降到5%，POI领域内无线网络问题的定界定位准确率由优化前的72.53%提升到94.67%，本研究成果应用价值较为显著，与传统解决TOP小区级问题方法相比，本研究成果具备四大优点。

1)可依据POI领域内小区画像算法开发网格区域化作战地图，实现线上POI无线网络质量渲染，并与卫星地图融合实现替代MapInfo常用的专题地图功能，具有高价值的实用性，能够在提高工作效率的同时减少软件版权费用支出，降低对国外付费软件的依赖程度。

2)以MDT数据为抓手，评估POI领域内主服务小区样本，避免传统的小区级物理位置框选导致的覆盖采样点采集不完整。

3)整合投诉、覆盖、感知、性能、结构等多维指标进行区域汇聚，构建POI领域无线网络质量价值考核体系，抓住重点，优先解决影响用户感知、口碑的指标，使一线生产人员更容易抓住重点，提高网络感知质量优化的时效性。

4)从全局角度出发统筹管理，将POI领域内解决方案归一化，坚持问题导向，避免优化人员多次上站，降低了优化人员重复上站的次数，提升优化效率、提高精准性，具有较高的先进性。