无线智能编排在5G网络的应用*

张涛

（中国电信股份有限公司浙江分公司，浙江 杭州 310014）

0 引言

移动通信网络不断迭代发展，到5G 时代已变得非常复杂：更多的频段资源带来更多的频率组合模式，使得组网形态更为灵活；丰富多样的业务种类对网络能力的要求也不尽相同；终端的快速发展和持续演进，使得在网的终端能力差异进一步拉大，用户体验保障更加复杂。在这样的背景下，如何兼顾用户个体的体验和网络整体的性能，为用户选择最优的网络资源，提供更为优质的网络服务，是5G 网络面临的巨大挑战。

当前业界对于5G 网络用户感知差判决，主要基于RSRP（Reference Signal Receiving Power，参考信号接收功率)、SINR（Signal to Interference plus Noise Ratio，信噪比）2 个维度，缺少基于业务类型的判决因子，以及对于异频迁移场景，存在由于切换测量GAP 的原因，导致出现切换前后速率下降，切换时间过长等影响感知的问题。

本文提出了5G 无线智能编排方案[1～4]，引入阻塞率的概念，并与RSRP、SINR 形成多维判决，达到更加灵活、敏捷的业务体验判决机制。同时，研究无线栅格[5]构建知识库能力，为用户寻找最优的服务模式、服务频率和服务小区，以期最终实现用户体验的提升。

1 5G无线智能编排原理

1.1 基本原理

5G 无线智能编排方案基于4G 全覆盖、5G 性能更优但覆盖尚需进一步部署和优化的事实前提，应用于4G/5G 多频层网络。其原理是，基站实时监测在线用户的网络感知和体验，当发现用户体验变差时，综合考虑终端能力、业务需求、终端的时空位置，以及终端当前位置上5G、4G 网络所能提供的服务能力，如覆盖频率层数、各频层上下行带宽、相关小区负荷、干扰、频谱效率等，再结合4G/5G 无线指纹栅格知识库能力，为用户寻找最优的服务模式、频率、小区，最终实现用户体验的提升。

无线智能编排方案理念可表达为公式（1）：

该公式是无线智能编排理念的表达，并非软件代码中有该计算式。

其中，输出参量：

PmaxD表示用户体验最优解，即最优的服务模式、服务频点、服务小区。其中服务模式包括：5G 单载波、4G单载波、5G 或4G CA（Carrier Aggregation，载波聚合[6]）、4G/5G DC（Dual Connectivity，双连接[7]）等。

输入参量：

N1x表示在终端当前时空位置上网络能够提供的服务能力，如终端当前位置有几层频率覆盖及其指标性能、各频层小区的RRC（Radio Resource Control，无线资源控制）连接数负荷、上下行PRB（Physical Resource Block，物理资源块）占用率负荷、频率带宽及剩余可用资源、上下行干扰、频谱效率、载波聚合、4G/5G 双连接、邻区协同关系等。

S 表示业务需求及用户的业务体验，根据5QI（5G QoS Identifier，业务质量标识）、切片标识、DPI（Deep packet inspection，深度包检测技术[8]）识别业务类型，或者根据业务量识别大包、小包业务获取并配置业务需求。不同业务对阻塞的容忍度是不同的，例如视频直播是上行大包业务，如果用户处在质差场景，数据包累积未发送造成堵塞，用户体验就会很差，而即时消息这些小包业务，往往封装在一个小数据包内，不存在累积问题，几乎没有堵塞。因此，可以通过用户业务使用的堵塞情况衡量其业务体验。

L 表示终端在网络中的时空位置，基站通过UE 测量与无线指纹栅格定位等方法获知终端的信号场强位置。

D 表示终端能力，比如：载波聚合、4G/5G 双连接频段组合能力，频率支持能力、测量能力等。

∆表示无线指纹栅格知识库的原子能力，包括栅格划分、用户所在的栅格位置、栅格相关的事件等，主要体现当前位置及相邻区域的网络服务能力，以及未来可扩展的其他跨域信息。

无线智能编排方案通过用户终端的切换过程来实现，编排属于判决，切换属于执行。由上述公式可见，相比传统的切换，无线智能编排能更准确地评估源小区的用户体验，更精确预判切换至目标小区的用户体验。

1.2 实现流程

无线智能编排的总体实现流程如图1 所示。

图1 无线智能编排总体实现流程

无线智能编排方案中，基站实时监测用户的数据传输拥堵状态和上下行信道质量，据此实现用户体验的更精准评估。详细说明如下：

在数据传输堵塞状态方面，移动通信网络主要是一个端到端的数据传输管道，无线基站负责空口部分的管道。当数据包在空中接口上传输流畅，不堵塞，就可以认为无线侧的用户体验得到了保障。反之，当数据包在空中接口传输不畅，发生堵塞，用户就会有体验到速率低、时延大、卡顿等问题。

因此，无线智能编排方案提出用户终端级的数据传输堵塞率指标，即上行或者下行待发送的缓存数据量与该方向一段时间内已经发送的数据量的比值。基站依据该指标，实时评估每个在线用户的体验。

无线空口资源有限，当网络处于高负荷状态，可用资源不足，或者用户处于弱覆盖位置或者高干扰场景下，空中接口信道质量下降时，便容易发生数据传输堵塞。一般来说，大包业务更容易发生堵塞，小包业务相对不容易发生堵塞，这一点也是无线智能编排方案在适配业务差异化方面的体现。

通过实验室测试及大量外场测试与用户感知的拟合，可以得到5G 3.5 GHz堵塞率与上行速率的映射关系如图2所示。

图2 5G 3.5 GHz堵塞率与上行速率映射关系

在上下行信道质量方面，无线智能编排方案通过SSBRSRQ（Synchronization Signal and PBCH block Reference Signal Receiving Quality，同步信号和PBCH 块参考信号接收质量）、SSB-SINR（Synchronization Signal and PBCH block Signal to Interference plus Noise Ratio，同步信号和PBCH 块信噪比）、SE（Spectrum Effectiveness，频谱效率[9]）来评估用户的下行信道质量。其中SSB-RSRQ 和SSB-SINR 通过用户终端的测量报告来获取，这两个指标只能表征SSB 信号的质量，主要用于小带宽场景。对于大带宽场景，终端使用的频谱范围广，SSB 评估准确度不高，可以通过用户终端的下行频谱效率来评估。

无线智能编排使用SingleRB_SINR（Single Radio Bearer_Signal to Interference plus Noise Ratio，单无线承载信噪比[10]）来评估用户上行信道质量，即假定终端将上行最大发射功率都使用在一个RB（Radio Bearer，无线承载）上时，该RB 可以达到的上行SINR 值。相比于直接测量到的每个RB 的SINR（Signal to Interference plus Noise Ratio，信噪比）而言，SingleRB_SINR 消除了上行调度RB 数的差异给信号质量评估带来的影响，更贴近终端在当前的无线信道环境下，上行方向可以达到的最大质量。

通过实验室测试及大量外场测试与用户感知的拟合，得到5G 3.5 GHz SingleRB_SINR 与上行速率的映射关系如图3 所示。

图3 5G 3.5 GHz上行信道质量与上行速率映射关系

为了区分严重程度，可以根据堵塞率与上行速率的映射关系，把数据传输堵塞率按严重堵塞、中度堵塞和不堵塞进行简单分档，同样地，把信道质量也按严重质差、中度质差、轻度质差和不质差进行分档。通过2 个因素的组合，将触发无线智能编排的场景进行细分。

以5G 3.5 GHz 场景为例，表1 代表不同场景下，无线智能编排判决进行迁移的参数门限建议。其中堵塞率与信道质量表征质差程度，堵塞率优先级高于SINR，当严重阻塞时（以上行堵塞率ulBlockRatio>=600 为例），即使信道质量属于轻度质差（以SingleRB_SINR>=21 dB为例）也建议进行迁移；反之，当不堵塞时，只有在严重质差情况下，业务才进行迁移。

表1 5G 3.5 GHz场景不同阻塞率与信道质差门限下判决迁移的建议

对于目标小区的选择，无线智能编排方案相比传统切换也进行了优化。

传统的切换策略对于目标小区的选择只判决目标小区的下行覆盖，即用户终端测量上报的RSRP，很难保障用户切换到目标小区之后的用户体验。无线智能编排方案除了基于用户终端测量报告，还引入了“基于无线指纹栅格”和“基于基站间的信息交互”2 种方式。

以上所述3 种方式具体如下：

（1）基于用户终端测量报告，一次只能上报一个频点的测量结果，可以获取单个频点邻区的下行RSRP、RSRQ、SINR 信息。

（2）基于无线指纹栅格预判，可以全面获取所有异频和异系统邻区的信息，包括：RSRP、RSRQ、SINR，切换成功率等，还能节省用户终端测量时间，避免终端在测量的GAP 期间暂停调度导致的性能损失。

（3）如图4 所示，基于基站间信息交互，其中5G 系统内的站间邻区通过Xn 口交互，需要增加私有消息或者在标准消息中扩展私有信元。对于4G 邻区，目前3GPP没有定义4G/5G 站间的信令接口，因此需要打通4G/5G站间的私有接口，这里暂称Xe 接口，实现私有消息交互。

图4 5G Xn口交互

无线智能编排方案通过上述途径，判断终端当前所在位置上有几层网络覆盖，筛选RSRP 合适的异频和异系统邻区做为候选小区（无线智能编排主要针对多频层、多载波或异系统协同，对于属于一般切换范畴的同频不在本文讨论），然后参考每个候选小区的RRC 连接数、上下行PRB 利用率、带宽及剩余可用资源、上下行干扰和频谱效率等，综合判断并选择可聚合带宽资源最大聚合模式及频率组（主要用于5G 小带宽场景），或者选择单载波体验预判最优的服务频率和小区。

在上述判决过程中，无线指纹栅格发挥了很重要的作用，其构建方法如图5。

图5 5G多频网切换判决过程示意图

（1）收集大量的同频测量报告样本数据，基于服务小区RSRP 和两个最强同频邻区的RSRP，使用AI 聚类算法[11-13]进行栅格划分；

（2）基于实时的同频测量报告，服务小区RSRP和两个最强同频邻区RSRP，定位用户当前在哪个栅格位置；

（3）根据功能需要统计每个栅格位置上发生的事件，如：测量到的异频和异系统邻区的RSRP、RSRQ、SINR、切换成功率等；

（4）基于栅格定位和栅格中的大量的数据统计如图6，为应用模块提供异频和异系统邻区的信息预测服务[14]（常见的预测模型包括时间序列法，如ARIMAX[15]）、回归方法[16]、神经网络（比如LSTM[17]、PROPHET[18]）等，预测组件利用训练好的模型结合历史负荷信息可以输出精准的预测结果。

图6 5G指纹栅格数据应用过程

基于无线指纹栅格，可以全面获取所有异频和异系统邻区的信息，辅助于对目标小区的精准选择。也可以基于指纹栅格预判目标小区的RSRP，实现免测量切换，减少整体处理时延，减少用户在体验差状态的停留时间，避免测量GAP 停调度带来的性能损失。

通常目标小区选择采用下行覆盖、负荷、信道质量综合判决，具体过程如下：

（1）指纹栅格构建邻区最强电平强度集合{（RSRP1，频点1），（RSRP2，频点1），（RSRP1，频点2），（RSRP1，频点2）....}；

（2）基于最强RSRP 频点，判决该目标小区负荷门限（如：上行PRB 利用率[19]<75%），若不满足门限，则更换同频点下次强RSRP 小区；

（3）当满足门限后，继续判决该目标小区SINR 门限（如：SINR>22 dB），若不满足门限，则更换同频点下次强RSRP 小区；

（4）若异频邻区轮询步骤（2）和（3）未满足，则基于异系统测量结果轮询；

（5）若异频、异系统均未发现最优目标小区，则负荷、信道质量门限降档判决。

由于没有测量过程，基于指纹栅格总体时延可降低80% 以上。见图7 所示，传统的切换过程需要先发起UE测量，等待UE 测量报告消息，然后才能发起切换重配过程。整体的处理时间大约500 ms，其中测量过程的时间大约400 ms，基于指纹栅格的免测量切换节省了测量过程，即总体时延可降低80% 以上。

图7 5G基于指纹栅格切换过程

同时，基于指纹栅格避免测量GAP 暂停调度带来的损失，性能提升8%～ 25%。见图8 所示，现网一般默认配置测量GAP 周期为80 ms，GAP 长度为6 ms，即每80 ms 中有6 ms 时间停止调度，让UE 离开服务小区去执行对其他异频或异系统频点的测量。实际上在6 ms GAP 之前的1～4 ms也需要停止调度，因为这些调度的反馈会落入6 ms GAP中，基站也是收不到的。因此在80 ms 周期中，总共可能有7～10 ms 时间停止调度，无法进行数据传输，这个性能损失在8.75%～12.5%。现网有些区域的测量GAP 周期配置为40 ms，那么该损失将扩大一倍，最大达到25%。而基于指纹栅格的免测量切换，则能避免测量GAP 停调度带来的损失，性能增益提升8%～ 25%。

图8 基于指纹栅格切换GAP收益计算

2 无线智能编排应用

无线智能编排方案可用于多种场景，如4G/5G 双层覆盖场景、5G 多频多层覆盖场景、5G 小带宽多频载波聚合或4G/5G 双连接场景等。考虑到5G 国内外主流的3.5 GHz 频段组网频率较高，上行容易受限，因此本文重点针对5G 3.5 GHz 上行弱覆盖场景，开展基于上行用户体验触发的4G/5G 无线智能编排方案验证和应用，为后续的场景化应用提供参考。

为降低验证的复杂性，本次应用不实施5G 多频间的无线智能编排，也不考虑终端载波聚合和双连接频段组合能力，不做最优聚合模式和频率组的无线智能编排。

本次应用验证区域包含36 个3.5 GHz 频段5G 站点，站点连片分布，区域内4G 网络信号覆盖质量较好，站点分布如图9 所示。

图9 智能用户编排方案试点区域图

2.1 典型业务体验

在上述验证区域开展抖音、王者荣耀、网页浏览、虎牙直播、视频通话、FTP 等典型业务的测试对比，分析无线智能编排对不同业务的用户体验的影响。

如前文所述，无线智能编排公式中用户体验的最优解主要受N1x、S、L、D 和∆ 等参数影响。N1x、S、L 和D 与网络参数配置映射关系具体分述如下。在N1x方面，当网络层为3.5 GHz NR 时，小区带宽为100 MHz，SingleRB_SINR 门限设为21、15 dB，异系统质切B2-1 门限设为-113 dBm；当网络层为2.1 GHz LTE 时，小区带宽为40 MHz，SingleRB_SINR 门限设为14、8 dB，异系统质切B2-1 门限设为-113 dBm。在S方面，3.5 GHz NR 的堵塞率ulBlockRatio 门限为400-600，2.1 GHz LTE 的堵塞率ulBlockRatio 门限为1 200-1 600。在L 方面，一般配置UE 测量RSRP 门限为-116 dBm。在D 方面，频率上可以支持3.5 GHz、2.1 GHz 和1.8 GHz，不能支持载波聚合和双连接频段组合。

在无线智能编排方案的公式中，∆表征的是指纹栅格的构建函数，一般是通过基站底层AI 原子能力的方式来实现，在实际方案应用时直接进行能力调用，无需再进行参数配置。以本次应用为例，指纹栅格构建至少应包括因素如表2。

表2 5G指纹栅格构建因素表

测试发现，未应用无线智能编排方案时，切换一般采用基于信道质量RSRP 实施一刀切的判决，如果切换参数门限配置较低则无法满足直播业务的感知诉求，如果切换参数门限配置较高又会令抖音和游戏等上行小流量业务过早切到4G 小区，无法兼顾。

应用无线智能编排方案后，实现了基于信道质量兼顾基站调度堵塞率等实时状态的精准用户体验判决，对于直播、视频通话、FTP 等大流量业务，在上行数据出现堵塞时，可以及时迁移到4G 小区，保障了用户体验不变差；对于抖音和游戏等上行小流量业务，通过上行堵塞率准确判决业务体验未变差，继续留在5G 小区接受服务，最后当信道质量严重变差时再切换到4G 小区。保证了业务良好体验的连续性。

测试资源配置如表3 所示。详细测试结果如表4。

表3 5G 3.5 GHz场景下智能用户编排试点测试软件及环境配置

表4 抖音、直播业务在功能开启前后门限对比

对比可见，应用无线智能编排方案后，大流量业务体验得到有效保障的同时，小流量业务体验也保持平稳，总体用户体验上升。

进一步观察大流量业务的体验变化可见，应用无线智能编排方案后，大流量业务切换时机更为精准，切换前后用户体验更为平稳，具体如表5、图10、图11 所示。

表5 无线智能用户编排功能应用前后效果对比

图10 普通切换场景切换点前后用户感知趋势图

图11 智能用户编排场景切换点前后用户感知趋势

对比试点区域无线智能编排方案应用前后的网络性能指标，可以看出无线智能编排方案应用后，及时将上行体验差的用户切换出去，上行速率低的占比明显减少，指标改善明显，其他指标保持稳定，如表6 所示。

表6 功能部署前后，5G网络关键KPI对比

2.2 实际应用总结

无线智能编排方案通过实时监测每个在线用户的体验，准确识别体验变差的用户，将其及时迁移至体验有改善的小区，同时也能够避免对小包业务的误切。本次应用验证表明无线智能编排的功能效果符合预期，5G 网络弱覆盖场景用户感知得到明显提升，网络指标也相应改善，说明无线智能编排方案切实可行，具有实际应用价值。

当前为了提升5G 覆盖和网络效益，尽可能让用户驻留使用5G 网络，5G 到4G 的互操作门限普遍设置较低，这样的策略虽然对提升5G 分流比有一定作用，但同时也会导致5G 覆盖边缘用户的感知劣化，在部分特殊场景下，5G 的实际感知速率反而不如同地点4G 的网络体验好，容易引发客户投诉。引入无线智能编排方案可以改善上述情况，提升用户总体体验。

3 结束语

未来无线智能编排方案将持续演进，针对无线网络发展的不同阶段及差异化价值诉求，无线智能编排方案将可以实现基于不同意图的驱动[20]，如面向双碳目标的节能意图，面向流量最大化的运营收入意图，或节能、用户体验、运营收入等的综合意图。

随着跨域信息的引入，通过无线智能编排进一步深化ToB（To Business，面向企业）和ToC（To Customer，面向用户）的联合编排，可在一张网络中更好地实现用户体验与网络效率的灵活协同能力，让5G 更好地助力全社会的数字化转型。同时借助数字孪生技术，实现物理网络与数字网络的精准镜像，从而实现更加精确和高效的编排。