一种基于大数据的EPS FB 语音感知精准优化方法研究

［邓寿提］

1 引言

目前5G 网络的语音策略主要为VoNR，但仍有大量业务是基于EPSFB(Evolved Packet System Fallback，5G 网络侧语音回落)返回4G 网络进行语音业务。EPSFB 语音业务从5G 回落到4G 有两种模式，包含基于切换模式与基于盲重定向模式,如图1 所示。盲重定向在数据配置、回落时延均优于切换，但部分终端及芯片存在下发的频点搜索不到有效小区，导致回落成功率低的问题，需基于场景差异化设置。

图1 语音业务从5G 回落到4G 的两种模式

某省网络中EPSFB 策略统一默认配置，不符合复杂多变的网络结构及场景需求，尤其是在EPSFB 回落策略的设置、回落目标小区的选择、室内SA 用户语音以及4G到5G 的FR（Fast Return）返回时延等方面的优化存在着较大挑战（如图2 所示），因此开展精准的EPSFB 语音感知优化刻不容缓。

图2 现网EPS 回落存在的问题

2 基于大数据的EPSFB 感知优化方法研究

基于大数据[1～3]的EPSFB 感知提升方案，主要利用网管配置及小区指标数据，结合炎强平台大数据统计分析获取终端用户回落的4G 小区频点分布、以及挂机时对应的4G 小区频点分布等信息[4～6]，进行最佳回落模式评估、频点优先级设计、场景细分、邻区配置以及快速返回评估等操作，最终实现5G 语音用户的稳定感知。

2.1 EPSFB 回落模式选择原则

通过网管性能指标及炎强终端回落大数据统计，基于切换的回落模式在回落成功率以及接通率方面优于基于盲重定向模式，但在回落时延[7～9]性能方面，基于盲重定向的回落表现较好，如表1 所示。

表1 基于切换与基于盲重定向的EPSFB 回落方式性能对比

在邻区及频点配置方面，基于切换模式要求必须准确配置邻区、必须配置N26、可下发多个频点。基于盲重定向模式的配置较为简单，需配置频点和邻区，精准度要求不高，无需配置N26，仅下发优先级最高频点。如表2 所示。

表2 基于切换与基于盲重定向的EPSFB 回落方式配置对比

通过两种回落方式的对比分析，制定了回落方式的选择原则：

盲重定向模式：网络接通率好且回落4G 小区集中在一个频点。

基于切换模式：网络接通率差或者回落的4G 小区频点分布较为分散。

2.2 EPSFB 回落频点设计

回落频点的设计，应以提升语音用户接入感知体验为目标，综合利用各类数据，通过匹配现网的网络结构、拓扑场景，进行两两小区对的回落频点合理性评估、回落频点优先级设置等，结合细分场景，最终实现精细化、差异化的回落频点选择。

（1）基于网络需求及性能的回落频点选择

目前阶段，基于LTE(Long Term Evolution,长期演进)组网，按锚点-＞覆盖层-＞语音层等基本原则选择回落LTE 频点(最多8 个)，如图3 所示。

图3 回落频点选择

按照4/5G 频点拓扑进行地理化呈现，确保回落频点包含覆盖层。根据EPSFB 回落成功率和接通率大数据分析（如图4 所示），最终确定各频点性能由高到底依次为E1=FDD1800＞D3＞F1＞FDD900。

图4 场景拓扑及EPSFB 接通及回落成功率

（2）基于用户分布及感知的回落频点评估

基于炎强平台端到端大数据，挖掘用户分布规律，调整频点回落优先级。通过分析，不同回落频点的RTP(Real-time Transport Protocol)上行丢包率逐渐劣化的次 序 为E1=FDD1800＞D3＞F1＞D7＞A＞ FDD900（如 图5所示）。

图5 各回落频点RTP 上行丢包率评估

根据LTE 频点EPSFB 回落指标和通话质量评估，推荐的EPSFB 回落频点优先级设置如下（优先级由高到底）：

室内：E1＞FDD1800＞FDD900 室外：FDD1800＞D3＞F1＞FDD900 。

（3）分场景设置EPSFB 回落频点优先级

分室内外场景细分配置EPSFB 回落频点优先级，结合站型、共址宏站有无FDD1800FD、室内有无室分站点等情况，针对切换的回落给出具体的场景划分及回落频点优先级设置建议（如表3 所示）。室内场景优先回落E1，室外优先回落FDD1800。

表3 基于切换的EPSFB 回落分场景细分配置

（4）精细优化实现最佳目标小区回落

EPSFB 回落频点优先级按照场景设置完成之后，仍需要对场景内的小区做出针对性的优化。但是现网小区众多，无线环境多变，通过人工配置显然不能满足要求。基于大数据来优化可以很好的解决人工的局限性。

算法方案：结合5G →4G 回落的大数据以及回落的4G 小区的VoLTE 指标情况，针对占比小且指标差的小区降低频点优先级，针对回落占比高且指标较差的4G 小区优先推动优化，针对占比高且指标好的4G 小区提升频点VoLTE[10,11]（Voice over Long-Term Evolution，长期演进语音承载）优先级，算法流程步骤如表4 所示。

表4 最佳频点筛选流程表

（5）高铁场景回落频点设置

目前高铁周边FDD 及F 频段存在公专网部分重叠，频点干扰大，EPSFB 存在回落失败风险，基于高铁公专网频率使用现状，EPSFB 回落频点从FDD1800 调整为干扰相对较低的D7，提升回落成功率，如表5 所示。

表5 最佳频点筛选流程表

2.3 EPSFB 回落邻区配置规则

通过大数据对起始5G 小区和回落4G 小区的交叉数据分析，通过回落邻区个数（如图6 所示）和回落邻区距离（如图7 所示）的呈现结果来优化5G →4G 邻区配置，相比传统的基于拓扑的邻区优化更加精准。

图6 EPSFB 回落邻区和占比

图7 回落邻区、距离分析图

通过EPSFB 回落邻区、回落占比及回落距离分析(99.9%的回落邻区在30 个以内，并且回落距离小于2.5KM)，制定邻区配置原则及邻区优化方案如下。

邻区配置原则：

①5G →4G邻区：最多选择8个4G频点规划5G →4G 邻区，频点外的4G 小区无需规划。

② 选择8 个频点主要考虑本地网LTE 频点属性，建议基础覆盖层频点+室分频点+主力容量层频点（可选）。

邻区优化方案

（1）NR(New Radio)宏站配置4G邻区尽量少于30个，最多不要超过50；

（2）NR 室分配置4G 邻区小于10 个；

（3）添加邻区距离小于2.5 公里；

（4）特殊场景比如高铁、室分，添加的4G 邻区应尽量少，根据实际情况配置。

2.4 实现快速返回

当UE(User Equipment)结束VoLTE 业务（EPSFB），当NR 大于一定门限，则UE 重定向回NR，提升用户感知体验，FR 流程如图8 所示。

图8 FR 流程图

语音业务结束后，为了实现用户由LTE 到NR 的快速返回，邻区配置原则如下：

（1）每个LTE 频点均配置5G 邻区。

（2）NR 外扩二层或参考锚点覆盖范围内的LTE 小区均升级支持互操作并配置4G →5G 邻区。

（3）NR 多频点时，覆盖层优先，提升FR 成功率和5G 占用率。

目前LTE 到NR 的FastReturn 功能需要LIC(License)，因此在该功能的LIC 分配上，应遵循如下原则：（1）原则上全部FDD1800 配置有4G →5G 互操作lic。（2）NR 宏站1.5 公里内的E1 室分、NR 室分共站的E1 室分，需配置4G →5G 互操作License。

对于LIC 不足需要拆闲的，应根据大数据统计，3天返回次数＞40 次，或3 天回落次数＞40 次，建议配置4G →5G 互操作lic，否则非FDD1800 和E1，建议腾出License。

3 方案实施效果

基于大数据的EPSFB 语音感知优化，通过分场景策略制定优化、细分场景回落频点优先级、基于大数据优化小区回落场景优先级、邻区优化、Fast Return 优化等一系列策略优化整治后，提升明显（如图9 所示），达到预期效果。

图9 方案实施效果

（1）室内用户感知提升：EPSFB 回落室分E1 占比从2.53%上升到14.7%。

（2）回落成功率大幅改善：EPSFB 回落成功率从98.63%改善至99.88%。

（3）接通率大幅提升：接通率从98.71%改善至99.65%。

（4）掉话率大幅下降：掉话率从0.24%改善至0.12%。

（5）丢包率大幅下降：RTP 上行丢包率从0.26%提升0.16%。

（6）回落时延大幅缩短，快速返回占比得到提升：EPSFB 回落时延从1 428 ms 改善至1 358 ms；FastReturn的2.5 秒返回占比从82.7%提升到84.5%。

4 结束语

本文研究基于大数据优化EPSFB语音感知优化方法，并以实例展示了不同场景下回落模式的差异选择、回落策略、回落频点优先级、邻区配置、FR 返回方式等方面的创新应用，可有效改善用户EPSFB 语音感知问题，在用户满意度提升方面，取得了显著效果。在大数据化、智能化的浪潮中，为未来进一步搭建更精准的数智化运维平台提供了宝贵经验。