一种基于5G客户感知的高负荷体系

［肖小潮 朱秋瑜 李梦颖］

1 引言

5G是面向2020年以后移动通信需求而发展的新一代移动通信系统。与4G相比，5G在速率、时延、连接数3个方面提升了系统性能，用户体验显著提高[1]。

伴随用户业务量的快速提升，热点区域的小区会出现高负荷[2]问题，这会直接影响终端的上传下载速率、接通率、掉线率等各项指标,从而导致用户感知急剧下降。因此，当小区出现高负荷时，网络优化工程师需要相应对网络做出调整，以优化用户感知[3]，保障网络运行平稳。如何判断一个小区出现了“高负荷”，是网络优化工程师首要解决的问题：条件定义过高，就会导致工程师判断高负荷不及时，影响用户感知；条件定义过低，就会导致大量小区出现虚假高负荷，浪费人力物力。

传统定义“高负荷”是针对固定带宽，将小区分类为大包中包小包小区，再区别TDDFDD分别设置统一的判决门限，其他带宽则直接按照给定带宽等比折算[4]。然而，5G小区存在天线规模多样化（64T64R32T32R8T8R4T4R…）、带宽多样化（100 M80 M60 M30 M…）、子载波间隔多样化（15 kHz30 kHz…）、时隙配比多样化（8:27:32:3…）的特点，现有技术对“高负荷”的单一判断难以适应5G小区的这些特点；此外，大中小包小区的分类过于粗放，即使两个软硬件配置完全相同的小区均为小包小区，当两个小区下小包业务比例不同时，两个小区达到高负荷影响用户感知的条件也有所差异。因此，如何差异化、精细化、动态化调整“高负荷”的判断条件，在保障用户感知的基础上减少过度优化，节省网络维护成本，成为需要解决的关键问题。

本文构建了一种基于5G客户感知的高负荷体系，通过获取小区配置和状态与小区实时的大小包分布情况作为输入，针对不同小区或同一小区不同时间输出差异化、精细化、动态化的高负荷判断条件。

2 策略原理与应用成效

2.1 系统模型

如图1所示，该模型的特征在于：通过输入（1）用户感知需求、（2）小区配置和状态、（3）小区大小包分布情况，输出小区高负荷判断条件。

图1 系统输入输出模型

输入1包括用户体验速率、用户体验满足度，根据主流业务需求进行设定，为静态可调输入；输入2包括小区带宽、小区子载波间隔、小区时隙配比、小区平均流数、小区平均调制编码阶数，为小区差异化参数，其中小区平均流数、小区平均调制编码阶数为动态输入，随时间变化；输入3包括小包业务比例，为小区差异化参数，同时为动态输入，随时间变化；输出包括小区平均激活用户数、小区小时流量，为小区差异化输出，同时为动态输出，随时间变化。

2.2 输入

2.2.1 用户感知需求

用户感知需求包括用户体验速率[5]和用户体验满足度，该输入指示用户感知对判断“高负荷”提出的根本条件，用于计算满buffer业务下小区平均用户感知速率。

根据3GPP协议32.450定义，体验速率取空口传输数据速率，滤除其它冗余信息，反映提供给用户的平均速率能力，如图2所示。

图2 用户体验速率计算方式

根据3GPP协议36.314定义，体验满足度采用秒级统计每个用户的体验速率，取体验速率大于目标值的占比，表征用户级的满足程度，如图3所示。

图3 用户体验满足度计算方式

从小区角度来看，由于冗余信息的传输，小区需要提供的速率高于实际用户体验速率，通过对满buffer业务下小区平均用户感知速率v、用户体验速率IP Throughput in DL和用户体验满足度S进行现网建模，可以得到三者之间的关系：

2.2.2 小区配置（x）和状态（x,t）

小区配置与小区x相关，包括小区带宽、子载波间隔和小区时隙配比；小区状态包括小区平均流数和小区平均编码调制阶数，受小区覆盖环境和远中近点用户分布影响，与小区x相关，同时随时间t变化，用于计算满buffer业务下小区可达容量。

每个下行符号的有效资源粒子数NRE由小区带宽B（MHz）和子载波间隔SCS（kHz）根据下列公式计算得到：

其中12表示每RB含12个子载波，0.86表示根据3GPP协议38.306扣除0.14系统开销，Table函数表示根据3GPP协议查表获取小区资源块(Resource Block,RB)数，如表1所示。

表1 最大传输带宽配置（38.101-1 Table 5.3.2-1）

每秒下行符号数Nsym由小区子载波间隔SCS和时隙配比DL:UL根据以下公式计算得到：

其中1000表示子载波间隔为15 kHz时每秒含1 000个时隙，14表示每时隙含14个符号；

最终，满buffer业务下小区可达容量C（Mbit/s）可以表示为：

其中L为小区平均流数，MCS为小区平均编码调制阶数，SE(MCS)表示根据3GPP协议查表获取编码调制效率，如表2所示。

表2 编码调制效率（38.214 Table 5.1.3.1-2）

2.2.3 小区大小包分布情况（x,t）

小区大小包分布情况指小区的小包业务比例，与小区x相关，同时随时间t变化，用于将理想状态下的满buffer业务模型转换成实际应用中的混合业务模型。

小包业务比例p通过计算统计周期内小区小包业务的流量占比获取：

此外，小包折算系数α表示α个小包业务用户对资源的消耗相当于1个满buffer业务，可以通过“全大包业务单位时间数据量/全小包业务单位时间数据量”进行计算，现网建模易得α约为5。

2.3 输出

该模型的输出为小区高负荷判断条件（x,t），包括小区平均激活用户数和小区小时流量，与小区x相关，随时间t变化，即每个小区的高负荷判断条件因小区配置和状态、小区实时的大小包分布情况而异，计算流程如图4所示。

图4 小区高负荷判断条件输出流程图

（1）通过输入1和输入2分别计算中间值：满buffer业务下小区平均用户感知速率要求v（Mbit/s）和小区可达容量C（Mbit/s）；

（2）通过满buffer业务下小区平均用户感知速率要求v和小区可达容量C，计算满buffer业务模型支持的小区平均激活用户数m：

（3）根据小包业务比例p和小包折算系数α，折算混合业务模型支持的小区平均激活用户数n和混合业务下小区可达容量D（Mbit/s）：

（4）通过混合业务下小区可达容量D，计算小区小时流量T（GB）:

3 结束语

针对现有技术中“高负荷”判断条件过于单一、粗放和固化的问题，本文提出了一种基于5G客户感知的高负荷体系，通过获取小区配置和状态与小区实时的大小包分布情况作为输入，针对不同小区或同一小区不同时间输出差异化、精细化、动态化的高负荷判断条件，在保障用户感知的基础上，减少过度优化，节省网络维护成本。