大數據分析下的LTE網絡結構優化

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了大數據分析下的LTE網絡結構優化范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：傳統LTE網絡結構問題的發現主要依靠人工測試和分析，費時費力。對全網MDT重疊覆蓋率高柵格、Speedtest預測速率低柵進行初篩選，通過對篩選后的柵格進行聚類，并利用凸包算法形成問題包絡，然后匹配OTT用戶SINR和業務感知指標，上述指標均較差包絡作為最終需要優化包絡，這大大提升了問題包絡的判斷準確性。最后對包絡內小區進行MR、KPI、MOD3干擾、覆蓋合理性分析，篩選出問題小區作為優化依據。這有利于提高問題定位的效率和準確性，降低測試和分析的成本，改善網絡質量。

關鍵詞：MDT；柵格速率；OTT；聚類；包絡

1引言

隨著移動互聯網業務的普及，LTE網絡負荷面臨較大壓力。網絡結構合理性決定了網絡的性能，隨著用戶和業務的快速增長，網絡結構對網絡性能和客戶感知的影響愈發明顯[1]。同時，5G建設規模逐漸增加，LTE網絡擴容投資乏力，如何提升現有網絡LTE基站效能成為一項重要課題。LTE網絡城區由于存在高站、近站、夾角過小站點的相互影響，同頻干擾較嚴重，基站頻譜效率受到很大的抑制。網絡結構不合理會產生SINR差、數據速率低等問題，大大降低LTE系統的優越性[2]。如果依靠傳統的人工測試和分析方法，網絡結構問題的發現費時費力。而利用MDT、Speedtest柵格預測速率、OTT等進行多維度、大數據、自動化評估分析，篩選出有問題包絡，并對包絡內影響網絡整體性能的問題小區進行評估分析，作為優化人員優化的依據，可大大提升工作效率。

2網絡結構問題分析

2.1MDT柵格數據分析

（1）重疊覆蓋率高柵格篩選在大數據時代，用戶多集中在室內區域，僅依靠傳統路測手段，遠不能體現用戶真實的業務體驗[3]。最小化路測技術（MDT，MinimizationofDrive-tests），是3GPPR10階段引入的一種自動化路測技術。相比普通測量報告（MR），MDT的最大特點是能采集到測量結果對應的精確位置（經緯度信息）[4]。將海量的MDT數據進行20米*20米或50米*50米柵格化處理，形成柵格中心經度、柵格中心緯度、柵格RSRP均值、總采樣點數量、弱覆蓋采樣點數量、重疊覆蓋采樣點數量等柵格網絡覆蓋信息。利用MDT數據，計算50米*50米柵格重疊覆蓋率，并對重疊覆蓋率高柵格進行初篩選，形成重疊覆蓋率高柵格，然后對MDT重疊覆蓋率高柵格進行聚類，其中，重疊覆蓋采樣點比例為重疊覆蓋采樣點數量和總采樣點數量的比值。（2）重疊覆蓋率高柵格聚類DBSCAN（DensityBasedSpatialClusteringofApplicationwithNoise）算法是一種基于密度的聚類算法，這類密度聚類算法一般假定類別可以通過樣本分布的緊密程度決定，將緊密相連的樣本劃為一類。將所有各組緊密相連的樣本劃為各個不同的類別。DBSCAN算法中有兩個重要參數：Eps和MmPtS。Eps是定義密度時的鄰域半徑，在此表示聚類鄰近柵格最長距離；MmPts為定義核心點的閾值，在此表示聚類柵格最小個數。重疊覆蓋率高柵格聚類效果如圖1所示。（3）凸包算法繪制包絡以聚類簇標簽為單位對聚類柵格經緯度進行凸包生成，形成包絡，原理如圖2所示。利用凸包算法對弱覆蓋柵格包絡進行繪制，形成的重疊覆蓋凸包絡如圖3所示。

2.2Speedtest預測速率分析

通過帶經緯度的MDT數據可以得到柵格主覆蓋基站小區信息，用帶有基站小區信息的柵格粒度用戶感知數據關聯柵格主覆蓋小區的覆蓋、質量、負荷、性能等KPI（KeyPerformanceIndicators，關鍵性能指標），生成柵格粒度用戶感知速率預測的訓練樣本集，其中用戶感知速率是預測目標，其他關鍵指標是用于預測用戶感知速率的多維特征[5]。柵格預測原理如圖4所示，通過預測全網Speedtest柵格速率，并對低速率柵格進行篩選聚類，形成低速率包絡。

2.3OTT數據分析

OTT（OverTheTop）是發展基于開放互聯網的各種視頻及數據服務業務。利用OTT數據提供的經緯度位置的SINR值，可大大減少人工測試量，并與評估的網絡問題包絡進行匹配。根據初篩選MDT重疊率高包絡、預測柵格速率低包絡進行匹配，篩選重疊或相互交疊包絡，然后利用OTT數據與交疊包絡進行匹配，評估出二次差包絡，最終形成需優化包絡，如圖5所示。

3包絡問題小區評估

（1）小區覆蓋合理性核查針對每一個基站小區和周邊基站距離按照一定規則建立分層，并建立每個小區的分層鄰區距離表，其中O點代表要判斷的基站經緯度，A、B、C點分別代表離基站O點最近的層1、層2、層3基站距離，如圖6所示。初步定義公式（1）為城區小區覆蓋過遠，公式（2）為小區覆蓋過近。覆蓋過遠定義：，（1）覆蓋過近定義：，（2）式中：d為平均站間距，定義為覆蓋遠近系數，。建議優先處理覆蓋遠近系數λ過大和過小的小區[6]。（2）鄰區漏配/MOD3核查流程根據每小區主覆蓋方向建立小區鄰區星座圖，判斷互為主覆蓋方向層3內是否存在鄰區。如果漏配鄰區則輸出到漏配鄰區表中，判斷互為主覆蓋方向層3內PCI配置。如果PCI沖突或MOD3干擾，則輸出PCI沖突或MOD3干擾問題小區。具體流程如圖7所示。

4結論

隨著用戶和業務的快速增長，網絡結構對網絡性能和客戶感知的影響越加明顯。傳統依靠人工測試和分析lte網絡結構問題費時費力。網絡結構不合理會產生SINR差、數據速率低等問題，大大降低LTE系統的優越性。利用MDT、Speedtest柵格預測速率、OTT等進行多維度、大數據、自動化評估分析，篩選出有問題包絡，并對包絡內影響網絡整體性能的問題小區進行評估分析，有利于提高問題定位的效率，降低測試、分析的人工和時間成本，有效改善網絡質量。

參考文獻：

[1]岳軍,陶琳,趙明峰.基于MR的TD-LTE網絡重疊覆蓋優化方法研究[J].電信工程技術與標準化,2018(10):67-71.

[2]鐘檢榮，王曉亮，蔡凱.基于MR采樣數據的LTE網絡結構優化方法研究[C].2015信息通信網技術業務發展研討會,2015(9):234-246.

[3]黃友亮.基于MR的LTE網絡結構優化分析應用[J].廣東通信技術,2016(1):46-50.

[4]聶磊.淺談MDT功能在網絡優化中的應用[J].移動信息,2019(3):18-20.

[5]王科,楊宗林,袁滿.基于機器學習的無線網絡用戶感知速率智能預測研究[J].電信工程技術與標準化,2020(2):25-27.

[6]楊宗林,王科,王君.農村網絡結構優化及用戶感知提升新思路[J].電信工程技術與標準化,2020(4):38-40.

作者：楊宗林 王科 孟凡良 單位：中國聯通山東省分公司