大数据分析下的LTE网络结构优化

前言：想要写出一篇引人入胜的文章？我们特意为您整理了大数据分析下的LTE网络结构优化范文，希望能给你带来灵感和参考，敬请阅读。

摘要：传统LTE网络结构问题的发现主要依靠人工测试和分析，费时费力。对全网MDT重叠覆盖率高栅格、Speedtest预测速率低栅进行初筛选，通过对筛选后的栅格进行聚类，并利用凸包算法形成问题包络，然后匹配OTT用户SINR和业务感知指标，上述指标均较差包络作为最终需要优化包络，这大大提升了问题包络的判断准确性。最后对包络内小区进行MR、KPI、MOD3干扰、覆盖合理性分析，筛选出问题小区作为优化依据。这有利于提高问题定位的效率和准确性，降低测试和分析的成本，改善网络质量。

关键词：MDT；栅格速率；OTT；聚类；包络

1引言

随着移动互联网业务的普及，LTE网络负荷面临较大压力。网络结构合理性决定了网络的性能，随着用户和业务的快速增长，网络结构对网络性能和客户感知的影响愈发明显[1]。同时，5G建设规模逐渐增加，LTE网络扩容投资乏力，如何提升现有网络LTE基站效能成为一项重要课题。LTE网络城区由于存在高站、近站、夹角过小站点的相互影响，同频干扰较严重，基站频谱效率受到很大的抑制。网络结构不合理会产生SINR差、数据速率低等问题，大大降低LTE系统的优越性[2]。如果依靠传统的人工测试和分析方法，网络结构问题的发现费时费力。而利用MDT、Speedtest栅格预测速率、OTT等进行多维度、大数据、自动化评估分析，筛选出有问题包络，并对包络内影响网络整体性能的问题小区进行评估分析，作为优化人员优化的依据，可大大提升工作效率。

2网络结构问题分析

2.1MDT栅格数据分析

（1）重叠覆盖率高栅格筛选在大数据时代，用户多集中在室内区域，仅依靠传统路测手段，远不能体现用户真实的业务体验[3]。最小化路测技术（MDT，MinimizationofDrive-tests），是3GPPR10阶段引入的一种自动化路测技术。相比普通测量报告（MR），MDT的最大特点是能采集到测量结果对应的精确位置（经纬度信息）[4]。将海量的MDT数据进行20米*20米或50米*50米栅格化处理，形成栅格中心经度、栅格中心纬度、栅格RSRP均值、总采样点数量、弱覆盖采样点数量、重叠覆盖采样点数量等栅格网络覆盖信息。利用MDT数据，计算50米*50米栅格重叠覆盖率，并对重叠覆盖率高栅格进行初筛选，形成重叠覆盖率高栅格，然后对MDT重叠覆盖率高栅格进行聚类，其中，重叠覆盖采样点比例为重叠覆盖采样点数量和总采样点数量的比值。（2）重叠覆盖率高栅格聚类DBSCAN（DensityBasedSpatialClusteringofApplicationwithNoise）算法是一种基于密度的聚类算法，这类密度聚类算法一般假定类别可以通过样本分布的紧密程度决定，将紧密相连的样本划为一类。将所有各组紧密相连的样本划为各个不同的类别。DBSCAN算法中有两个重要参数：Eps和MmPtS。Eps是定义密度时的邻域半径，在此表示聚类邻近栅格最长距离；MmPts为定义核心点的阈值，在此表示聚类栅格最小个数。重叠覆盖率高栅格聚类效果如图1所示。（3）凸包算法绘制包络以聚类簇标签为单位对聚类栅格经纬度进行凸包生成，形成包络，原理如图2所示。利用凸包算法对弱覆盖栅格包络进行绘制，形成的重叠覆盖凸包络如图3所示。

2.2Speedtest预测速率分析

通过带经纬度的MDT数据可以得到栅格主覆盖基站小区信息，用带有基站小区信息的栅格粒度用户感知数据关联栅格主覆盖小区的覆盖、质量、负荷、性能等KPI（KeyPerformanceIndicators，关键性能指标），生成栅格粒度用户感知速率预测的训练样本集，其中用户感知速率是预测目标，其他关键指标是用于预测用户感知速率的多维特征[5]。栅格预测原理如图4所示，通过预测全网Speedtest栅格速率，并对低速率栅格进行筛选聚类，形成低速率包络。

2.3OTT数据分析

OTT（OverTheTop）是发展基于开放互联网的各种视频及数据服务业务。利用OTT数据提供的经纬度位置的SINR值，可大大减少人工测试量，并与评估的网络问题包络进行匹配。根据初筛选MDT重叠率高包络、预测栅格速率低包络进行匹配，筛选重叠或相互交叠包络，然后利用OTT数据与交叠包络进行匹配，评估出二次差包络，最终形成需优化包络，如图5所示。

3包络问题小区评估

（1）小区覆盖合理性核查针对每一个基站小区和周边基站距离按照一定规则建立分层，并建立每个小区的分层邻区距离表，其中O点代表要判断的基站经纬度，A、B、C点分别代表离基站O点最近的层1、层2、层3基站距离，如图6所示。初步定义公式（1）为城区小区覆盖过远，公式（2）为小区覆盖过近。覆盖过远定义：，（1）覆盖过近定义：，（2）式中：d为平均站间距，定义为覆盖远近系数，。建议优先处理覆盖远近系数λ过大和过小的小区[6]。（2）邻区漏配/MOD3核查流程根据每小区主覆盖方向建立小区邻区星座图，判断互为主覆盖方向层3内是否存在邻区。如果漏配邻区则输出到漏配邻区表中，判断互为主覆盖方向层3内PCI配置。如果PCI冲突或MOD3干扰，则输出PCI冲突或MOD3干扰问题小区。具体流程如图7所示。

4结论

随着用户和业务的快速增长，网络结构对网络性能和客户感知的影响越加明显。传统依靠人工测试和分析lte网络结构问题费时费力。网络结构不合理会产生SINR差、数据速率低等问题，大大降低LTE系统的优越性。利用MDT、Speedtest栅格预测速率、OTT等进行多维度、大数据、自动化评估分析，筛选出有问题包络，并对包络内影响网络整体性能的问题小区进行评估分析，有利于提高问题定位的效率，降低测试、分析的人工和时间成本，有效改善网络质量。

参考文献：

[1]岳军,陶琳,赵明峰.基于MR的TD-LTE网络重叠覆盖优化方法研究[J].电信工程技术与标准化,2018(10):67-71.

[2]钟检荣，王晓亮，蔡凯.基于MR采样数据的LTE网络结构优化方法研究[C].2015信息通信网技术业务发展研讨会,2015(9):234-246.

[3]黄友亮.基于MR的LTE网络结构优化分析应用[J].广东通信技术,2016(1):46-50.

[4]聂磊.浅谈MDT功能在网络优化中的应用[J].移动信息,2019(3):18-20.

[5]王科,杨宗林,袁满.基于机器学习的无线网络用户感知速率智能预测研究[J].电信工程技术与标准化,2020(2):25-27.

[6]杨宗林,王科,王君.农村网络结构优化及用户感知提升新思路[J].电信工程技术与标准化,2020(4):38-40.

作者：杨宗林 王科 孟凡良 单位：中国联通山东省分公司