基于4g大数据的深度覆盖探测研究

《基于4g大数据的深度覆盖探测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于4G大数据的深度覆盖探测研宄【摘要】随着4G业务的爆炸式增长，终端用户对4G网络质量的要求越发敏感。4G网络深度覆盖不足，尤其是室内深度覆盖问题将制约4G网络质量，影响客户感知。通过挖掘分析4G运营大数据，利用大数据指纹算法、用户行为追踪、及系统的覆盖评估，流程化、标准化、平台化定位网络深度覆盖问题，从而提高网络运维效率，形成了面向网络规划、优化及市场的综合性平台。【关键字】4G深度覆盖网络深度覆盖现状及问题通常对LTE覆盖的调查主要通过DT和CQT进行。DT虽然快捷，但DT—般是沿路线测试，不够全面，不能反映深度覆盖的真实情况；CQJ虽然能反映覆盖情况，但从成本、效率、可靠性

2、、时效性看，明显不足。以2016年中某市运营商对城区部分重点区域的4G网络进行了DT/CQJ摸底测试为例：市区道路覆盖率为97.29%，但室内的深度覆盖整体偏弱，仅有68.85%。可见网络深度覆盖与用户需求相差较远。为了提高用户感知，迫切需要系统化、标准化的全地域定位这些问题点。同时当前网络运行过程中，现有的采集系统生成了海量的MR、信令、DT/CQJ、投诉等数据，这些数据在实际利用也是各自为战，没有综合关联分析、无法快捷高效、准确的定位出网络深度覆盖问题。二、解决方案2.1整体思路依靠实时采集的MR、OMC、信令、投诉等多源大数据，利用高精度定位算法、用户行为识别算法等技术手段，

3、对数据进行自动化分析处理，精准定位深度覆盖问题区域，并快速有效的制定精细一体化的解决方案。整体设计思路如下图1。问题定位和分析：从覆盖、容量、质量、投诉、指标、MR6个维度全面呈现区域、整网现状。结合2、3、4G网络工参数据，专注弱覆盖和网络业务倒流问题的定位。形成小区、区域、用户、终端等多维度报表输出。MR专题分析：利用MR地理?饲■)?据，定位出网络弱覆盖、重叠覆盖、模3干扰、PRB利用率等问题区域。解决方案输出包括三个方面：面向市场:潜在发展用户、面向规划:面向优化:囊括潜在用户发展区域、锁网用户、潜在用户终端，关注市场需求。结合现网实际呈现建设规划方案。小区、区域KPI呈现

4、，投诉、虚拟测试。2.2技术创新深度覆盖问题定位方面的技术创新主要包括指纹库算法、用户行为识别算法及全方位覆盖评估等三方面，不仅大大提高了MR定位精度，而且还提升了深度覆盖、业务价值、用户感知、竞对覆盖等全方面网络评估的可靠性：指纹库算法是指采用日常的道路DT/CQT拨打测试数据作为训练样本指纹库，将MR数据与之进行匹配，配对成功，完成MR的地理化显示。指纹库算法需要综合网络基础工参、2D/3D电子地图以及MR采样数据完成对采样点的地理投射。在缺少测试数据时，也可以通过对比MR和2D/3D传播模型预测结果来定位采样点的位置。通过指纹库算法将MR定位精度由传统的200米提升到50米以

5、内用户行为识别算法通过MR数据挖掘，获取用户的电平特征、邻区特征、切换特征等多维度信息，建立室内用户模型，达到区分室内外业务的目的。通过跟踪一个用户的信号强度及邻区的信号强度变化趋势，并进行时间切片分析，结合切换行为的分析，就能定位出用户所处位置的地貌特征。通过用户行为识别算法区分室内外用户，从而提升深度覆盖定位的准确性利用多源大数据，建立完整的深度覆盖诊断评估系统，对网络多维深度覆盖、业务价值、用户感知、竞争对手的覆盖等多个项目进行评估，全面把握网络状况。在实际运用过程中，结果不同的地形环境，结合使用二维和三维的评估方式，可以做到既精细，又全面的整体评估效能。基于以上三种创新算法

6、，并结合实际网络运维的管理需求，针对深度覆盖优化，开发出了综合分析平台，并在实际网络中进行了运营检验。三、解决案例选取某地中心区域进行算法和工具验证，该区域中共有205栋楼宇，进行楼宇的3D切片：该区域平均楼宇高度达到29.01米，宏站平均站间距为385米，平均站高为29.75米；按照12米一层进行3D切片，该区域所有楼宇累计分为435个楼层，有158个楼层的平均RSRP低于-llOdBm，在后续规划优化中需重点关注；在红色圈内楼宇4层以上覆盖效果均强于4层以下的覆盖效果，东边道路覆盖效果较差，与实际CQJ/DT测试结果吻合。四、结论基于大数据的深度覆盖探测研宄是在“资费下降，运营

7、成本不断增加，大数据挖掘不足”的情况下孕育产生的，无论在管理上、技术上、理念上都有明显的优势和可持续发展的前景，不仅丰富了规划优化手段和措施，更加高效、精准的定位解决深度覆盖问题，输出性价比高、场景差异化的解决方案，还能提升大数据处理效率和大数据价值的挖掘，做到原来做不到的事情、做好原来不好做的事情，从而达到“降本增效”的目的，提升网络运维效率、改善客户感知目标。