大数据分析在LTE无线网规划建设中的应用

程功利 张南国

【摘 要】通过大数据分析对市场数据、网络发展数据、投诉数据、现网运营数据等多维度数据进行分析，确定无线网优化方案及新增基站方案。主要论述MR数据分析在LTE无线网规划中的应用，通过MR数据分析，提供栅格级RSRP值，确定LTE无线网的覆盖情况。最后通过MR数据分析结果进行新建LTE基站规划，指导LTE无线网的优化建设。

【关键词】大数据；MR；栅格；RSRP

Application of Big Data Analysis in the Planning and Construction of

LTE Wireless Networks

CHENG Gongli， ZHANG Nanguo

[Abstract] The market data， network development data， complaints data and operation data in current networks are analyzed based on big data analysis to determine the schemes on wireless network optimization and newly-added base stations. The application of MR data analysis in the planning of LTE wireless networks is elaborated. Based on the MR data analysis， grid-level RSRP value is provided and the coverage of LTE wireless networks is determined. Finally， MR data analysis results are used for the planning of new LTE base stations and the optimization construction of LTE wireless networks.

[Key words]big data； MR； grid； RSRP

1 引言

随着移动通信技术的飞速发展，移动用户和移动业务的数量飞速增长，用户对高质量的LTE网络需求日益增加，提高网络质量的主要手段是进行网络优化及新建基站。目前主要是通过路测和用户投诉发现无线网存在的问题。为了精准地发现无线网问题，并改善网络质量，应通过更丰富的手段和方法找出问题并解决问题，大数据规划分析即是其中之一。

大数据分析包括对市场数据、网络发展数据、投诉数据、现网运营数据等多维度数据进行分析，确定无线网优化方案及新增基站方案。

市场数据包括市场部门目标规划期内的业务发展策略、业务发展重点、业务套餐、用户预测、用户价值、用户属性以及话务模型等与网络息息相关的服务能力需求，通过对市场数据的分析可以确定网络发展建设的目标。

网络发展数据包括网络的技术制式、网络架构、覆盖目标、质量目标、站址选址、部署方式、扩容、深度覆盖等要求的数据；也包括新技术和新设备的性能、使用原则等要求的数据；同时包括使用高精度地图和射线跟踪模型进行站点覆盖预测获得的覆盖数据，如铁塔等站点成本数据、投资效益数据等。应用以上数据，可以承接市场需求，推动网络精细化建设与演进，打造差异化连接，满足用户体验需求，适应市场竞争需要，优化资源配置效益的需求。

投诉数据主要包括客服部门采集的用户投诉记录，包括投诉用户级别、投诉次数、投诉地点、投诉的主要问题等信息。

现网运营数据包括4G MR（Measurement Report，测量报告）数据、现网路测数据、4G/3G数据流量分布、4G用户下行速率分布、4G下切3G分布等数据信息。本文主要对MR数据分析进行探讨。

2 MR数据分析在LTE无线网规划中的应用

MR数据分析从4G网管采集数据信息，数据内容包括至少三天早晚忙时的LTE网络栅格级覆盖，包含RSRP和MR Count数据等。MR数据来源于用户终端及物理层、控制协议层和无线资源管理过程中的测量数据，包含无线网覆盖、无线网质量和终端的位置信息。

MR数据分析是将MR信息映射到各个栅格，通过室内外区分技术对各个栅格中的信息进行室内外识别，最后汇聚统计栅格级室内外覆盖、室内外PS业务、MR条数、重定向、用户数信息。使用MR云图系统，分析处理MR数据，提供栅格级RSRP值，确定LTE无线网的覆盖情况。最后通过MR数据分析结果进行新建站址规划和RF工参规划，并根据规划结果进行仿真，预测站址规划后的效果。

2.1 通过MR数据分析进行LTE无线网规划的流程

及方法

MR大数据分析方法是：在GIS（Geographic Information System，地理信息系统）上划分50 m×50 m（或其他大小）的基本规划单元（栅格），将各个维度上的指标基于三类分析进行综合评判，形成市场、网络两大需求维度的优先级划分，最终根据每栅格所在网络、市场维度的区间，可确定其网络价值属性，通过GIS定位纳入基本规划单元，作为网络规划的依据。

通过MR数据分析进行LTE无线网规划分为三个步骤：

第一步为覆盖评估：在划定的城区、县城、高速、高铁等区域進行MR本网分析和异网分析。

第二步为网络规划：结合竞争对手覆盖情况设定覆盖目标，然后通过遍历扫描的方式扫描弱覆盖区域，根据算法模拟进行预规划。

第三步为输出结果：根据覆盖评估结果和算法模拟，输出对应的预规划参考信息表。

MR数据分析步骤如图1所示：

图1 MR数据分析步骤

通过现网的数据，分析高话务区域，并根据MR栅格化识别高价值区域的覆盖情况，从而做到精准规划，让有限的投资带来最大的收益。通过MR数据分析进行LTE无线网规划建设，包含栅格划分、场景划分、MR数据分析、输出预规划结果、现场勘查、规划评估。

通过MR数据分析进行LTE无线网规划建设流程图如图2所示：

图2 通过MR数据分析进行LTE无线网规划建设流程图

（1）栅格划分

包括栅格定义、栅格信息和定位精度三部分内容。栅格图作为常见的GIS图形格式，是由大量整齐排列的栅格点组成，基于GIS地理特征表示的最小单元就是栅格，栅格数据结构是将平面划分成为M×N个正方形小方格，每个小方格用（x， y）坐标标识。根据栅格网络特点，把若干个栅格组合为一个基础网格，作为后续分析、解决问题的定位目标。

栅格信息包含如频点信息、接收电平、信号质量、经纬度等，栅格越小定位越精准。

（2）场景划分

栅格按照不同地理属性划分为城区、县城、高速、高铁等各种覆盖场景，依据栅格所属的覆盖场景加注场景属性。

（3）MR数据分析

MR数据分析包含用户定位、栅格覆盖值计算、网络覆盖评估这三部分内容。用户定位就是采集本网和异网RSRP（参考信号接收功率）数据，通过用户定位算法将RSRP数据精准定位到具体栅格中。计算栅格覆盖值是通过栅格覆盖算法，计算出每个栅格RSRP值，然后把栅格按照不同地域维度进行汇总，可评估出本网或异网的覆盖情况。MR栅格化后，要将MR栅格内的采样点汇总成网络覆盖指标，一般采用RSRP作为LTE无线网的覆盖指标。

（4）输出预规划结果

对覆盖指标低于RSRP门限指标的区域进行站点算法模拟，MR数据分析规划出来的新增站址，不仅需要对新建站点的覆盖和容量进行价值评估，还需要提供多种维度（VIP用户、价值业务等）对新建站点进行评估，通过现有LTE网络与竞争对手覆盖对比并结合数据流量、经营数据、流量价值、铁塔租金等进行优先级排序，并通过网络工参中的站高、方位角、下倾角、功率等信息计算新增站点的覆盖范围，最后输出预规划参考信息表，如表1所示。

（5）现场勘查

对预规划区域进行实地联合勘查，勘查结果与投资计划匹配，根据站点优先级进行筛选，然后进行方案评审，形成建设方案。

（6）规划评估

在现有覆盖、容量、质量网络侧指标基础上，增加用户感知、市场经营等多维度指标进行评估，输出规划方案修改建议，强化预规划与项目的衔接。

2.2 MR数据分析在LTE无线网规划建设中的应用

案例

当前XX市LTE网络经过前期的建设和优化，城区街道、路网的覆盖已经达到了较好的水平，可以为用户在户外提供较好的业务体验。与之形成对比的是，在高层建筑密集的城区，存在较多的覆盖弱点甚至是覆盖盲点（深度弱覆盖），不能满足4G业务发展的需要，解决这些区域的覆盖问题成了下一步网络发展的重点工作。

一方面解决弱覆盖区，另一方面又要提高投资效益，保证站点规划到最有投资价值的地方，优先解决用户多、流量高的区域，这就要求准确识别出弱覆盖的具体区域，依据弱覆盖评估的数据进行站点规划，解决深度弱覆盖问题，并针对具体场景选择合适的解决方案，有针对性地进行网络建设，提升覆盖水平，改善用户体验。

（1）MR数据分析方法

XX市主城区内集中了大部分高科技企业、CBD、大学校园、大型社区、商圈、高档酒店等各种场景，最关键是高楼林立，无线环境复杂。该区域VIP用户众多，是网络规划、建设、保障的重点区域。本次MR数据分析区域面积516 km2，详见图3，本区域内包含LTE宏站2 002个，室分873个，MR数据分析区域LTE基站数量共计2 875个，详见图4。

图3 MR数据分析区域

图4 MR数据分析区域LTE基站数量

1）MR数据覆盖分析

表2为MR数据覆盖分析，图5为MR覆盖率统计图。

图5 MR覆盖率统计图

2）MR数据流量分析

表3为MR数据流量分析表。

3）栅格级室内外弱覆盖分析

评估区域内主要有36处关键弱覆盖区域，其中，室外存在17处，室内12处，室内及室外同时存在的弱覆盖7处。

在整个评估区域内，室外覆盖较好，大部分区域RSRP均在-105 dBm以上，而室内覆盖相对较弱，Top区域基本与室内外弱覆盖占比评估一致。表4为RSRP室内外弱覆盖分类信息表。

4）栅格级流量对比分析

在整个评估区域内，流量Top主要集中在核心城区，与用户数Top区域匹配程度较高，周边郊区流量相对较低。

5）室外覆盖与路测指标对比

MR评估室外RSRP≥-105 dBm的比例为94.42%，路测比例为97.22%，MR评估RSRP>-90 dBm的比例为58.27%，路测为73.11%。表5为室外覆盖与路测指标对比表：

表5 室外覆盖与路测指标对比表

项目 MR 路测

总采样点（栅格） 1 226 032 582 243 381

RSRP≥-105 dBm 94.42% 97.22%

RSRP≥-90 dBm 58.27% 73.11%

（2）通過MR数据分析进行LTE无线网规划

1）MR数据分析规划结果

基于LTE MR弱覆盖，对XX市区进行新站规划，此次规划仿真室外采用的是1.8G覆盖，室内采用的是2.1G覆盖。

按照规划后RSRP大于-105 dBm达到98%的覆盖进行规划，最终结果需要新增宏站339个，室分站点18个，以提高深度覆盖。表6为MR数据分析规划结果：

表6 MR数据分析规划结果

基站类型 分类 覆盖类型

室外宏站 现网故障基站（无信号） 96

已规划基站 293

MR规划新加站 339

室分基站 MR规划新加站 18

从本次规划加站规模情况来看：核心城区MR新加站点明显比其他区域少，通过计算，站间距为241 m。其他规划区域（现网+前期已规划+MR规划加站）站间距为262 m，核心城区（现网和前期已规划）站间距小于其他区域（现网和前期已规划）站间距。规划前核心城区站间距为284 m，其他区域站间距为309 m。

结合本次的MR评估仿真结果，参考加站区域的用户数、流量、重定向次数、覆盖情况等因数，将规划站点重要程度分为三大类，以支撑后续建设的优先程度。表7为MR数据分析新建基站优先级分类表：

表7 MR数据分析新建基站优先级分类表

优先级 MR新加站

重要 210

次要 101

一般 28

2）覆盖规划结果仿真

覆盖规划前后覆盖率大于-105 dBm从94.42%提升到99.45%，覆盖率得到极大提升。

3）总结

此次MR深度分析定位的主要区域为市区及扩展周边结合区域，选择区域大，覆盖面积广，且地形复杂，区域内分布高楼和林地，无线环境复杂，从以上分析结果可以看出，在市区核心城区，室内外覆盖相对较好，其他区域相对较差，结合已有规划站点情况，需要增加339个宏站来改善城区弱覆盖的情况。

3 结束语

本文论述了大数据分析对LTE无线网规划建设的作用，大数据分析仅是无线网规划方法中的一种手段，通过大数据分析，结合DT/CQT（Drive Test/Call Quality Test）测试数据、用户发展需求、投诉数据等多维度方式对网络进行评测，在最大化网络效益的同时，深度挖掘网络问题，提出重点突出、等级鲜明的站点规划部署建议，指导LTE无线网优化建设方案。

参考文献：

[1] 刘通，施兆阳，陈灿. 基于LTE MR大数据分析的虚拟化路测应用探讨[J]. 移动通信， 2017，41（12）： 1-5.

[2] 张臻. 大数据在移动通信网络优化中的应用研究[J]. 移动通信， 2017，41（5）： 27-30.

[3] 王宜科，梁松柏，魏宁. 基于MR的移动无线网络规划的可靠性分析[J]. 邮电设计技术， 2014（7）： 53-57.

[4] 姜备. 基于LTE MR的移动网络优化研究[D]. 上海： 上海师范大学， 2016.

[5] 张俊. 移动通信网络中大数据处理的关键技术研究[J]. 电信网技术， 2014（4）： 10-12.

[6] 郑正广，袁鹏. 基于大数据分析的B2I流量分布及预测研究[J]. 电信技术， 2017（12）： 27-30.

[7] 张继东，李想，王晶晶. 大数据分析分析在3G用户向4G用户迁移中的应用[J]. 电信技術， 2017（12）： 76-77.

[8] 樊耀东，张海彤. 电信运营商大数据业务运营流程深度剖析[J]. 移动通信， 2017，41（9）： 86-89.

[9] 曹鲁. 大数据业务在电信运营商中的应用分析[J]. 中国新通信， 2016（16）： 115-116.

[10] 谢华. 大数据在移动通信中的应用探讨[J]. 科技创业家， 2014（2）： 125-127.

[11] 鲁勤. 移动通信网络大数据管理研究与实现[D]. 武汉： 华中科技大学， 2015.

[12] 党永亮. 大数据分析在移动通信网络优化中的应用研究[D]. 武汉： 华中师范大学， 2015.

[13] 余海波. 大数据在电信移动通信网络优化中的应用[J]. 广西通信技术， 2014（4）： 125-126.