（2019年度“嘉环杯”获奖论文三等奖）基于大数据的高铁用户精确调度体系研究

朱 伟 卞国东 张 晶 张桂荣 赵志扬 李钦竹

中国移动通信集团江苏有限公司

0 引言

目前，高铁已经成为人们出行的主要交通方式之一。在传统的网络优化中，为了保障快速运行中的高铁用户的网络体验，中国移动建立了高铁专用承载网。但是，在高铁沿线的公网用户，会入侵并驻留在高铁专用网络，抢占专网资源，影响专网性能。如何准确识别公网入侵用户，指导铁路附近公网站点规划，支撑公网/专网协同优化，给专网减负，保障专网专用，成为亟需深入研究的课题。

1 基于大数据下的高铁用户研究方案

传统的高铁专网优化主要分为RF优化和参数调整两种方法，这两种方法均无法快速有效改善专网用户感知。本文提出的基于大数据的高铁用户精准调度研究，运用了软采+硬采结合数据源的方案，并基于用户的全量信令，解决了传统网络优化下无法解决的难题。

1.1 首创搭建高铁虚拟路测平台

高铁虚拟路测平台的优势：（1）基于软采数据+硬采数据，相比对接厂家数据源，具备更广泛的应用和推广场景；（2）基于高精度高铁用户识别与惯性定位算法，更准确复现高铁业务感知和网络质量；（3）基于业务质量和网络性能的综合呈现与联合分析，支撑高铁优化的高效闭环。

通过平台架构，制定公网入侵评估流程：（1）高铁概览：线路级公网入侵指标统计呈现；（2）综合管理：公网入侵较差路段识别，该问题路段小区级公网入侵指标评估，同时进行趋势分析；（3）专题分析：入侵类型（TAU入侵、Attach入侵等）饼图呈现，结合覆盖分析专题，查看高铁专网附近宏站覆盖情况，最后结合参数、RF调整等人工手段进行深入分析。

1.2 高铁用户精准识别

随机抽查平台输出的2000个高铁用户进行验证，所抽查用户均符合高铁用户特征，高铁用户识别准确率达到99%以上。

2 依托大数据手段对高铁质差小区优化分析

针对公网用户侵占高铁专网资源的问题，本方案可以精准识别区分高铁用户和公网用户，并将入侵的公网用户迁移回公网，创新提出入侵的公网小区回溯算法。

2.1 入侵的公网小区回溯算法

（1）基于入侵用户识别模块的输出，获取入侵的用户列表；（2）根据入侵用户话单信息中的驻留小区信息以及话单中的事件信息，回溯入侵专网的公网小区；（3）入侵专网小区是排除月台小区外的高铁小区；（4）针对公网A-专网B-专网C-公网D-专网E-专网F的小区移动路径，只针对专网B、E小区进行入侵的公网小区回溯。

回溯详细场景如下：

场景1：准确回溯

连接态从公网小区切换入专网，入侵小区为切换源公网小区。

场景2：近似回溯

连接态在公网小区发生RLF，重建到专网小区；依据重建前所在小区的PCI在入侵点周围查找匹配的最近公网小区。

场景3：近似回溯

ilde态从公网小区TAU重选入专网，根据入侵用户的话单信息，查找入侵专网前一段时间内（2min）最近话单产生的公网小区。该公网小区为入侵小区。

ilde态Attach专网小区，根据入侵用户的话单信息，查找入侵专网前一段时间内（2min）最近话单产生的公网小区。该公网小区为入侵小区。

场景4：无法回溯

ilde态从公网小区重选入专网或开机驻留专网，根据入侵用户的话单信息，在入侵专网前一段时间内（2min），查找不到该用户的话单；处理周期内第一条话单为专网小区，无法回溯。

2.2 基于公/专网用户识别的资源调度策略

根据在站点停靠的专网用户、在站点不停靠的专网用户、公网用户不同的行为特征，提出基于用户行为的精确分流扩容方案，有效解决高铁高负荷问题，实现承载能力倍增。具体实现流程如图1所示。

图1 根据用户行为实现创新策略

2.3 停靠/不停靠用户分流策略

问题：目前MLB下，用户在专网、站台间频繁占用，感知差。

策略：利用高铁站点的重叠覆盖特征，基于高铁停靠用户/不停靠用户在火车站的重叠覆盖区域驻留的差异性，通过基于时长的负荷均衡策略，精确区分停靠、不停靠用户。

精确设置MLB策略时长，精确区分和分流停靠/不停靠用户，有效降低专网负荷，详情如图2所示。

图2 停靠/不停靠用户分流策略

2.4 公/专网用户分流策略

问题：大网FDD用户过多占用专网小区，从而导致FDD网络感知差。

策略：设置高铁专网FDD1800（1.4M）保护罩，精确区分公/专网用户，分流误入专网的公网用户。（1）频点配置：保护罩小区与专网同覆盖，频点配置1409（1800，1.4M）功率高于专网；（2）邻区配置：保护罩与专网无邻区关系，保护罩到附近大网小区为单向邻区；（3）级别配置：大网重选优先级。

专网小区仅承载专网用户，有效降低了专网话务负荷，实现专网载频瘦身。

2.5 语音/数据用户分流策略

问题：伴随着用户终端支持FDD且开通VOLTE功能的普及，无论是否拨打VOLTE电话均会优先占用到FDD，从而导致FDD高负荷。

策略：专网多层网覆盖场景下，将不同特点的业务与不同特性的频段进行适配，详情如图3所示。

图3 语音/数据用户分流策略

2.6 各类改善效果详情

弱覆盖提升：沪宁覆盖优化类问题点累计132个，已识别并解决123个，其中改善率为90%，效果提升明显。如图4所示。

图4 弱覆盖提升效果

公网入侵改善：共识别172个区域公网入侵严重，已完成59个问题处理，完成率34%，改善率100%。如图5所示。

保护罩策略开启效果：昆山南站专网开启保护罩小区后，7月24日和6月26日指标对比，高铁专网小区最大激活用户数下降明显（10%左右）。

基于时长的MLB策略分裂效果：2019年6月24日开启了专网到大网站台小区的MLB算法，对比7月27日和6月22日两天专网小区内最大用户数占比（专网用户数/＜专网+大网用户数＞）明显降低，降低20%左右。

QCI绑定关系调整效果：调整后晚忙时D频段用户数占比由23.26%提升至42.85%，FDD用户数占比下降17%左右。两网负荷均衡，效果良好，具体占比如下表所示。

图5 公网入侵提升效果

表1 分时分频段用户比例

策略优化后现场测试，与优化前占用同样FDD小区的情况下，优化后下载速率提升明显。

3 结束语

根据公网用户的多个特征，在算法上从多个维度综合判断，准确识别入侵专网的公网用户，从而指导附近公网站点规划，支撑公网/专网协同优化，为专网减负，保障专网用户的体验，确保高铁地段拥有优质的网络质量，具有很强的现实指导意义。可以通过大数据分析减少人工的分析及DT测试，且定位更为精准，对于提升网络深度覆盖和提高用户满意度有着积极的意义。