利用MR大数据提升3G用户感知研究

孙明珠，董建

(1 中国移动通信集团设计院有限公司黑龙江分公司，哈尔滨 150080；2 中国联合网络通信有限公司黑龙江省分公司，哈尔滨 150001）

利用MR大数据提升3G用户感知研究

孙明珠1，董建2

(1 中国移动通信集团设计院有限公司黑龙江分公司，哈尔滨 150080；2 中国联合网络通信有限公司黑龙江省分公司，哈尔滨 150001）

运用大数据挖掘原理，对海量3G终端MR数据进行深入研究。从解决用户感知、用户体验方面入手，寻找网络质量规律，并在优化实例中予以应用。丰富了优化手段，取得良好效果，提高了优化效率，为深度优化提供了新思路。

WCDMA；数据挖掘；MR；优化；用户感知

1 概述

在3G系统中，MR（Measurement Report）数据是手机用来评估无线环境质量的测量报告，运用数据挖掘原理，对海量MR数据进行深入研究。从解决用户感知类投诉方面入手，在海量数据中寻找规律。

2 研究背景

目前的移动网络优化主要有话务统计、DT（路测）、CQT（拨打测试）、投诉数据4种数据来源。话务统计只能够体现业务状态层面的网络情况，不能反映网络覆盖，不能反映服务过程的质量状况；DT相当于模拟的是路面行驶状态下的网络情况，没能反映室内用户的覆盖情况及用户感知；CQT测试费时费力，效率低；投诉数据往往比较滞后，网络问题发现比较被动。MR数据是利用海量在网终端主动测量，实时准确的反映了用户业务发生区域服务过程的网络质量，保存了大量网络信息，是网络侧获得终端无线信息的主要手段。

相比于其他网络数据，MR数据更能够真实反映用户的业务感知，能够记录终端实际网络环境质量，可以精确的掌握网络侧的用户体验过程。所以，开展应用MR数据进行WCDMA用户感知优化研究势在必行。

每条MR数据包含众多字段，能够记录用户IMSI、测量时间、事件类型（EVENTID）、事件对应小区扰码（PSC）、 UE主小区位置区码（LAC）、小区识别码（CI）、UE主小区干扰水平（Ec/No）、UE主小区信号强度（RSCP）等字段。

3 利用MR数据挖掘，高效解决用户投诉提升用户感知

3.1 WCDMA网络环境标准

WCDMA网络良好的无线环境应满足RSCP≥-85 dBm，Ec/No≥-10 dB，用户只有在良好的无线环境下才能够得到非常舒适的用户感知，这时，话音饱满清晰，上网流畅；当用户处于-95 dBm≤RSCP＜-85 dBm，-12 dB≤Ec/No＜-10 dB的无线环境下，只能满足基本语音服务，网速变慢用户体验一般；当用户处于RSCP＜-95 dBm，Ec/No＜-12 dB，语音时断时续、掉话、无法接通，上网速度慢、接续时延大，用户体验非常差。

3.2 用户投诉MR数据挖掘

某居民小区家中，WCDMA网络长期信号弱，上网速率低，用户提供了具体地址和经常在家的具体时间段。

按照优化处理流程，首先确认了该居民小区的主要覆盖基站 “W大宏图”基站无告警、无割接，近期没有进行优化调整，各项话务统

计指标均正常。

初步推测为居民区深度覆盖不足，按照正常流程需要网优工程师到用户家中，进行业务发生实地测试，除了现场反复测试，找到问题原因，并根据周围建筑物情况提出初步解决方案之外，还要对客户的不满情绪进行安抚，对测试工程师的技术水平和沟通技巧的要求都较高。

开展MR数据研究之后，我们可以不进入用户家中，对该用户行为就可以进行MR预评估。经过针对该用户提供时段的MR数据挖掘整理，截取主要字段，如表1所示。

发现该终端主服小区并没有占到“W大宏图”基站信号，主要是占用了“W招待所-2”、“W和兴局-3”和“W铁路校-1”3个小区的信号，ECNO均值均在-16 dB以下，RSCP均在-93 dBm以下，网络覆盖及质量非常差。在MR数据库中挖掘占用此3个小区，与该用户特征相似的用户有9个。

通过地理化分析，如图1所示，本应由“W大宏图-1”小区（红色标识的小区）覆盖该用户，由于“1号楼”对WCDMA信号阻挡，衰减较大，该用户却占用了相邻3个较远小区（绿色标识小区）的信号，造成该用户上网速率低，通话质量差。

通过用户行为规律分析，如表2所示在MR数据中统计具有发生在以上3个或其中2个小区在相同时间段交替发生业务的行为特征，统计出有27个终端。通过电话初访，确定有16个终端用户家住在该小区内，并表示信号不好，上网速度非常慢。

表1 优化前投诉用户MR数据挖掘表

表2 优化前投诉住宅小区终端MR网络质量表

4 优化方案及效果

解决方案：居民区右侧已有室内分布“W正阳酒店”（图1中黄色标识小区），将其室内信号引出，在四楼缓台上布放新的天线，采取天线上倾，馈路端加干放的方法，覆盖该居民区内侧中高层，如图2所示。

优化后，再次提取该用户MR，发现其已占用“W正阳酒店”信号，覆盖质量良好，电话回访该用户，网速提升明显，用户满意。MR数据如表3所示。

5 总结

图1 投诉用户周围小区地理化图

图2 该小区天线上倾布放图

WCDMA网络优化采用MR数据挖掘进行分析后，实地测量的情形大大减少，无须到现场即可以分析问题原因，提出解决方案。利用海量MR数据挖掘，归类挖掘感知类问题，主动加以解决，开展了精细优化，精益求精，节约了优化工程师的时间和精力。在日常优化中，很快得到了推广，大大提高了优化效率。提升了用户认可度，为深度优化提供了新思路。

[1] 罗军. 版本升级对WCDMA网络的优化[J]. 移动通信， 2010 (18).

[2] 熊辉. WCDMA网络建设初期HSDPA速率优化[J]. 科技视界，2012(17).

[3] Luis Torgo. 数据挖掘与R语言[M]. 北京:机械工业出版社，2013.

[4] 杨维忠. SPSS统计分析与行业应用案例详解[M]. 北京:清华大学出版社， 2011.

Mining MR data to improve the 3G user perception

SUN Ming-zhu1, DONG Jian2
(1 China Mobile Design Institute Heilongjiang Branch, Harbin 150080, China; 2 China Unicom Heilongjiang Branch, Harbin 150001, China)

This paper used the theory of large data mining, conducted the thorough research to the massive MR data from 3G terminals. For improving the user perception, it also summarized the rule, applicated to the examples of the routine network optimization. Enriched the means of optimization, and achieved good results, provided a new idea for the optimization of the depth.

WCDMA; data mining; MR; network optimization; user perception

TN929.5

A

1008-5599（2015）03-0059-03

表3 优化后投诉用户MR数据挖掘表

I M S I 小区名称 L A C C E L L I D R S C P均值 Ec/ No均值 采样数4 6 0 0 1 X X X X X X 1 6 0 9 W正阳酒店 5 0 4 3 7 6 2 6 0 8 -7 8 . 4 d B m -7 . 5 d B 3 5 8

2014-12-04