地铁场景下的路测数据覆盖呈现方法研究

岳军，黄建辉，赵明峰，权笑

（中国移动通信集团设计院有限公司，北京 100080）

1 现状

随着国民经济的迅速发展，城市规模和人群聚集不断扩展，地铁作为城市轨道交通重要组成部分扮演了更为重要的角色。根据相关机构预测报告分析，2011-2020年，我国地铁城市轨道交通新增营业里程将达到6 560 km。预计到2020年，我国地铁城市轨道交通累计营业里程将达到7 395 km。2010-2015年，平均每年要开通250 km地铁线路。从各城市的规划来看，在可预见的未来十年甚至二十年内，城市轨道交通将始终处于高速发展时期。伴随着地铁里程的增长，地铁的方便与快捷使得客流量出现井喷式增长，随之而来的问题是会导致移动通信网络负荷较高，地铁客户感知较差，需要频繁开展地铁测试与优化，而路测是地铁网络优化中最常用的手段和方法。

路测是无线网络性能测试和用户感知测试的重要组成部分，是按照线状拓扑对GSM、LTE等无线网络的下行信号，即各无线接入网络的空中接口进行测试，主要测量获取服务小区、相邻小区的信号强度和干扰水平等无线网络性能指标，上下行平均吞吐率和业务时延等用户感知指标，以及获取用户的地理位置信息，通过三者的有机结合可以真实反映网络性能和用户感知。在此基础上，利用GPS锚定的路测采样点位置，可有效用于无线网络评估和无线网络问题的定位。

针对地铁场景来说，地铁空间相对密闭，无线环境相对简单，运行线路固定，切换关系固定，比较适合进行采用路测方式以诊断并发现网络问题。但由于地下无法进行GPS锚定，导致必须采用手动记录起始到达车站时间等信息来判断并分析得出哪段地铁线路存在网络问题。由于手动记录时间只能人工操作，数据整理与操作较为繁杂，容易导致记录和分析错误，导致路测发现的问题点定位错误。因而，现有的路测分析方法所发现的问题点不能直观、准确定位到地理位置上，难以为后续网络优化奠定良好基础。

基于此，本文在剖析地铁场景覆盖特点的基础上，分析传统地铁场景路测覆盖分析方法的不足，创新性地提出了一种路测数据分析呈现方法，简化了数据处理的复杂度，提升了地铁网络优化分析的直观性和有效性。

2 传统路测数据地铁场景覆盖呈现分析方法

当前，针对地铁场景的测试与分析主要借助于自动路测设备和人工记录与分析，它主要包含现场路测数据采集和覆盖评估分析两个步骤进行。

2.1 现场路测数据采集

现场路测数据采集主要采用自动路测设备和人工配合记录到离站点时间点方式，相应路测数据采集流程如图1所示。

在开始进行路测数据采集之前，首选整理和收集好测试地铁线路的站点信息以便测试过程中记录关键的到离站时间节点。在此基础上，从地铁线路的起点开始进行测试，在车辆启动时记录离站时间，在车辆到达下一个站点时记录相应的时间节点，车辆启动后再次记录相应时间节点，如此反复直至车辆到达终点站点。由于地铁线路往返占用通信站点一般不一致，因此，还须倒序进行测试，即以测试的终点作为返程测试的起点，原测试的起点作为返程测试的终点。

经过往返测试后，该条线路的路测数据采集基本结束，在此基础上，将记录的到离站点时间节点与线路站点基础数据信息进行关联与匹配，为后续覆盖评估分析奠定良好基础。

图1 传统路测数据采集流程

2.2 传统路测覆盖呈现

现有的路测覆盖呈现主要是借助于路测数据和记录的各个站点时间节点信息，利用路测后台分析工具，将相应的时间戳与记录的各个站点到离时间节点相统一和对应，再以路测数据分析统计得出的覆盖指标进行大致定位，从而确定整条线路哪些两个相邻站点之间覆盖存在相应问题，并采用文档记录或大致锚定问题路段以简单化的图形方式呈现，相应分析方法和呈现方式如图2所示。

从图2可知，现有地铁场景下的路测覆盖难以直观呈现。此外，现有方法主要依赖人工的记录和分析处理，这极易引起相应人为错误，导致分析结果存在较大偏差；同时由于缺乏直观的地理化呈现，导致错误难以及时发现和更正，使得定位结果难以支撑后续网络优化。

图2 传统路测覆盖分析与呈现

3 地铁场景路测覆盖呈现新方法

3.1 地铁场景路测覆盖呈现

针对传统路测覆盖呈现的不足，需按照步骤建立地铁场景下的路测覆盖评估方法。

3.1.1 获取路测数据与线路信息

首先利用市政规划获取的地铁线路信息，结合在线地图绘制各条地铁线路的线路图，并结合地铁站点信息，在线路图中标注相应站点名称，完成较为准确的地铁线路信息图。在此基础上，整理各条地铁的现网工参数据，并进一步利用ADTP Replay Tools工具按照测试计划导出路测数据如RSRP、SINR、PCI、EARFCN DL等信息。

3.1.2 线路标准点生成

利用工具按照线路生成线路标准点，如图3设定地铁线路图层后，等距离取定设定点以便随后作为标尺进行测试点的布撒。

3.1.3 路测数据汇聚

由于自动路测设备获取的采样时间间隔相对较小（一般为毫秒级），导致获取的采样点较多，为此，需要在现有路测数据的基础上进一步进行汇聚处理。按照一般现有地铁设计最高时速不超过80 km/h，平均时速一般为40 km/h计算，1 s时间列车运行最大距离约为10～20 m。考虑到地铁进出站停顿、以及启动加速和到站减速等因素，正常情况下，列车的运行速度变化趋势如图4所示。

进一步地，为了分析列车平均匀速运行与实际的正常加减速运行的误差，我们按照物理学相关理论知识，得到列车在平均匀速运行和正常加减速运行下的相对误差，相应结果如图5所示。

从图5可知，若按照平均速率进行计算，相对于实际的速率下的距离误差最大在200 m以内，由于现有地铁覆盖主要采用漏缆方式，单小区漏缆一般的覆盖长度大约为700 m。因此，我们可以简化按照平均匀速方式进行处理，即每1 s为一个有效统计时间点对路测覆盖指标（RSRP）进行汇聚可有效确保误差在可控的范围之内。在进行汇聚的过程中，结合路测记录的到离站点时间戳信息，建立测试采样点汇聚与地铁线路、站点之间的有效对应关系。同时，汇聚后的值取该汇聚周期所有采样点的平均值。

图3 取定线路标准点

图4 列车运行速度变化趋势图

图5 列车平均匀速与实际速率下的误差

3.1.4 路测覆盖呈现

依据路测数据汇聚结果，并结合线路信息，利用Mapinfo工具对覆盖指标（RSRP）按照弱覆盖分段标准进行呈现地铁线路的覆盖情况，从而建立路测数据与地铁线路、站点之间的有效直观呈现，能够直观反映地铁线路往返下的覆盖状况，为准确定位问题路段提供图形化的参考，同时为后续网络优化和故障排查提供技术参考。其它各类指标都可以按照同样方法进行直观呈现。

3.2 实例

以某城市的2号线地铁线路为例，首先依据城市规划线路图并结合在线地图制作该条地铁线路的Mapinfo图层，通过Mapinfo图层可准确获取各个站点及线路的经纬度信息，以便于后续与测试数据进行关联与呈现。

在此基础上，利用路测终端和记录的各个站点到离站的时间戳，将测试的获取的覆盖指标RSRP按照时间戳进行分段，确保两两站点之前的测试数据与相应时间戳进行对应。由于两两站点之间得到的采样点（覆盖指标RSRP）相对较多，因此结合两个站点之间的线路长度，我们以1 s为基本单位，对采样点进行汇聚，汇聚方式采用该时间段内所有采样点的平均值作为汇聚后的值，共计将路测终端获取的17 900余个采样点（RSRP）汇聚为4 200余个采样点，该条地铁线路覆盖指标相应呈现结果如图6所示。

从图6可知，借助于RSRP指标分段设置，能够非常直观的呈现该条地铁线路的覆盖情况，为后续准确的网络优化提供基础，同时可进一步提升定位输出的准确性。

4 结束语

图6 地铁2号线覆盖呈现结果

地铁中的切换点相对比较固定，随后会通过地铁中的小区切换点作为锚定点，按照修正的匹配模型适配每次测试数据，可以省去现有人工记录环节，减少测试的复杂性。

地铁作为城市出行将越来越扮演更为重要的角色，随着移动互联网和4G网络的快速发展，地铁移动用户的良好感知对塑造品牌显得尤为重要和关键。为此，地铁无线网络的优化需要深入分析用户的行为，通过相应工具与手段快速、准确定位问题路段，以便于快速通过优化、维护等手段进行解决。