密集场景下4G/5G带宽自适应的负荷优化方法

贾 磊，张璐岩

(1.中国移动通信集团陕西有限公司 汉中分公司，陕西 汉中 723099；2.中国移动通信集团陕西有限公司 网络优化中心，陕西 西安 710077)

目前5G网络已经商用，但仍有大部分用户驻留在4G网络，尤其是在密集场景下，持续的4G网络高负荷会严重影响感知体验[1]，造成不必要的网络拥塞和资源调度不足。在密集场景的负荷优化中，存在网络负荷预测不准确、负荷分析成本高和缺乏可靠全面的自适应优化方法，影响优化效率。为了能及时、精准地识别网络负荷、监控用户感知问题，亟需一套能精准预测密集场景下网络负荷，并能实现自适应优化的方法[2]。

相关研究者针对密集场景下感知问题展开研究，通过用户体验速率和小区流量构建了基于用户感知的网络负荷模型[3]，根据流量和体验的变化率寻优,实现了网络负荷、利用率、流量和用户数之间的最优配置关系,但上述研究没有考虑4G/5G协同优化的情况。在4G/5G协同组网的情况下，提出了5G反向开通3D-MIMO、4G/5G均衡优化及现网资源动态调整等具体提升举措，建立基于网络多端口的客户感知量化评估方式，以及总结了影响用户感知的因素[4-6]。但是，以上研究没有考虑4G/5G带宽资源的协同、用户网络感知保障的情况及4G/5G带宽资源的协同等问题，导致出现上下行物理资源块(Physical Resource Block，PRB)利用率持续偏高的问题。

考虑目前4G/5G共存组网下出现的网络高负荷问题，拟提出密集场景下4G/5G带宽自适应的负荷优化方法，通过提取日常和活动期间的网络信息进行分析研究，采用机器学习方法建立业务模型和预测网络负荷，再利用目前4G/5G网络共存的方式，实现4G/5G小区带宽自适应优化，提升用户感知。……