史文祥，趙 偉，孟 寧，郭云霄，盧偉榮（.中訊郵電咨詢設計院有限公司，北京 0008；.中國聯(lián)通浙江分公司，浙江杭州 005；.中國聯(lián)合網(wǎng)絡通信集團有限公司，北京 000；.中國聯(lián)通山西省分公司，山西太原 00006）

1 概述

隨著近年來移動網(wǎng)絡的大規(guī)模建設，4G移動網(wǎng)絡覆蓋已日趨完善，但網(wǎng)絡的日常維護工作愈加繁重，網(wǎng)絡優(yōu)化問題日益凸顯。傳統(tǒng)方法主要通過一線工程師采集網(wǎng)絡信息，依靠工程師分析各項數(shù)據(jù)，然后人工排查覆蓋、干擾、容量等各類網(wǎng)絡問題，通過他們的經驗調整基站參數(shù)，從而對網(wǎng)絡問題進行優(yōu)化。這種優(yōu)化方法效率低、準確度差，對優(yōu)化人員的水平要求較高，但用戶感知卻可能并沒有得到很大提高，難以滿足現(xiàn)在大規(guī)模網(wǎng)絡優(yōu)化的要求。在運營商數(shù)字化轉型的背景下，中國聯(lián)通以數(shù)字化運營為契機，基于大數(shù)據(jù)和人工智能技術的發(fā)展，采取多種措施提升用戶感知。通過統(tǒng)一采集和解析全國基站和小區(qū)信息，建立數(shù)據(jù)分析庫，以網(wǎng)絡大數(shù)據(jù)為基礎，實現(xiàn)對問題小區(qū)的識別和派單，把問題直達一線，主動進行維護和服務。但若依靠傳統(tǒng)優(yōu)化方法讓一線工程師針對每個問題工單逐一進行分析，仍然無法避免效率低、準確率差的問題。在此背景下，本文旨在通過建立無線問題根因定位算法庫，對問題小區(qū)進行根因定位，從而幫助一線人員快速定位網(wǎng)絡問題，高效支撐生產運營。

2 無線網(wǎng)問題根因定位算法分析思路

網(wǎng)絡質量和用戶感知之間相輔相成。評價用戶感知，可以從“站的上、駐留穩(wěn)、速率高”等方面來綜合評價，當小區(qū)存在低接入、高掉線、低速率等問題時，則認為該小區(qū)為影響用戶感知的質差小區(qū)。雖然能夠通過掉線率、無線接入成功率、速率等指標識別出這些質差小區(qū)，但由于影響用戶感知的原因多種多樣，甚至可能是多種因素導致，一線人員定位質差小區(qū)產生的原因依然十分困難。

為了快速定位并解決無線網(wǎng)絡問題，提升一線工作效率，助力中國聯(lián)通數(shù)字化運營，結合省分公司實際，進行了根因算法的研究。在專家經驗的基礎上，將網(wǎng)絡問題分為覆蓋、干擾、容量、故障等類型，結合CM、PM、MR 等數(shù)據(jù)，通過制定相應的根因算法，實現(xiàn)對質差小區(qū)的根因標注。

由于無線問題的復雜性，對無線網(wǎng)的問題根因定位注定是個長期、艱巨的研究課題，即便能夠實現(xiàn)對問題的根因標注，但對于疑難問題，仍然需要網(wǎng)優(yōu)專家實際環(huán)境勘察的輔助，才能制定最終的解決方案。根據(jù)研究的深入程度，本文將無線網(wǎng)根因定位的研究分為3個階段。

a）基于專家經驗制定根因算法，實現(xiàn)對省分公司帶根因派單，通過運行反饋不斷完善根因算法，逐步提高根因標注率和準確率。

b）引入AI 算法對根因算法進行優(yōu)化，通過對多種根因制定不同權重，實現(xiàn)規(guī)劃、建設、優(yōu)化問題的分揀，實現(xiàn)質差小區(qū)解決方案的輸出。

c）利用無線Trace 數(shù)據(jù)補充完善根因算法，在之前根因算法的基礎之上，提高根因定位的準確性，解決疑難問題。

受限于目前數(shù)據(jù)獲取等實際情況，本文主要針對第1 階段基于專家經驗的根因算法進行研究，并對根因定位研究的第2階段和第3階段進行了探討。

3 基于專家知識圖譜的根因定位算法

本章詳細介紹了基于專家知識圖譜的根因定位算法。基于優(yōu)化專家在4G 網(wǎng)絡日常優(yōu)化維護工作中的經驗積累，結合網(wǎng)絡中實際存在的問題，將問題分為覆蓋、干擾、質差、容量等類型，從多個維度設置指標門限，定位質差小區(qū)的根因，在文獻［1］中已經梳理了部分根因定位算法，如圖1所示。

圖1 根因定位算法梳理

本文在前期研究的基礎上，根據(jù)實際運行反饋，對根因定位算法進行了迭代優(yōu)化。

3.1 覆蓋類問題根因定位算法

無線網(wǎng)絡覆蓋類問題是網(wǎng)絡覆蓋范圍不合理導致的，一般宏站場景下網(wǎng)絡覆蓋問題可以分為弱覆蓋、過覆蓋和重疊覆蓋等。在本文所提出的根因算法中，通過RSRP、TA、重疊覆蓋率等指標聯(lián)合定位重疊覆蓋、弱覆蓋等覆蓋類問題。

當前4G 網(wǎng)絡規(guī)模建設已趨于成熟，但城區(qū)、郊區(qū)/縣城、鄉(xiāng)鎮(zhèn)/農村等不同場景站點規(guī)劃的覆蓋范圍不同：城區(qū)站點密集，郊區(qū)/縣城站點站間距較大，鄉(xiāng)鎮(zhèn)/農村站點規(guī)劃多為廣覆蓋。因此，在制定根因算法時，需要根據(jù)不同覆蓋場景設置不同的TA門限。

城區(qū)站點一般規(guī)劃覆蓋范圍在1 km 內，考慮城區(qū)內無線環(huán)境差異，以TA>1 km 的比例>25%作為判定城區(qū)過覆蓋的先決條件；而郊區(qū)/縣城站點由于站間距較大，考慮其覆蓋區(qū)不宜過遠，但同時也不能過近，以TA>2.5 km 的比例>25%作為判定郊區(qū)/縣城過覆蓋的先決條件；鄉(xiāng)鎮(zhèn)/農村站點雖然覆蓋較廣，但考慮到無線傳播損耗問題，信號覆蓋越遠衰減越大、信號穿透能力越弱，覆蓋距離不宜過廣，以TA>3.5 km 的比例>25%作為判定鄉(xiāng)鎮(zhèn)/農村過覆蓋問題的先決條件。

覆蓋過近是指信號覆蓋遠低于規(guī)劃設定的覆蓋范圍，例如質差小區(qū)的天線下傾角設置過大、覆蓋方向有遮擋物、天饋系統(tǒng)存在隱性故障等導致覆蓋過近，可以通過TA、RSRP等指標進行綜合判斷。

使用單一指標評判質差根因的準確率較低，可通過TA、MR 等指標，結合不同場景的站間距、小區(qū)平均覆蓋距離，制定弱覆蓋、重疊覆蓋、過覆蓋、覆蓋過近等根因定位算法，如表1所示。

表1 覆蓋類問題根因定位算法

針對宏站弱覆蓋、過覆蓋等覆蓋類問題，在保證基站及天饋系統(tǒng)工作正常、參數(shù)設置合理的情況下，一般有5種解決方案：調整天線高度、調整天線下傾角和方位角、調整RS 的功率、站點的重新選址搬移、增加RRU。其中，優(yōu)先考慮調整天線下傾角和方位角的方案。

3.2 干擾類問題根因定位算法

無線網(wǎng)絡干擾類問題一般包括系統(tǒng)外干擾和系統(tǒng)內干擾。在本文所提根因算法中，通過平均每PRB干擾噪聲功率這一表征干擾強度的指標定位干擾類問題。

系統(tǒng)外干擾一般稱之為外部干擾，是由外部干擾源引起的。系統(tǒng)內干擾是指系統(tǒng)內同頻干擾、GPS 故障、數(shù)據(jù)配置錯誤等引起的干擾。外部干擾是連續(xù)、持久的，判斷外部干擾時需剔除白天因用戶使用等因素導致干擾抬升的情況，一般考慮使用03:00 點業(yè)務閑時的干擾指標進行評判；系統(tǒng)內干擾產生的時間段不固定，受用戶行為等因素的影響較大，一般考慮使用全天的干擾指標。系統(tǒng)外干擾、系統(tǒng)內干擾的根因定位算法如表2所示。

表2 干擾類問題根因定位算法

針對干擾類問題，在保證基站及天饋系統(tǒng)工作正常、參數(shù)設置合理的情況下，一般有5 種解決方案：排查外部干擾源、調整天線高度、調整天線下傾角和方位角、調整RS 的功率。其中，優(yōu)先考慮排查外部干擾源方案。

3.3 質差類問題根因定位算法

無線網(wǎng)質差相關指標能直接表征網(wǎng)絡質量，例如，CQI表征信道質量，MCS 表征資源調度情況。一般宏站場景下網(wǎng)絡質差問題主要由弱覆蓋、過覆蓋和重疊覆蓋等原因引起。在本文所提根因算法中，通過CQI、MCS、TA等指標聯(lián)合定位質差類問題。

質差類問題中城區(qū)、郊區(qū)/縣城、鄉(xiāng)鎮(zhèn)/農村站點的覆蓋判決條件與3.1 節(jié)中一致，在此不再詳述。在質差類根因定位算法中，將CQI、MCS 結合TA 指標、小區(qū)平均覆蓋距離、不同場景下的平均站間距等指標聯(lián)合來定位質差小區(qū)根因（見表3）。

表3 質差類問題根因定位算法

解決質差類問題與解決覆蓋類問題相似，在保證基站及天饋系統(tǒng)工作正常、參數(shù)設置合理的情況下，通過天線高度的調整、天線下傾角和方位角的調整、RS 功率的調整進行優(yōu)化。其中，優(yōu)先考慮天線下傾角、RS功率的調整方案。

3.4 容量類問題根因定位算法

高負荷直接影響網(wǎng)絡的各項指標，在本文所提根因算法中，通過PRB 利用率、RS 功率等表征負荷的指標聯(lián)合定位載波間話務負荷不均衡、扇區(qū)間話務負荷不均衡等負荷類問題。

在同一RRU 下，2 個不同頻點相同帶寬的邏輯小區(qū)的最大功率相同，此時如果其PRB利用率差值>20%則為負載不均衡；實際情況中同一物理小區(qū)下，2 個相同覆蓋的邏輯小區(qū)為規(guī)避干擾等各種因素，其最大功率不一定都相同，但正常情況下差值不會超過3 dB。結合實際情況，以PRB 利用率和RS 功率聯(lián)合定位載波間負載均衡問題。同時，此方法也同樣適用于扇區(qū)間的負載均衡判決。

通過PRB 利用率、CCE 利用率、用戶數(shù)、流量、RS功率、小區(qū)合并等指標，制定了載波間話務負荷不均衡、扇區(qū)間話務負荷不均衡、用戶數(shù)多、帶寬不足、合并狀態(tài)的邏輯小區(qū)負荷高、License 受限扇區(qū)間話務負荷不均衡、CCE利用率高等根因算法，如表4所示。

針對宏站高負荷問題，在保證基站及天饋系統(tǒng)工作正常、參數(shù)設置合理的情況下，一般有5 種解決方案：小區(qū)擴容、拆分合并小區(qū)、載波間負載均衡、站間負載均衡、擴容License。其中，優(yōu)先采用載波間負載均衡和站間負載均衡的方案。

3.5 維護類問題

通過操作維護中心（Operation and Maintenance Center，OMC）獲取基站影響業(yè)務類的告警和故障信息，結合質差小區(qū)劣化指標、劣化時間，聯(lián)合定位根因。

3.6 算法應用與效果驗證

對某市開展了根因定位算法的應用實驗，以驗證本文所提算法的有效性，針對該市586 個質差小區(qū)進行指標對比，有485個小區(qū)完全符合根因定位算法，標注率達82.8%。根據(jù)該市反饋，根因標注與小區(qū)實際問題定位一致的比例為69.3%（見表5）。

表5 根因定位算法驗證結果

4 根因研究探索

4.1 基于AI算法拓展根因算法

在基于專家知識圖譜的根因定位算法中，算法門限是基于專家經驗確定，可能會存在門限設置不太合理，根因定位不夠精準和深入等情況，影響質差小區(qū)的解決效率。通過引入AI 算法，實現(xiàn)對質差小區(qū)規(guī)劃、建設、優(yōu)化問題的分揀，優(yōu)化根因的派單規(guī)則。同時，根據(jù)系統(tǒng)運行過程中的反饋，驗證目前的根因算法是否合理，通過AI算法實現(xiàn)對根因定位算法的迭代優(yōu)化，并逐步實現(xiàn)質差小區(qū)解決方案的自動輸出。

以XGboost 算法為例，首先輸入獲取的CM、PM、MR 等數(shù)據(jù)，由于原始數(shù)據(jù)存在一些無效值和缺失值等問題，因此需要對數(shù)據(jù)進行清洗。在特征選擇和處理環(huán)節(jié)，盡量挑選出對根因定位產生影響的所有特征值，并對特征值進行特征處理，構建出所需數(shù)據(jù)集。將數(shù)據(jù)集進行分割，訓練集用于XGboost 算法訓練，并輸出模型。之后將測試集導入訓練模型中進行測試，輸出質差小區(qū)問題根因，算法流程如圖2所示。

圖2 基于XGboost算法拓展根因算法流程

4.2 基于無線Trace數(shù)據(jù)拓展根因算法

在無線環(huán)境復雜、難以使用常規(guī)方法定位問題原因的質差區(qū)域，可以采用無線Trace 信令與MR、CM、PM 等數(shù)據(jù)相關聯(lián)，形成基于柵格的問題區(qū)域，利用仿真技術和場景參數(shù)訓練，支撐問題區(qū)域的優(yōu)化，并輸出解決方案。

Trace 信令即用戶跟蹤信令。依照《中國聯(lián)通TDD-FDD-LTE 數(shù)字蜂窩移動通信網(wǎng)無線信令及呼叫記錄采集技術要求v2.0》規(guī)范，一個無線詳細信令記錄接口文件中采用二進制文件格式，依照指定規(guī)則涵蓋特定時間段內某基站指定接口的信令數(shù)據(jù)。接口文件結構由文件頭及Trace 數(shù)據(jù)包2 個部分構成。文件頭包括Trace 數(shù)據(jù)的采集起止時間以及相應規(guī)范版本信息等，Trace數(shù)據(jù)包則由數(shù)據(jù)包長度、通用包頭、專用包頭和原始信令數(shù)據(jù)4個部分構成。通過識別每個數(shù)據(jù)包的起始字符，可根據(jù)規(guī)范內的數(shù)據(jù)格式移位完成數(shù)據(jù)包的解析并生成對應的解析文本。目前4G 默認訂閱終端和網(wǎng)絡的空中接口UU 及UUextend、基站之間的X2接口、基站與核心網(wǎng)之間的S1共3個接口的數(shù)據(jù)，如圖3所示。

圖3 4G信令接口數(shù)據(jù)

通過信令數(shù)據(jù)、話單數(shù)據(jù)和MR 數(shù)據(jù)中共有的MME_UE_S1AP ID 字段，實現(xiàn)對用戶終端信息及覆蓋信息的回填，將基站級的信令拆解到基站下的單個用戶，呈現(xiàn)單用戶網(wǎng)絡及業(yè)務接入、保持、切換、釋放的全流程（見圖4）。

圖4 信令數(shù)據(jù)關聯(lián)MR

4.3 需要注意的問題

數(shù)據(jù)準確性問題。中國聯(lián)通采用省分公司上報、集團公司解析的方式進行數(shù)據(jù)處理，但集團公司采集到的數(shù)據(jù)與省分公司采集的部分指標可能存在差異，影響下一步的派單和問題分析。

鄰區(qū)數(shù)據(jù)問題。鄰區(qū)數(shù)據(jù)一般由省內自行獲取和分析，需關聯(lián)鄰區(qū)數(shù)據(jù)核查質差小區(qū)鄰區(qū)的覆蓋、告警、切換參數(shù)等情況，判斷是否由周邊鄰區(qū)導致本小區(qū)質差。

維護數(shù)據(jù)問題。故障、告警等維護類問題對指標劣化存在直接影響，目前故障、告警信息與CM、PM、MR 等小區(qū)無線指標分別屬于不同系統(tǒng)，后續(xù)需將故障、告警信息與無線指標進行關聯(lián)分析。

5 結束語

通過CM、PM、MR 等數(shù)據(jù)能夠有效分析4G網(wǎng)絡中存在的問題，再結合AI 算法和Trace 數(shù)據(jù)實現(xiàn)對復雜無線問題的定位，進而有針對性地制定行之有效的解決方案。文中在前期研究的基礎上，制定了基于專家知識圖譜的根因定位算法，實際算法應用結果表明，所提的根因定位算法對質差小區(qū)的標注率較高，可用于指導實際工作。后期隨著能夠采集到的數(shù)據(jù)逐漸豐富，可以針對更多數(shù)據(jù)源對根因定位算法進行拓展，提升無線網(wǎng)問題定位的準確性，提高網(wǎng)絡維護和優(yōu)化效率。