白京春，喬思潔，劉衍曉（中國聯(lián)通威海分公司，山東威海 264200）

1 概述

移動(dòng)網(wǎng)絡(luò)的發(fā)展日新月異，但仍可能會(huì)遇到如下問題：接續(xù)困難、通話質(zhì)量差、上網(wǎng)慢、下載龜速、流媒體卡頓、視頻聊天不流暢、用戶投訴信號(hào)滿格但無法正常做業(yè)務(wù)。這一切都可能是由干擾造成的，干擾帶來的各種各樣問題，會(huì)降低用戶對(duì)網(wǎng)絡(luò)的滿意度，而干擾排查一直以來都在困擾著網(wǎng)絡(luò)優(yōu)化人員。

目前排查干擾的傳統(tǒng)手段是依靠工程師的經(jīng)驗(yàn)，首先利用網(wǎng)管結(jié)合地圖初步判斷干擾源的大概位置，然后再利用頻譜儀和定向天線現(xiàn)場(chǎng)逐一掃頻。傳統(tǒng)方法存在4個(gè)方面的缺點(diǎn)，首先是及時(shí)性差，部分干擾靠人工觀察網(wǎng)管指標(biāo)難以發(fā)現(xiàn)，通常在用戶投訴后才會(huì)引起注意，缺乏主動(dòng)發(fā)現(xiàn)全網(wǎng)問題的手段；其次是準(zhǔn)確率低，由于干擾形成的原因往往很復(fù)雜，對(duì)工程師的要求很高，但工程師的水平參差不齊；再次是效率低下，干擾排查需要分區(qū)域、分小區(qū)進(jìn)行逐一分析，耗費(fèi)大量時(shí)間；最后是人工成本高，尤其是對(duì)外界干擾的排查，一個(gè)干擾源往往需要多人、多次現(xiàn)場(chǎng)逐一查找，人力物力耗費(fèi)巨大。

本文提出的方案分為兩大模塊：外部干擾小區(qū)識(shí)別模塊和外部干擾源定位模塊。項(xiàng)目的總體思路是，首先通過機(jī)器學(xué)習(xí)建立一個(gè)多分類的模型，把需要分類的小區(qū)信息輸入模型后，模型自動(dòng)對(duì)小區(qū)干擾情況進(jìn)行分類。通過模型可以輸出多種結(jié)果，包括正常小區(qū)、內(nèi)部干擾小區(qū)和外部干擾小區(qū)。最后提取出對(duì)網(wǎng)絡(luò)質(zhì)量影響最大的外部干擾小區(qū)，使用其MR 數(shù)據(jù)，對(duì)外部干擾源進(jìn)行定位（見圖1）。

2 LTE干擾智能定位方案

2.1 外部干擾源識(shí)別模塊

2.1.1 獲取訓(xùn)練樣本

從網(wǎng)管上提取每個(gè)小區(qū)的24 h 粒度的每個(gè)PRB上的干擾值，整理相關(guān)數(shù)據(jù)，包括小區(qū)名稱、eNodeB ID、CI、時(shí)間戳、PRB號(hào)和干擾電平。然后，把相同帶寬的小區(qū)放置在一組，剔除因設(shè)備故障、夜間自動(dòng)關(guān)停等造成小區(qū)信息不完整的數(shù)據(jù)，將其作為訓(xùn)練數(shù)據(jù)（見圖2）。

圖2 生成訓(xùn)練數(shù)據(jù)示意圖

有了訓(xùn)練數(shù)據(jù)后，還需要人工介入，分類打標(biāo)簽，但為上萬個(gè)小區(qū)打標(biāo)簽耗時(shí)巨大，為了提升效率，采用了干擾瀑布圖加聚類算法進(jìn)行預(yù)歸類的方式來加速處理。

生成干擾瀑布圖：以時(shí)間為橫軸，以0～99 號(hào)PRB為縱軸，每小時(shí)每個(gè)PRB 對(duì)應(yīng)的干擾均值根據(jù)干擾強(qiáng)度，分別用不同的顏色來表示，最終生成每個(gè)小區(qū)的干擾瀑布圖，輔助人工打標(biāo)簽（見圖3）。

圖3 干擾瀑布圖

聚類加速：為進(jìn)一步提高人工打標(biāo)簽的效率，先利用機(jī)器學(xué)習(xí)中的聚類算法，對(duì)所有干擾瀑布圖進(jìn)行聚類，再對(duì)聚類的結(jié)果進(jìn)行人工確認(rèn)，得到最終訓(xùn)練樣本的標(biāo)簽，從而獲得完整的訓(xùn)練樣本（見圖4）。

圖4 生成訓(xùn)練樣本示意圖

利用瀑布圖加聚類的方法，可以大幅縮短人工打標(biāo)簽的時(shí)長，由每百個(gè)小區(qū)100 min 降低到10 min，效率提升10倍。

2.1.2 建立預(yù)測(cè)模型

有了完整的訓(xùn)練樣本，就可以進(jìn)行多分類的建模。在建模過程中遇到并解決了如下問題：

a）訓(xùn)練時(shí)間過長。因?yàn)椴捎玫臄?shù)據(jù)是24 h 乘以100 個(gè)PRB，共2 400 列，因此訓(xùn)練時(shí)間過長，使用PCA降維，由2 400列降到83列，訓(xùn)練時(shí)間由分鐘級(jí)別降到秒級(jí)別。

b）異常小區(qū)占比少?？傮w上干擾小區(qū)占比較少，易造成模型不準(zhǔn)確，因此采用過采樣的方法解決，異常小區(qū)占比由3.49%提高到9.39%，最終指標(biāo)也提高了1.4個(gè)百分點(diǎn)。

c）分類指標(biāo)不理想。從一開始的六分類，f1 指標(biāo)僅有0.62 左右，從網(wǎng)絡(luò)實(shí)際需求出發(fā)，將模型分類降低到三分類，f1指標(biāo)提升至0.8以上。

d）調(diào)參效率低。使用貝葉斯調(diào)參代替網(wǎng)格搜索，調(diào)參效率提高10倍以上。

在經(jīng)過模型的多次優(yōu)化后，各種模型指標(biāo)均達(dá)到較為理想水平，尤其是極端森林、xgboost、lightgbm 表現(xiàn)最好，因此，使用這3 種模型進(jìn)行堆疊，在15 000 多個(gè)訓(xùn)練樣本情況下，準(zhǔn)確率達(dá)到0.98，f1 達(dá)到0.869 4，模型結(jié)果可用。至此，完成了干擾精準(zhǔn)識(shí)別與自動(dòng)分類模型的建立（見圖5和表1）。

圖5 各模型效果圖

表1 堆疊后模型效果

2.2 外部干擾源定位模塊

模型建立完成后，即可識(shí)別出全網(wǎng)外部干擾小區(qū)，接下來需要通過MR 數(shù)據(jù)來定位干擾源位置。MR，即測(cè)量報(bào)告，是評(píng)估無線環(huán)境質(zhì)量的主要依據(jù)之一。從北向接口中提取的MRO 文件包含了60 余項(xiàng)數(shù)據(jù)，可以有效解析的主要無線類數(shù)據(jù)有14 項(xiàng)，從中選取5項(xiàng)，包括小區(qū)標(biāo)識(shí)、經(jīng)度、緯度、接收電平和發(fā)射功率余量。

其中PHR 也就是發(fā)射功率余量，反映UE 的發(fā)射信號(hào)功率大小，是反映小區(qū)內(nèi)UE 發(fā)射功率分布情況的主要指標(biāo)（見表2）。PHR取值范圍為0～63，值越大，表示手機(jī)的功率余量越多，手機(jī)的發(fā)射功率越低，反之越高。本課題需要定位干擾源位置，因此需要從原始MR 中篩選出PHR 值在0～22、手機(jī)實(shí)際發(fā)射功率不正常的采樣點(diǎn)，同時(shí)剔除RSRP<-110 dBm 的點(diǎn)，避免因?yàn)槿醺采w造成PHR變差的情況，影響判斷結(jié)果。

表2 PHR取值對(duì)應(yīng)表

用這些包含經(jīng)緯度的采樣點(diǎn)，生成熱力圖，經(jīng)過對(duì)經(jīng)緯度糾偏之后，通過Python 的Pyecharts 模塊，將PHR以熱力圖的形式呈現(xiàn)在地圖上（見圖6），圖6中紅色區(qū)域表示PHR 異常的區(qū)域，更接近于干擾源的位置。

圖6 外部干擾源定位模塊示意圖

2.3 對(duì)外界干擾小區(qū)的干擾源進(jìn)行自動(dòng)定位

本節(jié)以某村周邊突發(fā)強(qiáng)干擾為例進(jìn)行說明。該強(qiáng)干擾影響3 個(gè)基站9 個(gè)小區(qū)，該區(qū)域?yàn)榇笮途用駞^(qū)，且北面是海，東邊是山，地形較為復(fù)雜，如圖7所示。

圖7 干擾源影響區(qū)域

提取3 個(gè)基站的24 h 的MR 數(shù)據(jù)，提取PHR 信息，經(jīng)過經(jīng)緯度糾偏之后，呈現(xiàn)在百度地圖上（見圖8），可以看到，數(shù)據(jù)異常區(qū)域主要集中在4個(gè)區(qū)域，為重點(diǎn)排查區(qū)域。

圖8 干擾智能定位工具定位出的干擾源大致區(qū)域

通過與無線電管理委員會(huì)的合作，對(duì)以上4 個(gè)區(qū)域按照順序定點(diǎn)排查，迅速定位到干擾源位于區(qū)域2一棟居民樓內(nèi)，用戶為了解決深度覆蓋問題自行安裝的手機(jī)信號(hào)放大器。通過開發(fā)的工具可以有效縮小排查范圍，協(xié)助現(xiàn)場(chǎng)工程師迅速定位干擾源。

3 結(jié)束語

本文通過對(duì)網(wǎng)管KPI 的大數(shù)據(jù)分析，利用機(jī)器學(xué)習(xí)建模，自動(dòng)識(shí)別出所有存在干擾的小區(qū)并進(jìn)行自動(dòng)分類，準(zhǔn)確率超過85%，彌補(bǔ)了目前優(yōu)化工作中對(duì)干擾類型判斷方式的匱乏，為進(jìn)一步的深入干擾排查指定目標(biāo)。對(duì)于影響最大的外部干擾小區(qū)，通過MR 進(jìn)行干擾源的智能定位，創(chuàng)新使用Python 加百度地圖的方式，將PHR 以熱力圖的形式清楚地呈現(xiàn)在地圖上，幫助縮小干擾源排查范圍，極大地縮短了定位時(shí)長，提高了工作效率。

目前已完成建模和全省4G 柵格速率的全流程自動(dòng)預(yù)測(cè)，用于指導(dǎo)全省4G 網(wǎng)絡(luò)低速率區(qū)域的整改，提高用戶感知。

與排查干擾的傳統(tǒng)手段相比，該工具主要有如下3個(gè)方面的優(yōu)勢(shì)。

a）發(fā)現(xiàn)問題全面，告別傳統(tǒng)使用全網(wǎng)統(tǒng)一門限值的粗略判斷方式，通過2 400 個(gè)維度的數(shù)據(jù)，自動(dòng)甄別全網(wǎng)干擾小區(qū)，尤其是對(duì)隱性干擾小區(qū)，可以達(dá)到精準(zhǔn)全面的識(shí)別。

b）提升工作效率，對(duì)發(fā)現(xiàn)的干擾問題自動(dòng)進(jìn)行干擾類型的分類，區(qū)分內(nèi)部干擾與外部干擾，相對(duì)于傳統(tǒng)人工判斷方式，效率極大提升，全網(wǎng)運(yùn)行一次僅需1 h。

c）增強(qiáng)自主優(yōu)化能力，對(duì)于外界干擾可以自動(dòng)輸出重點(diǎn)排查范圍，大大節(jié)省人力物力，增強(qiáng)自主優(yōu)化能力。