梅明濤 張 晶 趙志揚(yáng) 魏志剛 王朝陽 宋嘯天

1.中國移動(dòng)通信集團(tuán)江蘇有限公司網(wǎng)絡(luò)部；2.鎮(zhèn)江市審計(jì)局

0 引言

隨著5G快速建設(shè)的腳步，網(wǎng)絡(luò)規(guī)模急劇增長，多制式、多廠家、多類型設(shè)備共同組網(wǎng)使網(wǎng)絡(luò)維護(hù)工作難度進(jìn)一步加大。由于備電不足、城市建設(shè)、業(yè)主破壞、惡劣天氣等突發(fā)情況導(dǎo)致站點(diǎn)退服情況時(shí)有發(fā)生，傳統(tǒng)的巡檢維護(hù)模式已經(jīng)無法滿足復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)穩(wěn)定的需求。無線退服帶來了種種影響：較長的現(xiàn)場處理時(shí)間影響了網(wǎng)絡(luò)關(guān)鍵業(yè)績指標(biāo)（key performance indicator，KPI）；應(yīng)急修復(fù)退服基站容易帶來操作上的安全隱患；周邊用戶的客戶感知受到影響，客戶滿意度影響大。因此，在網(wǎng)絡(luò)智慧運(yùn)維時(shí)代，基于網(wǎng)絡(luò)大數(shù)據(jù)，結(jié)合傳統(tǒng)運(yùn)維生產(chǎn)經(jīng)驗(yàn)，針對人工分析執(zhí)行的不足，需要探尋出智能、高效、安全的維護(hù)解決方案來保障網(wǎng)絡(luò)穩(wěn)定性。

1 維優(yōu)補(bǔ)位技術(shù)原理

從站點(diǎn)設(shè)備故障退服所帶來的覆蓋性能劣化程度智能預(yù)測評估和多維數(shù)據(jù)分析獲取的自動(dòng)化覆蓋補(bǔ)償方案輸出兩個(gè)方面實(shí)現(xiàn)數(shù)字智能化運(yùn)維支撐（Digital Intelligent Operation And Maintenance Support，DIOAMS），如圖1所示。

圖1 退服補(bǔ)位實(shí)現(xiàn)原理圖

維優(yōu)補(bǔ)位技術(shù)是對通信網(wǎng)絡(luò)大數(shù)據(jù)進(jìn)行挖掘，實(shí)現(xiàn)設(shè)備故障后智能化維護(hù)的創(chuàng)新技術(shù)。由正常設(shè)備運(yùn)行數(shù)據(jù)建?！收贤朔阅苡绊懗潭扔?jì)算→覆蓋補(bǔ)償目標(biāo)小區(qū)決策識別→大數(shù)據(jù)計(jì)算優(yōu)化調(diào)整方案→智能維護(hù)運(yùn)行五大環(huán)節(jié)組成，以下為關(guān)鍵技術(shù)原理：

1.1 小區(qū)同址關(guān)系建立

基于工參經(jīng)緯度信息和歸屬資源點(diǎn)信息，對同受退服影響的小區(qū)進(jìn)行同址關(guān)系聚合，并關(guān)聯(lián)工參得到相關(guān)小區(qū)頻點(diǎn)（E-UTRA absolute radio frequency channel number，Earfcn）和物理小區(qū)識別號（Physical Cell Id，PCI）信息。

1.2 退服覆蓋影響程度預(yù)測分析，定義站點(diǎn)覆蓋補(bǔ)償需求級別

解析讀取測量報(bào)告（Measurement Report，MR）數(shù)據(jù)，根據(jù)第一步中的同址小區(qū)關(guān)系，從鄰近小區(qū)測量數(shù)據(jù)中，篩選非同址小區(qū)進(jìn)行最強(qiáng)接收信號強(qiáng)度排序，記錄下最強(qiáng)的接收信號強(qiáng)度數(shù)據(jù)，定義為“異站址鄰區(qū)最強(qiáng)信號（OverNcRsrp_Max）”，如圖2所示。

圖2 異站址鄰區(qū)最強(qiáng)信號測算方法

基于異站址鄰區(qū)最強(qiáng)信號模擬測算，當(dāng)服務(wù)小區(qū)所屬站點(diǎn)退服中斷后，鄰近小區(qū)所能覆蓋到該小區(qū)區(qū)域的覆蓋指標(biāo)：分段覆蓋率、平均參考信號接收功率（Reference Signal Receiving Power，RSRP）等。再結(jié)合站點(diǎn)的最小/平均間距，日常忙時(shí)業(yè)務(wù)量等信息，綜合判別定義站點(diǎn)退服覆蓋補(bǔ)償需求級別。

1.3 覆蓋補(bǔ)償有效小區(qū)識別算法

基于MR全鄰區(qū)測量服務(wù)小區(qū)+鄰區(qū)的小區(qū)對數(shù)據(jù)匯總，統(tǒng)計(jì)出有效鄰區(qū)覆蓋的采樣次數(shù)及占比。排列算法及規(guī)則如下所示：

（1）篩選站點(diǎn)測量中RSRP大于-110dB的采樣占比大于10%的鄰區(qū)；

（2）因同邏輯站點(diǎn)下小區(qū)頻段、站址、高度等要素一致，所以擇優(yōu)一個(gè)待優(yōu)化小區(qū)，采樣占比未超出3%的情況下優(yōu)先選擇以退服站點(diǎn)鄰區(qū)方位角60°內(nèi)的小區(qū)；

（3）過濾不同場景下的最大間距閾值外的結(jié)果，并按TOPn排序（本課題設(shè)置最大top3，避免出現(xiàn)較為嚴(yán)重的結(jié)構(gòu)干擾問題）；

（4）無法調(diào)整黑名單小區(qū)配置，剔除待優(yōu)化小區(qū)序列，如表1所示。

表1 待優(yōu)化小區(qū)序列示例表

1.4 基于射線追蹤仿真的射頻（Radio Frequency，RF）調(diào)整策略

（1）目標(biāo)補(bǔ)償位置計(jì)算

基于MR柵格聚合的用戶集中區(qū)域位置測算算法：根據(jù)目標(biāo)補(bǔ)償小區(qū)所能覆蓋的柵格進(jìn)行匯聚計(jì)算。利用具有噪聲的基于密度的聚類方法（Density-Based Spatial Clustering of Applications with Noise， DBSCAN）找出小區(qū)覆蓋方向上MR采樣點(diǎn)最集中的區(qū)域，計(jì)算出該區(qū)域的中心點(diǎn)經(jīng)緯度，如圖3所示。

圖3 用戶集中區(qū)域中心位置測算

（2）基于射線追蹤覆蓋測算的智能RF尋優(yōu)

基于高精地圖射線追蹤仿真技術(shù)，將問題分析點(diǎn)接收到的信號分解為直射δ1、反射δ2、繞射δ3三種傳播類型，并按照射線傳播的不同類型，分別進(jìn)行計(jì)算，疊加到一起得出最終結(jié)果：

根據(jù)目標(biāo)優(yōu)化小區(qū)波束水平方位角度差α和波束垂直方向角度差β，設(shè)定水平方位和垂直角度的測算間隔步長（本課題研究水平方位測算間隔步長為3°，最大調(diào)整為30°；垂直方位為2°，最大調(diào)整10°）。將目標(biāo)優(yōu)化小區(qū)波束水平或垂直方向向問題分析點(diǎn)位置偏轉(zhuǎn)，對應(yīng)步長的配置參數(shù)，以新增小區(qū)配置參數(shù)的方式列入仿真運(yùn)算：計(jì)算射線追蹤模型下，目標(biāo)優(yōu)化小區(qū)和問題分析點(diǎn)測算不同方位和垂直角度的RSRP差值。

①RF配置尋優(yōu)策略：根據(jù)現(xiàn)網(wǎng)覆蓋模型影響，實(shí)施難度，設(shè)定優(yōu)先級為功率配置-＞天線下傾（電子）調(diào)整-＞水平權(quán)值配置；

②功率配置策略：基于有源天線處理單元（Active Antenna Unit，AAU）型號和合路射頻單元信息分析可配置最大功率與當(dāng)前配置差值；

③天線下傾調(diào)整：根據(jù)同址不同下傾步長虛擬小區(qū)仿真結(jié)果測算，優(yōu)先仿真RSRP增益最高的方案；

④水平權(quán)值調(diào)整：根據(jù)當(dāng)前權(quán)值場景下水平波寬：目前普通室外小區(qū)覆蓋寬度最大為110°，在該范圍內(nèi)可以對子波束數(shù)量和覆蓋方位進(jìn)行自定義調(diào)整。因此，水平方位可調(diào)最大范圍為55°。當(dāng)單波束射線追蹤覆蓋測算方案建議角度在55°內(nèi)時(shí)可以直接基于權(quán)值配置實(shí)現(xiàn)。

示例：小區(qū)原權(quán)值配置為默認(rèn)場景2配置、覆蓋問題區(qū)域在小區(qū)主波瓣增益區(qū)域外、繼承垂直賦型，方案輸出調(diào)整至權(quán)值場景4，實(shí)現(xiàn)水平覆蓋增強(qiáng)，如圖4所示。

圖4 補(bǔ)位參數(shù)配置調(diào)整覆蓋增強(qiáng)示意圖

1.5 自動(dòng)化執(zhí)行及性能監(jiān)控

（1）自動(dòng)進(jìn)行補(bǔ)償與倒回：讀取預(yù)設(shè)補(bǔ)償方案，對接操作維護(hù)中心（Operation and Maintenance Center，OMC）接口自動(dòng)執(zhí)行補(bǔ)償和倒回方案的參數(shù)調(diào)整。

（2）補(bǔ)償效果自動(dòng)評估：接入最小路測技術(shù)（Minimization of Drive-Tests，MDT）測量數(shù)據(jù)與小區(qū)級北向性能指標(biāo)（Performance Metrics，PM），對退服區(qū)域整體指標(biāo)進(jìn)行退服后、補(bǔ)償后指標(biāo)統(tǒng)計(jì)評估。

2 維護(hù)優(yōu)化補(bǔ)位技術(shù)應(yīng)用

2.1 試點(diǎn)背景及整體應(yīng)用效果

從設(shè)備覆蓋、用戶密度規(guī)模等因素考慮，分別選取南通、鹽城、常州三個(gè)地市進(jìn)行試點(diǎn)研究應(yīng)用。設(shè)備類型分別涵蓋了華為、中興、愛立信省內(nèi)三大主設(shè)備廠家；地域分布代表了蘇南、蘇中、蘇北，以確保涵蓋不同類型的應(yīng)用場景。

試點(diǎn)期間退服告警1780個(gè)，分析評估優(yōu)先派單271單，涉及參數(shù)修改的補(bǔ)償小區(qū)1732次。系統(tǒng)在有限的處理人力資源條件下，更好地聚焦重點(diǎn)目標(biāo)，有效提升了運(yùn)維效益。退服補(bǔ)償程序能挽回71%的流量，并且平均RSRP和覆蓋率較退服未補(bǔ)償期間均有明顯的改善。該方法目前已經(jīng)在全省推廣使用納入生產(chǎn)系統(tǒng)。2021年某月份全省處理工單2164條，方案制定時(shí)長下降80%，退服小區(qū)連同補(bǔ)位小區(qū)微區(qū)域流量相比退服補(bǔ)位前增長1.37倍，維穩(wěn)流量約115T左右。

2.2 應(yīng)用實(shí)例

本課題系統(tǒng)共計(jì)對接試點(diǎn)區(qū)域站點(diǎn)3.7萬，接入數(shù)據(jù)包括：站點(diǎn)設(shè)備工程參數(shù)、告警數(shù)據(jù)、MR數(shù)據(jù)、MDT數(shù)據(jù)等。共監(jiān)測到故障站點(diǎn)1352個(gè)，必要執(zhí)行站點(diǎn)271個(gè)，其中黨政軍機(jī)關(guān)、交通樞紐等重要保障場景站點(diǎn)32個(gè)、覆蓋性能保障站點(diǎn)239個(gè)。

【分析優(yōu)化實(shí)例】

退服發(fā)生：鹽城響水消防大隊(duì)_HLF基站位于響水縣城，屬于覆蓋黨政軍機(jī)關(guān)的重點(diǎn)保障場景，于2021年9月19日發(fā)生網(wǎng)元連接中斷告警。

補(bǔ)位建議：根據(jù)大數(shù)據(jù)分析情況，識別補(bǔ)位小區(qū)并進(jìn)行功率提升以及下傾角調(diào)整（關(guān)鍵補(bǔ)位鄰區(qū)目標(biāo)發(fā)射功率配置12，鄰區(qū)下傾調(diào)整2°）消除網(wǎng)絡(luò)故障對網(wǎng)絡(luò)的影響。

經(jīng)測試，采用補(bǔ)位技術(shù)后網(wǎng)絡(luò)性能和感知明顯提升：RSRP提升4dB、基礎(chǔ)信號強(qiáng)度覆蓋率提升5.56%、感知保障信號強(qiáng)度覆蓋率提升16%、下載速率提升40%。

3 技術(shù)性能評估

本課題基于傳統(tǒng)的故障應(yīng)急保障方案，分別從設(shè)備故障后網(wǎng)絡(luò)覆蓋質(zhì)量有效預(yù)測、補(bǔ)償小區(qū)精準(zhǔn)識別、保障用戶集中區(qū)域定位三個(gè)重要環(huán)節(jié)進(jìn)行完善，創(chuàng)建實(shí)效性更高、網(wǎng)絡(luò)操作穩(wěn)定性更高、方案實(shí)施更有效的智能化故障維優(yōu)系統(tǒng)。

3.1 有效預(yù)測退服覆蓋性能

基于MR數(shù)據(jù)特點(diǎn)，將期望測算的站點(diǎn)下服務(wù)小區(qū)內(nèi)的用戶測量報(bào)告鄰區(qū)進(jìn)行逐一檢索，判斷出最強(qiáng)接收電平的異站址鄰區(qū)，實(shí)現(xiàn)準(zhǔn)確的退服覆蓋性能預(yù)測，同時(shí)，結(jié)合德洛內(nèi)三角算法測算的站點(diǎn)間距以及主服務(wù)站點(diǎn)下業(yè)務(wù)量，完成精確的覆蓋補(bǔ)償優(yōu)先級判斷?；跍y量報(bào)告的退服覆蓋性能預(yù)測解決了日常告警過多，導(dǎo)致地市無法聚焦評估影響，顧此失彼的維護(hù)模式，大幅提升了維護(hù)工作效率。

3.2 準(zhǔn)確識別覆蓋補(bǔ)償有效小區(qū)

基于MR全鄰區(qū)測量服務(wù)小區(qū)+鄰區(qū)的小區(qū)對數(shù)據(jù)匯總，統(tǒng)計(jì)出有效鄰區(qū)覆蓋的采樣次數(shù)及占比，并根據(jù)初選鄰區(qū)的間距以及扇區(qū)方位判斷實(shí)現(xiàn)補(bǔ)償有效小區(qū)識別。通過覆蓋補(bǔ)償有效小區(qū)識別算法，結(jié)合以往人工分析經(jīng)驗(yàn)，納入人工覆蓋補(bǔ)盲優(yōu)化分析要素和流程，結(jié)合實(shí)際用戶MR數(shù)據(jù)統(tǒng)計(jì)，實(shí)現(xiàn)了更為準(zhǔn)確的覆蓋補(bǔ)償有效目標(biāo)小區(qū)的選取。

3.3 優(yōu)化退服站點(diǎn)用戶集中位置測度

覆蓋補(bǔ)償有效小區(qū)確立后，針對目標(biāo)小區(qū)所有效覆蓋的柵格區(qū)域，基于用戶業(yè)務(wù)采樣熱度，采用DBSCAN聚類算法，計(jì)算出需要覆蓋中心位置。通過運(yùn)用退服站點(diǎn)用戶集中位置算法，改善了傳統(tǒng)方案中相對粗獷的覆蓋目標(biāo)點(diǎn)判斷，將覆蓋柵格區(qū)域以合理密度算法進(jìn)行聚類，讓調(diào)優(yōu)目標(biāo)更精細(xì)，如圖5所示。

圖5 密度聚類算法輸出用戶集中位置

4 結(jié)束語

本課題在傳統(tǒng)的退服覆蓋自動(dòng)化補(bǔ)償成果引入的基礎(chǔ)上結(jié)合省內(nèi)日常優(yōu)化工作積累，從預(yù)前退服覆蓋測算、調(diào)整目標(biāo)選取，調(diào)整策略有效性等多個(gè)方面進(jìn)行創(chuàng)新改良。經(jīng)過多地市、多區(qū)域?qū)嵉卦圏c(diǎn)驗(yàn)證，本課題技術(shù)方案相較傳統(tǒng)人工分析，方案準(zhǔn)確性提升32%，方案輸出實(shí)施時(shí)長縮短78%，有效率提升25%。因此，不管在方案算法準(zhǔn)確性，還是調(diào)整策略合理性上都更加完善，更能適用于實(shí)際網(wǎng)絡(luò)生產(chǎn)工作。給一線優(yōu)化生產(chǎn)帶來很大幫助，具有全國推廣的意義。