盛莉莉 谷俊江

中國聯(lián)合網(wǎng)絡(luò)通信有限公司江蘇省分公司

0 引言

隨著移動互聯(lián)網(wǎng)業(yè)務(wù)的普及，人們對無線移動網(wǎng)絡(luò)質(zhì)量的要求越來越高。尤其是視頻、游戲業(yè)務(wù)的發(fā)展使得用戶對于數(shù)據(jù)業(yè)務(wù)的流量要求越來越高。無線小區(qū)的業(yè)務(wù)流量也成為網(wǎng)絡(luò)后期規(guī)劃擴容的依據(jù)。但是從KPI指標體現(xiàn)的業(yè)務(wù)流量是否反映了該小區(qū)下用戶的實際流量需求？最常見的，容量的瓶頸會導(dǎo)致用戶的實際業(yè)務(wù)需求無法滿足，同樣，由于干擾，覆蓋等問題也會導(dǎo)致用戶在使用業(yè)務(wù)時由于速率過低放棄繼續(xù)使用數(shù)據(jù)業(yè)務(wù)的情況。這就是用戶的實際流量需求被壓抑的情況。因此，現(xiàn)網(wǎng)中由于各種因素的干擾，KPI指標所反映的業(yè)務(wù)流量和實際用戶需求流量是存在差異的。如果用現(xiàn)網(wǎng)的指標作為流量預(yù)測的根據(jù)，將會導(dǎo)致預(yù)測不準，使得網(wǎng)絡(luò)規(guī)劃跟不上用戶需求的發(fā)展，最終導(dǎo)致用戶感知和滿意度的下降，因此，需要有手段對網(wǎng)絡(luò)中的流量壓抑進行識別，并將還原后的流量指標作為網(wǎng)絡(luò)擴容規(guī)劃的依據(jù)。同時也需要對流量受壓抑的根因進行判斷，以便做出快速有效的調(diào)整措施，及時改善用戶感知。

1 設(shè)計思路

本方案通過標桿小區(qū)的確定，找到指標正常、感知正常、不存在流量壓抑情況的小區(qū)，探索其流量和指標之間的特性并建立模型，將其他小區(qū)的指標輸入模型之后判斷是否存在流量壓抑，整個流程分為分類、擬合、異常識別、壓抑預(yù)估、根因判斷5個步驟，實現(xiàn)方法如圖1所示：

圖1 流量壓抑識別流程

1.1 分類

PRB（PHYSICAL RESOURCEBLOCK）利用率是反映無線網(wǎng)業(yè)務(wù)量最為直觀的指標，正常情況下該指標會隨著用戶數(shù)和業(yè)務(wù)量的增加而增加。因此，小區(qū)的PRB利用率和小區(qū)的流量一定存在直接的關(guān)系，但是由于實際網(wǎng)絡(luò)環(huán)境的復(fù)雜性、用戶行為的差異以及無線環(huán)境的差異，兩者之間的關(guān)系也一定存在差異，比如，在存在干擾的情況下會存在PRB利用率虛高的情況，少量的小包業(yè)務(wù)也會影響PRB的調(diào)度。因此，需要通過多個維度對小區(qū)進行分類，以確定不同類型下標桿小區(qū)的PRB利用率和流量之間的不同關(guān)系。分類的維度可以包括：社會場景、業(yè)務(wù)類型、用戶規(guī)模、無線環(huán)境、頻段特征等。利用以上維度作為特征值，采用k-means聚類算法，可以獲得無線小區(qū)的分類。

1.2 擬合

分類完成之后首先進行標桿小區(qū)的確定，標桿小區(qū)即不存在容量瓶頸的小區(qū)。

擬合，是為了獲得PRB利用率和流量之間的關(guān)系。對于每一類標桿小區(qū)的數(shù)據(jù)集，計算該場景下PRB利用率和流量之間的關(guān)系模型即流量預(yù)估模型，為增加魯棒性，此處采用線性模型。

1.3 異常識別

任何原因的流量壓抑均會導(dǎo)致用戶的感知惡化，但是由于KQI指標比較主觀，相應(yīng)的指標需要從信令中匯總計算獲得，處理復(fù)雜度較大。并且KQI性能惡化不一定是單個因素造成，可能是多個因素組合導(dǎo)致。因此，本文首先對通過FPGrowth算法學(xué)習(xí)無線性能指標惡化與用戶感知異常事件的關(guān)系，并形成網(wǎng)優(yōu)性能指標與感知異常的關(guān)聯(lián)規(guī)則庫（KK關(guān)聯(lián)規(guī)則庫），并通過設(shè)置置信度門限甄別出感知異常小區(qū)。

（1）輸入正負樣本

正樣本包括正常小區(qū)及其無線性能指標，負樣本包括異常小區(qū)及其無線性能指標。正負樣本提取需要部署用戶級定界組件，針對定界后的結(jié)果進行規(guī)則學(xué)習(xí)。

（2）獲得關(guān)聯(lián)規(guī)則

通過FPGrowth算法，學(xué)習(xí)無線性能指標與感知的關(guān)系規(guī)則庫，即當小區(qū)哪些無線性能指標惡化時會導(dǎo)致感知惡化以及該規(guī)則在過往歷史中的置信度。

數(shù)據(jù)處理：對數(shù)據(jù)進行一致性檢查、缺失值的處理、數(shù)據(jù)關(guān)聯(lián)、異常值處理等；

機器學(xué)習(xí)：對數(shù)據(jù)進行數(shù)值離散化處理、規(guī)則挖掘并進行模型檢驗及優(yōu)化；

建立規(guī)則文檔：將挖掘出來的規(guī)則生成文檔。即哪些因素會導(dǎo)致該KQI差，并包含其對應(yīng)的置信度（即該組合導(dǎo)致KQI劣化的概率）。

（3）感知異常小區(qū)識別

通過設(shè)置置信度門限，有效甄別出由于無線原因?qū)е碌母兄惓Ｐ^(qū)。

1.4 壓抑預(yù)估

對于前面獲取的感知異常小區(qū)再根據(jù)擬合步驟中得到小區(qū)的流量預(yù)估模型計算得到理論的流量值。流量理論值減去實際值的差即為流量壓抑預(yù)估值，當流量壓抑預(yù)估值大于設(shè)定的門限時，認為該小區(qū)存在流量壓抑的情況。具體步驟如下：

（1）匹配分組：按找對應(yīng)的場景、頻段、業(yè)務(wù)類型，人數(shù)規(guī)模等維度匹配對應(yīng)分組，并獲得相應(yīng)的線性回歸標桿函數(shù)f（x）；

（2）估算小區(qū)應(yīng)有流量：將目標小區(qū)的用戶平均數(shù)據(jù)代入其對應(yīng)分組的線性回歸標桿函數(shù)f（x），估算小區(qū)應(yīng)有的總流量。（當估算PRB利用率小于當前利用率時，按照當前利用率計算）；

（3）計算小區(qū)壓抑流量：小區(qū)應(yīng)有流量減去其現(xiàn)有流量得出受壓抑流量，即受壓抑流量= f（x）–目標小區(qū)當前流量（當數(shù)值小于零時，填為零）；

（4）與設(shè)定門限值對比，判定是否存在流量壓抑。

1.5 無線根因判斷

流量壓抑識別后，需要對造成流量壓抑的無線側(cè)根因進行定位。本方案采用根因矩陣識別算法進行根因識別。本方案對覆蓋、質(zhì)量、容量、切換、干擾指標進行分級，根據(jù)設(shè)定絕對門限和質(zhì)差門限，分為指標良好，指標較差、指標差按三個等級。

STEP 1：覆蓋、質(zhì)量根因識別

如表1所示。覆蓋差定義為RSRP＞-105的采樣點比例滿足絕對門限。

表1 覆蓋問題判斷示意圖

覆蓋較差定位為RSRP＞-105的采樣點比例滿足質(zhì)差門限。

覆蓋好定義為RSRP＞-105的采樣點比例不滿足絕對門限，也不滿足質(zhì)差門限。

質(zhì)量差定義為CQI≥7的比例滿足絕對門限。

質(zhì)量較差定義為CQI≥7的比例滿足質(zhì)差門限。

質(zhì)量好定義為CQI≥7的比例不滿足絕對門限，也不滿足質(zhì)差門限。

STEP 2：干擾根因識別

如表2所示?；跓o線、質(zhì)量根因識別的結(jié)果，再結(jié)合干擾的情況進行根因識別。干擾嚴重定義為干擾噪聲平均值滿足絕對門限。

有干擾較差定義為干擾噪聲平均值滿足質(zhì)差門限。

無干擾定義為干擾噪聲平均值低于質(zhì)差門限。

表2 干擾問題判斷示意圖

STEP 3：切換根因識別

切換差定義為切換相關(guān)指標中有一項滿足絕對門限。

切換較差高定義為切換相關(guān)指標均不滿足絕對門限，但有一項切換指標滿足質(zhì)差門限。

切換好定義為切換相關(guān)指標中沒有一項滿足絕對門限，同時也沒有一項滿足質(zhì)差門限。

STEP 4：容量根因識別

如表3所示。負荷很高定義為容量相關(guān)指標中有一項滿足絕對門限。

表3 質(zhì)差門限、絕對門限定義

負荷較高定義為容量相關(guān)指標均不滿足絕對門限，但有一項容量滿足質(zhì)差門限。

負荷正常定義為容量相關(guān)指標中沒有一項滿足絕對門限，同時也沒有一項滿足質(zhì)差門限。

根因類別 質(zhì)差門限 絕對門限175 ≥250最大RRC連接用戶數(shù) 容量31（800M） ≥90干擾噪聲平均值 干擾 ≤-95dBm ≤-90dBm X2接口切換成功率 切換 98% 95%eNodeB內(nèi)切換成功率 切換 98% 95%

2 系統(tǒng)應(yīng)用實例

本文涉及的功能已經(jīng)在江蘇聯(lián)通上線并應(yīng)用。從數(shù)據(jù)評估上看，蘇州流量壓抑較為嚴重，且根因分析判斷大部分為覆蓋引起，這與現(xiàn)網(wǎng)實際情況比較一致。現(xiàn)網(wǎng)對于干擾引起的流量壓抑問題進行了整改，效果較為明顯。圖2是針對蘇州的流量壓抑小區(qū)SZ_KS_HW_仕泰隆拉遠電信雞鳴塘_FL_B_1的分析處理結(jié)果，根據(jù)根因判斷，該小區(qū)由于干擾問題導(dǎo)致流量壓抑，從表4的KPI指標中可以明顯看出該小區(qū)存在干擾。圖3顯示，采取優(yōu)化措施解決干擾問題后，日均流量顯著提升。

圖2 系統(tǒng)分析界面

表4 受壓抑小區(qū)指標

3 結(jié)束語

經(jīng)實際驗證，基于機器學(xué)習(xí)算法和KQI/KPI指標關(guān)聯(lián)可以有效識別網(wǎng)絡(luò)中的流量壓抑情況，對于識別網(wǎng)絡(luò)中的偽低負荷小區(qū)，還原用戶實際流量需求，激發(fā)網(wǎng)絡(luò)流量，改善用戶感知有積極作用，也能為網(wǎng)絡(luò)擴容和規(guī)劃發(fā)展提供更精準的決策數(shù)據(jù)。

圖3 調(diào)整前后日均流量對比