楊宗林，王 科，常以群，孟凡良（中國(guó)聯(lián)通山東分公司，山東濟(jì)南 250002）

1 概述

目前運(yùn)營(yíng)商評(píng)估移動(dòng)網(wǎng)絡(luò)質(zhì)量的方式有2 種，一是基于管道側(cè)MR、KQI、KPI 等維度的評(píng)估方式，二是基于DT/CQT 測(cè)試的評(píng)估方式。第1 種方式的主要弊端是無(wú)法實(shí)現(xiàn)與友商的業(yè)務(wù)覆蓋、感知等橫向?qū)?biāo)評(píng)估；第2種方式周期長(zhǎng)、成本高、樣本量小，具有一定的偶然性。通過(guò)互聯(lián)網(wǎng)眾籌數(shù)據(jù)，將有大量的現(xiàn)網(wǎng)采樣點(diǎn)數(shù)據(jù)進(jìn)行分析，可以發(fā)現(xiàn)網(wǎng)絡(luò)中存在的弱覆蓋質(zhì)量差、覆蓋好質(zhì)量差等柵格級(jí)問(wèn)題，也可定位小區(qū)級(jí)、用戶(hù)級(jí)等網(wǎng)絡(luò)質(zhì)量問(wèn)題，也可進(jìn)行場(chǎng)景級(jí)和道路級(jí)評(píng)估，減少測(cè)試人力和時(shí)間成本。

基于互聯(lián)網(wǎng)眾籌數(shù)據(jù)，打破傳統(tǒng)的純管道數(shù)據(jù)和DT/CQT 評(píng)估模式，采用互聯(lián)網(wǎng)+和大數(shù)據(jù)分析手段，實(shí)現(xiàn)運(yùn)營(yíng)商網(wǎng)絡(luò)質(zhì)量、業(yè)務(wù)感知、用戶(hù)數(shù)量的橫向?qū)Ρ?，更好地為用?hù)提供優(yōu)質(zhì)服務(wù)，為市場(chǎng)提供精準(zhǔn)運(yùn)營(yíng)決策。

2 互聯(lián)網(wǎng)眾籌數(shù)據(jù)分析

2.1 互聯(lián)網(wǎng)眾籌數(shù)據(jù)分析模式

互聯(lián)網(wǎng)眾籌數(shù)據(jù)需要從數(shù)據(jù)準(zhǔn)確性、數(shù)據(jù)完整性、數(shù)據(jù)有效性、樣本滲透率等進(jìn)行校驗(yàn)核對(duì)。對(duì)采集數(shù)據(jù)的字段設(shè)置、數(shù)據(jù)清洗、數(shù)據(jù)存儲(chǔ)、分析方法進(jìn)行了標(biāo)準(zhǔn)化、規(guī)范化處理，為后續(xù)互聯(lián)網(wǎng)眾籌數(shù)據(jù)在移動(dòng)網(wǎng)絡(luò)質(zhì)量評(píng)估和優(yōu)化工作中的廣泛應(yīng)用奠定基礎(chǔ)，數(shù)據(jù)分析的大致流程如圖1所示。

圖1 互聯(lián)網(wǎng)眾籌數(shù)據(jù)分析流程

2.2 互聯(lián)網(wǎng)眾籌數(shù)據(jù)問(wèn)題定位

2.2.1 柵格級(jí)問(wèn)題分析

目前數(shù)據(jù)以200×200 m 的柵格進(jìn)行分析采樣，主要統(tǒng)計(jì)弱覆蓋、質(zhì)量差、覆蓋好質(zhì)量差等問(wèn)題柵格，相應(yīng)的標(biāo)準(zhǔn)如下。

a）弱覆蓋柵格。將滿(mǎn)足以下3個(gè)條件的柵格定義為弱覆蓋柵格：

（a）柵格內(nèi)RSRP≥－110 dBm采樣點(diǎn)比例小于70%。

（b）柵格內(nèi)RSRP有效采樣點(diǎn)數(shù)量≥20。

（c）柵格內(nèi)弱覆蓋用戶(hù)≥5個(gè)。

b）質(zhì)量差柵格。將滿(mǎn)足以下3 個(gè)條件的柵格定義為質(zhì)量差柵格：

（a）SINR＞0的采樣點(diǎn)比例小于70%。

（b）柵格內(nèi)SINR有效采樣點(diǎn)數(shù)量≥50。

（c）柵格內(nèi)質(zhì)量差用戶(hù)≥3個(gè)。

c）覆蓋好質(zhì)量差柵格。將滿(mǎn)足以下4個(gè)條件的柵格定義為覆蓋好質(zhì)量差柵格：

（a）RSRP＞－100 dBm 且SINR＜0 dB 的采樣點(diǎn)定義為覆蓋好質(zhì)量差樣本點(diǎn)。

（b）柵格內(nèi)覆蓋好質(zhì)量差樣本點(diǎn)比例大于20%。

（c）柵格內(nèi)RSRP&SINR有效采樣點(diǎn)數(shù)量≥50。

（d）柵格內(nèi)覆蓋好質(zhì)量差的用戶(hù)≥3個(gè)。

2.2.2 小區(qū)級(jí)問(wèn)題分析

質(zhì)量差小區(qū)篩選。由于MR 無(wú)下行SINR 統(tǒng)計(jì)，互聯(lián)網(wǎng)眾籌數(shù)據(jù)可以統(tǒng)計(jì)SINR相關(guān)值，可以有效評(píng)估相關(guān)質(zhì)量差小區(qū)情況。

室分弱覆蓋小區(qū)篩選。通過(guò)篩選室分弱覆蓋小區(qū)，可以定位發(fā)現(xiàn)室分存在的問(wèn)題，減少人工測(cè)試成本，便于室分精準(zhǔn)整治。

騰訊視頻/王者榮耀卡頓小區(qū)關(guān)聯(lián)分析。通關(guān)篩選騰訊視頻、王者榮耀卡頓小區(qū)關(guān)聯(lián)小區(qū)采樣點(diǎn)分布、指標(biāo)分布，便于發(fā)現(xiàn)用戶(hù)集中區(qū)域，便于有針對(duì)性地進(jìn)行優(yōu)化。

天饋接反/工參經(jīng)緯度錯(cuò)誤核查?？梢酝ㄟ^(guò)小區(qū)采樣點(diǎn)分布情況，利用聚類(lèi)算法，尋找采樣點(diǎn)重心經(jīng)緯度，并和工參經(jīng)緯度進(jìn)行計(jì)算分析，查找疑似天饋接反小區(qū)，進(jìn)行精準(zhǔn)核查，減少塔工核查工作量，提升工作效率。

2.2.3 場(chǎng)景級(jí)對(duì)標(biāo)分析

點(diǎn)評(píng)估?？梢葬槍?duì)居民區(qū)、校園、工業(yè)園區(qū)、旅游景區(qū)、醫(yī)院等口碑場(chǎng)景點(diǎn)進(jìn)行評(píng)估，查找網(wǎng)絡(luò)存在的問(wèn)題。首先利用爬蟲(chóng)程序，模擬瀏覽器向高德開(kāi)放平臺(tái)API 發(fā)送請(qǐng)求，并保存響應(yīng)數(shù)據(jù)；再根據(jù)高德接口API完成響應(yīng)數(shù)據(jù)解析、獲取特定場(chǎng)景的邊框經(jīng)緯度；最后利用PostgresSQL將邊框經(jīng)緯度生成需求文件。

線評(píng)估。利用PostgresSQL、QGIS等開(kāi)源軟件對(duì)采樣點(diǎn)進(jìn)行圖層矢量化分析，可篩選城區(qū)道路的采樣點(diǎn)，篩選弱覆蓋、質(zhì)量差路段，也可進(jìn)行全網(wǎng)道路指標(biāo)評(píng)估。

面評(píng)估。可針對(duì)全省、地（市）級(jí)進(jìn)行面評(píng)估，查找覆蓋不足，為宏觀規(guī)劃、建設(shè)提供數(shù)據(jù)支撐。

2.2.4 運(yùn)營(yíng)商間對(duì)標(biāo)分析

針對(duì)運(yùn)營(yíng)商之間的對(duì)比，可以進(jìn)行全網(wǎng)級(jí)和場(chǎng)景級(jí)的覆蓋、質(zhì)量、用戶(hù)數(shù)量對(duì)比，也可以針對(duì)具體場(chǎng)景為市場(chǎng)提供精準(zhǔn)的數(shù)據(jù)支撐分析。

3 眾籌數(shù)據(jù)優(yōu)化實(shí)踐應(yīng)用

3.1 柵格維度評(píng)估

覆蓋好質(zhì)量差柵格分析，具體如表1所示。

表1 質(zhì)差柵格信號(hào)覆蓋情況

柵格jnan078746 覆蓋好質(zhì)量差采樣點(diǎn)比例達(dá)到21.3%，如圖2所示。

圖2 眾籌數(shù)據(jù)評(píng)估質(zhì)差柵格

問(wèn)題定位：對(duì)質(zhì)差柵格進(jìn)行拆分可以定位出主覆蓋小區(qū)，然后對(duì)主覆蓋小區(qū)進(jìn)行細(xì)化分析，某主覆蓋小區(qū)采樣點(diǎn)較多，同時(shí)該站距離柵格較遠(yuǎn)，不應(yīng)做主覆蓋小區(qū)，屬于越區(qū)小區(qū)。

3.2 小區(qū)級(jí)維度評(píng)估

3.2.1 室分弱覆蓋排查

通過(guò)眾籌數(shù)據(jù)統(tǒng)計(jì)某室分小區(qū)弱覆蓋比例較高，2個(gè)小區(qū)覆蓋同一片場(chǎng)景，具體如表2所示。

表2 弱覆蓋小區(qū)信號(hào)覆蓋情況

測(cè)試發(fā)現(xiàn)金水岸1～2號(hào)樓B1F有室分覆蓋，其中2號(hào)樓南側(cè)區(qū)域?yàn)槿醺采w區(qū)域；位于2～3 號(hào)樓宇之間存在弱覆蓋區(qū)域，其中占用金水岸1－B1 和金水岸2－B1的時(shí)候存在弱覆蓋現(xiàn)象，與眾籌數(shù)據(jù)統(tǒng)計(jì)相符，如圖3所示。

圖3 測(cè)試情況

3.2.2 天饋接反排查

天饋接反排查原理：通過(guò)眾籌數(shù)據(jù)采樣點(diǎn)分布，利用重心獲取算法得到一個(gè)小區(qū)下所有采樣點(diǎn)的重心。進(jìn)而可以計(jì)算采樣點(diǎn)重心方位角β與小區(qū)方位角α之間的夾角θ。如果θ大于一定的門(mén)限，可判斷小區(qū)天饋是否接反或工參經(jīng)緯度錯(cuò)誤等問(wèn)題，進(jìn)而可進(jìn)行相關(guān)的優(yōu)化調(diào)整工作，重心經(jīng)緯度及天饋接反算法原理示意圖如圖4所示。

圖4 重心經(jīng)緯度算法原理

表3給出了疑似天饋接反小區(qū)信號(hào)覆蓋情況。通過(guò)路測(cè)核實(shí)，小區(qū)B1 實(shí)際覆蓋方向是70°左右，小區(qū)A1 覆蓋方向是180°左右，結(jié)合工參對(duì)比小區(qū)A1 和小區(qū)B1 的天饋情況，發(fā)現(xiàn)天饋接反，和眾籌數(shù)據(jù)推斷一致。

表3 疑似天饋接反小區(qū)信號(hào)覆蓋情況

3.3 專(zhuān)項(xiàng)優(yōu)化評(píng)估

3.3.1 模擬路測(cè)城區(qū)道路

通過(guò)路測(cè)軌跡計(jì)算篩選眾籌數(shù)據(jù)采樣點(diǎn)，采樣點(diǎn)軌跡如圖5所示，基本和實(shí)測(cè)DT軌跡吻合。

圖5 眾籌數(shù)據(jù)模擬路測(cè)采樣點(diǎn)分布

3.3.2 口碑場(chǎng)景評(píng)估

通過(guò)PostgresSQL 數(shù)據(jù)庫(kù)進(jìn)行場(chǎng)景邊框、采樣點(diǎn)關(guān)聯(lián)，可以篩選場(chǎng)景邊框內(nèi)采樣點(diǎn)，可進(jìn)行場(chǎng)景級(jí)覆蓋、用戶(hù)分布等評(píng)估，為建設(shè)、優(yōu)化提供支撐，如圖6所示。

圖6 采樣點(diǎn)篩選

3.3.3 覆蓋空洞評(píng)估

網(wǎng)絡(luò)評(píng)估中除了評(píng)估整體指標(biāo)外，如何查找覆蓋空洞是一個(gè)比較重要的研究方向，如果該區(qū)域無(wú)覆蓋也無(wú)用戶(hù)就沒(méi)有相應(yīng)的采樣數(shù)據(jù)。通過(guò)對(duì)OTT 數(shù)據(jù)分析結(jié)合聚類(lèi)算法研究，借助于友商用戶(hù)數(shù)據(jù)，則可判斷覆蓋空洞區(qū)域。

4 結(jié)束語(yǔ)

相比傳統(tǒng)的DT/CQT 測(cè)試，互聯(lián)網(wǎng)眾籌數(shù)據(jù)可對(duì)網(wǎng)絡(luò)基礎(chǔ)覆蓋能力和業(yè)務(wù)體驗(yàn)?zāi)芰M(jìn)行綜合評(píng)估分析?？蛇M(jìn)行柵格級(jí)、小區(qū)級(jí)、用戶(hù)級(jí)分析，也可進(jìn)行點(diǎn)、線、面維度的分析，通過(guò)聚類(lèi)算法也可查找網(wǎng)絡(luò)存在的弱覆蓋問(wèn)題，使優(yōu)化工作有的放矢，從而提高工作效率，用戶(hù)的分布情況也可為市場(chǎng)提供精準(zhǔn)數(shù)據(jù)支撐。采用互聯(lián)網(wǎng)+、大數(shù)據(jù)分析是未來(lái)網(wǎng)絡(luò)評(píng)估、優(yōu)化、市場(chǎng)決策的發(fā)展趨勢(shì)，還需要結(jié)合實(shí)踐不斷地進(jìn)行探索，將會(huì)有更廣闊的應(yīng)用前景。