曾進，尹勁松，呂本勇（中國聯(lián)通重慶分公司，重慶 401120）

1 概述

在移動網(wǎng)絡優(yōu)化中，無線容量調(diào)配工作是重點工作之一。4G/5G 網(wǎng)絡在負荷過高、容量不足、用戶超限時，均需進行載波、License 等擴容。而目前依靠人工評估、手動調(diào)整無法滿足及時性、準確性的需求。

目前面臨4個方面的問題。

一是4G 業(yè)務量占比仍然較大，約為60%，熱點場景容量問題仍然存在；中國電信和中國聯(lián)通共享一張網(wǎng)后，基站承載用戶和業(yè)務量仍在增長。

二是4G網(wǎng)絡已進入存量運營階段，且無新的擴容投資，如要保障用戶的感知體驗，則需充分利用現(xiàn)網(wǎng)資源，實現(xiàn)自動拆閑補忙，提高軟件資源利用率。

三是移網(wǎng)基站不同場景間業(yè)務特征化明顯，具有明顯的業(yè)務潮汐效應［1］，比如軌道交通、辦公區(qū)、校園宿舍等場景高負荷時段固定，而軟件資源投放后，未隨著業(yè)務潮汐而動態(tài)移動，導致全網(wǎng)存在閑、忙不均的情況。

四是容量問題處理流程依靠人工，不滿足數(shù)字化運營的發(fā)展趨勢，從發(fā)現(xiàn)容量問題、處理問題到效果跟蹤，全流程耗時長，而用戶個數(shù)和業(yè)務負荷抬升屬于突發(fā)型，處理時效不夠及時，用戶感知難以得到有效保障。

基于以上問題，建設數(shù)字化無線容量動態(tài)調(diào)整系統(tǒng)是提升網(wǎng)絡質(zhì)量、解決容量問題、改善用戶感知的一條有效路徑。

2 數(shù)字化無線容量動態(tài)調(diào)整方案

2.1 無線容量動態(tài)調(diào)配系統(tǒng)架構

為了實現(xiàn)移動網(wǎng)絡無線容量調(diào)配的自動化、智能化，搭建無線容量動態(tài)調(diào)配系統(tǒng)。該系統(tǒng)主要由核心系統(tǒng)、接口服務器、接入網(wǎng)系統(tǒng)組成（見圖1）。

核心系統(tǒng)主要由智能網(wǎng)優(yōu)平臺、歷史業(yè)務評估、負荷值預測和無線容量動態(tài)調(diào)整系統(tǒng)組成，負責算法和模型的實現(xiàn)，完成資源評估和調(diào)整方案指令的輸出；接口服務器負責調(diào)用指令、License 調(diào)整功能；接入網(wǎng)系統(tǒng)負責提供告警、PM、CM 等數(shù)據(jù)源，并接收指令完成調(diào)配的數(shù)據(jù)制作。

2.2 無線容量動態(tài)調(diào)配算法及模型

2.2.1 用戶數(shù)License評估與調(diào)整算法

用戶數(shù)License 的擴、減容可1 對1 或多對1 進行調(diào)整，首先需確定擴、減容基站對象；其次明確擴容需求的資源數(shù)量；最后是計算減容基站可調(diào)資源數(shù)量。

a）擴、減容基站對象評估。擴容對象：廠家A 設備基站基于告警數(shù)據(jù)識別存在RRC 連接超限告警基站，廠家B 設備基站基于實時PM 數(shù)據(jù)識別RRC 用戶數(shù)使用占比＞80%的小區(qū)。減容對象：評估資源池內(nèi)所有網(wǎng)元最近15 天（時間可調(diào)）內(nèi)實際占用的最大RRC連接用戶數(shù)×150%＜配置的RRC連接用戶個數(shù)。

b）擴容基站需求評估。實際使用用戶數(shù)記為x，配置用戶數(shù)記為n，需求用戶數(shù)y=（100%+20%）×x-n；即調(diào)整后配置用戶數(shù)為實際使用用戶數(shù)的1.2 倍（可調(diào)）。廠家A 設備基站RRC 連接用戶數(shù)單元分別為10、20、40個，因此計算出實際需求后再計算單個License數(shù)量時，需向上取整。廠家B設備基站RRC連接用戶數(shù)以200 個為單元進行調(diào)整，因此一般以200、400、600、800為單元進行調(diào)整。

c）減容基站數(shù)量評估。識別減容基站近15 天最大用戶個數(shù)記為z，配置用戶個數(shù)記為m，分析m與z值關系，當z＞80%×m時，不可調(diào)整，當z＜80%×m時，可減容m-（100%+20%）×z個用戶數(shù)，再按連接用戶數(shù)單元向下取整計算可減容的License數(shù)量。

2.2.2 載波License評估與調(diào)整算法

載波License 的擴、減容需成對進行調(diào)整，因此需確定載波擴、減容基站的對象。主要評估方案有2種，一是基于歷史業(yè)務，完成單次任務的調(diào)整；二是基于業(yè)務預測，建立定時、周期性任務進行調(diào)整。

a）載波減容小區(qū)評估?；跉v史業(yè)務，若小區(qū)最近7 天均滿足負荷度低于某一門限，比如忙時PRB 利用率小于20%；預估減容后扇區(qū)PRB 利用率小于50%。

b）載波擴容小區(qū)閾值?；跇I(yè)務預測，具有明顯的潮汐效應，如時段1 小區(qū)A 負荷＞70%、小區(qū)B 負荷＜30%，時段2 小區(qū)A 負荷＜30%、小區(qū)B 負荷＞70%?；跉v史業(yè)務，若最近7 天有3 天小區(qū)負荷度大于某一門限，比如忙時PRB 資源利用率大于70%，單小區(qū)業(yè)務量大于8 GB，用戶數(shù)大于50個。

2.2.3 業(yè)務預測模型

在評估擴、減容對象中，一是根據(jù)歷史業(yè)務情況，二是根據(jù)業(yè)務預測，因此需建立業(yè)務模型，對未來的負荷值進行預測。

首先建立小區(qū)負荷度模型，基于上下行流量、上下行PRB 利用率、用戶個數(shù)、CQI 等性能指標［2］，建立小區(qū)負荷度關聯(lián)模型，小區(qū)負荷度定義為P值。

影響負荷的關鍵指標的累積概率分布近似指數(shù)概率分布，可利用對應的累積概率分布函數(shù)得到關鍵指標數(shù)值出現(xiàn)的概率，基于各個關鍵指標概率值得到基站小區(qū)負荷度P，P越大負荷越高，P越小負荷越低。即：P=。n值表示模型中指標的個數(shù)，F(xiàn)（x）表示當指標取值為x時對應的累計概率函數(shù)值。

其次，對各單項指標進行預測，建立ARIMA 負荷值預測模型［3］，用時間序列收集相關指標包括上下行流量、上下行PRB 利用率、用戶個數(shù)、CQI 等。對獲取的數(shù)據(jù)進行分析，明確數(shù)據(jù)發(fā)展的趨勢，如季節(jié)性和周期性趨勢。

通過對數(shù)據(jù)進行擬合或使用單位根檢驗來確定數(shù)據(jù)的穩(wěn)定性。根據(jù)數(shù)據(jù)的穩(wěn)定性，使用自回歸（AR）、移動平均（MA）或差分操作（I）來構建ARIMA模型。通過選擇模型的參數(shù)p、d和q來進行模型訓練和預測。

ARIMA模型預測網(wǎng)絡負荷的關鍵公式為：

AR（p）表示自回歸模型，它是指將過去的觀測值作為預測值的加權和，權重系數(shù)為p。公式可以表示為：

其中，y（t）表示時間為t的網(wǎng)絡負荷數(shù)據(jù)，φ1…φp是自回歸系數(shù)，ε（t）是噪聲。

MA（q）表示移動平均模型，它是指將過去的錯誤（殘差）的加權和作為預測值，權重系數(shù)為q。公式可以表示為：

其中，θ1…θq是移動平均系數(shù)，ε（t）是噪聲。

I（d）表示差分操作，它是指對數(shù)據(jù)進行d階差分，以消除數(shù)據(jù)的非穩(wěn)定性或季節(jié)性。公式可以表示為：

其中，B是向后移動算子，Y（t）是時間為t的網(wǎng)絡負荷數(shù)據(jù)。

通過以上算法完成ARIMA 模型的構建，實現(xiàn)對負荷關鍵指標的預測。

2.3 無線容量動態(tài)調(diào)配實現(xiàn)方案

2.3.1 無線網(wǎng)管載波擴、減容

載波擴、減容的業(yè)務主流程如圖2所示。

圖2 載波擴、減容的業(yè)務主流程

用戶經(jīng)無線容量動態(tài)調(diào)配系統(tǒng)的工作臺選擇載波擴、減容調(diào)整模板，導入調(diào)整對象清單，配置任務周期、執(zhí)行時間等關鍵信息，提交任務進行審批，審批通過后則執(zhí)行RPA 任務，并執(zhí)行日志監(jiān)控，執(zhí)行成功或失敗用短信、郵件通知任務建立人。

執(zhí)行任務過程基于RPA 機器人流程自動化實現(xiàn)［4］，RPA 任務執(zhí)行流程中，主要是系統(tǒng)基于導入的對象清單，形成指令執(zhí)行清單，通過指令中臺下發(fā)至無線網(wǎng)管進行執(zhí)行，并返回執(zhí)行日志，系統(tǒng)解析返回日志后，根據(jù)執(zhí)行情況計算需調(diào)整License量，經(jīng)過廠家A 的ESDP 獲取License 安裝文件，再由指令中臺上傳和安裝文件，然后對擴容小區(qū)進行參數(shù)優(yōu)化。最后基于CM、PM 數(shù)據(jù)檢查執(zhí)行情況和實施效果是否達到擴、減容需求；并對異常調(diào)整進行糾偏，建立調(diào)整經(jīng)驗庫，確保實施有效性，以滿足智能擴、減容業(yè)務需求。

2.3.2 基站用戶數(shù)License調(diào)整

用戶個數(shù)License軟資源調(diào)配的業(yè)務主流程如圖3所示。

圖3 用戶個數(shù)License軟資源調(diào)配的業(yè)務主流程

在無線容量動態(tài)調(diào)配系統(tǒng)的工作臺選擇調(diào)整模板和調(diào)整區(qū)域后，配置任務周期、執(zhí)行時間、調(diào)整量等關鍵信息，提交任務進行審批，審批通過后執(zhí)行RPA任務，并進行日志監(jiān)控，將執(zhí)行成功或失敗的消息通過短信和郵件通知任務建立人。

RPA 任務執(zhí)行流程中，系統(tǒng)經(jīng)故障中心從無線網(wǎng)管獲取RRC 告警基站清單，通過指令中臺查詢配置的用戶License 數(shù)量，并結(jié)合歷史PM 數(shù)據(jù)獲取實際承載用戶個數(shù)，基于調(diào)整算法進行調(diào)整量的增減數(shù)量計算；由指令平臺執(zhí)行存量調(diào)整，在ESDP 進行調(diào)整并獲取安裝文件并下載，最后在無線網(wǎng)管進行License 安裝。

3 應用效果分析

在容量負荷評估中利用大數(shù)據(jù)分析，挖掘業(yè)務時段互補小區(qū)形成小區(qū)對，建立定時調(diào)整任務，實現(xiàn)單個軟件資源在不同時段應用于不同基站，使軟件資源使用率提升1 倍以上。從單點來看，小區(qū)A 和小區(qū)B的業(yè)務負荷在時間上具有明顯的潮汐互補效應。小區(qū)A 晚上20：00—22：00 負荷高，小區(qū)B 白天7：00—18：00 負荷高，建立日循環(huán)任務，分別于02：00、19：00進行載波調(diào)配。任務實施后，2 個小區(qū)負荷均有明顯降低，用戶感知得到提升，軟資源投入降低一半。

從整體看，應用無線容量動態(tài)調(diào)配系統(tǒng)后，效率、效益、質(zhì)量、感知均有所提升，成本、風險有所降低。在效率上，全流程均由系統(tǒng)執(zhí)行縮短至30 min 內(nèi)；在效益上，累計釋放壓抑流量25 984 TB，調(diào)配RRC 連接數(shù)達53 萬個，單個軟件資源使用率提高30%；在質(zhì)量上，高負荷小區(qū)數(shù)由2 851 個壓降至1 018個，解決RRC 超限告警基站4 158 個；在感知上，調(diào)配區(qū)域感知速率提升47%，網(wǎng)絡擁塞次數(shù)減少80%；在成本上，節(jié)省軟件資源購置費超千萬元和人工調(diào)整成本3 人/周；在風險上，系統(tǒng)自動執(zhí)行數(shù)據(jù)制作，準確性提升，降低網(wǎng)絡事故和投訴風險。

4 結(jié)束語

移動網(wǎng)絡的優(yōu)化向智能化和數(shù)字化方向的發(fā)展是必然趨勢，利用大數(shù)據(jù)、AI、RPA 機器人等技術實現(xiàn)網(wǎng)絡優(yōu)化的數(shù)字化轉(zhuǎn)型。在無線容量動態(tài)調(diào)配上，一是實現(xiàn)智能評估，利用大量的基站性能數(shù)據(jù)、工參、場景、告警等信息，對小區(qū)進行閑、忙時段標簽定義，并建立時序模型實現(xiàn)業(yè)務量和用戶數(shù)的預測，制定算法模型計算調(diào)配對象和調(diào)配量；二是實現(xiàn)自動調(diào)配，基于指令中臺實現(xiàn)設備廠家無線網(wǎng)管的數(shù)據(jù)制作，基于RPA機器人實現(xiàn)License調(diào)配端ESDP的網(wǎng)頁操作。

無線容量動態(tài)調(diào)配部署后可以實現(xiàn)在不增加軟件投資的情況下，動態(tài)地對已有的軟件資源進行智能的自評估和靈活的自調(diào)整，可顯著地提升移網(wǎng)質(zhì)量和改善用戶感知，賦能網(wǎng)絡優(yōu)化的智能化、數(shù)字化，同時也實現(xiàn)網(wǎng)絡運營成本的壓降，提升軟資源的使用效率。