于 洋 張 進(jìn) 谷俊江 李含華

中國(guó)聯(lián)合網(wǎng)絡(luò)通信集團(tuán)有限公司江蘇省分公司

0 引言

中國(guó)聯(lián)通江蘇分公司基于現(xiàn)有網(wǎng)絡(luò)MR和XDR大數(shù)據(jù)，在用戶使用如滴滴打車，百度地圖，美團(tuán)等需要定位信息交互的軟件時(shí)，通過(guò)XDR用戶面數(shù)據(jù)解碼，匹配得到終端位置信息。并通過(guò)MR大數(shù)據(jù)平臺(tái)將MR與XDR信息關(guān)聯(lián)、匯聚和定位，進(jìn)而呈現(xiàn)海量終端的位置信息，實(shí)現(xiàn)大數(shù)據(jù)無(wú)線虛擬測(cè)試代替?zhèn)鹘y(tǒng)路測(cè)。

1 研究背景

同一廠商的設(shè)備組成MESH網(wǎng)絡(luò)。由于OTN網(wǎng)絡(luò)節(jié)點(diǎn)間通信存在很多的私有協(xié)議，難以實(shí)現(xiàn)多個(gè)廠家設(shè)備組網(wǎng)。這樣的組網(wǎng)方式下，所有設(shè)備均由一家廠商集成，有的運(yùn)營(yíng)商稱之為“集成式OTN”。

自4G業(yè)務(wù)商用和推廣以來(lái)，4G業(yè)務(wù)流量呈現(xiàn)出爆炸式增長(zhǎng)，同時(shí)用戶對(duì)4G網(wǎng)絡(luò)質(zhì)量的要求越來(lái)越高，網(wǎng)絡(luò)深度覆蓋不足，尤其是室內(nèi)深度覆蓋問(wèn)題制約著4G網(wǎng)絡(luò)質(zhì)量的提升，影響客戶感知。

江蘇聯(lián)通公司4G站點(diǎn)總規(guī)模為42000個(gè)，4G室分覆蓋樓宇數(shù)8400棟，作為南方經(jīng)濟(jì)大省的省分公司，無(wú)論從網(wǎng)絡(luò)規(guī)模還是業(yè)務(wù)量上看，都在全國(guó)處于前列。截至2016年，江蘇共有約87萬(wàn)棟樓宇，公路總里程近20萬(wàn)公里，如此龐大的基數(shù)給人工測(cè)試帶來(lái)了巨大投資成本和時(shí)間成本，與我省提出的“提質(zhì)、降本、增效”的公司運(yùn)營(yíng)發(fā)展思路相違背。所以江蘇聯(lián)通面對(duì)多張網(wǎng)絡(luò)同時(shí)運(yùn)行、用戶數(shù)迅速增長(zhǎng)、各種業(yè)務(wù)層出不窮、多場(chǎng)景覆蓋需求等復(fù)雜的局面，需要從以前的靠人海戰(zhàn)術(shù)、多系統(tǒng)并行提取多維數(shù)據(jù)源，人工分析和組合關(guān)聯(lián)的工作方式向云化大數(shù)據(jù)分析轉(zhuǎn)變。在數(shù)據(jù)源爆炸的時(shí)代，實(shí)現(xiàn)工作效率不降反升，精細(xì)化分析的能力日漸增強(qiáng)，同時(shí)兼顧運(yùn)營(yíng)成本投入。

2 MR大數(shù)據(jù)平臺(tái)無(wú)線虛擬測(cè)試的實(shí)現(xiàn)

2.1 終端位置信息的匹配

（1）指紋庫(kù)定位算法

指紋庫(kù)算法是指采用日常的ATU道路/CQT撥打測(cè)試數(shù)據(jù)作為訓(xùn)練樣本指紋庫(kù)，將MR數(shù)據(jù)與之進(jìn)行匹配，配對(duì)成功，完成MR的地理化顯示。

指紋匹配一般采用模式匹配的標(biāo)準(zhǔn)算法，比如KNN（K Nearest Neighborhood）。

1）指紋匹配：宗旨是選擇MR與指紋庫(kù)最“相似”的柵格；

2）相似度可以通過(guò)MR中小區(qū)信號(hào)強(qiáng)度和指紋庫(kù)的LSQ（sum of squared difference）評(píng)估，值越小表示相似度越高；

3）從待選區(qū)域的所有可能50×50柵格，按上面的方法找到K個(gè)最小的LSQ，這K個(gè)柵格的中心坐標(biāo)就定義為MR的位置，通過(guò)指紋庫(kù)算法可將MR定位精度由傳統(tǒng)的200米提升到50米以內(nèi)。

（2）用戶行為識(shí)別算法

用戶行為識(shí)別算法是通過(guò)MR數(shù)據(jù)挖掘，獲取用戶的電平特征、鄰區(qū)特征、切換特征等多維度信息，建立室內(nèi)用戶模型，從而精確區(qū)分室內(nèi)外業(yè)務(wù)。

大數(shù)據(jù)、云計(jì)算、網(wǎng)信安全及其他新技術(shù)——?jiǎng)?chuàng)新與發(fā)展

圖1 指紋庫(kù)定位算法原理

2.2 MR信息與準(zhǔn)確定位信息的關(guān)聯(lián)

MR大數(shù)據(jù)分析平臺(tái)基于路測(cè)數(shù)據(jù)的小區(qū)信號(hào)強(qiáng)度進(jìn)行模型校正，以PNN神經(jīng)網(wǎng)絡(luò)算法為基礎(chǔ)對(duì)道路附近的MR樣本點(diǎn)進(jìn)行定位，同時(shí)結(jié)合經(jīng)過(guò)模型校正后的網(wǎng)格場(chǎng)強(qiáng)定位的方法，采用 fi nger-print等識(shí)別匹配算法進(jìn)行精確定位。

圖2 MR信息和定位信息關(guān)聯(lián)

2.3 平臺(tái)搭建的方式

MR大數(shù)據(jù)平臺(tái)產(chǎn)品采用松耦合架構(gòu)，定位中心的構(gòu)建位于客戶大數(shù)據(jù)中心的中間層，定位結(jié)果支撐無(wú)線虛擬測(cè)試應(yīng)用。

大數(shù)據(jù)分析虛擬測(cè)試平臺(tái)具有如下特點(diǎn)：

1）實(shí)時(shí)在線大數(shù)據(jù)獲?。焊咝ё詣?dòng)；

2）客戶端友好：Web應(yīng)用、支持GIS呈現(xiàn)、支持?jǐn)?shù)據(jù)庫(kù)操作、支持問(wèn)題小區(qū)查詢和導(dǎo)出；

3）支撐精細(xì)優(yōu)化：50×50米柵格級(jí)統(tǒng)計(jì)、業(yè)務(wù)和MR的關(guān)聯(lián)定位、信令和MR的關(guān)聯(lián)定位。

圖3 MR大數(shù)據(jù)平臺(tái)架構(gòu)

2.4 功能模塊實(shí)現(xiàn)應(yīng)用

（1）LTE網(wǎng)絡(luò)精確規(guī)劃模塊

LTE網(wǎng)絡(luò)精確規(guī)劃模塊，通過(guò)MR定位、路測(cè)、工參，電子地圖等多維數(shù)據(jù)關(guān)聯(lián)分析，依托精度更高的指紋庫(kù)算法以及基于指紋庫(kù)的傳播模型訓(xùn)練算法，實(shí)現(xiàn)數(shù)據(jù)入庫(kù)、數(shù)據(jù)解析和定位、數(shù)據(jù)分析、報(bào)表輸出的自動(dòng)化處理，快速、有效的定位覆蓋問(wèn)題點(diǎn)。

從需求管理、站點(diǎn)規(guī)劃、價(jià)值分析到建后評(píng)估的全流程管理，實(shí)現(xiàn)需求管理、站點(diǎn)可柵格化呈現(xiàn)。

圖4 MR大數(shù)據(jù)平臺(tái)數(shù)據(jù)生產(chǎn)流程

（2）眾籌道路測(cè)試和眾籌掃樓功能

基于特有定位和位置信息匹配算法，通過(guò)XDR和MR的大數(shù)據(jù)關(guān)聯(lián)，采用APP GPS+MR指紋定位，獲得含經(jīng)緯度的可用采樣點(diǎn)。顯示采樣點(diǎn)的位覆蓋情況屬性，精確顯示道路采樣數(shù)以及覆蓋屬性。

眾籌路測(cè)功能：獲得的道路多維度（覆蓋、干擾、重疊等）指標(biāo)狀況，節(jié)省海量測(cè)試人員并獲取諸多難以涉及的小巷或者小區(qū)內(nèi)道路情況，虛擬測(cè)試詳細(xì)度高于5級(jí)道路，在節(jié)省測(cè)試成本的同時(shí)，提升日常測(cè)試工作的效率。

眾籌掃樓功能：通過(guò)MR柵格化定位算法實(shí)現(xiàn)對(duì)區(qū)域覆蓋柵格化定位，并通過(guò)定位模型算法識(shí)別出室內(nèi)外用戶，在柵格化地圖上做精細(xì)化的顯示，進(jìn)行室內(nèi)建筑物的覆蓋情況分析。

眾籌路測(cè)輸出結(jié)果不僅能在平臺(tái)頁(yè)面直接呈現(xiàn)，還可以導(dǎo)出KML格式文件，在Google Earth中加載，更便于維護(hù)、優(yōu)化人員對(duì)比分析。

3 結(jié)論

江蘇聯(lián)通MR大數(shù)據(jù)分析平臺(tái)無(wú)線虛擬測(cè)試的實(shí)現(xiàn)，通過(guò)獨(dú)有的指紋庫(kù)定位算法、MR和準(zhǔn)確定位信息的關(guān)聯(lián)，集約化的平臺(tái)搭建方式，實(shí)現(xiàn)了全民參與道路虛擬測(cè)試，眾籌掃樓、網(wǎng)絡(luò)規(guī)劃指導(dǎo)，驗(yàn)證和優(yōu)化的功能。

運(yùn)用MR數(shù)據(jù)分析平臺(tái)進(jìn)行MR和XDR大數(shù)據(jù)挖掘，代替?zhèn)鹘y(tǒng)的人工路面測(cè)試和樓宇深度測(cè)試，大大減少了網(wǎng)絡(luò)優(yōu)化數(shù)據(jù)采集的人工成本和時(shí)間成本。并且由于收集的是在網(wǎng)用戶的實(shí)際使用感知數(shù)據(jù)，減少了人工測(cè)試可能出現(xiàn)的人為干預(yù)和采樣不合理因素，無(wú)線網(wǎng)絡(luò)評(píng)估結(jié)果更貼近真實(shí)用戶體驗(yàn)，更公平合理，也使無(wú)線網(wǎng)絡(luò)評(píng)估工作進(jìn)入自動(dòng)化、智能化階段。