史文祥，趙 偉，孟 寧，郭云霄，盧偉榮（.中訊郵電咨詢?cè)O(shè)計(jì)院有限公司，北京 0008；.中國(guó)聯(lián)通浙江分公司，浙江杭州 005；.中國(guó)聯(lián)合網(wǎng)絡(luò)通信集團(tuán)有限公司，北京 000；.中國(guó)聯(lián)通山西省分公司，山西太原 00006）

1 概述

隨著近年來(lái)移動(dòng)網(wǎng)絡(luò)的大規(guī)模建設(shè)，4G移動(dòng)網(wǎng)絡(luò)覆蓋已日趨完善，但網(wǎng)絡(luò)的日常維護(hù)工作愈加繁重，網(wǎng)絡(luò)優(yōu)化問(wèn)題日益凸顯。傳統(tǒng)方法主要通過(guò)一線工程師采集網(wǎng)絡(luò)信息，依靠工程師分析各項(xiàng)數(shù)據(jù)，然后人工排查覆蓋、干擾、容量等各類網(wǎng)絡(luò)問(wèn)題，通過(guò)他們的經(jīng)驗(yàn)調(diào)整基站參數(shù)，從而對(duì)網(wǎng)絡(luò)問(wèn)題進(jìn)行優(yōu)化。這種優(yōu)化方法效率低、準(zhǔn)確度差，對(duì)優(yōu)化人員的水平要求較高，但用戶感知卻可能并沒(méi)有得到很大提高，難以滿足現(xiàn)在大規(guī)模網(wǎng)絡(luò)優(yōu)化的要求。在運(yùn)營(yíng)商數(shù)字化轉(zhuǎn)型的背景下，中國(guó)聯(lián)通以數(shù)字化運(yùn)營(yíng)為契機(jī)，基于大數(shù)據(jù)和人工智能技術(shù)的發(fā)展，采取多種措施提升用戶感知。通過(guò)統(tǒng)一采集和解析全國(guó)基站和小區(qū)信息，建立數(shù)據(jù)分析庫(kù)，以網(wǎng)絡(luò)大數(shù)據(jù)為基礎(chǔ)，實(shí)現(xiàn)對(duì)問(wèn)題小區(qū)的識(shí)別和派單，把問(wèn)題直達(dá)一線，主動(dòng)進(jìn)行維護(hù)和服務(wù)。但若依靠傳統(tǒng)優(yōu)化方法讓一線工程師針對(duì)每個(gè)問(wèn)題工單逐一進(jìn)行分析，仍然無(wú)法避免效率低、準(zhǔn)確率差的問(wèn)題。在此背景下，本文旨在通過(guò)建立無(wú)線問(wèn)題根因定位算法庫(kù)，對(duì)問(wèn)題小區(qū)進(jìn)行根因定位，從而幫助一線人員快速定位網(wǎng)絡(luò)問(wèn)題，高效支撐生產(chǎn)運(yùn)營(yíng)。

2 無(wú)線網(wǎng)問(wèn)題根因定位算法分析思路

網(wǎng)絡(luò)質(zhì)量和用戶感知之間相輔相成。評(píng)價(jià)用戶感知，可以從“站的上、駐留穩(wěn)、速率高”等方面來(lái)綜合評(píng)價(jià)，當(dāng)小區(qū)存在低接入、高掉線、低速率等問(wèn)題時(shí)，則認(rèn)為該小區(qū)為影響用戶感知的質(zhì)差小區(qū)。雖然能夠通過(guò)掉線率、無(wú)線接入成功率、速率等指標(biāo)識(shí)別出這些質(zhì)差小區(qū)，但由于影響用戶感知的原因多種多樣，甚至可能是多種因素導(dǎo)致，一線人員定位質(zhì)差小區(qū)產(chǎn)生的原因依然十分困難。

為了快速定位并解決無(wú)線網(wǎng)絡(luò)問(wèn)題，提升一線工作效率，助力中國(guó)聯(lián)通數(shù)字化運(yùn)營(yíng)，結(jié)合省分公司實(shí)際，進(jìn)行了根因算法的研究。在專家經(jīng)驗(yàn)的基礎(chǔ)上，將網(wǎng)絡(luò)問(wèn)題分為覆蓋、干擾、容量、故障等類型，結(jié)合CM、PM、MR 等數(shù)據(jù)，通過(guò)制定相應(yīng)的根因算法，實(shí)現(xiàn)對(duì)質(zhì)差小區(qū)的根因標(biāo)注。

由于無(wú)線問(wèn)題的復(fù)雜性，對(duì)無(wú)線網(wǎng)的問(wèn)題根因定位注定是個(gè)長(zhǎng)期、艱巨的研究課題，即便能夠?qū)崿F(xiàn)對(duì)問(wèn)題的根因標(biāo)注，但對(duì)于疑難問(wèn)題，仍然需要網(wǎng)優(yōu)專家實(shí)際環(huán)境勘察的輔助，才能制定最終的解決方案。根據(jù)研究的深入程度，本文將無(wú)線網(wǎng)根因定位的研究分為3個(gè)階段。

a）基于專家經(jīng)驗(yàn)制定根因算法，實(shí)現(xiàn)對(duì)省分公司帶根因派單，通過(guò)運(yùn)行反饋不斷完善根因算法，逐步提高根因標(biāo)注率和準(zhǔn)確率。

b）引入AI 算法對(duì)根因算法進(jìn)行優(yōu)化，通過(guò)對(duì)多種根因制定不同權(quán)重，實(shí)現(xiàn)規(guī)劃、建設(shè)、優(yōu)化問(wèn)題的分揀，實(shí)現(xiàn)質(zhì)差小區(qū)解決方案的輸出。

c）利用無(wú)線Trace 數(shù)據(jù)補(bǔ)充完善根因算法，在之前根因算法的基礎(chǔ)之上，提高根因定位的準(zhǔn)確性，解決疑難問(wèn)題。

受限于目前數(shù)據(jù)獲取等實(shí)際情況，本文主要針對(duì)第1 階段基于專家經(jīng)驗(yàn)的根因算法進(jìn)行研究，并對(duì)根因定位研究的第2階段和第3階段進(jìn)行了探討。

3 基于專家知識(shí)圖譜的根因定位算法

本章詳細(xì)介紹了基于專家知識(shí)圖譜的根因定位算法?；趦?yōu)化專家在4G 網(wǎng)絡(luò)日常優(yōu)化維護(hù)工作中的經(jīng)驗(yàn)積累，結(jié)合網(wǎng)絡(luò)中實(shí)際存在的問(wèn)題，將問(wèn)題分為覆蓋、干擾、質(zhì)差、容量等類型，從多個(gè)維度設(shè)置指標(biāo)門限，定位質(zhì)差小區(qū)的根因，在文獻(xiàn)［1］中已經(jīng)梳理了部分根因定位算法，如圖1所示。

圖1 根因定位算法梳理

本文在前期研究的基礎(chǔ)上，根據(jù)實(shí)際運(yùn)行反饋，對(duì)根因定位算法進(jìn)行了迭代優(yōu)化。

3.1 覆蓋類問(wèn)題根因定位算法

無(wú)線網(wǎng)絡(luò)覆蓋類問(wèn)題是網(wǎng)絡(luò)覆蓋范圍不合理導(dǎo)致的，一般宏站場(chǎng)景下網(wǎng)絡(luò)覆蓋問(wèn)題可以分為弱覆蓋、過(guò)覆蓋和重疊覆蓋等。在本文所提出的根因算法中，通過(guò)RSRP、TA、重疊覆蓋率等指標(biāo)聯(lián)合定位重疊覆蓋、弱覆蓋等覆蓋類問(wèn)題。

當(dāng)前4G 網(wǎng)絡(luò)規(guī)模建設(shè)已趨于成熟，但城區(qū)、郊區(qū)/縣城、鄉(xiāng)鎮(zhèn)/農(nóng)村等不同場(chǎng)景站點(diǎn)規(guī)劃的覆蓋范圍不同：城區(qū)站點(diǎn)密集，郊區(qū)/縣城站點(diǎn)站間距較大，鄉(xiāng)鎮(zhèn)/農(nóng)村站點(diǎn)規(guī)劃多為廣覆蓋。因此，在制定根因算法時(shí)，需要根據(jù)不同覆蓋場(chǎng)景設(shè)置不同的TA門限。

城區(qū)站點(diǎn)一般規(guī)劃覆蓋范圍在1 km 內(nèi)，考慮城區(qū)內(nèi)無(wú)線環(huán)境差異，以TA>1 km 的比例>25%作為判定城區(qū)過(guò)覆蓋的先決條件；而郊區(qū)/縣城站點(diǎn)由于站間距較大，考慮其覆蓋區(qū)不宜過(guò)遠(yuǎn)，但同時(shí)也不能過(guò)近，以TA>2.5 km 的比例>25%作為判定郊區(qū)/縣城過(guò)覆蓋的先決條件；鄉(xiāng)鎮(zhèn)/農(nóng)村站點(diǎn)雖然覆蓋較廣，但考慮到無(wú)線傳播損耗問(wèn)題，信號(hào)覆蓋越遠(yuǎn)衰減越大、信號(hào)穿透能力越弱，覆蓋距離不宜過(guò)廣，以TA>3.5 km 的比例>25%作為判定鄉(xiāng)鎮(zhèn)/農(nóng)村過(guò)覆蓋問(wèn)題的先決條件。

覆蓋過(guò)近是指信號(hào)覆蓋遠(yuǎn)低于規(guī)劃設(shè)定的覆蓋范圍，例如質(zhì)差小區(qū)的天線下傾角設(shè)置過(guò)大、覆蓋方向有遮擋物、天饋系統(tǒng)存在隱性故障等導(dǎo)致覆蓋過(guò)近，可以通過(guò)TA、RSRP等指標(biāo)進(jìn)行綜合判斷。

使用單一指標(biāo)評(píng)判質(zhì)差根因的準(zhǔn)確率較低，可通過(guò)TA、MR 等指標(biāo)，結(jié)合不同場(chǎng)景的站間距、小區(qū)平均覆蓋距離，制定弱覆蓋、重疊覆蓋、過(guò)覆蓋、覆蓋過(guò)近等根因定位算法，如表1所示。

表1 覆蓋類問(wèn)題根因定位算法

針對(duì)宏站弱覆蓋、過(guò)覆蓋等覆蓋類問(wèn)題，在保證基站及天饋系統(tǒng)工作正常、參數(shù)設(shè)置合理的情況下，一般有5種解決方案：調(diào)整天線高度、調(diào)整天線下傾角和方位角、調(diào)整RS 的功率、站點(diǎn)的重新選址搬移、增加RRU。其中，優(yōu)先考慮調(diào)整天線下傾角和方位角的方案。

3.2 干擾類問(wèn)題根因定位算法

無(wú)線網(wǎng)絡(luò)干擾類問(wèn)題一般包括系統(tǒng)外干擾和系統(tǒng)內(nèi)干擾。在本文所提根因算法中，通過(guò)平均每PRB干擾噪聲功率這一表征干擾強(qiáng)度的指標(biāo)定位干擾類問(wèn)題。

系統(tǒng)外干擾一般稱之為外部干擾，是由外部干擾源引起的。系統(tǒng)內(nèi)干擾是指系統(tǒng)內(nèi)同頻干擾、GPS 故障、數(shù)據(jù)配置錯(cuò)誤等引起的干擾。外部干擾是連續(xù)、持久的，判斷外部干擾時(shí)需剔除白天因用戶使用等因素導(dǎo)致干擾抬升的情況，一般考慮使用03:00 點(diǎn)業(yè)務(wù)閑時(shí)的干擾指標(biāo)進(jìn)行評(píng)判；系統(tǒng)內(nèi)干擾產(chǎn)生的時(shí)間段不固定，受用戶行為等因素的影響較大，一般考慮使用全天的干擾指標(biāo)。系統(tǒng)外干擾、系統(tǒng)內(nèi)干擾的根因定位算法如表2所示。

表2 干擾類問(wèn)題根因定位算法

針對(duì)干擾類問(wèn)題，在保證基站及天饋系統(tǒng)工作正常、參數(shù)設(shè)置合理的情況下，一般有5 種解決方案：排查外部干擾源、調(diào)整天線高度、調(diào)整天線下傾角和方位角、調(diào)整RS 的功率。其中，優(yōu)先考慮排查外部干擾源方案。

3.3 質(zhì)差類問(wèn)題根因定位算法

無(wú)線網(wǎng)質(zhì)差相關(guān)指標(biāo)能直接表征網(wǎng)絡(luò)質(zhì)量，例如，CQI表征信道質(zhì)量，MCS 表征資源調(diào)度情況。一般宏站場(chǎng)景下網(wǎng)絡(luò)質(zhì)差問(wèn)題主要由弱覆蓋、過(guò)覆蓋和重疊覆蓋等原因引起。在本文所提根因算法中，通過(guò)CQI、MCS、TA等指標(biāo)聯(lián)合定位質(zhì)差類問(wèn)題。

質(zhì)差類問(wèn)題中城區(qū)、郊區(qū)/縣城、鄉(xiāng)鎮(zhèn)/農(nóng)村站點(diǎn)的覆蓋判決條件與3.1 節(jié)中一致，在此不再詳述。在質(zhì)差類根因定位算法中，將CQI、MCS 結(jié)合TA 指標(biāo)、小區(qū)平均覆蓋距離、不同場(chǎng)景下的平均站間距等指標(biāo)聯(lián)合來(lái)定位質(zhì)差小區(qū)根因（見表3）。

表3 質(zhì)差類問(wèn)題根因定位算法

解決質(zhì)差類問(wèn)題與解決覆蓋類問(wèn)題相似，在保證基站及天饋系統(tǒng)工作正常、參數(shù)設(shè)置合理的情況下，通過(guò)天線高度的調(diào)整、天線下傾角和方位角的調(diào)整、RS 功率的調(diào)整進(jìn)行優(yōu)化。其中，優(yōu)先考慮天線下傾角、RS功率的調(diào)整方案。

3.4 容量類問(wèn)題根因定位算法

高負(fù)荷直接影響網(wǎng)絡(luò)的各項(xiàng)指標(biāo)，在本文所提根因算法中，通過(guò)PRB 利用率、RS 功率等表征負(fù)荷的指標(biāo)聯(lián)合定位載波間話務(wù)負(fù)荷不均衡、扇區(qū)間話務(wù)負(fù)荷不均衡等負(fù)荷類問(wèn)題。

在同一RRU 下，2 個(gè)不同頻點(diǎn)相同帶寬的邏輯小區(qū)的最大功率相同，此時(shí)如果其PRB利用率差值>20%則為負(fù)載不均衡；實(shí)際情況中同一物理小區(qū)下，2 個(gè)相同覆蓋的邏輯小區(qū)為規(guī)避干擾等各種因素，其最大功率不一定都相同，但正常情況下差值不會(huì)超過(guò)3 dB。結(jié)合實(shí)際情況，以PRB 利用率和RS 功率聯(lián)合定位載波間負(fù)載均衡問(wèn)題。同時(shí)，此方法也同樣適用于扇區(qū)間的負(fù)載均衡判決。

通過(guò)PRB 利用率、CCE 利用率、用戶數(shù)、流量、RS功率、小區(qū)合并等指標(biāo)，制定了載波間話務(wù)負(fù)荷不均衡、扇區(qū)間話務(wù)負(fù)荷不均衡、用戶數(shù)多、帶寬不足、合并狀態(tài)的邏輯小區(qū)負(fù)荷高、License 受限扇區(qū)間話務(wù)負(fù)荷不均衡、CCE利用率高等根因算法，如表4所示。

針對(duì)宏站高負(fù)荷問(wèn)題，在保證基站及天饋系統(tǒng)工作正常、參數(shù)設(shè)置合理的情況下，一般有5 種解決方案：小區(qū)擴(kuò)容、拆分合并小區(qū)、載波間負(fù)載均衡、站間負(fù)載均衡、擴(kuò)容License。其中，優(yōu)先采用載波間負(fù)載均衡和站間負(fù)載均衡的方案。

3.5 維護(hù)類問(wèn)題

通過(guò)操作維護(hù)中心（Operation and Maintenance Center，OMC）獲取基站影響業(yè)務(wù)類的告警和故障信息，結(jié)合質(zhì)差小區(qū)劣化指標(biāo)、劣化時(shí)間，聯(lián)合定位根因。

3.6 算法應(yīng)用與效果驗(yàn)證

對(duì)某市開展了根因定位算法的應(yīng)用實(shí)驗(yàn)，以驗(yàn)證本文所提算法的有效性，針對(duì)該市586 個(gè)質(zhì)差小區(qū)進(jìn)行指標(biāo)對(duì)比，有485個(gè)小區(qū)完全符合根因定位算法，標(biāo)注率達(dá)82.8%。根據(jù)該市反饋，根因標(biāo)注與小區(qū)實(shí)際問(wèn)題定位一致的比例為69.3%（見表5）。

表5 根因定位算法驗(yàn)證結(jié)果

4 根因研究探索

4.1 基于AI算法拓展根因算法

在基于專家知識(shí)圖譜的根因定位算法中，算法門限是基于專家經(jīng)驗(yàn)確定，可能會(huì)存在門限設(shè)置不太合理，根因定位不夠精準(zhǔn)和深入等情況，影響質(zhì)差小區(qū)的解決效率。通過(guò)引入AI 算法，實(shí)現(xiàn)對(duì)質(zhì)差小區(qū)規(guī)劃、建設(shè)、優(yōu)化問(wèn)題的分揀，優(yōu)化根因的派單規(guī)則。同時(shí)，根據(jù)系統(tǒng)運(yùn)行過(guò)程中的反饋，驗(yàn)證目前的根因算法是否合理，通過(guò)AI算法實(shí)現(xiàn)對(duì)根因定位算法的迭代優(yōu)化，并逐步實(shí)現(xiàn)質(zhì)差小區(qū)解決方案的自動(dòng)輸出。

以XGboost 算法為例，首先輸入獲取的CM、PM、MR 等數(shù)據(jù)，由于原始數(shù)據(jù)存在一些無(wú)效值和缺失值等問(wèn)題，因此需要對(duì)數(shù)據(jù)進(jìn)行清洗。在特征選擇和處理環(huán)節(jié)，盡量挑選出對(duì)根因定位產(chǎn)生影響的所有特征值，并對(duì)特征值進(jìn)行特征處理，構(gòu)建出所需數(shù)據(jù)集。將數(shù)據(jù)集進(jìn)行分割，訓(xùn)練集用于XGboost 算法訓(xùn)練，并輸出模型。之后將測(cè)試集導(dǎo)入訓(xùn)練模型中進(jìn)行測(cè)試，輸出質(zhì)差小區(qū)問(wèn)題根因，算法流程如圖2所示。

圖2 基于XGboost算法拓展根因算法流程

4.2 基于無(wú)線Trace數(shù)據(jù)拓展根因算法

在無(wú)線環(huán)境復(fù)雜、難以使用常規(guī)方法定位問(wèn)題原因的質(zhì)差區(qū)域，可以采用無(wú)線Trace 信令與MR、CM、PM 等數(shù)據(jù)相關(guān)聯(lián)，形成基于柵格的問(wèn)題區(qū)域，利用仿真技術(shù)和場(chǎng)景參數(shù)訓(xùn)練，支撐問(wèn)題區(qū)域的優(yōu)化，并輸出解決方案。

Trace 信令即用戶跟蹤信令。依照《中國(guó)聯(lián)通TDD-FDD-LTE 數(shù)字蜂窩移動(dòng)通信網(wǎng)無(wú)線信令及呼叫記錄采集技術(shù)要求v2.0》規(guī)范，一個(gè)無(wú)線詳細(xì)信令記錄接口文件中采用二進(jìn)制文件格式，依照指定規(guī)則涵蓋特定時(shí)間段內(nèi)某基站指定接口的信令數(shù)據(jù)。接口文件結(jié)構(gòu)由文件頭及Trace 數(shù)據(jù)包2 個(gè)部分構(gòu)成。文件頭包括Trace 數(shù)據(jù)的采集起止時(shí)間以及相應(yīng)規(guī)范版本信息等，Trace數(shù)據(jù)包則由數(shù)據(jù)包長(zhǎng)度、通用包頭、專用包頭和原始信令數(shù)據(jù)4個(gè)部分構(gòu)成。通過(guò)識(shí)別每個(gè)數(shù)據(jù)包的起始字符，可根據(jù)規(guī)范內(nèi)的數(shù)據(jù)格式移位完成數(shù)據(jù)包的解析并生成對(duì)應(yīng)的解析文本。目前4G 默認(rèn)訂閱終端和網(wǎng)絡(luò)的空中接口UU 及UUextend、基站之間的X2接口、基站與核心網(wǎng)之間的S1共3個(gè)接口的數(shù)據(jù)，如圖3所示。

圖3 4G信令接口數(shù)據(jù)

通過(guò)信令數(shù)據(jù)、話單數(shù)據(jù)和MR 數(shù)據(jù)中共有的MME_UE_S1AP ID 字段，實(shí)現(xiàn)對(duì)用戶終端信息及覆蓋信息的回填，將基站級(jí)的信令拆解到基站下的單個(gè)用戶，呈現(xiàn)單用戶網(wǎng)絡(luò)及業(yè)務(wù)接入、保持、切換、釋放的全流程（見圖4）。

圖4 信令數(shù)據(jù)關(guān)聯(lián)MR

4.3 需要注意的問(wèn)題

數(shù)據(jù)準(zhǔn)確性問(wèn)題。中國(guó)聯(lián)通采用省分公司上報(bào)、集團(tuán)公司解析的方式進(jìn)行數(shù)據(jù)處理，但集團(tuán)公司采集到的數(shù)據(jù)與省分公司采集的部分指標(biāo)可能存在差異，影響下一步的派單和問(wèn)題分析。

鄰區(qū)數(shù)據(jù)問(wèn)題。鄰區(qū)數(shù)據(jù)一般由省內(nèi)自行獲取和分析，需關(guān)聯(lián)鄰區(qū)數(shù)據(jù)核查質(zhì)差小區(qū)鄰區(qū)的覆蓋、告警、切換參數(shù)等情況，判斷是否由周邊鄰區(qū)導(dǎo)致本小區(qū)質(zhì)差。

維護(hù)數(shù)據(jù)問(wèn)題。故障、告警等維護(hù)類問(wèn)題對(duì)指標(biāo)劣化存在直接影響，目前故障、告警信息與CM、PM、MR 等小區(qū)無(wú)線指標(biāo)分別屬于不同系統(tǒng)，后續(xù)需將故障、告警信息與無(wú)線指標(biāo)進(jìn)行關(guān)聯(lián)分析。

5 結(jié)束語(yǔ)

通過(guò)CM、PM、MR 等數(shù)據(jù)能夠有效分析4G網(wǎng)絡(luò)中存在的問(wèn)題，再結(jié)合AI 算法和Trace 數(shù)據(jù)實(shí)現(xiàn)對(duì)復(fù)雜無(wú)線問(wèn)題的定位，進(jìn)而有針對(duì)性地制定行之有效的解決方案。文中在前期研究的基礎(chǔ)上，制定了基于專家知識(shí)圖譜的根因定位算法，實(shí)際算法應(yīng)用結(jié)果表明，所提的根因定位算法對(duì)質(zhì)差小區(qū)的標(biāo)注率較高，可用于指導(dǎo)實(shí)際工作。后期隨著能夠采集到的數(shù)據(jù)逐漸豐富，可以針對(duì)更多數(shù)據(jù)源對(duì)根因定位算法進(jìn)行拓展，提升無(wú)線網(wǎng)問(wèn)題定位的準(zhǔn)確性，提高網(wǎng)絡(luò)維護(hù)和優(yōu)化效率。