曾進(jìn)，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(dòng)網(wǎng)絡(luò)優(yōu)化中，無線容量調(diào)配工作是重點(diǎn)工作之一。4G/5G 網(wǎng)絡(luò)在負(fù)荷過高、容量不足、用戶超限時(shí)，均需進(jìn)行載波、License 等擴(kuò)容。而目前依靠人工評(píng)估、手動(dòng)調(diào)整無法滿足及時(shí)性、準(zhǔn)確性的需求。

目前面臨4個(gè)方面的問題。

一是4G 業(yè)務(wù)量占比仍然較大，約為60%，熱點(diǎn)場(chǎng)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(wù)量仍在增長。

二是4G網(wǎng)絡(luò)已進(jìn)入存量運(yùn)營階段，且無新的擴(kuò)容投資，如要保障用戶的感知體驗(yàn)，則需充分利用現(xiàn)網(wǎng)資源，實(shí)現(xiàn)自動(dòng)拆閑補(bǔ)忙，提高軟件資源利用率。

三是移網(wǎng)基站不同場(chǎng)景間業(yè)務(wù)特征化明顯，具有明顯的業(yè)務(wù)潮汐效應(yīng)［1］，比如軌道交通、辦公區(qū)、校園宿舍等場(chǎng)景高負(fù)荷時(shí)段固定，而軟件資源投放后，未隨著業(yè)務(wù)潮汐而動(dòng)態(tài)移動(dòng)，導(dǎo)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(yùn)營的發(fā)展趨勢(shì)，從發(fā)現(xiàn)容量問題、處理問題到效果跟蹤，全流程耗時(shí)長，而用戶個(gè)數(shù)和業(yè)務(wù)負(fù)荷抬升屬于突發(fā)型，處理時(shí)效不夠及時(shí)，用戶感知難以得到有效保障。

基于以上問題，建設(shè)數(shù)字化無線容量動(dòng)態(tài)調(diào)整系統(tǒng)是提升網(wǎng)絡(luò)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(dòng)態(tài)調(diào)整方案

2.1 無線容量動(dòng)態(tài)調(diào)配系統(tǒng)架構(gòu)

為了實(shí)現(xiàn)移動(dòng)網(wǎng)絡(luò)無線容量調(diào)配的自動(dòng)化、智能化，搭建無線容量動(dòng)態(tài)調(diào)配系統(tǒng)。該系統(tǒng)主要由核心系統(tǒng)、接口服務(wù)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(tái)、歷史業(yè)務(wù)評(píng)估、負(fù)荷值預(yù)測(cè)和無線容量動(dòng)態(tài)調(diào)整系統(tǒng)組成，負(fù)責(zé)算法和模型的實(shí)現(xiàn)，完成資源評(píng)估和調(diào)整方案指令的輸出；接口服務(wù)器負(fù)責(zé)調(diào)用指令、License 調(diào)整功能；接入網(wǎng)系統(tǒng)負(fù)責(zé)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(dòng)態(tài)調(diào)配算法及模型

2.2.1 用戶數(shù)License評(píng)估與調(diào)整算法

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

a）擴(kuò)、減容基站對(duì)象評(píng)估。擴(kuò)容對(duì)象：廠家A 設(shè)備基站基于告警數(shù)據(jù)識(shí)別存在RRC 連接超限告警基站，廠家B 設(shè)備基站基于實(shí)時(shí)PM 數(shù)據(jù)識(shí)別RRC 用戶數(shù)使用占比＞80%的小區(qū)。減容對(duì)象：評(píng)估資源池內(nèi)所有網(wǎng)元最近15 天（時(shí)間可調(diào)）內(nèi)實(shí)際占用的最大RRC連接用戶數(shù)×150%＜配置的RRC連接用戶個(gè)數(shù)。

b）擴(kuò)容基站需求評(píng)估。實(shí)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(shí)際使用用戶數(shù)的1.2 倍（可調(diào)）。廠家A 設(shè)備基站RRC 連接用戶數(shù)單元分別為10、20、40個(gè)，因此計(jì)算出實(shí)際需求后再計(jì)算單個(gè)License數(shù)量時(shí)，需向上取整。廠家B設(shè)備基站RRC連接用戶數(shù)以200 個(gè)為單元進(jìn)行調(diào)整，因此一般以200、400、600、800為單元進(jìn)行調(diào)整。

c）減容基站數(shù)量評(píng)估。識(shí)別減容基站近15 天最大用戶個(gè)數(shù)記為z，配置用戶個(gè)數(shù)記為m，分析m與z值關(guān)系，當(dāng)z＞80%×m時(shí)，不可調(diào)整，當(dāng)z＜80%×m時(shí)，可減容m-（100%+20%）×z個(gè)用戶數(shù)，再按連接用戶數(shù)單元向下取整計(jì)算可減容的License數(shù)量。

2.2.2 載波License評(píng)估與調(diào)整算法

載波License 的擴(kuò)、減容需成對(duì)進(jìn)行調(diào)整，因此需確定載波擴(kuò)、減容基站的對(duì)象。主要評(píng)估方案有2種，一是基于歷史業(yè)務(wù)，完成單次任務(wù)的調(diào)整；二是基于業(yè)務(wù)預(yù)測(cè)，建立定時(shí)、周期性任務(wù)進(jìn)行調(diào)整。

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

b）載波擴(kuò)容小區(qū)閾值?；跇I(yè)務(wù)預(yù)測(cè)，具有明顯的潮汐效應(yīng)，如時(shí)段1 小區(qū)A 負(fù)荷＞70%、小區(qū)B 負(fù)荷＜30%，時(shí)段2 小區(qū)A 負(fù)荷＜30%、小區(qū)B 負(fù)荷＞70%?；跉v史業(yè)務(wù)，若最近7 天有3 天小區(qū)負(fù)荷度大于某一門限，比如忙時(shí)PRB 資源利用率大于70%，單小區(qū)業(yè)務(wù)量大于8 GB，用戶數(shù)大于50個(gè)。

2.2.3 業(yè)務(wù)預(yù)測(cè)模型

在評(píng)估擴(kuò)、減容對(duì)象中，一是根據(jù)歷史業(yè)務(wù)情況，二是根據(jù)業(yè)務(wù)預(yù)測(cè)，因此需建立業(yè)務(wù)模型，對(duì)未來的負(fù)荷值進(jìn)行預(yù)測(cè)。

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

影響負(fù)荷的關(guān)鍵指標(biāo)的累積概率分布近似指數(shù)概率分布，可利用對(duì)應(yīng)的累積概率分布函數(shù)得到關(guān)鍵指標(biāo)數(shù)值出現(xiàn)的概率，基于各個(gè)關(guān)鍵指標(biāo)概率值得到基站小區(qū)負(fù)荷度P，P越大負(fù)荷越高，P越小負(fù)荷越低。即：P=。n值表示模型中指標(biāo)的個(gè)數(shù)，F(xiàn)（x）表示當(dāng)指標(biāo)取值為x時(shí)對(duì)應(yīng)的累計(jì)概率函數(shù)值。

其次，對(duì)各單項(xiàng)指標(biāo)進(jìn)行預(yù)測(cè)，建立ARIMA 負(fù)荷值預(yù)測(cè)模型［3］，用時(shí)間序列收集相關(guān)指標(biāo)包括上下行流量、上下行PRB 利用率、用戶個(gè)數(shù)、CQI 等。對(duì)獲取的數(shù)據(jù)進(jìn)行分析，明確數(shù)據(jù)發(fā)展的趨勢(shì)，如季節(jié)性和周期性趨勢(shì)。

通過對(duì)數(shù)據(jù)進(jìn)行擬合或使用單位根檢驗(yàn)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(dòng)平均（MA）或差分操作（I）來構(gòu)建ARIMA模型。通過選擇模型的參數(shù)p、d和q來進(jìn)行模型訓(xùn)練和預(yù)測(cè)。

ARIMA模型預(yù)測(cè)網(wǎng)絡(luò)負(fù)荷的關(guān)鍵公式為：

AR（p）表示自回歸模型，它是指將過去的觀測(cè)值作為預(yù)測(cè)值的加權(quán)和，權(quán)重系數(shù)為p。公式可以表示為：

其中，y（t）表示時(shí)間為t的網(wǎng)絡(luò)負(fù)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(dòng)平均模型，它是指將過去的錯(cuò)誤（殘差）的加權(quán)和作為預(yù)測(cè)值，權(quán)重系數(shù)為q。公式可以表示為：

其中，θ1…θq是移動(dòng)平均系數(shù)，ε（t）是噪聲。

I（d）表示差分操作，它是指對(duì)數(shù)據(jù)進(jìn)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(dòng)算子，Y（t）是時(shí)間為t的網(wǎng)絡(luò)負(fù)荷數(shù)據(jù)。

通過以上算法完成ARIMA 模型的構(gòu)建，實(shí)現(xiàn)對(duì)負(fù)荷關(guān)鍵指標(biāo)的預(yù)測(cè)。

2.3 無線容量動(dòng)態(tài)調(diào)配實(shí)現(xiàn)方案

2.3.1 無線網(wǎng)管載波擴(kuò)、減容

載波擴(kuò)、減容的業(yè)務(wù)主流程如圖2所示。

圖2 載波擴(kuò)、減容的業(yè)務(wù)主流程

用戶經(jīng)無線容量動(dòng)態(tài)調(diào)配系統(tǒng)的工作臺(tái)選擇載波擴(kuò)、減容調(diào)整模板，導(dǎo)入調(diào)整對(duì)象清單，配置任務(wù)周期、執(zhí)行時(shí)間等關(guān)鍵信息，提交任務(wù)進(jìn)行審批，審批通過后則執(zhí)行RPA 任務(wù)，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(wù)建立人。

執(zhí)行任務(wù)過程基于RPA 機(jī)器人流程自動(dòng)化實(shí)現(xiàn)［4］，RPA 任務(wù)執(zhí)行流程中，主要是系統(tǒng)基于導(dǎo)入的對(duì)象清單，形成指令執(zhí)行清單，通過指令中臺(tái)下發(fā)至無線網(wǎng)管進(jìn)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(jì)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(tái)上傳和安裝文件，然后對(duì)擴(kuò)容小區(qū)進(jìn)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(shí)施效果是否達(dá)到擴(kuò)、減容需求；并對(duì)異常調(diào)整進(jìn)行糾偏，建立調(diào)整經(jīng)驗(yàn)庫，確保實(shí)施有效性，以滿足智能擴(kuò)、減容業(yè)務(wù)需求。

2.3.2 基站用戶數(shù)License調(diào)整

用戶個(gè)數(shù)License軟資源調(diào)配的業(yè)務(wù)主流程如圖3所示。

圖3 用戶個(gè)數(shù)License軟資源調(diào)配的業(yè)務(wù)主流程

在無線容量動(dòng)態(tài)調(diào)配系統(tǒng)的工作臺(tái)選擇調(diào)整模板和調(diào)整區(qū)域后，配置任務(wù)周期、執(zhí)行時(shí)間、調(diào)整量等關(guān)鍵信息，提交任務(wù)進(jìn)行審批，審批通過后執(zhí)行RPA任務(wù)，并進(jìn)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(wù)建立人。

RPA 任務(wù)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(tái)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(shí)際承載用戶個(gè)數(shù)，基于調(diào)整算法進(jìn)行調(diào)整量的增減數(shù)量計(jì)算；由指令平臺(tái)執(zhí)行存量調(diào)整，在ESDP 進(jìn)行調(diào)整并獲取安裝文件并下載，最后在無線網(wǎng)管進(jìn)行License 安裝。

3 應(yīng)用效果分析

在容量負(fù)荷評(píng)估中利用大數(shù)據(jù)分析，挖掘業(yè)務(wù)時(shí)段互補(bǔ)小區(qū)形成小區(qū)對(duì)，建立定時(shí)調(diào)整任務(wù)，實(shí)現(xiàn)單個(gè)軟件資源在不同時(shí)段應(yīng)用于不同基站，使軟件資源使用率提升1 倍以上。從單點(diǎn)來看，小區(qū)A 和小區(qū)B的業(yè)務(wù)負(fù)荷在時(shí)間上具有明顯的潮汐互補(bǔ)效應(yīng)。小區(qū)A 晚上20：00—22：00 負(fù)荷高，小區(qū)B 白天7：00—18：00 負(fù)荷高，建立日循環(huán)任務(wù)，分別于02：00、19：00進(jìn)行載波調(diào)配。任務(wù)實(shí)施后，2 個(gè)小區(qū)負(fù)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(yīng)用無線容量動(dòng)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(fēng)險(xiǎn)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(jì)釋放壓抑流量25 984 TB，調(diào)配RRC 連接數(shù)達(dá)53 萬個(gè)，單個(gè)軟件資源使用率提高30%；在質(zhì)量上，高負(fù)荷小區(qū)數(shù)由2 851 個(gè)壓降至1 018個(gè)，解決RRC 超限告警基站4 158 個(gè)；在感知上，調(diào)配區(qū)域感知速率提升47%，網(wǎng)絡(luò)擁塞次數(shù)減少80%；在成本上，節(jié)省軟件資源購置費(fèi)超千萬元和人工調(diào)整成本3 人/周；在風(fēng)險(xiǎn)上，系統(tǒng)自動(dòng)執(zhí)行數(shù)據(jù)制作，準(zhǔn)確性提升，降低網(wǎng)絡(luò)事故和投訴風(fēng)險(xiǎn)。

4 結(jié)束語

移動(dòng)網(wǎng)絡(luò)的優(yōu)化向智能化和數(shù)字化方向的發(fā)展是必然趨勢(shì)，利用大數(shù)據(jù)、AI、RPA 機(jī)器人等技術(shù)實(shí)現(xiàn)網(wǎng)絡(luò)優(yōu)化的數(shù)字化轉(zhuǎn)型。在無線容量動(dòng)態(tài)調(diào)配上，一是實(shí)現(xiàn)智能評(píng)估，利用大量的基站性能數(shù)據(jù)、工參、場(chǎng)景、告警等信息，對(duì)小區(qū)進(jìn)行閑、忙時(shí)段標(biāo)簽定義，并建立時(shí)序模型實(shí)現(xiàn)業(yè)務(wù)量和用戶數(shù)的預(yù)測(cè)，制定算法模型計(jì)算調(diào)配對(duì)象和調(diào)配量；二是實(shí)現(xiàn)自動(dòng)調(diào)配，基于指令中臺(tái)實(shí)現(xiàn)設(shè)備廠家無線網(wǎng)管的數(shù)據(jù)制作，基于RPA機(jī)器人實(shí)現(xiàn)License調(diào)配端ESDP的網(wǎng)頁操作。

無線容量動(dòng)態(tài)調(diào)配部署后可以實(shí)現(xiàn)在不增加軟件投資的情況下，動(dòng)態(tài)地對(duì)已有的軟件資源進(jìn)行智能的自評(píng)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(luò)優(yōu)化的智能化、數(shù)字化，同時(shí)也實(shí)現(xiàn)網(wǎng)絡(luò)運(yùn)營成本的壓降，提升軟資源的使用效率。