CN102821408A - 基于A口和Abis口信令数据的高速铁路场景网络优化方法 - Google Patents

Abstract

本发明公开了一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，该方法首先采集高速铁路小区A口和Abis口的全量信令数据，通过高速铁路用户分离方法分离出3类类型用户，然后根据用户测量报告以及采集的全量信令数据，按照用户类型建立高速铁路监控预警体系，监控3类用户在小区下的网络KPI指标，根据高速铁路用户在小区下的网络KPI指标监控结果确定存在异常事件的用户，并准确定位发生异常事件用户位置，发出预警。该方法通过用户分离，根据不同用户类型建立监控体系，实现高速铁路多维度的监控预警以及KPI指标呈现，可有效解决传统的高速铁路采样少、偶发性大、测量终端单一等不确定性问题，提高网络优化的工作效率。

Description

基于A口和Abis口信令数据的高速铁路场景网络优化方法

技术领域

本发明涉及无线技术通信领域，特别涉及高速铁路无线覆盖场景中的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法。

背景技术

目前国内高速铁路发展迅猛，高速铁路已成为铁路客运的重要部分，但由于高速铁路速度快，多普勒效应显著，高速铁路指标差以及优化手段匮乏已极大的限制了高速铁路移动通信网络优化工作的深入开展。

现有高速铁路移动通信网络的优化主要通过以下方法：

（1）通过话务统计数据对覆盖高速铁路小区指标进行统计，对指标异常小区进行有针对性的网络优化。

（2）通过大量实地路测数据进行分析,确定高速铁路移动通信网络中存在异常问题。通过测试LOG回放分析问题原因并提出问题解决方案。

（3）通过搜集高速铁路移动通信网络中的手机用户投诉，以实地测试模拟手机用户投诉场景、复现用户投诉问题的方式对问题进行处理。

但是现有的高速铁路优化手段主要依靠高速铁路小区KPI（KeyPerformance Indicator关键绩效指标法）指标分析、高速铁路路测数据分析、高速铁路用户投诉处理等三个方面对高速铁路网络进行问题发现和处理，都存在一定的缺陷：

高速铁路小区KPI指标分析，存在问题发现滞后，不能明确异常事件是否是高速铁路用户发生；由于高速铁路沿线常驻用户指标影响，高速铁路用户异常情况会被大量常驻用户正常情况淹没，不能从常规KPI指标上反映高速铁路用户指标。

高速铁路路测可以真实模拟用户的异常感知，但该方法由于高速铁路场景的特殊性，会耗费大量的时间、人力、经费等，且路测偶发性大，定位问题困难，在优化调整后，验证调整结果也需反复测试，成本花销极大。

用户高速铁路投诉问题极难通过测试复现，异常发生时所占用的射频拉远单元不易确定，问题定位精度不足。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，实现高速铁路移动通信网络模拟测试，定位问题小区，针对高速铁路用户定位到问题小区的射频拉远单元，提高高速铁路网络优化效率。

为实现上述目的，本发明采用的技术方案如下：

一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，包括以下步骤：

（1）采集高速铁路小区A口和Abis口的全量信令数据，根据高速铁路用户分离方法分离出高速铁路常驻用户、高速铁路用户、和高速公路或普通铁路用户3类用户，并确定高速铁路用户的测量报告经纬度；所述全量信令数据包括由Abis口采集的测量报告数据，以及A口数据中的通话切换占用小区、切换驻留在小区时长以及各小区间切换序列；

（2）获取用户测量报告，根据用户测量报告以及全量信令数据，按照用户类型监控用户在小区下的网络KPI指标；所述KPI指标包括用户所在小区名称、小区识别CI、用户主叫次数、被叫次数、主叫接通次数、接通率、掉话率以及呼叫时延；

（3）根据用户在小区下的网络KPI指标监控结果确定存在异常事件的用户；所述异常事件是指监控获得的KPI指标不符合指标设定值范围；

（4）定位发生异常事件用户位置，发出预警。

进一步，如上所述的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，步骤（1）中，根据高速铁路各切换点的经纬度和高铁在各切换点的平均车速，计算高速铁路用户在某一时间的测量报告经纬度。

进一步，如上所述的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，步骤（2）中，设定时间粒度，按照高速铁路用户、高速铁路常驻用户、以及高速公路或者普通铁路用户3类用户类型和设定的时间粒度分别进行小区网络KPI指标监控。

进一步，如上所述的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，步骤（3）中，所述监控获得的KPI指标不符合指标设定值范围包括监控获得的接通率低于接通率的设定值，监控获得的掉话率高于掉话率的设定值。

进一步，如上所述的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，所述指标设定值由用户根据实际网络情况以及指标的常用经验值进行设定。

进一步，如上所述的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，步骤（4）中，定位发生异常事件用户位置包括定位高速铁路常驻用户所在的小区位置、定位高速公路或者普通铁路用户所在小区的位置、以及精确定位高速铁路用户所在小区的射频拉远单元。

再进一步，如上所述的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，精确定位高速铁路用户所在小区的射频拉远单位的具体方式为：

根据用户测量报告，将用户在发生异常事件时刻的测量报告经纬度与用户所在小区下的所有射频拉远单元的经纬度相比较，与用户在发生异常事件时刻的测量报告经纬度最接近的射频拉远单位定位为用户所在小区的射频拉远单元位置。

更进一步，如上所述的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，对于高速铁路用户的精确定位，通过呼叫回放模拟以及信令回放精确定位时间异常事件问题点。

本发明的有益效果在于：

1.准确定位发生异常事件的位置，并找出异常事件问题点，可以最大限度提升现有高速铁路网络优化工作的工作效率；

2.通过多为的KPI指标监控，提升现有高速铁路网络优化指标的针对性，快速发现高速铁路网络存在问题，有针对性的提升高速铁路用户感知；

3.根据三种不同类型用户建立监控体系，将高速铁路测试时呈现问题的偶然性降至最低，全面模拟高速铁路实际问题；

4.能够对高速铁路异常事件点提供相应用户异常原因分析和异常发生时的无线环境状况，确定异常事件点网络优化思路；

5.能够以大量高速铁路用户为依据，长期对高速铁路用户数量、KPI指标、无线环境改善情况进行监控，可作为提升高速铁路用户感知依据。

附图说明

图1为本发明一种基于A口和Abis口信令数据的高速铁路场景网络优化方法的流程图；

图2和图3为具体实施方式中按照用户类型建立的高速铁路监控预警体系中对用户KPI指标监控的结果示意图。

具体实施方式

下面结合说明书附图与具体实施方式对本发明做进一步的详细说明。

本发明是针对目前高速铁路优化中存在的弊端，提出一种基于A口和Ab i s口信令数据的高速铁路用户分离方法，通过该方法可将覆盖高速铁路小区内用户按高速铁路用户、沿线常驻用户、沿线低速用户（包括普通铁路用户和高速公路）等三个类型进行区分，识别出的高速铁路用户指标用于评估高速铁路无线网络情况，定位出存在异常事件用户所在的小区位置，更能够准确定位出高速铁路用户所在小区的射频拉远单位，精确了定位，有效解决实地测试终端单一、问题偶发性大和测试成本庞大的问题，能够及时的针对存在问题的小区触发告警，以便优化人员及时处理。

图1示出了本发明一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，该方法主要包括以下步骤：

步骤S11：通过高速铁路用户分离方法分离3类不同的类型铁路用户，获取高速铁路用户的经纬度及行车方向；

采集高速铁路小区A口和Abis口的全量信令数据，根据高速铁路用户分离方法分离出高速铁路常驻用户、高速铁路用户、和高速公路或普通高铁用户，并确定高速铁路用户的测量报告经纬度以及高速铁路用户的行车方向。

A接口是中继侧应用广泛的一种数字接口，A接口定义为网络子***（NSS）与基站子***（BSS）间的通信接口。从***上来讲，就是移动交换中心（MSC）与基站控制器（BSC）之间的接口，此接口传递的信息包括移动台管理、基站管理、移动性管理、接续管理等。Abis接口定义为基站子***的两个功能实体BSC(基站控制器)和BTS(基站收发信台)之间的通信接口，用于BTS与BSC之间的远端互连方式，该接口支持所有向用户提供的服务，并支持对BTS无线设备的控制和无线频率的分配。通过Abis口采集用户的测量报告数据MR，采集A口数据中的用户通话切换占用小区、切换驻留在小区的时长以及各小区间切换序列。通过全量信令数据的采集，通过高速铁路分离方法分离出高速铁路常驻用户、高速铁路用户以及高速公路或者普通铁路用户3中类型。

由于高速铁路线路是确定的，高速铁路用户MR经纬度必然是高速铁路上的经纬度；通过高速铁路实际路测数据（解析采集到的全量信令数据）可以提取出高速铁路各切换点的经纬度以及各切换点间的平均车速，由于手机每0.48秒上发一个MR测量报告，因此可以计算出高速铁路用户发生切换后某一时间的经纬度，即根据用户发生切换后的时间确定该时间用户上发的MR的经纬度，从而完成高速铁路用户MR的定位。此外，还可以根据高速铁路用户分离方法得出高速铁路用户的行车方向。通过高速铁路用户分离方法分离不同类型的用户以及确定高速铁路用户行车方向在另一个相关申请中已经进行了详细的说明，在本发明中不再详细描述。

步骤S12：按照用户类型建立高速铁路监控预警体系，监控用户在小区下的网络KPI指标；

获取用户测量报告，根据用户测量报告以及全量信令数据，按照用户类型建立高速铁路监控预警体系，监控用户在小区下的网络KPI指标。该步骤中，以步骤S11中分离出的3中不同类型用户的通话为样本，评估高速铁路小区在高速铁路上实际网络覆盖情况，建立一定时间粒度（例如五分钟）的高速铁路监控预警体系，可实时监控高速铁路用户网络KPI指标情况。如高速铁路用户在某小区下KPI指标持续恶化，可触发告警，提示优化人员及时处理。其中，KPI指标包括用户所在小区名称、小区识别CI、用户主叫次数、被叫次数、主叫接通次数、接通率、掉话率、呼叫时延、切换次数、切换成功率、总话务量、TCH话务量、SD话务量以及上/下行语音质量各级（0～5级）占比等一些列的常用指标，如图2和图3所示，通过建立高铁监控预警体系，对各小区的网络KPI指标进行监控，可以通过图2中的方式将各指标的监控结果通过柱状图表示出来，可以一目了然地看出各监控指标，当然也可以通过图3中趋势图的方式对监控结果进行显示，使用户各指标的变换趋势进行分析。

在该步骤中针对高速铁路用户分离算法分离出的高速铁路用户、常驻用户、高速及普通铁路用户3类用户类型，可按用户类型分别进行小区KPI指标统计。呈现维度上可以按小区、小区组、整个高铁等3个网元维度，高速铁路用户、高速公路及普通铁路用户、高速铁路常驻用户等3个用户维度进行指标呈现，为高速铁路小区优化提供灵活的指标查询呈现，全面评估出各种用户类型在高速铁路小区下的指标情况。

步骤S13：根据KPI指标监控结果确定存在异常事件的用户；

根据步骤S12中监控获得的用户在小区下的网络KPI指标监控结果确定存在异常事件的用户，异常事件指的是指监控获得的KPI指标不符合指标设定值范围。

在步骤S12中建立高速铁路监控预警体系时，会对其中的一些KPI指标根据实际的网络情况以及指标的常用经验值，对一些KPI指标进行设定，当监控获得的KPI指标结果不符合设定值范围时，则说明存在网络异常。例如，对于高速铁路用户，其KPI指标中掉话率一般要不高于3%，所以当监控结果中的掉话率高于3%时，说明存在异常事件。在进行KPI指标设定时，用户可以根据需要确定对哪些指标进行设定，即可以根据要监控指标的不同，设定相关KPI指标。

步骤S14：定位异常事件用户位置，发出预警。

根据步骤S13中监控到的存在异常事件的用户，对用户的位置进行定位，发出警告，提示优化人员进行及时处理。本发明中定位发生异常事件用户位置包括定位高速铁路常驻用户所在的小区位置、定位高速公路或者普通铁路用户所在小区的位置、以及精确定位高速铁路用户所在小区的射频拉远单元。

在现有的铁路用户定位方法中，通常只能定位到用户所在的小区，而本发明的方法可以定位到小区下的射频拉远单元，提高定位的精度，以便优化人员及时处理。由步骤S11可知，本发明可以根据高速铁路用户通话产生的MR并结合高速铁路MR定位方法，可以获取高速铁路用户的测量报告经纬度，即可以获取高速铁路用户在某一时刻的经纬度，因此可以根据用户测量报告，将用户在发生异常事件时刻的测量报告经纬度与用户所在小区下的所有射频拉远单元的经纬度相比较，与用户在发生异常事件时刻的测量报告经纬度最接近的射频拉远单位定位为用户所在小区的射频拉远单元位置。因此，本发明的方法可将高速铁路用户通话产生MR定位到高速铁路射频拉远单元，可用以呈现各个射频拉远单元的上下行覆盖和上下行质量情况，并在GIS（Geographic Information System地理信息***）地图上显示出来，直观呈现高速铁路射频拉远单元无线环境情况，对射频拉远单元出现的持续性上下行质量、上下行覆盖问题及时预警。在对异常事件的位置进行定位后，根据分离出来的高速铁路用户异常事件进行跟踪定位，可以进一步通过呼叫回放模拟以及信令回放等功能，精确定位时间异常事件问题点。

呼叫回放模拟可直观呈现出用户发生异常事件的详细位置，异常事件发生时无线环境概况等；信令回放可从信令角度给出异常事件原因值，从信令层面给出问题原因，两方面结合可全面定位问题原因。信令回放模拟以及信令回放时本领域的常用技术手段，在此不再进行详细的说明。

本发明通过采集覆盖高速铁路小区A口和Abis口全量信令数据，通过高速铁路用户分离方法分离出3类不同类型的用户，并根据用户类型建立多维度的高速铁路监控预警体系，监控用户在小区下的网络KPI指标，找出存在异常事件的用户，准确定位异常事件发生的位置，发出预警，为高速铁路小区优化提供基础。本方法通过高速铁路模拟路测***的应用，使网络优化工程师可以在最短的时间网络优化最关键的问题，最大限度提升高速铁路网络实际指标，从根本提升高速铁路场景用户真实感知。本发明所述的方法可以根据分离出的高速铁路用户为样本，通过高速铁路模拟路测，可直观呈现出高速铁路上用户感知的网络上下行覆盖、上下行质量等无线环境以及高速铁路上的网络KPI指标情况，直观呈现异常小区及射频拉远单元问题。有针对性的对KPI指标较差的小区或射频拉远单元进行处理（这个是问题发现过程，常规优化方法做不到），之后找出异常事件的用户通话过程，进行呼叫回放模拟和信令回放，定位问题原因，之后交由网优人员处理，大大提高优化的效率。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，包括以下步骤：

（1）采集高速铁路小区A口和Abis口的全量信令数据，根据高速铁路用户分离方法分离出高速铁路常驻用户、高速铁路用户、和高速公路或普通铁路用户3类用户，并确定高速铁路用户的测量报告经纬度；所述全量信令数据包括由Abis口采集的测量报告数据，以及A口数据中的通话切换占用小区、切换驻留在小区时长以及各小区间切换序列；

（2）获取用户测量报告，根据用户测量报告以及全量信令数据，按照用户类型监控3类用户在小区下的网络KPI指标；所述KPI指标包括用户所在小区名称、小区识别CI、用户主叫次数、被叫次数、主叫接通次数、接通率、掉话率以及呼叫时延；

（3）根据用户在小区下的网络KPI指标监控结果确定存在异常事件的用户；所述异常事件是指监控获得的KPI指标不符合指标设定值范围；

（4）定位发生异常事件用户位置，发出预警。

2.如权利要求1所述的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，其特征在于：步骤（1）中，根据高速铁路各切换点的经纬度和高铁在各切换点的平均车速，计算高速铁路用户在某一时间的测量报告经纬度。

3.如权利要求1或2所述的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，其特征在于：步骤（2）中，设定时间粒度，按照高速铁路用户、高速铁路常驻用户、以及高速公路或者普通铁路用户3类用户类型，3类及设定的时间粒度分别进行小区网络KPI指标监控。

4.如权利要求3所述的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，其特征在于：步骤（3）中，所述监控获得的KPI指标不符合指标设定值范围包括监控获得的接通率低于接通率的设定值，监控获得的掉话率高于掉话率的设定值。

5.如权利要求4所述的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，其特征在于：所述指标设定值由用户根据实际网络情况以及指标的常用经验值进行设定。

6.如权利要求1所述的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，其特征在于：步骤（4）中，定位发生异常事件用户位置包括定位高速铁路常驻用户所在的小区位置、定位高速公路或者普通铁路用户所在小区的位置、以及精确定位高速铁路用户所在小区的射频拉远单元。

7.如权利要求6所述的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，其特征在于：精确定位高速铁路用户所在小区的射频拉远单位的具体方式为：

根据用户测量报告，将用户在发生异常事件时刻的测量报告经纬度与用户所在小区下的所有射频拉远单元的经纬度相比较，与用户在发生异常事件时刻的测量报告经纬度最接近的射频拉远单位定位为用户所在小区的射频拉远单元位置。

8.如权利要求7所述的一种基于A口和Abis口信令数据的高速铁路场景网络优化方法，其特征在于：对于高速铁路用户的精确定位，通过呼叫回放模拟和信令回放精确定位时间异常事件问题点。

Images