CN104486772B - 一种端到端多维度归一化的lte网络评估优化*** - Google Patents

Abstract

本发明公开了一种端到端多维度归一化的LTE网络评估优化***，包括数据收集装置，所收集的数据类型包括LTE软采数据、北向MR数据、LTE硬采数据、扫频数据、路测及ATU数据、OMC性能统计数据和网元设备基础数据；数据完整性评估装置，用于对收集的数据的完整性进行评估；模型评估装置，所述模型评估装置包含有对采集到的数据进行分类评估的数据评估模块，且不同类型的数据对应一数据评估模块，相应的数据评估模块分别对相应的数据类型进行评估以获取评估值；归一化评估装置，所述归一化评估装置为对应数据类型的数据评估模块设置有相应的权重，并可通过权重及评估值获取归一化值。本发明的评估结果具有归一性、连续性和可追溯性。

Description

一种端到端多维度归一化的LTE网络评估优化***

技术领域

本发明涉及无线通信领域，特别是一种端到端多维度归一化的LTE网络评估优化***。

背景技术

LTE在中国大陆部署商用以来至今没有一种智能的自动的归一化的评估方法。网络运营管理者对LTE网络覆盖水平、干扰程度、资源效率、网络性能、网络负载、终端感知等缺乏统一、全面的了解和掌握，以至于出现资源投资无的放矢、网络优化治标不治本等移动通信运营商不愿意看到的现象。

LTE网络规划靠仿真，优化靠经验；基站投资建设方向靠用户投诉；分析数据挖掘单靠路测、北向MR、硬采、软采等数据源中的一种。LTE规划的仿真离真实还有较大距离。优化的经验缺乏统一性而不能大面积推广。路测数据可采集范围有限，且劳动强度高、效率低；北向MR数据缺乏下行干扰及资源调度相关的数据样本，不能全面反映网络状况；硬采数据只关注核心网业务面；软采数据侧重无线侧，重点关注控制面。以上技术均不能端到端多维度全面而统一地进行LTE网络的评估优化，而且，不同时间不同地市不同技术人员评估的结果都不一样，优化手段会出现反复和前后矛盾的情况，不具备归一性，连续性和可追溯性。

发明内容

为解决上述问题，本发明的目的在于提供一种端到端多维度归一化的LTE网络评估优化***，采用统一的方式对LTE网络进行评估优化，并使评估结果具有归一性、连续性和可追溯性。

本发明解决其问题所采用的技术方案是：

一种端到端多维度归一化的LTE网络评估优化***，包括：

数据收集装置，所收集的数据类型包括LTE软采数据、北向MR数据、LTE硬采数据、扫频数据、路测及ATU数据、OMC性能统计数据和网元设备基础数据；

数据完整性评估装置，用于对收集的数据的完整性进行评估；

模型评估装置，所述模型评估装置包含有对采集到的数据进行分类评估的数据评估模块，且不同类型的数据对应一数据评估模块，相应的数据评估模块分别对相应的数据类型进行评估以获取评估值；

归一化评估装置，所述归一化评估装置为对应数据类型的数据评估模块设置有相应的权重，并可通过权重及评估值获取归一化值。

进一步，还包括：

评估输出模块，用于输出评估结果及对应的优化建议。

进一步，所述数据收集装置采用多维归一加权模型建立数据来源收集相应的数据。

进一步，所述数据完整性评估装置在采集的某个数据类型的数据所对应的基站小区占总基站小区的比值小于设定比值时，将提示数据收集装置继续采集该类型的数据，或者由模型评估装置对已经采集的基站小区进行单站评估。

进一步，所述模型评估装置包含对应的网络结构合理性评估模块、覆盖水平评估模块、干扰程度评估模块、网络负载水平评估模块、能源效率评估模块、***性能评估模块和终端用户感知评估模块。

本发明的有益效果是：

本发明采用一种端到端多维度归一化的LTE网络评估优化***，采用归一加权模型建立数据源收集相应的数据，并在满足条件时，对数据进行评估，评估过程采用统一的模型评估装置，模型评估装置包含有与类型数据对应的数据评估模块，可使评估结果具有归一性、连续性和可追溯性；评估范围覆盖LTE网络的各个方面，可全方位对LTE网络进行评估，全面反应网络状况。

附图说明

下面结合附图和实例对本发明作进一步说明。

图1是本发明所述***的结构示意图。

具体实施方式

实施例1：

参照图1所示，本发明的一种端到端多维度归一化的LTE网络评估优化***，包括：

数据收集装置，所收集的数据类型包括LTE软采数据、北向MR数据、LTE硬采数据、扫频数据、路测及ATU数据、OMC性能统计数据和网元设备基础数据；

数据完整性评估装置，用于对收集的数据的完整性进行评估；

模型评估装置，所述模型评估装置包含有对采集到的数据进行分类评估的数据评估模块，且不同类型的数据对应一数据评估模块，相应的数据评估模块分别对相应的数据类型进行评估以获取评估值；

归一化评估装置，所述归一化评估装置为对应数据类型的数据评估模块设置有相应的权重，并可通过权重及评估值获取归一化值；

评估输出模块，用于输出评估结果及对应的优化建议。

其中，所述数据收集装置采用多维归一加权模型建立数据来源收集相应的数据，数据源包括空口、软采、硬采、网管、测试、全网终端测量报告等。LTE软采数据、北向MR数据、LTE硬采数据、扫频数据、路测及ATU数据、OMC性能统计数据和网元设备基础数据等数据的采集均可根据相应的采集原理进行采集，经不同方法所采集的数据均可在本发明的评估中进行应用，但不同应用形式的确定决定着评估结果。

在对数据进行评估时，不同的数据量必须满足一定的要求，数据不全则不能对LTE网络的真实情况进行全面整体评估。数据完整性评估装置可以根据对应设定的要求限制对相应数据进行完整性评估，并在相应的数据不符合完整性要求时，由数据收集装置继续采集。但有些数据在不同的条件下，也可以通过对单个基站的评估进行归一化评估。通常情况下，数据的完整性是根据所采集的某个数据类型的数据所对应的基站小区占总基站小区的比值进行确定的，当其小于设定比值时，则说明不完整。比如，对于北向MR数据，要求其采集到数据的基站小区占比低于65%时，将提示操作者继续采集数据，给出需要采集的基站小区清单。

为了对以上数据进行全面评估，模型评估装置根据设定的评估指标设置了不同的评估模块，通常LTE的评估指标包括网络结构合理性、覆盖水平、干扰程度、网络负载水平、能源效率、***性能和终端用户感知等，模型评估装置分别设置了对应的评估模块进行评估，包括对应的网络结构合理性评估模块、覆盖水平评估模块、干扰程度评估模块、网络负载水平评估模块、能源效率评估模块、***性能评估模块和终端用户感知评估模块等，以实现评估结构的归一性、连续性和可追溯性；以上评估范围覆盖LTE网络的各个方面，可全方位对LTE网络进行评估，全面反应网络状况。

模型评估装置的可根据不同的评估模块得出对应的一个评估值，归一化评估装置为对应数据类型的数据评估模块设置有相应的权重，并可通过权重及评估值获取归一化值。评估输出模块可将评估结果输出，其评估结果包括对模型评估装置所得出的各个LTE网络指标的评估值，根据相应的评估值，评估输出模块即可输出相应的优化建议。

实施例2：

为具体对本发明进行解释，以下文字基于北向MR数据、网管数据、路测数据的模型算法对对应的评估指标的评估方法进行详细释义。以下文字中的具体数据均为本发明在实际中的应用数据，包括系数的设定、具体数字的值等，为叙述方便，以假设、设等进行表述。

首先对北向MR数据的完整性进行评估，当采集到数据的基站小区占比低于65%，则继续采集，本发明此处满足该条件；

之后，进行覆盖水平归一化评估，包括：

1.计算服务小区或邻区RSRP>-100dBm的MR的总数占所有北向MR的比例，该数据是评估覆盖的一种通用方法，可以从一个维度评估网络覆盖水平；

2.计算弱覆盖比例>50%的小区个数：去掉MR样本总数少于500的站点，覆盖差的TOPN小区个数占全部小区的比例，作为网络覆盖水平归一化评估减分的依据；

3.计算弱覆盖比例<25%的小区个数：去掉MR样本总数少于500的站点，覆盖较好的TOPN小区个数占全部小区的比例，作为网络覆盖水平归一化评估加分的依据；

4.若区域内收集到MR数据的基站66个，扇区162，且某一日期从18:00到22:00收集到MR总数超过500的小区135个，且这135个站中弱覆盖（<-100dbm）比例低于25%的站有49个，占比36.3%；高于50%的小区有41个，占比30.4%。基站的良好覆盖率反应了基站的资源效率和质量，对网络的覆盖水平有直接影响，网络建设的终极目标是实现无缝覆盖，覆盖率在评分体系里应占较大权重，设置加权系数取0.8；基站小区覆盖好的比例体现了前期工作的成效，本着提高一线人员工作热情和积极性的原则，归一化评估覆盖水平的时候加分权重系数取0.6，综合加分系数=0.2*0.6=0.12；基站小区覆盖差的比例反应了基站选址，勘察和设计工作的不足，是下一阶段工作的方向和重点，归一化评估覆盖水平的时候减分权重系数取0.4，综合减分系数=0.2*0.4=0.08。

5.综上所述，网络归一化覆盖水平=63.7*0.8+0.2*（30.4*0.12-36.3*0.08）*100=65.57分。

之后，进行网络干扰程度归一化评估，包括：

1.PCI模3干扰程度。基于北向MR统计全网小区受到PCI模3干扰的比例（邻区PCI与主服务小区PCI模3结果相同，同时RSRP与主服务小区RSRP差的绝对值<3dB的MR与该小区全部MR的比例），假设超过40%的小区占比为16.25%，即得26/160=16.25分，归一化加权值去0.3（因为PCI模3干扰是内部干扰，通过合理的规划和有效的优化可以降到很低，是日常工作的重点）后得分4.86分。

2.PCI模6干扰程度。基于北向MR统计全网小区受到PCI模6干扰的比例（邻区PCI与主服务小区PCI模6结果相同，同时RSRP与主服务小区RSRP差的绝对值<3dB的MR与该小区全部MR的比），假设超过25%的小区占比为28/160=17.5%，即得17.5分，归一化加权值去0.2（因为PCI模6干扰是内部干扰，通过合理的规划和有效的优化可以降到很低，是日常工作的次重点）后得分3.5分。

3.网络重叠覆盖程度。基于北向MR统计全网小区重叠的比例（邻区RSRP与主服务小区RSRP差的绝对值小于3dB的PCI的个数>=3的MR与该小区全部MR的比例为重叠覆盖系数1， 3dB>差的绝对值>=6dB的PCI个数>=3的比例为重叠覆盖系数2，6dB>差的绝对值>=9dB的PCI个数>=3的比例为重叠覆盖系数3），设重叠覆盖系数1超过35%的小区占比为28/160=17.5%。即得17.5分，归一化加权值去0.3*0.7。重叠覆盖系数2超过35%的小区占比为35/160=21.86%。即得21.86分，归一化加权值去0.3*0.2。重叠覆盖系数3超过35%的小区占比为44/160=27.5%。即得27.5分，归一化加权值去0.3*0.1。（因为重叠覆盖系数，通过合理的规划和有效的优化可以降到很低，是日常工作的重点，所以加权总值取0.3，又因为重叠覆盖系数1是网络结构优化的重点分项加权系数0.7, 重叠覆盖系数2是网络结构优化的次重点分项加权系数0.2，重叠覆盖系数3是网络结构优化的次重点分项加权系数0.1），综合3个重叠覆盖系数的加权得分，17.5*0.3*0.7+21.86*0.3*0.2+27.5*0.3*0.1=3.96。

4.基站过覆盖程度。基于北向MR统计全网小区越区过覆盖的比例（越过第一圈和第二圈邻区，RSRP与其他小区RSRP差的绝对值小于3dB的MR与该小区全部MR的比例为过覆盖系数，过覆盖识别实现起来相对复杂，算法不做详述），160个小区中有8个存在过覆盖，占比为8/160=5%。即得5分，归一化加权值去0.2，过覆盖程度最后得1分。

5.上行干扰程度。根据北向MR中ENB接收到的干扰功率RIP值来统计，实践证明如果存在上行干扰，则连续较长时段都有。按基站小区统计一天当中RIP>27(27-126=-99dB)的总数>3000的小区占比，若160个小区里，上行干扰水平>=-99dBm，属于干扰严重的小区41个，占比25.63%，加权系数取0.5（与下行干扰构成100%的局部评分体系）*0.7（按照干扰严重程度加权），得分8.97分。-99dBm>上行干扰水平>=-105dBm，存在干扰的小区62个，占比38.75%。加权系数取0.5*0.2，得分3.86分。-105dBm>上行干扰水平>=-110dBm的小区85个，占比53.13%。加权系数取0.5*0.1，得分2.66分。上行干扰水平除了跟内部和外部干扰程度有关外，还跟网络负载水平、ICIC效率等密切相关。网络负载水平越高干扰越大，ICIC难度越大，评判网络负载水平最直接的方法是上行PRB利用率。取现网的19%计算，得分（8.97+3.86+2.66）*（1-19%）=12.55。

6.上行信噪比与ENB接收的干扰功率。北向MR上行信噪比与ENB接收的干扰功率二维统计数据可以同时从两个维度评估上行干扰程度，假设RIP>-100dBm且上行SINR<0dB的占比12.46%，得分12.46分。所述以上第5和第6所作的上行干扰评估都能比较全面地反应网络情况，算术平均后可以跟客观，因此综合5、6之后的上行干扰程度最后得分（12.55+12.46）/2=12.5分。

7.下行干扰程度。北向MR数据中下行RSRQ跟SINR或者吞吐率没有固定的对应关系，所以基本没有反应下行干扰程度的指标。所以需要根据路测数据来统计下行干扰程度。若网络级SINR<=0的CDF统计为9.11%，加权0.7后得分6.38分。小区级CDF=5% 对应SINR<0的小区占比为37/160=23.13%，加权0.3后得分6.94分。下行干扰程度最后得分为（6.38+6.94）*0.5=6.66分。

8.网络RSRQ评估。全网RSRQ大部集中在-11.5~-5.5dB之间，CDF5%对应的RSRQ约-15dB。从大量数据分析得出的经验，RSRQ低于-15dB，SINR一般都比较差，但RSRQ高，SINR不一定好。下行RSRQ跟外部干扰水平、重叠覆盖度、PCI模3模6干扰程度、PRB负载水平相关。所以RSRQ<-14.5dB的比例3.13%可以反映网络信号质量差的程度，RSRQ评估得分3.13分，加权0.7（网络级得分与小区级得分之和按100%进行加权统计）后得分2.19分。有RSRQ数据且汇总后MR总数超过50个的小区总共153个，质差（RSRQ<-14.5dB）比例超过10%的小区9个，占比5.88%。得分5.88分，加权0.3后得分1.76分。网络RSRQ评估最后得分2.19+1.76=3.95分。

综合上面1-8的7个分值，罗列如下：

1.PCI模3干扰程度得分4.86分

2.PCI模6干扰程度得分3.5分

3.网络重叠覆盖程度得分3.96分

4.基站过覆盖程度得分1分

5.上行干扰程度最后得分12.5分

6.下行干扰程度最后得分6.66分

7.网络RSRQ评估最后得分3.95分

得到网络干扰程度归一化评估得分4.86+3.5+3.96+1+12.5+6.66+3.95=36.43分。

之后，统计相关数据。假设统计结果为：网络所在地区入口数量1000万，通过网管或软采、硬采信令平台统计网络注册用户数（100万），网络活跃用户数（66万）、网络基站数（6000）、小区数（15000）、上行PRB利用率(19%)、下行PRB利用率(30%)。

之后，归一化输出评估结果及优化建议：

1.网络活跃用户数（66万）/小区数（15K）=4.4；

2.网络注册用户数（100万）/网络基站数（6K）=16.67；

3.上行PRB利用率(19%)=19（理论满分100）；

4.下行PRB利用率(30%)=33（理论满分100）；

5.网络干扰程度=36.43（理论满分100）；

6.网络覆盖水平=65.57（理论满分100）；

则网络归一化值=0.4*[上行PRB利用率(19%)+下行PRB利用率(30%)]/2+0.6*[(100-网络干扰程度36.43)+网络覆盖水平65.57]/2+4.4+16.67

=[(19+30)*0.4+(63.57+65.57)*0.6]/2+4.4+16.67

=48.54+4.4+16.67

=69.61。

本发明对网络资源配置、覆盖效率、负载水平、干扰程度等做归一化评估，最后得分69.61分，网络提升空间较大。优化建议较多，具体内容按如下列表输出：

1.输出弱覆盖小区列表；

2.PCI模3干扰小区列表；

3.PCI模6干扰小区列表；

4.网络重叠覆盖小区列表；

5.基站过覆盖小区列表；

6.上行干扰严重小区列表；

7.下行干扰严重小区列表；

8.外部干扰严重小区列表（根据前面7张表组合甄别，既有上行干扰又有下行干扰但没有PCI模干扰或PCI模干扰较低或重叠覆盖不大）。

整体也可以用图形进行表示，包括以下应用方式：

1.以时间为横坐标坐标，归一化值为纵坐标，所绘变化趋势图可以客观反映各个时期网络建设优化的效果。

2.以地理位置为坐标，归一化值为纵坐标，所绘变化趋势图可以客观反映各地市LTE网络建设的差别，可以用来进行任务管理。

3.附带的评估报告和优化建议书可以明确列出网络建设优化所取得的成绩和不足，可用于业绩。

以上阐述了基于北向MR数据、网管数据、路测数据的模型算法，LTE软采数据、硬采数据、扫频数据和ATU数据在评估网络覆盖水平和干扰程度上的算法基本一样，同时这些数据还包括大量内容，可以从用户感知，业务质量，运营策略等维度进一步完善评估内容，本发明在此不做详述。

以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。

Claims (3)

1.一种端到端多维度归一化的LTE网络评估优化***，其特征在于，包括：

数据收集装置，所收集的数据类型包括LTE软采数据、北向MR数据、LTE硬采数据、扫频数据、路测及ATU数据、OMC性能统计数据和网元设备基础数据；

数据完整性评估装置，用于对收集的数据的完整性进行评估，所述数据完整性评估装置在采集的某个数据类型的数据所对应的基站小区占总基站小区的比值小于设定比值时，将提示数据收集装置继续采集该类型的数据，或者由模型评估装置对已经采集的基站小区进行单站评估；

模型评估装置，所述模型评估装置包含对应的网络结构合理性评估模块、覆盖水平评估模块、干扰程度评估模块、网络负载水平评估模块、能源效率评估模块、***性能评估模块和终端用户感知评估模块，相应的数据评估模块分别对相应的数据类型进行评估以获取评估值；

归一化评估装置，所述归一化评估装置为对应数据类型的数据评估模块设置有相应的权重，并可通过权重及评估值获取归一化值。

2.根据权利要求1所述的LTE网络评估优化***，其特征在于，还包括：

评估输出模块，用于输出评估结果及对应的优化建议。

3.根据权利要求1所述的LTE网络评估优化***，其特征在于，所述数据收集装置采用多维归一加权模型建立数据来源收集相应的数据。