CN111970719B - 一种5g nsa网络下锚点站质量评估的方法和装置 - Google Patents
一种5g nsa网络下锚点站质量评估的方法和装置 Download PDFInfo
- Publication number
- CN111970719B CN111970719B CN202010766295.9A CN202010766295A CN111970719B CN 111970719 B CN111970719 B CN 111970719B CN 202010766295 A CN202010766295 A CN 202010766295A CN 111970719 B CN111970719 B CN 111970719B
- Authority
- CN
- China
- Prior art keywords
- evaluation
- quality
- network
- anchor point
- nsa
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 252
- 230000008447 perception Effects 0.000 claims abstract description 31
- 238000012360 testing method Methods 0.000 claims description 23
- 238000001303 quality assessment method Methods 0.000 claims description 13
- 230000009977 dual effect Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 33
- 238000013441 quality evaluation Methods 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 10
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000011664 signaling Effects 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000006855 networking Effects 0.000 description 6
- 230000003139 buffering effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 101150071746 Pbsn gene Proteins 0.000 description 4
- 230000000977 initiatory effect Effects 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002028 premature Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 102100039358 3-hydroxyacyl-CoA dehydrogenase type-2 Human genes 0.000 description 1
- 101100480814 Arabidopsis thaliana TCP12 gene Proteins 0.000 description 1
- 101100206193 Arabidopsis thaliana TCP23 gene Proteins 0.000 description 1
- 101001035740 Homo sapiens 3-hydroxyacyl-CoA dehydrogenase type-2 Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229940102240 option 2 Drugs 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及通信领域,特别是涉及一种5G NSA网络下锚点站质量评估的方法和装置。主要包括:获取锚点站质量指标数据;根据评估维度,由质量指标数据中选取需要进行评估的评估因子;根据评估业务需求,为各评估因子配置不同的权重;根据评估因子的值和权重,计算预设评估区域的各评估因子的加权总分,作为该预设评估区域的质量得分。本发明可以便捷准确的获取各锚点站的质量状况,为5G NSA网络优化提供支撑,提高5G业务用户的用户感知。
Description
【技术领域】
本发明涉及通信领域,特别是涉及一种5G NSA网络下锚点站质量评估的方法和装置。
【背景技术】
5G标准分为非独立组网(Non-stand alone,简写为:NSA)和独立组网(standalone,简写为SA)两种组网方式,为实现快速建网思路,电信运营商在5G建网初期选择NSA架构,后期向SA架构演进的方式。NSA架构中,锚点站是5G基站接入网络的通道,锚点网络的连续覆盖性能影响用户对5G网络的移动性感受。尤其对于5G语音,它通过VoLTE实现,采用锚点承载。如果锚点连续覆盖性能较差,5G用户语音感受将可能劣于现网VoLTE,影响用户体验。
目前,通常使用的锚点站质量评估方法有:路测、单站验证、网管监控、感知质量评估体系(Deep Packet Inspection,简写为:DPI)等。路测和定点测试只能覆盖部分主干道路,对测试车辆难以进入的居民区、园区、大厦等特殊场景或区域无法实施路测,并且路测需要投入的人力、车辆等成本较高,一般仅在建网初期应用。网管监控更侧重于网络设备的运行质量,从设备参数配置、设备性能评估提供网络的业务质量,评估重点是KPI指标,缺少KQI指标评估,无法体现用户业务的感知。而且网管主要面向是设备侧,无法全面监测到用户级;另一方面,目前的网管监控主要应用于运维方面的指标。但是,随着运营商的业务由运维逐渐转向运营,运营商开始更关注业务感知,网管监控无法获取业务感知相应的指标。DPI只是覆盖核心网数据,业务感知评估均通过核心网数据计算,结果并不能够全面反映或代表无线网和传输网的质量。
鉴于此,如何克服现有技术所存在的缺陷,解决现有的锚点站质量评估无法便捷的获取到全面准确的锚点站质量指标的现象,是本技术领域待解决的问题。
【发明内容】
针对现有技术的以上缺陷或改进需求,本发明解决了目前锚点站质量评估方法中路测方式覆盖范围不全且成本较高,以及网管监控方式无法获取业务感知指标的问题。
本发明实施例采用如下技术方案:
第一方面,本发明提供了一种5G NSA网络下锚点站质量评估的方法,具体为:获取锚点站质量指标数据;根据评估维度,由质量指标数据中选取需要进行评估的评估因子;根据评估业务需求,为各评估因子配置不同的权重;根据评估因子的值和权重,计算预设评估区域的各评估因子的加权总分,作为该预设评估区域的质量得分。
优选的,获取锚点站质量指标数据,包括:通过路测、定点测试、综合网管***、MR和/或感知指标评估体系中的一种或多种方式获取锚点站质量指标数据。
优选的,评估维度包括网络业务质量维度和/或网络业务感知维度。
优选的,为各评估因子配置不同的权重,包括:根据业务需要选择需要进行评估的评估因子,根据业务特征为每个评估因子设置权重;为每个评估因子选择需要进行评估的评估指标,根据业务特征为每个评估指标设置权重。
优选的,计算预设评估区域的各评估因子的加权总分,包括:按照每个评估指标的值和权重,计算每个评估因子中所有评估指标的加权总分,将所有评估指标的加权总分作为该评估因子的值;按照每个评估因子的值和权重,计算所有评估因子的加权总分。
优选的,计算预设评估区域的所有评估因子的加权总分,包括:为每个评估因子中的每个评估指标预设基准值和挑战值;当第一类评估指标的值小于基准值时,将评估指标按照该评估指标的预设下限值进行计算;当第一类评估指标的值大于或等于挑战值时,将评估指标按照该评估指标的预设上限值进行计算;当第二类评估指标的值大于基准值时,将评估指标按照该评估指标的预设下限值进行计算;当第二类评估指标的值小于或等于挑战值时,将评估指标按照该评估指标的预设上限值进行计算。
优选的,当评估维度为网络业务质量维度时,将终端能力、覆盖水平、锚点容量、干扰避让和锚点性能中的一项或多项作为评估因子。
优选的,当评估维度为网络业务感知维度时,将终端、网络、管道和业务中的一项或多项作为评估因子。
优选的,将终端作为评估因子时,所述终端为实施过锚点优先级方案的区域内的所有锚点站和5G基站具有与5G NSA基站相同频率,支持双连接能力的5G NSA终端。
另一方面,本发明提供了一种5G NSA网络下锚点站质量评估的装置,具体为:包括至少一个处理器和存储器,至少一个处理器和存储器之间通过数据总线连接,存储器存储能被至少一个处理器执行的指令,指令在被处理器执行后,用于完成第一方面中的5G NSA网络下锚点站质量评估的方法。
与现有技术相比,本发明实施例的有益效果在于:获取多个维度的数据作为评估因子,并根据不同业务为评估因子设置相应权重,通过多个维度评估因子的加权总分作为锚点站质量评估的标准。通过该质量评估方式,可以便捷准确的获取各锚点站的质量状况,为5G NSA网络优化提供支撑,提高5G业务用户的用户感知。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种5G NSA网络下锚点站质量评估的方法流程图;
图2为本发明实施例提供的另一种5G NSA网络下锚点站质量评估的方法流程图;
图3为本发明实施例提供的另一种5G NSA网络下锚点站质量评估的方法流程图;
图4为本发明实施例提供的一种5G NSA网络下锚点站质量评估的方法中使用的一种评估因子模型;
图5为本发明实施例提供的一种5G NSA网络下锚点站质量评估的方法中使用的另一种评估因子模型;
图6为本发明实施例提供的一种5G NSA网络下锚点站质量评估的装置结构示意图。
【具体实施方式】
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明是一种特定功能***的体系结构,因此在具体实施例中主要说明各结构模组的功能逻辑关系,并不对具体软件和硬件实施方式做限定。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。下面就参考附图和实施例结合来详细说明本发明。
Option3家族在快速5G部署上有较大优势,同时LTE升级至eLTE连接NGC的商业驱动力也有待进一步明确,在Option3家族中,Option3x引入NR对现有LTE网影响最小,性能最优。5GNR是基于OFDM的全新空口设计的全球性5G标准,也是下一代非常重要的蜂窝移动技术基础,5G技术将实现超低时延、高可靠性。Option3x作为NSA的普遍选择,Option2作为SA的普遍选择,已成为大部分运营商的首选。
5G NSA一方面满足首批5G网络的建设需求,另一方面节省了部署NGC核心网、虚拟化、云化改造的时间。Option3x LTE eNB与NR gNB采用双连接的形式,显著提高用户下行峰值速率。NSA Option3x能根据4G网络负载制定灵活的分流策略,在充分利用网络资源的同时,避免造成现有4G网络拥塞。NSA网络下,用户承载在LTE网络,移动性管理复用LTE已有的移动性管理。当UE移动出NR覆盖范围,数据面不中断,维持LTE连接。Option3x需要依赖于X2/Xn接口与LTE互联互通,网络升级改造需要相应的LTE容量匹配和版本配套,包括产品实现符合最新标准技术规范。
NSA和SA的组网主要区别在于:NSA是将5G的控制信令锚定在4G基站上,将锚定的基站称为锚点站;SA方案是5G基站直接接入5G核心网,控制信令完全不依赖4G网络。NSA标准下无需新建核心网,新建5G基站通过4G基站接入4G核心网或接入5G核心网。5G和4G无需互操作,可同时在4G和5G网络发起业务,5G终端需同时接入4G网络,需支持4G/5G双链接。
NSA方案中,用户通过双连接方式同时接入5G和4G基站,NAS信令由锚点站传递,用户数据流在5G基站和4G基站内分流,通过5G和4G基站之间的协作享受5G服务。其中使用的术语解释如下:
(1)双连接:移动终端能够同时跟4G和5G都进行通信,能同时下载数据。一般情况下,会有一个主连接和至少一个从连接。
(2)控制面锚点:双连接中的负责控制面的称为控制面锚点。
(3)分流控制点:用户的数据需要分到双连接的两条路径上独立传送,进行分流的位置称为分流控制点。
实施例1:
在NSA组网场景下,受限于NSA终端所能支持的频率范围,或者其它特殊因素,导致现网存量LTE基站难以全部用作NSA锚点站。一旦NSA用户接入非锚点LTE基站,将导致无法添加NR辅载波,从而无法享有5G业务。Option 3X基站连接的核心网是4G核心网,控制面锚点在4G基站,把数据分流控制点放在了5G基站上。由于使用锚点站作为NSA终端接入网络的信令通道,因此应选择网络连续覆盖性能好的4G频点作为锚点。为了选择合适的NSA锚点,需要结合锚点产业链端到端支持情况和预估的4G网络覆盖情况,选择连续覆盖性能好、边缘速率高的4G频点作为锚点。本发明实施例中提供的5G NSA网络下锚点站质量评估的方法,通过对锚点站不同维度的质量进行评估,获取锚点站的质量状况,为锚点站的优化提供数据支撑。
如图1所示,本发明实施例提供的5G NSA网络下锚点站质量评估的方法具体步骤如下:
步骤101:获取锚点站质量指标数据。
传统质量评估方法一般仅使用单一的质量评估方式进行,主要使用的质量评估方式包括路测、单站验证、网管监控和DPI等。路测可以直观的反映出不同区域的通信质量,但只能覆盖部分主干道路,对普通街道或测试车辆难以驶入的道路,比如居民区、园区、大厦、特殊场景等区域无法实施路测,一般仅用在建网初期对基站位置进行优化,并且路测需要投入的人力、车辆等成本较高。网管更侧重于网络设备的运行质量,从设备参数配置、设备性能评估网络提供的业务质量,评估重点是KPI指标,主要应用于设备的运维。但是,随着运营商逐渐由运维转向运营,运营商开始更关注业务感知,网管评估方式缺少KQI指标评估,无法体现用户业务的感知。并且网管主要面向是设备侧,无法全面监测到用户的感知情况。测量报告(Measurement Report,简写为:MR)是指信息在业务信道上每480ms(信令信道上470ms)发送一次数据,这些数据可用于网络评估和优化。DPI评估方式通过DPI采集数据进行业务感知评估,主要是对用户上网访问浏览网页、观看视频、发送/接收即时消息、游戏等业务中的关键指标,按照业务类型设置不同权重及指标权重来综合评估业务感知,DPI在信令面和业务面数据方面具有优势,数据中包含用户信息、终端类型、区域、网元、基站、访问业务类型等内容。因此,可以根据不同的维度来对业务进行感知评估,但DPI、只覆盖核心网数据,业务感知评估均通过核心网数据计算,结果并不能够全面反映或代表无线网、传输网质量,无法实现端到端业务感知评估体系。
在本实施例提供的锚点站质量评估方法中,根据评估维度和业务需求,获取多种锚点站质量指标数据进行质量评估。在本发明的具体实施方式中,根据需要使用的质量指标数据不同,获取锚点站质量指标数据的方式包括:路测、单站验证、综合网管***、MR和DPI中的一种或多种。
路测和单站验证方式获取到的质量指标数据包括:(1)基础覆盖指标:SS-RSRP、SINR,CSI-RSRP、SINR,CQI、覆盖率、CQI分布统计、波束级统计测量等。(2)吞吐量指标:上下行平均速率、上下行峰值速率、PHY/MAC/RLC/PDCP层速率分布等。(3)调度能力指标:MCS统计、RANK统计,Blert统计、MIMO统计、PDCCH统计等。
综合网管***包括无线网管、传输网络、核心网网管等部分,获取到的质量指标数据包括:(1)基础网络指标:上行干扰(小区RB上行平均干扰电平、小区RB上行最大干扰电平)、传输质量(传输时延、传输丢包率)、信道质量(上行MCS为0-28阶使用的RB个数、下行MCS为0-28阶使用的RB个数)、CQI等。(2)网络性能指标:接入类(SN添加成功率、SN添加平均/最大时长)、保持类(SN异常释放率)、移动性(带SN腿切换成功率)、完整类(RLC层丢包率、MAC层误块率)等。(3)网络业务量指标:资源类(上行业务信道占用PRB数、下行业务信道占用PRB数)、流量类(小区用户面上行PDCP PDU字节数、小区用户面下行PDCP PDU字节数)、用户数(终端RRC连接平均数、终端RRC连接最大数)等。
MR方式获取到的质量指标数据包括终端和eNodeB,终端执行并上报eNodeB小区下行电平强度、质量和TA,eNodeB执行并上报上行终端的接收电平强度和质量的测量。
DPI方式获取到的质量指标数据包括:(1)终端:核心网获取终端接入位置、终端能力、终端用户数量、终端流量、终端信令指标、终端业务指标等。(2)接入:NSA终端接入锚点站附着成功率、附着时延等。(3)驻留:5G业务使用时长驻留比、5G业务流量驻留比等。(4)切换:定向切换、锚点站切换等。(5)负载:锚点站负载量、非锚点站负载量等。(5)辅站:NR站点双连接建立成功率等。(6)流量:锚点站流量、NR站流量等。(7)感知:业务优良率等。
步骤102:根据评估维度,由质量指标数据中选取需要进行评估的评估因子数据。
由于现有的几种质量评估方法各有利弊,为更好更全面的评估锚点站质量,需要使用多种方式获得的质量指标数据,共同建立一套包含无线网、传输网和核心网在内形成端到端的感知评估体系。在具体实施过程中,可以选择多组评估指标组合为多个评估因子,对业务感知进行不同方面的评估,每个评估因子中包含一个或多个评估指标。
在本实施例的具体实施场景中,评估维度一般包括网络业务质量维度和网络业务感知维度。在实际使用中,可以根据业务特性和能够获取到的数据等因素选择其中一个维度进行评估,也可以在同时使用两个评估维度进行综合感知评估,以获取更全面的感知数据。
以网络业务质量作为评估维度时,使用覆盖水平、锚点容量、干扰避让和锚点性能中的一项或多项作为评估因子。由于网络业务质量在一般情况下和终端用户感知到的锚点站业务质量呈正相关,因此可以通过网络业务质量的好坏间接评估终端用户感知到的质量。在实际使用中,评估指标数据具体可以包括:由综合网管***获取到的:覆盖率、上行PRB利用率、下行PRB利用率、RRC重建成功率、掉话率等;由DPI获取到的:同频率、锚点站附着成功率、切换成功率等。
以网络业务感知作为评估维度时,使用终端、网络、管道和业务中的一项或多项作为评估因子。网络业务感知维度可以从占用、驻留、体验三方面出发,直接获取到用户对锚点站业务质量的感知。在实际使用中,评估指标数据具体可以包括:终端:锚点站下5G NSA终端数量、终端功能开关状态等附着锚点站情况等;网络:基于附着、双连接、小区用户量、性能等分析网络质量等;管道:业务管道TCP质量分析等;业务:大带宽视频业务质量分析等。
在本实施例的具体实施场景中,仅有与5G NSA基站频率相同,且支持双连接能力的5G NSA终端才能接入到5G NSA网络中,也只有此类型终端所产生的数据才有评估的价值。因此,将终端作为评估因子进行评估时,仅使用该类型终端的数据进行评估。
进一步的,使用终端作为评估因子时,终端为具有与锚点站相同频率,支持双连接能力的5G NSA终端。NSA终端必须先占用锚点小区后,才能使用5G业务提升用户感知,因此需要将NSA终端迁移到锚点小区并保证稳定占用,是目前需要解决的重要课题。
锚点优先占用面临的4个问题;
1、假如终端占用非锚点,如何在连接态从非锚点迁移至锚点;
2、假如终端占用非锚点,如何在空闲态从非锚点迁移至锚点;
3、假如终端已经占用锚点,连接态如何稳定占用锚点,防止过早切换至非锚点;
4、假如终端已经占用锚点,空闲态如何稳定占用锚点,防止过早重选至非锚点。在本实施例的实施场景中,一般使用以下几种锚点站优先方案,主要包含:定向切换+定向重选+NSA独立移动性策略+禁止NSA负荷均衡。
(1)定向切换:
1、当NSA终端在非锚点小区接入时,发起向锚点小区的定向切换。
2、当NSA终端在非锚点小区切换时,发起向锚点小区的定向切换。
3、当NSA终端在非锚点做VoLTE业务时,禁止发起定向切换。
4、当NSA终端在非锚点结束VoLTE业务后,发起向锚点小区的定向切换。
(2)定向重选:
当NSA终端在非锚点小区释放时,rrcConnectionRelease消息里携带锚定频点,并设置为最高优先级,可以将终端引导至锚定频点。
当NSA终端在锚点小区释放时,rrcConnectionRelease消息里携带锚定频点,并设置为最高优先级,可以将终端引导至锚定频点。
(3)移动性策略:
NSA终端连接策略是非锚点小区比较容易切换到锚点小区,锚点小区比较难切换至非锚点小区,锚点小区确保流畅切换。
(4)禁止NSA终端负荷均衡配置:
当NSA终端占用锚点小区时,禁止将NSA终端负荷均衡至其他频点。
步骤103:根据评估业务需求,为各评估因子数据配置不同的权重。
本实施例提供的锚点站质量评估方法中,会使用多个质量指标数据对质量进行评估。根据设备场景、业务场景和评估维度的不同,不同的质量指标数据对终端感知到的业务质量的影响程度不同,因此,在进行质量评估时,需要对质量指标数据中的评估因子配置不同的权重。
进一步的,由于每个评估因子中可能包括不止一个评估指标,而每个评估指标对于评估因子的影响程度也不同。因此,在具体使用场景中,不仅可以为不同的评估因子设置权重提高质量评估的准确度,还可以为每个评估因子中的评估指标设置不同的权重,进一步区分不同的评估指标对于质量感知的影响程度。具体的,如图2所示,在实际使用中,可以通过以下步骤为各评估因子配置不同的权重:
步骤201:根据评估维度选择需要进行评估的评估因子,根据业务特征为每个评估因子设置权重。
步骤202:为每个评估因子选择需要进行评估的评估指标,根据业务特征为每个评估指标设置权重。
通过步骤201和步骤202的两极权重分配,可以更准确的区分不同评估指标和评估因子对于业务感知的影响程度,提高评估的准确性。在本实施例的具体实施场景中,权重分配的级数不限制为两级,可以根据实际需要进行调整,在评估指标较少时可以只使用一级,在评估指标和评估因子较多时可以进一步将评估指标分组为评估子因子等更多层级进行权重设置,进一步提高评估准确度。
步骤104:根据评估因子数据的值和权重,计算预设评估区域的各评估因子数据的加权总分,作为该预设评估区域的质量得分。
为每个评估因子设置权重后,可以对获取到的各评估因子的值计算加权总和,作为预设评估区域的质量的分,根据质量得分对锚点站质量进行评估。
进一步的,在本实施例的某些具体使用场景中,为每个评估因子中的评估指标也设置了权重,在计算评估因子的值时,需要计算每评估因子中的所有评估指标加权总分,作为该评估因子的值。
在本实施例的某些具体实施场景中,某些评估因子或评估指标的值可能由于测量极限或误差等因素,可能出现远低于正常值或远高于的异常值。为了避免异常值的数值与正常值偏差过大,影响质量得分的计算结果,可以设置正常值的下限为基准值,设置正常值的上限为挑战值。根据不同的评估指标性质,将评估指标分为两类:(1)第一类评估指标:如成功率、下载速率指标等,将低于基准值的值都按照预设下限值计算,将高于挑战值的值都按照预设上限值计算;(2)第二类评估指标:如时延、重传率、碎片率指标等,将高于基准值的值都按照预设下限值计算,将低于挑战值的值都按照预设上限值计算。通过上述处理,减少了异常值的具体数值对质量得分的影响。如图3所示,可以通过以下步骤进行计算。
步骤301:为每个评估因子中的每个评估指标数据预设基准值和挑战值。
步骤302:判断评估指标的类型为第一类评估指标或第二类评估指标。
步骤303:当第一类评估指标的值小于基准值时,将评估指标按照该评估指标的预设下限值进行计算。
步骤304:当第一类评估指标的值大于或等于挑战值时,将评估指标按照该评估指标的预设上限值进行计算。
步骤305:当第二类评估指标的值大于基准值时,将评估指标按照该评估指标的预设下限值进行计算。
步骤306:当第二类评估指标的值小于或等于挑战值时,将评估指标按照该评估指标的预设上限值进行计算。
通过步骤301-步骤306,根据不同评估指标的特性,通过基准值和挑战值消除了异常数值对于感知评估结果的影响,避免评估指标绝对数值过大或过小导致的评估结果偏差。
经过本实施例中提供的步骤101-步骤104后,可以通过多个评估维度的质量指标数据对锚点站的质量指标进行评估。避免了目前各种质量评估方式实现困难、数据获取困难、评估结果片面等问题,能够全面准确的对锚点站的感知质量进行评估,作为5G NSA锚点站选择的依据,或其他业务质量的评估依据。
实施例2:
在某些具体实施方式中,可以通过本实施例提供的评估体系模型对实施例1中提供的5G NSA网络下锚点站质量评估的方法进行实现。
本实施例使用的评估体系模型评估主要使用终端、覆盖、容量、干扰、性能等评估因子,对网络业务质量维度进行锚点站质量的感知评估。
按照步骤102,选取进行评估的评估因子,每个评估因子的评估原理如下:
终端能力:通过DPI获取。NSA终端不一定支持现网全部LTE频点。因此NSA锚点规划时需要选择主流NSA终端能力信息。
覆盖水平:通过无线网管数据和网管***获得。1)NSA锚点必须做到覆盖连续,否则在无锚点覆盖的区域无法添加NR。2)商用终端所支持的NSA锚点有限,对于主流终端所支持的锚点,即使当前覆盖较差也必须作为高优先级锚点,必要时需要扩容补盲。
锚点容量:通过DPI获得。包括上行容量和下行容量。1)上行容量:建议优先考虑锚点的上行容量,因为5G上行容易受限,对上行分流需求更大。2)如果需要开启下行分流,需要优先选择下行容量大的频点作为高优先级锚点。如果LTE现网开通DL CA,需要考虑终端NSA DC和LTE CA组合能力。但现阶段还没有具体的终端能力信息,因此该因素暂不考虑。如果LTE现网未开通DL CA,需要优先选择单频点下行容量较高的LTE频点作为NSA高优先级锚点。
干扰避让:通过无线网管数据获得。需要规避谐波/交调干扰。特定的LTE+NR频段组合存在谐波/交调干扰风险,比如(LTE1.8G+NR3.5G)(LTE2.6G+NR4.9G)。在规划NSA锚点时建议降低存在干扰风险的LTE频点的优先级。具体是否存在干扰风险以实际公式计算结果为准。
移动性策略的耦合性:通过网管数据获得。1)SRAN 15.0版本LTE非必要性移动策略跟NSA未解耦,常见移动策略有CA PCC锚点策略/MLB,如果非必要性移动策略的倾向性频点不配置为NSA锚点,则存在NR无法添加风险。因此建议将LTE现网非必要性移动策略的倾向性频点都作为NSA锚点,例如MLB的目标频点。2)对于LTE的必要性切换策略,要求NSA用户必须遵守,否则有掉话风险。
锚点基础性能:通过网管***获得。如果LTE现网各个频点的基础性能(包括接入、切换成功率、掉话率、RRC重建比、乒乓切换次数)存在较大差异,并且基础性能差的频点难以优化提升。则需要优先选择基础性能好的频点作为NSA高优先级锚点。
各评估因子中使用的评估指标包括:
1、同频率:某时间段内小区下所有终端类型支持频率与基站小区频率相同的终端占比。
2、覆盖率:覆盖率定义为F取值1的测试点在测试区所有测试点中的百分比。其中:RSRP表示下行导频信号接收功率;SINR表示接收导频信号的信号质量;RSRP≥R和RSRQ≥S表示是否满足条件,R和S是RSRP和RSRQ在计算中的阈值。如果RSRP≥R和RSRQ≥S都满足,则F取值1,若有一个不满足或都不满足,则F取值0。
3、上行PRB利用率、下行PRB利用率:
TTI PUSCH PRB利用率=每TTI PUSCH PRB使用数/每TTI PUSCH PRB总数。
TTI PDSCH PRB利用率=每TTI PDSCH PRB使用数/每TTI PDSCH PRB总数。
4、干扰率:MR RIP>=-105dBm的采样占比。
5、锚点站附着成功率:锚点站附着成功次数/锚点站附着请求次数×100%。
6、切换成功率(X2切入、X2切出、S1切入、S1切出):
X2切入成功率=X2切入成功次数/X2切入尝试次数×100%。
X2切出成功率=X2切出成功次数/X2切出尝试次数×100%。
S1切入成功率=S1切入成功次数/S1切入尝试次数×100%。
S1切出成功率=S1切出成功次数/S1切出尝试次数×100%。
7、掉线率:E-RAB掉线率=(因异常原因eNodeB请求释放的E-RAB数目+因异常原因eNodeB请求释放UE上下文中包含的E-RAB数目)/E-RAB建立成功数目×100%。
8、RRC重建成功率:RRC重建成功率=RRC重建成功次数/RRC重建尝试次数(业务相关)×100%。
按照步骤103,如图4所示,对评估因子和评估指标设置权重,各评估因子的权重和其中评估指标的权重如表1,其中权重、基准值和挑战值可根据实际经验进行调整。
表1
按照步骤104,计算评估因子的加权总分作为评估区域的质量得分。
为了更准确的获取质量得分,可以不直接使用评估指标的值,而是使用以下公式计算各评估指标的得分。
使用公式1计算同频率、覆盖率、成功率指标得分:
使用公式2计算利用率、干扰率、掉线率指标得分:
通过上述公式,对评估指标的值进行计算,并计算评估指标和评估因子的加权,获取到评估区域中锚点站的质量得分。
实施例3:
在某些具体实施方式中,可以通过本实施例提供的另一种评估体系模型对实施例1中提供的5G NSA网络下锚点站质量评估的方法进行实现。
本实施例使用的评估体系模型评估主要从占用、驻留、体验三方面出发,使用终端、网络、管道、业务四个评估因子进行感知评估,对网络业务质量维度和网络业务感知维度进行锚点站质量的综合感知评估。
按照步骤102,选取进行评估的评估因子,每个评估因子的评估原理如下:
终端:锚点站下5G NSA终端数量、终端功能开关状态等附着锚点站情况。
网络:基于附着、双连接、小区用户量、性能等分析网络质量。
管道:基于业务管道TCP质量等分析。
业务:基于大带宽视频业务质量等分析。
各评估因子中使用的评估指标和指标的计算方法为:
5G终端数:通过DPI获得。4G和5G信令统计所有在网5G终端用户数。
5G终端附着5G网络数:通过DPI获得。附着到5G网络的5G终端用户数。
5G终端附着5G网络占比:通过DPI获得。[5G终端附着5G网络数]/[5G终端数]。
上报5G开关状态的5G终端总量:通过DPI获得。上报的双连接能力的终端数。
5G开关开的5G终端数:通过DPI获得。上报的双连接能力的终端中开关开的终端数。
5G终端5G开关开占比:[5G开关开的5G终端数]/[上报5G开关状态的5G终端总量]。
锚点站5G终端附着成功率:通过DPI获得。[ATTACH成功次数]/[ATTACH请求次数],统计范围为:1、5G终端,基于5G终端库识别;2、4G锚点站,基于锚点站配置表。
ERAB修改指示成功率:通过DPI获得。[E-RAB修改成功次数]/[E-RAB修改请求次数],E-RAB修改指示成功次数:统计E-RAB MODIFICATION CONFIRM消息次数;E-RAB修改指示请求次数:统计E-RAB MODIFICATION INDICATION消息的累计次数。
SgNB添加成功率:通过综合网管***获得。[SgNB添加成功次数]/[SgNB添加请求次数]。
锚点RRC连接建立成功率:通过综合网管***获得。[RRC连接建立成功次数]/[RRC连接建立请求次数]。
区域5G访问次数驻留比:通过DPI获得。在5G覆盖区域中计算,5G访问次数驻留比=[5G终端在5G网络业务访问次数/[5G终端在5G网络业务访问次数+5G终端在4G网络业务访问次数];5G覆盖区域统计范围为实施过锚点优先级方案的区域内的所有锚点站和5G站。
区域5G流量驻留比:通过DPI获得。在5G覆盖区域中计算,5G流量驻留比=[5G终端在5G网络流量]/[5G终端在5G网络流量+5G终端在4G网络流量];5G覆盖区域统计范围为实施过锚点优先级方案的区域内的所有锚点站和5G站。
区域5G时长驻留比:通过DPI获得。在5G覆盖区域中计算,5G流量驻留比=[5G终端在5G网络业务时长]/[5G终端在5G网络业务时长+5G终端在4G网络业务时长];5G覆盖区域统计范围为实施过锚点优先级方案的区域内的所有锚点站和5G站。
SN异常释放率(掉线率):通过综合网管***获得。1-[SN正常释放请求次数]/[SN释放请求次数]。
SN切换成功率:通过综合网管***获得。[SN切换成功次数]/[SN切换请求次数]。
锚点无线掉线率:通过综合网管***获得。[异常eNodeB请求释放次数]/[eNodeB请求释放次数]。
视频下载速率:通过DPI获得。流媒体包下载量/流媒体下载时长;流媒体包下载量:SP向终端发送“HTTP Reply 200OK”消息至SP向终端发送“finish TCP data ack”消息之间的数据下载量;流媒体下载时长:SP向终端发送“HTTP Reply 200OK”消息至SP向终端发送“finish TCP data ack”消息的时间。
速率码率比:通过DPI获得。视频有效下载速率/码率;有效下载速率=Streaming有效单据的流媒体应用层下载量/(流媒体下载总时长-无数据包数传时长)。
初始缓冲成功率:通过DPI获得。初始缓冲成功次数/初始缓冲请求次数*100。
初始缓冲时延:通过DPI获得。初始缓冲总时延/初始缓冲成功次数。
视频卡顿率:通过DPI获得。卡顿次数/初始缓冲成功次数*100。
视频卡顿时长占比:通过DPI获得。播放中缓冲时长总和/初始缓冲成功次数*100。
回传上行有效速率:通过DPI获得。[推流载量]/[流媒体下载时长]。
拉流下行速率(kbps):通过DPI获得。[拉流下行流量]/[下行传输时长]。
TCP12次握手成功率:通过DPI获得。TCP SYN ACK次数/TCP SYN次数*100%。
TCP23次握手成功率:通过DPI获得。TCP ACK次数/TCP SYN ACK次数*100%。
TCP12次握手时延:通过DPI获得。TCP SYN ACK time-TCP SYN time之和/TCP SYNACK次数,
TCP23次握手时延:通过DPI获得。TCP ACK time-TCP SYN ACK time之和/TCP ACK次数。
TCP上行重传率:通过DPI获得。TCP上行重传包数/上行包数*100%。
TCP下行重传率:通过DPI获得。TCP下行重传包数/下行包数*100%。
TCP上行乱序率:通过DPI获得。TCP上行乱序包数/上行包数*100%。
TCP下行乱序率:通过DPI获得。TC;P下行乱序包数/下行包数*100%。
上行PRB平均利用率:通过综合网管***获得。统计周期内小区上行PRB平均利用率。
下行PRB平均利用率:通过综合网管***获得。统计周期内小区下行PRB平均利用率。
上行干扰噪声(平均):通过综合网管***获得。上行平均干扰电平。
平均用户数(RRC连接):通过综合网管***获得。统计周期内RRC连接平均用户数。
锚点寻呼拥塞率:通过综合网管***获得。寻呼丢弃数/寻呼请求次数。
锚点覆盖率:通过综合MR***获得。覆盖率定义为F取值1的测试点在测试区所有测试点中的百分比。
按照步骤103,如图5所示,对评估因子和评估指标设置权重,各评估因子的权重和其中评估指标的权重如表2,其中权重、基准值和挑战值可根据实际经验进行调整。由于本实施例提供的模型中评估指标值较多,因此在设置权重时,不仅设置了实施例1和实施例2中提供的评估因子和评估指标两个层次,还在部分评估因子中增加了评估子因子的层次,在本发明锚点站质量评估方法的具体使用中,可以根据实际需要选择合适的评估层次,并对评估指标进行组织。
表2
/>
按照步骤104,计算评估因子的加权总分作为评估区域的质量得分。
为了更准确的获取质量得分,可以不直接使用评估指标的值,而是使用以下公式计算各评估指标的得分。
使用公式3计算数量、占比、覆盖率、成功率、速率指标的得分:
使用公式4计算利用率、重传率、掉线率、拥塞率、卡顿率、卡顿时长占比、时延、干扰噪声指标的得分:
通过上述公式,对评估指标的值进行计算,并计算评估指标和评估因子的加权,获取到评估区域中锚点站的质量得分。
本实施例中提供的评估体系模型与实施例2中的评估体系模型综合比较,本实施例中的评估体系模型优于实施例2中的评估体系模型,本实施中的评估体系模型的维度更细且覆盖面更广,更具有端到端质量评估的价值。
实施例4:
在上述实施例1至实施例3提供的5G NSA网络下锚点站质量评估的方法的基础上,本发明还提供了一种可用于实现上述方法的5G NSA网络下锚点站质量评估的装置,如图6所示,是本发明实施例的装置架构示意图。本实施例的5G NSA网络下锚点站质量评估的装置包括一个或多个处理器21以及存储器22。其中,图6中以一个处理器21为例。
处理器21和存储器22可以通过总线或者其他方式连接,图6中以通过总线连接为例。
存储器22作为一种5G NSA网络下锚点站质量评估方法非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如实施例1至实施例3中的5G NSA网络下锚点站质量评估的方法。处理器21通过运行存储在存储器22中的非易失性软件程序、指令以及模块,从而执行5G NSA网络下锚点站质量评估的装置的各种功能应用以及数据处理,即实现实施例1至实施例3的5G NSA网络下锚点站质量评估的方法。
存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器22可选包括相对于处理器21远程设置的存储器,这些远程存储器可以通过网络连接至处理器21。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
程序指令/模块存储在存储器22中,当被一个或者多个处理器21执行时,执行上述实施例1至实施例3中的5G网络下锚点站质量评估的方法,例如,执行以上描述的图1、图2和图3所示的各个步骤。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种5G NSA网络下锚点站质量评估的方法,其特征在于:
通过路测、单站验证、综合网管***、MR和DPI中的一种或多种方式,获取锚点站质量指标数据;
网络业务质量维度和/或网络业务感知维度作为评估维度,由质量指标数据中选取需要进行评估的评估因子;其中,以网络业务质量作为评估维度时,使用覆盖水平、锚点容量、干扰避让和锚点性能中的一项或多项作为评估因子;以网络业务感知作为评估维度时,使用终端、网络、管道和业务中的一项或多项作为评估因子;
根据业务需要选择至少一级需要进行评估的评估因子,根据业务特征为每个评估因子设置权重;为每个评估因子选择需要进行评估的评估指标,根据业务特征为每个评估指标设置权重;
根据评估因子和评估指标的值和权重,计算预设评估区域的各评估因子的加权总分,作为该预设评估区域的质量得分;
其中,当使用终端作为所述评估因子时,根据终端在非锚点小区的接入状态或VoLTE业务状态确定终端是否发起向锚点小区的定向切换,将终端在非锚点小区释放时rrcConnectionRelease消息里携带的锚定频点设为最高优先级进行定向重选,根据NSA独立移动性策略确保非锚点小区比较容易切换到锚点小区但锚点小区比较难切换至非锚点小区,使用禁止NSA负荷均衡的策略禁止将NSA终端负荷均衡至其他频点,基于定向切换、定向重选、NSA独立移动性策略和禁止NSA负荷均衡的策略选择锚点站,使用与锚点站具有相同频率且支持双连接能力的5G NSA终端作为所述评估因子;
当使用管道作为所述评估因子时,基于业务管道TCP质量分析获取当前管道的所述评估因子;
当使用网络作为所述评估因子时,基于附着、双连接、小区用户量和性能中一项或多项分析网络质量,以分析结果作为当前网络的评估因子。
2.根据权利要求1所述的5G NSA网络下锚点站质量评估的方法,其特征在于,所述计算预设评估区域的各评估因子的加权总分,包括:
按照每个评估指标的值和权重,计算每个评估因子中所有评估指标的加权总分,将所有评估指标的加权总分作为该评估因子的值;
按照每个评估因子的值和权重,计算所有评估因子的加权总分。
3.根据权利要求1所述的5G NSA网络下锚点站质量评估的方法,其特征在于,所述计算预设评估区域的所有评估因子的加权总分,包括:
为每个评估因子中的每个评估指标预设基准值和挑战值;
当第一类评估指标的值小于基准值时,将评估指标按照该评估指标的预设下限值进行计算;
当第一类评估指标的值大于或等于挑战值时,将评估指标按照该评估指标的预设上限值进行计算;
当第二类评估指标的值大于基准值时,将评估指标按照该评估指标的预设下限值进行计算;
当第二类评估指标的值小于或等于挑战值时,将评估指标按照该评估指标的预设上限值进行计算。
4.一种5G NSA网络下锚点站质量评估的装置,其特征在于:
包括至少一个处理器和存储器,所述至少一个处理器和存储器之间通过数据总线连接,所述存储器存储能被所述至少一个处理器执行的指令,所述指令在被所述处理器执行后,用于完成权利要求1-3中任一项所述的5G NSA网络下锚点站质量评估的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010766295.9A CN111970719B (zh) | 2020-08-03 | 2020-08-03 | 一种5g nsa网络下锚点站质量评估的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010766295.9A CN111970719B (zh) | 2020-08-03 | 2020-08-03 | 一种5g nsa网络下锚点站质量评估的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111970719A CN111970719A (zh) | 2020-11-20 |
CN111970719B true CN111970719B (zh) | 2024-01-30 |
Family
ID=73363787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010766295.9A Active CN111970719B (zh) | 2020-08-03 | 2020-08-03 | 一种5g nsa网络下锚点站质量评估的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111970719B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112469096B (zh) * | 2020-11-27 | 2023-06-23 | 维沃移动通信有限公司 | 小区切换方法及装置 |
CN114615670B (zh) * | 2020-12-09 | 2023-11-10 | 中国联合网络通信集团有限公司 | 一种评估方法及装置 |
CN112492536B (zh) * | 2020-12-16 | 2022-02-15 | 中国联合网络通信集团有限公司 | 通信控制方法、装置及服务器 |
CN112924994B (zh) * | 2021-01-21 | 2021-09-28 | 中国人民解放军61081部队 | 一种导航卫星星载原子钟性能综合评估方法 |
CN113298973B (zh) * | 2021-05-26 | 2022-04-26 | 广东电网有限责任公司电力调度控制中心 | 一种基于5g通信的无人机电力巡检方法及装置 |
CN115460711B (zh) * | 2021-06-08 | 2024-04-26 | ***通信集团重庆有限公司 | 业务流量分流方法、装置、电子设备和存储介质 |
CN114040433B (zh) * | 2021-10-21 | 2023-09-29 | 中国联合网络通信集团有限公司 | 第五代移动通信5g用户驻留比确定方法及电子设备 |
CN114339864B (zh) * | 2021-12-28 | 2024-04-23 | 锐捷网络股份有限公司 | 一种网络产品的性能评估方法、装置、设备及介质 |
CN116340306B (zh) * | 2023-05-29 | 2023-10-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 面向业务逻辑的数据质量评估方法、电子设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101562830A (zh) * | 2009-04-20 | 2009-10-21 | 深圳市优网科技有限公司 | 一种客户感知评估方法及*** |
CN104486772A (zh) * | 2014-12-05 | 2015-04-01 | 珠海世纪鼎利通信科技股份有限公司 | 一种端到端多维度归一化的lte网络评估优化*** |
WO2015096408A1 (zh) * | 2013-12-25 | 2015-07-02 | 中兴通讯股份有限公司 | 用户感知评估方法及*** |
CN105191200A (zh) * | 2013-05-09 | 2015-12-23 | 英特尔Ip公司 | 锚-助推器网络中的数据重传 |
CN105636083A (zh) * | 2014-10-27 | 2016-06-01 | 北京市天元网络技术股份有限公司 | 移动网络评估方法 |
WO2017096936A1 (zh) * | 2015-12-07 | 2017-06-15 | 中兴通讯股份有限公司 | 终端语音业务质量评估方法和装置、切换管理方法和装置 |
CN107483487A (zh) * | 2017-09-15 | 2017-12-15 | 北京理工大学 | 一种基于topsis的多维网络安全度量方法 |
WO2018028423A1 (zh) * | 2016-08-10 | 2018-02-15 | 中兴通讯股份有限公司 | 无线链路管理方法及装置 |
CN107920362A (zh) * | 2017-12-06 | 2018-04-17 | 南京华苏科技有限公司 | 一种基于微区域的lte网络性能评估方法 |
CN109362084A (zh) * | 2018-12-27 | 2019-02-19 | ***通信集团江苏有限公司 | 通信业务质量优化的方法、装置、设备和介质 |
CN110944385A (zh) * | 2018-09-25 | 2020-03-31 | 维沃移动通信有限公司 | 一种确定终端设备的能力的方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7197013B2 (en) * | 2004-03-01 | 2007-03-27 | Cisco Technology, Inc. | Quality evaluation for wireless communication networks |
US9826412B2 (en) * | 2013-10-24 | 2017-11-21 | At&T Intellectual Property I, L.P. | Facilitating adaptive key performance indicators in self-organizing networks |
-
2020
- 2020-08-03 CN CN202010766295.9A patent/CN111970719B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101562830A (zh) * | 2009-04-20 | 2009-10-21 | 深圳市优网科技有限公司 | 一种客户感知评估方法及*** |
CN105191200A (zh) * | 2013-05-09 | 2015-12-23 | 英特尔Ip公司 | 锚-助推器网络中的数据重传 |
WO2015096408A1 (zh) * | 2013-12-25 | 2015-07-02 | 中兴通讯股份有限公司 | 用户感知评估方法及*** |
CN105636083A (zh) * | 2014-10-27 | 2016-06-01 | 北京市天元网络技术股份有限公司 | 移动网络评估方法 |
CN104486772A (zh) * | 2014-12-05 | 2015-04-01 | 珠海世纪鼎利通信科技股份有限公司 | 一种端到端多维度归一化的lte网络评估优化*** |
WO2017096936A1 (zh) * | 2015-12-07 | 2017-06-15 | 中兴通讯股份有限公司 | 终端语音业务质量评估方法和装置、切换管理方法和装置 |
WO2018028423A1 (zh) * | 2016-08-10 | 2018-02-15 | 中兴通讯股份有限公司 | 无线链路管理方法及装置 |
CN107483487A (zh) * | 2017-09-15 | 2017-12-15 | 北京理工大学 | 一种基于topsis的多维网络安全度量方法 |
CN107920362A (zh) * | 2017-12-06 | 2018-04-17 | 南京华苏科技有限公司 | 一种基于微区域的lte网络性能评估方法 |
CN110944385A (zh) * | 2018-09-25 | 2020-03-31 | 维沃移动通信有限公司 | 一种确定终端设备的能力的方法及装置 |
CN109362084A (zh) * | 2018-12-27 | 2019-02-19 | ***通信集团江苏有限公司 | 通信业务质量优化的方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111970719A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111970719B (zh) | 一种5g nsa网络下锚点站质量评估的方法和装置 | |
WO2020221110A1 (zh) | 双连接场景下scg侧业务处理方法及装置 | |
US9622139B2 (en) | Method for improving handover performance in a cellular wireless communication system | |
RU2683483C2 (ru) | Система управления беспроводными ресурсами, беспроводная базовая станция, устройство ретрансляции, способ управления беспроводными ресурсами и программа | |
US8346275B2 (en) | System and method for controlling access point load | |
KR20210131268A (ko) | QMC (quality of experience measurement collection)를 수행하는 방법 및 장치 | |
US20070025304A1 (en) | System and method for prioritizing transmission legs for precaching data | |
US10212631B2 (en) | Methods and devices for fast downlink radio access technology selection | |
US20110134882A1 (en) | Communication system, terminal device, base station, communication quality management method, and program | |
JP5557789B2 (ja) | 無線通信方法及びシステム、基地局 | |
US10701738B2 (en) | Data transmission method, user equipment, and base station | |
US20110064059A1 (en) | Apparatuses, Methods and Computer Program for Cell Reselection Evaluation | |
EP2493245A2 (en) | Terminal mobility measure at connection setup | |
WO2020153214A1 (ja) | セル再選択制御方法及びユーザ装置 | |
US9414283B2 (en) | Method and apparatus for controlling transfer of network traffic | |
EP2566225B1 (en) | User equipment and method in mobile communication system | |
EP2566223B1 (en) | User apparatus and method in mobile communication system | |
CN116711359A (zh) | 一种用于用户体验质量QoE测量的方法及装置 | |
US9001769B1 (en) | Managing access node channel loading | |
KR101735317B1 (ko) | 이동통신 시스템에서 기지국의 자원 할당 방법 및 장치 | |
KR101588987B1 (ko) | 서비스 링크 확립 | |
Abdulshakoor et al. | Joint Network and Mode Selection in 5G Multi RAT Heterogeneous Networks | |
US9204357B1 (en) | Systems and methods of access node selection | |
CN110830950B (zh) | 车载终端的模式配置和切换方法 | |
Mihovska et al. | Requirements and algorithms for cooperation of heterogeneous radio access networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |