DE10239299C1

DE10239299C1 - Verfahren zur kostenoptimalen Aufteilung eines Telekommunikationsnetzes in Gruppen von Basisstationen

Info

Publication number: DE10239299C1
Application number: DE2002139299
Authority: DE
Inventors: Ulrich Lauther; Thomas Winter
Original assignee: Siemens AG
Current assignee: Nokia Solutions and Networks GmbH and Co KG
Priority date: 2002-08-27
Filing date: 2002-08-27
Publication date: 2003-12-18
Anticipated expiration: 2022-08-28

Abstract

Die Erfindung besteht im Wesentlichen darin, dass mit Hilfe eines Nachbarschaftsgraphen, unter Berücksichtigung aller relevanten Kostenfaktoren für Ausrüstung und Verbindungen, auf schnelle Weise eine möglichst kostenoptimale Aufteilung eines Telekommunikationsnetzes in Cluster von Basisstationen erfolgen kann. Durch die Clustereinteilung wird die Anzahl der Basisstationen im jeweiligen Cluster und die Anzahl der Netzwerksteuereinheiten im Telekommunikationssystem bestimmt.

Description

Die Erfindung betrifft ein Teilproblem eines Netzwerkplanungsprozesses, insbesondere für UMTS-Netzwerke, bei dem Basisstationen (Node B) in Gruppen (Cluster) bzw. Funknetzwerksubsysteme (radio network subsystems bzw. RNS) aufgeteilt werden.

Bei der Planung des Access-Bereiches in UMTS-Netzwerken muss eine Aufteilung der Basisstationen in Gruppen, die durch jeweils einen Radio Network Controller bedient werden, so erfolgen, dass möglichst die Gesamtkosten des Systems minimiert werden. Dieser Planungsprozess ist jedoch diffizil, weil verschiedene Kostenbeiträge wie zum Beispiel gruppeninterne Verbindungskosten, Kosten für Netzwerksteuereinheiten (radio network Controller; RNC) Kosten für die Anbindung zu einer nächsthöheren Hierarchieebene und Kosten für Verbindungen zwischen den Clustern bei sogenannten "soft handovers" in komplexer Weise und teilweise gegenläufig zusammenspielen. Dabei sind Planungsverfahren für GSM-Netze nicht ohne weiteres einsetzbar, da es beispielsweise beim UMTS-Zugangsnetz signifikante Unterschiede bei der Netztopologie, der Netzgröße und den technologischen Randbedingungen gibt.

Aus [8] ist ein Optimierungsverfahren zur Konfiguration eines hierarchischen Netzwerks bekannt, bei dem eine optimale Knotenzahl ermittelt und eine Neuzuordnung der Knoten in Richtung niedrigerer Hierarchieebenen und dann in Richtung höherer Hierarchieebenen erfolgt, wobei die Optimierung beispielsweise durch Kostenoptimierung erfolgt.

Die der Erfindung zugrundeliegende Aufgabe besteht nun darin, ein Verfahren zur Aufteilung eines Telekommunikationsnetzes anzugeben, bei dem eine schnelle und hinsichtlich der Gesamtkosten des Telekommunikationsnetzes möglichst optimale Aufteilung in Gruppen von Basisstationen bzw. in Funknetzwerksubsysteme erfolgt.

Diese Aufgabe wird jeweils durch die Merkmale der Patentansprüche 1 oder 3 gelöst.

Die weiteren Ansprüche betreffen vorteilhafte Ausgestaltungen dieser Verfahren.

Die Erfindung wird nachfolgend anhand von in den Zeichnungen dargestellten Ausführungsbeispielen näher erläutert.

Dabei zeigt

Fig. 1 eine prinzipielle Topologie eines terrestrischen Radio Access Networks mit zwei RNC-Clustern,

Fig. 2 eine Kostenfunktion für die Netzwerksteuereinheiten,

Fig. 3 eine Kostenfunktion für die Verbindungen,

Fig. 4 eine Darstellung mit der geografischen Verteilung von Basisstationen,

Fig. 5 einen zu Fig. 4 gehörigen Nachbarschaftsgraphen,

Fig. 6 einen minimal spannenden Baum zu den Fig. 4 und 5,

Fig. 7 eine Darstellung der durch eine Aufspaltung des in Fig. 5 dargestellten Baumes erzeugten Cluster und

Fig. 8 eine Darstellung von Kostenfunktionen in Abhängigkeit der Anzahl der erzeugten Cluster.

Das UMTS-Netzwerk besteht aus zwei Teilen: Dem Core-Netzwerk und dem Radio Access Network. Das terrestrische UMTS Radio Access Network UTRAN verbindet die üblicherweise als Node B bezeichneten Basisstationen mit den Nutzern des Core- Netzwerks.

In Fig. 1 ist eine prinzipielle Topologie eines solchen UMTS-Radio Access Netzwerkes mit zwei sogenannten RNC- Clustern beispielhaft gezeigt. Es beinhaltet die mit Node B bezeichneten Basisstationen, die Netzwerksteuereinheiten bzw. Radio Network Controller (RNC) und weitere Netzwerkelemente wie ein Mobile Switching Center MSC und einen bedienenden GPRS-Unterstützungsknoten SGSN, der das Radio Access Network UTRAN mit dem Core-Netzwerk verbindet. Die Basisstationen Node B in einer RNC-Region, die als Radio Network Subsystem RNS bezeichnet wird, sind mit dem Radio Network Controller RNC verbunden, welcher selbst wiederum mit dem Mobile Switching Center MSC und dem bedienenden GPRS Supportknoten verbunden ist.

Das Ziel einer optimierten Planung eines UMTS-Access Networks ist es, abgesehen von der Unterstützung des Netzwerkplaners und einer Beschleunigung des Planungsprozesses, die Minimierung der Gesamtkosten für die Errichtung und den Betrieb des Netzwerkes. Die Kosten bestehen im Wesentlichen aus Ausrüstungskosten und Verbindungskosten.

Die Ausrüstungskosten beinhalten die Kosten für die Netzwerksteuereinheiten RNC und Kosten für Zugangsmöglichkeiten. In Fig. 2 sind beispielsweise die Kosten Cost_RNC für die Netzwerksteuereinheiten RNC in Abhängigkeit des maximal möglichen Datenverkehrs Traffic dargestellt.

Um die Implementierung nur lose an die Hardwarespezifika zu koppeln werden alle Kostenbestandteile durch Kostenfunktionen beschrieben, die stückweise konstant oder linear sind und vom Benutzer definiert werden können. Die Ausrüstungskosten sind eine Funktion von einem Parameter und weisen typischerweise eine Treppenfunktion auf, deren Stufen mit zusätzlich erforderlichen Einschüben in einem gegebenen Rack korrespondieren.

Die Kosten für die Basisstationen Node B und die weiteren Einrichtungen MSC und SGSN werden hierbei nicht berücksichtigt, da sie als konstant angenommen werden können.

In Fig. 1 sind auch die verbindungsabhängigen Kosten Iub, Iur sowie Iu_cs und Iu_ps angedeutet, wobei die Kosten Iub Kosten für gruppeninterne Verbindungen, die Kosten Iur Kosten für Verbindungen zwischen den Gruppen und die Kosten Iu_cs und Iu_ps gruppenexterne Verbindungskosten darstellen.

Diese Kosten sind in Fig. 3 als Kosten Cost_L in Abhängigkeit der Verbindungslänge Length und in den maximalen Datenverkehr traffic in einer Art Treppenfunktion dargestellt. Verbindungskosten sind eine Funktion von zwei Parametern, nämlich der Länge der Verbindungsstrecke und dem Datenverkehr auf dieser Verbindungsstrecke. Diese Kosten sind typischerweise stückweise linear in der Dimension der Länge und stückweise konstant hinsichtlich des Datenverkehrs und korrespondieren zum Beispiel zu einem Tarifsystem eines Providers mit gemieteten Verbindungsleitungen. Jedoch können auch Mikrowellenverbindungen, wie unten näher ausgeführt, berücksichtigt werden.

Da Verbindungskosten, beispielsweise auf einer monatlichen Basis verrechnet werden, wohingegen Ausrüstungskosten nur einmal bezahlt werden, ist eine Amortisationsperiode anzusetzen, um beide Kosten vergleichbar zu machen.

Die Ausrüstungskosten und die Verbindungskosten hängen von der Anzahl und Größe der erzeugten RNC-Cluster ab: Falls viele Cluster erzeugt werden, entstehen Kosten für viele kleine Netzwerksteuereinrichtungen RNC, die dazu neigen, teuerer als weniger große RNCs zu sein; und so steigen die Ausrüstungskosten mit dem Anstieg der Clusteranzahl. Auf der anderen Seite, mit großen Gruppen oder Clustern werden längere Verbindungsstrecken innerhalb eines Clusters benötigt und führen so zu höheren Verbindungskosten. Offensichtlich gibt es eine Kompromisslösung für eine bestimmte Anzahl von Gruppen mit einer bestimmten Anzahl von zugeordneten Basisstationen, die die Gesamtkosten unter Einhaltung der technologischen Randbedingungen minimiert.

Die erfindungsgemäßen Verfahren basieren alle auf einem Nachbarschaftsgraphen (proximity graph). Dies trägt der Tatsache Rechnung, dass Basisstationen, die nahe beieinander liegen, zu einer Gruppe RNC zusammengefasst werden, da sowohl die Verbindungskosten innerhalb einer Gruppe als auch die Verbindungskosten für die Übergabe des Datenverkehrs von einer Gruppe zur anderen (soft handover) reduziert werden. Vorteilhafterweise wird hierbei der Nachbarschaftsgraph nur einmal berechnet und ein mit der Anzahl der Basisstationen quadratischer Anstieg der Entfernungsberechnungen vermieden.

In Fig. 4 sind eine Vielzahl von Basisstationen Node B in Form von kleinen Dreiecken dargestellt, die entsprechend ihrer geografischen Lage platziert sind und jeweils einen bestimmten Datenverkehr aufweisen.

In Fig. 5 ist ein Nachbarschaftsgraph PG dargestellt, der auf der Basis der in Fig. 4 dargestellten Anordnung von Basisstationen gebildet wurde. Hierbei sind die Kanten des Graphen PG durch Verbindungsstriche zwischen den dreieckförmig dargestellten Basisstationen angedeutet. Der Nachbarschaftsgraph beinhaltet also Knoten, die die Basisstationen Node B und Kanten, die Verbindungen von Basisstationen großer geographischer Nähe repräsentieren. Hierbei kann die Nähe durch eine Entfernungsgrenze definiert werden: Knoten sind nah zueinander, falls ihre Entfernung unterhalb einer Schranke ist. Hierbei besteht jedoch das Problem, eine geeignete Schwelle für unterschiedliche Planungsbereiche oder Unterbereiche zu finden. Anstelle dessen werden erfindungsgemäß für jeden Knoten v_i seine k nächsten Nachbarn w_j ermittelt und Nachbarschaftskanten für diese Paare (v_i, w_j) gebildet. Um die k nächsten Nachbarn auf effiziente Weise zu ermitteln, werden alle Basisstationen Node B in einer Variante eines kd-Baumes [1], [2] gespeichert, der diese Art von Abfragen unterstützt.

Die Definition der Nähe auf diese Weise hat den angenehmen Nebeneffekt, dass der Knotengrad des resultierenden Nachbarschaftsgraphen begrenzt ist, was zu einem nahezu linearen Zusammenhang zwischen der Anzahl der Basisstationen und der Laufzeit des erfindungsgemäßen Verfahrens führt.

Der Nachbarschaftsgraph kann ebenfalls sogenannte "Line of Sight Edges" enthalten, vorausgesetzt, dass durch den Anwender oder durch einen vorgeschalteten Prozess eine ungestörte "Line of Sight" festgestellt wird und eine spezielle Kostenfunktion zur Modellierung der Kosten der Mikrowellenausstattung diesen Kanten zugeordnet wird.

Nachdem der Nachbarschaftsgraph gebildet wurde, wird eine Aufteilung der Menge der Kanten entsprechend ihrer Länge vorgenommen, wobei kurze Kanten alle Stationen innerhalb einer Gruppe verbinden sollen und lange Kanten zwischen den einzelnen Gruppen verlaufen sollen. Eine solche Aufteilung wird durch zwei Schritte erreicht:
In einem ersten Schritt wird ein, in Fig. 6 beispielhaft dargestellter, minimaler spannender Baum berechnet, bei dem zum Beispiel die minimale Anzahl von Kanten alle Knoten aus allen Kantenuntermengen mit minimalem Gesamtgewicht verbinden muss. Dies kann auf sehr effiziente Weise durch Benutzung der Algorithmen von Prim [3] oder Kruskal [4] erfolgen. Zu diesem Zeitpunkt ist jedoch der Datenverkehr, der durch die Kanten fließt, unbekannt und so wird die geometrische Länge der Kanten als ihr Gewicht verwendet.

In einem zweiten Schritt wird der so erzeugte Baum in Unterbäume zerlegt, die jeweils eine Gruppe repräsentieren. In Fig. 7 sind die aus dem aufgeteilten minimal spannenden Baum von Fig. 6 gebildeten Cluster oder Gruppen RNS mit einer jeweiligen Netzwerksteuereinheit RKC dargestellt. Die Auftrennung eines Baumes mit gewichteten Knoten in eine minimale Anzahl von Unterbäumen kann sehr schnell durch die Verwendung des Algorithmus von Kundu und Misra [5] erfolgen.

Es ist nicht schwierig, weitere Bedingungen in den Aufteilungsprozess einzubauen, zum Beispiel die maximal erlaubte Anzahl von Basisstationen oder den maximalen Datenverkehr pro Netzwerksteuereinheit. Der von den Basisstationen herrührende Datenverkehr wird als Gewichtung verwendet und auf diese Weise eine Aufteilung des Baumes in Teilbäume erreicht, deren Gesamtdatenverkehr unterhalb einer bestimmten Schwelle liegt. Falls diese Schwelle klein gewählt wird, entsteht eine kleine Zahl von Gruppen mit billigen Verbindungsstrukturen aber teueren Hardwareeinrichtungen; falls die Schwelle hoch gewählt wird, entstehen wenige große Gruppen mit teueren Verbindungen zwischen diesen Gruppen und geringere Gesamtkosten für die Hardware, also beispielsweise für die Netzwerksteuereinheiten RNC. Um den besten Schwellenwert zu finden, wird der Baum wiederholt mit unterschiedlichen Schwellen in Unterbäume aufgeteilt und für jede Lösung Kostenbeiträge errechnet: RKC-Kosten für Verbindungen innerhalb einer Gruppe, Kosten für soft handover zwischen den Gruppen und gruppenexterne Kosten, die durch die Verbindungen zwischen den Netzwerksteuereinheiten RNC und den weiteren Einheiten MSC bzw. SGSN hervorgerufen werden. Danach wird der Schwellenwert bestimmt, der zu den geringsten Gesamtkosten führt. Im Folgenden ist ein Pseudocode für ein erstes erfindungsgemäßes Verfahren angegeben.
pseudo-code1:
generate proximity graph;
generate minimum spanning tree
on proximity graph;
for different thresholds t{
cut tree into subtrees using threshold t;
calculate total cost;
if (cost < lowest cost seen so far) best_t = t;
}
cut tree into subtrees using threshold best_t;

In Fig. 8 ist eine Darstellung der Kosten Costs über der Anzahl der Netzwerksteuereinheiten RNC bzw. der Radio Network Subsystems RNS dargestellt, wobei die Gesamtkosten total, die Kosten für die Netzwerksteuereinheiten Cost_RNC, die Kosten Iub für die Verbindungen innerhalb einer Gruppe, die Kosten Iur für die Verbindungen zwischen den Gruppen und die Kosten Iu für die Verbindungen mit den externen Einheiten MSC und SGSN dargestellt sind. In diesem Beispiel ergibt sich ein Gesamtkostenminimum Min bei 15 Gruppen.

Im oben angegebenen Teil wurde die Baumerzeugung und die Zerlegung getrennt durchgeführt. Das Ergebnis führt zu einer einfach zu implementierenden einfachen und schnellen Methode zur Clusterbildung. Das Verfahren wird jedoch etwas komplizierter, wenn die Baumerzeugung und die Zerlegung ineinander verwoben sind und ein ähnlicher Algorithmus wie der von Kruskal Verwendung findet:
Zu Beginn wird jede Basisstation Node B als Cluster aufgefasst. Die internen Verbindungskosten dieses Clusters sind 0 und die Gesamtkosten für die Netzwerksteuereinheiten RNC sind sehr hoch. Nun werden Cluster solange miteinander verschmolzen, als die Verschmelzung von zwei Clustern die Gesamtkosten reduziert. Die Verschmelzung erfolgt in einer "gierigen" Art und Weise: Das Paar von Gruppen, das zur höchsten Kostenreduktion, also zum größten Gewinn führt, wird also immer zuerst verschmolzen. Diese Paare von Gruppen korrespondieren zu den Kanten des Nachbarschaftsgraphen. Kanten und ihre potentiellen Gewinne werden in einer Prioritätsschlange gespeichert, auf der in jeder Iteration eine Kante mit maximalem Gewinn ausgewählt wird. Prinzipiell müsste der Gewinn für jede Kante nach jedem Verschmelzungsschritt neu berechnet werden. Da jedoch die Gewinne dazu neigen, abzunehmen, ist es sicher, die neue Kalkulation zu verschieben bis eine Kante ausgewählt wird. Diese Überlegungen führen zu dem folgenden Pseudocode:
pseudo-code2:
initialize clusters, one cluster per Node B;
generate proximity graph;
for each edge of the proximity graph {
calculate gain when incident clusters
would be merged;
store edge with its gain in priority
queue q.
}
while (edge e = q.del_max()&&
gain of edge < 0){
if (gain of e not valid anymore){
recalculate gain for edge e;
insert e into q;}
else
{
merge clusters that are incident to edge e;
discard now cluster internal edges;
}
}

Im Vergleich zu dem Baumzerteilungsverfahren erzeugt dieses zweite Verfahren normalerweise mehr Gruppen, da die Gruppen zur Größenverdopplung neigen, wenn sie verschmolzen werden, so dass gegen Ende des Verfahrensablaufs die Clustergröße in größeren Schritten erhöht wird, als bei der Baumzerteilung. Dies führt zu einem früheren Verfahrensabbruch und auf diese Weise zu mehr Gruppen. Das Ergebnis beider Verfahren ist jedoch weitgehend übereinstimmend.

Literaturblatt

[1] J. L. Bentley: "Multidimensional Binary Search Trees used for Associative Searching", Comm. of the ACM, 18.09.1975, pp. 509-517
[2] U. Lauther: "A Data Structure for Gridless Routing", Proc. 17^th

Design Automation Conf., 1980, pp. 603-609
[3] R. C. Prim: "Shortest Connection networks and some generalizations", Beil System Tech. J., 36 (1957), pp. 1389-1401
[4] J. B. Kruskal: "On the shortest spanning subtree of a graph and the traveling salesman problem", Proc. Amer. Math. Soc., 7 (1956), pp. 48-50
[5] S. Kundu, J. Misra: "A linear tree partitioning algorithm", SIAM Journal on Computing, 6 (1977), pp. 151- 154
[6] U. Lauther: "The C++ Class Library TURBO - A Toolbox for Discrete Optimization", Software@Siemens, Februar 2000, pp. 34-36
[7] K. Holmberg, "Solving the staircase cost facility location problem with decomposition and piecewise linearization", European Journal of Operations Research, 97: 63-74, 1997
[8] WO 02/35871 A2

Claims

1. Verfahren zur kostenoptimalen Aufteilung eines Telekommunikationsnetzes in Gruppen (RNS) von Basisstationen (Node B), die durch eine jeweilige Netzwerksteuereinheit (RNC) gemeinsam bedient werden, bei dem

a) ein Nachbarschaftsgraph (PG) generiert wird, wobei ausgehend von einer jeweiligen Basisstation, die einem Knoten des Nachbarschaftsgraphen entspricht, Verbindungen mit einem bestimmten Datenverkehr (traffic), die den Kanten des Nachbarschaftsgraphen entsprechen, zu k geographisch nächsten Nachbarknoten gebildet werden,
b) auf dem Nachbarschaftsgraphen ein minimal spannender Baum (MST) gebildet wird, wobei eine Teilmenge von Kanten des Nachbarschaftsgraphen so bestimmt wird, dass diese Kanten einen Baum bilden und die Summe der Kantengewichte minimal ist, und wobei die Kantengewichte von der geographischen Länge der Kanten abhängen,
c) der minimal spannende Baum in Teilbäume aufgetrennt wird, wobei ein Knoten höchstens über t Kanten verbunden ist und wobei ein Teilbaum eine jeweilige Netzwerksteuereinheit mit einer zugehörigen Gruppe von Basisstationen repräsentiert,
d) Gesamtkosten (total) des Telekommunikationsnetzes in Abhängigkeit des durch Aufteilung beeinflussten Datenverkehrs ermittelt werden und
e) die Schritte c) und d) für verschiedene Werte von t durchgeführt werden und die Aufteilung mit den geringsten Gesamtkosten ausgewählt wird.

2. Verfahren nach Anspruch 1, bei dem die Gesamtkosten Ausrüstungskosten (z. B. Cost_RNC), die von der Anzahl der Gruppen abhängen, und Verbindungskosten (Cost_L) umfassen, wobei die Verbindungskosten von der geographischen Entfernung der zu verbindenden Einheiten und vom maximal möglichen Datenverkehr abhängen.

3. Verfahren zur kostenoptimalen Aufteilung eines Telekommunikationsnetzes in Gruppen (RNS) von Basisstationen (Node B), die durch eine jeweilige Netzwerksteuereinheit (RNC) gemeinsam bedient werden, bei dem

a) zunächst jeder Gruppe eine einzige Basisstation zugeordnet wird,
b) ein Nachbarschaftsgraph (PG) generiert wird, wobei ausgehend von einer jeweiligen Basisstation, die einem Knoten des Nachbarschaftsgraphen entspricht, Verbindungen mit einem bestimmten Datenverkehr (traffic), die den Kanten des Nachbarschaftsgraphen entsprechen, zu k geographisch nächsten Nachbarknoten gebildet werden,
c) für jede Kante des Nachbarschaftsgraphen ein Gewinn errechnet wird, in dem die Gesamtkosten (total) des Telekommunikationsnetzes in Abhängigkeit des durch Aufteilung beeinflussten Datenverkehrs für den Fall ermittelt werden, dass die über die jeweilige Kante verbundenen Gruppen zu einer Gruppe verschmolzen werden, und mit dem Fall verglichen werden, dass diese Gruppen nicht verschmolzen werden,
d) die mit der Kante mit dem größten Gewinn verbundenen Gruppen verschmolzen werden, sofern ein positiver Gewinn vorliegt, wobei die Kanten innerhalb der durch Verschmelzung entstandenen Gruppe beseitigt werden, und
e) die Schritte c) und d) solange wiederholt werden solange ein positiver Gewinn auftritt.

4. Verfahren nach Anspruch 3, bei dem die Gesamtkosten Ausrüstungskosten (z. B. Cost_RNC), die von der Anzahl der Gruppen abhängen, und Verbindungskosten (Cost_L) umfassen, wobei die Verbindungskosten von der geographischen Entfernung der zu verbindenden Einheiten und vom maximal möglichen Datenverkehr abhängen.