高速鐵路移動無線網絡全方位智能分析

施巍巍 谷俊江 趙波

1.中國聯通江蘇省分公司；2.南京郵電大學

0 引言

當前全國高鐵網絡優化工作已基本實現了問題點的集中管理和管控，高鐵網絡質量逐步提升。但是高鐵網絡質量提升也逐漸呈現出了一定的技術瓶頸，主要體現在：（1）無法實現快速精細化分析，對高鐵網絡的分析仍停留在傳統大網的分析方式上；（2）無法直觀快速評價網絡性能，對網絡問題點、網絡質量管控手段方面目前還以表格、數據等存儲為主；（3）用戶問題分析過程復雜度高，對VIP用戶跟蹤目前還主要停留在用戶投訴后才去分析的被動階段，無法事先主動發現和反饋用戶投訴；（4）無法評價車廂內用戶的真實感知，對高鐵車廂內高鐵用戶的網絡感知評價分析，還主要依據對覆蓋高鐵小區的網絡性能分析，以網絡質量代表用戶感知；（5）高鐵網絡分析還停留“碎片化”階段，每個省只能分析本省路段網絡情況，不能實現跨省全線路分析能力，高鐵整條線路網絡質量分析“碎片化”。

本文根據高鐵網絡特征，從用戶感知最敏感的高鐵車站（點）和高鐵線路（線）兩個方面開展分析和研究，總結出一套高適合高鐵網絡全方位網絡智能分析與優化方法：1.實現車站站臺地理信息繪制和柵格化呈現；2.實現高鐵跨省（上海段）分析與呈現能力；3.實現“車站和站臺”網絡性能地理化呈現；4.引入“影響集中度”模型探索站臺擴容標準；5.實現“高鐵線路”形態的場景化分析與呈現；6.實現用戶隨高鐵運動情況的場景化分析與呈現；7.探索開展高鐵用戶上網問題智能分析；8.實現針對高鐵用戶感知場景化分析與評價。

1 高鐵車站和線路網絡全方位智能分析思路

根據高鐵網絡特征和傳統優化高鐵網絡方法存在的問題，從用戶感知最敏感的高鐵車站（點）和高鐵線路（路）兩個方面開展研究，探索高鐵全方位智能分析的新模式。圖1為高鐵網絡全方位智能分析思路流程圖，分別以車站為點、以線路為線，從“點、線”兩個維度進行分析。

1.1 高鐵車站和站臺場景化智能分析與呈現

（1）利用Python開源工具結合訪問網站運行特征，獲取高鐵車站整體的地理邊框信息、站臺中心經緯度信息和所有列車運行信息。現有的網絡地圖平臺不提供站臺的地理邊框數據，要根據站臺的中心經緯度，運用地球球面的區域經緯度算法獲取站臺的邊框經緯度信息。采用JavaScript實現高鐵車站和所有站臺場景繪制工作。

（2）利用python的自動FTP功能自動對接網管，獲取高鐵車站網絡承載能力、網絡性能、覆蓋能力數據和網絡穩定性能數據，于在線地圖上精準呈現高鐵車站和所有站臺的網絡運行狀態。

（3）根據獲取的高鐵車站列車信息，運用python的大數據分析能力分析全天分鐘級“列車聚合度”，根據對列車聚合度分析，并在列車主要運行時段（6:00-22:00），對網絡分鐘級指標跟蹤分析，實現“列車集中度”和“用戶感知集中度”聯合分析，探索制定高鐵車站擴容模型標準。

1.2 高鐵線路場景化智能分析與呈現

高鐵線路網絡形態主要從網絡運行穩定性，網絡運行資源可視化，網絡運行性能可視化和全線路覆蓋情況四個方面進行分析與呈現。利用python爬蟲手段采集高鐵小區的告警、覆蓋數據、基站可用資源和用戶感知數據，運用大數據分析呈現方式，實現高鐵線路所有網絡故障點及各類KPI、KQI及路測指標場景化呈現，可以更直觀、快速綜合評價高鐵整條線路的用戶感知和網絡質量。

1.3 單用戶運動軌跡圖分析與呈現

通過python爬蟲手段采集多個數據平臺單用戶的駐留小區的信息，運用開源軟件工具實時跟蹤分析用戶業務（語音、Volte、數據）在鐵路沿線小區的占用變化過程，對突發的網絡問題快速形成有效的分析結果。

1.4 車廂內用戶分離分析與呈現

根據高鐵用戶駐留基站小區信息和時間制定出高低速用戶分離算法，基于算法分離出高鐵車廂內用戶，以這些用戶的實際感知分析網絡中存在的問題，并根據這部分用戶分析評估全線網絡質量。

1.5 高鐵用戶上網問題智能化分析

當前高鐵用戶反映的問題80%以上發生在車站候車室和站臺，本次以南京南站站臺問題為例，建立問題分析流程和模型，可實現自動化分析該類問題點。

分析流程：

（1）獲取到用戶使用號碼及問題發生時間，并從相關系統上通過互聯網化的方式獲取用戶占用小區和網絡資源；

（2）通過開源工具自動獲取相應網絡KPI和KQI信息，并建立數據庫；

（3）用戶占用網絡資源的主要KPI和覆蓋數據進行關聯分析；

（4）通過車站投訴智能分析工具，評價和分析影響用戶感知的關鍵因素和原因。

2 高鐵場景車站和線路全方位分析研究過程

2.1 高鐵車站網絡形態分析與呈現

2.1.1 高鐵車站物理形態地理化呈現

（1）采用互聯手段獲取高鐵車站地理信息

編寫python代碼模擬瀏覽器爬取高鐵車站邊框的經緯度信息，然后對響應的數據提煉，最終獲取車站的電子邊框信息并寫入Excel文件中。

（2）南京南站整體和各個站臺地圖生成

采用百度地圖開放平臺上添加線和面的JavaScript源代碼編輯接口方式。用獲取的南京南站邊框經緯度，使用百度地圖提供的JavaScript代碼接口，在網頁地圖上添加整體車站邊框圖層。另外地圖平臺不提供站臺邊框的經緯度數據，只能獲取到單個站臺的一個中心經緯度，課題組通過中心經緯度數據，采用對地球北半球球面維度區域經緯度算法，計算出站臺四角的經緯度數據，從而成功實現南京南站所有站臺邊框生成和呈現。

2.1.2 高鐵車站網絡“多維度性能”分析與呈現

（1）網絡性能指標的自動提取

為了更加快速高效分析和呈現南京南站網絡性能，可通過Python代碼編程實現自動化從OMC網管采集和FTP下載網絡配置和網絡性能數據。下面以南京南站為例進行說明。

（2）南京南站網絡地理化呈現

提取南京南站邊框數據和指標數據后，在地圖上南京南站的每個站臺區域被分為以下4個維度進行指標呈現，根據指標范圍來顯示不同的顏色，可以更加形象地了解當前南京南站的總體網絡情況。

①影響用戶感知的網絡故障實時呈現：

可快速實時發現和跟蹤所有車站網絡故障告警情況，及時預警和推動分公司快速解決。圖2為南京南站告警信息的地理化呈現圖，可以區分覆蓋不同站臺的RRU告警。

②用戶實時感知分析與呈現（平均單用戶速率Mbps，平均上網RTT時延）：

實現用戶感知最敏感的平均上網速率、平均上網時延等關鍵性能快速實時呈現，動態掌握車站網絡性能變化情況。圖3為南京南站下載速率和RTT時延區間圖，可以區分不同站臺的指標。

圖3 南京南站下載速率和RTT時延區間圖

③網絡負荷分析與呈現（PRB利用率，用戶數）：

常州的竹爐山房位居41處被寫仿的江南景觀榜首，西苑北海北岸、香山靜宜園、玉泉山靜明園、盤山靜寄山莊、清漪園、避暑山莊和紫禁城建福宮等7座皇家園林對其進行了仿建。清漪園的清可軒、玉泉山靜明園的竹爐山房、香山靜宜園的竹爐精舍和避暑山莊千尺雪的茶舍均建于乾隆十六年，盤山靜寄山莊千尺雪的茶舍建于乾隆十七年春，或于室內置有竹茶爐，或名稱源自竹爐山房。乾隆二十二年，乾隆帝在《汲惠泉烹竹爐歌疊舊作韻》詩中還寫道，“玉泉山房頗仿效，以彼近恒此遠灌?！?

通過典型的網絡負荷指標“小區下行PRB利用率”、“單小區用戶數”，及時掌握車站網絡負荷情況。圖4為南京南站PRB利用率和用戶數區間圖，可以區分不同站臺指標。

圖4 南京南站PRB利用率和用戶數區間圖

④網絡覆蓋的呈現（10米x 10米柵格化RSRP和SINR）：

根據高鐵車站局部范圍內用戶密度大、用戶話務集中度高的特性，首次引入10米x 10米MR覆蓋柵格分析，通過RSRP精細化分析站臺覆蓋問題，通過SINR精細化分析站臺網絡質量。圖5為南京南站RSRP和SINR區間圖，可以區分不同柵格指標。

圖5 南京南站RSRP和SINR區間圖

2.1.3 引入“影響集中度”模型，探索站臺擴容標準

（1）車站、車次信息的獲取

（2）?？苛熊囓嚧渭卸群途W絡指標關聯分析

通過對南京南站每分鐘的列車?？繑盗窟M行聚合計算，將其一天每分鐘列車聚合度與網絡主要指標小區用戶數和PRB利用率進行關聯分析，分析發現車數與小區PRB利用率呈正向分布。

（3）高鐵車站網絡擴容模型分析

引入用戶“感知影響集中度”分析思維，以全天影響用戶使用感知程度作為擴容的重要判決因素。進行1min粒度流量抑制分析，對比15min粒度，站臺流量抑制發生的更早，更能模擬站臺用戶突增情況。通過分析得出，隨著小區吞吐率的增加，下行單用戶速率明顯下降，即用戶需求受到抑制。

通過列車聚合度分析發現列車運行時間主要集中在6:00-22:00，以分鐘級指標跟蹤得出如下擴容標準，以全天影響集中度30%為判斷依據，即一天用戶感知受影響能容忍的程度不能超過30%（“影響集中度”表示站臺高負荷可容忍程度，可根據實際情況調整）。表1為根據“感知影響集中度”分析得到的高鐵小區擴容標準模型。

表1 高鐵小區擴容標準

2.2 高鐵線路網絡形態分析與呈現

2.2.1 線路網絡穩定性形態呈現

通過Python自動化實現手段，實時從網管獲取高鐵車站點活動告警信息并進行告警信息解析，經過與工參信息匹配后得出告警網元歸屬地市、高鐵線路以及經緯度等信息，利用JavaScript接口實現告警地圖展示。

2.2.2 線路網絡多維KPI質量呈現

通過將高鐵線路小區的KPI指標（PRB利用率、小區單用戶平均速率、小區最大用戶數等數據）進行地理化呈現，能快速評價全線路各路段網絡負荷情況、用戶速率情況等。

2.2.3 線路網絡多維KQI指標可視化呈現

通過將高鐵線路小區的KQI指標（用戶大頁面感知速率、RTT時延等）進行地理化呈現，能快速評價全線路各路段用戶實際體驗情況。

2.3 實現高鐵（某省）跨省網絡形態的場景化分析

高鐵網絡具有網絡場景歸屬清晰、用戶對場景判斷明確的特征，全線路網絡質量有保障才能整體提升用戶感知。本研究打破傳統省份只分析本省路段高鐵網絡、整條高鐵分段分析零散破碎的現狀，實現具備整條線路網絡質量分析能力，為實現京滬以及其他高鐵線路全線跨省分析工作進行探索。

跨省數據采集與分析：

（1）獲取某省段數據，在江蘇進行關聯分析

通過分析某省提供的滬寧高鐵用戶+位置+應用業務數據，與江蘇現網高鐵用戶業務預統表關聯，通過用戶號碼聚類關聯合成滬寧高鐵用戶全線的業務軌跡數據。

（2）后續計劃采用自動化采集某省數據方式

后續相關省可以通過FTP向中間接口機分發數據文件，江蘇本地集群通過數據解析程序實時讀取文件，并入到集群數據庫，再通過用戶號碼關聯實現滬寧全線路分析。

2.4 高鐵單用戶快速分析

通過從核心網接口獲取用戶占用小區信息（LAI/ECI），利用綜合分析方式匹配高鐵工參數據，實時分析跟蹤用戶業務產生的相關小區，從而實現對高鐵單用戶（或VIP用戶）的跟蹤分析，在第一步實現高鐵網絡形態場景化呈現的基礎上，關注業務（語音、Volte、數據）用戶在鐵路沿線小區上的占用變化過程，主要關注用戶隨基站小區的移動而不是用戶本身的經緯度變化，根據高鐵內手機依次占用不同高鐵小區，在高鐵線路圖上快速跟蹤分析用戶使用情況。

2.5 真正的高鐵用戶（車廂內用戶）使用感知分析與網絡評價

2.5.1 高低速分離算法研究

首先通過四個數據源獲取用戶占用小區基本信息（基于MR+信令+話單數據的高鐵用戶用戶識別，基于S1-U接口XDR數據的高鐵用戶識別，基于S1-MME、IU-PS接口信令面數據的高鐵用戶識別，基于O側的位置更新、切換信令及用戶特征的高鐵用戶識別）；其次記錄用戶駐留的第一個高鐵小區時間為T1，用戶駐留到第二個高鐵小區時間為T2，通過兩個小區間駐留的時長記錄為T，計算對應到高鐵小區的路測經緯度采樣點間距離為S，計算用戶在這兩個小區間移動的速度V，通過時速來區分高鐵用戶與普通用戶，再通過計算一小時內小區駐留時長T的集合，來篩選出高鐵用戶。（其中V＞300KM/H，定義為“復興號”用戶，200＜V＜300KM/H，定義為“和諧號”用戶，T的集合＞1H，定位為高鐵用戶。）

2.5.2 高鐵用戶感知場景化分析

主要通過對分離出的高鐵車廂內的用戶開展高鐵主要感知指標評價，以這些用戶的實際感知可以實現兩個方面的目的：一是通過高鐵用戶的感知指標、KPI指標，分析網絡存在問題，二是基于這些車廂內用戶的感知評價高鐵全線網絡質量情況。（因此，基于網絡質量分析與評價的目的，與之前分離算法評價系統不同，在這里不追求高鐵用戶分離100%完整性，而是追求對分離出來的那部分高鐵用戶網絡感知評價的準確性。）

重點開展高鐵車廂內用戶業務感知分析（主要包括上行RTT時延、下行RTT時延、大頁面下載速率、視頻下載速率、頁面響應平均時長、頁面響應成功率、0卡頓率、每GB卡頓次數）和網絡性能指標分析（語音接通率、掉話率），按以上10個關鍵性指標作為高鐵網絡評分標準，每項指標計10分，共計100分。通過對高鐵各線路及地市進行評分，挖掘網絡短板指標，為網絡優化重心提供決策依據。表2為高鐵車廂內用戶評價分析模型。

表2 高鐵車廂內用戶評價模型

2.6.1 高鐵用戶使用問題分析的痛點

當前高鐵網絡用戶投訴分析主要存在以下3個痛點：

（1）要通過登錄多平臺獲取數據（信令平臺、感知平臺、網管平臺）。

（2）只能采用表格化的關聯分析方式，分析效率低、響應時間長。

（3）無法有效呈現分析結果，用戶對分析結果滿意度低。當前高鐵用戶投訴80%以上發生在高鐵車站，如何提高車站用戶投訴反應效率是提高用戶滿意度的關鍵。本次通過研究“高鐵車站用戶上網問題智能化分析”，建立用戶在車站發生投訴的快速反應機制，顯著提高了用戶滿意度。

2.6.2 探索高鐵問題分析的新方法

（1）建立問題分析流程

①獲取到用戶使用號碼及問題發生時間，并從相關系統上通過互聯網化的方式獲取用戶占用小區和網絡資源。

②通過開源工具自動獲取相應網絡KPI和KQI信息，并建立數據庫。

③用戶占用網絡資源的主要KPI和覆蓋數據進行關聯分析。

④通過投訴智能分析工具，評價和分析影響用戶感知的關鍵因素和原因。

（2）探索問題智能分析算法

圖6為高鐵問題智能分析算法圖，通過對RSRP、SINR、用戶數和PRB利用率等關鍵性KPI指標進行判決，可得出發生投訴的問題小區存在的主要問題，從而快速得出投訴反饋結果。

圖 6 高鐵問題智能分析算法圖

2.6.3 高鐵問題分析方法的實踐應用

端午節前一天，用戶反映南京南站上網速率低，通過輸入用戶投訴號碼和時間，智能分析系統自動獲取問題小區信息，并根據分析算法得出問題小區存在的問題，整個投訴反應時間從接到投訴到得出結論共用時5分鐘，而正常投訴需要登錄平臺、查詢信令平臺、感知平臺、網管平臺等多個平臺，最少需要60分鐘，效率提升12倍左右，投訴分析效率顯著提升，節省了大量人力成本。

3 結束語

運用互聯網開源工具與大數據分析手段，突破高鐵場景傳統分析和管控方法的瓶頸，利用Python、JavaScript以及Spss Modeler等互聯網工具和大數據分析軟件，以及利用高鐵用戶分離算法，首次提出“影響集中度”概念的高鐵車站擴容標準，總結出一套高鐵網絡全方位管控及優化方法，該方法具備車站擴容指標評估功能、用戶投訴快速響應功能、網絡性能實時地理化顯示功能、跨省網絡形態的場景化分析與呈現能力、單用戶運動軌跡實時顯示功能、車廂內用戶感知分析評估功能，能有效實現高鐵網絡點線場景快速精準化分析與管控。

截止2019年5月累計實現網絡告警通報208次，處理1096條，極大提高網絡故障處理效率，提高了高鐵網絡穩定性；智能分析處理VIP用戶投訴46次，平均時間由40分鐘降低為7分鐘，用戶滿意度由30%提升為90%。每月對省內高鐵分析4次，累計評估80余次，共發現問題點398處，真實反映了高鐵車廂內用戶感知，為高鐵優化提供新的思路，且減少了分析和測試成本支出；共完成30余次節假日和重要活動（春節、國慶、未來網絡峰會、金博會等）保障，實時分析高鐵用戶感知指標，提前進行預警和快速投訴分析，多次圓滿完成保障了任務；本項目可以推廣實現其他重點場景，如校園、地鐵、機場等場景的快速迭代分析，提升重點場景整體分析管控效率和能力，提升網絡競爭力和減少維護成本。