一種基于MR的5G NSA駐留問題識別方法

韓斌杰，趙曉暉

(中國移動通信集團河北有限公司，河北 石家莊 050000)

0 引言

5G作為近年來最具代表性的技術創(chuàng)新之一，在國際社會上受到極大關注，已經(jīng)成為衡量國家實力的重要標志，加快5G商用步伐成為了社會各界人士的普遍共識[1]。由于目前5G網(wǎng)絡尚未實現(xiàn)連續(xù)覆蓋，隨著5G終端的爆發(fā)性增長，在已有5G網(wǎng)絡的地方提高5G用戶駐留、保障5G用戶感知，充分發(fā)揮5G網(wǎng)絡能力和效益，對于提升5G網(wǎng)絡口碑、助力5G網(wǎng)絡發(fā)展具有顯著作用[2-3]。賴麟[4]提出了一種基于大數(shù)據(jù)驅(qū)動的5G網(wǎng)絡與服務優(yōu)化分析，為5G網(wǎng)絡智能優(yōu)化提供參考。劉湘梅、熊力等人[5]針對4G/5G協(xié)同優(yōu)化和互操作策略進行了相關研究，并進行了相關實踐總結(jié)。為了實現(xiàn)5G用戶占得上、駐留穩(wěn)和體驗優(yōu)的目標，本文以華為基站無線側(cè)私有CHR/MR數(shù)據(jù)為基礎，借助大數(shù)據(jù)分析技術，利用4G/5G MR和S1-MME單據(jù)關聯(lián)以及NSA網(wǎng)絡下5G業(yè)務發(fā)生時信令面承載在4G的特點，對5G用戶在4G和5G網(wǎng)絡下的駐留情況進行關聯(lián)分析，基于柵格、小區(qū)及用戶計算駐留比指標，構建了一種基于MR的5G假啞無問題識別、分析能力，支撐5G NSA場景下5G駐留比分析及洞察，有效識別5G網(wǎng)絡中的真假啞無問題。

1 5G假啞無的定義

為了便于理解，首先對真假啞無5G問題的概念及產(chǎn)生原因進行闡述。

① 真5G：5G用戶駐留在5G，可以正常享受5G的服務，業(yè)務承載在5G網(wǎng)絡中。

② 假5G：5G用戶駐留在LTE錨點小區(qū)上，終端顯示5G網(wǎng)標，業(yè)務實際承載在4G網(wǎng)絡。

③ 啞5G：5G用戶駐留在LTE非錨點小區(qū)上，終端顯示4G圖標，業(yè)務實際承載在4G網(wǎng)絡，實際上該位置可能已有5G覆蓋，但用戶未能駐留到5G網(wǎng)絡之中。

④ 無5G：5G用戶駐留在LTE非錨點小區(qū)上，用戶所在位置無5G網(wǎng)絡資源可用，業(yè)務實際承載在4G網(wǎng)絡上。真假啞無5G示意如圖1所示。

圖1 真假啞無5G示意Fig.1 5G camping problem diagram

假啞無5G駐留問題的產(chǎn)生原因有多種，對于“假5G”問題，協(xié)議定義：5G終端 Logo顯示分為4種配置方式和6種場景，具體由各運營商和終端廠商協(xié)商在終端側(cè)實現(xiàn)，如表1所示，4種配置各有利弊，實際商用網(wǎng)絡的設定方法以實際配置為準[6-7]。除了終端顯示策略導致的“假5G”問題，錨點和5G覆蓋不一致也是產(chǎn)生“假5G”問題的重要因素。對于“啞5G”問題，主要是由于4G/5G之間的建設進度不匹配、錨點故障、參數(shù)和鄰區(qū)設置錯誤等原因?qū)е拢粚τ凇盁o5G”問題，比較容易理解，主要是由于5G用戶所在區(qū)域一定范圍內(nèi)沒有5G網(wǎng)絡覆蓋，用于幫助運營商識別5G用戶相對集中但5G站點未開通的區(qū)域。

表1 5G終端Logo顯示機制

根據(jù)協(xié)議定義,Config.D配置模式最寬松，只要5G終端駐留到支持NSA組網(wǎng)的LTE小區(qū)，終端就顯示5G Logo(只是顯示5G Logo，實際可能還是使用LTE網(wǎng)絡，從而導致假5G問題)；Config.A配置模式最苛刻，只有5G終端駐留到NR小區(qū)或者核心網(wǎng)時才能顯示5G Logo。目前5G終端主要使用Config.D模式[8-9]。

2 5G駐留關鍵技術

NSA組網(wǎng)下，5G用戶在做業(yè)務時會在4G和5G網(wǎng)絡下產(chǎn)生大量的單據(jù)，主要是eNodeB和gNodeB采集的無線接入網(wǎng)側(cè)信令面的歷史呼叫日志和測量報告[10]。本文利用NSA組網(wǎng)下5G業(yè)務發(fā)生時4G/5G雙連接的特點，在業(yè)務發(fā)生時，設定NR與LTE的MR上報頻次是相同的，假設LTE側(cè)業(yè)務周期性MR數(shù)量(LTE_MR)，NR側(cè)周期性MR的數(shù)量(NR_MR)，可以得出：5G駐留比= NR_MR×NR周期/( LTE_MR×LTE周期) = NR_MR/LTE_MR，即NR與LTE之間的MR的比值。本文構建的基于MR的5G駐留比分析能力，用到的關鍵技術主要有：

① 4G/5G MR定位和用戶IMSI關聯(lián)

MR定位本質(zhì)是確定無線網(wǎng)絡中UE在通話過程中上報MR時所處的具體地理位置[11]。NSA組網(wǎng)下5G用戶使用業(yè)務過程中會同時上報4G/5G MR和CHR數(shù)據(jù)，并且NR輔站的測量是全部在LTE側(cè)下發(fā)，LTE通過X2 RRC Transfer將測量上報信息傳遞給NR，如圖2所示。

圖2 4G/5G信令流程Fig.2 4G/5G signaling procedure

4G MR通過PRIVATE_SgNB_ADD事件中的各種ID與5G MR PUBLIC_INFORMATION進行關聯(lián)，以確定同一用戶在4G MR和5G MR的對應關系。然后對同一用戶、同一次呼叫的4G/5G MR數(shù)據(jù)進行拼接，利用4G MR成熟的定位技術，將4G MR定位結(jié)果反填到5G，從而得到5G定位結(jié)果。4G/5G MR拼接示意如圖3所示。

圖3 4G/5G MR拼接示意Fig.3 4G/5G MR combination

② 5G終端IMSI自學習機制

由于現(xiàn)有5G終端庫不能做到精準識別5G終端用戶，為了減少由于5G終端庫信息不全或者錯誤導致的5G駐留比統(tǒng)計錯誤，本文提出了一種5G終端IMSI自學習的機制，如圖4所示。對于發(fā)生過5G業(yè)務的IMSI，將其置為5G用戶，并周期性更新和累積到5G用戶庫，實現(xiàn)5G終端用戶的精準識別。對于5G用戶在5G、錨點和非錨點產(chǎn)生的MR及事件，進行大數(shù)據(jù)積累，用于指導5G網(wǎng)絡問題分析。

圖4 5G終端IMSI自學習原理示意Fig.4 5G terminal IMSI self-learning principle

③ 問題區(qū)域自動識別和匯聚

傳統(tǒng)的評估手段只能關注到小區(qū)粒度，對于小區(qū)整體指標正常但部分區(qū)域指標異常的情況無法有效感知[12-13]。為了方便進行區(qū)域性的問題識別，本文建立了問題區(qū)域自動識別及匯聚的能力。將柵格中的“假、啞、無”認定為問題柵格，判斷某個問題柵格是否與其他問題柵格相鄰，而后將所有相鄰的問題柵格合并計為一個問題區(qū)域(其中的問題柵格數(shù)需要超過某個閾值N)，如圖5所示。

圖5 問題柵格判斷原理Fig.5 Problem grid determination principles

對于Polygon內(nèi)問題區(qū)域識別，為確保問題區(qū)域落在Polygon內(nèi)，取問題區(qū)域與Polygon的交集計算，在理想情況下，識別效果如圖6所示，當邊緣的柵格存在較多的鋸齒狀時，為了減少Polygon的頂點數(shù)，會進行平滑處理。

圖6 問題區(qū)域識別示意Fig.6 Problematic area identification

3 結(jié)果與分析

基于MR的5G駐留比分析(假啞無)能力整體工作流程如圖7所示，5G駐留比分析專題4G/5G鄰區(qū)和同覆蓋區(qū)域分析如圖8所示。

為了評估問題柵格閾值N設置大小與問題識別準確率的關系，本文從柵格數(shù)量與MR定位準確率、問題識別準確率2個方面進行分析。

由于5G的MR定位準確率依賴于4G IMSI關聯(lián)回填結(jié)果，MR定位準確率越高，則問題識別準確率越高。問題柵格與MR定位準確率的對比結(jié)果如圖9所示。由圖可以看出，問題柵格越小，MR定位準確率越低，基于實際結(jié)果，當問題柵格N=10時，MR定位準確率最高。

圖7 5G駐留比分析應用流程Fig.7 5G camping ratio analysis process

圖8 4G/5G鄰區(qū)和同覆蓋區(qū)域分析Fig.8 4G/5G neighboring cell and co-coverage area analysis

圖9 問題柵格與MR定位準確率的對比Fig.9 Comparison of positioning accuracy between problem grid and MR

選取4組參數(shù)進行問題柵格閾值與識別準確率的對比分析，如圖10所示，問題柵格步長及初始值均設置為5。由圖10可以看出，N取值越小識別準確率越高，但識別出的問題區(qū)域也越多，對實際優(yōu)化帶來很大挑戰(zhàn)。N取值越大識別出的問題區(qū)域數(shù)量較少但準確率相對也較低，綜合以上分析結(jié)果，問題柵格閾值一般設置為N=10。

圖10 問題柵格閾值與識別準確率對比Fig.10 Comparison between the threshold and identification accuracy of problem grids

本文問題區(qū)域識別具體參數(shù)設置如表2所示。

表2 問題區(qū)域識別參數(shù)設置

5G駐留比分析(假啞無)專題能力構建完成后，進行試點應用，累計處理107個問題，問題識別準確率84.35%，問題區(qū)域駐留比提升15%左右。基于5G駐留比分析專題能力，5G問題處理效率相比人工方式提升30%左右(基于之前的問題分析經(jīng)驗)，如圖11和圖12所示。

圖11 問題識別準確率對比Fig.11 Comparison of problem identification accuracy

圖12 問題處理效率對比Fig.12 Comparison of problem identification efficiency

4 結(jié)束語

隨著5G終端上市節(jié)奏的加快和5G用戶的快速增長，確保5G用戶能夠穩(wěn)定駐留到5G網(wǎng)絡并享受5G網(wǎng)絡的高質(zhì)量服務，對于提高用戶滿意度、支撐運營商市場發(fā)展均具有重要作用[14-15]。本文主要基于無線側(cè)MR實現(xiàn)了NSA網(wǎng)絡下5G假啞無駐留問題的識別和輔助分析，后續(xù)在4G/5G協(xié)同分析和問題定位上仍需進一步加強，同時考慮未來SA組網(wǎng)的建設步伐，對于5G SA網(wǎng)絡下的用戶駐留和問題分析要進行提前規(guī)劃，以便更好地支撐5G網(wǎng)絡質(zhì)量提升，為用戶提供更加優(yōu)化的5G服務。