5G用戶常駐區域預判及網絡支撐前置策略研究

孟現鋒，顧玉生，王星星，賈少博

（中國聯合網絡通信有限公司鄭州市分公司，河南 鄭州 450000）

0 引言

在5G網絡發展初期，5G網絡優化以KPI為中心開展[1-4]，而面向用戶需求、用戶感知而展開的5G網絡優化策略的研究還較少，主要原因為5G網絡大數據平臺及智能評估手段尚未完善，無法獲取豐富的5G實際數據，比如5G網絡MR數據，因此無法獲知5G用戶分布密集區域，無法掌握5G用戶分布密集區域的網絡覆蓋情況，以至于無法開展5G基站天饋的精細優化，造成部分5G用戶開卡激活后，因信號差、網速慢等諸多原因投訴網絡問題甚至導致用戶離網，對網絡口碑造成嚴重的負面影響。因此，如何實現5G用戶常駐區域預判，如何深挖4G網絡數據價值，并基于4G現網MR數據開展5G網絡支撐前置，使4G/5G網絡實現更好的協同，確保5G用戶的體驗，提升用戶口碑，是5G網絡發展初期運營商網絡優化人員都非常關心且亟待解決的問題。

手機終端（UE）在開機附著流程以及TAU更新過程中，會包含UE能力查詢及上報。通過在S1接口布放探針，即可獲取獲得手機終端識別碼軟件版本（IMEISV），與信令平臺終端類型庫進行匹配可獲得終端類型及是否支持5G能力。在獲取到用戶的終端類型后，再利用信令平臺數據庫中的LTE常駐小區標識字段進行匯聚，獲取每個LTE小區下的5G終端分布及數量信息。

基于以上分析，本文開展5G用戶常駐區域預判，并提出了基于LTE網絡數據的5G用戶網絡支撐前置策略。實踐表明，該策略能夠快速有效地預判5G用戶常駐區域，實現5G網絡精準優化，提升5G用戶感知。

1 策略解析

信令大數據平臺通過在S1接口布放探針，即可獲取獲得手機終端識別碼軟件版本（IMEISV），與信令平臺終端類型庫進行匹配可獲得終端類型及是否支持5G能力。在獲取到用戶的終端類型后，再利用信令平臺數據庫中的LTE常駐小區標識字段進行匯聚，獲取每個LTE小區下的5G終端分布及數量信息，獲得5G用戶常駐的TOP小區，即實現5G用戶常駐區域預判。

隨后針對5G網絡發展初期，NSA（非獨立組網）組網[5]為主，以及4G/5G基站1:1建站的實際，挖掘LTE網絡的MR數據[6-10]，基于高斯分布的最佳方向角解決方案來精準調整4G/5G天饋[11]，提升用戶熱點分布區域的網絡覆蓋。5G用戶常駐區域預判及網絡支撐前置策略流程如圖1所示：

圖1 5G用戶常駐區域預判及網絡支撐前置策略流程

2 5G終端分布獲取原理

NSA（非獨立組網）結構中，5G終端信令面信息需要接入LTE網元，通過布放在S1接口的信令探針，可實時獲得終端IMEI，進而獲得終端接入能力信息，通過LTE信令大數據平臺數據庫可精確識別5G終端數量與分布。

IMEI碼具有唯一性，能夠識別手機終端能力[12]。LTE新協議中，變更IMEI為Masked-IMEISV，核心網將Masked-IMEISV發送給基站，基站通過解析Masked IMEISV獲知UE類型。其中IMEISV是International Mobile station Equipment Identity and Software Version Number的縮寫[13]。IMEISV的結構如圖2所示：

圖2 IMEISV結構

IMEISV由16位數字組成，每位數字僅使用0-9的數字，其組成為：TAC是Type Approval Code縮寫，是IMEISV結構前8位數字，能夠獨立識別手機終端型號。

SNR是Serial Number的縮寫，是IMEISV結構中間6位數字，序列號，表示生產的順序號。

SVN是Software Version Number的縮寫，是IMEISV結構最后2位數字，代表軟件版本。

運營商可以根據需求，在S1接口布放探針，如圖3所示：

圖3 網絡結構及信令探針布放位置

同時制定IMEISV上報策略，指定某個階段檢查手機的IMEI或者IMEISV，可以指定IMEISV的階段有：開機注冊網絡時、周期性位置更新時（TAU）、進行接打電話、收發短信、上網等業務時。比如TAU執行時，在安全模式請求命令security mode command中，攜帶IMEISV request信息，隨后，手機終端通過基站上報IMEISV信息，執行security mode complete消息時攜帶IMEISV信息。如圖4所示。信令探針即可獲取該手機終端IMEISV，通過比對信令大數據平臺數據庫中的終端能力信息，即可判斷該終端是否為5G終端。

圖4 IMEISV請求及響應流程

在獲取到用戶的終端類型后，再利用信令大數據平臺數據庫中的ECI字段進行匯聚，獲取每個LTE小區下的終端類型分布及數量信息。如表1所示。

表1 5G終端分布信息表（樣表）

結合場景信息，可確定5G終端接入TOP場景，確定優先級，開展針對性優化。如圖5所示，針對Z市5G終端分布熱點區域地理化呈現，5G終端分布熱點區域前十大場景分別為住宅、學校、商業街區、政企單位、鄉鎮、商務辦公區、交通樞紐、黨政機關、工業園區、賓館酒店。對5G基站規劃同樣具有參考價值。5G用戶分布熱點區域及場景如圖5所示。

圖5 5G用戶分布熱點區域及場景

3 基于高斯分布的天饋調整方案

基于高斯分布的天饋調整方案包含以下步驟。步驟一，從網管平臺提取原始MR數據。步驟二，利用MR專業解析平臺解析原始數據，解析后的數據為柵格級MR數據。步驟三，結合柵格主服務小區算法，獲得小區級MR數據。步驟四，計算小區內MR柵格與基站位置的距離及方向角。步驟四，設定方向角步長，逐步計算每個方向角區間內的MR柵格數量與占比。步驟五，數據符合高斯分布特點，取MR柵格數量占比最大的方向角區間為最佳方向角區間。最后，將最佳方向角區間的中位數記為該扇區的最佳方向角。

最佳方位角確定后，比對5G基礎工參數據庫以及4G基礎工參數據庫，對于基礎工參數據庫中方位角與最佳方位角不一致的基站扇區，開展天饋調整，并進行道路拉網測試以及網管KPI指標提取驗證。基于高斯分布的天饋調整方案流程如圖6所示。

圖6 基于高斯分布的天饋調整方案流程

3.1 小區MR數據制作過程

LTE網管平臺數據庫提取MR原始數據后，通過MR解析平臺建立任務，完成解析。解析后的文件為柵格級MR數據，文件的關鍵字段包含柵格編號、基站小區名稱、小區MR采樣點數量，經度、緯度等。

柵格MR數據包含了柵格內的所采樣到的MR數量及對應的不同小區。針對同一柵格，存在多個小區的MR采樣點，規定采樣點數最大所對應的小區為該柵格主服務小區，如表2所示，該柵格中采樣了15個小區的MR，其中采樣點最大774，對應小區ID為xxx49，且與其他小區的采樣點數量差別較大，則該小區為其柵格主服務小區。

表2 柵格內服務小區樣例

確定柵格主服務小區后，反向處理，獲得小區下的MR柵格編號，批量操作后獲得小區級的MR數據。包含小區編號、柵格編號、采樣點數量 采樣點電平、經度、緯度等。小區級MR數據地理化如圖7所示：

圖7 小區級MR數據地理化

3.2 基于高斯分布計算最佳方位角

基于高斯分布計算最佳方位角算法步驟包括：首先計算MR點至基站位置的距離和方位角，然后以基站小區為對象，從方向計算，引入水平波瓣寬度60°，則可計算該范圍內的采樣點數量，以10°步長，逐個統計0°-60°、10°-70°、20°-80°、30°-90°……等區間采樣點數量及占比，采樣點數量最大的區間為最優區間，并確定區間中間值為最佳方位角。包含最優方位角的小區MR數據服從高斯分布，如圖8所示：

圖8 MR采樣點高斯分布圖

4 實例驗證

5G網絡發展初期，主要存在以下優化場景：

場景1：5G天線方位角與最佳方位角不一致，4G天線方位角與最佳方位角不一致。

場景2：5G天線方位角與最佳方位角一致，4G天線方位角與最佳方位角不一致。

場景3：5G天線方位角與最佳方位角不一致，4G天線方位角與最佳方位角一致。

針對場景1，4G和5G天線方位角均需調整至最佳方位角，針對場景2，僅需調整4G天線方向角，針對場景3，僅需調整5G方向角。

Z市5G用戶常駐區域TOP小區專項優化過程中，遇到場景3，即5G天線方位角與最佳方位角不一致，4G天線方位角與最佳方位角一致。現場環境如圖9所示：

圖9 5G天線方位角與最佳方位角不一致現場示意圖

利用小區級MR數據，基于高斯分布計算最佳方位角，該站址LTE基站第2扇區最佳方位角140°，與實際工參基本一致，但共站址的5G基站第2扇區方位角為100°，與MR數據顯示的用戶熱點分布區域的方向偏差較大。如圖10所示，同時，查詢5G網管后臺數據，第2扇區5G接入用戶數明顯偏少。

圖10 基站2扇區MR分布圖

隨后現場調整5G基站第2扇區方位角，由原100°調整至140°（最佳方位角），對用戶熱點分布區域進行道路拉網驗證，并提取5G基站第2扇區后臺指標驗證調整效果。

道路拉網數據地理化后如圖11所示。從圖11看出，覆蓋區域的電平值改善明顯，電平值[-80，-70]占比由50.73%提升至83.05%。

圖11 道路拉網數據地理化

道路拉網數據統計數據如表3所示。

表3 道路拉網數據指標

5G基站天饋方向角調整后，提取5G基站第2扇區后臺指標驗證調整效果，網管指標見表4所示，調整后該扇區下數據吞吐量明顯增加，上下行數據總吞吐量增加一倍，5G用戶數相較于調整前，同樣提升明顯，符合預期。

表4 5G基站方位角調整前后網管指標

5 結論

隨著5G基站的快速入網以及5G用戶數量的持續增加，5G用戶業務感知將成為無線網絡優化人員的又一重大挑戰，而5G網絡大數據平臺及智能評估手段尚未完善，挖掘現有大數據平臺及海量網絡數據支撐5G發展是短期內的有效手段。基于該現狀，本文提出了一種5G用戶常駐區域預判及網絡支撐前置策略。經實例驗證，該策略能夠基于現有信令大數據平臺，實現5G用戶常駐區域預判，并基于LTE網絡海量MR數據，開展基于5G用戶熱點分布區域的精準優化，有效提升用戶熱點分布區域的網絡質量以及5G基站小區的業務量。該方法為5G網絡發展初期提供了新的網絡優化思路。