傳統室內分布系統健康監測的方法研究

趙春雷 金偉

摘 ?要：移動通信網絡一般都有基站小區級指標監控，指示網絡的健康狀況。而傳統的室內無源分布系統，一旦出現故障，基站小區級指標無法有效的反映出來。現有對室內分布系統的監控方案都需要對分布系統進行改造，文章提出一種基于箱線圖的異常小區檢測法，不需要改造原有的分布系統，只需通過對一些業務量的統計分析，就能效識別出可能出現故障的室內分布系統。

關鍵詞：健康監測;室內分布系統;異常監測

中圖分類號：TP39;G642 ? ? ? ?文獻標識碼：A文章編號：2096-4706（2021）24-0162-05

Abstract： Mobile communication networks generally have base station cell level indicator monitoring to indicate the health status of the network. Once there is a fault in the traditional indoor passive distribution system， the cell level indicator of the base station cannot be effectively reflected. The existing monitoring schemes for indoor distribution system need to transform the distribution system. This paper proposes an abnormal cell detection method based on box line diagram， which does not need to transform the original distribution system. It can effectively identify the indoor distribution system that may have faults only through the statistical analysis of some business volume.

Keywords： health monitoring; indoor distribution system; anomaly monitoring

0 ?引 ?言

隨著5G建設的推進，我國移動通信技術得到了快速的發展，為滿足人們與日俱增的高質量通信需求，各大運營商也開始了大規模室內分布系統部署。監控工作是維護通信網絡正常運行，保證人們良好通信的重要工作，隨著通信網絡規模的擴大，監控工作就顯得尤其重要。室外移動網一般都是有源設備，具備完善的監控功能;但對于室內分布系統而言，尤其是傳統的無源分布系統，目前無法得到有效的監控。目前室內分布系統的故障只能被動等待客戶投訴，故障定位也很繁瑣，對于大型樓宇，故障處理時間將會極大地延長，極大地影響了客戶滿意度。對此，各運營商也開始引入監控系統，對室內分布系統進行監控。

1 ?室內分布系統的監控方式

目前，對于室內分布系統進行監控，有以下幾種方式：

（1）對信號分布系統的傳統器件進行改造，引入具有監控功能的有源設備，如：將室內天線改造為具有監控上報功能的室內天線。這種方案的缺點是：有源器件的故障率比無源器件的故障率高，將有源器件加入信號分布系統中，極大地增加了系統的不穩定性，增加了維護成本。有源器件采用市電供電方式時，工程建設難度增加，不利網絡建設;采取用電池供電時，需要更換電池，維護成本高，不利后期運營。

（2）利用RFID技術進行室分監控[1]，RIFD工作原理為在RRU側通過合路的方式引入讀寫器，在天線末端張貼唯一編碼的標簽。讀寫器通過合路器的方式接入室分天饋系統，讀取安裝安裝在室分天線上的電子標簽以實現對整個室分鏈路的質量評估及監控，如圖1所示。這種方案的缺點是：需要進行少量施工，并且存在一定的插損，增加室內分布系統能量的損耗，且只能檢測到末端，對室分的覆蓋效果與網絡效果帶來負面影響。

（3）通過系統對室內分布系統的關鍵信號指標進行分析，對指標有異常的室內分布系統提出告警。這種方案的特點是無需對現網分布系統進行改造，缺點是：監控管理難，傳統 DAS 無法主動監控，一般都由人工維護，無法及時發現分布系統中的故障。只能通過以下兩種途徑發現問題：

1）用戶主動投訴網絡出現問題。

2）不定期的對網絡中零業務量、低業務量的小區進行篩查。

依靠用戶投訴發現分布系統的故障，顯的較為被動，影響用戶使用感知，降低了用戶對網絡的滿意度。通過不定期的篩查零業務量、低業務量小區來發現故障分布系統，一是時效性較差，二是可能會有遺漏，因為有些“部分故障”的分布系統所在的小區業務量會出現明顯下降，但還未達到低業務量的門限，所以無法被發現。

2 ?基于箱線圖的室分健康監測方法

采用對網絡關鍵指標進行分析的方法，對傳統室分進行健康監測，是一種經濟實惠的方案，不同于其他監控方式需要增加軟硬件設施[2-4]，它不需要對現有的室內分布系統進行改造。通過對關鍵指標的自動定期采集，通過計算識別出異常小區并提出告警，化被動為主動，在實際應用中，常被采用的有多因子篩選法。

2.1 ?多因子篩選法

多因子篩選法對某些關鍵指標評估，再通過歸一化處理計算出得分，根據得分來判斷是否出現異常，如圖2所示。例如，根據MR數據和KPI數據，計算某些與網絡質量相關的指標，并設定權重計算得分，據此判斷健康情況。

算法描述：

（1）提取KPI數據和MR數據，根據指標定義，分別計算5類指標得分;

（2）為每一類指標賦上一個權重，并加權計算4G小區健康度得分;

（3）用當日的4G小區健康度得分減去前日得分，若波動小于-10，則標記為4G日波動小區;

（4）用當日4G小區健康度減去一周前得分，若波動小于-10，則標記為4G周波動小區。

它的優點是綜合考慮了MR、KPI各個維度的指標數據，考慮較為全面。但也存在不足，主要體現在兩方面，一是權重帶有一定的主觀性，可能會影響最終結果的客觀性;二是需要提取大量的數據，且任何一個維度的數據出現錯誤，均會導致結果的偏失，抗干擾性差。

2.2 ?箱線圖篩選法

針對多因子篩選法的不足，文本提出了一種基于箱線圖的室分健康監測的方法。

箱線圖能直觀明了地識別一組數據中的異常值，常被用于異常值檢測[5，6]，如圖3所示。他具有良好的抗干擾性;只需要觀察一個典型KPI的變化，就能判斷系統是否出現異常。比如室分小區的業務量，它的數學模型是：給定一組業務量數據，從中找出異常的數據，如果這些異常值連續出現在最近幾天，那么可以判斷該室分小區可能出現異常。

本方法需要收集一定時期的室分系統業務量，采用箱線圖分析方法，通過觀察業務量的波動情況，推斷出室內分布系統的健康狀況。整體技術方案如下：

（1）數據采集：對需監控的室分小區進行業務量采集，采集時間為最近的k天，k值可根據實際需求自由調整，建議k的取值在30至90之間。

（2）計算業務量的上下四分位數：對k天的業務量值由小到大排序后，分別記為x1，x2，…，xk，定義分位數xp：

當p=時即為上四分位數，記為Q1，表示k個觀察值中有四分之一的數據取值比它小;當p=時即為下四分位數，記為Q3，表示k個觀察值中有四分之一的數據取值比它大。

（3）計算四分位數間距：根據上一步得出Q1和Q3，計算四分位間距IQR=Q3-Q1，表示下四分位與上四分位之間的距離。

（4）判斷室內分布系統是否健康：獲取最近t天的業務量xk-t+1，…，xk-1，xk，若Q3+1.5IQR≥xk≥Q1-1.5IQR，則判斷系統波動正常;若xk-t+1，…，xk-1，xk，的值均小于Q1-1.5IQR或大于Q3+1.5IQR，則判斷系統波動異常，可將該小區標記為故障小區，后續可針對該小區下的室內分布系統進行排查，最終確定故障位置。t的取值可根據實際情況動態調整，建議取值范圍為3至7之間。

本方法的計算過程如圖4所示。

箱線圖篩選法的優點是：

（1）它具有良好的抗干擾性，它是觀察連續n天的數據，個別的數據錯誤對結果幾乎沒有影響。

（2）只需一個指標就可以判斷異常，獲取數據方便，計算速度快。

2.3 ?基于箱線圖的室分健康監測

箱線圖篩選法如果只考慮了一個維度，評判可能不夠全面，在實際應用中可以進行多個維度的評估，得的結果更加客觀準確。本文采用小區弱覆蓋比例、小區MR采樣點數及小區業務量三個維度進行監測，如圖5所示。

3 ?與傳統多因子指標篩選法對比案例

案例一：在室分健康監測的過程中，使用箱線圖篩選法檢出某小區A在9月4號、3號、2號流量出現異常值（離群點），判斷該室分小區在最近3天流量變化異常，經過運維工程師現場檢測反饋，判斷該站點為無源器件故障，更換器件后故障恢復。

對比箱線圖監測法，同樣的時間段采用多因子篩選法對該站進行評估，提取了相關的MR數據和KPI數據，計算出的得分沒有明顯的變化，無法有效的篩選出該異常站點。

多因子篩選法的最近兩天得分如表1所示。

案例二：在室分健康監測的過程中，使用多因子篩選法檢出某小區在9月4號為日波動小區B，和前一天相比，差異較大的是覆蓋得分和回落率得分，如表2所示。

觀察圖7所示的該小區連續一個月的流量變化情況，未發現有異常值，最近3天的數據流量也均在正常波動范圍之內;弱覆蓋占比3號為11.59%，4號為63.92%，造成覆蓋得分差異大;但從一個月的變化情況來看，弱覆蓋占比也均在正常波動范圍內，如圖8所示，所以該小區更傾向于判斷為正常小區。通過對后續指標的觀察，該小區未出現影響業務的現象。

綜合以上兩個案例，基于箱線圖的室分健康監測方法可以檢測出多因子篩選法無法識別的異常小區，也可以避免一些小區被多因子篩選法誤判為異常小區。

4 ?應用效果

基于箱線圖的室分健康監測方法9月開始在某市應用，篩檢出的異常室分小區通過工單系統派單給現場工程師，工程師通過現場測試確定故障情況。通過3個月的回單的信息統計，篩檢正確率基本在75%左右，而多因子篩選法的正確率一般在60%左右。

剩余的現場工程師復核為非故障的室分小區，主要是受假期和疫情影響，造成業務量突降，被系統誤識別。后期可以對易受假期影響的小區進行標注，在以后的判斷中加以甄別。另外，可以適當提高判斷標準，比如獲取近3個月的數據，如果最近一周連續為異常，才判定為異常小區，以此來提高篩檢的正確率。

5 ?結 ?論

通過本文方法，可以在不改造分布系統的情況下，低成本的解決傳統室內無源分布系統的監控問題。采用本方案可持續對室內分布系統進行故障篩查，室分運維人員只需排查少量的故障小區，減少了去現場排查的時間，大大提升了排障效率，也對全網室內分布系統健康狀況有一個全面的掌握。

參考文獻：

[1] 林權偉.對移動通信室內分布系統進行監控的解決方案 [J].科技探索與應用，2016（35）：235-236.

[2] 王建國，韓玉龍，張培鏡，等.移動通信室內分布無源監控及管理技術的研究 [J].移動通信，2016，40（13）：71-74.

[3] 孫天偉，祝好杰. 室內分布系統網管監控平臺 [J].電信快報，2007（10）：38-40.

[4] 高艷麗，謝紹富，孟凡良，等.室內無源分布系統監控方案研究 [J].山東通信技術，2021，41（1）：6-8.

[5] 孫向東，劉擁軍，陳雯雯，等. 箱線圖法在動物衛生數據異常值檢驗中的運用 [J].中國動物檢疫，2010，27（7）：66-68.

[6] 顧國慶，李曉輝.基于箱線圖異常檢測的指數加權平滑預測模型 [J].計算機與現代化，2021（1）：28-33.

作者簡介：趙春雷（1982.04—），男，漢族，江蘇南通人，高級工程師，碩士，研究方向為無線網絡規劃、優化及設計。