常駐用戶高精度定位技術探索與實踐

摘要：在我國經濟發展中，家庭寬帶的重要性、戰略性、基礎性、先導性地位日益顯現，已經在相當長的一段時間里推動第三產業的轉變，促進經濟結構優化，加快增長動力轉換，塑造國際競爭優勢的戰略基礎。江蘇聯通為提升用戶的體驗感知，進行了大規模的千兆網絡升級改造。本文針對目前江蘇聯通移動網絡用戶的服務質量實際情況，深入分析了移動網絡用戶的需求，精準識別關鍵問題，利用高精度定位技術，對如何通過數字化手段，精準得識別移網用戶的常駐地點，壓實屬地營業廳責任，提升營銷效率和客戶滿意度作出探討。

關鍵詞：移網；用戶滿意度；高精度定位技術

一、當前移動通信常駐用戶高精度定位技術面臨問題分析

家庭家寬（簡稱寬帶）市場是運營商重要的收入來源，江蘇聯通為提升用戶的體驗感知，進行了大規模的千兆網絡升級改造。傳統的面向家寬市場的營銷，主要是通過投放媒體廣告、營業廳直銷、重點區域地推等廣撒網模式進行，成本高、效果差。當前，在室內位置中使用的位置定位技術存在著總覆蓋面很窄、配置費用比較高等諸多問題。如何改善定位準確率，使室內和戶外的空間位置保持無縫連接，是目前我國在進行高精密的位置測量時必須要考慮的一個重要問題。因此如何通過數字化手段，精準識別移網用戶的常駐地點，壓實屬地營業廳責任，提升營銷效率和客戶滿意度，是日常營銷過程中面臨的重要問題。業界主流一般用邏輯小區做定位，精度500m×500m，僅能支撐無差別外呼，無法有效根據千兆社區分布進行精準融合套餐推薦；也有部分廠家通過MR定位識別常駐用戶，由于室內無MDT，5G無MDT，定位精度不足，導致外呼成功率很低且用戶滿意度低。本文創新課題的核心能力是移動網絡用戶常駐地識別，項目組創造性引入第三方終端數據，與MR數據、信令數據相結合，在AI能力的加持下，極大豐富了網絡特征庫，降低特征庫空洞比例50%。同時通過常駐用戶糾偏算法、室內外區分算法、建筑物匹配等多維定位算法，構筑核心精準定位能力，最大化提升全量普通MR的定位精度，定位精度達到73.4m。對比之下，業界單純依賴MDT數據進行指紋匹配的定位精度僅300m左右。

二、常駐用戶高精度定位技術探索

（一）MR關鍵技術及應用場景

1.MR定位技術分類

App定位法：對S1-U口信令進行分析，獲得了用戶的定位。這種算法需要在戶外進行準確的定位，而且大部分App的經緯方向加密，不能進行分析，可以得到的樣品點數有限。

TA+AOA定位：利用TA可以估算出基站與用戶端的距離，然后利用AOA的數據獲取該終端的大概的定位。這種方法在建筑密集的地方，準確率一般在100-200m左右。

三角定位：基于MR場強度和工參數的信息，采用基于最大相鄰區域和最大相鄰區域的三角、多邊形的方法，求出中心點，通過場強度的權重漂移，得到定位結果。但是利用該方法很容易由于鄰區信息不完整、精度不高，造成不準確的定位精度。

基于指紋庫的定位：該方法也叫特征匹配方法，源于數據庫定位，該方法要求預先建立指紋數據庫，用以存儲離散的信號強度和位置的坐標。可以利用多路徑的特征信息，將其與數據庫中的指紋相結合進行定位，從而能夠更好地處理各種復雜的情況，識別出不同的室內和戶外使用者，從而達到室內分層覆蓋評估和業務定位。

2.MR定位算法實施

利用網絡測量、網絡結構和用戶行為對網絡中的通話用戶進行粗略和快速定位，依據用戶與網絡中基站的連接狀態來構造多維方程組，通過聯立求解獲取初始定位結果，并依據用戶行為的關聯分析，對初始定位結果進行校正，得到最終定位結果。其中包含基于RTT時延的定位能力和基于WCCL（WeightedCentroidCorrectionLocalization）的快速定位能力。基于RTT時延的定位能力，又稱為“三角定位能力”，如圖1所示。基于終端測量的TOA值，分別計算測量MR與周邊基站的位置關系，求解方程組后可粗略獲得終端位置。該方法是一種通過加權的拓撲質心來進行位置計算的快速、低成本的定位方法，主要使用MR中測量的多個小區構造多邊形獲取質心，并使用MR接收到的小區信號強度作為加權因子進行質心修正。應用于對精度要求不高的城區（平均站間距在800米以內）進行初始網絡評估，過以上兩種定位能力，可實現定位精度達到100-150m。

（二）MDT關鍵技術及應用場景

3GPP在R10版本中提出了一種路測運營成本的解決方案，即MDT技術。這種技術是通過UE采集信號強度和地理位置等方面的數據。之后R11-R14版本對MDT進行了一定的改進，其中MDT將被凍結的R16中作為5G的大容量的數據收集模式，并在將來實現5G網絡的全面覆蓋。這一部分簡單地闡述了MDT的工作機制、應用場景以及MDT技術在5G中的演變。

1.MDT工作機制

在圖2中顯示了MDT的架構。圖中OAM（Operation，AdministrationAndMaintenance）是指操作、管理和維護系統，該系統負責MDT數據收集的啟動和控制；TCE（TraceCollectionEntity），是一種用于MDT的追蹤收集實體，也就是MDT服務器；LTE是指移動管理節點（MobilityManagementEntity，MME），其主要職責是對信號進行處理；RAN是無線電接入網絡。從圖2可以看出，OAM確定MDT組態的參數，并且向RAN中的RunnodeB（eNB）傳輸該數據；eNB在收到MDT組態后，將其轉發至UE，啟動MDT的作用；在完成有關的測定之后，UE將該測量的結果匯報給eNB；eNB向TCE傳送該數據以供進一步的研究。在MDT的測量模式中，UE首先將其保存到當地，然后再提交測試數據，這個處理通常是在UE在閑置的情況下進行的。為了對MDT進行測量，必須具有比UE接收器靈敏度更高的信號電平。當一個信號等級降低到某個程度，UE就會被診斷為進入“覆蓋洞”。利用對測量記錄的數據進行統計和解析，操作員能夠探測到覆蓋洞的所在，從而為改善覆蓋率提供了一些線索。

2.MDT應用方向

MDT技術以用戶的地理位置為基礎，充分體現了網絡的實際狀況，使網優技術人員免去了大量的測試和數據的工作，節約了大量的人工和資源，它的主要用途是：

解決顧客投訴。通過采用信令的MDT測量技術對某一特定UE測量數據進行收集，可以對其進行實時檢測，并對其進行及時準確地檢測和及時處理。

采集全網覆蓋數據。通過MDT技術可以做到24小時連續地進行，對全網覆蓋區域進行歷遍，可以在全網范圍中應用，從而有效地解決了傳統路測技術在這一領域的缺陷，為整個系統的規劃與最優化工作奠定了堅實的基礎。

越區覆蓋問題。通過對MDT測試結果中UE的定位和接收信號的強弱進行分析，確定小區覆蓋情況在計劃的范圍內，進而進行有目標地調節，并在一定程度上控制了小區的覆蓋面，減少了網絡中的越區覆蓋點和導頻源的比率。

發現上下行不平衡問題。MDT測量報告能為LTE接入時的傳輸能力裕度，得到用戶端的實際上行情況。通過對用戶所在的無線環境進行評價，優化網絡和天饋系統的參數，從而解決上下行不平衡問題。

三、常駐用戶高精度定位技術實踐分析

本文提出一種基于第三方終端數據，豐富傳統的網絡特征庫，通過隨機森林匹配、室內外區分、建筑物匹配等的多維定位算法，構筑核心精準定位能力，定位精度達到73.4m。該技術基于核心精準定位能力，構建常駐用戶糾偏算法，結合進行現場數據調優驗證，輸出社區級常駐用戶清單，實現80%社區常駐用戶查準率。以下基于常駐用戶高精度定位技術的實踐進行分析。

（一）基于MDTMR的定位能力

MDT：LTE3GPP協議中引入，運營商通過簽約用戶的商用終端或測試終端進行測量上報數據，部分替代傳統的路測工作，實現自動收集終端測量數據。

MDTMR中終端會上報GSP信息與網絡測量信息，因此相比普通MR場景，可以認為定位精度與GSP精度相當。通過實際測試驗證，基于MDT的定位精度為20m-40m。具體驗證方法如下：①計算對應時刻測試終端路測經緯度與MDT上報經緯度的距離。②對每個時刻距離誤差從小到大進行排序，獲取CDF曲線。③選取處的距離誤差作為定位精度。

基于MDT的定位能力雖然精度較高，但存在兩個天然缺點，在面向常駐用戶識別的場景下，無法發揮出其高精度的優勢。第一，MDTMR上報需要手機上報GPS信息，在常駐用戶識別的場景，主要是識別室內用戶。而室內場景GPS信息的缺失，導致MDTMR可用性大打折扣。第二，MDTMR需要用戶簽約且需要終端能力支持，根據統計MDTMR占比僅占全量MR數據的1.31%，因此無法對大量的普通MR數據進行定位，如表1所示。

（二）MDT特征庫與隨機森林匹配算法

基于以上兩點出發，快速定位精度不足，而MDT數據量不足，被本文考慮基于MDT數據構建網絡特征庫，通過AI算法能力的加持，將普通MR與MDT特征庫相結合，從而提升普通MR的定位精度，解決了MDT數據量不足的問題。①首先通過MDT等高精度的數據源，通過AI算法構建網絡特征庫。②利用隨機森林模型，將普通MR與網絡特征庫向匹配。相對傳統指紋匹配，隨機森林定位算法經過更加細致的特征分析、特征優化、特征編碼，使用的特征信息更豐富。原始指紋匹配主要使用小區對應電平構建指紋庫；隨機森林使用了MR中更多的信息，如TA、ECNO、電平差等，并對特征進行編碼，最終使用的特征100+。用隨機森林（決策樹）模型匹配相對指紋匹配，模型信息更加豐富，匹配準確性進一步增強，Bagging類算法本身對過擬合、魯棒性有一定增強。基于MDT特征庫與隨機森林模型訓練，普通MR定位精度：40-70m。

（三）室內外區分能力

在以上能力的基礎上，我們通過室內外區分算法，構建室內場景的網絡特征庫，用于解決室內場景的問題。

室內外區分能力，主要是通過如下兩個方面構建：

1.構建室內外區分特征庫，我們發現室內外網絡在如下方面存在一定的特征

電平特征：室內信號因墻體損耗，與室外信號在電平上存在一定差異。

移動特征：室內場景信號移動性相對較低。

呼叫特征：室內場景長呼的比例，較室外場景高很多。

小區特征：與室分的部署策略相關。

切換特征：不切換或者乒乓切換的比例，相對較高。

鄰區特征：受墻體損耗的影響，室內場景鄰區的數量相對較少。

基于以上特征通過大規模測試、歷史數據分析、大數據挖掘等工作，構建室內外區分的特征庫。

2.基于高精度電子地圖中的樓宇信息，對MR數據進行地物匹配

通過以上兩個步驟，可實現85%室內外區分準確率。

（四）基于三方終端數據，構建高精度網絡特征庫

第三方終端數據，是終端基于OTT應用、WIFI信息、GPS數據等多維度信息，整合行業OTT和終端性能管理數據，全國每天百億份樣本，通過構建特征庫提升網絡側普通MR的定位精度，從300米提升到50-80米。相比傳統的MDT特征庫，在室內空洞問題、數據量少的兩個問題上，有非常大的提升。

（五）基于高精度定位結果的常駐用戶糾偏算法

在高精度定位能力下，通過分析用戶的長期軌跡特征，通過AI聚類算法，識別用戶常駐地，構建常駐用戶清單，包括白天辦公地、晚上住宅社區等。高精度定位能力，疊加常駐用戶糾偏定位，定位精度40-60m。

（六）小結

基于第三方高精度網絡特征庫匹配、隨機森林匹配、快速定位等定位算法，結合室內外區分算法與常駐用戶糾偏算法，實現綜合定位精度40-70m；同時通過移網用戶流量消耗、駐留時長、業務類型等多維度構建用戶畫像，同時將高精度定位MR數據和千兆網絡社區圖譜進行匹配，經過多輪次的反復驗證調優，實現移動網絡用戶的常駐地識別，常駐用戶查全率70%，常駐用戶查準率80%，從而精準識別固網潛在用戶。

四、結束語

移網用戶常駐地識別能力作為通用的基礎能力，除了在家寬市場上支持精準營銷外，在政企、網絡市場上也大有可為。面向智慧城市，精準識別目標人群常駐軌跡，實行高效監控，支撐智慧城市建設；面向傳統網絡業務，精準支撐投訴用戶軌跡回放，用戶投訴免現場路測，同時解決路測投訴無法復現、部分物業路測不可達痛點的問題。用戶精準定位能力將助力江蘇聯通基礎運營管理水平提升，通過數字化能力，讓末梢一線營銷、運營、維護等工作更精準、更高效，確保基礎網絡質量和業網協同發展再上一個臺階。

作者單位：張國鵬 卜寅 孫宏 中國聯合網絡通信有限公司江蘇省分公司

參" 考" 文" 獻

[1]李智峰.基于網格化和大數據的移動網絡覆蓋質量評估方法研究[J].無線互聯科技，2021，18（09）：24-25.

[2]何春. 基于LTE移動通信新型室分系統的設計與實現[D].電子科技大學，2021.

[3]許友兵. 居民小區LTE無線網絡規劃部署與質量提升策略研究[D].南華大學，2020.

[4]張云偉. 無線定位技術及位置驗證服務技術研究[D].南京郵電大學，2021.