一種基于垂直行業業務場景特征的智能無線規劃方法

摘要：文章提出了一種基于垂直行業業務場景特征的智能無線規劃方法，其通過對5G行業應用業務場景信息的收集提取行業場景特征值，再結合行業應用區域的POI空間信息對所在區域的基站小區進行遍歷識別，識別出可以初步滿足行業應用的現網小區集，對這部分小區集進行容量預估，最終評估出行業客戶5G專網可用的小區集合，該小區集包括可以直接利用的現網小區集，以及需要優化擴容后才能利用的小區集。該評估方法可快速輸出5G行業專網的網絡規劃方案，并指導網絡優化人員對5G公網專用部分的站點小區進行優化擴容，實現 5G行業專網的快速、高質量交付。

關鍵詞：5G；垂直行業；網絡規劃；容量評估

doi：10.3969/J.ISSN.1672-7274.2023.02.030

中圖分類號：TN 929.53" " " " " " " "文獻標示碼：B" " " " " " " "文章編碼：1672-7274（2023）02-00-03

An Intelligent Wireless Planning Method Based on the Characteristics of Vertical Industry Business Scenarios

FAN Liang， LIANG Xiaoming， DONG Hao

（China Mobile Group Guangdong Co.， Ltd.， Guangzhou 510623， China）

Abstract： This paper proposes an intelligent wireless planning method based on the characteristics of vertical industry business scenarios. It extracts the characteristic values of industry scenarios through the collection of 5G industry application business scenario information， and then combines the POI spatial information of the industry application area to traverse and identify the base station cell in the region， to identify the existing network cell set that can initially meet the industry applications， and to estimate the capacity of this cell set， Finally， the cell set available for the 5G private network of the industry customer is evaluated. The cell set includes the cell set of the existing network that can be used directly， and the cell set that can be used only after optimization and expansion. This evaluation method can quickly output the network planning scheme of the 5G industry private network， and guide the network optimization personnel to optimize and expand the capacity of the site cells in the private part of the 5G public network， so as to achieve fast and high-quality delivery of the 5G industry private network.

Key words： 5G; vertical industry; network planning; capacity assessment

1" 研究背景

2022年，5G迎來新發展階段，5G ToB的商業價值被進一步挖掘，至2025年，預計5G連接將達到17億，行業部署預計達到20%～40%。盡管5G行業專網的組網方式多種多樣，但基本可以概括為“公網專用”和“專頻專用”兩種路徑。在國內，5G公網專用已經達成共識，利用電信運營商公網規模大、覆蓋廣的資源優勢，通過邊緣運算節點資源和切片技術與行業合作構建虛擬5G專網，是5G行業專網的發展趨勢。這就向運營商提出了除了傳統的大網站點規劃建設，面對特定ToB行業專網的無線網絡配置規劃也提供一個準確且快速的評估方法[1]。

2" 評估方法

本文提出了一種基于垂直行業業務場景特征的智能無線規劃方法。該方法通過對5G行業應用業務場景信息收集提取行業場景特征值，再結合行業應用區域的POI空間信息對所在區域的基站小區進行遍歷識別，識別出可以初步滿足行業應用的現網小區集，并對這部分小區集進行容量預估，評估出行業客戶5G專網可用的現網小區集，該評估方法可快速輸出5G行業專網的網絡規劃方案，并指導網絡優化人員對5G公網專用部分的站點小區進行優化擴容，實現5G行業專網的快速、高質量交付。總體評估方法步驟如圖1所示，包含業務場景特征提取、無線資源分析評估、規劃評估輸出三個環節。

2.1 業務場景特征提取

對5G行業專網進行業務分析的目的是將業務的應用需求轉換為對無線網絡指標的要求，因此業務模型分析是ToB行業專網無線資源評估的前提，需要對業務應用的需求進行分類，對業務應用的場景區域進行劃分，對業務應用的區域面積進行測算等。常見的通過業務場景信息收集提取的業務場景特征如表1所示。

“用于特征分組”類主要用于數據的分組，提高機器學習的準確性，并便于找到待分析的5G專網項目所屬分組；“底層基礎計算”類主要用于數據的計算和關聯匯聚；“作為自變量參與機器學習”類主要在底層基礎數據計算后，用于參與分組后數據的機器學習[2]。

2.2 無線資源分析評估

2.2.1 小區識別算法

將參與機器學習的特征值，運用決策樹算法，生成行業類別和小區關系的預測器，預測器的準確性取決于業務場景特征提取的項目數量。根據當次需要分析的具體行業項目的POI信息、行業項目周邊基站小區數據、MDT采集到的數據等，通過上面的預測器（預測模型）進行預測，根據預測結果識別該具體行業項目的覆蓋小區，生成覆蓋小區集I。計算期間需對參與計算的小區進行篩選以提高運算效率，根據鏈路預算的覆蓋最大值外擴行業項目POI邊框，在外擴邊框內的小區參與此次運算分析。如圖2所示，實線框為行業項目的POI，經過鏈路預算小區覆蓋范圍最大為dmax，則虛線框圖內的小區才需參與分析，虛線框以外的小區沒有能力覆蓋到該項目。

對于小區集I中的每一個小區i，進一步對覆蓋情況進行分析，可以提升算法分析的準確性。

（1）小區平均場強KPI指標：對于MDT采集到的采樣點，平均RSRP≥-105 dBm。

（2）小區弱覆蓋采樣點占比：對于MDT采集到的采樣點，弱覆蓋采樣點（采樣點場強＜-105 dBm）占比＜10%。

小區集I中同時滿足平均場強和弱覆蓋采樣點占比要求的小區集合記為小區集I_R，不滿足要求的小區納入不符合條件的小區集I_W。

2.2.2 小區容量預估

5G網絡引入了切片技術，每切片用戶組的RB（資源塊）預留可以分為專用（Dedicated）、優先（Prioritized）、共享（Shared）三類，對于小區內的RB，如果采用專用預留（Dedicated）的方式，即使不使用RB，RB也無法提供給其他用戶使用；如果采用優先預留（Prioritized）的方式，當不使用RB時可以釋放給其他用戶使用；對于共享（Shared）的方式，RB由各用戶簽約5G的QoS參數競爭使用。眾多的ToC普通用戶均駐留在共享切片中，并使用共享RB承載業務。

通常行業項目新業務的開通需要保障既有用戶的感知和新業務的感知。5GQos中影響資源競爭的最常用的兩類業務為GBR（保障比特率）業務和NonGBR（非保障比特率）業務，在同等情況下，無線基站優先調用GBR業務。GBR業務的保障速率包括GFBR（保證流比特率）、MFBR（最大流比特率）兩個參數；Non-GBR業務的非保障速率包括Session-AMBR（會話聚合最大比特率）、UE-AMBR（UE聚合最大比特率）、MinBR（最小比特率）等參數。本算法基于保障GBR業務的GFBR和Non-GBR業務的MinBR進行容量估算，即GBR業務和Non-GBR業務均能達到運營商承諾的最低速率要求。

對于新行業項目能夠使用的資源，主要考慮從公網基站小區中共享切片的RB進行分割。基于此種思路，需要獲取的是共享切片及流量信息，找出I_R小區集中每個小區內所有共享切片的RB使用數量與對應承載的業務量的回歸關系。

針對小區集I_R，提取每個小區的切片級指標，取15分鐘粒度指標（見表2），至少包括1周數據（計算周期）。指標包括共享切片（未配置專用或優先RB的切片）的RB使用數和PDCP業務字節數等，從這些網管指標中可以提取出15分鐘均值，如果行業應用主要為網絡上行需求（即業務和網絡主要為上行受限），這里的RB使用數和PDCP業務字節數取上行對應的指標。

進一步分析，小區共享切片已存在的必須保障的速率V_Ex為

式中，為小區共享切片中所有GBR鏈路總容量需求；k為GBR鏈路總數；為小區共享切片中所有Non-GBR鏈路總容量需求；m為Non-GBR鏈路總數。對于單小區提取到的所有V_Ex取平均，即為單小區共享切片的基礎感知保障容量V_Ex_average。

小區內最多可用的共享RB數量記為RB_Share：

式中，RB_Total為小區所有可用RB數；RB_Dedicated為小區配置的專用RB數；RB_Prioritized為小區配置的優先RB數。RB_Share用于競爭，且RB_Share的承載能力可以通過y=RB_Predict（x）進行回歸預測得出y_RB_Shared_predict。

此處回歸算法不是本文討論核心內容，對于回歸問題，所有決策樹的輸出值都是平均的，能夠較好地解決過擬合等問題。通過數據訓練后的模型記為y=RB_Predict（x），x為使用的RB數，y為產生的PDCP層流量，該模型能夠較好地擬合小區的共享RB的使用效率，小區集I_R中的每個小區均應單獨生成預測y_RB_Shared_predict用于后續分析。對應速率為

當小區的保障速率（容量）需求超過小區能提供的最大速率時，需要對小區進行擴容或優化。

2.3 規劃評估輸出

針對小區能夠提供的共享容量V_Total，判斷是否能滿足所有需求。對于行業項目涉及的小區集I_R均進行了上述分析后，不滿足需求的小區被記錄為小區集I_Q。如果小區集I_Q為空，則反饋網絡滿足項目需求，可以開展后續商務談判及網絡開通等活動；如果I_Q不為空，則I_Q即為問題小區清單，需對小區集I_Q中的小區進行優化或擴容操作，從而得出針對某一公網專用行業項目的小區具體規劃信息。

3" 結束語

通過對5G行業應用業務場景信息的收集提取行業場景特征值，再結合行業應用區域的POI空間信息對所在區域的基站小區進行遍歷識別，識別出可以滿足行業應用的現網小區集及具體小區規劃信息（掛高、方向角等）。該規劃評估方法孵化成軟件或小工具，可快速輸出ToB網絡規劃方案，獲得行業市場競爭優勢，提升業務觸點。■

參考文獻

[1] 聶煒玲，黃嘉，王麗秋．面向5G+垂直行業的網絡配置模型[J]．互聯網天地，2021（3）：34-39.

[2] 肖子玉，韓研，馬洪源，等．5G網絡面向垂直行業業務模型[J]．電信科學，2019（6）：132-140.