基于異頻MR精準(zhǔn)識(shí)別中低頻覆蓋差異區(qū)域

摘要：現(xiàn)網(wǎng)L900M升級(jí)至NR900M后，L900M關(guān)閉，僅依靠現(xiàn)網(wǎng)L1800M覆蓋，一部分區(qū)域的LTE網(wǎng)絡(luò)覆蓋范圍收縮，如何精準(zhǔn)高效地識(shí)別L900M升級(jí)后的弱覆蓋區(qū)域，以及最低成本實(shí)現(xiàn)LTE中頻網(wǎng)覆蓋托底是本文重點(diǎn)研究的方向。目前電聯(lián)中頻一張網(wǎng)已全面鋪開，基于DBSCAN密度聚類算法進(jìn)行弱覆蓋柵格匯聚，精準(zhǔn)識(shí)別出需要中頻托底的覆蓋盲區(qū)。目前已在省會(huì)完成試點(diǎn)和現(xiàn)場(chǎng)測(cè)試驗(yàn)證，并在省內(nèi)其他地市完成價(jià)值推廣。

關(guān)鍵詞：L900M；異頻MR；弱覆蓋；DBSCAN算法；用戶體驗(yàn)

doi：10.3969/J.ISSN.1672-7274.2024.12.020

中圖分類號(hào)：TN 929.5" " " " " " 文獻(xiàn)標(biāo)志碼：A" " " " " " 文章編碼：1672-7274（2024）12-00-04

Accurate Identification of Low Frequency Coverage Difference Areas

Based on Inter Frequency MR

TIAN Chao， DAI Ting

（China Unicom Anhui Branch Network Department， Hefei 230031， China）

Abstract： After upgrading from L900M to NR900M， L900M is shut down and only relies on the coverage of L1800M in the current network. The LTE coverage in some areas shrinks. How to accurately and efficiently identify weak coverage areas after upgrading from L900M and achieve LTE intermediate frequency network coverage support at the lowest cost is the focus of this article. At present， the intermediate frequency network of the electric union has been fully deployed. The weak coverage grid aggregation is carried out based on DBSCAN density clustering algorithm to accurately identify the coverage blind spots that need intermediate frequency support. At present， pilot and on-site testing verification have been completed in the provincial capital， and value promotion has been completed in other cities within the province.

Keywords： L900M; abnormal frequency MR; weak coverage; DBSCAN algorithm; user experience

1" "研究背景

聯(lián)通現(xiàn)網(wǎng)LTE網(wǎng)絡(luò)主要由低頻（L900M）與中頻（L1800amp;L2100）交疊組網(wǎng)，L900M低頻的覆蓋能力強(qiáng)，用于實(shí)現(xiàn)城區(qū)的深度覆蓋和農(nóng)村的廣覆蓋。但是隨著用戶向5G網(wǎng)絡(luò)遷移，后續(xù)L900M將退頻演進(jìn)為NR900M，導(dǎo)致現(xiàn)網(wǎng)LTE網(wǎng)絡(luò)覆蓋范圍局部收縮，深度覆蓋不足情況，部分區(qū)域可能會(huì)出現(xiàn)無(wú)網(wǎng)絡(luò)覆蓋情況，為避免出現(xiàn)用戶感知和體驗(yàn)下降，需要在L900M升級(jí)前找出無(wú)L900M覆蓋而出現(xiàn)弱覆蓋和覆蓋盲區(qū)的區(qū)域，本文提供一種高精確度覆蓋盲區(qū)識(shí)別方案，采用DBSCAN算法進(jìn)行弱覆蓋柵格密度匯聚，為地市分公司在后續(xù)L900M演進(jìn)后中頻托底提供強(qiáng)有力的支撐，降低地市分公司在測(cè)試人員、時(shí)間上的投入，精準(zhǔn)增補(bǔ)L1800M網(wǎng)絡(luò)，保障用戶良好的服務(wù)體驗(yàn)。

2" "創(chuàng)新方案構(gòu)型

2.1 周期性異頻MR測(cè)量原理

根據(jù)用戶上報(bào)的本運(yùn)營(yíng)商和異運(yùn)營(yíng)商的異頻測(cè)量報(bào)告（MR）結(jié)果，進(jìn)行柵格地理化處理和數(shù)據(jù)匯聚，從而得出運(yùn)營(yíng)商的競(jìng)爭(zhēng)對(duì)手分析結(jié)果，以判斷用戶所在區(qū)域的網(wǎng)絡(luò)覆蓋情況。

2.2 DBSCAN密度聚類算法[1]

（1）尋找核心點(diǎn)形成臨時(shí)聚類簇：掃描全部樣本點(diǎn)，如果某個(gè)樣本點(diǎn)R半徑范圍內(nèi)點(diǎn)數(shù)目≥MinPoints，則將其納入核心點(diǎn)列表，并將其密度直達(dá)的點(diǎn)形成對(duì)應(yīng)的臨時(shí)聚類簇。

（2）合并臨時(shí)聚類簇得到聚類簇：對(duì)于每一個(gè)臨時(shí)聚類簇，檢查其中的點(diǎn)是否為核心點(diǎn)，如果是，將該點(diǎn)對(duì)應(yīng)的臨時(shí)聚類簇和當(dāng)前臨時(shí)聚類簇合并，得到新的臨時(shí)聚類簇。重復(fù)此操作，直到當(dāng)前臨時(shí)聚類簇中的每一個(gè)點(diǎn)要么不在核心點(diǎn)列表，要么其密度直達(dá)的點(diǎn)都已經(jīng)在該臨時(shí)聚類簇中，該臨時(shí)聚類簇升級(jí)成為聚類簇。繼續(xù)對(duì)剩余的臨時(shí)聚類簇進(jìn)行相同的合并操作，直到全部臨時(shí)聚類簇被處理。

2.3 聚類半徑和聚類面積推算

無(wú)線蜂窩網(wǎng)絡(luò)的覆蓋可等效為等邊六邊形，通常以三扇區(qū)為例計(jì)算：六邊形的邊=小區(qū)半徑R/2，站間距（inter site distance）=R+0.5R=1.5R。計(jì)算時(shí)以區(qū)域平均站間距除以1.5，得到DBSCAN小區(qū)半徑值。因此可推出：站點(diǎn)覆蓋面積 =3×[6×0.5×0.5R （） ×R ]=R2，檢驗(yàn)聚類后的聚類簇是否超過(guò)小區(qū)平均覆蓋面積。

3" "創(chuàng)新實(shí)踐

3.1 H市室外MR弱覆蓋柵格識(shí)別與增補(bǔ)

3.1.1 室外MR評(píng)估

900M覆蓋結(jié)果：室外平均RSRP為-84.76dBm，其中大于-85dBm占比51%，-85～-105 dBm占比45%，-105～-110dBm占比3%，小于-110dBm占比1%。

1800M覆蓋結(jié)果：室外平均RSRP為-91.22dBm，其中大于-85dBm占比38%，-85～-105dBm占比41%，-105～-110dBm占比11%，小于-110 dBm占比10%。

3.1.2 室外L1800M弱覆蓋柵格識(shí)別

（1）弱覆蓋有效柵格識(shí)別標(biāo)準(zhǔn)。當(dāng)L900M的RSRP＞-110dBm，L1800M電平＜-110dBm時(shí)，城區(qū)縣城的RSRP差值（L900M-L1800M）≥3dB，而鄉(xiāng)鎮(zhèn)農(nóng)村的RSRP差值（L900M-L1800M）≥6 dB。同時(shí)，考慮20m×20m的柵格，其中每個(gè)柵格內(nèi)的測(cè)量報(bào)告（MR）總采樣點(diǎn)需＞100個(gè)，并且900M的采樣點(diǎn)占比≥30%。

基于以上標(biāo)準(zhǔn)，在H市的城區(qū)和縣城共識(shí)別出L1800M的弱覆蓋柵格3 629個(gè)，而在鄉(xiāng)鎮(zhèn)和農(nóng)村識(shí)別出的弱覆蓋柵格數(shù)量為1 685個(gè)。

3.1.3 分場(chǎng)景室外弱覆蓋柵格匯聚（DBSCAN算法）

（1）城區(qū)縣城密度匯聚。H市城區(qū)縣城的平均站間距為0.523 km，基于聚類半徑和聚類面積推算，根據(jù)站間距= R+0.5R=1.5R，得出小區(qū)半徑為0.35 km，覆蓋面積為0.35×0.35×1.732×1.5=0.32 km2。將弱覆蓋柵格進(jìn)行DBSCAN算法密度匯聚，弱覆蓋柵格數(shù)量大于20個(gè)，匯聚后城區(qū)需37個(gè)點(diǎn)位要增補(bǔ)L1800M站點(diǎn)。

（2） 鄉(xiāng)鎮(zhèn)農(nóng)村密度匯聚。鄉(xiāng)鎮(zhèn)農(nóng)村測(cè)算站間距

2.027 km，以此基于聚類半徑和聚類面積推算，站間距=R+0.5R=1.5R，得出1.35 km，覆蓋面積為1.35×1.35×1.732×1.5=4.73 km2。將弱覆蓋柵格進(jìn)行DBSCAN算法密度匯聚，弱覆蓋柵格數(shù)量大于20個(gè)，匯聚后農(nóng)村需16個(gè)。

3.2 H市城區(qū)室內(nèi)MR弱覆蓋物理點(diǎn)識(shí)別與增補(bǔ)

3.2.1 城區(qū)室內(nèi)MR評(píng)估

（1）900M同頻測(cè)量MR：室內(nèi)平均RSRP為-89.81 dBm，其中大于-85 dBm占比33%，-85 ～-105 dBm占比59%，-105～-110 dBm占比6%，小于-110 dBm占比3%。

（2）900M上測(cè)量到的L1800M+L2100M：室內(nèi)平均RSRP為-92.93 dBm，其中大于-85 dBm占比30%，-85～-105 dBm占比50%，-105～-110 dBm占比11%，小于-110 dBm占比8%。

共識(shí)別城區(qū)室內(nèi)弱覆蓋柵格1 980個(gè)。

3.2.2 城區(qū)室內(nèi)弱覆蓋物業(yè)點(diǎn)匯聚

物業(yè)點(diǎn)地物匹配：通過(guò)地物匹配，將弱覆蓋MR采樣點(diǎn)匯聚至物業(yè)點(diǎn)，匯聚后弱覆蓋物業(yè)點(diǎn)262個(gè)。

3.3 H縣城室內(nèi)MR弱覆蓋物理點(diǎn)識(shí)別與增補(bǔ)

3.3.1 縣城室內(nèi)MR評(píng)估

（1）900M同頻測(cè)量MR：室內(nèi)平均RSRP

為-90.06 dBm，其中大于-85 dBm占比33%，-85～-105 dBm占比56%，-105～-110 dBm占比6%，小于-110 dBm占比5%。

（2）900M上測(cè)量到的L1800M+L2100M：室內(nèi)平均RSRP為-94.1 dBm，其中大于-85 dBm占比28%，-85～

-105 dBm占比49%，-105～-110 dBm占比11%，小于-110 dBm占比12%。

共識(shí)別縣城室內(nèi)弱覆蓋柵格359個(gè)。

3.3.2 縣城室內(nèi)弱覆蓋物業(yè)點(diǎn)匯聚

（1）物業(yè)點(diǎn)地物匹配：通過(guò)地物匹配，將弱覆蓋MR采樣點(diǎn)匯聚至物業(yè)點(diǎn)，匯聚后弱覆蓋物業(yè)點(diǎn)24個(gè)。

（2）弱覆蓋物業(yè)點(diǎn)：室內(nèi)弱覆蓋MR采樣點(diǎn)主要集中在高層住宅小區(qū)。

3.4 H市弱覆蓋柵格增補(bǔ)優(yōu)先級(jí)

依據(jù)弱覆蓋柵格數(shù)量和采樣點(diǎn)數(shù)量設(shè)置不同站點(diǎn)增補(bǔ)優(yōu)先級(jí)，地市根據(jù)各個(gè)場(chǎng)景的優(yōu)先級(jí)分批次規(guī)劃增補(bǔ)方案，增補(bǔ)優(yōu)先級(jí)打分規(guī)則如下：

（1）城區(qū)縣城室外：弱覆蓋柵格數(shù)量＞40得3分，30～40得2分，20～30得1分；采樣點(diǎn)大于50 000得3分，20 000～50 000得2分，5 000～20 000得1分。

（2）鄉(xiāng)鎮(zhèn)農(nóng)村室外：弱覆蓋柵格數(shù)量＞50得3分，30～50得2分，20～30得1分；采樣點(diǎn)大于80 000得3分，20 000～80 000得2分，10 000～20 000得1分。

（3）城區(qū)室內(nèi)：采樣點(diǎn)大于

20 000得6分，5 000～20 000得5分，2 000～5 000得4分，500～2 000得3分，100～500得2分，10～100得1分。

（4）縣城室內(nèi)：采樣點(diǎn)大于5 000得3分，500～5 000得2分，2 000～5 000得4分，500～2 000得3分，100～500得1分。

3.5 創(chuàng)新方案可行性驗(yàn)證

驗(yàn)證創(chuàng)新方案識(shí)別的弱覆蓋區(qū)域的精確度，現(xiàn)場(chǎng)基于MR識(shí)別的弱覆蓋物理點(diǎn)安排測(cè)試，抽取城區(qū)嘉和苑小區(qū)21棟、濱湖萬(wàn)科城21棟和中海濱湖公館17棟作為測(cè)試點(diǎn)；現(xiàn)場(chǎng)測(cè)試三個(gè)物理點(diǎn)的L900M覆蓋良好，平均RSRP在-85 dBm左右，電聯(lián)中頻L1800Mamp;L2100M的RSRP均低于-110 dBm，與異頻MR的識(shí)別的結(jié)果基本一致，證明創(chuàng)新方案識(shí)別的弱覆蓋區(qū)域的可行性、精確性。

4" "結(jié)束語(yǔ)

L900M升級(jí)至NR900M是未來(lái)網(wǎng)絡(luò)發(fā)展的必然趨勢(shì)，L900M升級(jí)后遺留下來(lái)的覆蓋空洞需要提前考慮。結(jié)合聯(lián)通L900M的覆蓋情況和電聯(lián)雙方中頻網(wǎng)的覆蓋情況識(shí)別L900M升級(jí)后遺留下來(lái)的覆蓋盲區(qū)，基于DBSCAN密度聚類，高效精準(zhǔn)識(shí)別弱覆蓋區(qū)域?yàn)楹罄m(xù)中頻托底提供數(shù)據(jù)，既可以節(jié)省盲目增補(bǔ)站點(diǎn)的成本，又能充分利用友商的網(wǎng)絡(luò)價(jià)值保障自身的網(wǎng)絡(luò)感知和用戶覆蓋體驗(yàn)。

參考文獻(xiàn)

[1] 馮少榮，肖文?。环N提高DBSCAN聚類算法質(zhì)量的新方法[J]．西安電子科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，35（3）：523-529．