基于終端測量報告的用戶群精確定位方法研究

摘" 要：當前網絡優化工作模式面臨著現場數據采集成本高昂、分析效率不足以及數據實時性差的挑戰。為了應對這些問題，此研究提出了一種新的方法，通過對現有的測量報告數據進行深入分析和處理，結合時間提前量（TA）分布規律和無線信號傳播特性，探索提高用戶群體定位精度的有效途徑。這種方法不僅能夠實現對現場無線環境的高精度和高實時性展示，而且能夠為網絡的深度優化和市場發展提供強有力的支持。智能化的處理模式，可以實現降低成本、提高效率的目標，從而為網絡優化領域帶來創新和變革。

關鍵詞：數據擬合；場強分布；多元定位；場景包絡；四維熱力圖

中圖分類號：TN929.52 文獻標識碼：A 文章編號：2096-4706（2025）04-0011-05

Research on Precise Positioning Method for User Groups Based on Terminal Measurement Reports

LU Zhiquan， HU Wenling

（Hebei University of Economics and Business， Shijiazhuang" 050061， China）

Abstract： The current network optimization work model is confronted with challenges such as high costs of on-site data collection， insufficient analysis efficiency， and poor data real-time performance. To address these issues， this research proposes a new method. By conducting in-depth analysis and processing of the existing measurement report data， and combining the distribution patterns of Timing Advance （TA） with the characteristics of wireless signal propagation， it explores the effective ways to enhance the precision of user group positioning. This method can not only achieve high-precision and high-real-time display of the on-site wireless environment， but also provide robust support for in-depth network optimization and market development. The intelligent processing mode can achieve the goals of cost reduction and efficiency improvement， thus bringing innovation and transformation to the field of network optimization.

Keywords： data fitting; field strength distribution; multivariate positioning; scene envelope; four-dimensional heat map

0" 引" 言

網絡拓撲復雜且規模巨大，工程師現場摸查用戶集中區域效率低，且無法準確定位用戶聚集區域。根據統計，用戶的大部分網絡需求和業務位于室內，但室內環境復雜，測試工作量巨大，測試范圍和覆蓋評估準確性都難以保證[1]。傳統優化模式中后臺分析的最小粒度為小區級，精度不夠。數據不夠精細、成本壓力大、獲取現場數據流程煩瑣一直是網絡優化的痛點[2]。隨著計算機對大數據的處理能力越來越強，原始數據中秒級別的用戶信息可以與其他數據源融合分析，為以后的無線網絡自動智能優化提供較可靠的大數據支撐，具有廣泛的應用前景[3]。本方法基于現有的MR數據，通過對數據的智能化處理，可以實現TA級別的場強映射以及用戶密度地理化展示，在不增加硬件和人工成本的基礎上可以極大提高數據準度和工作效率。

1" 現有數據源及工作模式分析

位置信息服務（LBS）與人們日常生活息息相關。精準可靠的LBS依賴于高精度的定位技術。除衛星定位外，藍牙、UWB、Wi-Fi等也是定位技術的補充方案但這些技術均需布設信源設備，對運營商造成極大的成本壓力[4]。當前網絡優化過程主要使用的數據來源包括兩種：DT/CQT測試數據和MR柵格化數據[5]。

DT/CQT測試數據是外場工程師使用專用儀表和軟件到現場采樣得到的log文件。

MR柵格化數據來源于用戶終端上報的測量報告，經過采集、推送、解析、入庫等流程把數據加工成可操作的數據表形式，之后使用特定算法將采樣點測量數據轉化為固定格式的柵格數據以供地理化展示。

1.1" 現有數據源

1.1.1" DT/CQT測試數據

DT/CQT全稱為道路測試/通話質量測試，是檢查無線覆蓋水平和業務質量的常用測試手段。

無線場景大致可以分為室外場景和室分場景兩類。室外場景指具有空間開闊，信號覆蓋距離較遠等特點的一類場景，與之相對的室分場景是指空間相對封閉，信號傳播距離較近的一類場景。兩種場景雖特點不同，但測試方式大致相同，都需要進行覆蓋水平、干擾水平、空口上下行吞吐量、Ping時延以及語音質量等業務測試。

1.1.2" MR柵格化數據

MR是由網絡控制終端周期性上報參考信號接收功率（Reference Signal Receiving Power， RSRP）、參考信號接收質量（Reference Signal Receiving Quality， RSRQ）等測量報告而生成的大數據[6]。依托于大數據算法和架構的發展，數據處理效率大幅提升，現在有多個平臺都可以實現對MR數據源的處理和應用，其中最廣泛的用途就是MR柵格化呈現。MR柵格化呈現需要足量的用戶MR數據，依托大數據平臺算力對數據進行采集、推送、解析和入庫等一系列處理程序，之后將采樣數據與事先設定的柵格進行匹配，得到柵格級覆蓋數據。最后再借助GoogleEarth等軟件加載柵格圖層，完成網絡環境的地理化展示。

1.2" 現有工作模式分析

無線網絡環境復雜多變，日常優化工作中既需要工程師有豐富的知識儲備和經驗積累，也需要有足夠的數據支撐。當問題出現在個別區域或線路上時，DT/CQT測試響應速度快，可以及時獲取到現場的實際指標，支撐工程師做出判斷并給出解決方案；當需要對整體網絡進行評估優化時，DT/CQT采集工作量大、流程煩瑣、采樣比例低的特點會導致數據量不足，影響分析結果，此時MR柵格化數據覆蓋面廣、數據量大、成本低的優勢會更加明顯。

除應用場景不同外，兩種工作模式也在成本、效率和準確度上存在一些差異。

1.2.1" 成本分析

兩種模式下的主要成本項目如表1所示。

從表1中可以看出，DT/CQT的成本特點為PC、終端和GPS等設備一次性成本較低，人工費、軟件license費、車輛租費和燃油費等疊加成本高。對于MR柵格化處理工作模式而言，服務器的采購費用等一次性成本高，平臺的license費用和維護服務費用等平均成本較低。

1.2.2" 效率分析

在小范圍或者線路分析時，DT/CQT模式可以快速響應，及時到達現場采集信息，縮短處理時間，提高處理效率；范圍較大時，每個環節花費時間越多，處理效率越低。對于MR柵格化處理模式而言，范圍對其效率影響不是很大，此種模式下采集、推送等關鍵步驟耗時較長。當范圍較小時，效率不如DT/CQT模式高；范圍較大時，可以有效節約時間，提高效率。

1.2.3" 準確度分析

雖然在數據來源、數據處理過程和呈現形式上存在差異，但在同一無線環境下兩種模式輸出的結果應該是一致的。從實際效果看MR柵格化后的數據會和DT/CQT數據存在些許偏差。造成這種情況的原因是柵格化后的數據是將柵格內的采樣點做了算術平均。同一柵格內的電平差異無法體現。DT/CQT的采樣精度和柵格精度不在同一量級。

2" 用戶群精確定位方法原理介紹

如上文所述，現有工作模式在不同場景下的表現各有千秋，DT/CQT精度高，響應迅速，應對大范圍需求時會導致成本激增；MR柵格化處理輸出數據多，覆蓋面廣，效率和精度是短板。

當今無線網絡大規模建設的步伐已經逐漸放緩，網絡整體架構也基本定型。在沒有足以改變用戶習慣的革命性新產品出現之前，用戶會對現有網絡提出更高的要求，這需要我們具備在小區維度內進一步區分網絡環境和用戶的能力。

2.1" 數據源說明

在小區維度內進一步區分網絡環境和用戶，意味著要在小區粒度以下做區域切割和用戶定位。現有的無線應答中沒有小區粒度以下的劃分公式。不過MR文件中都是對采樣信息進行的分段收集，例如時間提前量，MR文件中定義了不同區間對應的時間提前量范圍，不同范圍代表終端距離天線的遠近。和時間提前量類似的還有參考信號接收功率。MR文件中定義了不同區間對應的時間提前量范圍，不同范圍代表終端距離天線的遠近。參考信號接收功率則以區間編號的形式對用戶上報的電平值進行記錄。由于路徑損耗等因素的存在，信號衰減會與無線信號在大氣中的傳播模型相吻合，信號強度基本滿足近大遠小，中心線方向大，兩側小的特點。將參考信號接收功率與時間提前量分布特征做映射，即可得到TA粒度的場強分布圖和用戶群分布圖。

方法中涉及的兩個主要數據源介紹如下。

2.1.1" 時間提前量

時間提前量（Tadv）定義為UE用于調整其主小區PUCCH/PUSCH/SRS上行發送的時間。時間提前量取值范圍為（0，1，2，…，1 282）×16 Ts。本次得到的最新的時間提前量即為上次記錄的時間提前量與本次基站測量得到的調整值之和。

2.1.2" 參考信號接收功率

參考信號接收功率（RSRP）定義為在考慮測量的頻帶上，承載小區專屬參考信號的資源單元（RE）的功率（W）的線性平均值，是反映服務小區覆蓋的主要指標。

2.2" 精確定位方法概述

在現有的的工程參數中，我們可以得到小區經緯度、天線發射功率等關鍵參數，再計算出用戶在小區內的方位和距離等信息就可以定位用戶的大概位置，如果將終端接收的參考信號強度同步匹配到對應方位上，就可以實現用戶群的場強分布。

2.2.1" Tadv數據解析定位

Tadv數據解析定位是將采樣時段內的所有采樣點從TA區間和相應采樣點數量兩個維度進行處理，在中國移動TD-LTE-OMC-R測量報告技術要求規范V2.0.0[7]中定義的每個TA對應到實際場景中約為78米。

2.2.2" RSRP數據模型化

RSRP數據模型化的目的是對采樣數據做初步定位，標識終端與天線的距離和終端對天線法線的偏離程度。從法線方向來看，信號強度隨著距離的增加逐漸減弱；從覆蓋方位來看，偏離法線距離越大，信號衰減越明顯。

通過RSRP和Tadv值的初步匹配，可以完成對采樣數據的初篩，匹配到電平值的歸屬方位。

2.2.3" TA級數據擬合

RSRP數據模型化處理后，可以得到各個TA范圍內的采樣點數和同一TA范圍內采樣點之間的偏離關系，這種偏離度可以體現相對遠近，但是不能體現相對距離。如果對用戶進行精確定位，還需要建立場強參考模型。場強參考模型是在充分考慮天線物理特性、電磁波空間傳播特點等因素條件下，計算得到的天線覆蓋區域內不同距離，不同方位的場強參考值。

將RSRP數據模型化后與場強參考模型擬合，TA值與RSRP值一一對應，可以將采樣點映射到相應的場強區域內，實現相對距離的體現。由于信號的覆蓋效果是關于法線對稱的，所以除落在天線法線上的采樣點外，其余采樣點會在場強參考模型上擬合出關于法線對稱的2個點位。如果要進一步區分位置，需要引入其他小區信息，進行多元定位。

2.2.4" 多元定位

多元定位的實現得益于MRO中終端關于鄰區RSRP的測量上報。在MRO中，終端除上報服務小區RSRP/Tadv外，還會上報鄰區RSRP（MR.LteNcRSRP）、鄰區PCI（MR.LteNcPci）和鄰區下行頻點（MR.LteNcEarfcn）。

無線側組網過程中為了規避同頻干擾，PCI復用距離較大[8]，這就保證了鄰區可以被確定。由于采樣數據是同時滿足服務小區和鄰區的場強分布的，鄰區確定之后將服務小區和鄰區TA級擬合數據相結合，借助多條鄰區關系即可唯一標定用戶點位。

使用Tadv解析數據和場強分布做擬合，可以得到TA粒度的場強分布圖。

使用Tadv解析數據和采樣點分布做擬合，可以得到TA粒度的用戶群分布圖。

3" 精確定位方法可行性評估

3.1" 定向天線場景

定向天線在空間中有很明顯的方向性[9]，在天線法線方向上，距離越遠，信號強度越低；在同一距離內，距離法線越遠，信號強度越低。

如圖1所示，使用Tadv和RSRP值進行數據擬合后，采樣點會擬合在其中的TA4區域兩個點位上，兩個點位關于天線法線對稱，此時無法做進一步定位。

之后引入采樣數據中關于鄰區的信息，在綠色TA圖中會有兩個點位，如圖2所示，根據小區的相對位置關系即可在兩個鏡像點中確定實際位置。如果兩個小區正好完全對向覆蓋，再引入第2條鄰區之后即可完成定位。

3.2" 全向天線場景

定向天線因為存在方向性，有效覆蓋區域類似于扇形，在區域分割和用戶定位上實現起來較容易[10]。全向天線可以使用運營商場景邊框對TA擬合數據做場景包絡，有效縮小范圍，提高定位精度。

完成場景包絡之后，即可使用多元定位方法輸出場強分布和用戶群分布。

4" 四維熱力圖實現方法概述

由3.2節可知，TA粒度的場強分布圖和用戶群分布圖是Tadv解析數據與場強分布和采樣點分布分別擬合后得到的結果，這個結果是采樣數據的靜態展示。如果將不同時段內的采樣數據分別處理并進行地理化渲染，以時間線的形式呈現，即可實現場強分布和用戶群分布的四維熱力展示。

4.1" 場強分布四維熱力展示

每個區域TA-RSRP是唯一的，同時每個TA內的RSRP值也是有合理范圍的。如果在擬合過程中出現無法定位的采樣點，說明該位置RSRP值偏離正常范圍，此時借助鄰區數據定位到問題區位并進行提示，同時在時間參數的輔助下可以判定問題影響時長，為分析定位提供支持。

圖3為某小區正常狀態下的場強分布四維熱力概念圖概念圖。圖4為某小區異常狀態下的場強分布四維熱力概念圖。

4.2" 用戶群分布四維熱力展示

將采樣點歸屬到相應的TA-RSRP后，使用不同顏色區分采樣點密度等級并渲染到點位圖中。加入時間因素后還可以展示不同時間段用戶群的分布情況，為分析用戶行為，優化網絡結構提供參考。

5" 應用場景及價值

1）支撐投訴分析和網絡優化。精確定位方法可以將現有的小區級分析粒度縮小到TA級，提高分析精準度。

2）支撐市場發展。用戶群分布四維熱力圖采集到了用戶群的活動范圍和活動特點，將其與現有的網絡覆蓋數據、性能指標、運營效果相匹配，可以定位網絡短板，為市場發展提供依據。

3）降本增效。傳統的工作模式需要耗費大量的人力物力，成本高，效率差。用戶群精確定位和場強映射功能可以依托于智能化平臺實現，在壓降了人、材、機成本的同時還能獲得更準確的數據和更高的工作效率。

6" 結" 論

高精度的場強熱力圖和用戶群分布熱力圖意味著高精度的無線環境數據和用戶流動數據，這些數據對競爭日益激烈的通信市場而言是非常重要的。

對設備商而言，準確的無線數據使其有能力對網絡盲點做深度定位；海量的用戶流動數據使其有條件挖掘潛在市場；實時的數據支撐為其推廣產品、拓展業務爭取了寶貴的時間。

對運營商而言，也可以獲得海量的數據，為做好市場發展和網絡完善提供支持。

參考文獻：

[1] 黃嫚嫚，黃翔，劉慶雅，等.基于MR采樣用戶定位的高負荷扇區優化 [J].移動通信，2022，46（7）：72-76.

[2] 孟煒譜，劉旭東，苗二龍，等.基于眾籌模式的5G網絡評估與優化 [J].郵電設計技術，2023（10）：50-53.

[3] 沈楠，趙春陽，余飛.LTE原始MR數據挖掘及在網絡優化中的應用 [J].科技與創新，2019（9）：149-151.

[4] 沈洪波，姚賽彬，汪保友.基于5G MR指紋的室內定位技術研究 [J].郵電設計技術，2023（2）：37-41.

[5] 楊飛虎，姚賽彬.基于MR柵格重疊覆蓋評估方法及優化應用 [J].電信快報，2019（6）：27-31.

[6] 陸健賢，黃濟丘，胡明星，等.基于LTE測量報告的2.1 GHz和3.5 GHz 5G SA覆蓋評估方法 [J].電信科學，2022，38（6）：131-142.

[7] 中國移動.TD-LTE-OMC-R測量報告技術要求規范V2.0.0 [EB/OL].[2024-08-31].https：//m.jinchutou.com/shtml/view-553334402.html.

[8] 張祿澳，范一芳，王宇軒，等.光儲式5G通信基站集群靈活性聚合與協同調度策略[J].電力系統保護與控制，2024，52（2）：101-110.

[9] 閆秋芳.甚高頻全向天線與定向天線合裝應用及性能分析 [J].長江信息通信，2024，37（5）：175-177.

[10] 張慶林，彭進霖，韓寒.定向天線在無線自組織網絡路由中的應用綜述 [J].計算機應用，2023，43（S2）：135-141.

作者簡介：盧志全（1994—），男，漢族，河北保定人，中級職稱，研究方向：大數據分析與信息管理；通信作者：胡文嶺（1973—），女，漢族，河北衡水人，副教授，碩士生導師，博士，研究方向：電子商務、數字經濟、大數據管理。

收稿日期：2024-09-03

基金項目：河北經貿大學科學研究與發展計劃項目（2022ZD06）