杜劍波 范新梅 侯賓川

【摘要】本文主要是通過MR大數(shù)據(jù)分析，實現(xiàn)無線虛擬測試，MR覆蓋問題定位方面的技術(shù)創(chuàng)新，主要包括指紋庫算法、用戶行為識別算法及全方位覆蓋評估等，大幅提高了MR定位精度，同時提升深度覆蓋、業(yè)務(wù)價值、用戶感知、競對覆蓋等全方面網(wǎng)絡(luò)評估的可靠性。

【關(guān)鍵詞】MB數(shù)據(jù) XDR經(jīng)緯度 指紋庫 用戶識別算法

1 引言

基于現(xiàn)有網(wǎng)絡(luò)MR和XDR數(shù)據(jù)，通過用戶使用如滴滴打車，百度地圖等需要定位信息交互的軟件時通過XDR用戶面據(jù)解碼、匹配得到終端位置信息；通過MR與XDR信息關(guān)聯(lián)，實現(xiàn)MR信息與準確定位信息的關(guān)聯(lián)。

2 研究背景

隨4G業(yè)務(wù)商用和推廣以來，4G業(yè)務(wù)流量爆炸式增長，同時用戶對4G網(wǎng)絡(luò)質(zhì)量的要求越來越高，網(wǎng)絡(luò)深度覆蓋不足制約4G網(wǎng)絡(luò)質(zhì)量的提升，影響客戶感知。

運營商在面對多張網(wǎng)絡(luò)同時運行、用戶數(shù)迅速增長、各種業(yè)務(wù)層出不窮、多場景覆蓋需求等復(fù)雜的局面，需要從以前的靠人海戰(zhàn)術(shù)、多系統(tǒng)并行提取多維數(shù)據(jù)源，人工分析和組合的工作方式向云化大數(shù)據(jù)分析轉(zhuǎn)變。

3 MR大數(shù)據(jù)平臺無線虛擬測試的實現(xiàn)

3.1 終端位置信息的匹配

大量普通用戶的在網(wǎng)體驗，最接近網(wǎng)絡(luò)的實際情況，眾多的道路，大量的樓宇和不同的用戶習慣對人工測試帶來巨大挑戰(zhàn)。

定位所用的指紋庫算法是指采用日常的ATU道路/CQT撥打測試數(shù)據(jù)作為訓(xùn)練樣本指紋庫，將MR數(shù)據(jù)與之進行匹配，配對成功，完成MR的地理化顯示，指紋匹配一般采用模式匹配的標準算法，比如KNN（K Nearest Neighborhood），普通MR定位精度為200米，終端位置不能精確定位。MR覆蓋問題定位方面的技術(shù)創(chuàng)新主要包括指紋庫算法、用戶行為識別算法及全方位覆蓋評估等三方面，不僅大大提高了MR定位精度，同時提升深度覆蓋、業(yè)務(wù)價值、用戶感知、競對覆蓋等全方面網(wǎng)絡(luò)評估的可靠性。

3.1.1 指紋庫定位算法

指紋庫算法是指采用日常的ATU道路，CQT撥打測試數(shù)據(jù)作為訓(xùn)練樣本指紋庫，將MR數(shù)據(jù)與之進行匹配，配對成功，完成MR的地理化顯示。指紋匹配一般采用模式匹配的標準算法，比如KNN（K Nearest Neighborhood）；（1）指紋匹配：宗旨是選擇MR與指紋庫最“相似”的柵格；（2）相似度可以通過MR中小區(qū)信號強度和指紋庫的LSQ（sum of squared difference）評估，值越小表示相識度越高；（3）從待選區(qū)域的所有可能50*50柵格，按上面的方法找到K個最小的LSQ，這K個柵格的中心坐標就定義為MR的位置通過指紋庫算法將MR定位精度由傳統(tǒng)的200米提升到50米以內(nèi)。

3.1.2 用戶行為識別算法

用戶行為識別算法通過MR數(shù)據(jù)挖掘，獲取用戶的電平特征、鄰區(qū)特征、切換特征等多維度信息，建立室內(nèi)用戶模型，實現(xiàn)精確區(qū)分室內(nèi)外業(yè)務(wù)。

（1）用戶使用如滴滴打車，百度地圖，美團等需要定位的軟件時，有定位信息的交互；（2）這些信息可以從XDR用戶面數(shù)據(jù)中通過解碼，匹配得到終端位置信息；（3）MR與XDR信息關(guān)聯(lián)，實現(xiàn)MR信息與準確定位信息的關(guān)聯(lián)。

3.2 MR信息和準確定位信息的關(guān)聯(lián)

MR大數(shù)據(jù)分析基于路測數(shù)據(jù)的小區(qū)信號強度進行模型校正，以PNN神經(jīng)網(wǎng)絡(luò)算法為基礎(chǔ)對道路附近的MR樣本點進行定位，同時結(jié)合經(jīng)過模型校正后的網(wǎng)格場強定位的方法，采用finger-print等識別匹配算法進行精確定位。

3.3 功能模塊的現(xiàn)實應(yīng)用

MR大數(shù)據(jù)平臺無線虛擬測試現(xiàn)實應(yīng)用從網(wǎng)絡(luò)精確規(guī)劃、眾籌道路測試和眾籌掃樓測試等方面開展。

3.3.1 網(wǎng)絡(luò)精確規(guī)劃模塊

LTE網(wǎng)絡(luò)精確規(guī)劃模塊是通過MR定位、路測、工參，電子地圖等多維數(shù)據(jù)關(guān)聯(lián)分析，依托精度更高的指紋庫算法以及基于指紋庫的傳播模型訓(xùn)練算法，實現(xiàn)數(shù)據(jù)入庫、數(shù)據(jù)解析和定位、數(shù)據(jù)分析、報表輸出的自動化處理，快速、有效的定位覆蓋問題點。

從需求管理、站點規(guī)劃、價值分析到建后評估的全流程管理，實現(xiàn)需求管理、站點可柵格化呈現(xiàn)。

3.3.2 眾籌道路測試模塊。基于特有定位和位置信息匹配算法，通過XDR和MR的大數(shù)據(jù)關(guān)聯(lián)，采用APP GPS+MR指紋定位，獲得含經(jīng)緯度的可用采樣點。顯示采樣點的的覆蓋情況屬性，精確顯示道路采樣數(shù)以及覆蓋屬性。眾籌路測功能：獲得的道路多維度（覆蓋、干擾、重疊等）指標狀況，節(jié)省海量測試人員并獲取諸多難以涉及小巷或者小區(qū)內(nèi)道路情況，在節(jié)省測試成本的同時，提升日常測試工作的效率。眾籌道路測試軌跡圖不僅可以在平臺頁面直接呈現(xiàn)外，還可以在導(dǎo)出KML格式文件，在Google Earth中加載，以便維護、優(yōu)化人員對比分析。

3.3.3 眾籌掃樓測試模塊

眾籌掃樓功能：通過MR柵格化定位算法實現(xiàn)對區(qū)域覆蓋柵格化定位，并通過定位模型算法識別出室內(nèi)外用戶，在柵格化地圖上做精細化的顯示，進行室內(nèi)建筑物的覆蓋情況分析。

4 結(jié)束語

大數(shù)據(jù)時代已經(jīng)悄然而至，大數(shù)據(jù)提供了一個全新的信息生態(tài)環(huán)境和競爭舞臺，只有充分研究大數(shù)據(jù)特點，不斷創(chuàng)新分析方法來利用大數(shù)據(jù)的才可以保持持續(xù)的競爭優(yōu)勢。

運用MR數(shù)據(jù)分析平臺進行MR和XDR大數(shù)據(jù)挖掘，代替?zhèn)鹘y(tǒng)的人工道路測試和樓宇深度測試，大大減少了網(wǎng)絡(luò)優(yōu)化數(shù)據(jù)采集人工成本和時間成本。并且由于收集的是在網(wǎng)用戶的實際使用感知數(shù)據(jù)，減少了人工測試可能出現(xiàn)人為干預(yù)和采樣不合理因素，無線網(wǎng)絡(luò)評估結(jié)果更貼近用戶體驗，更公平合理，也使無線網(wǎng)絡(luò)評估工作進入自動化、智能化階段。

參考文獻：

[1]趙訓(xùn)威，林輝，張明，姜怡華，張鵬，岳然，李國榮《3GPP長期演進（LTE）系統(tǒng)架構(gòu)與技術(shù)規(guī)范》人民郵電出版社

[2]StefaniaSesia，IssanTonfik，Matthew BHker《LTE，TheUMTS Long Tern Evolution：From Theory to Practice》人民郵電出版社

[3]沈嘉《3GPP長期演進（LTE）技術(shù)原理與系統(tǒng)設(shè)計》人民郵電出版社