張 進，盛莉莉，冷 ?。?中國聯(lián)通江蘇分公司，江蘇南京 009；.中國聯(lián)通南京分公司，江蘇南京 0000）

1 概述

互聯(lián)網(wǎng)的飛速發(fā)展帶動了整個信息技術(shù)產(chǎn)業(yè)的飛躍，在大數(shù)據(jù)背景下，移動網(wǎng)絡(luò)必須實現(xiàn)數(shù)據(jù)的高效處理。因此，應(yīng)充分利用大數(shù)據(jù)平臺和技術(shù)的優(yōu)勢，全面優(yōu)化移動網(wǎng)絡(luò)，增強其應(yīng)用能力。大數(shù)據(jù)平臺為移動網(wǎng)絡(luò)提供更好的數(shù)據(jù)處理環(huán)境，基于大數(shù)據(jù)平臺的一些新的算法，提供了更好的數(shù)據(jù)處理方式，能夠更好地促進無線網(wǎng)絡(luò)技術(shù)的開發(fā)與應(yīng)用，實現(xiàn)移動網(wǎng)絡(luò)的優(yōu)化，加強其應(yīng)用效果。

測量報告（MR）是指基站所獲取的信號強度測量報告。MR 數(shù)據(jù)能夠及時準確上報UE 端信號環(huán)境信息，并產(chǎn)生海量數(shù)據(jù)，是移動網(wǎng)絡(luò)優(yōu)化工作中最為常見的一類數(shù)據(jù)源。但是基于MR 數(shù)據(jù)的定位由于無線環(huán)境質(zhì)量、基站天線、地形、建筑物等因素都會對信號強度的變化產(chǎn)生影響，原有的MR 定位方法的精確度并不高。

MR 定位的目的是希望通過現(xiàn)網(wǎng)真實用戶上報的海量MR 數(shù)據(jù)，分析網(wǎng)絡(luò)的質(zhì)量、網(wǎng)絡(luò)性能等情況，同時亦可反映出現(xiàn)網(wǎng)用戶的真實感知，因此MR 定位的準確性至關(guān)重要。本文將以PNN 神經(jīng)網(wǎng)絡(luò)定位算法為基礎(chǔ)對MR 采樣點精準定位進行詳細的闡述。該算法更精準地預(yù)測出每個MR 采樣點的位置，為LTE 優(yōu)化、規(guī)劃工作提供更為精準、可靠的判斷依據(jù)。

2 定位指紋數(shù)據(jù)庫的建立和使用

一個無線小區(qū)發(fā)射的信號強度會隨著傳播距離的增加逐漸衰減，由于信號的衰弱和周圍不規(guī)則障礙物的遮擋，信號強度分布不可能像仿真軟件覆蓋分布那么規(guī)律，通常手機能夠同時觀測到其他多個鄰區(qū)信號，每一個鄰區(qū)的信號強度分布也符合上述特點。因此，手機終端在每一個位置都會觀測到一組小區(qū)的信號強度樣本值，并且在不同位置所接收到的這組小區(qū)的RSRP 樣本值又不相同，這種特征信息定義為指紋庫特征。圖1示出的是指紋庫采集處理流程。

圖1 指紋庫采集處理流程

傳統(tǒng)的指紋庫都是使用路測數(shù)據(jù)，但是受限于路測數(shù)據(jù)覆蓋面不完整、數(shù)據(jù)加密、對接困難等很多實際情況，指紋庫建立是一個比較困難的事情。而利用APP 和MR 結(jié)合生成的指紋庫（OTT）能顯著提升這個過程的效率，增加指紋庫的覆蓋面，提高系統(tǒng)的定位精度。目前支持MDT 功能的終端設(shè)備越來越多，設(shè)備廠商也逐漸開啟了MDT采集功能，MDT數(shù)據(jù)是較OTT數(shù)據(jù)更為方便快捷的一種新的指紋數(shù)據(jù)獲取方式。還有用戶家庭寬帶賬號地址信息、商用Wi-Fi 地址信息也都可以作為室內(nèi)定位非常精準的指紋數(shù)據(jù)。

指紋庫定位算法是指采用日常的DT 數(shù)據(jù)、MDT數(shù)據(jù)、OTT 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。

指紋庫定位算法的優(yōu)點如下：

擴展性強：日常的DT 數(shù)據(jù)、MDT 數(shù)據(jù)、OTT 數(shù)據(jù)均可作為指紋庫數(shù)據(jù)，通過一定的數(shù)據(jù)清洗匹配規(guī)則，形成定位需要的指紋庫，從而實現(xiàn)指紋庫從“線”到“面”的質(zhì)變。

便于維護：無線網(wǎng)絡(luò)的基礎(chǔ)是不斷變化的（尤其在網(wǎng)絡(luò)部署階段），某個區(qū)域基站拓撲發(fā)生變化，只需要對相應(yīng)區(qū)域的指紋庫進行更新；再按照一定的規(guī)則由程序判斷和剔除無用的指紋庫冗余數(shù)據(jù)。

準確性高：現(xiàn)網(wǎng)實際測試數(shù)據(jù)，準確性高，和傳統(tǒng)方法通過仿真計算出的指紋庫是2個不同的概念。

盡管指紋庫的準確性高，但由于采集的局限性（比如DT只在道路，OTT受限于上報數(shù)量），因此指紋庫并不能保證所有的區(qū)域都測試到，模型訓(xùn)練就利用局部的指紋庫對傳播模型進行訓(xùn)練，獲得最逼近真實無線環(huán)境的傳播模型，然后利用該模型計算所有50×50 柵格里面各個小區(qū)的強度。

指紋庫數(shù)據(jù)匹配原理如下：

a）指紋庫數(shù)據(jù)匹配一般采用模式匹配的標準算法。

b）指紋匹配宗旨：選擇MR 與指紋庫最“相似”的柵格。

c）相似度判斷可以通過MR中小區(qū)信號強度和指紋庫的LSQ（sum of squared difference）評估，值越小表示相似度越高。

3 海量MR信息和指紋庫的智能化關(guān)聯(lián)

MR 大數(shù)據(jù)平臺包含數(shù)據(jù)采集、數(shù)據(jù)解析和數(shù)據(jù)處理三大部分，全網(wǎng)MR 數(shù)據(jù)與指紋庫數(shù)據(jù)的智能化匹配是精準定位的最關(guān)鍵一步。以PNN 神經(jīng)網(wǎng)絡(luò)算法為基礎(chǔ)對MR 采樣點與指紋庫做關(guān)聯(lián)，同時結(jié)合經(jīng)過模型校正后的網(wǎng)格場強定位的結(jié)果，采用fingerprint等識別匹配算法對MR數(shù)據(jù)進行精確定位。

概率神經(jīng)網(wǎng)絡(luò)（PNN）是由D.F.Specht 在1990 年提出的。主要思想是用貝葉斯決策規(guī)則，即錯誤分類的期望風險最小，在多維輸入空間內(nèi)分離決策空間。它是一種基于統(tǒng)計原理的人工神經(jīng)網(wǎng)絡(luò)，它是以Parzen 窗口函數(shù)為激活函數(shù)的一種前饋網(wǎng)絡(luò)模型。PNN吸收了徑向基神經(jīng)網(wǎng)絡(luò)與經(jīng)典的概率密度估計原理的優(yōu)點，與傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)相比，在模式分類方面具有較為顯著的優(yōu)勢。

PNN 是徑向基網(wǎng)絡(luò)的一個分支，是前饋網(wǎng)絡(luò)的一種。它是一種有監(jiān)督的網(wǎng)絡(luò)分類器，基于概率統(tǒng)計思想，由Bayes 分類規(guī)則構(gòu)成，采用Parzen 窗函數(shù)密度估計方法估算條件概率，進行分類模式識別。PNN 的結(jié)構(gòu)模型共分4 層：輸入層、樣本層（又稱模式層）、求和層和決策層（又稱競爭層輸出層）。對應(yīng)網(wǎng)絡(luò)輸入X=[x1，x2，…xm]T，其輸出為Y=[y1，y2，…，yL]T，輸入向量為m，待匹配的類別數(shù)為L。

指紋庫的建立可以基于以下幾種方式。

a）DT 數(shù)據(jù)。缺點：DT 測試數(shù)據(jù)覆蓋面僅針對主干道路，并且測試工作量大，數(shù)據(jù)時效性差。

b）OTT 數(shù)據(jù)。從手機APP 上發(fā)的信息中解讀HTTP 協(xié)議表頭的URI 從而獲取終端的經(jīng)緯度信息。優(yōu)點：無需大量人工測試；缺點：數(shù)據(jù)存在加密風險，采樣樣本較少，需要長時間的數(shù)據(jù)搜集。

c）MDT 數(shù)據(jù)。最小化路測（MDT）是3GPP 在LTE系統(tǒng)中引入的普通用戶/商用終端進行測量數(shù)據(jù)采集、上報的自動化路測技術(shù)，只要用戶終端開啟GPS 并支持MDT 功能，終端就能向基站自動上報包含用戶位置信息的MDT 數(shù)據(jù)。盡管目前現(xiàn)網(wǎng)MDT 數(shù)據(jù)只占MRO數(shù)據(jù)的3%左右，但是與OTT 獲取的經(jīng)緯度信息相比，依然高出一個數(shù)據(jù)量級，并且解析方便。支持MDT 功能的終端設(shè)備也會越來越多，設(shè)備廠商也逐漸開啟了MDT 采集功能，因此，MDT 數(shù)據(jù)是較OTT 數(shù)據(jù)更為方便快捷的一種新的指紋數(shù)據(jù)獲取方式。

神經(jīng)網(wǎng)絡(luò)指紋定位程序流程描述：

a）采集DT/MDT/OTT 數(shù)據(jù)，按照指紋庫模板，對數(shù)據(jù)進行清洗、糾偏處理，生成訓(xùn)練序列樣本。

b）對生成的指紋數(shù)據(jù)進行模型訓(xùn)練，基于最小二乘法曲線擬合原理，對已知離散點上的數(shù)據(jù)集，生成小區(qū)傳播模型。

c）用訓(xùn)練序列樣本和用戶MR 的電平，根據(jù)神經(jīng)網(wǎng)絡(luò)定位算法，對MR 進行指紋匹配，精確定位出MR的位置經(jīng)緯度。

d）識別用戶的移動性場景，分別為靜止用戶、移動用戶、特殊場景用戶。靜止用戶：在設(shè)定的時間周期內(nèi)，同時滿足占用不同小區(qū)數(shù)量小于門限1，用戶活動范圍小于門限2，發(fā)起業(yè)務(wù)次數(shù)大于門限3，則判斷為靜止用戶；移動用戶：除靜止用戶和特殊場景用戶外，其他用戶則判斷為移動用戶；特殊場景用戶：如高鐵，1天連續(xù)占用4個高鐵站點定義為高鐵用戶。

e）根據(jù)用戶的移動性場景，對MR定位進行糾偏，生成最終的MR柵格定位數(shù)據(jù)。

圖2示出的是神經(jīng)網(wǎng)絡(luò)指紋定位程序?qū)崿F(xiàn)流程。

4 MR大數(shù)據(jù)平臺的搭建及應(yīng)用

圖2 神經(jīng)網(wǎng)絡(luò)指紋定位程序?qū)崿F(xiàn)流程

MR 大數(shù)據(jù)平臺實現(xiàn)了MR 數(shù)據(jù)定位和網(wǎng)優(yōu)大數(shù)據(jù)關(guān)聯(lián)建模，主要的功能包括“無信令數(shù)據(jù)情況下的指紋庫定位”“基于信令及OTT 經(jīng)緯度的指紋庫定位”“柵格化定位”“室內(nèi)外用戶區(qū)分定位”“競爭對手評估分析支撐”“MR 與XDR 的關(guān)聯(lián)”，通過建模創(chuàng)新和大數(shù)據(jù)分析，簡化網(wǎng)優(yōu)流程。

MR 大數(shù)據(jù)平臺采用松耦合的架構(gòu)，構(gòu)建于江蘇聯(lián)通共享層之上，系統(tǒng)建設(shè)融入江蘇聯(lián)通OSS2.0 框架的構(gòu)架，基于統(tǒng)一的采集層數(shù)據(jù)（包含MR、核心網(wǎng)信令、投訴、告警等采集層標準數(shù)據(jù)源），在O-PaaS 層上通過租戶的方式嵌入一個MR 數(shù)據(jù)合成層，主要包含MR 定位處理和MR 柵格化結(jié)果匯聚2 部分，具體實現(xiàn)以下功能。

論文擴展的四旋翼飛行器避障功能可以實現(xiàn)飛行過程中躲避空中的樹枝等有空隙的障礙物，但由于設(shè)計的避障程序并沒有考慮遇到?jīng)]有空隙的障礙物的情況，因此如果遇到墻壁等沒有空隙的障礙物時只能靠操作者自主躲避，曾想模仿二維走迷宮的算法使用堆棧存儲路徑做到自主尋路，但是由于空中環(huán)境的復(fù)雜性與四旋翼飛行器自身的限制，暫未發(fā)現(xiàn)高效算法來實現(xiàn)。四旋翼飛行器因其結(jié)構(gòu)的對稱性以及正反槳的應(yīng)用使其對比其他飛行器具有相對優(yōu)秀的平衡能力與較為簡單的操作方法，可以預(yù)見隨著無人機的發(fā)展，在未來生活中它將會越來越大眾化，為人類帶來越來越多的便利，因此對四旋翼飛行器的結(jié)構(gòu)、原理以及飛行動作進行探討具有較好的現(xiàn)實意義。

a）多維大數(shù)據(jù)清洗，主要是MR和XDR。

b）MR指紋庫建立和全量MR精準定位。

c）MR定位結(jié)果10、50 m柵格化結(jié)果匯聚。

d）MR 和XDR 關(guān)聯(lián)，提取應(yīng)用所需要的異常信令事件。

數(shù)據(jù)合成后采用標準表結(jié)構(gòu)，將關(guān)聯(lián)后的MR 用戶級/柵格級數(shù)據(jù)作為一種共享層資源，統(tǒng)一存放在Hadoop 平臺中，支撐上層應(yīng)用，如MR 柵格化指標輸出，信令/MR關(guān)聯(lián)、弱覆蓋簇分析、用戶/終端/網(wǎng)絡(luò)多維度聚類等。

圖3示出的是MR大數(shù)據(jù)平臺系統(tǒng)構(gòu)架。

圖3 MR大數(shù)據(jù)平臺系統(tǒng)構(gòu)架

MR大數(shù)據(jù)處理平臺具有如下特點。

a）實時在線大數(shù)據(jù)獲?。焊咝ё詣印?/p>

b）統(tǒng)一采集：數(shù)據(jù)源從統(tǒng)一采集層獲取，避免直采分光。

c）統(tǒng)一運算：嵌入MR數(shù)據(jù)合成層，完成多維大數(shù)據(jù)關(guān)聯(lián)和柵格化。

d）開放共享：統(tǒng)一存儲，數(shù)據(jù)開放，共享支撐。

e）客戶端友好：Web 應(yīng)用，支持GIS 呈現(xiàn)，支持數(shù)據(jù)庫操作，支持問題小區(qū)查詢和導(dǎo)出。

f）支撐精細優(yōu)化：50×50 m 柵格級統(tǒng)計、業(yè)務(wù)和MR的關(guān)聯(lián)定位、信令和MR的關(guān)聯(lián)定位。

定位和關(guān)聯(lián)所需要的硬件服務(wù)器等設(shè)備通過數(shù)據(jù)中心云平臺提供，主要包括定位DOCK 集群、接口機、Hadoop 資源等，S1、MR 信令均在大數(shù)據(jù)中心直接訪問。

圖4示出的是MR大數(shù)據(jù)平臺拓撲結(jié)構(gòu)。

圖4 MR大數(shù)據(jù)平臺拓撲結(jié)構(gòu)

中國聯(lián)通江蘇分公司基于MR 大數(shù)據(jù)平臺定位結(jié)果，實現(xiàn)了多個維度的應(yīng)用，具體包含精確規(guī)劃、多維度柵格分析、眾籌優(yōu)化和眾籌場景測試等。

5 結(jié)論

通過使用基于神經(jīng)網(wǎng)絡(luò)的MR 精準定位算法，來解決傳統(tǒng)定位方法遇到的問題，提高了定位結(jié)果的準確性?；诖朔椒▽崿F(xiàn)了中國聯(lián)通江蘇分公司全省MR 數(shù)據(jù)的定位處理，再通過對MR 定位結(jié)果的地理柵格化匯聚，結(jié)果數(shù)據(jù)可以提供給上層應(yīng)用做覆蓋分析，規(guī)劃站點。如果結(jié)合場景、道路等數(shù)據(jù)可以進行更多維度的問題分析。