朱 偉 卞國東 張 晶 張桂榮 趙志揚 李欽竹

中國移動通信集團江蘇有限公司

0 引言

目前，高鐵已經(jīng)成為人們出行的主要交通方式之一。在傳統(tǒng)的網(wǎng)絡(luò)優(yōu)化中，為了保障快速運行中的高鐵用戶的網(wǎng)絡(luò)體驗，中國移動建立了高鐵專用承載網(wǎng)。但是，在高鐵沿線的公網(wǎng)用戶，會入侵并駐留在高鐵專用網(wǎng)絡(luò)，搶占專網(wǎng)資源，影響專網(wǎng)性能。如何準確識別公網(wǎng)入侵用戶，指導鐵路附近公網(wǎng)站點規(guī)劃，支撐公網(wǎng)/專網(wǎng)協(xié)同優(yōu)化，給專網(wǎng)減負，保障專網(wǎng)專用，成為亟需深入研究的課題。

1 基于大數(shù)據(jù)下的高鐵用戶研究方案

傳統(tǒng)的高鐵專網(wǎng)優(yōu)化主要分為RF優(yōu)化和參數(shù)調(diào)整兩種方法，這兩種方法均無法快速有效改善專網(wǎng)用戶感知。本文提出的基于大數(shù)據(jù)的高鐵用戶精準調(diào)度研究，運用了軟采+硬采結(jié)合數(shù)據(jù)源的方案，并基于用戶的全量信令，解決了傳統(tǒng)網(wǎng)絡(luò)優(yōu)化下無法解決的難題。

1.1 首創(chuàng)搭建高鐵虛擬路測平臺

高鐵虛擬路測平臺的優(yōu)勢：（1）基于軟采數(shù)據(jù)+硬采數(shù)據(jù)，相比對接廠家數(shù)據(jù)源，具備更廣泛的應(yīng)用和推廣場景；（2）基于高精度高鐵用戶識別與慣性定位算法，更準確復現(xiàn)高鐵業(yè)務(wù)感知和網(wǎng)絡(luò)質(zhì)量；（3）基于業(yè)務(wù)質(zhì)量和網(wǎng)絡(luò)性能的綜合呈現(xiàn)與聯(lián)合分析，支撐高鐵優(yōu)化的高效閉環(huán)。

通過平臺架構(gòu)，制定公網(wǎng)入侵評估流程：（1）高鐵概覽：線路級公網(wǎng)入侵指標統(tǒng)計呈現(xiàn)；（2）綜合管理：公網(wǎng)入侵較差路段識別，該問題路段小區(qū)級公網(wǎng)入侵指標評估，同時進行趨勢分析；（3）專題分析：入侵類型（TAU入侵、Attach入侵等）餅圖呈現(xiàn)，結(jié)合覆蓋分析專題，查看高鐵專網(wǎng)附近宏站覆蓋情況，最后結(jié)合參數(shù)、RF調(diào)整等人工手段進行深入分析。

1.2 高鐵用戶精準識別

隨機抽查平臺輸出的2000個高鐵用戶進行驗證，所抽查用戶均符合高鐵用戶特征，高鐵用戶識別準確率達到99%以上。

2 依托大數(shù)據(jù)手段對高鐵質(zhì)差小區(qū)優(yōu)化分析

針對公網(wǎng)用戶侵占高鐵專網(wǎng)資源的問題，本方案可以精準識別區(qū)分高鐵用戶和公網(wǎng)用戶，并將入侵的公網(wǎng)用戶遷移回公網(wǎng)，創(chuàng)新提出入侵的公網(wǎng)小區(qū)回溯算法。

2.1 入侵的公網(wǎng)小區(qū)回溯算法

（1）基于入侵用戶識別模塊的輸出，獲取入侵的用戶列表；（2）根據(jù)入侵用戶話單信息中的駐留小區(qū)信息以及話單中的事件信息，回溯入侵專網(wǎng)的公網(wǎng)小區(qū)；（3）入侵專網(wǎng)小區(qū)是排除月臺小區(qū)外的高鐵小區(qū)；（4）針對公網(wǎng)A-專網(wǎng)B-專網(wǎng)C-公網(wǎng)D-專網(wǎng)E-專網(wǎng)F的小區(qū)移動路徑，只針對專網(wǎng)B、E小區(qū)進行入侵的公網(wǎng)小區(qū)回溯。

回溯詳細場景如下：

場景1：準確回溯

連接態(tài)從公網(wǎng)小區(qū)切換入專網(wǎng)，入侵小區(qū)為切換源公網(wǎng)小區(qū)。

場景2：近似回溯

連接態(tài)在公網(wǎng)小區(qū)發(fā)生RLF，重建到專網(wǎng)小區(qū)；依據(jù)重建前所在小區(qū)的PCI在入侵點周圍查找匹配的最近公網(wǎng)小區(qū)。

場景3：近似回溯

ilde態(tài)從公網(wǎng)小區(qū)TAU重選入專網(wǎng)，根據(jù)入侵用戶的話單信息，查找入侵專網(wǎng)前一段時間內(nèi)（2min）最近話單產(chǎn)生的公網(wǎng)小區(qū)。該公網(wǎng)小區(qū)為入侵小區(qū)。

ilde態(tài)Attach專網(wǎng)小區(qū)，根據(jù)入侵用戶的話單信息，查找入侵專網(wǎng)前一段時間內(nèi)（2min）最近話單產(chǎn)生的公網(wǎng)小區(qū)。該公網(wǎng)小區(qū)為入侵小區(qū)。

場景4：無法回溯

ilde態(tài)從公網(wǎng)小區(qū)重選入專網(wǎng)或開機駐留專網(wǎng)，根據(jù)入侵用戶的話單信息，在入侵專網(wǎng)前一段時間內(nèi)（2min），查找不到該用戶的話單；處理周期內(nèi)第一條話單為專網(wǎng)小區(qū)，無法回溯。

2.2 基于公/專網(wǎng)用戶識別的資源調(diào)度策略

根據(jù)在站點?？康膶＞W(wǎng)用戶、在站點不?？康膶＞W(wǎng)用戶、公網(wǎng)用戶不同的行為特征，提出基于用戶行為的精確分流擴容方案，有效解決高鐵高負荷問題，實現(xiàn)承載能力倍增。具體實現(xiàn)流程如圖1所示。

圖1 根據(jù)用戶行為實現(xiàn)創(chuàng)新策略

2.3 停靠/不?？坑脩舴至鞑呗?/h3>

問題：目前MLB下，用戶在專網(wǎng)、站臺間頻繁占用，感知差。

策略：利用高鐵站點的重疊覆蓋特征，基于高鐵?？坑脩?不?？坑脩粼诨疖囌镜闹丿B覆蓋區(qū)域駐留的差異性，通過基于時長的負荷均衡策略，精確區(qū)分停靠、不停靠用戶。

精確設(shè)置MLB策略時長，精確區(qū)分和分流?？?不停靠用戶，有效降低專網(wǎng)負荷，詳情如圖2所示。

圖2 ?？?不?？坑脩舴至鞑呗?/p>

2.4 公/專網(wǎng)用戶分流策略

問題：大網(wǎng)FDD用戶過多占用專網(wǎng)小區(qū)，從而導致FDD網(wǎng)絡(luò)感知差。

策略：設(shè)置高鐵專網(wǎng)FDD1800（1.4M）保護罩，精確區(qū)分公/專網(wǎng)用戶，分流誤入專網(wǎng)的公網(wǎng)用戶。（1）頻點配置：保護罩小區(qū)與專網(wǎng)同覆蓋，頻點配置1409（1800，1.4M）功率高于專網(wǎng)；（2）鄰區(qū)配置：保護罩與專網(wǎng)無鄰區(qū)關(guān)系，保護罩到附近大網(wǎng)小區(qū)為單向鄰區(qū)；（3）級別配置：大網(wǎng)重選優(yōu)先級。

專網(wǎng)小區(qū)僅承載專網(wǎng)用戶，有效降低了專網(wǎng)話務(wù)負荷，實現(xiàn)專網(wǎng)載頻瘦身。

2.5 語音/數(shù)據(jù)用戶分流策略

問題：伴隨著用戶終端支持FDD且開通VOLTE功能的普及，無論是否撥打VOLTE電話均會優(yōu)先占用到FDD，從而導致FDD高負荷。

策略：專網(wǎng)多層網(wǎng)覆蓋場景下，將不同特點的業(yè)務(wù)與不同特性的頻段進行適配，詳情如圖3所示。

圖3 語音/數(shù)據(jù)用戶分流策略

2.6 各類改善效果詳情

弱覆蓋提升：滬寧覆蓋優(yōu)化類問題點累計132個，已識別并解決123個，其中改善率為90%，效果提升明顯。如圖4所示。

圖4 弱覆蓋提升效果

公網(wǎng)入侵改善：共識別172個區(qū)域公網(wǎng)入侵嚴重，已完成59個問題處理，完成率34%，改善率100%。如圖5所示。

保護罩策略開啟效果：昆山南站專網(wǎng)開啟保護罩小區(qū)后，7月24日和6月26日指標對比，高鐵專網(wǎng)小區(qū)最大激活用戶數(shù)下降明顯（10%左右）。

基于時長的MLB策略分裂效果：2019年6月24日開啟了專網(wǎng)到大網(wǎng)站臺小區(qū)的MLB算法，對比7月27日和6月22日兩天專網(wǎng)小區(qū)內(nèi)最大用戶數(shù)占比（專網(wǎng)用戶數(shù)/＜專網(wǎng)+大網(wǎng)用戶數(shù)＞）明顯降低，降低20%左右。

QCI綁定關(guān)系調(diào)整效果：調(diào)整后晚忙時D頻段用戶數(shù)占比由23.26%提升至42.85%，F(xiàn)DD用戶數(shù)占比下降17%左右。兩網(wǎng)負荷均衡，效果良好，具體占比如下表所示。

圖5 公網(wǎng)入侵提升效果

表1 分時分頻段用戶比例

策略優(yōu)化后現(xiàn)場測試，與優(yōu)化前占用同樣FDD小區(qū)的情況下，優(yōu)化后下載速率提升明顯。

3 結(jié)束語

根據(jù)公網(wǎng)用戶的多個特征，在算法上從多個維度綜合判斷，準確識別入侵專網(wǎng)的公網(wǎng)用戶，從而指導附近公網(wǎng)站點規(guī)劃，支撐公網(wǎng)/專網(wǎng)協(xié)同優(yōu)化，為專網(wǎng)減負，保障專網(wǎng)用戶的體驗，確保高鐵地段擁有優(yōu)質(zhì)的網(wǎng)絡(luò)質(zhì)量，具有很強的現(xiàn)實指導意義?？梢酝ㄟ^大數(shù)據(jù)分析減少人工的分析及DT測試，且定位更為精準，對于提升網(wǎng)絡(luò)深度覆蓋和提高用戶滿意度有著積極的意義。