金華濱

（福州數(shù)據(jù)技術(shù)研究院有限公司，福建 福州 350200）

0 引言

根據(jù)全球移動(dòng)通信系統(tǒng)協(xié)會(huì)發(fā)布的預(yù)測顯示， 未來五年內(nèi)低功耗廣域網(wǎng)將超過傳統(tǒng)的2G/3G/4G 移動(dòng)網(wǎng)絡(luò)成為物聯(lián)網(wǎng)的主流連接方式。截至2018 年底，6.94億物聯(lián)網(wǎng)終端通過傳統(tǒng)移動(dòng)網(wǎng)絡(luò)進(jìn)行連接，僅0.66億通過低功耗廣域網(wǎng)方式進(jìn)行連接。到2025年，這個(gè)局面將得到徹底的扭轉(zhuǎn)，通過傳統(tǒng)移動(dòng)網(wǎng)絡(luò)連接的物聯(lián)網(wǎng)終端數(shù)量將增加至13億，而通過低功耗廣域網(wǎng)連接的終端數(shù)量將突破18億。面對如此之快的增速，如何優(yōu)化低功耗廣域網(wǎng)的網(wǎng)絡(luò)拓?fù)?，在建設(shè)最少低功耗廣域網(wǎng)基站的同時(shí)，提升其覆蓋面積和網(wǎng)絡(luò)質(zhì)量，是亟需研究的問題。低功耗廣域網(wǎng)按照工作在授權(quán)頻段和非授權(quán)頻段進(jìn)行分類，NB-IoT、EC-GSM是工作在授權(quán)頻段的技術(shù)，而Lora、SigFox是工作在非授權(quán)頻段的技術(shù)?？偟膩碚f，低功耗廣域網(wǎng)技術(shù)具有覆蓋廣、功率低的特點(diǎn)，單個(gè)基站的覆蓋范圍在幾千米至幾十千米之間，非常適合物聯(lián)網(wǎng)的發(fā)展場景[1]。

1 系統(tǒng)模型分析

低功耗廣域網(wǎng)多以星型拓?fù)涞男问匠尸F(xiàn)，根據(jù)網(wǎng)絡(luò)的覆蓋情況，若干個(gè)物聯(lián)網(wǎng)終端連接至一個(gè)低功耗廣域網(wǎng)網(wǎng)關(guān)，網(wǎng)關(guān)的作用是負(fù)責(zé)接收各個(gè)終端上傳的數(shù)據(jù)，并負(fù)責(zé)指定各條鏈路的回程連接，最終達(dá)到多鏈路上傳和轉(zhuǎn)發(fā)的目的。傳統(tǒng)移動(dòng)網(wǎng)絡(luò)仍需要負(fù)責(zé)服務(wù)器與網(wǎng)關(guān)之間的通信鏈路，服務(wù)器則主要負(fù)責(zé)介質(zhì)訪問層網(wǎng)關(guān)的路由選擇、連接進(jìn)程確認(rèn)等相關(guān)工作的處理。在低功率廣域網(wǎng)的組網(wǎng)過程中，首先需要對實(shí)際測量數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行初級的篩選和分析，將那些包含大量重復(fù)或者含有缺省值的屬性剔除，并使用統(tǒng)計(jì)學(xué)模型找出影響低功耗廣域網(wǎng)網(wǎng)絡(luò)覆蓋質(zhì)量的主要特征，然后將數(shù)據(jù)輸入到人工智能學(xué)習(xí)模型中進(jìn)行數(shù)據(jù)挖掘，最終獲得最為合理的低功耗廣域網(wǎng)基站布置圖。當(dāng)然這里所說的人工智能機(jī)器學(xué)習(xí)模型既包括預(yù)測模型，也包括規(guī)劃模型。基站站點(diǎn)需要根據(jù)實(shí)際的覆蓋情況和網(wǎng)絡(luò)質(zhì)量進(jìn)行調(diào)整，模型計(jì)算出來的位置較為理想，一些后期干擾因素并未完全排除[2]。

圖1 基于數(shù)據(jù)挖掘的低功耗廣域網(wǎng)組網(wǎng)規(guī)劃系統(tǒng)框架圖

2 低功耗廣域網(wǎng)信號覆蓋范圍預(yù)測模型的建立

低功耗廣域網(wǎng)組網(wǎng)最需要解決的問題是信號覆蓋范圍，重點(diǎn)解決信號覆蓋盲區(qū)以及個(gè)別位置信號覆蓋較差的問題。其中涉及到三方面比較重要的因素：一是基站自身的因素，如基站的功率額、天線的情況等；二是信號在傳輸過程中是否會(huì)受到干擾；三是干擾對覆蓋范圍的定量影響效果。

2.1 輸入數(shù)據(jù)的特征提取

基站自身的屬性包括基站的經(jīng)度、維度和高度，還有其發(fā)射功率、天線掛高、基站名稱、部署地區(qū)編號、最后連接的時(shí)間和地址、上行鏈路的PDU誤碼率、信噪比、信噪比盈余、擴(kuò)頻因子、信噪比與預(yù)定值之間的誤差和網(wǎng)絡(luò)狀態(tài)。測試點(diǎn)的屬性則包括下行鏈路接收信號強(qiáng)度指示器和傳輸一個(gè)SDU 的平均擴(kuò)頻因子以及測試點(diǎn)的經(jīng)度和維度。在確定好需要提取的特征屬性后，需要對得到的數(shù)據(jù)進(jìn)行初步的去除和分析，一些重復(fù)性的屬性需要被移除，比如經(jīng)緯度信息在地理位置中已有所體現(xiàn)，不需要再單獨(dú)列出。

2.2 信息覆蓋范圍的預(yù)測模型建立

這里采用了人工智能機(jī)器學(xué)習(xí)中常用的BRT回歸算法來預(yù)測信息覆蓋范圍，該算法能同時(shí)組成多個(gè)決策樹，具有更加優(yōu)質(zhì)的泛化能力，能提高預(yù)測模型的精確度。BRT模型可以用N棵決策樹的加法模型，如式（1）所示：

3 低功耗廣域網(wǎng)信號覆蓋范圍規(guī)劃模型的建立

對于低功耗廣域網(wǎng)信號覆蓋范圍規(guī)劃模型的建立，一般使用均值聚類算法，該算法將數(shù)據(jù)庫劃分成x個(gè)點(diǎn)，并按照等距相似度的劃分原則， 將原來的數(shù)據(jù)庫A={a1，...，ax}轉(zhuǎn) 變 為K個(gè) 簇 集 合B={b1，...，bk}。把最小化簇內(nèi)位置誤差平方和作為目標(biāo)函數(shù)，即可得到每個(gè)數(shù)據(jù)點(diǎn)對定位簇中心的位置，從而獲得基站建設(shè)的規(guī)劃位置。當(dāng)然數(shù)據(jù)挖掘的目的并不是簡單的數(shù)據(jù)轉(zhuǎn)換，而是需要在數(shù)據(jù)轉(zhuǎn)換的基礎(chǔ)上進(jìn)行加權(quán)問題的處理，這樣得到的目標(biāo)函數(shù)會(huì)更加精確。運(yùn)用數(shù)據(jù)挖掘的算法需要的輸入包含若干個(gè)終端數(shù)據(jù)點(diǎn)的位置和所有基站初始點(diǎn)的位置信息數(shù)據(jù)，把二者作為聚類目標(biāo)函數(shù)的初始化值。首先需要通過對距離進(jìn)行歸類來判定數(shù)據(jù)點(diǎn)的族類，待數(shù)據(jù)點(diǎn)分配完成后再通過迭代的方式實(shí)現(xiàn)對基站建設(shè)位置的調(diào)節(jié)。低功率廣域網(wǎng)信息覆蓋的范圍以能覆蓋位置到基站的距離為最大覆蓋半徑，期間會(huì)受到建木筑物阻擋、信號傳播干擾等多方面的影響。另外還需要考慮距離對于信號質(zhì)量的影響程度，所以對于本身覆蓋較差的終端會(huì)賦予其對基站建設(shè)位置影響更大的權(quán)重，這樣才能在多次的迭代過程中，讓基站完美的覆蓋這些信號盲點(diǎn)[3]。當(dāng)然在實(shí)際情況中，經(jīng)常出現(xiàn)通過加權(quán)算法仍然不能得到最佳組網(wǎng)結(jié)果的案例，就需要重復(fù)建立預(yù)測模型，并再次對基站的位置進(jìn)行優(yōu)化，直到滿足最優(yōu)的目標(biāo)函數(shù)，從而得到覆蓋范圍最佳的網(wǎng)絡(luò)拓?fù)鋵?shí)踐。在完成最佳的網(wǎng)絡(luò)拓?fù)湓O(shè)計(jì)后，還應(yīng)通過仿真分析和性能評估的方法對其進(jìn)行驗(yàn)證，方可將模型投入到實(shí)踐中。

4 結(jié)束語

綜上所述，本文提出了一種基于數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)的低功耗廣域網(wǎng)組網(wǎng)方法，其主要原理是通過機(jī)器學(xué)習(xí)的回歸算法提取和分析已獲得的數(shù)據(jù)值， 并通過均值聚類和多次迭代的方法找到目標(biāo)函數(shù)的最優(yōu)解，從而獲得最佳的組網(wǎng)方案。在實(shí)際的組網(wǎng)過程中，每條鏈路的數(shù)據(jù)量均不相等，需要在今后的研究過程中加以考慮，以便能獲得更精確的組網(wǎng)方案。