機器學(xué)習(xí)在網(wǎng)絡(luò)路測質(zhì)差小區(qū)分析中的應(yīng)用①

邵 星,許鴻奎,2,李 鑫,姜彤彤

1(山東建筑大學(xué) 信息與電氣工程學(xué)院,濟南 250101)

2(山東省智能建筑技術(shù)重點實驗室,濟南 250101)

隨著通信技術(shù)的日益更新,電信產(chǎn)業(yè)獲得了迅速發(fā)展.現(xiàn)如今,我國已經(jīng)擁有世界上最大的通信網(wǎng)絡(luò)和最多的用戶數(shù)量.由于網(wǎng)絡(luò)規(guī)模的擴大和數(shù)據(jù)量的急劇增加,對于智能化網(wǎng)絡(luò)優(yōu)化的需求在逐步提高[1].為了解決規(guī)模龐大且復(fù)雜多樣的移動通信網(wǎng)絡(luò)帶來的各類問題,國內(nèi)外許多學(xué)者針對機器學(xué)習(xí)在網(wǎng)絡(luò)優(yōu)化中的應(yīng)用進行了大量研究.

王西點等探究了人工智能在網(wǎng)絡(luò)運維中的應(yīng)用,并列舉了多種機器學(xué)習(xí)應(yīng)用的例子[2].張喆利用k 均值聚類算法對小區(qū)進行聚類成多個典型場景,之后對于不同聚類場景的小區(qū)可以實現(xiàn)自動推薦LTE 網(wǎng)絡(luò)參數(shù)配置方案[3].Kibria 等也對下一代的無線網(wǎng)絡(luò)及優(yōu)化中的大數(shù)據(jù)分析、機器學(xué)習(xí)和人工智能進行了研究和預(yù)測[4].對于網(wǎng)絡(luò)優(yōu)化中的質(zhì)差小區(qū)檢測,眾多學(xué)者展開了更為深入的研究.周鵬將質(zhì)差小區(qū)和異常小區(qū)聯(lián)系起來,使用改進的局部異常點(LOF)檢測算法,提高了檢測質(zhì)差小區(qū)的正確率[5].曾雨桐提出用層次聚類方法對小區(qū)性能進行劃分,定位到性能較差的小區(qū)后聚類分析質(zhì)差小區(qū)各項指標(biāo)之間的關(guān)聯(lián)度,從而針對性地制定優(yōu)化方案[6].王希將概率神經(jīng)網(wǎng)絡(luò)應(yīng)用于LTE 網(wǎng)絡(luò)根因定位分析中,實現(xiàn)了LTE 質(zhì)差小區(qū)的自動化分析[7].然而,這些研究鮮有基于機器學(xué)習(xí)對路測數(shù)據(jù)進行分析處理.路測是檢測階段的有效手段,能從實際網(wǎng)絡(luò)中獲得充足的數(shù)據(jù)[8].目前對于路測數(shù)據(jù)的分析主要依賴于網(wǎng)絡(luò)優(yōu)化工程師的個人經(jīng)驗進行判斷,準(zhǔn)確率不高、效率低下.

為了解決上述問題,本文針對路測數(shù)據(jù),提出了一種基于距離的四維特征的質(zhì)差小區(qū)檢測方法.首先對路測數(shù)據(jù)進行分析處理,將距離因素引入路測分析中,設(shè)計提取了基于距離的四維特征.然后采用聚類算法和人工判斷相結(jié)合的方式對路測數(shù)據(jù)進行標(biāo)定,并通過機器學(xué)習(xí)算法對小區(qū)進行優(yōu)劣劃分.將距離因素引入路測分析中,解決了采用單一指標(biāo)判斷方式不夠準(zhǔn)確的問題,更加貼合實際,在提高網(wǎng)絡(luò)優(yōu)化效率、降低成本等方面具有重要意義.

1 數(shù)據(jù)準(zhǔn)備

1.1 數(shù)據(jù)選擇

路測(Drive Test,DT),是指測試人員在汽車中,持專業(yè)的測試儀器對整段路段的無線信號情況進行測試.傳統(tǒng)的路測分析需要對網(wǎng)絡(luò)參數(shù)進行采集和數(shù)據(jù)分析,找出影響網(wǎng)絡(luò)質(zhì)量的因素,并制定優(yōu)化方案[8].主要可以獲得以下數(shù)據(jù):服務(wù)小區(qū)信號強度、小區(qū)識碼、手機所處的地理位置、呼叫管理等值.

研究采用了某市2016年部分路測數(shù)據(jù),該數(shù)據(jù)采集自117 個小區(qū),共78 613 條數(shù)據(jù).部分原始數(shù)據(jù)如圖1所示.選擇的路測數(shù)據(jù)參數(shù)為:基站小區(qū)的經(jīng)緯度信息、信號點的經(jīng)緯度信息,信號點的參考信號接收功率(Reference Signal Receiving Power,RSRP)、信號與干擾加噪聲比(Signal to Interference plus Noise Ratio,SINR)、物理小區(qū)標(biāo)識(Physical-layer Cell Identity,PCI).RSRP 是指在一個符號內(nèi)承載參考信號的所有資源粒子上接收到的信號功率的平均值,它是LTE 網(wǎng)絡(luò)中可以代表無線信號強度的關(guān)鍵參數(shù)以及物理層測量需求之一.SINR 可以被認為“信噪比”,是指接收到的有用信號和干擾信號的強度的比值.SINR 的數(shù)值大小,可以反映出信號點的噪聲情況.PCI 是用于區(qū)分不同小區(qū)的無線信號[9].但PCI 值在整個網(wǎng)絡(luò)中并不唯一.采用PCI 值的原因是這片區(qū)域小區(qū)的PCI 值沒有重復(fù),若有重復(fù),應(yīng)更換為演進通用陸地?zé)o線接入網(wǎng)絡(luò)小區(qū)標(biāo)識(E-UTRAN Cell Identifier,ECI),保證所用數(shù)據(jù)中的小區(qū)在這片區(qū)域的唯一性.

1.2 數(shù)據(jù)預(yù)處理

由于路測數(shù)據(jù)中存在缺失值、亂碼等問題,會導(dǎo)致錯誤的處理結(jié)果,使得算法無效或者遠離期望.

本文所提取的數(shù)據(jù)中存在著缺失值(如圖1所示),亂碼(如圖2所示)等問題,需要對原始數(shù)據(jù)進行預(yù)處理.經(jīng)典的處理方法有:刪除,均值替換等方法.因為含缺失值、亂碼值的對象與信息表中的數(shù)據(jù)量相比相對較小,所以采用了刪除元組法對數(shù)據(jù)進行處理,即將含有缺失值、亂碼值的記錄刪除.最終得到68 311 條數(shù)據(jù),預(yù)處理后的部分數(shù)據(jù)如圖3所示.

1.3 特征提取

預(yù)處理后的數(shù)據(jù)是以一個數(shù)據(jù)點的信息作為一條對象,在以小區(qū)為單位的質(zhì)差小區(qū)檢測中,不具有類別的可分性.因此,進行特征提取可以將原始特征轉(zhuǎn)換為一組具有明顯物理意義或者統(tǒng)計意義的特征,得到可分性更大的、更利于識別的特征數(shù)據(jù).根據(jù)人工網(wǎng)優(yōu)判斷的經(jīng)驗,進行統(tǒng)計特征提取.

傳統(tǒng)質(zhì)差小區(qū)的判定主要是根據(jù)路測數(shù)據(jù)中的兩個指標(biāo):RSRP 和SINR 的采樣概率.根據(jù)規(guī)定,在覆蓋區(qū)域內(nèi),TD-LTE 無線網(wǎng)絡(luò)覆蓋率若滿足RSRP >–105 dBm的概率小于或等于95%,則說明小區(qū)覆蓋情況較差,為質(zhì)差小區(qū);若滿足SINR>–1.6 dBm 的采樣概率小于或等于95%,則說明小區(qū)干擾較多,同樣為質(zhì)差小區(qū).

因為信號強度隨著距離的增加而逐漸衰減,所以距離小區(qū)基站較遠的區(qū)域,其信號接收功率比距離基站較近的區(qū)域的信號接收功率弱.由于相鄰小區(qū)的信號影響,使得小區(qū)邊緣的區(qū)域接收到的干擾比小區(qū)內(nèi)部的區(qū)域接收到的干擾大.所以單一的指標(biāo)不能很好的反映實際問題.在這種情況下,對于質(zhì)差小區(qū)的判斷不能只依靠覆蓋率這一指標(biāo),還應(yīng)當(dāng)考慮到信號點位置的影響.因此在本研究中,引入了信號點距離的因素,對于距離基站較遠的信號點,可以根據(jù)實際情況,將判斷的閾值設(shè)置一個合適的比近區(qū)信號點判斷閾值低的數(shù)值.

圖1 部分原始數(shù)據(jù)圖

圖2 亂碼數(shù)據(jù)圖

圖3 預(yù)處理后的部分數(shù)據(jù)圖

本文提出了基于距離因素的四維特征,分別為SINR 近區(qū)好點比例、SINR 遠區(qū)好點比例、RSRP 近區(qū)好點比例和RSRP 遠區(qū)好點比例.SINR 近區(qū)好點比例為近區(qū)SINR>3 dBm 的信號點的比例;SINR 遠區(qū)好點比例為遠區(qū)SINR>0 dBm 的信號點的比例;RSRP 近區(qū)好點比例為近區(qū)RSRP>–90 dBm 的信號點的比例;RSRP 遠區(qū)好點比例為遠區(qū)RSRP>–100 dBm 的信號點的比例.其中,將距離基站最近的信號點和最遠的信號點的距離的平均值作為閾值,大于閾值的區(qū)域為遠區(qū),小于或等于閾值的區(qū)域為近區(qū).為了分析特征的可分性,更加直觀的觀察特征,將RSRP 近區(qū)好點比例作為x軸,RSRP 遠區(qū)好點比例作為y軸,得到圖4;將SINR 近區(qū)好點比例作為x軸,SINR 遠區(qū)好點比例作為y軸,得到圖5.

圖4 RSRP 好點比例圖

圖5 SINR 好點比例圖

從圖4和圖5可以看出,數(shù)據(jù)點集中在0.7–1 之間,說明117 個小區(qū)里,覆蓋率較好的小區(qū)或者干擾較弱的小區(qū)占比較高.優(yōu)良小區(qū)集中分布,呈現(xiàn)較好的集聚現(xiàn)象.由此可得,特征能將優(yōu)良小區(qū)和質(zhì)差小區(qū)區(qū)分出來,可以用分類器進行分類.

1.4 數(shù)據(jù)標(biāo)定

目前對于質(zhì)差小區(qū)的檢測,很大程度上依據(jù)的是網(wǎng)優(yōu)工作人員的經(jīng)驗.傳統(tǒng)的路測,需要網(wǎng)優(yōu)人員結(jié)合多個質(zhì)量指標(biāo)的統(tǒng)計數(shù)據(jù),利用路測分析軟件對小區(qū)進行判斷和評估,存在正確率不夠、效率低下等問題.

為了提高基于路測數(shù)據(jù)對質(zhì)差小區(qū)檢測的效率,更為準(zhǔn)確的判斷小區(qū)的優(yōu)劣情況,采用聚類算法結(jié)合人工標(biāo)注的方法進行標(biāo)定.本研究采用的聚類算法為k均值聚類(k-means clustering algorithm,k-means)算法.該方法是最為常用的一種無監(jiān)督算法.首先隨機選擇k個點作為質(zhì)心,k的選值需要人為設(shè)定.再計算數(shù)據(jù)集中的每一個點離質(zhì)心的歐式距離或者余弦距離等,將其分配到距其最近的質(zhì)心所在的簇.之后每個簇的質(zhì)心更新為這個簇中所有點的平均值,直到滿足終止條件.這種算法簡單快速容易實現(xiàn),能夠體現(xiàn)數(shù)據(jù)在幾何和統(tǒng)計學(xué)上的意義[10].

先利用k均值聚類算法,將k值設(shè)定為2,即將所有的小區(qū)劃分為兩類,簡單分析后將優(yōu)良小區(qū)標(biāo)注為1,質(zhì)差小區(qū)標(biāo)注為0.網(wǎng)優(yōu)人員結(jié)合聚類結(jié)果,在路測分析軟件上進行分析,將結(jié)果進一步細化,得到最終分類結(jié)果.如圖6所示,在PCI 為115 的小區(qū)中有近一半的信號點的RSRP 值低于閾值,因此小區(qū)覆蓋下的信號強度不理想,應(yīng)為質(zhì)差小區(qū).同時查看聚類結(jié)果,PCI 為115 的小區(qū)的標(biāo)定值為0,則聚類結(jié)果正確,小區(qū)判定為質(zhì)差小區(qū).對于判斷不一致的小區(qū),交給另一位人員進行判斷,得到最終結(jié)果,減少了誤判率,提高了工作的效率和判斷的準(zhǔn)確率.

圖6 路測軟件分析圖

2 分類器選擇

2.1 選擇標(biāo)準(zhǔn)

分類器根據(jù)學(xué)習(xí)的方式主要分為無監(jiān)督學(xué)習(xí)分類器和有監(jiān)督學(xué)習(xí)分類器.無監(jiān)督學(xué)習(xí)的分類器可以利用未標(biāo)記的數(shù)據(jù),找到其中的隱藏結(jié)構(gòu),根據(jù)樣本之間的相似性進行分類;監(jiān)督學(xué)習(xí)的分類器依據(jù)標(biāo)簽,在分類好的數(shù)據(jù)基礎(chǔ)上判斷一個新的數(shù)據(jù)所屬的類別.

選擇分類器時,既要考慮分類器本身的特性,又要考慮各式數(shù)據(jù)集在訓(xùn)練時帶來的影響.無線網(wǎng)絡(luò)的LTE 小區(qū)的路測數(shù)據(jù)經(jīng)過數(shù)據(jù)處理、特征提取、數(shù)據(jù)標(biāo)注后,產(chǎn)生117×4 的特征矩陣和標(biāo)簽,將其輸入到分類器中,可以看出,訓(xùn)練數(shù)據(jù)為一個小樣本,維度較高的數(shù)據(jù)集,應(yīng)當(dāng)選擇屬于適用于小樣本的分類器.結(jié)合實際,實際的網(wǎng)優(yōu)工作,分類器應(yīng)該具有較好的可解釋性,可以在工作中,提供較好的指導(dǎo)性.考慮到實際的工程應(yīng)用,分類器的計算復(fù)雜度,要選擇快速且資源消耗小的算法.

2.2 算法概述

2.2.1 邏輯回歸算法

邏輯回歸(logistics regression)算法是監(jiān)督學(xué)習(xí)的一種常用算法,主要解決二分類問題.假設(shè)訓(xùn)練集D={(x(1),y(1)),(x(2),y(2)),···,(x(m),y(m))},其中特征X(i)∈Rn,類的標(biāo)記y(i)∈{0,1},假設(shè)函數(shù)如下:

其中,θ為模型參數(shù),J(θ)為損失函數(shù).邏輯回歸算法的最終目的就是最小化損失函數(shù)J(θ).這種算法運行速度快,簡單易于理解,容易更新模型,但是對數(shù)據(jù)和場景的適應(yīng)能力有一定的局限性.

2.2.2 支持向量機算法

支持向量機(Support Vector Machine,SVM)算法,是基于統(tǒng)計學(xué)習(xí)理論的一種監(jiān)督機器學(xué)習(xí)的方法.支持向量機可以找到一個最優(yōu)分類超平面,這個超平面能夠使其兩側(cè)的空白區(qū)域最大化,而且不失分類的精度[11].它在小樣本數(shù)據(jù)上能夠得到較好的結(jié)果,而且具有優(yōu)秀的泛化能力.但是運用在大數(shù)據(jù)集上會出現(xiàn)訓(xùn)練時間過長和準(zhǔn)確率不夠的問題.

2.2.3 決策樹算法

決策樹算法屬于監(jiān)督學(xué)習(xí),可以分為分類樹和回歸樹.分類樹可以基于不同的條件分割數(shù)據(jù)集.首先根據(jù)信息增益或者信息增益率來尋找最優(yōu)特征,然后根據(jù)特征中的最優(yōu)值將數(shù)據(jù)集分成兩個子數(shù)據(jù)集,之后重復(fù)以上操作,直到滿足終止條件.信息增益和信息增益率的公式為:

其中,a是特征,v是其中的一個分類,pv是v分類占特征a總個數(shù)的比例,Dv為根據(jù)v分類進行劃分之后的數(shù)據(jù)集,Ent(Dv)是劃分后數(shù)據(jù)集的信息熵,Gain(D,a)表示根據(jù)特征a劃分之后的信息增益,Gain_ratio(D,a)表示信息增益率.這種算法速度快,準(zhǔn)確率高,可生成易理解的規(guī)則,但是對于樣本數(shù)據(jù)量不一致的數(shù)據(jù)比較敏感,容易忽略掉屬性之間的相關(guān)性.

2.2.4k最近鄰算法

k最近鄰(k-Nearest Neighbor,kNN)分類算法是一種廣泛應(yīng)用的監(jiān)督學(xué)習(xí)算法.k近鄰算法遇到一個未知類別的新樣本時,根據(jù)一些已知類別的樣本,可以找到k個距離最小的鄰居樣本.新樣本就屬于類別中含有這些鄰居數(shù)量最多的類.這種算法理論基礎(chǔ)成熟,準(zhǔn)確度高,但對于大數(shù)據(jù)集來說,計算量大,所需內(nèi)存多,會造成運行時間過長等問題.

綜上所述,選擇邏輯回歸分類器、支持向量機分類器、決策樹分類器和k近鄰分類器這4 種較為簡單的算法作為質(zhì)差小區(qū)的檢測的算法,并通過結(jié)果對比分析,得到最適合的分類器.

3 實驗與結(jié)果分析

3.1 實驗設(shè)計

本文提出的基于機器學(xué)習(xí)的質(zhì)差小區(qū)檢測方法的整體流程圖如圖7所示.

圖7 整體流程圖

整個過程主要分為3 個部分:特征提取、數(shù)據(jù)標(biāo)注和分類結(jié)果比較.其中特征提取可以為分類器提供訓(xùn)練數(shù)據(jù)基礎(chǔ);數(shù)據(jù)標(biāo)注將質(zhì)差小區(qū)的檢測問題,轉(zhuǎn)化成機器學(xué)習(xí)中分類問題;分類器結(jié)果比較是將兩維特征(即RSRP 采樣率和SINR 采樣率)與基于距離的四維特征分別輸入到每一種分類器中進行分類,將其結(jié)果進行比較;若四維特征得到較高的分類準(zhǔn)確率,則將其準(zhǔn)確率和運行時間綜合比較,最終選擇出分類效果最好的分類器.

為了最小化模型結(jié)構(gòu)風(fēng)險,本實驗采用10 折交叉驗證對性能進行評估,將數(shù)據(jù)集平均分成10 份,輪流將其中的9 份做訓(xùn)練,1 份做驗證,并將10 次結(jié)果的均值作為對算法精度的估計,得到每種算法較為合理的準(zhǔn)確率.

3.2 特征的比較

為了驗證四維特征的可行性,分別使用邏輯回歸分類器、支持向量機分類器、決策樹分類器和k近鄰分類器4 種分類器對提取的四維特征和二維特征分別進行分類比較.二維特征和四維特征在不同分類器下的準(zhǔn)確率結(jié)果見表1.

表1 二維特征和四維特征在不同分類器下的準(zhǔn)確率

由表1可以看出,四維特征比二維特征在每一種分類器中的分類準(zhǔn)確率都高10%左右,由此可得,四維特征具有更高的分類準(zhǔn)確率,證明了四維特征的可行性,說明了基于距離的四維特征在基于機器學(xué)習(xí)的質(zhì)差小區(qū)的檢測中具有一定的實際意義.

3.3 分類器的選擇

選取邏輯回歸分類器、支持向量機分類器、決策樹分類器和k近鄰分類器4 種分類器,得到了四維特征在該4 種分類器中的結(jié)果如表2所示.

表2 四維特征在不同分類器下的準(zhǔn)確率和運行時間

由表2可以看出,在這4 種分類器,支持向量機分類器,表現(xiàn)出了更加優(yōu)異的分類性能(準(zhǔn)確率高且運行時間短).且四維特征在該分類器下得到的混淆矩陣和ROC 曲線如圖8和圖9所示.

由圖8可得,人工標(biāo)注質(zhì)差小區(qū)為43 個,其中有38 個被正確預(yù)測為質(zhì)差小區(qū),有5 個被錯誤的預(yù)測為優(yōu)良小區(qū);人工標(biāo)注優(yōu)良小區(qū)為74 個,有71 個被成功預(yù)測為優(yōu)良小區(qū),3 個被錯誤預(yù)測為質(zhì)差小區(qū).可以看出,支持向量機分類器對于四維特征的分類效果良好,錯誤分類在可接受的范圍內(nèi).

圖8 混淆矩陣

圖9 ROC 曲線

ROC 曲線的橫軸代表負正類率特異度,縱軸代表真正類率靈敏度,通過曲線可以很容易的查到任意界限值時的分類能力.AUC 為ROC 曲線下的面積,它作為數(shù)值可以直觀的評判分類器的好壞,取值在0.1 到1 之間,由圖9可以看出,支持向量機分類器的AUC為0.95,說明支持向量機分類器性能比較好.

通過實驗可以發(fā)現(xiàn),對于常用的4 種分類器,本文提出的基于距離的四維特征相比傳統(tǒng)的兩維特征均獲得了更高的準(zhǔn)確率,說明了將距離因素引入質(zhì)差小區(qū)的檢測能得到更加準(zhǔn)確的分類結(jié)果,其中在支持向量機中得到了最好的結(jié)果.

4 結(jié)論

本研究將距離因素引入到傳統(tǒng)的路測數(shù)據(jù)中,得到了基于距離的四維特征.分析比較了二維特征與四維特征在邏輯回歸分類器、支持向量機分類器、決策樹分類器和k近鄰4 種分類器中的效果,并分析了四維特征在4 種分類器中的分類準(zhǔn)確率和運行時間.根據(jù)以上研究可以得出:

(1)使用四維特征與二維特征進行機器學(xué)習(xí)的分類檢測比較,四維特征能夠獲得較好的區(qū)分結(jié)果.

(2)對比邏輯回歸分類器、支持向量機分類器、決策樹分類器和k近鄰分類器4 種分類器,在二維特征和四維特征中,支持向量機分類器均獲得了最好的分類效果.

所以,將距離因素引入到對路測數(shù)據(jù)進行質(zhì)差小區(qū)檢測能夠得到更好的結(jié)果,解決了單一指標(biāo)在質(zhì)差小區(qū)檢測中準(zhǔn)確度不夠的問題,在路測數(shù)據(jù)中為機器學(xué)習(xí)在質(zhì)差小區(qū)檢測中的應(yīng)用提供了理論依據(jù),具有一定的現(xiàn)實意義.