基于感知高負荷小區(qū)的快速響應策略研究

［肖小潮 王臣昊］

1 引言

隨著4G網(wǎng)絡建設和業(yè)務推廣，網(wǎng)絡的主要問題已經(jīng)從覆蓋轉(zhuǎn)為容量，用戶在使用網(wǎng)絡過程中更多的因為容量感知而產(chǎn)生投訴。以S市為例，自2018年下半年新增用戶不限量套餐推出后，4G日均流量增長了近100%，無線利用率高達45%，日均高負荷小區(qū)數(shù)達2000多個。后續(xù)隨著流量經(jīng)營及新業(yè)務的發(fā)展，預計網(wǎng)絡流量仍將持續(xù)增長，網(wǎng)絡負荷問題將更加嚴峻。如圖1所示。

圖1 網(wǎng)絡負荷及無線利用率情況

另外，由于用戶業(yè)務分布的潮汐波動性，導致高負荷小區(qū)也存在較大的時間和空間上的波動性[1]。每周出現(xiàn)頻次小于3次的高負荷小區(qū)約占40%，且每天出現(xiàn)高負荷的小區(qū)時段也不固定；地理分布上沒有明顯的地域特性，較為分散。目前對高負荷小區(qū)的處理主要依賴人工手動核查問題站點的軟硬件資源、臨時調(diào)整軟件資源做腳本擴容，處理效率低極，平均每天每個人僅能處理高負荷小區(qū)13個左右；對涉及到軟件資源騰挪調(diào)整的，單小區(qū)擴容時長需近4個小時。由于高負荷小區(qū)數(shù)量多、突發(fā)波動性強、處理時長長，如何從眾多高負荷小區(qū)中挑選出對用戶感知影響最為嚴重的小區(qū)并進行快速處理成為我們亟需解決的難題。

2 感知高負荷小區(qū)的處理思路

2.1 感知高負荷小區(qū)的選取

對高負荷小區(qū)進行性能分析，不難從中挑選出8個網(wǎng)絡指標與用戶感知強相關(guān)：小區(qū)內(nèi)的最大用戶數(shù)U、小區(qū)內(nèi)的平均用戶數(shù)U'、上行信道PRB平均利用率R、下行信道PRB平均利用率R'、控制信道CCE利用率E、空口上行流量（GB）D、空口下行流量（GB）D'、小區(qū)用戶面下行平均時延（ms）L。

基于上述8個指標對用戶感知的不同影響程度，在一般場景下，我們對眾多高負荷小區(qū)進行加權(quán)打分計算：

考慮到各個維度的指標在不同場景下對用戶感知的影響程度不同，為此，我們在上述打分的基礎上，根據(jù)不同場景下用戶感知最易受限維度的差異性，對相關(guān)的受限維度進行不同的比例加權(quán)修正，如表1所示。

表1 不同場景下各感知指標的加權(quán)比例

加權(quán)后各場景下高負荷打分公式為：

（1）農(nóng)村宏站：

（2）密集高校：

（3）節(jié)假日景區(qū)、交通樞紐：

（4）居民區(qū)：

如表2，根據(jù)分值β對眾多高負荷小區(qū)進行打分及高/中/低優(yōu)先級分類，從而完成從眾多高負荷小區(qū)中挑選出對用戶感知影響最為嚴重的小區(qū)。

表2 高負荷處理優(yōu)先級與β打分值的關(guān)系表

2.2 感知高負荷小區(qū)的處理

對β值高于1.5的感知高負荷小區(qū)的出現(xiàn)時間段進行規(guī)律分析，發(fā)現(xiàn)大部分小區(qū)出現(xiàn)時間段集中在晚間且較為穩(wěn)定，白天出現(xiàn)的感知高負荷小區(qū)數(shù)較少且多為突發(fā)。為此，對高優(yōu)先級感知高負荷小區(qū)的處理，可以根據(jù)出現(xiàn)的時間段采取不同的處理手段。白天出現(xiàn)的少量突發(fā)的感知高負荷小區(qū)應通過縮小監(jiān)控粒度，及時進行小區(qū)均衡及動態(tài)擴容[2]；晚間出現(xiàn)的感知高負荷小區(qū)在參考白天高負荷小區(qū)處理方法的基礎上，重點應提前做好軟硬件資源準備并進行固化，在高負荷瓶頸出現(xiàn)前提前做好預前處理，如圖2所示。

圖2 高優(yōu)先級感知高負荷小區(qū)的時間分布

2.2.1 小區(qū)均衡

隨著網(wǎng)絡資源的逐漸加厚，感知高負荷小區(qū)所服務的高業(yè)務區(qū)往往存在多個基站小區(qū)同覆蓋的情況。為了快速地緩解高負荷現(xiàn)象，要求我們需快速地找出與感知高負荷小區(qū)相關(guān)聯(lián)的周邊鄰區(qū)并做好均衡操作[3]。為此，我們從小區(qū)間的關(guān)聯(lián)性出發(fā)，定義了業(yè)務相關(guān)性Z和干擾相關(guān)性T兩個系數(shù)，并依據(jù)這兩個相關(guān)性系數(shù)做出相應的小區(qū)間均衡操作。

綜合考慮小區(qū)間業(yè)務相關(guān)性在網(wǎng)絡側(cè)的體現(xiàn)[4]，我們根據(jù)測量報告（MR）數(shù)據(jù)獲取感知高負荷小區(qū)下上報的某一特定鄰區(qū)的次數(shù)為A，A次數(shù)越多代表該鄰區(qū)與感知高負荷小區(qū)同覆蓋的采樣點越多，能夠幫高負荷小區(qū)分擔更多的業(yè)務；鄰區(qū)上報中的總鄰區(qū)次數(shù)為A'；網(wǎng)管數(shù)據(jù)獲取感知高負荷小區(qū)與某一特定鄰區(qū)的切換次數(shù)為C，C次數(shù)越多代表該鄰區(qū)與感知高負荷小區(qū)的互操作相關(guān)性越強；網(wǎng)管數(shù)據(jù)獲取感知高負荷小區(qū)總的切換次數(shù)為C'；通過基站經(jīng)緯度獲取兩個小區(qū)間的距離為D（km）。對上述幾個維度的指標進行如下計算，便可得到感知高負荷小區(qū)與某一特定鄰區(qū)的業(yè)務相關(guān)性：

如表3所示，以感知高負荷小區(qū)（PCI 267，頻點38400）為例，計算得到的周邊鄰區(qū)的業(yè)務相關(guān)性系數(shù)如下：

表3 某一感知高負荷小區(qū)與周邊鄰區(qū)的業(yè)務相關(guān)性系數(shù)

基于不同的業(yè)務相關(guān)性系數(shù)Z，我們對相應的小區(qū)做出如下操作：對于Z大于0.3的小區(qū)，優(yōu)先進行功率調(diào)整及鄰區(qū)核查，確保該小區(qū)與高負荷小區(qū)的鄰區(qū)關(guān)系已添加，通過進一步調(diào)整鄰區(qū)的功率來吸收更多的同覆蓋業(yè)務；對于Z值介于0.15和0.3之間的小區(qū)，優(yōu)先進行負載均衡及互操作參數(shù)調(diào)整，旨在該小區(qū)能為感知高負荷小區(qū)承擔更多業(yè)務；對于Z值小于0.15的小區(qū)優(yōu)先進行小區(qū)參數(shù)核查，查看是否能進一步增強跟感知高負荷小區(qū)的關(guān)聯(lián)性從而進行相關(guān)均衡操作；

綜合考慮小區(qū)間干擾相關(guān)性在網(wǎng)絡側(cè)的體現(xiàn)[5]，我們根據(jù)測量報告（MR）數(shù)據(jù)獲取感知高負荷小區(qū)下上報的某一特定鄰區(qū)的采樣點中，滿足鄰區(qū)的電平與高負荷小區(qū)的電平值相差小于6 dB的采樣點個數(shù)為L，L次數(shù)越多代表該鄰區(qū)與感知高負荷小區(qū)的電平差異性越小，鄰區(qū)對高負荷小區(qū)的高業(yè)務信道干擾風險越大；A為感知高負荷小區(qū)下上報的某一特定鄰區(qū)的次數(shù)；另假定感知高負荷小區(qū)PCI為P1，鄰區(qū)PCI為P2，若P2與P1存在MOD 3干擾的，則認為鄰區(qū)對高負荷小區(qū)有高CRS干擾。對上述幾個維度的指標進行如下計算，便可得到感知高負荷小區(qū)與某一特定小區(qū)的干擾相關(guān)性：

以感知高負荷小區(qū)（PCI 267，頻點38400）為例，計算得到的周邊鄰區(qū)的干擾相關(guān)性系數(shù)如表4所示。

基于不同的干擾相關(guān)性系數(shù)T，我們對相應的小區(qū)做出如下操作：對于T大于0.25的小區(qū)，考慮主要為鄰區(qū)對高負荷小區(qū)存在模3干擾，優(yōu)先進行頻點或者PCI的優(yōu)化調(diào)整；對于T小于0.25大于0.05的小區(qū)，考慮主要為存在重疊覆蓋的干擾因素，優(yōu)先進行天饋及功率調(diào)整。

2.2.2 快速擴容

對感知高負荷小區(qū)的快速擴容，主要涉及到擴容所需軟硬件資源的核實、軟硬件資源的準備、擴容腳本的制作執(zhí)行三大環(huán)節(jié)。其中，擴容所需軟硬件資源的核實，目前我們已基于小區(qū)的基礎工參、物理拓撲結(jié)構(gòu)等信息，對所需的軟硬件資源實現(xiàn)實時呈現(xiàn)；對擴容腳本的生成制作，目前已通過winform平臺開發(fā)相關(guān)工具實現(xiàn)智能生成和執(zhí)行；為此，為實現(xiàn)對感知高負荷小區(qū)的快速擴容，重點在于解決軟硬件資源的準備環(huán)節(jié)。

表4 某一感知高負荷小區(qū)與周邊鄰區(qū)的干擾相關(guān)性系數(shù)

對軟件資源的準備，往往需先由網(wǎng)優(yōu)工程師從現(xiàn)網(wǎng)其他空閑站點縮出相應資源到共享資源池，再通過產(chǎn)品工程師線上申請，將對應資源重新加載到感知高負荷待擴容小區(qū)上。整個環(huán)節(jié)涉及到的時間較長，約為2～3小時。鑒于軟件資源的跨站調(diào)整費時較長，為此，我們將軟件資源的調(diào)度由全網(wǎng)式站點搜索調(diào)整為共站不同小區(qū)間。借助共站小區(qū)間的潮汐效應，實現(xiàn)站點內(nèi)軟件資源的快速復用調(diào)度。

如表5所示，以X站為例，其長期存在感知高負荷且業(yè)務量較高，但對X站的不同小區(qū)不同時段進行β值打分分析，發(fā)現(xiàn)X站6_1小區(qū)的忙時為11點～14點，X站4_3小區(qū)的忙時為1點～4點，兩個小區(qū)間存在潮汐效應。為此，通過潮汐調(diào)度軟件資源的方法，即11點前將X站4_3小區(qū)的軟件資源調(diào)給X站6_1小區(qū)，1點前將X站6_1小區(qū)的軟件資源調(diào)回給X站4_3小區(qū)，我們實現(xiàn)了對兩個小區(qū)的快速擴容，有效解決了用戶感知差問題，新增激發(fā)了140 GB流量。

表5 共站感知高負荷小區(qū)間的潮汐效應

對硬件資源的準備，主要包括兩種情況：一種為有F頻段無D頻段設備的需增補D頻段RRU；另一種為有D頻段設備但前傳網(wǎng)絡資源不夠需擴雙光纖解決的?？紤]到增補D頻段設備的周期較長，為此，對有F頻段無D頻段設備的待擴容小區(qū)，我們選擇將F頻段的能力發(fā)揮到最大化，如圖3所示，通過虛擬軟劈裂F頻段[7]，實現(xiàn)對一臺F頻段主設備虛擬分裂出2*F1+1*F2+1*A合計4個小區(qū)；對于由于前傳傳輸網(wǎng)絡資源不足需擴雙光纖的，我們通過對D頻段設備進行降通道擴容操作來緩解傳輸瓶頸，從而實現(xiàn)單光纖開3載波的快速擴容方案，其中3載波為2個20 M帶寬的4T4R小區(qū)以及1個20 M帶寬的8T8R“假”雙拼小區(qū)。

圖3 感知高負荷小區(qū)虛擬軟劈裂示意

另外，對于晚間出現(xiàn)的大部分感知高負荷小區(qū)，考慮其出現(xiàn)頻次較高且較為穩(wěn)定，為此，在采取類似于白天突發(fā)高負荷小區(qū)的處理手段基礎上，可以考慮優(yōu)先對這部分小區(qū)進行擴容硬件資源的固化，主要包含增加雙光纖、基帶板等操作，其中，常遇見的瓶頸主要在于基帶板的缺口較大。事實上，現(xiàn)網(wǎng)各個站點在開通的過程中，基帶部分往往是集中放置在幾個機房內(nèi)的，且配置的基帶板卡資源是按照單站點來匹配的。若把同個機房內(nèi)的幾個站點的基帶資源作為一個整體進行規(guī)劃，則可以節(jié)省出相應的基帶板卡[5]。

如圖4所示，假設同一機房內(nèi)有3個滿配站點，即單站均配置為3個小區(qū)*單小區(qū)（3*D+2*F），合計15個載波。為了滿足上述配置，在單基帶板卡默認支持6個載波的情況下，每個站點的基帶部分均配置了3塊基帶板。現(xiàn)將同一機房作為一個整體來看，機房內(nèi)合計有45個載波，配置了9塊基帶板卡，而實際上45個載波僅需8塊（ 45/6 取上整）基帶板，可節(jié)省出1塊基帶板。

圖4 機房合并省基帶板的示意

為此，我們針對感知高負荷小區(qū)所屬的機房進行梳理，按照整體規(guī)劃進行合并，并在此基礎上優(yōu)先將流量互補性高的站點集中放置在同一基帶池下，這樣在最大化節(jié)省出基帶板卡資源的情況下，可通過潮汐軟件動態(tài)調(diào)整來實現(xiàn)軟硬件資源在小區(qū)間的共享。

3 研究成果應用

基于影響用戶感知的8維指標搭建起的β打分法，對S市小區(qū)進行分類，共梳理了2765個不同優(yōu)先級的感知高負荷小區(qū)。對這些小區(qū)經(jīng)過機房基帶池整合，合計節(jié)省出500塊基帶板硬件資源，潮汐調(diào)度節(jié)省了1478個軟件資源。通過上述均衡、快速擴容等手段合計解決了2572個小區(qū)，使全網(wǎng)流量成倍增長的同時，感知高負荷小區(qū)占比保持基本不變，很好的改善了用戶感知。同時，結(jié)合多維度智能化、自動化舉措，目前對感知高負荷小區(qū)的處理能力已從平均每天每個人僅能處理高負荷小區(qū)13個左右提升到300個，效率提升了220%。

圖5 策略應用效果

4 總結(jié)

近年來隨著4G網(wǎng)絡建設和業(yè)務推廣，網(wǎng)絡的主要問題已經(jīng)從覆蓋轉(zhuǎn)為容量，用戶在使用網(wǎng)絡過程中更多的因為容量感知差而產(chǎn)生投訴。而網(wǎng)絡容量負荷小區(qū)由于數(shù)量多、突發(fā)波動性強、處理時長長等因素，要求我們必須精準挑選出那些對用戶感知產(chǎn)生影響較為嚴重的小區(qū)并進行快速處理。為此，我們基于影響用戶感知的8個維度指標搭建了小區(qū)容量打分模型，梳理出最為影響用戶感知的高負荷小區(qū)。為實現(xiàn)對這些小區(qū)的快速處理，在監(jiān)控智能化、執(zhí)行腳本自動化的基礎上，我們重點聚焦在如何做好小區(qū)間均衡、解決好軟硬件擴容瓶頸。在小區(qū)間均衡方面，我們通過定義業(yè)務相關(guān)性和干擾相關(guān)性兩個指標將小區(qū)間的均衡動作標準化；在快速擴容的軟件資源準備方面，將全網(wǎng)式站點搜索調(diào)度調(diào)整為站內(nèi)軟件資源的潮汐動態(tài)調(diào)度，極大地降低了軟件資源準備時長；在硬件資源準備方面，對突發(fā)高負荷小區(qū)通過虛擬軟劈裂單層網(wǎng)實現(xiàn)效能最大化來彌補新增主設備周期長的問題、通過降設備通道數(shù)緩解前傳傳輸對擴容載頻數(shù)的瓶頸；對持續(xù)穩(wěn)定的高負荷小區(qū)通過提前固化軟硬件資源的方式，尤其是通過對同一機房內(nèi)的基帶板卡進行整合來解決硬件資源上的缺口。通過上述對感知高負荷小區(qū)的精準挑選及快速擴容操作，實現(xiàn)了全網(wǎng)業(yè)務量翻倍，感知高負荷小區(qū)基本穩(wěn)定，人工處理高負荷小區(qū)效率由日均13個提升到日均300個，效率提升了220%。