（2019年度“嘉環(huán)杯”獲獎(jiǎng)?wù)撐娜泉?jiǎng)）基于大數(shù)據(jù)的高鐵用戶(hù)精確調(diào)度體系研究

朱 偉 卞國(guó)東 張 晶 張桂榮 趙志揚(yáng) 李欽竹

中國(guó)移動(dòng)通信集團(tuán)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(yùn)行中的高鐵用戶(hù)的網(wǎng)絡(luò)體驗(yàn)，中國(guó)移動(dòng)建立了高鐵專(zhuān)用承載網(wǎng)。但是，在高鐵沿線(xiàn)的公網(wǎng)用戶(hù)，會(huì)入侵并駐留在高鐵專(zhuān)用網(wǎng)絡(luò)，搶占專(zhuān)網(wǎng)資源，影響專(zhuān)網(wǎng)性能。如何準(zhǔn)確識(shí)別公網(wǎng)入侵用戶(hù)，指導(dǎo)鐵路附近公網(wǎng)站點(diǎn)規(guī)劃，支撐公網(wǎng)/專(zhuān)網(wǎng)協(xié)同優(yōu)化，給專(zhuān)網(wǎng)減負(fù)，保障專(zhuān)網(wǎng)專(zhuān)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(hù)研究方案

傳統(tǒng)的高鐵專(zhuān)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(wú)法快速有效改善專(zhuān)網(wǎng)用戶(hù)感知。本文提出的基于大數(shù)據(jù)的高鐵用戶(hù)精準(zhǔn)調(diào)度研究，運(yùn)用了軟采+硬采結(jié)合數(shù)據(jù)源的方案，并基于用戶(hù)的全量信令，解決了傳統(tǒng)網(wǎng)絡(luò)優(yōu)化下無(wú)法解決的難題。

1.1 首創(chuàng)搭建高鐵虛擬路測(cè)平臺(tái)

高鐵虛擬路測(cè)平臺(tái)的優(yōu)勢(shì)：（1）基于軟采數(shù)據(jù)+硬采數(shù)據(jù)，相比對(duì)接廠家數(shù)據(jù)源，具備更廣泛的應(yīng)用和推廣場(chǎng)景；（2）基于高精度高鐵用戶(hù)識(shí)別與慣性定位算法，更準(zhǔn)確復(fù)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(guò)平臺(tái)架構(gòu)，制定公網(wǎng)入侵評(píng)估流程：（1）高鐵概覽：線(xiàn)路級(jí)公網(wǎng)入侵指標(biāo)統(tǒng)計(jì)呈現(xiàn)；（2）綜合管理：公網(wǎng)入侵較差路段識(shí)別，該問(wèn)題路段小區(qū)級(jí)公網(wǎng)入侵指標(biāo)評(píng)估，同時(shí)進(jìn)行趨勢(shì)分析；（3）專(zhuān)題分析：入侵類(lèi)型（TAU入侵、Attach入侵等）餅圖呈現(xiàn)，結(jié)合覆蓋分析專(zhuān)題，查看高鐵專(zhuān)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(jìn)行深入分析。

1.2 高鐵用戶(hù)精準(zhǔn)識(shí)別

隨機(jī)抽查平臺(tái)輸出的2000個(gè)高鐵用戶(hù)進(jìn)行驗(yàn)證，所抽查用戶(hù)均符合高鐵用戶(hù)特征，高鐵用戶(hù)識(shí)別準(zhǔn)確率達(dá)到99%以上。

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

針對(duì)公網(wǎng)用戶(hù)侵占高鐵專(zhuān)網(wǎng)資源的問(wèn)題，本方案可以精準(zhǔn)識(shí)別區(qū)分高鐵用戶(hù)和公網(wǎng)用戶(hù)，并將入侵的公網(wǎng)用戶(hù)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(hù)識(shí)別模塊的輸出，獲取入侵的用戶(hù)列表；（2）根據(jù)入侵用戶(hù)話(huà)單信息中的駐留小區(qū)信息以及話(huà)單中的事件信息，回溯入侵專(zhuān)網(wǎng)的公網(wǎng)小區(qū)；（3）入侵專(zhuān)網(wǎng)小區(qū)是排除月臺(tái)小區(qū)外的高鐵小區(qū)；（4）針對(duì)公網(wǎng)A-專(zhuān)網(wǎng)B-專(zhuān)網(wǎng)C-公網(wǎng)D-專(zhuān)網(wǎng)E-專(zhuān)網(wǎng)F的小區(qū)移動(dòng)路徑，只針對(duì)專(zhuān)網(wǎng)B、E小區(qū)進(jìn)行入侵的公網(wǎng)小區(qū)回溯。

回溯詳細(xì)場(chǎng)景如下：

場(chǎng)景1：準(zhǔn)確回溯

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

場(chǎng)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(zhuān)網(wǎng)小區(qū)；依據(jù)重建前所在小區(qū)的PCI在入侵點(diǎn)周?chē)檎移ヅ涞淖罱W(wǎng)小區(qū)。

場(chǎng)景3：近似回溯

ilde態(tài)從公網(wǎng)小區(qū)TAU重選入專(zhuān)網(wǎng)，根據(jù)入侵用戶(hù)的話(huà)單信息，查找入侵專(zhuān)網(wǎng)前一段時(shí)間內(nèi)（2min）最近話(huà)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(zhuān)網(wǎng)小區(qū)，根據(jù)入侵用戶(hù)的話(huà)單信息，查找入侵專(zhuān)網(wǎng)前一段時(shí)間內(nèi)（2min）最近話(huà)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(chǎng)景4：無(wú)法回溯

ilde態(tài)從公網(wǎng)小區(qū)重選入專(zhuān)網(wǎng)或開(kāi)機(jī)駐留專(zhuān)網(wǎng)，根據(jù)入侵用戶(hù)的話(huà)單信息，在入侵專(zhuān)網(wǎng)前一段時(shí)間內(nèi)（2min），查找不到該用戶(hù)的話(huà)單；處理周期內(nèi)第一條話(huà)單為專(zhuān)網(wǎng)小區(qū)，無(wú)法回溯。

2.2 基于公/專(zhuān)網(wǎng)用戶(hù)識(shí)別的資源調(diào)度策略

根據(jù)在站點(diǎn)停靠的專(zhuān)網(wǎng)用戶(hù)、在站點(diǎn)不停靠的專(zhuān)網(wǎng)用戶(hù)、公網(wǎng)用戶(hù)不同的行為特征，提出基于用戶(hù)行為的精確分流擴(kuò)容方案，有效解決高鐵高負(fù)荷問(wèn)題，實(shí)現(xiàn)承載能力倍增。具體實(shí)現(xiàn)流程如圖1所示。

圖1 根據(jù)用戶(hù)行為實(shí)現(xiàn)創(chuàng)新策略

2.3 ?？?不?？坑脩?hù)分流策略

問(wèn)題：目前MLB下，用戶(hù)在專(zhuān)網(wǎng)、站臺(tái)間頻繁占用，感知差。

策略：利用高鐵站點(diǎn)的重疊覆蓋特征，基于高鐵?？坑脩?hù)/不停靠用戶(hù)在火車(chē)站的重疊覆蓋區(qū)域駐留的差異性，通過(guò)基于時(shí)長(zhǎng)的負(fù)荷均衡策略，精確區(qū)分?？?、不?？坑脩?hù)。

精確設(shè)置MLB策略時(shí)長(zhǎng)，精確區(qū)分和分流?？?不?？坑脩?hù)，有效降低專(zhuān)網(wǎng)負(fù)荷，詳情如圖2所示。

圖2 停靠/不?？坑脩?hù)分流策略

2.4 公/專(zhuān)網(wǎng)用戶(hù)分流策略

問(wèn)題：大網(wǎng)FDD用戶(hù)過(guò)多占用專(zhuān)網(wǎng)小區(qū)，從而導(dǎo)致FDD網(wǎng)絡(luò)感知差。

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

專(zhuān)網(wǎng)小區(qū)僅承載專(zhuān)網(wǎng)用戶(hù)，有效降低了專(zhuān)網(wǎng)話(huà)務(wù)負(fù)荷，實(shí)現(xiàn)專(zhuān)網(wǎng)載頻瘦身。

2.5 語(yǔ)音/數(shù)據(jù)用戶(hù)分流策略

問(wèn)題：伴隨著用戶(hù)終端支持FDD且開(kāi)通VOLTE功能的普及，無(wú)論是否撥打VOLTE電話(huà)均會(huì)優(yōu)先占用到FDD，從而導(dǎo)致FDD高負(fù)荷。

策略：專(zhuān)網(wǎng)多層網(wǎng)覆蓋場(chǎng)景下，將不同特點(diǎn)的業(yè)務(wù)與不同特性的頻段進(jìn)行適配，詳情如圖3所示。

圖3 語(yǔ)音/數(shù)據(jù)用戶(hù)分流策略

2.6 各類(lèi)改善效果詳情

弱覆蓋提升：滬寧覆蓋優(yōu)化類(lèi)問(wèn)題點(diǎn)累計(jì)132個(gè)，已識(shí)別并解決123個(gè)，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(shí)別172個(gè)區(qū)域公網(wǎng)入侵嚴(yán)重，已完成59個(gè)問(wèn)題處理，完成率34%，改善率100%。如圖5所示。

保護(hù)罩策略開(kāi)啟效果：昆山南站專(zhuān)網(wǎng)開(kāi)啟保護(hù)罩小區(qū)后，7月24日和6月26日指標(biāo)對(duì)比，高鐵專(zhuān)網(wǎng)小區(qū)最大激活用戶(hù)數(shù)下降明顯（10%左右）。

基于時(shí)長(zhǎng)的MLB策略分裂效果：2019年6月24日開(kāi)啟了專(zhuān)網(wǎng)到大網(wǎng)站臺(tái)小區(qū)的MLB算法，對(duì)比7月27日和6月22日兩天專(zhuān)網(wǎng)小區(qū)內(nèi)最大用戶(hù)數(shù)占比（專(zhuān)網(wǎng)用戶(hù)數(shù)/＜專(zhuān)網(wǎng)+大網(wǎng)用戶(hù)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(shí)D頻段用戶(hù)數(shù)占比由23.26%提升至42.85%，F(xiàn)DD用戶(hù)數(shù)占比下降17%左右。兩網(wǎng)負(fù)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(shí)分頻段用戶(hù)比例

策略?xún)?yōu)化后現(xiàn)場(chǎng)測(cè)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(yǔ)

根據(jù)公網(wǎng)用戶(hù)的多個(gè)特征，在算法上從多個(gè)維度綜合判斷，準(zhǔn)確識(shí)別入侵專(zhuān)網(wǎng)的公網(wǎng)用戶(hù)，從而指導(dǎo)附近公網(wǎng)站點(diǎn)規(guī)劃，支撐公網(wǎng)/專(zhuān)網(wǎng)協(xié)同優(yōu)化，為專(zhuān)網(wǎng)減負(fù)，保障專(zhuān)網(wǎng)用戶(hù)的體驗(yàn)，確保高鐵地段擁有優(yōu)質(zhì)的網(wǎng)絡(luò)質(zhì)量，具有很強(qiáng)的現(xiàn)實(shí)指導(dǎo)意義。可以通過(guò)大數(shù)據(jù)分析減少人工的分析及DT測(cè)試，且定位更為精準(zhǔn)，對(duì)于提升網(wǎng)絡(luò)深度覆蓋和提高用戶(hù)滿(mǎn)意度有著積極的意義。