基于互聯(lián)網(wǎng)眾籌數(shù)據(jù)用戶感知評估與優(yōu)化

楊宗林，王 科，常以群，孟凡良（中國聯(lián)通山東分公司，山東濟南 250002）

1 概述

目前運營商評估移動網(wǎng)絡(luò)質(zhì)量的方式有2 種，一是基于管道側(cè)MR、KQI、KPI 等維度的評估方式，二是基于DT/CQT 測試的評估方式。第1 種方式的主要弊端是無法實現(xiàn)與友商的業(yè)務(wù)覆蓋、感知等橫向?qū)?biāo)評估；第2種方式周期長、成本高、樣本量小，具有一定的偶然性。通過互聯(lián)網(wǎng)眾籌數(shù)據(jù)，將有大量的現(xiàn)網(wǎng)采樣點數(shù)據(jù)進行分析，可以發(fā)現(xiàn)網(wǎng)絡(luò)中存在的弱覆蓋質(zhì)量差、覆蓋好質(zhì)量差等柵格級問題，也可定位小區(qū)級、用戶級等網(wǎng)絡(luò)質(zhì)量問題，也可進行場景級和道路級評估，減少測試人力和時間成本。

基于互聯(lián)網(wǎng)眾籌數(shù)據(jù)，打破傳統(tǒng)的純管道數(shù)據(jù)和DT/CQT 評估模式，采用互聯(lián)網(wǎng)+和大數(shù)據(jù)分析手段，實現(xiàn)運營商網(wǎng)絡(luò)質(zhì)量、業(yè)務(wù)感知、用戶數(shù)量的橫向?qū)Ρ?，更好地為用戶提供?yōu)質(zhì)服務(wù)，為市場提供精準(zhǔn)運營決策。

2 互聯(lián)網(wǎng)眾籌數(shù)據(jù)分析

2.1 互聯(lián)網(wǎng)眾籌數(shù)據(jù)分析模式

互聯(lián)網(wǎng)眾籌數(shù)據(jù)需要從數(shù)據(jù)準(zhǔn)確性、數(shù)據(jù)完整性、數(shù)據(jù)有效性、樣本滲透率等進行校驗核對。對采集數(shù)據(jù)的字段設(shè)置、數(shù)據(jù)清洗、數(shù)據(jù)存儲、分析方法進行了標(biāo)準(zhǔn)化、規(guī)范化處理，為后續(xù)互聯(lián)網(wǎng)眾籌數(shù)據(jù)在移動網(wǎng)絡(luò)質(zhì)量評估和優(yōu)化工作中的廣泛應(yīng)用奠定基礎(chǔ)，數(shù)據(jù)分析的大致流程如圖1所示。

圖1 互聯(lián)網(wǎng)眾籌數(shù)據(jù)分析流程

2.2 互聯(lián)網(wǎng)眾籌數(shù)據(jù)問題定位

2.2.1 柵格級問題分析

目前數(shù)據(jù)以200×200 m 的柵格進行分析采樣，主要統(tǒng)計弱覆蓋、質(zhì)量差、覆蓋好質(zhì)量差等問題柵格，相應(yīng)的標(biāo)準(zhǔn)如下。

a）弱覆蓋柵格。將滿足以下3個條件的柵格定義為弱覆蓋柵格：

（a）柵格內(nèi)RSRP≥－110 dBm采樣點比例小于70%。

（b）柵格內(nèi)RSRP有效采樣點數(shù)量≥20。

（c）柵格內(nèi)弱覆蓋用戶≥5個。

b）質(zhì)量差柵格。將滿足以下3 個條件的柵格定義為質(zhì)量差柵格：

（a）SINR＞0的采樣點比例小于70%。

（b）柵格內(nèi)SINR有效采樣點數(shù)量≥50。

（c）柵格內(nèi)質(zhì)量差用戶≥3個。

c）覆蓋好質(zhì)量差柵格。將滿足以下4個條件的柵格定義為覆蓋好質(zhì)量差柵格：

（a）RSRP＞－100 dBm 且SINR＜0 dB 的采樣點定義為覆蓋好質(zhì)量差樣本點。

（b）柵格內(nèi)覆蓋好質(zhì)量差樣本點比例大于20%。

（c）柵格內(nèi)RSRP&SINR有效采樣點數(shù)量≥50。

（d）柵格內(nèi)覆蓋好質(zhì)量差的用戶≥3個。

2.2.2 小區(qū)級問題分析

質(zhì)量差小區(qū)篩選。由于MR 無下行SINR 統(tǒng)計，互聯(lián)網(wǎng)眾籌數(shù)據(jù)可以統(tǒng)計SINR相關(guān)值，可以有效評估相關(guān)質(zhì)量差小區(qū)情況。

室分弱覆蓋小區(qū)篩選。通過篩選室分弱覆蓋小區(qū)，可以定位發(fā)現(xiàn)室分存在的問題，減少人工測試成本，便于室分精準(zhǔn)整治。

騰訊視頻/王者榮耀卡頓小區(qū)關(guān)聯(lián)分析。通關(guān)篩選騰訊視頻、王者榮耀卡頓小區(qū)關(guān)聯(lián)小區(qū)采樣點分布、指標(biāo)分布，便于發(fā)現(xiàn)用戶集中區(qū)域，便于有針對性地進行優(yōu)化。

天饋接反/工參經(jīng)緯度錯誤核查。可以通過小區(qū)采樣點分布情況，利用聚類算法，尋找采樣點重心經(jīng)緯度，并和工參經(jīng)緯度進行計算分析，查找疑似天饋接反小區(qū)，進行精準(zhǔn)核查，減少塔工核查工作量，提升工作效率。

2.2.3 場景級對標(biāo)分析

點評估。可以針對居民區(qū)、校園、工業(yè)園區(qū)、旅游景區(qū)、醫(yī)院等口碑場景點進行評估，查找網(wǎng)絡(luò)存在的問題。首先利用爬蟲程序，模擬瀏覽器向高德開放平臺API 發(fā)送請求，并保存響應(yīng)數(shù)據(jù)；再根據(jù)高德接口API完成響應(yīng)數(shù)據(jù)解析、獲取特定場景的邊框經(jīng)緯度；最后利用PostgresSQL將邊框經(jīng)緯度生成需求文件。

線評估。利用PostgresSQL、QGIS等開源軟件對采樣點進行圖層矢量化分析，可篩選城區(qū)道路的采樣點，篩選弱覆蓋、質(zhì)量差路段，也可進行全網(wǎng)道路指標(biāo)評估。

面評估?？舍槍θ?、地（市）級進行面評估，查找覆蓋不足，為宏觀規(guī)劃、建設(shè)提供數(shù)據(jù)支撐。

2.2.4 運營商間對標(biāo)分析

針對運營商之間的對比，可以進行全網(wǎng)級和場景級的覆蓋、質(zhì)量、用戶數(shù)量對比，也可以針對具體場景為市場提供精準(zhǔn)的數(shù)據(jù)支撐分析。

3 眾籌數(shù)據(jù)優(yōu)化實踐應(yīng)用

3.1 柵格維度評估

覆蓋好質(zhì)量差柵格分析，具體如表1所示。

表1 質(zhì)差柵格信號覆蓋情況

柵格jnan078746 覆蓋好質(zhì)量差采樣點比例達(dá)到21.3%，如圖2所示。

圖2 眾籌數(shù)據(jù)評估質(zhì)差柵格

問題定位：對質(zhì)差柵格進行拆分可以定位出主覆蓋小區(qū)，然后對主覆蓋小區(qū)進行細(xì)化分析，某主覆蓋小區(qū)采樣點較多，同時該站距離柵格較遠(yuǎn)，不應(yīng)做主覆蓋小區(qū)，屬于越區(qū)小區(qū)。

3.2 小區(qū)級維度評估

3.2.1 室分弱覆蓋排查

通過眾籌數(shù)據(jù)統(tǒng)計某室分小區(qū)弱覆蓋比例較高，2個小區(qū)覆蓋同一片場景，具體如表2所示。

表2 弱覆蓋小區(qū)信號覆蓋情況

測試發(fā)現(xiàn)金水岸1～2號樓B1F有室分覆蓋，其中2號樓南側(cè)區(qū)域為弱覆蓋區(qū)域；位于2～3 號樓宇之間存在弱覆蓋區(qū)域，其中占用金水岸1－B1 和金水岸2－B1的時候存在弱覆蓋現(xiàn)象，與眾籌數(shù)據(jù)統(tǒng)計相符，如圖3所示。

圖3 測試情況

3.2.2 天饋接反排查

天饋接反排查原理：通過眾籌數(shù)據(jù)采樣點分布，利用重心獲取算法得到一個小區(qū)下所有采樣點的重心。進而可以計算采樣點重心方位角β與小區(qū)方位角α之間的夾角θ。如果θ大于一定的門限，可判斷小區(qū)天饋是否接反或工參經(jīng)緯度錯誤等問題，進而可進行相關(guān)的優(yōu)化調(diào)整工作，重心經(jīng)緯度及天饋接反算法原理示意圖如圖4所示。

圖4 重心經(jīng)緯度算法原理

表3給出了疑似天饋接反小區(qū)信號覆蓋情況。通過路測核實，小區(qū)B1 實際覆蓋方向是70°左右，小區(qū)A1 覆蓋方向是180°左右，結(jié)合工參對比小區(qū)A1 和小區(qū)B1 的天饋情況，發(fā)現(xiàn)天饋接反，和眾籌數(shù)據(jù)推斷一致。

表3 疑似天饋接反小區(qū)信號覆蓋情況

3.3 專項優(yōu)化評估

3.3.1 模擬路測城區(qū)道路

通過路測軌跡計算篩選眾籌數(shù)據(jù)采樣點，采樣點軌跡如圖5所示，基本和實測DT軌跡吻合。

圖5 眾籌數(shù)據(jù)模擬路測采樣點分布

3.3.2 口碑場景評估

通過PostgresSQL 數(shù)據(jù)庫進行場景邊框、采樣點關(guān)聯(lián)，可以篩選場景邊框內(nèi)采樣點，可進行場景級覆蓋、用戶分布等評估，為建設(shè)、優(yōu)化提供支撐，如圖6所示。

圖6 采樣點篩選

3.3.3 覆蓋空洞評估

網(wǎng)絡(luò)評估中除了評估整體指標(biāo)外，如何查找覆蓋空洞是一個比較重要的研究方向，如果該區(qū)域無覆蓋也無用戶就沒有相應(yīng)的采樣數(shù)據(jù)。通過對OTT 數(shù)據(jù)分析結(jié)合聚類算法研究，借助于友商用戶數(shù)據(jù)，則可判斷覆蓋空洞區(qū)域。

4 結(jié)束語

相比傳統(tǒng)的DT/CQT 測試，互聯(lián)網(wǎng)眾籌數(shù)據(jù)可對網(wǎng)絡(luò)基礎(chǔ)覆蓋能力和業(yè)務(wù)體驗?zāi)芰M行綜合評估分析。可進行柵格級、小區(qū)級、用戶級分析，也可進行點、線、面維度的分析，通過聚類算法也可查找網(wǎng)絡(luò)存在的弱覆蓋問題，使優(yōu)化工作有的放矢，從而提高工作效率，用戶的分布情況也可為市場提供精準(zhǔn)數(shù)據(jù)支撐。采用互聯(lián)網(wǎng)+、大數(shù)據(jù)分析是未來網(wǎng)絡(luò)評估、優(yōu)化、市場決策的發(fā)展趨勢，還需要結(jié)合實踐不斷地進行探索，將會有更廣闊的應(yīng)用前景。