4G网络深度覆盖精确需求识别方法研究

2015-07-03商亮池刚毅

电信工程技术与标准化 2015年9期

商亮，池刚毅

（中国移动通信集团公司，北京 100032）

1 背景

1.1 做深室内覆盖需进行“精需求”识别分析

随着TD-LTE网络建设的逐步推进，TD-LTE网络的建设重点转向突出质量，注重效益，巩固以4G为核心的网络领先优势，做广、做深、做厚，实现4G网络“三领先一确保”成为当前的主要任务。在室内覆盖方面，“做深”成为基本要求，面对4G网络深度覆盖的建设需求，随着VoLTE业务开展，为保证用户的使用体验，同样要求无线网络具有良好的深度覆盖。当前因4G使用频率较高，道路信号强，而网络深度覆盖则可能存在覆盖不足。

而室内覆盖总体投资效益低、工程建设难度大，首先要解决在哪里建即精确选点的问题。精需求就是要准确评估现网深度覆盖效果、准确识别高价值的室内弱覆盖区域、精确发现价值需求场景，实现对需求的精准把握，进而开展针对各类型场景建设的方案。因此制定基于深度覆盖评估的4G精准规划建设方法体系是提升4G网络室内覆盖建设质量和效率的基础。

1.2 传统深度覆盖需求分析方法的局限性

现有4G深度覆盖需求建筑物分析方法以单一维度、人工判断的识别需求，面临识别准确度低、识别效率差等问题。

在市场分析方面，传统需求分析方法仅仅对室内人口数量及4G用户渗透率数据等进行粗略估算作为市场发展的依据，不能反映真正在网用户分布及室内网络负荷质量情况，准确性及可靠性较差。

在网络分析方面，传统需求分析方法仅依赖DT/CQT测试来评估覆盖情况，而测试是针对特定的区域和时间抽样，同时路测只能反映路面情况，不能完全真实反映室内深度覆盖情况。

可以看到，传统深度覆盖需求分析缺乏对覆盖质量、业务量及业务价值、用户及终端价值等多维度的整合分析，因此有必要研究基于大数据分析的多维度室内覆盖需求识别方法来实现“精需求”的识别。

2 基于大数据分析的4G网络深度覆盖精确需求识别方法

因此在当前建设阶段，我们采用“283”分析方法开展需求评估，“283”分析方法总体结构如图1所示。

这种多维度的分析方法将市场需求与网络需求结合分析，综合考虑市场价值与网络建设能力，以满足市场发展需求，确保网络竞争优势为目标，精确把握业务热点和弱覆盖区域，采取针对性策略进行建设，优先选择高价值区域及用户实现室内覆盖，提升网络建设的效率。

采用“283”分析方法，通过以下3个步骤实现深度覆盖评价及需求识别。

步骤1：输入现网8种数据源，输出8个室内覆盖图层，形成室内覆盖地图数据库。

步骤2：对8个维度独立进行建设需求价值梯度评价（如MR维度按RSRP低于-xxx dBm的比例进行分级），根据数据来源的不同，评估颗粒度可以精确到栅格级（栅格大小为100 m×100 m）或者建筑物级。8个维度的价值梯度评价结果示意如表1所示。

步骤3：通过3个分析，得到基于价值梯度的建筑物需求优先级，高优先级建筑物作为深度覆盖建设目标。

高优先级指从市场维度来看，收入高、VIP用户多；从网络维度来看，网络覆盖不足同时又有潜在高流量。较低优先级指从市场维度来看，收入及VIP用户均低于高优先级；从网络维度来看，网络覆盖不足、潜在流量较低。

图1 “283”分析方法总体结构图

3 “283”评估方法的维度分析

3.1 场景分析

根据无线覆盖、业务需求、工程部署条件等，并根据各省公司网络、市场等部门研讨，综合建筑物分布确定了中大型居住群、商用建筑、大型场馆、交通枢纽、其他场景共5种场景类型。对现网数据按照这5种场景类型进行统计分析，分析结果如图2所示，可以看到，建筑物业务量与其所在的场景有较强的相关性：火车站、高校宿舍楼、机场、医院、商场、多栋居民区等是小区流量最高的物业类型。

表1 “283”分析方法8个维度价值梯度评价结果表

因此，可以根据建筑物吸收业务量与场景分布的这种相关联特性，聚焦业务量集中的场景进行深度覆盖规划建设。

3.2 价值分析

价值分析主要指市场发展需求分析包括用户价值（指用户DOU、MOU、ARPU等）、终端价值、业务价值（话统）及市场竞争等方面的多种信息，通过对这些维度的分析，明确高价值用户聚集的目标区域，有效地开展网络分步骤规划建设。

3.2.1 用户价值维度

对现网数据进行统计分析，相比2G/3G网络，4G网络的用户价值更高、且高价值用户集中度更强。

首先，4G用户相比于2G/3G用户可产生更高的流量，从2015年初某地市的市场数据分析，4G单用户流量分别是2G/3G用户的3.4倍/2.4倍。

另外，4G用户的DOU/ARPU更趋集中于高区间。2G/3G网络有50%以上的用户，其ARPU<58元，只有5%～10%的用户分布于ARPU>88元的区间；而4G网络中，ARPU<58元只有20%的用户，ARPU>88元的用户比例大于20%。4G用户的DOU区间分布具有同样的高流量高价值集中趋势特征。

因此，我们可以通过DOU/ARPU等数据分析，将全网用户进行价值梯度划分，进而识别出高ARPU或高DOU用户聚集的区域，将这些区域作为网络建设的高优先级目标区域，可有效提升投资收益比。

图2 建筑物业务量分布与场景相关性统计图

3.2.2 终端价值

对某省2015年3月的经分数据库进行终端型号与DOU/ARPU关联分析，以最典型的苹果手机和三星手机为例（同时分析主流的国产手机品牌），可以看到：

4G高端智能终端的单机流量大于其他类型的终端；4G用户平均单终端产生数据流量高于2G用户（2G终端）；终端承载流量与手机厂家/品牌关联度低，与终端价格关联度更高，高端手机承载数据量较高。

通过分析终端价值，可以聚焦4G终端分布，尤其是4G高价值终端分布区域，充分提高网络建设有效性；此外，该维度与弱覆盖维度相结合，可识别那些4G终端分布多、但4G网络无覆盖/无深度覆盖的区域，是网络建设的重点解决区域。

3.2.3 业务量（话统）维度

分析某地市城区，在不同无线网络制式下，贡献40%网络流量的小区比例差异。

可以看到，同样地产生40%比例的网络流量，只需要9%的4G小区、远少于2G/3G网络11%～20%的小区占比，说明部分高价值小区对4G网络流量贡献度大、集中度高。

其次，从区域分布上看，高流量等级的4G小区分布更加集中，形成明显的价值区域地带。如图3所示。

另一方面，从现网大数据分析流量业务用户使用习惯，可以发现70%以上的流量产生于室内，且4G室内用户以占用宏站为主，占用时长50%以上，流量占比接近60%。这说明室内深度覆盖性能是决定用户感知体验的关键。

从话统数据维度进行价值梯度分析，得到网络流量密度分布状况，同时进行用户室内外定位区分，来精确识别深度覆盖的业务流量价值，是深度覆盖需求识别的重要内容。

3.2.4 业务量（DPI业务结构）维度

在中国移动核心网络部署DPI功能以后，我们可以有效地利用DPI数据来进行业务类型识别，在此基础上考虑业务结构与用户感知的关联性。根据每种业务的不同特征，我们可以将不同的业务类型区分为大分组业务和小分组业务，如表2所示。然后根据大小分组不同类型对网络指标的要求、从保障用户感知（KQI）的角度进行价值梯度区分，进而开展深度覆盖规划建设，或者在此基础上进行网络扩容规划。

（1）不同的业务类型具有不同的业务感知要求，大分组和小分组业务的感知要求不同：小分组类（Web)业务：流量小、突发多、时延要求高，用户数最先受限；大分组业务（视频)：初始缓冲时延小于3 s。

（2）网络负荷与用户感知关联性强，空口负荷上升呈下降趋势：随着网络PRB利用率上升，用户感知变差；PRB利用率达到30%～40%，用户下行速率会显著降低。

（3）从网络投资效益来看，大分组业务具有更高的价值：按平均每RAB流量区分大小分组业务小区（小分组业务小区 0.3 MB/RAB，大分组业务小区 1 MB/RAB），大分组业务小区对应较高的流量和利用率，虽然每byte数据的运营收入相同，但大分组业务小区具有更好的投资收益比。

图3 2G高流量小区与4G高流量小区分布对比图

3.3 弱覆盖分析

弱覆盖分析可以采用MR数据、路测数据、并结合用户投诉的数据进行综合分析与判断，可以辅助实现将“点”、“线”、“面”分析结合，针对不同小区及覆盖目标分别从道路、全网需求出发，来进行弱覆盖评估分析。

同时，我们还可以考察回流到2G/3G网络的4G用户分布，来有效分析及定位4G网络弱覆盖。

3.3.1 MR/路测数据维度

MR数据量大，涵盖了全网用户、包含室内及室外全网全场景的全集数据库。利用4G MR数据进行弱覆盖评估分析可以全面地反映全网覆盖状况。

路测数据是常规的、标准化的覆盖评估手段，也可以方便地提供我们对室外尤其是路段的覆盖情况分析。

在“283”深度覆盖评估方法中，我们需要采用定位技术将MR映射到栅格上，在此基础上采用室内外用户区分技术，将MR采样点区分为来自室内静止用户和来自室外用户两种，分别来考察MR RSRP小于门限值的比例低标准比例的栅格。以室外覆盖指标门限（取RSRP）作为对路测数据分析结果弱覆盖判断的标准，以室内覆盖指标门限（取RSRP）作为对MR数据分析结果进行弱覆盖判断的标准。