一种基于凹凸决策单元的无线网络规划方法

曹桓（中国移动通信集团设计院有限公司四川分公司，成都 610045）

一种基于凹凸决策单元的无线网络规划方法

曹桓
（中国移动通信集团设计院有限公司四川分公司，成都 610045）

虽然C2R模型和DEA技术均为现有技术中较为成熟的技术，但是将其引入现有的网络规划资源配置过程中，并相应做出算法改进，提出一种基于凹凸决策单元网络规划方法，在国内还是首次。该方法在业务量预测和网络规划部署之间增加了一个指示器，来对所分配的资源进行相对有效性评价，通过判断决策单元资源分配的冗余量或是不足量来定量化、显性化的指导资源分配。

网络规划； 资源配置；决策单元；数据包络分析

1 引言

无线网络规划的关键任务是容量规划和覆盖规划，在容量规划中，根据业务量对话音及数据网络承载量进行预测，按照设定的利用率目标进行网络容量配置测算，以满足未来容量发展需求；在覆盖规划中，根据发展战略和市场策略进行规划部署。规划目标是在一定的成本约束下，在满足网络服务质量的前提下，建设一个容量和覆盖范围都尽可能大的网络，并能适应未来网络发展和扩容的要求。网络规划方案的优劣直接关系到服务质量的高低、建设投资的多少、经济效益的好坏，其重要性是显而易见的。

现有网络规划流程对网络部署相关容量、载频参数的选择均主要依据对业务量预测结果。在移动通信用户高速的发展阶段，网络建设资源的投入是粗放式的，资源相对宽裕，网络规划部署的重点在于精确的预测业务发展需求，这样的网络规划流程以其目标导向性强，快速部署，十分的高效。

2 现有的无线网络规划技术

但是，无线通信网络的高速化、宽带化、泛在化的发展，网络结构变得越来越复杂，用户对无线接入网络所提供的服务质量要求也越来越高。而且随着移动通信用户发展的饱和，行业重心向流量经营发生转移，OTT （Over the Top，互联网公司越过运营商）业务的加速替代，流量爆炸式增长，流量单价的快速持续走低，对网络建设提出了新的挑战。需要重点考虑网络资源的精确投放，然而实际规划实践中，尤其是面临网络资源配置的时候，往往会同时面临资源总量约束和持续的收入增长压力，有限的资源不能满足所有业务发展需求的投放，必须有所取舍。

现有的无线网络规划技术（如图1所示），倾向以满足业务需求为主，无法有效体现不同应用场景无线基站投入、频谱使用、网络利用率等因素对运营收入、网络覆盖、频谱利用等影响。因此，很有必要建立新的方法体系，划小网络规划业务区，评估哪些应该“取”、取多少量，哪些应该“舍”，舍多少量时，假定的发展目标还可以接受。

图1 现有的无线网络规划基本流程

3 基于凹凸决策单元的规划方法

如上所述，现有的网络规划技术主要存在两点问题，（1）在业务量预测与无线网络规划部署之间缺乏对所分配资源的相对有效性评价；（2）在规划决策阶段，缺乏无线网络规划部署方案对约束条件和假定目标的关联分析，即缺乏一个“指示器”来引导网络规划部署。

基于凹凸决策单元的网络规划方法（以下简称本方法）是在现有技术的基础上，划分子规划业务单元，新增一个指示器（如图2所示）来实现对规划方案的评估和优化调整。DEA（Data Envelopment Analysis，数据包络分析）是一种评价相对效率的技术，其显著的优点是，在“相对效率”概念基础上发展起来的一种系统方法，在避免主观因素和简化运算等方面有着优越的性能。虽然C2R模型和DEA技术均为现有技术中较为成熟的技术，但是将其引入现有的网络规划资源配置过程中，并相应做出算法改进，提出一种基于凹凸决策单元网络规划方法，在国内还是第一次。在DEA分析模型中，一般将每个子规划业务区称为DMU（Decision Making Unit，决策单元）。与此同时，该图也是本方法系统级原理结构示意，其具体实现方案包括如何划分决策单元、指示器评估算法的设计与实现。

决策单元，子规划业务区，也就是评估对象，上述规划对象中选择的是无线网络规划场景，城区网络、县城网络、农村网络、道路网络，作为评估对象。通常而言，划分决策单元需要根据无线网络资源的投入和网络规划目标决策需要来划分。最典型无线网络规划场景划分可以作为决策单元的划分依据，比如依据用户消费行为特征、人口密度、无线网络组网方式，可以将无线网络规划对象划分为城区、县城、乡镇、农村和特殊场景，特殊场景包括道路、景区、校园、工业园区等，这也是依据规划的惯例和经验。

图2 基于凹凸决策单元的网络规划方法

在将规划业务区规划为决策单元后，可分别对决策单元进行基础数据的采集，以及将采集的基础数据量化为指示器评估算法模型可使用的数据，分为投入类指标和产出类指标。DEA方法应用数学规划模型计算比较决策单元之间的相对效率，对评价对象做出评价，它能充分考虑对于决策单元本身最优的投入产出方案，因而能够更理想地反映评价对象自身的信息和特点。本方法利用数据包络改进算法来对实现无线网络规划的投入类指标和产出类指标评估，即可有效地确定投入与产出之间是否达到最佳比例，实现“指示器”的功能。

进一步的，“指示器”通过DEA模型求解得到决策单元的相对效率指数后，再进一步的可以测算其凹凸属性或偏移量，以指导网络规划方案的优化调整。

4 指示器评估算法的设计与实现

“指示器”利用DEA算法来实现网络规划方案的相对有效性评估，即在改进后的DEA模型中，对所述每类子规划业务区的投入类指标和产出类指标进行数据包络分析，得出所述每类子规划业务区的相对效率指数，具体的设计与实现包括：

构建数据包络分析C2R模型，所述C2R模型的方程为：

其中， θ为第j0类子规划业务区的相对效率指数，，为所述第j0类子规划业务区的m项投入类指标，为所述第j0类子规划业务区的s项产出类指标，为所述第j0类子规划业务区的m项投入类指标的剩余变量，为所述第 类子规划业务区的s项产出类指标的剩余变量，n为决策单元的数量，n≥1，λj为模型最优解。

其次，在上述方法的基础上，通过对DEA模型的求解，得到每类子规划业务区的相对效率指数。再次，可进一步计算得到所述n类子规划业务区的凹凸属性或偏移量。具体地计算方法是根据所述每类子规划业务区的相对效率指数确定所述规划业务区的偏离度，包括：

计算每类子规划业务区的相对效率指数，其中，第j类子规划业务区的平均相对效率指数为θj，1≤j≤n；

在上述方法中，利用方差的特性来计算规划业务区的偏离度，方差可以用来考察数据的波动性的，方差小就说明数据比较稳定，方差大就是波动性比较大；通过比较n类子规划业务区的相对指数与n类子规划业务区的平均相对效率指数的方差，以此来判断n类子规划业务区之间的偏离程度，具有很好的准确性，当然，在实际应用中，也可以用其它方式来计算规划业务区的偏离度D，比如可定义规划业务区的偏离度，也可以用来反映n类子规划业务区的相对效率指数整体上是否比较接近还是差异比较大。

按照上述改进后的C2R模型指示器算法，可以写出相应的LINGO程序用于实现模型的求解。

5 应用实例及对比调整分析

5.1 划分决策单元及数据处理

为统一描述，在本方法应用实例中，将每类子规划业务区称为决策单元，具体地，分别将城市、乡镇、农村、道路四类子规划业务区称为DMU1、DMU2、DMU3、DMU4。每类子规划业务区的投入类指标均为基站载频数量X1，单位为块；基站载频投资X2，单位为万元；网络利用率X3，无量纲；基站数量X4，单位为块；基站投资X5，单位为万元；产出类指标均为语音收入Y1，单位为万元；流量收入Y2，单位为万元；人口覆盖率Y3，无量纲；面积覆盖率Y4，无量纲。

无线网络规划的核心问题是平衡覆盖、容量、质量（网络利用率）三者之间的矛盾。比如，在4G网络建设初期，重点是解决覆盖与质量的问题，通常的规划方法是部署大量的宏基站以快速提升人口覆盖率和面积覆盖率。但随着无线网络建设的大规模推进，网络容量与质量（网络利用率）逐渐成为无线网络规划的主要矛盾。为了方便后续无线网络资源调整，设计了各项指标的初始权重。为了便于说明和计算，本实例中所有权重初始值均取1。

接下来将投入类指标原始数据与各指标权重对应相乘，得到投入类指标初始值，该初始值可直接作为C2R模型的产出类指标值，用于计算，如表1所示，为本申请应用实例中各决策单元DMU的投入类指标初始值。

表1 决策单元DMU的投入类指标初始

接下来将产出类指标原始数据与各指标权重对应相乘，得到产出类指标初始值，该初始值可直接作为C2R模型的产出类指标值，用于计算，如表2所示，为本申请应用实例中各决策单元DMU的产出类指标初始值。

表2 决策单元DMU的产出类指标初始值

由上述操作过程可知，首先获得原始投入类、产出类指标，其中投入类指标表示投入资源数据，产出类指标表示产出效果数据；其次初始化各决策单元DMU的初始权重值；最后将原始投入类、产出类指标与各自相应的权重相乘，得到C2R可处理的各项投入类、产出类初始指标，如表1和表2所示，即在获得基础后，通过量化基础数据中的各指标，得到符合数据包络分析模型投入的投入类指标和产出类指标。

5.2 指示器评估算法的求解

为了进一步说明该规划方法的后续优化调整实施方法，下面结合实施实例的数据求解结果进行说明。为方便理解本方法，将通过DEA模型来求解各决策单元的结果，分别对求解结果中的第j类子规划业务区的投入，产出，第一投入校正量，调整后投入，做如下定义：

其中，1≤j≤4。

接下来，可通过LINGO程序实现C2R关联模型的计算，得到各决策单元DMU的DEA效率值θj，可通过DEA效率值θj来判断各决策单元是否DEA有效，如表3所示。

表3 决策单元DMU的求解结果

5.3 凹凸属性判定及调整优化

从表3中可以看出，只有决策单元DMU3的DEA效率值等于1，即决策单元DMU3是DEA有效的，无需做相应的调整。而决策单元DMU1、决策单元DMU2、决策单元DMU3的效率值都小于1，因而它们都是DEA无效的，需要调整其投入或者产出。在数据包络分析模型中，可以通过在保持各产出指标不变的情况下，通过减少其投入以使决策单元达到DEA有效；或者也可以通过在保持各投入指标不变的情况下，通过增加其产出以使决策单元达到DEA有效。本申请应用实例通过采用前者的方法，即保持产出不变的情况下，通过减少各产出指标以使各决策单元DEA有效。本申请应用实例中，减少投入指标具体是指减少投入，其中， 投入=基站载频投资×权重+基站投资×权重。具体地，根据所述第j类子规划业务区的各投入指标的权重以及所述第j类子规划业务区的第一投入校正量，调整所述第j类子规划业务区的各投入类指标。

如表4所示，对投入类指标基站载频投资X2和基站投资X5进行调整的结果。

表4 对投入类指标基站载频投资X2和基站投资X2进行调整的结果

从表4中可看出，当通过对投入类指标中的基站载频投资和基站投资进行相应调整后，可使决策单元DMU1、决策单元DMU2以及决策单元DMU4也达到DEA有效，因而使整个无线规划方案达到最优值。但是，这种使所有的决策单元都达到DEA有效在理论上可行，而在实际规划中，往往受到很多资源、目标条件的约束，因而是无法达到理论最优规划方案的，如表4所示，整体投资不可能从9.69亿元降低到7.33亿元的。因而，在实际应用中，可以设定在总体投入一定的情况下，调整各决策单元的投入，使得整体效率最优。

调整步骤如下，首先计算各决策单元DEA效率值θj的平均值及偏离度D，如表5所示，其中，，1≤j≤n。

表5 各决策单元DEA效率值θj的平均值θ及偏离度D

因而可以计算各决策单元可以调整的θj的值及可以调整的收入，如表6所示。

表6 各决策单元可以调整的θj的值及可以调整的收入

其中， θj调整量

由于需要保持各决策单元投入的总和不变，因此决策单元DMU3的投入调整量=-（决策单元DMU1投入调整量+决策单元DMU2投入调整量+决策单元DMU3投入调整量）。

通过上述第二次调整，各决策单元投入如表7所示。

另外，考虑到实际情况中的约束条件和限制因素，在无线网络实际规划工作中，受国家政策的影响，或者某些场景组网技术等因素，并不允许达到第一调整中理论上的调整量，比如DMU4决策单元中，如果根据实际测算的最大调整量小于理论调整量2 097.6万元，因此还可以进一步地调整。

由表7可看出，对初始结果经过第二次调整后，由于各决策单元的效率值θj的方差为0，因而第二次调整后的方案可使无线规划方案达到整体最优；当然，考虑到实际应用，则还需要考虑进行进一步调整，即经过调整达到第三种调整后的方案。

表7 第二次调整后各决策单元投入情况

6 结束语

本方法解决了网络规划中划小子业务区定量化决策的问题，尤其是资源精确部署及其有效性评价的问题。实现了在网络规划决策阶段的动态资源分配机制，提高了分配策略的灵活性和精确性，弥补网络规划部署方案对约束条件和假定目标的关联缺失，既可以用于无线网络规划，又可以用于大的通信网络规划，对多维资源、多维目标规划尤其有效。

一方面，可以通过调整DEA无效的决策单元的各投入指标使得DEA无效的决策单元达到DEA有效，因而使所有的决策单元均达到DEA有效，即所有的决策单元个体达到最优；另外一方面，结合实际情况，也可以通过对各决策单元作为一个整体综合考虑调整，调整后的有的决策单元可能没有达到DEA最优，但是可以使整体无线网络规划方案达到最优，因而具有很好的实际应用价值。可以结合实际应用中的约束条件限制，可对各决策单元的投入类指标做微调，以满足实际应用规划。

［1］ 王晖， 曹桓， 陈伟. 中国移动增量收入与资源配置关联分析模型研究［J］. 互联网天地， 2015（3）.

［2］ 吴文江. 指标可取负值的基于输入与输出的DEA模型［J］. 数学的实践与认识， 2008（3）.

［3］ 谢金星， 薛毅. 优化建模与LINDO/LINGO软件［M］. 北京：清华大学出版社， 2005.

“3GPP中国伙伴”共同发力全球通信标准制定

近日，中国移动牵头，中兴通讯联合工信部电信研究院、大唐电信、华为、联想、OPPO、酷派、爱立信、三星、诺基亚和高通等12家企业共同成立“3GPP中国伙伴（Chinese Friends of 3GPP）”，并在南京举办3GPP RAN1/2/3/4/5、GEARAN和SA2工作组会议。会议围绕LTE演进、第五代移动通信技术（5G）、窄带物联网无线通信技术（NB-IoT）等议题进行了深入讨论并取得积极进展

3GPP中国伙伴围绕LTE演进技术“LTE-A-Pro”性能提升、资源高效利用和垂直行业渗透等三大目标，确立了VoLTE增强、3D-MIMO、多用户干扰消除、轻连接等近20项研究项目，并在关键方案设计上取得进展。同时，在5G性能仿真评估假设、物理层帧结构设计、高频天线与信道建模、网络功能模块化及接口设计的工作原则和方案上达成共识，并召开了首次针对5G的无线网和核心网工作组联席会议。中国移动作为5G网络架构项目牵头公司，统筹开展5G技术的标准化工作，并保持端到端的技术同步。在窄带物联网技术领域，完成了NB-IoT技术关键规范的冻结工作，标准化工作顺利收官，相关产品正式交棒。

（摘自：飞象网）

A wireless network planning method based on concave convex decision making unit

CAO Huan
（China Mobile Group Design Institute Co.， Ltd. Sichuan Branch， Chengdu 610045， China）

Though the C2R model and DEA are relatively mature techniques， they are introduced into the existing configuration process planning of network resources after corresponding improvement algorithm. A wireless network planning method is proposed for the first time based on concave convex decision making unit. This method adds an indicator between traffic prediction and network planning and deployment. Through the indicator of the relative effi ciency evaluation of the allocated resources， and judging redundancy or insuffi cient of the Decision Making Unit， that can be quantitatively and evidently to guide the allocation of resources.

network planning； resource allocation； decision making unit； DEA

TN929.5

A

1008-5599（2016）07-0071-06

2016-03-21