MR二维统计图用于LTE覆盖状态的研究

温伟能+张霓

【摘 要】为了直观、全面、科学地描述小区综合覆盖状态，提出了一种基于终端上报的测量报告（MR）的二维统计图，通过对MR中会携带的主服务小区接收电平（RSRP）样本信息进行分析，得到其当前下行覆盖状况，对MR中会携带的邻区RSRP样本信息进行分析，得到其周边邻区信号强弱，再根据邻区间不同的切换策略划分区间，能够发现小区弱覆盖、重叠覆盖、邻区漏配等一系列覆盖问题，以便开展相应的网络优化措施。提出的MR二维统计分布图为现网LTE网络结构优化提供了一种工具。

【关键词】测量报告 覆盖状态 二维统计图

1 引言

终端处于连接态时会通过信令上报测量报告（Measurement Report，MR）到基站，基站通过其上报的内容即时了解当前终端的下行覆盖情况。根据预先配置好的策略，作出继续驻留本小区不再测量、驻留本小区继续测量、切换到相应的邻区或者脱离网络的决策，下发到终端去执行。这些策略是通过上报的服务小区参考信号接收电平（Scell-RSRP）和邻小区参考信号接收电平（Ncell-RSRP）进行比较判决所得到的。通过收集这些MR数据，对其进行二维度关联统计和分析，能够了解该小区的历史移动性管理决策过程，全面、直观地把握该小区与邻区间的覆盖情况。通过现网MR数据进行解析和绘图，在不同场景、不同切换策略下对网络覆盖问题进行举例分析，并且尝试得到和验证相应的网络结构优化措施，以证明该统计图能够真实地反映网络覆盖的结构问题。

2 LTE网络结构评估面临的困难

2.1 密集城区LTE网络结构评估困难

为了解决深度覆盖问题，除了增加站点建设的数量，还需要对入网站点进行质量的提升优化，均匀分布覆盖，既要避免重叠覆盖，又要避免覆盖空洞。需要实现网络的均匀覆盖，需要对整体的网络结构进行优化。

但是随着国内城市化进程的逐步推进，主城区的楼宇密度越来越大，楼层越来越高，用户密度越来越大，这对LTE网络的深度覆盖提出了前所未有的难题。密集的建筑使电磁波传播多径效应变得难以估算，运用传播模型的数值仿真准确率大打折扣[1]。

目前业界缺乏对密集城区网络结构进行科学评估的手段，使得基于网络结构的深度覆盖优化工作难以开展。

2.2 主流网络结构评估手段及存在的问题

（1）道路拉网测试、扫频测试。通过带有GPS定位的自动路测终端对道路上的LTE信号进行采集和分析，能够准确得到道路上的网路覆盖情况。然而调查表明，70%的流量发生在室内[2]，在室外道路上采样的结果不能有效地去评估整体网络的覆盖情况。

（2）基于传播模型估算的覆盖分布地图。通过MR数据中的时间提前量（Tadv）、天线到达角（AoA）和信号传播模型建立覆盖成分指纹库[3]，能够得到20 m×20 m，甚至是立体的覆盖渲染图。然而指纹库的建立需要采集大量外部数据，包括精确的城市楼宇地图，而且需要开发复杂的仿真软件，需要保持定期更新，同时需要考虑树木、楼宇外墙等不同材质对信号传播的影响。该手段成本高、开发周期长、更新维护困难，不容易大范围推广。

针对上述问题，本文提出了一种结合服务小区RSRP和邻区RSRP的二维分布统计图，并根据邻区间不同的切换策略划分区间，直观、全面、科学地描述网络覆盖结构，发现和定位弱覆盖、重叠覆盖、邻区漏配等一系列覆盖问题，辅助得到相应的网络优化措施。

3 MR二維统计图的实现

3.1 MR二维统计图的数据结构

MR数据由终端的物理层上报，其测量结果可以用于系统中无线资源控制子层完成诸如小区选择/重选及切换等事件的触发，网络设备应具有测量所规定测量报告数据的能力。测量方式采用周期测量时，可在测量任务定制时对上报周期进行配置。对于一个测量，报告触发方式可以是事件触发或周期性触发。如果是周期性触发，需要配置上报周期；如果是事件触发，则利用网络已开启的事件测量，不需另外开启测量[4]。

MR二维统计图是通过由原始MR数据二次处理得到的三维数据的平面投影图。X轴、Y轴、Z轴为其三个维度，其中，X轴表示当前主流的主服务小区RSRP，Y轴表示测量到的邻区RSRP，Z轴表示落在当前区间的MR采样点数。

MR二维统计图按照汇集级别，从大到小可以分为全网级、小区级和邻区对级。不同级别的X轴、Y轴不变，仍然是RSRP的区间刻度，间隔1 dBm划分为一个区间。Z轴有不同的汇聚，从而呈现不同的信息。

3.2 原始MR数据的数据结构

中国移动集团对MR报告进行了标准化，有MRS（统计的测量报告）、MRE（事件触发的测量报告）和MRO（测量报告原始样本）。各设备厂家的MR数据格式将严格按照中国移动集团规范的测量报告数据格式进行设计和上报。其中MRO所支持的字段包括4G服务小区标识、服务小区信号电平、4G邻小区标识、4G邻区信号电平等。

为了简化存储，RSRP在MR数据中以正数的形式进行存储，其真实值为该值与141的差，单位是dBm，如MR.LteScRSRP值为34，则真实值为-107 dBm。

3.3 MR二维统计图的汇聚粒度

邻区对级为最小的汇聚粒度，其三维数组数值记为（xi， yj， zsnij），i=1， 2， …， N；j=1， 2， …， M。zsnij为所描述的邻区对中，该主服务小区电平值为xi且该邻小区的电平值为yj的采样数时的采样点数。

将某一主服务小区的所有邻区进行汇聚，得到小区级的MR二维统计图。其三维数组数值记为（xi， yj， zsij），i=1， 2， …， N；j=1， 2， …， M。zsij为所描述的邻区对中，该主服务小区电平值为xi，所有邻小区的电平值为yj的采样数时的采样点数，显然有zsij=sum{zsnij}。

对所有观察范围内的小区进行汇总，得到全网级的MR二维统计图。记其三维数组数值为（xi， yj， zij），i=1， 2， …， N；j=1， 2， …， M。zij为所描述的邻区对中，该主服务小区电平值为xi，所有邻小区的电平值为yj的采样数时的采样点数，显然有zij=sum{zsij}。全网级的MR二维统计图如图1所示：

4 MR二维统计图的区间划分

全网级的MR二维统计图呈现着整网的主服务小区与邻区的RSRP分部情况，如图2所示。分布图图形呈长扁平的椭圆形，椭圆长轴与X=Y这条线平行，圆心靠近X=Y这条线且稍偏下。分布在X=Y这条线上方的采样点比X=Y直线下方的采样点会相对稀少，所以椭圆形会稍往下偏移。事实上，经过不同片区、不同城市的MR数据采集验证，全网级的MR二维统计图都服从类似的形状分布，这里将其定义为是正常的MR二维统计图的普遍形式。

为了能够用有限的数据来快速描述MR二维统计图，这里根据无线网络的切换特征，对其进行数据区间的划分，用5条直线、3个自定义门限将统计图划分成四个子区间。

区间1为重叠覆盖采样区域，记为O-zone。用X=Y+6和X=-80两条线围成，其中-80 dBm为主服务小区强场门限，可以根据现网实际需求自定义调整，本文仅作描述参考。该部分采样点描述的主覆盖小区与邻区的电平值处于强场，但主覆盖小区强度与邻区没有形成明显差距，或者邻区信号强度比主覆盖小区更强。在这样的信号条件下，容易出现导频污染干扰，同时过多的信号资源重叠会造成功率资源的浪费。

区间2为切换带采样区域，记为P-zone。用X=Y、Y=-110和X=-80三条直线围成，其中-110 dBm和-80 dBm分别是邻区弱场门限和主服务小区强场门限，可以根据现网实际需求自定义调整。该部分采样点描述了主覆盖小区信号强度比邻区弱，即将发生切换时上报的采样点。如果该区域采样点过多，说明切换门限欠妥或者邻区漏配，导致用户未能驻留到最强小区。

区间3为覆盖空洞采样区域，记为E-zone。用X=-110和Y=-110两条线围成，其中两个-110 dBm分别是主服务小区弱场门限和邻区弱场门限，可以根据现网实际需求自定义调整。该部分采样点描述的主覆盖小区与邻区信号均属于弱场，用户不能稳定驻留到4G网络，亟待覆盖资源的补充。

除上述区域外的其他部分为区间4，为主覆盖突出采样区域，记为N-zone。该部分采样点描述的主覆盖小区强于邻区信号，用户不仅能够稳定驻留在4G网络，而且能够在一个小区上稳定驻留，主覆盖小区突出，用户感知良好。

通过统计上述4个区间的采样点数占比，可以对该区域、该小区或者该邻区对的覆盖状态进行直观的、科学的描述。

5 MR二维统计图的覆盖描述实例

在佛山市高明区找到一片9.9 km2的区域作为试验区域，该区域包含的场景丰富，包括滨江道路、山坡丘陵、公共绿地、密集城区、稀疏城郊等。

对其中的263个小区开启MR数据采集3天，进行全网级、小区级和邻区对级三个粒度的二维统计图解析和绘制，并且按照图3的分区进行采样点数量的统计。

通过对比该区域各小区的N-zone采样点比例，其中#3和#7小区较高，而#9和#13小区比例较低，可知前两者覆盖感知较好，而后两者有待优化。

观察四个小区的MR二维统计图，#13小区采样点多分布在P-zone，判断为切换邻区漏配所导致。#9小区采样点集中在O-zone，表明重叠覆盖问题是影响其N-zone比例下降的原因。而具体如何优化，需要再下钻到邻区粒度的MR二维统计图进行判断。

图4列出了#9四个典型邻区对的MR二维统计图，同时得到邻区粒度的采样点数量的集中区间统计。通过对比该小区的TOP10邻区对的N-zone采样点比例，其中和TOP7邻区交叠时覆盖感知较好，而TOP2、TOP8、TOP10邻区覆蓋感知较差，其分别是P-zone、E-zone和O-zone采样点比例过高。

通过小区扇区图层以及结合现场测试可以知道，#9小区与TOP10邻区存在重叠覆盖，与TOP2邻区存在邻区漏配问题，与TOP8邻区存在覆盖空洞问题。建议根据TOP8/TOP10邻区的天馈相对关系，进行天馈调整。#9小区与其邻区的扇区方向图层如图5所示：

根据实际的天馈位置，将#9小区天线逆时针调整10°，让其远离TOP10邻区，靠近TOP7邻区。调整后观察3天的MR数据，观察对比#9小区MR二维统计图，能够看到重叠覆盖的情况明显改善了，主覆盖突出采样点比例从48.88%提升至57.07%，达到了优化覆盖的调整目的，也说明了MR二维统计图对LTE覆盖状态的描述是直观的、全面的和科学的，能够很好地应用于网络优化辅助。调整天线前后的#9小区的小区级MR二维统计图如图6所示：

6 结束语

本文提出了一种全面地、科学地、直观地利用MR数据分析覆盖状态的图表统计工具，并且介绍了统计图的数据结构和汇总方法。MR二维统计图可以按照汇聚粒度分为全网级、小区级和邻区级，对弱覆盖、重叠覆盖、邻区漏配、切换门限配置错误等覆盖类问题进行发现和优化。

在本文已经提出的分析工具的基础上，后续工作可进一步研究利用四区间采样点占比统计，快速判断天线方向角的最优值与切换门限的最优值，持续提升LTE网络结构的优化。

参考文献：

[1] 贾全，刘诗虎. 基于射线跟踪传播模型的仿真在城区LTE网络规划中的应用研究[J]. 中国新通信， 2014（18）： 59-60.

[2] 程敏. LTE室内深度覆盖解决方案[J]. 移动通信， 2013（17）： 28.

[3] 韩亚楠. LTE中RF指纹定位算法研究[D]. 北京： 北京交通大学， 2016.

[4] 3GPP TS 36.214. Technical Specification Group Radio Access Network； Evolved Universal Terrestrial Radio Access（E-UTRA）； Physical layer； Measurements[S]. 2010.

[5] 胡晓东. 基于三网融合的WiFi覆盖研究[J]. 电视技术， 2014，38（21）： 82-84.

[6] 李校林，付澍，付玲生. 基于覆盖范围需求的LTE下行资源分配方式[J]. 电视技术， 2011，35（21）： 80-83.

[7] 刘丽利，曹型兵. LTE终端空闲模式下的小区重选分析[J]. 电视技术， 2011，35（1）： 81-84.