AFOS超大规模网络频率优化的研究与实践

赵春阳，王蔚

（中国移动通信集团设计院有限公司上海分公司，上海 200060）

AFOS超大规模网络频率优化的研究与实践

赵春阳，王蔚

（中国移动通信集团设计院有限公司上海分公司，上海 200060）

本文通过对AFOS系统所能处理的最大规模的频率优化工作进行研究，通过利用大量MR数据的导入及工程模拟，对AFOS的极限处理能力得到了一些经验数据和实际应用技巧，对其后续软件需要完善的方面提出了改进的建议；同时在此基础上成功实现了单次近31000载频的超大规模的频率优化工作，实际入网效果达到预期目标。

AFOS；GSM；频率优化

1 引言

LPWA（低功耗广覆盖）类业务连接是全球产业关注的重要市场，也是中国移动面向大连接战略应当考虑满足的场景之一，但现有2G/3G/4G网络难以承担这类业务。基于NB-IoT（Narrow Band Internet of Things， 蜂窝的窄带物联网）成为万物互联网络的一个重要分支，随着中国移动LTE网络的发展以及GSM用户向4G网络的迁移，中国移动的GSM用户及所承载的数据业务承载量也迅速下降，GSM网络的退频，为更好的建设NB-IoT网络，拓展其可用频段资源，降低运维成本具有重要的现实意义。

根据中国移动的相关工作要求，在全国部分重点城市要求GSM900网络必须于2017年6月底之前退出物联网所需的5.8 MHz频段，目前中国移动在GSM900主要有19 MHz带宽，从频谱的利用的角度看有近30%的频率需要退出，为此如何在短时间内完成全网大规模的频率优化工作成为一个日益紧迫的工作。

2 AFOS应用现状

AFOS作为中国移动自主开发的一款基于MR数据的频率优化工具系统，已成为GSM频率优化的一种主要方式。其通过软件平台实现频率的自动分配，大大节省规划人员繁琐的工作，提高工作效率；同时通过对现网数据的全面采集分析，也提高了频率规划的质量。

2.1 AFOS的基本工作流程

典型的AFOS频率优化流程见表1。

通过表1可以发现，完成一次完整的频率优化工作，时间一般为一个月左右，即使按照最小规模的时间计算也要17天左右，从这个角度上来看，单次完成的网络规模越大越好，工作效率最高。

2.2 AFOS在应对超大网络规模时的挑战

根据AFOS前期在各个省公司的使用经验，全国各地使用AFOS进行频率优化的单次的规模一般集中在几千到两万载频左右的规模，在应对中小网络规模的需求下，已经得到了充分的验证。

但是在特大城市的频率优化方面，还缺少超大规模频率优化的经验。例如某直辖市GSM900网络现网载波数量在十万以上，如图1所示，如果采用小规模的多次频率优化存在问题如下。

表1 典型AFOS工作流程统计表

图1 某特大城市频率优化方案示意图

多次优化方案必然导致优化周期加长，同时难以在短时间内完成中国移动的降配退频的工作安排；如果采取多区域并行优化方案，则会导致保护带划分复杂，保护带频率优化方案也需要等待其他区域频率优化方案完成后，才能进行，时间节省的空间有限，仍旧需要提高单次频率优化的处理能力。

按照单次2.5万载频的优化方案进行区域划分，翻频区域1、2、3及保护带各大约包含2.5万载频左右，此时频率优化方案为：

（1）翻频区域1、2、3先同时开展频率优化工作：从工作开始到提供三套频率优化方案的时间，根据表1的参考值可以大概估计到的时间约为23天。

（2）保护带区域频率优化工作：将生成的3套方案更新进入基础工参表，再进行保护带的频率优化工作，此时估计用时为10天。

（3）将前面两套方案合并得到全网方案，后续全网频率割接入网及效果评估，预计用时为10天。

综上所述，在初步的频率优化时间中，累计为43天，考虑到这么大的方案实施过程中，需要预留一些异常问题的处理情况，综合完成该项方案可能需要预估的时间约为50天。

从超大规模的频率优化情况来看，AFOS的系统处理能力与完成频率优化的方案所需时间密切联系，如果单次频率优化规模不够，同时还可能导致比上述方案更复杂的情况，会导致时间与难度的大幅增加，因此对AFOS系统进行单次频率优化的最大能力进行研究是该项优化工作的重要内容。

3 AFOS系统处理最大性能研究

AFOS软件理论上可以支持5万载频的频率优化，正式开发于2008-2009年间，迄今有近10年的时间，根据该软件部署的基本硬件要求为：处理器Pentium Dual 1.7 GHz以上，内存2 G以上，硬盘空间10 G以上；软件运行操作系统Windows XP/Windows 2003/Vista/ Windows 7以及配备Microsoft Office Excel 2003以上。

随着计算机技术的飞速发展，当前软硬件的配备条件已经远远超过该软件运行的基本要求。所以后续研究主要是在确定计算机硬件条件不受限的条件下，AFOS软件处理能力极限的一些经验与技巧处理。

3.1 硬件及软件配置环境

为了确定AFOS的最大软件处理能力，是否受计算机硬件的限制，实验硬件配置条件见表2。

图2 硬件资源占用情况图

表2 实验硬件配置

两台服务器的配置远远超过AFOS建议硬件配置的基本要求，所以在理论上硬件配置上应该改不存在瓶颈。

同时采集了某地12万载频一万多个小区的7×24 h MR数据及AFOS所需要的其他数据，作为实验数据备用。

3.2 硬件资源占用评估

为了验证AFOS软件对计算机硬件能力的限制，以理论最大支持的5万载频的规模倒入7×24 h MR数据，进行AFOS的频率优化，在数据导入及频率方案优化过程中，开启Window自带的资源管理器动态观测对计算机硬件的资源的占用情况。图2为硬件资源占用情况图。

先使用普通配置的服务器进行AFOS对硬件的占用分析。通过观察发现，软件启动分频初始化环节后，软件自动退出关闭。在软件使用的所有阶段，CPU的最大利用率在50%左右，内存最大利用率在11%左右。后面以高配置服务器进行同样实验，计算机CPU的最大利用率在10%左右，内存最大利用率在4%左右，软件仍旧出现异常退出。所以，通过监测发现，计算机硬件资源可以满足软件理论最大载频的支撑需求，软件异常退出应该与AFOS软件的设计能力有关。

AFOS软件对分频的工程采用项目管理的方式，有关软件运行过程当中的信息保存在“安装目录/自动频率优化系统/GSM/REPORT/项目名称”下，AFOSSOFTLOG.db3文件里面保存了软件运行过程中的详细信息。采用第三方软件，将该文件打开后，查看loginfo信息，可以明确的看到软件异常退出的原因为“system out of memory exception”，如图3所示，说明软件对内存的使用上出现了溢出，这与硬件的内存配置无关。

图3 软件运行错误log信息解析

通过实验发现，目前在用的服务器从硬件上可以完全满足软件对硬件资源的占用需求，AFOS软件的最大处理能力主要受限于AFOS软件自身的设计，后续研究主要是针对软件自身的最大处理能力进行。

3.3 实验过程设计

根据频率优化的相关规范，AFOS进行频率优化的数据采集时间不能低于4天，正常可取7天，根据AFOS研发人员提供的软件理论设计能力约为5万载频的规模进行实验，实验思路如下：

按照5万载频的规模，制作翻频工程数据，先导入7天的MR数据，进行实际验证，如果出现异常或软件自动退出，则导入4天数据进行实验，如果可以正常生成频率方案则认为可以支持该规模的频率优化支持能力；如果仍旧出现异常，则认为AFOS不支持该规模最大处理能力，后续逐步降低单次软件处理规模，直至找到最大的处理能力范围。

在实验过程中在32 000载频优化规模时倒入7天数据可以正常生成优化方案；在进行36 000载频的规模时导入7天的MR数据时软件异常退出，导入4天数据时可以正常生成方案，见表3。

表3 MR导入天数与最大支持频率方案对应表

由于一天的MR数据不足以支撑实际的频率优化工作，在这里仅供分析参考。通过实验发现MR数据的大小会影响到AFOS软件所能提供最大频率优化能力。

3.4 实验结论

在AFOS2.0软件的版本下，进行了超大规模频率优化的相关实验，得到的结论如下：

（1）AFOS软件数据主要存贮在afos.db3文件中，根据前期的使用经验，该文件的大小不能超过2G，所以这在一定程度上限制了MR数据导入，根据实验发现的单次导入的MR数据最大为2G，超出这个范围会出现内存溢出的情况或软件自动退出。

（2）目前主流的服务器硬件配置可以完全满足AFOS软件的硬件配置需求，软件所能处理的单次最大规模能力主要受限于软件自身的设计。

（3）AFOS软件处理最大能力受MR数据大小和载频数量的同时制约，我们在导入一天MR数据的基础上了成功实现了43 000载频规模的频率优化，而考虑到网络优化实际工作需要采集多天数据的要求下，可以参考的单次最大处理规模约为32 000-36 000载频左右。

（4）一次频率优化需要运行生成多方案对比后优选方案，在大规模频率优化时可能会出现第二套优化方案无法生成的情况，此时需要将第一套已经生成的方案备份后删除，才可以生成新的方案。

（5）在软件运行过程出现的异常问题，可以采用查看工程项目log info的信息，帮助我们来辅助判断软件异常的原因，可以使用SQLite browser软件工具打开相应的afossoftlog.db3文件进行初步的问题定位。

4 超大规模频率优化的实践

4.1 实验结论

根据翻频前的各项数据准备及利用历史数据的模拟分频工作，实际安排了30 616块载频的频率优化方案可以通过单次频率方案生成，正常生成3套频率优化方案，见表4。

表4 3套方案干扰对比表

表5 无线性能指标改善对比表

通过AFOS的软件分析，生成的3套方案，同频干扰及邻频干扰值有了大幅的下降，网络总体干扰值从原始的78 867.94下降到25 644.77，下降幅度达到70%，网络干扰情况得到了明显的改善。

通过前面的总体干扰值及劣化小区的数量对比，确定方案3为本次频率优化的最终方案，并在此方案的基础上进行优化。

4.2 效果评估

对网络实施的改频后，网络质量运行稳定，各项主要性能指标与改频前总体相当，指标基本保持稳定。与频率质量密切相关的下行质量切换比例下降了3.76%， MR下行质量提升了0.18%，两者都有所改善，见表5和表6。

5 结论

在当前及今后的很长一段时间内，GSM网络仍旧是语音业务的主要承载网络，语音质量及网络干扰的情况仍旧是网络优化的一个主要内容，在当前物联网的快速发展下，GSM900网络的频率优化工作又重新提高到一个新的议事日程。

AFOS作为中国移动自主优化的一个重要工具平台，已经实现广泛的应用，但是在应对在有限时间内完成超大城市的超大网络频率优化方面还缺乏相应的指导和经验。

表6 道路测试指标对比表

[1] 钱志鸿, 王义君. 物联网技术与应用研究[J]. 电子学报, 2012,40(5):1023-1029.

[2] 解冲锋, 孙颖, 高歆雅. 物联网与电信网融合策略探讨[J].电信科学, 2009,25(12):9-12.

[3] 程晓. 以MR为基础的GSM网络频率优化研究和设计[D]. 北京：北京邮电大学, 2012.

[4] 佚名. 我院配合中国移动开展AFOS全网推广使用工作[J]. 电信工程技术与标准化, 2010(3):53-53.

[5] 买萌宇. 关于Schema Gsm Forte在郑州移动GSM网络频率规划中的应用研究[D]. 北京：北京邮电大学, 2009.

Research and application of ultra large scale network frequency optimization by AFOS system

ZHAO Chun-yang, WANG Wei
(China Mobile Group Design Institute Co., Ltd. Shanghai Branch, Shanghai 200060, China)

In this paper, the maximumprocessing capacity of AFOS system was studiedby using a large number of measurement report data and engineering simulation,We get some experience data and practical application skills, and put forward some suggestions to improve the AFOS system; it isfor the first time to present a frequency optimization scheme of nearly 31000 carriers one at a time and all prospective goalshave been achieved.

AFOS; GSM; frequency optimization

TN929.5

A

1008-5599（2017）07-0082-05

2017-02-24