依托MR大数据分析平台实现无线虚拟测试的方案

杜剑波 范新梅 侯宾川

【摘要】本文主要是通过MR大数据分析，实现无线虚拟测试，MR覆盖问题定位方面的技术创新，主要包括指纹库算法、用户行为识别算法及全方位覆盖评估等，大幅提高了MR定位精度，同时提升深度覆盖、业务价值、用户感知、竞对覆盖等全方面网络评估的可靠性。

【关键词】MB数据 XDR经纬度 指纹库 用户识别算法

1 引言

基于现有网络MR和XDR数据，通过用户使用如滴滴打车，百度地图等需要定位信息交互的软件时通过XDR用户面据解码、匹配得到终端位置信息；通过MR与XDR信息关联，实现MR信息与准确定位信息的关联。

2 研究背景

随4G业务商用和推广以来，4G业务流量爆炸式增长，同时用户对4G网络质量的要求越来越高，网络深度覆盖不足制约4G网络质量的提升，影响客户感知。

运营商在面对多张网络同时运行、用户数迅速增长、各种业务层出不穷、多场景覆盖需求等复杂的局面，需要从以前的靠人海战术、多系统并行提取多维数据源，人工分析和组合的工作方式向云化大数据分析转变。

3 MR大数据平台无线虚拟测试的实现

3.1 终端位置信息的匹配

大量普通用户的在网体验，最接近网络的实际情况，众多的道路，大量的楼宇和不同的用戶习惯对人工测试带来巨大挑战。

定位所用的指纹库算法是指采用日常的ATU道路/CQT拨打测试数据作为训练样本指纹库，将MR数据与之进行匹配，配对成功，完成MR的地理化显示，指纹匹配一般采用模式匹配的标准算法，比如KNN（K Nearest Neighborhood），普通MR定位精度为200米，终端位置不能精确定位。MR覆盖问题定位方面的技术创新主要包括指纹库算法、用户行为识别算法及全方位覆盖评估等三方面，不仅大大提高了MR定位精度，同时提升深度覆盖、业务价值、用户感知、竞对覆盖等全方面网络评估的可靠性。

3.1.1 指纹库定位算法

指纹库算法是指采用日常的ATU道路，CQT拨打测试数据作为训练样本指纹库，将MR数据与之进行匹配，配对成功，完成MR的地理化显示。指纹匹配一般采用模式匹配的标准算法，比如KNN（K Nearest Neighborhood）；（1）指纹匹配：宗旨是选择MR与指纹库最“相似”的栅格；（2）相似度可以通过MR中小区信号强度和指纹库的LSQ（sum of squared difference）评估，值越小表示相识度越高；（3）从待选区域的所有可能50*50栅格，按上面的方法找到K个最小的LSQ，这K个栅格的中心坐标就定义为MR的位置通过指纹库算法将MR定位精度由传统的200米提升到50米以内。

3.1.2 用户行为识别算法

用户行为识别算法通过MR数据挖掘，获取用户的电平特征、邻区特征、切换特征等多维度信息，建立室内用户模型，实现精确区分室内外业务。

（1）用户使用如滴滴打车，百度地图，美团等需要定位的软件时，有定位信息的交互；（2）这些信息可以从XDR用户面数据中通过解码，匹配得到终端位置信息；（3）MR与XDR信息关联，实现MR信息与准确定位信息的关联。

3.2 MR信息和准确定位信息的关联

MR大数据分析基于路测数据的小区信号强度进行模型校正，以PNN神经网络算法为基础对道路附近的MR样本点进行定位，同时结合经过模型校正后的网格场强定位的方法，采用finger-print等识别匹配算法进行精确定位。

3.3 功能模块的现实应用

MR大数据平台无线虚拟测试现实应用从网络精确规划、众筹道路测试和众筹扫楼测试等方面开展。

3.3.1 网络精确规划模块

LTE网络精确规划模块是通过MR定位、路测、工参，电子地图等多维数据关联分析，依托精度更高的指纹库算法以及基于指纹库的传播模型训练算法，实现数据入库、数据解析和定位、数据分析、报表输出的自动化处理，快速、有效的定位覆盖问题点。

从需求管理、站点规划、价值分析到建后评估的全流程管理，实现需求管理、站点可栅格化呈现。

3.3.2 众筹道路测试模块。基于特有定位和位置信息匹配算法，通过XDR和MR的大数据关联，采用APP GPS+MR指纹定位，获得含经纬度的可用采样点。显示采样点的的覆盖情况属性，精确显示道路采样数以及覆盖属性。众筹路测功能：获得的道路多维度（覆盖、干扰、重叠等）指标状况，节省海量测试人员并获取诸多难以涉及小巷或者小区内道路情况，在节省测试成本的同时，提升日常测试工作的效率。众筹道路测试轨迹图不仅可以在平台页面直接呈现外，还可以在导出KML格式文件，在Google Earth中加载，以便维护、优化人员对比分析。

3.3.3 众筹扫楼测试模块

众筹扫楼功能：通过MR栅格化定位算法实现对区域覆盖栅格化定位，并通过定位模型算法识别出室内外用户，在栅格化地图上做精细化的显示，进行室内建筑物的覆盖情况分析。

4 结束语

大数据时代已经悄然而至，大数据提供了一个全新的信息生态环境和竞争舞台，只有充分研究大数据特点，不断创新分析方法来利用大数据的才可以保持持续的竞争优势。

运用MR数据分析平台进行MR和XDR大数据挖掘，代替传统的人工道路测试和楼宇深度测试，大大减少了网络优化数据采集人工成本和时间成本。并且由于收集的是在网用户的实际使用感知数据，减少了人工测试可能出现人为干预和采样不合理因素，无线网络评估结果更贴近用户体验，更公平合理，也使无线网络评估工作进入自动化、智能化阶段。

参考文献：

[1]赵训威，林辉，张明，姜怡华，张鹏，岳然，李国荣《3GPP长期演进（LTE）系统架构与技术规范》人民邮电出版社

[2]StefaniaSesia，IssanTonfik，Matthew BHker《LTE，TheUMTS Long Tern Evolution：From Theory to Practice》人民邮电出版社

[3]沈嘉《3GPP长期演进（LTE）技术原理与系统设计》人民邮电出版社