基于多维数据协同的eSRVCC精准邻区优化*

李丽智，岳 磊，卫慧锋

（中国移动通信集团广西有限公司，广西 南宁 530022）

0 引 言

VoLTE即Voice over LTE，是基于IMS的语音业务。它是一种IP数据传输技术，全部业务承载于4G网络上，可实现数据与语音业务在同一网络下的统一[1]。在LTE建网期，不可避免存在弱覆盖甚至无覆盖区域。为保证话音通话的延续，需要用户从LTE网络向GSM网络进行切换，即eSRVCC（Enhanced Single Radio Voice Call Continuity，增强型单一无线语音呼叫连续性）。

eSRVCC的关键在于邻区优化和与GSM网络邻区配置准确性和合理性。与邻区的切换门限值，将直接影响eSRVCC的切换成功率。虽然前期经过了2年多的优化总结了一整套各场景下的邻区切换门限设置建议值，但是由于缺少工具支撑且邻区优化工作繁琐多变，目前邻区优化手段比较单一有限，导致邻区优化效果和eSRVCC的成功率不是特别理想。

1 现状分析

1.1 eSRVCC切换失败成因分析

以南宁市现网eSRVCC切换失败成功率统计为例（如图1所示），发现电梯隧道、地下停车场、高层（住宅楼）、城中村、郊区边缘等场景整体的esrvcc切换成功率较差，成功率低于90%。

图1 南宁各场景下eSRVCC切换成功率情况

针对以上场景分析和TOP切换失败小区原因分析处理的经验，总结出目前eSRVCC切换失败的原因主要集中在bSRVCC不支持、2G无线原因、4G无线原因、流程冲突、数据配置错误等方面。各切换失败占比如表1所示。

由表1不难看出，由于2G无线原因导致的切换失败占比达17%。对2G无线问题进一步细分，结果如图2所示，其中由于邻区配置问题导致失败的占比高达1/3。可见，2G邻区优化既是基础工作，又是eSRVCC切换优化的关键。

表1 eSRVCC切换失败主要原因分类及占比

图22 G无线问题原因分类

1.2 传统的邻区优化方法分析

在当前LTE不能完全连续覆盖的情况下，日常开展4G到2G的邻区优化的手段主要为继承CSFB（Circuit SwitchedFallback）的频点添加可能的GSM邻区[2]、通过路测发现漏配邻区、用户投诉后核查漏配邻区等。路测需要耗费大量的人力和物力，周期较长，且有时难以触发eSRVCC切换。用户投诉方法虽然可以根据用户投诉现象发现网络中潜在的问题，但是大多数情况下客户毕竟不是专业人员，有时对无线网络环境描述不清，给后台解决问题带来了相当大的难度。这两种发现问题的方式都比较被动，且不能够防患于未然，定位时间长，导致邻区问题难以发现，大大降低了客户满意度。

由于CSFB与VOLTE的eSRVCC切换有本质的区别，导致了直接继承CSFB邻区后eSRVCC的成功率不是特别理想。

（1）CSFB只需要频点即可，不需要精确的邻区。即使频点漏配，UE也会进行全频段搜索，只是时间略长，而eSRVCC则需求确切的真实邻区。所以，相比eSRVCC来说，CSFB邻区要求较低，保证CSFB感知不一定能保证eSRVCC感知；

（2）CSFB发生的范围远大于eSRVCC，CSFB可能发生在任何4G覆盖区域，而eSRVCC只有在4G覆盖边缘才能触发，所以适合CSFB的邻区不一定是eSRVCC的最近邻区。

通过前述分析可知，邻区配置的准确性和2G邻区质量差成为导致eSRVCC切换失败的主要原因之一，而现行邻区优化方法均在不同层面存在问题。如何利用现网的大数据协同分析识别4G特定覆盖区域下的优质2G邻区和优化现网的2G邻区配置，是eSRVCC邻区优化的关键。

2 优化思路及算法

2.1 多维数据应用

观察现网中不同途径、各种维度获得的数据发现，MR（Measurement Report，测量报告）、基站无线侧的性能统计、信令消息、干扰统计、现网邻区配置数据以及经纬度等信息或数据之间具有强相关性。在此背景下，本文提出了基于多维数据协同的eSRVCC精准邻区优化方法，利用多维数据综合分析评估2G邻区信号质量情况，精准识别优质2G邻区。

2.1.1 MR数据

根据集团规范要求，UE（用户）和eNodeB（Evolved NodeB，LTE基站）定期将物理层、RLC层以及在无线资源管理过程中计算产生的MR（Measurement Report，测量报告），经过统计计算（可以在eNodeB或OMC-R上实现统计）报送到OMC-R，以统计数据形式进行存储[3]。MR中包含了大量的测量数据和相关的小区信息，如针对异系统的MR包含了BCCH（Broadcast Control Channel，广播控制信道，为GSM小区的主频点）、BSIC（Base Station Identity Code，GSM基站识别码，包括NCC和BCC）和Rxlev（Received Signal Level，接收信号电平）等重要信息[4]。

通过开启LTE的异系统MR测量项，从MR数据中获得LTE周围GSM所有邻区的采样点、特定GSM小区（通过BCCH、BSIC来匹配出具体的GSM小区）采样点及接收电平，就可以根据各GSM邻区测量到的概率及电平高低来判断是否为优质的GSM邻区。

2.1.2 性能统计

在LTE基站侧网管性能统计中，设置有异系统两两邻区对的测量计数器，能够统计从某个4G小区到某个已添加邻区关系的2G小区的切换性能，如切换请求次数、切换成功次数等，能够作为评估两两邻区切换性能的重要依据。

2.1.3 2G干扰统计

在GSM基站侧网管性能统计中，设置有GSM干扰带的测量计数器，是BTS在空闲时利用一帧中的空闲时隙对其TRX所用频点的上行频率进行扫描，并统计到对应的干扰带中。干扰带共分5个等级，电平范围可以通过对应的网管维护操作平台进行设定，通常设置如表2所示。

表2 干扰带电平设置

干扰带统计指标能够直接反映GSM小区的受干扰程度。干扰带等级越高，表示受到的干扰越大。根据日常优化经验值，查看干扰带4和干扰带5的占比，占比越大，则该小区存在干扰的可能性越大。

2.1.4 信令消息

在信令监测系统中能够通过信令消息筛选，统计出用户从4G回落到2G的具体小区名称、回落次数和回落成功率。它可以作为辅助2G邻区质量情况的一种手段。

2.2 算法设计与实现

基于多维数据协同的eSRVCC邻区优化方法，是根据MR数据、基站无线侧的性能统计、信令消息、干扰统计、现网邻区配置数据以及经纬度等信息，经过数据采集与解析、漏配邻区判断、冗余邻区判断、干扰判断四个步骤，最终形成邻区优化配置策略。具体的优化策略流程如图3所示。

图3 优化策略流程

2.2.1 数据采集及解析

①相关数据收集及核查。收集小区工参（小区名称、经纬度等）、GSM干扰统计、信令系统中CSFB回落小区统计、现网邻区配置等数据，同时必须核查4G中配置的邻区的工参（如BCCH/BSIC/LAC）与现网GSM配置的数据是否一致，避免由于不一致导致后续判断错误的问题。

②开启异系统MR测量。在现网LTE小区中开启INTER_RAT_MR为异系统MR测量项，开启后UE会定时上报异系统测量信息，其中包含测量到的GSM邻区信息。

③MR数据采集解析。对采集的MR文件处理，筛选出需要的关键信息，主要包括eCI（eCI=eNodeBid×256+Localcellid，是在一个PLMN中唯一标识TLE小区的）、LTE频点、PCI（Physicallayer Cell Identity，物理小区ID）、AvgRSRP（Average Reference Signal Receive Power，平均参考信号接收功率）、AvgRSRQ（Average Reference Signal Receive Quality，参考信号接收质量）、MrCount（MR采样点）、NbrCount（测量到GSM邻区个数）、GsmNbrCells（CountBCCHBSIC RXLEV）GSM采样点信息等。同时，设定了LTE/GSM的信号门限及采样数筛选条件（建议值如表3所示），可实现精确识别特定RSRP范围内的2G邻区。

表3 LTE/GSM的信号门限及采样数筛选条件

2.2.2 漏配邻区判断

结合LTE与GSM邻区的经纬度进行邻区距离计算，对MR数据根据一定的规则和步骤进行计算，挑选出优质的GSM邻区。将优质的GSM邻区列表清单与现网LTE小区配置的相邻频点组内的频点比较，判断相邻频点配置是否合理，判断频点是否存在漏配。

MR数据用经纬度判断是否存在漏配频点的评估计算步骤如下：

（1）计算MR测量到各GSM小区采样概率、用GSM采样概率和接电平对GSM进行排序，筛选出采样点前10小区。

（2）利用LTE工参或GPS经纬度找出MR数据中的LTE小区经纬度。

（3）根据LTE小区与GSM小区经纬度，找出最近10个相邻区GSM小区。GSM信息有LAC、CI、BCCH、BSIC、CELLNAME 等。

（4）将MR测量GSM小区BCCH、BSIC信息与位置相近10个GSM关联匹配。

（5）将匹配后GSM小区的频点和LTE配置相邻区频点组的频点比较，组内未配置频点判定为漏配频点。

MR基于经纬度评判漏配邻区条件（以下4个条件需要同时满足）：

①GSM接收电平＞-90 dB；

②采样概率排名≥10；

③地理位置相邻≥10（根据LTE、GSM经纬度计算）；

④未配置在相邻频点组内。

2.2.3 2G小区干扰判断

结合GSM小区干扰性能统计，判断GSM小区是否存在干扰，并对未受干扰的GSM小区和受干扰的GSM小区区分对待。假如为无干扰小区，则添加该小区为普通GSM邻区；假如为受干扰小区同时为必要添加的邻区，则添加该小区为低优先级GSM邻区。

①2G受干扰判断条件。如果4/5级干扰采样点在所有采样点中的占比大于30%，则认为2G小区受到干扰。

②必要邻区判断条件。该高干扰GSM小区的MR测量采样点占比在TOP16之内，且该高干扰GSM小区的MR测量平均Rxlev排名在TOP16之内，同时该4G小区2G邻区个数小于25个。

③添加普通GSM邻区步骤。新增该小区为GSM外部小区，再添加该小区的邻区关系。

④低优先级邻区步骤。若为高干扰小区且为必要的邻区，先新建低优先级频点组，调整OffsetFreq设置为负值，将高干扰小区的频点列入低优先级频点组。

根据eSRVCC切换门限事件触发条件——异系统信号+OffsetFreq＞InterRatHoGeranB1Thd，当频点组的OffsetFreq设置为负值时，相当于针对这一组频点抬高了eSRVCC的切换门限。迫使UE在低优先组内频点信号较强时才触发切换，以对抗GSM的高干扰，尽量减少4G小区向该受干扰的2G邻区切换。

2.2.4 冗余邻区判断

通过LTE性能统计，信测平台提取小区级CSFB回落数据，根据4G和2G的工参（经纬度、天线方位角等），联合MR测量统计、地理位置信息等，判断是否为冗余小区。

冗余判断条件（以下4个条件需要同时满足）：

（1）已存在现网邻区/频点中。

（2）连续7天切换请求次数为零；且该GSM邻区在MR采样中采样占比＜5%，且GSM小区电平小于-95 dBm。

（3）回落GSM小区按次数从高到低排序，排名后40的小区且回落概率不大于5%，同时距离大于3.5km（主城区）/6km（郊区及其他）。

2.3 算法优势分析

该方法基于现网用户MR及2G干扰统计，能保证更全面识别GSM邻区质量。同时，该方法限定了LTE和GSM的信号门限及采样数，一定程度上避免了偶发事件，保证了识别的GSM邻区为最佳GSM邻区。此外，对现网配置的邻区进行冗余判断，减少了不必要的邻区，优化改善了切换时延和性能。

2.4 算法应用效果

以南宁西乡塘区连畴村1队_拉远_HLH_2小区（cellid为126393618，以下简称拉远2小区）为例，切换成功率仅为67%。利用以上分析思路进行多维数据综合评估，最终开展了四项优化策略实施，即添加TF19002为普通邻区、添加TF01552为低优先级邻区、调整TF01551为低优先级邻区以及删除TF20341邻区。

策略实施后，拉远2小区向TF19002的切换请求次数为4次，成功率为100%；拉远2小区向TF01552的切换请求次数为6次，成功率为66.7%；拉远2小区向TF01551的切换请求次数减少了13次，成功率提升至71%。对比南宁西乡塘区连畴村1队_拉远_HLH_2小区在进行以上4个优化策略实施前后一周切换性能指标情况发现，eSRVCC切换请求次数减少了28%，成功率由原来的67%改善至89%。优化策略实施前后整体效果如图4所示，4项邻区优化策略实施效果如图5所示。

图4 试点小区优化策略实施前后整体效果对比

图5 试点小区单独各项邻区优化策略实施效果对比

3 结 语

eSRVCC是LTE覆盖边缘保证VOLTE语音通话连续的关键所在，延用传统的4G到2G的邻区优化方法存在各种弊端，难以法满足eSRVCC的精确要求。基于多维数据协同的eSRVCC精准邻区优化方法，利用异系统MR、信令信息、基站性能统计、2G干扰统计等大数据，综合分析评估2G邻区信号质量情况，精准识别优质2G邻区。同时对已配置的邻区也进行综合评估，删除冗余邻区，达到邻区优化提升切换性能的目的。此外后续如利用python语言实现优化思路的工具化、软件化，对日常邻区优化工作效率将带来极大提升。