基于SON和MDT演进的5G大数据收集技术

彦楠 周叶

【摘  要】为了降低运营商的资本支出、运营成本以及人力投入，需要通过对大数据的收集与利用，实现更高效的资源管理与移动性管理，并针对突发问题进行快速定位。介绍了应用于5G系统的大数据收集技术，研究及分析了基于LTE系统的SON与MDT技术如何在5G进行进一步演进，以及在研究阶段的3GPP标准化方案。

【關键词】5G;大数据收集;最小化路测;自优化

doi：10.3969/j.issn.1006-1010.2019.08.013      中图分类号：TN929.5

文献标志码：A      文章编号：1006-1010（2019）08-0072-05

引用格式：彦楠，周叶. 基于SON和MDT演进的5G大数据收集技术[J]. 移动通信， 2019，43（8）： 72-76.

[Abstract] To reduce operators CAPEX， OPEX and manpower investments， big data collection and utilization technology could be used to achieve more efficient resource and mobility managements and quicker trouble shooting. This paper introduces a big data collection and utilization technology applied in 5G， and investigates how SON and MDT technologies based on LTE systems are further evolved in 5G and the 3GPP standardization solutions in the research phase.

5G; big data collection; minimization of drive-test; self-optimization

1   引言

5G大数据收集技术基于LTE的自优化网络（Self-

Optimizing Networks， SON）与最小化路测（Mini-mization of Drive Test， MDT）技术进行进一步演进。SON的引入是为了支持系统部署以及进行自主优化，其主要包括自动邻区关系（Automatic Neighbour Relation， ANR）、移动健壮性优化（Mobility Robustness Optimization， MRO）、移动负荷均衡（Mobility Load Balancing， MLB）以及随机接入优化（RACH Optimization）等。除此之外，网络自优化相关技术还形成了另外的研究方向：能量节省（Energy Saving， ES）、小区间干扰协调（e）ICIC等。SON特性基于UE与网络侧的大数据量收集与统计进行优化，被认为是大数据收集技术在RAN使用的先驱。

最小化路测技术（Minimization of Drive-Test， MDT）主要通过移动终端上报测量报告或者基站侧收集测量结果的方式来获取网络优化所需要的相关参数，以达到降低运营商网络优化和维护成本的目的。与传统路测相比，MDT具有节能减排、减少路测开销、缩短优化周期等优势，能够带来更高的用户满意度，并且可以收集到传统路测无法收集的全区域的测量信息（如窄路、森林、私人场所等）。

从网络部署与自优化的角度来看，应用大数据收集技术可以带来明显的好处。以MDT举例，可以用于商业网络中标识与分析相关覆盖问题，比如弱覆盖与过覆盖。通过大量手机MDT中上报的无线链路失败（Radio Link Failure， RLF）信息，可以将平均检测时间从传统路测的3个月缩短到4天。从测量结果来看，使用MDT与使用传统路测有88%的结果可以吻合。另一个例子为定位，基于7 km2上超过160个基站以及600小区的大量统计数据，50 m定位的准确率可高达70%[1]。并且通过更多的数据收集与利用，准确率将不断提升。由于上述多种优点，在NR系统中研究更多的数据收集与利用的标准化方案十分有必要。

（1）通过更精确的基站部署以及更少的人力投入，使运营商的资本性支出与运营成本得到降低。

（2）通过更高效的无线资源管理、移动性管理与问题定位，提高用户体验。

NR中的新型RAN架构（CU/DU）、RAN侧更强的存储与计算能力以及工业技术（如机器学习）为数据搜集与利用提供了新的机会。SON很多特性之间息息相关：如MDT与RACH优化、MDT与层二优化、负荷均衡与切换优化等，但由于在LTE刚起步时缺乏宏观规划，SON家族的各特性各自为营仅进行了单独研究。NR系统可以作为一个全新的开始，全面研究SON各个方案、无线资源管理增强以及其他的应用，达到强强联合避免冗余的目的。

本文将介绍基于SON和MDT演进的5G大数据收集技术，主要包括5G中用于网络自配置、自优化SON相关的各用例以及最小化路测MDT的收集场景及主要方案。

2   大数据收集各方案介绍

2.1  覆盖与容量优化

覆盖与容量优化（Coverage and Capacity Optimization， CCO）为无线接入网络优化的一种重要方式，旨在提供目标覆盖区域内所需要的网络容量来减小干扰，以及保持可接受的信号质量。需要在覆盖与容量优化之间进行平衡，容量优化往往伴随着覆盖范围的退化，反之亦然[2]。

CCO在自动获取网络无线环境信息的基础上，允许系统周期性地调整业务负荷。由于NR系统引入了基于beam的天线结构，可配置天线与射频参数集合需要多维设置，网络配置、目标覆盖、容量的性能关系变得十分复杂。由此引入基于RAN网络侧的大数据收集技术，利用机器学习的方法可以使上述问题得到解决。收集的数据包括UE测量结果、网络性能测量结果、觸发的事件以及监测的信息等，也可以包括与波束赋形和massive MIMO相关的信息。这些信息的输入可以帮助运营商首先定位覆盖与容量问题，例如覆盖空洞、弱覆盖、越区覆盖以及上下行信道覆盖不匹配等问题，进而可以进行网络的覆盖与容量优化。

2.2  PCI选择

物理层小区标识（Physical Cell Identifier， PCI）用于区分不同小区的无线信号。PCI的选择可以尽量避免PCI标识的碰撞问题，为SON的另一重要用例。在LTE系统中，eNB基于分布式或者集中式的PCI分配算法来确定PCI。在NR系统中，需要部署超高密度网络来满足未来移动数据传输，低频宏小区与高频小小区将部署在同一区域。为了达到节约的目的，小小区可以在任意时刻切换到休眠状态，这给PCI的分配与选择带来了极大挑战。PCI选择的方案集中为：

（1）收集需要的数据来支持PCI碰撞检测与PCI选择;

（2）支持PCI选择的功能与流程，例如UE上报、接口信息交互;

（3）不使用CGI上报功能（避免系统信息读取功耗）的PCI碰撞解决方案。

在NR R16由于时间关系，PCI选择的优先级较低，有可能推迟到NR R17再进行信令级别的标准化工作。

2.3  移动性优化

在LTE中，移动健壮性优化（Mobility Robustness Optimization， MRO）旨在检测并修正如下问题：

（1）由于系统内/系统间移动性导致的连接失败;

（2）系统间过早/不必要切换（非连接失败场景）;

（3）系统间乒乓切换。

对于系统内/系统间移动性导致的连接失败又定义了三种子问题，即过早切换、过迟切换、切换到错误小区。通过与无线链路失败上报的信息进行交互，可以准确定位出相关的问题，并进行调整。对于系统间过早/不必要的切换，目标RAN节点可以结合UE在切换过程中的测量报告以及相关覆盖/质量条件来确定是否向原系统发送过早/不必要切换报告。对于系统间乒乓切换，发生乒乓的相关统计量可以基于切换过程中携带的UE历史信息来进行评估，并由目标基站侧将该问题指示给原基站侧。

在NR中，移动性优化方案仍然需要检测与解决上述问题，而与5G系统之间的异系统移动性将作为一个重要的研究目标[3]。由于MR-DC、CU-DU分离、CP-UP分离等新架构以及BWP、beam等新技术在5G的应用，需要针对流程与测量引入新的增强功能，如定义与收集新的测量信息，例如小区级/beam级的测量，补充载波SUL的相关信息在无线链路失败上报或切换失败的上报等;增强的F1/Xn/X2接口来支持CU-DU、MR-DC等新架构。

2.4  负荷共享与负荷均衡

负荷共享与负荷均衡的目的是在各小区之间平均地分配资源，疏导拥塞小区业务，或者基于网络节电的目的分流UE到其他载波或者系统，通过切换参数/小区重现参数的配置实现。使用负荷共享与负荷均衡可以自动地提供良好的用户体验，同时增加系统容量以及减小人工干预，减低系统的运行与维护成本。

相比于LTE，NR增加了CU-DU分离、CP-UP分离等新网络架构以及网络切片、MR-DC等新特性[4]。因此NR系统的负荷共享与负荷均衡比LTE更加复杂。一个gNB下的所有DU以及一个gNB下所有CU-UP的负荷共享与负荷均衡均需要进行考量。目前初步确定了beam/per slice/per band等粒度的负荷均衡信息上报[5]。图1为per band负荷均衡示意图：

2.5  随机接入优化

随机接入配置参数会对用户体验与整体网络性能产生深远的影响。RACH碰撞概率、接入时延、数据恢复时延、切换时延、非激活态状态转换时延长度等均可能受RACH配置的影响。在最优的beam之上发起随机接入，可以尽量避免不必要的功率爬升以及降低RACH失败尝试次数，对网络侧与UE侧的节电均有益处。在NR系统中，允许UE在随机接入流程中改变RACH资源。

影响RACH参数配置的因素包括[6]：

（1）PUSCH的上行小区间干扰;

（2）RACH负荷（呼叫到达比率、切换概率、TAU、RRC非激活态转化概率、系统信息请求、BFR等均可影响RACH负荷）;

（3）上行载波与补充上行载波SUL的平衡关系，上下行载波的平衡关系;

（4）PUSCH负荷;

（5）小区内的preamble分配准则。

RACH优化的目标：

（1）最小化UE在最优SSB覆盖下的接入时延;

（2）最小化UE请求系统信息的时延;

（3）尽量平衡上行载波与补充上行载波SUL的RACH负荷;

（4）最小化RRC连接态的beam失败恢复时延;

（5）最小化接入在RACH资源上的失败/不必要的随机接入尝试次数。

RACH优化功能将尝试自动设置随机接入相关参数。基站侧收集UE上报的相关RACH结果，并在基站间进行交互。该机制将在LTE的基础上考虑beam、SUL等NR新特性。

2.6  基站节电

运营商高度关注移动网络中的功率消耗问题，急需降低功耗的相关方案来降低运营成本。面对网络节点数量的大量提升（高频段小基站部署），网络节电问题十分紧迫且充满挑战。通过空口的传输功率优化方案，小区间功率优化协商以及休眠模式的硬件支持等技术方案，可以极大地降低网络侧的功率消耗。

目前已支持的相關方案包括接口交互小区激活/去激活状态等。考虑到NR新特性，需要针对稀疏参考符号场景，uRLLC、CU-DU分离与MR-DC架构等进行节电的进一步评估[7]。另外，为了支持4G与5G更好地系统间协同，将对异系统/异技术的节电方案进行详细研究。

2.7  最小化路测

NR MDT确定的主要应用场景为覆盖优化、QoS参数优化、室内路测增强以及传感器数据采集[8]。针对不同的应用场景，运营商可以通过不同的配置途径下发合适的测量配置，要求符合条件的基站侧收集或UE上报相应的测量结果，并获取相应时刻的地理位置信息。

为了实现结构简单以及UE节电等目的，MDT在有线网复用Trace呼叫跟踪流程与配置收集节点，在空口复用部分连接态RRM测量配置与收集信令，以及空闲态/非激活态用于小区重选评估的测量结果，同时增强了一些信令内容，将运营商希望的测量配置发送给UE，并从UE获取相应的测量收集结果以及相应时刻的地理位置信息[9]。

以下对NR MDT可能的子用例进行简要介绍[10]：

（1）覆盖优化

从UE侧与RAN侧收集到的信息可以用于检测与发现网络覆盖问题。如覆盖漏洞、弱覆盖、导频污染、越区覆盖、覆盖地图绘制、上行覆盖问题检测、小区边界地图绘制等。

（2）QoS检验

从UE侧与RAN侧收集到的信息可以监测服务质量信息（Quality of Service， QoS），从RAN的角度评估用户体验，帮助网络扩展容量等。与地理位置信息上报相结合使用，可以精确获取小区内不同位置的数据业务相关信息与QoS体验评估。

（3）室内MDT增强

收集WLAN与蓝牙相关的测量结果可以增强室内定位。

（4）传感器数据收集

除了位置与时间信息，网络侧还可以收集UE方向等传感器信息，用于更精确的UE路径预测。

3   大数据收集的未来演进

目前应用于NR系统的大数据收集技术在3GPP的Study Item阶段立项已经完成，大唐移动积极参与相关标准的制定工作，并在异技术/异系统的MDT延续性处理、UE在RLF REPORT中携带的切换类型以及per band的负荷均衡等问题上均有提案来推进标准。大数据收集技术在R16的Work Item已经立项成功，后续将在Work Item阶段完成上述各方案的Stage3的标准化工作，包括信令流程的处理、各接口消息内容、相关参数与取值范围的确定等。在后续的R17及更高版本的演进过程中，将可能使网络侧自优化/自配置与运营商的策略进一步相贴合，组成更加统一及强大的大数据收集与使用方案。

4   结束语

大数据收集技术为更加灵活便捷的网络数据收集提供了可能。通过MDT的方式跟踪与收集用户相关的测量结果并定位故障，通过SON的方式在网络各节点间进行交互与自优化，并配以运营商针对海量信息的分析与进一步优化，设备厂商与网络运营商可以在极短的时间内将设备故障、用户问题、信号质量等内容以极低的成本进行采集，进而提升网络性能并改善用户体验。

参考文献：

[1] 3GPP. 3GPP RP-182105 Revised SID： Study on RAN-centric data collection and utilization for LTE and NR[Z]. 2018.

[2] 3GPP. 3GPP TS 37.816 Version 1.0.0 Study on RAN-centric data collection and utilization for LTE and NR[S]. 2019.

[3] CATT. 3GPP R3-191502 Discussion on Mobility Robust Optimization in 5G system[Z]. 2019.

[4] CATT. 3GPP R3-191504 Discussion on Mobility Load Balance in 5G system[Z]. 2019.

[5] CATT. 3GPP R3-192376 Discussion on the granularity of load exchange[Z]. 2019.

[6] ERICSSON. 3GPP R3-191811 RACH optimization in NR[Z]. 2019.

[7] CATT. 3GPP R3-192366 Considerations on support of Energy Saving in NR[Z]. 2019.

[8] HUAWEI. 3GPP R2-1901852 Discussion on use cases for MDT[Z]. 2019.

[9] CATT. 3GPP R2-1900226 Discussion on MDT[Z]. 2019.

[10] CMCC. 3GPP R2-1901936 Network aspects of MDT for NR[Z]. 2019.