IPRAN网络规划优化中引入大数据分析工具的探索

方慧霆 叶桂添

【摘  要】为了进一步完善和优化IPRAN网络规划优化的方法思路，通过分析各种数据对网络规划的影响，研究了如何在规划优化中引入大数据分析方法。以某个本地网为例验证了大数据分析在传输网络规划中的价值和作用。

【关键词】IPRAN;大数据分析;高价值区域;精准投资

doi：10.3969/j.issn.1006-1010.2019.08.016      中图分类号：TN929.5

文献标志码：A      文章编号：1006-1010（2019）08-0087-05

引用格式：方慧霆，叶桂添. IPRAN网络规划优化中引入大数据分析工具的探索[J]. 移动通信， 2019，43（8）： 87-91.

[Abstract] In order to further improve and optimize the methods of IPRAN network planning and optimization， this paper studies how to introduce big data analysis approaches into the planning and optimization by analyzing the impact of various data on network planning. Based on an example of a local network， the value and the role of big data analysis in the transmission network planning are verified.

IPRAN; big data analysis; high value area; precise investment

1   引言

运营商IPRAN网络定位综合承载网，主要面向的用户是无线基站和集客用户，目前网络规划的主要思路基于“网络架构+网络现状+业务需求”的分析方法，其中网络架构是IPRAN承载网的基础，必须符合一定规定和要求。网络现状主要对现有网络能力进行评估，如系统容量、结构、安全等，主要目的是分析目前网络运行情况，发现存在的问题。业务需求是网络规划的基本依据，决定了网络建设规模和方向。业务需求部分目前主要是由无线和接入网专业提供当期的需求。传输网基础网络规划建设应当具有前瞻性和稳定性，而无线和接入网的当期需求无法满足前瞻性的要求。本文运用大数据分析技术，对各种类型的数据进行深度发掘，为IPRAN网络规划提供一个新的思路。

2   IPRAN网络规划优化中大数据分析的目标IPRAN网络规划需要从多个层面相互配合，多维度进行分析，以达到最佳网络效能。要更好地规划优化网络，需要了解的信息应该包括下面几点。

（1）精确知道用户在哪里

在地图上反映用户价值区，意义在于在网络规划阶段有目的地进行资源配置和建设，根据大数据制定价值区，提高网络与用户匹配度。

（2）发现网络质量问题有哪些

梳理影响网络质量的指标，发现网络存在的问题，精准把握网络建设脉搏。

（3）用户体验是否良好

用户体验是目前运营商极为重视的指标，但用户体验涉及全程全网，IPRAN承载网范围内如何评价用户体验和确保用户体验是很重要的。

3   各类型数据的作用分析

大数据分析重点在于“数据”，提取到足夠多的数据是大数据分析的前提。与IPRAN网络相关的数据主要包括：系统网管报表数据、互联网信息数据、用户行为数据、无线基站数据等等，下面将对各种数据的来源及作用进行分析。

3.1  网管报表数据挖掘

网络规划应具有延续性，对现有网络运行数据进行分析是后续网络规划的基础。以5G承载网为例，4G承载网（IPRAN网）一定是5G承载网的一个重要参考，部分网络设备还具有演进能力，因此现有网络的网管报表是大数据分析的基础，应加以充分挖掘。

网管报表种类多种多样，目前使用较多的有网元信息、槽位信息、端口信息、环路流量信息报表等，主要对设备层面进行分析，基本上可以满足现有网络评估的需要。但仍有很多报表数据未得以挖掘，如L3VPN、Tunnel、PWE3等业务的时延、抖动、丢包率等数据，这些数据的好坏将会影响用户体验。

3.2  互联网大数据挖掘

互联网数据多种多样，具有很大的挖掘潜力，但由于提取难度较大或成本较高，在实际网络规划中尚没有得到广泛应用。与IPRAN网络规划相关的数据包括以下两个方面。

（1）商户、企业分布和密度数据

IPRAN是综合承载网，因此如果能提取所在地市的政府、事业单位、企业、商户的分布数据，就可以分析出集客需求所在区域，可以对承载网建设起指导性作用。

（2）房产价格价值区域数据

房产价格可以在一定程度上体现不同区域消费能力，房价高的区域必然是城市核心或具有重要潜力的区域，最直接的体现是不同的价值区，对承载网规划需求是一个很好的补充。

3.3  用户行为数据

（1）无线用户行为数据

目前无线大数据分析和应用已经较为成熟，可以对各种套餐的客户流动、应用习惯等有较为细致的分析，也可以分析出具体无线用户价值区，但该类用户数据对IPRAN规划无太大的指导意义。

（2）第三方公司质量评估数据

第三方包括腾讯、阿里等第三方APP数据，该类型用户在无线网络应用时，其表现与无线用户类似，客户体验差无法直接体现在IPRAN网络上，需要多专业配合解决，因此该类数据对于IPRAN规划而言意义不大。

3.4  无线基站数据

无线网络数据主要是指无线基站分布现状，以5G承载网（IPRAN）规划为例，由于5G首先是大带宽的eMBB场景，覆盖目标应该会延续4G网络。因此，无线站点分布，尤其是4G基站分布数据需要重点挖掘。

3.5  小结

根据以上分析可知，数据主要分为三类，第一类是网络数据、第二类是需求数据、第三类是用户体验数据。其中，用户行为数据、第三方APP大数据、网络维护数据主要是用户体验数据。用户体验涉及全程全网，需要各专业配合，比如游戏卡顿，可能是无线容量不足或者覆盖不足等原因造成的，只要承载网实时监测动态业务时延和丢包率符合指标要求，就可以认为影响业务质量的原因不在承载网，因此在IPRAN规划中需要确保动态业务时延和丢包率指标满足要求。

因此，上述几类数据中，网管数据挖掘是基础，互联大数据、无线基站数据挖掘是补充，其他几类数据由于对IPRAN规划影响有限，故不展开分析。

4   分析实例

以佛山某运营商的IPRAN网络为例，展现基于大数据分析的网络规划优化思路。

4.1  网络概况

佛山某运营商IPRAN系统采用华为、中兴的设备，行政区域覆盖率达到100%。

华为核心层：采用双核心局址四节点环路结构，在2个交换局各设置2端核心层设备和8端业务汇聚设备，核心环路为200 GE环;中兴核心层：采用单局址双节点环路结构，在XX局设置2端核心层设备和8端业务汇聚设备，核心环路为200GE环。

汇聚层：32个汇聚环路均采用一级汇聚网络结构以口字型双上联核心节点。

边缘层：243个边缘层环路有167个10 GE环路和76个GE环路，以双挂形式回到一级汇聚节点，大部分边缘层环路是综合接入点与普通基站混合组网，室分站点多以链型接入为主。

4.2  大数据分析

（1）网管大数据分析

本次提取了2018年11月～2019年3月合计80 000条左右的网管数据，包括了网元报表、环流量分析报表、业务时延报表、丢包率分析报表、设备端口资源统计报表、槽位信息报表等。重点分析了与业务质量相关的网络流量、业务时延、丢包率数据，分析结果如下。

1）系统流量分析

核心设备对接AR流量分析：根据报表分析，中兴出口对接AR压单边峰值达到78%，周环比口增长1%。需要及时扩容。

核心汇聚系统流量分析：1个核心环、8个汇聚环峰值利用率已超扩容门限，需要及时扩容。

接入环路流量分析：經分析，2个接入环峰值利用率已超扩容门限，需要及时扩容。

2）业务层面分析（用户体验）

用户体验主要的表现包括网速慢、卡顿，反映到网络层面，则主要是业务延时、丢包率、链路/环路利用率高。这几个指标是互相关的，如利用率高会导致队列时延增加，甚至会出现丢包现象，目前厂家网管系统无法检测到秒级的环路峰值利用率，因此环路利用率还不能完全展现网络实际使用情况。

IPRAN接入设备至IPRAN核心设备的RTT值在2 ms～4 ms左右，业务时延符合承载网业务健康度要求，目前业务丢包率为0，网络质量可以满足业务承载需求。

从网管大数据分析结果看，目前网络除部分环路已达扩容门限外，网络总体仍处于轻载状态。结合对业务时延和网络丢包率的分析，目前佛山某运营商网络总体良好，但为避免流量进一步增长导致业务质量下降，已超扩容门限的系统需要及时扩容，确保网络质量运行稳定。

（2）无线数据分析

对现有4G基站分布情况进行分析发现，业务密度高的区域集中在桂城、禅城、顺德北滘等区域。

（3）社会大数据分析

1）互联网大数据分析方法

本次采用网络爬虫软件进行网络大数据提取，分别通过“安居客” “百度”等网站爬取“住宅（小区）” “酒店宾馆”等的数量。共收集楼宇及价格信息1.43×105条，经过分析整理，佛山全区共爬取各类需求1.4×105个。

2）互联网大数据应用

本次互联网大数据应用思路：通过业务密度+区域房价推导价值区，根据价值区规划IPRAN设备布局及资源配置。图1为互联网大数据应用思路示意图：

对以上大数据进行分析整理，呈现出佛山各类业务密度示意图和热力图。再结合房价大数据进行分析，以此确定佛山地区的价值区。

首先对建筑物数据进行处理，得出不同需求业务分布及密度示意图，如图2所示：

然后根据不同建筑物，赋予相应的业务系数值，可折算出业务密度的分布情况，得出相应的用户密度热力分布图。接着叠加房价数据，可以分析业务密度与高价值用户的分布情况，如图3所示：

通过以上分析可以看出，南海桂城和顺德北滘目前房价最高，业务密集。最好按以上数据匹配至某运营商划分的网格后，各网格价值区分布情况如图4所示。其中价值区1为预测价值最高，价值区6为预测价值最低。

（4）规划优化建议

根据上面大数据分析的结果，建议从以下思路对网络进行规划优化：

1）网管数据的容量已经接近或超过门限的系统，予以升级扩容。

2）对现有4G基站密集区域进行排查，做好资源预留。

3）重点排查价值区1～3的网络架构布局情况、传输设备配置情况和环路容量情况，给予超前性配置。

按以上思路，佛山某运营商IPRAN网络规划优化方案从网络架构、容量提升、覆盖完善几个方面进行。

1）网络架构

基于大数据分析的高价值区域，在“CC023-祖庙翡翠苑”“NH013-桂城金桂园”等网格补充规划综合接入点29个，并对设备、机房、电源及管道等基础资源应做好提前布局，适度超前配置。

2）核心层

网络结构：核心层网络扁平化，实现双核心网络架构分别在佛山XX局、顺德XX局各新建1端核心设备代替原华为、中兴核心环路，核心设备直连核心网，并与本地承载网融合。

网络容量：结合流量数据分析，2019年需扩容至500G。

网络优化：汇聚环路双局址上联至新增2端核心设备上，解决原系统单局址安全隐患问题。

3）汇聚层

结构不变，对达到扩容门限的环进行扩容，共扩容环路8个，本次扩容方案利用现有端口进行扩容，不新增投资。

4）接入层

结合价值区分析结果，与现有IPRAN网络进行匹配，高价值网格均已设置有IPRAN设备，但其中126个为低配置设备，考虑新增华为970设备126套，将原华为950/960设备替换搬迁。此外高价值区域内尚有15个GE环路。在综合现有网络流量与价值区等级数据进行分析后，本规划考虑将高价值区设备升级为10GE环路，结合机房资源增加高价值区域的接入设备布局。

5   结论

将大数据分析运用到传输网络的规划优化中是可行的，大数据工具的应用丰富了IPRAN网络规划建设思路，可以作为现有规划思路的有效补充。大数据工具的引入对网络规划质量的提升体现在2个方面：

（1）提高网络规划的前瞻性

以往网络规划的业务预测，主要来自于无线基站或客户接入等其他专业的短期需求，缺乏长远考虑，经常会出现突发性业务无法及时响应的情况。大数据分析工具的引入，可以直观地反映高价值区域的分布，对未覆盖或弱覆盖区域提前布局網络资源。本次依据大数据分析结果，在高价值网格中新增综合接入点29个，对佛山某运营商基础资源进行前瞻性布局建设。

（2）提高网络投资精准度

运营商对网络建设的精准投资要求越来越高。大数据工具的引入可以帮助了解不同价值客户分布，对不同价值区域采用不同的建设方案，从而做到有的放矢，提升投资精准度。本次规划在高价值区新增高配设备126套，替换原有低配设备，提高高价值区域分组设备业务接入能力。旧设备拆除后往中、低价值区转移，逐步形成价值区域设备配置、能力的精准匹配。

就IPRAN规划而言，大数据挖掘在继续加强现有IPRAN网管报表数据挖掘外，应进一步加强对用户分布价值的挖掘，本文只是对建筑物类别及房地产价格的大数据进行了初步探讨，如果能结合更多消费、用户行为模式等大数据进行分析，结果将会更为精准和有针对性。

参考文献：

[1] 中国电子技术标准化研究所. 2018大数据标准化白皮书（2018）[R]. 2018.

[2] 于娟，刘强. 主题网络爬虫研究综述[J]. 计算机工程与科学， 2015（2）： 232-237.

[3] Kevin. 网络爬虫技术原理[J]. 计算机与网络， 2018（10）： 41-43.

[4] 田晓玲，方园，贾民政，等. 基于数据分析的关键词类网络爬虫设计[J]. 北京工业职业技术学院学报， 2018，17（4）： 42-49.

[5] 张靓，黄克彬. 大数据分析在移动通信网络优化中的应用[J]. 数字通信世界， 2018（4）： 217.

[6] 邵燕，陈守森，贾春朴，等. 探究大数据时代的数据挖掘技术及应用[J]. 信息与电脑（理论版）， 2016（10）： 118-119.

[7] 中国联合网络通信有限公司. 中国联通2019—2021年网络规划指导意见[Z]. 2018.