5G用户常驻区域预判及网络支撑前置策略研究

孟现锋，顾玉生，王星星，贾少博

（中国联合网络通信有限公司郑州市分公司，河南 郑州 450000）

0 引言

在5G网络发展初期，5G网络优化以KPI为中心开展[1-4]，而面向用户需求、用户感知而展开的5G网络优化策略的研究还较少，主要原因为5G网络大数据平台及智能评估手段尚未完善，无法获取丰富的5G实际数据，比如5G网络MR数据，因此无法获知5G用户分布密集区域，无法掌握5G用户分布密集区域的网络覆盖情况，以至于无法开展5G基站天馈的精细优化，造成部分5G用户开卡激活后，因信号差、网速慢等诸多原因投诉网络问题甚至导致用户离网，对网络口碑造成严重的负面影响。因此，如何实现5G用户常驻区域预判，如何深挖4G网络数据价值，并基于4G现网MR数据开展5G网络支撑前置，使4G/5G网络实现更好的协同，确保5G用户的体验，提升用户口碑，是5G网络发展初期运营商网络优化人员都非常关心且亟待解决的问题。

手机终端（UE）在开机附着流程以及TAU更新过程中，会包含UE能力查询及上报。通过在S1接口布放探针，即可获取获得手机终端识别码软件版本（IMEISV），与信令平台终端类型库进行匹配可获得终端类型及是否支持5G能力。在获取到用户的终端类型后，再利用信令平台数据库中的LTE常驻小区标识字段进行汇聚，获取每个LTE小区下的5G终端分布及数量信息。

基于以上分析，本文开展5G用户常驻区域预判，并提出了基于LTE网络数据的5G用户网络支撑前置策略。实践表明，该策略能够快速有效地预判5G用户常驻区域，实现5G网络精准优化，提升5G用户感知。

1 策略解析

信令大数据平台通过在S1接口布放探针，即可获取获得手机终端识别码软件版本（IMEISV），与信令平台终端类型库进行匹配可获得终端类型及是否支持5G能力。在获取到用户的终端类型后，再利用信令平台数据库中的LTE常驻小区标识字段进行汇聚，获取每个LTE小区下的5G终端分布及数量信息，获得5G用户常驻的TOP小区，即实现5G用户常驻区域预判。

随后针对5G网络发展初期，NSA（非独立组网）组网[5]为主，以及4G/5G基站1:1建站的实际，挖掘LTE网络的MR数据[6-10]，基于高斯分布的最佳方向角解决方案来精准调整4G/5G天馈[11]，提升用户热点分布区域的网络覆盖。5G用户常驻区域预判及网络支撑前置策略流程如图1所示：

图1 5G用户常驻区域预判及网络支撑前置策略流程

2 5G终端分布获取原理

NSA（非独立组网）结构中，5G终端信令面信息需要接入LTE网元，通过布放在S1接口的信令探针，可实时获得终端IMEI，进而获得终端接入能力信息，通过LTE信令大数据平台数据库可精确识别5G终端数量与分布。

IMEI码具有唯一性，能够识别手机终端能力[12]。LTE新协议中，变更IMEI为Masked-IMEISV，核心网将Masked-IMEISV发送给基站，基站通过解析Masked IMEISV获知UE类型。其中IMEISV是International Mobile station Equipment Identity and Software Version Number的缩写[13]。IMEISV的结构如图2所示：

图2 IMEISV结构

IMEISV由16位数字组成，每位数字仅使用0-9的数字，其组成为：TAC是Type Approval Code缩写，是IMEISV结构前8位数字，能够独立识别手机终端型号。

SNR是Serial Number的缩写，是IMEISV结构中间6位数字，序列号，表示生产的顺序号。

SVN是Software Version Number的缩写，是IMEISV结构最后2位数字，代表软件版本。

运营商可以根据需求，在S1接口布放探针，如图3所示：

图3 网络结构及信令探针布放位置

同时制定IMEISV上报策略，指定某个阶段检查手机的IMEI或者IMEISV，可以指定IMEISV的阶段有：开机注册网络时、周期性位置更新时（TAU）、进行接打电话、收发短信、上网等业务时。比如TAU执行时，在安全模式请求命令security mode command中，携带IMEISV request信息，随后，手机终端通过基站上报IMEISV信息，执行security mode complete消息时携带IMEISV信息。如图4所示。信令探针即可获取该手机终端IMEISV，通过比对信令大数据平台数据库中的终端能力信息，即可判断该终端是否为5G终端。

图4 IMEISV请求及响应流程

在获取到用户的终端类型后，再利用信令大数据平台数据库中的ECI字段进行汇聚，获取每个LTE小区下的终端类型分布及数量信息。如表1所示。

表1 5G终端分布信息表（样表）

结合场景信息，可确定5G终端接入TOP场景，确定优先级，开展针对性优化。如图5所示，针对Z市5G终端分布热点区域地理化呈现，5G终端分布热点区域前十大场景分别为住宅、学校、商业街区、政企单位、乡镇、商务办公区、交通枢纽、党政机关、工业园区、宾馆酒店。对5G基站规划同样具有参考价值。5G用户分布热点区域及场景如图5所示。

图5 5G用户分布热点区域及场景

3 基于高斯分布的天馈调整方案

基于高斯分布的天馈调整方案包含以下步骤。步骤一，从网管平台提取原始MR数据。步骤二，利用MR专业解析平台解析原始数据，解析后的数据为栅格级MR数据。步骤三，结合栅格主服务小区算法，获得小区级MR数据。步骤四，计算小区内MR栅格与基站位置的距离及方向角。步骤四，设定方向角步长，逐步计算每个方向角区间内的MR栅格数量与占比。步骤五，数据符合高斯分布特点，取MR栅格数量占比最大的方向角区间为最佳方向角区间。最后，将最佳方向角区间的中位数记为该扇区的最佳方向角。

最佳方位角确定后，比对5G基础工参数据库以及4G基础工参数据库，对于基础工参数据库中方位角与最佳方位角不一致的基站扇区，开展天馈调整，并进行道路拉网测试以及网管KPI指标提取验证。基于高斯分布的天馈调整方案流程如图6所示。

图6 基于高斯分布的天馈调整方案流程

3.1 小区MR数据制作过程

LTE网管平台数据库提取MR原始数据后，通过MR解析平台建立任务，完成解析。解析后的文件为栅格级MR数据，文件的关键字段包含栅格编号、基站小区名称、小区MR采样点数量，经度、纬度等。

栅格MR数据包含了栅格内的所采样到的MR数量及对应的不同小区。针对同一栅格，存在多个小区的MR采样点，规定采样点数最大所对应的小区为该栅格主服务小区，如表2所示，该栅格中采样了15个小区的MR，其中采样点最大774，对应小区ID为xxx49，且与其他小区的采样点数量差别较大，则该小区为其栅格主服务小区。

表2 栅格内服务小区样例

确定栅格主服务小区后，反向处理，获得小区下的MR栅格编号，批量操作后获得小区级的MR数据。包含小区编号、栅格编号、采样点数量 采样点电平、经度、纬度等。小区级MR数据地理化如图7所示：

图7 小区级MR数据地理化

3.2 基于高斯分布计算最佳方位角

基于高斯分布计算最佳方位角算法步骤包括：首先计算MR点至基站位置的距离和方位角，然后以基站小区为对象，从方向计算，引入水平波瓣宽度60°，则可计算该范围内的采样点数量，以10°步长，逐个统计0°-60°、10°-70°、20°-80°、30°-90°……等区间采样点数量及占比，采样点数量最大的区间为最优区间，并确定区间中间值为最佳方位角。包含最优方位角的小区MR数据服从高斯分布，如图8所示：

图8 MR采样点高斯分布图

4 实例验证

5G网络发展初期，主要存在以下优化场景：

场景1：5G天线方位角与最佳方位角不一致，4G天线方位角与最佳方位角不一致。

场景2：5G天线方位角与最佳方位角一致，4G天线方位角与最佳方位角不一致。

场景3：5G天线方位角与最佳方位角不一致，4G天线方位角与最佳方位角一致。

针对场景1，4G和5G天线方位角均需调整至最佳方位角，针对场景2，仅需调整4G天线方向角，针对场景3，仅需调整5G方向角。

Z市5G用户常驻区域TOP小区专项优化过程中，遇到场景3，即5G天线方位角与最佳方位角不一致，4G天线方位角与最佳方位角一致。现场环境如图9所示：

图9 5G天线方位角与最佳方位角不一致现场示意图

利用小区级MR数据，基于高斯分布计算最佳方位角，该站址LTE基站第2扇区最佳方位角140°，与实际工参基本一致，但共站址的5G基站第2扇区方位角为100°，与MR数据显示的用户热点分布区域的方向偏差较大。如图10所示，同时，查询5G网管后台数据，第2扇区5G接入用户数明显偏少。

图10 基站2扇区MR分布图

随后现场调整5G基站第2扇区方位角，由原100°调整至140°（最佳方位角），对用户热点分布区域进行道路拉网验证，并提取5G基站第2扇区后台指标验证调整效果。

道路拉网数据地理化后如图11所示。从图11看出，覆盖区域的电平值改善明显，电平值[-80，-70]占比由50.73%提升至83.05%。

图11 道路拉网数据地理化

道路拉网数据统计数据如表3所示。

表3 道路拉网数据指标

5G基站天馈方向角调整后，提取5G基站第2扇区后台指标验证调整效果，网管指标见表4所示，调整后该扇区下数据吞吐量明显增加，上下行数据总吞吐量增加一倍，5G用户数相较于调整前，同样提升明显，符合预期。

表4 5G基站方位角调整前后网管指标

5 结论

随着5G基站的快速入网以及5G用户数量的持续增加，5G用户业务感知将成为无线网络优化人员的又一重大挑战，而5G网络大数据平台及智能评估手段尚未完善，挖掘现有大数据平台及海量网络数据支撑5G发展是短期内的有效手段。基于该现状，本文提出了一种5G用户常驻区域预判及网络支撑前置策略。经实例验证，该策略能够基于现有信令大数据平台，实现5G用户常驻区域预判，并基于LTE网络海量MR数据，开展基于5G用户热点分布区域的精准优化，有效提升用户热点分布区域的网络质量以及5G基站小区的业务量。该方法为5G网络发展初期提供了新的网络优化思路。