基于大数据的5G流量驻留比极限值研究

2023-11-14刘宏嘉李贝赵伟许国平王鑫炎

电信科学 2023年10期

关键词：极限值网络覆盖电平

刘宏嘉，李贝，赵伟，许国平，王鑫炎

研究与开发

基于大数据的5G流量驻留比极限值研究

刘宏嘉1，李贝2，赵伟1，许国平3，王鑫炎1

（1.中国联合网络通信有限公司浙江省分公司，浙江杭州 310051；2.中国联合网络通信有限公司研究院，北京 100048；3. 中国联合网络通信集团有限公司，北京 100033）

5G流量驻留比是目前通信运营商普遍采用的评估5G网络覆盖能力的重要指标，也是牵引网络规划优化、维护运营工作的重要抓手。基于网络侧、用户侧大数据分析，综合考虑实际无线传播影响因素、现有网络结构、网络协同策略、用户行为等因素，对3.5 GHz频段5G网络驻留能力进行评估、分析，计算得出5G流量驻留比的极限值，诠释了用户感知与驻留比的正向关系，为5G流量驻留比目标值的合理设定提供了理论依据。

大数据；5G；驻留比；用户感知；极限值

0 引言

5G流量驻留比是指占用5G网络的活跃用户所产生的5G流量在5G活跃用户所产生4G流量与5G流量的总和中的占比。5G流量驻留比是反映5G网络覆盖和用户感知的宏观性指标，该指标值越高，代表5G网络覆盖能力越强，用户使用5G网络的概率越高。开展5G流量驻留比目标值如何确定指标的探索，有利于指导5G网络规划和网络优化，通过5G网络分流，可以快速缓解4G网络高负荷问题。目前，通信运营商将5G流量驻留比作为5G网络覆盖能力的主要评价和考核指标。

中国联通、中国电信的5G主力频段为3.5 GHz，较传统4G的1.8 GHz的损耗大，且由于终端能力问题，上行覆盖受限问题较为突出，在5G与4G在基站站址上按照1:1规划的情况下，5G网络存在驻留能力弱的问题。随着通信运营商5G网络建设规模和5G用户规模的不断增长，这种情况下，一味地追求5G流量驻留比的提升，用户感知将在一定程度上受损，并可能导致用户主动关闭终端5G开关，反而对5G流量驻留比造成负向影响。因此，探索并设定基于目前网络现状的合理的5G流量驻留比提升目标值，有利于促进网络规划、建设、维护、优化工作的有效开展，实现5G网络驻留能力与用户感知的均衡提升。

1 5G驻留比技术原理

5G驻留比通常有两种定义方式，分别是时长驻留比和流量驻留比[1]。目前5G网络已基本实现独立组网（standalone，SA）覆盖[2]，以下定义以SA网络为例阐述。

（1）5G时长驻留比反映了5G用户占用5G网络的时长情况，体现了5G网络持续为5G用户提供服务的能力，目前通常采用连接态时长。时长驻留比定义见式（1）。

（2）5G流量驻留比指标反映了5G用户流量在4G/5G网络上分布的比例，流量驻留比定义见式（2）。

以运营商A为例，5G业务流量驻留比指报告期内5G业务网上用户使用数据业务产生的4G和5G总流量中在5G网上承载的流量占比。5G业务网上用户指报告期末向前追溯一定时间内使用过运营商A的5G网络的移动业务在网用户[3]。

2 5G驻留比关键因素及本研究思路

由上述5G驻留比定义可知，5G网络覆盖能力，尤其是与4G网络的覆盖能力的对比是影响驻留比的关键因素，如果当地5G网络与4G网络覆盖能力一样，那么5G驻留比有望达到100%的理论极限值。同时，根据5G驻留比的统计方法，5G业务网上用户是向前追溯一定时间内来统计5G登网用户，那么用户对终端5G开关的操作也会对驻留比统计数值产生影响[4-5]。因此，以保障用户感知的目标，立足5G与4G覆盖能力差异评估，重点考虑5G、4G网络覆盖规模差异、终端5G开关影响因素，理论上可实现5G驻留比极限值的预测。

目前，我国的5G网络已基本实现连续覆盖，4G网络覆盖全境，当前的4G、5G大量网络数据具备推导、测算合理的5G驻留比的条件。5G流量驻留比理论极限值预测流程如图1所示，包含3个方面、7个过程，首先评估4G与5G网络覆盖能力差异，再将5G流量还原到4G网络，最后从用户感知保障的角度出发，将还原到4G网络的总流量合理进行5G、4G网络分配，进而预测在保障用户感知前提下的5G流量驻留比的理论极限值。

图1 5G流量驻留比理论极限值预判流程

图2 下行链路预算模型

3 网络覆盖能力差异化评估

移动网链路预算是对发射端、通信信道、传播环境和接收端中所有增益和衰减的核算，获得保持一定通信质量下链路所允许的最大传播损耗（MAPL)[6-7]。MAPL常用式（3）表示，它可以用来估算信号能成功从发射端传送到接收端之间的最远距离[8]。下行链路预算模型如图2所示。

其中，代表允许的最大传播损耗，其他损耗包含线缆损耗、穿透损耗、人体损耗。其他余量包含阴影衰落余量、干扰余量、噪声系数余量。增益包含基站天线增益、终端天线增益、其他增益。

以运营商A某地市A1覆盖为例，目前4G网络以L1800为主，5G网络以NR3500为主，依据式（3）对4G、5G不同网络制式的损耗、天线增益、基站/终端发射功率、基站/终端接收灵敏度进行分析，评估4G、5G在室内、室外的覆盖能力差异[9]，L1800和NR3500链路预算参数见表1。

在地市A1中，其网络规模（含共享异运营商基站）共计14 649个5G基站。基站当前能够设置的最大发射功能率为320 W，设置的档位为200 W和320 W[10]，在64TR和32TR中，基站发射功率主要为320 W，占比分别为68.26%和95.69%。结合式（3）和表1，4G/5G电平差异Gap如式（4）所示。

4 5G流量等效4G流量以及归一化建模

现网流量还原是基于大数据统计现网4G、5G网络的室内、室外的测量报告（measurement report，MR）分电平强度区间的采样点数量，完成采样点数量与流量的映射，结合4G/5G覆盖Gap计算结果，统计没有5G网络的情况下，需要4G网络承载的所有流量。现网流量还原包含基于大数据的样本精细化采集等4个过程。

4.1 基于大数据的样本精细化采样

以地市A1为例，其网络规模（含共享异运营商基站）共计14 649个5G基站和16 424个4G基站，市区、县城、重点乡镇基本实现5G连续覆盖，4G网络基本覆盖全境，目前网络运行正常、网络质量稳定。本文首先定义了覆盖栅格（RSRP电平强度区间），再基于室内、室外分场景对MR大量数据统计4G和5G的不同栅格下采样点数量，不同电平强度区间的4G、5G网络分场景的MR采样点数量见表3。

表1 L1800和NR3500链路预算参数

表2 4G/5G覆盖电平Gap

表3 不同电平强度区间的4G、5G网络分场景的MR采样点数量

4.2 流量与MR采样点映射建模

用户使用移动数据业务的行为主要取决于个人需求，但在不同的无线环境下，用户流量释放程度存在差异[11]，例如，在信号良好的区域，用户流量释放非常充分，但在无线环境较差的情况下，用户即使有业务使用需求，但流量也无法充分释放。

4.3 归一化流量分解映射

网络共建共享场景下，网络资源的统计及网络优化等工作对共享各方都非常重要，需要满足约定共识等执行过程中的可信管理，从而提高协作效率，借助区块链技术的共建共享平台可实现参与方间可信协作，本文通过共建共享区块链平台进行网络全域（含共享网络业务量）流量的采集、提取，计算5G归一化流量、4G归一化流量为0.27、0.73，总流量为1。通过等效流量与MR映射因子Re，将归一化的4G、5G流量分解到不同场景的不同覆盖栅格上，4G、5G的室内、室外的分电平强度区间的流量见表5。

表4 4G、5G不同RSRP电平区间的等效流量与MR映射因子

表5 4G、5G的室内、室外的分电平强度区间的流量

表6 5G流量归一化还原到4G网络情况

4.4 5G流量等效4G流量计算

5G、4G在室内、室外的覆盖能力存在差异，所以5G区间的流量无法直接归一化至相同的4G栅格，需要引用表2的4G、5G覆盖电平Gap计算结果。例如4G、5G的Gap因子取值为8 dB，则对于(−105,−100]的5G区间范围流量，归一化后所处的4G流量区间为（−97,−92]。

5 基于现网特征的5G流量驻留比理论极限值预测

5.1 网络建设规模影响因子纠偏

不同网络制式下需要结合覆盖差异性、用户感知需求进行协同优化，并结合当前的终端5G开关是否开启、5G与4G网络规模配比等主要客观因素影响，推导出受客观条件影响的5G流量驻留比极限值区间。为了重新进行5G话务吸收测算，建模如下。

根据目标网规划方案，该城市5G基站与4G基站同址建设，即建设规模一致，基于用户感知考虑，考虑同位置4G和5G电平Gap。

将上述数据应用于5G流量驻留比RR理论测算中见式（9）。

上述测算可得到结论一：假设5G与4G同址建设情况下，该地市理论上的5G流量驻留比极限值约为77.2%。此时未考虑终端5G开关的影响。

上述测算可得到结论二：在考虑4G、5G网络规模影响因素的情况下，5G流量驻留比理论极限值不同，当5G终端占比为97%时，5G流量驻留比理论极限值约为74.9%。

表7 分覆盖区间

5.2 终端5G开关影响分析

通常情况下，5G用户在受到感知、资费、耗电等因素的影响下，会主动关闭5G开关。本文定义开关表示连续7天5G终端开关影响因子见式（13）。

上述测算可得到结论三：在考虑5G、4G网络规模以及终端5G开关的影响情况下，当5G终端占比为97%、并考虑该地市用户终端5G开关影响时，5G流量驻留比理论极限值为70.6%。

6 挑战与展望

由上述研究可知，5G流量驻留比不但与基站频段和5G网络规模有关，还受终端开关的影响，用户考虑感知、资费、节电等方面，会主动关闭5G开关。为了提升5G流量驻留比，需要系统性地开展如下工作。

（1）补充完善5G网络覆盖

持续性开展5G基站和室分的规划建设，增强广度覆盖和深度覆盖能力[9]，分场景推进NR2.1进行补点，弥补3.5 GHz频段的覆盖劣势。

（2）NR3.5上行链路增强

终端侧采用全功率（26 dBm）发射，并开启上行双通道发射，基站侧启用上行宏分集功能，提高基站接收能力。

（3）多策略全方位提高终端5G开关开启率

市场营销部门适时加大流量营销、流量补贴和用户引导，提高终端5G开关开启率；客户服务部门利用服务触点开展用户引导；网络优化部门借助大数据、区块链等新技术、多策略多维度地加大5G感知优化力度，增强用户对5G网络的信心。

7 结束语

本文基于网络侧、用户侧大数据分析，分场景精细评估了4G与5G的覆盖能力差异，对现有网络分场景进行4G、5G流量还原；综合考虑实际无线环境影响因素、现有网络结构、网络协同策略等，以保障用户感知为首要目标，对3.5 GHz频段5G网络驻留能力进行评估、分析和计算，基于当前网络规模、终端5G开关等现状，预测得出最大可能保障用户感知的5G流量驻留比极限值，为5G流量驻留比提升目标值的合理设定提供了依据，也为网络规划、4G、5G协同优化提供了指引。在分析过程中，本文重点考虑了5G网络规模、终端5G开关两个主要影响因素，但5G网络速率高于4G网络，该因素也会对5G流量驻留比造成微小影响，将在下一阶段研究中进一步完善。

[1] 童波. 浅谈5G驻留比提升方案[J]. 电子世界, 2021(20): 16-17.

TONG B. Discussion on the improvement scheme of 5G residency ratio[J]. Electronics World, 2021(20): 16-17.

[2] 许国平, 刘宏嘉, 李贝, 等. 基于NSA架构的4G/5G协同优化研究[J]. 邮电设计技术, 2021(3): 37-41.

XU G P, LIU H J, LI B, et al. Study on 4G/5G cooperative optimization under NSA architecture[J]. Designing Techniques of Posts and Telecommunications, 2021(3): 37-41.

[3] 李萌, 李纪华, 赵晨炅. 5G流量驻留比统计规则建议及提升举措[J]. 邮电设计技术, 2022(1): 58-62.

LI M, LI J H, ZHAO C J. Suggestions and improvement measures for 5G traffic resident ratio statistics rules[J]. Designing Techniques of Posts and Telecommunications, 2022(1): 58-62.

[4] 连毅. 5G SA驻留能力提升研究[J]. 电信工程技术与标准化, 2022, 35(9): 54-59.

LIAN Y. Study of improving residence capability of 5G SA network[J]. Telecom Engineering Technics and Standardization, 2022, 35(9)54-59.

[5] 徐建林, 刘岚. 5G驻留比的优化提升策略研究[J]. 电信工程技术与标准化, 2020, 33(12): 85-88.

XU J L, LIU L. Research on 5G resident optimization strategy[J]. Telecom Engineering Technics and Standardization, 2020, 33(12): 85-88.

[6] 张传福, 赵立英, 张宇, 等. 5G移动通信系统及关键技术[M]. 北京: 电子工业出版社, 2018.

ZHANG C F, ZHAO L Y, ZHANG Y, et al. 5G mobile communication system and key technologies[M]. Beijing: Publishing House of Electronics Industry, 2018.

[7] 埃里克·达尔曼, 斯特凡·巴克浮, 约翰·舍尔德, 等. 5G NR标准：下一代无线通信技术[M]. 北京: 机械工业出版社, 2019.

DAHLMAN E, PARKVALL S, SKOLD J, et al. 5G NR standard: next generation wireless communication technology[M]. Beijing: China Machine Press, 2019.

[8] 文森特·黄, 罗伯特·施韦尔, 德里克·吴, 等. 5G系统关键技术详解[M]. 北京: 人民邮电出版社, 2019.

WONG V W S，SCHOBER R，NG D W K, et al. Detailed explanation of key technologies of 5G system[M]. Beijing: Posts and Telecom Press, 2019.

[9] 李爱华, 吴晓波, 陈超, 等. 1.5G网络大数据智能分析技术[J].电信科学, 2022, 38(8): 129-139.

LIA H, WU X B, CHEN C, et al. Intelligent analysis technology of big data in 1.5G network[J]. Telecommunication Science, 2022, 38(8): 129-139.

[10] 胡煜华, 赵伟, 李贝. 5G网络地铁场景覆盖方案研究[J]. 电信工程技术与标准化, 2020, 33(8): 40-44.

HU Y H, ZHAO W, LI B. Research on metro 5G network coverage[J]. Telecom Engineering Technics and Standardization, 2020, 33(8): 40-44.

[11] 刘宏嘉, 赵伟, 谷俊江, 等. Cloud VR业务感知评估与优化[J].江苏通信, 2022, 38(1): 100-104.

LIU H J, ZHAO W, GU J J, et al. Cloud VR service perception evaluation and optimization[J]. Jiangsu Communication, 2022,38(1): 100-104.

[12] 李贝, 刘光海, 许国平, 等. 自动邻区优化技术共享网络中应用研究[J]. 电子技术应用, 2022, 48(10): 69-71, 77.

LI B, LIU G H, XU G P, et al. Research on ANR function in network co-build & co-share[J]. Application of Electronic Technique, 2022, 48(10): 69-71, 77.

[13] 赵伟, 王勇, 刘宏嘉. 基于隐马尔科夫模型的LTE室外指纹定位研究与实践[J]. 邮电设计技术, 2019(11): 20-23.

ZHAO W, WANG Y, LIU H J. Research and practice of LTE outdoor fingerprint-location based on hidden Markov model[J]. Designing Techniques of Posts and Telecommunications, 2019(11): 20-23.

Research on theoretical ultimate value of 5G flow residence ratiobased on big data

LIU Hongjia1, LI Bei2, ZHAO Wei1, XU Guoping3, WANG Xinyan1

1.Zhejiang Branch of China United Network Communications Co., Ltd.,Hangzhou 310051, China 2.Research Institute of China United Network Communications Co., Ltd., Beijing 100048, China 3.China United Network Communications Group Co., Ltd., Beijing 100033, China

The 5G flow residence ratio is an important indicator used by communication operators to evaluate the coverage capacity of 5G networks, and it is also an important starting point for the networks’ planning, optimization, maintenance and operation. To ensure user perception, the actual wireless transmission influencing factors, existing network structure and network coordination strategy, etc., need to be considered. The resident capacity of a 5G network in the 3.5 GHz frequency band was evaluated, analyzed and calculated, and the theoretical ultimate value of the 5G traffic resident ratio based on the analysis of network and users’ big data was put forward, which explained the positive relationship between user perception and residence ratio, and provided a reference for the reasonable theoretical ultimate value of 5G traffic resident ratio.

big data, 5G, resident ratio, user perception, theoretical ultimate value

The National Key Research and Development Program (No.2020YFB1806704)

TP393

10.11959/j.issn.1000−0801.2023119

2022−12−13；

2023−05−30

赵伟，zhaow24@chinaunicom.cn

国家重点研发计划项目（No.2020YFB1806704）