利用移動終端定位和概率分布的話務量地理分布預測

劉 棟,楊 蘋,楊 曦

（華南理工大學電力學院廣東省綠色能源技術重點實驗室,廣州 510640）

利用移動終端定位和概率分布的話務量地理分布預測

劉 棟,楊 蘋,楊 曦

（華南理工大學電力學院廣東省綠色能源技術重點實驗室,廣州 510640）

為了更加實用、快速、準確地對話務量地理分布進行預測,使用CTR數(shù)據(jù)作為研究數(shù)據(jù),以移動終端定位技術為基礎,將概率分布模型用于話務量地理分布的預測上,提出了一種利用移動終端定位技術和概率分布模型的話務量地理分布預測方法,并通過MATLAB進行實現(xiàn)。同時,該方法在利用移動終端定位技術進行計算時,還考慮了天線方向增益的影響,將有望降低移動終端定位技術本身所產(chǎn)生的誤差。

無線網(wǎng)絡規(guī)劃;移動終端定位;概率分布;話務量地理分布

1 引 言

無線網(wǎng)絡規(guī)劃中,站點的設置及容量分配、頻率復用方案的制定以及基站功率優(yōu)化設置均基于實際話務量分布的分析與預測[1-2]。若能定量地制定話務密度分布圖,在話務密度圖的基礎上布站并進行頻率規(guī)劃和功率優(yōu)化,就可將系統(tǒng)的干擾降至最小以獲得最大的系統(tǒng)容量。常見話務量地理分布的解決方案是為小區(qū)均分配法和目標城市劃分區(qū)域,后者較之前者有了很大的改進。但這兩種方法本身都是人為預測的,缺少實測數(shù)據(jù)的參考和支持,所以據(jù)此設計的網(wǎng)絡和實際話務量地理分布仍然會有較大的出入。國外大型企業(yè)研究機構曾嘗試基于移動終端定位技術并利用A接口數(shù)據(jù)來預測話務量地理分布情況,從而保證對話務量地理真實分布有充分估計。但由于A接口數(shù)據(jù)量極其巨大,造成數(shù)據(jù)的存儲、傳輸和處理的代價極大,因而限制了該方法在全網(wǎng)大面積的實際使用。

針對上述問題,本文采用數(shù)據(jù)抽樣的方法,即使用A接口數(shù)據(jù)的抽樣數(shù)據(jù)、CTR測量數(shù)據(jù)作為話務預測的原始數(shù)據(jù),有效減少了待處理的數(shù)據(jù)量,使其能夠在無線網(wǎng)全網(wǎng)得以使用。而且本文提出將移動終端定位技術和概率分布模型相結合的話務量地理分布方法,即利用概率模型,用部分計數(shù)的方式取代普通計數(shù),保證在數(shù)據(jù)量減少時地理分布估計的全面性和充分性。同時,本方法在利用移動終端定位技術的定位方法進行計算時,還兼顧天線發(fā)射的方向圖影響,盡量減少移動終端定位技術的定位方法所產(chǎn)生的誤差,來提高地理分布預測的精度。

2 移動終端定位技術

本文所用移動終端定位技術[3]是指利用移動通信網(wǎng)絡的基站（BS）和移動臺之間傳播的無線電波信號的特征參數(shù)進行定位。該技術主要有場強模型定位方法、TOA定位法、TDOA定位法、TA定位法等[4～6]。由于客觀要求對網(wǎng)絡和移動終端的修改最小、定位技術響應速度較快,所以本文綜合使用場強模型定位方法和TA定位法,綜合使用可以在一定程度上提高定位精度。但定位技術本身精度還是比較差,其中場強模型定位方法在較為理想的模型下,計算的平均定位誤差為300 m左右[7]。

2.1 TA（Time Advance）定位法

在GSM系統(tǒng)中,為了使移動終端與基站同步,需要扣除基站與移動臺之間的傳輸延時,通知移動臺提前一段時間發(fā)送數(shù)據(jù),使信號到達基站是落在指定的時間窗內,這段時間即是時間提前量（Time Advance,TA）。因此利用參數(shù)TA可以估計移動臺和基站之間的距離。

2.2 場強模型定位法

場強定位方法的基本原理是移動終端接收的信號強度與移動終端和基站之間的距離成近似反比關系,根據(jù)測量比較接收信號的場強值、發(fā)射信號的場強值和建立的信道衰落模型,可以估算出移動終端與基站之間的距離,發(fā)射功率和傳輸損耗的精確公式為

式中,Tp為實際發(fā)射功率,TP1為天線本身發(fā)射功率,AG為天線方向增益;15和2.14則分別是天線增益和dB轉換到dBm的經(jīng)驗估算值。

式中,L為傳輸損耗,R為接收電平,Tp為發(fā)射功率。

由于本文基于場強模型定位技術來研究話務量分布,所研究的手機信息量十分大,不可能清楚每個移動臺所處的地形和天線高度,所以把奧村公式中移動臺高度均取為1.5 m,所使用修正后的Okumura-Hata公式為

式中,L為傳輸損耗,單位為dBm;f為頻率,單位為MHz;d為收發(fā)之間的距離,單位為km;hb為基站天線的有效高度,單位為m。

3 話務量地理分布預測方法

3.1 基本原理

本方法使用前提為假設CTR數(shù)據(jù)中的數(shù)據(jù)抽樣概率與真實通話出現(xiàn)概率成正比,即CTR數(shù)據(jù)可以真實反映通話量的地理分布。

基于移動終端定位技術和概率分布模型的話務量地理分布預測方法的基本原理為:

（1）使用真實數(shù)據(jù)并利用修正后的Hata公式,得到手機位置概率地理分布模型;

（2）利用TA定位法和場強模型定位方法求得移動終端到與其相關小區(qū)所屬基站的估算距離;

（3）根據(jù)（1）中所得手機位置概率地理分布模型,并利用（2）中所求得的估算距離得出手機位置概率地理分布;

（4）由（3）中所得手機位置概率地理分布,求取單小區(qū)（蜂窩）內話務量地理分布,從而最終獲得全網(wǎng)的話務量地理分布。

3.2 話務量地理分布的具體預測方法

基于移動終端定位技術和概率分布模型的話務量地理分布預測的具體實現(xiàn)步驟為:

（1）利用路測掃頻數(shù)據(jù)（路測數(shù)據(jù)是由測試人員測量所得的路測點的真實測量數(shù)據(jù)）,通過修正的Hata公式求得路測點到與其相關小區(qū)所屬基站的估算距離;將估算距離與路測數(shù)據(jù)中所已知的該路測點到其相關小區(qū)（蜂窩）所屬基站的實測距離相減,得到實測距離與估算距離誤差的概率密度分布,將其作為手機位置概率地理分布模型;

（2）利用TA和場強模型定位方法計算出CTR數(shù)據(jù)中每條手機報告的估算距離。其中每條手機報告與2～7個小區(qū)（蜂窩）所屬基站相聯(lián)系,利用場強模型定位方法,每條手機報告至少得到兩個到不同相關小區(qū)所述基站的估算距離。而TA定位方法中每條手機報告只是對于其中一個小區(qū)（蜂窩）所屬基站求出估算距離,每條手機報告均只得到唯一的估算距離;

（3）將CTR數(shù)據(jù)中主小區(qū)（蜂窩）為中心的一定范圍內區(qū)域劃分成網(wǎng)格,范圍選取的原則是足以將CTR數(shù)據(jù)中的主小區(qū)（蜂窩）和所有鄰區(qū)（蜂窩）包括在內。然后根據(jù)步驟1中求取的手機位置概率地理分布模型和步驟2中求取的估算距離,得到所劃區(qū)域范圍的兩種定位方法分別相對應的手機位置概率地理分布,再將兩者進行線性加權相加,進而得到該CTR數(shù)據(jù)相對應網(wǎng)格的手機位置概率地理分布;

（4）根據(jù)已求得各CTR數(shù)據(jù)相對應網(wǎng)格的手機位置概率地理分布,按單小區(qū)（蜂窩）范圍取得單小區(qū)的手機位置概率分布。最后根據(jù)每個小區(qū)的實際話務量多少確定影響系數(shù)（實際話務量越多則權重越大）,將各個單小區(qū)進行線性加權相加得到全網(wǎng)的話務量地理分布預測。

4 話務量地理分布預測的實現(xiàn)

基于移動終端定位技術和概率分布模型的話務量地理分布的軟件實現(xiàn)流程設計見圖1。

圖1 軟件實現(xiàn)流程圖Fig.1 Implementation flow chart of software

4.1 數(shù)據(jù)準備

本實驗使用187 584條路測掃頻數(shù)據(jù),用于修正Hata公式的距離估算和手機位置概率地理分布模型的提取;使用廣州某小區(qū)（蜂窩）CTR數(shù)據(jù)100條,采集時間為2008年4月22日17時左右,用于該小區(qū)手機位置概率地理分布的估計和話務量地理分布的預測;使用廣州市地圖數(shù)據(jù)（包括樓宇、街道、馬路等）,用于最終話務量地理分布的展現(xiàn)。

4.2 手機位置概率地理分布模型的提取

通過測量的187 584條路測數(shù)據(jù),利用MATLAB進行計算得出估算距離誤差的概率分布直方圖如圖2所示。

圖2 距離估計誤差的概率直方圖Fig.2 Histogram of error of estimated distance

通過圖2可以看出,在真實距離附近手機出現(xiàn)概率最大,離真實距離越遠則概率越低。可得出手機位置概率地理分布模型,即手機出現(xiàn)的概率為:在某一距離處出現(xiàn)最大,其它點概率與離概率最大處的距離成反比。

4.3 估算距離的求取

利用場強模型定位方法和TA定位法即可求出相應的估算距離。其中利用場強模型定位法計算估算距離時,公式（1）中的天線方向增益是根據(jù)手機終端所處位置與發(fā)射天線夾角取得的,本文所用的天線方向增益數(shù)據(jù)為真實測量后進行描點獲得的精確數(shù)據(jù),從而提高了場強模型定位法的精度,如圖3所示。

圖3 天線方向增益圖Fig.3 Antenna gain diagram

圖3用極坐標表示,最外一圈代表角度（以水平向右為0°）,其中任意點到圓心的距離代表角度增益,最外圈為50 dBm。

4.4 話務量地理分布圖呈現(xiàn)

以廣州某地為例,做出2D話務量地理分布展現(xiàn),如圖4所示。

圖4 廣州某地2D話務量分布圖Fig.4 2D traffic distribution of certain area inGuangzhou

在話務量分布圖上還加畫了研究區(qū)域的城市地圖,黑色的深淺度代表話務分布的概率密度,顏色越深則概率密度越大,反之則密度越小;其余則是廣州市一定區(qū)域的建筑物和街道地圖。通過分析分布圖驗證了話務分布的正確性。一般當樓宇密度較大時,話務分布的概率密度也將較大。對圖4進行觀察,可以看出話務量地理分布預測效果是比較理想的。

5 結 論

本文提出以CTR數(shù)據(jù)作為數(shù)據(jù)參考和支持,并將移動終端定位技術和概率分布模型相結合運用在手機密度分布上來反映話務量地理分布,最后進行了軟件實現(xiàn),預測效果較為理想。同時,本方法在利用移動終端定位技術的定位方法進行計算時,兼顧天線發(fā)射的方向圖影響,盡可能減少了移動終端定位技術本身帶來的誤差。本方法的使用不僅減弱了人為因素和話務量地理分布易變性所帶來的影響,而且使得利用移動終端技術的話務量地理分布研究的實用性大大增加,從而經(jīng)濟、迅速、全面地表現(xiàn)話務量地理分布情況。

[1] Amaldi E,Capone A,Malucelli F.Optimizing UMTS radio coverage via base station configuration[C]//Proceedings of the 13th IEEE International Symposium on Personal,Indoor and Mobile Radio Communications.Lisbon,Portuga:IEEE,2002:315-319.

[2] 李銘,劉海林.3G網(wǎng)絡規(guī)劃中覆蓋與容量的關系[J].廣東工業(yè)大學學報,2008,25（4）:83-85,93.

LI Ming,LIU Hai-lin.A Study of the Relationship Between Coverage and Capacity in 3G Network Planning[J].Journal of Guangdong University of Technolog,2008,25（4）:83-85,93.（in Chinese）

[3] 袁正午.蜂窩通信系統(tǒng)移動終端射線跟蹤定位理論與方法研究[D].長沙:中南大學,2003.

YUAN Zheng-wu.The Theories and Methods of the Mobile Term inals Positioning in Cellular Communications Systems Based on Ray-Tracing[D].Changsha:Central South University,2003.（in Chinese）

[4] 吳小平,龐沁華.無線蜂窩網(wǎng)中移動臺場強法定位算法[J].北京郵電大學學報,1998,21（3）:23-27.

WU Xiao-ping,PANG Qin-hua.Research on Mobile Station Locating Algorithm by the Signal Attenuation Method within Cellular Network[J].Journal of Beijing University of Posts and Telecommunications,1998,21（3）:23-27.（in Chinese）

[5] 李圣,馬霏霏,萬曉榆.數(shù)字蜂窩系統(tǒng)中的基于時間的定位算法[J].重慶郵電學院學報,2002,14（4）:37-41.

LI Sheng,MA Fei-fei,WAN Xiao-yu.Time-Based Radio Location Arithmetic in Digital Cellular Systems[J].Journal of Chongqing University of Posts and Telecommunications,2002,14（4）:37-41.（in Chinese）

[6] James C,Gordon L S.Subscriber location in CDMA cellular networks[J].IEEE Transactions on Vehicu lar Technology,1998,5（2）:406-415.

[7] 計征宇,皮亦鳴,舒金表.蜂窩網(wǎng)移動定位場強法的研究與應用[J].全球定位系統(tǒng),2005（4）:18-22.

JI Zheng-yu,PI Yi-ming,SHU Jin-biao.Application and research of mobile location technology based on signal strength in cellular network[J].GNSS World of China,2005（4）:18-22.（in Chinese）

Geographical Distribution Prediction of Traffic Based on M obile Terminal Positioning and Probability Distribution

LIU Dong,YANG Ping,YANG Xi
（Guangdong Key Laboratory of Clean Energy Technology,School of Electric Power,South China University of Technology,Guangzhou 510640,China）

In order to predict the geographical distribution of traffic more p ractically,rapidly,and accurately,CTR data is used as research data and a new method based on both the technology of mobile terminal positioning and model of probability distribution is proposed and realized by MATLAB.When the distribution is being calculated with the mobile terminal positioning technology,the effect of antenna pattern is also considered.So it would reduce the errors caused by the technology of mobile terminal positioning itself.

wireless network plan;terminal positioning;probability distribution;geographical distribution of traffic

TN929.5

A

10.3969/j.issn.1001-893x.2010.11.016

1001-893X（2010）11-0076-04

2010-07-04;

2010-09-01

劉 棟（1985-）,男,甘肅蘭州人,碩士研究生,主要研究領域為電力電子電路的建模與控制;

LIU Dong was born in Lanzhou,Gansu Province,in 1985.He is now a graduate student.His research concerns the modelling and control of power electronic circuits.

Email:liucen1985@gmail.com

楊 蘋（1967-）,女,廣東廣州人,博士,教授,主要研究領域為電力電子電路的建模與控制;

YANG Ping was born in Guangzhou,Guangdong Province,in 1967.She is now a professor.Her research concerns the modelling and control of power electronic circuits.

楊 曦（1974-）,男,廣東廣州人,碩士,主要研究領域為通信系統(tǒng)建模與控制、語音識別。

YANG Xi was born in Guangzhou,Guangdong Province,in 1974.He iswith the M.S.degree.His research interests include the modelling and control of communications systems,speech recognition.