基于CDL話單的高鐵無線網絡分析

葉冠武

【摘 ? ?要】通過提取高鐵站點的所有CDL話單，根據高鐵列車上通話的特點，探討高鐵話單的篩選規則，用以篩選出在高鐵上通話的話單，借由話單分析得到更為廣泛和精確的高鐵用戶行為及網絡數據，以此進行高鐵無線網絡的優化。

【關鍵詞】高速鐵路 ? ?CDL話單 ? ?用戶行為

中圖分類號：TN929.5 ? ?文獻標識碼：A ? ?文章編號：1006-1010（2014）-22-0003-05

Analysis on High-Speed Rail Wireless Network Based on CDL Bill

YE Guan-wu

（China Youke Communication Technology Co.， Ltd.， Fuzhou 350007， China）

[Abstract]

According to the characteristics of the high-speed rail calls， all CDL （Call Detail Log） bills in high-speed rail station are extracted. The filtering rules of high-speed rail are discussed to filter the bills of high-speed rail. By analyzing bills， the comprehensive and precise high-speed rail users behaviors and network data can be derived to optimize high-speed rail wireless network.

[Key words]high-speed rail ? ?CDL bill ? ?single user behavior

1 ? 引言

高鐵無線網絡一般采取針對高鐵線路覆蓋的專門站點和大網站點相互結合的覆蓋方式，但這并無法避免專門站點覆蓋到高鐵周邊的其他區域，無法通過后臺提取的站點KPI指標得到準確的高鐵網絡運營狀況，因此需要進行大量的測試。由于較高的車速導致高鐵無線網絡復雜多變，隨機異常事件頻發，上車測試得到的采樣數據有限，所以通過測試得到的網絡整體狀況不夠準確，同時又需要耗費大量的人力物力。

通過系統提取CDL（Call Detail Log）話單，可以得到大量的通話記錄，從中篩選出用戶在高鐵上的通話記錄，從而得到海量的高鐵通話數據，再對這些數據進行分析，得到更為準確的高鐵用戶行為和網絡狀況，以便進行市場分析，同時也為上車測試提供新的方向，緩解了高鐵優化工作對上車測試的需求。

2 ? 基于CDL話單的高鐵無線網絡分析

2.1 ?話單提取

通過網優平臺或基站設備廠家網優工具，提取足夠數量的話單樣本以作分析。

2.2 ?話單篩選

針對提取的樣本話單，根據高速動車上通話的特點擬定一定的原則進行篩選，再根據不同線路高鐵動車的不同情況，擬定相應的篩選規則。以下篩選條件適用于大多的高鐵通話，可作為日常應用參考。

各條件存在先后順序，需要刪除的話單標記為0，待保留的標記為1：

（1）S1：保留起呼小區和釋放小區均為高鐵覆蓋小區的話單，刪除其余話單。

（2）刪除確定非高鐵通話的話單：

◆D1：刪除非高鐵運營時間內的話單。若列車趟次較少，可精確至每趟列車通過時間;若趟次較多（如下例中的福廈線），先刪除運營時間外（通常為夜間至凌晨）的話單。

◆D2：刪除大網IMSI的話單。如同一時段在同一小區多次起呼的IMSI可以判定為大網IMSI。

◆D3：刪除起呼小區相同但呼叫時長大于通過該小區覆蓋范圍所用時間的話單。

◆D4：其他。根據各地高鐵網絡現狀自定義篩選原則。

（3）保留確定和不確定是高鐵通話的話單：

◆A1：短話單。以單個小區平均覆蓋1km計算，若高鐵以200km/h的時速通過該小區大約需要18s，建議以18s作為短話單判定標準，保留200km/h時速下運營的動車線路上的通話短話單。

◆A2：釋放小區為相鄰地市小區的話單。以中興設備為例，其跨地市的話單會被分為兩條，存在于相鄰地市的兩個BSC上，不易判斷，暫作保留，而本地市的跨BSC話單仍為一條話單。

◆A3：高鐵站點小區話單。只覆蓋高鐵而吸收不到高鐵周邊話務的小區的話單，如無人山區或無外引信號的隧道洞室等。

◆A4：其他。根據各地高鐵網絡現狀確定符合各自情況的原則進行篩選。

（4）對可能是高鐵上通話的話單參考高鐵通話的特點用相關條件進行篩選，刪除不符合條件的話單：

◆F1：根據起止距離（起呼位置到終止位置的距離，部分網優平臺可提取，也可根據話單字段得到，若粗略估計可以用起止小區經緯度代替）和理論通過距離（通話時長乘以動車行駛速度）進行比較，預留一定裕量，刪除兩者差別較大的話單。

◆F2：其他。根據各地高鐵網絡現狀確定符合各自情況的原則進行篩選。

綜合上述各項原則及其之間的優先級，得到如下篩選公式：

K=S1*product（D1，D2，D3，D4…）*[sum（A1，A2，A3，A4…）+

product（F1，F2…）] ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

若K值等于0，則刪除該話單;若K值不為0，則保留該話單，判定其為高鐵上通話話單。

2.3 ?話單分析方法

根據上述篩選出的話單可以進行由宏觀到微觀、由整體到細節的分析，從大量話單中找出高鐵網絡的整體規律、話務模型，為高鐵網絡建設、運營、優化找出方向，并提供依據，再從單個小區話單、單個用戶話單的細節分析為高鐵優化提供幫助。

（1）對提取的大量樣本話單進行統計，根據話單相關字段的統計對用戶行為進行分析，得到用戶在高鐵上的一些行為，如長話比例、通話時長等，用以幫助市場分析。

（2）對話單通話情況進行統計得到高鐵網絡的話務模型，如高鐵網絡話務忙時、閑時等。

（3）通過分析得到高鐵上通話的整體指標情況，如高鐵上通話的接通率、掉話率等，該結果相比較上車DT測試所得由于其采樣數據量大，更能客觀反映整體指標。另外，部分高鐵站點需要同時兼顧大網，故這些高鐵站點的KPI指標包含對大網通話情況的統計，無法得到其在高鐵上的網絡情況，通過對這些高鐵站點話單的篩選可以得到它們對高鐵的覆蓋情況。因此，高鐵話單分析出的結果相對網管KPI指標更能準確反映高鐵網絡質量，找到高鐵網絡的真正短板。

（4）通過上述對話單統計得到高鐵整體網絡情況之后，針對網絡短板，對相應的話單進行更加有針對性的分析。如上述統計得到高鐵掉話嚴重的小區，可以針對該小區的掉話話單逐條分析掉話相關字段，得到該小區內掉話的情況，再結合路測數據或網管信令跟蹤情況進行優化。

3 ? 某高鐵話單分析優化示例

3.1 ?某高鐵用戶規模預估

每個基站設備廠家話單字段有所不同，本次優化選取某高鐵沿線連續3個同廠家的本地網（依次為A/B/C這3個地市）路段作為分析對象進行分析優化。

優化路段全程約200多公里，高速鐵路車程約70分鐘，沿線高鐵扇區近200個。該段高鐵運營時間為每日首班車06：30出發，末班車由C地市出發到達A地市的時間為23：05左右。根據高鐵客運情況和運營商市場占有率情況，對該段高鐵的CDMA用戶規模進行預估，用以判斷篩選結果的合理性，并結合話單分析市場用戶行為。預估情況如表1所示：

表1 ? ?高鐵優化路段用戶規模預估

全程公里數/km 273

平均每列乘客/人 700

每日往返列車數/對 45

上座率/% 90

合計乘客/人 56 700

手機普及率/% 95

市場占有率/% 25

每日動車CDMA用戶數/人 13 466.25

每趟動車平均CDMA用戶數/人 149.625

根據上述估計，每日約有1.3萬個CDMA用戶經過該段高鐵，而平均每列動車上約有150個CDMA用戶。

3.2 ?話單篩選

網優平臺提取高鐵沿線地市A到地市C基站一周的數據，起呼和釋放小區均為該段高鐵沿線覆蓋小區的話單，累計90多萬條，作為采樣樣本進行篩選。

參考上述篩選原則，并結合福廈線高鐵的情況，根據下列條件對樣本話單進行篩選：

（1）D1：刪除大網IMSI話單1。同一時段在同一小區起呼次數3次及以上的IMSI判定為大網IMSI，刪除該IMSI在該時段的話單;同一天在同一小區有3個時間段有起呼記錄的IMSI判定為大網IMSI，刪除該IMSI在當天所有話單。

（2）D3：刪除起止小區相同但呼叫時長大于動車通過該小區覆蓋范圍所用時間的話單。以每小區通過時間為18s計算，即呼叫時長大于（18s*該小區同PN小區數），車站A和車站B各停靠2分鐘，因此比較時加上停靠時間。

（3）A1：保留18s內的短話單。

（4）A2：保留終止小區為邊界小區的話單。

（5）F1：呼叫起止距離與理論通過距離比較，刪除理論距離大于起止距離2倍以上的話單（為防止起止距離誤差，預留一定裕量），刪除理論距離小于起止距離較多的話單，此處差值以（起止小區的同PN小區數之和/2*1km）為判定標準。

篩選公式如下：

K=D1*D2*（A1+A2+F1） ? ? ? ? ? ? ? ? ? ? ? ? ? （2）

若K值為0則保留，判定為高鐵話單作為下文分析之用。

由該篩選方法從90多萬條話單中得到83 627條話單。

3.3 ?用戶行為分析

對篩選出的83 637條話單進行統計，結果如表2所示：

表2 ? ?高鐵話單篩選結果

累計話單數 83 637

累計話務量/Erl 651.28

累計通話IMSI數量 54 586

日均話單 11 948.14

日均話務量/Erl 93.04

日均通話IMSI數量 7 798.00

每IMSI產生話單數 1.53

平均每趟列車通話IMSI數 86.64

平均每趟列車產生話單 132.76

平均每話單通話時長/s 28.03

主叫話單比例/% 51.24

被叫話單比例/% 47.26

已知IMSI歸屬地話單 59 388

各本地用戶 28 416

漫游話單比例/% 52.15

各本地用戶主叫話單 13 354

各本地用戶主叫長途比例/% 10.84

從表2可知，根據話單結果該段高鐵動車上日均產生11 948條語音話單，日均話務量約為93.04Erl。由上述預估每趟列車有天翼用戶數150人，其中地市A至地市C約有86人產生語音通話話單，平均每2人撥打3次電話，每次通話時間約為28s，主叫和被叫比例約為1：1。

由于平臺數據庫無法得到所有IMSI的歸屬地，從采樣結果中僅得到59 388條話單的IMSI歸屬地，對此進行的統計結果看到，本地用戶僅占不到一半，漫游話單比例達52.15%，而本地IMSI的主叫話單中，長途主叫的比例有10.84%，比例較高。

篩選出的話單按照時間段統計，由于僅提取一周數據，每日全天話務走勢不具有代表性，僅統計每天各時段話務分布，結果如圖1所示：

圖1 ? ?該段高鐵小區每日各時段話務情況

由圖1可以看到，每日各時段的分布中，09：00—10：00和17：00—19：00最多，最忙時為17：00，這與傳統的語音晚忙時19：00明顯不同，因此后續對該高鐵的優化建議多參考沿線站點17：00時段指標。繼續深入分析每個高鐵扇區的忙時，能更準確地對每個高鐵小區話務模型進行分析優化。

3.4 ?掉話情況分析

采樣結果的83 637條話單中有642次掉話話單，語音掉話率達0.77%。由于呼叫時長小于18s的短話單無法很好的區分是否是在高鐵上起呼，而大于18s的話單可以通過其他條件篩選，得到更貼近高鐵通話的話單，因此將話單區分為18s內的短話單和18s以上的長話單，分別統計掉話率，得到結果如表3所示：

表3 ? ?該段高鐵掉話情況

呼叫時長/s 掉話次數 掉話率/% 占比/%

≤18 160 0.35 24.92

>18 482 1.29 75.08

由表3可以看到，該段高鐵上大于18s的通話掉話率達1.29%，掉話率較高。可以對掉話率高的小區進行TOPN進一步分析。分析結果與各小區網管掉話率指標相比更具指導意義，也可與上車DT測試結果進行比較分析，根據基站廠家的話單字段含義得到掉話原因值如表4所示：

表4 ? ?該段高鐵掉話原因

失敗原因值 掉話次數

SDM_Link_Fail_RevTooManyBadFrm 550

ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvOrgnInSessionState 71

ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvRegInSessionState_Others 18

由表4得到主要的掉話原因：“SDM_Link_Fail_RevTooManyBadFrm”，該原因的掉話次數有550次。引起該失敗值掉話的原因有很多，主要是無線環境惡化導致BSC側在一段時間內收到大量壞幀，從而引起掉話。另外掉話較多的失敗原因是失敗71次的“ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvOrgnInSessionState”，根據這些掉話原因，進一步對掉話的話單進行詳細分析。

3.5 ?其他情況分析

根據以上的分析方法，還可以對高鐵上CDMA用戶的接入情況、切換情況等指標進行分析，進一步了解高鐵沿線基站的覆蓋質量、用戶的使用行為。

4 ? 結束語

本文針對高鐵的特點，設定一定的規則對話單進行篩選，得到較為符合高鐵列車上的通話話單。文中所列的篩選條件僅作參考，不同地市或不同的高鐵線路應根據各自的特點采用不同的條件進行更精確的篩選，如根據動車的運營時間、通過每個站點的時間，根據該時間篩選話單可得到更精確的結果。

本文僅對CDMA語音話單中的一些主要字段進行分析，得到該段高鐵CDMA語音網絡的部分用戶行為及網絡情況。CDL其他字段也可供優化人員進行分析，以獲得更多高鐵網絡信息，再根據整體分析得到問題點，對問題話單的相關字段進行更深入的分析。不同基站設備廠家有其各不相同的話單字段，為優化人員提供了通話過程的各種信息，通過對海量高鐵話單的分析，得到更準確的高鐵用戶行為和無線網絡狀況，幫助市場分析和網絡優化。

隨著經濟的發展，我國將建設更多的高速鐵路，越來越多的用戶將通過高鐵出行，高鐵網絡的優化工作也變得更加重要。本文通過CDL話單定位分析高鐵無線網絡狀況，為今后的高鐵優化工作提供了一個較為便捷有效的優化手段。

參考文獻：

[1] 張傳福，李夢迪，王剛. 高速移動環境下組網方案[J]. 電信工程技術與標準化， 2009（4）： 75-78.

[2] 張敏，李毅，舒培煉. 高速鐵路列車車廂穿透損耗應用探析[J]. 移動通信， 2011（2）： 21-25.

[3] 中興通訊股份有限公司. 系統呼叫失敗原因和掉話解釋（1X業務分冊）[Z]. 2009.

[4] 李薔薇. 移動通信技術[M]. 北京： 北京郵電大學出版社， 2005.

[5] 中國電信集團公司. 2009年中國電信高速鐵路CDMA網絡建設指導意見（試行）[Z]. 2009.

各本地用戶主叫話單 13 354

各本地用戶主叫長途比例/% 10.84

從表2可知，根據話單結果該段高鐵動車上日均產生11 948條語音話單，日均話務量約為93.04Erl。由上述預估每趟列車有天翼用戶數150人，其中地市A至地市C約有86人產生語音通話話單，平均每2人撥打3次電話，每次通話時間約為28s，主叫和被叫比例約為1：1。

由于平臺數據庫無法得到所有IMSI的歸屬地，從采樣結果中僅得到59 388條話單的IMSI歸屬地，對此進行的統計結果看到，本地用戶僅占不到一半，漫游話單比例達52.15%，而本地IMSI的主叫話單中，長途主叫的比例有10.84%，比例較高。

篩選出的話單按照時間段統計，由于僅提取一周數據，每日全天話務走勢不具有代表性，僅統計每天各時段話務分布，結果如圖1所示：

圖1 ? ?該段高鐵小區每日各時段話務情況

由圖1可以看到，每日各時段的分布中，09：00—10：00和17：00—19：00最多，最忙時為17：00，這與傳統的語音晚忙時19：00明顯不同，因此后續對該高鐵的優化建議多參考沿線站點17：00時段指標。繼續深入分析每個高鐵扇區的忙時，能更準確地對每個高鐵小區話務模型進行分析優化。

3.4 ?掉話情況分析

采樣結果的83 637條話單中有642次掉話話單，語音掉話率達0.77%。由于呼叫時長小于18s的短話單無法很好的區分是否是在高鐵上起呼，而大于18s的話單可以通過其他條件篩選，得到更貼近高鐵通話的話單，因此將話單區分為18s內的短話單和18s以上的長話單，分別統計掉話率，得到結果如表3所示：

表3 ? ?該段高鐵掉話情況

呼叫時長/s 掉話次數 掉話率/% 占比/%

≤18 160 0.35 24.92

>18 482 1.29 75.08

由表3可以看到，該段高鐵上大于18s的通話掉話率達1.29%，掉話率較高。可以對掉話率高的小區進行TOPN進一步分析。分析結果與各小區網管掉話率指標相比更具指導意義，也可與上車DT測試結果進行比較分析，根據基站廠家的話單字段含義得到掉話原因值如表4所示：

表4 ? ?該段高鐵掉話原因

失敗原因值 掉話次數

SDM_Link_Fail_RevTooManyBadFrm 550

ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvOrgnInSessionState 71

ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvRegInSessionState_Others 18

由表4得到主要的掉話原因：“SDM_Link_Fail_RevTooManyBadFrm”，該原因的掉話次數有550次。引起該失敗值掉話的原因有很多，主要是無線環境惡化導致BSC側在一段時間內收到大量壞幀，從而引起掉話。另外掉話較多的失敗原因是失敗71次的“ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvOrgnInSessionState”，根據這些掉話原因，進一步對掉話的話單進行詳細分析。

3.5 ?其他情況分析

根據以上的分析方法，還可以對高鐵上CDMA用戶的接入情況、切換情況等指標進行分析，進一步了解高鐵沿線基站的覆蓋質量、用戶的使用行為。

4 ? 結束語

本文針對高鐵的特點，設定一定的規則對話單進行篩選，得到較為符合高鐵列車上的通話話單。文中所列的篩選條件僅作參考，不同地市或不同的高鐵線路應根據各自的特點采用不同的條件進行更精確的篩選，如根據動車的運營時間、通過每個站點的時間，根據該時間篩選話單可得到更精確的結果。

本文僅對CDMA語音話單中的一些主要字段進行分析，得到該段高鐵CDMA語音網絡的部分用戶行為及網絡情況。CDL其他字段也可供優化人員進行分析，以獲得更多高鐵網絡信息，再根據整體分析得到問題點，對問題話單的相關字段進行更深入的分析。不同基站設備廠家有其各不相同的話單字段，為優化人員提供了通話過程的各種信息，通過對海量高鐵話單的分析，得到更準確的高鐵用戶行為和無線網絡狀況，幫助市場分析和網絡優化。

隨著經濟的發展，我國將建設更多的高速鐵路，越來越多的用戶將通過高鐵出行，高鐵網絡的優化工作也變得更加重要。本文通過CDL話單定位分析高鐵無線網絡狀況，為今后的高鐵優化工作提供了一個較為便捷有效的優化手段。

參考文獻：

[1] 張傳福，李夢迪，王剛. 高速移動環境下組網方案[J]. 電信工程技術與標準化， 2009（4）： 75-78.

[2] 張敏，李毅，舒培煉. 高速鐵路列車車廂穿透損耗應用探析[J]. 移動通信， 2011（2）： 21-25.

[3] 中興通訊股份有限公司. 系統呼叫失敗原因和掉話解釋（1X業務分冊）[Z]. 2009.

[4] 李薔薇. 移動通信技術[M]. 北京： 北京郵電大學出版社， 2005.

[5] 中國電信集團公司. 2009年中國電信高速鐵路CDMA網絡建設指導意見（試行）[Z]. 2009.

各本地用戶主叫話單 13 354

各本地用戶主叫長途比例/% 10.84

從表2可知，根據話單結果該段高鐵動車上日均產生11 948條語音話單，日均話務量約為93.04Erl。由上述預估每趟列車有天翼用戶數150人，其中地市A至地市C約有86人產生語音通話話單，平均每2人撥打3次電話，每次通話時間約為28s，主叫和被叫比例約為1：1。

由于平臺數據庫無法得到所有IMSI的歸屬地，從采樣結果中僅得到59 388條話單的IMSI歸屬地，對此進行的統計結果看到，本地用戶僅占不到一半，漫游話單比例達52.15%，而本地IMSI的主叫話單中，長途主叫的比例有10.84%，比例較高。

篩選出的話單按照時間段統計，由于僅提取一周數據，每日全天話務走勢不具有代表性，僅統計每天各時段話務分布，結果如圖1所示：

圖1 ? ?該段高鐵小區每日各時段話務情況

由圖1可以看到，每日各時段的分布中，09：00—10：00和17：00—19：00最多，最忙時為17：00，這與傳統的語音晚忙時19：00明顯不同，因此后續對該高鐵的優化建議多參考沿線站點17：00時段指標。繼續深入分析每個高鐵扇區的忙時，能更準確地對每個高鐵小區話務模型進行分析優化。

3.4 ?掉話情況分析

采樣結果的83 637條話單中有642次掉話話單，語音掉話率達0.77%。由于呼叫時長小于18s的短話單無法很好的區分是否是在高鐵上起呼，而大于18s的話單可以通過其他條件篩選，得到更貼近高鐵通話的話單，因此將話單區分為18s內的短話單和18s以上的長話單，分別統計掉話率，得到結果如表3所示：

表3 ? ?該段高鐵掉話情況

呼叫時長/s 掉話次數 掉話率/% 占比/%

≤18 160 0.35 24.92

>18 482 1.29 75.08

由表3可以看到，該段高鐵上大于18s的通話掉話率達1.29%，掉話率較高。可以對掉話率高的小區進行TOPN進一步分析。分析結果與各小區網管掉話率指標相比更具指導意義，也可與上車DT測試結果進行比較分析，根據基站廠家的話單字段含義得到掉話原因值如表4所示：

表4 ? ?該段高鐵掉話原因

失敗原因值 掉話次數

SDM_Link_Fail_RevTooManyBadFrm 550

ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvOrgnInSessionState 71

ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvRegInSessionState_Others 18

由表4得到主要的掉話原因：“SDM_Link_Fail_RevTooManyBadFrm”，該原因的掉話次數有550次。引起該失敗值掉話的原因有很多，主要是無線環境惡化導致BSC側在一段時間內收到大量壞幀，從而引起掉話。另外掉話較多的失敗原因是失敗71次的“ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvOrgnInSessionState”，根據這些掉話原因，進一步對掉話的話單進行詳細分析。

3.5 ?其他情況分析

根據以上的分析方法，還可以對高鐵上CDMA用戶的接入情況、切換情況等指標進行分析，進一步了解高鐵沿線基站的覆蓋質量、用戶的使用行為。

4 ? 結束語

本文針對高鐵的特點，設定一定的規則對話單進行篩選，得到較為符合高鐵列車上的通話話單。文中所列的篩選條件僅作參考，不同地市或不同的高鐵線路應根據各自的特點采用不同的條件進行更精確的篩選，如根據動車的運營時間、通過每個站點的時間，根據該時間篩選話單可得到更精確的結果。

本文僅對CDMA語音話單中的一些主要字段進行分析，得到該段高鐵CDMA語音網絡的部分用戶行為及網絡情況。CDL其他字段也可供優化人員進行分析，以獲得更多高鐵網絡信息，再根據整體分析得到問題點，對問題話單的相關字段進行更深入的分析。不同基站設備廠家有其各不相同的話單字段，為優化人員提供了通話過程的各種信息，通過對海量高鐵話單的分析，得到更準確的高鐵用戶行為和無線網絡狀況，幫助市場分析和網絡優化。

隨著經濟的發展，我國將建設更多的高速鐵路，越來越多的用戶將通過高鐵出行，高鐵網絡的優化工作也變得更加重要。本文通過CDL話單定位分析高鐵無線網絡狀況，為今后的高鐵優化工作提供了一個較為便捷有效的優化手段。

參考文獻：

[1] 張傳福，李夢迪，王剛. 高速移動環境下組網方案[J]. 電信工程技術與標準化， 2009（4）： 75-78.

[2] 張敏，李毅，舒培煉. 高速鐵路列車車廂穿透損耗應用探析[J]. 移動通信， 2011（2）： 21-25.

[3] 中興通訊股份有限公司. 系統呼叫失敗原因和掉話解釋（1X業務分冊）[Z]. 2009.

[4] 李薔薇. 移動通信技術[M]. 北京： 北京郵電大學出版社， 2005.

[5] 中國電信集團公司. 2009年中國電信高速鐵路CDMA網絡建設指導意見（試行）[Z]. 2009.