基于多維數據協同的eSRVCC精準鄰區優化*

李麗智，岳 磊，衛慧鋒

（中國移動通信集團廣西有限公司，廣西 南寧 530022）

0 引 言

VoLTE即Voice over LTE，是基于IMS的語音業務。它是一種IP數據傳輸技術，全部業務承載于4G網絡上，可實現數據與語音業務在同一網絡下的統一[1]。在LTE建網期，不可避免存在弱覆蓋甚至無覆蓋區域。為保證話音通話的延續，需要用戶從LTE網絡向GSM網絡進行切換，即eSRVCC（Enhanced Single Radio Voice Call Continuity，增強型單一無線語音呼叫連續性）。

eSRVCC的關鍵在于鄰區優化和與GSM網絡鄰區配置準確性和合理性。與鄰區的切換門限值，將直接影響eSRVCC的切換成功率。雖然前期經過了2年多的優化總結了一整套各場景下的鄰區切換門限設置建議值，但是由于缺少工具支撐且鄰區優化工作繁瑣多變，目前鄰區優化手段比較單一有限，導致鄰區優化效果和eSRVCC的成功率不是特別理想。

1 現狀分析

1.1 eSRVCC切換失敗成因分析

以南寧市現網eSRVCC切換失敗成功率統計為例（如圖1所示），發現電梯隧道、地下停車場、高層（住宅樓）、城中村、郊區邊緣等場景整體的esrvcc切換成功率較差，成功率低于90%。

圖1 南寧各場景下eSRVCC切換成功率情況

針對以上場景分析和TOP切換失敗小區原因分析處理的經驗，總結出目前eSRVCC切換失敗的原因主要集中在bSRVCC不支持、2G無線原因、4G無線原因、流程沖突、數據配置錯誤等方面。各切換失敗占比如表1所示。

由表1不難看出，由于2G無線原因導致的切換失敗占比達17%。對2G無線問題進一步細分，結果如圖2所示，其中由于鄰區配置問題導致失敗的占比高達1/3。可見，2G鄰區優化既是基礎工作，又是eSRVCC切換優化的關鍵。

表1 eSRVCC切換失敗主要原因分類及占比

圖22 G無線問題原因分類

1.2 傳統的鄰區優化方法分析

在當前LTE不能完全連續覆蓋的情況下，日常開展4G到2G的鄰區優化的手段主要為繼承CSFB（Circuit SwitchedFallback）的頻點添加可能的GSM鄰區[2]、通過路測發現漏配鄰區、用戶投訴后核查漏配鄰區等。路測需要耗費大量的人力和物力，周期較長，且有時難以觸發eSRVCC切換。用戶投訴方法雖然可以根據用戶投訴現象發現網絡中潛在的問題，但是大多數情況下客戶畢竟不是專業人員，有時對無線網絡環境描述不清，給后臺解決問題帶來了相當大的難度。這兩種發現問題的方式都比較被動，且不能夠防患于未然，定位時間長，導致鄰區問題難以發現，大大降低了客戶滿意度。

由于CSFB與VOLTE的eSRVCC切換有本質的區別，導致了直接繼承CSFB鄰區后eSRVCC的成功率不是特別理想。

（1）CSFB只需要頻點即可，不需要精確的鄰區。即使頻點漏配，UE也會進行全頻段搜索，只是時間略長，而eSRVCC則需求確切的真實鄰區。所以，相比eSRVCC來說，CSFB鄰區要求較低，保證CSFB感知不一定能保證eSRVCC感知；

（2）CSFB發生的范圍遠大于eSRVCC，CSFB可能發生在任何4G覆蓋區域，而eSRVCC只有在4G覆蓋邊緣才能觸發，所以適合CSFB的鄰區不一定是eSRVCC的最近鄰區。

通過前述分析可知，鄰區配置的準確性和2G鄰區質量差成為導致eSRVCC切換失敗的主要原因之一，而現行鄰區優化方法均在不同層面存在問題。如何利用現網的大數據協同分析識別4G特定覆蓋區域下的優質2G鄰區和優化現網的2G鄰區配置，是eSRVCC鄰區優化的關鍵。

2 優化思路及算法

2.1 多維數據應用

觀察現網中不同途徑、各種維度獲得的數據發現，MR（Measurement Report，測量報告）、基站無線側的性能統計、信令消息、干擾統計、現網鄰區配置數據以及經緯度等信息或數據之間具有強相關性。在此背景下，本文提出了基于多維數據協同的eSRVCC精準鄰區優化方法，利用多維數據綜合分析評估2G鄰區信號質量情況，精準識別優質2G鄰區。

2.1.1 MR數據

根據集團規范要求，UE（用戶）和eNodeB（Evolved NodeB，LTE基站）定期將物理層、RLC層以及在無線資源管理過程中計算產生的MR（Measurement Report，測量報告），經過統計計算（可以在eNodeB或OMC-R上實現統計）報送到OMC-R，以統計數據形式進行存儲[3]。MR中包含了大量的測量數據和相關的小區信息，如針對異系統的MR包含了BCCH（Broadcast Control Channel，廣播控制信道，為GSM小區的主頻點）、BSIC（Base Station Identity Code，GSM基站識別碼，包括NCC和BCC）和Rxlev（Received Signal Level，接收信號電平）等重要信息[4]。

通過開啟LTE的異系統MR測量項，從MR數據中獲得LTE周圍GSM所有鄰區的采樣點、特定GSM小區（通過BCCH、BSIC來匹配出具體的GSM小區）采樣點及接收電平，就可以根據各GSM鄰區測量到的概率及電平高低來判斷是否為優質的GSM鄰區。

2.1.2 性能統計

在LTE基站側網管性能統計中，設置有異系統兩兩鄰區對的測量計數器，能夠統計從某個4G小區到某個已添加鄰區關系的2G小區的切換性能，如切換請求次數、切換成功次數等，能夠作為評估兩兩鄰區切換性能的重要依據。

2.1.3 2G干擾統計

在GSM基站側網管性能統計中，設置有GSM干擾帶的測量計數器，是BTS在空閑時利用一幀中的空閑時隙對其TRX所用頻點的上行頻率進行掃描，并統計到對應的干擾帶中。干擾帶共分5個等級，電平范圍可以通過對應的網管維護操作平臺進行設定，通常設置如表2所示。

表2 干擾帶電平設置

干擾帶統計指標能夠直接反映GSM小區的受干擾程度。干擾帶等級越高，表示受到的干擾越大。根據日常優化經驗值，查看干擾帶4和干擾帶5的占比，占比越大，則該小區存在干擾的可能性越大。

2.1.4 信令消息

在信令監測系統中能夠通過信令消息篩選，統計出用戶從4G回落到2G的具體小區名稱、回落次數和回落成功率。它可以作為輔助2G鄰區質量情況的一種手段。

2.2 算法設計與實現

基于多維數據協同的eSRVCC鄰區優化方法，是根據MR數據、基站無線側的性能統計、信令消息、干擾統計、現網鄰區配置數據以及經緯度等信息，經過數據采集與解析、漏配鄰區判斷、冗余鄰區判斷、干擾判斷四個步驟，最終形成鄰區優化配置策略。具體的優化策略流程如圖3所示。

圖3 優化策略流程

2.2.1 數據采集及解析

①相關數據收集及核查。收集小區工參（小區名稱、經緯度等）、GSM干擾統計、信令系統中CSFB回落小區統計、現網鄰區配置等數據，同時必須核查4G中配置的鄰區的工參（如BCCH/BSIC/LAC）與現網GSM配置的數據是否一致，避免由于不一致導致后續判斷錯誤的問題。

②開啟異系統MR測量。在現網LTE小區中開啟INTER_RAT_MR為異系統MR測量項，開啟后UE會定時上報異系統測量信息，其中包含測量到的GSM鄰區信息。

③MR數據采集解析。對采集的MR文件處理，篩選出需要的關鍵信息，主要包括eCI（eCI=eNodeBid×256+Localcellid，是在一個PLMN中唯一標識TLE小區的）、LTE頻點、PCI（Physicallayer Cell Identity，物理小區ID）、AvgRSRP（Average Reference Signal Receive Power，平均參考信號接收功率）、AvgRSRQ（Average Reference Signal Receive Quality，參考信號接收質量）、MrCount（MR采樣點）、NbrCount（測量到GSM鄰區個數）、GsmNbrCells（CountBCCHBSIC RXLEV）GSM采樣點信息等。同時，設定了LTE/GSM的信號門限及采樣數篩選條件（建議值如表3所示），可實現精確識別特定RSRP范圍內的2G鄰區。

表3 LTE/GSM的信號門限及采樣數篩選條件

2.2.2 漏配鄰區判斷

結合LTE與GSM鄰區的經緯度進行鄰區距離計算，對MR數據根據一定的規則和步驟進行計算，挑選出優質的GSM鄰區。將優質的GSM鄰區列表清單與現網LTE小區配置的相鄰頻點組內的頻點比較，判斷相鄰頻點配置是否合理，判斷頻點是否存在漏配。

MR數據用經緯度判斷是否存在漏配頻點的評估計算步驟如下：

（1）計算MR測量到各GSM小區采樣概率、用GSM采樣概率和接電平對GSM進行排序，篩選出采樣點前10小區。

（2）利用LTE工參或GPS經緯度找出MR數據中的LTE小區經緯度。

（3）根據LTE小區與GSM小區經緯度，找出最近10個相鄰區GSM小區。GSM信息有LAC、CI、BCCH、BSIC、CELLNAME 等。

（4）將MR測量GSM小區BCCH、BSIC信息與位置相近10個GSM關聯匹配。

（5）將匹配后GSM小區的頻點和LTE配置相鄰區頻點組的頻點比較，組內未配置頻點判定為漏配頻點。

MR基于經緯度評判漏配鄰區條件（以下4個條件需要同時滿足）：

①GSM接收電平＞-90 dB；

②采樣概率排名≥10；

③地理位置相鄰≥10（根據LTE、GSM經緯度計算）；

④未配置在相鄰頻點組內。

2.2.3 2G小區干擾判斷

結合GSM小區干擾性能統計，判斷GSM小區是否存在干擾，并對未受干擾的GSM小區和受干擾的GSM小區區分對待。假如為無干擾小區，則添加該小區為普通GSM鄰區；假如為受干擾小區同時為必要添加的鄰區，則添加該小區為低優先級GSM鄰區。

①2G受干擾判斷條件。如果4/5級干擾采樣點在所有采樣點中的占比大于30%，則認為2G小區受到干擾。

②必要鄰區判斷條件。該高干擾GSM小區的MR測量采樣點占比在TOP16之內，且該高干擾GSM小區的MR測量平均Rxlev排名在TOP16之內，同時該4G小區2G鄰區個數小于25個。

③添加普通GSM鄰區步驟。新增該小區為GSM外部小區，再添加該小區的鄰區關系。

④低優先級鄰區步驟。若為高干擾小區且為必要的鄰區，先新建低優先級頻點組，調整OffsetFreq設置為負值，將高干擾小區的頻點列入低優先級頻點組。

根據eSRVCC切換門限事件觸發條件——異系統信號+OffsetFreq＞InterRatHoGeranB1Thd，當頻點組的OffsetFreq設置為負值時，相當于針對這一組頻點抬高了eSRVCC的切換門限。迫使UE在低優先組內頻點信號較強時才觸發切換，以對抗GSM的高干擾，盡量減少4G小區向該受干擾的2G鄰區切換。

2.2.4 冗余鄰區判斷

通過LTE性能統計，信測平臺提取小區級CSFB回落數據，根據4G和2G的工參（經緯度、天線方位角等），聯合MR測量統計、地理位置信息等，判斷是否為冗余小區。

冗余判斷條件（以下4個條件需要同時滿足）：

（1）已存在現網鄰區/頻點中。

（2）連續7天切換請求次數為零；且該GSM鄰區在MR采樣中采樣占比＜5%，且GSM小區電平小于-95 dBm。

（3）回落GSM小區按次數從高到低排序，排名后40的小區且回落概率不大于5%，同時距離大于3.5km（主城區）/6km（郊區及其他）。

2.3 算法優勢分析

該方法基于現網用戶MR及2G干擾統計，能保證更全面識別GSM鄰區質量。同時，該方法限定了LTE和GSM的信號門限及采樣數，一定程度上避免了偶發事件，保證了識別的GSM鄰區為最佳GSM鄰區。此外，對現網配置的鄰區進行冗余判斷，減少了不必要的鄰區，優化改善了切換時延和性能。

2.4 算法應用效果

以南寧西鄉塘區連疇村1隊_拉遠_HLH_2小區（cellid為126393618，以下簡稱拉遠2小區）為例，切換成功率僅為67%。利用以上分析思路進行多維數據綜合評估，最終開展了四項優化策略實施，即添加TF19002為普通鄰區、添加TF01552為低優先級鄰區、調整TF01551為低優先級鄰區以及刪除TF20341鄰區。

策略實施后，拉遠2小區向TF19002的切換請求次數為4次，成功率為100%；拉遠2小區向TF01552的切換請求次數為6次，成功率為66.7%；拉遠2小區向TF01551的切換請求次數減少了13次，成功率提升至71%。對比南寧西鄉塘區連疇村1隊_拉遠_HLH_2小區在進行以上4個優化策略實施前后一周切換性能指標情況發現，eSRVCC切換請求次數減少了28%，成功率由原來的67%改善至89%。優化策略實施前后整體效果如圖4所示，4項鄰區優化策略實施效果如圖5所示。

圖4 試點小區優化策略實施前后整體效果對比

圖5 試點小區單獨各項鄰區優化策略實施效果對比

3 結 語

eSRVCC是LTE覆蓋邊緣保證VOLTE語音通話連續的關鍵所在，延用傳統的4G到2G的鄰區優化方法存在各種弊端，難以法滿足eSRVCC的精確要求。基于多維數據協同的eSRVCC精準鄰區優化方法，利用異系統MR、信令信息、基站性能統計、2G干擾統計等大數據，綜合分析評估2G鄰區信號質量情況，精準識別優質2G鄰區。同時對已配置的鄰區也進行綜合評估，刪除冗余鄰區，達到鄰區優化提升切換性能的目的。此外后續如利用python語言實現優化思路的工具化、軟件化，對日常鄰區優化工作效率將帶來極大提升。