5G無線網(wǎng)絡(luò)智能規(guī)劃技術(shù)的探索與實(shí)踐

陸南昌 劉吉寧 黃海暉

【摘? 要】研究并應(yīng)用了多制式多網(wǎng)絡(luò)的站址協(xié)同分析、5G站址智能尋優(yōu)、弱覆蓋柵格聚類識(shí)別、高精度3D規(guī)劃仿真呈現(xiàn)等技術(shù)手段，將工具與生產(chǎn)流程有機(jī)結(jié)合，實(shí)現(xiàn)流程自動(dòng)化，減少不必要的人工參與，提升整體規(guī)劃效率，實(shí)現(xiàn)對(duì)5G網(wǎng)絡(luò)資源的快速精準(zhǔn)投放。最后，提供后續(xù)研究方向，為5G無線網(wǎng)智能化平臺(tái)的進(jìn)一步研究提供參考。

【關(guān)鍵詞】智能規(guī)劃;射線跟蹤;聚類

This paper investigates and applies technical methods such as multi-standard multi-network site collaborative analysis， 5G site intelligent optimization， weak coverage grid cluster recognition， and high-precision 3D planning simulation presentation. The organic combination of tools and production processes realizes process automation， reduces unnecessary manual participation， improves overall planning efficiency， and achieves rapid and accurate deployment of 5G network resources. Finally， the follow-up research directions are provided for further research on 5G wireless network intelligent platforms.

intelligent planning; ray tracing; clustering

0? ?引言

5G是實(shí)現(xiàn)網(wǎng)絡(luò)強(qiáng)國(guó)的國(guó)家戰(zhàn)略，是引領(lǐng)科技創(chuàng)新、實(shí)現(xiàn)產(chǎn)業(yè)升級(jí)、發(fā)展新經(jīng)濟(jì)的基礎(chǔ)性平臺(tái)，如何高效精準(zhǔn)地規(guī)劃建設(shè)一張5G網(wǎng)絡(luò)是運(yùn)營(yíng)商所關(guān)注的一項(xiàng)重要課題。5G主要分為3個(gè)典型應(yīng)用場(chǎng)景，分別是增強(qiáng)型的移動(dòng)寬帶（eMBB）、海量連接的機(jī)器通信（mMTC）以及高可靠低時(shí)延（uRLLC）的物聯(lián)網(wǎng)應(yīng)用，涵蓋用戶體驗(yàn)速率、峰值速率、時(shí)間延遲及連接密度等多維技術(shù)指標(biāo)需求，以及大規(guī)模天線陣列、波束賦形、信道編碼等核心關(guān)鍵技術(shù)[1-6]。

目前在5G網(wǎng)絡(luò)規(guī)劃方面，運(yùn)營(yíng)商主要以滿足eMBB業(yè)務(wù)需求為主，并逐步開展對(duì)uRLLC、mMTC業(yè)務(wù)及規(guī)劃部署研究。在做5G覆蓋規(guī)劃時(shí)，站址優(yōu)選、工程參數(shù)確定、網(wǎng)絡(luò)結(jié)構(gòu)、連續(xù)覆蓋能力，以及規(guī)劃工具和流程的使用的高效率、高可靠性是無線網(wǎng)規(guī)劃專業(yè)人員極為關(guān)注內(nèi)容。如果能對(duì)站址、方位角、下傾角以及多陣列天線模式等重要工程參數(shù)的自動(dòng)化進(jìn)行沙盤演練，將為網(wǎng)規(guī)網(wǎng)優(yōu)工程師提供極大幫助。

1? ? 5G無線網(wǎng)規(guī)劃面臨的挑戰(zhàn)

為了滿足未來應(yīng)用場(chǎng)景，5G網(wǎng)絡(luò)在空口技術(shù)、頻率和網(wǎng)絡(luò)架構(gòu)方面進(jìn)行全新的標(biāo)準(zhǔn)化制定。5G技術(shù)應(yīng)用范圍的擴(kuò)展使得對(duì)應(yīng)的5G規(guī)劃體系面臨巨大挑戰(zhàn)，系統(tǒng)設(shè)計(jì)和優(yōu)化更為復(fù)雜。目前主要研究主要集中在5G無線網(wǎng)智能化體系及單機(jī)版的軟件實(shí)現(xiàn)方面[7]，少有將研究人員對(duì)智能規(guī)劃工具與規(guī)劃工作流程自動(dòng)化的有機(jī)融合展開研究。本文將積極探索5G無線網(wǎng)智能規(guī)劃技術(shù)，綜合應(yīng)用多制式多網(wǎng)絡(luò)的站址協(xié)同分析、高精度3D規(guī)劃仿真、5G站址自動(dòng)尋優(yōu)、覆蓋柵格聚類識(shí)別等技術(shù)手段，將工具與生產(chǎn)流程有機(jī)結(jié)合，實(shí)現(xiàn)流程自動(dòng)化，減少不必要的人工參與，提升整體規(guī)劃效率，以此來快速精準(zhǔn)的投放5G網(wǎng)絡(luò)資源。

1.1? 異構(gòu)分層網(wǎng)絡(luò)結(jié)構(gòu)越發(fā)復(fù)雜

無線網(wǎng)絡(luò)結(jié)構(gòu)包含主要內(nèi)容有頻率、拓?fù)浣Y(jié)構(gòu)（站高、站間距、方向角、下傾角）、站點(diǎn)類型（宏站、微小站、室分站、拉遠(yuǎn)站等）、組網(wǎng)架構(gòu)（分布式、集中式）及功率等。以某運(yùn)營(yíng)商為例，GSM、TDD、FDD、NB-IoT、5G五張網(wǎng)絡(luò)是多種頻率并存，形成了“宏站、微小站、皮站、飛站、室分站”相結(jié)合的異構(gòu)網(wǎng)絡(luò)，無線網(wǎng)絡(luò)結(jié)構(gòu)極其復(fù)雜。在5G網(wǎng)絡(luò)規(guī)劃時(shí)，需要注重不同網(wǎng)絡(luò)制式間的協(xié)同發(fā)展，首先需要解決多層網(wǎng)絡(luò)站址資源數(shù)據(jù)之間關(guān)聯(lián)性問題，充分利用共建共享的存量現(xiàn)網(wǎng)站址進(jìn)行規(guī)劃，既能夠降低工程難度，又能夠大幅度降低建設(shè)運(yùn)維成本。同時(shí)，根據(jù)5G無線網(wǎng)規(guī)劃目標(biāo)要求，迭代優(yōu)化站址結(jié)構(gòu)，不斷改善網(wǎng)絡(luò)質(zhì)量和用戶感知。

1.2? 智能化高精度規(guī)劃工具缺乏，專家經(jīng)驗(yàn)占主導(dǎo)地位

傳統(tǒng)5G網(wǎng)絡(luò)的覆蓋規(guī)劃方步驟主要是：首先，要收集目標(biāo)城市的市場(chǎng)、業(yè)務(wù)需求數(shù)據(jù)，結(jié)合高流量區(qū)域、高價(jià)值用戶區(qū)域等數(shù)據(jù)，確定規(guī)劃目標(biāo)區(qū)域范圍;其次，根據(jù)規(guī)劃區(qū)域的業(yè)務(wù)類型和上下行業(yè)務(wù)速率要求，使用5G NR 3GPP協(xié)議36.873定義的3D傳播模型：城區(qū)宏站、城區(qū)微小站、農(nóng)村宏站模型，分場(chǎng)景測(cè)試數(shù)據(jù)，進(jìn)行傳播模型校正。最后，用校正后的傳播模型的計(jì)算最大路徑損耗和單站覆蓋半徑。譬如，2.6 GHz室外連續(xù)覆蓋站間距建議值（表1）。另外一種傳統(tǒng)5G網(wǎng)絡(luò)的覆蓋規(guī)劃是使用主流規(guī)劃仿真軟件。

在傳統(tǒng)的5G覆蓋規(guī)劃中，往往專家經(jīng)驗(yàn)占了主導(dǎo)地位，不僅要理解標(biāo)準(zhǔn)協(xié)議，還得要掌握并運(yùn)用較多的工程參數(shù)、不同網(wǎng)絡(luò)制式下的站址數(shù)據(jù)和鏈路預(yù)算方法，抑或掌握規(guī)劃仿真軟件的使用。按照這種方式，完成某個(gè)城市的規(guī)劃工作，往往需要數(shù)量眾多的工程技術(shù)人員，并耗費(fèi)大量時(shí)間。而使用主流規(guī)劃仿真軟件可以做覆蓋預(yù)測(cè)和覆蓋優(yōu)化，在軟件中設(shè)置目標(biāo)約束條件，通過迭代計(jì)算的方式去完成工程參數(shù)調(diào)優(yōu)和性能提升，這對(duì)工程技術(shù)人員能力要求極高，一般很難在短時(shí)間內(nèi)完成大量站址的優(yōu)選和弱覆蓋區(qū)域的自動(dòng)推薦站址工作。

1.3? 規(guī)劃工具與工作流程往往脫節(jié)，自動(dòng)化運(yùn)維

能力有待提升

傳統(tǒng)規(guī)劃模式下，規(guī)劃技術(shù)能力或規(guī)劃工具往往掌握在少數(shù)專家團(tuán)隊(duì)手中，生產(chǎn)效率不高，自動(dòng)化程度不足。以廣東某個(gè)地市為例，按照傳統(tǒng)模式，1個(gè)高級(jí)技術(shù)人員1天僅能完成約150個(gè)規(guī)劃站點(diǎn)的變更方案審核，如果要完成1個(gè)千量級(jí)的站點(diǎn)規(guī)劃仿真分析評(píng)估工作至少需要2天時(shí)間。

針對(duì)上述痛點(diǎn)，本文將重點(diǎn)介紹若干項(xiàng)在5G智能規(guī)劃技術(shù)方面的探索與研究。

2? ?5G無線網(wǎng)智能規(guī)劃技術(shù)的研究

本文主要研究多制式多網(wǎng)絡(luò)站址協(xié)同規(guī)劃技術(shù)、智能選址及推址技術(shù)、以及“智能規(guī)劃模塊+開源可視化+規(guī)劃工作流程”融合技術(shù)，以此來提升整體規(guī)劃效率和精準(zhǔn)性。

2.1? 多制式多網(wǎng)絡(luò)站址協(xié)同規(guī)劃技術(shù)

在站址協(xié)同規(guī)劃方面，本文主要提出兩種技術(shù)方案：一種是數(shù)據(jù)庫主鍵直接關(guān)聯(lián)法;另外一種是關(guān)聯(lián)Meanshift+DBSCAN混合聚類算法。

（1）數(shù)據(jù)庫主鍵直接關(guān)聯(lián)法

在多制式多網(wǎng)絡(luò)協(xié)同規(guī)劃時(shí)，不同網(wǎng)絡(luò)之間除了網(wǎng)絡(luò)制式、頻段等信息不一致，其他的工程參數(shù)基本一致，如經(jīng)緯度、掛高、下傾角、方向角等。在數(shù)據(jù)處理時(shí)，可以將其中一張網(wǎng)絡(luò)的某個(gè)字段（如物理站址名稱）設(shè)置為數(shù)據(jù)庫主鍵，其他網(wǎng)絡(luò)只需保留邏輯站點(diǎn)名稱、網(wǎng)絡(luò)制式、頻段等獨(dú)有網(wǎng)絡(luò)數(shù)據(jù)，通用網(wǎng)絡(luò)數(shù)據(jù)只需要通過主鍵去關(guān)聯(lián)。優(yōu)點(diǎn)是當(dāng)一張網(wǎng)絡(luò)的通用網(wǎng)絡(luò)數(shù)據(jù)發(fā)生變更后，不需要一個(gè)一個(gè)地變更其他網(wǎng)絡(luò)數(shù)據(jù)，減少冗余數(shù)據(jù)存儲(chǔ)，極大提升工作效率。

（2）Meanshift+DBSCAN混合聚類算法

Meanshift（均值漂移聚類）算法主要是根據(jù)數(shù)據(jù)概率密度不斷移動(dòng)其均值質(zhì)心直到滿足一定條件來確定質(zhì)心，但無法根據(jù)密度進(jìn)行聚類;而DBSCAN（密度聚類）算法缺乏穩(wěn)定性，從不同位置起始對(duì)聚類結(jié)果影響較大。因此針對(duì)網(wǎng)絡(luò)站址數(shù)據(jù)繁雜情況，本文研究基于Meanshift+DBSCAN混合聚類算法，解決部分?jǐn)?shù)據(jù)較難通過數(shù)據(jù)庫主鍵關(guān)聯(lián)處理的問題。以邏輯站為最小資源粒度，設(shè)定物理發(fā)射點(diǎn)為空間粒度，自動(dòng)聚類為“M網(wǎng)N頻物理發(fā)射點(diǎn)”站址信息表，具體如下：

1）以站點(diǎn)經(jīng)緯度進(jìn)行地理位置聚合，將經(jīng)緯度按左上向右下進(jìn)行排序;

2）計(jì)算圈號(hào)，采用Meanshift算法確定第一個(gè)質(zhì)心。圈大小建議設(shè)置半徑為100 m（可按需靈活配置），得到集合X;

3）計(jì)算簇號(hào)，在每個(gè)圈中，采用DBSCAN算法，找出密度可達(dá)的簇。簇大小建議設(shè)置半徑為50 m（可按需靈活配置），得到集合Y;

4）計(jì)算位置號(hào)，在每個(gè)簇中通過MeanShift算法，將所有物理點(diǎn)找出來。在站點(diǎn)集合中剔除生成簇的站點(diǎn)，再通過獲取密度最高的質(zhì)心。位置建議設(shè)置半徑為20 m（可按需靈活配置），得到集合Z;

5）以1）～4）步驟，直至找出所有的站點(diǎn)，自動(dòng)聚類“M網(wǎng)N頻物理發(fā)射點(diǎn)”站址信息表。

2.2? 智能站址選址及推址技術(shù)

在5G規(guī)劃的選址和推址方面，本文提出兩種技術(shù)方案（圖2）。方案1主要用4G網(wǎng)絡(luò)的性能數(shù)據(jù)去推演5G覆蓋情況，方案2則是用5G仿真軟件直接模擬5G覆蓋情況。兩種技術(shù)方案在獲取5G柵格覆蓋后，通過粒子群優(yōu)化算法（PSO， Particle Swarm Optimization）優(yōu)選站址，并對(duì)弱覆蓋區(qū)域進(jìn)行聚類處理和站址推薦。方案1主要適用于5G建設(shè)初期，因5G無線性能數(shù)據(jù)不規(guī)范，也沒有成熟的規(guī)劃仿真工具，利舊4G網(wǎng)絡(luò)的性能數(shù)據(jù)快速模擬5G覆蓋能力，能有效指導(dǎo)5G網(wǎng)絡(luò)前期規(guī)劃，是一種低成本快速解決方案。而方案2則更適用于5G建網(wǎng)中后期，直接通過5G網(wǎng)絡(luò)的性能數(shù)據(jù)，和搭乘高精度射線跟蹤模型的規(guī)劃仿真工具，能更加精準(zhǔn)地進(jìn)行5G網(wǎng)絡(luò)規(guī)劃。整體流程如圖2所示。

首先，根據(jù)5G待規(guī)劃區(qū)域，選擇相應(yīng)的現(xiàn)網(wǎng)4G站點(diǎn)作為候選站址。其次，將4G現(xiàn)網(wǎng)數(shù)據(jù)（MDT、MR）和4G仿真數(shù)據(jù)（作為一種補(bǔ)充數(shù)據(jù)源）進(jìn)行路損折算得到5G柵格覆蓋預(yù)測(cè)結(jié)果。其中，5G的柵格場(chǎng)強(qiáng)=4G柵格場(chǎng)強(qiáng)+功率差異+天線差異+空口差異+穿損差異。或者使用搭乘射線跟蹤模型的5G規(guī)劃仿真軟件或5G性能數(shù)據(jù)輸出5G柵格覆蓋結(jié)果。再次，設(shè)定智能選站規(guī)則和迭代目標(biāo)，利用PSO算法對(duì)預(yù)測(cè)結(jié)果進(jìn)行5G自動(dòng)選站，以期滿足覆蓋要求和交疊要求的柵格數(shù)最大化。針對(duì)已選站點(diǎn)進(jìn)行預(yù)測(cè)分析，鎖定5G問題柵格的面、線、點(diǎn)。最后，根據(jù)面、線、點(diǎn)問題進(jìn)行按照網(wǎng)絡(luò)結(jié)構(gòu)要求和規(guī)劃目標(biāo)需要自動(dòng)推薦站點(diǎn)，與自動(dòng)優(yōu)選站點(diǎn)一并生成最優(yōu)站點(diǎn)組網(wǎng)規(guī)劃方案。涉及核心技術(shù)如下。

（1）基于射線跟蹤模型的覆蓋預(yù)測(cè)技術(shù)

相比于標(biāo)準(zhǔn)宏蜂窩模型等統(tǒng)計(jì)型傳播模型，射線模型能結(jié)合建筑物三維矢量地圖，充分考慮建筑物直射、反射及繞射三種路徑損耗計(jì)算，對(duì)基于站點(diǎn)與周邊建筑物的位置關(guān)系進(jìn)行射線建模，從而得到較為準(zhǔn)確的計(jì)算。本文通過步進(jìn)式調(diào)整接收機(jī)高度位置，模擬三維立體分層覆蓋效果，為5G室內(nèi)外規(guī)劃提供高精度數(shù)據(jù)源。

（2）基于PSO算法的智能選址技術(shù)

與一般采用遺傳算法的智能選址技術(shù)不同，本文通過PSO算法和站址畫像來進(jìn)行5G基站選址，使用已有站址作為初始化粒子群，設(shè)置最大迭代次數(shù)、認(rèn)知因子、維度、基站畫像、約束條件（5G覆蓋質(zhì)量要求等）及站址更新最大速度等初始化參數(shù)，計(jì)算每個(gè)粒子的適應(yīng)值、歷史最優(yōu)位置及全局最優(yōu)位置（站址畫像為覆蓋山林、海域、河流等區(qū)域的將剔除計(jì)算），并采用目標(biāo)權(quán)重因子和選取次數(shù)相結(jié)合的方式確定全局最優(yōu)位置，防止陷入局部最優(yōu)。經(jīng)過迭代計(jì)算，當(dāng)滿足全局最優(yōu)解約束條件或者最大迭代次數(shù)時(shí)終止計(jì)算獲得最優(yōu)站址選擇方案。

（3）基于DBSCAN算法的智能推址技術(shù)

本文利用DBSCAN算法對(duì)5G柵格覆蓋數(shù)據(jù)進(jìn)行弱覆蓋柵格聚類，自動(dòng)挖掘出弱覆蓋區(qū)域，并自動(dòng)生成需求站點(diǎn)推送給規(guī)劃自動(dòng)化系統(tǒng)進(jìn)行評(píng)估。在使用Python調(diào)用sklearn包里面的DBSCAN算法進(jìn)行處理時(shí)，設(shè)定的掃描半徑為0.000 8（約為100 m），最小包含點(diǎn)為5個(gè)點(diǎn)，進(jìn)行弱覆蓋柵格聚類。根據(jù)聚類后的弱覆蓋區(qū)域面積和網(wǎng)絡(luò)結(jié)構(gòu)要求（譬如宏站站間距不小于200 m，微站站間距小于50 m），自動(dòng)推薦宏站、微小站的站址。對(duì)于推薦站址納入候選站址庫，通過自動(dòng)化仿真和智能選址后最終確定是否納入5G網(wǎng)絡(luò)需求庫。

通過上述技術(shù)的綜合運(yùn)用，實(shí)現(xiàn)了5G站址需求方案編制的初步智能化，技術(shù)人員不需要在GIS地圖上逐個(gè)站點(diǎn)、逐個(gè)區(qū)域的分析評(píng)估，更多時(shí)間可以用在算法改進(jìn)和策略分析上。

2.3? 智能規(guī)劃模塊、開源可視化與規(guī)劃工作流程融合技術(shù)

傳統(tǒng)的網(wǎng)絡(luò)規(guī)劃仿真工具多數(shù)是單機(jī)版，由于需要工程參數(shù)調(diào)優(yōu)、傳播模型調(diào)教、關(guān)鍵參數(shù)配置等專業(yè)性較強(qiáng)的工作，且還涉及安裝授權(quán)和技術(shù)支持等種種工程因素，因此應(yīng)用范圍及實(shí)用頻次均較為受限，無法支撐全天候全自動(dòng)逐站評(píng)估的精細(xì)化預(yù)測(cè)需求。此外，仿真結(jié)果一般只能由規(guī)劃仿真軟件、Mapinfo或Googlearth等專業(yè)工具打開，不利于結(jié)果共享和推廣。

本文主要研究“智能規(guī)劃模塊、開源可視化與規(guī)劃工作流程”的融合技術(shù)，重點(diǎn)研究API自動(dòng)化調(diào)用技術(shù)和開源可視化呈現(xiàn)技術(shù)，可在5G基站全生命工作流程中的需求分析、單站規(guī)劃方案評(píng)估、整體規(guī)劃方案評(píng)估、規(guī)劃變更方案評(píng)估等7個(gè)重點(diǎn)環(huán)節(jié)通過API自動(dòng)調(diào)用方式，實(shí)現(xiàn)立體仿真結(jié)果自動(dòng)評(píng)估和仿真報(bào)告自動(dòng)輸出。

（1）API自動(dòng)化調(diào)用技術(shù)

1）搭建底層服務(wù)器集群提供仿真運(yùn)算能力和存儲(chǔ)能力，供上層應(yīng)用調(diào)用。

2）規(guī)劃方案庫定時(shí)從底層數(shù)據(jù)倉庫自動(dòng)接收入庫一批需求、規(guī)劃和現(xiàn)網(wǎng)方案和站址數(shù)據(jù)，并接收仿真數(shù)據(jù)庫完成的仿真指標(biāo)和報(bào)告等內(nèi)容，仿真數(shù)據(jù)庫存放仿真結(jié)果數(shù)據(jù)、圖層、頁面報(bào)表等內(nèi)容。

3）仿真引擎及智能規(guī)劃模塊是基于API調(diào)用接口開發(fā)，多線程輪詢仿真數(shù)據(jù)庫的仿真方案總?cè)肟诒恚凑辗抡鎯?yōu)先級(jí)順序排序，每一個(gè)方案的每個(gè)狀態(tài)對(duì)應(yīng)啟動(dòng)一個(gè)線程（線程數(shù)量可配置，一般配置為8個(gè)線程數(shù)）。

4）每個(gè)線程傳入的工程參數(shù)至少包含地市、方案編號(hào)、狀態(tài)、方案仿真類型、方案的中心經(jīng)緯度，仿真范圍半徑（正方形或圓形），若是多邊形范圍，則傳入多邊形（多個(gè)經(jīng)緯度點(diǎn)組成，經(jīng)緯點(diǎn)之間用分號(hào)隔開）等參數(shù)。

5）當(dāng)線程啟動(dòng)時(shí)，加載對(duì)應(yīng)的仿真工程模板，清空上一次的工程表數(shù)據(jù)，以保證數(shù)據(jù)不被緩存覆蓋。根據(jù)入口表傳入仿真中心點(diǎn)經(jīng)緯坐標(biāo)和半徑或多邊形范圍經(jīng)緯點(diǎn)，確定本次仿真范圍。仿真引擎及智能規(guī)劃模塊再從仿真數(shù)據(jù)庫讀取本次運(yùn)算所需的工程表數(shù)據(jù)，保存在內(nèi)存中并啟動(dòng)運(yùn)算。運(yùn)行完后，導(dǎo)出不同格式的結(jié)果文件，再解碼適配到Web服務(wù)器的適用格式。Web服務(wù)器則配置圖層部署、結(jié)果表呈現(xiàn)等。

6）在5G智能規(guī)劃平臺(tái)實(shí)現(xiàn)頁面的交互操作，通過平臺(tái)授權(quán)用戶根據(jù)各自權(quán)限找到進(jìn)入各子功能的入口。對(duì)仿真引擎及智能規(guī)劃和Web服務(wù)器輸入的任何指令也是通過該統(tǒng)一入口進(jìn)行管理。

（2）開源可視化三維呈現(xiàn)技術(shù)

傳統(tǒng)的三維可視化建模技術(shù)主要由國(guó)內(nèi)外的專業(yè)GIS公司提供，譬如美國(guó)ESRI的ArcGIS、中國(guó)超圖的Supermap，這些GIS平臺(tái)雖功能強(qiáng)大但框架復(fù)雜且較為封閉，地圖集成化需要專業(yè)IT工程師有長(zhǎng)期運(yùn)維才能實(shí)現(xiàn)。

本文的三維立體仿真WEB采用B/S架構(gòu)，搭乘基于cesium開源可視化虛擬地球作為GIS引擎，并WebAPI流式傳輸海量的三維模型數(shù)據(jù)，針對(duì)大場(chǎng)景、大數(shù)據(jù)量的三維數(shù)據(jù)結(jié)構(gòu)，研究并應(yīng)用基于等級(jí)的細(xì)節(jié)層次（HLOD，Hierarchical Levels of Detail）的樹狀數(shù)據(jù)組織結(jié)構(gòu)，分塊加載、離核渲染，實(shí)現(xiàn)三維立體仿真結(jié)果快速呈現(xiàn)。在使用開源Cesium可視化引擎時(shí)，它能合理完成瓦片加載次序調(diào)度，通過增加跳躍式層次的方式，在不影響性能的前提下，節(jié)約了近50%的加載時(shí)間和內(nèi)存。

三維立體仿真數(shù)據(jù)快速呈現(xiàn)幫助技術(shù)人員能夠在GIS界面可視化開展精覆蓋情況的精準(zhǔn)定位分析，在電腦段和手機(jī)端的靈活呈現(xiàn)方式也有效支撐5G垂直行業(yè)相關(guān)領(lǐng)域的業(yè)務(wù)推廣和市場(chǎng)營(yíng)銷。

3? ?智能規(guī)劃技術(shù)的應(yīng)用

基于上述智能規(guī)劃技術(shù)的研究與引入，本文團(tuán)隊(duì)實(shí)現(xiàn)對(duì)于5G全生命流程任何工作環(huán)節(jié)7×24小時(shí)全天候不間斷的5G智能規(guī)劃分析評(píng)估能力，并進(jìn)一步研究?jī)煞N應(yīng)用方向，其一是面向于深度覆蓋的三維立體仿真應(yīng)用，其二是面向于5G eMBB垂直行業(yè)規(guī)劃應(yīng)用。

3.1? 面向5G室內(nèi)深度覆蓋規(guī)劃應(yīng)用

目前運(yùn)營(yíng)商的5G室內(nèi)外是均同頻組網(wǎng)，因此做好室內(nèi)外5G站點(diǎn)覆蓋協(xié)同，快速準(zhǔn)確捕捉5G室內(nèi)覆蓋需求是亟待解決的問題。本文通過用程序步進(jìn)式調(diào)整接收機(jī)高度的方式，打破API調(diào)用接口限制。用后臺(tái)程序自動(dòng)對(duì)接仿真內(nèi)核，仿真完自動(dòng)掃描預(yù)先設(shè)定的仿真結(jié)果文件夾，程序按方案預(yù)定需求自動(dòng)解析仿真結(jié)果文件，解析后自動(dòng)生成立體柵格相關(guān)的KPI指標(biāo)。最后根據(jù)仿真結(jié)果自動(dòng)生產(chǎn)立體柵格對(duì)應(yīng)的3D Tiles三維圖層切片和該方案對(duì)應(yīng)的區(qū)域范圍樓宇輪廓、基站、小區(qū)三維切片，提供給前端WEB界面進(jìn)行三維的GIS呈現(xiàn)。

上述三維立體覆蓋結(jié)果呈現(xiàn)能實(shí)現(xiàn)通過室外站點(diǎn)規(guī)劃的覆蓋效果（室外信號(hào)進(jìn)入室內(nèi)的穿透損耗可按6～10 dB/m設(shè)置，穿透一堵墻按10～15 dB設(shè)置），快速評(píng)估是室內(nèi)建設(shè)需求，能極大地減少無效或低效室分投資，也能降低室內(nèi)外同頻干擾。圖5是對(duì)某區(qū)域進(jìn)行三維立體仿真，可以發(fā)現(xiàn)部分建筑物內(nèi)部較高樓層存在弱信號(hào)情況，需后續(xù)室分規(guī)劃時(shí)重點(diǎn)考慮。

3.2? 面向5G eMBB垂直行業(yè)規(guī)劃應(yīng)用

傳統(tǒng)無線網(wǎng)規(guī)劃重心主要在網(wǎng)絡(luò)覆蓋方面，面對(duì)5G的網(wǎng)絡(luò)三大業(yè)務(wù)特點(diǎn)，本文研究了面向5G eMBB垂直行業(yè)的規(guī)劃應(yīng)用。通過蒙特卡洛仿真獲得某個(gè)區(qū)域的上下行速率等性能數(shù)據(jù)，并將其在地圖上進(jìn)行呈現(xiàn)（圖6左），設(shè)置不同eMBB垂直行業(yè)的上下行業(yè)務(wù)需求門限在評(píng)估區(qū)域內(nèi)對(duì)于各類業(yè)務(wù)的滿足情況（圖6右）。這樣能高效率地定位業(yè)務(wù)不滿足區(qū)域，通過射頻調(diào)整、工參優(yōu)化等手段去完善覆蓋，不斷提升各行各業(yè)的用戶感知。

4? ?結(jié)束語

為了解決5G規(guī)劃運(yùn)維效率、精準(zhǔn)性等問題，本文積極探索智能規(guī)劃技術(shù)，研究并應(yīng)用了多制式多網(wǎng)絡(luò)的站址協(xié)同分析、5G站址智能尋優(yōu)、弱覆蓋柵格聚類識(shí)別、高精度3D規(guī)劃仿真呈現(xiàn)等技術(shù)手段，將工具與生產(chǎn)流程有機(jī)結(jié)合，實(shí)現(xiàn)流程自動(dòng)化，減少不必要的人工參與，提升整體規(guī)劃效率，實(shí)現(xiàn)對(duì)5G網(wǎng)絡(luò)資源的快速精準(zhǔn)投放。5G無線網(wǎng)絡(luò)智能規(guī)劃技術(shù)研究方向還有很多，例如更高效、更精準(zhǔn)、更智能的傳播模型、基于深度學(xué)習(xí)的射線跟蹤模型自動(dòng)校準(zhǔn)技術(shù)、基于AI的天線波束智能尋優(yōu)技術(shù)、場(chǎng)景智能識(shí)別及逆向三維矢量建筑物自動(dòng)建模技術(shù)、面向uRLLC和mMTC的垂直行業(yè)規(guī)劃技術(shù)等。

參考文獻(xiàn)：

[1]? ? X H You， Z W Pan， X Q Gao， et al. The 5G mobile communication： the development trends and its emerging key techniques （in Chinese）[J]. Sci Sin Inform， 2014（44）： 551–563.

[2]? ? ?L L M， W D M， N X K， et al. mmWave communications for 5G： implementation challenges and advances[J]. Sci China Inf Sci， 2018（61）： 021301.

[3]? ? ?W C X， W S B， B L， et al. Recent advances and future challenges for massive MIMO channel measurements and models[J]. Sci China Inf Sci， 2016（59）： 021301.

[4]? ? ?Z J H， T P， T L， et al. 6–100 GHz research progress and challenges from a channel perspective for fifth generation （5G） and future wireless communication[J]. Sci China Inf Sci， 2017（60）： 080301.

[5]? ? D H， B A， K G， et al. The Design and Applications of High-Performance Ray-Tracing Simulation Platform for 5G and Beyond Wireless Communications A Tutorial[C]//IEEE Communications Surveys & Tutorials. IEEE， 2018.

[6]? ? ?3GPP. 3GPP TS 38.214 V0.0.1： Physical layer procedures for data （Release 15）[S]. 2017.

[7]? ? ?孟繁麗，薛偉，汪況倫，等. 5G無線網(wǎng)絡(luò)智能化規(guī)劃體系及實(shí)現(xiàn)[J]. 移動(dòng)通信， 2019，43（6）： 52-59.

[8]? ? ?W C Y L， D J Y L. 綜合無線傳播模型[M]. 劉青格，譯. 北京： 電子工業(yè)出版社， 2015.

[9]? ? 尤肖虎，張川，談曉思，等. 基于AI的5G技術(shù)—研究方向與范例[J]. 中國(guó)科學(xué)： 信息科學(xué)， 2018，48（12）： 1589-1602.