基于用戶真實感知的2.6 GHz頻率智能重耕系統設計

劉浩明，翟俊昌，成 昊

（中國移動通信集團重慶有限公司，重慶 400021）

0 引言

中國移動5G獲得2.6 GHz頻段的160 MHz頻譜，其中D1D2D3D7D8頻點均為現網4G網絡在用頻段，5G要實現100 M組網乃至160 M組網的話，均需4G側進行2.6 GHz的頻率重耕。若4G網絡不開展頻率重耕，5G-100 M組網情況下，單站峰值速率最大惡化可達到30%，影響明顯。而4G-D頻段作為現網的主要業務承載頻段之一，貿然開展頻率重耕對用戶感知將帶來不可估量的影響。因用戶感知的好壞對用戶滿意度的影響至關重要，采用傳統方式開展頻率重耕存在風險不可控、數據不可維等情況，對用戶感知具有一定的損害風險，而基于用戶真實感知開展頻率重耕將在完成頻率重耕的同時有效避免這一風險。

1 系統方案思路

基于用戶感知的頻率智能重耕系統，充分結合現網4G網絡的D頻段站點分布場景及業務承載特色，在確保用戶感知前提下的開展頻率重耕評估，評估流程主要分為3個步驟：

步驟1：基于現網負荷，結合扇區等效載波評估同扇區負荷分擔，對滿足扇區容量需求的小區進行退頻。

步驟2：對不能進行同扇區負荷分擔的小區提取MR測量解析文件、參數配置、業務負荷及鄰區數據文件，采用“1st_Neighbor算法”評估相鄰扇區負荷分擔。

步驟3：根據評估結果，綜合輸出相鄰扇區負荷分擔后的網絡覆蓋及業務量變化情況，充分確保在保障4G網絡質量的前提下，開展退頻工作。

2 算法設計

為實現系統方案，確保系統的輸出結果可有效保障現網用戶感知，特進行以下算法設計。

2.1 基于扇區等效載波進行同扇區負荷分擔

結合多層網小區判定結果開展同扇區負荷分擔，利用等效載波理論依據，基于現網小區負荷計算同扇區所需的載波容量，再結合扇區內各頻點的等效載波數統計多層網剩余的等效載波數量，繼而評估出退頻后的容量缺口，對滿足扇區容量需求的小區進行退頻，退頻小區容量缺口需求計算如下：

退頻后載波容量缺口=Sum（所有多層網小區1周利用率最大值[分上下行]）/50%-（Sum（多層網等效載波數）-Sum（D1D2等效載波數））

2.2 基于“1st_Neighbor算法”進行相鄰扇區負荷分擔

自研“1st_Neighbor算法”對終端上報的MR數據進行數據清洗，其中“1st_Neighbor算法”的設計思路如下：

針對終端上報的源小區采樣點及源小區對應的眾多鄰小區采樣點進行梳理，按照鄰小區采樣點的電平強度，同時結合現網空閑態頻率分層策略對鄰區的頻點優先級與RSRP值進行設計，篩選電平 信號最強且層級最高的鄰小區進行源小區采樣點的替代，所選中的替代源小區采樣點的鄰小區則被稱為“1st_Neighbor”。

采用“1st_Neighbor 算法”對MR解析數據的數據清洗按照下述5個步驟展開：

步驟1：對采集的MRO數據進行聚合，按照S1apID、ScRSRP、時間、站點小區等信息進行數據聚合，聚合的數據稱為X。

步驟2：對聚合后的數據條數進行判斷，若聚合數據條數≤1條，則直接返回聚合數據X完成 數據清洗；若聚合數據條數＞1條，則篩選聚合數據X列表中優先級為最高且和NC電平最大值之差＜4的數據列表，該數據列表稱為Y。

步驟3：對Y列表的優先級進行判斷，若優先級≤4，則返回Y列表中前三行的數據完成數據清洗，若Y列表的優先級＝5，則判斷Y列表的NC電平最大值是否≥32，若是，則返回Y列表中前三行數據完成數據清洗；若Y列表的NC電平最大值＜32，則進入步驟5；

若Y列表的優先級=6，則進入步驟4；若Y列表的優先級＞6，則返回Y列表中前三行數據完成數據清洗。

步驟4：若Y列表的NC電平最大值≥38，則返回Y列表中前三行數據完成數據清洗，若Y列表的NC電平最大值＜38，則篩選X列表中優先級=5且和NC電平最大值之差＜4的數據列表，該數據列表稱為Z，對比Z列表中NC電平最大值與Y列表中NC電平最大值差是否＞10，若“是”，則返回Z列表中前三行數據完成數據清洗，若差值≤10，則進入步驟5。

步驟5：篩選X列表中優先級≤4且和NC電平最大值之差＜4的數據列表，該數據列表稱為W，對比W列表中NC電平最大值與Y列表中NC電平最大值差是否＞20，若“是”，則返回W列表中前三行數據完成數據清洗，若差值≤20，則返回Y列表中前三行數據完成數據清洗。

根據MRO數據清洗結果完成Nc MRO采樣統計，結合Sc MRO覆蓋率統計及單D無F場景判斷結果，將Sc/Nc MRO采樣、F頻點采樣數據處理結果拼接生成TOP20鄰區，通過鄰區MR采樣評估后的區域覆蓋率變化輸出地理位置覆蓋率的變化情況；同時通過鄰區MR采樣評估退頻后的駐留小區情況，輸出主要鄰區采樣點吸收占比，根據鄰區匹配及鄰區容量指標匹配結果生成退頻小區的容量負荷分擔評估結果，結合上述兩項評估結果進行綜合判斷：

若退頻后覆蓋變化＜3%，且業務分擔評估TOP10鄰區中高負荷風險鄰區（連續7天出現1天即為高負荷風險小區）個數＜3，則判定為可退頻小區。

3 系統實現

針對上述算法設計流程，結合Python語言大數據處理能力，進行基于用戶感知的頻率智能重耕系統實現，系統界面如圖1所示。

圖1 系統展示界面

4 應用效果

基于用戶感知的頻率智能重耕系統在重慶市多個分公司進行應用，針對4G D1、D2頻點進行退頻操作，通過實施，目前系統應用區域已實現13556個小區的無感退頻。通過對比發現，實施退頻前后，退頻區域4G網絡整體運行保持穩定，無線接通率保持在99.75%以上，無線掉線率退頻前后無異常波動，均為0.03%，切換成功率保持在99.5%以上，退頻區域上行體驗速率穩定保持在3.5 Mb/s以上，下行體驗速率退頻前后無明顯異常，網絡體驗速率滿足用戶體 驗需求，各項無線指標無異常波動，所有退頻區域無新增高負荷小區。

退頻后，5G連續覆蓋區域網絡體驗有所提升，退頻區域整體下載速率由604 Mb/s提升至812 Mb/s，提升幅度34.44%。在退頻期間，監控退頻區域用戶投訴情況，未收到與退頻相關的用戶投訴，退頻前后各項重點指標對比如表1所示。

表1 退頻前后指標對比

5 結束語

本文提出了一種基于用戶真實感知的2.6 GHz頻率智能重耕，依托該研究可以在確保現網4G網絡用戶感知的前提下，開展4G側D1、D2頻點乃至后續D3、D7、D8頻點的退頻評估。該系統的評估結果可有效確保現網的用戶感知，同時，因該研究在開發過程中融合了現網空閑態分層策略，為后續除D頻段外的其他頻段頻率重耕提供依據，為實現全頻段無感頻率重耕提供了堅實的基礎。