基于大數據挖掘的4G網絡規劃探討

浦恩彥

【摘要】? ? 信息技術與互聯網技術得到了充分的成長，數據化時代也已經到來。在信息大爆炸的大環境之下，基于大數據挖掘的4G網絡規劃是為了對4G移動網絡進行深入的分析與研究，通過各種各樣的科學、合理的評價方法與手段對全網網絡做出更為準確的規劃，進而保障4G移動網絡健康、合理、科學的成長。全文著重探討了基于大數據挖掘的4G移動網絡規劃中面對的難題以及相應的處理措施，僅供參考。

【關鍵詞】? ? 大數據? ? 挖掘? ? 4G網絡? ? 規劃探討

隨著2G、3G逐步退網，4G將作為基礎網絡，為了提高4G網絡覆蓋的效率、效益，提高運營商的競爭能力，就需要對移動4G移動網絡中出現的各種問題進行深入的了解與分析，對4G移動網絡進行更為全面、合理、科學的規劃，才能確保全局視角充分考慮網絡發展需求，在未來網絡建設、優化和完善的過程中制定更為科學、精準的設計方案。

一、4G移動網絡規劃中面臨的挑戰

隨著4G網絡規模的快速增大，4G網絡規劃中有著許多的難題。首先，4G移動網絡覆蓋規劃的準確性難題。究其根本，還是由于無線網絡計劃方案中采用的傳播模型準確性以及電子地圖精度、準確性問題， 4G移動網絡規劃當中，傳播模型以及電子地圖會與真實無線環境存在較大的差距，進而也會對無線網絡覆蓋規劃的準確性產生不利的影響。

其次，常規規劃方法對于用戶價值區域無法很好辨識、挖掘，投資效益較差。常規的4G移動網絡規劃的方案中數據源較為單一、簡單，對于有價值的熱點沒有辦法進行高效的辨識，進而導致后期的投資效益處于不利的境地。隨著4G網絡規模逐步增大，4G移動網絡的結構也有著較不可避免的問題，早期的網絡絕大部分站點直接運用2G/3G的站址進行4G移動網絡的建設，網絡結構不盡合理，存在超高、超遠、超矮、超近等類型基站，對于4G移動網絡優化也會造成較大壓力，局部區域4G網絡質量較差。如何低成本建設精品4G網絡，提高投資效益成為了當前4G網絡建設的難題。

最后，在大數據的大環境之下，由于網絡規模和形式的持續擴大，各種各樣的測試數據、網絡運行統計數據、經分數據、計費數據、流量數據等，如何高效運用，為4G網絡規劃提供支撐成為打造4G精品網絡的關鍵問題。

二、基于大數據挖掘的4G 網絡規劃

2.1海量數據的采集

基于大數據挖掘的4G移動網絡規劃的核心要義就是需要對大量的數據進行高效的搜集，因此，就需要相關的工作人員做到以下要求。首先，針對于高價值區的數據來講，需要對用戶終端類型及支持能力、套餐、話單等數據進行脫敏后數據，進行相應的搜集工作時，通過運用多維度數據的方式進行提煉，繼而對高價值業務區的熱點區域以及流量需求等各個方面進行全方位的數據搜集。

其次，針對于覆蓋類數據來講，就需要運用分類搜集的方法對4G移動網絡的統計性指標數據、基礎工程參數、終端分布、MR數據以及掃頻數據、用戶投訴數據、CQT數據等數據進行高效的搜集工作。

最后，針對于網絡結構問題評價數據來講，這一方面就需要對4G網絡的站址、站址、現網干擾統計如底噪抬升、日常路測數據等進行相應的搜集，進而就可以完成4G移動網絡規劃當中的全部數據搜集工作，接著通過運用大數據技術對各種各樣的數據進行相應的分析、分類以及存儲工作，最終為4G移動網絡的科學、合理的規劃供給相應的數據支持。

2.2多維度綜合關聯性評估

多維度綜合關聯系評估的方法，顧名思義，也就是通過對基站工參、用戶數據、MR數據、路測數據、CQT測試、性能數據、業務類型及分布、終端類型及分布、投訴數據等各個方面進行數據統計、分析并處理的分析，進而將不同維度的數據進行關聯，實現從高價值區域定位、性能、投訴方面、干擾小區分析等各個方面創建合適的規劃評價體系，對4G網絡進行精準分析，分析網絡覆蓋問題、容量問題，以用戶為導向，定位高價值區，結合網絡承載力、網絡問題、用戶需求、市場發展策略，制定相應的網絡規劃方案，并進行模擬仿真，迭代分析，對4G移動網絡的規劃方案的進行相應的完善與優化，結合投資水平，按價值高低，分批分步實施規劃。

2.3規劃關鍵性問題分析

1 高價值評估分析

通過運用大數據的技術，對于用戶/終端及價值業務（來源于自身營賬系統、OTT統計數據）、話務熱點（來源OMC平臺、OTT平臺數據）、人口數據等各個方面的數據進行關聯性能的分析與處理，整理出終端能力、用戶等級、用戶消費能力、高價值用戶重點活動區域、熱點業務和話務熱點等數據滲透較高的地域，進而按照流量的價值種類以及終端流量的總量對其進行相應的排序，挖掘出業務使用率較高的區域。針對于4G移動網絡速率不高且話務需求同樣也被降低的地區來講，這也就需要通過VIP/投訴用戶列表進行分析，以及根據VIP/投訴用戶列表的數據來對熱點網絡申訴、重點小區的數據流量的變化形式以及重要客戶的流行等各個高價值部分的流量進行相應的定位分析，著重感知用戶的使用情況以及出現的問題，挖掘出4G移動網絡中存在的高價值部分，這能夠為工作人員對4G移動網絡的規劃工作供給數據支持，進而促使運營商的網絡管控成本大大的減小。

2 干擾矩陣評估

針對干擾來講，干擾分析是4G移動網絡規劃中所必不可少的重要部分，通過創建干擾貢獻模型來對實際進行分析，干擾貢獻數據模型主要由仿真、MR以及ATU三個方面組成相應的干擾貢獻系數。在對主小區和干擾鄰區進行分析的過程中，為了使得4G移動網絡策劃工作的順利展開，就需要對其進行關聯性能的分析與處理，以及按照由高到低的方法對關聯的成效進行相應的排序，在排序的結果中挑選具有高干擾系數的小區。與此同時，通過對實際情景以及人工參數進行相應的融合，分析其干擾系數較高原因，進而就可以得到相應的主動高干擾小區以及被動高干擾小區。

3 覆蓋評估分析

選擇合適的傳播模型，結合路測數據進行模型校正，提高傳播模型與實際無線環境的匹配度是模擬預測的關鍵。有條件的情況，可選擇3D射線跟蹤模型 ，結合高精度數字地圖，進行立體仿真。綜合CQT數據、投訴、路測數據、MR、模擬仿真結果等數據，科學、合理的評價現有4G移動網絡覆蓋情況，精準定位網絡覆蓋問題，結合自有站址資源、鐵塔站址資源、友商資源等，選擇合適的站址，進行模擬仿真、迭代優化，預勘察，最終在最快的時間內獲得有效、真實、正確以及完整的覆蓋規劃數據。

2.4基于大數據分析規劃優點

1 基于大數據采集，避免信息孤島

當從多個層面搜集相應的數據之后，不僅能夠對現在的數據規劃方法和手段進行相應的優化和完善，同樣也能解決4G移動網絡規劃過程中過于依靠理論模型，通過對OTT數據、營賬數據、終端信息數據、2G、3G、4G工參、OMC統計數據、MR數據、路測數據、投訴數據、CQT數據等各個層面的數據進行分類搜集，進而能夠對4G移動全網進行綜合的價值評價，從中得出相應的干擾評價、覆蓋評價以及高價值評價等相關數據，真實的反映出實際的網絡情況，對各個層面的大數據進行真實、高效以及完整的搜集、清洗、抽取，最終實現分類儲存的工作。

2 基于關聯性分析，實施信息的閉環管理

在對業務種類分布、數據速率分布、業務熱點分布、智能終端用戶分布以及VIP/投訴用戶分布等各個維度的大數據進行關聯性的分析與處理，進而發現其中隱藏的用戶高價值區、熱點業務分布、話務熱點分布、分等級終端分布、用戶消費能力分布等。以及對于網絡結構來講，客觀真實的評價對于創建完善的網絡結構評價模型有著極其重要的促進作用，以及根據仿真、MR、ATU、小區干擾系數以及實際環境的深入分析，創建相應的干擾矩陣評價模型。與此同時，通過運用人工參數以及MR等大數據，通過小區信號傳播路損模型的相關的分析與計算，高效、科學、合理的評價4G移動網絡的實際覆蓋情況，進而將不同層次的大數據相互聯系起來，將4G移動網絡的規劃以及實際網絡的情況進行了深刻的分析與總結，以此來確保4G移動網絡規劃的發展方向。

3 多維度綜合評估，實現4G移動網絡的無死角規劃

為了能夠對多個層面的數據進行相應的評估工作，對4G移動網絡中的站點進行黑名單、白名單以及灰名單等劃分，繼而能夠實現對4G移動網絡站點的優化與創新，使得創新的價值、覆蓋、干擾模型等有著關聯性的綜合評價體制，高效、科學的評價出投資利益、4G移動網絡的質量、4G移動網絡的覆蓋情況以及4G移動網絡站點的建設等各個方面之間的聯系，對4G移動網絡的規劃供給相應的建議，有效的將后期網絡優化與創新的成本降低下來，最終促使4G移動網絡各個方面的有效建設。

三、基于大數據挖掘的4G網絡規劃方法

基于大數據挖掘的4G網絡規劃方法，其基本步驟為：

第一步，基礎數據采集輸入，即把工參數據、路測數據、性能指標數據、MR數據、營賬數據、用戶終端類型數據、用戶套餐數據、OTT數據、電子地圖等數據導入數據庫，并進行數據清洗、抽取等。

第二步，建立評估模型，確定評估標準、門限值，分析評估現網覆蓋、容量、質量，挖掘用戶價值和用戶行為特點，精準定位網絡問題區、用戶價值區域，輸出網絡及價值評估報告。

第三步，根據評估報告結合市場發展戰略，制定相應的網絡方案，進行模擬仿真后代入評估模型進行網絡覆蓋、容量、質量的迭代評估，直至達到網絡建設目標。根據站點的覆蓋、容量、質量、用戶價值、戰略需求等多維度評估打分，確定站點優先級，輸出相應的規劃方案。

四、結束語

在互聯網迅猛成長的今天，通過運用大數據技術對4G移動網絡進行相應的網絡分析評價、規劃工作，將有效提高4G網絡規劃的精準性，提高網絡投資效益，有力提高運營商競爭力。本文對4G移動網絡的規劃、建設工作的開展起到了至關重要的引導作用，將推動4G精品網絡建設發展。

參? 考? 文? 獻

[1]云南省空間大數據挖掘與決策支持創新團隊.云南省空間大數據挖掘與決策支持創新團隊簡介[J].云南科技管理，2020，33（05）：70-71.

[2]趙旭俊，蔡江輝，馬洋，楊海峰，趙志誠.大數據科研成果支撐教學研究——以《數據挖掘與智能決策》為例[J].高教學刊，2020（27）：93-96.

[3]程小恩，溫川飆，許強，楊珊珊，徐熊，朱紅霞，張小會.基于大數據分析的中醫門診醫療診費點陣模型構建[J].貴州中醫藥大學學報，2020，42（04）：93-98.