4G/5G協同優化策略研究

王 銳，于 賢

（中國移動通信集團 河北有限公司，河北 石家莊 050000）

0 引 言

隨著工信部5G商用牌照發放的落地，網絡建設在各大運營商中如火如荼的展開。網絡規模在不斷擴大，覆蓋范圍在不斷拓寬，隨之而來則是5G網絡與主流4G網絡的融合。面對當前多頻段、多制式的網絡結構，合理頻段承載將是引導用戶駐留的手段之一，激活特性、性能調優在此背景下尤為重要，同時高效優化、AI注智也是當前階段的重要課題。

1 背景及意義

隨著5G全面商用及大規模工程建設，多頻段多制式組網、5模13頻的復雜無線網絡成為常態。5G網絡因頻段較高、傳播損耗較大等問題，很難做到全覆蓋。將5G大容量和現有覆蓋很好的4G網絡聯合起來，是5G建設期實現更高速率、更短通信時延以及更多通信連接比較好的解決辦法。當前5G網絡大規模放號，需要更好地保證5G用戶盡可能停留在5G網絡上，提升用戶的感知。同時在提速降費、降本增效的基礎上，更應該注重智能化網絡演進、智能化4G/5G協同以及網絡智能優化能力提升。

2 4G/5G網絡協同面臨的挑戰

當前4G流量已到達拐點，但局部仍存在較多熱點，更合理的動態調優網絡資源能夠進一步提升4G網絡資源效能。5G網絡雖然已規模部署，但市場5G終端投放有限，滲透率整體偏低，導致存在部分熱點區域的5G分流能力較差，高效利用現有網絡資源十分重要。

4G/5G融合組網意味著網絡、數據、業務均需要進行一體化的融合演進，面對復雜多樣的無線場景，如何推動多頻段、多制式、多網絡的深度協同，確保雙網雙優，需要深入研究4G/5G優化策略。隨著5G共建共享700 MHz頻段入網，無線組網互操作更加復雜，做好精準資源投放、端到端問題快速挖掘、多頻段、多制式資源效能提升成為目前亟待解決的問題。

隨著5G基站大規模入網，5G用戶快速增長，面對海量數據缺乏多維度分析、難以明確在網用戶體驗痛點等問題，亟需推進數智化轉型，為網絡建設優化提供決策意見。有效推進自智網絡向高階演進，打造自配置、自修復、自優化的數智化運維能力，優化平臺數據共享，實現中臺能力共享。推動網絡向AI賦能高階演進，將是4G/5G協同優化的必經階段。

3 4G/5G協同優化策略研究

為了應對當前復雜網絡狀況下的4G/5G協同優化，全面提升用戶滿意度，重點研究了4G/5G互操作門限、熱點區域有效分流、智能權值系統應用、智能識別用戶駐留質差、Powerboosting功率挖潛以及700 MHz低頻價值提升[1]。

3.1 分場景4G/5G互操作門限調優

不同無線環境對互操作的要求也不盡相同，對此可以測試電平強度與上下行速率拐點關系。在實際不同場景測試中，除郊區農村和室分場景外，其他場景信號強度低于-105 dBm、信號與干擾加噪聲比（Signal to Interference plus Noise Ratio，SINR）低于3的用戶上網感知較差。針對無線環境較為復雜的特點，選取了9個不同場景進行4G/5G互操作門限測試驗證。在保證感知和分流比的同時，得出各場景驗證的最優方案如表1所示[2]。其中，參考信號接收功率（Reference Signal Receiving Power，RSRP）是長期演進（Long Term Evolution，LTE）網絡中可以代表無線信號強度的關鍵參數。

表1 分場景互操作門限

3.2 4G熱點區域5G分流能力提升

針對熱點區域，圍繞提能力、優感知、強協同的主旨，促進5G客戶增長，提升5G網絡效益。在4G熱點高負荷區域優先進行5G建設，提升品牌競爭力。利用黑點庫及到達角（Angle of Arrival，AOA）的維度，全面提升5G網絡覆蓋性能[3]。針對低駐留的TOP小區開展專項處理，逐點擊破，以點帶面。對4G/5G互操作參數進行優化，只要5G信號滿足體驗優于4G，就可嘗試轉移到5G網絡[4]。針對不同場景，如廣覆蓋區域、高低層混合區域以及高層區域開展精細化單邊帶（Single Side Band，SSB）波束優化，最大化確保5G駐留[5]。開展5G高干擾小區整治，全面排查網內、外干擾，降低質差切換引起用戶回流4G網絡的可能性。網市協同，在大力發展5G終端的同時，引導5G終端用戶開卡、打開5G開關等，多維度提升5G用戶登網率，減少對4G網絡的沖擊。

3.3 智能權值系統的開發與應用

為解決5G網絡覆蓋痛點，開發基于粒子群算法的智能天線權值系統，提升潮汐覆蓋、深度覆蓋、垂直覆蓋等網絡場景優化能力，實現“用戶、樓宇、問題”三維對象的精準天線權值覆蓋，提升客戶滿意度[6,7]。以最小路測單元（Minimization Drive Test，MDT）及關鍵性指標（Key Performance Indicator，KPI）為數據基礎，建立潮汐及負荷分析尋優模型[8]。利用聚類算法對MDT用戶分布進行聚類分析，對KPI指標做時間粒度的負荷分擔分析，通過粒子群人工智能算法大規模搜索尋優，輸出最佳連片權值方案。

3.4 AI智能識別駐留差

對多數據跨域關聯、分析，通過用戶感知智能檢測、精準小包關聯剔除、質差多維聚類以及多接口協同關聯，實現質差小區問題的自動定界和深入定位，支持5G駐留提升。AI智能識別駐留差算法如圖1所示。

圖1 AI智能識別駐留差算法

基于私有數據源接入場景，利用非獨立（Non-Standalone，NSA）組網下5G業務發生時信令面在4G的特點，對5G用戶在4G和5G網絡下的駐留情況進行關聯分析。通過4G 網絡節點（Mobility Management Entity，MME）獲取MME CHR或通過NetProbe探針獲取S1-MME XDR，之后獲取用戶的國際移動用戶識別碼（International Mobile Subscriber Identity，IMSI），將獲取到的IMSI回填到LTE業務單據中，系統再根據4G 測量報告（Measurement Report，MR）及5G MR關聯的結果將IMSI回填到5G MR中[9]。在4G/5G關聯成功的基礎上，5G繼承4G的高精度定位，定位精度為50～80 m，獲取用戶所在的小區及位置。

基于NSA場景下的定位，評估5G用戶在網絡中存在的真假啞無情況，進行真假啞無指標計算。對問題用戶柵格化，將柵格中的“假啞無”認定為問題柵格，判斷某個問題柵格是否與其他問題柵格相鄰，將所有相鄰的問題柵格合計為一個問題區域。問題區域識別后，通過5G終端IMSI自學習機制降低5G終端庫信息錯誤所造成的影響，提高識別準確率。

3.5 功率挖潛

5G組網建設期覆蓋不連續，部分場景信號穿透損耗大、覆蓋率較差，5G網絡駐留比偏低。為更好地提升5G網絡覆蓋及用戶感知速率，有源天線單元（Active Antenna Unit，AAU）通過借用功率來增大SSB、物理下行控制信道（Physical Downlink Control Channel，PDCCH）或物理下行共享信道（Physical Downlink Shared Channel，PDSCH）的發射功率，使其可以超過配置的物理層資源粒子（Resource Element，RE）的最大發射功率，使參數在不同階段盡可能地發揮最大效能[10]。

3.6 700 MHz低頻價值提升

相比2.6 GHz頻段，700 MHz頻段深度覆蓋能力較強，在低容量場景可以用室外宏站覆蓋室內的方式替代傳統2.6 GHz建網下的桿微站和室分需求。700 MHz與2.6 GHz協同，在2.6 GHz弱覆蓋區域，用戶切換到700 MHz；在700 MHz受干擾區域，大包用戶切換到2.6 GHz頻段，小包用戶頻選調度。

4 結 論

當前網絡不斷演進，很長一段時間內將存在多網絡、多頻段、多制式并存的局面。面對紛繁復雜的網絡結構，本文重點給出了4G/5G協同優化的相應策略與應對方法，通過智能調優、科學調優、精準調優等多種手段全面提升4G/5G網絡質量，改善用戶感知，提升用戶滿意度。