基于機(jī)器學(xué)習(xí)的POI網(wǎng)絡(luò)質(zhì)量提升方法探究

周 熹 王 奔 唐 俊

1 中國移動(dòng)通信集團(tuán)云南有限公司 昆明 650100

2 中國移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司陜西分公司 西安 710065

3 中國移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司重慶分公司 重慶 401121

引言

2019年6月，中國工業(yè)和信息化部向中國電信、中國移動(dòng)、中國聯(lián)通、中國廣電發(fā)放5G牌照，標(biāo)志著我國正式進(jìn)入5G元年，步入5G時(shí)代。而各大運(yùn)營商在4G網(wǎng)絡(luò)方面的整體投資大幅縮減，如何在不增加投資的情況下提升網(wǎng)絡(luò)運(yùn)維質(zhì)量、保障客戶滿意度，值得深入研究。

當(dāng)前，無線網(wǎng)絡(luò)質(zhì)量提升手段主要依賴于解決TOP小區(qū)級(jí)的問題，從而達(dá)到全網(wǎng)質(zhì)量提升。但此種提升模式僅適用于建網(wǎng)初期的定點(diǎn)優(yōu)化，局限性較為突出，沒有熱點(diǎn)區(qū)域的全局優(yōu)化思維。而在網(wǎng)絡(luò)運(yùn)維階段，為提升客戶滿意度，涉及的指標(biāo)較為繁多，且負(fù)責(zé)指標(biāo)的相關(guān)責(zé)任人還不是同一個(gè)人，在現(xiàn)場(chǎng)優(yōu)化過程中往往會(huì)出現(xiàn)同一個(gè)TOP小區(qū)因?yàn)椴煌闹笜?biāo)優(yōu)化方案，出現(xiàn)多次整改重復(fù)優(yōu)化的現(xiàn)象。

基于上述問題，本文從解決目前網(wǎng)絡(luò)運(yùn)維工作中繁瑣且重復(fù)的程序出發(fā)，結(jié)合現(xiàn)實(shí)環(huán)境、客戶滿意度等多維模塊，簡化模式統(tǒng)籌管理研究了一套網(wǎng)格區(qū)域化質(zhì)量提升的方法。

1 POI區(qū)域化劃分

傳統(tǒng)的網(wǎng)格劃分依據(jù)城區(qū)范圍面積和行政區(qū)進(jìn)行劃分，大部分網(wǎng)格的面積較大為14平方公里左右。且由于當(dāng)前的多層組網(wǎng)涉及的基站較多，平均每個(gè)網(wǎng)格中有500多個(gè)站點(diǎn)，2 000多個(gè)小區(qū)。因此傳統(tǒng)的網(wǎng)格優(yōu)化的側(cè)重較為明顯，無法統(tǒng)管全局客戶滿意度的質(zhì)量提升，僅能保障城市道路面的信號(hào)質(zhì)量。

因此引入了城市熱點(diǎn)區(qū)域POI的概念，如圖1所示，將物理位置按照地形地貌、行政區(qū)域、業(yè)務(wù)分布、場(chǎng)景等因素進(jìn)行細(xì)化分割，分割成面積大于2000平方米小于4萬平方米的城市熱點(diǎn)區(qū)域“小網(wǎng)格”POI，根據(jù)POI將區(qū)域內(nèi)多個(gè)小區(qū)、多種指標(biāo)進(jìn)行問題匯聚。

在地理信息系統(tǒng)中，一個(gè)POI可以是一棟房子、一個(gè)商鋪、一所學(xué)校，一個(gè)村莊等。包含的信息有POI ID(唯一標(biāo)識(shí))、中心經(jīng)緯度、POI范圍、POI面積大小、POI關(guān)聯(lián)服務(wù)小區(qū)等重要標(biāo)識(shí)。

2 POI內(nèi)服務(wù)小區(qū)畫像

2.1 數(shù)據(jù)源

MDT(Minimization Drive Test，最小化路測(cè))數(shù)據(jù)是基于商用終端上傳的測(cè)量報(bào)告，測(cè)量報(bào)告包括無線環(huán)境測(cè)量(RSRP、RSRQ、PHR)、典型事件測(cè)量、位置信息測(cè)量等。運(yùn)營商通過商用終端收集無線網(wǎng)絡(luò)的動(dòng)態(tài)波動(dòng)過程為網(wǎng)絡(luò)優(yōu)化、分析、診斷提供全面的數(shù)據(jù)參考。

2.2 POI服務(wù)小區(qū)畫像思路

本文提出的POI服務(wù)小區(qū)畫像算法主要思路為基于密度的聚類，根據(jù)樣本的密度分布進(jìn)行聚類。通常情況下，從樣本密度的角度出發(fā)，考查樣本之間的可連接性，并基于可連接樣本不斷擴(kuò)展聚類簇，以獲得最終的聚類結(jié)果[1]。

本文主要采用基于循環(huán)神經(jīng)網(wǎng)絡(luò)的核密度算法進(jìn)行聚類，通過核密度分析方法計(jì)算MDT數(shù)據(jù)的空間點(diǎn)、線要素在POI領(lǐng)域中的密度[2]。并對(duì)密度分布進(jìn)行持續(xù)的迭代計(jì)算，以POI領(lǐng)域內(nèi)的核密度值，反應(yīng)服務(wù)小區(qū)的分布特性，并通過對(duì)不同小區(qū)MDT采樣點(diǎn)數(shù)據(jù)的核密度分析結(jié)果進(jìn)行比較，從而選取POI領(lǐng)域內(nèi)最準(zhǔn)確服務(wù)小區(qū)。

核密度計(jì)算公式

核密度估計(jì)(Kernel Density Estimation)是在概率論中用來估計(jì)未知的密度函數(shù)[3]。

2.2.1 MDT數(shù)據(jù)清洗

通過對(duì)通信基站基于覆蓋的鏈路預(yù)算得出移動(dòng)終端用戶在室內(nèi)的有效信號(hào)強(qiáng)度(RSRP)大于-110dbm，對(duì)小區(qū)的所有MDT采樣點(diǎn)數(shù)據(jù)進(jìn)行篩選，將MDT數(shù)據(jù)采樣點(diǎn)信號(hào)強(qiáng)度大于-110dbm視為有效采樣點(diǎn)，為符合條件的MDT有效采樣點(diǎn)數(shù)量。

2.2.2 函數(shù)變量計(jì)算

圖2 POI內(nèi)中心點(diǎn)與小區(qū)MDT采樣點(diǎn)的直線距離示意圖

圖3 POI中心點(diǎn)穿過MDT采樣點(diǎn)到POI輪廓邊界的直線距離

經(jīng)過測(cè)算，上述示例的三個(gè)小區(qū)在該P(yáng)OI中MDT采樣點(diǎn)的距離和POI中心點(diǎn)穿過MDT采樣點(diǎn)到邊緣輪廓的直線距離如表1所示。

表1 POI內(nèi)MDT采樣點(diǎn)和測(cè)算值

表1 POI內(nèi)MDT采樣點(diǎn)和測(cè)算值

POI內(nèi)采樣點(diǎn)編號(hào)采樣點(diǎn)所屬小區(qū) 的距離/m 的距離/m 1 cell01 65 114 2 cell02 133 162 3 cell03 15 42 4 cell03 59 71 5 cell03 59 106 6 cell03 33 65 7 cell01 60 89 8 cell03 320 356 9 cell03 75 109 10 cell03 470 507

2.2.3 POI領(lǐng)域內(nèi)小區(qū)采樣點(diǎn)聚類

表2 某市POI核密度數(shù)據(jù)統(tǒng)計(jì)分析結(jié)果

圖4 POI密度相關(guān)性像素示意圖

表3 某POI領(lǐng)域小區(qū)采樣點(diǎn)聚類結(jié)果

3 網(wǎng)格區(qū)域化

3.1 構(gòu)建POI領(lǐng)域無線網(wǎng)絡(luò)質(zhì)量價(jià)值考核體系

通過核密度與歐幾里德距離矩陣算法計(jì)算得出POI領(lǐng)域內(nèi)服務(wù)小區(qū)后，根據(jù)表4的POI領(lǐng)域無線網(wǎng)絡(luò)質(zhì)量價(jià)值評(píng)估體系，對(duì)多維指標(biāo)進(jìn)行區(qū)域匯聚，將質(zhì)量問題歸一化輔助現(xiàn)場(chǎng)優(yōu)化人員進(jìn)行全局問題定位[6-8]。

表4 POI領(lǐng)域無線網(wǎng)絡(luò)質(zhì)量價(jià)值考核體系

3.2 構(gòu)建標(biāo)準(zhǔn)化POI質(zhì)量提升管控流程

構(gòu)建POI全量問題流轉(zhuǎn)流程如圖5所示，將POI領(lǐng)域內(nèi)問題歸一化、解決方案歸一化，從“規(guī)劃新建、工程催開、維護(hù)整改、網(wǎng)絡(luò)優(yōu)化”四個(gè)基站生命維度系統(tǒng)性跟進(jìn)問題點(diǎn)解決進(jìn)度，最終實(shí)現(xiàn)網(wǎng)格區(qū)域化整體無線網(wǎng)絡(luò)質(zhì)量推升，達(dá)到客戶滿意、市場(chǎng)放心、效率提高、價(jià)值提升的目標(biāo)。

圖5 POI質(zhì)量提升管控流程

4 結(jié)語

本文提出的網(wǎng)格區(qū)域化質(zhì)量提升方法，基于循環(huán)神經(jīng)網(wǎng)絡(luò)的核密度算法計(jì)算小區(qū)MDT采樣點(diǎn)在POI領(lǐng)域內(nèi)的和密度，并以此結(jié)果借助歐幾里德距離矩陣擬合得出相關(guān)性像素圖，從而導(dǎo)出POI領(lǐng)域內(nèi)各個(gè)小區(qū)采樣點(diǎn)的聚類結(jié)果，梳理POI領(lǐng)域內(nèi)主要服務(wù)小區(qū)。然后通過POI領(lǐng)域無線網(wǎng)絡(luò)質(zhì)量價(jià)值考核體系和標(biāo)準(zhǔn)化POI質(zhì)量提升管控流程，將小區(qū)級(jí)多維無線質(zhì)量評(píng)估指標(biāo)匯聚成一個(gè)個(gè)小網(wǎng)格、小場(chǎng)景的質(zhì)量問題熱島，再以此為切入點(diǎn)統(tǒng)籌全局質(zhì)量問題，優(yōu)先解決影響范圍大、用戶多的指標(biāo)。

通過在我國某地區(qū)試點(diǎn)本文的研究成果，一線生產(chǎn)人員在實(shí)際工作中發(fā)現(xiàn)的POI領(lǐng)域服務(wù)小區(qū)匹配異常問題由優(yōu)化前的23%下降到5%，POI領(lǐng)域內(nèi)無線網(wǎng)絡(luò)問題的定界定位準(zhǔn)確率由優(yōu)化前的72.53%提升到94.67%，本研究成果應(yīng)用價(jià)值較為顯著，與傳統(tǒng)解決TOP小區(qū)級(jí)問題方法相比，本研究成果具備四大優(yōu)點(diǎn)。

1)可依據(jù)POI領(lǐng)域內(nèi)小區(qū)畫像算法開發(fā)網(wǎng)格區(qū)域化作戰(zhàn)地圖，實(shí)現(xiàn)線上POI無線網(wǎng)絡(luò)質(zhì)量渲染，并與衛(wèi)星地圖融合實(shí)現(xiàn)替代MapInfo常用的專題地圖功能，具有高價(jià)值的實(shí)用性，能夠在提高工作效率的同時(shí)減少軟件版權(quán)費(fèi)用支出，降低對(duì)國外付費(fèi)軟件的依賴程度。

2)以MDT數(shù)據(jù)為抓手，評(píng)估POI領(lǐng)域內(nèi)主服務(wù)小區(qū)樣本，避免傳統(tǒng)的小區(qū)級(jí)物理位置框選導(dǎo)致的覆蓋采樣點(diǎn)采集不完整。

3)整合投訴、覆蓋、感知、性能、結(jié)構(gòu)等多維指標(biāo)進(jìn)行區(qū)域匯聚，構(gòu)建POI領(lǐng)域無線網(wǎng)絡(luò)質(zhì)量價(jià)值考核體系，抓住重點(diǎn)，優(yōu)先解決影響用戶感知、口碑的指標(biāo)，使一線生產(chǎn)人員更容易抓住重點(diǎn)，提高網(wǎng)絡(luò)感知質(zhì)量優(yōu)化的時(shí)效性。

4)從全局角度出發(fā)統(tǒng)籌管理，將POI領(lǐng)域內(nèi)解決方案歸一化，堅(jiān)持問題導(dǎo)向，避免優(yōu)化人員多次上站，降低了優(yōu)化人員重復(fù)上站的次數(shù)，提升優(yōu)化效率、提高精準(zhǔn)性，具有較高的先進(jìn)性。