CN102883352A - 基于话务建模与话务预测的gsm小区参数优化方法 - Google Patents

Abstract

本发明公开了一种基于话务建模与话务预测的GSM小区参数优化方法，该方法首先根据小区的场景类型收集该场景类型小区的通信信息，并根据小区的通信信息，以小区实际话务量、小区的半速率参数设置和小区TCH拥塞次数为依据建立小区参数自适应三维矩阵，得到小区话务模型，然后进行小区话务预测，计算小区的预测话务量，最后以小区的预测话务量及小区信道配置信息作为输入信息输入到小区话务模型，输出得到小区半速率门限设置值。该方法通过话务建模和话务预测的方式实现小区参数的自适应优化，有效改善网络容量与质量的均衡问题，提升网络质量。

Description

基于话务建模与话务预测的GSM小区参数优化方法

技术领域

本发明涉及移动通信领域的无线网络优化技术，具体涉及一种基于话务建模与话务预测技术的GSM小区参数自适应优化方法。

背景技术

GSM网络优化技术随着网络的发展不断精细化、智能化。优化方法的改进及优化思路的创新成为挖掘网络潜能、提升网络性能的根本方法。针对网络容量与质量的博弈一直是优化的重点。每次网络优化，均将很大比例工作量用于处理网络容量与质量结合问题。通过各种手段改善网络的接入性能与完整性能。

现解决网络容量与质量博弈问题多采用的方法如下：

■通过优化人员对网络海量数据进行分析，结合现网参数设置及个人优化经验制定优化方案。

■通过实时话务统计搜集网络问题，通过简单自动化的半速率调整改善网络拥塞类问题。

■通过对小区话务模型进行评估，以小区峰值需求资源情况定义小区容量相关参数，解决小区接入性问题。

但是上述解决方法中，第一种网络优化项目执行需要网络优化人员分析大量的网络优化数据，通过爱尔兰B表对网络中小区设置固定参数满足网络需求。该部分工作存在重复性及滞后性。另该类优化实施只能依据最大的网络需求设置参数，不能满足变化的网络话务模型。爱尔兰B表计算出结果不能应用与复杂的网络环境，不能应对突发话务的冲击。

依据实时网络优化工具对网络进行调整，解决网络出现的问题。该类工具的使用解决了重复性工作内容。但该类软件现均为实时话务搜集调整，存在滞后性。另该类软件要求话务统计粒度较高，一般为5分钟或15分钟统计。该类高粒度数据搜集在西门子等设备中并不能实现。高粒度统计对系统造成负荷较高。

峰值负荷资源预估设置方式可以最大限度的提升网络的接入性能，但小区的半速率编码方式比例会比较低，不能满足网络的完整性需求。峰值参数设置在话务最忙时可能较匹配，但小区多数时段仍处于较低的资源需求。小区话务模型发生变化后，原有峰值设置参数又出现和网络部匹配问题。

因此，以上方法存在诸如滞后性、高粒度统计要求、效果不理想等问题。本发明正是针对上述问题提出了一种新的思路对实施网络优化工作，在保证网络最优的前提下解决网络优化中存在的接入与质量博弈问题。通过新思路，让网络可以自动适应网络环境及话务模型的变化，通过对自适应网络模型输出参数设置到BSC执行，形成一个“呼吸网络”。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于话务建模与话务预测的GSM小区参数优化方法，通过该方法实现基于现实统计的话务建模，应用话务建模和话务预测的方式实现网络优化参数的调整。

为实现上述目的，本发明采用的技术方案如下：

一种基于话务建模与话务预测的GSM小区参数优化方法，包括以下步骤：

（1）确定小区的场景类型，收集该场景类型小区的通信信息；所述场景类型包括商务区、高校区、住宅区和村镇小区四个类型；所述通讯信息包括小区的半速率参数设置信息、小区TCH拥塞信息、小区TCH信道配置信息和小区实际话务量信息；

（2）根据所述小区的通信信息，提取小区TCH信道配置和小区场景类型相同的小区数据进行话务建模；话务建模的具体方式为：

以小区实际话务量、小区的半速率参数设置和小区TCH拥塞次数为依据建立小区参数自适应三维矩阵，得到小区话务模型；

（3）进行小区话务预测，计算小区的预测话务量；进行小区话务预测，得到小区的预测话务量的具体方式为：

（3-1）判断小区当天的预测时段，收集小区该时段的历史同期数据；

（3-2）计算历史同期数据中连续M个单位话务量的平均值a；M为大于或等于2的正整数；

（3-3）计算预测时段的历史平均话务变化率v；所述历史平均话务变化率是指预测时段当天的前N个时段的预测话务量相对小区实际话务量的话务量增量的均值；N为正整数；

（3-4）获取小区的话务预测偏差因子k；所述话务预测偏差因子是指历史同期L个话务偏差率的算术平均值；话务偏差率是指小区的实际话务量与历史同期的小区实际话务量的偏差；

（3-5）计算小区预测时段的预测话务量，计算公式为：a×（1＋v）×（1＋k）；

（4）以小区的预测话务量及小区TCH信道配置及小区场景信息作为输入信息输入到小区话务模型，得到小区半速率门限设置值。

进一步，如上所述的一种基于话务建模与话务预测的GSM小区参数优化方法，步骤（2）中，建立小区参数自适应三维矩阵时，将小区实际话务量按照四舍五入的形式划分话务区间，以小区的半速率参数设置及话务区间取值为依据建立纵轴为小区TCH拥塞次数的三维矩阵。

进一步，如上所述的一种基于话务建模与话务预测的GSM小区参数优化方法，步骤（4）中，如果话务建模模型没有对应的小区半速率门限设置值输出，对话务预测偏差因子k进行修正，增大话务预测偏差因子，使小区预测话务量增加，再次重复步骤（4）得到小区半速率门限设置值。

进一步，如上所述的一种基于话务建模与话务预测的GSM小区参数优化方法，增大话务预测偏差因子，使k=k+0.1。

进一步，如上所述的一种基于话务建模与话务预测的GSM小区参数优化方法，步骤（4）中，得到小区半速率门限设置值后按照该设置值对小区半速率门限进行设置调整，并收集调整后的小区的通信信息作为下一次话务建模的信息依据。

进一步，如上所述的一种基于话务建模与话务预测的GSM小区参数优化方法，步骤（3）中，进行小区话务预测，计算小区的预测话务量时，将小区分时段进行话务预测。

进一步，如上所述的一种基于话务建模与话务预测的GSM小区参数优化方法，将小区分时段进行话务预测时，以小时级分时段。

进一步，如上所述的一种基于话务建模与话务预测的GSM小区参数优化方法，步骤（3-2）中，M的优选值为5。

再进一步，如上所述的一种基于话务建模与话务预测的GSM小区参数优化方法，步骤（3-3）中，N的优选值为2。

更进一步，如上所述的一种基于话务建模与话务预测的GSM小区参数优化方法，步骤（3-4）中，L的优选值为5。

本发明的有益效果在于：本发明所述的方法通过对全网不同环境下小区的参数设置及话务统计情况建立基于话务量、拥塞及TCH信道数的话务模型，通过数学建模的形式对话务进行预测可有效解决自动优化滞后性问题，解决了网络容量和质量相互均衡的问题，提升了参数自适应效果。

附图说明

图1为本发明一种基于话务建模与话务预测的GSM小区参数优化方法的整体思想流程图；

图2为本发明一种基于话务建模与话务预测的GSM小区参数优化方法的流程图；

图3为本发明进行话务预测的流程图；

图4为本实施方式中基于话务建模与话务预测的GSM小区参数优化方法的流程图；

图5为本实施方式中话务建模的参数自适应矩阵的示意图；

图6为图5中话务模型的截面图；

图7为采用本发明方法进行网络调整后半速率话务变化趋势示意图；

图8为采用本发明方法后用户感知拥塞率及半速率话务比例改善示意图。

具体实施方式

下面结合说明书附图与具体实施方式对本发明做进一步的详细说明。

本发明的主要思想：图1示出了本本发明一种基于话务建模与话务预测的GSM小区参数优化方法的整体思想结构流程图，该方法通过对全网不同环境下小区的话务统计情况建立基于话务量、拥塞及TCH信道数的话务模型，通过话务预测获取小区的预测话务量，以小区的预测话务量和小区的配置信息作为话务模型的输入，最后输出得到小区半速率门限设置值，在网络中按照该输出参数执行调整，并将该输出参数及对应话务统计信息作为话务建模的信息，通过该方法执行网络调整后，话务建模会越发完整，调整也会更加合理。

图2和图4分别示出了本发明一种基于话务建模与话务预测的GSM小区参数优化方法的流程图，该方法主要包括以下步骤：

步骤S11：确定小区场景类型，根据场景类型收集小区的通信信息；

网络中小区的话务模型是随着小区覆盖的场景变化的，在进行话务预测及话务建模前，首先要确定小区的无线环境。本发明方法将小区分为如下几个场景类型：商务区、高校区、住宅区及村镇小区。不同的小区覆盖场景，小区的话务模型及用户行为对网络的影响不同。该方法将依据四种场景类型分别收集数据，建立四种小区话务模型。在进行话务模型输入时，方法会依据小区的类型进行参数的自适应调整，将小区的自适应程度调整为最高。

基于以上四种不同的场景，需要搜集建立各自话务模型的相应数据信息，其中信息需求情况如下：小区场景信息、小区资源配置信息、小区接入参数（半速率参数）设置信息、小区统计拥塞信息和小区业务承载信息。以上信息的搜集是组成网络话务模型的基本要素。该数据位长期循环搜集的方式。在对话务模型输出的半速率参数后，形成的话务统计信息将作为下次网络模型建立的信息依据。

因此，在建立小区话务模型之前，首先要确定小区的场景类型，并收集该类型小区的通信信息，包括小区的半速率参数设置信息、小区TCH拥塞信息、小区TCH信道配置信息和小区实际话务量信息。小区通信信息的收集以现有设备OSS（Operation support system运营支撑系统）提供的话务统计信息作为小区通信信息的提取手段，然后结合小区基础数据信息构建小区场景类型的用户行为模型。

步骤S12：根据小区的通信信息，以小区实际话务量、半速率参数设置和TCH拥塞次数为依据建立小区话务模型；

根据步骤S11中收集的小区的通信信息，提取和预调整小区TCH信道配置和小区场景相同的小区数据进行话务建模；话务建模的具体方式为：

以小区实际话务量、小区的半速率参数设置和小区TCH拥塞次数为依据建立小区参数自适应三维矩阵，得到小区话务模型。

建立小区参数自适应三维矩阵时，将小区实际话务量按照四舍五入的形式划分话务区间，以小区的半速率参数设置及话务区间取值为依据建立纵轴为小区TCH拥塞次数的三维矩阵。如图5所示，以话务量和半速率编码和小区TCH拥塞次数建立参数自适应矩阵，得到小区话务模型。该模型可以列出网络中不同环境下、小区设置不同参数的拥塞临界话务，可以看出，该自适应矩阵中，高话务、低速率编码比例区域(图5中的B区域)为没有采样点区域，其中存在TCH拥塞区域为小区半速率编码设置过低区域。

步骤S13：进行小区话务预测，计算小区的预测话务量；

由图1可以看出，本发明方法的实现是建立话务模型的基础上，以话务预测和小区配置信息作为输入从而得到参数输出来进行网络优化。在完成话务模型建立后，依据收集的小区信息预测小区话务，得到小区的预测话务量的具体方式如图3所示，包括以下步骤：

1）判断小区当天的预测时段，收集小区该时段的历史同期数据；

2）计算历史同期数据中连续M个单位话务量平均值a；M为大于或等于2的正整数；

计算小区的预测话务量时，将小区分时段进行话务预测，以小时级分时段。例如，以1小时为一个时段，将一天分为24个时段，在进行话务预测时，首先确定小区预测时段，然后收集小区该时段的历史同期数据，即收集以往该时段的数据，并计算历史同期连续M个单位平均话务量a，例如计算前5天同时段的小区话务统计数据，计算连续5个单位话务量的平均值。

3）计算预测时段的历史平均话务变化率v；

历史平均话务变化率是指预测时段当天的前N个时段的预测话务量相对小区实际话务量的话务量增量的均值；N为正整数。例如预测时段为11点到12点，N值取2，计算预测当天前2个时段的预测话务量相对统计实际话务量的增量均值，即9点到10点与10点到11点两个时段的预测话务量与实际话务量差值的均值。

4）获取小区的话务预测偏差因子k；

话务预测偏差因子是指历史同期L个话务偏差率的算术平均值；话务偏差率是指小区的实际话务量与历史同期的小区实际话务量的偏差。对于不同场景类型，即使相同话务，小区的峰值话务对小区的冲力能量也会有不同。针对不同场景同时段预测话务和真实话务会有偏差，偏差率的大小与小区场景直接相关。本方法根据预测话务与真实话务的偏差率作为话务预测的修正因子。预测时段偏差因子为同类历史L个（例如5个）时段话务偏差率的算术平均。此处将小区的预测话务偏差因子记为K。不同场景，K值不同。

5）根据步骤1）～4）得到的信息，计算小区预测时段的预测话务量，计算公式为：a×（1+v）×（1+k）。

话务量为话务建模参数自适应方法中重要的输入参数。话务量预测的准确性将决定话务建模模型输出结果的准确性。通过上述分时段方法进行话务预测，考虑全面，通过该方法进行话务预测及用户峰值修正方式，准确预测网络调整时段网络业务负载及业务组成，提高话务预测的准确性。

步骤S14：以小区的预测话务量及小区配置信息作为输入信息输入到小区话务模型，输出得到小区半速率门限设置值；

将步骤S13中预测话务量及小区配置信息输入至话务模型中，进行半速率参数门限判决，输出半速率参数配置。例如小区预测话务量为20erl，对应话务模型中横截面如图6所示，由二维参数设置对应拥塞变化趋势可以看出，该话务量对应该场景下小区配置半速率参数为8000时出现拥塞。由二维趋势线可以看出，在半速率门限设置为7500出现趋势线拐点即拥塞临界点A，由以上数据可以看出，该小区设置半速率门限为7500较为合适。7500半速率门限为特定预测话务对应该配置及场景的自适应参数输出。如话务建模模型中没有对应半速率参数输出，需要对话务预测偏差因子进行修正，调大话务预测偏差因子，例如使k=k+0.1，从而使小区预测话务量增加。再次输入预测话务量后，话务模型参数自适应界面将变化。因预测话务增加，参数设置将也会是相对保守设置。

自适应参数输出后，在网络中按照输出参数执行调整。而后将输出参数及对应话务统计信息作为话务建模的信息。该方法执行网络调整后，话务模型会越发完善，调整也会更加合理。该方法可以作为均衡网络容量与质量的优秀方法。很多网络参数及网络性能均存在相关性，例如网络干扰相对网络参数的关系，网络接入性能相对网络特定参数的关系。建立基于统计和参数匹配的联合矩阵，可以处理网络让网络形成一个真正的“呼吸网络”。本发明相比现有技术，具备以下技术优点：

1、话务预测技术考虑全面，预测方法先进。

2、话务建模的应用为半速率网络优化提出新思路。

3、话务模型数据回填方法丰富模型，提升参数自适应效果。

4、应用话务预测及话务建模的方式调整参数，解决网络调整滞后性问题。

基于话务建模及话务预测的参数自适应装置已经在西门子网络中应用，西门子系统存在统计粒度较低，常规手段不易解决网路容量及质量的均衡问题。基于以上设备的自身特性，参数自适应装置COX组成包含以上话务收集原理，话务预测、话务模型构建及执行终端。该系统已经在现网应用中取得良好效果。如图7中所示，在BSC开启COX以后，半速率话务变化趋势如图所示，其中开启COX时间越长，软件建立的联合矩阵数据越多，对小区半速率编码门限的调整越合理。由上图明显看出小区的半速率比例随着时间的推移得到明显改善。半速率编码话务比例的降低意味着语音质量的提升。另该BSC拥塞较该装置开启前也得到明显改善，如图8所示，其中曲线L1为采用本发明的方法后的用户感知拥塞率的变化曲线，曲线L2为半速率话务比例的变化曲线，可见以话务建模及话务预测手段对网络进行参数自适应方式可以改善网络的容量与质量的均衡问题。该方法可以有效地解决网络参数调整滞后等问题，使网络有更高的话务吸纳率。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于话务建模与话务预测的GSM小区参数优化方法，包括以下步骤：

（1）确定小区的场景类型，收集该场景类型小区的通信信息；所述场景类型包括商务区、高校区、住宅区和村镇小区四个类型；所述通讯信息包括小区的半速率参数设置信息、小区TCH拥塞信息、小区TCH信道配置信息和小区实际话务量信息；

（2）根据所述小区的通信信息，提取小区TCH信道配置和小区场景类型相同的小区数据进行话务建模；话务建模的具体方式为：

以小区实际话务量、小区的半速率参数设置和小区TCH拥塞次数为依据建立小区参数自适应三维矩阵，得到小区话务模型；

（3）进行小区话务预测，计算小区的预测话务量；进行小区话务预测，得到小区的预测话务量的具体方式为：

（3-1）判断小区当天的预测时段，收集小区该时段的历史同期数据；

（3-2）计算历史同期数据中连续M个单位话务量的平均值a；M为大于或等于2的正整数；

（3-3）计算预测时段的历史平均话务变化率v；所述历史平均话务变化率是指预测时段当天的前N个时段的预测话务量相对小区实际话务量的话务量增量的均值；N为正整数；

（3-4）获取小区的话务预测偏差因子k；所述话务预测偏差因子是指历史同期L个话务偏差率的算术平均值；话务偏差率是指小区的实际话务量与历史同期的小区实际话务量的偏差；

（3-5）计算小区预测时段的预测话务量，计算公式为：a×（1+v）×（1+k）；

（4）以小区的预测话务量及小区TCH信道配置及小区场景信息作为输入信息输入到小区话务模型，得到小区半速率门限设置值。

2.如权利要求1所述的一种基于话务建模与话务预测的GSM小区参数优化方法，其特征在于：步骤（2）中，建立小区参数自适应三维矩阵时，将小区实际话务量按照四舍五入的形式划分话务区间，以小区的半速率参数设置及话务区间取值为依据建立纵轴为小区TCH拥塞次数的三维矩阵。

3.如权利要求1或2所述的一种基于话务建模与话务预测的GSM小区参数优化方法，其特征在于：步骤（4）中，如果话务建模模型没有对应的小区半速率门限设置值输出，对话务预测偏差因子k进行修正，增大话务预测偏差因子，使小区预测话务量增加，再次重复步骤（4）得到小区半速率门限设置值。

4.如权利要求3所述的一种基于话务建模与话务预测的GSM小区参数优化方法，其特征在于：增大话务预测偏差因子，使k=k+0.1。

5.如权利要求3所述的一种基于话务建模与话务预测的GSM小区参数优化方法，其特征在于：步骤（4）中，得到小区半速率门限设置值后按照该设置值对小区半速率门限进行设置调整，并收集调整后的小区的通信信息作为下一次话务建模的信息依据。

6.如权利要求1所述的一种基于话务建模和话务预测的GSM小区参数优化方法，其特征在于：步骤（3）中，进行小区话务预测，计算小区的预测话务量时，将小区分时段进行话务预测。

7.如权利要求6所述的一种基于话务建模和话务预测的GSM小区参数优化方法，其特征在于：将小区分时段进行话务预测时，以小时级分时段。

8.如权利要求1所述的一种基于话务建模与话务预测的GSM小区参数优化方法，其特征在于：步骤（3-2）中，M的优选值为5。

9.如权利要求1所述的一种基于话务建模与话务预测的GSM小区参数优化方法，其特征在于：步骤（3-3）中，N的优选值为2。

10.如权利要求1所述的一种基于话务建模与话务预测的GSM小区参数优化方法，其特征在于：步骤（3-4）中，L的优选值为5。

Images