CN107241749A - 一种网络优化方法及装置 - Google Patents
一种网络优化方法及装置 Download PDFInfo
- Publication number
- CN107241749A CN107241749A CN201610184871.2A CN201610184871A CN107241749A CN 107241749 A CN107241749 A CN 107241749A CN 201610184871 A CN201610184871 A CN 201610184871A CN 107241749 A CN107241749 A CN 107241749A
- Authority
- CN
- China
- Prior art keywords
- anomalous event
- son
- parameter
- various functions
- test data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种网络优化方法,所述方法包括:基于路测数据定位异常事件,获取异常事件相关参数;对所述异常事件相关参数进行分类;将异常事件相关参数分类结果以及用于支撑分析网络自优化(SON)的各项功能的网络侧数据进行整合,整合成用于支撑分析SON的各项功能的数据源;根据所述用于支撑分析SON的各项功能的数据源,通过相应的数据挖掘算法输出针对SON各项功能的优化建议。本发明还同时公开了一种网络优化装置。采用本发明技术方案,能增加终端侧数据对SON决策的修正,提高SON决策的精准度,降低SON的时耗。
Description
技术领域
本发明涉及通信领域中网络优化技术,尤其涉及一种网络优化方法及装置。
背景技术
第三代合作伙伴计划(3GPP,3rd Generation Partnership Project)在R8版本中提出了网络自优化(SON,Self Orginazing Network)的概念,至今仍在不断更新SON的相关算法。3GPP协议中定义了SON网络的自检测、自优化、自配置的相关算法。到目前为止,SON对网络侧数据提取和分析功能已经比较完善,但是缺乏终端路测数据的支撑,即空口质量的检测和分析还不完善。
随着无线网络中网元与厂商的增加,网络维护的复杂度、技术要求和成本等也在大幅上升。为了降低网络维护的复杂度与成本,长期演进(LTE,Long Term Evolution)系统要求无线网络支持自组织、自优化和自配置行为。现有的长期演进(LTE,Long TermEvolution)网络优化多采用网络侧数据支撑分析,有时也会包含少量终端侧数据,比如终端上报的测量报告(MR,Measurement Report)和最小化路测(MDT,Minimization DriveTest)相关数据。但是,还是缺少下行信令异常分析、下行业务感知分析和精确覆盖分析等终端侧数据的支撑。
发明内容
有鉴于此,本发明期望提供一种网络优化方法及装置,能增加终端侧数据对SON决策的修正,提高SON决策的精准度,降低SON的时耗。
为达到上述目的,本发明的技术方案是这样实现的:
本发明提供了一种网络优化方法,所述方法包括:
基于路测数据定位异常事件,获取异常事件相关参数;
对所述异常事件相关参数进行分类;
将异常事件相关参数分类结果以及用于支撑分析网络自优化SON的各项功能的网络侧数据进行整合,整合成用于支撑分析SON的各项功能的数据源;
根据所述用于支撑分析SON的各项功能的数据源,通过相应的数据挖掘算法输出针对SON各项功能的优化建议。
上述方案中,优选地,所述基于路测数据定位异常事件,获取异常事件相关参数,包括:
利用路测数据挖掘平台对路测数据进行分析;
基于分析结果定位异常事件,获取异常事件相关参数。
上述方案中,优选地,所述对所述异常事件相关参数进行分类,包括:
确定用于支撑分析SON的各项功能所需的参数;
基于所述所需的参数对所述异常事件相关参数进行分类。
上述方案中,优选地,所述SON的各项功能至少包括:自动邻区关系ANR、移动性负载均衡优化MLBO、移动性鲁棒性优化MRO、随机接入信道优化RO、小区间干扰协调ICIC、覆盖与容量优化CCO、基站节能ES。
上述方案中,优选地,所述基于路测数据定位异常事件,获取异常事件相关参数,包括:
通过路测数据挖掘平台批量处理路测数据;
定位邻区错配和漏配异常事件、系统容量异常事件、切换异常事件、随机接入异常事件、下行干扰异常事件、覆盖异常事件、服务被拒异常事件;
获取与所述邻区错配和漏配异常事件相关的参数,包括:
获取测量报告、物理小区标识PCI、全球小区识别码CGI、跟踪区域码TAC;
获取与所述系统容量异常事件相关的参数,包括:
获取连接接纳控制CAC、切换参数、重选参数、无线资源控制RRC连接建立失败的概率、由于负荷原因E-RAB建立失败的概率、由于负荷原因E-RAB异常释放的概率、基站与用户地理分布;
获取与所述切换异常事件相关的参数,包括:
获取小区偏移量CIO、切换测量参数;
获取与所述随机接入异常事件事件相关的参数,包括:
获取物理随机接入信道PRACH配置索引、根序列索引、零相关配置、是否为高速状态、频率偏移;
获取与所述下行干扰异常事件相关的参数,包括:
下行干扰指示、终端接收功率、终端接收干扰、终端接收信噪比;
获取与所述覆盖异常事件相关的参数,包括:
获取天线下倾角、基站高度、用户模型、天线损耗模型;
获取与所述服务被拒异常事件相关的参数,包括:
获取负载信息、小区地理位置、用户分布信息。
上述方案中,优选地,所述通过相应的数据挖掘算法输出针对SON各项功能的优化建议之后,所述方法还包括:
基于SON各项功能的优化建议进行相应的测试,并基于测试结果适时调整SON各项功能的优化建议。
本发明还提供了一种网络优化装置,所述装置包括:
获取模块,用于基于路测数据定位异常事件,获取异常事件相关参数;
分类模块,用于对所述异常事件相关参数进行分类;
整合模块,用于将异常事件相关参数分类结果以及用于支撑分析SON的各项功能的网络侧数据进行整合,整合成用于支撑分析SON的各项功能的数据源;
处理模块,用于根据所述用于支撑分析SON的各项功能的数据源,通过相应的数据挖掘算法输出针对SON各项功能的优化建议。
上述方案中,优选地,所述获取模块,还用于:
利用路测数据挖掘平台对路测数据进行分析;
基于分析结果定位异常事件,获取异常事件相关参数。
上述方案中,优选地,所述分类模块,还用于:
确定用于支撑分析SON的各项功能所需的参数;
基于所述所需的参数对所述异常事件相关参数进行分类。
上述方案中,优选地,所述SON的各项功能至少包括:ANR、MLBO、MRO、RO、ICIC、CCO、ES。
上述方案中,优选地,所述获取模块,还用于:
通过路测数据挖掘平台批量处理路测数据;
定位邻区错配和漏配异常事件、系统容量异常事件、切换异常事件、随机接入异常事件、下行干扰异常事件、覆盖异常事件、服务被拒异常事件;
获取与所述邻区错配和漏配异常事件相关的参数,至少包括:
测量报告、PCI、CGI、TAC;
获取与所述系统容量异常事件相关的参数,至少包括:
CAC、切换参数、重选参数、RRC连接建立失败的概率、由于负荷原因E-RAB建立失败的概率、由于负荷原因E-RAB异常释放的概率、基站与用户地理分布;
获取与所述切换异常事件相关的参数,至少包括:
CIO、切换测量参数;
获取与所述随机接入异常事件事件相关的参数,至少包括:
PRACH配置索引、根序列索引、零相关配置、是否为高速状态、频率偏移;
获取与所述下行干扰异常事件相关的参数,至少包括:
下行干扰指示、终端接收功率、终端接收干扰、终端接收信噪比;
获取与所述覆盖异常事件相关的参数,至少包括:
天线下倾角、基站高度、用户模型、天线损耗模型;
获取与所述服务被拒异常事件相关的参数,至少包括:
负载信息、小区地理位置、用户分布信息。
上述方案中,优选地,所述装置还包括:
调整模块,用于基于SON各项功能的优化建议进行相应的测试,并基于测试结果适时调整SON各项功能的优化建议
本发明所提供的网络优化方法及装置,基于路测数据定位异常事件,获取异常事件相关参数;对所述异常事件相关参数进行分类;将异常事件相关参数分类结果以及用于支撑分析SON的各项功能的网络侧数据进行整合,整合成用于支撑分析SON的各项功能的数据源;根据所述用于支撑分析SON的各项功能的数据源,通过相应的数据挖掘算法输出针对SON各项功能的优化建议;如此,能增加终端侧数据对SON决策的修正,提高SON决策的精准度,降低SON的时耗。
附图说明
图1为本发明提供的网络优化方法的实现流程图;
图2为本发明提供的采用路测数据支撑SON的ANR功能的实现流程图:
图3为本发明提供的采用路测数据支撑SON的MLBO功能的实现流程图;
图4为本发明提供的采用路测数据支撑SON的MRO功能的实现流程图;
图5为本发明提供的采用路测数据支撑SON的RO功能的实现流程图;
图6为本发明提供的采用路测数据支撑SON的ICIC功能的实现流程图;
图7为本发明提供的采用路测数据支撑SON的CCO功能的实现流程图;
图8为本发明提供的采用路测数据支撑SON的ES功能的实现流程图;
图9为本发明提供的网络优化装置的组成结构示意图。
具体实施方式
为了能够更加详尽地了解本发明的特点与技术内容,下面结合附图对本发明的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本发明。
在本发明提供的网络优化方法及装置的以下各实施例中,所涉及的SON功能包括但不限定于:
自动邻区关系(ANR,Automatic Neighbour Relations)、移动性负载均衡优化(MLBO,Mobility Load Balancing Optimisation)、移动性鲁棒性优化(MRO,MobilityRobustness Optimisation)、随机接入信道优化(RO,RACH Optimisation)、小区间干扰协调(ICIC,Inter-cell Interference Coordination)、覆盖与容量优化(CCO,Coverage andCapacity Optimisation)、基站节能(ES,Energy Savings)。
其中,ANR属于网络自配置;其他为网络自优化。
上述RACH的英文全称是Random Access Channel,其中中文名称是物理随机接入信道。
下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
实施例一
图1为本发明提供的的网络优化方法的实现流程图,如图1所示,所述方法主要包括以下步骤:
步骤101:基于路测数据定位异常事件,获取异常事件相关参数。
优选地,所述基于路测数据定位异常事件,获取异常事件相关参数,可以包括:
利用路测数据挖掘平台对路测数据进行分析;
基于分析结果定位异常事件,获取异常事件相关参数。
这里,所述路测数据挖掘平台是用于对路测数据进行数据挖掘的平台,支持网络性能分析,能够自动化输出路测数据分析结果。如此,节省了基站从终端获取与SON各功能相关的终端侧数据的时间,降低了SON的时耗。
其中,所述异常事件是指相对于SON的各个功能来说,满足相应的预设特征条件的事件。对于SON中的不同的功能,预设特征条件不同。
在一具体实施例中,所述基于路测数据定位异常事件,包括:
通过路测数据挖掘平台批量处理路测数据;
定位邻区错配和漏配异常事件、系统容量异常事件、切换异常事件、随机接入异常事件、下行干扰异常事件、覆盖异常事件、服务被拒异常事件。
在一具体实施例中,所述获取异常事件相关参数,包括:
获取与所述邻区错配和漏配异常事件相关的参数,至少包括:
测量报告、物理小区标识(PCI,Physical Cell Identifier)、全球小区识别码(CGI,Cell Global Identifier)、跟踪区域码(TAC,Tracking area code);
获取与所述系统容量异常事件相关的参数,至少包括:
连接接纳控制(CAC,Connection Admission Control)、切换参数、重选参数、无线资源控制(RRC,Radio Resource Control)连接建立失败的概率、由于负荷原因E-RAB建立失败的概率、由于负荷原因E-RAB异常释放的概率、基站与用户地理分布;
获取与所述切换异常事件相关的参数,至少包括:
小区偏移量(CIO,Cell Individual Offset()、切换测量参数;
获取与所述随机接入异常事件事件相关的参数,至少包括:
物理随机接入信道(PRACH,(PhysicalRandom Access Channel)配置索引、根序列索引、零相关配置、是否为高速状态、频率偏移;
获取与所述下行干扰异常事件相关的参数,至少包括:
下行干扰指示、终端接收功率、终端接收干扰、终端接收信噪比;
获取与所述覆盖异常事件相关的参数,至少包括:
天线下倾角、基站高度、用户模型、天线损耗模型;
获取与所述服务被拒异常事件相关的参数,至少包括:
负载信息、小区地理位置、用户分布信息。
步骤102:对所述异常事件相关参数进行分类。
在一具体实施例中,所述对所述异常事件相关参数进行分类,包括:
确定用于支撑分析SON的各项功能所需的参数;
基于所述所需的参数对所述异常事件相关参数进行分类。
步骤103:将异常事件相关参数分类结果以及用于支撑分析SON的各项功能的网络侧数据进行整合,整合成用于支撑分析SON的各项功能的数据源。
如此,相对于现有技术中仅考虑用于支撑分析SON的各项功能的网络侧数据来说,或者相对于考虑用于支撑分析SON的各项功能的网络侧数据以及终端上报的一些终端侧数据来说,在通过数据挖掘算法进行分析时,所涉及到的数据信息更全面,进而使得到的优化建议更准确。
步骤104:根据所述用于支撑分析SON的各项功能的数据源,通过相应的数据挖掘算法输出针对SON各项功能的优化建议。
这里,对于SON的不同功能来说,其所对应的数据挖掘算法可能不一样。
本实施例中,对于整合后的用于支撑分析SON的各项功能的数据源进行分析时,可以采用现有技术中存在的数据挖掘算法进行分析,在此,不再对现有技术中存在的数据挖掘算法进行说明。
这里,所述优化建议包括针对SON各项功能的方法优化和参数优化,最终目的是优化网络服务质量,提升网络性能指标,降低用户投诉,加强用户感知度。
上述方案中,所述通过相应的数据挖掘算法输出针对SON各项功能的优化建议之后,所述方法还可以包括:
基于SON各项功能的优化建议进行相应的测试,并基于测试结果适时调整SON各项功能的优化建议。
如此,能够不断修正针对SON各项功能的优化建议。
本实施例所述网络优化方法,基于路测数据定位异常事件,获取异常事件相关参数;对所述异常事件相关参数进行分类;将异常事件相关参数分类结果以及用于支撑分析SON的各项功能的网络侧数据进行整合,整合成用于支撑分析SON的各项功能的数据源;根据所述用于支撑分析SON的各项功能的数据源,通过相应的数据挖掘算法输出针对SON各项功能的优化建议;如此,能增加终端侧数据对SON决策的修正,提高SON决策的精准度,降低SON的时耗。下面,对如何采用路测数据实现支撑SON的各功能进行详细说明。
ANR是基于E-UTRAN测量机制,借助用户设备(UE,User Equipment)测量自动发现邻区的过程。邻区不再完全由操作维护中心(O&M)配置,极大地减少了运营商的配置工作。ANR功能开启可以自动发现漏配邻区,使UE顺利切换至原本系统中漏配邻区的目标邻区,并自动在邻区列表中添加漏配邻区。
图2为本发明提供的据支撑SON的ANR功能的实现流程图,如图2所示,该流程主要包括以下步骤:
步骤201:采用路测数据挖掘平台批量处理路测数据,定位邻区错配和漏配异常事件。
其中,所述邻区错配和漏配异常事件为:用户上报的PCI不在邻区列表内。
步骤202:在定位邻区错配和漏配异常事件后,将终端上报的测量报告所携带的邻区和服务小区邻区列表做对比,整合原始ANR数据源。
在一具体实施例中,如果服务小区的邻区列表中没有相同用户上报的PCI,查看是否为服务小区黑名单(blacklist),如果不是,则保留用户上报的PCI,否则剔除;
如果用户上报的PCI不在邻区列表内的次数大于一定次数时,基站要求用户获取邻区CGI和TAC,并上报CGI和TAC给服务小区,服务小区添加邻区列表;
如果服务小区的邻区列表中有相同用户上报的PCI,基站要求用户获取邻区CGI和TAC,并上报CGI和TAC给服务小区,如果CGI和TAC与服务小区内存储的相同PCI对应的CGI与TAC不同,则为邻区错配,做进一步PCI自配置,修改错配小区PCI。
具体地,采用路测数据支撑SON的ANR功能,所涉及的参数包括:测量报告、PCI、CGI、TAC。
MLBO为通过小区重选和切换机制,使得重负荷小区中的边缘用户或中心用户切换/重选到轻负荷的小区,从而各个小区之间的负荷更加平滑,系统容量得以提升。负载均衡时,小区之间需要交互以下信息,衡量对方小区是否能够接收去负载用户,包括:硬件负荷指标、传输网络层(TNL,Transport Network Layer)负荷指标、无线资源状态、负荷可用容量组、小区容量等级*容量值;其中,无线资源状态包括保证码速率(GBR,Guaranteed BitRate)无线资源利用率(PRB usage)、非保证码速率无线资源利用率(non-GBR PRB usage)和总无线资源利用率(total PRBusage)。
图3为本发明提供的据支撑SON的MLBO功能的实现流程图,如图3所示,该流程主要包括以下步骤:
步骤301:采用路测数据挖掘平台批量处理路测数据,定位系统容量异常事件。
例如,所述系统容量异常事件可以是:由于容量问题导致的服务被拒绝,容量问题导致的RRC连接请求失败、容量问题导致的E-RAB建立失败等事件。
步骤302:根据系统容量异常问题、小区地理位置与用户地理位置,通过数据挖掘算法分析得出由于系统容量问题导致的终端请求被拒绝的情况。
步骤303:整合SON原始数据源和用户被拒服务小区和邻区参数与情景,分析给出参数修改建议,到达合理的去负载效果。
步骤304:被拒小区与其邻区交互信息,核实邻区是否接受或拒绝切换和重选参数的修改。
具体地,采用路测数据支撑SON的MLB功能,所涉及的参数包括:CAC、切换参数、重选参数、RRC连接建立失败的概率、由于负荷原因E-RAB建立失败的概率、由于负荷原因E-RAB异常释放的概率、基站与用户地理分布。
MRO是对切换的相关参数进行自动优化的一个功能,是SON的组成部分之一。切换参数设置的不合理,会导致切换过早、切换过晚、切换不及时或乒乓切换的情况,这样将会影响用户体验以及浪费网络资源。MRO通过对不同切换场景的识别,并对它们进行统计,根据统计结果对切换的相关参数进行优化,使得网络中的切换失败、掉话以及不必要的切换降到最少。传统MRO的参数调整,需要基站之间有X2信息互通,知道用户掉线或切换失败后驻留的小区。此时,路测终端能明确知道自己驻留的小区,不需要终端与小区、小区与小区之间的信息互通。
图4为本发明提供的据支撑SON的MRO功能的实现流程图,如图4所示,该流程主要包括以下步骤:
步骤401:采用路测数据挖掘平台批量处理路测数据,定位切换异常事件。
例如,所述切换异常事件包括:切换过早事件、切换过晚事件、切换不及时事件、乒乓切换事件。
步骤402:获取正常时刻和异常时刻的切换测量参数,如表1所示。
表1
步骤403:采用数据挖掘算法,结合站高、站间距和站内负载状况,以及之前获取的切换参数,整合原始MRO数据源,优化切换参数,修改门限。
步骤404:将优化后的参数应用于网络,进行回退测试。
具体地,采用路测数据支撑SON的MRO功能,主要调参对象为CIO,以及表1中除CIO之外的其他切换测量参数。
RACH参数的设置能够影响呼叫建立时延、切换时延,以及呼叫建立成功率和切换成功率,对网络性能的影响十分重要。与RACH参数设置相关的参数包括RACH负载、用户分布、物理上行共享信道(PUSCH,Physical Uplink Shared CHannel)负载、接入信道的前导码(preamble)、高速模式和上行小区间干扰。RACH优化的主要目的是为了最优化RACH的功率,过低导致不能识别,过高对邻区产生较大的干扰。同时,协调小区间的RACH的时频资源,使其不能重叠。
图5为本发明提供的据支撑SON的RO功能的实现流程图,如图5所示,该流程主要包括以下步骤:
步骤501:采用路测数据挖掘平台批量处理路测数据,定位随机接入异常事件。
步骤502:获取随机接入异常定位中涉及的相关参数,与邻区采用的参数进行对比。
步骤503:整合RO原始数据源,输出不同小区之间建议采用的RACH参数。
具体地,采用路测数据支撑SON的RO功能,所涉及的参数包括:
PRACH的频率偏移(Prach FreqOffset)、RACH配置索引(Prach ConfigIndex)、根序列索引(root Sequence Index)、零相关配置(Zero correlation zoneconfiguration)、是否为高速状态(High speed flag)、频率偏移(prach-FrequencyOffset)、PRACH配置指标(只有TDD模式)。
目前,ICIC的优化包括时域去干扰和频域去干扰。主要通过小区间高干扰(HII,High Interference Indication)、过载指示(OI,Overload Indication)、相对窄带发射功率(RNTP,Relative Narrowband Transmission Power)信息的交互,通知邻区本区PRB受干扰情况。其中,RNTP用于表示下行发送功率高低指示,HII用于表示上行发射功率高低指示,OI用于表示每PRB受到的上行干扰情况。但是,还缺失每PRB受到的下行干扰情况。
图6为本发明提供的据支撑SON的ICIC功能的实现流程图,如图6所示,该流程主要包括以下步骤:
步骤601:采用路测数据挖掘平台批量处理路测数据,定位下行干扰异常事件。
这里,所述下行干扰异常事件是指下行干扰大于一定值时的事件。
步骤602:获取定位的下行干扰过大时的终端接收功率、SINR和干扰,结合网络侧数据,标记下行PRB干扰高低指示,通过X2接口通知其他小区做小区下行干扰协作参考。
具体地,采用路测数据支撑SON的ICIC功能,所涉及的参数主要包括:下行干扰指示、终端接收功率、终端接收干扰、终端接收信噪比。
目前,网络覆盖和容量的优化是一个很花费人力和事件的任务,所以SON中提出了覆盖与容量自优化。主要是通过调节天线的下倾角,达到优化网络覆盖和容量的目的。现在由网络侧数据难以获得精确的小区覆盖情况,但是可以通过终端侧路测数据获得。
图7为本发明提供的据支撑SON的CCO功能的实现流程图,如图7所示,该流程主要包括以下步骤:
步骤701:采用路测数据挖掘平台批量处理路测数据,定位覆盖异常事件。
例如,所述覆盖异常事件包括弱覆盖事件、过覆盖事件、重叠覆盖事件。
步骤702:获取覆盖异常问题时的天线下倾角、小区分布和终端分布,采用数据挖掘算法,整合CCO原始数据源,分析下倾角对覆盖的影响,调节天线角度。
步骤703:通过调节天线下倾角之后的反馈,若覆盖得到优化,则在下个周期不会回退参数;若覆盖恶化,则在下个周期进行参数回退。
这里,所述参数回退是指还用之前的参数。
具体地,采用路测数据支撑SON的CCO功能,所涉及的参数包括:天线下倾角、基站高度、用户模型、天线损耗模型。
节能(ES)主要是用来解决业务量的潮汐效应的。比如白天,业务量较大时,开启附近站点;晚上,业务量较少是,关闭附近站点。ES与MLB结合使用时,效果比较明显。
图8为本发明提供的据支撑SON的ES功能的实现流程图,如图8所示,该流程主要包括以下步骤:
步骤801:采用路测数据挖掘平台批量处理路测数据,定位服务被拒异常事件,判断负载较重的小区及其邻区。
步骤802:整合原始ES算法和数据源,优化网络节能功能。
具体地,采用路测数据支撑SON的ES功能,所涉及的参数包括:负载信息、小区地理位置、用户分布信息。
实施例二
图9为本发明提供的网络优化装置的组成结构示意图,如图9所示,所述网络优化装置包括:
获取模块91,用于基于路测数据定位异常事件,获取异常事件相关参数;
分类模块92,用于对所述异常事件相关参数进行分类;
整合模块93,用于将异常事件相关参数分类结果以及用于支撑分析SON的各项功能的网络侧数据进行整合,整合成用于支撑分析SON的各项功能的数据源;
处理模块94,用于根据所述用于支撑分析SON的各项功能的数据源,通过相应的数据挖掘算法输出针对SON各项功能的优化建议。
优选地,所述获取模块91,还用于:
利用路测数据挖掘平台对路测数据进行分析;
基于分析结果定位异常事件,获取异常事件相关参数。
优选地,所述分类模块92,还用于:
确定用于支撑分析SON的各项功能所需的参数;
基于所述所需的参数对所述异常事件相关参数进行分类。
上述方案中,所述SON的各项功能至少包括:ANR、MLBO、MRO、RO、ICIC、CCO、ES。
优选地,所述获取模块91,还用于:
通过路测数据挖掘平台批量处理路测数据;
定位邻区错配和漏配异常事件、系统容量异常事件、切换异常事件、随机接入异常事件、下行干扰异常事件、覆盖异常事件、服务被拒异常事件;
获取与所述邻区错配和漏配异常事件相关的参数,至少包括:
测量报告、PCI、CGI、TAC;
获取与所述系统容量异常事件相关的参数,至少包括:
CAC、切换参数、重选参数、RRC连接建立失败的概率、由于负荷原因E-RAB建立失败的概率、由于负荷原因E-RAB异常释放的概率、基站与用户地理分布;
获取与所述切换异常事件相关的参数,至少包括:
CIO、切换测量参数;
获取与所述随机接入异常事件事件相关的参数,至少包括:
PRACH配置索引、根序列索引、零相关配置、是否为高速状态、频率偏移;
获取与所述下行干扰异常事件相关的参数,至少包括:
下行干扰指示、终端接收功率、终端接收干扰、终端接收信噪比;
获取与所述覆盖异常事件相关的参数,至少包括:
天线下倾角、基站高度、用户模型、天线损耗模型;
获取与所述服务被拒异常事件相关的参数,至少包括:
负载信息、小区地理位置、用户分布信息。
优选地,所述装置还包括:
调整模块95,用于基于SON各项功能的优化建议进行相应的测试,并基于测试结果适时调整SON各项功能的优化建议。
上述网络优化装置可设置于网络设备中,如基站中。
本领域技术人员应当理解,本发明实施例的网络优化装置中各器件的功能,可参照前述网络优化方法的相关描述而理解,本发明实施例的网络优化装置中各器件,可通过实现本发明实施例所述的功能的模拟电路而实现,也可以通过执行本发明实施例所述的功能的软件在网络设备上的运行而实现。
所述网络优化装置中的获取模块91、分类模块92、整合模块93、处理模块94、调整模块95的具体结构均可对应于处理器。所述处理器具体的结构可以为中央处理器(CPU,Central Processing Unit)、微处理器(MCU,Micro Controller Unit)、数字信号处理器(DSP,Digital Signal Processing)或可编程逻辑器件(PLC,Programmable LogicController)等具有处理功能的电子元器件或电子元器件的集合。其中,所述处理器包括可执行代码,所述可执行代码存储在存储介质中,所述处理器可以通过总线等通信接口与所述存储介质中相连,在执行具体的各模块的对应功能时,从所述存储介质中读取并运行所述可执行代码。所述存储介质用于存储所述可执行代码的部分优选为非瞬间存储介质。
所述获取模块91、分类模块92、整合模块93、处理模块94、调整模块95可以集成对应于同一处理器,或分别对应不同的处理器;当集成对应于同一处理器时,所述处理器采用时分处理所述获取模块91、分类模块92、整合模块93、处理模块94、调整模块95对应的功能。
本实施例所述网络优化装置,增加了终端侧数据对SON决策的修正,增强了SON决策的精准度,又通过大数据自动化的参数与特征分析降低了SON的时耗。
在本发明所提供的几个实施例中,应该理解到,所揭露的方法、装置和设备,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明实施例上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种网络优化方法,其特征在于,所述方法包括:
基于路测数据定位异常事件,获取异常事件相关参数;
对所述异常事件相关参数进行分类;
将异常事件相关参数分类结果以及用于支撑分析网络自优化SON的各项功能的网络侧数据进行整合,整合成用于支撑分析SON的各项功能的数据源;
根据所述用于支撑分析SON的各项功能的数据源,通过相应的数据挖掘算法输出针对SON各项功能的优化建议。
2.根据权利要求1所述的方法,其特征在于,所述基于路测数据定位异常事件,获取异常事件相关参数,包括:
利用路测数据挖掘平台对路测数据进行分析;
基于分析结果定位异常事件,获取异常事件相关参数。
3.根据权利要求1所述的方法,其特征在于,所述对所述异常事件相关参数进行分类,包括:
确定用于支撑分析SON的各项功能所需的参数;
基于所述所需的参数对所述异常事件相关参数进行分类。
4.根据权利要求1所述的方法,其特征在于,所述SON的各项功能至少包括:自动邻区关系ANR、移动性负载均衡优化MLBO、移动性鲁棒性优化MRO、随机接入信道优化RO、小区间干扰协调ICIC、覆盖与容量优化CCO、基站节能ES。
5.根据权利要求1所述的方法,其特征在于,所述基于路测数据定位异常事件,获取异常事件相关参数,包括:
通过路测数据挖掘平台批量处理路测数据;
定位邻区错配和漏配异常事件、系统容量异常事件、切换异常事件、随机接入异常事件、下行干扰异常事件、覆盖异常事件、服务被拒异常事件;
获取与所述邻区错配和漏配异常事件相关的参数,包括:
获取测量报告、物理小区标识PCI、全球小区识别码CGI、跟踪区域码TAC;
获取与所述系统容量异常事件相关的参数,包括:
获取连接接纳控制CAC、切换参数、重选参数、无线资源控制RRC连接建立失败的概率、由于负荷原因E-RAB建立失败的概率、由于负荷原因E-RAB异常释放的概率、基站与用户地理分布;
获取与所述切换异常事件相关的参数,包括:
获取小区偏移量CIO、切换测量参数;
获取与所述随机接入异常事件事件相关的参数,包括:
获取物理随机接入信道PRACH配置索引、根序列索引、零相关配置、是否为高速状态、频率偏移;
获取与所述下行干扰异常事件相关的参数,包括:
下行干扰指示、终端接收功率、终端接收干扰、终端接收信噪比;
获取与所述覆盖异常事件相关的参数,包括:
获取天线下倾角、基站高度、用户模型、天线损耗模型;
获取与所述服务被拒异常事件相关的参数,包括:
获取负载信息、小区地理位置、用户分布信息。
6.根据权利要求1所述的方法,其特征在于,所述通过相应的数据挖掘算法输出针对SON各项功能的优化建议之后,所述方法还包括:
基于SON各项功能的优化建议进行相应的测试,并基于测试结果适时调整SON各项功能的优化建议。
7.一种网络优化装置,其特征在于,所述装置包括:
获取模块,用于基于路测数据定位异常事件,获取异常事件相关参数;
分类模块,用于对所述异常事件相关参数进行分类;
整合模块,用于将异常事件相关参数分类结果以及用于支撑分析SON的各项功能的网络侧数据进行整合,整合成用于支撑分析SON的各项功能的数据源;
处理模块,用于根据所述用于支撑分析SON的各项功能的数据源,通过相应的数据挖掘算法输出针对SON各项功能的优化建议。
8.根据权利要求7所述的装置,其特征在于,所述获取模块,还用于:
利用路测数据挖掘平台对路测数据进行分析;
基于分析结果定位异常事件,获取异常事件相关参数。
9.根据权利要求7所述的装置,其特征在于,所述分类模块,还用于:
确定用于支撑分析SON的各项功能所需的参数;
基于所述所需的参数对所述异常事件相关参数进行分类。
10.根据权利要求7所述的装置,其特征在于,所述SON的各项功能至少包括:ANR、MLBO、MRO、RO、ICIC、CCO、ES。
11.根据权利要求7所述的装置,其特征在于,所述获取模块,还用于:
通过路测数据挖掘平台批量处理路测数据;
定位邻区错配和漏配异常事件、系统容量异常事件、切换异常事件、随机接入异常事件、下行干扰异常事件、覆盖异常事件、服务被拒异常事件;
获取与所述邻区错配和漏配异常事件相关的参数,至少包括:
测量报告、PCI、CGI、TAC;
获取与所述系统容量异常事件相关的参数,至少包括:
CAC、切换参数、重选参数、RRC连接建立失败的概率、由于负荷原因E-RAB建立失败的概率、由于负荷原因E-RAB异常释放的概率、基站与用户地理分布;
获取与所述切换异常事件相关的参数,至少包括:
CIO、切换测量参数;
获取与所述随机接入异常事件事件相关的参数,至少包括:
PRACH配置索引、根序列索引、零相关配置、是否为高速状态、频率偏移;
获取与所述下行干扰异常事件相关的参数,至少包括:
下行干扰指示、终端接收功率、终端接收干扰、终端接收信噪比;
获取与所述覆盖异常事件相关的参数,至少包括:
天线下倾角、基站高度、用户模型、天线损耗模型;
获取与所述服务被拒异常事件相关的参数,至少包括:
负载信息、小区地理位置、用户分布信息。
12.根据权利要求7所述的装置,其特征在于,所述装置还包括:
调整模块,用于基于SON各项功能的优化建议进行相应的测试,并基于测试结果适时调整SON各项功能的优化建议。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610184871.2A CN107241749A (zh) | 2016-03-28 | 2016-03-28 | 一种网络优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610184871.2A CN107241749A (zh) | 2016-03-28 | 2016-03-28 | 一种网络优化方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107241749A true CN107241749A (zh) | 2017-10-10 |
Family
ID=59983592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610184871.2A Pending CN107241749A (zh) | 2016-03-28 | 2016-03-28 | 一种网络优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107241749A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108810911A (zh) * | 2018-06-04 | 2018-11-13 | 南京邮电大学 | 一种基于数据挖掘的低功耗广域网网络规划方法 |
WO2020048515A1 (en) * | 2018-09-06 | 2020-03-12 | JRD Communication (Shenzhen) Ltd. | Network reporting in a cellular network |
CN111586712A (zh) * | 2019-02-15 | 2020-08-25 | 中国移动通信有限公司研究院 | 最小化路测信息的上报、配置方法、终端及网络设备 |
CN113507721A (zh) * | 2021-06-29 | 2021-10-15 | 上海闻泰信息技术有限公司 | 一种网络状态监测方法、装置、系统及存储介质 |
CN118055427A (zh) * | 2024-04-16 | 2024-05-17 | 中国电信股份有限公司浙江分公司 | 一种用于专网基站自动网络优化的方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101873604A (zh) * | 2009-04-22 | 2010-10-27 | 大唐移动通信设备有限公司 | 长期演进系统中覆盖自优化的方法、系统和设备 |
CN102457872A (zh) * | 2012-01-16 | 2012-05-16 | 大唐移动通信设备有限公司 | 一种邻区自动优化方法及装置 |
WO2012177205A1 (en) * | 2011-06-21 | 2012-12-27 | Telefonaktiebolaget L M Ericsson (Publ) | Methods and apparatuses for altering measurement time and bandwidth during a measurement |
CN103079221A (zh) * | 2012-12-20 | 2013-05-01 | 武汉虹翼信息有限公司 | 一种利用扫频仪和测试手机联合分析移动网络状况的方法 |
-
2016
- 2016-03-28 CN CN201610184871.2A patent/CN107241749A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101873604A (zh) * | 2009-04-22 | 2010-10-27 | 大唐移动通信设备有限公司 | 长期演进系统中覆盖自优化的方法、系统和设备 |
WO2012177205A1 (en) * | 2011-06-21 | 2012-12-27 | Telefonaktiebolaget L M Ericsson (Publ) | Methods and apparatuses for altering measurement time and bandwidth during a measurement |
CN102457872A (zh) * | 2012-01-16 | 2012-05-16 | 大唐移动通信设备有限公司 | 一种邻区自动优化方法及装置 |
CN103079221A (zh) * | 2012-12-20 | 2013-05-01 | 武汉虹翼信息有限公司 | 一种利用扫频仪和测试手机联合分析移动网络状况的方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108810911A (zh) * | 2018-06-04 | 2018-11-13 | 南京邮电大学 | 一种基于数据挖掘的低功耗广域网网络规划方法 |
WO2020048515A1 (en) * | 2018-09-06 | 2020-03-12 | JRD Communication (Shenzhen) Ltd. | Network reporting in a cellular network |
CN111586712A (zh) * | 2019-02-15 | 2020-08-25 | 中国移动通信有限公司研究院 | 最小化路测信息的上报、配置方法、终端及网络设备 |
CN111586712B (zh) * | 2019-02-15 | 2022-06-07 | 中国移动通信有限公司研究院 | 最小化路测信息的上报、配置方法、终端及网络设备 |
CN113507721A (zh) * | 2021-06-29 | 2021-10-15 | 上海闻泰信息技术有限公司 | 一种网络状态监测方法、装置、系统及存储介质 |
CN113507721B (zh) * | 2021-06-29 | 2023-02-28 | 上海闻泰信息技术有限公司 | 一种网络状态监测方法、装置、系统及存储介质 |
CN118055427A (zh) * | 2024-04-16 | 2024-05-17 | 中国电信股份有限公司浙江分公司 | 一种用于专网基站自动网络优化的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103929781B (zh) | 超密集异构网络下跨层干扰协调优化方法 | |
CN107241749A (zh) | 一种网络优化方法及装置 | |
CN103079235B (zh) | 在lte系统中实现负荷均衡的方法及装置 | |
US9537624B2 (en) | Fast load balancing by cooperative scheduling for heterogeneous networks with eICIC | |
CN105472660B (zh) | 一种负载均衡方法、网络设备及系统 | |
CN102510564B (zh) | 一种改进集中分簇式自组织网络的自优化方法 | |
CN106714239A (zh) | 一种lte网络负载自动均衡的方法和系统 | |
CN102857970B (zh) | 一种小区间负载平衡的实现方法及装置 | |
CN109392019A (zh) | 一种lte网络容量均衡优化方法 | |
CN101931977B (zh) | 一种乒乓切换优化的方法及装置 | |
CN105594243B (zh) | 网络优化的方法、装置和基站 | |
US20220210706A1 (en) | Method and apparatus for identifying target neighbor cell for handover of user equipment (ue) | |
CN104010315B (zh) | 一种基于用户体验质量的小区选择方法 | |
CN106912071A (zh) | 一种基于lte相对负荷差值触发负载均衡的方法及装置 | |
CN106998573B (zh) | 一种载波聚合系统中的负荷均衡方法和装置 | |
CN106028405A (zh) | 一种实现小区重选参数协商的方法及基站 | |
CN104936241B (zh) | 一种移动性参数配置方法及装置 | |
CN105657749B (zh) | 一种lte小区间负载均衡的方法、装置及基站 | |
CN103139825A (zh) | 在lte系统中进行边缘用户划分的方法、装置及其基站 | |
CN103517308B (zh) | 基于邻居小区参考信号接收功率列表的小区中断检测方法 | |
CN103281789A (zh) | 一种确定上下行配置的方法、系统和设备 | |
CN106714246A (zh) | 一种基站及小区切换方法和装置 | |
TW201503722A (zh) | 用於網路中負載平衡及干擾協調之方法及系統 | |
US20220210709A1 (en) | Method and apparatus for initiating handover (ho) procedure in an open-radio access network (o-ran) environment | |
JP6140272B2 (ja) | セル範囲拡大バイアスを構成するための方法、デバイス、およびシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171010 |
|
RJ01 | Rejection of invention patent application after publication |