CN107690150A - 结合小区质量与切换故障的移动鲁棒性优化方法和装置 - Google Patents
结合小区质量与切换故障的移动鲁棒性优化方法和装置 Download PDFInfo
- Publication number
- CN107690150A CN107690150A CN201610638346.3A CN201610638346A CN107690150A CN 107690150 A CN107690150 A CN 107690150A CN 201610638346 A CN201610638346 A CN 201610638346A CN 107690150 A CN107690150 A CN 107690150A
- Authority
- CN
- China
- Prior art keywords
- serving cell
- optimization
- adjacent area
- quality
- optimisation strategy
- 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
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/0055—Transmission or use of information for re-establishing the radio link
- H04W36/0061—Transmission or use of information for re-establishing the radio link of neighbour cell information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/16—Performing reselection for specific purposes
- H04W36/165—Performing reselection for specific purposes for reducing network power consumption
Abstract
本发明公开了一种结合小区质量与切换故障的移动鲁棒性优化方法和装置,该方法包括:根据服务小区与邻区的切换故障,计算服务小区和邻区所需的用于进行移动鲁棒性优化的第一优化策略;根据服务小区的质量指标值,计算服务小区支持的用于进行移动鲁棒性优化的第二优化策略,根据邻区的质量指标值,计算邻区支持的用于进行移动鲁棒性优化的第三优化策略;根据第一优化策略、第二优化策略和第三优化策略,计算第四优化策略;按第四优化策略,对服务小区和邻区之间的移动鲁棒性进行优化。根据本发明的技术方案,有利于减少一些不必要的MRO优化过程,得到一个更加可靠的MRO,从而提高MRO优化成功率和效率。
Description
技术领域
本发明涉及无线与移动通信技术领域,尤其涉及一种结合小区质量与切换故障的移动鲁棒性优化方法和装置。
背景技术
MRO(Mobility Robustness Optimization,移动鲁棒性优化)是LTE(Long TermEvolution,长期演进)系统SON(Self Optimization Network,自优化网络)的一个重要组成部分。切换参数配置不合理,会严重的影响用户感受、浪费系统资源。MRO能根据网络性能指示反馈来动态地调整小区参数,自动修订切换边界,能减小网络优化和管理过程中人工的干预程度,节省人力资源。
目前对MRO的研究主要集中在切换故障的有效检测,切换参数的优化以及MRO与MLB(Mobility Load Balance,移动负载均衡)的冲突解决方面,有文献提出令MLB的优先级高于MRO的优先级,在MLB过程中暂停或者禁止MRO反向调节;还有文献提出在MLB的基础上限定MRO的范围,两者实际上都是以MLB为主,以MRO为辅的方法,关注的是MRO对系统负载的影响,而没有考虑系统负载以及系统的其他指标对MRO的影响,不能保证MRO的可靠性,从而不能很好地发挥MRO的作用。
因此,本发明提出一种结合小区质量与切换故障的LTE系统内MRO方法和装置。
发明内容
有鉴于此,本发明的目的在于提供一种结合小区质量与切换故障的移动鲁棒性优化方法和装置,以减少一些不必要的MRO优化过程,得到一个更加可靠的MRO,从而提高MRO优化成功率和效率。
本发明解决上述技术问题所采用的技术方案如下:
根据本发明的一个方面,提供的一种结合小区质量与切换故障的移动鲁棒性优化方法,包括:根据服务小区与邻区的切换故障,计算所述服务小区和所述邻区所需的用于进行移动鲁棒性优化的第一优化策略;根据所述服务小区的至少一个质量指标的指标值,计算所述服务小区支持的用于进行移动鲁棒性优化的第二优化策略,根据所述邻区的所述至少一个质量指标的指标值,计算所述邻区支持的用于进行移动鲁棒性优化的第三优化策略;根据所述第一优化策略、所述第二优化策略和所述第三优化策略,计算第四优化策略;按所述第四优化策略,对所述服务小区和所述邻区间的移动鲁棒性进行优化。
可选地,前述的方法,根据服务小区与邻区的切换故障,计算所述服务小区和所述邻区所需的用于进行移动鲁棒性优化的第一优化策略,具体包括:根据所述服务小区与所述邻区的多次切换中的切换过早优化次数和切换过晚优化次数的差值,计算所述第一优化策略。
可选地,前述的方法,在根据所述服务小区的至少一个质量指标的指标值,计算所述服务小区支持的用于进行移动鲁棒性优化的第二优化策略,根据所述邻区的所述至少一个质量指标的指标值,计算所述邻区支持的用于进行移动鲁棒性优化的第三优化策略之前,还包括:获取所述服务小区和所述邻区的多个质量指标,并计算所述多个质量指标的相关性,以及从所述多个质量指标中筛选出与其他质量指标的相关性低于预设阈值的所述至少一个质量指标。
可选地,前述的方法,根据所述服务小区的至少一个质量指标的指标值,计算所述服务小区支持的用于进行移动鲁棒性优化的第二优化策略,根据所述邻区的所述至少一个质量指标的指标值,计算所述邻区支持的用于进行移动鲁棒性优化的第三优化策略,具体包括:根据所述至少一个质量指标,划分多个质量状态并计算所述服务小区和所述邻区在所述多个质量状态下支持的多个优化策略;根据所述服务小区的所述至少一个质量指标的指标值,从所述多个质量状态中确定所述服务小区当前匹配的质量状态,并选择所述服务小区在当前匹配的质量状态下支持的优化策略作为所述第二优化策略;根据所述邻区的至少一个质量指标的指标值,从所述多个质量状态中确定所述邻区当前匹配的质量状态,并选择所述邻区在当前匹配的质量状态下支持的优化策略作为所述第三优化策略。
可选地,前述的方法,还包括:计算所述服务小区和所述邻区间的移动鲁棒性优化效果,并根据所述优化效果的大小判断是否回退对所述服务小区和所述邻区间的移动鲁棒性优化。
依据本发明的另一方面,提供的一种结合小区质量与切换故障的移动鲁棒性优化装置,包括:第一计算模块,用于根据服务小区与邻区的切换故障,计算所述服务小区和所述邻区所需的用于进行移动鲁棒性优化的第一优化策略;第二计算模块,用于根据所述服务小区的至少一个质量指标的指标值,计算所述服务小区支持的用于进行移动鲁棒性优化的第二优化策略,根据所述邻区的所述至少一个质量指标的指标值,计算所述邻区支持的用于进行移动鲁棒性优化的第三优化策略;第三计算模块,用于根据所述第一优化策略、所述第二优化策略和所述第三优化策略,计算第四优化策略;优化模块,用于按所述第四优化策略,对所述服务小区与所述邻区间的移动鲁棒性进行优化。
可选地,前述的装置,所述第一计算模块根据所述服务小区与所述邻区的多次切换中的切换过早优化次数和切换过晚优化次数的差值,计算所述第一优化策略。
可选地,前述的装置,还包括:质量指标筛选模块,用于获取所述服务小区和所述邻区的多个质量指标,并计算所述多个质量指标的相关性,以及从所述多个质量指标中筛选出与其他质量指标的相关性低于预设阈值的所述至少一个质量指标。
可选地,前述的装置,所述第二计算模块根据所述至少一个质量指标,划分多个质量状态并计算所述服务小区和所述邻区在所述多个质量状态下支持的多个优化策略,以及根据所述服务小区的所述至少一个质量指标的指标值,从所述多个质量状态中确定所述服务小区当前匹配的质量状态,并选择所述服务小区在当前匹配的质量状态下支持的优化策略作为所述第二优化策略,根据所述邻区的至少一个质量指标的指标值,从所述多个质量状态中确定所述邻区当前匹配的质量状态,并选择所述邻区在当前匹配的质量状态下支持的优化策略作为所述第三优化策略。
可选地,前述的装置,还包括:评估模块,用于计算所述服务小区和所述邻区间的移动鲁棒性优化效果,并根据所述优化效果的大小判断是否回退对所述服务小区和所述邻区间的移动鲁棒性优化。
根据以上技术方案,可知本发明的结合小区质量与切换故障的移动鲁棒性优化方法和装置至少具有以下优点:
根据本发明的技术方案,在MRO优化时,结合服务小区和邻区的切换故障检测结果与服务小区的质量情况,综合计算得到最终的MRO优化策略,则优化后既不会降低服务小区和邻区的质量,也有利于减少一些不必要的MRO优化过程,得到一个更加可靠的MRO,从而提高MRO优化成功率和效率。
附图说明
图1为本发明实施例的一种结合小区质量与切换故障的移动鲁棒性优化方法的流程图;
图2为本发明实施例的一种结合小区质量与切换故障的移动鲁棒性优化方法的流程图;
图3为本发明实施例的一种结合小区质量与切换故障的移动鲁棒性优化装置的框图;
图4为本发明实施例的一种结合小区质量与切换故障的移动鲁棒性优化装置的框图;
图5为本发明实施例的一种结合小区质量与切换故障的移动鲁棒性优化装置的物理结构图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明的一个实施例中提供一种结合小区质量与切换故障的移动鲁棒性优化方法,包括:
步骤S110,根据服务小区与邻区的切换故障,计算服务小区和邻区所需的用于进行移动鲁棒性优化的第一优化策略。在本实施例中,在每个MRO检测周期启动之后,首先对服务小区与邻区之间的切换故障进行检测与判别,以计算得到第一优化策略;其中,如果是没有出现切换故障,则不进行MRO优化。
步骤S120,根据服务小区的至少一个质量指标的指标值,计算服务小区支持的用于进行移动鲁棒性优化的第二优化策略,根据邻区的至少一个质量指标的指标值,计算邻区支持的用于进行移动鲁棒性优化的第三优化策略。本领域技术人员应当理解,目前在实际应用中MRO优化均是基于切换故障,而没有能综合考虑到服务小区和邻区的质量情况,会产生一些不必要的优化,MRO优化成功率得不到保证,整体优化效率有待提升。在本实施例中,如果根据切换故障的检测判别需要进行切换过早优化或者切换过晚优化,则进一步检测服务小区与邻区的质量情况,并计算后续的优化策略。
步骤S130,根据第一优化策略、第二优化策略和第三优化策略,计算第四优化策略。在本实施例中,根据第一优化策略、第二优化策略和第三优化策略进行分析,如果服务小区与邻区的质量允许进行MRO优化的方向与故障检测的方向一致,则进行MRO优化,一致的策略部分作为服务小区支持的第四优化策略,否则不进行MRO优化。
步骤S140,按第四优化策略,对服务小区和邻区间的移动鲁棒性进行优化。
根据本实施例的技术方案,首先进行邻区对切换故障检测,然后根据小区质量确定MRO优化方向,最后结合小区质量与切换故障的MRO实时优化;在MRO优化时,结合服务小区和邻区的切换故障检测结果与服务小区的质量情况,综合计算得到最终的MRO优化策略,则优化后既不会降低服务小区的质量,这有利于减少一些不必要的MRO优化过程,得到一个更加可靠的MRO,从而提高MRO优化成功率和效率。
如图2所示,本发明的一个实施例中提供一种结合小区质量与切换故障的移动鲁棒性优化方法,包括:
步骤S210,根据服务小区与邻区的多次切换中的切换过早优化次数和切换过晚优化次数的差值,计算第一优化策略。在本实施例中,在每个MRO检测周期启动之后,统计出服务小区与邻区之间的切换总次数,切换过早故障次数及切换过晚故障次数,然后统计出切换故障类型,以确定MRO优化的方向,包括切换过早优化,切换过晚优化,不优化3种情况,用H={h1,h2,h3}表示,其中h1=切换过早优化,h3=切换过晚优化,h2=不优化。具体计算方式如式(1)和式(2)所示:
当切换过早次数a大于或等于切换过早次数b时,则
当切换过早次数b大于切换过早次数a时,则
其中a为邻区对切换过早的故障次数;b为邻区对切换过晚的故障次数;c为邻区对切换总次数,α和β为给定阈值。
如果检测结果为切换过早优化或者切换过晚优化,则进一步检测服务小区和邻区的性能情况;如果检测结果为不优化,则在该周期内不进行MRO优化。
步骤S220,获取服务小区和邻区的多个质量指标,并计算多个质量指标的相关性,以及从多个质量指标中筛选出与其他质量指标的相关性低于预设阈值的至少一个质量指标。在本实施例中,需要进行小区质量指标选择和优化,具体如下:
抽取出常用的、运营商和客户比较关注的一些与小区质量相关的指标,形成初步指标集S1,如S1={建立成功率、PRB利用率、掉线率、小区吞吐率、当前用户数,……}。利用Pearson相关分析法对S1中多个小区质量指标进行优化,得到两两之间相关系数低于一定阈值(如0.5)的指标集S2,如S2={建立成功率,掉线率,小区吞吐率}。
步骤S230,根据至少一个质量指标,划分多个质量状态并计算服务小区和邻区在多个质量状态下支持的多个优化策略。在本实施例中,需要进行小区质量状态划分、基于小区质量的MRO优化判决,具体如下:
将S2中的各指标分别进行离散化处理,将每个指标的具体取值映射到若干个区间内,如建立成功率指标可以划分为[0,a1),[a1,a2),…,[an,1],且有0<a1<a2<…<an<1。同理,可以对其他指标进行区间划分。
则S2可以用以下方式表示:
S2={ai,bj,ck,…} (3)
将所有指标的不同区间组合起来,形成多个不同的小区质量状态空间。
根据指标集S2中的指标,可以得到在特定状态下可以进行优化的类型,包括:
s1:只能进行切换过早优化;
s2:只能进行切换过晚优化;
s3:既可以进行切换过早优化,又可以进行切换过晚优化;
s4:既不可以进行切换过早优化,又不可以进行切换过晚优化。
确定服务小区在特定状态下支持的MRO策略。给定特定的场景S2*,利用朴素贝叶斯算法可以计算出服务小区可进行的MRO策略,具体计算方式如下;分别计算出状态为si的概率P(si|S*),其中
P(si|S*)的计算方式如下所示:
对于给服务小区的MRO策略si,若有
P(si|S2*)>P(sj|S2*) 1≤i,j≤4,i≠j (6)
即
P(S2*|si)*P(si) 1≤i,j≤4,i≠j (7)
则此时对应的si即为服务小区可进行的MRO测量。其中,
P(si)为先验概率,指出现优化策略为si的概率;
P(S2)和P(S2|si)分别为给定事件S2的概率以及在优化策略为si的条件下出现事件S2的概率。
同理,邻区的MRO优化策略为N={n1,n2,n3,n4},同样,利用朴素贝叶斯分类法可以得到在特定场景S*下,邻区可以进行的MRO优化策略ni,其中:
n1:只能进行切换过早优化;
n2:只能进行切换过晚优化;
n3:既可以进行切换过早优化,又可以进行切换过晚优化;
n4:既不可以进行切换过早优化,又不可以进行切换过晚优化。
优选地,可以直接统计到各个组合场景下可进行的MRO优化方向存于数据库中,以便在MRO优化过程中根据小区质量情况可以迅速查询到可进行的MRO优化,以提高MRO实时优化效率。
步骤S240,根据服务小区的至少一个质量指标的指标值,从多个质量状态中确定服务小区当前匹配的质量状态,并选择服务小区在当前匹配的质量状态下支持的优化策略作为第二优化策略,根据邻区的至少一个质量指标的指标值,从多个质量状态中确定邻区当前匹配的质量状态,并选择邻区在当前匹配的质量状态下支持的优化策略作为所述第三优化策略。在本实施例中,需要进行小区质量场景匹配、结合小区质量与切换故障检测结果的MRO优化判决、MRO优化执行,具体如下:
得到小区质量各指标的具体值;
将小区质量指标的具体值与小区状态进行匹配,确定小区所属的状态;
从历史数据统计结果中迅速得到服务小区和邻区所支持的MRO优化。
根据邻区对切换故障检测结果,如果需要进行切换过早优化,则执行步骤1,否则,执行步骤3;
步骤1:服务小区优化类型判别,如果为s1或s3,则执行步骤2;如果为s2或s4,则不优化;
步骤2:邻区优化类型判别,如果n1或n3,则进行切换过早优化,否则不优化;
步骤3:服务小区优化类型判别,如果为s2或s4,则执行步骤4;如果为s1或s3,则不优化;
步骤4:邻区优化类型判别,如果n2或n4,则进行切换过早优化,否则不优化。
步骤S250,根据第一优化策略、第二优化策略和第三优化策略,计算第四优化策略。
步骤S260,按第四优化策略,对服务小区和邻区间的移动鲁棒性进行优化。
步骤S270,计算服务小区和所述邻区间的移动鲁棒性优化效果,并根据优化效果的大小判断是否回退对服务小区和所述邻区间的移动鲁棒性优化。在本实施例中,如果进行切换过早优化,按步长逐步增大服务小区Ocn(Offset of Neighbor Cell,不同小区间的个体偏移),然后评估优化结果,如果优化后的效果优于切换前的效果,则执行优化,否则回退优化。如果一个步长优化之后还可以进一步优化,则继续增大服务小区Ocn,直到优化后优化结果不由于优化前结果为止。如果切换过晚优化,按步长逐步减小服务小区Ocn,然后评估优化结果,如果优化后的效果优于切换前的效果,则执行优化,否则回退优化。如果一个步长优化之后还可以进一步优化,则继续减小服务小区Ocn,直到优化后优化结果不由于优化前结果为止。
本实施例的技术方案,针对当前的研究和实际应用中MRO优化成功率不高,优化效率较低的问题,提出一种结合小区质量与切换故障的结合小区质量与切换故障的移动鲁棒性优化方法,可得到以下有益效果:
首先,提出了一种小区质量指标选择和优化的方法,解决了在众多指标中选择合理的指标以表征小区质量的问题,为后续的工作提供可靠的基础;
其次,提出了一种根据小区质量确定MRO优化方向的方法,解决了如何根据小区质量判别MRO优化方向的问题;而且,小区质量状态与MRO的对应关系可以事先统计得到,在实时优化过程中通过小区实时质量与小区质量状态进行实时匹配,可以迅速得到当前小区质量情况所支持的MRO优化,从而提高MRO优化效率。
最后,实现了结合小区质量和切换故障的MRO优化过程,可减少一些不必要的MRO优化,从而提高了MRO优化成功率。
MRO优化成功率和优化效率的提高,有助于优化切换性能,从整体上提高LTE系统的性能,最终可以提高用户满意度。
本实施例的技术方案的一个具体应用实例为切换故障优化策略为切换过早优化的情况。
1、邻区对切换故障检测:
在某个优化周期内,基站检测得到切换次数为100次,其中切换过早为23次,切换过晚为5次,则根据式(1)可以得到邻区对的切换故障比例统计结果为:
|23-5|/100=0.18>0.12
则次数选择的MRO策略为h1,即需要进行切换过早优化(第一优化策略)。
2、根据小区质量确定MRO优化方向:
(1)小区质量指标选择与优化
首先从数据库中选取小区场景典型参数:建立成功率、PRB利用率、掉线率、小区吞吐率、当前用户数等5个指标。
其次,数据库存储模块收集连续一段时间内(如连续一天)数据,数据库算法模块统计出这5个指标之间的Pearson相关性,具体如下表所示:
然后,算法模块从中选择一个与其他指标相关程度最低的一个指标作为独立指标(如建立成功率),然后删除与该独立指标的Pearson相关系数大于一定的阈值(如0.7)的指标;
同理,依次剩下的指标中挑选出与其他指标相关程度最低的指标,再删除与该指标相关程度高的指标,直至所有的指标都分析完成为止,最终得到指标集S2,如S2={建立成功率,掉线率,小区吞吐率},并将结果存于数据库服务器中。
(2)小区质量状态划分
进一步,数据库算法模块对S2中的3个指标分别划分区间,如下表所示:
区间1 | 区间2 | 区间3 | 区间4 | 区间5 | |
建立成功率 | [0,0.4) | [0.4,0.6) | [0.6,0.8) | [0.8,1] | - |
掉线率 | [0,0.1) | [0.1,0.25) | [0.25,0.6) | [0.6,1] | - |
小区吞吐率 | [0,0.2) | [0.2,0.4) | [0.4,0.6) | [0.6,0.8) | [0.8,1] |
设基站此时的状态为:建立成功率0.98、掉线率0.03,小区吞吐率为0.5,即
S2*={0.98,0.03,0.5}
即
S2*={[0.8,1],[0,0.1),[0.4,0.6)}
则数据库算法模块根据连续一天的数据统计出历史出现s1到s4的概率分别为
P(s1)=0.03
P(s2)=0.05
P(s3)=0.80
P(s4)=0.12
数据库算法模块分别根据历史数据统计得到分别在s1到s4的情景下,出现建立成功率在[0.8,1]区间、掉线率在[0,0.1)区间及小区吞吐率在[0.4,0.6)区间的场景的概率分别为
P(S2*|s1)=0.85
P(S2*|s2)=0.71
P(S2*|s3)=0.48
P(S2*|s4)=0.26
则在建立成功率在[0.8,1]区间、掉线率在[0,0.1)区间及小区吞吐率在[0.4,0.6)区间场景下出现s1到s4的概率分别为:
P(s1|S2*)=0.85*0.03=0.0255
P(s2|S2*)=0.71*0.05=0.0355
P(s3|S2*)=0.48*0.80=0.384
P(s4|S2*)=0.12*0.26=0.0312
此时,P(s3|S2*)的值0.384为最大值。
因此,服务小区支持“既可以进行切换过早优化,又可以进行切换过晚优化”的优化策略(第二优化策略);
同理,可以计算出邻区的也支持“既可以进行切换过早优化,又可以进行切换过晚优化”的优化策略(第三优化策略);
数据库装置将以上结果反馈给基站,由基站执行进一步的操作。
3、小区质量状态匹配:
设此时基站状态为:建立成功率0.98、掉线率0.03,小区吞吐率为0.5,即
S2*={0.98,0.03,0.5}
此时,基站侧读取数据库装置中的统计结果,确定此时服务小区质量在S2*={[0.8,1],[0,0.1),[0.4,0.6)}中,同时可以确定服务小区支持“既可以进行切换过早优化,又可以进行切换过晚优化”的优化策略;
同理,邻区基站也可得到支持“既可以进行切换过早优化,又可以进行切换过晚优化”的优化策略;
4、结合小区质量与切换故障检测结果的MRO优化判决:
在基站侧,结合邻区对切换故障检测结果、服务小区质量、邻区质量,最终得到需要进行“切换过早优化”的结论(第四优化策略)。
5、MRO优化执行:
根据以上判别结果,基站侧需要对服务小区进行切换过早优化,逐步增大服务小区Ocn参数,直到优化后优化结果不优于优化前的结果为止。
如图3所示,本发明的一个实施例中提供一种结合小区质量与切换故障的移动鲁棒性优化装置,包括:
第一计算模块310,根据服务小区与邻区的切换故障,计算服务小区和邻区所需的用于进行移动鲁棒性优化的第一优化策略。在本实施例中,在每个MRO检测周期启动之后,首先对服务小区与邻区之间的切换故障进行检测与判别,以计算得到第一优化策略;其中,如果是没有出现切换故障,则不进行MRO优化。
第二计算模块320,根据服务小区的至少一个质量指标的指标值,计算服务小区支持的用于进行移动鲁棒性优化的第二优化策略,根据邻区的至少一个质量指标的指标值,计算邻区支持的用于进行移动鲁棒性优化的第三优化策略。本领域技术人员应当理解,目前在实际应用中MRO优化均是基于切换故障检测结果,而没有能综合考虑到服务小区和邻区的质量情况,会产生一些不必要的优化,MRO优化成功率得不到保证,整体优化效率有待提升。在本实施例中,如果根据切换故障的检测判别需要进行切换过早优化或者切换过晚优化,则进一步检测服务小区与邻区的质量情况,并计算后续的优化策略。
第三计算模块330,根据第一优化策略、第二优化策略和第三优化策略,计算第四优化策略。在本实施例中,根据第一优化策略和第二优化策略进行分析,如果服务小区与邻区的质量允许进行MRO优化的方向与故障检测的方向一致,则进行MRO优化,一致的策略部分作为服务小区支持的第四优化策略,否则不进行MRO优化。
优化模块340,按第四优化策略,对服务小区和邻区间的移动鲁棒性进行优化。
根据本实施例的技术方案,首先进行邻区对切换故障检测,然后根据小区质量确定MRO优化方向,最后结合小区质量与切换故障的MRO实时优化;在MRO优化时,结合服务小区和邻区的切换故障检测结果与服务小区的质量情况,综合计算得到最终的MRO优化策略,则优化后既不会降低服务小区的质量,这有利于减少一些不必要的MRO优化过程,得到一个更加可靠的MRO,从而提高MRO优化成功率和效率。
如图4所示,本发明的一个实施例中提供一种结合小区质量与切换故障的移动鲁棒性优化装置,包括:
第一计算模块410,根据服务小区与邻区的多次切换中的切换过早优化次数和切换过晚优化次数的差值,计算第一优化策略。在本实施例中,在每个MRO检测周期启动之后,统计出服务小区与邻区之间的切换总次数,切换过早故障次数及切换过晚故障次数,然后统计出切换故障类型,以确定MRO优化的方向,包括切换过早优化,切换过晚优化,不优化3种情况,用H={h1,h2,h3}表示,其中h1=切换过早优化,h3=切换过晚优化,h2=不优化。具体计算方式如式(1)和式(2)所示:
当切换过早次数a大于或等于切换过早次数b时,则
当切换过早次数b大于切换过早次数a时,则
其中a为邻区对切换过早的故障次数;b为邻区对切换过晚的故障次数;c为邻区对切换总次数,α和β为给定阈值。
如果检测结果为切换过早优化或者切换过晚优化,则进一步检测服务小区和邻区的性能情况;如果检测结果为不优化,则在该周期内不进行MRO优化。
质量指标筛选模块420,获取服务小区和邻区的多个质量指标,并计算多个质量指标的相关性,以及从多个质量指标中筛选出与其他质量指标的相关性低于预设阈值的至少一个质量指标。在本实施例中,需要进行小区质量指标选择和优化,具体如下:
抽取出常用的、运营商和客户比较关注的一些与小区质量相关的指标,形成初步指标集S1,如S1={建立成功率、PRB利用率、掉线率、小区吞吐率、当前用户数,……}。利用Pearson相关分析法对S1中多个小区质量指标进行优化,得到两两之间相关系数低于一定阈值(如0.5)的指标集S2,如S2={建立成功率,掉线率,小区吞吐率}。
第二计算模块430,根据至少一个质量指标,划分多个质量状态并计算服务小区和邻区在多个质量状态下支持的多个优化策略。在本实施例中,需要进行小区质量状态划分、基于小区质量的MRO优化判决,具体如下:
将S2中的各指标分别进行离散化处理,将每个指标的具体取值映射到若干个区间内,如建立成功率指标可以划分为[0,a1),[a1,a2),…,[an,1],且有0<a1<a2<…<an<1。同理,可以对其他指标进行区间划分。
则S2可以用以下方式表示:
S2={ai,bj,ck,…} (3)
将所有指标的不同区间组合起来,形成多个不同的小区质量状态空间。
根据指标集S2中的指标,可以得到在特定状态下可以进行优化的类型,包括:
s1:只能进行切换过早优化;
s2:只能进行切换过晚优化;
s3:既可以进行切换过早优化,又可以进行切换过晚优化;
s4:既不可以进行切换过早优化,又不可以进行切换过晚优化。
确定服务小区在特定状态下支持的MRO策略。给定特定的场景S2*,利用朴素贝叶斯算法可以计算出服务小区可进行的MRO策略,具体计算方式如下;分别计算出状态为si的概率P(si|S*),其中
P(si|S*)的计算方式如下所示:
对于给服务小区的MRO策略si,若有
P(si|S2*)>P(sj|S2*) 1≤i,j≤4,i≠j (6)
即
P(S2*|si)*P(si) 1≤i,j≤4,i≠j (7)
则此时对应的si即为服务小区可进行的MRO测量。其中,
P(si)为先验概率,指出现优化策略为si的概率;
P(S2)和P(S2|si)分别为给定事件S2的概率以及在优化策略为si的条件下出现事件S2的概率。
同理,邻区的MRO优化策略为N={n1,n2,n3,n4},同样,利用朴素贝叶斯分类法可以得到在特定场景S*下,邻区可以进行的MRO优化策略ni,其中:
n1:只能进行切换过早优化;
n2:只能进行切换过晚优化;
n3:既可以进行切换过早优化,又可以进行切换过晚优化;
n4:既不可以进行切换过早优化,又不可以进行切换过晚优化。
优选地,可以直接统计到各个组合场景下可进行的MRO优化方向存于数据库中,以便在MRO优化过程中根据小区质量情况可以迅速查询到可进行的MRO优化,以提高MRO实时优化效率。
第二计算模块430,根据服务小区的至少一个质量指标的指标值,从多个质量状态中确定服务小区当前匹配的质量状态,并选择服务小区在当前匹配的质量状态下支持的优化策略作为第二优化策略,根据邻区的至少一个质量指标的指标值,从多个质量状态中确定邻区当前匹配的质量状态,并选择邻区在当前匹配的质量状态下支持的优化策略作为所述第三优化策略。在本实施例中,需要进行小区质量场景匹配、结合小区质量与切换故障检测结果的MRO优化判决、MRO优化执行,具体如下:
得到小区质量各指标的具体值;
将小区质量指标的具体值与小区状态进行匹配,确定小区所属的状态;
从历史数据统计结果中迅速得到服务小区和邻区所支持的MRO优化。
根据邻区对切换故障检测结果,如果需要进行切换过早优化,则执行步骤1,否则,执行步骤3;
步骤1:服务小区优化类型判别,如果为s1或s3,则执行步骤2;如果为s2或s4,则不优化;
步骤2:邻区优化类型判别,如果n1或n3,则进行切换过早优化,否则不优化;
步骤3:服务小区优化类型判别,如果为s2或s4,则执行步骤4;如果为s1或s3,则不优化;
步骤4:邻区优化类型判别,如果n2或n4,则进行切换过早优化,否则不优化。
第三计算模块440,根据第一优化策略、第二优化策略和第三优化策略,计算第四优化策略。
优化模块450,按第四优化策略,对服务小区和邻区间的移动鲁棒性进行优化。评估模块460,计算服务小区和所述邻区间的移动鲁棒性优化效果,并根据优化效果的大小判断是否回退对服务小区和所述邻区的移动鲁棒性优化。在本实施例中,如果进行切换过早优化,按步长逐步增大服务小区Ocn(Offset of Neighbor Cell,不同小区间的个体偏移),然后评估优化结果,如果优化后的效果优于切换前的效果,则执行优化,否则回退优化。如果一个步长优化之后还可以进一步优化,则继续增大服务小区Ocn,直到优化后优化结果不由于优化前结果为止。如果切换过晚优化,按步长逐步减小服务小区Ocn,然后评估优化结果,如果优化后的效果优于切换前的效果,则执行优化,否则回退优化。如果一个步长优化之后还可以进一步优化,则继续减小服务小区Ocn,直到优化后优化结果不由于优化前结果为止。
本实施例的技术方案的一个具体应用实例为切换故障优化策略为切换故障优化策略为不优化的情况。
在某个优化周期内,基站检测切换次数为100次,其中切换过早为5次,切换过晚为8次,则根据式(8)可以得到邻区对的切换故障比例统计结果为:
|8-5|/100=0.03<0.10
则次数选择的MRO策略为h2,即不进行MRO优化。
根据切换故障检测结果,不需进行MRO优化,因此不用进一步判别服务小区与邻区的性能。
本实施例的技术方案的另一个具体应用实例为切换故障优化策略为切换故障优化策略为切换过晚优化的情况。
1、邻区对切换故障检测:
在某个优化周期内,基站侧检测得到切换次数为100次,其中切换过晚为18次,切换过晚为3次,则根据式(1)可以得到邻区对的切换故障比例统计结果为:
|18-3|/100=0.15>0.10
则次数选择的MRO策略为h1,即需要进行切换过晚优化。
2、根据小区质量确定MRO优化方向:
服务小区与邻区质量状态与前述实例相同。即服务小区与邻区均支持“既可以进行切换过早优化,又可以进行切换过晚优化”的优化策略。
3、小区质量状态匹配:
服务小区与邻区质量状态与前述实例相同。
4、结合小区质量与切换故障检测结果的MRO优化判决:
结合邻区对切换故障检测结果、服务小区质量、邻区性能,最终得到需要进行“切换过晚优化”的结论。
5、MRO优化执行:
根据以上判别结果,需要对服务小区进行切换过早优化,逐步减小服务小区Ocn参数,直到优化后优化结果不优于优化前结果为止。
本实施例所述的结合小区质量与切换故障的结合小区质量与切换故障的移动鲁棒性优化装置在物理上包括基站(除特殊说明外,本发明中的基站指的是LTE基站),数据库服务器(可结合到基站中,或独立于基站外),进一步可以包括和基站服务器装置,具体如图5所示。其中:
(1)基站,包括切换故障检测模块和MRO优化执行模块(功能上相当于前述的优化模块)。切换故障检测模块用于检测邻区对的切换故障次数,并且将检测结果存储于数据库服务器中;MRO优化模块是根据切换故障检测模块的故障检测结果、小区当前的质量状态以及两者的对应关系进行优化判决并执行优化过程。
(2)数据库服务器装置,包括数据存储模块和算法模块(功能上相当于前述的第一计算模块、第二计算模块和第三计算模块)。其中数据存储模块用于存储基站运行日志、基站KPI(Key Performance Indicator,关键绩效指标)统计结果、历史MRO数据、小区质量与MRO相关映射关系等信息,并且对这些信息进行初步的整理和定时更新。而算法模块用于对存储模块的数据进行统计分析,并将统计结果存储到数据存储模块。
(3)基站服务器装置,用于监控并且管理基站的运行。从数据库服务器中读取必要的参数,以实时监控调整基站的运行情况。同时将基站的运行信息、操作信息生成log(日志)保存到数据库服务器中。
以上参照附图说明了本发明的优选实施例,并非因此局限本发明的权利范围。本领域技术人员不脱离本发明的范围和实质,可以有多种变型方案实现本发明,比如作为一个实施例的特征可用于另一实施例而得到又一实施例。凡在运用本发明的技术构思之内所作的任何修改、等同替换和改进,均应在本发明的权利范围之内。
Claims (10)
1.一种结合小区质量与切换故障的移动鲁棒性优化方法,其特征在于,包括:
根据服务小区与邻区的切换故障,计算所述服务小区和所述邻区所需的用于进行移动鲁棒性优化的第一优化策略;
根据所述服务小区的至少一个质量指标的指标值,计算所述服务小区支持的用于进行移动鲁棒性优化的第二优化策略,根据所述邻区的所述至少一个质量指标的指标值,计算所述邻区支持的用于进行移动鲁棒性优化的第三优化策略;
根据所述第一优化策略、所述第二优化策略和所述第三优化策略,计算第四优化策略;
按所述第四优化策略,对所述服务小区和所述邻区间的移动鲁棒性进行优化。
2.根据权利要求1所述的方法,其特征在于,根据服务小区与邻区的切换故障,计算所述服务小区和所述邻区所需的用于进行移动鲁棒性优化的第一优化策略,具体包括:
根据所述服务小区与所述邻区的多次切换中的切换过早优化次数和切换过晚优化次数的差值,计算所述第一优化策略。
3.根据权利要求1所述的方法,其特征在于,在根据所述服务小区的至少一个质量指标的指标值,计算所述服务小区支持的用于进行移动鲁棒性优化的第二优化策略,根据所述邻区的所述至少一个质量指标的指标值,计算所述邻区支持的用于进行移动鲁棒性优化的第三优化策略之前,还包括:
获取所述服务小区和所述邻区的多个质量指标,并计算所述多个质量指标的相关性,以及从所述多个质量指标中筛选出与其他质量指标的相关性低于预设阈值的所述至少一个质量指标。
4.根据权利要求1所述的方法,其特征在于,根据所述服务小区的至少一个质量指标的指标值,计算所述服务小区支持的用于进行移动鲁棒性优化的第二优化策略,根据所述邻区的所述至少一个质量指标的指标值,计算所述邻区支持的用于进行移动鲁棒性优化的第三优化策略,具体包括:
根据所述至少一个质量指标,划分多个质量状态并计算所述服务小区和所述邻区在所述多个质量状态下支持的多个优化策略;
根据所述服务小区的所述至少一个质量指标的指标值,从所述多个质量状态中确定所述服务小区当前匹配的质量状态,并选择所述服务小区在当前匹配的质量状态下支持的优化策略作为所述第二优化策略;
根据所述邻区的至少一个质量指标的指标值,从所述多个质量状态中确定所述邻区当前匹配的质量状态,并选择所述邻区在当前匹配的质量状态下支持的优化策略作为所述第三优化策略。
5.根据权利要求1至4中任一项所述的方法,其特征在于,还包括:
计算所述服务小区和所述邻区间的移动鲁棒性优化效果,并根据所述优化效果的大小判断是否回退对所述服务小区和所述邻区间的移动鲁棒性优化。
6.一种结合小区质量与切换故障的移动鲁棒性优化装置,其特征在于,包括:
第一计算模块,用于根据服务小区与邻区的切换故障,计算所述服务小区和所述邻区所需的用于进行移动鲁棒性优化的第一优化策略;
第二计算模块,用于根据所述服务小区的至少一个质量指标的指标值,计算所述服务小区支持的用于进行移动鲁棒性优化的第二优化策略,根据所述邻区的所述至少一个质量指标的指标值,计算所述邻区支持的用于进行移动鲁棒性优化的第三优化策略;
第三计算模块,用于根据所述第一优化策略、所述第二优化策略和所述第三优化策略,计算第四优化策略;
优化模块,用于按所述第四优化策略,对所述服务小区与所述邻区间的移动鲁棒性进行优化。
7.根据权利要求6所述的装置,其特征在于,
所述第一计算模块根据所述服务小区与所述邻区的多次切换中的切换过早优化次数和切换过晚优化次数的差值,计算所述第一优化策略。
8.根据权利要求6所述的装置,其特征在于,还包括:
质量指标筛选模块,用于获取所述服务小区和所述邻区的多个质量指标,并计算所述多个质量指标的相关性,以及从所述多个质量指标中筛选出与其他质量指标的相关性低于预设阈值的所述至少一个质量指标。
9.根据权利要求6所述的装置,其特征在于,
所述第二计算模块根据所述至少一个质量指标,划分多个质量状态并计算所述服务小区和所述邻区在所述多个质量状态下支持的多个优化策略,以及根据所述服务小区的所述至少一个质量指标的指标值,从所述多个质量状态中确定所述服务小区当前匹配的质量状态,并选择所述服务小区在当前匹配的质量状态下支持的优化策略作为所述第二优化策略,根据所述邻区的至少一个质量指标的指标值,从所述多个质量状态中确定所述邻区当前匹配的质量状态,并选择所述邻区在当前匹配的质量状态下支持的优化策略作为所述第三优化策略。
10.根据权利要求6至9中任一项所述的装置,其特征在于,还包括:
评估模块,用于计算所述服务小区和所述邻区间的移动鲁棒性优化效果,并根据所述优化效果的大小判断是否回退对所述服务小区和所述邻区间的移动鲁棒性优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610638346.3A CN107690150A (zh) | 2016-08-05 | 2016-08-05 | 结合小区质量与切换故障的移动鲁棒性优化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610638346.3A CN107690150A (zh) | 2016-08-05 | 2016-08-05 | 结合小区质量与切换故障的移动鲁棒性优化方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107690150A true CN107690150A (zh) | 2018-02-13 |
Family
ID=61151150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610638346.3A Pending CN107690150A (zh) | 2016-08-05 | 2016-08-05 | 结合小区质量与切换故障的移动鲁棒性优化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107690150A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111093223A (zh) * | 2018-10-23 | 2020-05-01 | 大唐移动通信设备有限公司 | 一种解决服务小区无法提供服务的方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101932015A (zh) * | 2009-06-19 | 2010-12-29 | 中兴通讯股份有限公司 | 切换参数调整方法及装置 |
US20130072184A1 (en) * | 2010-05-27 | 2013-03-21 | Kyocera Corporation | Radio base station, radio communication system, and control method |
CN103298040A (zh) * | 2012-02-24 | 2013-09-11 | 华为技术有限公司 | 无线网络优化的方法、装置及系统 |
EP2781123A1 (en) * | 2011-11-14 | 2014-09-24 | Nokia Solutions and Networks Oy | Performing mobility load balancing and mobility robustness optimization between access nodes for only a subset of user equipment |
CN105246113A (zh) * | 2015-09-23 | 2016-01-13 | 珠海世纪鼎利科技股份有限公司 | 一种lte系统乒乓切换的优化方法 |
CN105325027A (zh) * | 2013-06-17 | 2016-02-10 | 日本电气株式会社 | 自组织网络所用的装置、方法和非瞬态计算机可读介质 |
-
2016
- 2016-08-05 CN CN201610638346.3A patent/CN107690150A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101932015A (zh) * | 2009-06-19 | 2010-12-29 | 中兴通讯股份有限公司 | 切换参数调整方法及装置 |
US20130072184A1 (en) * | 2010-05-27 | 2013-03-21 | Kyocera Corporation | Radio base station, radio communication system, and control method |
EP2781123A1 (en) * | 2011-11-14 | 2014-09-24 | Nokia Solutions and Networks Oy | Performing mobility load balancing and mobility robustness optimization between access nodes for only a subset of user equipment |
CN103298040A (zh) * | 2012-02-24 | 2013-09-11 | 华为技术有限公司 | 无线网络优化的方法、装置及系统 |
CN105325027A (zh) * | 2013-06-17 | 2016-02-10 | 日本电气株式会社 | 自组织网络所用的装置、方法和非瞬态计算机可读介质 |
CN105246113A (zh) * | 2015-09-23 | 2016-01-13 | 珠海世纪鼎利科技股份有限公司 | 一种lte系统乒乓切换的优化方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111093223A (zh) * | 2018-10-23 | 2020-05-01 | 大唐移动通信设备有限公司 | 一种解决服务小区无法提供服务的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9503919B2 (en) | Wireless communication network using multiple key performance indicators and deviations therefrom | |
CN104717703B (zh) | 一种切换参数自优化方法和装置 | |
CN103108343B (zh) | 建立决策树的方法及装置、网络性能优化方法及装置 | |
CN112543465B (zh) | 一种异常检测方法、装置、终端及存储介质 | |
CN103079235A (zh) | 在lte系统中实现负荷均衡的方法及装置 | |
CN106713377B (zh) | 分布式数据库负载调平的方法和装置 | |
US20160014617A1 (en) | Wireless Communication Network Performance and Robustness Tuning and Optimization Using Deviations in Multiple Key Performance Indicators | |
CN102695218B (zh) | 基于模式识别的切换自优化方法 | |
CN103888961B (zh) | 一种用户监控方法及装置 | |
EP3432629B1 (en) | Partitioning a plurality of wireless access points into management clusters | |
CN103731854A (zh) | 基于自组网son的网络状态划分方法、装置和网络系统 | |
CN104145508A (zh) | 在通信网络中执行空闲模式移动性测量 | |
CN105828371A (zh) | 空闲态下 lte 终端的测量方法及装置 | |
CN105848179A (zh) | 小区切换优化评估方法及装置 | |
EP3952420B1 (en) | Fingerprint library creation and application methods and apparatuses, centralized processing device and base station | |
WO2018184667A1 (en) | Apparatus and method for performing network optimization | |
EP4171128A1 (en) | Cell reselection method, network management device, base station, and storage medium | |
CN107690150A (zh) | 结合小区质量与切换故障的移动鲁棒性优化方法和装置 | |
TW201628384A (zh) | 行動網路基地台訊務預測與資源調度自動分析系統與方法 | |
CN105025508B (zh) | 小区的发现方法、装置及节能控制方法、装置 | |
CN111405605B (zh) | 一种基于自组织映射的无线网络中断检测方法 | |
CN111385128B (zh) | 突发负荷的预测方法及装置、存储介质、电子装置 | |
CN102740277B (zh) | 一种切换时终端测量上报的控制方法及系统 | |
CN101917730B (zh) | 基于场景自适应能量均衡的传感器网络矢量量化分簇方法 | |
EP3836599B1 (en) | Method for detecting permanent failures in mobile telecommunication networks |
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: 20180213 |
|
RJ01 | Rejection of invention patent application after publication |