CN109151881A - 一种基于用户数据的网络负荷均衡优化方法 - Google Patents

Abstract

本发明公开了一种基于用户数据的网络负荷均衡优化方法，该基于用户数据的网络负荷均衡优化方法，包括以下步骤：(1)KPI指标提取并筛选高负荷小区：提取小区的KPI指标，根据各指标计算出小区的负荷率，筛选出所有的高负荷小区；(2)获取高负荷小区及其用户数据：采集用户智能终端上报的携带用户位置的无线网络的数据；(3)用户数据和算法运算：将步骤(2)获得的用户数据和步骤(1)中的高负荷数据放入到模型中，通过不断的迭代计算调整参数并输出高负荷小区均衡优化方案；(4)方案执行：将输出的方案执行，执行完成后闭环结束。该方法精确，节省人力成本，且有效的使用系统资源，以提高系统的容量和提高系统的稳定性。

Description

一种基于用户数据的网络负荷均衡优化方法

技术领域

本发明属于无线通信行业技术领域，尤其是涉及一种基于用户数据的网络负荷均衡优化方法。

背景技术

4G网络完成了地域上的全面覆盖，标志着高速无线通信时代来临。而广泛的覆盖和良好的用户体验，带来了4G用户数量的飞速增长，因此对于网络的建设与优化而言，其关注的重点也由广泛覆盖向深度覆盖转移。尤其是高校、车站、商场等热点区域，由于其场景的特殊性，用户基数巨大，业务量也在不断的上升，导致该场景的覆盖小区处于高负荷状态，由此引发的掉话、切换、拥塞等问题会直接导致用户感知的下降。因此，由于用户分布不均，导致部分小区出现高负荷情况，对应的小区称为高负荷小区。对于高负荷小区的优化已成为网络运维优化的重点。如何精准定位网络问题、快速提出优化方案，有效利用现网设备，都是保证热点场景和小区网络稳定与用户感知的关键。

随着LTE网络的发展和网络用户的快速增长，热点小区的负荷也逐渐升高，由于用户分布不均，导致部分小区出现高负荷情况，对应的小区称之为高负荷小区。

当出现LTE高负荷小区时，现有技术主要是通过人工分析网元性能数据、告警数据、工参数据等数据，判断出需要采用的优化策略。现有的优化策略包括：调整负载均衡参数、小区偏移、小区重选迟滞、小区软硬扩容等等。

但是，人工分析出来的调整参数策略，都是靠优化经验，不够精准。

人工分析比较适合长期处在拥塞状态的小区，由于LTE小区下的移动用户在时间维度处于动态变化状态，相应的，小区的拥塞状态也是动态的，通过人工分析和人工调整，不仅低效成本高，而且利用经验值不够准确,测量更是无法满足容量优化调整的时效性要求。因此，如何提供一种可以根据小区负荷情况的动态变化实时调整优化策略的方法，成为一个急需解决的问题。

因此，有必要开发一种基于用户数据的网络负荷均衡优化方法，数据量大，数据精准，同时对判断后处于高负荷的小区进行优化，使得用户的网络体验感更优。

发明内容

本发明要解决的技术问题是，提供一种基于用户数据的网络负荷均衡优化方法，数据量大，数据精准，同时对判断后处于高负荷的小区进行优化，使得用户的网络体验感更优。

为解决上述技术问题，本发明采用的技术方案是：该基于用户数据的网络负荷均衡优化方法，包括以下步骤：

(1)KPI指标提取并筛选高负荷小区：提取小区的KPI指标，根据各指标计算出小区的负荷率，筛选出所有的高负荷小区；

(2)获取高负荷小区及其用户数据：采集用户智能终端上报的携带用户位置的无线网络的数据；

(3)用户数据和算法运算：将步骤(2)获得的用户数据和步骤(1)中的高负荷数据放入到模型中，通过不断的迭代计算调整参数并输出高负荷小区均衡优化方案；

(4)方案执行：将输出的方案执行，执行完成后闭环结束。

采用上述技术方案，通过调整参数将高负荷小区用户分配到相应的邻区，通过转移UE进而转移负荷，这样可以减小高负荷小区的负荷率，同时保证邻区不会变成高负荷小区，且高负荷小区分配用户之后降为非高负荷小区不作为邻区接收用户。根据高负荷小区和其邻区负荷状态或者用户数情况合理部署小区运行流量，有效的使用系统资源，以提高系统的容量和提高系统的稳定性。

作为本发明的优选技术方案，所述步骤(2)中的用户数据包括OTT或/和MDT或/和ATU数据。用户数据是指用户智能终端上报的携带用户位置的无线网络的数据，如OTT、MDT、ATU等。部分数据替代传统的路测工作，实现自动收集终端测量数据，以检测和优化无线网络中的问题和故障。

作为本发明的优选技术方案，所述步骤(3)中的算法具体包括以下步骤：

S31数据收集：将用户数据、KPI性能指标数据源和工参数据收集在一起，通过小区识别码对各数据源进行整合；

S32计算高负荷率和识别高负荷小区；

S33计算高负荷小区和邻区RSRP的差值的最大绝对值max_RSRP和属于邻区的用户数nb_count；

S34计算高负荷小区最少要分配的用户数和各邻区最多可接收的用户数max_accept；

S35数据分析，若max_accept＝(0，-1)，则输出调整参数M＝0；否则，若max_accept>nb_count且max_RSRP>K，则输出调整参数M＝K*n％；若否，则设置循环参数M，每个参数下计算邻区的新RSRP大于高负荷小区的RSRP的用户数count_RSRP，若max_accept﹤count_RSRP，则输出调整的参数M＝M-1，若否，则输出调整的参数M，再重新进入设置循环参数M，如此循环，直至满足条件。其中新RSRP为将切换带内的邻区用户RSRP加上调整参数M得到新RSRP。

作为本发明的优选技术方案，所述步骤S32中首先对KPI性能指标数据进行处理，根据指标计算各个小区的负荷率，当负荷率大于0时，可认为该小区为高负荷小区，从而识别出所有的高负荷小区。

高负荷是指基站设备所能承载的负荷率超过合理值，导致用户感知差，而高负荷小区可以从KPI部分指标来判断，如小区自忙时评价E-RAB流量、有数据输出的RRC数、上行利用率PUSCH、下行利用率PDSCH/PDCCH、上/下行流量(GB)等等。

不同的运营商有不同的定义规则，不同网络建设阶段定义的值也会不同。

如中国移动集团对高负荷小区的定义规则如下：

作为本发明的优选技术方案，所述步骤S33中将用户数据和工参数据进行匹配识别出高负荷小区的所有邻区，并且计算切换带中邻区的用户数，保留用户数大于N的邻区，N为自然数，计算切换带中高负荷小区与邻区用户RSRP差值，选择差值的最大绝对数作为判断条件；最后通过用户数据计算高负荷小区和邻区的用户采样点数，将高负荷小区和邻区的用户采样点数与各个小区的负荷率相乘计算出高负荷小区最少需要分配的用户数和邻区最多能接收的用户数。

在移动通信中，为保证移动台与基站的连续通信，各小区间有部分区域由两个或者多个小区信号共同覆盖区域，数据采集服务器依据用户数据进行移动台的定位计算，依据定位计算结果进行统计，计算出小区的软切换带；然后再切换带用户分离，首先计算出切换带内高负荷小区和邻区的电平值差值，通过电平差值设置需要调整的参数，然后依据调整后的参数将切换带内的一部分用户分配给邻区使整个网络的无线资源运用更有效率，让各小区的负荷达到均衡，提高用户占用网络的感知。

作为本发明的优选技术方案，所述步骤S34中具体算法为：使用循环法寻找最优解，首先设置一个损失函数，目的是使损失函数达到最小，然后为调整的参数设置一个阈值K，K为大于0的自然数；

损失函数：

f(x)＝∑high_load_ratio；

high_load_ratio为小区高负荷率；

当max_accept＝(0，-1)时：

M＝0，S＝0

max_accept为邻区最多可接收的用户数，M为调整的参数，S为高负荷小区分配给邻区的用户数；

当max_accept＞nb_count且max_RSRP＞K：

M＝K*n％，S＝count(RSRP)；

nb_count为切换带中邻区的用户数，max_RSRP为电平差值的最大绝对数，M为需要调整的参数值且取整数，n的范围为[0，100]，count(RSRP)为调整参数后，切换带中邻区用户RSRP大于高负荷小区用户RSRP的用户数；

当max_RSRP≤K时：

循环设置调整的参数为M，M的范围为[1，k]，在循环过程中参数调整后相应计算切换带中邻区用户RSRP大于高负荷小区用户RSRP的用户数；

若max_accept≥count(RSRP)：

M＝M，S＝count(RSRP)；

若max_accept＜count(RSRP)：

M＝M-1，S＝count(RSRP)；

此处的M和S是将循环结果向前推一步，取前一步满足条件的结果。

与现有技术相比，该基于用户数据的网络负荷均衡优化方法通过调整参数将高负荷小区用户分配到相应的邻区，通过转移UE进而转移负荷，这样可以减小高负荷小区的负荷率，同时保证邻区不会变成高负荷小区，且高负荷小区分配用户之后降为非高负荷小区不作为邻区接收用户。根据高负荷小区和其邻区负荷状态或者用户数情况合理部署小区运行流量，有效的使用系统资源，以提高系统的容量和提高系统的稳定性。

附图说明

下面结合附图和本发明的实施方式进一步详细说明：

图1为本发明基于用户数据实现网络负荷均衡优化的方法整体框架图；

图2为本发明基于用户数据实现网络负荷均衡优化的方法中算法流程图；

图3为本发明基于用户数据实现网络负荷均衡优化的方法的实施例2在调整参数前后指标变化对比图。

具体实施方式

实施例1：如图1～2所示，该基于用户数据的网络负荷均衡优化方法，包括以下步骤：

(1)KPI指标提取并筛选高负荷小区：提取小区的KPI指标，根据各指标计算出小区的负荷率，筛选出所有的高负荷小区；

(2)获取高负荷小区及其用户数据：采集用户智能终端上报的携带用户位置的无线网络的数据；

(3)用户数据和算法运算：将步骤(2)获得的用户数据和步骤(1)中的高负荷数据放入到模型中，通过不断的迭代计算调整参数并输出高负荷小区均衡优化方案；

(4)方案执行：将输出的方案执行，执行完成后闭环结束。

所述步骤(2)中的用户数据包括OTT或/和MDT或/和ATU数据。用户数据是指用户智能终端上报的携带用户位置的无线网络的数据，如OTT、MDT、ATU等。部分数据替代传统的路测工作，实现自动收集终端测量数据，以检测和优化无线网络中的问题和故障。

所述步骤(3)中的算法具体包括以下步骤：

S31数据收集：将用户数据、KPI性能指标数据源和工参数据收集在一起，通过小区识别码对各数据源进行整合；

S32计算高负荷率和识别高负荷小区；

S33计算高负荷小区和邻区RSRP的差值的最大绝对值max_RSRP和属于邻区的用户数nb_count；

S34计算高负荷小区最少要分配的用户数和各邻区最多可接收的用户数max_accept；

S35数据分析，若max_accept＝(0，-1)，则输出调整参数M＝0；否则，若max_accept>nb_count且max_RSRP>K，则输出调整参数M＝K*n％；若否，则设置循环参数M，每个参数下计算邻区的新RSRP大于高负荷小区的RSRP的用户数count_RSRP，若max_accept﹤count_RSRP，则输出调整的参数M＝M-1，若否，则输出调整的参数M，再重新进入设置循环参数M，如此循环，直至满足条件。其中新RSRP为将切换带内的邻区用户RSRP加上调整参数M得到新RSRP。

所述步骤S32中首先对KPI性能指标数据进行处理，根据指标计算各个小区的负荷率，当负荷率大于0时，可认为该小区为高负荷小区，从而识别出所有的高负荷小区。

高负荷是指基站设备所能承载的负荷率超过合理值，导致用户感知差，而高负荷小区可以从KPI部分指标来判断，如小区自忙时评价E-RAB流量、有数据输出的RRC数、上行利用率PUSCH、下行利用率PDSCH/PDCCH、上/下行流量(GB)等等。

不同的运营商有不同的定义规则，不同网络建设阶段定义的值也会不同。

如中国移动集团对高负荷小区的定义规则如下表1；

表1中国移动集团对高负荷小区的定义规则

所述步骤S33中将用户数据和工参数据进行匹配识别出高负荷小区的所有邻区，并且计算切换带中邻区的用户数，保留用户数大于N的邻区，N为自然数，计算切换带中高负荷小区与邻区用户RSRP差值，选择差值的最大绝对数作为判断条件；最后通过用户数据计算高负荷小区和邻区的用户采样点数，将高负荷小区和邻区的用户采样点数与各个小区的负荷率相乘计算出高负荷小区最少需要分配的用户数和邻区最多能接收的用户数。

在移动通信中，为保证移动台与基站的连续通信，各小区间有部分区域由两个或者多个小区信号共同覆盖区域，数据采集服务器依据用户数据进行移动台的定位计算，依据定位计算结果进行统计，计算出小区的软切换带；然后再切换带用户分离，首先计算出切换带内高负荷小区和邻区的电平值差值，通过电平差值设置需要调整的参数，然后依据调整后的参数将切换带内的一部分用户分配给邻区使整个网络的无线资源运用更有效率，让各小区的负荷达到均衡，提高用户占用网络的感知。

所述步骤S34中具体算法为：使用循环法寻找最优解，首先设置一个损失函数，目的是使损失函数达到最小，然后为调整的参数设置一个阈值K，K为大于0的自然数；

损失函数：

f(x)＝∑high_load_ratio；

high_load_ratio为小区高负荷率；

当max_accept＝(0，-1)时：

M＝0，S＝0

max_accept为邻区最多可接收的用户数，M为调整的参数，S为高负荷小区分配给邻区的用户数；

当max_accept＞nb_count且max_RSRP＞K：

M＝K*n％，S＝count(RSRP)；

nb_count为切换带中邻区的用户数，max_RSRP为电平差值的最大绝对数，M为需要调整的参数值且取整数，n的范围为[0，100]，count(RSRP)为调整参数后，切换带中邻区用户RSRP大于高负荷小区用户RSRP的用户数；

当max_RSRP≤K时：

循环设置调整的参数为M，M的范围为[1，k]，在循环过程中参数调整后相应计算切换带中邻区用户RSRP大于高负荷小区用户RSRP的用户数；

若max_accept≥count(RSRP)：

M＝M，S＝count(RSRP)；

若max_accept＜count(RSRP)：

M＝M-1，S＝count(RSRP)；

此处的M和S是将循环结果向前推一步，取前一步满足条件的结果。

实施例2：使用一种基于用户数据的网络负荷均衡优化方法对高负荷进行优化，为了评估该方法的优化效果，选取了某省某市的高负荷小区进行参数调整实验。该地市中某片区域中有31个高负荷小区，涉及到的邻区有103个，9月8日～9月24日为修改前指标变化，9月26日～10月8日为参数修改后指标变化，如图3所示对参数调整前后的一些指标结果进行比较。

从上面图3中可以看出31个高负荷小区，涉及103个邻区，参数修改前后日指标平均，高负荷指标如下：

高负荷小区下行PRB利用率从73.29％降低到43.87％，改善29.42％；邻区下行PRB利用率从40.71％上升到43.60％，上升2.89％；

高负荷小区上行PRB利用率从39.98％降低到24.33％，改善15.65％；邻区上行PRB利用率从28.61％上升到28.08％，上升0.53％；

高负荷小区有效RRC平均连接数从9.51降低到5.28，改善54.23；邻区有效RRC平均连接数从4.59上升到4.99，上升0.40。

上面结合附图对本发明的实施方式作了详细的说明，但是本发明不限于上述实施方式，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (6)

1.一种基于用户数据的网络负荷均衡优化方法，其特征在于，包括以下步骤：

(1)KPI指标提取并筛选高负荷小区：提取小区的KPI指标，根据各指标计算出小区的负荷率，筛选出所有的高负荷小区；

(2)获取高负荷小区及其用户数据：采集用户智能终端上报的携带用户位置的无线网络的数据；

(3)用户数据和算法运算：将步骤(2)获得的用户数据和步骤(1)中的高负荷数据放入到模型中，通过不断的迭代计算并输出高负荷小区均衡优化方案；

(4)方案执行：将输出的方案执行，执行完成后闭环结束。

2.根据权利要求1所述的基于用户数据的网络负荷均衡优化方法，其特征在于，所述步骤(2)中的用户数据包括OTT或/和MDT或/和ATU数据。

3.根据权利要求1所述的基于用户数据的网络负荷均衡优化方法，其特征在于，所述步骤(3)中的算法具体包括以下步骤：

S31数据收集：将用户数据、KPI性能指标数据源和工参数据收集在一起，通过小区识别码对各数据源进行整合；

S32计算高负荷率和识别高负荷小区；

S33计算高负荷小区和邻区RSRP的差值的最大绝对值max_RSRP和属于邻区的用户数nb_count；

S34计算高负荷小区最少要分配的用户数和各邻区最多可接收的用户数max_accept；

S35数据分析，若max_accept＝(0，-1)，则输出调整参数M＝0；否则，若max_accept>nb_count且max_RSRP>K，则输出调整参数M＝K*n％；若否，则设置循环参数M，每个参数下计算邻区的新RSRP大于高负荷小区的RSRP的用户数count_RSRP，若max_accept﹤count_RSRP，则输出调整的参数M＝M-1，若否，则输出调整的参数M，再重新进入设置循环参数M，如此循环，直至满足条件。

4.根据权利要求3所述的基于用户数据的网络负荷均衡优化方法，其特征在于，所述步骤S32中首先对KPI性能指标数据进行处理，根据指标计算各个小区的负荷率，当负荷率大于0时，可认为该小区为高负荷小区，从而识别出所有的高负荷小区。

5.根据权利要求4所述的基于用户数据的网络负荷均衡优化方法，其特征在于，所述步骤S33中将用户数据和工参数据进行匹配识别出高负荷小区的所有邻区，并且计算切换带中邻区的用户数，保留用户数大于N的邻区，N为自然数，计算切换带中高负荷小区与邻区用户RSRP差值，选择差值的最大绝对数作为判断条件；最后通过用户数据计算高负荷小区和邻区的用户采样点数，将高负荷小区和邻区的用户采样点数与各个小区的负荷率相乘计算出高负荷小区最少需要分配的用户数和邻区最多能接收的用户数。

6.根据权利要求4所述的基于用户数据的网络负荷均衡优化方法，其特征在于，所述步骤S34中具体算法为：使用循环法寻找最优解，首先设置一个损失函数，目的是使损失函数达到最小，然后为调整的参数设置一个阈值K，K为大于0的自然数；

损失函数：

f(x)＝∑high_load_ratio；

high_load_ratio为小区高负荷率；

当max_accept＝(0，-1)时：

M＝0，S＝0

max_accept为邻区最多可接收的用户数，M为调整的参数，S为高负荷小区分配给邻区的用户数；

当max_accept＞nb_count且max_RSRP＞K：

M＝K*n％，S＝count(RSRP)；

nb_count为切换带中邻区的用户数,max_RSRP为电平差值的最大绝对数，M为需要调整的参数值且取整数，n的范围为[0,100],count(RSRP)为调整参数后，切换带中邻区用户RSRP大于高负荷小区用户RSRP的用户数；

当max_RSRP≤K时：

循环设置调整的参数为M,M的范围为[1,k]，在循环过程中参数调整后相应计算切换带中邻区用户RSRP大于高负荷小区用户RSRP的用户数；

若max_accept≥count(RSRP)：

M＝M，S＝count(RSRP)；

若max_accept＜count(RSRP)：

M＝M-1，S＝count(RSRP)；

此处的M和S是将循环结果向前推一步，取前一步满足条件的结果。