CN111669761B - 一种基于4g现网信号强度贡献度的5g业务量预测方法 - Google Patents
一种基于4g现网信号强度贡献度的5g业务量预测方法 Download PDFInfo
- Publication number
- CN111669761B CN111669761B CN202010418562.3A CN202010418562A CN111669761B CN 111669761 B CN111669761 B CN 111669761B CN 202010418562 A CN202010418562 A CN 202010418562A CN 111669761 B CN111669761 B CN 111669761B
- Authority
- CN
- China
- Prior art keywords
- base station
- built
- newly
- traffic
- contribution
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于4G现网信号强度贡献度的5G业务量预测方法,5G网络在建设初期是一种重点覆盖业务热点区域的补点性网络,需要较为精准的预测新址新建5G基站的业务量以提升投资方向的准确度和精准度。本方法首先通过现有4G网络的信号强度的归一化处理,找出对新建5G基站所在位置信号强度贡献度最高的若干个基站,再通过贡信号强度献度中位数确定业务量的参考权重,结合5G业务模型,最终可较为精准的预测新址新建5G基站的业务量,为最终是否建设该基站提供参考和依据。
Description
技术领域
本发明涉及通信技术领域,特别涉及一种基于4G现网信号强度贡献度的5G业务量预测方法与系统实现,根据此方法可确定5G网络新址新建站点建设的优先级确定,解决5G网络建设中的投资收益问题。
背景技术
基站业务量的预测已经有人提出过,多是针对原址新建站点或网络整体流量预测,但针对单个新址新建基站的且较为精准的业务量预测业界提出的方法很少,单个新址新建站点流量预测的难点在于量化的精准度。同时,5G网络投资大成本高,在“提速降费”的大背景下,5G网络收益面临较大压力,如何提升5G网络的建设效能,特别是在进行热点部署情况下,如何确定单个新建基站的效益是困扰三大运营商5G网络建设的现实问题。
发明内容
发明目的:为解决背景技术中存在的技术问题,本发明提出一种基于4G现网信号强度贡献度的5G业务量预测方法,解决5G网络建设中不知道哪些基站应该优先建设,哪些基站应该缓建或不建的问题,包括如下步骤:
步骤1,根据电磁波自由空间传播公式和基站发射功率计算现网4G基站的信号强度贡献度,具体方法为4G基站发射功率减去空间传播损耗即可得到信号强度贡献度初始值;
步骤2,通过贡献度偏差计算,首先排除不重要基站,其次根据周边重要现网基站对新建5G基站贡献度相对于贡献度中位数的偏差而精准计算周边各基站流量和新建基站预估流量之间的关联度的高低,并以权重形式将关联度高低进行量化。进而确定该新建基站在4G业务流量模型下的精准流量值;
步骤3,结合5G业务模型,预测新建5G基站每年业务流量;
步骤4,根据5G基站的业务量测算5G基站预测收入,并结合成本情况,预估该基站收益,最终作为该基站是否建设及建设节奏把握的重要依据和参考。
步骤1包括:
步骤1-1,由以下公式计算第n个基站对新建5G基站的信号强度贡献度,结合电磁波自由空间传播损耗公式及基站标准发射功率(4G基站标准发射功率通常为46dBm)进行计算:
Prn=P-(32.44+20lgdn+20lgf),
其中,P为基站发射功率(此处可按照46dBm计列),dn为第n个现网4G基站与新建5G基站之间的空间距离,f为频率;Prn表示第n个现网4G基站的电磁波自由空间传播损耗;n为新建5G基站周边4G基站数量,lg表示取以10为底的对数;
步骤1-2,通过如下公式进行贡献度标准方差归一化处理:
其中,δ为现网4G基站信号强度贡献值的标准方差,Pri为4G基站信号强度贡献度,μ为基站信号强度贡献度的算术平均值。
步骤2包括:按照现网4G基站和新建5G基站之间的距离进行迭代计算,直至标准方差值达到归一化要求。
在计算贡献度时,通常是将周边所有基站先进行测算,根据现网数据统计,一个新建基站周边通常会有10个左右基站存在切换可能,实际网络运行中一般仅有周边3-5个左右基站存在频繁切换关系,到达目的地点信号强度越高则切换发生可能性越高,基于这一原理,通过贡献度的计算以及贡献度归一化的标准方差可确定重要关联基站的数量和位置,本发明提出了一种确定标准方差归一化值的方法,具体如下:
在迭代计算过程中,将Prn按照值的高低进行排序,值越低则在计算过程中优先舍弃,直至小于等于阈值3时截止计算。此时,判定参与该标准方差计算的基站为重要基站,从而确定对新建5G基站业务量预测影响最大的m个基站,m<=n。
步骤3包括:
步骤3-1,计算贡献度中位数:
以m0.5表示中位数,当m为奇数时,
m0.5=Pr(m+1)/2,
当m为偶数时,
步骤3-2,步骤2最终确定的m个基站,其4G网络现有的日均流量分别为L1、L2、…、Lm;
中位数的业务量贡献值权重为50%,正偏差20%以内业务量贡献值权重为60%,并以此类推,负偏差20%以内业务量贡献值权重为40%,并以此类推,权重计算公式如下:
Wi={1+[(Prn-m0.5)/m0.5]}*0.5
最终新建5G基站的年均业务量预测值为L5G(GB):
其中,i取值为1~m,Wi为响应基站Li的业务量预测权重。一年取360天。
步骤4包括:进行基站预估收入预测:
S5G=L5G*U-C5G
其中,S5G为规划站点的预计收入,U为运营商每GB流量单价,C5G为基站年运营成本,包括基站电费、租金、维护费用等。
根据现有运营商对于5G套餐的定价平均水平,当S5G为正值且超过4G基站平均年收益的1.2倍时,该基站可列高效益型基站类别;当S5G为正值且在4G基站平均年收益的1.2倍以内时,该基站可列收益平衡型基站类别;当S5G为负值时,该基站可列为低收益暂缓建设基站类别。
采用本发明方法,通过对单个新址新建5G基站流量的精准预测和成本测算可以精准预估该基站的收益,评估该新建基站可以为运营商带来多少收益,进而最终决定该基站是否建设。
本发明中,信号强度贡献度的计算,通过基站发射功率、电磁波自由空间传播模型结合新建5G基站和现网4G基站之间的距离确定。
本发明中,通过计算信号强度贡献度的标准方差选取确定对新建基站信号贡献最大的若干个基站,最终筛选为新建5G基站业务量参考贡献度重要关联基站;
本发明中,筛选为新建5G基站业务量贡献基站通过中位数及相对中位数偏差确定对新建5G基站业务量预测的权重占比。
有益效果:本发明专利可以达到较为精准预测单个新址新建5G基站业务量的目的以及解决5G网络建设中不知道哪些基站应该优先建设,哪些基站应该缓建或不建的问题。为了达到精准预测单个新址新建5G基站业务量的目的,首先通过现有4G网络的信号强度的归一化处理,找出对新建5G基站所在位置信号强度贡献度最高的若干个基站,再通过贡信号强度献度中位数确定业务量的参考权重占比,结合5G业务模型,最终可较为精准的预测新建5G基站的业务量,并通过基站投资收益的精准测算,决定该新建5G基站是否建设,以及建设节奏。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是现网4G和新建5G基站位置模型图;
图2是基站收益与基站建设类别关系示意图
具体实施方式
实施例:
如图1,本实施例公开了种基于4G现网信号强度贡献度的5G业务量预测方法,包括信号强度贡献度的计算、周边不同位置4G基站贡献度的筛选和选取、基于信号强度贡献度的业务量贡献值权重的取定。
本实施例中,通过电磁波自由空间公式并结合新建5G基站和现网4G基站之间的距离确定现网4G基站的信号强度贡献度。
本实施例中,通过计算现网4G基站的信号强度贡献度的标准方差,并将标准方差限定在2-3之间,通过不断的迭代计算,以确保找出其中对于新建5G基站影响力最大的若干个基站。
本实施例中,在确定对新建5G基站影响力最大的若干个基站后,计算现网4G基站的信号强度贡献度的中位数,并以影响力最大的这几个基站的信号强度贡献度相对于中位数的偏差确定对于新建5G基站业务量贡献值的权重,中位数的业务量贡献值权重为50%,正偏差20%以内业务量贡献值权重为60%,并以此类推,负偏差20%以内业务量贡献值权重为30%,并以此类推。
本实施例中,新建5G基站业务量为4G基站的10倍(以3.5GHz频段100MHz频谱带宽为例)。
本实施例中,现网4G基站业务量通过网管取得(取任意一周7天平均值)。
本实施例首先通过现有4G网络的信号强度的归一化处理,找出对新建5G基站所在位置信号强度贡献度最高的若干个基站,再通过贡信号强度献度中位数确定业务量的参考权重,结合5G业务模型,最终可较为精准的预测新建5G基站的业务量。
方案原理:
电磁波自由空间传播损耗计算公式、标准方差计算公式、中位数计算公式。
方案详细描述:
(1)电磁波自由空间传播损耗计算,由以下公式计算得到:
Prn=P-(32.44+20lgdn+20lgf) (1)
其中,P为基站发射功率,Prn为传输损耗,dn为第n个现网4G基站与新建5G基站之间的空间距离(单位公里),f为频率(单位MHz,本例统一取5G网络的3500MHz)。
新建5G基站周边共有n个4G基站,4G和5G基站之间的距离分别为d1、d2、…、dn,其4G基站对5G基站的信号强度贡献度分别为:Pr1、Pr2、Pr3、…、Prn-1、Prn。n为周边4G基站数量。
(2)贡献度标准方差归一化处理
其中,δ为现网4G基站信号强度贡献值的标准方差,Pri为4G基站信号强度贡献度,μ为Pr1、Pr2、Pr3、…、Prn-1、Prn的算术平均值,n为周边4G基站数量。
在计算贡献度时,通常是将周边所有基站先进行测算,根据现网数据统计,一个新建基站周边通常会有10个左右基站存在切换可能,实际网络运行中一般仅有周边3-5个左右基站存在频繁切换关系,到达目的地点信号强度越高则切换发生可能性越高,基于这一原理,通过贡献度的计算以及贡献度归一化的标准方差可确定重要关联基站的数量和位置,本发明提出了一种确定标准方差归一化值的方法,具体如下:
当叠加值超过3时,认为该偏离度过大。在迭代计算过程中,将Prn按照值的高低进行排序,值越低则在计算过程中优先舍弃,直至小于等于3时方截止计算,此时,可认为参与该标准方差计算的基站为重要基站,从而确定对新建5G基站业务量预测影响最大的m个基站,m<=n。
注:如标准方差大于3则表明部分基站距离较远,参考意义有限。
(3)贡献度中位数计算
中位数是按顺序排列的一组数据中居于中间位置的数,代表一个样本、种群或概率分布中的一个数值。本发明中以m0.5表示中位数。
当m为奇数时,
m0.5=Pr(m+1)/2 (5)
当m为偶数时,
(4)中位数偏差与业务量贡献对应关系表
最终确定的m个基站,其4G网络现有的日均流量(取任意一周7天平均值)分别为L1、L2、…、Lm。
中位数的业务量贡献值权重为50%,正偏差20%以内业务量贡献值权重为60%,并以此类推,负偏差20%以内业务量贡献值权重为30%,并以此类推。权重具体值计算公式如下:
Wi={1+[(Prn-m0.5)/m0.5]}*0.5 (7)
举例,第m个基站的贡献度Prm恰好为中位数,则其贡献的预测业务量就为Lm*50%*10*360;如其贡献度Prm正偏差在{0%,20%}区间,其贡献的预测业务量就为Lm*60%*10360;如其贡献度Prm负偏差在{-20%,0%}区间,其贡献的预测业务量就为Lm*30%*10*360。
最终新建5G基站的年均业务量预测值为L5G(GB):
其中,i取值为1~m,Wi为响应基站Li的业务量预测权重,一年取360天。m为对新建5G基站业务量预测影响最大的m个基站(m<=n)。现网4G和新建5G基站位置模型图如图1所示。
5、基站预估收入预测
S5G=L5G*U-C5G (9)
其中,S5G为规划站点的预计收入,U为该运营商每GB流量单价,C5G为该基站年运营成本,包括基站电费、租金、维护费用等。
如图2所示,根据现有运营商对于5G套餐的定价平均水平,当S5G为正值且超过4G基站平均年收益的1.2倍时,该基站可列高效益型基站类别;当S5G为正值且在4G基站平均年收益的1.2倍以内时,该基站可列收益平衡型基站类别;当S5G为负值时,该基站可列为低收益暂缓建设基站类别。
本发明提供了一种基于4G现网信号强度贡献度的5G业务量预测方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (2)
1.一种基于4G现网信号强度贡献度的5G业务量预测方法,其特征在于,包括如下步骤:
步骤1,计算现网4G基站的信号强度贡献度;
步骤2,通过贡献度偏差计算,确定新建基站在4G业务流量模型下的精准流量值;
步骤3,结合5G业务模型,预测新建5G基站每年业务流量;
步骤4:根据5G基站的业务量测算5G基站预测收入,并结合成本情况,预估所述5G基站收益,为最终是否建设所述5G基站提供参考和依据;
步骤1包括:
步骤1-1,由以下公式计算第n个基站对新建5G基站的信号强度贡献度,结合电磁波自由空间传播损耗公式及基站标准发射功率进行计算:
Prn=P-(32.44+20lgdn+20lgf),
其中,P为基站发射功率,dn为第n个现网4G基站与新建5G基站之间的空间距离,f为频率;Prn表示第n个现网4G基站的电磁波自由空间传播损耗;n为新建5G基站周边4G基站数量,lg表示取以10为底的对数;
步骤1-2,通过如下公式进行贡献度标准方差归一化处理:
其中,δ为现网4G基站信号强度贡献值的标准方差,Pri为4G基站信号强度贡献度,μ为基站信号强度贡献度的算术平均值;
步骤2包括:按照现网4G基站和新建5G基站之间的距离进行迭代计算,直至标准方差值达到归一化要求,具体如下:
在迭代计算过程中,将Prn按照值的高低进行排序,值越低则在计算过程中优先舍弃,直至小于等于阈值时截止计算,此时,判定参与该标准方差计算的基站为重要基站,从而确定对新建5G基站业务量预测影响最大的m个基站,m<=n;
步骤3包括:
步骤3-1,计算贡献度中位数:
以m0.5表示中位数,当m为奇数时,
m0.5=Pr(m+1)/2,
当m为偶数时,
步骤3-2,步骤2最终确定的m个基站,其4G网络现有的日均流量分别为L1、L2、…、Lm;
中位数的业务量贡献值权重为50%,正偏差20%以内业务量贡献值权重为60%,并以此类推,负偏差20%以内业务量贡献值权重为40%,并以此类推,权重计算公式如下:
Wi={1+[(Prn-m0.5)/m0.5]}*0.5
最终新建5G基站的年均业务量预测值为L5G:
其中,i取值为1~m,Wi为响应基站Li的业务量预测权重。
2.根据权利要求1所述的方法,其特征在于,步骤4包括:进行基站预估收入预测:
S5G=L5G*U-C5G
其中,S5G为规划站点的预计收入,U为运营商每GB流量单价,C5G为基站年运营成本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010418562.3A CN111669761B (zh) | 2020-05-18 | 2020-05-18 | 一种基于4g现网信号强度贡献度的5g业务量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010418562.3A CN111669761B (zh) | 2020-05-18 | 2020-05-18 | 一种基于4g现网信号强度贡献度的5g业务量预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111669761A CN111669761A (zh) | 2020-09-15 |
CN111669761B true CN111669761B (zh) | 2023-04-07 |
Family
ID=72383732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010418562.3A Active CN111669761B (zh) | 2020-05-18 | 2020-05-18 | 一种基于4g现网信号强度贡献度的5g业务量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111669761B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115334523B (zh) * | 2021-05-10 | 2023-12-19 | 中国移动通信集团设计院有限公司 | 网络覆盖测算方法、装置、设备及计算机可读存储介质 |
US11856492B2 (en) * | 2021-06-30 | 2023-12-26 | Charter Communications Operating, Llc | Methods and apparatus for modeling wireless traffic and for using wireless traffic information |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014154985A (ja) * | 2013-02-07 | 2014-08-25 | Hitachi Ltd | 無線基地局敷設予測方法及びシステム |
CN105139227B (zh) * | 2015-08-20 | 2018-06-26 | 上海华为技术有限公司 | 一种数据计算方法及装置 |
CN107809737B (zh) * | 2016-08-29 | 2020-08-07 | 华为技术服务有限公司 | 一种确定基站的网络流量的方法和装置 |
CN109327841B (zh) * | 2018-09-30 | 2020-11-17 | 湖南华诺科技有限公司 | 基于覆盖、价值关联的多维评定及精准建设评估方法 |
-
2020
- 2020-05-18 CN CN202010418562.3A patent/CN111669761B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111669761A (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111669761B (zh) | 一种基于4g现网信号强度贡献度的5g业务量预测方法 | |
US8208942B2 (en) | Extended clustering for improved positioning | |
WO2008141551A1 (fr) | Procédé et équipement pour la planification du réseau d'un système de communication | |
WO1998015149A1 (en) | A method of locating a mobile station | |
CN104410978A (zh) | 站点规划评估方法及装置 | |
US6085095A (en) | Method for determining the spatial distribution of the traffic volume within a mobile radio communications network | |
US20030186693A1 (en) | Estimating traffic distribution in a mobile communication network | |
CN104408915A (zh) | 一种交通状态参数的估计方法和系统 | |
CN112950243A (zh) | 一种5g站址规划方法、装置、电子设备及存储介质 | |
EP3148150B1 (en) | Method and device for determining transmission buffer size | |
US12041473B2 (en) | Method for predicting a signal and/or service quality and associated device | |
CN114943484A (zh) | 一种轨道客流运能匹配方法及其电子设备及其存储介质 | |
Zheng et al. | Improved iterative prediction for multiple stop arrival time using a support vector machine | |
Akande et al. | Performance analysis and optimization of cost 231-hata model for mobile communication in Nigeria | |
CN113537596A (zh) | 一种城市轨道交通新线站点短时客流预测方法 | |
CN111884694B (zh) | 波束赋形控制方法、装置、电子设备及存储介质 | |
CN107231635B (zh) | 一种网络覆盖的分析方法及装置 | |
CN114980194B (zh) | 干扰检测方法、装置及存储介质 | |
CN113409070A (zh) | 一种基于公交相关特征来构建的公交客流系数算法 | |
CN107343290A (zh) | Rru级联小区的扩容方法及装置 | |
NO328572B1 (no) | Fremgangsmate for a bestemme geografisk trafikkbelastning i et mobilt telekommunikasjonsnettverk | |
CN115734264A (zh) | 5g网络覆盖评估方法、装置、计算机可读介质及电子设备 | |
KR20200040451A (ko) | 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 | |
CN111988807A (zh) | 基于大数据的网络问题定位方法、装置及计算设备 | |
WO2021199120A1 (ja) | フェージング予測装置、フェージング予測方法およびフェージング予測プログラム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |