CN114363924A - 一种5g无驻留问题自动根因分析方法 - Google Patents
一种5g无驻留问题自动根因分析方法 Download PDFInfo
- Publication number
- CN114363924A CN114363924A CN202111541470.5A CN202111541470A CN114363924A CN 114363924 A CN114363924 A CN 114363924A CN 202111541470 A CN202111541470 A CN 202111541470A CN 114363924 A CN114363924 A CN 114363924A
- Authority
- CN
- China
- Prior art keywords
- residence
- point
- sampling point
- fault
- threshold value
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 59
- 238000005070 sampling Methods 0.000 claims abstract description 138
- 230000001360 synchronised effect Effects 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract description 11
- 238000000034 method Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种5G无驻留问题自动根因分析方法，包括：通过将采样点之间的无驻留距离和无驻留时长与对应的门限值比较对无驻留问题路段进行自动识别；根据无驻留在最初规定时间段内主区采样点的运行参数统计判定无驻留路段根因；其中，运行参数包括无驻留的主区同步广播块功率、参考信号接收功率及信号与干扰噪声比。实施本发明，可快速定位问题，避免网优人员花费大量时间在多个系统数据中关联数据，统计关键指标，查找相关参数，减少故障分析时间，提高问题解决效率，同时也减少了对网优人员专业技能的需求。
Description
技术领域
本发明涉及移动通信技术领域，特别涉及一种基于大数据集群的5G无驻留问题自动根因分析方法。
背景技术
为了满足未来移动互联网和物联网的快速发展所需要的网络带宽和容量的需求，第五代移动通信技术(The 5th generation mobile communication technology，5G)应运而生。可以说，移动互联网和物联网的飞速发展是5G技术发展的主要动力。
相较于4G，5G弥补了4G技术的不足，并在吞吐量、连接数、能耗等方面进一步提高了系统性能。5G采用数字全IP技术，支持和分组交换，它既不是单项技术的演进，也不是几种新的无线接入技术，是将新的无线接入技术与现有的无线接入技术(WLAN，4G、3G、2G等)集成在一起，是真正的融合网络。此外，由于融合，5G可以继续使用4G、3G的基础设施资源，实现与4G、3G、2G的共存。
5G无线网络是全球各大运营商“大连接”战略实施的重要手段，也是实现万物之间互连的重要切入点。随着5G网络商用的广泛推广，越来越多的手机用户享受到了5G网络带来的优质网络冲浪体验。
从运营商角度，现有的2G/3G/4G网络与5G不匹配，相比之下，5G系统的频谱带宽相对丰富。运营商可以借助已有的LTE站址资源，以LTE基站托底eMBB场景，推动LTE向5G平滑演进，不仅可以节约5G建设成本，而且可以兼顾范围覆盖和容量。
但是一旦5G网络回落到4G，用户感知就会体验急剧下降。对移动网络运营商来说，5G回落到4G势必引起大量的网络投诉，影响口碑，增加离网率。5G回落到4G的现象就是5G无驻留。对5G无驻留的产生原因进行快速、自动化分析，能有效的解决问题，恢复5G网络。
但是，现在还没有一种能够对5G无驻留进行自动分析的方法。
发明内容
现有技术中，一旦5G出现无驻留问题，移动网络用户的上网体验急剧下降，导致网络投诉上升，离网率增加。
针对上述问题，提出一种5G无驻留问题自动根因分析方法，通过将采样点之间的无驻留距离和无驻留时长与对应的门限值比较对无驻留问题路段进行自动识别；通过提取5G无驻留发生规定时间段内(前3秒)的采样点数据的参考信号接收功率(RSRP)、信号与干扰噪声比(SINR)指标，结合北向告警数据、测量报告、随机接入事件、RRC重建事件的综合分析，自动分析5G无驻留问题的根因。应用本申请中5G无驻留问题自动根因分析方法，可快速定位问题，避免网优人员花费大量时间在多个系统数据中关联数据，统计关键指标，查找相关参数，减少故障分析时间，提高问题解决效率，同时也减少了对网优人员专业技能的需求。
一种5G无驻留问题自动根因分析方法，包括：
步骤100、通过将采样点之间的无驻留距离和无驻留时长与对应的门限值比较对无驻留问题路段进行自动识别；
步骤200、根据无驻留在最初规定时间段内主区采样点的运行参数统计判定无驻留路段根因；
其中，所述运行参数包括无驻留的主区同步广播块功率、参考信号接收功率及信号与干扰噪声比。
结合本发明所述的5G无驻留问题自动根因分析方法，第一种可能的实施方式中，所述步骤100包括：
步骤110、对测试数据中无需驻留识别的数据及NR频点非空值之前的所有采样点数据进行过滤；
步骤120、对采样点数据进行数据流切片；
步骤130、利用所述数据流切片中的采样点获取无驻留问题路段信息。
结合本发明第一种可能的实施方式，第二种可能的实施方式中，所述步骤120包括：
步骤121、对出现LTE频点和NR频点都是空值的采样点数据流进行分段切片，获取第一采样点切片；
步骤122、对连续的NR频点大于零的采样点数据流满足：
采样点之间距离大于门限值且时长大于门限值时，
则进行分段切片，获取第二采样点切片。
结合本发明第二种可能的实施方式，第三种可能的实施方式中，所述步骤130包括：
步骤131、若所述第一采样点切片或者第二采样点切片中的采样点满足：LTE频点大于零且NR频点为空，
则该采样点为当前NR无驻留开始点；
步骤132、从所述当前NR无驻留开始点开始，若采样点满足：
NR频点大于零，
则该采样点为当前NR无驻留结束点；
步骤133、根据所述当前无驻留开始点与所述当前NR无驻留结束点获取无驻留时长；
步骤134、计算根据所述当前无驻留开始点与所述当前NR无驻留结束点区间的无驻留距离；
步骤135、若所述无驻留时长大于门限值且所述无驻留距离大于门限值，则为无驻留问题路段。
结合本发明第二种可能的实施方式，第四种可能的实施方式中，所述步骤130包括：
步骤131a、若所述第一采样点切片或者第二采样点切片中的采样点满足：LTE频点大于零且NR频点为空，
则该采样点为当前NR无驻留开始点；
步骤132a、从所述当前NR无驻留开始点开始，若采样点满足：
NR频点大于零，
则该采样点为当前NR无驻留结束点；
步骤133a、根据所述当前无驻留开始点与所述当前NR无驻留结束点获取无驻留时长；
步骤134a、计算根据所述当前无驻留开始点与所述当前NR无驻留结束点区间的无驻留距离；
步骤135a、若所述无驻留时长大于门限值或所述无驻留距离大于门限值，则为无驻留问题路段。
结合本发明所述的5G无驻留路段根因自动分析方法，第五种可能的实施方式中，所述步骤200包括：
步骤210、判断无驻留根因是否为服务小区故障；
步骤220、若不是服务小区故障，则判断是否为5G弱覆盖；
步骤230、若不是5G弱覆盖故障，则判断是否为A2参数设置不合理；
步骤240、若不是A2参数设置不合理故障，则判断是否为越区造成的重叠覆盖故障；
步骤250、若不是越区造成的重叠覆盖故障，则判断是否为非越区造成的重叠覆盖故障；
步骤260、若不是非越区造成的重叠覆盖故障，则判断是否为下行干扰故障；
步骤270、若不是下行干扰故障，则判断是否为RA参数异常故障；
步骤280、若不是RA参数异常故障故障，则判断是否为RRC重建立参数异常故障。
结合本发明所述第五种可能的实施方式，第六种可能的实施方式中，所述步骤220包括：
步骤221、获取无驻留规定时间段内主区采样点的同步广播块功率与参考信号接收功率的第一功率差值；
步骤222、将所述第一功率差值小于第一功率阈值的采样点占比与对应的门限值比较，若超过门限值，则判定无驻留路段根因为5G弱覆盖。
结合本发明第五种可能的实施方式，第七种可能的实施方式中，所述步骤240包括：
步骤241、获取无驻留规定时间段内主区采样点的平均同步广播块功率与平均参考信号接收功率的第二功率差值、平均信号与干扰噪声比、NR频点相同的服务小区与相邻小区的参考信号接收功率差值小于门限值的服务小区数；
步骤242、若所述主区采样点满足：
所述第二功率差值大于第二功率阈值、平均信号与干扰噪声比小于门限值、所述服务小区数大于门限值、服务小区和采样点的距离大于规定公里数或者服务小区和采样点的距离大于规定间距；
则判定无驻留路段根因为越区造成的重叠覆盖。
结合本发明第五种可能的实施方式，第八种可能的实施方式中，所述步骤250包括：
步骤251、获取无驻留规定时间段内主区采样点的平均同步广播块功率与平均参考信号接收功率的第二功率差值、平均信号与干扰噪声比、NR频点相同的服务小区与相邻小区的参考信号接收功率差值小于门限值的服务小区数；
步骤252、若所述主区采样点满足：
所述第二功率差值大于第二功率阈值、平均信号与干扰噪声比小于门限值、所述服务小区数大于门限值、服务小区和采样点的距离小于规定公里数或者服务小区和采样点的距离小于规定间距；
则判定无驻留路段根因为非越区造成的重叠覆盖。
结合本发明第五种可能的实施方式，第九种可能的实施方式中，所述步骤260包括：
步骤261、获取无驻留规定时间段内主区采样点的平均同步广播块功率与平均参考信号接收功率的第二功率差值、平均信号与干扰噪声比、NR频点相同的服务小区与相邻小区的参考信号接收功率差值小于门限值的服务小区数；
步骤262、若所述主区采样点满足：
所述第二功率差值大于第二功率阈值、平均信号与干扰噪声比小于门限值、所述服务小区数小于门限值；
则判定无驻留路段根因为下行干扰。
实施本发明所述的5G无驻留问题自动根因分析方法，通过将采样点之间的无驻留距离和无驻留时长与对应的门限值比较对无驻留问题路段进行自动识别；通过提取5G无驻留发生规定时间段内(前3秒)的采样点数据的参考信号接收功率(RSRP)、信号与干扰噪声比(SINR)指标，结合北向告警数据、测量报告、随机接入事件、RRC重建事件的综合分析，自动分析5G无驻留问题的根因。实施本申请中的分析方法，具有以下技术效果：
对于处理用户投诉或者路测的数据分析，应用本申请中5G无驻留问题自动根因分析方法，可快速定位问题，避免网优人员花费大量时间在多个系统数据中关联数据，统计关键指标，查找相关参数，减少故障分析时间，提高问题解决效率，同时也减少了对网优人员专业技能的需求。
该方法有利于快速处理用户投诉工单，提高故障处理效率，并减少对网优人员专业技能的需求。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明中5G无驻留问题自动根因分析方法第一实施例示意图；
图2是本发明中5G无驻留问题自动根因分析方法第二实施例示意图；
图3是本发明中5G无驻留问题自动根因分析方法第三实施例示意图；
图4是本发明中5G无驻留问题自动根因分析方法第四实施例示意图；
图5是本发明中5G无驻留问题自动根因分析方法第五实施例示意图；
图6是本发明中5G无驻留问题自动根因分析方法第六实施例示意图；
图7是本发明中5G无驻留问题自动根因分析方法第七实施例示意图；
图8是本发明中5G无驻留问题自动根因分析方法第八实施例示意图；
图9是本发明中5G无驻留问题自动根因分析方法第九实施例示意图；
图10是本发明中5G无驻留问题自动根因分析方法第十实施例示意图；
图11是本发明中5G无驻留问题自动根因分析系统实施例示意图；
具体实施方式
下面将结合发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的其他实施例，都属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
现有技术中，一旦5G出现无驻留问题，移动网络用户的上网体验急剧下降，导致网络投诉上升，离网率增加。
针对上述问题，提出一种5G无驻留问题自动根因分析方法。
一种5G无驻留问题自动根因分析方法，如图1，图1是本发明中5G无驻留问题自动根因分析方法第一实施例示意图，包括：步骤100、通过将采样点之间的无驻留距离和无驻留时长与对应的门限值比较对无驻留问题路段进行自动识别；步骤200、根据无驻留在最初规定时间段内主区采样点的运行参数统计判定无驻留路段根因；其中，运行参数包括无驻留的主区同步广播块功率、参考信号接收功率及信号与干扰噪声比。
本申请中的5G无驻留问题自动根因分析方法采用大数据集群的5G无驻留问题自动根因分析系统，如图11，图11是本发明中5G无驻留问题自动根因分析系统实施例示意图，该系统架构图主要包括数据采集模块、大数据集群模块及web应用模块，数据采集模块主要采集外部的路测数据、MR数据、性能数据、告警数据、配置参数、DPI等数据源，并上传HDFS存储。大数据集群模块包括Spark、yarn、Zookeeper等组件，进行数据的存储、计算，以及任务调度功能。同时，无驻留问题识别、问题根因分析的数据处理也在大数据集群模块中进行Web应用模块主要进行数据统计、GIS渲染、数据分析、道路跟踪等可视化显示功能。
通过将采样点之间的无驻留距离和无驻留时长与对应的门限值比较对无驻留问题路段进行自动识别，并根据无驻留在最初规定时间段内主区采样点的运行参数统计判定无驻留路段根因，有利于快速处理用户投诉工单，提高故障处理效率，并减少对网优人员专业技能的需求。
在一个优选实施方式中，如图2，图2是本发明中5G无驻留问题自动根因分析方法第二实施例示意图，步骤100包括：步骤110、对测试数据中无需驻留识别的数据及NR频点非空值之前的所有采样点数据进行过滤；步骤120、对采样点数据进行数据流切片；步骤130、利用数据流切片中的采样点获取无驻留问题路段信息。
优选地，如图3，图3是本发明中5G无驻留问题自动根因分析方法第三实施例示意图，步骤120包括：步骤121、对出现LTE频点和NR频点都是空值的采样点数据流进行分段切片，获取第一采样点切片；步骤122、对连续的NR频点大于零的采样点数据流满足：采样点之间距离大于门限值且时长大于门限值时，则进行分段切片，获取第二采样点切片。
过滤数据的作用是过滤不需要进行无驻留问题识别的测试数据，包括EPSFB业务、VOLTE业务以及网络制式非NR5G。过滤采样点的作用是过滤在NR频点为非空值之前的所有采样点数据。
数据流切片是将一次测试的数据流分割为多个片段，分别进行无驻留问题识别的处理，从而充分利用大数据集群的并行处理能力。具体的方法是：
若出现LTE频点和NR频点都是空值的采样点数据流时，则进行分段切片，获取第一采样点切片；若连续的NR频点大于0的采样点距离大于门限值，且时长大于门限值时，则进行分段切片，获取第二采样点切片。
优选地，如图4，图4是本发明中5G无驻留问题自动根因分析方法第四实施例示意图，步骤130包括：步骤131、若第一采样点切片或者第二采样点切片中的采样点满足：LTE频点大于零且NR频点为空，则该采样点为当前NR无驻留开始点；步骤132、从当前NR无驻留开始点开始，若采样点满足：NR频点大于零，则该采样点为当前NR无驻留结束点；步骤133、根据当前无驻留开始点与当前NR无驻留结束点获取无驻留时长；步骤134、计算根据当前无驻留开始点与当前NR无驻留结束点区间的无驻留距离；步骤135、若无驻留时长大于门限值且无驻留距离大于门限值，则为无驻留问题路段。
在一个优选实施方式中，如图5，图5是本发明中5G无驻留问题自动根因分析方法第五实施例示意图，步骤130包括：步骤131a、若第一采样点切片或者第二采样点切片中的采样点满足：LTE频点大于零且NR频点为空，则该采样点为当前NR无驻留开始点；步骤132a、从当前NR无驻留开始点开始，若采样点满足：NR频点大于零，则该采样点为当前NR无驻留结束点；步骤133a、根据当前无驻留开始点与当前NR无驻留结束点获取无驻留时长；步骤134a、计算根据当前无驻留开始点与当前NR无驻留结束点区间的无驻留距离；步骤135a、若无驻留时长大于门限值或无驻留距离大于门限值，则为无驻留问题路段。
无驻留问题路段的识别原理如下：
步骤1、从当前的采样点切片分段查找出现一个LTE频点大于0，且NR频点为空的采样点；
步骤2、满足步骤1的采样点记录为当前NR无驻留开始点，记录该采样点的时间戳为startts；
步骤3：继续往下统计到NR频点大于0停止，记录该采样点为当前NR无驻留结束点，记录当前NR无驻留结束点前一个采样点的时间戳为endts，统计当前NR无驻留开始点与当前NR无驻留结束点区间的无驻留距离和无驻留时长；
步骤4：无驻留距离和无驻留时长满足下述条件则判断为形成无驻留问题路段：
(1)无驻留距离大于门限值；
(2)无驻留时长大于门限值；
(1)和(2)为或的关系，也可以根据需求调整为且的关系。
不满足上述条件，则继续查找出现下一个LTE频点大于0，且NR频点为空的采样点，重复上述步骤，直至本采样点切片分段结束。
如图6，图6是本发明中5G无驻留问题自动根因分析方法第六实施例示意图，无驻留根因分析的优选实施为：
步骤210、判断无驻留根因是否为服务小区故障；步骤220、若不是服务小区故障，则判断是否为5G弱覆盖；步骤230、若不是5G弱覆盖故障，则判断是否为A2参数设置不合理；步骤240、若不是A2参数设置不合理故障，则判断是否为越区造成的重叠覆盖故障；步骤250、若不是越区造成的重叠覆盖故障，则判断是否为非越区造成的重叠覆盖故障；步骤260、若不是非越区造成的重叠覆盖故障，则判断是否为下行干扰故障；步骤270、若不是下行干扰故障，则判断是否为RA参数异常故障；步骤280、若不是RA参数异常故障故障，则判断是否为RRC重建立参数异常故障。
优选地，
服务小区与北向告警数据相关联，关联条件为本基站周围一定距离范围的基站出现的告警，且告警未恢复，且无驻留开始时间大于告警发生时间。满足以上条件则判断为服务小区故障，按站点故障处理。
无驻留产生前3秒的5G测量报告中，出现eventtype＝“N B1”，则判断为5G-4G A2参数不合理。
随机接入事件的结果值为Fail，则判断为RA参数异常，需核查RA参数。
RRC重建立事件的结果值为Fail，则判断为重建立参数异常，需核查RRC重建立参数。
通过提取5G无驻留发生规定时间段内(前3秒)的采样点数据的参考信号接收功率(RSRP)、信号与干扰噪声比(SINR)指标，结合北向告警数据、测量报告、随机接入事件、RRC重建事件的综合分析，自动分析5G无驻留问题的根因。
在一个优选实施方式中，如图7，图7是本发明中5G无驻留问题自动根因分析方法第七实施例示意图，步骤220包括：
步骤221、获取无驻留规定时间段内主区采样点的同步广播块功率与参考信号接收功率的第一功率差值；步骤222、将第一功率差值小于第一功率阈值的采样点占比与对应的门限值比较，若超过门限值，则判定无驻留路段根因为5G弱覆盖。
规定时间段优选为无驻留产生前3秒，同步广播块功率(SSB)与参考信号接收功率(RSRP)的第一功率差值，第一功率阈值优选为-115dBm。
具体地，无驻留产生前3秒的所有采样点中(采样点数必须>1)SSB-RSRP<-115dBm的采样点占比超过门限值，则判断为5G弱覆盖。
在一个优选实施方式中，如图8，图8是本发明中5G无驻留问题自动根因分析方法第八实施例示意图，步骤240包括：
步骤241、获取无驻留规定时间段内主区采样点的平均同步广播块功率与平均参考信号接收功率的第二功率差值、平均信号与干扰噪声比、NR频点相同的服务小区与相邻小区的参考信号接收功率差值小于门限值的服务小区数；步骤242、若主区采样点满足：第二功率差值大于第二功率阈值、平均信号与干扰噪声比小于门限值、服务小区数大于门限值、服务小区和采样点的距离大于规定公里数或者服务小区和采样点的距离大于规定间距；则判定无驻留路段根因为越区造成的重叠覆盖。
规定时间段优选为无驻留产生前3秒，同步广播块功率(SSB)与参考信号接收功率(RSRP)的第二功率差值，第二功率阈值优选为-95dBm。平均信号与干扰噪声比的门限值优选为-3dB，NR频点相同的服务小区与相邻小区的参考信号接收功率差值优选为6dBm，满足NR频点相同的服务小区与相邻小区的参考信号接收功率差值小于6dBm的服务小区数的门限值优选为3个。
具体地，无驻留产生前3秒的采样点满足：
平均SSB-RSRP>-95dBm&平均SINR<-3dB；
频点相同的服务小区和邻区的RSRP差值小于6dBm，满足条件的小区数>＝3个；
服务小区和采样点的距离大于1公里或者服务小区和采样点的距离大于2倍站间距。
则判断为越区造成的重叠覆盖，需调整主服小区的天馈。
在一个优选实施方式中，如图9，图9是本发明中5G无驻留问题自动根因分析方法第九实施例示意图，步骤250包括：步骤251、获取无驻留规定时间段内主区采样点的平均同步广播块功率与平均参考信号接收功率的第二功率差值、平均信号与干扰噪声比、NR频点相同的服务小区与相邻小区的参考信号接收功率差值小于门限值的服务小区数；步骤252、若主区采样点满足：
第二功率差值大于第二功率阈值、平均信号与干扰噪声比小于门限值、服务小区数大于门限值、服务小区和采样点的距离小于规定公里数或者服务小区和采样点的距离小于规定间距；则判定无驻留路段根因为非越区造成的重叠覆盖。
规定时间段优选为无驻留产生前3秒，同步广播块功率(SSB)与参考信号接收功率(RSRP)的第二功率差值，第二功率阈值优选为-95dBm。平均信号与干扰噪声比的门限值优选为-3dB，NR频点相同的服务小区与相邻小区的参考信号接收功率差值优选为6dBm，满足NR频点相同的服务小区与相邻小区的参考信号接收功率差值小于6dBm的服务小区数的门限值优选为3个。
具体地，无驻留产生前3秒的采样点满足：
平均SSB-RSRP>-95dBm&平均SINR<-3dB；
频点相同的服务小区和邻区的RSRP差值小于6dBm，满足条件的小区数>＝3个；
服务小区和采样点的距离小于1公里或者服务小区和采样点的距离小于2倍站间距；
则判断为非越区造成的重叠覆盖，需核查主服小区的天馈的合理性。
在一个优选实施方式中，如图10，图10是本发明中5G无驻留问题自动根因分析方法第十实施例示意图；步骤260包括：步骤261、获取无驻留规定时间段内主区采样点的平均同步广播块功率与平均参考信号接收功率的第二功率差值、平均信号与干扰噪声比、NR频点相同的服务小区与相邻小区的参考信号接收功率差值小于门限值的服务小区数；步骤262、若主区采样点满足：第二功率差值大于第二功率阈值、平均信号与干扰噪声比小于门限值、服务小区数小于门限值；则判定无驻留路段根因为下行干扰。
规定时间段优选为无驻留产生前3秒，同步广播块功率(SSB)与参考信号接收功率(RSRP)的第二功率差值，第二功率阈值优选为-95dBm。平均信号与干扰噪声比的门限值优选为-3dB，NR频点相同的服务小区与相邻小区的参考信号接收功率差值优选为6dBm，满足NR频点相同的服务小区与相邻小区的参考信号接收功率差值小于6dBm的服务小区数的门限值优选为3个。
具体地，无驻留产生前3秒的采样点满足：
平均SSB-RSRP>-95dBm&平均SINR<-3dB；
频点相同的服务小区和邻区的RSRP差值小于6dBm，满足条件的小区数<3个；
则判定无驻留路段根因为下行干扰。
对于处理用户投诉或者路测的数据分析，应用本申请中5G无驻留问题自动根因分析方法，可快速定位问题，避免网优人员花费大量时间在多个系统数据中关联数据，统计关键指标，查找相关参数，减少故障分析时间，提高问题解决效率，同时也减少了对网优人员专业技能的需求。
实施本发明的5G无驻留路段根因自动分析方法，通过将采样点之间的无驻留距离和无驻留时长与对应的门限值比较对无驻留问题路段进行自动识别；通过提取5G无驻留发生规定时间段内(前3秒)的采样点数据的参考信号接收功率(RSRP)、信号与干扰噪声比(SINR)指标，结合北向告警数据、测量报告、随机接入事件、RRC重建事件的综合分析，自动分析5G无驻留问题的根因。该方法有利于快速处理用户投诉工单，提高故障处理效率，并减少对网优人员专业技能的需求。
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种5G无驻留问题自动根因分析方法，其特征在于，包括：
步骤100、通过将采样点之间的无驻留距离和无驻留时长与对应的门限值比较对无驻留问题路段进行自动识别；
步骤200、根据无驻留在最初规定时间段内主区采样点的运行参数统计判定无驻留路段根因；
其中，所述运行参数包括无驻留的主区同步广播块功率、参考信号接收功率及信号与干扰噪声比。
2.根据权利要求1所述的5G无驻留问题自动根因分析方法，其特征在于，所述步骤100包括：
步骤110、对测试数据中无需驻留识别的数据及NR频点非空值之前的所有采样点数据进行过滤；
步骤120、对采样点数据进行数据流切片；
步骤130、利用所述数据流切片中的采样点获取无驻留问题路段信息。
3.根据权利要求2所述的5G无驻留问题自动根因分析方法，其特征在于，所述步骤120包括：
步骤121、对出现LTE频点和NR频点都是空值的采样点数据流进行分段切片，获取第一采样点切片；
步骤122、对连续的NR频点大于零的采样点数据流满足：
采样点之间距离大于门限值且时长大于门限值时，
则进行分段切片，获取第二采样点切片。
4.根据权利要求3所述的5G无驻留问题自动根因分析方法，其特征在于，所述步骤130包括：
步骤131、若所述第一采样点切片或者第二采样点切片中的采样点满足：LTE频点大于零且NR频点为空，
则该采样点为当前NR无驻留开始点；
步骤132、从所述当前NR无驻留开始点开始，若采样点满足：
NR频点大于零，
则该采样点为当前NR无驻留结束点；
步骤133、根据所述当前无驻留开始点与所述当前NR无驻留结束点获取无驻留时长；
步骤134、计算根据所述当前无驻留开始点与所述当前NR无驻留结束点区间的无驻留距离；
步骤135、若所述无驻留时长大于门限值且所述无驻留距离大于门限值，则为无驻留问题路段。
5.根据权利要求3所述的5G无驻留问题自动根因分析方法，其特征在于，所述步骤130包括：
步骤131a、若所述第一采样点切片或者第二采样点切片中的采样点满足：LTE频点大于零且NR频点为空，
则该采样点为当前NR无驻留开始点；
步骤132a、从所述当前NR无驻留开始点开始，若采样点满足：
NR频点大于零，
则该采样点为当前NR无驻留结束点；
步骤133a、根据所述当前无驻留开始点与所述当前NR无驻留结束点获取无驻留时长；
步骤134a、计算根据所述当前无驻留开始点与所述当前NR无驻留结束点区间的无驻留距离；
步骤135a、若所述无驻留时长大于门限值或所述无驻留距离大于门限值，则为无驻留问题路段。
6.根据权利要求4所述的5G无驻留问题自动根因分析方法，其特征在于，所述步骤200包括：
步骤210、判断无驻留根因是否为服务小区故障；
步骤220、若不是服务小区故障，则判断是否为5G弱覆盖；
步骤230、若不是5G弱覆盖故障，则判断是否为A2参数设置不合理；
步骤240、若不是A2参数设置不合理故障，则判断是否为越区造成的重叠覆盖故障；
步骤250、若不是越区造成的重叠覆盖故障，则判断是否为非越区造成的重叠覆盖故障；
步骤260、若不是非越区造成的重叠覆盖故障，则判断是否为下行干扰故障；
步骤270、若不是下行干扰故障，则判断是否为RA参数异常故障；
步骤280、若不是RA参数异常故障故障，则判断是否为RRC重建立参数异常故障。
7.根据权利要求6所述的5G无驻留问题自动根因分析方法，其特征在于，所述步骤220包括：
步骤221、获取无驻留规定时间段内主区采样点的同步广播块功率与参考信号接收功率的第一功率差值；
步骤222、将所述第一功率差值小于第一功率阈值的采样点占比与对应的门限值比较，若超过门限值，则判定无驻留路段根因为5G弱覆盖。
8.根据权利要求6所述的5G无驻留问题自动根因分析方法，其特征在于，所述步骤240包括：
步骤241、获取无驻留规定时间段内主区采样点的平均同步广播块功率与平均参考信号接收功率的第二功率差值、平均信号与干扰噪声比、NR频点相同的服务小区与相邻小区的参考信号接收功率差值小于门限值的服务小区数；
步骤242、若所述主区采样点满足：
所述第二功率差值大于第二功率阈值、平均信号与干扰噪声比小于门限值、所述服务小区数大于门限值、服务小区和采样点的距离大于规定公里数或者服务小区和采样点的距离大于规定间距；
则判定无驻留路段根因为越区造成的重叠覆盖。
9.根据权利要求6所述的5G无驻留问题自动根因分析方法，其特征在于，所述步骤250包括：
步骤251、获取无驻留规定时间段内主区采样点的平均同步广播块功率与平均参考信号接收功率的第二功率差值、平均信号与干扰噪声比、NR频点相同的服务小区与相邻小区的参考信号接收功率差值小于门限值的服务小区数；
步骤252、若所述主区采样点满足：
所述第二功率差值大于第二功率阈值、平均信号与干扰噪声比小于门限值、所述服务小区数大于门限值、服务小区和采样点的距离小于规定公里数或者服务小区和采样点的距离小于规定间距；
则判定无驻留路段根因为非越区造成的重叠覆盖。
10.根据权利要求6所述的5G无驻留问题自动根因分析方法，其特征在于，所述步骤260包括：
步骤261、获取无驻留规定时间段内主区采样点的平均同步广播块功率与平均参考信号接收功率的第二功率差值、平均信号与干扰噪声比、NR频点相同的服务小区与相邻小区的参考信号接收功率差值小于门限值的服务小区数；
步骤262、若所述主区采样点满足：
所述第二功率差值大于第二功率阈值、平均信号与干扰噪声比小于门限值、所述服务小区数小于门限值；
则判定无驻留路段根因为下行干扰。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111541470.5A CN114363924B (zh) | 2021-12-16 | 2021-12-16 | 一种5g无驻留问题自动根因分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111541470.5A CN114363924B (zh) | 2021-12-16 | 2021-12-16 | 一种5g无驻留问题自动根因分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114363924A true CN114363924A (zh) | 2022-04-15 |
| CN114363924B CN114363924B (zh) | 2023-11-17 |
Family
ID=81099075
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111541470.5A Active CN114363924B (zh) | 2021-12-16 | 2021-12-16 | 一种5g无驻留问题自动根因分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114363924B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117560706A (zh) * | 2024-01-12 | 2024-02-13 | 亚信科技（中国）有限公司 | 根因分析方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108271191A (zh) * | 2016-12-30 | 2018-07-10 | 中国移动通信集团福建有限公司 | 无线网络问题根因定位方法及装置 |
| WO2018175809A1 (en) * | 2017-03-22 | 2018-09-27 | Comcast Cable Communications, Llc | Random access process in new radio |
| CN112839337A (zh) * | 2021-01-07 | 2021-05-25 | 东南大学 | 一种基于分治递归策略的超密微基站间干扰协调方法 |
| CN113408812A (zh) * | 2021-06-30 | 2021-09-17 | 北京红山信息科技研究院有限公司 | 一种网络优化方法、装置、计算机设备及存储介质 |
-
2021
- 2021-12-16 CN CN202111541470.5A patent/CN114363924B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108271191A (zh) * | 2016-12-30 | 2018-07-10 | 中国移动通信集团福建有限公司 | 无线网络问题根因定位方法及装置 |
| WO2018175809A1 (en) * | 2017-03-22 | 2018-09-27 | Comcast Cable Communications, Llc | Random access process in new radio |
| CN112839337A (zh) * | 2021-01-07 | 2021-05-25 | 东南大学 | 一种基于分治递归策略的超密微基站间干扰协调方法 |
| CN113408812A (zh) * | 2021-06-30 | 2021-09-17 | 北京红山信息科技研究院有限公司 | 一种网络优化方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 张国光;赵占强;许国平;孙宏;赵煜;褚旭;: "5G网络维护自动化及优化智能化研究", 邮电设计技术, no. 07 * |
| 温逸思;: "基于大数据的4G驻留比提升策略浅析", 中国新通信, no. 15 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117560706A (zh) * | 2024-01-12 | 2024-02-13 | 亚信科技（中国）有限公司 | 根因分析方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114363924B (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106792754B (zh) | 高铁上的通信用户检测方法和系统 | |
| CN108462966B (zh) | 一种基于2g网络高铁小区rru定位识别方法及系统 | |
| CN107071740B (zh) | 基于软采信令的高铁上通信用户检测方法和系统 | |
| CN110505650B (zh) | 随机异构分层网容量智能评估方法及装置 | |
| CN101031152B (zh) | 一种缩短移动用户终端在空闲模式下重选时延的方法 | |
| CN109121155B (zh) | 通信系统覆盖能力的确定方法及装置 | |
| CN107567030B (zh) | 一种排查与规避伪基站干扰的方法及系统 | |
| CN102497658A (zh) | 一种异构网络的多模切换方法 | |
| CN104168614A (zh) | 一种基于地理位置信息的高速铁路lte系统小区重选系统和方法 | |
| CN102457872A (zh) | 一种邻区自动优化方法及装置 | |
| EP2439985A1 (en) | Method for paging mobile terminal and mobile call center apparatus | |
| CN108966237B (zh) | 确定退频评估标准的方法、装置及退频评估方法、装置 | |
| Gao et al. | A coverage of self-optimization algorithm using big data analytics in WCDMA cellular networks | |
| CN114245407A (zh) | 网络优化方法、装置、设备及存储介质 | |
| CN114363924B (zh) | 一种5g无驻留问题自动根因分析方法 | |
| CN104869588A (zh) | Td-scdma/td-lte干扰分析仪及测试方法 | |
| Guan et al. | Research on evaluation method of wireless network cross-boundary coverage based on smart terminals location data | |
| CN105722112A (zh) | 基于移动终端的通信网络测试和优化系统 | |
| CN110267277B (zh) | 一种基于mdt的小区均衡度评估方法 | |
| CN111866847B (zh) | 移动通信网络数据分析方法、设备及计算机存储介质 | |
| CN101959169A (zh) | 一种相邻小区的优化方法及装置 | |
| CN103648128B (zh) | 一种确定系统间切换门限的方法及装置 | |
| CN102625348B (zh) | 一种频率跟踪方法及装置 | |
| CN105636126B (zh) | 一种切换判决方法及装置 | |
| CN108243039B (zh) | 交通干线网络综合分析方法及装置 |
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 |