CN207518862U - 一种基于用户分布模型的网络覆盖评估与优化平台 - Google Patents
一种基于用户分布模型的网络覆盖评估与优化平台 Download PDFInfo
- Publication number
- CN207518862U CN207518862U CN201721664519.5U CN201721664519U CN207518862U CN 207518862 U CN207518862 U CN 207518862U CN 201721664519 U CN201721664519 U CN 201721664519U CN 207518862 U CN207518862 U CN 207518862U
- Authority
- CN
- China
- Prior art keywords
- module
- output terminal
- model
- perceptibility
- grid division
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本实用新型提供一种基于用户分布模型的网络覆盖评估与优化平台,具有MR参数接口,还包括数据解析模块、分布模型建立模块、MR定位模块、地理栅格划分与感知度计算模块、覆盖距离计算模块、方位角计算模块;数据解析模块的输入端与MR参数接口相连;MR定位模块的输入端与数据解析模块的第一输出端相连,分布模型建立模块的输入端与数据解析模块的第二输出端相连;地理栅格划分与感知度计算模块的第一输入端与MR定位模块的输出端相连,第二输入端与分布模型建立模块的输出端相连;覆盖距离计算模块的输入端与地理栅格划分与感知度计算模块的输出端相连,方位角计算模块与覆盖距离计算模块的输出端相连;通过该平台可实现精细化指导无线网络覆盖优化。
Description
技术领域
本实用新型属于无线通信网络优化技术领域,特别是涉及一种基于用户分布模型的网络覆盖评估与优化平台。
背景技术
无线网络优化是通过对现有已运行的网络进行数据分析、现场测试数据采集、参数分析、硬件检查等手段,找出影响网络质量的原因,并且通过参数的修改、网络覆盖的调整、设备配置的调整和采取某些技术手段,确保系统高质量的运行,使现有网络资源获得最佳效益。
随着无线网络的飞速发展,用户对网络的业务速率以及服务质量的要求也越来越高,现有的粗犷型的无线网络天线参数优化策略,已然难以满足实际需求。通过MR指标、规划仿真、道路测试等获得天线方位角设置值的传统方法具有以下缺点:
(1)传统天馈优化手段,单纯从MR覆盖率指标出发,利用传统的网优工具,结合路测数据,人工逐个分析判断,重复性核查工作较多,导致天馈问题定位困难,参数精度低,无法发掘本质问题;
(2)传统依据规划仿真软件的天馈参数设置策略,未考虑现网实际流量的分布情况,单纯以满足网络覆盖率为目标,方位角主覆盖方向会偏离流量集中区域,造成有流量需要集中覆盖的地方没有覆盖或是覆盖较差;而流量较少或是没有流量的区域覆盖很好,极大降低了网络覆盖效率,浪费网络资源。
实用新型内容
针对现有技术的以上缺陷或改进需求,本实用新型提供了一种基于用户分布模型的网络覆盖评估与优化平台,用于解决现有网络覆盖优化采用人工方式逐个分析效率低、精度低的问题。
为实现上述目的,按照本实用新型,提供一种基于用户分布模型的网络覆盖评估与优化平台,具有MR(测量报告)参数接口,还包括数据解析模块、分布模型建立模块、MR定位模块、地理栅格划分与感知度计算模块、覆盖距离计算模块、方位角计算模块;
所述数据解析模块的输入端与MR参数接口相连;所述MR定位模块的输入端与数据解析模块的第一输出端相连,所述分布模型建立模块的输入端与数据解析模块的第二输出端相连;地理栅格划分与感知度计算模块的第一输入端与MR定位模块的输出端相连,第二输入端与分布模型建立模块的输出端相连;覆盖距离计算模块的输入端与地理栅格划分与感知度计算模块的输出端相连,方位角计算模块与覆盖距离计算模块的输出端相连。
优选的,上述基于用户分布模型的网络覆盖评估与优化平台,其数据解析模块包括依次连接的MR参数获取模块和小区参数关联模块;
其MR参数获取模块根据MR参数接口所接收的MR参数获取时间提前量、天线达到角、参考信号电平和参考信号质量;小区参数关联模块则将关联小区的工程参数进行归置形成数据库;其中,工程参数包括关联小区的基站名称、小区名称、eNodeBID(基站标识)、CI(Cell Identity小区标识)、小区经度、小区纬度、方位角以及小区流量数据。
优选的,上述基于用户分布模型的网络覆盖评估与优化平台,其分布模型建立模块包括数据整合模块和混合高斯模型建立模块;
其中,数据整合模块一端作为分布模型建立模块的输入端,另一端与所述混合高斯模型建立模块相连;
其中,混合高斯模型建立模块内置有聚类分析算法程序和MR大数据分析算法程序;将MR数据样本中的数据分别在多个高斯模型上投影以建立用户分布模型。
优选的,上述基于用户分布模型的网络覆盖评估与优化平台,其MR定位模块包括距离获取模块、角度获取模块、基站坐标生成模块;距离获取模块与角度获取模块分别与基站坐标生成模块相连;
其中,距离获取模块内置有TA+AOA定位算法,计算MR到基站之间的距离d;角度获取模块利用MR数据中的AOA测量值得到MR相对于基站正北方向的角度θ;基站坐标生成模块接收上述两个模块输出的数据生成一组二维向量(d,θ),以基站坐标为参考,计算得到MR位置坐标,实现用户定位。
优选的,上述基于用户分布模型的网络覆盖评估与优化平台,其地理栅格划分与感知度计算模块包括地理解析模块、视图控制模块和用户感知KQI计算模块;
其中,地理解析模块的第一端作为地理栅格划分与感知度计算模块的第一端接收MR定位模块发送的用户定位信息,第二端作为地理栅格划分与感知度计算模块的第二端接收用户分布模型信息;
所接收的信息传送至视图控制模块,视图控制模块将三维地图划分为一系列具有一定大小的正方形格子,并对栅格编号,将MR数据放在这些格子中,根据MR数据栅格包含的主小区通过二维矢量计算法对用户分布在地理上的精细化定位;
用户感知KQI(关键质量指标)计算模块用于对用户感知度的栅格级量化评估,采用栅格中包含的MR数量作为权重,将小区流量分配到栅格中,完成流量的地理化,并以参数“栅格感知度ExpGi”作为栅格质量评估指数。
优选的,上述基于用户分布模型的网络覆盖评估与优化平台,其覆盖距离锁定模块内置有三角场强定位算法,该模块接收地理栅格划分与感知度计算模块传来的栅格感知度,采用其内置的三角场强定位算法计算小区的主覆盖方向。
优选的,上述基于用户分布模型的网络覆盖评估与优化平台,其方位角计算模块内置有二维矢量计算算法,接收覆盖距离锁定模块传来的小区覆盖方向的矢量,采取二维矢量计算算法把直角坐标系下弧度转化为以正北为参考对象的角度,得到小区的方位角参数设置值。
总体而言,通过本实用新型所构思的以上技术方案与现有技术相比,具有以下有益效果:
(1)本实用新型提供的基于用户分布模型的网络覆盖评估与优化平台,切合用户真实感知,彻底改变了过去只能依靠多次路测、扫频等被动型的优化手段,减少了人力物力投入;
(2)本实用新型提供的基于用户分布模型的网络覆盖评估与优化平台,以保障用户感知为网络覆盖质量优化的目的,融合了网络质量、业务模型以及用户感知,可快速发现用户最为关注的网络问题,净化了无线环境,改善了网络质量、用户感知和客户满意度,并降低了优化方案的误差,提高工作效率,达到降本增效的目的。
附图说明
图1为本实用新型提供的基于用户分布模型的网络覆盖评估与优化平台的一个实施例的系统总体架构图;
图2为实施例中单小区用户分布统计示意图;
图3为实施例中用户分布模型的聚类统计示意图;
图4为实施例中优化前后覆盖场强提升效果图;
图5为实施例中优化前后流量变化对比图;
图6为实施例中优化前后下载速率对比示意图。
具体实施方式
为了使本实用新型的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本实用新型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实用新型,并不用于限定本实用新型。此外,下面所描述的本实用新型各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本实用新型提供一种基于用户分布模型的网络覆盖评估与优化平台,其架构参照图1,具有MR参数接口,包括数据解析模块、分布模型建立模块、MR定位模块、地理栅格划分与感知度计算模块、覆盖距离计算模块、方位角计算模块;
其中,数据解析模块的输入端与MR参数接口相连;所述MR定位模块的输入端与数据解析模块的第一输出端相连,所述分布模型建立模块的输入端与数据解析模块的第二输出端相连;地理栅格划分与感知度计算模块的第一输入端与MR定位模块的输出端相连,第二输入端与分布模型建立模块的输出端相连;覆盖距离计算模块的输入端与地理栅格划分与感知度计算模块的输出端相连,方位角计算模块与覆盖距离计算模块的输出端相连。其中,数据解析模块包括依次连接的MR参数获取模块和小区参数关联模块;分布模型建立模块包括数据整合模块和混合高斯模型建立模块。
数据解析模块通过由Hadoop(分布式系统基础架构)、GreenPlum(GreenPlum数据库)、SQLSERVER(关系数据库管理系统)混搭架构组成的intel 24核处理器,以及96G运行内存、2T存储空间的计算与存储空间构成的数据处理平台,通过上述平台支持MR参数获取模块和小区参数关联模块收集并解析MR的TA、AOA、rsrp、sinr属性参数,关联小区的基站名称、小区名称、eNodeBID、CI、小区经度、小区纬度、方位角、小区流量等网络参数,并进行归置,形成具备可分析、可运算的数据库。
分布模型建立模块是通过数据整合模块与混合高斯模型建立模块实际数据与模型的适配度进行优化,实现对样本中的数据分别在几个高斯模型上投影,进而得到在各个类上的概率,选取概率最大的类为最终判决结果;
通过内置的聚类分析法和海量MR数据,将TA采样分布的波峰位置定义为用户集中分布的位置距小区的距离,建立起用户分布模型;基于用户分布模型量化网络覆盖的质量以及用户业务感知指数。
MR定位模块是由intel 24核处理器、96G运行内存、2T存储空间,以及linux系统组成的操作平台,支持距离获取模块与角度获取模块,计算MR到基站之间的距离d,再利用MR数据中的AOA测量值得到MR相对于基站正北方向的角度θ,得到一组二维向量(d,θ),再以基站坐标为参考,计算得到MR位置坐标实现用户定位;
地理栅格划分与感知度计算模块通过由intel 24核处理器、96G运行内存、2T存储空间,以及linux操作系统组成的操作平台,支持地理解析模块、OpenGL接口模块、视图控制模块、用户感知KQI计算模块,所述地理解析模块接收MR定位模块与分布模型建立模块传来的用户定位信息和用户分布模型信息,并将所接收的信息传送至视图控制模块,所述视图控制模块将三维地图划分为一系列具有一定大小(例如L*L)的正方形格子,并对栅格编号为i(i=1,2...n),每个栅格的中心坐标记录为Gi(x,y),格子的大小可自定义,将MR数据放在这些格子中,根据MR数据栅格包含的主小区记为A为小区标识,即CI:CellIdentity,intel 24核处理器、96G运行内存,2T存储空间,linux操作系统,采取二维矢量计算法实现,实现对用户分布在地理上的精细化定位;
还用于对用户感知度的栅格级量化评估,采用栅格中包含的MR数量作为权重,把小区流量分配到栅格中,完成流量的地理化。对于同一个小区,在各栅格中的MR采样数量和平均丢包率代表了栅格的业务量大小和业务质量。以参数“栅格感知度”ExpGi作为栅格质量评估指数,即可以实现对用户感知度的栅格级量化评估。
覆盖距离锁定模块通过由intel 24核处理器、96G运行内存、2T存储空间,以及linux操作系统,并采取三角场强定位算法计算小区的主覆盖方向,由此锁定用户分布区域基站的距离。
方位角计算模块通过由intel 24核处理器、96G运行内存、2T存储空间,以及linux操作系统组成的操作平台,并采取二维矢量计算法获得小区到其主覆盖方向的矢量,把直角坐标系下弧度转化为以正北为参考对象的角度,得到小区的方位角参数设置值。
以农村场景的广覆盖优化为例,采用实施例提供的基于用户分布模型的网络覆盖评估与优化平台根据接收到的MR数据进行网络优化。参照图2是单小区用户分布统计曲线,其用户分布必然存在明显的波峰,即用户集中区。参照图3,是实施例中用户分布模型的聚类统计示意图。该实例中,区域涉及网络规模为26个宏站、78个小区。通过网管系统收集3天的MR数据,经本实施例提供的平台获得网络结构、覆盖及用户感知问题,通过用户模型建立模块、地理栅格划分与感知度计算模块,精确制定天馈优化解决方案;具体过程如下:
(1)设置RSRP、SINR、重叠覆盖和过覆盖等指标定义门限、优化目标、权重;
(2)设置优化约束:局部约束对优化区中个别小区都生效,例如美化天线不能调、个别小区只能小幅度调整等;
(3)执行优化;根据设置的优化目标,经该平台自动运算分析,输出如下表1所列的优化参数;
表1优化参数列表
参照图4、5、6是实施例中优化前后的覆盖场强、流量以及下载速率和平均丢包率的对比示意图;可以看出优化后的覆盖场强电平与质量指标均得到明显提升;覆盖场强RSRP值提升9.46db,SINR值提升5.77db,均达到预期目标。用户数据业务流量增涨了213.68%。从下载速率与平均丢包率等方面来看,优化前后指标提升明显,下载速率提升3.49Mbps,平均丢包率下降1.78百分点,均达到预期目标。
本领域的技术人员容易理解,以上所述仅为本实用新型的较佳实施例而已,并不用以限制本实用新型,凡在本实用新型的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本实用新型的保护范围之内。
Claims (5)
1.一种基于用户分布模型的网络覆盖评估与优化平台,其特征在于,具有MR参数接口,还包括数据解析模块、分布模型建立模块、MR定位模块、地理栅格划分与感知度计算模块、覆盖距离计算模块、方位角计算模块;
所述数据解析模块的输入端与MR参数接口相连;所述MR定位模块的输入端与数据解析模块的第一输出端相连,所述分布模型建立模块的输入端与数据解析模块的第二输出端相连;地理栅格划分与感知度计算模块的第一输入端与MR定位模块的输出端相连,第二输入端与分布模型建立模块的输出端相连;覆盖距离计算模块的输入端与地理栅格划分与感知度计算模块的输出端相连,方位角计算模块与覆盖距离计算模块的输出端相连。
2.如权利要求1所述的基于用户分布模型的网络覆盖评估与优化平台,其特征在于,所述数据解析模块包括依次连接的MR参数获取模块和小区参数关联模块。
3.如权利要求1或2所述的基于用户分布模型的网络覆盖评估与优化平台,其特征在于,所述分布模型建立模块包括数据整合模块和混合高斯模型建立模块;
所述数据整合模块一端作为分布模型建立模块的输入端,另一端与所述混合高斯模型建立模块相连。
4.如权利要求3所述的基于用户分布模型的网络覆盖评估与优化平台,其特征在于,所述MR定位模块包括距离获取模块、角度获取模块、基站坐标生成模块;距离获取模块与角度获取模块分别与基站坐标生成模块相连。
5.如权利要求1所述的基于用户分布模型的网络覆盖评估与优化平台,其特征在于,所述地理栅格划分与感知度计算模块包括依次相连的地理解析模块、视图控制模块和用户感知KQI计算模块;
所述地理解析模块的第一端作为地理栅格划分与感知度计算模块的第一端接收MR定位模块发送的用户定位信息,第二端作为地理栅格划分与感知度计算模块的第二端接收用户分布模型信息;所述用户感知KQI计算模块的输出端作为所述地理栅格划分与感知度计算模块的输出端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201721664519.5U CN207518862U (zh) | 2017-12-04 | 2017-12-04 | 一种基于用户分布模型的网络覆盖评估与优化平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201721664519.5U CN207518862U (zh) | 2017-12-04 | 2017-12-04 | 一种基于用户分布模型的网络覆盖评估与优化平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN207518862U true CN207518862U (zh) | 2018-06-19 |
Family
ID=62543425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201721664519.5U Active CN207518862U (zh) | 2017-12-04 | 2017-12-04 | 一种基于用户分布模型的网络覆盖评估与优化平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN207518862U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115134817A (zh) * | 2021-03-29 | 2022-09-30 | 中国移动通信集团山东有限公司 | 5g波束赋形优化方法及系统 |
-
2017
- 2017-12-04 CN CN201721664519.5U patent/CN207518862U/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115134817A (zh) * | 2021-03-29 | 2022-09-30 | 中国移动通信集团山东有限公司 | 5g波束赋形优化方法及系统 |
CN115134817B (zh) * | 2021-03-29 | 2024-06-11 | 中国移动通信集团山东有限公司 | 5g波束赋形优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109495899A (zh) | 天线的参数优化方法、装置、电子设备和存储介质 | |
CN105163337B (zh) | 一种基于覆盖预测仿真的移动网络数据地理映射的方法 | |
CN102404756B (zh) | 一种基于手机测量报告的天线参数优化系统 | |
CN107846688B (zh) | 一种基于多运营商的无线网络站址规划方法和装置 | |
CN109963300A (zh) | 方位角的确定方法、装置、电子设备和存储介质 | |
CN104284352B (zh) | 移动位置区重叠覆盖优化方法和装置 | |
CN101150836A (zh) | 无线精确规划模测系统及方法 | |
US11095377B2 (en) | Methods and systems for determining morphology data | |
CN105282784B (zh) | 基于测量报告数据系统定位优化tdd-lte网络重叠覆盖的方法 | |
CN109936820B (zh) | 一种用户终端定位方法及装置 | |
CN109526019A (zh) | 基于实测数据的无线专网基站覆盖范围传播模型校正方法 | |
CN105764067A (zh) | 一种基于mr数据的分析方法 | |
CN110798804A (zh) | 一种室内定位方法和装置 | |
CN107222871B (zh) | 一种td-lte 230无线专网电力基站规划方法 | |
CN207518862U (zh) | 一种基于用户分布模型的网络覆盖评估与优化平台 | |
CN111935732A (zh) | 识别网络覆盖结构空洞的方法、装置、计算机系统与服务器 | |
CN106922017B (zh) | 定位方法以及终端 | |
CN113068208B (zh) | Spm组合模型的训练方法、无线信号仿真的方法及服务器 | |
CN107347189A (zh) | 一种td‑lte 230无线专网基站规划方法 | |
CN110839251B (zh) | 基于用户数据识别天线前后抑制比异常的方法 | |
CN107682864A (zh) | 一种基于覆盖率评估的基站建设方法 | |
CN114256843B (zh) | 一种分布式光伏辐射数据修正方法及装置 | |
CN109994832A (zh) | 一种天馈调整方法、装置及系统 | |
CN115334528A (zh) | 基站入网质检方法、系统、设备及存储介质 | |
CN105992263B (zh) | 基站站址偏移预评估方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |