面向数字化运营的无线网问题根因定位算法研究.docxVIP

面向数字化运营的无线网问题根因

定位算法研究

1概述

随着近年来移动网络的大规模建设，4G移动网络覆盖已日趋完善，但网络的日常维护工作愈加繁重，网络优化问题日益凸显。传统方法主要通过一线工程师采集网络信息，依靠工程师分析各项数据，然后人工排查覆盖、干扰、容量等各类网络问题，通过他们的经验调整基站参数，从而对网络问题进行优化。这种优化方法效率低、准确度差，对优化人员的水平要求较高，但用户感知却可能并没有得到很大提高，难

——————————

收稿日期：2021-12-13

以满足现在大规模网络优化的要求。在运营商数字化转型的背景下，中国联通以数字化运营为契机，基于大数据和人工智能技术的发展，采取多种措施提升用户感知。通过统一采集和解析全国基站和小区信息，建立数据分析库，以网络大数据为基础，实现对问题小区的识别和派单，把问题直达一线，主动进行维护和服务。但若依靠传统优化方法让一线工程师针对每个问题工单逐一进行分析，仍然无法避免效率低、准确率差的问题。在此背景下，本文旨在通过建立无线问题根因定位算法库，对问题小区进行根因定位，从而帮助一线人员快速定位网络问题，高效支撑生产运营。

2无线网问题根因定位算法分析思路

网络质量和用户感知之间相辅相成。评价用户感知，可以从“站的上、驻留稳、速率高”等方面来综合评价，当小区存在低接入、高掉线、低速率等问题时，则认为该小区为影响用户感知的质差小区。虽然能够通过掉线率、无线接入成功率、速率等指标识别出这些质差小区，但由于影响用户感知的原因多种多样，甚至可能是多种因素导致，一线人员定位质差小区产生的原因依然十分困难。

为了快速定位并解决无线网络问题，提升一线工作效率，助力中国联通数字化运营，结合省分公司实际，进行了根因算法的研究。在专家经验的基础上，将网络问题分为覆盖、干扰、容量、故障等类型，结合CM、PM、MR等数据，通过制定相应的根因算法，实现对质差小区的根因标注。

由于无线问题的复杂性，对无线网的问题根因定位注定是个长期、艰巨的研究课题，即便能够实现对问题的根因标注，但对于疑难问题，仍然需要网优专家实际环境勘察的辅助，才能制定最终的解决方案。根据研究的深入程度，本文将无线网根因定位的研究分为3个阶段。

a）基于专家经验制定根因算法，实现对省分公司带根因派单，通过运行反馈不断完善根因算法，逐步提高根因标注率和准确率。

b）引入AI算法对根因算法进行优化，通过对多种根因制定不同权重，实现规划、建设、优化问题的分拣，实现质差小区解决方案的输出。

c）利用无线Trace数据补充完善根因算法，在之前根因算法的基础之上，提高根因定位的准确性，解决疑难问题。

受限于目前数据获取等实际情况，本文主要针对第1阶段基于专家经验的根因算法进行研究，并对根因定位研究的第2阶段和第3阶段进行了探讨。

3基于专家知识图谱的根因定位算法

本章详细介绍了基于专家知识图谱的根因定位算法。基于优化专家在4G网络日常优化维护工作中的经验积累，结合网络中实际存在的问题，将问题分为覆盖、干扰、质差、容量等类型，从多个维度设置指标门限，定位质差小区的根因，在文献［1］中已经梳理了部分根因定位算法，如图1所示。

本文在前期研究的基础上，根据实际运行反馈，对根因定位算法进行了迭代优化。

3.1覆盖类问题根因定位算法

无线网络覆盖类问题是网络覆盖范围不合理导致的，一般宏站场景下网络覆盖问题可以分为弱覆盖、过覆盖和重叠覆盖等。在本文所提出的根因算法中，通过RSRP、TA、重叠覆盖率等指标联合定位重叠覆盖、弱覆盖等覆盖类问题。

当前4G网络规模建设已趋于成熟，但城区、郊区/县城、乡镇/农村等不同场景站点规划的覆盖范围不同：城区站点密集，郊区/县城站点站间距较大，乡镇/农村站点规划多为广覆盖。因此，在制定根因算法时，需要根据不同覆盖场景设置不同的TA门限。

城区站点一般规划覆盖范围在1km内，考虑城区内无线环境差异，以TA1km的比例25%作为判定城区过覆盖的先决条件；而郊区/县城站点由于站间距较大，考虑其覆盖区不宜过远，但同时也不能过近，以TA2.5km的比例25%作为判定郊区/县城过覆盖的先决条件；乡镇/农村站点虽然覆盖较广，但考虑到无线传播损耗问题，信号覆盖越远衰减越大、信号穿透能力越弱，覆盖距离不宜过广，以TA3.5km的比例25%作为判定乡镇/农村过覆盖