基于OTT数据的5G端网协同智能优化研究与实践.pdfVIP

基于OTT数据的

5G端网协同智能优化研究与实践

机器学习技术作为人工智能的重要组成部分，是

1概述

国家发展战略重点扶持的目标［1］和当下各行业关注应

在目前5G网络大规模部署背景下，要拉动5G业用的焦点。本文通过使用用户终端APP上产生的用

务收入增长，运营商面临的首要关键问题是5G用户的户无线网络数据（OTT）来补偿5GMR的缺陷，利用神

［2］［3］

常驻区域的网络质量。保障最容易出问题的覆盖地经网络算法和DBSCAN聚类算法构建5G用户位置

点，是5G网络端网协同优化的重中之重。传统网络保模型和弱覆盖小区分布，为5G用户网络感知精细化保

障通过路测数据（DT）或者测量数据（MR）分析发现网障奠定良好基础。

络缺陷，其中DT数据只能反映点线上的问题，无法做

2目前5G端网协同优化方法存在的不足

到全网精细化评估，而MR数据虽然全面但是5GR15

版本终端暂不支持带位置信息的测量数据，即使后续在当下5G端网协同优化中，5G用户感知精细化

版本支持也存在部分终端不上报MR位置的问题，对保障始终是一个难点。由于5GMR不携带用户经纬

5G网络质量的评估造成影响。度信息，网络分析严重依赖于人的优化经验等方面的

——————————特点，急需引入大数据和机器学习的优化方式，实现

收稿日期：2022-08-265G端网协同优化的智能化。

322022/10/DTPT

2.1MR经纬度缺失，网络精细化分析困难2G/3G/4G/5G网络用户。

MR是UE在网络中上报的无线网络测量数据，包c）数据包含无线网质量、Wi-Fi、定位、时间、基

含小区电平、小区质量和小区覆盖范围等无线环境指站、终端及APP等信息。

标。在4G中MR还包含了测量报告发生地点的经纬具体地，OTT大数据采集信息包括用户一些特定

度信息，网优人员可以利用经纬度信息来评估特定地的APP上报的终端型号、运营商标识、网络制式、网络

点的网络覆盖情况，对网络感知进行精细化保障。目设备标识、网络指标（如RSRP、RSRQ及SINR）、邻区

前5G用户级MR文件不携带经纬度数据，MR平台仅PCI、邻区电平、经纬度、室内外标识、检测最强Wi-Fi

有天级的小区MR指标，对感知差的特定时间、特定位信息、Wi-Fi信号强度等（见表1）。

置和特定用户无法进行精细化网络指标分析，造成网表1OTT数据采集字段信息

络优化的瓶颈。字段分类字段说明

2.2端网协同优化手段缺乏，对技术要求高CELL_ID小区ID

传统端网协同优化主要通过路测或者用户投诉基础ENBID基站ID

发现无线网络覆盖问题，是目前主流的网络优化方5G参数NR_PCI5G小区PCI

法，其能在一定程度上解决无线覆盖问题，但对于覆基NR_ARFCN