0 引言

    5G網(wǎng)絡面對的是一個更復雜的需求，新業(yè)務以及新場景的引入，典型應用的業(yè)務要求更高，密集住宅區(qū)、辦公室、場館、校園、地鐵、高鐵等場景^[1]需要專業(yè)組網(wǎng)方案，大規(guī)模天線技術以及高頻等5G的關鍵技術^[2]和特征帶來組網(wǎng)的復雜度、多制式共存、更快的建網(wǎng)部署節(jié)奏，對網(wǎng)絡規(guī)劃也提出了新的挑戰(zhàn)，需要更精準的網(wǎng)絡規(guī)劃評估手段以及更加高效智能的網(wǎng)絡規(guī)劃方案。本文充分挖掘基于現(xiàn)網(wǎng)大數(shù)據(jù)分析，結合人工智能，從場景識別、策略生成、分析預測等方面實現(xiàn)無線網(wǎng)絡規(guī)劃場景化智能化^[3]。

    在網(wǎng)絡規(guī)劃過程中，需要充分考慮建網(wǎng)目標和投資成本之間的平衡，站址規(guī)劃至關重要。對于5G網(wǎng)絡場景，首先建立現(xiàn)網(wǎng)基站特征庫，根據(jù)5G不同建網(wǎng)階段、不同場景及業(yè)務需求，基于價值分析，通過結構分析、冗余分析以及覆蓋聚類分析，結合多種設備形態(tài)，包括64通道、32通道、8通道、4通道、2通道以及微站、Pico等產(chǎn)品，給出站址規(guī)劃方案，同時能夠給出建網(wǎng)方案的效果評估，從而形成端到端的智能網(wǎng)絡規(guī)劃方案。

1 5G覆蓋評估

1.1 基于測量報告精準預測5G室內(nèi)外覆蓋

    價值區(qū)域優(yōu)先部署，基于現(xiàn)網(wǎng)測量報告(Measurement Report，MR)數(shù)據(jù)，考慮柵格級4/5G制式參數(shù)差異，可以快速進行利舊網(wǎng)絡下較為準確5G網(wǎng)絡覆蓋能力評估。表1以LTE 2.6G和5G 2.6G頻段為例，說明利舊站址情況下的5G覆蓋電平與4G覆蓋電平之間的參數(shù)差異^[4-5]。

    其中4/5G柵格級天線方向圖增益差異評估：天線增益需要考慮柵格所在位置與水平方位角偏離角度a以及與垂直下傾偏離角度b，綜合得到柵格天線增益，如圖1所示，相比只考慮最大天線增益的方式更為準確。

其中，H_Gain、V_Gain分別表示水平、垂直增益。

1.2 弱覆蓋聚類

    MR數(shù)據(jù)通過室內(nèi)外區(qū)分算法，區(qū)分出室內(nèi)弱覆蓋還是室外弱覆蓋。對于柵格級弱覆蓋，一般弱覆蓋柵格按照50 m×50 m柵格精度輸出，需要進一步定位到區(qū)域級別或者建筑物級別，便于輸出針對性場景化規(guī)劃方案。

    室外弱覆蓋聚類方法如下：根據(jù)5G弱覆蓋門限，篩選出小于一定參考信號接收功率(Reference Signal Receiving Power，RSRP)門限的弱覆蓋柵格，通過基于密度的聚類算法(Density-Based Spatial Clustering of Applications with Noise，DBSCAN)^[6]搜尋出連片弱覆蓋，將分布連續(xù)的弱覆蓋區(qū)域進行聚合處理，形成弱覆蓋區(qū)域標記，如圖2所示，其中黑色代表正常覆蓋，灰色代表弱覆蓋。

    室內(nèi)弱覆蓋聚類方法如下：室內(nèi)弱覆蓋需要區(qū)分到建筑物級別；根據(jù)弱覆蓋柵格占比、弱覆蓋話務占比(MR采樣點數(shù))、建筑物日均話務等3個指標篩選出室內(nèi)弱覆蓋區(qū)域和弱覆蓋建筑，根據(jù)立體定位技術可以定位到樓宇的樓層級別，能夠更精確地給出解決方案。

2 智能站址規(guī)劃

    現(xiàn)網(wǎng)站址由于長期網(wǎng)絡發(fā)展需求，已經(jīng)存在宏站、微站、室分等多種設備形態(tài)，分別覆蓋或者容量需求，在5G網(wǎng)絡發(fā)展初期，可以先從覆蓋角度考慮形成連續(xù)覆蓋，再針對5G特殊需求考慮容量需求角度的站址規(guī)劃。在這個過程中，需要在充分自動方案的基礎上考慮一定人工審核保證方案的準確性、有效性和可落地性。

2.1 基站特征庫構建

    基站特征庫構建包括現(xiàn)網(wǎng)站址的基礎工程參數(shù)、話務量、用戶數(shù)、VIP站點、場景特征等構建基站特征庫。

2.2 網(wǎng)絡結構分析

    合理的無線網(wǎng)絡結構是良好的網(wǎng)絡覆蓋及性能的保障。

    網(wǎng)絡結構分析：根據(jù)站高、站間距等篩選過近、過高、過低以及方位角、下傾角等網(wǎng)絡結構不合理的站址。

    宏站天線掛高篩選： 提供有效覆蓋，避免越區(qū)干擾；微站天線掛高篩選：剔除過低無效微站。需審核確定是否可通過改造調(diào)整天線掛高。過近站需審核確定是否場景特殊要求(如高樓覆蓋遮擋)。

2.3 冗余站址分析

    現(xiàn)網(wǎng)站址存在部分由于容量吸收等原因存在的冗余站點，需要在5G規(guī)劃中予以剔除；需要保證刪除某小區(qū)后，在其主服小區(qū)覆蓋范圍內(nèi)，來自鄰區(qū)的室內(nèi)外MR依然可以達到覆蓋門限要求。

2.4 新建站方案

    對于需要通過新建站解決的情況：首先根據(jù)聚類分析得到的弱覆蓋區(qū)域，考慮室外屬性、場景特性、建筑物形態(tài)因子、建筑物面積、話務量、弱覆蓋面積、與現(xiàn)網(wǎng)站址距離等因素，通過決策樹算法，匹配場景和設備，給出最優(yōu)站址部署方案^[7]，如圖3所示。

2.5 最終站址方案輸出

    綜合考慮網(wǎng)絡結構、冗余站址、新建站解決弱覆蓋方案，得到建筑物級別，匹配場景的站址方案和設備方案，更智能、更精準地提供站址部署方案。

3 覆蓋預測

    新增站址確定后需要進行站址覆蓋評估，以便評估是否達到網(wǎng)絡設計目標。

    根據(jù)現(xiàn)網(wǎng)工程參數(shù)，引入機器學習的有效手段，打破了傳統(tǒng)全網(wǎng)統(tǒng)一固定經(jīng)驗型傳播模型造成的模型單一化、預測理想化等問題，讓覆蓋預測更加貼合實際現(xiàn)網(wǎng)。

    基于MR數(shù)據(jù)、規(guī)劃站點工參信息、鄰區(qū)信息、5 m高精度地圖數(shù)據(jù)(含建筑物高度)對小區(qū)覆蓋柵格的RSRP值進行預測。

    對于一個弱覆蓋區(qū)域，向四周延擴一定距離，形成一個連續(xù)區(qū)域。對該區(qū)域內(nèi)符合條件的小區(qū)進行基于地理環(huán)境和鄰區(qū)信息的RSRP預測算法建模。根據(jù)模型，計算區(qū)域的平均覆蓋半徑。根據(jù)覆蓋半徑生成新站位置。根據(jù)新站位置和RSRP預測算法，預評估新加站的覆蓋情況。

    數(shù)據(jù)準備：主要考慮MR數(shù)據(jù)、新站工參、鄰區(qū)信息、高精度電子地圖等。

    新加站：考慮覆蓋半徑、新站位置、RSRP預測等因素。

    RSRP預測算法建模如圖4所示，考慮主小區(qū)站高等信息、鄰區(qū)信息、主小區(qū)與手機距離、最高建筑物、遮擋建筑物數(shù)量、手機與最近遮擋物距離等因素。建模公式如下：

其中，y_B、y_C表示鄰區(qū)特征，env(A)、env(B)、env(C)反映主小區(qū)和鄰區(qū)遮擋特性，grid為柵格信息。

4 候選站價值排序

    基于價值投資的理念，對于最終生成的候選站點，可以從覆蓋評分、流量評分、用戶評分、競對評分、利舊特性評分、成本評分等多維度加權平均，給出候選站的建站優(yōu)先級排序，更能體現(xiàn)建網(wǎng)過程中對投資成本等綜合因素的考慮。

4.1 覆蓋評分

    室分站直接取對應建筑物優(yōu)先級的打分。

    宏站和微站按照站點經(jīng)緯度和覆蓋半徑獲取覆蓋范圍內(nèi)所有弱覆蓋柵格的問題區(qū)域優(yōu)先級打分和問題點(建筑物)打分，如果同一個柵格既有問題區(qū)域優(yōu)先級打分也有問題點(建筑物)優(yōu)先級打分，則優(yōu)先選擇問題點(建筑物)優(yōu)先級。最后對所有弱覆蓋柵格打分求均值。

4.2 容量評分

    容量評分標準為：站點覆蓋范圍內(nèi)的容量問題柵格/總柵格數(shù)×100。

    對于室分站，選取對應建筑物內(nèi)的柵格；對于宏站和微站，選取站點覆蓋范圍內(nèi)的柵格。

    取最近X個站點的流量均值，假設為M，按照M分級打分。

4.3 用戶數(shù)評分

    取最近X個站點用戶數(shù)均值，假設為N，按照N分級打分。

4.4 競對評分

    若本運營商覆蓋差，則評分按如下公式：

    對于室分站，選取對應建筑物的覆蓋優(yōu)良占比；對于宏站和微站，選取站點覆蓋范圍內(nèi)的所有柵格的覆蓋優(yōu)良比。

4.5 站址利舊評分

    若為利舊站點，打分最高，其次新建站點。

4.6 成本評分

    成本評分即通過不同站型的成本給出評分。

5 結論

    5G智能無線規(guī)劃方案，以eMBB業(yè)務需求和場景需求為入口，從需求分析、價值分析、智能選址、覆蓋預測等階段系統(tǒng)性的結合機器學習方案，融合了專家經(jīng)驗，從而使得無線網(wǎng)絡規(guī)劃方案更加系統(tǒng)化、精準化、智能化，為無線網(wǎng)絡建設和投資提供了有效支撐。

    隨著5G網(wǎng)絡不斷發(fā)展，垂直行業(yè)需求不斷增加，網(wǎng)絡切片、大規(guī)模天線權值等新技術更廣泛應用，網(wǎng)絡規(guī)劃的復雜度也將進一步增加，需要更加專業(yè)的建模分析以及端到端系統(tǒng)化的5G網(wǎng)絡規(guī)劃方案和能力。AI技術的逐步融合和引入，將會進一步提升無線網(wǎng)絡規(guī)劃方案的智能化能力。

參考文獻

[1] IMT-2020 5G愿景與需求白皮書[EB/OL].(2018-12-28).[2019-09-02].http：//www.imt-2020.cn/zh/documents/download/1.

[2] IMT-2020 5G無線技術架構白皮書[EB/OL].(2018-12-28).[2019-09-02].http：//www.imt-2020.cn/zh/documents/download/5.

[3] IMT-2020 5G網(wǎng)絡技術架構白皮書[EB/OL].(2018-12-28).[2019-09-02].http：//www.imt-2020.cn/zh/documents/download/6.

[4] Study on channel model for frequencies from 0.5 to 100 GHz：3GPP TR 38.901[S/OL].(2018-08-15).[2019-09-02].https：//www.3gpp.org/ftp/.

[5] NR Physical channels and modulation.3GPP TR 38.211[S/OL].(2018-12-22).[2019-09-02].https：//www.3gpp.org/ftp/.

[6] 周志華.機器學習[M].北京：清華大學出版社，2016.

[7] Study on scenarios and requirements for next generation access technologies：3GPP TR 38.913[S/OL].(2018-08-15).[2019-09-02].https：//www.3gpp.org/ftp/.

作者信息:

鄒廣玲，張守霞，朱永軍，謝衛(wèi)浩

(中興通訊股份有限公司，上海201203)