Page 21 - 网络电信2019年9月刊上

运 营 商 专 栏

基于大数据的4G网络弱覆盖智能测评方案研究

1
1
许盛宏 ，宫云平 ，姚彦强 2
1、中国电信股份有限公司战略与创新研究院；
2、中国电信股份有限公司广东分公司

摘要：为了解决弱覆盖区域测评的工作量
大且效率低、分析问题片面且准确性不高等问
题，通过聚类、轮廓识别等算法对4G网络数
据进行分析，研究了4G网络弱覆盖智能测评方
案，分析了海量MR的栅格聚合、弱栅格连片的
自动识别、区域轮廓的自动勾画、测评指标的
智能关联，实验证实了弱覆盖测评的高度准确
性及网络优化效率的大幅提升。
关键词：4G；大数据；弱覆盖；智能测评

一、引言 图1 目前传统方式的弱覆盖区域测评流程
移动网络的覆盖质量关系到用户对运营商品牌形象的评
价。随着移动业务竞争压力不断加大，移动用户感知质量需要
迫切提升，移动网络覆盖质量是移动用户感知质量提升和忠诚
度提升的重要保障。网络设备投入的资源有限、移动网络规划
站点部署不足将导致移动网络出现弱覆盖问题，这会直接影响
移动用户的业务感知和速率体验。因此，很有必要实现移动网
络弱覆盖区域智能测评，高效解决移动网络的弱覆盖问题，快
速提升移动用户的感知质量。

二、现有解决方案
目前，4G网络弱覆盖区域测评方法主要依靠拉网路测和客
户投诉来解决。拉网路测需要专业车辆、专业设备的DT（Drive
Test，路测）路面测试采集网络覆盖数据，然后将路测数据、
地理图层导入Google Earth、MAPINFO等专业工具进行分析，
再人工估算连在一起的满足弱覆盖条件的测试点作为弱覆盖区
域，并结合不同厂家的4G网管、告警、路测、台账、仿真等多
个系统兜转人工分析，最后经人工分析得到弱覆盖测试范围的
测评指标。目前弱覆盖测评方法如图1所示，存在以下一些问
题：
（1）需要人工进行路面测试，导致消耗大量人力和物力，
作量大且效率低、分析问题片面且准确性不高等问题，提出了
工作量很大且效率低。
（2）人工进行弱覆盖范围识别，识别准确性不高且工作效 基于大数据的弱覆盖区域自动测评方案。
通 过 设 备 综 合 网 管 获 取 用 户 终 端 上 报 海 量 的 M R
率低，同时无法直观呈现弱覆盖区域。
（3）需要结合多个不同系统兜转人工分析，分析问题片 （Measurement Report，测量报告），系统根据市区、农村等
场景确定栅格大小、栅格连片数以及连片规则，再通过基于大
面、不准确且工作效率低。
数据的聚类算法，自动识别出弱覆盖区域，并结合轮廓识别算
法识别出区域轮廓，最后关联DPI（Deep Packet Inspection，
三、智能测评方案
1、总体实现思路 深度包检测）、KPI（Key Performance Indication，性能指
针对目前的弱覆盖区域测评需要消耗大量人力和物力、工 标）、告警等一站式输出测评指标（如图2所示）。

20 网络电信 二零一九年九月