案例NBIoT网络基于MDT的精准ACP优化研究.docx
- 文档编号:28906541
- 上传时间:2023-07-20
- 格式:DOCX
- 页数:19
- 大小:5.05MB
案例NBIoT网络基于MDT的精准ACP优化研究.docx
《案例NBIoT网络基于MDT的精准ACP优化研究.docx》由会员分享,可在线阅读,更多相关《案例NBIoT网络基于MDT的精准ACP优化研究.docx(19页珍藏版)》请在冰豆网上搜索。
案例NBIoT网络基于MDT的精准ACP优化研究
NB-IoT网络基于MDT的精准ACP优化研究
【摘要】
随着移动互联网的发展,各类智能终端及网络应用的丰富和普及,用户体验显得极其重要。
因此提升网络性能是增强网络运营商竞争力的必要手段,良好的信号覆盖及质量是基本条件。
传统的RF优化仅能基于道路优化,无法考虑深度覆盖,而且强依赖于优化工程师的技能,优化方案因人而异,随机性大,无法综合考虑,优化结果无法预估,可能此消彼长,存在多次优化仍然无法达标的问题。
ACP智能覆盖优化可以综合考虑多方面的因素,通过输入带有高精度定位信息的MDT数据,根据固化的路损和增益计算方式,通过自动寻优的方法找到最优的RF参数组合,并能预测优化结果,从而达到深度覆盖优化、提升网络性能的目的,且无需反复现场测试验证,有效降低优化成本。
方案基于全局考虑,经验固化,不依赖于工程师技能,优化结果可预测,效率提升明显。
本文研究NB-IoT网络基于MDT数据的ACP智能RF优化方案及实际应用,首先对ACP的原理进行了分析,其次对ACP的优化流程和目标门限设置进行了介绍,最后通过鹰潭工业园簇的调整进行了测试验证,结果达到预期,效率得到极大提升,推广后具有广泛应用场景。
关键字:
ACPMDTNB-IoTRF优化效率提升
一、背景
1
1.1传统射频优化面临的问题
传统网络优化任务艰巨,传统的射频优化受限于人员能力,技术手段等诸多因素,主要存在以下三大问题,如何以最少投资,实现网络问题快速准确的定位和优化,是目前亟待研究的课题。
问题一:
投入大,效率低,需要反复上站,传统的测试优化过程,必须配备一个测试工程师,一个分析工程师,一车辆,一塔工;而且要重复测试验证,优化进展缓慢,优化成本极高。
问题二:
网络优化效果难保障,网络优化的效果依赖于于工程师的优化能力,优化人员技术水平直接影响优化调整效果的和优化进展;目前优化人员流动性大,技术水平参差不齐优化效果难以把控。
问题三:
深度覆盖问题难定位,传统覆盖测试区域和时间受限,无法全面评估网络深度弱覆路只能反映路面情况,深度覆盖优化受限。
缺少对深度弱覆盖问题的准确定位方法。
1.2网络演进对天馈系统的挑战
随着移动网络的流量快速增长,当前运营商网络存在多制式、多频段共存、天馈系统环境复杂等问题,天馈系统融合改造带来一系列的问题:
挑战一,各制式业务质量目标不一致与共天馈之间的矛盾,多制式共天馈如何保证各制式都达到最佳业务质量;挑战二,复杂的多频多制式场景与快速优化入网之间的矛盾,复杂场景增加实施及优化难度;挑战三,如何平衡天平衡天馈利旧收益与网络质量之间的矛盾,保证网络质量。
需要寻找高效准确的对共天馈之后的RF参数进行规划优化的方法,使得网络的覆盖,容量以及质量达到综合最佳。
二、ACP技术原理及理论分析
2
2.1ACP方案整体思路
自动小区规划(ACP)方案采用现网多维度数据源进行精确覆盖,质量及容量分析。
通过设置合理的规划优化目标,ACP可自动进行迭代计算以匹配目标,快速找到网络的最佳RF参数的方案,高效的对无线网络进行自动优化,使网络覆盖、系统容量、服务质量达到综合最佳,同时降低天馈调整及现场验证成本。
传统路测优化存在仍处于肩扛手挑状态,需要大量人工采集、分析数据,高度依赖人员技能,高成本低效率,多频段多制式能力受限;ACP方案基于多种数据源实现自动化、场景化、智能化数据分析,低成本高效率,多频段多制式最优平衡。
通过ACP智能优化,实现提升覆盖性能,降低网络干扰,提高优化效率及降低成本的目的。
2.2ACP关键算法介绍
1
2
2.1
2.2
2.2.1迭代寻优算法:
实现RF参数快速自动调整
自动寻优算法通过对问题点周围小区“方位角、下倾角、功率”等参数的逐步微调,从覆盖、质量、容量等多个维度来仿真评估各个调整方案对问题点以及整体质量的影响,最终输出最优的调整建议。
Step1:
获取基础数据,确定优化适应度函数。
Step2:
预实施方案(N套)仿真和评估,得出性能最佳目标值,搜索算法确保以最短路径找到最佳目标值。
Step3:
依照得出的最佳目标值,调整相应参数,可设置调整优先级,用于兼顾不同场景的个性化需求。
Step4:
实现覆盖、质量、容量三者最优状态,通过三者目标的组合,使达到网络性能最佳。
2.2.2路损矩阵:
精准预测进行量化呈现
路损矩阵由MDTMR数据中的小区信息、位置信息、电平信息等构建而成,是天馈调整后预测电平的核心。
RF调整后,栅格上的覆盖预测值是基于空间路损不变的原则,变化的只是RF参数调整之后引起的天线增益的变化部分,这样就可以针对栅格进行调整之后的电平预测。
通过路损矩阵进行量化呈现,调整前就能预知调整后的覆盖情况。
Step1:
获取固定空间损耗(PathlossDL)。
Step2:
计算天线增益变化。
Step3:
得出覆盖预测效果。
2.3MDT原理及数据采集
基于MDT、OTT数据与MR等结合可实现网络精准定位分析,其中MDTMR技术基于无线侧采集数据,对其他系统依赖性小、实现方案简单,具有广泛的应用场景,可用于本次研究中的ACP评估分析。
MDT(MinimizationofDrive-Tests)即最小路测,基本原理是利用普通商用终端或者测试终端实现自动搜集终端测量数据,以方便了解和优化网络覆盖。
UE将当前的地理位置和主小区、邻小区的信号强度上报给网络,直观的将网络的覆盖情况呈现出来,与普通MR相比,MDT数据包含用户GPS位置信息,有利于进行数据关联定位分析。
MDT可分为基于鉴权用户的MDT和无依赖的MDT,本文使用无依赖的MDT作为ACP分析出入数据源,可实现覆盖测量数据采集、上报、预处理的自动化,节省传统路测场景所需的人工、设备、时间成本。
采集的用户分布更分散,收集的路测数据范围更广更准确。
MDT数据订阅及采集工作原理如图:
三、基于MDT的ACP智能优化方案
3
3.1ACP优化方案整体流程
基于现网的MR数据,ACP方案能够对现网进行精确优化。
同时,还能预估优化后的效果以及优化前后的效果对比,并根据每此调整所需的花费进行排序,帮助确定是否实施这些调整。
ACP智能优化实施流程主要为以下四部分:
3.2优化区域选择
目前网络一般按照区域划分为多个网格或簇,优化区域选择的原则如下:
先评估后优化,评估该网格是否还有优化的空间;方位角、机械下倾、电子下倾、功率等工参允许优化的幅度。
测试选取区域8.8平方公里工业园簇做试点,涉及L1800M站点27个、L800M站点9个、NB站点9个,L2100M站点2个。
其中NB和L800、L1800站点共天馈。
本次计划调整L1800/L800/NB小区,以达到改善覆盖降低干扰的目的。
给出两种调整策略:
一种只调整天馈电子下倾角,另外一种调整天馈方位角、机倾和电倾。
3.3ACP优化方案介绍
3
3.1
3.2
3.3
3.3.1方案输入
本次方案涉及到电子地图、天线文件、准确的工参信息、基于MDT定位的MR数据、下面对输入数据做介绍:
电子地图:
鹰潭2012年20m/5m精度地图
天线文件:
涉及AQU4518R334频8端口天线(无现网准确的天馈信息,都用该款天线代替)
准确工参信息:
现网工参。
基于MDT定位的MR数据:
采用了MDT数据做精确定位。
3.3.2LN共天馈优化简介
因为NB没有MR上报,因此在共天馈优化时考虑利用LTE覆盖评估结果做折算作为NB评估结果用于NB优化输入。
本次优化方案只针对L800、NB-IoT、L1800进行,作为不同的网络层进行优化。
3.3.3ACP工程搭建
为了兼顾三个网络层,本次方案将LTE多频点MR数据全部输入到ACP,对三个网络层都做调整。
1、总体设置
由于MDT定位精度较高,本次设置栅格精度为20M,最大允许迭代轮次为10轮。
2、优化门限设置
不同网络层设置各自的RSRP、SINR、OVERLAPPING优化目标,RSRP、SINR、OVERLAPPING目标权重分别为2:
1:
3。
OVERLAPPING设置:
同时考虑三个网络层,考虑现网当前干扰问题较为突出,因此权重设置高于RSRP和SINR。
RSRP设置:
作为覆盖作为优化目标,RSRP设置权重次高。
SINR设置:
由于MR中不携带SINR信息,本次ACP涉及的SINR是通过模型计算出来的,因此权重设置为较低的1。
3.3.4电下倾调整方案
方案效果预测如下:
RSRP:
SINR:
优化统计:
在优化建议中有78个小区的下倾角建议调整。
调整建议汇总:
3.3.5RF参数调整方案
方案效果预测:
RSRP:
SINR:
优化统计:
在优化建议中有68个小区建议调整方位角,32个小区调整机械下倾角,82个小区调整电下倾角。
调整建议汇总:
3.3.6功率调整方案一
方案一不考虑小区接入数量,根据L800MR折算后的NB用来做NB的功率优化。
方案效果预测:
RSRP:
SINR:
优化统计:
在优化建议中有13个小区建议调整,其中11个为降功率,2个为升功率。
其中三个小区接入较多。
调整建议汇总
3.3.7功率调整方案二
方案一考虑小区接入数量,小区每天接入数大于700,或者接入数大于200且CC2接入比例30%小区不调整。
方案效果预测:
RSRP:
SINR:
优化统计:
在优化建议中有9个小区建议调整,其中7个为降功率,2个为升功率。
调整建议汇总:
3.4方案测试验证
为尽量减少天馈调整对现网LTE网络的影响,本次ACP方案只调整NB网络的RS功率。
从业务指标、NB网络KPI指标两个维度进行效果评估。
本次ACP方案涉及13个小区的RS功率调整,其中11个降功率,2个降功率,闭塞NB小区1个,调整时间为11月6日凌晨,调整清单如下。
从话统指标上看,经过调整后,RRC连接成功率和覆盖等级0占比均有了明显提升,时延略有下降。
从业务指标上看,经过调整后,水表业务上线率有一定提升。
日期
水表总数
正常上线数
正常上线率
2018/11/2
3786
3727
98.44%
2018/11/3
3786
3732
98.58%
2018/11/4
3786
3736
98.69%
2018/11/5
3786
3712
98.04%
2018/11/6
3786
3744
98.89%
2018/11/7
3786
3749
99.02%
四、总结
相比传统方式通常需要2~3轮优化调整,使用ACP方案,一次调整即可取得理想效果,整体效率最少提升1.35倍(考虑传统方式多轮调整达到效果的情况,效率提升更加明显)。
且传统优化效果依赖于工程师个人经验,而使用ACP则可通过工具算法保证质量,并量化预测优化后的增益,降低对工程师的技能要求,进一步降低优化实施难度。
鹰潭选取工业园簇利用MDT精准的MR数据,通过ACP平台进行自动分析,选取功率优化的方式进行了验证,RRC连接成功率平均提升了2.9PP,时延平均提升了23MS,覆盖等级0占比平均提升了6PP。
基于高精度MDT数据的ACP智能网络优化方案,实现自动化、场景化、智能化数据分析,具有低成本高效率的优点,ACP优化方案基于全局考虑,达到提升覆盖性能、降低网络干扰,提高优化效率及降低成本的目的,具有较大推广价值。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 案例 NBIoT 网络 基于 MDT 精准 ACP 优化 研究