|
通過對目標小區內所有普通用戶手機測量報告記錄（簡稱MRR） 中各種參數（如：信號強度、信號質量、TA、功率等）的采集和分析，依據小區無故障或無明顯的環境變化情況下小區MRR 各項指標相對穩定的實踐經驗， 模擬人體指紋獨特性和穩定性的特征，通過三種不同方式的算法建立個性化小區“指紋”模型，在小區性能和無線環境發生變動或異常時，幫助網絡優化人員及時監控、分析和定位故障。 MRR（測量報告記錄）通過收集來自客戶所使用的普通手機測量報告，對小區上下行的信號質量、信號強度、TA、路徑損耗、功率控制等級等信息進行分類統計，實際反映了服務小區無線信號測量質量。 在進行網絡監控和分析時具有統計全面、效率高等特點，同時也能反映客戶對網絡的真實感受。 傳統的MRR 主要應用于兩種場景： 一是當小區質量出現故障時，用其輔助定位故障原因；另一就是在統計無線網絡質量時，使用其中的統計數據（如上、下行信號強度，上、下行信號質量）的均值來衡量全網或局部小區覆蓋以及質量。這方面說明了MRR 具有定位網絡故障和反映小區無線網絡質量的作用。 筆者注意到，MRR 在網絡優化上的作用還可以深入挖掘。本文擬通過研究挖掘MRR 本身的特性，提出一種基于這些特性建立類似人體指紋的獨特性和穩定性的小區“指紋”監控模型，一旦小區“指紋” 發生變動，即發出變動或異常告警，幫助網絡優化人員及時發現、分析和定位網絡異常。 1 MRR 功能和特性簡介 MRR 是愛立信OSS（運營支撐系統）中的一個重要功能模塊，用于記錄特定時間和范圍內的BSC（基站控制器） 所接收的所有無線通話測量報告，測量報告包括上行和下行，具體的數據有： a）上行信號強度（RXLEVUL）：基站測量到的接收信號強度。 b）下行信號強度（RXLEVDL）：移動臺測量到的接收信號強度。 c）上行信號質量（RXQUALUL）：基站測量到的接收信號質量。 d）下行信號質量（RXQUALDL）：移動臺測量到的接收信號質量。 e）上行路徑損耗：反映從移動臺到基站的路徑損耗。 f）下行路徑損耗：反映從基站到移動臺的路徑損耗。 g）移動臺的功率等級（MSPOWER）：反映移動臺發射的功率。 h）基站收發信臺的功率等級（BSPOWER）：反映基站的發射功率。 i） 時間提前量（TA）： 反映移動臺到基站的距離。 在無線環境和網絡硬件設備穩定的情況下，小區MRR 各參數值雖在一定范圍內變化， 但從統計上是相對穩定的， 而且各個小區由于本身的性能差異和所處無線環境的不同， 這些參數值也是非常獨立各異的，這就類似人體指紋的獨特性和穩定性。 2 技術方案 為了能夠實現利用MRR 達到對小區異常監控的目的，本文將分三個部分進行闡述：數據采集、建立小區“指紋”模型、異常告警呈現方式及處理。 2.1 建立小區“指紋”模型 建立基于MRR 的小區數據模型， 要先分析MRR 的數據結構。MRR 數據結構特征可以歸納為： a）小區名：顧名思義，就是指定制了MRR 的小區識別名稱。 b）參數名稱：是指類似上/ 下行信號強度、TA等參數名稱。 c）時間段：MRR 采集的時間，可觀察到數據采集時長。 d）采樣總報告數：指在規定的時間內，采集到的用戶數據數目。 e）各個采樣點分布情況：針對不同的參數，系統依據對該參數事先設置的等級把MRR 上報的采樣點放入符合條件的等級中。 f）均值：取加權平均。 2.1.1 相關算法 MRR 數據本身已經直接或間接地提供了各參數在某一時間段內的均值，為了建立小區“指紋”的需要，本文提出了兩種算法。 1）均值算法： 該算法是直接取連續N 天內（根據話務模型N通�？梢栽O置為7）MRR 參數平均值（ 這里用Ave_X （n） 代表每天MRR 參數平均值，n=1,2……N）。 然后再次進行算術平均，得出平均值為 ： 2）區間分布算法 該算法是針對MRR 中小區參數采樣點分布的變化情況而設計， 可計算出某個小區MRR 參數某兩個值之間的采樣點分布情況，如圖1 所示。 圖1 陰影部分表示小于或等于某個參數值y 所占全部采樣點的比例p，所對應具體算法是： 式（2） 中，T 表示總采樣點數，Ti表示某個采樣點。 進一步，根據式（2），可以得到數天內（假設為N天）p 的均值 ，所對應的具體算法是： 式（3）中，pn代表第n 天某時段p 值。 2.1.2 建立小區“指紋”模型 有了前面的基礎理論，本節將探討小區“指紋” 模型的組成元素以及針對各元素可設置的閾值。 1）模型組成元素 小區模型組成元素選擇原則是要能夠反映小區的運行性能和質量，當然，這些基本的組成元素也是MRR 中所包含的�；谶@個原則，本文選擇以下元素作為“指紋”模型的基本組成元素：小區上/下行信號強度，小區上/ 下行信號質量，小區上/ 下行路徑損耗，小區MS/BS 功率等級，小區時間提前量（TA）。 2）搭建告警平臺 為了能夠對發生異常的小區進行監控， 需要構建針對小區的“指紋”模型組成元素的告警平臺。本文通過對各組成元素設置不同類別的閾值， 使小區產生告警有據可依。針對監控元素，本文提供可設置的閾值有： a） 使用小區監控元素的均值算法， 對比算法MRR 參數均值上限。 b） 使用小區監控元素的均值算法， 對比MRR參數均值下限。 c）使用分布算法，按照公式（2）計算比例p 的上限。 d）使用分布算法，按照公式（2）計算比例p 的下限。 e）與算法獲取的基準值 （公式1）對比的上/下浮值或上/ 下浮比例。 f）與算法獲取的基準值 （公式3）對比的上/下浮值或上/ 下浮比例。 3）告警模型 依據上述針對小區組成元素的閾值設置原理，珠海通用小區“指紋”監控元素與閾值設置關系見表1（特別的區域如室內覆蓋、海域覆蓋則另外設置）。 2.2 異常告警呈現方式及處理 2.2.1 告警的觸發條件 在完成了小區的“指紋”模型建立和根據各小區無線環境和運行性能的不同設置完成個性化閾值后，當小區“指紋”內某個元素發生波動突然超過閾值時，就會觸發告警，這種突發性告警觸發很容易理解，不作詳敘。 2.2.2 告警的呈現及處理 根據上述監控方式，目前對告警呈現提供了兩種方式： 一種是以報表的方式按用戶要求呈現所有的告警信息； 另一種是以地理化的方式在地圖上展現所有告警信息。同時，對告警的小區可以結合話務統計和現場測試數據一起分析，如上/ 下行質量差結合統計數據掉話次數和掉話率指標查看和分析。 3 應用案例 下面以珠海百貨廣場室內覆蓋小區S5ABHC5為例，簡要地說明一下基于該技術的一個簡單應用。 考慮到該小區是室內覆蓋，對于這種小區，防止信號外泄是網絡監控的要點之一， 針對該小區重點設置的監控參數就是TA。同時，考慮到該小區覆蓋的是珠海一個較大的商場， 附帶了很多室內分布系統，根據之前網絡優化人員現場勘察和估算，該小區MRR 采樣值應該主要集中在TA＜2 的范圍內，故參數設置如下： 1） TA 均值：均值算法上限為1.8；2）以TA 為2 作為監控的分界點：a）根據分布算法（公式2），設置TA 在2 的范圍內為99%；b）連續3 天同一時段TA＞2 的百分比持續增長也會告警。 S5ABHC5 掉話率情況見表2。實際上在2009年12 月15 日， 該小區出現高掉話， 最高掉話率達5%（后來經過排查，為該商場正在裝修，一面的墻被拆除，造成信號外泄產生掉話）。由于三天同一時段TA＞2 的百分比持續上升，網絡“指紋”系統漸變式監控給出了分布算法告警信息； 而第三天TA＞2 的百分比超過1%， 分布算法告警均給出TA 告警信息。（注意：當時TA 均值由于始終小于1.8,未產生均值算法告警。） 4 結束語 本技術方案提供了一種基于MRR 數據建立小區“指紋”模型并對其進行監控的辦法，在某種意義上，使全網所有用戶的手機都成為測試機，同時從宏觀上掌握網絡變化或異常情況， 并及時發出告警信息，對故障原因能夠快速定位，減少了網絡現場測試的工作量， 減少了網絡優化人員尋找網絡異常原因的時間，提高了網絡優化工作效率。 目前珠海移動分公司網絡優化中心已經依照上述理論建立了“網絡指紋系統”，系統目前運行穩定，能夠及時地發現小區無線環境和運行性能的變動和異常。 |
