5G无线智能网络规划方案研究

邹广玲袁张守霞袁朱永军袁谢卫浩

(中兴通讯股份有限公司袁上海201203)

摘要院5G移动通信引入大规模阵列天线尧新场景尧新业务尧新频段等关键技术袁未来网络演进的目标是通过人工智能的引入实现网络的自主决策和自主演进袁5G网络规划也面临智能化演进的需求遥从5G网络规划部署各个阶段探讨了从工作流程尧规划方案等方面袁如何在大数据基础上袁结合机器学习等技术袁基于价值建网袁形成整体5G网络规划方案袁应用于指导5G网规规划建设遥关键词院5G网规曰智能选站曰规划方案曰覆盖评估中图分类号院TN929.5

文献标识码院A

DOI院10.16157/j.issn.0258-7998.190980

中文引用格式院邹广玲袁张守霞袁朱永军袁等.5G无线智能网络规划方案研究[J].电子技术应用袁2019袁45(10)院11-13袁18.英文引用格式院ZouGuangling袁ZhangShouxia袁ZhuYongjun袁etal.Researchonintelligent5Gnetworkplanning[J].ApplicationofElectronicTechnique袁2019袁45(10)院11-13袁18.

Researchonintelligent5Gnetworkplanning

ZouGuangling袁ZhangShouxia袁ZhuYongjun袁XieWeihao

(ZTECorporation袁Shanghai201203袁China)

Abstract院In5Gmobilecommunications,keytechnologiessuchaslarge-scalearrayantennas,newscenarios,newservicesandnewfrequencybandsareintroduced.Thegoaloffuturenetworkevolutionistoachieveindependentnetworkdecision-makingandindependentevolutionthroughtheintroductionofartificialintelligence.5Gnetworkplanningalsofacestherequirementsforintelli鄄gentevolution.Fromtheperspectiveof5Gnetworkplanninganddeploymentphases,thispaperdiscusseshowtobuildanoverall5Gnetworkplanningsolutionbasedonbigdata,machinelearningandothertechnologiestoguidetheplanningandconstructionof5Gnetworkplanning.

Keywords院5Gnetworkplanning曰intelligentsiteselection曰networkplanningsolution曰coverageevaluation

0引言

场景的引入袁典型应用的业务要求更高袁密集住宅区尧办

5G网络面对的是一个更复杂的需求袁新业务以及新

景袁首先建立现网基站特征库袁根据5G不同建网阶段尧不同场景及业务需求袁基于价值分析袁通过结构分析尧冗余分析以及覆盖聚类分析袁结合多种设备形态袁包括64通道尧32通道尧8通道尧4通道尧2通道以及微站尧Pico等产品袁给出站址规划方案袁同时能够给出建网方案的效果评估袁从而形成端到端的智能网络规划方案遥

公室尧场馆尧校园尧地铁尧高铁等场景[1]需要专业组网方案袁大规模天线技术以及高频等5G的关键技术[2]和特征带来组网的复杂度尧多制式共存尧更快的建网部署节奏袁对网络规划也提出了新的挑战袁需要更精准的网络规划评估手段以及更加高效智能的网络规划方案遥本文充分挖掘基于现网大数据分析袁结合人工智能袁从场景识别尧策略生成尧分析预测等方面实现无线网络规划场景化智能化[3]遥

在网络规划过程中袁需要充分考虑建网目标和投资

15G覆盖评估

1.1基于测量报告精准预测5G室内外覆盖

价值区域优先部署袁基于现网测量报告(Measurement

Report袁MR)数据袁考虑栅格级4/5G制式参数差异袁可以快速进行利旧网络下较为准确5G网络覆盖能力评估遥表1以LTE2.6G和5G2.6G频段为例袁说明利旧站址情况下的5G覆盖电平与4G覆盖电平之间的参数差异[4-5]遥

成本之间的平衡袁站址规划至关重要遥对于5G网络场

表14/5G覆盖电平差异对比

制式LTE5G频段/GHz2.62.6RS功率差异/dBm17.815.2栅格级天线增益/dBi

按照栅格差异按照栅格差异

穿透损耗差异/dB

2320频段路损差异/dB

00叶电子技术应用曳2019年第45卷第10期

11

5G与人工智能5GandArtificialIntelligence特约主编朱雪田技术专栏其中4/5G栅格级天线方向图增益差异评估院天线增益需要考虑栅格所在位置与水平方位角偏离角度a以及与垂直下倾偏离角度b袁综合得到栅格天线增益袁如图1所示袁相比只考

图1天线增益计算示意图

虑最大天线增益的方式更为准确遥

栅格天线增益=天线增益-H其中袁HGain-VGain(1)

1.2MR弱覆盖Gain尧V数据聚Gain分别表示水平尧垂直增益遥

通过类

是室外弱覆盖遥对室于内外区栅格级分弱算覆盖法袁区袁一分出般弱室覆盖内弱栅覆盖格按还

照50m伊50m栅格精度输出袁需要进一步定位到区域级别或者建筑物级别袁便于输出针对性场景化规划方案遥

室外弱覆盖聚类方法如下院根据5G弱覆盖门限袁筛选Power出小于RSRP)一定门参限考信的号弱接覆收盖功栅率格(Reference袁通过基Signal于密度Receiving算法(袁Density-BasedSpatialClusteringofApplications的聚with类

Noise袁DBSCAN)[6]搜寻出连片弱覆盖袁将分布连续的弱覆盖区域进行聚合处理袁形成弱覆盖区域标记袁如图2

所示袁其中黑色代表正常覆盖袁灰色代表弱覆盖遥

室内弱覆盖聚类方法如下院室内弱覆盖需要区分到

图2室外弱覆盖聚类

(建筑物级别曰根据弱覆盖栅格占比尧弱覆盖话务占比

内MR弱采覆盖样区点域数和)尧弱建覆盖筑物建日筑均袁话根务据等立3体个定指位标技术筛选可出以室定位到楼宇的楼层级别袁能够更精确地给出解决方案遥

2智能站址规划

现网站址由于长期网络发展需求袁已经存在宏站尧5G微站网络发展尧室分等多初期种袁设备可以先形从态覆盖袁分别角覆盖度考虑或者容形成量连需求续覆盖袁在

再针对5G特殊需求考虑容量需求角度的站址规划遥在

袁这个过程中袁需要在充分自动方案的基础上考虑一定人工审核保证方案的准确性尧有效性和可落地性遥2.1基站特征库构建

基站特征库构建包括现网站址的基础工程参数尧话务量尧用户数尧VIP站点尧场景特征等构建基站特征库遥2.2网络结构分析

合理的无线网络结构是良好的网络覆盖及性能的保障遥

12

欢迎网上投稿www.ChinaAET.com网络结构分析院根据站高尧站间距等筛选过近尧过高尧过低以及方位角尧下倾角等网络结构不合理的站址遥

宏站天线挂高筛选院提供有效覆盖袁避免越区干扰曰微站天线挂高筛选院剔除过低无效微站遥需审核确定是否可通过改造调整天线挂高遥过近站需审核确定是否场景特殊要求(如高楼覆盖遮挡)遥

2.3冗余站址分析

现网站址存在部分由于容量吸收等原因存在的冗余站点袁需要在5G规划中予以剔除曰需要保证删除某小区后袁在其主服小区覆盖范围内袁来自邻区的室内外MR依然可以达到覆盖门限要求遥2.4新建站方案

对于需要通过新建站解决的情况院首先根据聚类分析得到的弱覆盖区域袁考虑室外属性尧场景特性尧建筑物形态因子尧建筑物面积尧话务量尧弱覆盖面积尧与现网站址距离等因素袁通过决策树算法袁匹配场景和设备袁给出最优站址部署方案[7]袁如图3所示遥

图3场景化选站方案

2.5最终站址方案输出

综合考虑网络结构尧冗余站址尧新建站解决弱覆盖

方案袁得到建筑物级别袁匹配场景的站址方案和设备方案袁更智能尧更精准地提供站址部署方案遥

3覆盖预测

新增站址确定后需要进行站址覆盖评估袁以便评估是否达到网络设计目标遥

根据现网工程参数袁引入机器学习的有效手段袁打破了传统全网统一固定经验型传播模型造成的模型单一化尧预测理想化等问题袁让覆盖预测更加贴合实际现网遥

基于MR数据尧规划站点工参信息尧邻区信息尧5m高精度地图数据(含建筑物高度)对小区覆盖栅格的RSRP值进行预测遥

对于一个弱覆盖区域袁向四周延扩一定距离袁形成一个连续区域遥对该区域内符合条件的小区进行基于地理环境和邻区信息的RSRP预测算法建模遥根据模型袁计算区域的平均覆盖半径遥根据覆盖半径生成新站位置遥根据新站位置和RSRP预测算法袁预评估新加站的覆盖情况遥

数据准备院主要考虑MR数据尧新站工参尧邻区信

叶电子技术应用曳2019年第45卷第10期

5G与人工智能息尧高精度电子地图等遥

5GandArtificialIntelligence4.3用户数评分

特约主编朱雪田技术专栏信息尧邻区信息尧主小区与手机距离尧最高建筑物尧遮挡如下院

新加站院考虑覆盖半径尧新站位置尧RSRP预测等因素遥RSRP预测算法建模如图4所示袁考虑主小区站高等

取最近X个站点用户数均值袁假设为N袁按照N分级打分遥4.4竞对评分

若本运营商覆盖差袁则评分按如下公式院

打分=(最强的异运营商覆盖优良占比-本运营商覆盖优良占比)伊100%

(3)

对于室分站袁选取对应建筑物的覆盖优良占比曰对于宏站和微站袁选取站点覆盖范围内的所有栅格的覆盖优良比遥

4.5站址利旧评分

若为利旧站点袁打分最高袁其次新建站点遥4.6成本评分

成本评分即通过不同站型的成本给出评分遥

建筑物数量尧手机与最近遮挡物距离等因素遥建模公式

yA=f(yB袁yC袁env(A)袁env(B)袁env(C)袁grid)

(2)

小区和邻区遮挡特性袁grid为栅格信息遥

其中袁yB尧yC表示邻区特征袁env(A)尧env(B)尧env(C)反映主

4候选站价值排序

基于价值投资的理念袁对于最终生成的候选站点袁可以从覆盖评分尧流量评分尧用户评分尧竞对评分尧利旧特性评分尧成本评分等多维度加权平均袁给出候选站的建站优先级排序袁更能体现建网过程中对投资成本等综合因素的考虑遥4.1覆盖评分

室分站直接取对应建筑物优先级的打分遥

宏站和微站按照站点经纬度和覆盖半径获取覆盖范围内所有弱覆盖栅格的问题区域优先级打分和问题点(建筑物)打分袁如果同一个栅格既有问题区域优先级打分也有问题点(建筑物)优先级打分袁则优先选择问题点(建筑物)优先级遥最后对所有弱覆盖栅格打分求均值遥4.2容量评分

容量评分标准为院站点覆盖范围内的容量问题栅格/总栅格数伊100遥

对于室分站袁选取对应建筑物内的栅格曰对于宏站和微站袁选取站点覆盖范围内的栅格遥

取最近X个站点的流量均值袁假设为M袁按照M分级打分遥

5结论

求为入口袁从需求分析尧价值分析尧智能选址尧覆盖预测等阶段系统性的结合机器学习方案袁融合了专家经验袁从而使得无线网络规划方案更加系统化尧精准化尧智能化袁为无线网络建设和投资提供了有效支撑遥

随着5G网络不断发展袁垂直行业需求不断增加袁网络切片尧大规模天线权值等新技术更广泛应用袁网络规划的复杂度也将进一步增加袁需要更加专业的建模分析以及端到端系统化的5G网络规划方案和能力遥AI技术的逐步融合和引入袁将会进一步提升无线网络规划方案的智能化能力遥参考文献

[1]IMT-20205G愿景与需求白皮书[EB/OL].(2018-12-28).

[2019-09-02].http院//www.imt-2020.cn/zh/documents/download/1.

5G智能无线规划方案袁以eMBB业务需求和场景需

图4覆盖预测建模

叶电子技术应用曳2019年第45卷第10期

(下转第18页)

13

5G与人工智能5GandArtificialIntelligence做到更精确的核算遥参考文献

特约主编朱雪田技术专栏服造成的成本损失大约为106576264.14元袁可看出基站退服会对运营商造成的损失是十分巨大的遥针对基站退服袁运营商方可积极采取相应措施袁尽量减少基站退服事故的发生袁降低成本院

(1)加强基站日常供电设备的检测遥基站蓄电池要经

进行更详尽的计算袁考虑到基站负荷超载等一些情况袁

[1]王洋袁满毅袁陈志鹏.基于集中监控数据资源的4G基站[2]HOCHREITERS袁SCHMIDHUBERJ.Longshort-term

ofrecurrentneuralnetworksforsequencelearning[J].arXivpreprintarXiv院1506.00019袁2015.

退服故障预警模型[J].电信科学袁2016袁32(7)院188-196.memory[J].NeuralComputation袁1997袁9(8)院1735-1780.

常进行性能测试袁能够即时掌握电池的健康状况袁及时更换有问题的电池袁合理配置电源机柜整流模块遥

(2)加强基站线路方面的质量检查遥很多基站由于线

[3]LIPTONZC袁BERKOWITZJ袁ELKANC.Acriticalreview[4]PASCANUR袁MIKOLOVT袁BENGIOY.Onthedifficultyof

trainingrecurrentneuralnetworks[C].InternationalConferenceonInternationalConferenceonMachineLearning.JMLR.[5]PEARLMUTTERBA.Gradientcalculationsfordynamic

onNeuralNetworks袁1995袁6(5)院1212.org袁2013院III-1310.

路老化接头多袁衰耗大而退服袁故要对线路加强盯守袁可采用溯源方式加强施工方的质量管控袁出现问题及时抢修遥

(3)科学及时地对故障进行处理遥建立完备的基站数

据监控平台袁能详细了解基站的实际情况袁使工作人员能准确合理地调度人员去处理基站故障遥加强故障工单的调度与处理袁提升告警处理效率曰另一方面袁可以对故障工单信息进行挖掘袁为日后基站的维护提供更具针对性的建议遥

recurrentneuralnetworks:asurvey[J].IEEETransactions

4结论

本文提出了一种基于大数据的5G基站退服成本估算方案袁首先利用基站退服历史时间序列数据和LSTM神经网络算法训练5G基站退服预测模型袁通过实际数据验证袁模型能较准确的预测出基站退服的发展规律曰之后从基站退服后所造成周边基站的功耗变化角度袁构建了5G基站退服成本估算模型袁并用实际数据进行估算袁此方法可为基站维护人员提供参考袁化被动为主动袁减少成本遥本研究方法后续还需进一步完善袁可以加入更多的成本估算因素袁如设备自身的损耗尧由于用户产生的业务损失等遥文中模型所涉及的基站的负荷变化可

[6]曾安袁聂文俊.基于深度双向LSTM的股票推荐系统[J/

kcms/detail/50.1075.tp.20190822.1619.010.html.

OL].计算机科学院1-9[2019-08-29].http院//kns.cnki.net/

(收稿日期院2019-08-18)

作者简介院

魏鹏涛(1994-)袁男袁硕士袁主要研究方向院人工智能遥曾宇(1978-)袁男袁博士袁高级工程师袁主要研究方向院网络AI尧智能调度算法遥

王海宁(1982-)袁女袁硕士袁教授级高级工程师袁主要研究方向院5G尧网络AI尧意图网络尧ETSIENI网络智能化标准遥

(上接第13页)

[2]IMT-20205G无线技术架构白皮书[EB/OL].(2018-12-download/5.download/6.

28).[2019-09-02].http院//www.imt-2020.cn/zh/documents/28).[2019-09-02].http院//www.imt-2020.cn/zh/documents/3GPPTR38.901[S/OL].(2018-08-15).[2019-09-02].https院//www.3gpp.org/ftp/.ftp/.

[7]Studyonscenariosandrequirementsfornextgeneration

[2019-09-02].https院//www.3gpp.org/ftp/.

[6]周志华.机器学习[M].北京院清华大学出版社袁2016.

accesstechnologies院3GPPTR38.913[S/OL].(2018-08-15).

(收稿日期院2019-09-02)

[3]IMT-20205G网络技术架构白皮书[EB/OL].(2018-12-

作者简介院

邹广玲(1984-)袁女袁本科袁工程师袁主要研究方向院4/5G无线网络规划优化遥

张守霞(1984-)袁女袁硕士袁工程师袁主要研究方向院4/5G无线网络规划优化遥

朱永军(1980-)袁男袁硕士袁工程师袁主要研究方向院4/5G无线网络规划优化遥

[4]Studyonchannelmodelforfrequenciesfrom0.5to100GHz院[5]NRPhysicalchannelsandmodulation.3GPPTR38.211[S/

OL].(2018-12-22).[2019-09-02].https院//www.3gpp.org/

18

欢迎网上投稿www.ChinaAET.com叶电子技术应用曳2019年第45卷第10期