ii设计与实现ii
移动通信覆盖自愈的硏究与实现
邵锐，李春明
(中国移动通信集团山东有限公司济南分公司，山东济南250014)
【摘要】为了提升移动通信网络服务可靠性，高效地实现无线网络自优化，提供了一种移动通信SON框架下基站退服后通过自动调整周边小区天线电子倾角实现覆盖自愈的方法，创新性地提出了关键采样点作为待弥补区域的覆盖目标
的方法，同时定义了在最小化网络重叠覆盖度的前提下相邻小区倾角的调整方案。通过对现网基站的调整前后数
据评估，取得良好的网络自愈效果，为LTE SON以及5G网络自优化提供了一种思路及方法。
【关键词】SON；覆盖自愈；网络结构
doi:10.3969/j.issn.l006-1010.2021.03.025中图分类号：TN929.5
文献标志码：A文章编号：1006—1010(2021)03—0124—05
引用格式：邵锐，李春明.移动通信覆盖自愈的研究与实现[J].移动通信,2021,45(3):124-128.扫描二维码与作者交流
Rearch and Implementation of Self-healing Mobile Communication Coverage
SHAO Rui,LI Chunming
(Jinan Branch of China Mobile Communications Group Shandong Co.,Ltd.,Jinan250014,China)
[Abstract]In order to improve the rvice reliability of mobile communication network and efficiently realize the lf-optimization of wireless network,this paper provides a coverage lf-healing method under the LTE SON framework by automatically
adjusting the electronic tilt angle of surrounding cell antennas after a ba station is decommissioned.The propod
method innovatively provides the key sampling points as the coverage target of the region to be compensated.Meanwhile,
the adjustment scheme of the tilt angles in neighboring cells is defined under the premi of minimizing network overlap
coverage.Through the evaluation of the data with/without the adjustment of the existing network ba stations,network lf-distance是什么意思
healing is well achieved,which provides an idea and method for LTE SON and5G network lf-optimization. [Keywords]SON;coverage lf-healing;network structure
o引言
SON(Self-Organized Networks，自组织网络)是在LTE的网络的标准化阶段由移动运营商主导提出的概念，其主要思路是实现无线网络的一些自主功能，减少人工参与，降低运营成本m。
SON主要包括三大功能，分别是自配置(SelE configuration)、自优化(Self-optimization)、自愈Self-healing)o 自优化是指网络设备根据其自身运行状况，自适应地调整参数，以达到优化网络性能的目标叫传统的网络优化可以分为两个方面：其一为无线参数的优化，如发射功率、切换门限、小区个性偏置等；其二为机械优化，如天线方向、天线下倾角等。SON的自优化功能可以部分代替传统的网络优化。
收稿日期：2020-09-08自优化主要包括以下功能X」。
(1)ANR(Automatic Neighbor Relation function，自动邻区关系优化)；
(2)MLB(Mobility Load Balancing optimization，移动性负载均衡优化)；
(3)MRO(Mobility Robustness Optimization，移动性鲁棒性优化)；
(4)RO(RACH Optimization，随机接入信道优化);
(5)ES(Energy Savings，基站节能);
(6)ICIC(Inter-cell Interference Coordination，小区间干扰协调)；
(7)CCO(Coverage and Capacity Optimization,
覆盖与容量优化)。
本文主要讨论CCO覆盖于中容量优化中的覆盖场景。
124|
飜器
第45卷
总第493期
邵锐，李春明：移动通信覆盖自愈的研究与实现
在日常优化维护工作中，由于停电、传输、硬件故障等因素，不可避免存在基站退服现象，影响用户感知。如何在退服基站恢复正常工作前，将用户感知影响降至最低成为当前研究的热点问题。同时目
前网络规模庞大，基于传统人工优化调整方法依赖工程师个人经验和能力，并且需要反复进行测试、调整、验证过程，在实时性及准确性方面都难以保证，也需要耗费大量的人工成本。
目前LTE基站天线基本具备电调功能，基于对退服周边基站天线进行天线倾角调整可以在一定程度上缓解区域内覆盖问题。但是目前各厂家现网中对天线的电调功能基本都没有深入发挥其应用，尤其是自动化规模化调整更很少有应用案例。利用智能天线的电调功能，实现自动化的天馈调整补盲，非常有实际意义。在其中，如何确定周边基站天线倾角调整幅度，以及优化算法的评估标准成为问题的关键。本文提出一种基于大数据分析建立图模型，采用关键点覆盖度作为优化目标的调整方法。
1关联图模型
为保证移动用户接受服务的连续性，移动网络中基站与周边基站之间存在一定的重叠覆盖。终端在空闲状态完成小区重选以及在业务状态下完成切换。终端在业务状态下需要周期性或事件性测量服务小区及周边小区的信号强度，将测量信息作为测量报告发送至服务小区。根据服务小区收集到的相邻小区的绝对强度与相对强度可以建立整个网络的基站小区之间的关联关系图模型。1.1高关联小区
网络调整的目标是调整尽量少的小区，达到最佳补盲效果，这就需要找到与退服小区关联程度最大的邻小区。为保证调整有效性，需要通过以终端实际测量为依据确定与服务小区存在高关联性的小区，同时保证待调整小区具备电调功能。传统上这个任务交给优化人员，采用基于地理拓扑结构相对位置
确定高关联小区，这样做可能会因为地形地貌影响实际覆盖范围，从而导致无效调整。而我们采用基于测量报告的自动分析，评估依据来自网络测量值，从而能够准确找到高关联小区。
1.2高关联小区排序
某小区作为服务小区时，不断测量周边小区，周边小区对其提供覆盖弥补关系。此周边小区作为相邻小区同时也向其他小区提供覆盖弥补关系。因此整个无线网络可以抽象为由小区作为节点、小区之间相互弥补关系作为边组成的有向图。另外当我们仅考虑同频小区之间的相互关系时，可以认为是整个网络的干扰图，也称作干扰矩阵。图1为现网环境下关联图示例。
attachment是什么意思图1现网基站关联关系逻辑图
在网络侧配置终端周期性测量时，对于同频、异频频点上报测量的概率有所不同。因此对于关联性评估需要考虑不同频点设置的上报概率权重。在特定时段内（例如1小时或者24小时等），依据服务小区测量报告中非同站各相邻小区出现次数占比进行排名。此处强调非同站相邻小区是因为在基站退服后，往往是基站下所有小区均停止工作，属于同站的相邻小区将无法弥补本小区覆盖。
假设服务小区S在特定时段内收到测量报告数量为report ent，包含相邻小区cell：的测量报告数为report_ cnt iO针对相邻小区属于不同的频段，其上报概率权重为band_weight i0服务小区S邻区ce仏可弥补性系数定义如下：「report cnt f小cov_factor.=-------------=—
—1-----------I丄丿—report_ent x band_weight t
待调整小区按照cov_JactoYt由高到低进行排序，作为调整优先级。
2覆盖目标
首先定义服务基站关键采样点，所谓关键采样点是指根据基站所接收的测量报告原始数据，计算得出测量报告中服务小区信号强度达到服务门限，并且非本站邻区无法达到服务门限的采样点。也就是当服务基站退服后，相邻基站的信号无法弥补的采样点。非关键采样点的覆盖在基站退服后可以由周边非同站小区弥补，同样可以达到最低服务水平。而关键采样点是不可弥补的，这样对周边小区天线调整目标是覆盖基站的关键采样点。
同时需要注意的是一个基站包含若干个小区，当基站整站退服后其所包含小区将全部停止工作。由于MRO 数据是以小区为单位的用户测量数据，因此同站邻区不
益嘟|
jew
125
第45卷总第493期
II 设计与实现ll
能记录到可弥补采样点中。
设服务门限为鬲，单位为dBm，目前设置为-110 dBm 。基站S 在特定时间段内，例如24小时，所收到的所
有MRO 采样点数量为m o 每个采样点中包含m 个相邻小区，
其中m 鼻0。第i 个测量报告为report^其中1 W i W n,
此报告中服务小区电平为$_疗血—。
此测量报告中存在协个相邻小区（相邻小区不属于
基站S ），其电平强度为”一/•微血爲，其中0 W/W%
基站关键性采样点即不可替代采样点report^其满 足公式⑵的约束条件，即此采样点中服务小区的信号强
度$_料血4吧大于等于服务门限S 册，且任意相邻小区丿 的信号强度n^exlev^ 均小于服务门限S 斑。
s_rxlev reportt >S 血 and ^n_rxlev^ <；為
（2）
服务基站通常以多个扇区范围考虑，假设整站退服，
根据历史数据每个扇区方向均能得到关键采样点覆盖分 布图，则根据天线的方位角，关键采样点的TA 分布，则
可以得到待补充覆盖区域拓扑图。举例说明，实验基站 包含两个扇区，如图2所示：
0.4-
0.3-
0.2 -
0.1 -
Cell_l ta Kernel Density Estimate
!\
-2 0 2 4 6 8
0.0-
（1） 单扇区关键采样点距离概率分布
根据无线信号的传播特性，终端距离服务基站越远
信号越弱，前述定义的关键采样点应当集中于近基站侧， 但不排除有零星采样点分布于较远位置。如果采样点分布 出现长尾现象，则待弥补区域范围将大幅增加。这样造成
周边基站覆盖凋整范围不可控，一是弥补采样点数量有 限，二是可能造成周边基站过覆盖从而引起重叠覆盖高
等网络结构问题。因此取距离服务基站最近的95%关键规律英语
采样点覆盖分布作为待弥补目标。如图2所示，分别展 示了某基站两个扇区关键采样点IA （ Timing Advance ）
的核密度估计。圏2横坐标为TA 单位，由此来衡量基站
覆盖距离，在LTE 网络中1个TA 单位约折合78 m o 纵
坐标为核密度分布之，可以计算不同TA 范围内曲线下的 面积用于估计基站关键采样点在此TA 范围内的概率。
（2） 多扇区合成分布平面图
LTE 测量报告中TA 取值范围为0-1282，其中1个
TA 单位为16 Ts （4.89 m ），近似换算为78.12 m 。根据
服务基站单扇区关键采样点概率分布统计，可以计算出 每个小区关键釆样点的地理投影包络。基站小区的覆盖 水平范围按照极坐标标识，水平张角120。，覆盖距离为
关键采样点TA 最大值（95%概率）。
另外需要注意通常使用的经纬度坐标是EPSG
圣诞老人英语（European Petroleum Survey Group ） 4326 坐标系标准，
为了提升投影至地面精确度，需要对坐标进行转换。例
如北京可使用EPSG:4527。经过坐标转换后服务基站两
glass是什么意思
个小区的待弥补区域投影如图3所示。
4_4.06&^11_1 and cell_2 key sampling point projection
-100 --20-0 --300 -
-40€ --500-
.
Y O
8800 9000 9200 9400
+3 94967
图3多扇区合成分布平面图
周边邻区调整量终目标是减少重叠覆盖的前提下,
最大化对待弥补区域进行覆盖。
I 莎厨泄愴
IZD I 2021年5
月第瑚
第45卷
总第493期
邵锐，李春明：移动通信覆盖自愈的研究与实现
3调整范围
以天线方向角、下倾角、位置以及地理环境为变量，利用采样点进行估计。设置站高为打机械下倾角为a，垂直半功率角为0，电下倾角为7。则基站某小区的覆盖
估算小区覆盖范围，上下3dB波瓣覆盖范围为：
Ql=/i/tan((a+尸诃/2)x tt/180)(3) Q2=%/tan((a+y-0/2)x兀/180)(4)其中限定a+y>0/2，控制最远覆盖距离不会超出水平面。在满足网络结构影响前提下，最大化覆盖待弥补区域，即在上3dB波瓣覆盖范围内。例如目前主流FDD1800天线垂直半功率角一般为7。，可根据上述公式计算其覆盖范围。
根据天线水平半功率角(例如典型65。)、Q2覆盖距离计算，同时对经纬度进行EPSG:4326到EPSG:4
527坐标转换。可以得到相邻小区最佳覆盖范围的地面投影，根据覆盖小区于待覆盖区域地面投影的几何关系计算最佳下倾角调整角度。
4调整过程
根据服务基站对应的关联性小区列表，按照优先级顺序选择调整小区。根据待调整小区水平半功率角、站高、下倾角确定其理想覆盖水平面(注意覆盖边缘不能超过三倍站间距的范围)。
4.1目标函数
退服基站S包含巾个小区，设小区ce"：(其中0<z<m)，其对应的待弥补区域投影为area：。整站待弥补范围为：
area s=U™t area i(5)设待调整候选小区"个，设小区"ce"j(其中0勺<n)，其对应的最佳覆盖范围投影area_adjj由函数F 计算，投影至水平坐标为一个扇形区域。其中站高为亿机械下倾角为a，垂直半功率角为0，电下倾角为八水平半功率角为v。U area表示多个多边形投影的并集。
area_adj j=F(h,a,0，刃(6)所有待调整小区投影为：
area_a(^N=U^=1area__adjj(7)设覆盖函数^(polygon)，表示polygon多边形投影的面积函数，此处polygon是由上述多个area adjj合并组成的area_adj N，则最终的调整目标为：
小Marea s I area adiY
Cov=max(~二——-Jn,)(8)
R(area)
h、a、0、八v中只有电下倾角y为调整参数，可以得出最优值。Cov表示周边基站经过调后对于原退服基站覆盖区域面积的可弥补比例。
4.2调整原则
为保证调整的合理性，同时保证调整对网络重叠覆盖等网络结构问题带来最小的影响，调整过程中需要满足5个条件：
(1)待调整小区上3dB波瓣最远覆盖距离不会超出水平面，a+y>0/2。
(2)如果待调整小区下倾角已经满足待覆盖区域需求则不进行调整。
(3)如果需要抬升待调整小区下倾角，则选择可满足待覆盖区域需求的最小抬升。
(4)为避免越区覆盖影响，调整后覆盖范围不超过服务基站与相邻基站之间3倍站间距。
(5)针对单个服务小区调整邻区数量不超过3个。5效果验证
某基站包含两个小区，其关键采样点分布投影如图5所示。调整前周边高关联小区对其覆盖的弥补效应如图5所示，可看出阴影部分为当前无法弥补区域。通过前述算法计算，对邻小区1进行电子下倾抬升调整，可看出大部分阴影区域已纳入覆盖范围。零星未覆盖面积由于即便调整其他小区下倾仍无法弥补，所以并未对其他高关联小区进行调整，调整方案如表1所示。调整前后待弥补区域平面效果如表2所示，弥补面积比例由74.33%提升至96.52%。
翳貂|
127
quotation是什么意思第45卷总第493期英孚青少儿
ii 设计与实现ii
+4,06副1 1 and cel 12 key sampling point projection
图5调整前后弥补效果图
表1高关联小区调整方案
ensure
邻小区站高
纬度
方齢to
专业英语翻译调整前
调整后
下倾
电下倾总下倾电下倾总下倾
ncell_l
30117*****36.*****240
3
36
25ncellJ230117.*****36.*****
033636ncell_330117*****36.*****100
3
3636ncell_4
30117.*****36.*****
3403
3
6
3
6
表2调整区域弥补效率
阶段 R(area s )R(area s I area adj
R(area s I area_adj N )
R(area s )调整前389 209 m 2调整后389 209 m 2
289 293 m 2375 672 m 2
74.33%
96.52%
根据第2部分中关联图模型的定义，选取与服务基
站中每个小区关联性最高的6个小区作为待评估区域小
区集合。采用覆盖率(大于-110 dBm 测量报告比例)作 为评估指标。
如表3所示，评估过程包括三个阶段。退服前评估范
围为服务基站小区与其高关联小区集合，调整前评估范围为
高关联小区，调整后评估范围为高关联小区。通过对比可以
看出退服后调整前覆盖率由98.15%下降至94.22%，而调整
后覆盖率恢复至98.01%。区域数据流量退服后由97.38 GB
下降为90.32 GB，而调整后流量恢复为96.65 GB 。从区域
覆盖率及流量来看调整均发挥明显作用。
表3调整效果对比
阶段退服前调整前调整后
评估范围服务基站小区+高关联小区高关联小区
高关联小区
MR 总采样点
904476811102893715
弱覆盖采样点
1673346882
17785覆盖率
9&15%94.22%
98.01%
数据流i/GB 97.38
90.3296.65
6结束语
本文提供了一种LTE SON 框架下基站退服后，通过自
动调整周边小区天线电子倾角实现覆盖自愈的方法，创新性 地提出了关键采样点作为待弥补区域的覆盖目标的方法，同
时提出在尽可能降低网络重叠覆盖度的前提下相邻小区倾角
的调整方案。通过对现网基站的调整前后数据评估，取得良
好的网络自愈效果。同时目前现网基本为多系统共存，只要
服务小区在基站周期性测量中开启对异系统的测量报告，本
方法同样适用于异系统之间的覆盖弥补。本文为LTESON
以及5G 网络自优化提供了一种思路及方法。
参考文献：
[1] 3GPP. 3GPP TS 32.500: Telecommunication management; Self- Organizing Networks (SON); Concqjts and requirements]. 2019.
[2] 3GPP. 3GPP TS 36.401: Evolved Universal Terrestrial Radio Access Network (E-UTRAN); Architecture description[S]. 2019.
[3]
3GPP. 3GPP TS 32.541: Telecommunication management; Self-Organizing Networks (SON); Self-healing concepts and requirements [S]. 2020.
[4] 3GPP. 3GPP TS 32.501: Telecommunication management; Telecommunication management; Self^onfiguration of network
elements; Concepts and requirements[S]. 2020. ★
作者简介
2
邵锐(orcid/0000-0001-7956-4121 )：高级工 程师，硕士毕业于山东大学计算机学院.，现任职 于中国移动通信集团山东有限公司济南分公司，
研究方向为人工智能及大数据分析在无线网络优
化中的应用。
李春明：通信工程师，硕士毕业于山东大学通信与
信息系统专业，现任职中国移动通信集团山东有限
公司济南分公司，研究方向为网络规划、网络优化
及5G 应用。
19o I 疗軫込诸IZO I 2021年5月第3
期
