案例-MR创新应用助力网络优化提升网络质量
MR创新应用助力网络优化提升网络质量一、MR创新应用背景现阶段MR数据分析多用于网络深度覆盖的评估,通过终端测量上报的参考信号接收功率RSRP来评估用户所在区域的网络覆盖强度。本文通过对MR采集的数据信息进行深度分析,通过KPI异常小区的分析、过覆盖小区的识别、高干扰区域定位等多种MR创新应用手段,来挖掘网络中存在的问题并及时实施优化,提升网络质量,为后续基于MR的网络优化动作推广提供有力的支撑。二、MR创新应用总体思路基于MR数据的分析,从高干扰区域、异常小区问题、过覆盖小区三个维度识别网络痛点、难点精准定位分析,为后续网络质量的改善提供便捷、高效、全面的优化手段,低成本打造精品网络。图1:MR数据分析助力网络优化三大创新应用附:建筑物级别MR数据关键指标解析方法2.1 精准分析异常小区问题总体思路 通过网管指标筛选异常小区 结合MR输出的建筑物主服务小区列表得到异常小区覆盖楼宇 分析异常小区覆盖楼宇的关键指标(RSRP、CQI等)输出指标异常的问题楼宇 对问题楼宇现场勘查测试,输出优化方案,解决指标异常问题图2:MR精准分析KPI异常小区问题流程图2.2 精准识别过覆盖总体思路 通过MR原始分析数据输出楼宇的经纬度、RSRP指标和楼宇主服务小区 通过工参获取服务小区的站点经纬度,与服务小区覆盖的楼宇经纬度进行关联,通过两点间经纬度距离公式得到小区的覆盖距离 筛选市区覆盖距离大于600米的小区,通过MAPINFO进行地理化呈现小区覆盖范围 结合周边地理环境确定过覆盖小区,现场测试优化处理过覆盖问题BuildingID楼宇经度楼宇纬度ServingBuildingRSRPSiteIDCellID服务小区站点经度服务小区站点纬度覆盖距离buildings0_58027117.25840431.816364-102.643021120117.2505631.81972830buildings0_58107117.26042131.815639-96.8243021120117.2505631.819721036buildings0_58099117.26074331.81526-98.5343021120117.2505631.819721082buildings0_58109117.26054331.815639-99.8343021120117.2505631.819721047buildings0_58649117.26627831.816676-11843021120117.2505631.819721523buildings0_57715117.257631.819478-102.3443021120117.2505631.81972666buildings0_58110117.26037531.815899-96.5943021120117.2505631.819721020buildings0_58228117.25595831.823262-98.1243021120117.2505631.81972644buildings0_58042117.25609231.816156-95.3343021120117.2505631.81972656buildings0_57703117.25774931.81986-104.1343021120117.2505631.81972679buildings0_58143117.2542631.814934-94.8643021120117.2505631.81972637表1:楼宇经纬度结合主服务小区经纬度计算覆盖距离覆盖距离=6371004*ACOS(1-(POWER(SIN(90-楼宇纬度)*PI()/180)*COS(楼宇经度*PI()/180)-SIN(90-站点纬度)*PI()/180)*COS(站点经度*PI()/180),2)+POWER(SIN(90-楼宇纬度)*PI()/180)*SIN(楼宇经度*PI()/180)-SIN(90-站点纬度)*PI()/180)*SIN(站点)经度*PI()/180),2)+POWER(COS(90-楼宇纬度)*PI()/180)-COS(90-站点纬度)*PI()/180),2)图3:小区覆盖区域地理化呈现图4:MR识别过覆盖小区流程图2.3 精准定位高干扰总体思路 通过MR原始数据分析输出建筑物级RSRP指标、CQI指标、建筑物主服务小区、建筑物经纬度和建筑物级地图 筛选出EXECL表格中建筑物RSRP良好(RSRP>-90dbm)同时CQI低(CQI<=6)的高干扰物理点 根据高干扰物理点经纬度、建筑物服务小区确定高干扰小区和区域 对MR分析识别的高干扰区域现场测试分析,输出解决方案CQI区间调制方式速率1CQI6QPSK低速率7CQI916QAM中速率10CQI1564QAM高速率表2:CQI与调制方式的对应关系图5:MR数据解析的RSRP(左)和CQI(右)地理化呈现BuildingIDLongitudeLatitudeSiteIDCellIDBuildingCQIServingBuildingRSRPbuildings0_60465117.2059331.78843014055.6-81.44buildings0_55506117.2495231.84715907251515-83.29buildings0_58733117.2678731.8167743125164-90buildings0_71094117.2210731.76324907688262.67-89.11buildings1_52599117.3240131.82117907813534.12-85.78buildings0_69489117.232731.77572433511114.25-82.75buildings0_90827117.3404831.85463907261554.31-89.11buildings0_61059117.2059331.788430466514.32-88.14表3:楼宇级MR数据RSRP和CQI指标图6:MR精准定位高干扰流程图三、MR创新应用方案和实施过程3.1 MR创新应用准分析异常小区问题3.1.1 异常小区问题描述通过网管平台监测HF-市区-安大新区社科楼东-HFTA-430782-55小区KPI指标异常,统计一周自忙时段,其RRC重建请求次数已达到100次以上且RRC连接重建比例达到15%左右。小区名称RRC重建请求次数RRC连接重建比例(%)HF-市区-安大新区社科楼东-HFTA-430782-5511713.98 HF-市区-安大新区社科楼东-HFTA-430782-5512012.77 HF-市区-安大新区社科楼东-HFTA-430782-5510611.73 HF-市区-安大新区社科楼东-HFTA-430782-5517212.27 HF-市区-安大新区社科楼东-HFTA-430782-5522416.14 表4:异常小区指标3.1.2 MR数据定位分析 HF-市区-安大新区社科楼东-HFTA-430782-55小区RRC重建指标差,通过MR数据分析该小区主要覆盖buildings0_66540和buildings0_66604两栋楼宇 buildings0_66540的CQI较差为4.6,且该楼宇MR数占比高为73.96%,可判断主要是该楼宇内问题导致小区指标差BuildingIDLongitudeLatitudeSiteIDCellIDBuildingMRNumBuildingCQIServingBuildingRSRPbuildings0_66540117.176931.7664307825524654.6-92.38buildings0_66604117.18231.76584307825586811.58-90.98表5:异常小区覆盖楼宇MR指标图7:MR识别异常小区覆盖楼宇和CQI质差3.1.3 现场测试分析 通过建筑物图层与现场楼宇对比,buildings0_66540为安大新区桂园餐厅 桂园餐厅内现场测试验证,餐厅内收到安大新区社科楼东55小区和安大新区博学南楼55小区的信号,两个小区信号相当,均在-90dBm左右,重叠覆盖高导致平均SINR在2db左右,部分区域SINR低于-3dB 桂园餐厅为安大新区博学南楼55小区主覆盖方向,需要控制安大新区社科楼东55小区覆盖范围,使餐厅内主占用安大新区博学南楼55小区图8:现场测试RSRP(左)和SINR(右)3.1.4 优化方案调整安大新区社科楼东55小区电子倾角7->10,功率122->92,控制其覆盖范围;调整安大新区博学南楼55小区功率由122->152。3.1.5 优化效果 优化后桂园餐厅内由安大新区博学南楼55小区主覆盖,平均SINR由2.1dB提升至8.2dB 优化后安大新区社科楼东55小区忙时RRC重建次数由150次左右降低至25次左右, 重建比例由13.37%以上降低至4.77左右图9:桂园餐厅内优化效果图10:异常小区指标改善效果3.2 MR创新应用精准识别过覆盖3.2.1 MR数据分析过覆盖小区通过MR数据分析识别430211-20和433718-5小区覆盖距离大于800米,平均RSRP在-90dbm至-100dbm左右,结合周边地理环境分析,430211-20和433718-5小区存在过覆盖BuildingID楼宇经度楼宇纬度ServingBuildingRSRPSite IDCell ID服务小区站点经度服务小区站点纬度覆盖距离buildings0_58027117.25840431.816364-102.643021120117.2505631.81972830buildings0_58107117.26042131.815639-96.8243021120117.2505631.819721036buildings0_58099117.26074331.81526-98.5343021120117.2505631.819721082buildings0_58109117.26054331.815639-99.8343021120117.2505631.819721