TD—LTE网络分流模型研究

喻嘉兵　姚锐　黄帮明

为了提升TD-LTE网络分流效果，提高4G用户的用户感知，对影响网络分流的网络、市场、终端/用户三方面的具体问题进行挖掘。通过引入大数据分析技术，对运营商的海量用户数据、网络数据进行分析，建立数据挖掘模型。在网络方面，挖掘出现网中网络覆盖质量异常的4G网络小区；市场方面，识别出具有市场潜力的4G网络小区和用户；终端/用户方面，识别出4G锁网终端用户，并分别给出了有针对性的解决方案。此外还介绍了该模型应用于某直辖市现网后取得的良好分流提升效果。

网络分流 大数据 网络覆盖质量 锁网终端

1 引言

TD-LTE网络经过近三年的大规模建设，已基本实现全区域的4G网络广覆盖，为存量2G/3G用户迁移至4G网络奠定了良好的基础。4G网络较2G/3G网络在承载效率、系统容量、数据业务速率方面都有巨大的提高，大幅提升了移动用户的网络感知。此外，对运营商而言，运营4G网络一张网络，可减少2G/3G网络的建设投入和维护费用，达到降低企业运营成本的目的。因而运营商迫切希望能解决4G网络的分流问题，引导和吸引用户主动使用并驻留4G网络，降低2G/3G网络负荷。本文将从运营商自有的用户、网络海量数据出发，利用大数据理论，从网络、市场、用户三个维度综合分析限制4G用户使用4G网络，即影响4G网络分流的原因，并针对各具体问题给出解决方法，继而进行验证。

本方法具体涉及的用户侧、网络侧数据类型在前文提到的那些的基础上，还包括用户的4G终端机龄、用户更换USIM卡数据等。实现模型如图2所示，首先利用网络覆盖质量分析模型识别出4G网络覆盖质量良好的区域；其次对该区域内的4G用户进行换卡、判断4G终端机龄信息。根据市场统计结果表明，80%的移动用户的终端更换周期为18个月，因此通过机龄可识别出潜在换机用户，对未换卡用户和潜在换机用户可以通过市场营销手段提升用户感知。最后根据终端渗透率及非4G终端流量占比判断该区域的整体市场潜力，帮助市场部门进行定向营销。

3.3 用户终端维度

（1）锁网终端分析方法

为减少网络、市场异常因素对用户数据的影响，提高对4G用户中锁网终端识别的准确率。基于网络覆盖质量分析模型和市场潜力分析模型，对网络覆盖质量和4G市场发展均良好的小区进行锁网用户识别，挖掘现网中4G网络分流异常的4G用户，采用有针对性的解决方案来提升4G网络分流能力。首先利用忙时用户、网络数据进行锁网终端的初步识别，主要识别依据包括用户4G流量及4G流量驻留比等；对初步识别出的疑似锁网终端，利用其月度数据（包括话单数据、网络数据及信令数据），确认其中真正的锁网终端。

（2）方法实现

根据4G锁网终端识别原理，数据挖掘涉及的数据类型除上文3.1节（2）提到的之外，还包括月度流量数据、用户月度驻留小区数据，以及基于月度流量数据的4G用户流量驻留比数据。锁网终端识别方法具体所需数据类型有用户ID、2G/3G/4G流量、全月白天驻留小区（CELLID/流量）以及全月晚间驻留小区（CELLID/流量）。

基于所列的数据分析类型以及锁网用户识别方法，锁网终端的具体识别模型如图3所示。模型具体说明如下：

1）利用忙时用户侧及网络侧数据，对网络覆盖质量良好小区内的4G用户进行4G流量分析，判定4G流量为0的4G用户为疑似锁网终端；

2）提取疑似4G锁网用户的月度数据，根据用户的月度流量信息，并计算4G用户的4G流量驻留比，分析该4G用户是否具有使用4G流量的潜力，即是否为具有4G潜力的锁网终端；

3）提取具有4G流量使用潜力的锁网用户的全月驻留的各制式网络小区信息，分析该用户是否全月处在4G网络覆盖区域，若该用户曾出现过在4G覆盖区域，但4G流量为0，则该4G用户为最终确认的锁网终端。

4 方法验证与应用

为了验证研究方法的可行性，借助某直辖市移动大数据平台，将研究模型予以实现并验证，利用网络侧、用户侧大数据，根据模型分别定位了4G网络覆盖质量异常小区、市场发展潜力区域与用户，以及4G锁网终端用户，并对问题进行了有针对性地解决。

4.1 异常小区识别结果及应对建议

对某直辖市的所有4G基站应用网络覆盖质量分析建模，统计结果表明网络覆盖质量异常小区占所有4G小区的15%。将模型识别结果引入传统网络质量测试方法（如MR、路测），对网元KPI指标进行验证后可知，其中90%的小区确实存在覆盖质量问题。针对异常小区，通过路测、MR数据分析确认具体的网络覆盖异常类型，采用网络优化或者增建基站等方式改善網络覆盖。以模型识别结果中的一个网络覆盖质量异常区域为例，该4G网络弱覆盖区域补站前后分别如图4和图5所示。渝北工业园区ED1-2基站为2G基站，距离其最近的4G基站为渝北正委花园-HLH站，该区域属于一般城区，区域内的4G基站间隔为360 m，符合网络规划中的通用规则。根据本文研究方法进行分析，结合现场实际情况和测试分析，有规划地进行了补站，并于9月15日开通了渝北回兴农贸市场D-HLH。通过对比该区域4G网络弱覆盖问题解决前后的测试数据发现，区域内4G用户的整体网络感知由原来的27.14%提升至了88.47%。

4.2 市场化精准营销

通过在某直辖市运用市场潜力分析模型，发现其中具有4G市场发展潜力的网络小区有3653个。通过在挖掘出的市场潜力区域进行区域定向营销，已成功销售4G终端703 779台，其中通过定向潜在客户营销销售终端267 316台，通过区域营销销售终端436 463台，针对换机未换卡用户定向引导换卡8965个，最终市场引导带来流量提升的业务数达15 718笔，平均每笔业务带来的DOU增量为530 M，对4G网络分流效果提升起到较大作用。通过本模型方法提升了4G终端销售的定向性，为公司节省了渠道终端佣金，并提升了网络分流能力，具体经济效益计算方法如表1所示。

4.3 问题终端用户识别结果及应对建议

应用锁网终端识别模型，对使用不同品牌、不同款式终端的4G用户进行数据分析，挖掘出其中锁网概率较高的终端类型。通过对某直辖市920万4G用户应用本模型，发现锁网终端占比达8.6%，其中使用用户超过30万的iPhone 6 A1549、iPhone 5C A1526、iPhone 5S A1528等4G终端锁网概率较高，具体各品牌、各款式4G终端的锁网概率如图6所示。通过数据业务中心和市场部采取一系列营销活动，帮助锁网终端用户解锁4G网络，提升了用户感知。具体方法包括：1）点对点引导，将锁网终端用户下发至其长期驻留小区所在的移动营业厅，由营业厅负责点对点指导锁网终端用户解锁4G网络；2）分终端款式解锁引导，由大数据中心对锁网概率高的终端款式挖掘解锁步骤，通过“10086”将解锁步骤下发给锁网终端用户，帮助其解锁。截至目前，锁网终端用户解锁前后人均流量增加89 M，其中4G流量增加80 M，解锁后各用户的平均4G流量驻留比为87.89%。

5 结束语

4G网络分流是运营商目前重点关注的研究课题之一，其有助于提高4G用户感知、降低运营成本、增加数据业务营收。本文提出的基于大数据分析的网络分流方法，从网络、市场、用户终端三个维度发现并解决导致现网中4G用户无法正常使用4G网络、4G流量驻留比低的问题，最终有效提升了4G网络的分流能力。通过实际验证及应用表明，本方法在识别和提升4G网络小区覆盖质量、锁网4G用户感知以及定向市场营销精准性方面效果较明显，给提升4G网络的分流能力提供了参考。

參考文献：

[1] Guo B， Cao W， Tao A， et al. LTE/LTE‐A Signal Compre-ssion on the CPRI Interface[J]. Bell Labs Technical Journal， 2013，18（2）： 117-133.

[2] 刘苑明，黄志豪. 锁网终端分析模型的研究与应用[J]. 电信工程技术与标准化， 2015，28（2）： 63-67.

[3] 李红亮，王雨，梁涛. TD-LTE网络架构及关键技术分析[J]. 黑龙江科技信息， 2012（24）： 108.

[4] 周俊，刘克清. 基于LTE信令大数据的网络质量评估体系研究[J]. 互联网天地， 2015（3）： 33-40.

[5] 罗凡云，郭俊峰. TD-LTE网络覆盖性能分析[J]. 移动通信， 2010，34（5）： 41-44.

[6] 王斌，吴金科，张翼. 网络分流优化探讨[J]. 信息化建设， 2015（6）： 51.

[7] 邓炳光，刘兵，张治中. 面向用户感知的LTE网络评估模型的设计与实现[J]. 电视技术， 2015，39（13）： 76-82.

[8] 朱涛，张丽珍，邵四清. 基于信令数据的客户感知评估与无线网络质量分析[J]. 电信网技术， 2011（4）： 48-56.

[9] Wu X， Zhu X， Wu G Q， et al. Data mining with big data[J]. IEEE Transactions on Knowledge and Data Engineering， 2014，26（1）： 97-107.

[10] Theera-Ampornpunt N， Bagchi S， Joshi K R， et al. Using big data for more dependability： A cellular network tale[A]. Proceedings of the 9th Workshop on Hot Topics in Dependable Systems[C]. 2013： 2. ★