基于大数据挖掘的4G网络规划探讨

浦恩彦

【摘要】    信息技术与互联网技术得到了充分的成长，数据化时代也已经到来。在信息大爆炸的大环境之下，基于大数据挖掘的4G网络规划是为了对4G移动网络进行深入的分析与研究，通过各种各样的科学、合理的评价方法与手段对全网网络做出更为准确的规划，进而保障4G移动网络健康、合理、科学的成长。全文着重探讨了基于大数据挖掘的4G移动网络规划中面对的难题以及相应的处理措施，仅供参考。

【关键词】    大数据    挖掘    4G网络    规划探讨

随着2G、3G逐步退网，4G将作为基础网络，为了提高4G网络覆盖的效率、效益，提高运营商的竞争能力，就需要对移动4G移动网络中出现的各种问题进行深入的了解与分析，对4G移动网络进行更为全面、合理、科学的规划，才能确保全局视角充分考虑网络发展需求，在未来网络建设、优化和完善的过程中制定更为科学、精准的设计方案。

一、4G移动网络规划中面临的挑战

随着4G网络规模的快速增大，4G网络规划中有着许多的难题。首先，4G移动网络覆盖规划的准确性难题。究其根本，还是由于无线网络计划方案中采用的传播模型准确性以及电子地图精度、准确性问题， 4G移动网络规划当中，传播模型以及电子地图会与真实无线环境存在较大的差距，进而也会对无线网络覆盖规划的准确性产生不利的影响。

其次，常规规划方法对于用户价值区域无法很好辨识、挖掘，投资效益较差。常規的4G移动网络规划的方案中数据源较为单一、简单，对于有价值的热点没有办法进行高效的辨识，进而导致后期的投资效益处于不利的境地。随着4G网络规模逐步增大，4G移动网络的结构也有着较不可避免的问题，早期的网络绝大部分站点直接运用2G/3G的站址进行4G移动网络的建设，网络结构不尽合理，存在超高、超远、超矮、超近等类型基站，对于4G移动网络优化也会造成较大压力，局部区域4G网络质量较差。如何低成本建设精品4G网络，提高投资效益成为了当前4G网络建设的难题。

最后，在大数据的大环境之下，由于网络规模和形式的持续扩大，各种各样的测试数据、网络运行统计数据、经分数据、计费数据、流量数据等，如何高效运用，为4G网络规划提供支撑成为打造4G精品网络的关键问题。

二、基于大数据挖掘的4G 网络规划

2.1海量数据的采集

基于大数据挖掘的4G移动网络规划的核心要义就是需要对大量的数据进行高效的搜集，因此，就需要相关的工作人员做到以下要求。首先，针对于高价值区的数据来讲，需要对用户终端类型及支持能力、套餐、话单等数据进行脱敏后数据，进行相应的搜集工作时，通过运用多维度数据的方式进行提炼，继而对高价值业务区的热点区域以及流量需求等各个方面进行全方位的数据搜集。

其次，针对于覆盖类数据来讲，就需要运用分类搜集的方法对4G移动网络的统计性指标数据、基础工程参数、终端分布、MR数据以及扫频数据、用户投诉数据、CQT数据等数据进行高效的搜集工作。

最后，针对于网络结构问题评价数据来讲，这一方面就需要对4G网络的站址、站址、现网干扰统计如底噪抬升、日常路测数据等进行相应的搜集，进而就可以完成4G移动网络规划当中的全部数据搜集工作，接着通过运用大数据技术对各种各样的数据进行相应的分析、分类以及存储工作，最终为4G移动网络的科学、合理的规划供给相应的数据支持。

2.2多维度综合关联性评估

多维度综合关联系评估的方法，顾名思义，也就是通过对基站工参、用户数据、MR数据、路测数据、CQT测试、性能数据、业务类型及分布、终端类型及分布、投诉数据等各个方面进行数据统计、分析并处理的分析，进而将不同维度的数据进行关联，实现从高价值区域定位、性能、投诉方面、干扰小区分析等各个方面创建合适的规划评价体系，对4G网络进行精准分析，分析网络覆盖问题、容量问题，以用户为导向，定位高价值区，结合网络承载力、网络问题、用户需求、市场发展策略，制定相应的网络规划方案，并进行模拟仿真，迭代分析，对4G移动网络的规划方案的进行相应的完善与优化，结合投资水平，按价值高低，分批分步实施规划。

2.3规划关键性问题分析

1 高价值评估分析

通过运用大数据的技术，对于用户/终端及价值业务（来源于自身营账系统、OTT统计数据）、话务热点（来源OMC平台、OTT平台数据）、人口数据等各个方面的数据进行关联性能的分析与处理，整理出终端能力、用户等级、用户消费能力、高价值用户重点活动区域、热点业务和话务热点等数据渗透较高的地域，进而按照流量的价值种类以及终端流量的总量对其进行相应的排序，挖掘出业务使用率较高的区域。针对于4G移动网络速率不高且话务需求同样也被降低的地区来讲，这也就需要通过VIP/投诉用户列表进行分析，以及根据VIP/投诉用户列表的数据来对热点网络申诉、重点小区的数据流量的变化形式以及重要客户的流行等各个高价值部分的流量进行相应的定位分析，着重感知用户的使用情况以及出现的问题，挖掘出4G移动网络中存在的高价值部分，这能够为工作人员对4G移动网络的规划工作供给数据支持，进而促使运营商的网络管控成本大大的减小。

2 干扰矩阵评估

针对干扰来讲，干扰分析是4G移动网络规划中所必不可少的重要部分，通过创建干扰贡献模型来对实际进行分析，干扰贡献数据模型主要由仿真、MR以及ATU三个方面组成相应的干扰贡献系数。在对主小区和干扰邻区进行分析的过程中，为了使得4G移动网络策划工作的顺利展开，就需要对其进行关联性能的分析与处理，以及按照由高到低的方法对关联的成效进行相应的排序，在排序的结果中挑选具有高干扰系数的小区。与此同时，通过对实际情景以及人工参数进行相应的融合，分析其干扰系数较高原因，进而就可以得到相应的主动高干扰小区以及被动高干扰小区。

3 覆盖评估分析

选择合适的传播模型，结合路测数据进行模型校正，提高传播模型与实际无线环境的匹配度是模拟预测的关键。有条件的情况，可选择3D射线跟踪模型 ，结合高精度数字地图，进行立体仿真。综合CQT数据、投诉、路测数据、MR、模拟仿真结果等数据，科学、合理的评价现有4G移动网络覆盖情况，精准定位网络覆盖问题，结合自有站址资源、铁塔站址资源、友商资源等，选择合适的站址，进行模拟仿真、迭代优化，预勘察，最终在最快的时间内获得有效、真实、正确以及完整的覆盖规划数据。

2.4基于大数据分析规划优点

1 基于大数据采集，避免信息孤岛

当从多个层面搜集相应的数据之后，不仅能够对现在的数据规划方法和手段进行相应的优化和完善，同样也能解决4G移动网络规划过程中过于依靠理论模型，通过对OTT数据、营账数据、终端信息数据、2G、3G、4G工参、OMC统计数据、MR数据、路测数据、投诉数据、CQT数据等各个层面的数据进行分类搜集，进而能够对4G移动全网进行综合的价值评价，从中得出相应的干扰评价、覆盖评价以及高价值评价等相关数据，真实的反映出实际的网络情况，对各个层面的大数据进行真实、高效以及完整的搜集、清洗、抽取，最终实现分类储存的工作。

2 基于关联性分析，实施信息的闭环管理

在对业务种类分布、数据速率分布、业务热点分布、智能终端用户分布以及VIP/投诉用户分布等各个维度的大数据进行关联性的分析与处理，进而发现其中隐藏的用户高价值区、热点业务分布、话务热点分布、分等级终端分布、用户消费能力分布等。以及对于网络结构来讲，客观真实的评价对于创建完善的网络结构评价模型有着极其重要的促进作用，以及根据仿真、MR、ATU、小区干扰系数以及实际环境的深入分析，创建相应的干扰矩阵评价模型。与此同时，通过运用人工参数以及MR等大数据，通过小区信号传播路损模型的相关的分析与计算，高效、科学、合理的评价4G移动网络的实际覆盖情况，进而将不同层次的大数据相互联系起来，将4G移动网络的规划以及实际网络的情况进行了深刻的分析与总结，以此来确保4G移动网络规划的发展方向。

3 多维度综合评估，实现4G移动网络的无死角规划

为了能够对多个层面的数据进行相应的评估工作，对4G移动网络中的站点进行黑名单、白名单以及灰名单等划分，继而能够实现对4G移动网络站点的优化与创新，使得创新的价值、覆盖、干扰模型等有着关联性的综合评价体制，高效、科学的评价出投资利益、4G移动网络的质量、4G移动网络的覆盖情况以及4G移动网络站点的建设等各个方面之间的联系，对4G移动网络的规划供给相应的建议，有效的将后期网络优化与创新的成本降低下来，最终促使4G移动网络各个方面的有效建设。

三、基于大数据挖掘的4G网络规划方法

基于大数据挖掘的4G网络规划方法，其基本步骤为：

第一步，基础数据采集输入，即把工参数据、路测数据、性能指标数据、MR数据、营账数据、用户终端类型数据、用户套餐数据、OTT数据、电子地图等数据导入数据库，并进行数据清洗、抽取等。

第二步，建立评估模型，确定评估标准、门限值，分析评估现网覆盖、容量、质量，挖掘用户价值和用户行为特点，精准定位网络问题区、用户价值区域，输出网络及价值评估报告。

第三步，根据评估报告结合市场发展战略，制定相应的网络方案，进行模拟仿真后代入评估模型进行网络覆盖、容量、质量的迭代评估，直至达到网络建设目标。根据站点的覆盖、容量、质量、用户价值、战略需求等多维度评估打分，确定站点优先级，输出相应的规划方案。

四、结束语

在互联网迅猛成长的今天，通过运用大数据技术对4G移动网络进行相应的网络分析评价、规划工作，将有效提高4G网络规划的精准性，提高网络投资效益，有力提高运营商竞争力。本文对4G移动网络的规划、建设工作的开展起到了至关重要的引导作用，将推动4G精品网络建设发展。

参  考  文  献

[1]云南省空间大数据挖掘与决策支持创新团队.云南省空间大数据挖掘与决策支持创新团队简介[J].云南科技管理，2020，33（05）：70-71.

[2]趙旭俊，蔡江辉，马洋，杨海峰，赵志诚.大数据科研成果支撑教学研究——以《数据挖掘与智能决策》为例[J].高教学刊，2020（27）：93-96.

[3]程小恩，温川飙，许强，杨珊珊，徐熊，朱红霞，张小会.基于大数据分析的中医门诊医疗诊费点阵模型构建[J].贵州中医药大学学报，2020，42（04）：93-98.