一种批量测算目标区域4G覆盖小区的方法

陈捷

（红河职业技术学院，云南 蒙自 661199）

0 引言

在我国社会信息化的发展过程中，移动通信是非常关键的技术内容，对于整个国家的信息化建设有着非常深远的影响。就目前移动通信建设情况来说，4G 通信是最主流的通信技术手段，是整个信息化社会建设的核心支持力量[1]。对于运营商来说，做好高价值客户的4G 网络覆盖，是提升用户满意度、扩大经济收益的关键，考虑到高价值客户单位数量众多且分布广泛，有必要寻求一种便捷有效的分析方法，批量甄别出覆盖指定目标的4G 小区，从而提高运营商的工作效率、降低运维成本，全面提升运营商业务能力。

本项目的研究思路是从研究运营商重要集客单位（包括党政军机关、大型企事业单位等）的4G 覆盖情况入手，以云南某地为试点展开的，辖区内包括4G 基站共8 400多个，4G 小区37 000 多个，涵盖449 个集客单位。针对传统计算方式的不足，我们通过“客户位置数字化-轮询计算近距离基站-象限设计与方位角计算-条件筛选可能覆盖目标的小区”的新思路来进行改进，设计一套公式与算法来批量甄别出覆盖集客单位的4G 小区。

1 传统方法

无论采用传统方法还是新思路，首先都需要将地理位置数字化，即通过经纬度来表征客户单位地理位置，以便与4G 网络工参信息相关联，思路流程如图1 所示。

图1 传统方法与新思路流程图

现有的批量查询坐标工具与方法较多，国内主流工具大多基于百度地图API 取数，需要注意的是协议坐标系的统一，因运营商工参信息与Google earth/MapInfo 采用的是WGS84 协议坐标，而百度地图坐标为BD09 协议格式坐标，故需要经过协议格式转换方能匹配。

客户单位地址数字化之后，传统的做法是将客户位置导入MapInfo，通过人工识别，手动画圈的方式圈出覆盖目标周边的站点，导出圈内的所有小区，示例如图2所示：

图2 传统方法示例

该方法的不足之处在于一方面当覆盖目标数量较多且分布较散时，人工一一识别速度慢，效率低；另一方面圈中的站点下所有小区均被列入保障名单，但实际一个基站下只有个别小区承担目标区域的主覆盖，需保障的小区数量过大造成工作重点不突出，目标不明确。

2 新方法研究与设计

针对以上问题，我们通过“距离粗选+方向细选”的新思路来匹配“目标-小区”对应关系，新思路如图1 所示。

2.1 距离粗选

粗选目的是基于对“目标-基站”对间距的批量计算，初步筛选出可能覆盖目标的所有站点。主要通过以下步骤实现：

（1）计算量确定

众所周知，移动通信系统广泛地采用蜂窝组网方案，因此大大提高了无线资源的利用率[2]。4G 网络也不例外，目前，TD-LTE 网络已形成较完善的广覆盖宏蜂窝组网架构，理想模型如图3 所示：

图3 TD-LTE网络覆盖模型

客户O 所处位置必然由距离最近的基站A、B、C 中某一小区主覆盖，另有一、两个小区辅覆盖，因此理论上来说，只需计算出距离客户位置最近的3 个基站即可，如图3 示例中的基站A、B、C。但考虑到现实组网中，影响因素较多，无线环境较为复杂，为避免疏漏，我们将计算范围扩大到距离最近的6 个基站，如本例中将圈2中基站D、E、F 也纳入。由于运营商在网络规划建设与日常优化维护中，会规避超重叠覆盖小区的出现，即在TD-LTE 同频网络中，在主小区覆盖范围内，需将弱于服务小区信号强度6 dB 以内且CRS RSRP 大于-110 dBm的重叠小区数目控制在3 个（含主小区）以下，否则会带来了严重的同频干扰，极大地降低受影响区域的用户性能。假如在O 处还能接收到圈2 以外基站（如G 站）的强信号，日常优化工作中会收缩G 站的覆盖半径或调整覆盖方向，以避免越区覆盖造成模三干扰，因此计算范围取距离客户位置最近的前6 个宏站。

（2）轮询计算

批量计算的过程通过轮询算法编程实现，首先计算既定目标与全网所有站点的距离，然后筛选出距离最小的6 个基站信息，伪代码如图4 所示。

图4 关键代码片段

通过距离计算遴选出的基站并非都适用，还需要进一步设置合理的临界值，剔除距离过远的站点，筛选出潜在的覆盖基站。该步骤基于对LTE 网络TA（Timing Advance，时间提前量）分布统计的研究来实现。

为了保证接收侧（eNodeB 侧）的时间同步，LTE 提出了上行定时提前（Uplink Timing Advance）的机制。指为了将UE 上行包在希望的时间到达eNB，预估由于距离引起的射频传输时延，提前相应时间发出数据包。上行同步是移动通信技术中的一个重要环节，上行同步的结果将影响UE 上行信道性能[3]。

在UE 侧看来，定时提前本质上是接收到下行子帧的起始时间与传输上行子帧的时间之间的一个负偏移。eNodeB 通过适当地控制每个UE 的偏移，可以控制来自不同UE 的上行信号到达eNodeB 的时间。对于离eNodeB 较远的UE，由于有较大的传输延迟，就要比离eNodeB 较近的UE 提前发送上行数据。

UE 在初始接入LTE 网络的过程中，首先发送上行的PRACH 前导码序列，eNodeB 通过测量UE 的前导序列，在随机接入消息中（RAR）返回给UE 11 位的初始TA 值，同时通过北向接口上报，UE 侧根据RAR 中的初始TA 值，做相应的上行时间调整；网络侧根据TA 值大小分区对上报条数进行统计，因此TA 统计的是一定时间段内LTE服务小区的TA 测量数据，该统计值可表征某个小区覆盖下不同TA 区内的用户分布情况与活跃程度。

TA 取值范围是0～1 282，一个TA 长度是16 Ts，Ts是LTE 系统最基本的时间单位，即LTE 中进行数字调制和快速傅立叶变换的最小取样间隔，根据LTE 系统的采样速率，一个OFDM 时域符号持续时间为2 048 Ts=1/15 kHz，即Ts=1/(15 000×2 048)=0.032 55 μs。故LTE 一 个TA=(16×Ts×c)/2，其中光速c 约等于3×108m/s，即LTE 系统一个TA 值约等于78 m。

通过研究最近一个月的TA 统计数据，我们发现城区F 频段宏小区有81.44% 的TA 测量发生在702 m（9 个TA 区）以内，D 频段该比例高达92.48%，农村F 频段宏小区则有63.22%的TA 测量发生在1 560 m（20 个TA区）以内，D 频段该比例达到87.11%，统计值如表1 所示。权衡效率与准确性后，可将城区宏小区的距离取舍临界值设置为702 m（TA9），农村设置为1 560 m（TA20）。

表1 输出结果示意图

2.2 方位细选

经过距离粗选后，我们希望通过研究站下小区的覆盖方向与目标的方位来做进一步的甄选。此时需要先将目标相对于基站的方位进行数字化表征，具体步骤如下：

（1）象限划分

以基站位置为原点O(lon 0,lat 0)，正北方向为0°，区间(0°,90°)为象限1，(90°,180°)为象限2，(180°,270°) 为象限3，(270°,360°) 为象限4，首先判断目标位置相对原点O 所处象限。

1）若目标i(loni,lati)满足loni≥lon 0 且lati≥lat 0，则认为目标落入象限1，如图5 中目标A(lon 1,lat 1)；

2）若目标i(loni,lati) 满足loni≥lon 0 且lati

3）若目标i(loni,lati)满足loni

4）若目标i(loni,lati)满足loni

图5 象限判定原理图

（2）方位角计算

图5 中d1、d2、d3、d4为目标A(lon 1,lat 1)、B(lon 2,lat 2)、C(lon 3,lat 3)、D(lon 4,lat 4)到基站O(lon 0,lat 0)的距离，方位角θ1、θ2、θ3、θ4分别表示目标A、B、C、D 相对于基站O(lon 0,lat 0) 的方位角，不同象限中方位角的计算方法亦不同，式(1)-(4) 分别为象限1-4 中方位角计算公式：

式中k=111 195 m，即赤道上（纬度为0°）经度相差1°的距离，在目标A,……,D 所处的纬度纬线上，经度相差1°，对应距离相差k*cos(lati)，i=1,2,3,4。式中d1、d2、d3、d4为目标A(lon 1,lat 1)、B(lon 2,lat 2)、C(lon 3,lat 3)、D(lon 4,lat 4)到基站O(lon 0,lat 0)的距离。

（3）条件筛选

考虑到现网中4G 宏小区有效覆盖区域在10 dB 波束宽度（120°夹角）范围内，如图6 中Cell1 所示，图中θ为小区Cell2 方位角，d为小区Cell2 有效覆盖半径，θi(i=1,2,3)为目标A、B、C 方位角，di(i=1,2,3)为目标A、B、C 与基站间距。判断图中Cell2 小区是否对目标A、B、C 形成有效覆盖分“城区”和“非城区”两种情况进行讨论：

图6 小区判定原理图

若Cell2 小区地处城区（或非城区），目标A 满足d1≤d（d=702 m 或1 560 m），且∣θ1–θ∣≤60°（或2π-∣θ1–θ∣≤60°，针对θ1，θ均靠近0°的情况），则可认为目标A 落入Cell2 小区有效覆盖范围内。反之，则认为Cell2 小区非目标的有效覆盖小区，如Cell2 小区之于目标B(d1＞d)、C(∣θ3–θ∣＞60°)。

2.3 室分与微站

计算室分与微小区覆盖的方法与宏小区原理相同，实现较简单，只是在距离的取舍条件上有所差异，我们对全网一体化RRU 的TA 分布研究中发现，城区95%的一体化RRU 90%以上的TA 测量发生在546 m（TA7）以内，故可以将城区的距离取舍条件设置为546 m（TA7）；农村则覆盖范围较大，93%以上的TA 测量发生在1 014 m（TA13）范围内，故可以将农村的距离取舍条件设置为1 014 m（TA13），统计值如表2 所示。

表2 覆盖小区判断原理图

3 验证

本项目中我们从算法的准确性与效率两方面进行验证，主要通过计算结果与现场实测情况及传统方法效果对比来得出结论。

3.1 准确性验证

为了验证计算结果的可靠性，我们随机抽取部分目标进行了实地测试，以图7 中目标A 为例，经计算覆盖A 的小区有7 个，分布如图7 中绿色扇区所示，CGI 见表3 中B 列；实地测到目标A 可接收到其中5 个小区信号，测试轨迹与小区对应关系如图7 中绿色飞线所示，实测小区CGI 见表3 中C 列。

图7 实测示例图

在3.2 节表3 中可见，实地测到的小区全部落入计算出的可能覆盖小区集合中，证明了针对目标A 的计算结果准确性。

同理，我们抽取了3 个区县47 个目标单位进行了验证测试，抽样比例为10.47%，实测到的小区有68 个，其中56 个小区落入计算出的可能覆盖小区集合，即可认为计算结果的整体准确率约为82.35%，其中A 市抽样点33个，实测小区数26，计算与实测相符小区数21，准确率80.77%；B 市抽样点8 个，实测小区数25，计算与实测相符小区数20，准确率80.00%；C 县抽样点6 个，实测小区数17，计算与实测相符小区数15，准确率88.24%。证明了该计算方法的准确有效性。

3.2 效率验证

按照传统做法，是将目标单位周边站点下所有小区均圈出，纳入保障范围，同样以目标A 为例，按照传统方法，周边4 个站点，21 个宏小区被圈出纳入保障范围，如图8 所示。但经现场实测，仅5 个宏小区对目标A 形成有效覆盖，剩余16 个宏小区均为冗余，冗余小区占比达到76.19%。

图8 传统做法示例

如上节所述，使用新方法进行计算，覆盖目标A 的宏小区有7 个，与实测结果比较，既实现了有效小区的全覆盖，又大大精简了冗余小区数量，有利于提高工作效率。实例效率与准确性参照表如表3 所示。

表3 实例效率与准确性参照表

本例中可看出传统方法虽然实现了有效小区的全覆盖，但冗余过多，导致保障目标小区不明确，保障工作重点不突出。

在本项目中，用传统方法对全量449 个集客单位进行统计，得到可能覆盖目标的4G 小区6 300 个，其中宏小区4 654 个，室分小区648 个，微站998 个。使用新方法进行批量计算,得到相应小区共计3 960 个，整体压降比例37.14%，其中宏小区3 568 个，压降比例23.33%；室分小区41 个，压降比例93.67%；微站351 个，压降比例64.83%。

即新方法计算出的各类目标小区与传统方法计算结果相比，精简了37% 的总体规模，同时在准确性上有较大提升，因新方法对于以目标单位为中心的第一圈宏站，仅保留主覆盖小区，剔除背向小区，同时增加了第二、三圈宏站的相向小区，兼顾计算结果的准确性与全面性。由此可见，新方法的应用较传统方法去粗取精，目标明确，有助于提高工作效率。

4 结束语

综上所述，未来几年，TD-LTE 制式的4G 网络将承担起中国移动数据业务发展和用户感知体验的重任[5]，应用本项目中研究的快速定位法，有助于在日益复杂的无线环境中快速、精准定位覆盖VIP 目标的4G 信号，有效保障高价值区域的高价值客户体验，提高企业经济效益与核心竞争力。