艾红伟



大数据分析在移动通信网络优化中的应用浅析

艾红伟

中国移动通信集团河南有限公司，河南 郑州 450000

我国在大力发展信息的大环境下，移动通信网络步入大数据时代。可是现今我国的移动通信网络无法较好地利用大数据技术，不能发挥其应有的作用，致使其改良工作受阻。通过很多年的工作实践与学术了解，分析了大数据与移动网络通信，并描述了数据的利用进程及改良策略，期望对移动网络供应商与一线工作者给予帮助。

大数据分析；移动通信；网络优化；具体策略

引言

技术的创新为通信网络制定了极高的标准，这与国家策略存有一定的关联，也是国家政策进步的要求，尤其是4G牌照的发放，让移动通信网络有了大踏步提升，对于通信行业来讲是巨大的进步。可是在发展中碰到了一些问题，关键体现为移动网络在运营改良中的技术也要得到全方位的提升，才能确保运营的平稳性，这样才能满足群众的使用要求[1]。这就需要通过大数据分析办法，对移动通信的发展趋势及要求展开分析，寻求更加科学的办法，制定越加全面的方针，提高移动网络的使用质量，推动技术的进步。

1 大数据分析概述

大数据处理技术是以大数据分析为基础逐步兴起的。在掌控大数据的前提下，通过数据存储、处理和分析等不一样的技术，创新数据间的协调性，让处理数据的速度越来越快，达到数据处理的全方位进步。大数据分析以大量的数据信息为前提。这些数据信息的获取可以是任何的平台以及网络软件系统中的数据，技术人员对这些数据展开收集分析，进而筛选需要的数据信息，为企业的进步提供参考，协助企业更加精准地寻找数据，提高信息处理的质量与效率[2]。与以往的数据信息处理办法对比，大数据在数据收集方式中更加快捷，使数据的处理质量与效率有了大幅提升，掌控了越来越合理的数据处理办法。

2 移动通信网络技术

现今，我国的移动通信网络是建立于2G的形式之上，即扩频通信是其中利用面宽的码分多址（Code Division Multiple Access，CDMA）技术。可是，此种网络在利用进程中极易受到外部环境的作用，在数据传送层面也不佳，所以需要深入的改良。随着技术的进步，产生了3G网络，通过高频谱利用率的码分多址技术，加快网络传送速度，提高数据的传送质量。在峰值上达到了总体传输的进步，可以达到3.1 Mbps；而4G通信探究的正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）、光纤通信、无线接入等优秀技术[3]，随着技术的创新，运用于管理利用中，能够让移动通信系统在各类的业务分组之中都能够得到使用。其数据传送速度突破了100 Mbit/s，在数据处理办法层面得到明显的改良。可是此项技术还存有一些干扰要素，想要再进一步提升，则要依靠大数据技术。网络改良是通过不一样的办法对现时期网络上的突出问题展开集中的改良管理，通过一定的设备实现网络协议更新以及支持，制订各项集成串联以及监控方式，对数据实施压缩管理，对宽带展开管理，并且对数据展开分析与导出，达到整体网络的优化运营[4]。

3 大数据分析应用于移动通信网络优化中的问题

3.1 通信网络数据量比较大

随着移动通信设备的不断普及，大大扩大了移动通信网络的覆盖范围。用户大幅增长，带动了相关移动网络基站数量的增加，由此出现了较多的移动通信网络数据。移动网络由于负荷过重无法承担这些网络流量，影响了移动通信网络的正常运行。

图1

如图1所示，某区域大数据平台网络数据采集情况：每秒数据量超过180 GB，平台采集数据量每秒超过1.81 GB。

3.2 资金投入量大

将大数据技术应用于移动通信网络优化中，需要花费大量的时间和资金。具体而言，在移动通信网络建设过程中，各个区域的数据结构和性质等方面的差异越来越悬殊，一定程度上很难同时进行优化，因此很难及时地完成移动通信网络的优化工作，从而延长了解决问题的时间，导致资金投入的增加。

某区域利用大数据平台实现站点自动规划节约建设投资（见图2）。

图 2

通过大数据平台可以实现优化和规划工作的自动化，提升工作效率，节约网络投资，提升整体效益。

3.3 移动通信网络用户业务多样化

在同一地点，利用信号对场所进行覆盖，一些用户可以通过移动设备来观看新闻、视频及浏览网页，并且与亲朋好友进行通话等。网络用户业务多样化，影响网络的正常使用。比如，某办公场所的人员密集区，使用无线网络的人员比较多，无线网络负载很重，从而影响网络的正常使用，导致用户在使用高流量的BE业务时会遇到一定的阻碍，往往只能使用低流量的QQ业务。

如某高校区域用户偏好视频类业务，网络负荷较高，视频类和浏览类业务感知均较差（见图3）。

图 3

如某办公区域用户偏好网页类业务，整体感知良好（见图4）。

图 4

由于用户的多样性，不同场景、不同人群的业务使用习惯和对网络的要求也不尽相同，因此对网络优化工作提出了更精细的要求。

3.4 通信网络传统优化手段已经不适应无线网络当前的发展

目前网络更关注客户业务感知，传统网络优化手段和措施已经无法满足现代网优的需求（见图5）：

图5

传统的网络优化主要是依靠人工进行话务数据分析、硬件检查、现场测试数据采集、参数分析等方法，对掉话率、接通率、切换成功率和拥塞率等KPI指标进行分析，才能找出影响网络质量的原因并进行处理。传统的网优手段更多依赖技术人员的经验，优化过程需耗费大量的时间、人力、物力，自动化程度非常低，不仅造成了大量的资源浪费，而且效率比较低，已经不能满足移动互联网时代的网络优化需求。

4 大数据分析在移动通信网络优化中的应用策略

4.1 应用大数据存储功能收集和存储现网数据

针对每天持续增加的移动通信网络用户数与不断攀升的信息数据量，为更好地对用户提交的数据进行处理，移动网络运营商可以采用大数据技术手段，进一步做好网络优化整合的工作。例如，可采用存储虚拟化的策略，来对移动网络产生的数据进行存储分析工作。所谓虚拟化存储工作，是在数据进入服务器前进行一定的分析筛选，把结构一致的信息储存在统一信息平台之上，进行系统化的集中管理处理，以此提高其运算处理的速率，更好地反馈至用户[5]。使用这样的功能，能够有效减少储存大量数据时需要的空间与能源，进一步避免数据可能存在的数据量波动，以此降低数据管理的难度与成本，更好地使移动网络供应商优化服务。

4.2 充分发挥大数据分析的潜力进行网络优化

数据分析是大数据实践研究的最关键环节，尤其对于传统难以应对的非结构化数据，大数据技术可以充分发挥作用。无线运营商利用自身在运营网络平台的优势，充分发展大数据在网络优化中的应用，可提高网优能力和网优工作效率，从而大大强化无线网络运营质量和用户感知。

电信级运营商使用的大数据分析主要为了实现如下功能：第一，了解无线网络现状，包括网络的资源配置和使用情况、用户分布、用户行为分析等；第二，优化网络资源配置和使用，有针对性地进行网络维护优化和调整，提升网络运行质量，改善用户感知；第三，网络优化性能预测、实施网络建设规划，确保网络覆盖和资源利用最大化，实现精细化网络运营，提升用户体验。

传统网络优化的工具很多。针对不同的专业优化领域，常用的网优工具包括：路测数据分析软件、话统数据分析平台、信令分析软件、频率规划与优化软件、话单分析处理软件等。这些软件虽然给网络优化工作带来了很大的便利，但往往只是针对网络优化过程中的特定领域，不能全方位地解决网络优化遇到的问题。网络优化是一个涉及全局的综合过程，需要通盘考虑优化方案和措施，因此需要引入大数据分析平台对这些优化工具所反映出来的问题进行集合，并综合分析和判断，输出相关优化建议。

建设大数据技术的网优平台，通过平台可实现数据采集和获取、数据存储、数据分析，帮助运营商利用分析结果优化网络质量并助力市场决策，实现精细化营销策略。利用信令数据支撑终端、网络、业务平台关联性分析，优化网络，实现网络价值的最大化。

例一：某区域利用大数据平台实现网络问题的自动定界，提升工作效率，减少优化投资（见图6）。

图 6

使用大数据平台，开展移动网感知问题定界，将感知问题细化为异常用户、异常终端、无线网络问题、网站问题、核心网问题等，建立完整的感知质差问题定界优化流程。

例二：某区域开展高校4G业务特点大数据分析，助力市场部门开展个性化营销（见图7）。

图 7

通过长期有效跟踪，对高校新发展用户质量进行评价，提升营销效率。

例三：某区域利用大数据平台开展IDC业务分析（见图8）。

通过大数据分析，对比同网站省内外服务器业务KQI、竞争网站有无省内服务器业务KQI，展现省内IDC业务优势。

对主流网站（如游戏）业务KQI进行评价，倒逼业务感知差的网站提升省内IDC业务占比（见图9）。

例四：某区域利用大数据平台开展新入网终端分析（见表1）。

图 8

图 9

统计2017年5月之后上市终端，现网共计753款终端，累计新入网终端209 740部，其中vivo X20A表现强势，以8.43%市场份额遥遥领先，其余热门终端如苹果8系列、华为nova系列、小米MAX2等排名较为靠前。

表1 大数据平台新入网络端分析

终端型号上市时间数量新入网份额 vivo X20A2017年9月21日17 6898.43% 华为nova 2 PLUS2017年6月16日10 5075.01% 小米 MAX22017年5月25日9 6254.59% 苹果8 PLUS2017年9月13日9 6244.59% OPPO R11 PLUS2017年6月30日8 6514.12% 小米5X2017年7月26日6 4553.08% 三星GALAXY S8Edge2017年5月1日6 4273.06% 华为nova 22017年6月16日6 3943.05% 苹果82017年9月13日5 1492.45% OPPO A772017年8月2日4 8332.30%

新入网终端品牌统计，五月份之后现网共有306个终端品牌推出新终端，其中小米以52 006部终端占据榜首，占比为24.88%，华为、vivo、OPPO紧随其后（见图10）。

图10 终端品牌占有率

高校终端推广可以考虑上述终端品牌和型号。

4.3 采用分阶段优化的策略

首先，在无线网络优化调整工作具体展开之前，做好准备工作。除明确待优化的项目与目标外，技术人员要展开分析探究，筛选最适当的优化办法与策略，再确定详细的优化方案。其次，在选定优化方案后，在投入具体优化工作之前要展开测试工作，确保优化方案不会破坏现有网络数据，造成现有数据出错或丢失。在测试完成并投入使用后，观测其是否能真正提升有关数值如运算速率、储存容量等。再次，在测试完毕确认方案不会损坏数据后，要对利用的方案展开分析，可选择不同类型的办法对统一数据实施优化，通过对比的办法甄选出最适当和最高效的方案。最后，在实现全部的调整优化后，还要对其展开实时的动态化观察。如果产生特殊情况或错误情况，就要及时进行调整，保证用户的顺畅使用。

4.4 健全移动网络通信的各项管理制度

虽然现今在移动网络通信中已经大面积运用大数据技术，可是以安全问题为代表的各种技术问题依然需要进行深入研究。为此有关的移动网络供应商要主动联动，出台一定的管理制度，以此规范个人用户或事业单位的使用。首先，要强化网络安全的有关技术，禁止一些不法分子为牟取非法利益而制造的木马、病毒等侵入个人用户的移动设备中，进而偷取个人用户的信息。其次，相关的移动网络供应商要主动配合政府共同展开工作，创建高效完善的监管体制，禁止一些企业单位试图利用移动网络采集个人用户信息的情况出现。

5 结束语

总而言之，应用大数据技术是改良移动通信网络的必然选择，同时也是处理移动通信网络存有的问题和发展趋势的关键。通过逐步改进大数据技术，提升移动通信网络发展水平，为大数据技术的存储与分析打下坚实的基础，创建数据网络平台，改进移动通信网络，简化工作程序，加速社会信息化建造进程，便捷人们的生产生活。

[1]张靓，黄克彬. 大数据分析在移动通信网络优化中的应用[J]. 数字通信世界，2018（4）：209.

[2]吴军玲. 大数据分析在移动通信网络优化中的应用研究[J]. 甘肃科技纵横，2017，46（9）：7-9，84.

[3]杜伟杰. 浅谈大数据分析在移动通信网络优化中的应用[J]. 通讯世界，2017（10）：81-82.

[4]汪敏，廖名扬. 大数据分析在移动通信网络优化中的应用研究[J]. 通讯世界，2017（2）：123.

[5]甄仲强. 大数据分析在移动通信网络优化中的应用[J]. 工程建设与设计，2017（1）：173-174，177.

Application of Big Data Analysis in Optimization of Mobile Communication Network

Ai Hongwei

China Mobile Communications Group Henan Co., Ltd., Henan Zhengzhou 450000

With the development of information in China, the mobile communication network has stepped into the era of big data. However, today’s mobile communication network in China cannot make good use of big data technology and cannot play its due role. As a result, its improvement work is hindered. Through many years of work experience and academic understanding, the paper analyzes big data and mobile network communications, and describes the use of data and improvement strategies, hoping to help mobile network providers and front-line workers.

big data analysis; mobile communication; network optimization; specific strategies

TN929.5

A