李梅，杜翠凤，沈文明

（广州杰赛科技股份有限公司，广东 广州 510310）

基于大数据分析的移动通信网络规划方法

李梅，杜翠凤，沈文明

（广州杰赛科技股份有限公司，广东 广州 510310）

针对网络数据的爆炸式增长和大数据技术的迅速发展，提出了基于大数据分析的移动通信网络规划方法，立足规划目标，以大数据工具多维度挖掘分析用户的价值、感知、行为、轨迹等，全面反映用户对于网络的需求，进而聚焦市场、围绕用户感知制定科学合理的方案，构建精准化规划体系促进网络良性发展。最后，结合具体案例对该方法加以应用。

大数据 网络规划 用户价值 用户感知

1 引言

随着移动通信网络的发展和移动互联网业务的增长，移动通信网络的各类相关数据呈爆炸式增长。借助大数据强大的数据处理能力和数据挖掘技术，通过分析用户行为、基于用户价值和用户感知规划设计网络，成为运营商提升网络竞争力的关键环节。

传统的移动通信网络规划需要借助海量的测试，分析总结网络存在的问题，再基于对市场和业务的经验预测，制定规划方案。该过程中，测试结果的普遍性和业务预测的准确性制约了规划方案的合理性，高昂的测试成本和冗长的测试工期影响了规划效率。

基于此，提出了基于大数据分析的移动通信网络规划方法，通过大数据工具分析海量数据，实现用户业务趋势预测、用户价值挖掘、用户感知评估分析，进而能够以用户为中心、面向具体业务场景展开通信网络规划。同时，该方法能够综合分析CQT（Call Quality Test，呼叫质量拨打测试）、DT（DriveTest，路测）等多种前端测试数据和信令数据、位置数据、用户业务信息等大量后台数据，克服单一数据分析的局限，不仅能够大规模降低测试成本、缩短方案制定时间，而且还提高了方案的科学合理性。

2 基于大数据分析的移动通信网络规划体系

如图1所示，本文提出的移动通信网络规划体系可分为数据层、管理层、业务层和展示层，各层均与大数据密切相关。

图1 基于大数据分析的精准化网络规划框架图

2.1 大数据数据层

该层采用HDFS数据库和Hbase数据库管理通信网络相关的结构化、非结构化数据。数据主要来自于网管侧和计费侧，包括：核心网管数据、详单数据、网优平台数据、投诉数据、用户信息表等，这些数据经过预处理、算法处理后，按照标准数据格式存放在Hbase里面。

2.2 大数据管理层

该层基于Hadoop管理平台建立特定的数据预处理脚本和算法模型，实现对用户价值和用户感知数据的分析管理。

数据的预处理主要包括确实数据处理以及噪音数据处理。为分析用户价值和用户感知，本系统用到的大数据分析算法模型主要有层次分析法和聚类阈值法。

2.3 大数据业务层

该层是对用户价值和用户感知业务实施梳理与管理，对影响用户价值和感知业务的各维度进行分析并找出其关联关系。例如：用户价值与收入、终端、业务、套餐的各维度关联关系的梳理；用户感知与回落之间的关系梳理等。

2.4 大数据展示层

该层是以图表进行展示数据分析结果，辅助开展通信规划，重点是对用户价值与感知进行地理化展现、相关图表的输出。

3 用户价值与感知评价分析方法构建

3.1 用户价值评价体系构建

通信领域中的用户价值评估是一个多层次、多因素的问题，需要针对相关的业务构建评价指标体系，能够全面考虑用户的收入特征、层次结构、业务特征相互联系。

（1）建立用户价值评价体系结构模型——AHP分析法

采用AHP法评价用户价值时，首先是把用户价值进行梳理，建立出以业务为基础的层次结构模型，然后将用户价值分解成收入、套餐、业务和终端4部分。具体如图2所示：

图2 用户价值评价模型——AHP分析法

用户价值评价模型的层次一般分为：

◆最高层：用户价值。

◆中间层：用户潜力和消费能力。

◆最底层：用户潜力包括用户的套餐指标与终端指标；消费能力包括用户的收入指标与业务指标。

基于以上的维度进行评分，可将评分落到各基站扇区，根据评分做出扇区化的图层，并将网络的价值扇区进行地理化呈现。

（2）确定用户价值评价模型各指标权重

以AHP法确定用户价值评价模型各指标的权重分为以下两步：

首先，构建递阶层次结构。如图2所示，目标层是用户价值，该层是建立评价模型的目的和追求的最终结果。一级指标层为{用户潜力，消费能力}；二级指标层包括套餐、终端、收入、业务等。

其次，要建立判断矩阵。根据模型同一层级的相关指标体系指标可构造判断矩阵，将同一层次的指标元素按照其上层指标元素的重要性进行两两比较，判断相对重要程度。一般都会邀请通信专业人士和资深人员组成专家小组，依据他们的通信专业知识和研究经验进行评估，构造判断矩阵。

（3）综合权重计算用户价值

针对移动通信系统，服从一定社会（地理和逻辑）分布的具有不同消费能力、行为和移动特征的客户群体，在通信过程中形成的具有运营价值的业务活动区域叫做价值区域。

价值区域可以采用收入、终端、用户、业务（数据和语音）“四维度”，基于各自评分标准进行评分；将评分落到各基站扇区，再根据评分做出扇区化的图层，就可以将网络的价值扇区进行地理化呈现。

根据AHP法得出的权重以及各维度的评分标准，可以算出各小区的综合评分；再根据综合评分，可定义TOP30%为高价值扇区，TOP30%～TOP50%为中价值扇区，TOP50%～TOP80%为一般价值扇区，TOP80%以上为低价值扇区；最后，根据高低价值区域的评定，可以将网络的价值扇区进行地理化呈现。

该价值分析结果在规划中可进一步拓展到区域层面、微网格层面，从而实现网络建设目标精准定位，以更好地指导网络资源投放。

3.2 用户感知分析方法

（1）建立用户感知评价体系结构模型

如图3所示，与用户价值评价体系结构模型建立的方法相似，仍采用AHP分析法，用户感知评价模型可分为：

◆最高层：用户感知。

◆中间层：网络覆盖和网络质量。

◆最底层：网络覆盖主要为MR（Measurement Report，测量报告）覆盖指标；网络质量包括HSDPA（High Speed Downlink Packet Access，高速下行分组接入）用户速率与3G回落指标。

图3 用户感知评价模型——AHP分析法

（2）确定用户感知评价模型各指标权重

与用户价值评价模型各指标权重计算方法相似。

首先，构建递阶层次结构。如图3所示，目标层是用户感知，该层是建立用户感知评价模型的目的和追求的最终结果。一级指标层为{网络覆盖，网络质量}；二级指标层包括MR覆盖指标、HSDPA用户速率、3G回落指标等。

其次，建立判断矩阵。由专家根据经验确定权重。

（3）综合权重计算用户感知

用户感知可以采用MR覆盖指标、HSDPA用户速率、3G回落指标“三维度”，按照评分标准进行评分，再将评分结果落到各基站扇区，做出扇区化图层实现网络感知的地理化呈现。

3.3 价值与感知联合评估

为了更好地指导网络规划建设，可将用户价值分析方法和用户感知分析方法联合起来，建立4×3的价值与感知联合评估矩阵，针对不同矩阵中的网格分别制定对应的资源投放策略。

价值与感知联合评估矩阵中，不同网格的资源投放策略建议如表1所示（红色、绿色区域为重点投资区域）。

表1 价值与感知联合评估矩阵中的资源投放策略建议

4 应用案例

在某运营商本地网的无线网络规划中，运用上述的分析方法对2014年6月的7 000万条语音原始详单、5亿条数据原始详单、238万条用户原始信息详单进行了大数据分析。

4.1 价值区域分析

（1）终端分布分析

网上现有用户约110万户，其中支持3G业务的终端56万户，占比50.7%，仅支持2G业务的终端54万户，占比49.3%；约一半用户终端不支持3G业务，3G终端使用者中有一半终端使用的是2G套餐。

（2）业务分布分析

现网用户的业务分布统计情况是：语音业务63%承载在2G网络上，37%承载在3G网络上；数据流量2G承载24%，3G承载76%。考虑到3G网络的业务体验更好，且网络资源更为丰富，应通过各种措施加快业务的迁移，促进2G/3G网络的融合发展。

（3）套餐分布分析

现有用户的套餐数据统计结果如图4所示：

图4 某运营商套餐统计分布图

从图4统计分布可知，低端用户贡献了61%的收入，但占用了73%的流量资源和65%的语音资源。低端用户单位收入消耗的网络资源更高，说明高流量不一定带来高收入；市场营销策略是影响用户规模、用户行为以及网络资源使用的主要因素，为此，建议规划与市场应紧密结合，以计划为先、网络先行，市场与建设互相配合、逐步推进。

（4）用户收入分布分析

从用户收入角度分析，结果如表2所示：

表2 用户收入分布统计

从表2统计分析可知，使用2G套餐2G终端ARPU（Average Revenue Per User，每用户平均收入）值低于2G套餐3G终端，3G套餐2G终端ARPU值低于3G套餐3G终端，3G套餐ARPU值整体高于2G套餐，3G终端ARPU值整体高于2G终端。

从以上“收入、套餐、终端、业务”四维度进行扇区化统计，各扇区统计结果如图5所示：

图5 四维度扇区化 统计分布图

从图5统计分布可知，高价值小区数占比为30%，收入占比达到72%；中价值小区数占比为20%，收入占比达到16%；高/中价值全网小区数占比为50%，收入占比达到88%，高价值小区各维度占比均接近70%，各维度评估合理。

4.2 用户感知分析

（1）用户速率分析

网络单用户下载速率统计分布如图6所示：

图6 用户感知速率统计分布图

从图6统计分布可知，全网速率大于1Mbps的扇区占比为90.3%，需重点关注低于1Mbps区域的速率改善。

（2）3G用户回落分析

3G用户回落指标统计分布如图7所示：

图7 3G用户回落统计分布图

从图7统计分布可知，全网回落评估指标差的扇区占比为23.2%，需重点关注回落评估指标差的扇区的深度覆盖问题。

（3）用户感知MR覆盖分析

对MR数据中扇区级的RSCP（Received Signal Code Power，接收信号码功率）进行统计，其分布如图8所示：

图8 MR覆盖统计分布图

从图8统计分布可知，全网MR覆盖指标差的扇区占比为20.87%，需重点关注MR覆盖指标差的扇区的深度覆盖问题。

4.3 价值与感知联合分析

综合以上价值区域及用户感知分析，按照专家法取定的权重对各维度指标进行综合评分，得到全网各小区的综合评估分析结果，统计各类小区占比如图9所示：

图9 价值区域及用户感知统计分布图

从图9统计分布可知，全网综合评估高/中价值扇区中感知中/差的扇区占比为34%，这部分区域将是本次规划中需要重点投入网络资源的区域。具体分布如图10所示：

图10 价值区域分布图

5 结束语

综上所述，通过对现网用户的收入分布、终端分布、套餐、业务、用户感知等多维度分析，可精准定位高价值扇区及高价值区域，以进一步指导网络的精准化规划设计，引导投资的精准投放。除此之外，基于用户价值和用户感知的多维度分析还可以应用于市场营销、渠道规划等领域。

基于大数据的价值分析对运营商而言，是市场驱动、精细化管理的重要途径，有利于改变传统的经营模式，改善用户感知、增强自身竞争力，从而能够有效应对来自于虚拟运营和OTT业务的冲击。

[1] 黄勇军,冯明,丁圣勇,等. 电信运营商大数据发展策略探讨[J]. 电信科学, 2013(3): 6-11.

[2] 刘旭峰,耿庆鹏,许立群. 运营商获取移动互联网用户价值的策略研究[J]. 邮电设计技术, 2012(8): 9-12.

[3] 袁首. 多网协同下的电信无线网络规划方法研究[D]. 北京: 北京邮电大学, 2012.

[4] 曹艳艳. 3G无线网络规划[D]. 济南: 山东大学, 2005.

[5] 李勇辉. 大数据概念辨析及应对措施[J]. 互联网天地, 2014(1): 11-14.

[6] 龙青良,李巍,吕非彼. 基于用户感知的WCDMA无线资源效能评估方法研究[J]. 邮电设计技术, 2014(9): 33-39.

[7] 朱强. 3G无线网络规划和优化的探讨[J]. 通信世界, 2005(30): 57.

[8] 任毅. 3G无线网络规划流程[J]. 电信工程技术与标准化, 2005(11): 15-18.

[9] 郭金玉,张忠彬,孙庆云. 层次分析法的研究与应用[J].中国安全科学学报, 2008(5): 148-153.

[10] 马丽. 基于手机定位及聚类的高速公路实时交通参数估计研究[D]. 重庆: 重庆大学, 2005.

[11] 夏颖. 移动互联网用户价值的评价与分析方法[D]. 北京: 首都经济贸易大学, 2014.★

李梅：通信工程师，毕业于华南理工大学通信工程专业，现任广州杰赛科技股份有限公司通信规划设计院华南分院副院长，长期从事移动通信无线网络规划、设计等工作。

杜翠凤：硕士毕业于广东外语外贸大学，现任广州杰赛科技股份有限公司研发中心大数据组项目经理，擅长于数据挖掘工具的应用，主要从事用户行为分析、用户轨迹分析工作。

沈文明：高级工程师，毕业于南京理工大学电光学院，现任广州杰赛科技股份有限公司通信规划设计院总工程师，主要从事移动通信规划设计与研究工作。

Mobile Communication Network Planning Based on Big Data Analysis

LI Mei, DU Cui-feng, SHEN Wen-ming
(GCI Science & Technology Co., Ltd., Guangzhou 510310, China)

According to explosive growth of network data and rapid development of big data technology, a method of mobile communication network planning based on big data analysis was presented. In the light of planning objective, user’s value, perception, behavior and trajectory were multi-dimensionally excavated and analyzed by means of big data tools to fully describe user’s demand on network. In addition, scientifi c and feasible solution oriented to market and user was drawn up. Finally, the application of the proposed method was presented with specifi c cases.

big data network planning user value user perception

10.3969/j.issn.1006-1010.2015.10.004

TN929.53

A

1006-1010(2015)10-0022-06

李梅,杜翠凤,沈文明. 基于大数据分析的移动通信网络规划方法[J]. 移动通信, 2015,39(10): 22-27.

2015-04-20

责任编辑：袁婷 yuanting@mbcom.cn