谢卓罡，周笑笑，李秋艳，廖雨明

【摘  要】为了实现越区覆盖问题的高效自动定位，提出了基于覆盖数据的LTE越区覆盖问题自动定位方法。该方法通过空间数据函数计算，实现快速批量自动化判断小区是否存在越区覆盖问题。现场对相关天线参数进行优化调整后发现，大部分小区性能都得到明显提升，优化结果显示：通过该方法定位的问题小区准确度达95%以上，而且发现问题的耗时由数小时缩短到几分钟之内。

【关键词】越区覆盖;AGPS MR数据;自动定位

doi：10.3969/j.issn.1006-1010.2019.12.014      中图分类号：TN929.5

文献标志码：A      文章编号：1006-1010（2019）12-0074-05

引用格式：谢卓罡，周笑笑，李秋艳，等. LTE越区覆盖问题自动定位方法研究与实践[J]. 移动通信， 2019，43（12）： 74-78.

Research and Practice of Automatic Detecting Solution of LTE Cross-Coverage

XIE Zhuogang， ZHOU Xiaoxiao， LI Qiuyan， LIAO Yuming

（Guangdong Wireless Network Optimization Center of China Telecom Co.， Ltd.， Guangzhou 510000， China）

[Abstract] In order to achieve an efficient detection of LTE overshooting cells， a new solution is provided in this paper which is based on cell coverage data and multiple spatial database functions. Significant KPI improvement are confirmed in most of the cells after on-site tuning. The optimization results show that the detection accuracy using the proposed solution is over 95%， and the time required is reduced from couple hours to few minutes.

[Key words]cross-coverage; AGPS MR data; automatic detection

0   引言

無线覆盖精确度是移动通信网络正常运作的根本。随着4G用户数量及套餐所包含的流量的增多，LTE网络的负荷越来越大，为了解决高负荷问题，各大运营商新建了很多小区，小区的增多，不可避免地导致了覆盖类问题。

对LTE FDD网络而言，同频组网、多设备厂家混合共同建设等容易导致邻区同频干扰，这将影响LTE网络性能及用户的使用体验[1]。为减少这类问题的发生，网络优化的一项重要工作就是减少越区覆盖。

传统网络优化主要是通过分析路测数据、KPI指标数据，结合小区工参表、站间距等信息，人工定位无线网络的小区越区覆盖问题，该方法在无线网络的定位压力不断增大的情况下，效率越来越低。本文基于AGPS MR数据，通过空间数据函数计算，快速批量自动地判断小区是否存在越区覆盖问题。

1   越区覆盖的影响

通常认为当一个小区的信号出现在其周围第一圈邻区以外的区域，并且能够成为主服务小区，或其信号与主服务小区电平差值在6 dB之内，则判断该小区存在越区覆盖问题（主要参考的指标为RSRP：小区下行公共参考信号在测量带宽内功率的线性值，典型值-75 dBm～-110 dBm）[1]。越区覆盖容易对过覆盖区域其他小区信号产生干扰，导致信道质量差、用户掉话、下载速率低、切换频繁等无线问题，影响用户使用感知。

1.1  越区覆盖的原因

（1）天线下倾角设置过小;

（2）天线方位角设置不当;

（3）基站功率设置过大;

（4）天线挂高过高。

1.2  传统越区覆盖问题定位方法

传统定位一般依赖路测数据或借助AGPS来判断小区覆盖范围是否超越周围第一层或第二层小区。然而业界对于如何定义“一层”小区，则没有一个明确的规定，常用的做法包括将小区周边360°按4方向或8方向等分，再按距离统计方位角所在方向的小区数量[3]。但此类统计未能准确考虑站间距差异、宏站及室分小区差异、台账经纬度误差、方位角误差等的影响，因此在实际网络优化中很少被应用。

2   越区小区定位创新方案

本文通过对AGPS MR数据进行分析处理，在大大缩减数据处理时间与降低数据处理难度的同时，实现了越区小区的自动定位。

2.1  数据来源及算法思路

（1）将全省面积按20 m×20 m划分栅格，对于每个栅格，以其中心经纬度或左下角经纬度作为标记。

（2）统计全省7天（以上）的带经纬度MR数据，根据每条记录中的经纬度，算出其归属的栅格编号，将该记录中的服务小区信息计入该栅格上，表示该小区的信号到达了该栅格。

（3）针对每个小区，将其作为服务小区时信号出现过的栅格以DBScan聚类算法[5-6]自动连片。具体算法概述如下：

1）將簇定义为密度相连的栅格的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声空间数据库中发现任意形状的聚类。

2）通过扫描半径（eps）和最小包含点数（minPts），任选一个未被访问（unvisited）的点，找出与其距离在eps之内（包括eps）的所有附近点。

3）提取簇包含栅格的各个顶点，根据多边形算法识别连片区域的轮廓，进而得到每个小区的实际覆盖范围[5-6]。

（4）利用所有小区覆盖数据生成地理化图层[7]，并将图层导入空间数据库，并通过空间数据函数计算[8]。

1）小区覆盖范围之间是否有重叠、触碰或者（被）包含等关系，具体空间函数包括st_cover、st_touch、st_intesects等;

2）小区覆盖范围之间的最近距离;

3）每个小区的覆盖面积;

4）小区覆盖范围之间的重叠面积。

2.2  筛选越区覆盖小区

由于广东省内各地市区域大小和经济发展情况各不相同，例如深圳、广州、东莞、佛山主要为密集城区，有很多城中村，因此站间距比较短，整体的网络结构为800M打底，1.8G主覆盖，2.1G作为热点吸收。而像潮州、汕头、河源等地市，主要为农村或郊区，因此站间距比较大，很多地方以800M覆盖为主，1.8G和2.1G两个频点不一定同时存在。

因此，针对不同类型的地市，需要设置不同的判断门限，门限可根据实际网络情况进行调整。以下为广东电信越区覆盖筛选条件：

（1）主服务小区覆盖面积>100 000 m2，与主服务小区覆盖有重叠的“相邻小区”覆盖面积>30 000 m2（用于排除室分小区的影响）。

（2）主服务小区邻区列表中“相邻小区”数量>N个（不含800M频点的邻区）。对于大地市，N=100;对于小地市，N=50。

满足以上条件的小区，即自动定位为越区覆盖问题小区。图1及图2所示为深圳某过覆盖小区自身覆盖范围及其“相邻小区”重叠情况。

2.3  实际案例

按照以上创新方案对河源地市进行越区覆盖定位优化：对河源4 581个小区进行统计，满足越区覆盖的小区个数为25个，其中800M频点4个，1.8G频点18个，2.1G频点3个。表1为河源越区覆盖问题清单。

（1）541125_52小区定位分析

541125_52，1.8G小区，天线挂高30 m，用户感知较差（用户平均下行速率偏低），建议收缩覆盖范围。图3为541125_52小区性能指标指示图。

经核查小区机械下倾角6°，电子下倾角0°，2019年9月23日现场调整电子下倾角度数为6°。调整前后的效果对比如图4所示。

经过调整河源小区541125_52，市区高塘F_800M_0的用户体验平均下行速率由2.11 Mb/s提升至3.12 Mb/s，速率提升了40%;同时下行RPB平均利用率由93.08%下降至77.28%，即无线资源得到了更充分的利用。

（2）863745_48小区定位分析

863745_48，深圳的1.8G小区，小区负荷严重，空口感知较差，建议收缩覆盖范围。图5为863745_48小区性能指标指示图。

2019年9月25日现场调整电子下倾角为6°，调整日期临近月末，在月末速率下降效应的影响下，调整后小区速率仍提升明显，PRB利用率明显下降。图6为863745_48小区调整前后性能情况。

此外，通过此方法找出了全省各地市越区覆盖小区。图7为越区覆盖问题小区调整后情况。其中，2019年9月对河源18个小区进行了越区调整，调整后15个小区性能提升明显，1个小区性能稍微有所提升。2019年9月对深圳20个小区进行了越区调整，调整后12个小区性能明显提升，4个小区性能稍微有所提升。2019年9月对佛山19个小区进行了越区调整，调整后12个小区性能明显提升，3个小区性能稍微有所提升。考虑到月末达量降速用户的影响，实际效果应该更加显著。

3   结束语

本文基于AGPS MR覆盖数据的无线问题自动定位创新方案，通过空间数据函数进行计算，能快速批量自动地判断小区是否存在越区覆盖。本次在深圳、河源、东莞、佛山等地市进行的试点效果比较明显，相对传统人工定位小区越区覆盖方式，该创新方案能更加快速方便地定位出问题小区且准确性较高，大大节省了人工时效及成本。该方案使地市能及时发现无线网络问题，提升网络性能和用户的使用感知，且具有普适性，推广使用方便。

参考文献：

[1] 金勇，方志林. LTE高站越区覆盖优化方案研究[J]. 移动通信， 2016，40（2）： 9-13.

[2] STEFANIA SESIA， ISSAM TOUFIK， MATTHEW BAKER. LTE—The UMTS Long Term Evolution From Theory to Practice[M]. America： John Wiley & Sons Ltd.， 2009.

[3] 华为技术有限公司. LTE无线网络链路预算与覆盖规划[Z]. 2015.

[4] 华为技术有限公司. LTE无线网络容量规划[Z]. 2015.

[5] AMIR AHMAD， LIPIKA DEY. A k-means type clustering algorithm for subspace clustering of mixed numeric and categorical datasets[Z]. 2011.

[6] QGIS. QGIS Documentation[EB/OL]. [2019-11-10]. https：//www.qgis.org/en/docs/index.html.

[7] PostGis. PostGis reference[EB/OL]. [2019-11-10]. http：//postgis.org/docs/reference.html.★