刘浩明，翟俊昌，成 昊

（中国移动通信集团重庆有限公司，重庆 400021）

0 引言

中国移动5G获得2.6 GHz频段的160 MHz频谱，其中D1D2D3D7D8频点均为现网4G网络在用频段，5G要实现100 M组网乃至160 M组网的话，均需4G侧进行2.6 GHz的频率重耕。若4G网络不开展频率重耕，5G-100 M组网情况下，单站峰值速率最大恶化可达到30%，影响明显。而4G-D频段作为现网的主要业务承载频段之一，贸然开展频率重耕对用户感知将带来不可估量的影响。因用户感知的好坏对用户满意度的影响至关重要，采用传统方式开展频率重耕存在风险不可控、数据不可维等情况，对用户感知具有一定的损害风险，而基于用户真实感知开展频率重耕将在完成频率重耕的同时有效避免这一风险。

1 系统方案思路

基于用户感知的频率智能重耕系统，充分结合现网4G网络的D频段站点分布场景及业务承载特色，在确保用户感知前提下的开展频率重耕评估，评估流程主要分为3个步骤：

步骤1：基于现网负荷，结合扇区等效载波评估同扇区负荷分担，对满足扇区容量需求的小区进行退频。

步骤2：对不能进行同扇区负荷分担的小区提取MR测量解析文件、参数配置、业务负荷及邻区数据文件，采用“1st_Neighbor算法”评估相邻扇区负荷分担。

步骤3：根据评估结果，综合输出相邻扇区负荷分担后的网络覆盖及业务量变化情况，充分确保在保障4G网络质量的前提下，开展退频工作。

2 算法设计

为实现系统方案，确保系统的输出结果可有效保障现网用户感知，特进行以下算法设计。

2.1 基于扇区等效载波进行同扇区负荷分担

结合多层网小区判定结果开展同扇区负荷分担，利用等效载波理论依据，基于现网小区负荷计算同扇区所需的载波容量，再结合扇区内各频点的等效载波数统计多层网剩余的等效载波数量，继而评估出退频后的容量缺口，对满足扇区容量需求的小区进行退频，退频小区容量缺口需求计算如下：

退频后载波容量缺口=Sum（所有多层网小区1周利用率最大值[分上下行]）/50%-（Sum（多层网等效载波数）-Sum（D1D2等效载波数））

2.2 基于“1st_Neighbor算法”进行相邻扇区负荷分担

自研“1st_Neighbor算法”对终端上报的MR数据进行数据清洗，其中“1st_Neighbor算法”的设计思路如下：

针对终端上报的源小区采样点及源小区对应的众多邻小区采样点进行梳理，按照邻小区采样点的电平强度，同时结合现网空闲态频率分层策略对邻区的频点优先级与RSRP值进行设计，筛选电平 信号最强且层级最高的邻小区进行源小区采样点的替代，所选中的替代源小区采样点的邻小区则被称为“1st_Neighbor”。

采用“1st_Neighbor 算法”对MR解析数据的数据清洗按照下述5个步骤展开：

步骤1：对采集的MRO数据进行聚合，按照S1apID、ScRSRP、时间、站点小区等信息进行数据聚合，聚合的数据称为X。

步骤2：对聚合后的数据条数进行判断，若聚合数据条数≤1条，则直接返回聚合数据X完成 数据清洗；若聚合数据条数＞1条，则筛选聚合数据X列表中优先级为最高且和NC电平最大值之差＜4的数据列表，该数据列表称为Y。

步骤3：对Y列表的优先级进行判断，若优先级≤4，则返回Y列表中前三行的数据完成数据清洗，若Y列表的优先级＝5，则判断Y列表的NC电平最大值是否≥32，若是，则返回Y列表中前三行数据完成数据清洗；若Y列表的NC电平最大值＜32，则进入步骤5；

若Y列表的优先级=6，则进入步骤4；若Y列表的优先级＞6，则返回Y列表中前三行数据完成数据清洗。

步骤4：若Y列表的NC电平最大值≥38，则返回Y列表中前三行数据完成数据清洗，若Y列表的NC电平最大值＜38，则筛选X列表中优先级=5且和NC电平最大值之差＜4的数据列表，该数据列表称为Z，对比Z列表中NC电平最大值与Y列表中NC电平最大值差是否＞10，若“是”，则返回Z列表中前三行数据完成数据清洗，若差值≤10，则进入步骤5。

步骤5：筛选X列表中优先级≤4且和NC电平最大值之差＜4的数据列表，该数据列表称为W，对比W列表中NC电平最大值与Y列表中NC电平最大值差是否＞20，若“是”，则返回W列表中前三行数据完成数据清洗，若差值≤20，则返回Y列表中前三行数据完成数据清洗。

根据MRO数据清洗结果完成Nc MRO采样统计，结合Sc MRO覆盖率统计及单D无F场景判断结果，将Sc/Nc MRO采样、F频点采样数据处理结果拼接生成TOP20邻区，通过邻区MR采样评估后的区域覆盖率变化输出地理位置覆盖率的变化情况；同时通过邻区MR采样评估退频后的驻留小区情况，输出主要邻区采样点吸收占比，根据邻区匹配及邻区容量指标匹配结果生成退频小区的容量负荷分担评估结果，结合上述两项评估结果进行综合判断：

若退频后覆盖变化＜3%，且业务分担评估TOP10邻区中高负荷风险邻区（连续7天出现1天即为高负荷风险小区）个数＜3，则判定为可退频小区。

3 系统实现

针对上述算法设计流程，结合Python语言大数据处理能力，进行基于用户感知的频率智能重耕系统实现，系统界面如图1所示。

图1 系统展示界面

4 应用效果

基于用户感知的频率智能重耕系统在重庆市多个分公司进行应用，针对4G D1、D2频点进行退频操作，通过实施，目前系统应用区域已实现13556个小区的无感退频。通过对比发现，实施退频前后，退频区域4G网络整体运行保持稳定，无线接通率保持在99.75%以上，无线掉线率退频前后无异常波动，均为0.03%，切换成功率保持在99.5%以上，退频区域上行体验速率稳定保持在3.5 Mb/s以上，下行体验速率退频前后无明显异常，网络体验速率满足用户体 验需求，各项无线指标无异常波动，所有退频区域无新增高负荷小区。

退频后，5G连续覆盖区域网络体验有所提升，退频区域整体下载速率由604 Mb/s提升至812 Mb/s，提升幅度34.44%。在退频期间，监控退频区域用户投诉情况，未收到与退频相关的用户投诉，退频前后各项重点指标对比如表1所示。

表1 退频前后指标对比

5 结束语

本文提出了一种基于用户真实感知的2.6 GHz频率智能重耕，依托该研究可以在确保现网4G网络用户感知的前提下，开展4G侧D1、D2频点乃至后续D3、D7、D8频点的退频评估。该系统的评估结果可有效确保现网的用户感知，同时，因该研究在开发过程中融合了现网空闲态分层策略，为后续除D频段外的其他频段频率重耕提供依据，为实现全频段无感频率重耕提供了坚实的基础。