钟永新 赵 煜 赵 伟 史文祥 陈 乐

1.中国联合网络通信集团有限公司浙江省分公司；2.中国联合网络通信有限公司智网创新中心；3.中讯邮电咨询设计院有限公司

0 引言

现阶段无线网络存在多制式网络并存、网络结构复杂、覆盖容量需求平衡、用户移动潮汐效应等问题，容易引发MR（Measurement Report，测试报告）弱覆盖、越区覆盖、通话质量差、语音回落、异频切换等问题，导致小区接入性指标、保持性指标、移动性指标性能下降，用户侧出现丢包、断续、单通、掉话、上网慢等问题。

根据精品网考核标准规定，5G 质差小区分为三类：低接入质差小区、高掉线质差小区和低速率质差小区。各类质差小区判定标准如下：低接入质差小区：SA&NSA 的接入成功率（复合算法）<98%；高掉线质差小区：SA&NSA的掉线率（复合算法）>2%；低速率质差小区：小区自忙时速率<50Mbps。这对质差小区问题处理的及时性提出了更高要求。

基于python 解码并关联原始5G TRACE 信令数据、MR数据及DPI（Deep Packet Inspection，深度包检测）话单数据，以及优化专家的经验，网络数据驱动流转，探索中国联通5G质差小区数字化运营方法，持续推进用户感知建模，为网络数字化运营探索新的驱动力和场景。

1 5G 信令应用现状

TRACE 信令是协调终端与终端或者终端与网络之间交互和同步的一种消息，使用户能够正常接入、保持以及切换网络或业务。图1 是简化后的5G 信令关键接口。在实际分析中，通常关注gNodeB 与UE 之间的UU 接口、gNodeB 和NGC 之间的NG 接口、gNodeB 基站之间的Xn 接口以及eNodeB 与gNodeB 之间的的X2 接口。通过对上述四个接口的信令流程分析，可有效监控用户感知与问题定位。

图1 5G 信令简化流程

当前采集主要有单用户订阅、设备网管单站/多站订阅以及统一采集批量订阅三种方式。不同采集方式各有优缺点。单用户订阅是针对某个用户的信令数据进行点对点跟踪。设备网管订阅是指各厂家依据3GPP 相关协议对全量信令流程进行采集存储。受计算及存储的开销限制，默认不开启原始信令的全量订阅。而统一采集订阅则是根据集团北向采集相关要求，各运营商针对5G 网络建立信令统一接口系统，将不同厂商上报的特定信令数据归一采集，供上层应用平台处理。三种采集方式异同如表1 所示。

表1 5G 信令采集方式异同

由于采集方式的局限性，目前尚未在生产中对5G 信令进行规模化应用。受限于成本，实际使用中通常只针对特定用户开启单用户订阅。目前，联通集团针对5G TRACE 的信令解析规范逐步开展研究，为大规模集中采集、解析与运营逐步提供条件。

2 5G 信令解析应用研讨

2.1 5G TRACE 信令解析

不同方式订阅的信令文件格式不尽相同，但基本结构如图2 所示，均由文件包头和数据包两部分构成，并以二进制格式存储。单个信令文件提供单个站点在特定时间粒度内的特定接口上的原始信令数据。其中，文件包头提供文件的基础信息，包括采集起止时间、基站ID、系统版本等。数据包头则由通用包头、专用包头和原始信令数据构成。通用包头对所有信令采集接口均相同；而专用包头包含了针对每种接口承载的单独链路标识以及特定的字符值，原始信令数据中则存储了详细的消息内容。

图2 信令文件基本数据结构及样例

针对该数据结构特点，可通过以下两步完成对应文件的解析：（1）数据校验。提取文件名称及文件头信息，校验数据采集起止时间及对应版本信息，确认数据长度完整性。（2）移位解析。提取信令文件中每条数据包的起始字符，如图2（b）中所标识的二进制字符，结合规范或样例文件进行移位解析，可将原始二进制文件还原成可读的信令流程文件。

2.2 5G 用户级号码回填和MR 回填

如图3 所示，信令数据、MR 数据及话单数据依据时间戳、基站ID 以及AMF UE NGAP ID 三个关键字段按照下述步骤进行关联：

图3 5G 信令回填回填示意图

（1）对采集解析后的文件进行清洗和预处理。校验相同站点信令数据、XDR 话单数据以及MR 数据的时间同步性以及数据完整性，避免因设备时间不一致带来的匹配误差。

（2）核查AMF UE NGAP ID 的缺失率。AMF UE NGAP ID 在NG 接口进行分配，是用户在特定AMF 下一段时间内的唯一身份标识。其余接口信令则通过callid 进行唯一性区分。因为callid 和AMF UE NGAP ID 存在一一对应关系。如果AMF UE NGAP ID 字段缺失，则可通过callid 进行重关联来进行补全，便于后续回填操作。

（3）通过gNodeB ID、AMF UE NGAP ID 及时间戳三个关键字段，若基站ID 和AMF UE NGAP ID 相同，则判定信令数据中与MR 以及话单数据中的时间戳绝对差值最小的记录为可信的关联记录，容忍阈值设置为10 分钟。

（4）依照关联部分获得的关联记录，将信令数据、话单数据以及MR 数据拉齐回填。

2.3 5G TRACE 信令运用方向

针对回填后的信令，可从以下两个维度进行分析建模。通过批量监控信令异常，建立故障树，来辅助质差小区优化。

（1）异常流程：判断信令是否存在流程上缺失、错位的异常。例如gNodeB在收到eNodeB的SgNB Addition Request后，eNodeB 是否返回SgNB Addition Request Acknowledge 消息。

（2）异常信令：判定信令状态是否存在超时或失败，检查信令所携带的异常cause 值。例如gNodeB 收到eNodeB 发送的SgNB Modification Confirm 消息时，若携带CAUSE 值为Radio Connection With UE Lost、bearer option not supported 等异常值时可认为存在异常释放现象。

3 基于5G 信令的质差小区定位系统架构设计与业务处理流程

5G 质差小区定位系统在平台设计上，以数据驱动来实现业务规则自动化，并充分考虑用户级时间戳、用户级信令、小区级无线性能指标和告警等，使数据有机融合。既可定位出无线网络质差小区和故障原因，又可定位出潜在的质差小区和质差用户。

在平台设计上，如图4 所示，系统整体软件逻辑自下而上分别为数据仓库、能力模型萃取、能力封装、数据开放四大部分。通过接入信令数据、工参数据、北向数据及地图资源，基于专家经验和人工智能模型，萃取基础模型能力，通过API及宽表对外能力开放，实现了基于5G 信令的质差小区识别以及质差用户的识别。

图4 质差小区定位系统

按照精品网质差小区标准，对全网无线小区进行分析，并可基于接入性、保持性、移动性自定义TOP 质差小区，同时根据对原因值的分析，给出质差原因及处理建议。系统还可以通过自定义热门网站、热门应用、热门App 等对相关小区进行质差分析，利用软采的N1N2、N11、N3、N4、N7、N11、N8、N12、N14、N15、N26 信令，结合用户号码回填和经纬度回填，能够从切换、邻区漏配、覆盖电平、上下行质量、TA 分布等方面开展无线质差小区的智能分析。聚合后的相关数据可以通过详单下钻的方式匹配到所有的底层信令消息，确保分析准确到位，为提升感知质差问题解决率提供支持和帮助。

以表2 为例，部分典型5G 质差问题可关联至信令内的信元counter 指标或MR 内指标，进而进行单用户级别的质差归因定位。

表2 5G 质差问题的指标映射

从工单处理时限看，数据业务质差小区处理时限由使用前的254 小时缩减至135 小时，语音业务质差小区处理时限由243 小时缩减至174 小时。从质差小区比例看，数据业务质差小区比例由使用前的0.64%减至0.21%，语音业务质差小区比例由0.19%减至0.03%。

4 典型案例探讨

以某站点为例，发现某gNodeB 站点PDU 会话修改过程建立异常。

如图5 所示，该流程为正常PDU 会话修改流程。在收到AMF 发送的PDU SESSION RESOURCE MODIFY REQUEST消息后，gnodeb 应向UE 发起RRC 建立流程来启动PDU 会话修改过程。如果本次流程发生异常，导致随路携带的PDU 会话及Qos Flow 建立失败。

图5 正常PDU 会话建立过程

而在批量解析某站点信令后，发现该站点在某次会话流程中收到PDU SESSION RESOURCE MODIFY REQUEST 消息后直接返回了PDU SESSION RESOURCE MODIFY RESPONSE消息，与标准流程不符。解析后识别的信令建立流程如图6所示。

图6 解析后识别的信令建立流程

进一步解析异常信令所携带消息内容为：201a0032000004 000a400680052ec7020000554004801001eb0036400600000602011000 79400f4064f010552f20401064f010551e00。

其中PDU Session Resource Modify Unsuccessful Transfer 信元所携带的cause 值为0110，根据3GPP 议（见表3），定位到信令异常的原因为requested 5QI is not supported，检查后发现EPS FB 开关未正常开启，打开开关后不再上报该异常。针对EPS FB 开关参数设置不当问题，完成全网参数核查，识别出34 个新建L900 小区参数配置不当并完成修改。

表3 3GPP 38.413 无线侧异常原因部分摘录

5 结束语

本研究探讨了当前5G 信令采集解析与应用的局限，并提出了5G 信令在网络运营中应用的新思路。通过解析原始信令文件，利用关键字段回填话单数据携带的终端信息与MR 数据所携带的覆盖信息，打通不同数据源来提供端到端定界能力。相较于传统利用小区级或小时级粗粒度进行质差分析的方式，本研究提出将小区级指标映射至单用户粒度，提升用户感知模型之间的区分度，对质差小区的划分更为精准，可差异化保障用户感知。所述方法可批量监控信令异常，通过建立故障树辅助质差小区优化，也可以进行单用户问题洞察和分析，应用于投诉用户和VIP 用户分析或5G 终端差异分析。