TD―LTE网络分流模型探究.doc

TD―LTE网络分流模型探究 　　为了提升TD-LTE网络分流效果，提高4G用户的用户感知，对影响网络分流的网络、市场、终端/用户三方面的具体问题进行挖掘。通过引入大数据分析技术，对运营商的海量用户数据、网络数据进行分析，建立数据挖掘模型。在网络方面，挖掘出现网中网络覆盖质量异常的4G网络小区；市场方面，识别出具有市场潜力的4G网络小区和用户；终端/用户方面，识别出4G锁网终端用户，并分别给出了有针对性的解决方案。此外还介绍了该模型应用于某直辖市现网后取得的良好分流提升效果 网络分流 大数据 网络覆盖质量 锁网终端 1 引言 TD-LTE网络经过近三年的大规模建设，已基本实现全区域的4G网络广覆盖，为存量2G/3G用户迁移至4G网络奠定了良好的基础。4G网络较2G/3G网络在承载效率、系统容量、数据业务速率方面都有巨大的提高，大幅提升了移动用户的网络感知。此外，对运营商而言，运营4G网络一张网络，可减少2G/3G网络的建设投入和维护费用，达到降低企业运营成本的目的。因而运营商迫切希望能解决4G网络的分流问题，引导和吸引用户主动使用并驻留4G网络，降低2G/3G网络负荷。本文将从运营商自有的用户、网络海量数据出发，利用大数据理论，从网络、市场、用户三个维度综合分析限制4G用户使用4G网络，即影响4G网络分流的原因，并针对各具体问题给出解决方法，继而进行验证 本方法具体涉及的用户侧、网络侧数据类型在前文提到的那些的基础上，还包括用户的4G终端机龄、用户更换USIM卡数据等。实现模型如图2所示，首先利用网络覆盖质量分析模型识别出4G网络覆盖质量良好的区域；其次对该区域内的4G用户进行换卡、判断4G终端机龄信息。根据市场统计结果表明，80%的移动用户的终端更换周期为18个月，因此通过机龄可识别出潜在换机用户，对未换卡用户和潜在换机用户可以通过市场营销手段提升用户感知。最后根据终端渗透率及非4G终端流量占比判断该区域的整体市场潜力，帮助市场部门进行定向营销 3.3 用户终端维度 （1）锁网终端分析方法 为减少网络、市场异常因素对用户数据的影响，提高对4G用户中锁网终端识别的准确率。基于网络覆盖质量分析模型和市场潜力分析模型，对网络覆盖质量和4G市场发展均良好的小区进行锁网用户识别，挖掘现网中4G网络分流异常的4G用户，采用有针对性的解决方案来提升4G网络分流能力。首先利用忙时用户、网络数据进行锁网终端的初步识别，主要识别依据包括用户4G流量及4G流量驻留比等；对初步识别出的疑似锁网终端，利用其月度数据（包括话单数据、网络数据及信令数据），确认其中真正的锁网终端 （2）方法实现 根据4G锁网终端识别原理，数据挖掘涉及的数据类型除上文3.1节（2）提到的之外，还包括月度流量数据、用户月度驻留小区数据，以及基于月度流量数据的4G用户流量驻留比数据。锁网终端识别方法具体所需数据类型有用户ID、2G/3G/4G流量、全月白天驻留小区（CELLID/流量）以及全月晚间驻留小区（CELLID/流量） 基于所列的数据分析类型以及锁网用户识别方法，锁网终端的具体识别模型如图3所示。模型具体说明如下： 1）利用忙时用户侧及网络侧数据，对网络覆盖质量良好小区内的4G用户进行4G流量分析，判定4G流量为0的4G用户为疑似锁网终端； 2）提取疑似4G锁网用户的月度数据，根据用户的月度流量信息，并计算4G用户的4G流量驻留比，分析该4G用户是否具有使用4G流量的潜力，即是否为具有4G潜力的锁网终端； 3）提取具有4G流量使用潜力的锁网用户的全月驻留的各制式网络小区信息，分析该用户是否全月处在4G网络覆盖区域，若该用户曾出现过在4G覆盖区域，但4G流量为0，则该4G用户为最终确认的锁网终端 4 方法验证与应用 为了验证研究方法的可行性，借助某直辖市移动大数据平台，将研究模型予以实现并验证，利用网络侧、用户侧大数据，根据模型分别定位了4G网络覆盖质量异常小区、市场发展潜力区域与用户，以及4G锁网终端用户，并对问题进行了有针对性地解决 4.1 异常小区识别结果及应对建议 对某直辖市的所有4G基站应用网络覆盖质量分析建模，统计结果表明网络覆盖质量异常小区占所有4G小区的15%。将模型识别结果引入传统网络质量测试方法（如MR、路测），对网元KPI指标进行验证后可知，其中90%的小区确实存在覆盖质量问题。针对异常小区，通过路测、MR数据分析确认具体的网络覆盖异常类型，采用网络优化或者增建基站等方式改善?W络覆盖。以模型识别结果中的一个网络覆盖质量异常区域为例，该4G网络弱覆盖区域补站前后分别如图4和图5所示。渝北工业园区ED1-2基站为2G基站，距离其最近的4G基站为渝北正委花园-HLH站