科技成果一种基于虚拟现实远程查勘方法

科技成果 一种 基于虚拟现实的远程查勘 方法 一、研究 背景 LTE 无线网面临新的发展形势，2016 年及以前为规模发展阶段，2017 年及以后为精确建设阶段，但随着市场因素的刺激，网络流量增长迅猛，网络面临的压力逐渐加大，需要做好网络质量与网络效益之间的平衡。

在集团指导的“集中化”、“标准化”统一规划思路下，在大数据应用手段的迫切需求下，在网络环境日益复杂，网络资源需精准投放的背景下，落实到现有 LTE 无线网容量规划工作中，主要突现出以下几个代表性的问题：

1)网络 预测方法：模型单一，无差异化 现有的话务预测容量规划方法，需要集中大量的工作在于与地市收集与确认，收集的数据量缺乏场景化区分且具有一定的主观性，也缺乏通过模型适配体现出小区级差异性。

2)市场因素考虑：无市场因素，缺联动性 现有的容量预测方法主要集中通过用户数与 DOU 发展体现的网络发展，而缺乏市场发展的联动性。例如市场资费套餐的政策影响、高校等专项场景的市场因素影响，以及节假日等特定场景因素都会连续或突发性影响无线侧网络发展趋势。若缺乏市场因素的联动性，单一考虑网络预测将无法准确评估未来网络发展趋势 3)场景标签库建立 ：缺地理化，匹配性差 当前的话务预测方法缺乏对场景进行精细化分，例如重要商圈、风景区、高校、拆迁区域等，缺乏对重要和典型场景的特征提取，例如场景用户行为分析、业务类型识别、以及用户潮汐效应。

4)扩容方案制定：无自匹配，人工识别 现有的容量规划方法需求识别后，无法快速给出初步推荐方案。而需要依赖于规划人员的经验和精力，逐站根据网络站型和需求载波数给出初步方案。受限于人工的识别和效率，无法机器式快速给出全省建议扩容方案。

针对以上几点不足，XX 公司提出了 LTE 无线网精准容量规划方法，利用大数据识别扩容需求和制定扩容方案，实现一键式容量规划管理。同时在一键式容量规划过程中，引入市场刺激因子、重点场景特征因子、节假日突增因子，对影响业务增长全量因素进

行综合评估，大大提升了工作效率和容量站点精准投放。

二、技术方案 针对现有规划工作的不足，XX公司以PG图论分析和Python为开发框架，利用kettle、QGIS、postGIS、matlab 等工具，采用最小二乘法自适配函数和遗传算法自优化等多类算法，建立了场景标签库和方案规划库，自主完成了 LTE 无线网精准容量规划。从扩容需求精准识别到扩容需求问题点后评估工作，真正实现了大数据挖掘容量需求、精准识别扩容方案的数字化闭环管理。

LTE 无线网精准容量规划方法包含以下几点内容：

(一)网络预测自适配函数 利用小区级历史时间序列的话务数据，用最小二乘法自拟合曲线，识别网络发展自适应函数（对数、指数和线性），预测未来网络资源需求。

(二)市场因素发展预测 根据市场资费套餐因素，分场景评估市场因素发展趋势对网络发展的影响。

(三)场景化地物标签库 绘制分场景的地理图层，建立全省地理场景标签库。实现面向规划小区级别的地物标签库。

(四)机器化容量方案制定 建立站型与方案特征自匹配函数，实现机器化推荐方案自动输出。再制定精细化的勘察方案实现方案自优化。

图 1.1 LTE 容量精准规划流程示意图 2.1 容量需求精准识别 LTE 无线网精准规划的需求识别阶段包含网络预测与市场预测两个部分：基于曲线自拟合的网络预测和分场景的市场预测发展。

2.1.1 基于曲线自拟合的网络自然预测 基于小区级历史数据建模得到不同场景业务模型，机器自学习历史数据自拟合匹配函数（对数、指数和线性），找出与历史数据适应度最高的函数，再根据找出的预测函数得到未来网络增长情况和预测值。

图 2.1 小区级自然网络发展预测 以对小区用户数预测为例，每小区取 18 年 1 月至 18 年 11 月忙时用户数据作散点图（横轴为历史时间刻度，纵轴为小区级用户数），系统可根据散点图自动拟合出适应散点图趋势的 线性、指数和对数三类曲线，以最小二乘法判定拟合度最高的函数曲线，作为该小区的预测函数。根据预测函数计算预测月份的 RRC 有效连接数值。该原理同理应用于 ERAB 建立成功数预测、上下行 PRB 占用数预测、上下行流量预测。

图 2.2 网络资源预测模型 对网络资源、用户、业务之间的增长趋势进行建模，考虑 DOU 和用户发展趋势，得到小区级网络的流量、PRB 利用率和数传用户数的增长因子，再结合基于场景化的市场因素，得到场景差异化的网络资源增长因子，根据小区扩容标准预警门限，识别小区扩容需求。

2.1.2 分场景的市场预测发展 结合市场资费套餐影响，以及未来市场发展目标，分析和预估市场发展对网络流量

增长的影响。

图 2.3 市场资费套餐类型 根据市场资费套餐的影响，分场景评估市场发展并预测。例如，对于 高校等特殊场景，结合市场不限量套餐，分校区预测市场讨论对于网络发展的影响。

图 2.4 分场景市场预测发展因子 2.1.3 综合 预测 由于小区级容量预测存在较大的波动性，网络自然发展因子与分场景市场因子叠加，以市场预测因素为主，网络预测倍数设定上下限，叠加网络因子在市场预测上下浮动，作为该小区级的最终预测值。

图 2.5 高校区域市场发展与网络预测叠加 那么将网络自然发展因子 F(N)与分场景市场因子 G(N)叠加，其中网络因子 F(N)设定上下限为 Fmax(N)和 Fmin(N)。最终网络预测值 Y(N)为

其中 n 代表当前月，N 代表预测月。G(N)为市场因子，F(N)为网络因子，得到 Y(N)为最终网络预测值。

根据小区最终市场和网络叠加预测值，结合小区扩容标准预警门限，识别小区扩容需求。当预测值达到集团待扩容门限时，该小区为预测高负荷小区。

图2.6 预测扩容小区需求识别

2.2 场景化标签库 由于在预测需求识别过程中，尤其是市场预测中，场景化标签是市场预测重要来源之一，不同场景对应的市场发展和效益投入不同。同时为了分析不同场景下用户业务模型，因此 XX 公司建立完备的容量标签库，7 大类用户行为标签，10 个场景特征聚类，20中基础地理信息，为实现扩容工作的精准集中分析提供系统支撑。

图 2.7 容量标签库平台界面 图 2.9 场景精准识别 基于用户行为制定容量场景标签，对难以量化的用户行为特征如：用户潮汐、突发流动、话务迁徙、刚性满载等进行标签区分，提取不同场景聚类后的特征和标签，有效分析不同场景高负荷情况和用户行为，实现精准预测。

图 2.10 场景标签库建立 场景化标签库分析不同时间段用户行为，针对不同场景类型用户潮汐类、突发流动型和用户潮汐类等，分析不同场景的用户行为，区分周末高负荷型、周内高负荷型场景。

图 2.11 分场景标签下的用户行为 针对周末高负荷性小区，进行周末分析，当月度周末高负荷天数达到 4 天以上，则具有周末型高负荷特征，分析出具有周末人口密度较高、业务较忙的小区。

2.3 机器化容量方案制定 根据小区站型资源和过载情况，借助自动化方案工具，建立精细化产结果规划方案库，确定的小区扩容建议方案。根据将用户远中近分布识别，确定具体的加站、3D-MIMO或者微站的推荐方案。建立场景化规划特征库，根据现场勘察结果自调整扩容方案。

第一步——优先载波扩容 首先进行同频扩容（软扩），当同频已满扩（即已同频扩满 F1+F2 或 D1+D2+D3）时，需求载波数仍然大于 1，则再进行异频加站（硬扩，即 F 扩 D 或 D 扩 F）。

第二步——若有明显用户集中场所，新建室分或微站 当载波扩容已满扩（即已扩满 F1+F2+D1+D2+D3），需求载波数仍然大于 1 时，且待扩

容小区覆盖范围内有明显的用户集中场所，则建议新建室分或微站，优先新建室分。

第三步——若无明显用户集中场所，新建 3D-MIMO 小区 当载波扩容已满扩（即已扩满 F1+F2+D1+D2+D3），需求载波数仍然大于 1 时，且待扩容小区覆盖范围内无明显的用户集中场所，建议新建 3D-MIMO 小区。具体新建 3D-MIMO小区扩容方案如下表格。

图 2.11 小区容量归因分析及方案推荐 根据后台的小区资源匹配和方案推进原则，借用容量规划工具给出推荐的容量规划方案。

图 2.12 容量推荐方案原则 其中 m 为现网载波数，k 为现网频点数，n 为需求载波数，md=kd 为 D 频段载波数=D频段频点数，即 D 频段宏站。md＞kd 为载波数＞频点数，即为 3D-MIMO 站点。再根据现场勘察结果自调整扩容方案。

通过以上的特征维度的识别，可深入分析每个场景的过载特征，并结合现网的勘测，确认场景识别的准确性与解决策略推荐的合理性，从而对特征识别维度的可用性和设备推荐的准确性进行特征库的优化。

2.3 集中规划流程管理 基于机器学习的 LTE 网络容量规划已形成了一套完整的流程管理体系，具体流程描述如下图所示：

省网优中心 分公司数据收集扩容场景化方案容量预测 扩容分析 扩容策略容量预测子流程市场预测市场增长因子网络线性预测，得出网络增长因子修正因子得出预测值现网预测纳入扩容门限判定不扩容不符合双差符合N优化解决 Y数据分流扩容判定子流程泰森多边形法则已规未建站点数据提供图层市场因子方案审核需求确认需求分析 策略制定 场景规划场景划分一校一表方案输出 YN工期扩容规划发起 需求识别和流程事件列表：

1）、首先由省网优发起工期扩容规划流程，地市接收流程，并且上传相关数据，例如地市图层和地市市场部提供的市场因子。

2）、省网优收集地市网优上传的相关数据，开启小区级容量预测过程：根据亿阳数据库每月采集的无线利用率数据进行网络线性预测，得出网络增长因子。根据收集的市场预测得到市场预测因子。将市场预测和网络增长因子相叠加，得到小区级最终预测值。

3）、省网优将小区级扩容需求发工单给地市网优进行确认，收集地市网优上报的扩容需求后，进行扩容判定流程：利用泰森多边形计算小区分流率，结合集团扩容标准和小区是否为双差优化（低 PRB 利用率，低 CQI 等级）小区，判定该小区是否为高负荷待扩容小区。

4）、省网优利用容量规划方案工具，针对待扩容小区给出初步的建议扩容方案，通过工单发给地市网优，地市网优针对待扩容站点，进行实地查勘后，将最终的扩容方案与省网优进行规划衔接，得到最终的扩容方案输出。

三、落地效果 3.1 容量预测后评估 LTE 精准容量预测后评估，半年预测扩容误差率小于 10%；其中高校保障扩容准确率达到 91%。

图 3.1 半年预测值误差分析 2017 年全省高校扩容准确率达 91%，武汉扩容准确率达 86%，有效解决了高校区域高负荷问题。

图 3.2 2017 年高校保障扩容准确率 3.2 应用案例 3.2.1 高校 保障案例 武汉高校市场历来是运营商必争之地，流量经营策带来网络负荷成倍增长，为完成2017 年高校保障任务。武汉高校共计 129 所，根据市场口预测到 2017 年底用户数将由75.25 万增长到 80.41 万，DOU 由 1.81G 增长到 6.22G，流量增长 366%。对武汉现网高校小区进行趋势预测分析，预计 123 所高校的 3022 个小区将超出高负荷门限值，需进行扩容规划。

对比得出，随着 2017 年新的营销策略推出，2017 年高校 9 月迎新期间业务量环比 2月增长近2 倍。2017 年高校开学后 RRC 连接用户数相比于开学前增长达到 201.56%。

2017 年高校开学后上行 PRB平均利用率 10.72%，相对于开学前 5.23%增长率达到98.63%；2017 年高校开学后下行 PRB平均利用率 11.72%，相对于开学前 4.91%增长率达到 139.28%。

综合以上对比，在校园区域 RRC 连接用户数、业务量及 PRB 利用率增长明显的条件下，2017 年 9 月开学季相对于 6 月业务量增长近3 倍的条件下，突发高负荷工单量保持平稳。

3.2.2 重要场景案例 中山大道沿线步行街区域，重点是满足容量需求，通过对周边区域进行用户数预测与用户分布，结合政府改造范围，评估人流主要集中在中山大道沿线区域，需要对中山大道沿线及周边商铺进行容量规划。新增部署 39 个微站点位，5 个 3D-MIMO 保障重要场景容量需求。

中山大道等重要保障场景的站点，3DMIMO 和微站开通后中山大道区域流量和用户数增长明显，用户压抑的流量得到释放：

3D-MIMO 和微站开通后经优化，吸收了中山大道及低层店铺话务，整体 MR 覆盖和质量提升明显：

3.2.3 效果总结 基于机器学习的 LTE 容量规划方法自应用以来，在全省范围内全面推广，大大减少了人工耗时和成本。在 LTE 六期规划中，将原人工计算需要三周时间时间成本，缩短到半小时内完成全网 19 万小区的容量需求识别，提高了容量规划效率和识别精准度。高效率保障了 LTE 六期规划和高校区域开学季市场资费刺激下流量突增的情况。

四、本省应用推广情况 4.1 本省推广 基于机器学习的容量规划工具目前已完成全省高校保障专项扩容，全省共 172 个高校校区共 3642 个高校小区有扩容需求

基于机器学习的容量规划工具同时完成了季度扩容、三年滚动规划扩容需求，其中包含预测 18 年底、19 年底和 20 年底待扩容小区为 8597 个、16228 个和 21307 个。高校扩容已形成规范手册。

4.2 外省推广建议 基于机器学习的容量规划工具前期投入主要包含系统开发环境与运行环境：

1.开发环境：Kettle、Python、Qgis（皆为开源软件）； 2.运行环境：CPU：Intel i3 16core RAM：32G 硬盘空间：40G 以上 系统源代码与规划标准化方案可供分享。

五、总结展望 针对现有容量规划工作的不足，XX 公司开发了基于机器学习的 LTE 网络容量规划方法，利用大数据识别扩容需求和制定扩容方案，实现一键式容量规划管理。同时在一键式容量规划过程中，引入市场刺激因子、重点场景特征因子、节假日突增因子，对影响业务增长全量因素进行综合评估，大大提升了工作效率和容量站点精准投放。

目前针对容量规划方法我们制定了标准化流程及方案，实现了三年滚动预测、LTE六期预测等规模预估，实现了 18 年全省高校保障及春节保障容量预测。后续将加强容量规划平台与其他集中化平台的联动性，演进为集中化容量规划平台，将全流程管理一站式数据自提取、需求分析、站型和方案匹配、方案自优化过程。不断优化网络容量精准预测能力，全力支撑 XX 公司的 LTE 网络与市场发展。

XX

虚拟现实技术论文

查勘岗位职责

代理模式,适配器模式,远程方法调用案例实验报告

查勘员自我鉴定

查勘员辞职报告