基于数据挖掘LTE热点区域搜索算法研究.docVIP

基于数据挖掘LTE热点区域搜索算法研究 　　随着通信技术不断发展，移动网络的规模及复杂度日益提升，如何进行精确的规划选点，确保投资效益的最大化，已成为各家电信运营商不得不面临和重视的一个问题，本文尝试从全新的角度，运营聚类分析、决策树分析等数据挖掘技术来破解这一难题。 　　【关键词】精确选点 数据挖掘 聚类分析 决策树 　　1 概述 　　1.1 模型研究背景 　　当前网络规划的战略方向，正逐渐从传统的KPI导向转变为KPI导向与市场需求导向并重。市场需求存在多变性和隐蔽性，仅凭个人的经验和技能很难做出有效的判断，需要借助数据挖掘技术和IT工具辅助分析。 　　就LTE系统而言，规划选点主要侧重于两个方面：（1）现有LTE覆盖区域内的深度覆盖；（2）LTE覆盖区域外的新兴数据热点。对于第二点，如何精确找到热点所在？仅凭个人经验很难做出准确判断，而需要借助数据挖掘工具，从数据流量、终端类型、用户行为等维度进行综合分析。本课题描述了一种基于数据挖掘的LTE选点模型，可有效解决这一问题。 　　1.2 总体思路 　　基于数据挖掘的LTE选点模型，如图1-1所示，包括三方面操作：数据支撑、处理流程和算法支撑。 　　2 基于数据挖掘的LTE选点模型 　　2.1 模型实施流程图 　　基于数据挖掘的LTE选点模型，如图2-1所示，实施流程图主要分为6步。 　　2.2 模型流程详细描述 　　（1）LTE目标用户的定性分类。采用重要因素分类法，根据行业研究成果及专家意见。LTE目标用户定性分类从三个角度考虑：数据流量、终端类型和用户行为。数据流量可以分为高、中、低等几类。终端类型包括智能手机终端、普通手机终端、明星手机终端、数据卡类终端等若干种，可以分为LTE倾向性终端和非LTE倾向性终端两类。用户行为包括QQ、飞信、HTTP、Email、FTP、视频等若干种，可以分为LTE倾向性用户行为和非LTE倾向性用户行为。将数据流量、终端类型、用户行为组合可以分为若干类，如数据流量高、LTE倾向性终端和非LTE倾向性用户行为可以作为一类。 　　（2）数据采集与预处理。从网络侧采集服务器、业务系统数据库采集典型区域2G用户行为特征数据和待考察2G小区用户行为特征数据，进行采集、预处理、抽样等操作。 　　（3）2G用户聚类分析。提取典型区域2G用户行为特征数据，包括数据流量、终端类型、用户行为数据，通过聚类分析，得到若干个2G用户簇群及其用户行为特征数据描述。 　　（4）LTE目标用户与2G用户簇群的关系映射。通过专家介入方法，将2G用户簇群与LTE目标用户定性分类关系映射，得到各类LTE目标用户的用户行为特征定量描述。 　　（5）待考察2G小区各类目标用户的分布。提取待考察2G小区各类目标用户的用户行为特征，结合各类LTE目标用户的定量描述，采用分类统计方法，得到待考察2G小区的各类目标用户分布比例。 　　（6）热点小区判决适合发展LTE业务的现有2G小区列表。根据待考察2G小区的各类目标用户分布比例和决策知识库进行热点判决，得到适合发展LTE业务的现有2G小区列表。 　　决策知识库是利用LTE业务发展前用户行业特征数据和LTE业务发展后实际业务渗透率，采用决策树分类算法得出。 　　2.3 模型实施示例 　　以下为模型实施示例，仅用于说明实施思路，示例所采用的数据与实际可能有差距。 　　（1）LTE目标用户的定性分类。LTE目标用户定性分类从三个角度考虑：数据流量、终端类型和用户行为。数据流量分为高、中、低三类。终端类型分为LTE倾向性终端和非LTE倾向性终端两类。用户行为分为LTE倾向性用户行为和非LTE倾向性用户行为。这样可以组成形成12类，具体如表2-1所示。 　　（2）数据采集与预处理。如下图所示，可从网管系统Gn口或Gb口采集服务器、业务系统数据库采集典型区域2G用户行为特征数据和待考察2G小区用户行为特征数据，进行采集、预处理、抽样等操作。 　　1）Gn/Gb口数据采集范围。 　　信令数据 　　GTP信令报文（PDP上下文创建消息） 　　GTP信令报文（PDP上下文删除消息） 　　GTP信令报文（PDP上下文更新消息） 　　业务数据 　　HTTP浏览业务数据 　　WAP浏览业务数据 　　SMTP业务数据 　　POP3业务数据 　　IMAP4业务数据 　　FTP业务数据 　　MMS业务数据 　　ICMP业务数据 　　用户地理数据 　　基站位置数据 　　其它网络访问业务数据（如Cell ID等） 　　2）Gn/Gb数据采集方式。 　　3）采集软件方案。 　　一般采集源将有3种类型：DB-Link方式、FTP方式、分光器/TAP镜像数据采集方式。需要根据具体环境确定采用何种方式。 　　（3）2G用户聚类分析。提取典型区域2G用户行为特征数据，包括数据流