利用SPSS挖掘质差栅格 江苏.docxVIP

大数据助力射频优化 ——利用SPSS挖掘质差栅格 （盐城电信无线中心 沈群峰） 摘要： 当前正值LTE业务发展的重要时期，网络优化工作正如火如荼的开展，但是由于现网用户数较少，话统数据并不能完全反映网络的实际质量，因此信号测试工作以及相关数据的分析犹显重要。 本案例中将自动路测数据按照50*50米进行栅格化，运用“大数据” 的分析思路和手段，统计出每个栅格内的平均RSRP、SINR、CQI进行分析，并且研究每个栅格内的主服小区的数目及其各自到此栅格的距离和相应的RSRP、SINR、CQI。此举不但能够精准快速的找出质差栅格，明确优化方向，而且可以明显减少日常的测试工作量，减轻庞大数据的分析强度，同时分析结果对网络的规划建设具有重要指导意义。 关键字：大数据 SPSS射频优化 质差栅格 问题描述 常规的网络优化过程一般是先实施路测，通过数据分析，采用色彩渲染的方法标注出问题点，然后查找相关基站，根据天线挂高、方位、俯仰等制定调整方案，实施后进行复测，结合相应的网管统计指标进行评估。但是其中存在很大的人为因素，而且大量的测试数据分析牵扯了很大的工作精力。 LTE网络对信号的纯净度要求特别高，因此如果一个栅格中的主服小区过多，肯定会造成重叠覆盖等问题，从而影响网络覆盖质量。假如主服小区数目超过3个，则有极大可能会存在模3干扰，这些都是优化工作中的主要关注点。另外，栅格内信号的覆盖强度过弱，则需要考虑是否存在障碍、遮挡问题，部分则需要考虑新规划站点。 问题分析 数据栅格化分析： 本次进行大数据分析利用的是IBM SPSS Modeler数据挖掘平台，其拥有易于使用的可视化界面，容易上手操作，而且可以很好的对接多种数据源。 用于分析的数据取自自动路测系统，将测试数据下载后倒换成文本格式文件，以便于在SPSS中进行分析。将测试数据按照50*50米进行栅格化，统计出每个栅格的平均RSRP、SINR、CQI进行分析，并且研究每个栅格内的主服小区的数目及其各自到此栅格的距离和相应的RSRP、SINR、CQI。 关注目标的确定 无线口的重要指标由RSRP、SINR、CQI组成，通过对大市区范围内多天的数据进行综合分析，得出大致的均值：RSRP为-85dBm，SINR为15dB，CQI为10。 因此可将各个栅格以RSRP为-85dBm，SINR为15dB作为相关指标的阀值，做出四象限图。 考虑到必须能够突出工作重点，指示优化方向，从而提升工作效率，则主要关注落在以下区域内的栅格： RSRP大于-85dBm而SINR小于10dB的13号区域，落在此区域的栅格，不存在信号覆盖强度的问题，需要重点关注是否存在扇区过覆盖、重叠覆盖以及模3干扰等问题。 RSRP在-105到-85dBm之间且SINR小于5dB的23号区域，落在此区域的栅格，信号覆盖强度一般而质量比较差，可考虑通过优化调整，一方面加强某个主服小区的信号以提高信号覆盖强度，另一方面去除或者减弱其他不需要的小区信号以提高此处的信号覆盖质量。部分通过优化无法解决的重要栅格可以考虑新增站点加以解决。 RSRP小于-105dBm的区域，首先需要考虑是否存在基站障碍或天线被阻挡的问题，另外主要就是考虑规划建设新站改善覆盖，包括31、32、33区域，尤其33号区域属于RSRP弱且SINR又差的栅格，需要优先考虑。 质差栅格的发现 结合各个栅格内主服小区的个数进行分析，可以看到仅有约7%的栅格需要关注，其中栅格内主服小区的个数超过3个的，由于极大可能存在模3干扰，因此需要重点优先解决。 主服个数所属区域 1 2 3 4 5 总计 11 614 68 4 　 　 686 12 97 61 12 　 　 170 13 12 16 3 　 　 31 21 185 35 1 　 　 221 22 288 157 61 7 1 514 23 26 11 5 1 　 43 32 10 5 1 1 　 17 33 9 11 4 5 　 29 总计 1241 364 91 14 1 1711 对于筛选出的栅格，既可以直接进行分析，也可以进行图形化显示，便于将质差栅格进行归并分析，进一步提升工作效率。 每个栅格都有相应的经纬度，因此可将分析后的数据进行图形化显示，从而直观的看出需要关注的质差栅格。包括栅格内主要的覆盖指标、主服小区的个数、相关主服小区各自的覆盖质量，同时其到栅格的距离也一目了然。如此不但可以高效的定位质差栅格，找准优化目标，而且可以即刻初步判断出导致质差栅格产生的原因，有助于制定优化方案加以解决。 问题解决 下面对所发现的不同情况的质差栅格进行分析，并给出相应处理结果。 亭湖大道范公路东侧： 可以看出，此路段存在多个质差栅格，平均RSRP接近-111dBm，信号很弱，此栅格属于33号区域，即