4G优化案例：大数据多维综合评估高校场景，助力精准优化.docxVIP

大数据多维综合评估高校场景，助力精准优化 XX XX年XX月 目 录 TOC \o 1-3 \h \z \u 大数据多维综合评估高校场景，助力精准优化 3 一、大数据多维评估体系 3 1.1 建立高校流量预测体系 3 1.2 网优平台五高一地-高校评估方法 5 1.3 建立高校楼宇档案，及时进行整治维护优化 7 二、评估体系优化成效 8 2.1 流量、负荷跟踪评估 8 2.2 高校综合评分下降分析处理 12 2.3 高校重点楼宇整改 23 三、经验总结 25 大数据多维综合评估高校场景，助力精准优化 XX 【摘要】 高校用户是运营商的重要客户群体，具有流量使用大、常在线、潮汐流动等特点，经常出现网速慢、感知差的情况。如何更快的掌握网络覆盖，提升感知，优化负荷等痛点迫在眉睫。本案例旨在通过建立高校场景多维度分析评估体系：一是开展高校流量进行精准预测，提早确定流量负荷压力区域，及时进行扩容、疏忙、忙闲区域调整、资源调配工作；二是对高校场景进行大数据分析，将KPI与KQI结合进行综合打分，对得分低、出现劣化的重点场景分等分级进行针对性快速整治、优化，多手段完成网络优化感知提升；三是建立精确楼宇、宏站档案，对不同等级高校派单进行差异化分析，确保重点高校问题优先处理解决。 本案例通过动态评估及时调配设备、分层扩容、忙闲区域室分调整等节约信源投入50余万元，实现网络质量与友商可比。 【关键字】流量预测 多维评估 高校场景 动态调配 一、大数据多维评估体系 1.1 建立高校流量预测体系 1）XX区域流量预测 根据4G流量的整体预测， 根据2018年各月的流量增长趋势预测2019年各月趋势图。 流量预测图： 2）PRB预测方法： 通过周小时级别top数据，统计出流量区间和PRB之间的对应关系。 2，通过月总流量，下行PRB，扇区数，计算扇区流量小时级流量，线性计算PRB值。 PRB计算值=PRB(小)+（均值-流量小值）/50*[PRB(大)-PRB(X小）] k值=（下行PRB平均利用率/ PRB计算值） 日期 2018-11月 月总流量TB 4745.29 下行PRB平均利用率 5.86 扇区数量 15620 扇区平均小时流量 428.16 区间 【400-450】 流量小值 400 PRB(小) 5.95 PRB(大) 6.44 PRB计算值 6.23 k值（真实/计算值 ） 0.9411 3）流量区间与PRB关系图 数据：TOP周TOP小时扇区流量PRB数据 流量区间与PRB正向相关。小时级别数据，流量越高PRB越高。 1.2 网优平台五高一地-高校评估方法 扇区以及场景级评分计算方法： 1）高校扇区级评分指标计算方法： 打分维度 指标项 指标权重 综合权重 满分门限 零分门限 运算符 值 运算符 值 覆盖 CQI≥7比例（%） 50 20 = 90 = 70 MR覆盖优良比（%） 50 = 90 = 70 性能 4G掉线率（%） 100 10 = 2 = 20 干扰 干扰噪声平均值 100 30 = -105 = -95 负荷 上周高负荷天数 0 30 = 5 = 8 下行PRB平均利用率（%）_自忙时 100 = 50 = 80 感知 感知综合优良率（%） 100 10 90 = 50 从覆盖、性能、干扰、负荷、感知等5个维度给扇区评分，具体指标项得分如下图所示： 扇区级评分即如图所示所有指标项评分相加即可。 2）高校场景级评分指标计算方法： 打分维度 指标项 指标权重 综合权重 满分门限 零分门限 运算符 值 运算符 值 覆盖 CQI≥7比例（%） 50 10 = 90 = 70 MR覆盖优良比（%） 50 = 90 = 70 性能 4G掉线率（%） 100 10 = 1 = 10 干扰 干扰噪声平均值 100 20 = -105 = -95 负荷 上周过忙小区占比（%） 0 30 = 5 = 101 下行PRB平均利用率（%）_自忙时 100 = 40 = 60 感知 感知综合优良率（%） 100 10 90 = 70 MDT MDT达标比例（%） 100 20 95 = 90 高校场景得分=高校场景级评分-劣化扇区比。 其中劣化扇区：扇区级指标项有一项得分为0即为劣化扇区。 1.3 建立高校楼宇档案，及时进行整治维护优化 建立高校楼宇档案，梳理楼宇基础信息以及VOLTE，LTE测试数据信息。根据楼宇达标指标判定高校楼宇是否存在问题。通过梳理明确校园问题楼宇现状，与前端协同处理，与校方及时沟通，通过整改优化或资源投入解决覆盖和容量问题。 高校楼宇达标标准： 重点校园有室分覆盖楼宇（包括宿舍区、教学区、图书馆） 自测与抽测达标标准均为：覆盖率≥95