4G优化案例：基于图计算的移动网络寻呼区优化智能优化.docxVIP

基于图计算的TA/TAL智能优化 XX 一、【案例主体】： 移动网络登记区域或寻呼区域规划和优化是移动网络优化的重要工作，当前这是一项纯依靠经验和手工工作，工作效率和成效难以保证。XX网优中心针对该问题，引入图计算技术变革现有工作模式，显著提升工作效率。主要工作和创新如下： 利用移动网业务和切换性能数据，将移动网络抽象为带权图，给出了关键性能指标选择； 应用图计算技术（社区发现），高效实现移动网络寻呼区划分工作，大幅提升工作效率； 效果显著，通过仿真对比，信令负荷下降明显。 二、【问题表述】： 1）传统的TA/TAL优化工作由无线网优人员凭经验开展，耗时且效果难以评估，如何提升效率； 2）如何将移动网映射为图结构 3）选择何种图计算算法 4）如何评估效果 5）工具选择 三、【解决思路】： 问题1：如何提升TA/TAL优化工作效率 （1）将移动网映射为图结构 （2）利用图计算社区发现算法实现图分割 问题2：如何将移动网映射为图结构 （1）利用网管性能指标（RRC请求次数、切换次数），建立图 问题3：选择何种图计算算法 （1）对于TA/TAL分割，是要求全节点完全且补充点分割，适用基于层次的社区发现算法，推荐效果较好速度较快的Louvain算法（Fast unfolding算法） 问题4：如何评估效果 （1）基于图理论的指标：平衡度（反映社区规模差异）、模块度Q（反映社区内部紧密程度） （2）基于网管性能指标：RRC请求次数、切换次数、寻呼次数、TAU次数等 问题5：选择何工具实现上述算法 （1）使用Gephi软件，调用模块度算法模块。 四、【具体步骤】： 1、寻呼区优化工作抽象为带权图分割 寻呼区域划分可以套用图计算领域的图分割或社区发现的算法，重新回顾一下寻呼区域优化的两个原则： 1）合理优化寻呼区域大小，即意味着将图分割为大致相等的子图，由于无线网络抽象为带权图，则各子图的权重大致相当； 2）区域边界远离业务繁忙区域，即要求分割的子图之间边权重和最小。 这是典型的带权图k分割问题，可以应用相关领域的成果。 2、无线网络抽象为带权图 图定义：带权图G（V，E），V为图G的顶点集，E为G的边集。（u，v）表示连接顶点u和v的边。w（v）=m表示顶点v权值为m，w（u，v）=n表示连接顶点u、v的边权值为n。无线网络的图抽象要点为： 以无线设备网元（基站或扇区，本文使用基站，下同）为图顶点V； 以网元业务量（流量或呼叫/RRC请求次数）作为顶点的权值m； 以用户在网元间切换作为边E，如从u基站切换到v基站，则有u-v的有向边； 切换业务量作为边的权值，如扇区间切换次数n； 根据以上原则生成的图是带权有向图，在此基础上可简化为无带权向图来进行下一步操作。 如图所示，多个网元业务量和网元之间切换关系： a a 100 70 50 10 20 20 20 10 5 a 100 70 50 30 40 15 无线网元 带权有向图 带权无向图 业务量70 业务量100 业务量50 切换次数 顶点V（无线网元）权值m（业务量）、边E（切换关系）权值n（切换业务量）取自无线性能网管数据，推荐指标如下，也可以选择其它反映本网元业务量的指标,其中加粗的为本文采用的指标： 图要素 顶点V （网元） 权值m （业务量） 边E （切换关系） 权值n （切换业务量） 性能指标 1、基站编号 2、ECGI 1、RRC建立请求次数 2、RRC建立请求次数（被叫） 3、流量 4、激活用户数 5、PRB利用率 1、基站编号对 2、ECGI对 切换次数 切换请求次数 不选用寻呼信道利用率的原因在于，寻呼信道负荷不仅与业务量相关，也依赖于当前寻呼区划分和寻呼信道参数实际配置，不能作为寻呼区划分依据。 根据以上选取的指标，可以生成无线网元的带权有向图结构，可以进一步简化为带权无向图。 利用某分公司LTE现网业务数据，规模为基站（图顶点V）7196、切换关系（带权有向图边E）388028，转变为无向图边239450。下图左图基站实际位置（GIS，左图），右图基于现网业务（指标RRC请求次数）和切换次数性能统计数据建立的图（力导向布局呈现效果，右图 REF _Re\r \h ）。 3、社区发现算法选择 社区发现算法包括基于层次聚类和基于密度的算法。 GN算法是分裂算法，根据图的边介数进行划分，基于模块度Q（一种反映社区内部紧密程度的指标）选择分割输出结果。NF算法进一步改进为自底向上凝聚方法，评估社区两两合并后模块度增量ΔQ，选择ΔQ最大方向进行合并。Louvain算法利用两步迭代加速计算ΔQ，是性能最好的社区发现算法。 其原理如下 1、初始时将每个顶点当作一个社区，社区个数与顶点个数相同。 2、依次将每个顶点与之相邻顶点合并在一起，计算它们的模块度增益