基于SON和MDT演进的5G大数据收集技术.docxVIP

基于SON和MDT演进的5G大数据收集技术 　　【摘要】为了降低运营商的资本支出、运营成本以及人力投入，需要通过对大数据的收集与利用，实现更高效的资源管理与移动性管理，并针对突发问题进行快速定位。介绍了应用于5g系统的大数据收集技术，研究及分析了基于lte系统的son与mdt技术如何在5g进行进一步演进，以及在研究阶段的3gpp标准化方案。 　　【關键词】5g;大数据收集;最小化路测;自优化 　　doi：10.3969/j.issn.1006-1010.2019.08.013中图分类号：tn929.5 　　文献标志码：a文章编号：1006-1010（2019）08-0072-05 　　引用格式：彦楠，周叶.基于son和mdt演进的5g大数据收集技术[j].移动通信，2019，43（8）：72-76. 　　[abstract]toreduceoperators’capex，opexandmanpowerinvestments，bigdatacollectionandutilizationtechnologycouldbeusedtoachievemoreefficientresourceandmobilitymanagementsandquickertroubleshooting.thispaperintroducesabigdatacollectionandutilizationtechnologyappliedin5g，andinvestigateshowsonandmdttechnologiesbasedonltesystemsarefurtherevolvedin5gandthe3gppstandardizationsolutionsintheresearchphase. 　　5g;bigdatacollection;minimizationofdrive-test;self-optimization 　　1引言 　　5g大数据收集技术基于lte的自优化网络（self- 　　optimizingnetworks，son）与最小化路测（mini-mizationofdrivetest，mdt）技术进行进一步演进。son的引入是为了支持系统部署以及进行自主优化，其主要包括自动邻区关系（automaticneighbourrelation，anr）、移动健壮性优化（mobilityrobustnessoptimization，mro）、移动负荷均衡（mobilityloadbalancing，mlb）以及随机接入优化（rachoptimization）等。除此之外，网络自优化相关技术还形成了另外的研究方向：能量节省（energysaving，es）、小区间干扰协调（e）icic等。son特性基于ue与网络侧的大数据量收集与统计进行优化，被认为是大数据收集技术在ran使用的先驱。 　　最小化路测技术（minimizationofdrive-test，mdt）主要通过移动终端上报测量报告或者基站侧收集测量结果的方式来获取网络优化所需要的相关参数，以达到降低运营商网络优化和维护成本的目的。与传统路测相比，mdt具有节能减排、减少路测开销、缩短优化周期等优势，能够带来更高的用户满意度，并且可以收集到传统路测无法收集的全区域的测量信息（如窄路、森林、私人场所等）。 　　从网络部署与自优化的角度来看，应用大数据收集技术可以带来明显的好处。以mdt举例，可以用于商业网络中标识与分析相关覆盖问题，比如弱覆盖与过覆盖。通过大量手机mdt中上报的无线链路失败（radiolinkfailure，rlf）信息，可以将平均检测时间从传统路测的3个月缩短到4天。从测量结果来看，使用mdt与使用传统路测有88%的结果可以吻合。另一个例子为定位，基于7km2上超过160个基站以及600小区的大量统计数据，50m定位的准确率可高达70%[1]。并且通过更多的数据收集与利用，准确率将不断提升。由于上述多种优点，在nr系统中研究更多的数据收集与利用的标准化方案十分有必要。 　　（1）通过更精确的基站部署以及更少的人力投入，使运营商的资本性支出与运营成本得到降低。 　　（2）通过更高效的无线资源管理、移动性管理与问题定位，提高用户体验。 　　nr中的新型ran架构（cu/du）、ran侧更强的存储与计算能力以及工业技术（如机器学习）为数据搜集与利用提供了新的机会。son很多特性之间息息相关：如mdt与rach优化、mdt与层二优化、负荷均衡与切换优化等，但由于在lte刚起步时缺乏宏观规划，son家族的各特性各自为营仅进行了单独研究。nr系统可以作为