基于MDT数据的深度覆盖智能预测方法研究.pdfVIP

电信工程技术与标准化开发与研究

基于MDT数据的深度覆盖智能预测方法研究

11122

杨占军，彭陈发，孙春来，刘建飞，齐航

(1中国移动通信集团浙江有限公司，杭州310016；2中国移动通信集团设计院有限公司，

北京100080）

摘要本文基于大规模MDT数据结合机器学习算法，将人工智能技术与网络规划仿真相结合，研究一种符合网络实

际环境的无线电波传播模型，实现网络深度覆盖的智能预测。通过将原始MDT数据清洗和去噪得到合理的数据

集，搭建全连接神经网络，计算每个接收点与发射机之间的6种关键地理特征向量，并输入神经网络进行训练及

网络参数调优，得到指标合理的传播模型。基于网络工参进行单站、多站的仿真验证和外场测试对比，模型泛

化性好、鲁棒性高，仿真预测结果合理准确，符合地理环境变化，与外场测试对比效果理想。基于MDT数据训

练的智能传播模型能精准地实现网络深度覆盖预测，具有极高的指导意义和应用价值。

关键词MDT数据；机器学习；特征向量；传播模型

中图分类号TN929.5文献标识码A文章编号1008-5599（2023）10-0013-05

随着5G网络大规模建设，当前已经进入精细化调和丰富性，因此，基于MDT数据的研究有着广泛的应

优阶段，面向需要深度覆盖的重点楼宇等场景进行精准用前景和价值。本文基于MDT大数据特性及其真实丰

覆盖是提升5G利用率的关键。现有传播模型本质上是富的特性，结合人工智能技术训练基于MDT数据的无

线形模型及其各种变形，无法精确描述电磁波在城区场线电波传播模型，对于网络规划和优化具有重要价值。

景下的复杂情况。本文旨在应用最新技术智能化提升网

络规划优化的准确度和执行效率，实现复杂场景的深度1智能传播模型研究

覆盖预测。

最小化路测（MDT）技术是3GPPR10阶段在1.1MDT数据清洗

LTE和3G系统中引入的一种自动化路测技术。4G网MDT具有样本数据量大、易获取和范围广等优点，

络可以收集到大量MDT数据，相比于传统路测，MDT已成为当前传播模型研究的重要数据支撑。然而网络获

直接利用网络商用终端和基站进行测量和数据采集，无需取到的MDT数据存在数据庞大繁杂、信息条目冗余、数

额外投入测试人员、测试终端和测试车辆等配套资源，可据噪声大、可读性差和存储格式受限等诸多问题，不能

极大降低路测成本，并采集到比路测数据更丰富、更真实直接作为数据集进行使用。为了更好地挖掘和利用MDT

的网络测量数据。相比于普通测量报告（MR），数据包数据内部的规律和价值，需要进行高噪声MDT数据的

含精确位置信息和终端高度信息，具有室内室外特性。严格清洗。清洗后的MDT数据可保证应用于神经网络

MDT基于网络获取的方式保证了数据量的充足性训练数据的合理性，是传播模型训练准确的关键部分。

收稿日期：2023-08-30

13

2023年10月第10期（第36卷总第316期）月刊

开发与研究电信工程技术与标准化

1.1.1三维地理平均多种场景下的复杂传播机制，整体执行流程如图1所示。

收集到的原始MD