CN103167505A - 一种小区数据信道配置方法和系统 - Google Patents

Abstract

本发明公开了一种小区数据信道配置方法和系统，方法包括步骤：采集小区业务数据；根据所采集的小区业务数据，将业务特性相同的小区归为一类；采用回归方法针对每一类型的小区，建立信道和参数配置与网络指标之间的关联关系；根据针对每一类型的小区的信道和参数配置与网络指标之间的关联关系，对对应小区进行资源配置。系统包括：数据采集模块、小区分类模块和配置模块。采用了本发明的技术方案，能够对数据业务信道进行合理规划，既保证保障数据业务的质量，提高用户感知，同时又尽可能地提高了数据信道的利用效率，提升了话音业务的质量。

Description

一种小区数据信道配置方法和系统

技术领域

本发明涉及无线技术领域，特别涉及一种小区数据信道配置方法和系统。

背景技术

坎贝算法是目前应用较为广泛的一种数据业务信道配置方法。其关键是引入业务资源强度，不同业务对无线资源的占用情况不同，高速业务占用资源较多，低速业务占用资源量较小，坎贝尔模型定义业务资源强度来反映不同业务对无线资源的占用情况。在GPRS(General Packet RadioService，通用分组无线服务技术)系统中，业务资源强度就是对带宽的需求，以单时隙容量带宽为1，设每种业务的业务资源强度为A_i，每种业务的话务量为E_i，则虚拟业务(坎贝尔业务)的业务资源强度和话务量为

$A_x=\frac{\underset{i}{\mathrm{\Σ}}{A}_i^2{E}_i}{\underset{i}{\mathrm{\Σ}}{A}_i{E}_i},$ $E_x=\frac{{\left(\underset{i}{\mathrm{\Σ}}{A}_i{E}_i\right)}^2}{\underset{i}{\mathrm{\Σ}}{A}_i^2{E}_i}$

如果一个小区可以提供n个物理时隙用于GPRS业务，则相当

于提供了个坎贝尔信道给坎贝尔业务使用，对n_x按照Erlang B公式(如2％的呼损)计算的业务量除以每用户的坎贝尔业务量，即是小区可以支持的用户数。

与此类似的，还有中国专利CN102083215A号提出了针对数据信道配置的方法，包括：获取需要进行PDCH(Packet Data Channel，分组数据信道)配置的小区的当前数据量；并根据获取的当前数据量与设定的业务质量条件，确定该小区当前所需的PDCH配置数；设定的业务质量条件表征该小区的数据传输速率要求；以及根据确定出的当前所需的PDCH配置数，对该小区进行PDCH配置。

传统的无线信道资源规划是采用坎贝尔算法，该算法存在很多人为的前提假设，如：每次业务请求数据是以平均带宽连续传送的，终端每次申请信道数是够满足带宽需求的最小信道数等。单实际的数据业务实在RLC(Radio Link Control，无线链路控制)层的Block级别的复用，有突发性。第一个假设降低了信道的复用度和使用效率，而第二个假设则降低了集线效率，因为终端申请时隙一半是按照硬件能力级别申请的，不区分业务。

由于在不同小区在业务配比及数据业务用户行为特征上都存在差异，根据某小区数据得到的业务特性及配置方案针对该小区能达到很高的精确度，但是对于其他小区，由于业务特性的差异，在准确度上就大打折扣。实际应用中存在无法大规模进行快速部署等问题。

专利CN102083215A中提到的方法与坎贝尔方法近似，但是考虑到了业务质量条件，在这方面有所提高。问题同样在于配置的方案得到是针对某个小区的，无法进行大规模地推广。

发明内容

本发明的目的是提供一种小区数据信道配置方法和系统，能够对数据业务信道进行合理规划，既保证保障数据业务的质量，提高用户感知，同时又尽可能地提高数据信道的利用效率，提升话音业务的质量。

本发明实施例中提供了一种小区数据信道配置方法包括步骤：

采集小区业务数据；根据所采集的小区业务数据，将业务特性相同的小区归为一类；采用回归方法针对每一类型的小区，建立信道和参数配置与网络指标之间的关联关系；根据针对每一类型的小区的信道和参数配置与网络指标之间的关联关系，对对应小区进行资源配置。

本发明的小区数据信道配置方法，还包括以下步骤：

评测所述对应小区资源配置调整前后关键绩效指标的变化，如果评测结果不理想，则重新建立信道和参数配置与网络指标之间的关联关系，至到所述评测结果理想。

本发明的小区数据信道配置方法，获取小区资源配置的KPI，判断所述KPI是否达到预设值，如果达到，则所述评测结果是理想的，否则所述评测结果是不理想的。

本发明的小区数据信道配置方法，小区业务数据是通过数据快照系统进行采集的。

本发明的小区数据信道配置方法，所述业务特性包括业务的数据流量、小区业务频次和小区业务时长。

本发明的小区数据信道配置方法，采用数据挖掘的方法，通过聚类算法，将业务特性相同的小区归为一类。

本发明的小区数据信道配置方法，进一步包括，对所采集的小区业务数据进行预处理，得到处理后的小区业务数据；以处理后的小区业务数据作为输入，先利用聚类算法Two step得到目标类别数，以目标类别数为输入，利用聚类算法K-means得到小区类型编号；对小区类型编号进行验证，如果验证结果不理想，则调整Two step和/或K-means的参数，直到结果理想。

本发明的小区数据信道配置方法，建立信道和参数配置与网络指标之间的关联关系的步骤进一步包括，建立对网络指标TRF239的预测模型；建立对配置参数CDEF的预测模型；根据拥塞率计算相应的CDED参数配置。

本发明的小区数据信道配置方法，建立对网络指标TRF239的预测模型的步骤进一步包括，选定的预测自变量；对自变量进行数据转换；以自变量转换后的数据为输入，使用多元线性回归的算法，计算得到结果；对结果进行分析，如果达不到评价指标，则重新选择自变量，或者对自变量进行其它方式的数据转换，或者选择其他的拟合算法，至到达到评价指标。

本发明的小区数据信道配置方法，建立对配置参数CDEF的预测模型的步骤进一步包括，将TRF_239、升降域网络配置参数、小区话音单时隙负荷和数据单时隙负荷作为自变量，使用线性回归算法，计算得到CDEF。

本发明的小区数据信道配置方法，还包括：根据小区业务数据，采用决策树方法得到小区类型映射规则集。

本发明实施例还提供了一种小区数据信道配置系统，包括：数据采集模块、小区分类模块和配置模块；数据采集模块，用于采集小区业务数据；小区分类模块，用于根据数据采集模块所采集的小区业务数据，将业务特性相同的小区归为一类；配置模块，用于针对小区分类模块所划分的每一类型的小区，建立对应的信道和参数配置与网络指标之间的关联关系。

本发明的小区数据信道配置系统，还包括评测模块，用于根据针对每一类型的小区的信道和参数配置与网络指标之间的关联关系，对对应小区进行资源配置后，评测小区资源配置调整前后关键绩效指标的变化，如果不理想，则调用配置模块重新建立信道和参数配置与网络指标之间的关联关系，至到对小区资源配置调整前后关键绩效指标的变化评测的结果理想。

本发明的小区数据信道配置系统，还包括小区类型映射规则集生成模块，用于根据小区业务数据，采用决策树方法得到小区类型映射规则集。

本发明的技术效果在于，能够对数据业务信道进行合理规划，既保证保障数据业务的质量，提高用户感知，同时又尽可能地提高数据信道的利用效率，提升话音业务的质量。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明具体实施方式一中的小区数据信道配置方法流程图；

图2是本发明具体实施方式一中聚类得到小区类型的步骤进一步细化的流程图；

图3是本发明具体实施方式一中参数与配置关系建立的步骤进一步细化的流程图；

图4是本发明具体实施方式一中TRF239预测回归的步骤进一步细化的流程图；

图5是使用本发明具体实施方式一，对需要减配的小区重新配置后，TBF_38C减容前后对比示意图；

图6是使用本发明具体实施方式一，对需要减配的小区重新配置后，TBF_16C减容前后对比示意图；

图7是使用本发明具体实施方式一，对需要减配的小区重新配置后，LLC_3减容前后对比示意图；

图8是使用本发明具体实施方式一，对需要减配的小区重新配置后，单时隙负荷减容前后对比示意图；

图9是使用本发明具体实施方式一，对需要扩容的小区重新配置后，TBF_38C扩容前后对比示意图；

图10是使用本发明具体实施方式一，对需要扩容的小区重新配置后，TBF_16扩容前后对比示意图；

图11是使用本发明具体实施方式一，对需要扩容的小区重新配置后，LLC_3扩容前后对比示意图；

图12是使用本发明具体实施方式一，对需要扩容的小区重新配置后，单时隙负荷扩容前后对比示意图；

图13是本发明具体实施方式二中的小区数据信道配置系统示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

以下将结合说明书附图，详细描述本发明。

如图1所示，一种小区数据信道配置方法，包括步骤：采集小区业务数据；根据所采集的小区业务数据，将业务特性相同的小区归为一类；采用回归方法针对每一类型的小区，建立信道和参数配置与网络指标之间的关联关系；根据针对每一类型的小区的信道和参数配置与网络指标之间的关联关系，对对应小区进行资源配置。

通过诺基亚西门子公司的采用了DPI(Deep Packet Inspection，深度包识别)技术的“数据快照”系统得到小区业务特性相关信息。为了达到更精确的无线资源配置，将采集7*24小时数据(抽取其中上下午共六个小时业务忙时)。小区业务特性将包含小区各类业务的数据流量，小区业务频次(业务发起次数)、小区业务时长。要求可识别的业务类型的流量应至少涵盖总流量的80％，至少包含浏览、即时通信、股票、游戏、下载、MMS(Multimedia Messaging Service，多媒体信息服务)、邮件等常用业务，剩余小流量业务将不再细分。

由于业务的种类较多，带来了非常多维度的数据，采用传统的方法难以从中找到需要的信息。如图2所示，在本发明的方法中采用数据挖掘的方法，通过聚类算法，将业务特性相同(包括业务分布，业务频次等信息)的小区归为一类。每个小区应属于且仅属于某一个小区类型。

通过数据预处理步骤，对输入数据进行选择和处理。例如：在数据采集过程中出现的遗漏数据(即空值)、异常数据(不符合正常逻辑或远离绝大部分数据点)等，需要进行排除。

其次，在现网数据中，有部分业务的流量都非常小，甚至有很多小区该业务流量为0，那么象这样的业务应该是被排除在我们的聚类算法之外的。因为本身没有差异性，不排除这样的输入数据只会增加聚类的复杂性并影响结果。

另外，有些数据业务在其特性上有相近之处，即其对无线信道资源的具有相似的需求，因此可将这些业务合并成一类业务进行处理。

本发明使用了K-means和two step两种聚类算法。使用数据挖掘工具(如：PASW modeler)，导入预处理完成的数据，先利用Two step得到较合理的目标类别数，然后在K-means算法中设定该目标类别数，在每个记录后得到一个所属分类的标号，即所希望得到的小区类型编号。

对得到的小区类型编号的准确性进行验证。第一种验证手段是从数据挖掘方法的评判标准上去验证，通过对凝聚和分离的轮廓测量值的评估，来衡量分类的优劣。该指标大于0.25时，聚类结果属于尚好，若大于0.5，则属于良好了。第二种验证是手段是对于有特征的地理区域，是否所得到的小区类别具有较高的一致性。第三种验证手段是从网络指标入手，观察各个小区类型其指标呈现是否符合预期的业务特性。如果结果检验不合格，则重新选择合适的变量，或者调整聚类算法参数等，直到得到的结果能够从数学上和业务上被接受。

针对每一类型小区，寻求适合该类小区的资源配置与主要质量指标之间关系。如图3所示，回归方法建立配置和参数与网络指标间的关联关系的过程分三步：计算TRF239；计算CDEF；计算CDED。通过计算TRF239，建立对网络指标TRF239的预测模型；通过计算TRF239，建立对配置参数CDEF的预测模型；通过计算TRF239，根据拥塞率计算相应的CDED参数配置。

TRF_239统计实际使用的下行数据业务时隙数，反映的是数据业务的无线资源实际使用情况。在特定的指标选取范围内可当作是数据无线资源的需求数。研究不同聚类的小区中TRF_239与各业务的构成及其他指标的对应关系，可用做后期业务增长或新增站点的无线资源需求的评估准则，方便资源需求的计算与规划。

如图4所示，建立对网络指标TRF239的预测模型主要包括如下步骤：

选定的预测自变量；对自变量进行数据转换；以自变量转换后的数据为输入，使用多元线性回归的算法，计算得到结果；对结果进行分析，如果达不到评价指标，则重新选择自变量，或者对自变量进行其它方式的数据转换，或者选择其他的拟合算法，至到达到评价指标。

关于选取关键指标参数。结合业务知识及相关性分析，最终选定预测自变量为：TBF_38C(Average DL TBF per timeslot，平均下行每时隙TBF数，TBF是Temporary Block Flow临时块流的缩写)、RLC_DL(Radio LinKControl_DownLinK，数据下行流量)、小区中各类业务的频次及流量占比等信息。

对自变量进行数据转换，使得经过转换后的数据与目标变量之间存在线性关系。可用的转换手段包括对数、二次、三次、反向、幂、S、增长、指数等。在本发明的方法的一个实施例中，对于TBF_38C使用幂转换。

关于多元线性回归算法的选择。对于算法参数有四种，分别为：Enter，Step，Forward和Backward。本发明的方法的一个实施例中，选择Step进行拟合，对于每一类小区，算法选择的输入变量是有差异的。

关于对拟合结果进行分析。得到了拟合方程的同时，也可以同时得到一些评价拟合精度的主要指标，如R2等，如果拟合优度为0.80，则达到精度要求。如果达不到评价指标，那么需要重新选择自变量，或者对自变量进行处理，或者选择其他的拟合算法。

CDEF指缺省情况下用于数据业务的信道，即数据动态信道，当语音业务繁忙且语音信道占用达到一定比例时，其可转换为语音信道使用。在本发明的方法中，CDEF包含了CDED静态时隙，因此CDEF＞＝CDED。合理的CDEF设置值将使得小区减少升降域的次数，降低系统的系统负荷。

在得到TRF_239后，将其作为自变量，同时将升降域网络配置参数、小区话音单时隙负荷和数据单时隙负荷也作为自变量，使用线性回归的方法，建立其与CDEF间的关联关系，得到合理的CDEF配置值。

CDEF是缺省的CS(Circuit Service，语音域)与PS(Packet Service数据域)域的边界，其设置具备如下特点：

不会因为PS域内PS话务的冲击而频繁升降级；

不会因为CS域内CS话务的冲击而频繁升降级；

因为CS话务负荷算法的设置改变，CDEF的改变不会影响到CS的半速率占比；

因为CDEF不会影响到TRF_239以及数据流量，所以不会造成PDCH(Packet Data Channel，分组数据信道)使用效率的可观改变。

CDED指专用于数据业务的信道，即数据静态信道，在任何情况下语音业务都不能占用，只分配给数据业务占用。CDED如果设置太大，在话音业务较高的情况将不能占用数据域更多的资源，可能引起拥塞。而CDED如果设置太小，则在话音业务较高的情况下，话音业务将会挤压数据动态信道，直到静态信道，过小的静态信态设置值则会引起数据业务的拥塞。

CDED的设置是为了最低限度地保证数据业务的使用，因此CDED的设置值即应研究在不引起小区的数据硬拥塞的情况下最小信道配置值。本发明的方法中将硬拥塞指标TBF_16选取0.5％-1％区间作为产生硬拥塞的临界。

结合小区的话音业务，计算出话音需求的信道数(可根据目前应用较广泛的ERL-B算法)及数据业务需求的信道数(根据前面研究的数据信道资源需求结果)，来给出小区增容或减容的建议，并根据新载频数投入规划配置新的CDED/CDEF(数据静态时隙/数据动态时隙)参数。

记录观察小区资源配置调整前后一周的KPI(Key PerformanceIndicator，关键绩效指标法)变化，包括数据和语音。如指标变化不理想或者无法解释，则需要考虑调整参数选择，重新进行参数与网络指标之间的关联关系挖掘工作。在一个实际的项目中，利用本发明的小区数据信道配置方法，根据得到的各个小区的增减配信息，对相应小区做了配置的调整。对于需要减配的小区，其指标前后对比如错误！未找到引用源。图5至图8所示(对于每一对相互靠近的比对方块，左侧方块示意调整前，右侧方块示意调整后)，可以看到，关键指标虽然略有恶化，但是全部符合网络质量指标考核的要求。这样即达到了保持业务质量，但节省信道，提高网络资源利用效率的目的。对于需要扩容的小区，其关键指标如图9至图12所示(对于每一对相互靠近的比对方块，左侧方块示意调整前，右侧方块示意调整后)，均得到了提升，达到了指标考核的要求，改善了数据业务的质量，提高了用户感知。

生成小区信道规划原则，将该原则集成到软件中，以便于后续大规模部署。工具软件的界面设计要求简洁明朗，操作简单易用。需要具备与数据库的接口，可以从已有的数据库中取得需要的数据表。功能需满足数据导入、浏览、分析以及配置自动生成、结果导出等。

采用决策树方法得到小区类型映射规则。在根据小区业务信息数据，通过聚类方法得到小区类型后，为了能推广使用，需要能将各小区的业务特征与所属小区类型的规则确定下来。这样只要有新的数据输入，就可以立刻得到其所属的小区类型。

利用决策树方法，通过训练小区的业务特征数据，来找出其与小区类型之间的对应关系。本发明的方法的一个实施例中采用C5.0的决策树算法，实现对所有小区及可用小区类型之间的有效划分。

根据小区业务数据，采用数据挖掘工具中的决策树方法得到小区类型映射规则集，记录小区的业务特征数据与小区类型之间的对应关系，其中规则集全部以If…then…else的方式来表达。因此，在工具中，首先通过固化的规则集，实现了由输入的小区特征信息到小区类型的映射。然后通过之前得到的适合各个类型小区的回归模型得到适合该类小区，并针对各个小区不同业务流量的合理信道配置参数。

本发明还公布了一种小区数据信道配置系统，如图13所示，该系统包括：数据采集模块、小区分类模块和配置模块；数据采集模块，用于采集小区业务数据；小区分类模块，用于根据数据采集模块所采集的小区业务数据，将业务特性相同的小区归为一类；配置模块，用于针对小区分类模块所划分的每一类型的小区，建立对应的信道和参数配置与网络指标之间的关联关系。

一种小区数据信道配置系统，还包括评测模块，用于根据针对每一类型的小区的信道和参数配置与网络指标之间的关联关系，对对应小区进行资源配置后，评测小区资源配置调整前后关键绩效指标的变化，如果不理想，则调用配置模块重新建立信道和参数配置与网络指标之间的关联关系，至到对小区资源配置调整前后关键绩效指标的变化评测的结果理想。

一种小区数据信道配置系统，还包括小区类型映射规则集生成模块，用于根据小区业务数据，采用决策树方法得到小区类型映射规则集。

综上所述，在本发明中，采用所述的一种小区数据信道配置方法和系统，能够对数据业务信道进行合理规划，既保证保障数据业务的质量，提高用户感知，同时又尽可能地提高数据信道的利用效率，提升话音业务的质量。

Claims (14)

1.一种小区数据信道配置方法，其特征在于，包括步骤：

采集小区业务数据；

根据所采集的小区业务数据，将业务特性相同的小区归为一类；

采用回归方法针对每一类型的小区，建立信道和参数配置与网络指标之间的关联关系；

根据针对每一类型的小区的信道和参数配置与网络指标之间的关联关系，对对应小区进行资源配置。

2.如权利要求1所述的方法，其特征在于，还包括以下步骤：

评测所述对应小区资源配置调整前后关键绩效指标的变化，如果评测结果不理想，则重新建立信道和参数配置与网络指标之间的关联关系，至到所述评测结果理想。

3.如权利要求2所述的方法，其特征在于，获取小区资源配置的KPI，判断所述KPI是否达到预设值，如果达到，则所述评测结果是理想的，否则所述评测结果是不理想的。

4.如权利要1、2或3所述的方法，其特征在于，小区业务数据是通过数据快照系统进行采集的。

5.如权利要1、2或3所述的方法，其特征在于，所述业务特性包括业务的数据流量、小区业务频次和小区业务时长。

6.如权利要求1、2或3所述的方法，其特征在于，采用数据挖掘的方法，通过聚类算法，将业务特性相同的小区归为一类。

7.如权利要求6所述的方法，进一步包括，

对所采集的小区业务数据进行预处理，得到处理后的小区业务数据；

以处理后的小区业务数据作为输入，先利用聚类算法Two step得到目标类别数，以目标类别数为输入，利用聚类算法K-means得到小区类型编号；

对小区类型编号进行验证，如果验证结果不理想，则调整Two step和/或K-means的参数，直到结果理想。

8.如权利要求1、2或3所述的方法，其他特征在于，建立信道和参数配置与网络指标之间的关联关系的步骤进一步包括，

建立对网络指标TRF239的预测模型；

建立对配置参数CDEF的预测模型；

根据拥塞率计算相应的CDED参数配置。

9.如权利要求8所述的方法，其特征在于，建立对网络指标TRF239的预测模型的步骤进一步包括，

选定的预测自变量；

对自变量进行数据转换；

以自变量转换后的数据为输入，使用多元线性回归的算法，计算得到结果；

对结果进行分析，如果达不到评价指标，则重新选择自变量，或者对自变量进行其它方式的数据转换，或者选择其他的拟合算法，至到达到评价指标。

10.如权利要求8所述的方法，其特征在于，建立对配置参数CDEF的预测模型的步骤进一步包括，

将TRF_239、升降域网络配置参数、小区话音单时隙负荷和数据单时隙负荷作为自变量，使用线性回归算法，计算得到CDEF。

11.如权利要求1、2或3所述的方法，其特征在于，还包括：

根据小区业务数据，采用决策树方法得到小区类型映射规则集。

12.一种小区数据信道配置系统，其特征在于，包括：数据采集模块、小区分类模块和配置模块；

数据采集模块，用于采集小区业务数据；

小区分类模块，用于根据数据采集模块所采集的小区业务数据，将业务特性相同的小区归为一类；

配置模块，用于针对小区分类模块所划分的每一类型的小区，建立对应的信道和参数配置与网络指标之间的关联关系。

13.如权利要求12所述的装置，其特征在于，还包括评测模块，用于根据针对每一类型的小区的信道和参数配置与网络指标之间的关联关系，对对应小区进行资源配置后，评测小区资源配置调整前后关键绩效指标的变化，如果不理想，则调用配置模块重新建立信道和参数配置与网络指标之间的关联关系，至到对小区资源配置调整前后关键绩效指标的变化评测的结果理想。

14.如权利要求12或13所述的系统，其特征在于，还包括小区类型映射规则集生成模块，用于根据小区业务数据，采用决策树方法得到小区类型映射规则集。

Images