基于大数据技术的LTE邻区自优化算法研究

龙源期刊网 https://www.wendangku.net/doc/de15798905.html,

基于大数据技术的LTE邻区自优化算法研究

作者：熊汇雨水天运刘晨吉基于大数据技术的LTE邻区自优化算法研究

来源：《山东工业技术》2017年第02期

1 引言

无线网络优化中，邻区优化是无线网络业务连续性的首要保障。传统的人为邻区规划方式完全依赖工参参数准确性、规划人员技能水平和态度，且无法考虑矢量地物环境，使得多制式多层级网络部署下，邻区的维护工作量大、效率低、准确性不高的主要原因。

为缓解邻区维护的不力现状，在深度分析网络测量报告（MR， Measurement Report）的

数据信息与关联逻辑的基础上，笔者创新性地提出基于MR实测邻区大数据的LTE邻区自优化算法。算法基于现网终端实测的邻区物理小区标识（PCI，Physical Cell ID）、工程参数、

性能参数等多类数据来综合评估网络邻区配置，发现疑似漏配、错配、冗余的邻区，并给出需添加/删除的邻区信息。这一算法的提出，将有效帮助网络运维人员提高工作效率，充分保障网络质量可靠性。

2 基于大数据的LTE邻区自优化算法设计

基于大数据的LTE邻区自优化算法主要由MR数据解析、多维数据关联、邻区自添加/删除三部分组成。LTE邻区自添加算法流程如图1所示。

MR数据解析，即通过DOM（Document Object Model，文档对象模型）技术，将XML （Extensible Markup Language，可扩展标记语言）格式的MR元素分解为序列化的对象，拆解出MR中的服务小区E-UTRAN小区标识（ECI）、邻区参考信号接收功率（RSRP，Reference signal received power）、邻区PCI等数据。由于服务器将MR报告存储为多个XML 格式的小文件，因此，本算法采用DOM解析技术，将XML文档转化为树型结构，即建立一棵DOM树，并将MR中的时间、ECI、RSRP、PCI等数据提取出来。

多维数据关联，即通过Hadoop大数据集群，将解析后的MR数据中的服务小区ECI与工参经纬度，进行MapReduce Join多表关联，获得服务小区位置；将MR中的邻区RSRP最强的小区PCI与工参经纬度相关联，获得具有该PCI的全部小区位置，并通过计算这些小区与服务小区的距离，找到距离服务小区最近的PCI所对应的小区，即该服务小区的物理邻区。

邻区自添加/删除，即通过关联结果，自动确定邻区是否需要添减。通过将算法所得物理邻区与服务小区ECI、操作维护中心（OMC，Operation Maintenance Center）中的邻区参数表相关联，判断该物理邻区是否已添加至服务小区的邻区列表中；若未添加，则判断其是否与已