0 引言

    5G网络面对的是一个更复杂的需求，新业务以及新场景的引入，典型应用的业务要求更高，密集住宅区、办公室、场馆、校园、地铁、高铁等场景^[1]需要专业组网方案，大规模天线技术以及高频等5G的关键技术^[2]和特征带来组网的复杂度、多制式共存、更快的建网部署节奏，对网络规划也提出了新的挑战，需要更精准的网络规划评估手段以及更加高效智能的网络规划方案。本文充分挖掘基于现网大数据分析，结合人工智能，从场景识别、策略生成、分析预测等方面实现无线网络规划场景化智能化^[3]。

    在网络规划过程中，需要充分考虑建网目标和投资成本之间的平衡，站址规划至关重要。对于5G网络场景，首先建立现网基站特征库，根据5G不同建网阶段、不同场景及业务需求，基于价值分析，通过结构分析、冗余分析以及覆盖聚类分析，结合多种设备形态，包括64通道、32通道、8通道、4通道、2通道以及微站、Pico等产品，给出站址规划方案，同时能够给出建网方案的效果评估，从而形成端到端的智能网络规划方案。

1 5G覆盖评估

1.1 基于测量报告精准预测5G室内外覆盖

    价值区域优先部署，基于现网测量报告(Measurement Report，MR)数据，考虑栅格级4/5G制式参数差异，可以快速进行利旧网络下较为准确5G网络覆盖能力评估。表1以LTE 2.6G和5G 2.6G频段为例，说明利旧站址情况下的5G覆盖电平与4G覆盖电平之间的参数差异^[4-5]。

    其中4/5G栅格级天线方向图增益差异评估：天线增益需要考虑栅格所在位置与水平方位角偏离角度a以及与垂直下倾偏离角度b，综合得到栅格天线增益，如图1所示，相比只考虑最大天线增益的方式更为准确。

其中，H_Gain、V_Gain分别表示水平、垂直增益。

1.2 弱覆盖聚类

    MR数据通过室内外区分算法，区分出室内弱覆盖还是室外弱覆盖。对于栅格级弱覆盖，一般弱覆盖栅格按照50 m×50 m栅格精度输出，需要进一步定位到区域级别或者建筑物级别，便于输出针对性场景化规划方案。

    室外弱覆盖聚类方法如下：根据5G弱覆盖门限，筛选出小于一定参考信号接收功率(Reference Signal Receiving Power，RSRP)门限的弱覆盖栅格，通过基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise，DBSCAN)^[6]搜寻出连片弱覆盖，将分布连续的弱覆盖区域进行聚合处理，形成弱覆盖区域标记，如图2所示，其中黑色代表正常覆盖，灰色代表弱覆盖。

    室内弱覆盖聚类方法如下：室内弱覆盖需要区分到建筑物级别；根据弱覆盖栅格占比、弱覆盖话务占比(MR采样点数)、建筑物日均话务等3个指标筛选出室内弱覆盖区域和弱覆盖建筑，根据立体定位技术可以定位到楼宇的楼层级别，能够更精确地给出解决方案。

2 智能站址规划

    现网站址由于长期网络发展需求，已经存在宏站、微站、室分等多种设备形态，分别覆盖或者容量需求，在5G网络发展初期，可以先从覆盖角度考虑形成连续覆盖，再针对5G特殊需求考虑容量需求角度的站址规划。在这个过程中，需要在充分自动方案的基础上考虑一定人工审核保证方案的准确性、有效性和可落地性。

2.1 基站特征库构建

    基站特征库构建包括现网站址的基础工程参数、话务量、用户数、VIP站点、场景特征等构建基站特征库。

2.2 网络结构分析

    合理的无线网络结构是良好的网络覆盖及性能的保障。

    网络结构分析：根据站高、站间距等筛选过近、过高、过低以及方位角、下倾角等网络结构不合理的站址。

    宏站天线挂高筛选： 提供有效覆盖，避免越区干扰；微站天线挂高筛选：剔除过低无效微站。需审核确定是否可通过改造调整天线挂高。过近站需审核确定是否场景特殊要求(如高楼覆盖遮挡)。

2.3 冗余站址分析

    现网站址存在部分由于容量吸收等原因存在的冗余站点，需要在5G规划中予以剔除；需要保证删除某小区后，在其主服小区覆盖范围内，来自邻区的室内外MR依然可以达到覆盖门限要求。

2.4 新建站方案

    对于需要通过新建站解决的情况：首先根据聚类分析得到的弱覆盖区域，考虑室外属性、场景特性、建筑物形态因子、建筑物面积、话务量、弱覆盖面积、与现网站址距离等因素，通过决策树算法，匹配场景和设备，给出最优站址部署方案^[7]，如图3所示。

2.5 最终站址方案输出

    综合考虑网络结构、冗余站址、新建站解决弱覆盖方案，得到建筑物级别，匹配场景的站址方案和设备方案，更智能、更精准地提供站址部署方案。

3 覆盖预测

    新增站址确定后需要进行站址覆盖评估，以便评估是否达到网络设计目标。

    根据现网工程参数，引入机器学习的有效手段，打破了传统全网统一固定经验型传播模型造成的模型单一化、预测理想化等问题，让覆盖预测更加贴合实际现网。

    基于MR数据、规划站点工参信息、邻区信息、5 m高精度地图数据(含建筑物高度)对小区覆盖栅格的RSRP值进行预测。

    对于一个弱覆盖区域，向四周延扩一定距离，形成一个连续区域。对该区域内符合条件的小区进行基于地理环境和邻区信息的RSRP预测算法建模。根据模型，计算区域的平均覆盖半径。根据覆盖半径生成新站位置。根据新站位置和RSRP预测算法，预评估新加站的覆盖情况。

    数据准备：主要考虑MR数据、新站工参、邻区信息、高精度电子地图等。

    新加站：考虑覆盖半径、新站位置、RSRP预测等因素。

    RSRP预测算法建模如图4所示，考虑主小区站高等信息、邻区信息、主小区与手机距离、最高建筑物、遮挡建筑物数量、手机与最近遮挡物距离等因素。建模公式如下：

其中，y_B、y_C表示邻区特征，env(A)、env(B)、env(C)反映主小区和邻区遮挡特性，grid为栅格信息。

4 候选站价值排序

    基于价值投资的理念，对于最终生成的候选站点，可以从覆盖评分、流量评分、用户评分、竞对评分、利旧特性评分、成本评分等多维度加权平均，给出候选站的建站优先级排序，更能体现建网过程中对投资成本等综合因素的考虑。

4.1 覆盖评分

    室分站直接取对应建筑物优先级的打分。

    宏站和微站按照站点经纬度和覆盖半径获取覆盖范围内所有弱覆盖栅格的问题区域优先级打分和问题点(建筑物)打分，如果同一个栅格既有问题区域优先级打分也有问题点(建筑物)优先级打分，则优先选择问题点(建筑物)优先级。最后对所有弱覆盖栅格打分求均值。

4.2 容量评分

    容量评分标准为：站点覆盖范围内的容量问题栅格/总栅格数×100。

    对于室分站，选取对应建筑物内的栅格；对于宏站和微站，选取站点覆盖范围内的栅格。

    取最近X个站点的流量均值，假设为M，按照M分级打分。

4.3 用户数评分

    取最近X个站点用户数均值，假设为N，按照N分级打分。

4.4 竞对评分

    若本运营商覆盖差，则评分按如下公式：

    对于室分站，选取对应建筑物的覆盖优良占比；对于宏站和微站，选取站点覆盖范围内的所有栅格的覆盖优良比。

4.5 站址利旧评分

    若为利旧站点，打分最高，其次新建站点。

4.6 成本评分

    成本评分即通过不同站型的成本给出评分。

5 结论

    5G智能无线规划方案，以eMBB业务需求和场景需求为入口，从需求分析、价值分析、智能选址、覆盖预测等阶段系统性的结合机器学习方案，融合了专家经验，从而使得无线网络规划方案更加系统化、精准化、智能化，为无线网络建设和投资提供了有效支撑。

    随着5G网络不断发展，垂直行业需求不断增加，网络切片、大规模天线权值等新技术更广泛应用，网络规划的复杂度也将进一步增加，需要更加专业的建模分析以及端到端系统化的5G网络规划方案和能力。AI技术的逐步融合和引入，将会进一步提升无线网络规划方案的智能化能力。

参考文献

[1] IMT-2020 5G愿景与需求白皮书[EB/OL].(2018-12-28).[2019-09-02].http：//www.imt-2020.cn/zh/documents/download/1.

[2] IMT-2020 5G无线技术架构白皮书[EB/OL].(2018-12-28).[2019-09-02].http：//www.imt-2020.cn/zh/documents/download/5.

[3] IMT-2020 5G网络技术架构白皮书[EB/OL].(2018-12-28).[2019-09-02].http：//www.imt-2020.cn/zh/documents/download/6.

[4] Study on channel model for frequencies from 0.5 to 100 GHz：3GPP TR 38.901[S/OL].(2018-08-15).[2019-09-02].https：//www.3gpp.org/ftp/.

[5] NR Physical channels and modulation.3GPP TR 38.211[S/OL].(2018-12-22).[2019-09-02].https：//www.3gpp.org/ftp/.

[6] 周志华.机器学习[M].北京：清华大学出版社，2016.

[7] Study on scenarios and requirements for next generation access technologies：3GPP TR 38.913[S/OL].(2018-08-15).[2019-09-02].https：//www.3gpp.org/ftp/.

作者信息:

邹广玲，张守霞，朱永军，谢卫浩

(中兴通讯股份有限公司，上海201203)