CN104469834B - 一种业务仿真感知评价方法及系统 - Google Patents

Abstract

本发明提供一种业务仿真感知评价方法及系统，所述方法包括：获取网络中每个小区服务区域内网格的电平和邻区电平，根据邻区电平的上下门限值，对所述邻区电平进行分段，统计每个邻区电平位于三个区间的概率P1、P2、P3；计算每个网格的业务发生概率；计算整个网络的业务发生概率；运用蒙特卡洛仿真，根据整个网络的业务发生概率，在网络区域内进行仿真话务撒点；根据网络中各个小区的话务仿真撒点，进行新建站点仿真；对仿真的新建站点进行业务感知评估。与现有技术相比，本发明能够充分利用MR数据进行业务感知综合优化，能够大大简化业务撒点、新建站点确定和评估、网络优化流程，节省大量的人力和物力。

Description

一种业务仿真感知评价方法及系统

技术领域

本发明涉及移动通信技术领域，尤其涉及一种业务仿真感知评价方法及系统。

背景技术

随着移动通信网络的发展，对于网络的日常维护与优化，以提高用户感知和使用，一直以来都是移动运营商的重要工作。在对网络的维护优化过程中，最多用到的就是新建基站的分析和选址工作，这涉及到话务撒点、新建站点整体评估等各个方面。

现有技术中，通常利用TA（Timing Advance，定时提前量）分布进行话务撒点。根据TA信息沿小区辐射方向分布话务量。利用TA占比信息，将小区的话务量分布到覆盖区域内,并统计每一个TA扇环内的话务量密度。每个扇环内的话务量密度为Pn=（第n个TA的采样点/TA总采样点）*总话务量/第n个TA的面积。利用小区覆盖叠加信息，在垂直小区辐射方向上细分话务量。根据TA占比信息，只能大致描述小区沿辐射方向的话务分布状况。利用小区间的覆盖叠加信息，在重叠区域进行话务量的叠加，可以将每个TA扇环内的话务量在垂直小区辐射方向上进行细分。这样，某个采样点的话务量密度，就等于覆盖该点的所有小区分布在此区域内的话务量密度的多次叠加。根据小区的重叠覆盖情况进行话务量的叠加，最后得到每个网络内的话务分布，进而得到全网的话务模型。

另外一种方案中，利用原始上报的MR（measurement result，测量报告）数据进行话务撒点。利用原始上报的MR数据进行话务撒点的主流思路是：收集480ms原始上报数据，通过对原始数据的统一归一处理，得到小区的平均路损与平均距离的关系，通过这个关系，可以得到每次上报的采样点与小区的大概距离，以此结合邻区测量的距离，进行三点定位，以此来获得较为准确的撒点分布。

这两种方式的优点是：理论基础成熟，且具有实现的可行性；撒点精度高，能够比较准确反映实际的网络情况。同时，缺点也很明显：原始数据采集繁琐，且数据量巨大，数据处理时间较长；目前主流的提供商是厂家，减少了运营商的选择权，相对来说不利于网络优化服务的发展；针对孤岛小区或边缘小区的没有完善的理论基础，可能准确性会有所下降。

现有新建站点的评估手段，主要是通过以下三点作为依据：

一、用户投诉：根据用户投诉分析是由什么原因导致，若是弱覆盖、长时间高业务量，则在投诉区域新建基站；

二、路测分析：根据路测软件测试出弱覆盖区域，进行新建基站解决弱覆盖问题；

三、KPI（Key Performance Indication，关键业绩指标）统计：通过后台的KPI统计来找出长期高业务量的小区，在这些小区附近新建基站解决高业务量问题。

可以看到，传统的新建站点，主要是通过用户投诉、路测分析、KPI统计等信息，结合人工经验，选择多个备选站点，再由人工勘测，最后确定新建站点的位置和工参信息等。

具体来说，在实现本发明的过程中，发明人发现现有的方案存在如下缺点：

现有业务评价方案中，话务撒点要么由于撒点精度粗（由于TA的分布），要么需要投入大量的人力和物力等因素，无法满足日常优化和精细优化的要求；同时，缺乏客观的评估手段对新站点进行评价，为网络优化带来了困扰。

MR数据中要求的电平分布过“粗”，无法满足使用要求。目前只有部分设备可间接提供精度为1dB的电平测量。MR数据中无电平和距离的联合分布（二维矩阵）→无法进行路径损耗校正。由于GSM的TA精度为550米，与实际网络中的站间距相当，即使提供二维分布也不能用于传播模型校正。将多个基站的路测数据转化成单站测试数据，用于传播模型进行校正。MR数据中无本小区与邻区电平的联合分布（一维向量）→无法进行三点定位。

结合传播模型（计算距离）和天线方向图，也只能实现“弧带”状的测量采样点的地理定位，精度太差，且展现效果不佳。单纯依赖来自网管的MR数据无法实现满足需要的定位精度。

新站入网无法客观评估。新站的入网可以有效解决弱覆盖和高负荷，但同时必然也导致局部区域的干扰增加，无法客观业务评估，显然无法确定新的站点入网是否合适。

发明内容

本发明的目的在于克服现有技术的缺点和不足，提供一种业务仿真感知评价方法及系统。

一种业务仿真感知评价方法，所述方法包括：

获取网络中每个小区服务区域内网格的电平和邻区电平，根据邻区电平的上下门限值，对所述邻区电平进行分段，统计每个邻区电平位于三个区间的概率P1、P2、P3；

根据公式Pp=ΣPs*（P1，P2，P3）*Pii*用户密度，计算每个网格的业务发生概率；所述Pp为网格业务发生概率，Ps为网格的电平分布概率，Pii为每个邻区的电平分布概率；

根据公式P=Pp/（ΣPp）计算整个网络的业务发生概率；

运用蒙特卡洛仿真，根据整个网络的业务发生概率，在网络区域内进行仿真话务撒点，完成网络中各个小区的话务仿真撒点；

根据所述网络中各个小区的话务仿真撒点，进行新建站点仿真；

对所述仿真的新建站点进行业务感知评估。

通过MR数据收集获取所述网络中每个小区服务区域内网格的电平和邻区电平。

所述邻区电平的上下门限值根据需要设定；

所述接收的邻区电平根据下述公式计算：

Pr=Pt–Lf+Ga–Lθ–PL；其中，PL为空中传播路径损耗值；Pt为所述小区的发射功率；Lf为馈/跳线损耗；Ga为天线主瓣增益；Lθ为天线到信号接收点的水平和垂直总衰减值。

所述三个区间的概率P1、P2、P3根据如下公式计算：

P1=NBR_OF_SAMPLES_IN_CLASS_1/AVE_DL_SIG_STR_SERV_CEL L_DEN；

P2=NBR_OF_SAMPLES_IN_CLASS_2/AVE_DL_SIG_STR_SERV_CELL_DEN；

P3=NBR_OF_SAMPLES_IN_CLASS_3/AVE_DL_SIG_STR_SERV_CEL _DEN；

其中，所述NBR_OF_SAMPLES_IN_CLASS_1、NBR_OF_SAMPLES_IN_CLASS_2、NBR_OF_SAMPLES_IN_CLASS_3、AVE_DL_SIG_STR_SERV_CELL_DEN从所述MR数据中获取。

所述每个网格的电平分布概率Ps=符合服务小区电平的正态分布函数在该电平的概率；每个邻区的电平分布概率Pii=符合邻区电平的正态分布函数在该网格内统计到的邻区电平所在的概率。

所述网络中各个小区的话务仿真撒点的概率=ΣΣ（受影响的话务占比*网格用户密度占比*邻居电平分布占比）；其中，受影响的话务占比=满足某一区间的采样点总数/服务小区总采样点数；网格用户密度占比=网格的用户数/交叠区域的总用户数；邻区电平分布=邻区电平服从正态分布的概率。

所述新建站点仿真，包括如下步骤：

确定优化区域；

计算业务综合体验系数，根据业务综合体验系数来确定是否需要新建站点；

确定新建站点参数；

测试新建站点区域的场强；

调整新建站点周围邻区的天馈线。

所述对所述仿真的新建站点进行业务感知评估，包括：

基础布局合理性评估；

覆盖的提升幅度评估；

容量的改善情况评估；

载干比C/I的变化情况评估；

掉话率的改善情况评估。

一种业务仿真感知评价系统，所述系统包括蒙特卡洛仿真单元、网格业务发生概率计算单元、网络业务发生概率计算单元、话务撒点单元、新建站点仿真单元及业务感知评估单元，其中，

所述蒙特卡洛仿真单元，用于获取网络中每个小区服务区域内网格的电平和邻区电平0根据邻区电平的上下门限值，对所述邻区电平进行分段，统计每个邻区电平位于三个区间的概率P1、P2、P3；

所述网格业务发生概率计算单元，用于根据公式Pp=ΣPs*（P1，P2，P3）*Pii*用户密度，计算每个网格的业务发生概率；所述Pp为网格业务发生概率，Ps为网格的电平分布概率，Pii为每个邻区的电平分布概率；

所述网络业务发生概率计算单元，用于根据公式P=Pp/（ΣPp）计算整个网络的业务发生概率；

所述话务撒点单元，用于运用蒙特卡洛仿真，进行仿真话务撒点，完成网络中各个小区的话务仿真撒点；

所述新建站点仿真单元，用于根据所述网络中各个小区的话务仿真撒点，进行新建站点仿真；

所述业务感知评估单元，用于对所述仿真的新建站点进行业务感知评估。

所述新建站点仿真单元包括优化区域子单元、业务综合体验子单元、参数确定子单元、场强测试子单元和邻区调整子单元，其中，

所述优化区域子单元，用于确定优化区域；

所述业务综合体验子单元，用于计算业务综合体验系数，根据业务综合体验系数来确定是否需要新建站点；

所述参数确定子单元，用于确定新建站点参数；

所述场强测试子单元，用于测试新建站点区域的场强；

所述邻区调整子单元，用于调整新建站点周围邻区的天馈线。

所述业务感知评估单元包括基础布局子单元、覆盖提升子单元、容量改善子单元、载干比变化子单元及掉话率改善子单元，其中，

所述基础布局子单元，用于基础布局合理性评估；

所述覆盖提升子单元，用于覆盖的提升幅度评估；

所述容量改善子单元，用于容量的改善情况评估；

所述载干比变化子单元，用于载干比C/I的变化情况评估；

所述掉话率改善子单元，用于掉话率的改善情况评估。

本发明通过获取网络中每个小区服务区域内网格的电平和邻区电平，对邻区电平进行分段，统计每个邻区电平位于三个区间的概率；计算每个网格的业务发生概率，并计算整个网络的业务发生概率；运用蒙特卡洛仿真，根据整个网络的业务发生概率，在网络区域内进行仿真话务撒点，完成网络中各个小区的话务仿真撒点；根据网络中各个小区的话务仿真撒点，进行新建站点仿真；对仿真的新建站点进行业务感知评估。与现有技术相比，本发明能够充分利用MR数据进行业务感知综合优化，能够大大简化业务撒点、新建站点确定和评估、网络优化流程，节省大量的人力和物力，同时，通过量化的指标能够客观的评估优化效果，具备大规模推广的价值。

附图说明

图1为本发明实施例1提供的业务仿真感知评价方法原理流程图；

图2为本发明实施例2提供的业务仿真感知评价系统结构示意图；

图3为本发明实施例2提供的新建站点仿真单元500结构示意图；

图4为本发明实施例2提供的业务感知评估单元600结构示意图。

具体实施方式

下面结合附图对本发明的具体实施方式进行详细描述。但本发明的实施方式不限于此。

如图1所示，为本发明实施例1提供的业务仿真感知评价方法原理流程图，具体如下：

步骤10，获取网络中每个小区服务区域内网格的电平和邻区电平，根据邻区电平的上下门限值，对所述邻区电平进行分段，统计每个邻区电平位于三个区间的概率P1、P2、P3。

业务仿真首先要解决的是话务撒点的问题，也就需要用到蒙特卡洛的话务撒点方法。首先，需要明确：利用MR收集到的数据是统计数据，一般每次最多会上报6个最强邻区的统计信息，包括邻区电平、质量、BCCH（Broadcast Control Channel，广播控制信道）、BCC（Base station Color Code，基站色码）、NCC（Network Color Code，网络色码）等。由统计学理论可知，以此统计到的邻区电平符合正态分布，并且服务小区的电平统计也是符合正态分布的。表一为部分nokia邻区测量统计字段。

表一

BTS_INT_ID	小区ID
		NCC	邻区NCC
BCC	邻区BCC
		BCCH	邻区BCCH
DB_VALUE_LOW	上报门限1
		DB_VALUE_HIGH	上班门限2
AVE_DL_SIG_STR_SERV_CELL_SUM	服务小区接收电平总和统计
		AVE_DL_SIG_STR_SERV_CELL_DEN	服务小区总采样点数
STD_DEV_OF_SERV_CELL	服务小区接收电平方差统计
		AVE_DL_SIG_STR_ADJ_CELL	邻区接收电平均值
STD_DEV_OF_ADJ_CELL	邻区接收电平方差
		NBR_OF_SAMPLES_IN_CLASS_1	区间1统计数
NBR_OF_SAMPLES_IN_CLASS_2	区间2统计数
		NBR_OF_SAMPLES_IN_CLASS_3	区间3统计数

其中所采集到的各项参数，会在后续的计算过程中陆续使用到。本实施例中主要的数据来源均是MR数据，计算所需的各项参数大多是通过MR数据采集中获取。

话务撒点的过程中，首先计算服务小区服务区域内每个网格的电平和邻区电平列表，并且邻区列表按照电平从大到小排列，并保留前6个邻区信息。这里通常根据前6个邻区的信息来进行计算，实际过程中，可以根据需要设定保留的邻区数量。

按照邻区关系中定义的门限1和门限2对6个邻区进行分段，可以得到3个区间的统计。

处于第一区间的概率为：

P1=NBR_OF_SAMPLES_IN_CLASS_1/AVE_DL_SIG_STR_SERV_CE LL_DEN；

处于第二区间的概率为：

P2=NBR_OF_SAMPLES_IN_CLASS_2/AVE_DL_SIG_STR_SERV_CE LL_DEN；

处于第三区间的概率为：

P3=NBR_OF_SAMPLES_IN_CLASS_3/AVE_DL_SIG_STR_SERV_CE LL_DEN。

这里的门限1和门限2可以从表一中获取，NBR_OF_SAMPLES_IN_CLASS_1、NBR_OF_SAMPLES_IN_CLASS_2、NBR_OF_SAMPLES_IN_CLASS_3、AVE_DL_SIG_STR_SERV_CELL_DEN也可以从表一中获取。

实际上，为了更好的描述抽样概率，我们细化到服务小区所覆盖的每个的网络上，覆盖区域即为满足接收电平在（max（-110，Res_acc_level），-47）之间的区域，接收电平的公式，可以采用上述路损公式进行变换。这里的Res_acc_level为服务小区最低接入电平。

接收电平计算公式如下：

Pr=Pt–Lf+Ga–Lθ–PL；

PL是空中传播路径损耗值，通过前面的修正可以得到服务小区的路损值；Pt是发射功率，即小区参数BSPWR值，通过前面的介绍可以知道，可以从功控表中的拿到每个时段中的发射功率均值；Lf是馈/跳线损耗，Ga是天线主瓣增益，都可以从天线模型中获取；Lθ是天线到信号接收点的水平和垂直总衰减值，根据地物和天线视图计算得到。以此可以计算出服务小区的传播模型和全网小区的传播模型情况。

步骤20，根据公式Pp=ΣPs*（P1，P2，P3）*Pii*用户密度，计算每个网格的业务发生概率。

由于每个服务小区统计电平符合正态分布，且邻区电平也是符合正态分布的，所以每个网络的电平分布概率Ps=符合服务小区电平的正态分布函数在该电平的概率，每个邻区的电平分布概率Pii=符合邻区电平的正态分布函数在该网格内统计到的邻区电平所在的概率。所以综合计算每个网络的业务发生概率为Pp=ΣPs*（P1，P2，P3）*Pii*用户密度。

步骤30，根据公式P=Pp/（ΣPp）计算整个网络的业务发生概率。

通过上述步骤可以计算出每个网络的业务发生概率，但并非是我们统计学中的抽样概率，为保证总抽样概率为1，且符合统计学理论，需要对业务发生概率进行进一步的处理，从而得到符合蒙特卡洛仿真使用的抽样概率。每个网络的抽样概率的计算公式如下：

P=Pp/（ΣPp）。

步骤40，运用蒙特卡洛仿真，根据整个网络的业务发生概率，在网络区域内进行仿真话务撒点，完成网络中各个小区的话务仿真撒点。

如何知道准确的进行撒点，就是利用蒙特卡洛仿真进行撒点，来模拟实际的采样分布，而实际的采样情况又与服务小区自身电平和邻区电平统计密切相关，所以如何利用这些信息来构建抽样概率直接关系到撒点准确的与否，所以考虑每个网格的撒点概率公式如下：

撒点概率=ΣΣ（受影响的话务占比*网格用户密度占比*邻居电平分布占比）；

其中，受影响的话务占比=满足某一区间的采样点总数/服务小区总采样点数；

网格用户密度占比=网格的用户数/交叠区域的总用户数；

邻区电平分布=邻区电平服从正态分布的概率。

进一步的，可以多次循环利用蒙特卡洛仿真撒点求均值，来减少仿真误差。

步骤50，根据网络中各个小区的话务仿真撒点，进行新建站点仿真。

在无线网络日常优化过程中，通常个别区域存在着弱覆盖、高负荷、结构等问题，这些问题对无线网络的服务质量有着巨大的影响，一般可通过天馈优化或新建站来解决此类问题，从而使得无线网络质量得到提升。

弱覆盖区域：根据MR上报的信息，统计每个小区BCCH Rxlev<-90（-94）的上报次数的比例，比例越高，则说明小区弱覆盖的可能性也越高，通常大于某一指定的门限时，认为小区存在弱覆盖，一般还需要结合过覆盖来准确定位小区存在的覆盖问题，针对过覆盖造成的弱覆盖的小区，优先通过覆盖优化的手段解决。

高负荷区域：根据小区的统计指标，当每线话务量、拥塞率等（排除小区存在隐性故障）超过一定的门限，则认为小区存在高负荷，可以通过天馈调整或新建站来分担高负荷小区的话务。

结构问题区域：针对网络结构复杂区域，重叠覆盖严重，需要进行天馈调整、小区分裂、话务下沉等手段来解决结构复杂区域，从而较少系统低噪，提高网络质量。

通常新建站点的工作，包括如下步骤：

1）确定优化区域（容量、覆盖、结构）；

存在弱覆盖区域：Rxleve<-94dBm；

存在高负荷区域：TCH拥塞>1%、SDCCH拥塞率>5%、无线利用率>80%、每线话务量>0.8Erl等；

存在结构问题区域：结构指数>24、重叠覆盖度>5等。

2）新建站点流程优化，包括根据问题区域的覆盖、容量等信息，计算现有的业务体验是否满足需求，如果是则通过调整现有小区天馈线来解决问题，否则，再通过新建站点方式进行优化。

现有的业务体验通常通过计算业务综合体验系数来评估。该系数通过如下公式计算：

接入性判定准则：下行电平低于-94dBm不能接入。

保持性判定准则：同频载干比C/I<6dB或邻频抑制比C/A<-6发生掉话。

完整性判定准则：根据综合C/I推算出FER（Frame Error Rate，误帧率）。

通过计算紧邻小区区域内的综合业务体验指数，针对每个仿真点进行多次仿真，找到综合业务体验指数最高的新建站点工参组合，作为新建站点的备选方案。

紧邻小区：小区簇内邻区列表中出现次数最多的小区。

非紧邻小区：小区簇内其他邻小区。

3）新建站参数确定：

基站名：自动分配；

BSC（Base Station Controller，基站控制器）：自动分配，推荐周围最近邻区所在的BSC；

LAC（Location Area Code，位置区码）：自动分配，推荐周围最近邻区所在的LAC；

经纬度：仿真得到；

频段类型：用户可定义，也可通过软件自动给出（给定标准，根据周围环境：覆盖要求、市区或郊区、是否存在1800基站；同等条件下选择1800优先）；

方位角：仿真得到；

机械下倾角、电子下倾角：仿真得到；

站高：仿真得到；

波瓣宽度：波瓣宽度默认选择65，也可以用户选择；

Trx数：计算得到，计算选择区域的缺失PDCH（Packet Data CHannel，分组数据信道）信道数（爱尔兰B表确定）、TCH（Traffic Channel，业务信道）信道数（爱尔兰B表确定）、SDCCH（Stand Alone Dedicated Channel，独立专用控制信道）信道数（一般根据经验值和TCH数确定），得到总的缺失信道数T，进而得到需要的载波数；

BCCH（Broadcast Control Channel，广播控制信道）频点、TCH频点：根据现网中BCCH和TCH规划的频点，计算各频点的同、邻频干扰，采用干扰入和干扰出系数最小的频点；

BSIC（Base Station Identity Code，基站识别码）：根据同频同色设计要求，推荐最远的BSIC；

基站发射功率：仿真得到；

邻区列表：通过在新建站区域存在覆盖的小区作为一级邻区，一级邻区的邻区作为二级邻区，一级邻区按在建站区域的干扰值做排列，确定前32个为新建站的邻区列表（有的设备邻区定义可以大于32，暂不做考虑）；通常按照实际经验，一级邻居会小于32，此时就需要添加部分二级邻区到邻区列表中，二级邻区的添加按距离远近的原则，添加至邻区列表，直至32个邻区为至。

通过上述新建站的参数要求，其中经纬度、方位角、下倾角、站高、发射功率等参数需要通过仿真确定，其他参数可根据用户要求由软件推荐。

4）建站区域的场强预测。

对于每一个预测点，如果该点仿真的接收信号的强度大于某一指定的门限，则认为新建站在该点信号可达。

5）建站后周围邻区的天馈调整。

基因：（方位角、机械下倾角、电子下倾角、站高、发射功率）；

个体：仿真小区；

种群：小区簇；

染色体：一组基因对象；

运用遗传算法将要解决的问题模拟成一个生物进化的过程，通过复制、交叉、突变等操作产生下一代的解，并逐步淘汰掉适应度低的解，增加适应度高的解。这样进化N代后就很有可能会进化出适应度很高的个体。

适应度函数：指导了遗传基因算法进行的方向，随着适应度函数的值的变化，遗传算法收敛或发散。

当适应度函数的值为1时，认为算法收敛，得到最优解。适应度函数的数据越小，说明算法的结果越优秀。

合理的构造适应度函数，是正确应用遗传基因算法的前提，在进行天馈优化仿真的过程中，适应度函数其实就是各个小区所有影响因子的合集。

∑∑（接通率*（1-拥塞率）*（1-掉话率）*（1-FER）->1）→1；

接通率：小区负荷过高（可用信道分配不足）；覆盖不足（rxlevel<-94dBm）；干扰过大（邻小区存在同频时<12dB、邻频时<-6dB）；

掉话率：覆盖不足（rxlevel<-94dBm）；干扰过大（邻小区存在同频时<12dB、邻频时<-6dB）。

步骤60，对仿真的新建站点进行业务感知评估。

新建站入网前需要对新建站进行预估，从而来判定新建站的合理性，可根据接入性判定准则、保持性判定准则和完整性判定准则三者的综合考核门限，来说明新建站点的必要性，主要体现以下几个方面：

基础布局合理性：可参考；

覆盖的提升幅度：小区簇内整体覆盖率；

容量的改善情况：小区簇内拥塞预判；

C/I的变化情况：小区簇内C/I变化；

掉话率的改善情况：主要考虑低覆盖（Rxlevel<-94dBm）、低C/I（同频<12dB，邻频<-6dB）、高负荷三种造成的掉话。

网络综合评估指标=K1*接入性判定准则得分+K2*接入性判定准则得分+K3*接入性判定准则得分，其中，K1、K2、K3为各自的权重，总和值为1。如果建站前现网综合指标为3.5，当通过新建站点后，现网仿真的网络综合指标大于4（可根据无线环境确定），则说明可通过新建站点来改善网络质量，新建站点的引入对网络质量的提升有利，否则，则说明新建站的引入会恶化现网的网络质量，优先通过其他手段进行优化。

本实施例的实现，能够充分利用MR数据进行业务感知综合优化，相对于以往的技术提案，能够大大简化优化流程，节省大量的人力和物力，同时，通过量化的指标能够客观的评估优化效果，具备大规模推广的价值。

如图2所示，本发明实施例2还提供一种业务仿真感知评价系统，该系统包括蒙特卡洛仿真单元100、网格业务发生概率计算单元200、网络业务发生概率计算单元300、话务撒点单元400、新建站点仿真单元500及业务感知评估单元600，具体如下：

蒙特卡洛仿真单元100，用于获取网络中每个小区服务区域内网格的电平和邻区电平，根据邻区电平的上下门限值，对邻区电平进行分段，统计每个邻区电平位于三个区间的概率P1、P2、P3；

网格业务发生概率计算单元200，用于根据公式Pp=ΣPs*（P1，P2，P3）*Pii*用户密度，计算每个网格的业务发生概率；Pp为网格业务发生概率，Ps为网格的电平分布概率，Pii为每个邻区的电平分布概率；

网络业务发生概率计算单元300，用于根据公式P=Pp/（ΣPp）计算整个网络的业务发生概率；

话务撒点单元400，用于运用蒙特卡洛仿真，进行仿真话务撒点，完成网络中各个小区的话务仿真撒点；

新建站点仿真单元500，用于根据网络中各个小区的话务仿真撒点，进行新建站点仿真；

业务感知评估单元600，用于对仿真的新建站点进行业务感知评估。

特别的，如图3所示，上述新建站点仿真单元500包括优化区域子单元501、业务综合体验子单元502、参数确定子单元503、场强测试子单元504和邻区调整子单元505，具体如下：

优化区域子单元501，用于确定优化区域；

业务综合体验子单元502，用于计算业务综合体验系数，根据业务综合体验系数来确定是否需要新建站点；

参数确定子单元503，用于确定新建站点参数；

场强测试子单元504，用于测试新建站点区域的场强；

邻区调整子单元505，用于调整新建站点周围邻区的天馈线。

进一步的，如图4所示，上述业务感知评估单元600包括基础布局子单元601、覆盖提升子单元602、容量改善子单元603、载干比变化子单元604及掉话率改善子单元605，具体如下：

基础布局子单元601，用于基础布局合理性评估；

覆盖提升子单元602，用于覆盖的提升幅度评估；

容量改善子单元603，用于容量的改善情况评估；

载干比变化子单元604，用于载干比C/I的变化情况评估；

掉话率改善子单元605，用于掉话率的改善情况评估。

需要说明的是：上述实施例提供的业务仿真感知评价系统在业务仿真感知评价时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的业务仿真感知评价系统与业务仿真感知评价方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

综上，本发明通过获取网络中每个小区服务区域内网格的电平和邻区电平，对邻区电平进行分段，统计每个邻区电平位于三个区间的概率；计算每个网格的业务发生概率，并计算整个网络的业务发生概率；运用蒙特卡洛仿真，根据整个网络的业务发生概率，在网络区域内进行仿真话务撒点，完成网络中各个小区的话务仿真撒点；根据网络中各个小区的话务仿真撒点，进行新建站点仿真；对仿真的新建站点进行业务感知评估。与现有技术相比，本发明能够充分利用MR数据进行业务感知综合优化，能够大大简化业务撒点、新建站点确定和评估、网络优化流程，节省大量的人力和物力，同时，通过量化的指标能够客观的评估优化效果，具备大规模推广的价值。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (11)

1.一种业务仿真感知评价方法，其特征在于，所述方法包括：

获取网络中每个小区服务区域内网格的电平和邻区电平，根据邻区电平的上下门限值，对所述邻区电平进行分段，统计每个邻区电平位于三个区间的概率P1、P2、P3；

根据公式Pp＝ΣPs*(P1，P2，P3)*Pii*用户密度，计算每个网格的业务发生概率；所述Pp为网格业务发生概率，Ps为网格的电平分布概率，Pii为每个邻区的电平分布概率；

根据公式P＝Pp/(ΣPp)计算整个网络的业务发生概率；

运用蒙特卡洛仿真，根据整个网络的业务发生概率，在网络区域内进行仿真话务撒点，完成网络中各个小区的话务仿真撒点；

根据所述网络中各个小区的话务仿真撒点，进行新建站点仿真；

对所述仿真的新建站点进行业务感知评估。

2.如权利要求1所述的方法，其特征在于，通过MR数据收集获取所述网络中每个小区服务区域内网格的电平和邻区电平。

3.如权利要求1所述的方法，其特征在于，所述邻区电平的上下门限值根据需要设定；

所述接收的邻区电平根据下述公式计算：

Pr＝Pt–Lf+Ga–Lθ–PL；其中，PL为空中传播路径损耗值；Pt为所述小区的发射功率；Lf为馈/跳线损耗；Ga为天线主瓣增益；Lθ为天线到信号接收点的水平和垂直总衰减值。

4.如权利要求1所述的方法，其特征在于，所述三个区间的概率P1、P2、P3根据如下公式计算：

P1＝NBR_OF_SAMPLES_IN_CLASS_1/AVE_DL_SIG_STR_SERV_CELL_DEN；

P2＝NBR_OF_SAMPLES_IN_CLASS_2/AVE_DL_SIG_STR_SERV_CELL_DEN；

P3＝NBR_OF_SAMPLES_IN_CLASS_3/AVE_DL_SIG_STR_SERV_CELL_DEN；

其中，所述NBR_OF_SAMPLES_IN_CLASS_1、NBR_OF_SAMPLES_IN_CLASS_2、NBR_OF_SAMPLES_IN_CLASS_3、AVE_DL_SIG_STR_SERV_CELL_DEN从MR数据中获取；所述NBR_OF_SAMPLES_IN_CLASS_1表示区间1统计数，NBR_OF_SAMPLES_IN_CLASS_2表示区间2统计数、NBR_OF_SAMPLES_IN_CLASS_3表示区间3统计数、AVE_DL_SIG_STR_SERV_CELL_DEN表示服务小区总采样点数。

5.如权利要求1所述的方法，其特征在于，所述每个网格的电平分布概率Ps＝符合服务小区电平的正态分布函数在该电平的概率；每个邻区的电平分布概率Pii＝符合邻区电平的正态分布函数在该网格内统计到的邻区电平所在的概率。

6.如权利要求1所述的方法，其特征在于，所述网络中各个小区的话务仿真撒点的概率＝ΣΣ(受影响的话务占比*网格用户密度占比*邻居电平分布占比)；其中，受影响的话务占比＝满足某一区间的采样点总数/服务小区总采样点数；网格用户密度占比＝网格的用户数/交叠区域的总用户数；邻区电平分布＝邻区电平服从正态分布的概率。

7.如权利要求1所述的方法，其特征在于，所述新建站点仿真，包括如下步骤：

确定优化区域；

计算业务综合体验系数，根据业务综合体验系数来确定是否需要新建站点；

确定新建站点参数；

测试新建站点区域的场强；

调整新建站点周围邻区的天馈线。

8.如权利要求1所述的方法，其特征在于，所述对所述仿真的新建站点进行业务感知评估，包括：

基础布局合理性评估；

覆盖的提升幅度评估；

容量的改善情况评估；

载干比C/I的变化情况评估；

掉话率的改善情况评估。

9.一种业务仿真感知评价系统，其特征在于，所述系统包括蒙特卡洛仿真单元、网格业务发生概率计算单元、网络业务发生概率计算单元、话务撒点单元、新建站点仿真单元及业务感知评估单元，其中，

所述蒙特卡洛仿真单元，用于获取网络中每个小区服务区域内网格的电平和邻区电平，根据邻区电平的上下门限值，对所述邻区电平进行分段，统计每个邻区电平位于三个区间的概率P1、P2、P3；

所述网格业务发生概率计算单元，用于根据公式Pp＝ΣPs*(P1，P2，P3)*Pii*用户密度，计算每个网格的业务发生概率；所述Pp为网格业务发生概率，Ps为网格的电平分布概率，Pii为每个邻区的电平分布概率；

所述网络业务发生概率计算单元，用于根据公式P＝Pp/(ΣPp)计算整个网络的业务发生概率；

所述话务撒点单元，用于运用蒙特卡洛仿真，进行仿真话务撒点，完成网络中各个小区的话务仿真撒点；

所述新建站点仿真单元，用于根据所述网络中各个小区的话务仿真撒点，进行新建站点仿真；

所述业务感知评估单元，用于对所述仿真的新建站点进行业务感知评估。

10.如权利要求9所述的系统，其特征在于，所述新建站点仿真单元包括优化区域子单元、业务综合体验子单元、参数确定子单元、场强测试子单元和邻区调整子单元，其中，

所述优化区域子单元，用于确定优化区域；

所述业务综合体验子单元，用于计算业务综合体验系数，根据业务综合体验系数来确定是否需要新建站点；

所述参数确定子单元，用于确定新建站点参数；

所述场强测试子单元，用于测试新建站点区域的场强；

所述邻区调整子单元，用于调整新建站点周围邻区的天馈线。

11.如权利要求9所述的系统，其特征在于，所述业务感知评估单元包括基础布局子单元、覆盖提升子单元、容量改善子单元、载干比变化子单元及掉话率改善子单元，其中，

所述基础布局子单元，用于基础布局合理性评估；

所述覆盖提升子单元，用于覆盖的提升幅度评估；

所述容量改善子单元，用于容量的改善情况评估；

所述载干比变化子单元，用于载干比C/I的变化情况评估；

所述掉话率改善子单元，用于掉话率的改善情况评估。