滕祖伟,周杰华,肖 波(中国联通湖北分公司,湖北 武汉 430040)
本文版权为《邮电设计技术》所有,如需转载请联系《邮电设计技术》编辑部
摘 要:
针对目前运营商不限流量套餐业务带来的流量快速增长,探讨在不限流套餐驱动下的流量增长预测思路和方法。通过市场常态型的流量增长预测和套餐驱动型的流量增长预测的分析,以及RRC有效用户数、上下行PRB利用率的预测分析,结合相应扩容门限,选择适用套餐驱动环境下的扩容方法,指导LTE网络扩容规划。
关键词:K最近邻算法;地铁;室分系统;故障定位
doi:10.12045/j.issn.1007-3043.2019.06.012
前言
地铁已经成为城市最常用的公共出行方式,4G用户经常使用移动互联网来消磨时间,因而保障地铁4G用户感知愈发重要。2017年中国联通集团要求:在保持重点城市网络质量的基础上,打造地铁等4G室内网络领先优势。目前地铁室内分布系统主要由有源设备及无源分布系统组成,其中无源分布系统由馈线、无源器件、天线组成来实现射频信号在建筑物内的传输及覆盖。后台告警仅能监控室分信源设备故障,无
法监控到分布系统等无源器件问题,这些无源器件问题主要依靠巡检和投诉来定位,不仅周期长,且故障定位繁琐、工作量大、定位准确率低。
K最近邻算法是一个理论上比较成熟的机器学习方法,其核心思想是:给定一个训练样本集,输入没有标签的新数据,与样本集中数据对应的特征进行比较,然后选择样本集中距离最近邻的k个分类标签,并按照一定规则确定最终的分类标签。通常采用最小欧氏距离或最大余弦距离衡量。
MR是手机在执行业务过程中向网络上报的、反映用户当前无线环境的下行信号强度和质量等信息的报告,其上报周期一般设定为5s。
现有的基于K最近邻算法和位置指纹库的MR定位技术已广泛应用于移动无线网质量评估、网络规划、网络优化工作中。但地铁的室内场景比较特殊,不仅其中的终端经纬度信息无法获取,而且窄长型的隧道环境封闭,作为第三方的电信运营商无法直接对其空间进行栅格化操作,因此,无法有效实现对地铁室分系统故障的精准定位。