基于MR数据的自动频率规划应用

对于GSM网络来说，频率干扰是影响网络性能的重要因素，绝大部分网络运行一段时间后都需要进行全网翻频。进行全网翻频是一项风险性很大的工作，好的翻频方案可以起到降低全网干扰，提高频率利用率的目的；反之，则会引起网络质量的恶化，降低用户感知度，继而引发大面积用户投诉。翻频方案的制订对降低网络频率干扰至关重要。

    相比于传统复用方式频率规划，中兴通讯基于MR（Measure Result）数据的自动频率规划（AFP：Automatic Frequency Planning）工具，能够通过手机上报MR数据，结合切换统计及话务等信息，输出基于MR数据的网络翻频方案。该方案帮助运营商在频率资源紧张的情况下优先保证高话务区域、VIP区域有较充足的频率资源，有效提升运营商的频率资源利用率，提升网络质量和用户感知度，省时间，省人力。

基于MR的AFP优势分析
AFP工具的架构

    一个好的翻频方案需要三方面的保证，即准确的输入数据、合理的频率使用原则以及强大的软件计算工具。中兴通讯基于MR数据的自动频率规划工具（AFP）三管齐下，最大程度上保证翻频方案的准确性与可用性（见图1）。

 图1 AFP工具架构

    ● 在保证网络软硬件系统不改变情况下，直接从后台获取输入数据，减少人为因素所造成的影响；

    ● 根据现网实际运行经验制定定制化的频率规划原则；

    ● 采用算法先进、应用成熟的自研软件工具ZXPOS-AFP。

MR翻频的基本流程

    MR翻频的过程中不但涉及前方的数据采集人员和网优分析人员，还包括后方的方案制作人员，在数据采集期间必须保证网络的严格封网。从流程上来说主要包括环境搭建、数据采集、方案制作、效果验证四大阶段。MR翻频的基本流程如图2所示。

 图2 MR翻频基本流程

MR翻频优势分析

    与传统人工翻频相比，MR翻频实施效果好、效率高，而且降低了对人员技能的要求。

    ● 翻频效果： AFP翻频提高了翻频方案的准确性，优先保证高话务区域的频率规划，降低全网干扰，翻频后网络质量明显提升。

    ● 效率提升： 借助于AFP工具的高效运算，大幅降低了人力和物力的投入，与传统频率规划相比，提升了6倍的工作效率（以大型网络规模为例）。

    ● 人员技能要求：将大量翻频经验固化在AFP翻频工具中，初级技能网优工程师借助工具即可完成复杂网络的翻频工作。

    AFP工具特别适用于大型复杂网络，能够克服传统人工翻频方案的局限性，保证网络持续稳定的用户体验。

应用案例

    某GSM900网络核心城区，规模为3个BSC、1700载频，现场实施AFP自动翻频后，网络性能得到了明显改善。以下从网管KPI指标统计、MR统计、路测统计、投诉分析4个方面，对翻频前后网络性能进行分析对比。

网络KPI指标对比

    对翻频前后（翻频前4月20日—22日，翻频后4月27日—29日）KPI指标进行对比。从对比情况来看，各项指标稳定，详细指标情况如下。

    ● 全网900M晚忙时CS指标，相关CS指标稳中有升（如图3）。

 图3 网络CS指标稳中有升

    ● 全网900M晚忙时PS指标，相关PS指标均有小幅提升，说明网络的C/I得到了一定改善（如图4）。

 图4 PS指标小幅提升

MR统计上下行通话质量对比

    对翻频前后MR统计的上下行接收质量RQ分布进行对比，从一个侧面可以反映网络中用户的通话实际感受。从图5中可以看出，GSM900M网络翻频后上下行RQ0及RQ0～3的比例均有大幅提升，干扰状况得到一定改善。

  图5 网络上下行通话质量改善

DT测试对比

    翻频前后均进行了900M锁频测试。从测试结果可以看出，翻频后语音质量和掉话等指标有明显提升和改善，见图6。

 图6 翻频前后路测指标对比

客户投诉量对比

    客户投诉量能够直接反映用户感知度。统计数据显示翻频后用户投诉大幅下降，投诉总量下降了50%以上，涉及镇区投诉量下降70%以上。

翻频效率对比

    本次翻频工作采用MR翻频方式，仅需要1周的封网数据采集、1天的数据录入、1天的数据运算就可以得到频率规划结果。后方只需1—2名工程师就可完成方案制作。

    如果人工规划，翻频后大部分情况还需根据实际网络测试结果进一步调整频率，根据专家级验证和大量应用经验，人工翻频的准确率一般为70%。而基于MR的翻频，由于考虑了重要区域及话务因素，最终结果只需进行局部微调，本次MR翻频方案的准确率达到90%以上。

    可见，从成本、进度、效果方面来讲，利用AFP进行自动翻频提升了优化进度，有效降低了网优成本，提升了客户满意度。

    中兴通讯基于MR数据的自动频率规划（AFP）工具，优先保证高话务区域的频率规划，不仅降低了网络干扰，提升了用户感知度，还大幅提升了翻频工作效率，有效降低优化成本，帮助运营商实现了“粗放型、人力型”向“精确型、自动型”优化方式的转变。