基于SON和MDT演进的5G大数据收集技术

来源:用户上传      作者:

　　【摘  要】为了降低运营商的资本支出、运营成本以及人力投入，需要通过对大数据的收集与利用，实现更高效的资源管理与移动性管理，并针对突发问题进行快速定位。介绍了应用于5G系统的大数据收集技术，研究及分析了基于LTE系统的SON与MDT技术如何在5G进行进一步演进，以及在研究阶段的3GPP标准化方案。
　　【關键词】5G;大数据收集;最小化路测;自优化
　　doi：10.3969/j.issn.1006-1010.2019.08.013      中图分类号：TN929.5
　　文献标志码：A      文章编号：1006-1010（2019）08-0072-05
　　引用格式：彦楠，周叶. 基于SON和MDT演进的5G大数据收集技术[J]. 移动通信， 2019，43（8）： 72-76.
　　[Abstract] To reduce operators’ CAPEX， OPEX and manpower investments， big data collection and utilization technology could be used to achieve more efficient resource and mobility managements and quicker trouble shooting. This paper introduces a big data collection and utilization technology applied in 5G， and investigates how SON and MDT technologies based on LTE systems are further evolved in 5G and the 3GPP standardization solutions in the research phase.
　　5G; big data collection; minimization of drive-test; self-optimization
　　1   引言
　　5G大数据收集技术基于LTE的自优化网络（Self-
　　Optimizing Networks， SON）与最小化路测（Mini-mization of Drive Test， MDT）技术进行进一步演进。SON的引入是为了支持系统部署以及进行自主优化，其主要包括自动邻区关系（Automatic Neighbour Relation， ANR）、移动健壮性优化（Mobility Robustness Optimization， MRO）、移动负荷均衡（Mobility Load Balancing， MLB）以及随机接入优化（RACH Optimization）等。除此之外，网络自优化相关技术还形成了另外的研究方向：能量节省（Energy Saving， ES）、小区间干扰协调（e）ICIC等。SON特性基于UE与网络侧的大数据量收集与统计进行优化，被认为是大数据收集技术在RAN使用的先驱。
　　最小化路测技术（Minimization of Drive-Test， MDT）主要通过移动终端上报测量报告或者基站侧收集测量结果的方式来获取网络优化所需要的相关参数，以达到降低运营商网络优化和维护成本的目的。与传统路测相比，MDT具有节能减排、减少路测开销、缩短优化周期等优势，能够带来更高的用户满意度，并且可以收集到传统路测无法收集的全区域的测量信息（如窄路、森林、私人场所等）。
　　从网络部署与自优化的角度来看，应用大数据收集技术可以带来明显的好处。以MDT举例，可以用于商业网络中标识与分析相关覆盖问题，比如弱覆盖与过覆盖。通过大量手机MDT中上报的无线链路失败（Radio Link Failure， RLF）信息，可以将平均检测时间从传统路测的3个月缩短到4天。从测量结果来看，使用MDT与使用传统路测有88%的结果可以吻合。另一个例子为定位，基于7 km2上超过160个基站以及600小区的大量统计数据，50 m定位的准确率可高达70%[1]。并且通过更多的数据收集与利用，准确率将不断提升。由于上述多种优点，在NR系统中研究更多的数据收集与利用的标准化方案十分有必要。
　　（1）通过更精确的基站部署以及更少的人力投入，使运营商的资本性支出与运营成本得到降低。
　　（2）通过更高效的无线资源管理、移动性管理与问题定位，提高用户体验。
　　NR中的新型RAN架构（CU/DU）、RAN侧更强的存储与计算能力以及工业技术（如机器学习）为数据搜集与利用提供了新的机会。SON很多特性之间息息相关：如MDT与RACH优化、MDT与层二优化、负荷均衡与切换优化等，但由于在LTE刚起步时缺乏宏观规划，SON家族的各特性各自为营仅进行了单独研究。NR系统可以作为一个全新的开始，全面研究SON各个方案、无线资源管理增强以及其他的应用，达到强强联合避免冗余的目的。
　　本文将介绍基于SON和MDT演进的5G大数据收集技术，主要包括5G中用于网络自配置、自优化SON相关的各用例以及最小化路测MDT的收集场景及主要方案。
　　2   大数据收集各方案介绍
　　2.1  覆盖与容量优化
　　覆盖与容量优化（Coverage and Capacity Optimization， CCO）为无线接入网络优化的一种重要方式，旨在提供目标覆盖区域内所需要的网络容量来减小干扰，以及保持可接受的信号质量。需要在覆盖与容量优化之间进行平衡，容量优化往往伴随着覆盖范围的退化，反之亦然[2]。 　　目前已支持的相關方案包括接口交互小区激活/去激活状态等。考虑到NR新特性，需要针对稀疏参考符号场景，uRLLC、CU-DU分离与MR-DC架构等进行节电的进一步评估[7]。另外，为了支持4G与5G更好地系统间协同，将对异系统/异技术的节电方案进行详细研究。
　　2.7  最小化路测
　　NR MDT确定的主要应用场景为覆盖优化、QoS参数优化、室内路测增强以及传感器数据采集[8]。针对不同的应用场景，运营商可以通过不同的配置途径下发合适的测量配置，要求符合条件的基站侧收集或UE上报相应的测量结果，并获取相应时刻的地理位置信息。
　　为了实现结构简单以及UE节电等目的，MDT在有线网复用Trace呼叫跟踪流程与配置收集节点，在空口复用部分连接态RRM测量配置与收集信令，以及空闲态/非激活态用于小区重选评估的测量结果，同时增强了一些信令内容，将运营商希望的测量配置发送给UE，并从UE获取相应的测量收集结果以及相应时刻的地理位置信息[9]。
　　以下对NR MDT可能的子用例进行简要介绍[10]：
　　（1）覆盖优化
　　从UE侧与RAN侧收集到的信息可以用于检测与发现网络覆盖问题。如覆盖漏洞、弱覆盖、导频污染、越区覆盖、覆盖地图绘制、上行覆盖问题检测、小区边界地图绘制等。
　　（2）QoS检验
　　从UE侧与RAN侧收集到的信息可以监测服务质量信息（Quality of Service， QoS），从RAN的角度评估用户体验，帮助网络扩展容量等。与地理位置信息上报相结合使用，可以精确获取小区内不同位置的数据业务相关信息与QoS体验评估。
　　（3）室内MDT增强
　　收集WLAN与蓝牙相关的测量结果可以增强室内定位。
　　（4）传感器数据收集
　　除了位置与时间信息，网络侧还可以收集UE方向等传感器信息，用于更精确的UE路径预测。
　　3   大数据收集的未来演进
　　目前应用于NR系统的大数据收集技术在3GPP的Study Item阶段立项已经完成，大唐移动积极参与相关标准的制定工作，并在异技术/异系统的MDT延续性处理、UE在RLF REPORT中携带的切换类型以及per band的负荷均衡等问题上均有提案来推进标准。大数据收集技术在R16的Work Item已经立项成功，后续将在Work Item阶段完成上述各方案的Stage3的标准化工作，包括信令流程的处理、各接口消息内容、相关参数与取值范围的确定等。在后续的R17及更高版本的演进过程中，将可能使网络侧自优化/自配置与运营商的策略进一步相贴合，组成更加统一及强大的大数据收集与使用方案。
　　4   结束语
　　大数据收集技术为更加灵活便捷的网络数据收集提供了可能。通过MDT的方式跟踪与收集用户相关的测量结果并定位故障，通过SON的方式在网络各节点间进行交互与自优化，并配以运营商针对海量信息的分析与进一步优化，设备厂商与网络运营商可以在极短的时间内将设备故障、用户问题、信号质量等内容以极低的成本进行采集，进而提升网络性能并改善用户体验。
　　参考文献：
　　[1] 3GPP. 3GPP RP-182105 Revised SID： Study on RAN-centric data collection and utilization for LTE and NR[Z]. 2018.
　　[2] 3GPP. 3GPP TS 37.816 Version 1.0.0 Study on RAN-centric data collection and utilization for LTE and NR[S]. 2019.
　　[3] CATT. 3GPP R3-191502 Discussion on Mobility Robust Optimization in 5G system[Z]. 2019.
　　[4] CATT. 3GPP R3-191504 Discussion on Mobility Load Balance in 5G system[Z]. 2019.
　　[5] CATT. 3GPP R3-192376 Discussion on the granularity of load exchange[Z]. 2019.
　　[6] ERICSSON. 3GPP R3-191811 RACH optimization in NR[Z]. 2019.
　　[7] CATT. 3GPP R3-192366 Considerations on support of Energy Saving in NR[Z]. 2019.
　　[8] HUAWEI. 3GPP R2-1901852 Discussion on use cases for MDT[Z]. 2019.
　　[9] CATT. 3GPP R2-1900226 Discussion on MDT[Z]. 2019.
　　[10] CMCC. 3GPP R2-1901936 Network aspects of MDT for NR[Z]. 2019.
转载注明来源:https://www.xzbu.com/8/view-15023787.htm