背景描述
在现网中,突发性的小区退服、高话务场景是影响网络健壮性的重要因素。目前,仅依靠人力运维的方式由于时间即时性的问题会造成流量与用户满意度的降低。
某运营商引入AAPC突发识别功能,基于高负荷和小区退服特征触发权值优化,完成了高负荷压降、低负荷吸纳和退服小区覆盖补偿。高负荷场景用户数得到明显均衡,退服场景覆盖得到及时补充,优化全过程依赖于工具自动判断决策执行,无需人工参与,实现了自智L4的水平。
功能原理
突发识别流程机制
目前主要通过监测RRC用户数和PRB利用率实现高负荷突发识别,整个过程分为高负荷识别、负荷判断、权值优化、权值回退等四个控制流程,如下图所示。
图 1 高负荷突发识别流程
低负荷邻区主要借助于DOA的邻区测量信息吸纳负荷,通过标记高负荷小区均衡用户的邻区DOA测量信息,可以调整邻区的均衡方向,DOA协同测量信息如图2和图3所示。
图 2 高负荷
图 3 低负荷
小区退服补偿优化的整个过程分为四个步骤:退服检测、邻区搜索、覆盖补偿、干扰协调,如下图所示。
小区退服补偿优化流程
退服监测:通过网元对接FM(告警)检测模块,如果小区出现退服告警,且5分钟内未恢复,则自动进入覆盖补偿流程。
邻区搜索:检测可以用于覆盖补偿的邻区,AAPC的DOA测量中测量到紧密邻区的DOA信息。
覆盖补偿:AAPC在DOA测量时可以同时测量邻区的DOA信息,从而可以获取用户分布在邻区的映射,基于映射的分布信息,可以进行覆盖补偿的调整。
干扰协调:覆盖补偿基于邻区的测量信息进行的补偿,主要是原则是“应补尽补”,容易出现过度补偿的问题,干扰协调可改善过度补偿的问题。
典型案例
案例1:突发高负荷优化
对用户数曲线进行分析,3月15日突发负荷均衡策略生效后,RRC平均用户数开始呈现网元间的交叉。对权值生效时段的用户数变化进行分析,高负荷小区的RRC用户数明显下降,同时邻区的用户数增加,达到了高负荷小区降用户,邻区增用户的预期。
对突发高负荷权值优化参数进行分析,在检测到高负荷后,对高负荷小区下压权值。基于覆盖关系筛选3个低负荷紧密邻区,AAPC权值优化针对邻区下倾角、方位角进行调整,使其偏向高负荷区域,整体实现“高负荷小区压降,低负荷邻区吸纳”的预期。
案例2:突发小区退服覆盖补偿
对用户数曲线进行分析,在小区突发退服后,用户数损失40左右。突发小区退服权值优化及时进行覆盖补偿,补偿的用户基本与损失的用户持平,退服后,邻区用户数明显增长。
对突发小区退服权值优化参数进行分析,在检测到小区退服后,针对退服小区邻区进行权值优化,基于覆盖关系筛选5个紧密邻区,AAPC权值优化针对邻区下倾角、方位角进行调整,使其偏向小区退服覆盖区域,整体实现“退服小区覆盖补偿”的预期。
通过对突发负荷均衡策略执行后整体试点小区覆盖、感知速率、业务量、关键指标评估,远点覆盖增多,感知速率略微下降。小区上行感知速率由14.87 Mbps左右下降至14.29 Mbps左右,小区下行感知速率由273.66 Mbps左右下降至267.44 Mbps左右。PDCP总流量由6286.58 GB左右增长至7010.68 GB左右,增长率为11.52%。其他关键指标波动变化。