1.研究背景

随着LTE网络大规模商用，网络维护和优化将面临更为严峻的挑战。LTE与现有2G和3G网络共存，在这种复杂场景中，存在着大量需要配置和优化的异构蜂窝网络和业务参数，这使得LTE网络的一线网络优化工作量激增。此外，中国移动集团在多年的网络运行维护中，积累了大量优化经验，亟需有效推广。上述工作若仅靠人工去做，不仅耗费的人力巨大，而且易出错。

随着中国移动网络优化集中化工作的不断推进，网络优化自动化作为一项重要的技术支撑手段，也开始越来越受到重视。引入网络优化自动化技术，就是为了最大限度地降低网络运行维护成本，最大程度地提升网络优化工作效率。

2.网络优化自动化的发展愿景和优势

（1）网络优化自动化的愿景

拥有一支具备自主优化能力的专家团队，侧重网优自动化算法研究及工具开发，可最终实现网络问题自主分析、自动优化，并投入生产。建立优化工作“脑库”，用人工智能的自动化手段将优秀的经验、技巧转化为程序，加以固化和复制，服务于网络优化的各项工作。

（2）网络优化自动化的优势

通过自主开发工具的方式开展网络优化自动化更贴近现网生产实践，同时具有生产效率较高、成本较低等优势。

3.网络优化自动化的主要研究方向

1）优化算法研究：掌握并研发网络智能优化的核心算法，并申请相关知识产权保护。

调研设备商及国际标准中的各项优化算法，奠定中国移动网络自主优化算法研究基础。研发适合现网、易于推广的智能优化算法：在设备商算法不公开，且无法跨厂商使用的情况下，需借助人工智能技术及经验，开展适合现网的、易于推广的优化算法。基于现网网络优化大数据挖掘，结合人工智能算法，提炼形成网络优化工作的“经验”，逐步代替传统以个体工程师为主的生产模式，为网络优化集中化工作的开展提供技术层面的有力支撑。

2）工具开发和落地：固化算法，快速现网落地，加快工具升级周期。

开发网络自主优化系列工具，实现网优自动化、智能化分析功能。在中国移动集团内部快速部署工具。利用运营数据资源优势及现网推广便利性，快速推广优化经验，并对工具迭代升级。

4.中国移动网络优化自动化专项技术

（1）基于LTE小区量化特征的场景自动化精细识别和参数配置经验自动推荐

基于LTE现网参数配置数据、MR数据、工参数据、邻区配置、性能指标等多维度数据源，研发的小区量化特征的场景自动化精细识别与参数经验取值推荐算法本质上是一种经验众筹、结果共享的思路，可以支持精细量化小区分类，挖掘局部参数最优配置。场景精细划分技术流程如图1-8所示。

图1-8 场景精细划分技术流程

通过集团统一采集的海量数据，逐步建立和完善LTE现网优秀参数配置经验库，并进行平台固化和共享，可按照精细场景进行参数经验值的推荐，可用于辅助其他地市新建小区的初始参数规划配置，充分借鉴已优化地区的LTE参数配置经验，以减少优化人员的工作量，可快速辅助各地市网络优化人员将新入网小区的参数配置质量达到人工参数优化经验的水平。

（2）集中式LTE自动邻区关系优化技术

研发集中式的LTE自动邻区关系优化算法，可以自动发现应配、疑似冗余、错配、漏配、过远和越区邻区，如图1-9所示。自动维护邻区列表的完整性和有效性，确保开网质量、缩短邻区优化时长。

在××市网格站点进行试验，涉及73个站点，共计187个小区进行验证，根据自动优化工具的输出结果，试点共删除1872条邻区关系，占试点区域原邻区关系数量的27％。其中，删除冗余邻区1854条，删除错配邻区18条。修改配置后，各方面指标稳中有升。其中，SINR＞0比例由90.24％提高至91.18％，较试点前提升了0.94％；平均RSRP由-88.51dBm提升至-87.51dBm，较试点前提升了1dB。(www.daowen.com)

（3）基于智能算法的PCI自动优化技术

基于LTE现网海量MRO数据、路测数据、资源工参数据、邻区配置等多维度数据源，创造性提出了基于改进型遗传算法的PCI智能优化技术，并支持以并行计算方式高效输出PCI自动优化方案，有效降低系统内PCI干扰。基于智能算法的PCI自动优化，如图1-10所示。

图1-9 自动邻区优化技术流程

图1-10 基于智能算法的PCI自动优化

同时，PCI优化算法还支持自学习机制，能够通过自主调整算法的关键参数步长，大幅提高运算效率，且具有良好的可扩展性和边界保护机制。针对不同干扰约束条件，可使用不同的运算参数。

选取某郊县931个小区进行PCI最优算法的试点与评估，通过集中式PCI优化以后，试点区域内的无线性能指标和路测指标均呈现改善的趋势，整体应用效果较好。KPI指标对比中，切换成功率较优化前提升约0.36％，路测指标方面，SINR平均值较优化前提升0.72dB，服务小区和最强邻区的MOD3干扰的占比（％）较优化前降低1.84％，连续SINR质差里程占比下降了1.58％，应用层平均下载速率提升了1.33Mbit/s。

（4）弱覆盖-过覆盖场景下的功率参数自动优化技术

基于LTE现网海量MRO数据、无线参数、资源工参数据、邻区配置等多维度数据源，创造性提出了弱覆盖-过覆盖场景下的功率参数自动优化算法，可有效降低系统内弱覆盖和重叠覆盖的比例，提升网络性能。弱覆盖-过覆盖场景下的功率参数自动优化，如图1-11所示。

图1-11 弱覆盖-过覆盖场景下的功率参数自动优化

同时考虑同频切换、异频切换、小区负荷、驻留门限等多项因素，可精确描述功率调整对网络的影响，并引入代价函数，均衡考虑弱覆盖和重叠覆盖的影响，多方面提升网络性能。

（5）TAC区域边界自动优化技术

基于LTE现网网管小区间切换数据和小区工参信息表，创造性地提出了以降低跨TAC切换比例为目的的TAC区域自动优化算法（见图1-12），从而减少TAU。

TAC区域自动优化算法支持小区级的TAC优化和基站级的TAC优化，根据现网情况可选不同粒度，而且算法输入数据较为简单，可自动汇总多天数据及切换出/切换入数据。

图1-12 TAC区域自动优化算法

5.总结

当前中国移动开展网络优化自动化主要基于以下两种模式：一种是类似医学中的传统中医治疗方式，基于大量现网数据，通过一些人工智能算法等进行量化的场景识别和参数设置，其优点是通过全局化的考虑，从整体上解决问题；另一种类似西医的治疗方式，以现网问题为导向，针对问题top小区，依据智能规则，通过调整天馈、参数、邻区等方式进行相应的网络优化自动化。这两种模式相辅相成，各有侧重。

下一步，将重点关注网络优化自动化的现网落地，提高网络优化生产效率，并继续进行天馈参数、互操作参数的自动优化技术研发。同时，将自主研发的自动优化工具与厂家侧工具进行对标验证，来进一步完善相关技术工具。