精品案例利用python深挖MRE数据快速准确识别邻区漏配小区.docx

1、精品案例利用python深挖MRE数据快速准确识别邻区漏配小区利用python深挖MRE数据，快速准确识别邻区漏配小区利用python深挖MRE数据，快速准确识别邻区漏配小区【摘要】：随着4G网络不断建设，网络中的邻区关系变的越来越复杂，网络结构不合理，加之各种工程割接操作，不可避免的会带来一些漏加、单向、冗余等邻区现象。传统的邻区优化工具和方法存在复杂、低效等问题，给日常邻区优化带来诸多不便。本文根据邻区漏配发生时上报的测量报告规律，总结相关经验和门限，创造性的利用Python深挖MRE海量数据，能高效准确的发现存在邻区漏配的小区，并识别目标小区的PCI、频点和RSRP信息，快速完成邻区优化

2、，效率显著提升。【关键字】Python、MRE、邻区漏配 【业务类别】4G数据业务一、问题描述1.1、IPRAN割接，造成X2链路不通，易产生、难发现通常在IPRAN需要扩容和调整时，需进行IPRAN割接，IP地址会产生变动。由于LTE切换大多基于X2切换，IPRAN割接时，若不能及时更新IP地址，则会产生邻区不通，不能切换等问题。如下：图1 邻区漏配路测现象济广高速自北向南行驶，至金家老屋附近，占用XY-LA-霍山-六潜高速转步园隧道-NFTA-434658-51小区，持续上报A3事件，但源小区一直不下发RRC重配置消息，直至服务小区RSRP至-103dBm，产生无线链路失败。经核查，由于L

3、A-霍山-转步园隧道南-NFTA-434892-50之前进行IPRAN割接，IP地址变更过，而XY-LA-霍山-六潜高速转步园隧道-NFTA-434658-51小区没有及时更新，导致无邻区关系，产生上述现象。1.2、手动添加邻区，效率低且邻区漏配多为了避免添加超远邻区和冗余邻区，六安并未开启ANR功能，而是需要人工手动添加基站邻区，因此效率较低且有邻区漏配现象发生，而此类邻区漏配，往往只有在单站验证时被动的去发现，急需新手段去快速高效的找出漏配邻区。图2 ANR关闭、手动配置邻区1.3、现有邻区分析工具操作繁琐，过分依赖工参准确性现有诺基亚邻区分析工具，如Batrana，需要结合站点经纬度确定

4、站间距，准确性过分依赖数据库，仅从距离上判断是否应该添加邻区，随着站点密集度加大，无线环境不断复杂，该方法已不能有效识别漏配邻区。其次需要对接网管，查询邻区配置数据、切换数据，整个操作十分繁琐。图3 Batrana邻区优化工具二、分析过程针对上述问题，本创新拟开发一款图形界面化的邻区漏配识别工具，利用Python快速对MRE数据进行深挖，摆脱对工参和网管数据的依赖，由于MRE数据是UE真实上报的，可靠性高，效率和准确性也成倍增加。该工具具备大数据运算和数据可视化能力，能快速识别目标小区PCI及频点，便于进一步分析和优化。 2.1、 原理分析一般情况下，若主覆盖方向存在邻区漏配，从信令特征看，由

5、于达到A3/A5事件上报门限又未添加目标小区邻区，则会导致终端一定时间内连续上报A3/A5事件。而MRE数据是事件触发型报告，可以完整的记录下以上特征。通过Python检索上述特征就可以快速发现漏配邻区小区。示图如下：图4 邻区漏配短时间内上报大量A3事件MRE数据特征：图5 MRE数据特征如上图，MRE文件具有识别上诉特征所有必要的因素，且由于是UE真实上报，相比人工添加时简单的依据距离判断是否需要添加邻区要精准的多。2.2、 定义关键要素：小区UE平均A3/A5上报数根据以上分析，若小区存在邻区漏配，则单位时间内，该小区的A3/A5事件数量会急剧增多。考虑到不同基站下用户数的差异，因此定义

6、指标：单位时间内，某小区下每UE平均上报A3/A5事件数，后续工作就是统计并设定邻区漏配小区的特征门限，以便准确输出判断结果。2.3、 邻区漏配小区与非邻区漏配小区关键要素差异提取六安市平桥工业园区域站点共39个小区，30分钟的MRE数据，将原始MRE数据使用诺基亚insight工具解析成excel，共98235行数据，格式如下：图6 MRE数据解析成EXCEL通过透视识别每个小区切向邻区PCI的A3/A5个数，如下：图7 计算某小区切向某PCI发生的A3/A5事件数通过透视识别每个小区切向邻区PCI的UE个数，如下：图8 计算某小区切向某PCI的UE个数将以上2表通过行列对应，通过如下公式计

7、算：小区每UE平均A3/A5上报数（切向某一个PCI） = 该小区发生的A3/A5个数（切向同一个PCI） / 该小区同时间段的UE个数（切向同一个PCI）如下：图9 小区每UE平均A3/A5上报数（切向某一个PCI）如上，通过对比，发现黄色区域小区UE平均A3上报次数要远大于绿色区域，说明为高概率邻区漏配小区：111398196与PCI174/175/176漏配，查询切换指标，发现小区111398196与上述三个PCI并未产生切换，如下：图10 查询小区切换指标证实邻区漏配核查工参及邻区数据，发现为高皇北村站点与平桥工业园2站，X2邻区状态不可用，导致邻区丢失，其次从地图看，二者相离较近，有

8、切换需求，若是不存在邻区，会上报大量A3/A5事件。图11 工参核实两站需要添加邻区如下：X2邻区不可用，图12 网管查询两者X2链路不可用为获得邻区漏配小区UE平均上报A3/A5个数经验值，扩大数据采集区域，采集整个市区30分钟MRE数据，共321+万行数据，发现38个邻区漏配小区对，UE平均上报A3/A5个数经验值为24，即：存在邻区漏配的小区下的每个UE，平均每30分钟，会向漏配邻区PCI上报A3/A5事件24次 三、解决措施本次开发的软件工具基于Python语言编写，结合pandas+pyqt5+matplotlib库实现，其中pandas负责数据分析和处理，pqqt5负责交互界面，m

9、atplotlib负责数据可视化，IDE采用PyCharm，最终设计出的软件初始界面如下：图13 软件整体界面3.1 打开数据模板点击“打开表格”按钮，会弹出打开文件对话框，选择相应的EXCEL模板文件，必须包含object_Id, object_MmeUeS1apId,object_EventType,MR_LteNcRSRP, MR_LteNcEarfcn,MR_LteNcPci字段，如果EXCEL表中缺少相应字段，软件会有所提示：图14 打开数据表格界面图15 文件导入成功界面3.2 时间粒度及指标门限选择 由于小区每UE平均A3/A5上报数与MRE文件的时间粒度相关，时间粒度越大，指标

10、门限越高，因此需要选择相应的时间粒度以便确定筛选门限。软件提供了三种方式以供选择：“15分钟粒度”，“30分钟粒度”和“自定义”方式。如下所示：图16 时间粒度与门限选择其中“15分钟粒度”对应指标门限：12；“30分钟粒度”对应指标门限：24；“自定义”可设定指标门限：12-100。3.3开始运算点击“进行运算”按钮，会依据前文所述过程进行运算，运算过程不到1S中，界面截图如下：图17 计算完成界面3.3 输出结果点击“输出结果”按钮，有以下三点内容展示：1）文本显示器上显示，本次计算总计识别邻区漏配X对,包含X个小区,X个PCI!2）显示分析结果柱状图，邻区漏配RSRP区间分布。图18 输

11、出结果界面3）输出本次计算结果“Result.xlsx”，位于安装目录下，包含源小区ECGI，漏配的PCI，MR事件个数，UE个数，漏配的频点，平均RSRP等，如下图所示：图19 输出的邻区漏配结果3.4 异常情况处理1）未包含必要的模板列名：图20 未包含必要模板列名提示2）未导入数据就开始运算或输出结果，提示如下：图21 未打开数据源提示3）Result文件被打开，导致无法写入，提示如下：图22 文件被打开无法写入提示四、经验总结4.1 软件应用效果利用该分析工具进行邻区漏配优化2天，六安全网邻区漏配小区数由432个下降至98个，下降了77.3。统计原邻区漏配小区切换及掉线指标，分别由98.32%提升至99.43%；0.87%提升至0.12%。大大节省了网优人员精力，优化432个邻区漏配，原本需要1周完成，利用该工具在2天内即可完成调整，提前释放了生产力。4.2 使用建议和后续计划对于识别出的漏配邻区，需要结合PCI和平均RSRP判断是否越区覆盖、室分泄露等，以便决定是进行邻区添加还是信号优化。后续软件能够直接导入MRE文件（XML格式），不再需要insight工具解析成excel。不少地市已经开通了异运营商信号检测，会产生与邻区漏配同样的现像，故对邻区漏配判定产生干扰，那在判定的时候就得对频点进行甄别，以避免干扰。