1、江苏创新成果申报3DGL三维定位技术诊断深度覆盖提升用户感知移动网感知质量提升及优化创新劳动竞赛工程成员：徐卉 柯小梅 申报单位：中国电信南通分公司创新类型: 移动网营运智慧化 申报日期：2021年11月 江苏创新成果申报摘 要4G网络规模快速增长，业界一直缺乏有效手段可以全面评估室内区域的无线网络覆盖情况，给深度覆盖方面的网络质量评估、网络规划、网络优化工作造成极大困难。南通电信组织试点应用3DGL(立体覆盖系统)，利用3D定位算法精准定位室内网络覆盖、室内网络质量、室内网络容量，来进行精确的网络质量评估、网络规划、优化工作。工程实施后在以下方面取得卓越成效：1、深度覆盖提升提高室内覆盖质量
2、分析和优化的工作效率，确保室内覆盖的绝对领先毫不松懈。2、重点场景保障保障核心地区重点场景的网络精确覆盖和精细优化。3、精准感知优化用户需精确定位，以保障价值用户在价值区域的网络体验。4、降低运营本钱更加自动化和智能化的系统和工具，减少人力本钱，有效提高网络优化的效率。关键字：3DGL 深度覆盖 感知提升目 录一、工程概述3二、工程关键创新点42.1创新点1：业界领先三维定位技术42.2创新点2：多维度实现网络全面评估52.3创新点3：三维全景精准网络规划62.4创新点4：三维全景深度网络精细优化62.5创新点5：三维用户感知精细优化7三、成果介绍83.1 应用场景及系统架构83.2 3DGL
3、应用模式及分析流程93.3 3DGL 试点工程实施进展103.4 实施成效103.4.13DGL 准确性验证103.4.2居民区深度覆盖立体评估133.4.3商业区弱覆盖立体定位153.4.4价值区域重要楼宇网络分析173.4.5校园区域的网络问题定位19四、效益评估及成果价值214.1 降本增效214.2 深度覆盖精细化214.3 重点场景保障提升用户感知224.4 精准感知优化22五、成果推广现状及推广前景22一、工程概述4G网络规模快速增长，业界一直缺乏有效手段可以全面评估室内区域的无线网络覆盖情况，给深度覆盖方面的网络质量评估、网络规划、网络优化工作造成极大困难。南通电信公司组织应用立
4、体覆盖系统，利用3D定位算法、网络指纹库算法精准定位室内网络覆盖、室内网络质量、室内网络容量，来进行精确的网络质量评估、网络规划、优化工作。图1 传统深度覆盖优化的局限性二、工程关键创新点2.1 创新点1：业界领先三维定位技术图2-1 三维定位技术传统的2D栅格显示的是MR垂直叠加投影，无法正确甄别层内用户的感受。3D栅格显示的是MR分层叠加投影，能甄别出不同层高内用户的感受，从而正确区分楼层内外用户。 楼宇整体性能三维化、楼宇高度分层性能三维化图2-2 三维定位技术 楼宇与小区的关联分析三维化、目标小区进行改善优化分析三维化图2-3 三维定位技术2.2 创新点2：多维度实现网络全面评估图2-
5、4 3DGL网络显微镜随着4G网络和用户规模的快速增长，VOLTE的逐步商用，对深度覆盖质量的要求越来越高。城区无线传播环境极其复杂，传统的平面二维地理评估不能有效的反映网络的实际情况。南通分公司联合Nokia，利用3D-GL三维定位系统，对用户在室内的网络覆盖质量进行精准定位分析，进而实现精确的网络质量评估、网络规划与优化等工作，大幅提升工作效率。2.3 创新点3：三维全景精准网络规划通过使用大数据量测量报告和话务事件，精准的对建筑物内的不同高度进行测量报告定位，从而在传统规划手段上增加立体覆盖、立体质量、立体容量三个规划参考维度，提升规划仿真准确度，提升规划效率，提升客户感知。规划分析：综
6、合覆盖，质差，用户密度等因素多方面多角度进行分析。站址规划：目标可切片、位置可栅格、价值可量化的站点需求管理，三维地理化进行站点自动推荐及价值评估。图2-5 3DGL三维精准网络规划2.4 创新点4：三维全景深度网络精细优化 天馈调整依托三维精确网络评估可准确定位问题点主辅小区的天馈设置情况，并输出调整方案。 参数调整准确关联问题点主辅小区参数设置情况，可高效输出参数调整方案，提升优化效率。 网络整治可分区域、楼宇、楼层多级别GIS呈现，问题点情况一目了然，助力集中网络整治。图2-6 3DGL深度网络优化精细化2.5 创新点5：三维用户感知精细优化以MR及信令数据等用户级数据为根底，利用三维定
7、位系统对MR进行三维立体建筑物定位，把定位后MR和用户信令进行关联分析，可以多维度分析定位用户感知不佳区域。图2-7 3DGL三维用户感知精细优化三、成果介绍3.1 应用场景及系统架构南通电信本次选择南通崇川区南大街周边区域进行3DGL验证，区域内涉及宏站数100个，室分小区162个。图3-1 实施区域3DGL系统的搭建由诺基亚厂家完成，支持多厂家环境，无缝对接现有系统。图3-2 3DGL实现架构3.2 3DGL应用模式及分析流程3DGL整个实施过程需要经历工参核查、指纹库模型创立、定位算法学习和精度提升4个方面，需要关联MR和信令 ，提高定位准确度，聚合无线大数据，协同网络与感知。图3-3
8、定位分析流程在3DGL的应用模式中，数据源取自现网数据，相关算法由3DGL平台智能实施，并自动化输出相关分析报表，实现降本增效的目标。图3-4 应用模式相关说明： 工参信息：通过皓盈平台提取，结合Nokia核查流程再进行抽验 CDR数据：目前全省统一格式，通过省控平台进行统一时间段提取 MR数据：需与CDR数据时间段一致，根据eNodeB_ID厂家提供MR数据 地图精度：为保证分析准确性，以最新5m精度地图最正确 Nemo数据：运用Nemo终端进行包含分析区域内DT和抽取局部室内CQT记录log即可 三维图层：分析区域内全部建筑分析结果立体分析 切片图层：Tab格式，融合其他数据，分片细化分析
9、 报表统计：基于小区和建筑物各类指标统计经过两轮数据分析，南通分公司对于3D-GL整体分析执行流程归纳总结，并将3D-GL推广应用。3.3 3DGL 试点工程实施进展整个工程周期含前期技术准备、数据采集及工参核查、数据处理及定位运算、数据分析及现场核查、最终输出报告这5个阶段，工程耗时1个月左右。图3-5 工程实施进展3.4 实施成效3.4.1 3DGL 准确性验证 验证楼宇筛选 本轮南通3D-GL立体覆盖以分析区域内建筑物报表为依据，根据定位MR采样点进行各切片高度详细指标统计，包括RSRP、RSRQ等信息； 从中随机挑选20个建筑进行验证，包括商场、商住楼、商业楼、学校、营业厅及住宅等场景
10、。 测试说明： 测试设备：Tphone 统计软件：NIC_Client_V15.30.20210330 测试方法：Tphone室内DT测试，尽量遍历室内可行走区域，逐层记录测试log 测试区域：定位Building ID室内范围，严禁超出Building划定区域，以定位高度结合测试场景类型进行确定测试楼层遵循测试要求，结合平面图层找准楼宇，对20个验证站点进行室内实测，记录每层测试log，统计RSRP、RSRQ主要指标数据，并计算与定位数据之间的绝对差值。BUILDING_IDHeight定位平均RSRP实测RSRPRSRP绝对差值定位平均RSRQ实测RSRQRSRQ绝对差值6273H000-
11、020-63.2-64.571.37-4.29-2.71.595441H020-040-83.77-81.951.82-7.27-2.65.176164H000-020-84.47-89.14.63-7.25-70.256193H000-020-88.73-83.94.83-6.65-6.90.255458H120-140-92.97-87.35.67-8.22-3.34.928882H000-020-92.64-97.544.9-7.9-7.570.338241H000-020-102.64-98.64.04-5.79-4.51.296092H000-020-103.72-105.31.58
12、-8.8-7.21.68267H000-020-103.07-99.43.67-9.77-7.32.477869H000-020-99.99-94.85.19-9.24-5.93.347983H000-020-99.75-92.77.05-7.64-6.11.544383H000-020-99.47-100.91.43-8.99-6.62.394792H000-020-100.36-101.81.44-7.91-7.70.214393H000-020-97.71-101.94.19-9.8-6.92.94721H000-020-105.16-102.92.26-7.57-61.578771H0
13、00-020-96.53-99.73.17-8.45-8.290.168846H000-020-94.04-95.51.46-7.76-8.10.344329H000-020-106.04-103.92.14-9.5-8.041.462564H000-020-96.32-99.93.58-8.77-101.234841H000-020-87.3-82.74.6-8.86-7.51.36表3-1 定位指标与实测指标差距比照 验证结论：a) 定位RSRP与实测RSRP相差小于5dB的占比为85%，7dB以内占比为95%；b) 定位RSRQ与实测RSRQ相差小于3dB的占比为85%，5dB以内占比为
14、95%。以大文峰大世界为例，该验证楼宇定位平均RSRP为-83.77dBm，定位高度为2040m，前期已布放室内分布系统；通过现场定位位置实测验证，商铺内及走廊均处于室分系统主导覆盖，对3-6F分别进行DT测试统计各层综合指标及总平均指标，测试总平均RSRP为-81.95dBm，定位与实测高度吻合。图3-6 准确性现场验证RSRP RangeRSRPMinMaxAvgSumCount%(-INF,-115)-00-115,-105)-00-105,-95)-102-96-98.33-1770183.73-95,-85)-95-86-89.48-83229319.29-85,-75)-85-76
15、-80.85-2409329861.83-75,+INF)-75-64-72.81-53157315.15(-INF,+INF)-102-64-81.95-39500482100表3-2 准确性现场验证3.4.2 居民区深度覆盖立体评估通过准确的立体覆盖评估、立体质量评估，可针对楼宇级、楼层进行覆盖和质量情况统计输出，针对性优化，提升优化效率，也可作为网管指标输出后更准确定位分析辅助。在居民区的深度覆盖优化工作中，3DGL的应用取代传统的扫楼模式，可节省时间本钱约，节约测试人员的投入以20栋楼，每栋8层的居民小区，投入测试和分析人员各2名为例：比照传统优化方式3DGL节约本钱消耗时长5天3天4
16、0%消耗人工15/人工天6/人工天60%交通本钱视测试地点0-优化周期每年随时-表3-3 优化方式比照南通电信将3DGL深度覆盖优化应用到现网，通过3D-GL定位运算，在下列图4个区域内，RSRP均值在-110dBm-100dBm，可能影响未来VOLTE业务的质量；图3-7 深度覆盖缺乏楼宇经现场实地测试比照，四个区域的RSRP平均偏差 4.41dBm，RSRQ平均偏差 1.89dB. CQT实测结果与立体定位结果高度吻合。建议增强深度覆盖，如室外美化覆盖、小站专项覆盖等。表3-4 深度覆盖缺乏楼宇测试情况3.4.3 商业区弱覆盖立体定位利用立体覆盖系统能使用大数据量测量报告和话务事件，精准的
17、对建筑物内的不同高度进行测量报告定位，从而对重要楼宇内室分系统覆盖不完善的区域提前发现并进行优化，保障了用户感知，降低投诉产生的概率。通过3D-GL立体定位分析发现八佰伴商业百货大楼弱覆盖比例较高，定位问题区域高度为0-20m。 图3-8 3DGL覆盖渲染图图3-9 问题楼宇实景 3DGL系统定位数据： 定位平均RSRP为-96.19dBm， 定位平均RSRQ为-8.79dB， 弱覆盖比例为15.34% 实测数据：现场随机选取店铺进行CQT测试进行比照，实际测试平均RSRP为-100.4dBm，实际测试平均RSRQ为-8.2dB，与定位数据高度吻合，证实了3D-GL精确定位的能力。同时，沿街弱
18、覆盖商铺可采用Pico产品进行补充覆盖。建筑名称Height定位平均RSRP定位平均RSRQ弱覆盖占比测试楼层实测RSRP实测RSRQ 八佰伴0-20m-96.17-8.7915.341F-105-101F-106-92F-102-72F-107-93F-82-6表3-5 问题楼宇实测结果3.4.4 价值区域重要楼宇网络分析实际优化工作中，往往存在许多入场困难的重要场景军政机构、银行证券、厂区等，而这些场景往往也是网络高价值区域，利用3D-GL三维定位系统，对用户在室内的网络覆盖质量进行精准定位分析，无需实地测试，只需采集MR数据即可完成楼宇内覆盖质量分析，即可完成楼宇内覆盖优化工作，有效实现
19、提升高价值区域，挖掘潜在用户的目标。安惠国际公寓常规协调巡检、现场测试极为困难，高档公寓4G网络体验情况缺乏有效的统筹方法和投诉分析手段。通过3D-GL定位分析，公寓区域整体楼宇用户覆盖情况展示，目前各楼宇覆盖状况较好，同时结合Building报表详细统计室内用户整体网络环境指标。 图3-10 楼宇覆盖指标渲染BUILDING_ID平均RSRP平均RSRQMR采样数弱覆盖采样数弱覆盖比例质差采样数质差比例1575-96.26-5.9412981279.78110.853538-89.97-5.951910703.66361.881617-90.59-7.39251738053.24441.76
20、1499-90.27-8.142402662.75190.791451-96.33-8.69102812712.35171.651441-96.23-8.542163542.5401.851545-91.82-7.621615362.23171.053874-97.52-8.36571579.9861.05表3-6 楼宇覆盖指标测试情况可以看出，通过3DGL系统，网络问题区域及时发现、及时处理，减少重要用户投诉；同时除高档公寓外，军政机构、银行、证券等难协调场景同样可通过3DGL进行立体覆盖定位分析，减少人工、网络优化资源，同时为重要场景保障规划提供更具指导意义的分析手段。3.4.5 校园区域
21、的网络问题定位南通大学主校区内室分系统无法入场，目前4G网络的覆盖主要是通过宏站+滴灌的建设方式进行覆盖，楼宇分布较多，学生宿舍进出管理严格，入场测试较为困难，缺乏有效的问题定位和投诉分析手段。通过3D-GL定位分析，发现主校区内局部教学楼内存在较严重的弱覆盖，实测平均RSRP为-105dBm左右，实测平均RSRQ为-8.47dB，与定位结果高度吻合，可采用增加滴灌扇区来补盲解决。图3-11 校园弱覆盖教学楼建筑名称平均RSRP平均RSRQMR采样数弱覆盖采样数弱覆盖比例质差采样数质差比例方肇周教学楼-107.25-10.3255228850.176914.47表3-7 方肇周教学楼覆盖测试情
22、况在对学生宿舍楼区域的覆盖进行分析时发现，大局部楼宇的覆盖RSRP均在-100dBm以上，覆盖良好。但也存在局部RSRP在-110dBm左右的楼宇，经过实地查勘，需要通过增加滴灌扇区进行补盲。图3-12 校园弱覆盖宿舍楼建筑名称楼宇ID楼层实测RSRP实测RSRQ男生宿舍35楼45251F-106-83F-102-126F-91-1245241F-109-123F-101-76F-95-1145141F-111-132F-106-13女生宿舍23号楼45091F-104-133F-106-126F-100-1345231F-110-72F-106-75F-97-7表3-8 学生宿舍楼覆盖测试情
23、况四、效益评估及成果价值图4-1 效益评估图4.1 降本增效3DGL实现了更加自动化和智能化的集中分析和优化模式，提高网络优化的效率，同时减少了外场测试工作量和分析人员的数量，到达降本增效的目的。在居民区的深度覆盖优化工作中，3DGL的应用取代传统的扫楼模式，可节省时间本钱约，节约测试人员的投入以20栋楼，每栋8层的居民小区，投入测试和分析人员各2名为例：比照传统优化方式3DGL节约本钱消耗时长5天3天40%消耗人工15/人工天6/人工天60%交通本钱视测试地点0100%优化周期每年随时100%表4-1 优化方式比照4.2 深度覆盖精细化加强室内覆盖质量分析和优化，确保室内覆盖的绝对领先毫不松
24、懈，打破传统的扫楼模式，通过大数据实现深度覆盖分析优化，实现降本增效。4.3 重点场景保障提升用户感知保障核心地区重点场景商业街、重要写字楼和办事机构、校园等的网络精确覆盖和精细优化，提升用户感知。4.4 精准感知优化用户需精确定位，以保障价值用户在价值区域的网络体验，提升品牌影响力，维系存量用户，挖掘潜在用户。五、成果推广现状及推广前景目前3DGL系统已经分别在南通、苏州和无锡分公司的局部区域实施，应用效果良好，其应用前景主要有以下几个方面：前景1-三维全景精准网络规划：通过使用大数据量测量报告和话务事件，精准的对建筑物内的不同高度进行测量报告定位，从而在传统规划手段上增加立体覆盖、立体质量
25、、立体容量三个规划参考维度，提升规划仿真准确度，提升规划效率，提升客户感知。前景2-三维全景深度网络精细优化:依托三维精确网络评估可准确定位问题点主辅小区的天馈设置情况，并输出调整方案；准确关联问题点主辅小区参数设置情况，可高效输出参数调整方案，提升优化效率；可分区域、楼宇、楼层多级别GIS呈现，问题点情况一目了然，助力集中网络整治。前景3-三维用户感知精细优化:以MR及信令数据等用户级数据为根底，利用三维定位系统对MR进行三维立体建筑物定位，把定位后MR和用户信令进行关联分析，可以多维度分析定位用户感知不佳区域而3DGL的数据源都来自于电信自有数据库，便于全国推广。图5-1 推广现状及前景23
