基于MRR数据建立小区模拟人体指纹的监控系统设计

通过对目标小区内所有普通用户手机测量报告记录（简称MRR） 中各种参数（如：信号强度、信号质量、TA、功率等）的采集和分析，依据小区无故障或无明显的环境变化情况下小区MRR 各项指标相对稳定的实践经验， 模拟人体指纹独特性和稳定性的特征，通过三种不同方式的算法建立个性化小区“指纹”模型，在小区性能和无线环境发生变动或异常时，帮助网络优化人员及时监控、分析和定位故障。

MRR（测量报告记录）通过收集来自客户所使用的普通手机测量报告，对小区上下行的信号质量、信号强度、TA、路径损耗、功率控制等级等信息进行分类统计，实际反映了服务小区无线信号测量质量。

在进行网络监控和分析时具有统计全面、效率高等特点，同时也能反映客户对网络的真实感受。

传统的MRR 主要应用于两种场景： 一是当小区质量出现故障时，用其辅助定位故障原因；另一就是在统计无线网络质量时，使用其中的统计数据（如上、下行信号强度，上、下行信号质量）的均值来衡量全网或局部小区覆盖以及质量。这方面说明了MRR 具有定位网络故障和反映小区无线网络质量的作用。

MRR 在网络优化上的作用还可以深入挖掘。本文拟通过研究挖掘MRR 本身的特性，提出一种基于这些特性建立类似人体指纹的独特性和稳定性的小区“指纹”监控模型，一旦小区“指纹”

发生变动，即发出变动或异常告警，帮助网络优化人员及时发现、分析和定位网络异常。

1 MRR 功能和特性简介

MRR 是爱立信OSS（运营支撑系统）中的一个重要功能模块，用于记录特定时间和范围内的BSC（基站控制器） 所接收的所有无线通话测量报告，测量报告包括上行和下行，具体的数据有：

a）上行信号强度（RXLEVUL）：基站测量到的接收信号强度。

b）下行信号强度（RXLEVDL）：移动台测量到的接收信号强度。

c）上行信号质量（RXQUALUL）：基站测量到的接收信号质量。

d）下行信号质量（RXQUALDL）：移动台测量到的接收信号质量。

e）上行路径损耗：反映从移动台到基站的路径损耗。

f）下行路径损耗：反映从基站到移动台的路径损耗。

g）移动台的功率等级（MSPOWER）：反映移动台发射的功率。

h）基站收发信台的功率等级（BSPOWER）：反映基站的发射功率。

i） 时间提前量（TA）： 反映移动台到基站的距离。

在无线环境和网络硬件设备稳定的情况下，小区MRR 各参数值虽在一定范围内变化， 但从统计上是相对稳定的， 而且各个小区由于本身的性能差异和所处无线环境的不同， 这些参数值也是非常独立各异的，这就类似人体指纹的独特性和稳定性。

2 技术方案

为了能够实现利用MRR 达到对小区异常监控的目的，本文将分三个部分进行阐述：数据采集、建立小区“指纹”模型、异常告警呈现方式及处理。

2.1 建立小区“指纹”模型

建立基于MRR 的小区数据模型， 要先分析MRR 的数据结构。MRR 数据结构特征可以归纳为：

a）小区名：顾名思义，就是指定制了MRR 的小区识别名称。

b）参数名称：是指类似上/ 下行信号强度、TA等参数名称。

c）时间段：MRR 采集的时间，可观察到数据采集时长。

d）采样总报告数：指在规定的时间内，采集到的用户数据数目。

e）各个采样点分布情况：针对不同的参数，系统依据对该参数事先设置的等级把MRR 上报的采样点放入符合条件的等级中。

f）均值：取加权平均。

2.1.1 相关算法

MRR 数据本身已经直接或间接地提供了各参数在某一时间段内的均值，为了建立小区“指纹”的需要，本文提出了两种算法。

1）均值算法：

该算法是直接取连续N 天内（根据话务模型N通常可以设置为7）MRR 参数平均值（ 这里用Ave_X （n） 代表每天MRR 参数平均值，n=1，2……N）。然后再次进行算术平均，得出平均值为：

2）区间分布算法

该算法是针对MRR 中小区参数采样点分布的变化情况而设计， 可计算出某个小区MRR 参数某两个值之间的采样点分布情况，如图1 所示。

图1 阴影部分表示小于或等于某个参数值y 所占全部采样点的比例p，所对应具体算法是：

式（2） 中，T 表示总采样点数，Ti表示某个采样点。

进一步，根据式（2），可以得到数天内（假设为N天）p 的均值，所对应的具体算法是：

式（3）中，pn代表第n 天某时段p 值。

2.1.2 建立小区“指纹”模型

有了前面的基础理论，本节将探讨小区“指纹”

模型的组成元素以及针对各元素可设置的阈值。

1）模型组成元素

小区模型组成元素选择原则是要能够反映小区的运行性能和质量，当然，这些基本的组成元素也是MRR 中所包含的。基于这个原则，本文选择以下元素作为“指纹”模型的基本组成元素：小区上/下行信号强度，小区上/ 下行信号质量，小区上/ 下行路径损耗，小区MS/BS 功率等级，小区时间提前量（TA）。

2）搭建告警平台

为了能够对发生异常的小区进行监控， 需要构建针对小区的“指纹”模型组成元素的告警平台。本文通过对各组成元素设置不同类别的阈值， 使小区产生告警有据可依。针对监控元素，本文提供可设置的阈值有：

a） 使用小区监控元素的均值算法， 对比算法MRR 参数均值上限。

b） 使用小区监控元素的均值算法， 对比MRR参数均值下限。

c）使用分布算法，按照公式（2）计算比例p 的上限。

d）使用分布算法，按照公式（2）计算比例p 的下限。

e）与算法获取的基准值（公式1）对比的上/下浮值或上/ 下浮比例。

f）与算法获取的基准值（公式3）对比的上/下浮值或上/ 下浮比例。

3）告警模型

依据上述针对小区组成元素的阈值设置原理，珠海通用小区“指纹”监控元素与阈值设置关系见表1（特别的区域如室内覆盖、海域覆盖则另外设置）。

2.2 异常告警呈现方式及处理

2.2.1 告警的触发条件

在完成了小区的“指纹”模型建立和根据各小区无线环境和运行性能的不同设置完成个性化阈值后，当小区“指纹”内某个元素发生波动突然超过阈值时，就会触发告警，这种突发性告警触发很容易理解，不作详叙。

2.2.2 告警的呈现及处理

根据上述监控方式，目前对告警呈现提供了两种方式： 一种是以报表的方式按用户要求呈现所有的告警信息； 另一种是以地理化的方式在地图上展现所有告警信息。同时，对告警的小区可以结合话务统计和现场测试数据一起分析，如上/ 下行质量差结合统计数据掉话次数和掉话率指标查看和分析。

3 应用案例

下面以珠海百货广场室内覆盖小区S5ABHC5为例，简要地说明一下基于该技术的一个简单应用。

考虑到该小区是室内覆盖，对于这种小区，防止信号外泄是网络监控的要点之一， 针对该小区重点设置的监控参数就是TA。同时，考虑到该小区覆盖的是珠海一个较大的商场， 附带了很多室内分布系统，根据之前网络优化人员现场勘察和估算，该小区MRR 采样值应该主要集中在TA＜2 的范围内，故参数设置如下：

1） TA 均值：均值算法上限为1.8；2）以TA 为2 作为监控的分界点：a）根据分布算法（公式2），设置TA 在2 的范围内为99%；b）连续3 天同一时段TA＞2 的百分比持续增长也会告警。

S5ABHC5 掉话率情况见表2。实际上在2009年12 月15 日， 该小区出现高掉话， 最高掉话率达5%（后来经过排查，为该商场正在装修，一面的墙被拆除，造成信号外泄产生掉话）。由于三天同一时段TA＞2 的百分比持续上升，网络“指纹”系统渐变式监控给出了分布算法告警信息； 而第三天TA＞2 的百分比超过1%， 分布算法告警均给出TA 告警信息。（注意：当时TA 均值由于始终小于1.8，未产生均值算法告警。）

4 结束语

本技术方案提供了一种基于MRR 数据建立小区“指纹”模型并对其进行监控的办法，在某种意义上，使全网所有用户的手机都成为测试机，同时从宏观上掌握网络变化或异常情况， 并及时发出告警信息，对故障原因能够快速定位，减少了网络现场测试的工作量， 减少了网络优化人员寻找网络异常原因的时间，提高了网络优化工作效率。

目前珠海移动分公司网络优化中心已经依照上述理论建立了“网络指纹系统”，系统目前运行稳定，能够及时地发现小区无线环境和运行性能的变动和异常。