基于整合算法的多運(yùn)營(yíng)商站址規(guī)劃平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)

薛 偉 譚 裴 王 星 葉 敏 李曉輝

1(中國(guó)移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司安徽分公司 安徽 合肥 230041) 2(中國(guó)移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司 北京 100080)

0 引 言

鐵塔公司成立后，在基站管理建設(shè)方面將面臨兩方面問(wèn)題[1]：一是三大電信運(yùn)營(yíng)商大量存量站址的接收、改造以及再利用；二是三大運(yùn)營(yíng)商新建基站的需求建設(shè)管理。對(duì)于多家運(yùn)營(yíng)商提出的新建基站需求，各家運(yùn)營(yíng)商在提出新建基站需求時(shí)，只考慮自身網(wǎng)絡(luò)發(fā)展要求,如何既滿(mǎn)足三家運(yùn)營(yíng)商的新建基站需求，又最大限度提升基站共享率，是鐵塔站址規(guī)劃建設(shè)工作中的重要工作之一[2]。目前多運(yùn)營(yíng)商需求站點(diǎn)規(guī)劃建設(shè)主要存在以下幾點(diǎn)困難：(1) 人工判斷處理效率低；三家運(yùn)營(yíng)商新建站點(diǎn)需求及現(xiàn)網(wǎng)存量數(shù)據(jù)量大，且建設(shè)需求在規(guī)劃階段變化較為頻繁，涉及到現(xiàn)網(wǎng)存量站點(diǎn)自身情況及站點(diǎn)間距離計(jì)算等，判斷計(jì)算過(guò)程較為復(fù)雜；(2) 缺乏基于現(xiàn)有平臺(tái)數(shù)據(jù)的整合分析工具，難以有效支撐鐵塔規(guī)劃方案制定；(3) 缺少直觀的GIS地圖展示，需求站址建設(shè)方案多方確認(rèn)時(shí)不夠直觀、方便。

為解決鐵塔公司在多運(yùn)營(yíng)商站址規(guī)劃建設(shè)過(guò)程中遇到的困難，給出一種基于整合算法的多運(yùn)營(yíng)商站址規(guī)劃平臺(tái)。通過(guò)對(duì)現(xiàn)網(wǎng)存量站址、覆蓋場(chǎng)景區(qū)域等數(shù)據(jù)的采集和管理，結(jié)合站址整合推薦算法，對(duì)多運(yùn)營(yíng)商新建站址需求進(jìn)行綜合分析，輸出利舊站址、獨(dú)立新建站址、共享新建站址三類(lèi)結(jié)果。根據(jù)分析結(jié)果輸出統(tǒng)計(jì)分析表，從而有效提升需求站址建設(shè)方案準(zhǔn)確性和編制效率。

1 關(guān)鍵技術(shù)介紹

1.1 Node.js與Express技術(shù)

Node.js是一個(gè)服務(wù)器端JavaScript解釋器，采用C++語(yǔ)言編寫(xiě)，其采用了谷歌V8 JavaScript引擎[3-4]。Node.js作為一種新型的的Web服務(wù)器，其搭建和配置非常容易，它與傳統(tǒng)的Web服務(wù)器的其中一個(gè)主要區(qū)別是：Node.js是單線(xiàn)程的。單線(xiàn)程極大地簡(jiǎn)化了Web程序的編寫(xiě)，為獲得多線(xiàn)程的性能優(yōu)勢(shì)，只需啟用更多的Node.js實(shí)例。Node.js通過(guò)內(nèi)部單線(xiàn)程高效率地維護(hù)事件循環(huán)隊(duì)列來(lái)實(shí)現(xiàn)事件驅(qū)動(dòng)機(jī)制，沒(méi)有多線(xiàn)程的資源占用和上下文切換。Node.js的另外一個(gè)優(yōu)點(diǎn)在于它的平臺(tái)無(wú)關(guān)性，它的程序可以部署在Windows、OS X和Linux等系統(tǒng)上，協(xié)作較為簡(jiǎn)單。Express[5-6]是一個(gè)基于Node.js平臺(tái)的極簡(jiǎn)、靈活的Web應(yīng)用開(kāi)發(fā)框架，它提供一系列強(qiáng)大的特性，用以創(chuàng)建各種Web和移動(dòng)設(shè)備應(yīng)用。Express框架核心特性在于可以設(shè)置中間件來(lái)響應(yīng)網(wǎng)頁(yè)請(qǐng)求，定義路由表用于執(zhí)行不同的網(wǎng)頁(yè)請(qǐng)求動(dòng)作，通過(guò)向模版?zhèn)鬟f參數(shù)來(lái)動(dòng)態(tài)渲染網(wǎng)頁(yè)頁(yè)面。

1.2 MongoDB技術(shù)

MongoDB[7]是一種開(kāi)源的非關(guān)系型數(shù)據(jù)庫(kù)，利用分布式文件存儲(chǔ)結(jié)構(gòu)，由C++語(yǔ)言編寫(xiě)，旨在為互聯(lián)網(wǎng)應(yīng)用提供可擴(kuò)展的高性能數(shù)據(jù)存儲(chǔ)解決方案。MongoDB作為非關(guān)系型數(shù)據(jù)庫(kù)，支持的數(shù)據(jù)結(jié)構(gòu)非常松散，存儲(chǔ)結(jié)構(gòu)使用BSON(Binary Serialized Document Format)結(jié)構(gòu)，可以存儲(chǔ)比較復(fù)雜、且不統(tǒng)一的數(shù)據(jù)類(lèi)型。MongoDB最大的特點(diǎn)是它支持語(yǔ)言非常強(qiáng)大，語(yǔ)法類(lèi)似于面向?qū)ο蟮牟樵?xún)語(yǔ)言，可以提供類(lèi)似關(guān)系型數(shù)據(jù)庫(kù)單表查詢(xún)的絕大部分功能，也支持對(duì)數(shù)據(jù)建立索引，支持高效數(shù)據(jù)查詢(xún)操作[8]。與傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)相比，MongoDB作為文檔型數(shù)據(jù)庫(kù)[9]，利用更為靈活的“文檔”模型，利用在文檔中嵌入數(shù)組和文檔，能夠通過(guò)一條文檔記錄來(lái)表現(xiàn)出復(fù)雜的數(shù)據(jù)層次關(guān)系。MongoDB具有的特點(diǎn)包括高性能、易部署、易使用，存儲(chǔ)數(shù)據(jù)方便，適用于網(wǎng)站實(shí)時(shí)數(shù)據(jù)處理，分布式應(yīng)用等場(chǎng)景，不宜用于復(fù)雜的跨文檔表級(jí)級(jí)聯(lián)查詢(xún)等場(chǎng)景。

2 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

2.1 系統(tǒng)總體方案

多運(yùn)營(yíng)商站址規(guī)劃平臺(tái)以基站現(xiàn)網(wǎng)站址和覆蓋場(chǎng)景區(qū)域數(shù)據(jù)為基礎(chǔ)，結(jié)合整合推薦算法對(duì)多運(yùn)營(yíng)商提供的需求建設(shè)站點(diǎn)進(jìn)行分場(chǎng)景分析，輸出整合推薦算法處理結(jié)果，為鐵塔公司多運(yùn)營(yíng)商需求站址規(guī)劃建設(shè)工作提供解決方案。

多運(yùn)營(yíng)商站址規(guī)劃平臺(tái)軟件架構(gòu)如圖1所示。平臺(tái)基于B/S模式，將軟件架構(gòu)分為四層，分別為：數(shù)據(jù)采集層、數(shù)據(jù)處理層、業(yè)務(wù)處理層以及應(yīng)用層。其中數(shù)據(jù)采集層主要負(fù)責(zé)現(xiàn)網(wǎng)基站站址數(shù)據(jù)、地市覆蓋區(qū)域數(shù)據(jù)的采集，通過(guò)WebService接口從無(wú)線(xiàn)網(wǎng)絡(luò)基礎(chǔ)資源庫(kù)系統(tǒng)獲取現(xiàn)網(wǎng)站址數(shù)據(jù)等工作。數(shù)據(jù)處理層負(fù)責(zé)處理平臺(tái)各種數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)匯總等操作。業(yè)務(wù)處理層負(fù)責(zé)對(duì)各業(yè)務(wù)算法進(jìn)行處理、統(tǒng)計(jì)分析處理等操作。應(yīng)用層負(fù)責(zé)各功能模塊的網(wǎng)頁(yè)展示及交互，以及GIS地圖服務(wù)展示。

圖1 平臺(tái)軟件架構(gòu)

2.2 站址整合推薦算法

站址整合推薦算法主要對(duì)根據(jù)現(xiàn)網(wǎng)基站站址以及覆蓋場(chǎng)景區(qū)域數(shù)據(jù)，對(duì)多運(yùn)營(yíng)商需求建設(shè)站址進(jìn)行算法分析，形成利舊站點(diǎn)、獨(dú)立新建站點(diǎn)、共享新建站點(diǎn)三類(lèi)站址整合推薦結(jié)果。本算法中根據(jù)不同覆蓋場(chǎng)景定義了不同的共享距離Distsi和整合距離Distmi，i=1,2,…,n，n為覆蓋場(chǎng)景個(gè)數(shù)。覆蓋場(chǎng)景一般包括密集市區(qū)、一般市區(qū)、縣城、鄉(xiāng)鎮(zhèn)、農(nóng)村等場(chǎng)景。整合算法主要分為站點(diǎn)利舊處理和站點(diǎn)整合推薦處理兩部分內(nèi)容，處理流程參照?qǐng)D2所示。

圖2 站址整合算法流程圖

2.2.1 站點(diǎn)利舊處理

本算法先對(duì)所有需求站點(diǎn)逐個(gè)處理，根據(jù)需求站點(diǎn)所在的覆蓋場(chǎng)景區(qū)域，確定共享距離Distsi。此處的Distsi為經(jīng)驗(yàn)值，可據(jù)實(shí)際要求進(jìn)行調(diào)整。根據(jù)需求站點(diǎn)的共享距離搜索附近的現(xiàn)網(wǎng)站點(diǎn)，根據(jù)現(xiàn)網(wǎng)站點(diǎn)自身情況，判斷該現(xiàn)網(wǎng)站點(diǎn)是否符合利舊條件。如果符合利舊條件，則將該需求站點(diǎn)與選中的現(xiàn)網(wǎng)站點(diǎn)進(jìn)行關(guān)聯(lián)，輸出利舊結(jié)果。

需求站與現(xiàn)網(wǎng)站計(jì)算站間距是根據(jù)經(jīng)緯度值計(jì)算的，近似計(jì)算函數(shù)[10]表示為：

(1)

式中：R為地球半徑。設(shè)第一點(diǎn)A的經(jīng)緯度為(LonA,LatA)，第二點(diǎn)B的經(jīng)緯度為(LonB,LatB)，按照0度經(jīng)線(xiàn)的基準(zhǔn)，東經(jīng)取經(jīng)度的正值，西經(jīng)取經(jīng)度負(fù)值，北緯取90-緯度值，南緯取90+緯度值，則經(jīng)過(guò)上述處理過(guò)后的兩點(diǎn)被計(jì)為(MLonA,MLatA)和(MLonB,MLatB)。

2.2.2 站點(diǎn)整合推薦

本算法對(duì)不能進(jìn)行利舊處理的需求站點(diǎn)進(jìn)行后續(xù)整合推薦。處理步驟如下：

① 任選一個(gè)未在集合Setj中的需求站點(diǎn)開(kāi)始遍歷，根據(jù)該需求站點(diǎn)所在覆蓋區(qū)域獲取其對(duì)應(yīng)的整合距離Distmi，獲取該站點(diǎn)附近符合整合距離的需求站點(diǎn)，加入新的Setj集合中。

② 對(duì)新集合Setj做遞歸遍歷，獲取所有加入該集合的需求站點(diǎn)的符合整合距離的需求站點(diǎn)，并加入到該Setj集合中。

④ 對(duì)集合Setj進(jìn)行逐個(gè)處理，利用式(1)計(jì)算該集合中所有需求站點(diǎn)的兩兩之間距離，并排序，取最大值記為Distmax。并記錄該最遠(yuǎn)的兩個(gè)需求站點(diǎn)，獲取這兩個(gè)需求站點(diǎn)所對(duì)應(yīng)的整合距離。比較這兩個(gè)需求站點(diǎn)整合距離。取最大整合距離記為Distmm，與Distmax進(jìn)行比較，如果Distmm>Distmax，進(jìn)入下一步處理，否則將該集合中所有需求站點(diǎn)合并成一個(gè)新建站點(diǎn)，輸出共享新建站，并計(jì)算共享新建站經(jīng)緯度公式為：

(2)

⑤ 利用聚類(lèi)算法思想[11]，根據(jù)式(1)，取距離最大的兩個(gè)站點(diǎn)作為兩個(gè)合并子集合的中心，對(duì)Setj集合中剩余的站點(diǎn)根據(jù)最小距離優(yōu)先歸類(lèi)原則，且符合其整合距離，逐個(gè)歸類(lèi)到相應(yīng)的合并子集合中。并根據(jù)式(2)對(duì)合并子集合的中心經(jīng)緯度進(jìn)行動(dòng)態(tài)調(diào)整，如果新的合并子集合的中心無(wú)法滿(mǎn)足到合并子集合中的所有元素的整合距離，則該站點(diǎn)不能加入子集合。如果該站點(diǎn)不能加入所有子集合，則需要建立一個(gè)新的合并子集合，將該站點(diǎn)加入到新的合并子集合。

⑥ 根據(jù)步驟⑤處理，Setj集合中所有站點(diǎn)加入到所有合并子集合中。對(duì)于合并子集合中元素?cái)?shù)目為1的站點(diǎn)，輸出為獨(dú)立新建站結(jié)果，對(duì)于合并子集合中元素個(gè)數(shù)大于1的站點(diǎn)輸出共享新建站結(jié)果，共享新建站經(jīng)緯度參照式(2)獲得。

⑦ 直到所有Setj集合處理完畢后，算法結(jié)束。

根據(jù)本站址整合推薦算法，可以獲取到利舊站點(diǎn)，獨(dú)立新建站點(diǎn)以及共享新建站點(diǎn)三類(lèi)站址整合推薦結(jié)果數(shù)據(jù)，為鐵塔規(guī)劃人員提供多運(yùn)營(yíng)商需求站址規(guī)劃建議。

3 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)采用數(shù)據(jù)集為某省會(huì)城市鐵塔公司提供的站點(diǎn)數(shù)據(jù)，現(xiàn)網(wǎng)存量站點(diǎn)數(shù)為10 154個(gè)，三家運(yùn)營(yíng)商提交需求站點(diǎn)數(shù)為2 474個(gè)。根據(jù)經(jīng)驗(yàn)值設(shè)置各覆蓋區(qū)域所對(duì)應(yīng)共享距離Distsi和整合距離Distmi，得到8組實(shí)驗(yàn)參數(shù)，每組參數(shù)相較前組參數(shù)值增加10%。根據(jù)算法計(jì)算結(jié)果如表1所示。其中需求吻合率反映實(shí)際建設(shè)站址與需求站址距離吻合情況，值越大代表滿(mǎn)足需求吻合情況越好，該參數(shù)運(yùn)營(yíng)商較為關(guān)注；站址共享率為站址利舊共享率和新建站址共享率平均值，此參數(shù)為鐵塔公司較為關(guān)注。

表1 整合算法計(jì)算結(jié)果表

鐵塔規(guī)劃過(guò)程中，根據(jù)共享率、需求滿(mǎn)足等因素考慮，將需求吻合度和站址共享率進(jìn)行綜合加權(quán)評(píng)分，評(píng)分公式為：

Grade=[Crate×λ+Srate×(1-λ)]×100

(3)

式中：Grade為綜合評(píng)分，Crate為需求吻合率，Srate為共享率，λ為加權(quán)參數(shù)，取值范圍(0,1)。當(dāng)λ取0.5時(shí)，獲得的綜合評(píng)分結(jié)果如圖3所示，整合算法在參數(shù)組合5獲得綜合評(píng)分較好。通過(guò)多方案的比較，對(duì)共享率、需求吻合率、新建和利舊改造站點(diǎn)數(shù)、投資等參數(shù)進(jìn)行綜合分析，從而獲取最合適的多運(yùn)營(yíng)商站址規(guī)劃方案。

圖3 整合算法結(jié)果綜合評(píng)分比較圖

4 結(jié) 語(yǔ)

綜上，在鐵塔站址規(guī)劃過(guò)程中引入了信息化的技術(shù)手段，建設(shè)基于整合推薦算法的多運(yùn)營(yíng)商站址規(guī)劃平臺(tái)。結(jié)合現(xiàn)網(wǎng)存量站址數(shù)據(jù)及覆蓋場(chǎng)景區(qū)域數(shù)據(jù)，實(shí)現(xiàn)了信息化的數(shù)據(jù)采集、標(biāo)準(zhǔn)化的數(shù)據(jù)管理、自動(dòng)化的站點(diǎn)規(guī)劃方案輸出。并通過(guò)調(diào)整算法參數(shù)及多方案比較，獲得更優(yōu)的規(guī)劃方案，解決了多運(yùn)營(yíng)商站址需求如何建設(shè)問(wèn)題，提高鐵塔站址規(guī)劃方案準(zhǔn)確性和編制效率，為鐵塔站址規(guī)劃工作提供參考。該系統(tǒng)在鐵塔公司2016年-2018年和2017年-2019年滾動(dòng)規(guī)劃得以使用，具有較高的應(yīng)用價(jià)值。

[1] 李炎兵.鐵塔公司存量站點(diǎn)共享及改造分析[J].中國(guó)新通信,2015(3):69-70.

[2] 李新民,高立峰.關(guān)于中國(guó)鐵塔公司基站建設(shè)思路與方法的建議[J].數(shù)字通信世界,2015(8):286-287.

[3] Tilkov S,Vinoski S.Node.js:Using JavaScript to Build High-Performance Network Programs[J].IEEE Internet Computing,2010,14(6):80-83.

[4] Bangare S L,Gupta S,Dalal M,et al.Using Node.Js to Build High Speed and Scalable Backend Database Server[C]// International Journal of Research in Advent Technology Special Issue National Conference,2016:61-64.

[5] Brown E.Node與Express開(kāi)發(fā)[M].吳海星,蘇文,譯.人民郵電出版社,2015.

[6] 王金龍,宋斌,丁銳.Node.js:一種新的Web應(yīng)用構(gòu)建技術(shù)[J].現(xiàn)代電子技術(shù),2015,38(6):70-73.

[7] Cbodorow K.MongoDB權(quán)威指南[M].人民郵電出版社,2011.

[8] Jain V,Upadhyay A.MongoDB and NoSQL Databases[J].International Journal of Computer Applications,2017(167):17-20.

[9] Stonebraker M.SQL Databases v.NoSQL Databases[J].Communications of the Acm,2010,53(4):10-11.

[10] 薛偉,譚裴,葉敏,等.基于智能審核的無(wú)線(xiàn)網(wǎng)規(guī)劃設(shè)計(jì)審核平臺(tái)研究[J].電信工程技術(shù)與標(biāo)準(zhǔn)化,2016,29(6):49-53.

[11] 汪增福.模式識(shí)別[M].中國(guó)科學(xué)技術(shù)大學(xué)出版社,2010.