基于K-means的LTE宏站小區(qū)場景聚類策略*

張 喆

（中國移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司，北京 100080）

0 引 言

隨著中國移動(dòng)近年來LTE網(wǎng)絡(luò)的大規(guī)模建設(shè)及不斷完善，中國移動(dòng)全網(wǎng)LTE基站總數(shù)已達(dá)100多萬，4G網(wǎng)絡(luò)的覆蓋優(yōu)勢(shì)已經(jīng)初步建立。然而，龐大的網(wǎng)絡(luò)規(guī)模使得網(wǎng)絡(luò)優(yōu)化的難度進(jìn)一步增加，LTE網(wǎng)絡(luò)設(shè)備中各設(shè)備廠家通用配置參數(shù)及私有參數(shù)總和已超過8 000個(gè)，僅依靠人工很難進(jìn)行精細(xì)化配置[1］。此外，以往的人工覆蓋場景劃分（諸如醫(yī)院、機(jī)場、寫字樓等）[2］過于寬泛，未對(duì)小區(qū)特征進(jìn)行量化，不能反映各小區(qū)間的本質(zhì)差異，無法實(shí)現(xiàn)參數(shù)的自動(dòng)化差異配置，對(duì)LTE網(wǎng)絡(luò)優(yōu)化工作的開展造成極大的阻礙。

聚類問題是機(jī)器學(xué)習(xí)研究中的熱點(diǎn)。先前已有不少關(guān)于基站聚類方面的研究探索，但其應(yīng)用領(lǐng)域主要局限在基站選址與節(jié)能方面[3-6］。針對(duì)上述問題，本文研究了一套基于K-means的LTE宏站小區(qū)場景聚類策略，并在某市試點(diǎn)實(shí)驗(yàn)中通過選取可量化小區(qū)特征，將該市現(xiàn)網(wǎng)全量宏站小區(qū)聚類為若干典型場景，可進(jìn)一步對(duì)各個(gè)場景進(jìn)行網(wǎng)絡(luò)質(zhì)量評(píng)價(jià)以及各場景內(nèi)部參數(shù)最優(yōu)配置，從而實(shí)現(xiàn)對(duì)不同聚類場景的小區(qū)自動(dòng)化推薦LTE網(wǎng)絡(luò)參數(shù)配置方案，極大提高網(wǎng)絡(luò)優(yōu)化中參數(shù)優(yōu)化配置工作的效率。

1 特征選擇

對(duì)某個(gè)特定對(duì)象來說，如何找到最佳的數(shù)據(jù)表示，這個(gè)問題被稱為特征工程（Feature Engineering）。要實(shí)現(xiàn)LTE小區(qū)聚類，首先需要選擇可量化的特征對(duì)小區(qū)進(jìn)行精細(xì)化建模。對(duì)于如何選取合適的特征并無嚴(yán)格的規(guī)則可循，本文通過對(duì)TD-LTE網(wǎng)絡(luò)優(yōu)化指導(dǎo)書中網(wǎng)絡(luò)優(yōu)化指標(biāo)進(jìn)行仔細(xì)研究，同時(shí)借鑒參數(shù)優(yōu)化實(shí)際工作經(jīng)驗(yàn)，決定從小區(qū)工參（本鄰區(qū)），網(wǎng)絡(luò)性能，覆蓋三個(gè)維度中選取若干典型可量化特征用于小區(qū)聚類建模，具體見表1。

表1 小區(qū)特征選擇

2 數(shù)據(jù)預(yù)處理

2.1 數(shù)據(jù)清洗

進(jìn)行小區(qū)聚類建模所用到的數(shù)據(jù)，包括工參結(jié)構(gòu)數(shù)據(jù)，鄰區(qū)配置數(shù)據(jù)，MR測(cè)量數(shù)據(jù)，小區(qū)TA數(shù)據(jù)，以及性能指標(biāo)數(shù)據(jù)。從數(shù)據(jù)源提取的原始數(shù)據(jù)由于各種原因存在數(shù)據(jù)缺失，數(shù)據(jù)異常以及數(shù)據(jù)重復(fù)等一系列問題，因此首先需進(jìn)行數(shù)據(jù)清洗，否則將會(huì)對(duì)聚類算法的效果產(chǎn)生不可避免的影響。通過對(duì)原始數(shù)據(jù)進(jìn)行初步分析后，本文采用的數(shù)據(jù)清洗方法包括缺失值處理，剔除異常值，以及去重處理等，從而去除掉“臟數(shù)據(jù)”，確保算法結(jié)果的可靠性。

2.2 平均站間距計(jì)算

定義：服務(wù)小區(qū)基站和所有相鄰基站距離的平均值。

算法：根據(jù)小區(qū)經(jīng)緯度通過兩種算法（泰森多邊形算法和方向角算法）計(jì)算站間距，最終結(jié)果使用覆蓋距離小的結(jié)果。

（1）泰森多邊形算法

①根據(jù)全網(wǎng)所有小區(qū)生成泰森多邊形（非所選小區(qū)）；圖1為某市現(xiàn)網(wǎng)全量LTE宏站小區(qū)生成的delaunay三角網(wǎng)。

圖1 某市現(xiàn)網(wǎng)全量LTE宏站小區(qū)delaunay三角網(wǎng)

②根據(jù)每個(gè)小區(qū)泰森多邊形，找到它的所有泰森多邊形（本網(wǎng)絡(luò)內(nèi)）相鄰基站；注意：不計(jì)算自身基站。相鄰概念為：泰森多邊形共邊；

③計(jì)算所有相鄰基站到本小區(qū)的距離，平均值為本小區(qū)站間距（單位使用“米”，使用地球橢球體模型計(jì)算距離）；

特殊情況處理：室內(nèi)站不參與計(jì)算；小區(qū)無相鄰基站，定義為“孤小區(qū)”，站間距結(jié)果為空；

（2）方向角算法

根據(jù)小區(qū)A方位角與搜索角寬度確認(rèn)方向，以小區(qū)經(jīng)緯度為圓心，以a為搜索半徑，在搜索方向上畫弧，如果所得扇區(qū)內(nèi)存在基站X（1個(gè)或N個(gè)）則將該基站X到A的平均距離計(jì)做站間距，如果N＞3 那么值取最近的3個(gè)納入計(jì)算，如果N＜1 那么將搜索半徑由a升級(jí)到b，依次計(jì)算，如果在半徑c所畫的弧的扇區(qū)內(nèi)仍未發(fā)現(xiàn)基站，則站間距計(jì)為空。

特殊情況處理：室內(nèi)站不參與計(jì)算；扇形內(nèi)無基站，定義為“孤小區(qū)”，站間距結(jié)果為空。

備注：全向站：搜索角寬度使用360度。

表2 站間距-方向角算法

2.3 過覆蓋標(biāo)簽計(jì)算

從設(shè)備廠商網(wǎng)管平臺(tái)提取的小區(qū)TA數(shù)據(jù)用于判斷小區(qū)是否出現(xiàn)過覆蓋現(xiàn)象，過覆蓋判斷步驟如下[7-8］：

（1）通過PRS獲取小區(qū)TA值分布情況，累積由TA0～TA7的每一分段的用戶數(shù)占比，將每TA分段百分比向后求和，該分段求和值大于90%時(shí)，取該分段的最遠(yuǎn)距離為T1；

（2）根據(jù)2.2節(jié)中的方法計(jì)算平均站間距T2（只計(jì)算現(xiàn)網(wǎng)宏站站點(diǎn)之間的平均站間距）；

（3）比較T2與T1，如果T1大于1.5倍T2，則判斷該小區(qū)過覆蓋。

如下舉例（小區(qū)名以XXX代替）：XXXFHLH-1在TA分段為區(qū)間（1092-2028）時(shí)，用戶數(shù)占比累積大于90%，則此時(shí)T1取該分段的距離最大值2 028 m,弱覆蓋小區(qū)距離最近宏站的平均站間距T2為880 m，由于T1＞1.5*T2，故該小區(qū)存在過覆蓋現(xiàn)象。詳見表3。

表3 XXX小區(qū)過覆蓋判斷示例

3 LTE宏站小區(qū)聚類

3.1 K-means聚類算法

常用的無監(jiān)督機(jī)器學(xué)習(xí)聚類算法有K-means聚類算法，凝聚聚類算法以及DBSCAN算法，這三種算法均可用于大型的現(xiàn)實(shí)世界數(shù)據(jù)集并實(shí)現(xiàn)聚類成多個(gè)簇。通過對(duì)各種算法的優(yōu)缺點(diǎn)以及適用場景進(jìn)行仔細(xì)研究分析[9］，并結(jié)合本次應(yīng)用場景的實(shí)際情況，本文選擇最著名的K-means聚類算法實(shí)現(xiàn)LTE宏站小區(qū)聚類。

K-means聚類算法試圖找到代表數(shù)據(jù)特定區(qū)域的簇中心（cluster center），其可以發(fā)現(xiàn)k個(gè)不同的簇，并將每個(gè)簇的中心采用簇中所含值的均值計(jì)算而成，具體步驟如下：

（1）隨機(jī)確定k個(gè)初始點(diǎn)的質(zhì)心。

（2）將數(shù)據(jù)集中的每一個(gè)點(diǎn)分配到一個(gè)簇中，即為每一個(gè)點(diǎn)找到距其最近的質(zhì)心，并將其分配給該質(zhì)心所對(duì)應(yīng)的簇。

（3）每一個(gè)簇的質(zhì)心更新為該簇所有點(diǎn)的平均值。

算法將交替執(zhí)行（2）、（3）兩個(gè)步驟,直到簇的分配不再發(fā)生變化時(shí)算法結(jié)束。

3.2 聚類結(jié)果

完成數(shù)據(jù)預(yù)處理環(huán)節(jié)后，每個(gè)LTE宏站小區(qū)將會(huì)被抽象為一個(gè)P維特征的向量，從而將該市所有現(xiàn)網(wǎng)宏站小區(qū)表示為N*P的特征空間矩陣（N為小區(qū)數(shù)），實(shí)現(xiàn)對(duì)LTE小區(qū)的量化特征表示。同時(shí)為消除各特征之間的量綱影響，需分別對(duì)每個(gè)特征進(jìn)行歸一化處理，提高聚類算法的精度。

對(duì)特征空間矩陣歸一化處理后，利用K-means聚類算法將該市現(xiàn)網(wǎng)約4.3萬個(gè)LTE宏站小區(qū)劃分為30個(gè)聚類場景，各場景的具體聚類情況如表4所示（表中展示了每個(gè)場景內(nèi)各特征的平均值，以及該場景包含的小區(qū)數(shù)）。

表4 LTE宏站小區(qū)聚類結(jié)果

3.3 典型場景分析

通過分析比較表4各聚類場景內(nèi)每個(gè)特征的平均值，列舉其中典型場景并提供相應(yīng)的優(yōu)化建議[10］，具體如下：

場景8：本鄰區(qū)下傾角較大，站高較高，RRC連接建立請(qǐng)求次數(shù)及總切換請(qǐng)求量均較高，鄰區(qū)數(shù)較少，無過覆蓋現(xiàn)象。該場景屬于市區(qū)樓宇及人流密集區(qū)域（商業(yè)中心，CBD等），業(yè)務(wù)量較高，建議適當(dāng)降低異頻切換A2門限，并檢查是否存在鄰區(qū)漏配現(xiàn)象。

場景17：本鄰區(qū)下傾角較小，站高較低，RRC連接建立請(qǐng)求次數(shù)及總切換請(qǐng)求量均較低，平均站間距較小，存在過覆蓋現(xiàn)象。該場景屬于市區(qū)樓宇及人流密度較為稀疏的區(qū)域，業(yè)務(wù)量較低，建議適當(dāng)降低小區(qū)RS功率，增大本鄰區(qū)下傾角，并提高異頻切換A2門限。

場景29：平均站間距較大，鄰區(qū)數(shù)較少，覆蓋率指標(biāo)較差，無過覆蓋現(xiàn)象。該場景的覆蓋區(qū)域?yàn)榻紖^(qū)，建議適當(dāng)提高小區(qū)RS功率，減小本鄰區(qū)下傾角，對(duì)基站稀疏的覆蓋薄弱區(qū)域增加規(guī)劃站建設(shè)，提高覆蓋率指標(biāo)。

4 t-SNE聚類可視化

4.1 t-SNE流形學(xué)習(xí)算法

流形學(xué)習(xí)算法（Manifold Learning Algorithm）自2000年在著名的科學(xué)雜志《Science》被首次提出以來，已成為信息科學(xué)領(lǐng)域的研究熱點(diǎn)。流形學(xué)習(xí)主要用于高維數(shù)據(jù)降維及可視化，就是從高維采樣數(shù)據(jù)中恢復(fù)低維流形結(jié)構(gòu)，即找到高維空間中的低維流形，并求出相應(yīng)的嵌入映射，以實(shí)現(xiàn)維數(shù)約簡或者數(shù)據(jù)可視化。它是從觀測(cè)到的現(xiàn)象中去尋找事物的本質(zhì)，找到產(chǎn)生數(shù)據(jù)的內(nèi)在規(guī)律。

t-SNE是流形學(xué)習(xí)中一種非線性數(shù)據(jù)降維與可視化算法，幾乎可用于所有高維數(shù)據(jù)集，廣泛應(yīng)用于圖像處理，自然語言處理，基因組數(shù)據(jù)和語音處理。其主要思想是找到數(shù)據(jù)的二維表示，嘗試讓在原始特征空間中距離較近的點(diǎn)更加靠近，相距較遠(yuǎn)的點(diǎn)更加遠(yuǎn)離[11］。算法具體步驟如下：

（1）隨機(jī)鄰接嵌入（SNE）通過將數(shù)據(jù)點(diǎn)之間的高維歐幾里得距離轉(zhuǎn)換為表示相似性的條件概率而開始，數(shù)據(jù)點(diǎn)xi、xj之間的條件概率pj|i由下式給出：

其中，σi是以數(shù)據(jù)點(diǎn)xi為中心的高斯方差。

（2）對(duì)于高維數(shù)據(jù)點(diǎn)xi和xj的低維對(duì)應(yīng)點(diǎn)yi和yj而言，可以計(jì)算類似的條件概率q j|i：

SNE試圖最小化條件概率的差異。

（3）為了測(cè)量條件概率差的和最小值，SNE使用梯度下降法最小化KL距離。而SNE的代價(jià)函數(shù)關(guān)注于映射中數(shù)據(jù)的局部結(jié)構(gòu)，優(yōu)化該函數(shù)是非常困難的，而t-SNE采用重尾分布，以減輕擁擠問題和SNE的優(yōu)化問題。

（4）定義困惑度：

其中，H(Pi)是香農(nóng)熵：

另外需注意，雖然t-SNE對(duì)于數(shù)據(jù)降維及可視化能夠取得良好效果，但由于算法計(jì)算對(duì)應(yīng)的是條件概率，并試圖最小化較高和較低維度的概率差之和，這涉及大量的計(jì)算，運(yùn)行算法時(shí)間較長，占用內(nèi)存較大，對(duì)系統(tǒng)資源要求高。

4.2 聚類可視化

利用t-SNE變換將N*P的特征空間矩陣映射至2維空間后，對(duì)3.2節(jié)的聚類結(jié)果進(jìn)行可視化展示，效果見圖2（圖中每個(gè)數(shù)字文本代表該小區(qū)所屬聚類場景編號(hào)）。

從圖2中可以看出，通過t-SNE聚類可視化顯示K-means聚類算法效果良好，所有類別都被明確的分開，雖然部分類別（諸如聚類6、聚類11、聚類19、聚類28）存在被分隔開的現(xiàn)象，但大多數(shù)類別都能形成一個(gè)密集的簇。同時(shí)也表明本文的聚類算法對(duì)LTE宏站小區(qū)聚類取得了較為理想的結(jié)果。

5 結(jié) 語

本文提出的基于K-means的LTE宏站小區(qū)場景聚類策略，可對(duì)小區(qū)進(jìn)行量化特征建模并聚類為若干典型場景，從而對(duì)不同聚類場景的小區(qū)可實(shí)現(xiàn)自動(dòng)化推薦LTE網(wǎng)絡(luò)參數(shù)配置方案，極大提高網(wǎng)絡(luò)優(yōu)化中參數(shù)優(yōu)化配置工作的效率。后續(xù)研究工作可根據(jù)算法的實(shí)際效果對(duì)算法進(jìn)行優(yōu)化改進(jìn)，包括小區(qū)覆蓋范圍的無線環(huán)境建模，進(jìn)一步深入分析能夠表征小區(qū)間本質(zhì)差異的可量化特征，以及提高聚類算法和t-SNE算法的運(yùn)行效率等。