運用數(shù)據(jù)挖掘技術(shù)實現(xiàn)低功耗廣域網(wǎng)組網(wǎng)方法的研究

金華濱

（福州數(shù)據(jù)技術(shù)研究院有限公司，福建 福州 350200）

0 引言

根據(jù)全球移動通信系統(tǒng)協(xié)會發(fā)布的預測顯示， 未來五年內(nèi)低功耗廣域網(wǎng)將超過傳統(tǒng)的2G/3G/4G 移動網(wǎng)絡成為物聯(lián)網(wǎng)的主流連接方式。截至2018 年底，6.94億物聯(lián)網(wǎng)終端通過傳統(tǒng)移動網(wǎng)絡進行連接，僅0.66億通過低功耗廣域網(wǎng)方式進行連接。到2025年，這個局面將得到徹底的扭轉(zhuǎn)，通過傳統(tǒng)移動網(wǎng)絡連接的物聯(lián)網(wǎng)終端數(shù)量將增加至13億，而通過低功耗廣域網(wǎng)連接的終端數(shù)量將突破18億。面對如此之快的增速，如何優(yōu)化低功耗廣域網(wǎng)的網(wǎng)絡拓撲，在建設最少低功耗廣域網(wǎng)基站的同時，提升其覆蓋面積和網(wǎng)絡質(zhì)量，是亟需研究的問題。低功耗廣域網(wǎng)按照工作在授權(quán)頻段和非授權(quán)頻段進行分類，NB-IoT、EC-GSM是工作在授權(quán)頻段的技術(shù)，而Lora、SigFox是工作在非授權(quán)頻段的技術(shù)?？偟膩碚f，低功耗廣域網(wǎng)技術(shù)具有覆蓋廣、功率低的特點，單個基站的覆蓋范圍在幾千米至幾十千米之間，非常適合物聯(lián)網(wǎng)的發(fā)展場景[1]。

1 系統(tǒng)模型分析

低功耗廣域網(wǎng)多以星型拓撲的形式呈現(xiàn)，根據(jù)網(wǎng)絡的覆蓋情況，若干個物聯(lián)網(wǎng)終端連接至一個低功耗廣域網(wǎng)網(wǎng)關，網(wǎng)關的作用是負責接收各個終端上傳的數(shù)據(jù)，并負責指定各條鏈路的回程連接，最終達到多鏈路上傳和轉(zhuǎn)發(fā)的目的。傳統(tǒng)移動網(wǎng)絡仍需要負責服務器與網(wǎng)關之間的通信鏈路，服務器則主要負責介質(zhì)訪問層網(wǎng)關的路由選擇、連接進程確認等相關工作的處理。在低功率廣域網(wǎng)的組網(wǎng)過程中，首先需要對實際測量數(shù)據(jù)庫中的數(shù)據(jù)進行初級的篩選和分析，將那些包含大量重復或者含有缺省值的屬性剔除，并使用統(tǒng)計學模型找出影響低功耗廣域網(wǎng)網(wǎng)絡覆蓋質(zhì)量的主要特征，然后將數(shù)據(jù)輸入到人工智能學習模型中進行數(shù)據(jù)挖掘，最終獲得最為合理的低功耗廣域網(wǎng)基站布置圖。當然這里所說的人工智能機器學習模型既包括預測模型，也包括規(guī)劃模型?；菊军c需要根據(jù)實際的覆蓋情況和網(wǎng)絡質(zhì)量進行調(diào)整，模型計算出來的位置較為理想，一些后期干擾因素并未完全排除[2]。

圖1 基于數(shù)據(jù)挖掘的低功耗廣域網(wǎng)組網(wǎng)規(guī)劃系統(tǒng)框架圖

2 低功耗廣域網(wǎng)信號覆蓋范圍預測模型的建立

低功耗廣域網(wǎng)組網(wǎng)最需要解決的問題是信號覆蓋范圍，重點解決信號覆蓋盲區(qū)以及個別位置信號覆蓋較差的問題。其中涉及到三方面比較重要的因素：一是基站自身的因素，如基站的功率額、天線的情況等；二是信號在傳輸過程中是否會受到干擾；三是干擾對覆蓋范圍的定量影響效果。

2.1 輸入數(shù)據(jù)的特征提取

基站自身的屬性包括基站的經(jīng)度、維度和高度，還有其發(fā)射功率、天線掛高、基站名稱、部署地區(qū)編號、最后連接的時間和地址、上行鏈路的PDU誤碼率、信噪比、信噪比盈余、擴頻因子、信噪比與預定值之間的誤差和網(wǎng)絡狀態(tài)。測試點的屬性則包括下行鏈路接收信號強度指示器和傳輸一個SDU 的平均擴頻因子以及測試點的經(jīng)度和維度。在確定好需要提取的特征屬性后，需要對得到的數(shù)據(jù)進行初步的去除和分析，一些重復性的屬性需要被移除，比如經(jīng)緯度信息在地理位置中已有所體現(xiàn)，不需要再單獨列出。

2.2 信息覆蓋范圍的預測模型建立

這里采用了人工智能機器學習中常用的BRT回歸算法來預測信息覆蓋范圍，該算法能同時組成多個決策樹，具有更加優(yōu)質(zhì)的泛化能力，能提高預測模型的精確度。BRT模型可以用N棵決策樹的加法模型，如式（1）所示：

3 低功耗廣域網(wǎng)信號覆蓋范圍規(guī)劃模型的建立

對于低功耗廣域網(wǎng)信號覆蓋范圍規(guī)劃模型的建立，一般使用均值聚類算法，該算法將數(shù)據(jù)庫劃分成x個點，并按照等距相似度的劃分原則， 將原來的數(shù)據(jù)庫A={a1，...，ax}轉(zhuǎn) 變 為K個 簇 集 合B={b1，...，bk}。把最小化簇內(nèi)位置誤差平方和作為目標函數(shù)，即可得到每個數(shù)據(jù)點對定位簇中心的位置，從而獲得基站建設的規(guī)劃位置。當然數(shù)據(jù)挖掘的目的并不是簡單的數(shù)據(jù)轉(zhuǎn)換，而是需要在數(shù)據(jù)轉(zhuǎn)換的基礎上進行加權(quán)問題的處理，這樣得到的目標函數(shù)會更加精確。運用數(shù)據(jù)挖掘的算法需要的輸入包含若干個終端數(shù)據(jù)點的位置和所有基站初始點的位置信息數(shù)據(jù)，把二者作為聚類目標函數(shù)的初始化值。首先需要通過對距離進行歸類來判定數(shù)據(jù)點的族類，待數(shù)據(jù)點分配完成后再通過迭代的方式實現(xiàn)對基站建設位置的調(diào)節(jié)。低功率廣域網(wǎng)信息覆蓋的范圍以能覆蓋位置到基站的距離為最大覆蓋半徑，期間會受到建木筑物阻擋、信號傳播干擾等多方面的影響。另外還需要考慮距離對于信號質(zhì)量的影響程度，所以對于本身覆蓋較差的終端會賦予其對基站建設位置影響更大的權(quán)重，這樣才能在多次的迭代過程中，讓基站完美的覆蓋這些信號盲點[3]。當然在實際情況中，經(jīng)常出現(xiàn)通過加權(quán)算法仍然不能得到最佳組網(wǎng)結(jié)果的案例，就需要重復建立預測模型，并再次對基站的位置進行優(yōu)化，直到滿足最優(yōu)的目標函數(shù)，從而得到覆蓋范圍最佳的網(wǎng)絡拓撲實踐。在完成最佳的網(wǎng)絡拓撲設計后，還應通過仿真分析和性能評估的方法對其進行驗證，方可將模型投入到實踐中。

4 結(jié)束語

綜上所述，本文提出了一種基于數(shù)據(jù)挖掘技術(shù)實現(xiàn)的低功耗廣域網(wǎng)組網(wǎng)方法，其主要原理是通過機器學習的回歸算法提取和分析已獲得的數(shù)據(jù)值， 并通過均值聚類和多次迭代的方法找到目標函數(shù)的最優(yōu)解，從而獲得最佳的組網(wǎng)方案。在實際的組網(wǎng)過程中，每條鏈路的數(shù)據(jù)量均不相等，需要在今后的研究過程中加以考慮，以便能獲得更精確的組網(wǎng)方案。