本站小編為你精心準備了CDL話單的高鐵無線網絡探討參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《移動通信雜志》2014年第z1期

1話單分析方法

根據上述篩選出的話單可以進行由宏觀到微觀、由整體到細節的分析，從大量話單中找出高鐵網絡的整體規律、話務模型，為高鐵網絡建設、運營、優化找出方向，并提供依據，再從單個小區話單、單個用戶話單的細節分析為高鐵優化提供幫助。（1）對提取的大量樣本話單進行統計，根據話單相關字段的統計對用戶行為進行分析，得到用戶在高鐵上的一些行為，如長話比例、通話時長等，用以幫助市場分析。（2）對話單通話情況進行統計得到高鐵網絡的話務模型，如高鐵網絡話務忙時、閑時等。（3）通過分析得到高鐵上通話的整體指標情況，如高鐵上通話的接通率、掉話率等，該結果相比較上車DT測試所得由于其采樣數據量大，更能客觀反映整體指標。另外，部分高鐵站點需要同時兼顧大網，故這些高鐵站點的KPI指標包含對大網通話情況的統計，無法得到其在高鐵上的網絡情況，通過對這些高鐵站點話單的篩選可以得到它們對高鐵的覆蓋情況。因此，高鐵話單分析出的結果相對網管KPI指標更能準確反映高鐵網絡質量，找到高鐵網絡的真正短板。（4）通過上述對話單統計得到高鐵整體網絡情況之后，針對網絡短板，對相應的話單進行更加有針對性的分析。如上述統計得到高鐵掉話嚴重的小區，可以針對該小區的掉話話單逐條分析掉話相關字段，得到該小區內掉話的情況，再結合路測數據或網管信令跟蹤情況進行優化。

2某高鐵話單分析優化示例

2.1某高鐵用戶規模預估每個基站設備廠家話單字段有所不同，本次優化選取某高鐵沿線連續3個同廠家的本地網（依次為A/B/C這3個地市）路段作為分析對象進行分析優化。優化路段全程約200多公里，高速鐵路車程約70分鐘，沿線高鐵扇區近200個。該段高鐵運營時間為每日首班車06:30出發，末班車由C地市出發到達A地市的時間為23:05左右。根據高鐵客運情況和運營商市場占有率情況，對該段高鐵的CDMA用戶規模進行預估，用以判斷篩選結果的合理性，并結合話單分析市場用戶行為。預估情況如表1所示：根據上述估計，每日約有1.3萬個CDMA用戶經過該段高鐵，而平均每列動車上約有150個CDMA用戶。

2.2話單篩選網優平臺提取高鐵沿線地市A到地市C基站一周的數據，起呼和釋放小區均為該段高鐵沿線覆蓋小區的話單，累計90多萬條，作為采樣樣本進行篩選。參考上述篩選原則，并結合福廈線高鐵的情況，根據下列條件對樣本話單進行篩選：（1）D1：刪除大網IMSI話單1。同一時段在同一小區起呼次數3次及以上的IMSI判定為大網IMSI，刪除該IMSI在該時段的話單；同一天在同一小區有3個時間段有起呼記錄的IMSI判定為大網IMSI，刪除該IMSI在當天所有話單。（2）D3：刪除起止小區相同但呼叫時長大于動車通過該小區覆蓋范圍所用時間的話單。以每小區通過時間為18s計算，即呼叫時長大于（18s*該小區同PN小區數），車站A和車站B各停靠2分鐘，因此比較時加上停靠時間。（3）A1：保留18s內的短話單。（4）A2：保留終止小區為邊界小區的話單。（5）F1：呼叫起止距離與理論通過距離比較，刪除理論距離大于起止距離2倍以上的話單（為防止起止距離誤差，預留一定裕量），刪除理論距離小于起止距離較多的話單，此處差值以（起止小區的同PN小區數之和/2*1km）為判定標準。篩選公式如下：K=D1*D2*(A1+A2+F1)（2）若K值為0則保留，判定為高鐵話單作為下文分析之用。由該篩選方法從90多萬條話單中得到83627條話單。

2.3用戶行為分析對篩選出的83637條話單進行統計，結果如表2所示：從表2可知，根據話單結果該段高鐵動車上日均產生11948條語音話單，日均話務量約為93.04Erl。由上述預估每趟列車有天翼用戶數150人，其中地市A至地市C約有86人產生語音通話話單，平均每2人撥打3次電話，每次通話時間約為28s，主叫和被叫比例約為1:1。由于平臺數據庫無法得到所有IMSI的歸屬地，從采樣結果中僅得到59388條話單的IMSI歸屬地，對此進行的統計結果看到，本地用戶僅占不到一半，漫游話單比例達52.15%，而本地IMSI的主叫話單中，長途主叫的比例有10.84%，比例較高。篩選出的話單按照時間段統計，由于僅提取一周數據，每日全天話務走勢不具有代表性，僅統計每天各時段話務分布，結果如圖1所示：由圖1可以看到，每日各時段的分布中，09:00—10:00和17:00—19:00最多，最忙時為17:00，這與傳統的語音晚忙時19:00明顯不同，因此后續對該高鐵的優化建議多參考沿線站點17:00時段指標。繼續深入分析每個高鐵扇區的忙時，能更準確地對每個高鐵小區話務模型進行分析優化。

2.4掉話情況分析采樣結果的83637條話單中有642次掉話話單，語音掉話率達0.77%。由于呼叫時長小于18s的短話單無法很好的區分是否是在高鐵上起呼，而大于18s的話單可以通過其他條件篩選，得到更貼近高鐵通話的話單，因此將話單區分為18s內的短話單和18s以上的長話單，分別統計掉話率，得到結果如表3所示：由表3可以看到，該段高鐵上大于18s的通話掉話率達1.29%，掉話率較高。可以對掉話率高的小區進行TOPN進一步分析。分析結果與各小區網管掉話率指標相比更具指導意義，也可與上車DT測試結果進行比較分析，根據基站廠家的話單字段含義得到掉話原因值如表4所示：由表4得到主要的掉話原因：“SDM_Link_Fail_RevTooManyBadFrm”，該原因的掉話次數有550次。引起該失敗值掉話的原因有很多，主要是無線環境惡化導致BSC側在一段時間內收到大量壞幀，從而引起掉話。另外掉話較多的失敗原因是失敗71次的“ERR_SPS_RLSA_BSSAP_UnexptMsg_RcvOrgnInSessionState”，根據這些掉話原因，進一步對掉話的話單進行詳細分析。

2.5其他情況分析根據以上的分析方法，還可以對高鐵上CDMA用戶的接入情況、切換情況等指標進行分析，進一步了解高鐵沿線基站的覆蓋質量、用戶的使用行為。

3結束語

本文針對高鐵的特點，設定一定的規則對話單進行篩選，得到較為符合高鐵列車上的通話話單。文中所列的篩選條件僅作參考，不同地市或不同的高鐵線路應根據各自的特點采用不同的條件進行更精確的篩選，如根據動車的運營時間、通過每個站點的時間，根據該時間篩選話單可得到更精確的結果。本文僅對CDMA語音話單中的一些主要字段進行分析，得到該段高鐵CDMA語音網絡的部分用戶行為及網絡情況。cdl其他字段也可供優化人員進行分析，以獲得更多高鐵網絡信息，再根據整體分析得到問題點，對問題話單的相關字段進行更深入的分析。不同基站設備廠家有其各不相同的話單字段，為優化人員提供了通話過程的各種信息，通過對海量高鐵話單的分析，得到更準確的高鐵用戶行為和無線網絡狀況，幫助市場分析和網絡優化。隨著經濟的發展，我國將建設更多的高速鐵路，越來越多的用戶將通過高鐵出行，高鐵網絡的優化工作也變得更加重要。本文通過CDL話單定位分析高鐵無線網絡狀況，為今后的高鐵優化工作提供了一個較為便捷有效的優化手段。

作者：葉冠武單位：中郵科通信技術股份有限公司