本帖最后由 大顺粑粑 于 2016-11-11 14:36 编辑
探索机器学习在网络规划中的应用
背景： 我们先提出一个问题，从一段DT测试log来看，有一段弱覆盖区域，现在需要规划新方案给予解决，网格经理提出了2个方案，方案如下所示，那么A方案和B方案哪个方案更好呢？ ![]()
| plan | power(dBm) | Longitude | Latitude | f | site_type | high | azimuth | Angle | cover | | B | 55 | 118.914 | 30.15142 | 900 | OMNI | 30 | 0 | 0 | 平原 | | A | 55 | 118.9041 | 30.15584 | 900 | SECTOR | 30 | 130 | 6 | 平原 | | A | 55 | 118.9041 | 30.15584 | 900 | SECTOR | 30 | 250 | 10 | 平原 |
以往的情况下，网格经理只能根据经验去做大致定性判断，这样就不可避免的会出现判断错误，覆盖效果达不到预期。对于基站建设这样动辄几十万投入的项目来说，损失相当大。我们迫切需要一种能快速定量分析规划方案的方法。 在这，我们提出一种基于机器学习的网络规划评估方案，它解决的问题就是：定量的去评价这2个方案，给出2个方案的合理度，方便网格经理进行判断。 基本思路：
一个地方终端接收信号的强度，基本和如下因素相关，是这些因素糅合之后的结果：我们设置一个信号的函数： 信号优劣 =f(距离基站距离 ,基站功率 ,天馈方位角,天馈下倾角 , 基站高度 ,天馈增益 ,路径情况 ,频率 , 终端高度 , 其他因素)
基于机器学习的网络规划要解决的就是，通过历史DT测试数据来构造一个适应当地无线环境的数据模型，当我们需要预测新规划方案的覆盖效果时，只要构造对应的无线特征，即可预测该地区的大致信号覆盖情况。 实现方法：
我们还是以DT弱覆盖数据作为案例，进行说明。具体DT测试情况如下：
我们把这段DT测试的log截取出，然后在这段路上规划了2个方案，A方案和B方案，方案如下：这里我们特别添加了一组QUO方案，里面填写的是一组极端数据，这主要是用于计算原始状态DT的评估情况，至于为什么要这样设置，后面会提及。 | plan | power(dBm) | Longitude | Latitude | f | site_type | high | azimuth | Angle | cover | | QUO | 1 | 1 | 1 | 900 | OMNI | 1 | 1 | 1 | 平原 | | B | 55 | 118.914 | 30.15142 | 900 | OMNI | 30 | 0 | 0 | 平原 | | A | 55 | 118.9041 | 30.15584 | 900 | SECTOR | 30 | 130 | 6 | 平原 | | A | 55 | 118.9041 | 30.15584 | 900 | SECTOR | 30 | 250 | 10 | 平原 |
接下来，我们就用机器学习的办法，来对这2个方案进行预测，判断哪个方案更优秀。 一、训练数据整理 构建训练无线模型时，我们需要用到历史DT数据，作为训练的数据。 我们使用DT测试数据作为训练数据，大约一共是124W行数据。测试LOG数据格式如下：
我们对这些数据做一个初步处理，把大量信息缺失和重复的数据进行了删除。我们以BCCH接收功率-80dBm作为信号好坏的分界点，大于-80dBm的我们设置标签1，小于-80dBm的，我们设置标签0。 这样的设置方法，不可避免会出现如下的一种情况：因为信号强度是有一定波动的，即使在同一经纬度，同一CI的情况下，有时BCCH接收功率大于-80dBm，有时小于-80dBm，这样就会出现这样的后果，即各项无线特征相同，但是他们的标签却有0和1两个结果，这样的数据进行训练，就会出现问题。为解决这个情况，我们做了如下操作：把同经纬度、同CI的数据，对BCCH接收功率做一个平均值计算，确保同一特征下标签只有1个。 然后我们根据DT数据中的CI字段和现网数据库进行匹配，然后根据DT点经纬度、基站经纬度、方位角信息，计算出距离和方位角差角。对覆盖类型和基站类型进行了独立热编码，最终我们的特征字段如下：
对以上特征的来源，我们这里做一个解释：
Speed特征：来源于原始DT测试LOG Power特征：来源于DT数据中的CI字段获得，即服务小区的发射功率（已根据天馈增益，馈线损耗做调整） f特征：来源于DT数据中的CI字段获得，即服务小区的频段 Angle特征：来源于DT数据中的CI字段获得，即服务小区的下倾角 dis特征：通过DT数据点经纬度和服务小区经纬度计算获得。 Azimuth_diff特征：通过DT数据点经纬度和服务小区经纬度计算出两者的夹角，然后和该小区方位角相减获得。 0~5特征：通过覆盖类型和基站类型，进行独立热编码获得 Bcch特征：即BCCH接收功率，大于-80dBm设置为1，反之设置为0
最终我们选择了终端移动速度、小区功率，室内还是室外，挂高，频率，下倾角，距离，覆盖类型8个特征。理论上特征越多越准确，预测结果越高，但是考虑到实际数据获得的难易程度，我们只采用了这8个特征。 二、训练算法的选择 对已经整理完成数据，我们进行训练，训练前我们并不知道哪种算法对无线模型训练的效果最好，因此我们把机器学习算法都测试一遍，查看训练结果。这里我们采用了KNN,LR,RF,DT,GBDT共5种算法进行比较，测试发现随机森林（RF）算法效果最佳，因此我们采用随机森林算法。
为获得更好的训练结果，我们采用暴力遍历的方法，来寻找最优的算法参数。同时考虑到电脑本身的配置和训练时间的问题，我们最终设置的参数如下： RandomForestClassifier(n_estimators=250,max_depth=60,min_samples_leaf=1,min_samples_split=3) 最终acc在94%左右。 训练完成后，为后期使用方便，不需要每次都进行训练，我们把训练模型进行了固化，后期能更快更方便的使用。 三、测试数据整理 训练数据和无线模型完成后，我们需要构造预测数据，来完成我们的规划方案评估。从格式上来说，预测数据和之前提到的训练数据是一模一样的。 回到清凉峰方案选择的问题上来，我们现在需要构造预测数据，然后导入到训练模型中进行训练。
构造预测数据和之前提到的构造训练数据虽然格式一样，但实际内容有略微差别，在构造训练数据时，各项特征我们是根据服务小区的信息来构造各种特征字段的，但是在构造预测数据时，我们需要用我们新规划的方案的信息，来构造终端移动速度、小区功率，室内还是室外，挂高，频率，下倾角，距离，覆盖类型这8个特征。 为方便说明，我们以这段log中a点做一个解释说明： a点在B方案的情况下，a点的小区功率，挂高，下倾角，距离，方位角夹角等特征，我们采用B方案来构造预测数据。我们把特征数据导入到模型中进行预测，即可预测出a点在B方案案下的信号好坏情况。 三、结果预测 我们把这段构造的LOG导入模型进行预测，把电平值大于-80dBm的点去除以总的测试点数，即可得出该方案下-80dBm电平以上的占比情况，我们以此作为该方案的覆盖合理度。下表就是方案的预测情况。实际发现A方案改善度为100%,B方案为86.98%。 | plan | power(dBm) | Longitude | Latitude | f | site_type | high | azimuth | Angle | cover | coverage | | QUO | 1 | 1 | 1 | 900 | OMNI | 1 | 1 | 1 | 平原 | 76.92% | | B | 55 | 118.914 | 30.15142 | 900 | OMNI | 30 | 0 | 0 | 山区 | 86.98% | | A | 55 | 118.9041 | 30.15584 | 900 | SECTOR | 30 | 130 | 6 | 平原 | 100.00% | | A | 55 | 118.9041 | 30.15584 | 900 | SECTOR | 30 | 250 | 10 | 平原 | 100.00% |
现在我们可以解释为什么要设置一组QUO方案进行对比了，因为QUO方案里都是极端数据，在QUO方案下，对这段路线无任何影响，因此这实际上也是这段LOG的原始覆盖情况。 四、站址搬迁对比 站址搬迁对比和方案对比其实非常相近，方案规划是在原始数据上增加新方案的影响，并进行判断，站址搬迁判断的是一个方案在2种不同情况下的对比情况。以下例举的是在CI：17473替换成A或者B方案的情况下可能的覆盖率。 | plan | power(dBm) | Longitude | Latitude | f | site_type | high | azimuth | Angle | cover | coverage | | QUO | 1 | 1 | 1 | 900 | OMNI | 1 | 1 | 1 | 平原 | 76.92% | | A | 55 | 118.914 | 30.15142 | 900 | OMNI | 30 | 0 | 0 | 山区 | 65.09% | | B | 55 | 118.9041 | 30.15584 | 900 | SECTOR | 30 | 130 | 6 | 平原 | 93.49% | | B | 55 | 118.9041 | 30.15584 | 900 | SECTOR | 30 | 250 | 10 | 平原 | 93.49% |
四、极端情况 有的时候会出现，A和B方案的改善率均为100%的情况，那么是不是A和B方案就无法分辨了呢？实际答案是否定的。我们可以把信号优劣的分界点设置的更高，比如说-70dBm，这样就能进行进一步区分了。 代码部署
编程采用了python语言，机器学习算法采用了sklearn库，数据处理采用了pandas库。具体结构如下：
dt_data文件夹:用于放置训练数据，我们放置了临安的广域DT数据，在其他地区使用时，建议放置其他地区的测试数据。 Test_data文件夹：预测数据 Training_template文件夹：用于放置已经固话的训练模型 GSM_template.csv:现网基站数据 Network_training_model.py:程序源代码 Planning_scheme:方案模版，用于填写方案 Result：方案预测结果 总结
目前已有的信号覆盖评估系统，采用的方法是：基于无线传播模型的仿真软件，该类软件属于专业类型软件，价格昂贵，且在区县分公司很少有利用。采用的方法属于根据无线传播模型进行正向仿真。 基于机器学习的网络规划方案，创新的根据当地的DT数据进行无线模型重构，更适应当地的无线使用环境，且基于开源的代码库，完全免费，在无线特征尽可能准确的情况下，能进一步提高预测的准确性。 通过机器学习训练模型，我们解决了本文开头提出的问题，而且还能解决站址搬迁方案选择的问题。网络经理进行方案选择判断时，该模型提供了一个很好的依据，而且该依据是量化的，更加直观。在第一方案现场施工谈站受阻时，如何选择备选方案，我们也有了更好的依据。站址搬迁时，如何尽可能的确保该区域覆盖稳定性，我们可以提前进行预判，这样我们在站址搬迁时也更有底气。
PS  T测试数据其实是一个非常具备价值的数据，但是传统网络优化规划都没有引起充分的重视，如果在训练模型、算法足够强大，应该能发挥更强大的能量，希望能给大家一些参考价值，转载请注明出处。
| 
发表于 2016-11-11 14:33:25
1
