摘" 要：当前网络优化工作模式面临着现场数据采集成本高昂、分析效率不足以及数据实时性差的挑战。为了应对这些问题，此研究提出了一种新的方法，通过对现有的测量报告数据进行深入分析和处理，结合时间提前量（TA）分布规律和无线信号传播特性，探索提高用户群体定位精度的有效途径。这种方法不仅能够实现对现场无线环境的高精度和高实时性展示，而且能够为网络的深度优化和市场发展提供强有力的支持。智能化的处理模式，可以实现降低成本、提高效率的目标，从而为网络优化领域带来创新和变革。
关键词：数据拟合；场强分布；多元定位；场景包络；四维热力图
中图分类号：TN929.52 文献标识码：A 文章编号：2096-4706（2025）04-0011-05
Research on Precise Positioning Method for User Groups Based on Terminal Measurement Reports
LU Zhiquan， HU Wenling
（Hebei University of Economics and Business， Shijiazhuang" 050061， China）
Abstract： The current network optimization work model is confronted with challenges such as high costs of on-site data collection， insufficient analysis efficiency， and poor data real-time performance. To address these issues， this research proposes a new method. By conducting in-depth analysis and processing of the existing measurement report data， and combining the distribution patterns of Timing Advance （TA） with the characteristics of wireless signal propagation， it explores the effective ways to enhance the precision of user group positioning. This method can not only achieve high-precision and high-real-time display of the on-site wireless environment， but also provide robust support for in-depth network optimization and market development. The intelligent processing mode can achieve the goals of cost reduction and efficiency improvement， thus bringing innovation and transformation to the field of network optimization.
Keywords： data fitting; field strength distribution; multivariate positioning; scene envelope; four-dimensional heat map
0" 引" 言
网络拓扑复杂且规模巨大，工程师现场摸查用户集中区域效率低，且无法准确定位用户聚集区域。根据统计，用户的大部分网络需求和业务位于室内，但室内环境复杂，测试工作量巨大，测试范围和覆盖评估准确性都难以保证[1]。传统优化模式中后台分析的最小粒度为小区级，精度不够。数据不够精细、成本压力大、获取现场数据流程烦琐一直是网络优化的痛点[2]。随着计算机对大数据的处理能力越来越强，原始数据中秒级别的用户信息可以与其他数据源融合分析，为以后的无线网络自动智能优化提供较可靠的大数据支撑，具有广泛的应用前景[3]。本方法基于现有的MR数据，通过对数据的智能化处理，可以实现TA级别的场强映射以及用户密度地理化展示，在不增加硬件和人工成本的基础上可以极大提高数据准度和工作效率。
1" 现有数据源及工作模式分析
位置信息服务（LBS）与人们日常生活息息相关。精准可靠的LBS依赖于高精度的定位技术。除卫星定位外，蓝牙、UWB、Wi-Fi等也是定位技术的补充方案但这些技术均需布设信源设备，对运营商造成极大的成本压力[4]。当前网络优化过程主要使用的数据来源包括两种：DT/CQT测试数据和MR栅格化数据[5]。
DT/CQT测试数据是外场工程师使用专用仪表和软件到现场采样得到的log文件。
MR栅格化数据来源于用户终端上报的测量报告，经过采集、推送、解析、入库等流程把数据加工成可操作的数据表形式，之后使用特定算法将采样点测量数据转化为固定格式的栅格数据以供地理化展示。
1.1" 现有数据源
1.1.1" DT/CQT测试数据
DT/CQT全称为道路测试/通话质量测试，是检查无线覆盖水平和业务质量的常用测试手段。
无线场景大致可以分为室外场景和室分场景两类。室外场景指具有空间开阔，信号覆盖距离较远等特点的一类场景，与之相对的室分场景是指空间相对封闭，信号传播距离较近的一类场景。两种场景虽特点不同，但测试方式大致相同，都需要进行覆盖水平、干扰水平、空口上下行吞吐量、Ping时延以及语音质量等业务测试。
1.1.2" MR栅格化数据
MR是由网络控制终端周期性上报参考信号接收功率（Reference Signal Receiving Power， RSRP）、参考信号接收质量（Reference Signal Receiving Quality， RSRQ）等测量报告而生成的大数据[6]。依托于大数据算法和架构的发展，数据处理效率大幅提升，现在有多个平台都可以实现对MR数据源的处理和应用，其中最广泛的用途就是MR栅格化呈现。MR栅格化呈现需要足量的用户MR数据，依托大数据平台算力对数据进行采集、推送、解析和入库等一系列处理程序，之后将采样数据与事先设定的栅格进行匹配，得到栅格级覆盖数据。最后再借助GoogleEarth等软件加载栅格图层，完成网络环境的地理化展示。
1.2" 现有工作模式分析
无线网络环境复杂多变，日常优化工作中既需要工程师有丰富的知识储备和经验积累，也需要有足够的数据支撑。当问题出现在个别区域或线路上时，DT/CQT测试响应速度快，可以及时获取到现场的实际指标，支撑工程师做出判断并给出解决方案；当需要对整体网络进行评估优化时，DT/CQT采集工作量大、流程烦琐、采样比例低的特点会导致数据量不足，影响分析结果，此时MR栅格化数据覆盖面广、数据量大、成本低的优势会更加明显。
除应用场景不同外，两种工作模式也在成本、效率和准确度上存在一些差异。
1.2.1" 成本分析
两种模式下的主要成本项目如表1所示。
从表1中可以看出，DT/CQT的成本特点为PC、终端和GPS等设备一次性成本较低，人工费、软件license费、车辆租费和燃油费等叠加成本高。对于MR栅格化处理工作模式而言，服务器的采购费用等一次性成本高，平台的license费用和维护服务费用等平均成本较低。
1.2.2" 效率分析
在小范围或者线路分析时，DT/CQT模式可以快速响应，及时到达现场采集信息，缩短处理时间，提高处理效率；范围较大时，每个环节花费时间越多，处理效率越低。对于MR栅格化处理模式而言，范围对其效率影响不是很大，此种模式下采集、推送等关键步骤耗时较长。当范围较小时，效率不如DT/CQT模式高；范围较大时，可以有效节约时间，提高效率。
1.2.3" 准确度分析
虽然在数据来源、数据处理过程和呈现形式上存在差异，但在同一无线环境下两种模式输出的结果应该是一致的。从实际效果看MR栅格化后的数据会和DT/CQT数据存在些许偏差。造成这种情况的原因是栅格化后的数据是将栅格内的采样点做了算术平均。同一栅格内的电平差异无法体现。DT/CQT的采样精度和栅格精度不在同一量级。
2" 用户群精确定位方法原理介绍
如上文所述，现有工作模式在不同场景下的表现各有千秋，DT/CQT精度高，响应迅速，应对大范围需求时会导致成本激增；MR栅格化处理输出数据多，覆盖面广，效率和精度是短板。
当今无线网络大规模建设的步伐已经逐渐放缓，网络整体架构也基本定型。在没有足以改变用户习惯的革命性新产品出现之前，用户会对现有网络提出更高的要求，这需要我们具备在小区维度内进一步区分网络环境和用户的能力。
2.1" 数据源说明
在小区维度内进一步区分网络环境和用户，意味着要在小区粒度以下做区域切割和用户定位。现有的无线应答中没有小区粒度以下的划分公式。不过MR文件中都是对采样信息进行的分段收集，例如时间提前量，MR文件中定义了不同区间对应的时间提前量范围，不同范围代表终端距离天线的远近。和时间提前量类似的还有参考信号接收功率。MR文件中定义了不同区间对应的时间提前量范围，不同范围代表终端距离天线的远近。参考信号接收功率则以区间编号的形式对用户上报的电平值进行记录。由于路径损耗等因素的存在，信号衰减会与无线信号在大气中的传播模型相吻合，信号强度基本满足近大远小，中心线方向大，两侧小的特点。将参考信号接收功率与时间提前量分布特征做映射，即可得到TA粒度的场强分布图和用户群分布图。
方法中涉及的两个主要数据源介绍如下。
2.1.1" 时间提前量
时间提前量（Tadv）定义为UE用于调整其主小区PUCCH/PUSCH/SRS上行发送的时间。时间提前量取值范围为（0，1，2，…，1 282）×16 Ts。本次得到的最新的时间提前量即为上次记录的时间提前量与本次基站测量得到的调整值之和。
2.1.2" 参考信号接收功率
参考信号接收功率（RSRP）定义为在考虑测量的频带上，承载小区专属参考信号的资源单元（RE）的功率（W）的线性平均值，是反映服务小区覆盖的主要指标。
2.2" 精确定位方法概述
在现有的的工程参数中，我们可以得到小区经纬度、天线发射功率等关键参数，再计算出用户在小区内的方位和距离等信息就可以定位用户的大概位置，如果将终端接收的参考信号强度同步匹配到对应方位上，就可以实现用户群的场强分布。
2.2.1" Tadv数据解析定位
Tadv数据解析定位是将采样时段内的所有采样点从TA区间和相应采样点数量两个维度进行处理，在中国移动TD-LTE-OMC-R测量报告技术要求规范V2.0.0[7]中定义的每个TA对应到实际场景中约为78米。
2.2.2" RSRP数据模型化
RSRP数据模型化的目的是对采样数据做初步定位，标识终端与天线的距离和终端对天线法线的偏离程度。从法线方向来看，信号强度随着距离的增加逐渐减弱；从覆盖方位来看，偏离法线距离越大，信号衰减越明显。
通过RSRP和Tadv值的初步匹配，可以完成对采样数据的初筛，匹配到电平值的归属方位。
2.2.3" TA级数据拟合
RSRP数据模型化处理后，可以得到各个TA范围内的采样点数和同一TA范围内采样点之间的偏离关系，这种偏离度可以体现相对远近，但是不能体现相对距离。如果对用户进行精确定位，还需要建立场强参考模型。场强参考模型是在充分考虑天线物理特性、电磁波空间传播特点等因素条件下，计算得到的天线覆盖区域内不同距离，不同方位的场强参考值。
将RSRP数据模型化后与场强参考模型拟合，TA值与RSRP值一一对应，可以将采样点映射到相应的场强区域内，实现相对距离的体现。由于信号的覆盖效果是关于法线对称的，所以除落在天线法线上的采样点外，其余采样点会在场强参考模型上拟合出关于法线对称的2个点位。如果要进一步区分位置，需要引入其他小区信息，进行多元定位。
2.2.4" 多元定位
多元定位的实现得益于MRO中终端关于邻区RSRP的测量上报。在MRO中，终端除上报服务小区RSRP/Tadv外，还会上报邻区RSRP（MR.LteNcRSRP）、邻区PCI（MR.LteNcPci）和邻区下行频点（MR.LteNcEarfcn）。
无线侧组网过程中为了规避同频干扰，PCI复用距离较大[8]，这就保证了邻区可以被确定。由于采样数据是同时满足服务小区和邻区的场强分布的，邻区确定之后将服务小区和邻区TA级拟合数据相结合，借助多条邻区关系即可唯一标定用户点位。
使用Tadv解析数据和场强分布做拟合，可以得到TA粒度的场强分布图。
使用Tadv解析数据和采样点分布做拟合，可以得到TA粒度的用户群分布图。
3" 精确定位方法可行性评估
3.1" 定向天线场景
定向天线在空间中有很明显的方向性[9]，在天线法线方向上，距离越远，信号强度越低；在同一距离内，距离法线越远，信号强度越低。
如图1所示，使用Tadv和RSRP值进行数据拟合后，采样点会拟合在其中的TA4区域两个点位上，两个点位关于天线法线对称，此时无法做进一步定位。
之后引入采样数据中关于邻区的信息，在绿色TA图中会有两个点位，如图2所示，根据小区的相对位置关系即可在两个镜像点中确定实际位置。如果两个小区正好完全对向覆盖，再引入第2条邻区之后即可完成定位。
3.2" 全向天线场景
定向天线因为存在方向性，有效覆盖区域类似于扇形，在区域分割和用户定位上实现起来较容易[10]。全向天线可以使用运营商场景边框对TA拟合数据做场景包络，有效缩小范围，提高定位精度。
完成场景包络之后，即可使用多元定位方法输出场强分布和用户群分布。
4" 四维热力图实现方法概述
由3.2节可知，TA粒度的场强分布图和用户群分布图是Tadv解析数据与场强分布和采样点分布分别拟合后得到的结果，这个结果是采样数据的静态展示。如果将不同时段内的采样数据分别处理并进行地理化渲染，以时间线的形式呈现，即可实现场强分布和用户群分布的四维热力展示。
4.1" 场强分布四维热力展示
每个区域TA-RSRP是唯一的，同时每个TA内的RSRP值也是有合理范围的。如果在拟合过程中出现无法定位的采样点，说明该位置RSRP值偏离正常范围，此时借助邻区数据定位到问题区位并进行提示，同时在时间参数的辅助下可以判定问题影响时长，为分析定位提供支持。
图3为某小区正常状态下的场强分布四维热力概念图概念图。图4为某小区异常状态下的场强分布四维热力概念图。
4.2" 用户群分布四维热力展示
将采样点归属到相应的TA-RSRP后，使用不同颜色区分采样点密度等级并渲染到点位图中。加入时间因素后还可以展示不同时间段用户群的分布情况，为分析用户行为，优化网络结构提供参考。
5" 应用场景及价值
1）支撑投诉分析和网络优化。精确定位方法可以将现有的小区级分析粒度缩小到TA级，提高分析精准度。
2）支撑市场发展。用户群分布四维热力图采集到了用户群的活动范围和活动特点，将其与现有的网络覆盖数据、性能指标、运营效果相匹配，可以定位网络短板，为市场发展提供依据。
3）降本增效。传统的工作模式需要耗费大量的人力物力，成本高，效率差。用户群精确定位和场强映射功能可以依托于智能化平台实现，在压降了人、材、机成本的同时还能获得更准确的数据和更高的工作效率。
6" 结" 论
高精度的场强热力图和用户群分布热力图意味着高精度的无线环境数据和用户流动数据，这些数据对竞争日益激烈的通信市场而言是非常重要的。
对设备商而言，准确的无线数据使其有能力对网络盲点做深度定位；海量的用户流动数据使其有条件挖掘潜在市场；实时的数据支撑为其推广产品、拓展业务争取了宝贵的时间。
对运营商而言，也可以获得海量的数据，为做好市场发展和网络完善提供支持。
参考文献：
[1] 黄嫚嫚，黄翔，刘庆雅，等.基于MR采样用户定位的高负荷扇区优化 [J].移动通信，2022，46（7）：72-76.
[2] 孟炜谱，刘旭东，苗二龙，等.基于众筹模式的5G网络评估与优化 [J].邮电设计技术，2023（10）：50-53.
[3] 沈楠，赵春阳，余飞.LTE原始MR数据挖掘及在网络优化中的应用 [J].科技与创新，2019（9）：149-151.
[4] 沈洪波，姚赛彬，汪保友.基于5G MR指纹的室内定位技术研究 [J].邮电设计技术，2023（2）：37-41.
[5] 杨飞虎，姚赛彬.基于MR栅格重叠覆盖评估方法及优化应用 [J].电信快报，2019（6）：27-31.
[6] 陆健贤，黄济丘，胡明星，等.基于LTE测量报告的2.1 GHz和3.5 GHz 5G SA覆盖评估方法 [J].电信科学，2022，38（6）：131-142.
[7] 中国移动.TD-LTE-OMC-R测量报告技术要求规范V2.0.0 [EB/OL].[2024-08-31].https：//m.jinchutou.com/shtml/view-553334402.html.
[8] 张禄澳，范一芳，王宇轩，等.光储式5G通信基站集群灵活性聚合与协同调度策略[J].电力系统保护与控制，2024，52（2）：101-110.
[9] 闫秋芳.甚高频全向天线与定向天线合装应用及性能分析 [J].长江信息通信，2024，37（5）：175-177.
[10] 张庆林，彭进霖，韩寒.定向天线在无线自组织网络路由中的应用综述 [J].计算机应用，2023，43（S2）：135-141.
作者简介：卢志全（1994—），男，汉族，河北保定人，中级职称，研究方向：大数据分析与信息管理；通信作者：胡文岭（1973—），女，汉族，河北衡水人，副教授，硕士生导师，博士，研究方向：电子商务、数字经济、大数据管理。
收稿日期：2024-09-03
基金项目：河北经贸大学科学研究与发展计划项目（2022ZD06）
