移动通信网络优化发展的一些思考周俊（中国移动通信集团设计院有限公司，北京 100080）摘　要　网优已成为移动通信网络建设全生命周期的一个重要环节，并逐步向全过程渗透。

随着移动互联网的迅猛发展，4G网络大规模建设和快速商用，四网共存，网络演进加速，网元规模膨胀，数据业务量爆发式增长，传统的语音类业务持续下滑，移动通信网络的生态环境发生了翻天覆地的变化。

在新的形势下，网优工作如何开展，如何提高竞争优势和提升用户感知，已成为运营商关注的焦点。

关键词　移动通信；网络优化；网络结构；用户感知；多数据源中图分类号TN929.5 文献标识码 A 文章编号1008-5599（2016）07-0001-05收稿日期：2016-05-15周 俊　教授级高工，中国移动通信集团设计院有限公司资深专家，中国通信学会高级会员，长期从事移动通信网络规划、设计和优化工作，负责和参与多个中国移动集团级重点研发项目和国家重大专项，获得省部级和集团级奖励多项，申请国家专利6项，发表论文数十篇。

1 概述网优是提高移动通信网络质量的重要手段，而网络质量是通信企业的生命线。

网优已成为移动通信行业衍生出来的子行业。

据中国产业调研网预测，2016年我国网络优化行业市场规模可达450亿元，年复合增长率20%以上。

从2G/3G到目前商用的4G网络，甚至已经启动的5G超宽带关键技术研究，移动通信技术的更新换代步伐不断加快， 网络规模的不断扩大，网络结构越来越复杂。

多制式网络将长期共存，异构网的网络优化难度指数级增加。

在移动互联及物联网的驱动下，移动通信网络不再是个相对封闭的电话交换网络，而成为“全球互联、万物互联”的重要组成部分。

业务多样化和端到端流程复杂化， 传统的网优手段已无法与之相适应。

业务数据化和分组化，网络宽带化和智能化，移动通信与互联网技术相互融合，移动互联业务爆发增长，移动通信网络的生态环境已经发生了翻天覆地的变化，网络优化工作正面临新形势和新要求。

2 网优只有进行时，没有完成时网优属于工程实践范畴。

对于网络优化，业界没有一个非常精确的定义。

狭义上的网优是指对投入运行的网络进行数据采集、外场测试、指标监控、数据分析等方法，找出影响网络质量的原因并且通过参数调整和相关技术手段，使网络达到最佳的运行状态，使网络资源获得最佳效益。

广义上则任何可以使网络质量和用户感知获得改善的行为都可以定义为网优。

从第一期网络建成开始，网络优化就被提上议事日程并贯穿始终。

无线环境、用户行为、业务类型等外部和内在的环境每时每刻都在发生着变化，移动网优整个行业、领域都充满了未知与变化。

网优从最初的“网管、路测、用户投诉”三板斧到大数据和智能优化，从依靠网优工程师的技术和经验到各种平台和工具遍地开花，网优工作也在不断变革以适应新形势的要求。

网优行业面临的机遇与挑战，是知识与技术、组织结构、方式方法、手段流程彻头彻尾的颠覆。

网络质量犹如逆水行舟，不进则退，网优也需要有互联网思维，实现网优心智模式和技术模式的颠覆和重建。

3 网络结构是无线网优的根本网络结构是移动通信网络的基石，在这一点上不能有丝毫的含糊。

简单来讲，网络结构就是网络中基站的布放和配置，包括站间距、站高、天线方向和下倾、小区载波配置、室内/外站点分布、直放站分布等，这个是区别于固网的一个重要特征。

移动通信网络的每一次技术升级都主要体现在无线接入技术的重大变革，也正是空口的移动特性和无线电波传播的不确定性而使得移动通信网络优化变得复杂而丰富多彩。

无线网优占整个网络优化的比重在逐步下降，但这并不说明无线网优已经不重要或者无线网络的问题在变少，而是随着数据业务的增长，端到端的接续流程所关联的网元数成倍增加，非空口的问题变多所致。

核心网和业务网的IP 化使得非空口的问题趋于一致，而空中接口的优化仍是其中最活跃和最具有挑战性的领域。

网络结构的好坏对无线网络质量起到决定性的作用，而构成网络结构的三要素就是覆盖、容量和质量。

不管移动通信技术如何发展，无线网优工作都要从三要素开始，而三要素的核心就是站址部署。

站址资源是网络质量最大的约束条件，网优可以调整的参数成百上千，而唯独站址资源在部署完成后基本上无调整可能，网优工作不前移就不能从根本上解决网络质量问题。

中国移动已形成了一套完善的网络结构评估体系，从不同的层次和角度来表征和描述网络结构，对网络结构问题开展定量评估、分类评估和逐级评估。

图1为网络结构评估体系。

网络结构优化主要集中在3个方面：覆盖控制、业务下沉、异构网均衡，要求规划与优化相互融合和渗透才能从根本上解决网络结构问题。

没有最佳的一劳永逸的网络结构，随着外部环境的变化、业务量的增长和资源相对不足，都需要进行网络结构的优化。

4 提升用户感知是网优的终极目标移动通信网络的立身之本就是服务于用户并提升用户感知，网络质量和用户感知背离是每个运营商所不愿图1 网络结构评估体系意看到的，因此建立基于用户感知的端到端质量体系就成了运营商网优工作的一个重点。

对于用户感知建模，国际上主要有两个流派，一是ITU（国际电联），一是TMF（电信管理论坛）。

ITU 指出用户所体验的服务质量就是用户感知，用户感知包括主观和客观两类因素。

客观因素可以通过测量来获得，包括接入性、保持性、完整性3个方面。

主观因素用于语音业务评价，ITU提出了MOS(平均意见得分)评价方法，对于视频业务评价，采用了VMOS方法。

TMF在eTOM中把电信运营管理的企业流程按层级分解，在QoE指标体系中采用了指标分层与汇聚的方法：KPI->KQI->QoE，以此来进行评估网络所提供的QoS是否满足用户签约的SLA。

ITU的建议：无论主观还是客观，用户感知都需要通过测量来获得，只有这样才是最贴近用户的。

问题是测量的方法多种多样，只要选择正确的方法，同时采用科学的抽样方法，就可以保证结果的置信度。

主观评估目前已经形成了一套完整的国际公认算法，通过比较退化文件和样本文件的差异来获得精确的感知值，但复杂的测试过程和高昂的测试成本等问题仍需产业链的共同努力。

TMF的精髓：分层映射，指标汇聚。

按客户、业务、网络资源、供应商/合作者分层，从网管数据库获取各类网络关键指标(KPI)，通过映射和公式计算得到KQI，再汇聚计算得到QoE。

作为TMF的 会员，主设备商普遍采用了KPI->KQI ->CEI的三级指标模型，国内较常见的建模都是源于这个指标架构。

图2是常规的QoE体系评估模型结构。

这套体系的优点是分层架构清晰，可操作性强。

但也存在两个不容忽视的问题，一是这些实现方案普遍忽略了非技术因素对QoE的影响，而非技术因素也被TMF认为是影响用户感知非常重要的数据；二是这些方案在实现中常常需要设计几十个、甚至上百个指标，并通过大量主观权重来体现各指标的重要性，最后利用数学公式完成指标汇聚，其中错综的映射关系和主观权重往往不被广泛认可而失去可比性。

ETSI进一步描述了不同业务的KQI标准。

在ETSI TS 102系列标准中，对FTP、Ping、POC、Streaming、phone、vphone、HTTP、EMAIL、SMS、MMS等业务质量的触发点作了描述。

如HTTP浏览，定义了HTTP session的业务成功，起始为第一个SYN命令，成功为收到最后一个有内容的数据分组。

但如流媒体视频质量的缓冲时延、卡顿次数等触发点，还处于“待定义”状态。

这是因为终端和用户的一些特征或行为并不会发送给网络，仅用网络侧的网管和信令数据去反映用户感知是存在先天不足的，用户行为的评估在端到端感知中具有不可替代的作用。

国内的运营商开始另辟蹊径，利用智能终端内置的用户感知APP，像中国移动的SmartTest工具，作为智能测试探针，采集真实用户行为和业务质量，不失为一种简洁高效的方案。

如果能够让更多的用户都来帮我们测试用户感知，则可以对整个网络进行分析，产生全网的用户感知透视，使得用户感知真正看得见、摸得着、图2 QoE体系评估模型结构测得准。

5 多数据源是网优的核心和关键网优涉及无线网、核心网、互联网、空口信令、端到端、IP协议、话务统计、DPI等技术，网络越来越复杂，人工完成海量网络参数配置和优化的难度越来越大。

同时单一的数据源存在各种局限性，测试数据、核心网数据、业务平台数据、网管数据、用户投诉都是端到端的一个环节，多数据源的关联和融合才是精准优化的关键。

网优离不开对各种数据的分析处理，网优从来都是基于大量的数据采集与分析来开展的，这是毋庸置疑的。

随着云计算和大数据的概念推出，大数据变得异常火热，大数据在网优中应用的呼声也越来越高。

其实在大数据这个词出现之前，早就产生了大规模数据，只是现在才叫成大数据。

在网优领域的大数据是终端数据、业务数据、测试数据、空口数据、核心网数据、用户感知数据的结合体，大数据绝不仅仅只是数据量大，大数据在于数据之间的关联性和完整性。

因此网优领域的大数据精髓在于多数据源，既具备数据的完备性同时又有面向端到端问题的解决能力。

从2G时代的9个接口10种协议到4G时代的96个接口116种协议，网络的复杂程度不可同日而语，LTE的网优需要更加综合化和自动化的技术手段，因此网优平台应运而生。

网优平台应具备四种能力，一是集中化管理的能力，平台应具备标准化数据格式、统一数据接口、综合识别和管理多厂家数据的能力，具备横向一体化和纵向全生命周期的网络质量分析能力；二是业务感知能力，平台具备控制面和业务面相关联的业务全流程协议分析能力，通过开放DPI引擎规则及完善的自学习能力，来提供对更多的长尾业务的识别能力 ；三是问题复现能力，平台具备用户级的多接口信令关联能力，在需要复现问题时可以进行提取和回放，端到端的回溯分析能力是必不可少的；四是多维度分析能力，对KPI/KQI可以按网络、业务、用户、终端等维度或其组合维度来查看数据，这是网络的透视能力。

只有具备这些能力，同时拥有一个可拓展云计算架构和高效的数据处理能力，网优平台才可能获得有效的落地和应用。

有了平台和工具，就能通过软件的方式来实现工程师的经验和流程的固化，依靠自动化来提高工作效率。

但是工具依然是工具，并不能完全取代工程师。

首先工具的功能会受限于开发人员的水平，其次工具能否发挥有效作用有赖于工程师能否合理使用，同时工具的完善和拓展也有赖于工程师的维护和不断调优。

另外好的优化方案除了依赖功能强大的平台外，数据源的合理准确更是至关重要。

“巧妇难为无米之炊”，目前信令数据回填的准确率不到50%，全网尚无统一的DPI识别规则库，相同原始信令不同厂家之间业务识别差异能达到40%以上，XDR数据不具备信令回溯的能力，这些都是大数据网优需要迫切关注和解决的问题。

我们对大数据网优的看法：（1） 大数据不是目的，而是手段。