一种5G高负荷问题智能定位预测方法

随着5G网络的大量建设和快速发展,市场5G终端的大力推广及普及使用,5G网络负荷压力问题日益突出,特别是高校、商业区、居民区等热点场景,存在高负荷问题处理滞后、分析效率低等问题。文章提出了一种5G高负荷问题智能定位预测方法,通过利用KPI的全局性、周期性和实时性的特点,构建负荷训练模型,对关键指标进行监控分析,快速识别业务变化情况,预测定位未来某个时刻或某个区域的负荷情况。在负荷问题发生前,精准定位问题小区,提前预测分析处理,将问题处理前置化,提前化解业务增长带来的网络风险,提升用户感知。

高校高话务场景5G干扰提升策略研究

NR网络已经过多年建设,5G用户得到快速增长,热点区域的基站负荷也在逐渐升高,尤其是在高校区域,5G用户集中分布,非常容易出现高负荷基站,为了解决高负荷问题,可以采用室分QCELL小区分裂的方式进行扩容。但现阶段,中国移动室内外基站均采用同频组网,对高负荷的室分小区进行小区分裂后,多小区重叠覆盖又会引出高干扰问题,可能导致用户无法接入、频繁掉线、上网速率低等情况,用户体验较差。以山西农业大学为例,介绍了5G高负荷和高干扰问题的解决方法,解决了同频干扰和容量不足的问题,提升了5G用户感知。

5G高密重载场景ToB/ToC组网策略研究

为满足冬奥高密重载组网需求,利用国家体育场环境实施空频多维度5G立体组网、精细容量规划、精准区域覆盖,并在全场景应用分布式大规模天线技术、端到端5G切片技术、载波聚合、超级上行等多种5G新技术,提升极致性能。同时,针对不同业务类型实施ToB/ToC网络分层、ToB业务全场景隔离等手段保证高密重载场景下各业务感知,既能够承载全场数万人5G网络压力,又为UHD超高清直播等创新业务多样化需求预留充足的能力。

基于4G/5G协同的高密重载场景网络规划方法

高密重载场景一般具有4G业务量巨大、网络负荷持续高位、建筑结构复杂等特点,信号覆盖和干扰控制难度极大,同时还需考虑5G终端渗透率快速提升,如何有效进行4G/5G协同网络规划是亟需解决的问题之一。基于此,在大量的现场测试基础上,给出了高密重载场景下的4G/5G协同网络规划方法,并以具体实例进行分析,通过现场测试验证了该方法的有效性和科学性。