基于数字孪生技术的5G智能规划系统应用

郑涵瑜

(陕西彬长矿业集团有限公司，陕西 咸阳 712046)

全球范围内5G商用进程正在加速推进，5G技术的新标准、新需求给5G无线网络规划带来诸多挑战和机遇，基于人工经验的规划方法在5G网络环境下已经无法满足现在的需求，急需引入基于数字孪生(数字化双胞胎)技术的5G无线网络智能规划方法，用以提升5G规划效率，确保资源精准投入，为建设5G网络成功规划奠定基础。笔者基于现有的数据平台，完成5G覆盖仿真模型、神经网络的偏差调整、粒子群算法的站址寻优、场景化的规划方案输出，实现高效支撑5G无线网规划的工作目标。

2020年5G网络商用有序推进，扎实推进5G网络规划、建设和管理工作，为公司提升网络质量优势、巩固行业领先地位、创建一流示范企业贡献更大力量。因此高效智能的5G网络规划水平，是确保5G网络竞争优势的关键因素。但目前5G网络规划面临着4个重大挑战[1]。

稀缺性：2G/3G/4G在商用前，业界已经开发出成熟的规划工具，辅助软件发展领先于网络，但是5G商用至今，仅少许厂家有成熟软件，并多以云服务形式使用，数据使用权在厂家侧。

复杂性：新兴移动互联网业务发展，对网络提出更高的要求。针对不同的业务需求，需要不同的规划方案。

协同性：4G/5G的规划协同，如何更好地利用现网4G站址，择优选择5G站址，如何实现宏微协同覆盖。

多样性：基站设备从原来单一的FDD4TR、TDD8TR演进到现在8TR、16TR、32TR、64TR等多种设备共存，每种设备又有不同的使用场景和配置原则。

为进一步精准、敏捷、高效、高质地支撑全省5G无线网络规划建设，通过基于数字孪生技术的5G智能规划系统研究与应用，解决了目前5G网络规划中所面临的5G规划仿真软件欠缺、设备型号多样复杂、输出方案费时费力等问题。

2.1 建立基于数字孪生技术的5G覆盖仿真模型

利用当前4G网络中的MR测量数据基于5G传播模型，研究4G/5G覆盖电平补偿差异，通过研究RS功率配置补偿、天线差异补偿、空口差异补偿、穿透损耗补偿等，测算得到5G的覆盖电平，弥补了目前5G仿真软件欠缺。

5G电平覆盖折算预测依据现有4G的MR数据测量方法，避免了在覆盖预测上的过多假设，直接基于传播模型来考虑差异，折算后得到5G的覆盖。根据HATA模型公式，结合4G的传播模型，对比路损公式，在多种因素不变的情况下，折算出5G的栅格场强。利用4G MR折算较真实反应5G的覆盖情况，避免了仿真软件传播预测的理想化弊端。

5G的栅格场强=功率差异+4G栅格场强+天线差异+空口差异+穿透损耗差

如天线波瓣，假设5G站点和4G站点情况一致，3.5 GHz信号低于4G的1.8 GHz信号，但5G信号在单站点的水平和垂直方向覆盖更集中，如图1所示。

图1 天线波瓣对比

2.2 研究基于神经网络的偏差调整

由于无线环境复杂，测算出的5G电平会与实际电平存在一定的偏差，考虑到同一场景无线传播特性的相似性，利用这一特点，使用4G网络D频段(D1/D2)的场景化实际采样数据，进行偏差计算，再利用计算出偏差结果对5G测算电平进行补偿，提升测算精度，如图2所示。

图2 神经网络偏差调整流程

首先提取同栅格内的4G D1频率的RSRP数据，通过4G D1频率RSRP采样数据测算4G D2频率RSRP。再通过对MR测量的D2频率RSRP与根据D1频率RSRP测算的D2频率RSRP进行偏差计算，利用计算偏差对测算5G RSRP进行补偿得到修正后的最终5G RSRP。

BP(Back Propagation)神经网络[2]，是按照误差逆向传播算法训练而成的多层前馈神经网络，它的基本思想是梯度下降算法，利用梯度搜索技术，使网络的实际输出值和期望输出值的误差均方差最小[3-4]。BP算法原理为利用输出后的误差估计输出层的直接前导层的误差，再用这个误差估计更前一层的误差，就能获得所有其他层的误差估计，如图3所示。

图3 BP算法原理

输出层为D1、D2，误差函数为

模型训练完成后测算的5G RSRP输入神经网络模型进行偏差补偿。计算最终5G RSRP。

2.3 采用基于粒子群算法的站址寻优

针对仿真结果，以5G MR问题栅格为基准，采用k-means++算法对问题栅格进行聚类，形成问题聚类区域；
通过关联其指标特征栅格形成聚类区域整体指标特征。

针对聚类问题区域，采用粒子群优化算法(PSO)，经过机器学习的方式，协同搜索，迭代寻优得到最佳选站方案。在现有4G站址上选择最佳站址，确保站址选择的共站率[5]。

2.3.1k-means++算法

采用k-means++算法[6]，对问题栅格进行聚类，形成问题聚类区域，以MR问题栅格为基准，关联其指标特征栅格，计算聚类区域内MR问题栅格的所有指标特征，形成聚类区域整体指标特征。如图4和图5所示。

图4 k-means++算法

图5 MR栅格聚类

2.3.2 粒子群算法(PSO)

粒子群算法是一种模拟自然中的鸟群不可预测的行为而产生的人工智能算法。在粒子群优化算法中，把需要优化问题的所有可能性解看作一个解空间，在这个解空间里有N个可能的解，每一个解称作一个粒子。每一个粒子都是被优化函数的一个解[7]，这些解有全局最优解、局部最优解和每个粒子的最优解。整个优化问题的求解过程就是每个粒子在追寻最优粒子的过程中不断更新自身的速度和位置的过程[8]。

2.3.3 粒子群算法站址寻优

BOER等[9]在论述有关交叉熵对聚类影响时，提出了一种独特的方法。他们将样本的聚类当作是一种样本的组合形式，这种组合的结果要尽可能地使一组内的样本特征一致，不同组之间的差异尽可能大。当样本基数达到一定数量时，组合的数量十分庞大，要想枚举出每一种可能，几乎是做不到的。基于这种组合的思想，提出粒子群聚类算法(Particle Swarm Optimization Clustering，PSOC)，首先将样本随机地分到某一类，即分配类号，再利用粒子群算法的全局搜索能力，对样本所属类别进行更新，得到最优解，最优解代表了最好的分类[10]。

2.4 基于场景化的规划方案输出

根据宏站天线类型和基站功率的选择，针对不同的场景输出不同的规划方案。

2.4.1 各个场景的5G设备

高校、密集城区场景：首选64T 320W/240W覆盖，64T64R多通道可以保证容量需求；
AAU5639w支持大带宽，支持C-band部署；
功率高，可保证下行覆盖；
密集城区，首选64T64R 240W产品，可保证上下行平衡。

普通城区场景：首选64T 240W覆盖，AAU5639w采用Massive MIMO技术，支持64T64R，显著提升了站点的三维覆盖能力；
相较于密集城区，普通城区用户密度略低，因此从综合角度考虑，采用240 W的高功率设备更适用于普通城区的场景。

普通道路、郊区场景：首选32T设备覆盖，32T32R多通道可以保证容量需求；
AAU5336w支持大带宽，功率高，采用华为自主研发的中射频芯片以及独创的天线阵子技术，支持更大的信号覆盖范围；
普通道路、郊区场景，综合考虑首选32T32R 320W产品。

天面紧张场景：首选A+P设备的方案，原因为天面空间受限，5G低挂高问题，铁塔风荷载受限。

新建高价值场景：首选4G/5G双模PRRU覆盖的形式，原因为双模PRRU可以同时开通4G及5G，对于未做4G的覆盖场景而言，可以节省4G投资，对于已有4G的高负荷诸如大型购物中心等场景，双模PRRU可以根据现网4G状况，开通4G异频，从而提高整个区域的4G容量，同时解决5G覆盖需求[11]。

隧道场景：采用8T8R RRU+贴壁天线的形式，RRU5818，原因为隧道内空间狭小，形成封闭环境，室外信号损耗严重，5G频率高，功耗大，传输损耗大，难以用传统泄露电缆覆盖；
工程上协调工作困难，设备安装位置受限，安全性要求高等。

大型办公楼场景：选用设备类型：采用外接天线有源室分系统覆盖，原因为外接型有源室分采用RHUB+外接型PRRU的组网方式，外接型PRRU通过馈线外接天线，可有效提高单个PRRU的覆盖面积，从而减少整体覆盖的设备数量，节省投资。

2.4.2 5G行业应用

总体思路是从问题栅格位置视角出发，寻求合理的建站点位，以得到区域内的加站权重，依据权重由高到低的原则逐一推荐站点位置，最后参考3D地图数据，结合视距阻挡等因素给出最终位置建议。综合考虑5G深度覆盖立体组网策略，根据不同场景多种业务类型和性能预测结果，自动匹配方案库中的规划方案[12]。见表1。

表1 行业应用场景速率时延对应

通过4/5G理论分析，并使用DT数据与MR预测数据进行比较验证，5G MR仿真结果的增益偏差在0～2dB的占比为87.6%，偏差在可接受的范围内。目前该系统已经完成开发上线，通过对全省室内外的5G建模仿真，自动输出5G的规划方案及相关参数配置，并通过地图渲染直观呈现。同时支持分场景(医院、学校等场景识别分类结果)、室内外、方案阶段(选址方案、选站+推站方案)的统计及3D性能指标(RSRP、上下行SINR、上下行速率)的呈现。已完成输出5G室内外方案1 600余个，已纳入立项批复950余个，有效支撑5G网络智能化规划方案的输出，如图6所示。

图6 4/5G理论/DT/MR仿真覆盖增益差值对比

对比5G单波束和4G LTE的覆盖评估，理论计算增益相差2.77 dB，DT增益相差3.48 dB，路测略好于理论，相差0.71 dB；
对比5G 8波束和4G LTE的覆盖评估，理论增益相差10.29 dB，DT增益相差11.92 dB，室外MR增益差12.56 dB，室内MR增益差12.07 dB，室外仿真增益差10.78 dB，室内仿真增益差10.28 dB。系统已投入使用，预估年节省投入433.5万元，包含：①1套5G规划仿真软件180万(参考单机版ATOLL报价)；
②节省人力,提高规划工作效率，可为全省节约规化人员5名，按2019年全省平均人工成本16.7万元/年·人估算，每年可节约人力成本83.5万元；
③节省勘查费用,通过提供初步规划方案，提升现场勘查效率，按年输出规划4 000站来算，单站勘查成本节约10%(单站勘查费4 250元)，预计每年节约费用170万元。

面对5G新技术带来的各种挑战，5G无线网络智能规划已经成为共识，通过引入基于数字孪生技术的5G智能规划系统，实现精准选址、智能选型，打造面向未来5G精品网络能力的规划方法，旨在高效支撑面向未来的市场竞争和5G发展带来的挑战。