一、网络优化中大数据分析转变

基于对大数据的分析研究,从而预测数据的使用走向,为网络优化提供方向。大数据对于网络的指引作用,主要是将结构数据转变为混合数据,使更多的数据被使用;将离线数据转变为在线数据,及时得到数据更新;将单一系统数据转变为多系统数据,使数据的来源更为广泛;将结果数据转变为动态数据,实时监测数据结果。大数据的这种功能的实现有赖于网络优化中大数据分析的转变,这种转变可以分为三种情况。

第一个是大数据的使用更加系统化,不再是仅仅局限于随机取样等方式,对数据进行全局分析才更具有代表性。目前的网络发展较快,已经采用多元网络连接,各网络元之间的操作多样,采取数据采样的方式较为单一,不能完全展示数据的代表性。例如用户的业务使用情况,不能仅仅分析业务性能,还需要分析物理层和网络层的数据,综合化分析找出具体问题。

第二个是数据的类型复杂多样,研究量加大,研究的目标不再是精确化,而是效率化。网络业务大都服务于普通网络用户,业务服务也都是采用智能终端,网络业务的丰富多样,使得单个用户占据的空口宽带变大。网络优化就主要针对同频干扰,使小区负荷变化周期变长,更好适应网络负载变化。

第三个是在前两者的转变基础上演变而来,不是分析数据之后去考虑数据带来的结果,而是对数据之间的联系进行分析。网络系统内存在干扰,需要对小区干扰码、载波频点等进行合理的资源分配,使各方面之间协调。目前仍采用的是业务测试的方式进行优化,这种方式只有在干扰区域能得到明显的效果,对于整体的网络优化并没有显著提高。因此,通过对各小区之间的数据相关联,找出干扰小区与邻近小区之间的关联性,建立合理的网络资源分配体系。

二、网络优化中的大数据应用方式

1、全局数据取代采样数据数据

分析的精确性与样本数量的大小相关不大,当样本容量增加到某一个最大值后,所获取的更多样本数据已经不具有可用性,因为样本的来源相同,所带来的信息量相似度高。随机取样是很常见的一种获取数据来源的方式,随机取样是在不能做出完全数据分析的基础上进行的快捷方式,它本身存在着局限性。如果随机取样的随机性不合理,会造成数据的精确性降低。例如,网络优化中的覆盖分析就是采取的全局数据分析方式,而使用随机采样数据就不具备科学性。网络覆盖分析最常用道路测试采样的方式进行获取数据,对移动终端的信号功率进行道路测试来评估网络覆盖性能,这样的数据受到所测区域的限制。在以前这种方式还能进行网络覆盖测定,但是,如今是数据业务成为主流,道路测试的 测试范围受到限制,例如死角等,所以,全网的覆盖不能通过采样数据进行表示。

2、效率优于精确

以前对网络优化的看法是网络优化工作的精确性要高于效率,因为如果没有新加基站、用户投诉等问题,网络优化的变动性是不大的。例如,优化调整两个小区之间的邻区网络资源配置,话务网管统计一定时期内两个小区之间的切换次数是常见方式,如果发现两个小区之间的切换次数没达到一定量,则它们就不具备邻区关系,删除即可。但是,增加邻区关系的优化则比较复杂,需要大量的道路测试信号频率进行添加。道路测试的工作周期以及网络工程师的数据分析的精确是影响工作效率的因素。

3、相关关系代替因果关系

传统网络优化侧重于因果分析,对于一个小区的网络质量分析,往往是从小区内部系统干扰分析,如果是小区之间出现同频碰撞,调整小区间的频点即可,这样就容易忽视了小区之间的相关关系。在同频的网络通信中,经常会出现两个小区之间重叠覆盖导致小区间的干扰现象,干扰矩阵是解决方法。利用切换统计、MR等数据,获得邻区对此小区产生干扰的几率。通过量化形式小区间关系去优化网络资源配置是提高工作效率的重要方式。

三、对于网络优化中大数据应用的情况

大数据的发展必将朝着智能化个性化、商业化发展。根据人们的需求，提供更加精确、贴心的服务，高效的处理流程等，最终被商业所大量采用，因此，大数据是网络化向着精确化、智能化、集中化的方向逐渐前进，网络优化可以利用数据采取云端数据服务、便捷快速的工具平台、开放的数据优化平台、与业务匹配的计算功能等进行工作。对于未来网络优化的方向，可以集中在优化全网的信息管理，为优化分析的数据进行完善；加强之前涉及不到的网络质量；加强数据分析对网络优化的指导作用。

未来的网络将会全面对更多大的同异频切换、基站增加、用户业务增多等挑战，网络问题的解决需要从大数据出发，从大数据应用之中发展问题，提高网络运行性能，优化网络质量，如果大数据的分析方法能够得到良好的应用，是对网络平台优化的一项贡献。