[发明专利]GMS移动网络扩容精算方法

权利要求书

1.GMS移动网络扩容精算方法，其特征在于其方法步骤如下：

一、数据采集：

(1)全网小区性能数据即动态数据采集：

采集数据的内容包括有载频数、话务信道数、话务量和拥塞率；数据的时间要求为至少两年的历史数据；采集数据的方式为与话务网管建立接口，接口形式为FTP接口、数据库接口中的任一种，数据采集程序从指定的服务器中获取数据文件，并导入到系统数据库；

(2)全网小区配置数据即静态数据采集：

采集数据的内容包括有小区的网元归属关系、地理信息、覆盖类型；数据采集的方式为数据批量导入，系统提供文件上传功能，用户上传指定格式的EXCEL文件，数据采集程序将其导入到系统数据库；

二、数据修正及汇总：

(1)数据修正：

数据修正的方法为：取最近一周的话务量和话务信道的加权平均值为基准值，以基准值的0.8-1.2倍为合理波动范围，对某天的话务量进行修正，即小于基准值的0.8倍的，按照基准值的0.8倍计算；大于基准值的1.2倍的，按照基准值的1.2倍计算；两者之间的，不作处理；

(2)数据汇总：

数据汇总是将原始数据按照网元、地域、时间维度的归属关系，汇总成对不同粒度的数据，以供报表展示和扩容预测使用；网元维度上的汇总包含BTS①级、BSC②级、MSC③级；地域维度上的汇总包含地区级；时间维度上的汇总是将小时级的数据汇总到日级；

三、全网话务量预测：

(1)全网话务量三阶多项式预测：

数据取全网忙时的话务量，并按照上述修正方法生成修正的汇总数据；对汇总数据做三阶多项式拟合，得到曲线方程y＝ax²+bx+c；其中y为全网预测话务量，x为距历史数据的起始时间的天数；将时间代入上述方程，得到全网预测话务量；

(2)季节因子修正：

修正方法为参照历史同期的话务量波动趋势，修正上述步骤中得到的全网预测话务量，即预测话务量的历史同期话务量与上述曲线方程在该时间点的话务量值会有一个差值Δy，季节因子修正的全网预测话务量y₁就等于上述三阶多项式预测值y加上这个差值Δy，即y₁＝y+Δy；

(3)重大事件配置：

配置如中秋节、春节、五一、十一等会引起话务量异常波动的时间；

(4)重大事件修正：

在季节因子修正的基础上，对重大事件的时间段内的全网预测话务量再做一次修正；修正方法为参照预测年的该时间段前两年的同期增幅n和预测年前一年的该时间段的话务量y₂，得到预测年该时间段的话务量y₃＝y₂×n；取y₃与季节因子修正后的全网预测话务量y₁的平均值，作为预测年该时间段的最终预测话务量y₀；

(5)全网话务量预测结果：

对预测年的每一天的三阶多项式预测值分别做季节因子修正和重大事件修正，得到预测年的全网预测话务量；

四、小区的话务量预测：

(1)该小区话务量三阶多项式预测：

数据取该小区修正后的忙时话务量，对小区话务量做三阶多项式拟合，得到曲线方程y＝ax²+bx+c；其中y为小区的话务量，x为距历史数据的起始时间的天数；将时间代入上述方程，可得到小区预测话务量；

(2)区域因子修正：

利用该小区所属区域的全网预测话务量对该小区预测话务量作修正；对小区的修正数据做三阶多项式曲线拟合，得到初步的小区预测话务量y₁；小区信道数x₁；全网预测话务量y₂；全网信道数x₂；按照加权平均算法修正后的小区预测话务量y₃＝(y₁×x₁+y₂×x₂)/(x₁+x₂)×x₁；按照每线话务量的方法得到小区的预测话务量y₄＝y₂/x₂×x₁；最终的小区预测话务量y_o＝(y₃+y₄)/2；

(3)保存小区的预测话务量：

(4)小区参数配置即小区利用率门限、呼损率、拥塞率配置：

小区利用率门限为两个百分数，即小区的最大利用率和最小利用率，用于计算该小区的最大设计话务量和最小设计话务量；呼损率、拥塞率用于根据爱尔兰B表查找该小区的配置；

(5)计算该小区的设计话务量：

小区预测话务量/小区的利用率＝小区的设计话务量；

五、小区配置预测：

(1)查找小区配置：

在爱尔兰B表中，查找满足小区设计话务量要求的，并且呼损率和拥塞率在配置要求范围内的小区的配置信息，即载频数和话务信道数；

(2)小区配置变更：

将上述查表得到的结果与现网的小区配置信息做比较，得到小区的配置变更情况；

六、全网配置预测：

对所有小区做上述预测过程，经过汇总得到全网的配置预测结果；内容包括全网有N个小区需要扩容，共扩容n个载频，有M个小区需要拆闲，共拆闲m个载频；

七、生成结果展示：

通过人机界面展示报表查询、话务量预测、载频资源分配、投资统计报告。