农村地区的4G覆盖质量分析一直是运营商的痛点，本文从运营商角度出发，针对自然村网络覆盖质量和竞对覆盖情况如何分析的问题，提出了基于MR二维数据的较为精确的评估方法。
4G网络建设从2015年开始逐步扩展到乡镇农村地区，为响应国家脱贫攻坚号召，近几年通过电信普遍服务和农村网络扶贫，各运营商不断加大农村地区的4G投入。从目前掌握的数据看，中国移动在全国行政村4G覆盖率已达到98%以上，自然村覆盖率也在逐年提高。这里所说的覆盖率是行政村或自然村覆盖个数的比例，并不能完全体现网络覆盖能力。为严格执行共建共享目标，近两年建设的农村4G基站基本上是在2G基站站址上进行升级建设的，继承了2G网络的工参，虽然频段一致，但其对行政村或自然村的真实覆盖能力还需要进一步评估。
1 评估内容和方法
运营商对于农村地区的网络覆盖评估主要从两个方面入手:一是以自然村为单位评估自身覆盖是否达标，二是评估与竞争对手的覆盖能力差异。有别于城市区域可以采用路测方式评估网络覆盖质量，农村地区特别是偏远农村和贫困村，采用逐一自然村现场测试的方式会带来极大的人力和物力消耗。目前，采用MR统计数据进行覆盖分析的应用较为普遍，但MR数据主要还是用于连续覆盖区域查找自身网络覆盖黑点，不常用于零散覆盖的农村地区。同时，在做弱于竞对分析时常因准确度不高而不能作为唯一评判依据。本文所论述的评估方法就是从MR数据分析的痛点出发，首先定位自然村在所属覆盖小区内的位置，准确评估该位置的覆盖质量，而后通过增加辅助判别手段提升竞对分析准确度。
1.1.自然村覆盖能力评估
第1步：获取自然村经纬度信息。目前很多省已能够通过运营商市场部门或者地方政府获取到自然村经纬度信息，这是以下评估分析的基础。
第2步：计算每个自然村与最近基站的距离和方位角。通过自然村和基站经纬度信息可以计算出两点间的距离和方位角，假设基站经纬度为（Zj，Zw）,自然村经纬度为（Cj,Cw），R为地球平均半径，不考虑海拔高度的情况下将基站和自然村经纬度转换为三维直角坐标（Xa,Ya,Za）和（Xb,Yb,Zb），通过计算三个坐标轴方向的差值，继而得到自然村和基站的距离。
Xa=R×cos(Zw)×cos(Zj) Ya=R×cos(Zw)×sin(Zj) Za=R×sin(Zw)
Xb=R×cos(Cw)×cos(Cj) Yb=R×cos(Cw)×sin(Cj) Zb=R×sin(Cw)
三个坐标轴方向差值：ΔX=Xa-Xb ΔY=Ya-Yb ΔZ=Za-Zb
自然村和基站的距离：
在计算方位角时，考虑到经线上，纬度每差1度,实地距离大约为111公里；纬线上，经度每差1度,实际距离为111公里×cos（纬度）。自然村C点相对于基站Z点的方位角表示为以Z的正北方向为起始0度，顺时针方向的角度。
C点在第一象限时，方位角=α；C点在第二象限时，方位角=360+α；C点在第三、四象限时，方位角=180+α。
在实际工程中，为了方便操作，已经有工程设计人员针对两点最近距离的计算编制了小程序，后续可以在此基础上将方位角的计算整合进去。
第3步：定位所在小区。获取4G基站工参中的方位角信息，比对第2步计算结果，确定自然村所属覆盖小区。例如某基站三扇区方位角为60°、180°、300°，一扇区的夹角范围为0°-120°，若经第2步计算的自然村相对于该基站的方位角为100°，则该自然村位于一扇区覆盖范围。
第4步：评估自然村覆盖质量。已知自然村所属小区后，提取该小区MR二维数据MR.TadvRsrp，该数据反映了UE的时间提前量与参考信号接收功率在同时刻的统计结果，通过该数据可以得到不同TA下测量上报的RSRP电平值。4G一个TA区间对应48个Ts，约等于234m，结合自然村与最近基站的距离，可以定位自然村所在TA区间并获得相应的RSRP电平统计结果，进而评估该自然村实际信号覆盖质量，覆盖率计算方式见表1。
表1 利用二维数据MR.TadvRsrp计算小区内不同TA区间的RSRP覆盖率
1.2.自然村覆盖竞对能力评估
在获取小区级MR.TadvRsrp数据进行网络覆盖自身能力评估时，可以由基站向终端下达开启异频测量指令，支持其他运营商4G频段的多模多频终端可以同步测量并上报竞对RSRP电平信息。自然村所在TA区间内总采样点数量包括了三家运营商的采样点，通过分析处理，网管平台可以提取出各运营商的采样点数量及其RSRP电平信息，借此可以统计各运营商在该自然村的覆盖质量，即覆盖率。但实际操作时存在一些问题，该覆盖率的计算是按照采集到的采样点大于某电平指标的数量占总采样点数的比例进行统计的，如果某运营商总采样点数偏少，突然出现高电平采样点就可能拉高覆盖率，导致分析结果不准确。总采样点数少，一方面可能是因为覆盖差，另一方面也可能是因为用户终端不支持竞对频段导致无竞对覆盖信息上报。
为了解决通过MR分析竞对覆盖能力不准确的问题，普遍会在MR分析结果基础上增加一些辅助判定手段做进一步分析。例如结合站点工参剔除一些周边无竞对站点但MR却统计为弱于竞对的小区；通过获取竞对MR数据，与自身的MR数据在地图上做渲染，剔除判断失误的小区。第一种方式利用工参做剔除操作起来较容易，但主观判断因素较多。第二种方式获取竞对MR数据进行分析最为直观，但竞对数据获取难度极大。鉴于此，本文提出一种新的辅助判定手段，通过修正竞对采样点的理论比例，对比实际采样点占比，初步判断MR分析结论是否准确。后续选取部分样本点进行验证，得到实际采样点占比与理论比例偏差的经验值，作为直接判断依据。
首先是修正竞对采样点的理论比例，假设某小区覆盖范围内三家运营商均有覆盖（优劣不同）且用户终端均支持多模多频，则三家运营商采样点比例应该是相同的，即33%。实际情况并非所有终端均支持竞对频段，因此通过获取小区级用户终端支持竞对频段的比例，可以初步计算出竞对采样点理论比例。
小区修正后的竞对采样点理论比例=小区内支持竞对频段的终端占比×33%
MR统计结果中若实际竞对采样点占比与理论比例吻合，则通过MR分析得出的三家运营商覆盖能力对比结果可信度较高。但如果竞对采样点占比低于理论比例，则说明竞对覆盖率统计结果很可能是受到了采样点数量少的影响。在实际分析过程中，为了避免因MR统计误差导致误判断，建议以5个百分点为一个区间，分别选取低于理论比例5pp、10pp、15pp、20pp、25pp、30pp的部分自然村进行现场验证，统计出该地区采样点差值比例经验值。例如经过统计分析，某省MR分析为弱于竞对的自然村中，竞对采样点比例低于理论比例15pp以上的自然村基本上判断为因为采样点少导致分析结论不准确，后续可以按照此经验值直接剔除这部分竞对分析不准确的自然村，集中力量到剩余的弱于竞对自然村进行现场测试，根据测试结果最终确定优化方案或建站方案，以此降低农村地区整体摸排的无效投入。
另外，当自然村最近基站距离已超出网络覆盖能力范围时，通过MR分析手段是无法获得竞对覆盖质量信息的。这时可以采用向铁塔公司获取竞对站点工参进行比对的方式，得到“人有我无”的自然村信息，进而有针对性地补充覆盖。
2 其它问题
2.1覆盖站判断失误问题
自然村覆盖能力评估时，在非平原地区，由于自然村与最近基站之间可能有山体阻挡，因此存在最近基站并非其覆盖基站的情况。针对这一问题，在第二步计算最近基站距离和方位角时，首先增加第二近站和方位角信息，如果第一近站和第二近站与自然村的距离均符合农村地区4G基站覆盖能力范围，则重点关注此类自然村。一方面可以通过谷歌图层观察判断，另一方面可以通过MR二维数据MR.TadvAoa判断第一近站是否为该自然村的覆盖站。MR.TadvAoa反映了UE的时间提前量与到达角在同时刻的统计结果，通过该数据可以得到不同TA下不同到达角区间的采样点数量，如果第一近站在目标自然村位置的采样点占比很小，则说明第一近站并非该自然村的覆盖站。采样点占比计算方式见表2。
表2 利用二维数据MR.TadvAoa计算小区内不同TA区间的采样点占比
2.2采样点理论比例修正精度问题
自然村覆盖竞对能力评估时，虽然可以精确获得自然村的覆盖率信息，但由于暂时无法获得不同TA下的终端支持频段信息，因此在进行竞对采样点理论比例修正时只能按照整个小区的终端支持比例进行修正。
2.3竞对采样点占比影响分析结果的问题
从网络原理上分析，除非自身覆盖率和竞对覆盖率均较差，否则是否弱于竞对与整体覆盖率高低应无直接关系。我们假设以下场景，在冬季农村地区，用户普遍居家，某运营商在该区域室内信号属于弱覆盖，竞对基本无覆盖，这时总采样点中，绝大部分属于该运营商，竞对极少。当用户走到室外，来到信号较好的区域时，同时采集到了该运营商和竞对的高电平信号并上报，从统计结果看，竞对由于采样点基数少结果覆盖率高于该运营商，但该小区由于绝大部分采样点都属于弱覆盖，所以整体覆盖率偏低。在对农村地区MR数据进行整体分析时发现，覆盖率弱于竞对的小区中，竞对采样点比例较小时，该小区整体覆盖率偏低。网络数据呈现出来的规律很好的说明了通过MR分析弱于竞对的结果会存在因为竞对采样点少而导致分析结果不准确的问题。从某省运营商MR竞对分析情况可以看出，弱于竞对小区整体覆盖率相比优于竞对小区低6.5pp，弱于竞对小区中，竞对采样点占比与理论比例偏差从15pp开始，整体覆盖率出现下滑，如图1所示。
图1 某省运营商MR竞对分析情况（覆盖率）
3 结束语
虽然5G网络建设节奏不断加快，但从各运营商透露的信息看，出于投资效益的考虑，短期内均没有在农村地区部署5G的计划，因此4G仍然会一直是农村地区数据业务的基础网络。国家放开携号转网的限制后，各运营商均有用户转入和转出，用户转出一方面是出于资费的考虑，但更主要的原因还是网络质量带给用户的体验不能满足用户使用要求造成的。各运营商在城区加大5G建设投入的同时，也应该同步完善农村地区4G覆盖，多利用一些数据分析手段可以较好的定位农村网络覆盖问题，降低农村摸排无效投入，提高网络扶贫工作效率。
