通信行業(yè)論文一種基于投資回報(bào)周期站點(diǎn)規(guī)劃評(píng)估方法（11頁(yè)）

1、通信行業(yè)論文一種基于投資回報(bào)周期站點(diǎn)規(guī)劃評(píng)估方法（11頁(yè)）通信行業(yè)論文-一種基于投資回報(bào)周期站點(diǎn)規(guī)劃評(píng)估方法（11頁(yè)） 一種基于投資回報(bào)周期的站點(diǎn)規(guī)劃評(píng)估方法 PAGEPAGE 10一、論文名稱一種基于投資回報(bào)周期的站點(diǎn)規(guī)劃評(píng)估方法二、技術(shù)領(lǐng)域本論文涉及無(wú)線通信技術(shù)領(lǐng)域，尤其涉及LTE無(wú)線網(wǎng)絡(luò)規(guī)劃方向。三、現(xiàn)有技術(shù)的技術(shù)方案LTE網(wǎng)絡(luò)進(jìn)入精細(xì)化建設(shè)階段，但隨著市場(chǎng)因素的刺激，不限量套餐流量迅猛增長(zhǎng)，網(wǎng)絡(luò)建設(shè)需求仍面臨較大的缺口，需要進(jìn)一步做好網(wǎng)絡(luò)需求與網(wǎng)絡(luò)效益之間的平衡，科學(xué)評(píng)估需求、合理配置資源，加強(qiáng)規(guī)劃站點(diǎn)投資效益和投資回報(bào)周期分析?，F(xiàn)有的站點(diǎn)規(guī)劃評(píng)估方法主要是基于以下方式：1、地市公司基

2、于市場(chǎng)發(fā)展、投訴熱點(diǎn)分析等上報(bào)建站需求，并結(jié)合省端集中優(yōu)化平臺(tái)、仿真平臺(tái)的進(jìn)行定位分析，給出需求站點(diǎn)位置，濾除部分現(xiàn)網(wǎng)已有站點(diǎn)和待建站的需求；2、對(duì)需求點(diǎn)周圍的站點(diǎn)參數(shù)配置進(jìn)行分析，給出需求點(diǎn)位的參數(shù)預(yù)規(guī)劃結(jié)果；3、設(shè)計(jì)規(guī)劃部門根據(jù)需求點(diǎn)位置進(jìn)行站點(diǎn)信息現(xiàn)場(chǎng)初步勘察，補(bǔ)充完善站點(diǎn)信息，并將需求站點(diǎn)提交省網(wǎng)優(yōu)審核；4、省網(wǎng)優(yōu)對(duì)地市上報(bào)站點(diǎn)需求進(jìn)行評(píng)審，從覆蓋、干擾、網(wǎng)絡(luò)結(jié)構(gòu)、站址信息、容量、場(chǎng)景等多個(gè)維度進(jìn)行站點(diǎn)評(píng)估，根據(jù)各維度指標(biāo)權(quán)重綜合量化評(píng)估，將滿足要求站點(diǎn)提交至滾動(dòng)規(guī)劃庫(kù)，根據(jù)評(píng)估結(jié)果排定優(yōu)先級(jí)。四、現(xiàn)有技術(shù)的缺點(diǎn)及本申請(qǐng)論文要解決的技術(shù)問(wèn)題現(xiàn)有規(guī)劃需求評(píng)估通過(guò)對(duì)網(wǎng)絡(luò)規(guī)劃的各個(gè)要素進(jìn)行梳

3、理，基于權(quán)重的經(jīng)驗(yàn)公式來(lái)進(jìn)行套用、計(jì)算。主要缺點(diǎn)表現(xiàn)在評(píng)估效率低，周期長(zhǎng)，準(zhǔn)確度不高，不能完全反映需求站點(diǎn)投資建設(shè)的價(jià)值回報(bào)情況。本論文提出了一種基于投資回報(bào)周期的站點(diǎn)需求評(píng)估方法，該方法以建站投資成本、建站月收益、建站回報(bào)周期來(lái)計(jì)算和衡量新增站點(diǎn)的需求。本次論文中采用了CART分類回歸樹算法原理，以現(xiàn)點(diǎn)的樣本數(shù)據(jù)進(jìn)行訓(xùn)練分類，測(cè)算樣本周期內(nèi)需求站點(diǎn)的流量數(shù)據(jù)，并根據(jù)流量數(shù)據(jù)特征值以灰度模型對(duì)在一定范圍內(nèi)的、與時(shí)間序列有關(guān)的流量變化規(guī)律進(jìn)行預(yù)測(cè)，計(jì)算需求站建設(shè)月收益及回報(bào)周期。本次論文建立一套適應(yīng)于現(xiàn)網(wǎng)的站點(diǎn)需求規(guī)劃評(píng)估方法，可以有效的提升站點(diǎn)需求評(píng)估的準(zhǔn)確性，避免人為參與因素的失誤，并且提升

4、站點(diǎn)規(guī)劃價(jià)值收益。五、本申請(qǐng)論文的技術(shù)方案的詳細(xì)闡述本論文提出了一種基于投資回報(bào)周期的站點(diǎn)需求評(píng)估方法，該方法主要是通過(guò)預(yù)測(cè)需求站未來(lái)流量預(yù)測(cè)來(lái)計(jì)算站點(diǎn)回報(bào)周期，其步驟如下：步驟一：數(shù)據(jù)采集與指標(biāo)選取1）站點(diǎn)資源數(shù)據(jù)采集：打通與無(wú)線網(wǎng)優(yōu)相關(guān)系統(tǒng)接口，自動(dòng)采集性能、告警、MR、信令、測(cè)試、經(jīng)分?jǐn)?shù)據(jù)；2）需求站點(diǎn)數(shù)據(jù)采集：包括地市、區(qū)縣、基站名稱、邏輯站名、邏輯站名、需求編號(hào)、經(jīng)度、緯度、設(shè)計(jì)院提供的單站投資成本數(shù)據(jù)C。3）數(shù)據(jù)分析處理：對(duì)因站點(diǎn)資源故障及臨時(shí)關(guān)閉站等原因產(chǎn)生的異常數(shù)據(jù)進(jìn)行剔除；4）指標(biāo)選?。悍治隽髁颗c某些指標(biāo)的強(qiáng)相關(guān)性，例如用戶數(shù)量，4G流量等。變量之間往往不會(huì)存在直接的線性相關(guān)

5、性，通過(guò)對(duì)變量進(jìn)行轉(zhuǎn)化，轉(zhuǎn)化后的模型趨向于線性相關(guān)，則輸出為與流量相關(guān)性強(qiáng)的指標(biāo)。本次樣本數(shù)據(jù)取樣范圍為全市所有4G基站，取樣周期為連續(xù)一個(gè)月站點(diǎn)日流量數(shù)據(jù)及相關(guān)性指標(biāo)，相關(guān)性指標(biāo)變量包括：4G流量、4G客戶數(shù)、4G累計(jì)駐留時(shí)長(zhǎng)、4GRRC用戶數(shù)、4GDOU、4G平均站間距、覆蓋范圍面積、覆蓋范圍內(nèi)站點(diǎn)數(shù)等，數(shù)據(jù)示例如下：日期ECI經(jīng)度緯度4G流量4G客戶數(shù)4G累計(jì)駐留時(shí)長(zhǎng)4GRRC用戶數(shù)8月14日118393352112.9078528.2221835.249225351065522308月15日118393352112.9078528.2221843.873127655707842698月

6、16日118393352112.9078528.2221842.914426553487602638月17日118393352112.9078528.2221846.210224248845282409月11日118393352112.9078528.2221830.409326854093122639月12日118393352112.9078528.2221829.478927254900482709月13日118393352112.9078528.2221829.03172855752440282表1步驟二：取樣周期內(nèi)的需求站點(diǎn)流量測(cè)算基于CART分類回歸樹算法原理，以步驟一全市所有樣本數(shù)

7、據(jù)進(jìn)行訓(xùn)練分類，按天得到日流量預(yù)測(cè)模型，以需求站點(diǎn)數(shù)據(jù)中的經(jīng)緯度作為輸入數(shù)據(jù)，構(gòu)造指標(biāo)特征測(cè)算現(xiàn)網(wǎng)環(huán)境下取樣周期內(nèi)需求站點(diǎn)的流量數(shù)據(jù)。CART分類回歸樹算法原理：CART算法采用二分遞歸分割的技術(shù)，分割方法采用基于最小距離的基尼指數(shù)估計(jì)函數(shù)，將當(dāng)前的特征樣本集分為兩個(gè)子樣本集，使得生成的的每個(gè)非葉子節(jié)點(diǎn)都有兩個(gè)分支，預(yù)測(cè)值即為葉節(jié)點(diǎn)目標(biāo)變量的加權(quán)均值。 X XX8X9X5X10X11X12X13(X7)(X6)(X3)(X4)(X2)( ) 為非終節(jié)點(diǎn) 為葉節(jié)點(diǎn)基于CART分類回歸算法，按天得到日流量模型，將需求站點(diǎn)（經(jīng)度：112.91819，緯度：28.24359）輸入模型得到流量測(cè)試數(shù)據(jù)如

8、下：日期經(jīng)度緯度日流量(G)8月14日113.0137128.1831661.32618月15日113.0137128.1831655.09848月16日113.0137128.1831656.27528月17日113.0137128.1831652.88168月18日113.0137128.1831652.33188月19日113.0137128.1831651.33188月20日113.0137128.1831653.8754.9月12日113.0137128.1831660.66309月13日113.0137128.1831662.7008表2步驟三：需求站點(diǎn)流量變化趨勢(shì)預(yù)測(cè)灰色模型流量

9、趨勢(shì)原理：灰色預(yù)測(cè)：灰色預(yù)測(cè)是指對(duì)系統(tǒng)行為特征值的發(fā)展變化進(jìn)行的預(yù)測(cè)，對(duì)既含有已知信息又含有不確定信息的系統(tǒng)進(jìn)行的預(yù)測(cè)，也就是對(duì)在一定范圍內(nèi)變化的、與時(shí)間序列有關(guān)的灰過(guò)程進(jìn)行預(yù)測(cè)。盡管灰過(guò)程中所顯示的現(xiàn)象是隨機(jī)的、雜亂無(wú)章的，但畢竟是有序的、有界的，因此得到的數(shù)據(jù)集合具備潛在的規(guī)律。灰色預(yù)測(cè)是利用這種規(guī)律建立灰色模型對(duì)灰色系統(tǒng)進(jìn)行預(yù)測(cè)?；疑A(yù)測(cè)模型GM以系統(tǒng)分析、評(píng)估、建模、預(yù)測(cè)、控制、決策、優(yōu)化為主體的技術(shù)體系。目前使用最廣泛的灰色預(yù)測(cè)模型就是關(guān)于一階微分的GM(1,1)模型，它是基于隨機(jī)的原始時(shí)間序列，經(jīng)按時(shí)間累加后所形成的新的時(shí)間序列呈現(xiàn)的規(guī)律可用一階線性微分方程的解來(lái)逼近。詳細(xì)步驟如下

10、：建立標(biāo)準(zhǔn)體系：利用流量具有的周期性特征，將流量數(shù)據(jù)劃分成7類：周一、周二、周三、周四、周五、周六、周日。對(duì)每個(gè)類型都建立一套獨(dú)立完整的調(diào)整標(biāo)準(zhǔn)，針對(duì)流量每個(gè)分類每個(gè)小區(qū)每天都有獨(dú)立的標(biāo)準(zhǔn)值。首次建立標(biāo)準(zhǔn)時(shí)，用現(xiàn)網(wǎng)預(yù)測(cè)數(shù)據(jù)頭7天（一周）的流量作為標(biāo)準(zhǔn)值，經(jīng)歷一個(gè)周期后，每個(gè)時(shí)間點(diǎn)都具備了標(biāo)準(zhǔn)值，即建立了完整的標(biāo)準(zhǔn)體系，可以開始進(jìn)行預(yù)測(cè)分析；標(biāo)準(zhǔn)值修正：調(diào)整標(biāo)準(zhǔn)具備自動(dòng)修正的能力，每個(gè)指標(biāo)每種周期分類都設(shè)置獨(dú)立的指標(biāo)標(biāo)準(zhǔn)修正步長(zhǎng)，每個(gè)小區(qū)每個(gè)時(shí)間點(diǎn)采集到實(shí)際數(shù)據(jù)后，根據(jù)指標(biāo)實(shí)際值與原標(biāo)準(zhǔn)值的變化比例，對(duì)原指標(biāo)標(biāo)準(zhǔn)值進(jìn)行修正，生成新的指標(biāo)標(biāo)準(zhǔn)值。標(biāo)準(zhǔn)修正規(guī)則如下：指標(biāo)變化比例 = (實(shí)際值 - 原

11、標(biāo)準(zhǔn)值) / 原標(biāo)準(zhǔn)值如果指標(biāo)變化比例 0，修正后標(biāo)準(zhǔn)值 = 原標(biāo)準(zhǔn)值 + 修正步長(zhǎng)，如果修正后標(biāo)準(zhǔn)值 實(shí)際值，則實(shí)際值 = 修正后標(biāo)準(zhǔn)值如果指標(biāo)變化比例 0，修正后標(biāo)準(zhǔn)值 = 原標(biāo)準(zhǔn)值 - 修正步長(zhǎng)，如果修正后標(biāo)準(zhǔn)值 實(shí)際值，則實(shí)際值 = 修正后標(biāo)準(zhǔn)值標(biāo)準(zhǔn)值與預(yù)測(cè)值誤差預(yù)測(cè)GM(1,1)設(shè)有變量為某一個(gè)預(yù)測(cè)對(duì)象的非負(fù)原始數(shù)據(jù)列，為建立灰色預(yù)測(cè)模型：首先對(duì)進(jìn)行一次累加（1AGO，Acumulated Generating Operator）生成一次累加序列：其中對(duì)可建立下述微分方程：式子中可用下式求解：其中上述微分方程的解可表示為：或預(yù)測(cè)值的還原由于GM模型得到的是一次累加量，時(shí)刻的預(yù)測(cè)值，必

12、須將GM模型所得的數(shù)據(jù)(或)經(jīng)過(guò)逆生成，即累減生成（1AGO）還原為（或)才能用。因?yàn)?，所以。灰色系統(tǒng)模型的檢驗(yàn)設(shè)原始序列，相應(yīng)的模型擬序列為，殘差序列可表示為：相對(duì)誤差序列為：對(duì)于kn,稱為k點(diǎn)模擬相對(duì)誤差，稱為濾波相對(duì)誤差，稱為平均模擬相對(duì)誤差，給定。當(dāng)且時(shí)，稱模型為殘差合格模型。若為原始序列，為相應(yīng)的模擬誤差序列，為殘差序列。為的均值，為的方差，為殘差均值，為殘差方差；此時(shí)，稱為小誤差概率，對(duì)于給定的，當(dāng)時(shí)，稱模型為小誤差概率合格模型。精度檢測(cè)對(duì)照表: 精度等級(jí) 指標(biāo)臨界值相對(duì)誤差關(guān)聯(lián)度均方差比例小誤差概率一級(jí)0.010.90.350.95二級(jí)0.050.80.50.8三級(jí)0.10.70

13、.650.7四級(jí)0.20.60.80.6表3一般情況下，最常用的是相對(duì)誤差檢查指標(biāo)。以表2中的數(shù)據(jù)構(gòu)造原始數(shù)據(jù)列標(biāo)準(zhǔn)值(G)實(shí)際值(G)61.326161.335255.098455.079456.275256.295252.881652.848152.331852.278351.331851.410353.875453.9754.59.491959.515360.663060.574062.700862.5318表4我們將標(biāo)準(zhǔn)值與實(shí)際值的差值作為原始序列：對(duì)進(jìn)行一次累加（1AGO），生成數(shù)列如下：即根據(jù)前述公式可計(jì)算出：最終得出灰色模型GM(1,1)為：以30天（一個(gè)月）為預(yù)測(cè)的周期，依次使

14、用灰色模型GM(1,1)計(jì)算得到未來(lái)30天的流量預(yù)測(cè)數(shù)據(jù)：日期經(jīng)度緯度流量9月13日113.0137128.1831662.70089月14日113.0137128.1831656.33369月15日113.0137128.1831657.53679月16日113.0137128.1831654.06709月17日113.0137128.1831653.50499月18日113.0137128.1831652.48259月19日113.0137128.1831655.0831.10月12日113.0137128.1831662.022910月13日113.0137128.1831664.1063表5步驟四：站點(diǎn)月收益計(jì)算根據(jù)當(dāng)前流量單價(jià)p（元/G），計(jì)算未來(lái)一個(gè)月的收益，計(jì)算公式如下：R步驟五：站點(diǎn)投資回報(bào)周期比較第一個(gè)月站點(diǎn)收益R1與成本數(shù)據(jù)中的單站投資(C)數(shù)據(jù)，當(dāng)R1C時(shí)，按步驟3，步驟4，計(jì)算接下一個(gè)月站點(diǎn)收入R2，直至R1+R2+RnC.按月投資回報(bào)效益比較計(jì)算，得到經(jīng)過(guò)N個(gè)月的運(yùn)營(yíng)實(shí)現(xiàn)建站成本的回收，意味著建站N個(gè)月后，就可以進(jìn)入盈利期。六、本申請(qǐng)論文的關(guān)鍵點(diǎn)和欲保護(hù)點(diǎn)1）本論文提出的基于樣本周期內(nèi)需求站點(diǎn)的流量值采用灰度模型預(yù)測(cè)需求站點(diǎn)未來(lái)流量值，是計(jì)算需求站點(diǎn)月收益的