基站价值评估模型的应用研究

doi:10.11959/j.issn.1000-0801.2023001

Abstract

Abstract:

The value evaluation and benefit analysis of newly built sites have always been a problem that plagues operators’ network construction.Compared with the traditional evaluation methods based on coverage and complaints, a brand-new site value evaluation model was constructed from the dimensions of cost, revenue, adjacent base station load, and regional traffic development potential.The composition and calculation method of the specific index of the evaluation model were given, and the value score of the site was obtained by combining the weights of each index.Finally, suggestions were given for the applicable scenarios of the model, and practical application methods were illustrated with examples.

Key words: 4G/5G, site planning, accurate network construction, value evaluation, model

CLC Number:

TN929.5

Chuanbing GONG, Mingshuai YANG, Song WU, Haiping GE, Shouguo ZHANG, Lei LIU, Yunshan QI, Hui XU. Research on the application of site value evaluation model[J]. Telecommunications Science, 2023, 39(1): 100-107.

Figures/Tables 9

References 15

[1]	尚军, 焦卫平, 张春凌 . 多维度基站站址价值评估分析研究[J]. 互联网天地, 2016(11): 44-48.
	SHANG J , JIAO W P , ZHANG C L . Research and analysis of the assessment of the multi dimension base station value[J]. China Internet, 2016(11): 44-48.
[2]	田艳中 . 农村移动基站的投资效益分析[J]. 电信工程技术与标准化, 2012,25(12): 48-51.
	TIAN Y Z . Analysis on the investment and benefit of base sta-tion in countryside[J]. Telecom Engineering Technics and Stan-dardization, 2012,25(12): 48-51.
[3]	郑旭升, 陈敏 . 农村基站建设优先级评估体系[J]. 广东通信技术, 2010,30(7): 2-5.
	ZHENG X S , CHEN M . Priority evaluation system for rural base station construction[J]. Guangdong Communication Tech-nology, 2010,30(7): 2-5.
[4]	黄圣红, 李洲 . 基于多维度开展 4G 无线网络投资效益评估[J]. 电信工程技术与标准化, 2016,29(10): 70-74.
	HUANG S H , LI Z . Research on the evaluation of investment benefit of 4G radio network based on multi dimension[J]. Telecom Engineering Technics and Standardization, 2016,29(10): 70-74.
[5]	严寒榕 . 基于大数据的多维度评估模型探讨[J]. 通讯世界, 2014(6): 4-6.
	YAN H R . Discussion on multi-dimensional evaluation model based on big data[J]. Telecom World, 2014(6): 4-6.
[6]	YANG H Y . A network traffic forecasting method based on SA optimized ARIMA-BP neural network[J]. Computer Networks, 2021(193): 108102.
[7]	WANG X , ZHAO J , ZHU L ,et al. Adaptive multi-receptive field spatial-temporal graph convolutional network for traffic forecasting[J]. 2021 IEEE Global Communications Conference (GLOBECOM), 2021: 1-7.
[8]	宋巍, 郑志刚, 顾翀 . 基于多维度数据的5G站址选择评估体系[J]. 移动通信, 2020,44(5): 42-44.
	SONG W , ZHENG Z G , GU C . 5G site selection evaluation system based on multidimensional data[J]. Mobile Communica-tions, 2020,44(5): 42-44.
[9]	汪丁鼎, 许光斌, 丁巍 ,等. 5G 无线网络技术与规划设计[M]. 北京: 人民邮电出版社, 2019.
	WANG D D , XU G B , DING W ,et al. 5G wireless network technology and planning design[M]. Beijing: Posts ＆ Telecom Press, 2019.
[10]	邱斌, 嵇明华, 李土光 ,等. 5G 网络智能规划体系研究[J]. 邮电设计技术, 2022(2): 9-13.
	QIU B , JI M H , LI T G ,et al. Research on 5G intelligent plan-ning system[J]. Designing Techniques of Posts and Telecom-munications, 2022(2): 9-13.
[11]	邓金荣, 李陵 . 基于大数据分析的基站效益评估建模与应用[J]. 广东通信技术, 2022,42(2): 30-33.
	DENG J R , LI L . Modeling and application of base station ben-efit evaluation based on big data analysis[J]. Guangdong Com-munication Technology, 2022,42(2): 30-33.
[12]	沙晶 . 大数据分析在基站建设优先级评价中的应用研究[J]. 中国新通信, 2017,19(17): 120-121.
	SHA J . Research on the application of big data analysis in the priority evaluation of base station construction[J]. China New Telecommunications, 2017,19(17): 120-121.
[13]	LIU Q , SHI Y M , LI F C ,et al. Research on services modeling in LTE networks[J]. China Communications, 2016,13(2): 109-120.
[14]	ZHOU Y Q , LIU L , WANG L ,et al. Service-aware 6G:an intelligent and open network based on the convergence of communication,computing and caching[J]. Digital Communications and Networks, 2020,6(3): 253-260.
[15]	ZHOU Y Q , TIAN L , LIU L ,et al. Fog computing enabled future mobile communication networks:a convergence of communication and computing[J]. IEEE Communications Magazine, 2019,57(5): 20-27.

Metrics

Recommended 0

No Suggested Reading articles found!

方法	基础数据	适用场景	优缺点
流量密度法	基站基础信息，相邻基站流量	适用于加密站或容量站流量估计	使用方便，成本低
人口分布地图法	基站基础信息，DOU，用户渗透率，人口分布地图	不仅适用于连续覆盖网络，也适用于新建网络和偏远孤站的业务预估	未考虑漫入漫出用户影响，且人口分布地图需要单独购买，成本高

基站名称	覆盖场景	基站频段	天线挂高/m	与基站A的距离/m	基站覆盖半径d/m	基站覆盖面积S/km²	日均流量（开通前）/GB	日均流量（开通后）/GB
基站A（新站）	市区	2.1 GHz	29	0	461	0.41	0	137
基站B	市区	700 MHz/2.1 GHz双频	17	704	820	1.31	496	552
基站C	市区	700 MHz/2.1 GHz双频	29	713	1 002	1.96	890	809
基站D	市区	700 MHz/2.1 GHz双频	29	776	1 002	1.96	326	330

参数名称	普通市区（700 MHz)		普通市区（2.1 GHz)
参数名称	上行	下行	上行	下行
系统带宽/MHz		10		15
总RB数/个		50		100
上行与下行配比	1	1	1	1
MIMO配置	1T4R	2T2R	1T4R	4T2R
边缘速率/（kbit·s^-1）	256	4 096	256	4 096
发射机　　　　单天线端口最大发射功率/dBm	23	43	23	43
发射天线增益/dBi	0	15	0	15
EIRP/dBm	23	58	23	58
单用户分配RB数/个	4	50	4	75
调制编码方案（MCS）	4	5	4	4
接收机　　　　　接收机噪声系数/dB	3	7	3	7
热噪声/dBm	-115.4	-104.5	-115.4	-102.7
接收机底噪声/dBm	-112.4	-97.5	-112.4	-95.7
SINR/dB	-1	1	-1	-1
接收机灵敏度/dBm	-113.4	-96.5	-113.4	-96.7
增益余量损耗　接收天线增益/dBi	15	0	15	0
干扰余量/dB	3	5	3	5
馈线损耗/dB	1	1	1	1
塔放增益/dB	0	0	0	0
阴影衰落/dB	8.7	8.7	8.7	8.7
穿透损耗/dB	18	18	18	18
人体损耗/dB	3	3	0	0
分集增益/dB	6	5	6	7
切换增益/dB	0	0	0	0
最大路径损耗L_p/dB	123.8	123.8	126.8	129

参数名称	基站B	基站C和D	基站B	基站A、C和D
频率f	700 MHz		2.1 GHz
基站高度h_b/m	17	29	17	29
移动台高度h_m/m	1.5	1.5	1.5	1.5
最大路径损耗Lp/dB	123.8		min (126.8, 129)
传播模型	Okumura-Hata		COST231-Hata
覆盖半径d/m	820	1 002	389	461
覆盖面积（定向站）S/km²	1.31	1.96	0.3	0.41

网元	维度	指标名称	指标定义
单站（规划站）	成本	TCO	指标定义	TCO=CAPEX+OPEX
			CAPEX=无线+配套+传输接入（按照10年线性折旧）
			OPEX=铁塔租金+维护费用+电费
	流量	日均流量/GB	根据上文流量估计方法估计基站开通后日均上/下行总流量
簇指标（相邻站）	忙时利用率	忙时下行	计算每天簇下行PRB利用率最大值，然后取7天平均。
		PRB利用率	忙时下行PRB利用率=∑下行PRB占用数/∑下行可用PRB数
		超忙小区	计算7天内平均超忙小区比例。
		比例	超忙小区定义为一天内任意时段满足：（下行 PRB 利用率≥80%且每 PRB 流量≥
			0.06 GB且RRC连接用户数≥0.6）或（下行PRB利用率≥80%且RRC连接用户数≥2）
		忙时每PRB	计算每天忙时“RRC连接数/PRB”最大值，然后取7天平均。
		连接数/个	忙时每PRB连接数=∑RRC连接数/∑等效PRB数
			（FDD制式等效PRB数为小区配置PRB数，TDD制式等效PRB数为小区配置PRB
			数×下行时隙占比）
	全天PRB	每PRB日均	计算每天每PRB承载流量，然后取7天平均。
	利用率	流量/GB	每PRB日均流量=∑上下行总流量/∑下行等效PRB数
	发展潜力	流量年	簇内所有在网基站日均总流量的年增长率
		增长率
注：资本性支出（capital expenditure，CAPEX），如购买基站费用；运营成本（operating expense，OPEX），如电费、铁塔租金等；频分双工（frequency division duplexing，FDD）；物理资源块（physical resource block，PRB）

Research on the application of site value evaluation model

RichHTML

PDF下载

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 9

References 15

Related Articles 15

Metrics

Recommended 0

网元	指标名称	权重	门限1	门限2	指标评分方法
单站指标	TCO/万元	20%			分3段线性计分
					x≤门限1，得满分100
					x≥门限2，[门限2]/x× 60
					其他，60+(门限2-x) ? (门限2-门限1)×40
					（门限1= TCO 均值-TCO标准差，门限2 =TCO均值+TCO标准差，
					TCO均值和标准差基于现网统计）
	日均流量/GB	10%	0	200	x≥门限2，得满分100
					其他，线性计分，x/[门限2]×100
					（门限2，基于现网统计，或基于典型配置基站的TCO、每GB单价、期
					望的静态投资回收期计算期望值）
簇指标	忙时下行 PRB	10%	0	80%	x≥门限2，得满分100
	利用率/个				x＜门限2，线性计分，x × 100
					（根据RRC连接数和PRB利用率变化关系统计，利用率超过80%时会对
					用户感知产生明显影响）
	超忙小区比例	20%	0	50%	x≥门限2，得满分100
					其他，线性得分，x/[门限2]×100
	忙时每PRB	20%	0	1.2	x≥门限2，得满分100
	连接数/个				其他，x/[门限2]×100
					（门限 2 根据业务模型测算在满足要求的 QoS 条件下允许的最大激活用
					户数，再根据当地用户激活率计算得到）
	每PRB日均	10%	0	1	x≥门限2，得满分100
	流量/GB				其他，x/[门限2]×100
					（门限2基于现网统计得到，即选取全天最忙时下行PRB利用率满足一
					定条件下的小区的每PRB日均流量作为样本，再统计每PRB日均流量分
					布区间，取中值（TDD模式，计算每PRB日均流量时下行可用PRB数需
					乘以下行时隙占比））
	流量年增长率	10%	0	100%	x≤0，不得分
					x<门限2，得分为x× 100
					x≥门限2，得满分100

网元	指标名称	指标值	权重	指标得分	加权得分
单站指标	CAPEX/万元	23.18	/	/	/
	OPEX/（万元·站年^-1）	4.63	/	/	/
	TCO得分	/	20%	75	15
	日均流量-估计值/GB	235.5	/	/	/
	收入/（元·天^-1）	706.5	/	/	/
	每GB成本/（元·GB^-1）	0.81	/	/	/
	静态回收期/年	1.1	/	/	/
	收入得分	/	10%	100	10
簇指标	忙时下行PRB利用率	73.9%	10%	73.9	7.4
	超忙劣化小区比例	55.6%	20%	100	20
	忙时每PRB RRC连接数/个	1.24	20%	100	20
	每PRB日均流量/GB	1.32	10%	100	10
	簇流量年增长率	40.9%	10%	40.9	4.1
基站价值评估得分		/	/	/	86.5

评估结果	站点数/个	站点数分段累计
95以上	210	210
80分以上	148	358
70分以上	86	444
60分以上	15	459
低于60分	9	468

[1]	Zehua GUO, Haowen ZHU, Tongwen XU. Network modal innovation for distributed machine learning [J]. Telecommunications Science, 2023, 39(6): 44-51.
[2]	Shanshan LI, Jianhong XU, Tao LI, Yongjian ZHAO, Zhifei LIU. Research on digital twin network capability maturity model of telecom operators [J]. Telecommunications Science, 2023, 39(6): 149-158.
[3]	Yiyin GU, Hongkui WANG, Haibin YIN. VVC coded distortion prediction model based on frame-level transform coefficient modeling of generalized Gaussian distribution [J]. Telecommunications Science, 2023, 39(4): 101-110.
[4]	Liang XU, Ye WANG, Ran ZHENG, Jiheng ZHANG, Ping YUAN, Xinyang LI, Yu TIAN. Design and application of multi-dimensional evaluation model of telecommunication network operations and maintenance [J]. Telecommunications Science, 2023, 39(4): 142-151.
[5]	Wen QIAO, Xiaozheng WANG, Gan REN, Aidong YANG, Shoufeng WANG, Peng WANG, Xiaozhou YE, Ye OUYANG. An eCUA model for integrated computing power and decentralized digital identity and a new business system supporting information framework [J]. Telecommunications Science, 2023, 39(4): 152-164.
[6]	Lijuan YE, Yiting WANG, Licheng ZHU. Cellular automata model based power network attack prediction technology [J]. Telecommunications Science, 2023, 39(4): 173-179.
[7]	Yishi HAN, Yuxin XU, Tiantian LU. A model of RD-IHSAT rumor dissemination based on coupling network [J]. Telecommunications Science, 2023, 39(2): 118-131.
[8]	Yudi SUN. A prediction model of massive 5G network users’ revisit behavior based on telecom big data [J]. Telecommunications Science, 2023, 39(2): 157-162.
[9]	Mingrui XU, Yucai YAO, Xiaorong ZHU. A Fisco-Bcos platform based accurate performance analysis model of blockchain system [J]. Telecommunications Science, 2023, 39(1): 79-91.
[10]	Ming WAN. Business model stakeholders and boundary reconstruction of 5GtoB [J]. Telecommunications Science, 2022, 38(Z1): 60-66.
[11]	Shiliang HU. Thinking and understanding of six major problems in the large-scale development of 5GtoB [J]. Telecommunications Science, 2022, 38(Z1): 67-76.
[12]	Keqiang GUO, Feng CHENG, Zhenlong TAN. 5G empowers digital transformation of industries:scenario, pathway and business model [J]. Telecommunications Science, 2022, 38(Z1): 101-107.
[13]	Jingbo ZHAO, Shilei DONG, Tingyu HUANG, Mengxia CHEN, Peng HUANG. Research on accurate and efficient coverage of 5G private network [J]. Telecommunications Science, 2022, 38(Z1): 108-119.
[14]	Bin ZHUGE, Linchao WANG, Yang SONG, Yu SHAO, Ligang DONG, Xian JIANG. Routing planning and handoff based on LSTM traffic prediction [J]. Telecommunications Science, 2022, 38(8): 86-100.
[15]	Nan FENG, Helin LIU, Quan ZHOU, Haijun YANG, Mineng FU, Daping ZHONG. Research on 5G core network service model intelligent prediction [J]. Telecommunications Science, 2022, 38(8): 111-119.