高速铁路专网设计与优化.docx

高速铁路专网设计与优化.docx

《高速铁路专网设计与优化.docx》由会员分享，可在线阅读，更多相关《高速铁路专网设计与优化.docx（44页珍藏版）》请在冰豆网上搜索。

高速铁路专网设计与优化

高速铁路专网设计与优化

中国移动通信集团上海有限公司

2007年6月

目　　录

一、摘要

自铁道部实施第6次铁路大提速后，为了保证用户在提速后的通信质量保持不变甚至有所提高，我们针对列车的材质，行驶速度，用户行为，基站覆盖等特点，在前期完成了铁路沿线主覆盖小区摸底，列车穿透损耗测试，传播模型校正，话音数据业务预测等前期准备工作的前提下，提出了高速铁路专网设计与优化的技术方案，此方案包括专网设计，专网组网和专网优化等内容。

在此基础上，对铁路专网规划，和后期优化调整形成指导思想，并将关键技术和指导原则应用于沪宁铁路（上海段）专网覆盖建设中，以此表明该技术方案对于铁路专网建设具有指导性，实用性和有效性。

关键字：

高速铁路、穿透损耗、传播模型、话务模型、网络规划、网络优化

二、课题研究背景

2.1铁路提速

随着城市经济的发展，铁路运输系统承担起越来越多的客流运送任务。

自2007年4月18日起，中国铁道部将进行第6次列车提速。

届时，列车时速将提升至200公里，而京哈、京沪、京广、胶济等提速干线部分区段可达到时速250公里。

2.2CRH简介

在本次铁路提速的同时，铁道部引入了CRH这一新型列车，该列车全称为“中国高速铁路列车”，CRH是（China Railway High-speed）英文字母的缩写。

该列车分为CRH1、CRH2、CRH3和CRH5这4个种类，其中，CRH1、2、5均为200公里级别（营运速度200KM/h，最高速度250KM/h）。

CRH3为300公里级别（营运速度330KM/h，最高速度380KM/h）。

而CRH2具有提升至300KM级别的能力。

表1：

CRH列车基本信息表

列车类型

运营速度

最高速度

载客人数

列车长度

列车材质

CRH1

　200KM/h

　250KM/h

　670

　213.5M

　不锈钢

CRH2

　200KM/h

　250KM/h

　610

　201.3M

　中空铝合金车体

CRH3

　330KM/h

　380KM/h

　暂无

　200.0M

　暂无

CRH5

　200KM/h

　250KM/h

　604

　205.2M

　中空铝合金车体

注：

上海目前行驶的CRH为CRH2型。

三、高铁专网设计方案

3.1专网设计目标

列车提速后的手机用户进行通信时，由于受到高速移动过程中的快衰落、多普勒效应、列车材质对无线信号衰减以及无主力覆盖小区的影响，往往容易发生切换混乱，无法接通，掉话等现象。

另外，铁路沿线涉及的位置区过多，在LAC边界处又会由于大量位置更新而造成SDCCH溢出。

因此，铁路专网设计的目的是在确保列车内电平强度达到-85dBm以上的情况下，解决上述问题，提高通信质量。

3.2列车穿透损耗测试

高铁专网设计中，首先要对各列车类型作相关的穿透损耗测试，以穿透损耗最大的车种作为设计基础，来确保用户在各种车型中都可以获得正常的通话电平值。

为此，我们对铁路上海段行驶的T型列车、K型列车、庞巴迪列车和子弹头CRH2型列车逐一做了相关测试工作。

其中测试发信工具采用爱立信发信设备、定向天线支架和衰减器，该设备安装在列车外空地上；测试收信设备采用SAGEMOT290，该设备将在车厢外及车厢内多点处进行接收采样，从而比较出车厢内外的电平值差异。

3.2.1T型列车测试

图1：

T型列车测试平面图

表2：

T型列车测试结果

车厢类型

位置

接收电平（dBm）

衰耗值（dB）

硬座车厢

a点

-60

0

a1点

-75

15

b点

-60

0

b1点

-61

1

b2点

-72

12

c点

-61

0

c1点

-61

0

c2点

-74

13

T型列车车窗比较大，车窗玻璃衰耗很小，衰耗约为2dBm；车内综合衰耗（人体、座椅等）约为10dB；播音室损耗16dB。

3.2.2K型列车测试

图2：

K型列车测试平面图

表3：

K型列车测试结果

位置

接收电平（dBm）

衰耗值（dB）

硬座车厢

A点

-60

0

A1点

-76

16

D点

-80

20

B点

-61

0

B1点

-63

2

B2点

-72

11

C点

-62

0　

C1点

-64

2

C2点

-74

12

软卧车厢

E点

-61

0

E1点（门开）

-67

6

普通K型列车窗玻璃衰耗约为3dB；车内综合衰耗（人体、固定物）约为10dB；值班室或播音室衰耗约为16dB；卧铺车厢车体衰耗约为7dB，卧铺车厢门衰耗约为7dB。

3.2.3庞巴迪列车测试

图3：

庞巴迪型列车测试平面图

表4：

庞巴迪型列车测试结果

车厢类型

位置

接收电平（dBm）

衰耗值（dB）

软卧车厢

A点

-53

0

C点

-70

17

F点（门开）

-74

21

F点（门关）

-77

24

B点

-52

0

D点

-72

20

E点（门开）

-76

24

E点（门关）

-79

27

庞巴迪车体衰耗约为17dB，车厢内空间衰耗约为4dB（相比T和K型列车，车厢内的人非常少），卧铺车厢门衰耗约为3dB。

3.2.4CRH2测试

图4：

CRH2型列车测试平面图

表5：

CRH2型列车测试结果

车厢类型

位置

接收电平（dBm）

衰耗值（dB）

软座车厢

A点

-49

0

C点

-50

1

E点

-60

11

B点

-53

0

D点

-55

2

F点

-62

9

车体衰耗约为1dB，通过模拟测试发现CRH列车车体基本没有损耗。

车厢内空间衰耗约为10dB（相比T和K型列车，损耗也较小）。

3.2.5测试小结　

通过对上述4种类型的列车进行穿透损耗测试，可以发现新型CRH列车的穿透损耗未高于庞巴迪列车，因此上海段的专网设计中，假如要求车厢内提供用户通信的电平值要达到-85dBm以上，则列车车厢外的覆盖电平需达到-60dBm。

表6：

各车型穿透损耗总结

车型

普通车厢（dB）

卧铺车厢（dB）

播音室中间过道（dB）

综合考虑的衰减值

T型列车

12

－

16

12

K型列车

13

14

16

14

庞巴迪列车

－

24

－

24

CRH2列车

10

－

－

10

专网设计采用值

24

注：

铁路上海段目前行驶的CRH仅为CRH2型，其它类型的CRH穿透损耗需按实际情况重新测试。

3.3重叠覆盖距离估算

3.3.1手机重选与切换

在GSM通信事件中，小区重选与小区切换需要一定的时间来完成接续工作。

其中小区重选规则中，当手机测量到邻小区C2高于服务小区C2值且维持5秒钟，手机将发起小区重选，若在跨位置区处，则邻小区C2必须高于服务小区C2与CRH设置值的和且维持5秒钟，手机发起小区重选和位置更新。

而在小区切换过程中，通常测量报告在经过设定的SACCH窗口值平滑后，经BSC判断，将发起小区切换，而整个切换的时间取决于SACCH的设置值，该值通常设为8。

表7：

小区重选与小区切换

通信事件

满足条件

估算时长

小区重选

C2（邻）＞C2（服务）且时间达到5秒

5秒

位置更新

C2（邻）＞C2（服务）＋CRH（服务）且时间达到5秒

5秒

小区切换

rxlev（邻）＞rxlev（服务）且时间达到给定的SACCH设定值

小于5秒

3.3.2列车时速与重叠覆盖距离

我们在研究专网小区重叠覆盖区域的同时，假定重叠区域覆盖是均匀的。

在左图中，点A、C和点B、D分别是两个小区的边界，E点为两小区RxLev等值点。

BC段为两小区重叠覆盖距离。

取小区重选与小区切换较长的时间（5秒钟）作为计算基础，若列车由小区1行驶至小区2，则列车在EC段之内必须完成小区重选或小区切换，因此重叠覆盖距离BC段的列车行驶时间为10秒钟，按照公式：

在列车在市区时的进站和出站时由于是变速行驶，我们给出的平均速率为180KM/h，折50M/s；在列车均速行驶时，按照其运营速率200KM/h，折算等于55M/s；按照其最大速率250KM/h，折算等于70M/s。

因此专网小区的最小重叠覆盖距离为市区内平均330M，市区按运营速率计算为550M，按最大速率计算为700M。

表8：

专网小区重叠覆盖距离

区域

市区内

市区外

运营速率

最大速率

最小重叠距离

　500M

550M

700M

建议设计的重叠距离

　600M

660M

840M

3.4传播模型采用

在无线规划中，采用合适的传播模型可以准确地预估所需要的基站数量以及覆盖强度，而在铁路专网的设计中，我们采用的传播模型是ALCATELA9155V6中的标准传播模型（SPM模型）。

3.4.1传播模型简介

ALCATELA9155V6中的标准传播模型（SPM模型）以COST231-Hata经验模型为基础，可用于150-2000MHz的无线电波传播损耗预测，作为无线网络规划的传播模型工具，具有较好的准确性和实用性。

SPM传播模型

SPM模型的数学表达形式是：

（式1）

表9：

SPM模型各系统含义

系数

说明

默认值

K1

频率相关因子

12.4

K2

距离衰减因子

44.9

K3

基站发射天线有效高度相关因子

5.83

K4

衍射计算相关因子

0

K5

发射天线有效高度和传播距离相关因子

-6.55

K6

移动台接收天线有效高度相关因子

0

Kclutter

地貌相关因子

1

表10：

SPM模型默认值参见表1

参数

含义

量纲

d

发射点到接收点的直线距离

m

Heff

基站天线有效高度

m

Diffraction

衍射损耗

dB

Hmeff

移动台天线有效高度

m

3.4.2传播模型校正原理及方法

在无线网络规划中，通常使用经验的传播模型预测路径损耗中值，不同的模型可应用于不同的无线场景。

在这些模型中，影响电波传播的一些主要因素，如收发天线距离、天线相对高度和地型地貌因子等，都作为路径损耗预测公式的变量或函数。

但是实际的无线环境千变万化，因此传播模型在具体应用时，需要对模型中各系数进行必要的修正，从而找到合理的函数形式，这个过程就是传播模型校正。

3.4.2.1SPM校正原则

尽管SPM模型的各个因子都是可以进行校正的，但在实际应用中由于所能采集的数据有限，并且在特定应用场合中所关注的因子并不相同，因此模型校正的总原则是：

对于特定应用场景，对重点相关因子进行修正。

K1是与频率相关的因子，对于GSM900M或1800M，可以取默认值12.4。

K2是反映模型校正区域内总体无线环境特征的参数，能普遍适用于模型校正区域。

如果应用场景属于K2对应的无线环境，K2可以取相应的默认值。

K3是与天线有效高度相关的因子，由于天线挂高在测试过程中保持不变，而且测试的距离通常在3km范围内，天线覆盖区域内的地形变化通常并不明显。

因此在整个测试过程中K3对模型的准确性影响较小，不建议对K3进行校正。

K4是与衍射计算相关的因子。

如果测试区域内，圆锥体（劈尖）或圆柱体物体（建筑）所占比例较少，边缘绕射或曲面绕射对总场波传播的损耗有限，因此建议K4取为0。

K5是对K2和K3两个影响因子的综合，建议取默认值。

K6是与移动台天线有效高度相关的因子。

类似于K3因子，不建议K5进行校正。

Kclutter是地形地貌因子。

无线网络规划的对象之一是不同的无线环境，而无线环境的表现载体是丰富的地形地貌。

现阶段对GSM传播模型校正的主要任务集中在Kclutter的确认和修正。

3.4.2.2SPM校正流程

Ø测试数据采集

模型校正结果的准确性很大程度上依赖于路测采集数据的可靠性。

数据采集的原则包括：

（1）测试采集数据应至少包括经度、纬度和场强信息。

（2）测试采集数据应当能很好地反映测试信号的中值，避免因采集数据中所包含的快衰落未被滤去而影响校正的准确性，并注意测量数据的突然变化。

（3）单位时间、单位距离内的采样点数可参考李氏定理。

（4）移动台接收天线高度为1-2m，接收机及GPS采用外接天线置于车顶，以避免因测试车与基站相对位置的不同而导致的车体损耗差异及人体损耗。

（5）隧道或桥梁等特殊场景的数据应进行标记，便于事后筛选。

（6）与本地地貌明显不符的地方应进行标记，便于事后筛选。

（7）当接收信号不满足以下条件时，测试不应当再向远处延伸。

接收信号-接收机灵敏度>10dB

接收信号-底噪>20dB

Ø数据预处理

由于数据采集设备测到的场强数据为信号的瞬时值，其中包含着快衰落成分，需要进行数据预处理。

当接收机距离发射机比较远时，接收信号强度很低，因接收机灵敏度的影响，其测量值往往不准确；对于测试信号，底部噪声在远端接收信号中的比例比较大，不利于模型校正，所以远端的测试点应予以去除。

当接收机位于基站附近时，由于受天线垂直方向图的影响，接收信号的功率主要受到基站附近建筑物和街道走向的影响，因此离基站很近的测试数据不能用于传播模型校正。

在测试过程中，由于人为失误或设备故障，可能会出现偏差很大的测量数据，另外由于测试中行车路线受路况限制，可能偏离测试方案预定的测试区域。

为了防止这些数据对模型校正的影响，在模型校正之前应予以滤除。

数据预处理可以采用算术平均法，对于经纬度信息相同的场强数据，求算术均值；也可以采用统计平均法，对于经纬度信息相同的场强数据，采用中值作为测试数据。

另外，由于GPS设备信息更新的速度有限。

如果在同一GPS上聚集了大量的数据，可以对得到的测试数据在两个相邻的GPS信息点上进行插值处理，将测试到的数据平均分配到相邻的GPS信息点的连线上。

Ø传播模型校正方法

在铁路专网设计中，模型校正主要是对地形地貌因子Kclutter进行校正。

为了便于说明问题，当基站天线有效高度（Heff）和移动台天线有效高度（Hmeff）确定后，SPM模型可以表示为：

（式2）

其中，

当C2已知，C1得到校正值后，即能计算出地形地貌因子（Kclutter）的校正值。

如果借用最小二乘法对C1进行校正，则根据式2的表达形式，对于一组有效的测试数据Li（i=1,2,…N）和di（i=1,2,…N），有：

（式3-1）

（式3-2）

使得L的预测误差最小。

3.4.3传播模型应用

考虑到地貌的纯粹度，以及避免测试过程中建筑物阻挡等影响，在沪宁铁路（上海段）沿线原有站点中选择符合地貌测试要求的3个站点（分别是锦星、翔黄和红湖基站），进行实地测试。

表11：

传播模型校正实测点

站点序号

站址

经度

纬度

天线挂高（m）

EIRP

1

锦星

121.39204

31.262682

29

45.75

2

翔黄

121.29412

31.28767

15

45.75

3

红湖

121.159

31.30326

32

45.75

其中基站EIRP=发射机输出功率（41.1dBm）-馈线损耗（3.5dB）+天线增益（8.15dB），计算结果为45.75dBm。

表12：

测试设备

工具名称

型号

厂家

发射机

IFR2025signalgenerator

IFR

接收机

E6474A（software）

E6455C（hardware）

Agilent

天线

K751664

kathrein

馈线

1/2”

数字地图

20m*20m

GPS

GARMINX21

笔记本电脑

DellD610

测试结果描述

测试中一共测试了三个点：

锦星、翔黄和红湖。

在具体的测试路线选择以及数据的采集上都达到了要求，路线基本在所需测试地貌内，地貌所需数据量也足够用于分析，最后的校正结果也达到了起初的目的，能根据测试地区的地貌情况，给出了一个推荐的数据。

以下是这次测试的一个总体分析。

各个站点的路测结果分别如下图所示：

图5：

模型校正路测图

对测试所经过的采样点进行统计，本次测试共3个站点，采样点一共有27038个（经纬度信息相同的场强数据进行统计平均），其中地貌“空旷市区（urbanopenarea）”所收集到的采样点占总数据的62%，其他各种地貌所占的采样点都在6%左右，如下图所示。

前以提级，本次模型校正主要针对urbanopenarea地貌因子进行校正。

表13：

模型校正采样点

地貌类型

采样点数

water

199

sea

0

wet_land

2012

suburbanopenarea

1879

urbanopenarea

16797

green_land

1215

forest

0

high_buildings（height>40m）

27

ordinaryregularbuildings（heights40m-20m）

190

parallelregularbuildings（heights<20m）

1059

irregularlarge（h<20m,a>20*40m）

1789

irregularbuildings（height<20m）

1808

suburbanvillage

63

park

0

合计

27038

校正结果

采用最小二乘法对单个地貌因子进行校正或对所有地貌因子进行联合校正，经过多次校正，得到如下结果：

表14：

模型校正前后值

地貌类型

损耗（校正前）

损耗（校正后）

water

-27

-27

sea

-27

-27

wet_land

-23

-23

suburbanopenarea

-22

-22

urbanopenarea

-14

-20

green_land

-20

-18

forest

-9

-11

high_buildings（height>40m）

-1

-2

ordinaryregularbuildings（heights40m-20m）

-3

-6

parallelregularbuildings（heights<20m）

-6

-8

irregularlarge（h<20m,a>20*40m）

-11

-4

irregularbuildings（height<20m）

-8

-8

suburbanvillage

-14

-14

park

-15

-15

将模型校正结果用于各个测试站点，得到校正后的预测值，校正前后的实测值和预测值对比图如下所示，其中红线是实测数据，蓝线为预测值：

图6：

红湖基站校正前后实测和预测值对比

图7：

翔黄基站校正前后实测和预测值对比

图8：

锦星基站校正前后实测和预测值对比

综上，通过衡量误差和均值两个指标，校正后的模型达到了预期校正的目的，校正后地貌“空旷城市区（urbanopenarea）”的地貌损耗为-20dB。

3.5话务模型分析

通过模型校正及覆盖以预测后，我们可以知道在给定的区域内需要建设专网小区的最小数量，而这些小区所需要的载频配置数将是本节的研究重点。

3.5.1列车话音业务估算方法

列车用户对专网小区产生的话务不同于普通宏站，由于同一铁路上一个小时内行驶的列车数量是有限的。

列车用户带来的话务量为每班列车话务量乘以一小时内通过的列车班次数。

为了保证专网小区的话音不溢出，就需要保证每班列车在某一专网小区下通话而不产生溢出。

在进行铁路专网设计时，我们采用两种方法进行列车话音业务预估，并推荐使用信令分析话务预估的方法进行分析。

ØERLB表法

CRH的标准配置为8节车厢，额定载客人数为600人次，但目前也有加长型CRH配置，即由2列CRH合并组成16节车厢，这样用户人数就达到1200人（T型与K型列车通常编组14节，额定人员也是1200人）。

按照目前移动客户渗透率65%计算，则这样一班CRH的移动用户为780人。

以每用户0.02ERL计算，则将带来15.6ERL话务，查ERLB表（1%呼损）可得需要25个TCH，考虑到GPRS业务，专网小区至少配置5TRX。

爱尔兰B表法计算简便，但是由于专网内的话务均在列车驶入后突发产生，因此仅参考爱尔兰B表的数据将产生载频设计偏差。

Ø信令分析话务预估法（推荐）

信令分析法的原理是在专网建设完成前，我们在铁路段市郊边界的跨LAC点取一个主覆盖铁路的专网小区。

可以认为当列车进入市区后，乘客意识到自己肯定不是漫游了，就会适当的多打电话给家人，因此该小区的话务分析具有典型性。

当列车穿越位置区时，可以看到边界小区因手机位置更新必然会瞬时产生大量SDCCH请求，那么我们认为这个时间点是列车进入小区的起始点。

然后采集小区话务量变化和占用TCH信道个数的变化来推算列车旅客带来的影响。

以上海地区为例，我们对BSC36_5下的建华_1小区进行了信令跟踪，然后分析1小时内所有由江苏驶入上海站的列车产生的话务量。

表15：

建华_1的TCH变化情况

列车通过时间

13:

13:

28－13:

14:

48

13:

22:

08－13:

23:

28

13:

31:

18－13:

31:

38

14:

03:

38－14:

04:

58

小区的TCH占用总时长（列车进入）（s）

1200

1002

1158

1272

小区的TCH占用总时长（列车未进入）（s）

740

520

680

780

小区的TCH占用总话务量（列车进入）（Erl）

0.333

0.278

0.322

0.353

小区的TCH占用总话务量（列车未进入）（Erl）

0.206

0.144

0.189

0.217

小区的TCH占用总话务增量（列车进入前后）（Erl）

0.128

0.134

0.133

0.137

平均每辆列车贡献的话务量（Erl）

0.133

经过计算，在列车通过该小区的时间段内的TCH占用总时长为4632s，总话务量为1.286Erl；在没有列车开过的相同时间段内的TCH占用总时长为2720s，总话务量为0.755Erl。

通过以上两组数据我们可以得到测试时间段内平均每辆列车带来的总TCH话务量约为0.133ERL。

而对TCH占用数据的分析，我们也可以得到该小区瞬时的TCH占用数为12个信道。

图9：

建华_1小区瞬时TCH占用数

信令分析表明，一般铁路专网小区TCH占用峰值数为12，考虑两车交汇情况，TCH占用峰值数为24。

如果客流高峰期间按话务量增加20%计，峰值TCH占用总数为29。

因此，建议专网小区配置为4TRX。

对于运输繁忙季节，可以通过开启半速率载频来应付话务的增加。

另外，考虑到站台及位置区边界小区需要一定的SDCCH信道作位置更新，这些小区的载频配置建议值为6。

3.5.2列车数据业务估算方法

在铁路专网设计中，全程除了语音业务外，还需要提供数据业务覆盖，而由于PDCH的设置会占用TCH信道，因此通过分析列车用户数据业务模型，进