简介一份面向5G网络优化工程师及运营商技术人员的实战案例文档聚焦巴中电信通过常规优化与创新试点提升5G分流比的全过程。内容覆盖低流量站点分析、高倒流区域识别、功率余量核查、4/5G互操作参数规整等常规手段并引入波束下倾角调整与基于上行SINR切换至EUTRAN的创新试点配有优化前后RRC连接用户数、流量、质差指标等数据对比最终实现5G分流比提升至30.89%的全省领先效果。文档以巴中电信为实例从背景挑战、问题诊断到解决方案、效果评估形成完整闭环既呈现功率提升、邻区添加、门限修改等可量化动作也说明波束调整的适用边界与预警处理机制便于读者直接借鉴为日常优化与项目复盘模板。包体为单个docx文档共2.29MB结构清晰适合作为5G网络优化案例汇报、技术培训及专项提升参考。已有481人学习下载对从事5G分流比提升、互操作优化和覆盖调整的工程师具有直接参考价值。1. 5G分流比为什么成了运营商网优的KPI大户5G网络建设从“覆盖竞赛”转入“体验与效益竞赛”后分流比从一个后台统计项变成了网优圈子里最常被问到的KPI。所谓分流比简单说就是5G网络承载的流量占全网总流量的比例它直接反映5G网络有没有被用户真正用起来。常见目标值从40%到70%不等取决于城市规模、终端渗透率和业务结构。对网优工程师来说分流比上不去意味着投资回报率难看5G卖点也立不住。这篇笔记从根因拆解到常规调参再到创新算法和数据闭环把一条可复现的提升路径讲清楚。适合正在做5G分流比专项、被KPI压着但不知道从哪下手的兄弟。2. 分流比上不去的根因拆解从覆盖、互操作到终端策略分流比不是孤立指标它由“终端是否愿意待5G”“网络能不能留住5G”“业务适不适合5G”三件事共同决定。很多人一上来就改切换门限结果要么不生效要么副作用一堆。我一般先做三件事拉MR看覆盖查互操作参数再看终端驻留统计。把这三个层面分开看才能定位“流量到底堵在哪”。这一章我们先把根因讲透后面两章再分别上常规和创新手法。2.1 覆盖与干扰分流比的地基5G分流比低第一嫌疑永远是覆盖。特别是NSA/SA共存的组网下如果5G的RSRP低于-105dBm或者SINR低于0dB终端即便占用5G也会因为频繁掉线而重选或切换到4G。这里有个血泪经验很多区域MR覆盖率已经95%了但分流比还是低因为MR统计的是采样点而用户实际活动区域可能正好在弱覆盖栅格。所以第一步要先做栅格级覆盖透视。常见做法是导出MR的RSRP/SINR分布按50米栅格聚合和流量热力图叠加。如果发现高流量区域存在连续弱覆盖优先通过天线权值优化、新增站点或调整站间距解决。另外别忽略干扰邻区漏配导致的MOD3干扰会让SINR难看分流比也会被拖累。覆盖优化做不透后面调参数全是空中楼阁。具体操作上我会把MR数据按小区、按栅格拆开先看“采样点足够多但弱覆盖比例异常”的栅格。比如某CBD高楼区RSRP弱覆盖比例只有5%但那一层的用户流量非常大因为楼宇遮挡形成室内盲区。这种情况下单纯提高发射功率没用得靠室外补站或者室内分布系统。还有一种常见现象是“远山覆盖”信号源离用户远RSRP勉强达标但SINR差终端同样不愿意待。栅格化的价值在于把宏观上合格的覆盖数据还原成用户实际感知的微观视图。此外干扰对分流比的影响常被低估。5G TDD系统对时隙干扰敏感如果邻区子帧配置不一致或者系统间邻区PCI冲突会产生严重下行干扰。我看过一个县城案例5G小区SINR均值只有2dB分流比卡在20%一查发现两个相邻站点PCI模3方向相同且都是远距离覆盖干扰之下尽管RSRP很强但终端的调制阶数被压得很低用户以为5G慢自动切回4G。清掉干扰源后分流比自然爬升。所以覆盖排查必须同时看RSRP和SINR两个维度缺一不可。2.2 互操作参数从4G到5G的“门卫”当覆盖基本达标分流比还是上不去就要看互操作参数。5G和4G之间的重选、切换、重定向就像一道道门卫门卫太严用户就进不来。最常见的参数包括参数典型场景建议初始值例影响Snonintrasearch空闲态启动5G测量门限-110dBm设置过低终端不启动测量ThreshXHigh5G重选门限10dB设置过高难以驻留5GA2事件5G→4G切换触发-120dBm触发太早用户被过早赶走A4/A5事件4G→5G切换触发RSRP -105dBm触发太迟用户赖在4G这些参数不是孤立调的。比如把ThreshXHigh从8dB调到12dB终端更容易重选到5G但如果4G的Snonintrasearch没相应调整可能出现乒乓重选。我一般会用“迟滞时间迟滞”组合比如给5G重选加2dB迟滞和5秒Treselection抑制频繁摆动。参数之间还有优先级关系。比如空闲态优先级配置如果4G的cellReselectionPriority设为75G设为9那么当5G的Srxlev大于ThreshXHigh时终端会立即重选如果5G优先级高但信号未达标终端不会持续测量直到满足Snonintrasearch。所以调整ThreshXHigh时要联动检查4G侧的测量启动门限否则会出现“明明5G信号在-100dBm但4G侧始终不触发测量”的怪现象。连接态切换方面A2事件触发后要发送测量报告并准备切到4G这个门限值直接决定用户在5G的驻留时长。如果A2设成-115dBm而非-120dBm用户在覆盖边缘会被提前赶到4G分流比损失明显。但A2过低又会造成用户体验中断因为信号已经很差才切换很容易掉线。我一般把A2设在无线链路失败门限之上5dB左右给切换留出信令交互时间。对A4事件来说它的作用是让4G用户测量5G并尝试切换门限高低就是“引流”力度的旋钮。还有一个容易忽视的“重定向”机制。NSA组网下4G用户建立业务后网络可以通过RRC重配置直接添加5G辅载波这和切换是两码事。重定向的目标小区、频点、门限也需要专门配置。很多案例里分流比上不去是因为重定向配置里填了错误的5G频点或PCI导致重定向后终端无法识别回落4G。这类问题用信令跟踪软件一看便知但优化前如果不查光调A2/A4会白费劲。不同厂家的参数名称和步长差异很大比如华为的A2门限单位是dBm中兴有时用“-110”表示“-110dBm”而诺基亚的单位可能是dBm但有的版本需要换算成RSRP绝对门限。调参前一定先确认网管系统的版本和参数单位否则你以为调了3dB实际调了30dB。另外很多网管有“参数联动”功能修改A2时会自动检查A4/A5间的门限差值但有的不会必须手动维护。2.3 终端与业务模型为什么有些用户就是赖在4G覆盖和参数都正常分流比仍不达标就得看终端和业务。NSA终端在空闲态优先驻留LTE只有在发起业务时才通过RRC重配置添加5G辅载波SA终端则可以直接驻留5G。如果现网NSA终端占比高分流比天然受限。另一个维度是业务模型即时通信、网页等小流量业务对分流比贡献很小视频、下载等大流量业务才是主力。如果某个区域用户群体以语音和IM为主分流比再优化也有天花板。所以在做任何参数修改前先拉终端类型和业务分流统计。常见做法是看“5G流量占比-终端类型占比”矩阵有些区域SA终端渗透率明明很高分流比却低那多半是参数问题如果SA终端本身就少就要从终端策略、套餐引导入手而不是纯调网络。这个判断能帮你少走很多弯路。终端策略上常见做法是推动用户开启“5G模式”。不少手机默认是“自动5G”在信号弱时会自动回落到4G这本身没错但有些机型的“智能5G”模式会基于业务类型判断比如后台下载被判定为低优先级而不启用5G导致大流量业务没走5G。这种情况网络侧很难彻底解决但可以通过终端参数配置策略下发比如运营商可以要求终端厂商将视频类业务优先映射到5G。另外别忘了存量终端能力。现网上还有相当一部分4G手机不支持5G他们产生的流量永远不可能计入分流比。在做网格级分流比评估时要把这部分终端流量剔除出去否则会严重低估真实调节空间。举个例子某学校区域师生手机大多是老旧4G机分流比天然就低再怎么调参数都是白费。这种时候不如把精力放到终端渗透率高、但分流比反而低的区域那里的优化效率更高。综上分流比根因拆解一定要分层先看覆盖再看互操作最后看终端和业务。三层都排查完才能制定针对性的优化方案。很多人跳过前两层直接改参数结果问题没解决还引入了新故障。这一章是后面所有操作的前提建议你把本区域最典型的弱覆盖栅格、4G/5G门限和终端占比都拉出来列个表再继续往下读。3. 常规优化手段手把手调参的实操流程覆盖修完、根因定位后常规优化就是把门限、功率、邻区这些基础参数调到合理区间。这一章直接给可复制的流程命令和脚本都是现成的但参数需要根据现网版本和目标微调。3.1 基于MR的覆盖优化先让5G信号“够得着”覆盖优化的核心是“数据驱动”而不是拍脑袋。我会从网管导出MR数据格式通常是多个CSV或XDR文件。下面这个Python脚本可以快速统计弱覆盖栅格import pandas as pd # 假设mr_data包含字段cell_id, rsrp, sinr, longitude, latitude mr pd.read_csv(mr_5g.csv) mr[weak] (mr[rsrp] -105) | (mr[sinr] 0) # 按栅格ID聚合栅格ID可按经纬度取整 mr[grid_x] mr[longitude].round(3) mr[grid_y] mr[latitude].round(3) grid_summary mr.groupby([grid_x, grid_y]).agg( sample_num(rsrp, count), weak_ratio(weak, mean) ).reset_index() # 找出采样点足够多且弱覆盖比例超过30%的栅格 hot_weak grid_summary[(grid_summary[sample_num] 100) (grid_summary[weak_ratio] 0.3)] hot_weak.to_csv(weak_grids.csv, indexFalse)逻辑说明这个脚本先判断每个MR采样点是否属于弱覆盖RSRP低于-105dBm或SINR低于0dB然后把经纬度保留三位小数生成栅格ID按栅格统计采样数和弱覆盖比例。最后筛出采样数超100且弱覆盖比例超30%的栅格作为优先优化清单。参数说明这里的-105dBm和0dB是通用基线如果当地有特殊穿透损耗可以调整。栅格大小由保留三位小数决定约110米×111米适合城区网格外场可以用round(...,2)扩大栅格。弱覆盖比例阈值我常用30%但也要结合采样数避免把偶发采样点放大。拿到清单后按栅格关联最近的5G小区查看天线方位角、下倾角和周围遮挡优先调整机械下倾角或电子倾角每次调整幅度不超过2度调整后隔天再拉MR对比。覆盖优化的效果通常要3-5天才能稳定不要当天就下结论。这里有一个需要特别留意的点MR数据默认是主动上报的测量报告采样点分布跟随业务发起位置可能漏掉“有信号但无业务”的区域。比如凌晨时的MR采样就很少所以只拉一天的数据往往不够。我会至少拉连续7天、每天忙时和闲时的MR再做聚合。另外如果网管支持MR的“周期性上报”或MDT数据优先用周期性上报它的采样更均匀。覆盖优化还要结合工参。比如某个弱覆盖栅格在天线正后方的阴影区调整方位角可以覆盖但会牺牲原覆盖方向。这时要看两个方向的业务量权重用“加站”或者“调整站间距”可能更合理。有些区域是高层楼宇的中低层天线垂直波束被楼宇遮挡调整下倾角往往凑效但要小心对远方邻区的干扰。我见过一个点下倾角从6度调到4度楼下弱覆盖解决了但沿街覆盖抬升后形成远处越区覆盖导致切换失败。所以每次调天馈都要记录工参和方向图做到“一次只动一个变量”。3.2 重选与切换参数把用户“引”上5G覆盖修好以后就要动互操作参数。这里以中兴或华为网管命令风格为例不同厂家命令略有差异但思路一致。下面是一段典型的5G重选参数修改流程# 进入小区重选配置 MOD TDDCELLIRESEL: LocalCellId1, SNonIntraSearch-108, ThreshSrvLow10, ThreshXHigh12, Tresel5; # 修改A2/A4切换门限 MOD TDDINTRAHO: LocalCellId1, A2ThdRsrp-118, A4ThdRsrp-102;逻辑说明第一行把空闲态5G测量的启动门限从默认值抬到-108dBm同时把高优先级重选门限ThreshXHigh设为12dB并设置5秒的Treselection这样终端更容易从4G重选到5G但不会频繁乒乓。第二行调整基于覆盖的切换事件A2门限调低到-118dBm让已占用5G的终端不要早早切到4GA4门限设到-102dBm让4G终端在信号够好时才切到5G。参数说明这些值只适合参考实际要根据性价比调整。A2和A4之间存在回退迟滞差一般A2要比A4低8-12dB否则容易在边界来回切换。如果4G侧负荷高、5G侧容量富裕可以把A4进一步抬高到-100dBm把更多用户拉上5G反之如果5G侧干扰较大先把A4调低避免用户上来后体验差。改完后要观察每分钟的切换次数、成功率、重选失败计数。有个容易忽略的地方很多网管系统里重选参数是分“空闲态”和“连接态”两套的只改重选不够连接态用户要靠切换事件引导。所以通常两者一起调。这里特别强调一下“参数生效范围”。有些参数是小区级有些则是基于“优先级组”策略共用一套。如果同一个TA范围内有几十个小区不建议挨个小区改最好先改一个“种子小区”观察2小时确认没有异常后再批量复制。我踩过一次坑同时改了10个小区的A2门限结果其中2个小区因为与4G邻区的A2门限差过小导致5G到4G的切换过于频繁用户流量全涌向4G分流比反而掉了还产生了一批切换失败告警。另外重选参数Tresel的步长一般是1-7秒值越大越稳定但会延长重选时延让用户在弱5G覆盖区多待一会。如果你发现调整后切换成功率下降优先检查是否是“时间迟滞”不足而不是继续降低门限。对于人口密集城区我一般用Tresel5郊区可以放到7甚至10减少小区边缘乒乓。对于高铁场景还要设置速度相关参数否则高速移动下终端频繁重选会大量失败这个后续有机会再展开。3.3 载波策略与功率调整给5G让路除了门限分流比还可以通过资源层面的“偏心”来提升。常见做法是增加5G载波带宽、开启载波聚合或者调整4G/5G的功率分配。在存量网络中5G常和4G同频段或邻频段部署干扰协调很关键。一个实用参数是“4G-5G重定向的盲配置”对于已知的5G连续覆盖区域可以把4G侧的基于业务的重定向从“仅测量后切换”改为“盲重定向快速上报”减少测量时延提升用户在业务建立后快速进入5G的概率。另外可以开启“基于上行覆盖的补充触发”当4G上行质量差时及时把用户赶到5G。功率调整上如果5G小区覆盖受限可以提升5G的CRS或SSB功率但要注意对4G同频邻区的干扰。我一般先查4G与5G之间的PHR和小区间干扰协调参数再决定是否抬功率。这种做法不是万能的如果5G设备本身发射功率到顶抬功率反而是白费劲。参数调完一定要看EVM和ACLR别为了分流比把射频指标搞坏了。载波策略的具体操作上如果是SA组网可以开启“载波聚合”把两个100MHz载波合成200MHz提高单用户体验从而吸引更多流量。但注意开启CA后终端功耗会增加部分老款终端不支持反而造成脱网。我习惯先确认目标区域的终端支持能力再决定是否上CA。对NSA组网需要关注5G辅载波添加成功率这个参数与4G侧的测量配置、SCell配置有关经常因为某条X2接口配置错误导致辅载波添加失败。遇到这类问题优先排查X2链路和SCell频点一致性。功率调整的另一个思路是“4G和5G功率共享”。同频段部署时两者共用功率放大器可以通过调整功率池配置把更多发射功率优先分配给5G。比如4G用D1频段20MHz5G用D1频段100MHz功率池可以按比例配置。在4G负荷较低时把功率分配往5G侧倾斜能够显著提升5G覆盖半径。但要注意如果4G仍有VoLTE语音用户功率被抢得太狠会导致4G覆盖缩水。安全做法是分时段调整忙时保持平衡闲时或夜间再偏向5G。常规优化做到这里基本能把分流比推上一个台阶。但现实是只靠调门限和功率很快会碰到瓶颈因为用户行为、无线环境是动态的。下面进入创新方法。4. 创新方法从数据掘金到智能算法调优常规优化做到后期每调一个门限可能只能拉高零点几个百分点。这时候需要换思路从海量数据里找“假驻留”“钉子户”用算法预测和动态策略把流量“精打细算”地引到5G上。这章的方法不一定每个网优项目都用到但一旦用上往往能突破瓶颈。4.1 基于MDT和用户轨迹的精准规划传统优化看MR但MR只管信号不管用户感受。MDT最小化路测数据能记录真实用户的经纬度、占用小区、业务状态拿来做“用户轨迹重建”非常有用。我们可以把MDT事件按用户IMSI聚合画出一条条移动轨迹然后看用户从4G切5G点在空间上的分布。常见做法是# 从MDT原始文件提取指定时段的用户轨迹 cat mdt_20240601.dat | awk -F, {print $1, $2, $3, $4, $5} | sort -t, -k1,1 user_track.csv逻辑说明这个命令假设MDT文件每行包含IMSI、时间戳、经度、纬度、小区ID等字段先抽取前5个字段再按IMSI排序得到每个用户的轨迹序列。实际操作中MDT文件可能是压缩的二进制或XML需要先用厂家解码工具解析。参数说明字段序号要按实际格式调整。排序后用Python按时间戳排序每个用户的位置序列找出“4G切5G失败点”的聚集区域这些区域往往是切换参数不当或邻区缺失。相比MRMDT能还原出“用户明明走到5G好点却还占4G”的怪相针对性强。我遇到过一个小城市MR覆盖很好但分流比一直低。用MDT轨迹一看发现用户习惯的路径都在两家运营商边界由于异厂家邻区漏配终端重选不了。补了外部小区定义后分流比一周涨了8个百分点。这个案例说明创新方法的价值不是替代常规优化而是把常规优化看不到的“用户视角”补上。MDT数据量很大一个地市一天可能几个TB。所以不需要全量处理先按“高流量用户”过滤。我会先用话单或核心网统计找出流量占比前20%的用户只对这些用户的MDT做轨迹分析。这样既能控制计算量又能覆盖大部分可优化流量。处理时还要注意坐标系转换MDT上报的经纬度有的是WGS84有的是GCJ02混合使用会在地图上偏移几百米导致判断错误。一般的做法是统一转换到同一坐标系再聚合。除了轨迹MDT还能输出“最佳小区”和“实际小区”的对比。比如在某个位置最佳5G小区明显存在但终端实际占用的是4G邻区。通过统计这些“失真采样点”的分布可以直接找到需要增加5G邻区关系的区域。这种邻区自优化比人工查外部小区定义快得多。4.2 用聚类算法识别“4G钉子户”除了空间维度还可以从用户行为维度下手。有些用户长期占在4G而且流量很大被称为“4G钉子户”。识别他们可以用聚类。下面是一个K-Means示例from sklearn.cluster import KMeans from sklearn.preprocessing import StandardScaler import pandas as pd # user_features: imsi, 4g流量占比, 5g覆盖平均rsrp, 5g终端, 使用时长 df pd.read_csv(user_features.csv) feat df[[traffic_ratio_4g, avg_rsrp_5g, support_5g, active_days]].fillna(0) scaler StandardScaler() X scaler.fit_transform(feat) # 分成4簇观察每簇特征 model KMeans(n_clusters4, random_state42, n_init10) df[cluster] model.fit_predict(X) # 统计每簇的平均特征 print(df.groupby(cluster)[[traffic_ratio_4g, avg_rsrp_5g, support_5g]].mean())逻辑说明先把每个用户的4G流量占比、5G覆盖平均RSRP、是否支持5G、活跃天数作为特征标准化后做聚类。K-Means会把用户分成几类行为画像。通常会出现一簇“4G流量占比高、5G覆盖也正常、终端支持5G”的用户他们就是最值得被针对性优化的钉子户。参数说明n_clusters4是起步值可以用轮廓系数Silhouette Score在3-6之间选合适值。random_state固定保证结果可复现。标准化很重要否则RSRP的数值量级会压过流量占比。对这类用户常常不是网络不行而是终端没有开启5G开关或套餐未开通5G权益可以通过短信引导或CRM侧推送升级。聚类之后还需要做一步“可优化性验证”。有些用户虽然4G流量占比高但他们所在的位置5G覆盖很差这类用户不属于可优化对象只有那些“4G流量高、5G覆盖好、终端支持5G”的用户才是目标。因此我通常在聚类后再把每类用户的平均RSRP和流量占比映射到网格看目标用户的空间分布。如果这些用户集中在少数几个5G覆盖好的区域那就说明是参数引导问题可以针对性调切换门限如果他们分布散落但覆盖都很好那可能是终端设置问题需要做用户侧运营。我还尝试过用DBSCAN来替代K-Means因为K-Means需要指定簇数而DBSCAN能自动识别异常。但DBSCAN对特征尺度更敏感调参麻烦。对网优这种“只要把用户分个大概”的场景K-Means已经够用重点在于特征工程和结果解读而不是换更花哨的算法。聚类结果用图表展示时别只看中心点要画出每一簇的样本数量和业务量占比才能判断该簇的优先级。4.3 动态策略时频域和业务分级分流创新方法还可以落到实时策略上。比如给不同业务类型配置不同的分流策略视频流业务优先引导到5G即时消息保持4G即可。这样既保证5G流量增长又不让5G网络被小流量业务占用。常见做法是在核心网侧配置基于DPI的业务分流策略或者无线侧开启“业务感知QoS调度”。例如# 在网管侧配置业务分流策略模板示意 ADD 5G_BRANCH_POLICY: GROUP_NAMEVideo_Priority, APP_LISTVideoStreaming, TARGET_RAT5G, PRIORITY1; ADD 5G_BRANCH_POLICY: GROUP_NAMEIM_Light, APP_LISTInstantMessage, TARGET_RAT4G, PRIORITY5;逻辑说明这里示意将视频流应用定义为“尽量5G”优先级设为1即时消息定义为“保留4G”优先级设为5。优先级数值越低越优先被网络侧的策略决策模块执行。这样可以让大流量业务为分流比做贡献而小流量业务不挤压5G资源。参数说明具体命令和APP列表依赖厂家实现这里只是思路。实际落地要评估策略下发后的业务时延和失败率。视频业务如果被强行导向5G而覆盖差会卡顿所以建议结合用户位置和网络负荷进行动态判断而不是静态硬绑定。我见过有的团队把“所有视频一律5G”配下去结果体育馆比赛结束后人流集中5G容量被打满视频卡成PPT投诉暴增。后来改为负荷均衡策略当5G小区PRB利用率超过70%时新视频业务回落到4G。这就是动态策略的价值。动态策略还可以做到时域维度。比如夜间时段5G网络负载低可以放宽5G门限让更多业务迁到5G既提升分流比又减轻4G压力白天忙时则收紧门限确保关键业务质量。这可以写成定时任务每天自动执行。不过要小心夜间放宽门限可能会导致一些不支持5G载波的老终端反复尝试产生多余信令。所以在实施前先评估目标区域的终端兼容性。持续学习和闭环动态策略初看很酷但它依赖准确的业务识别和实时负荷反馈。如果DPI识别误差大或者负荷统计延迟超过5分钟策略就会失效。我建议先做“策略仿真”用过去一周的流量日志回放模拟策略执行后的分流比变化。模型预测能涨几个点和实际差不多再正式下发。这里的验证方法我在最后一章详细说。5. 分流比优化避坑指南5个典型翻车现场分流比优化看起来只是调几个门限但实际执行中翻车概率极高。我见过太多项目改完参数当晚指标好看第二天就出现掉线或速率投诉最后被迫回退全网稳定性还受损。这里把最常见的五个坑按“现象-原因-解决”拆开每一条都是真金白银换来的经验。5.1 现象调了切换参数VoLTE语音质量暴跌现象为了提分流比把A4门限从-105dBm直接拉到-100dBm目标是想让更多4G用户切到5G。结果一到晚忙时边界区域的用户被切进5G后RSRP虽然只有-100dBm但SINR只有-2dB下行干扰严重。这些用户如果发起VoNR语音RTP包连续丢失语音质量分从4.5掉到3.8不到一小时就收到十几条投诉比优化前更惨。原因只看了RSRP阈值忽略了SINR和承载类型。语音业务对抖动和丢包极敏感5G边缘本来就不适合承载语音。把门限降低后大量边缘用户涌入5G其中一部分信号质量并不满足语音承载要求。解决不要把A4门限作为唯一开关。正确做法是设置业务级切换门限数据业务用A4门限语音业务IMS信令与语音承载使用独立的A5门限并保证切入门限要求SINR5dB。同时把A4回调到-105dBmA5门限设为RSRP -98dBm且SINR 3dB让只有真正够好的5G信号才承载语音。这样既能保留数据用户分流又不会伤语音。教训分流比是数据业务的KPI语音是基础体验KPI。为了前者牺牲后者领导马上叫停整个专项。每次调参数前先想清楚这个参数会影响哪些承载对语音的影响是什么。5.2 现象分流比涨了但5G用户体验速率反降现象某高校区域4G负荷高我们决定把A4门限抬到-98dBm分流比也确实从35%涨到47%学生用户都连上了5G。但随后网管显示5G下行平均速率中位数从400Mbps掉到250Mbps短视频开始卡顿用户感知不升反降。原因5G小区带宽只有100MHz虽然容量比4G大但在大量用户同时涌入后PRB利用率从30%飙升到75%每个用户分到的RB减少速率自然被稀释。分流比上升的幅度赶不上用户数上升的幅度单位流量体验就崩了。解决采用负荷均衡机制。当5G小区PRB利用率超过65%时触发“4G-5G负荷均衡”将部分大流量但容忍时延的业务如后台下载、网盘同步导向4G同时开启载波聚合或扩容补充载波把单小区容量做厚。另外评估分流比时不要只看比例要看“有效分流比”5G承载的高流量业务占总流量比例且5G用户下载速率不低于4G速率的1.5倍否则分流就没有意义。教训分流比不是越高越好而是“在保证5G体验的前提下越高越好”。调参数前先算一下容量余量别盲目把用户引上来。5.3 现象改重选参数后终端频繁注册失败现象某片区为了提升空闲态驻留把ThreshXHigh从10dB调到14dB结果当天下午开始该区域4G/5G间的TAC更新失败次数暴涨许多用户手机状态栏显示“无服务”随后自动恢复频繁反复。原因5G侧TAC规划和4G不一致部分5G小区覆盖边界落在同一个TA内但核心网侧的TAC归属性配置错误。大量终端被引导到5G后跨TA移动时注册更新发到错误的MME/AMF导致失败。解决先暂停批量参数发布恢复原值。然后核查参数涉及区域的5G TAC和4G TAC一致性修正核心网侧的TAC归属关系。在确认TAC配置无误后再以3-5个小区为一组小批量修改观察1小时注册失败率稳定后再扩展。教训重选参数影响的是空闲态用户而空闲态终端数量远大于连接态一旦出错影响面呈指数级放大。我现在的习惯是任何涉及空闲态的参数调整必须先拉TAC规划表核对再按“网格-街道-全区”的节奏推。宁可慢一点也别让网络出大面积故障。5.4 现象只盯分流比忽略4G负荷导致整体恶化现象为了提升分流比把4G的Snonintrasearch从-110dBm调到-104dBm意思是4G信号稍弱就触发5G测量本意是让用户尽快去5G。结果5G覆盖并不连续很多用户反复重选在边界区域手机电量耗得快同时因为5G经常脱网用户被系统重新指回4G4G的RRC连接数反而飙升4G PRB利用率从50%涨到70%4G用户速率下降投诉增多。原因分流比是相对值如果4G侧减少的流量幅度大于5G增加幅度或者5G增加的流量没有切实发生整体网络负载会失衡。调整4G侧参数时只考虑了“把用户赶走”没考虑“赶去哪里”。而且Snonintrasearch影响的是空闲态测量若5G邻区配置不完整终端测不到5G依然驻留4G反而增加了测量功耗。解决先确认5G连续覆盖范围只在覆盖率90%的网格调低Snonintrasearch。同时扩容4G侧容量或优化4G负荷均衡确保4G基础体验不降。更稳妥的做法是“4G到5G的定向切换”优先于“空闲态重选”因为连接态有测量报告网络可以精准决策避免盲目迁移。教训网络是两碗水端平才安全。看分流比时必须同步看4G和5G的负荷、速率、掉线。一个简单的判据如果5G PRB利用率低于40%且4G高于60%才适合激进分流否则要克制。5.5 现象数据统计口径不一致优化效果无法评估现象项目组用核心网统计的“5G总流量/全网总流量”作为分流比但无线侧网管里看到的“5G PDCP流量/总PDCP流量”却低了20个百分点。两边数据打架导致优化组和验收组争论不休无法确认方案是否有效。原因核心网计费/统计通常是PDCP层以上包含IP头和可能的加密开销而无线侧话统有的是MAC层数据包含重传、CRC错误块等。另外统计时间段也可能不同核心网按时段但有时延无线侧按小时整点忙闲时差异大。解决统一口径。我一般以无线侧话统的“5G小区PDCP上行流量下行流量 /4G PDCP5G PDCP”为优化口径因为可以关联小区和干扰便于分析。对外汇报时再用核心网口径计算“计费分流比”两者差值作为修正因子。每次对比优化前后必须固定统计周期比如取忙时一小时、固定小区范围、固定统计指标并附上天线工参变更清单。教训数据口径不一致是网优项目的“黑匣子”你不知道里面算的是什么就没法判断好坏。动手之前先拿出一份数据字典说清楚每个指标从哪个表、哪个字段、什么条件统计而来。这不仅是对自己负责也是让验收环节少扯皮的关键。这五个坑写出来是想告诉你分流比优化不是“调参一时爽”而是“闭环一直稳”。每一个参数背后都有拧着的因果链。如果看到这里你觉得有点慌别怕只要按上一章的常规流程走再结合这些避坑点大概率能稳住。6. 验证与迭代用数据闭环守住分流比成果参数调完只是开始真正的价值在于是不是能持续站稳。这一章把验证手段和迭代节奏讲清楚顺便分享一个每天只要10分钟就能盯住核心指标的技巧。6.1 建立分流比指标监控看板分流比优化不是一锤子买卖。调完参数后至少要盯一周趋势。我的习惯是建立一张表格至少包含5G PDCP流量、4G PDCP流量、分流比、5G PRB利用率、5G用户体验速率下行均值、5G掉线率、切换成功率。每天固定时段拉取做成折线图。发现分流比上升但体验速率下降第一时间回退参数。6.2 A/B测试与回退机制所有参数调整建议按网格做A/B测试。比如将一个行政区域划分为A/B两组每组挑选容量和用户结构相近的3个网格A组用新参数B组保留旧参数。跑满48小时对比分流比和感知指标。如果A组分流比提升超过3个百分点且体验速率不下降再全网复制。但记得保留参数修改前的备份网管一般有“配置前导出”功能千万别省这一步。6.3 常用话统SQL和指标清单如果系统支持SQL查询话统下面这条可以参考SELECT date_time, cell_id, SUM(ul_pdcp_vol_5g)/NULLIF(SUM(ul_pdcp_vol_5g)SUM(ul_pdcp_vol_4g),0) AS dl_split_ratio, AVG(prb_util_5g) AS prb_util FROM network_daily_stats WHERE date_time 2025-01-01 GROUP BY date_time, cell_id ORDER BY date_time;逻辑说明查询按天、按小区聚合5G上行PDCP流量占比和PRB利用率。NULLIF防止除零。这样能快速定位分流比异常的小区。参数说明不同厂商话统表名和字段名不同以实际为准。光看一天没意义要连续看七天。其实分流比优化的最后一步也是最容易偷懒的一步就是“坚持看七天后效”。很多项目调完参数只看当天数据第二天被别的事情岔开等一周再回看时已经忘了中间有没有波动。我自己的习惯是设置一个每日自动报表在手机上就能看到每个重点小区的分流比和感知指标变化趋势。一旦出现连续两天反向波动就触发排查流程。我做分流比优化这几年最大的教训是别把指标当目的用户装在5G上之后能不能顺畅刷视频、开直播才是这个项目真正的价值。参数调得再漂亮一到晚上高峰期翻车前面所有努力都会被打回原形。所以我现在每个优化动作都留好回退方案这一步可能比优化本身更重要。希望帮到你。本文还有配套的精品资源点击获取