51学通信

深度解析 3GPP TS 23.288：6.17 Location Accuracy Analytics (定位精度分析)

21分钟阅读

好的，我们继续本次的深度探索。在上一篇解读中，我们通过分析TS 22.261，了解了5G系统对定位服务的宏观业务需求。然而，规范的世界是分层的，TS 22.261只是Stage 1的需求定义。现在，我们将进入一个更为具体的层面，深入剖析TS 23.288中，NWDAF是如何利用和增强定位能力的。

在开始6.17章的深度解读之前，我们需要特别说明一下6.14、6.15、6.16章的情况。

短章节合并/说明: 根据指令要求，如果一个章节内容极少，或仅包含对其他规范的引用，无需为其撰写独立文章。应在解读其相邻章节的文章中，用一个简短的段落进行说明和过渡。

  • 6.14 DN Performance Analytics (数据网络性能分析): 这是一个内容详实的重要章节，定义了NWDAF如何分析特定应用在边缘计算场景下的性能。由于其内容长度和独立性，我们将在后续为其撰写一篇独立的深度解读文章。
  • 6.15 Void: 此章节为空章节，无需解读。
  • 6.16 PFD Determination Analytics (PFD决策分析): 此章节定义了NWDAF如何通过分析流量来辅助NEF(PFDF)生成或更新PFD（Packet Flow Description），以实现更精准的应用流量识别。这也是一个独立且重要的功能，我们同样计划在未来进行专题解读。

综上，我们将跳过这三个章节，直接进入与定位服务紧密相关的6.17章。

深度解析 3GPP TS 23.288：6.17 Location Accuracy Analytics (定位精度分析)

本文技术原理深度参考了3GPP TS 23.288 V18.9.0 (2025-03) Release 18规范中，关于“6.17 Location Accuracy Analytics”的核心章节。本文旨在为读者揭示NWDAF如何从一个定位服务的使用者，升维成为定位服务的“评估师”和“预测师”，为5G网络的定位能力提供智能化的质量保障与预测。

我们在解读TS 22.261时知道，5G可以提供不同等级的定位服务。但一个核心问题随之而来：在某个具体的地点（如一个复杂的室内停车场），当一个应用请求1米精度的定位时，网络真的能提供吗？当前环境下，各种定位技术（如5G NR定位、Wi-Fi、蓝牙）的实际表现如何？

回答这些问题，正是“定位精度分析”这项高级智能的使命所在。它不再是简单地问“UE在哪里？”，而是**“对一次定位结果的准确性进行分析和预测”**。

场景再升级：无人机“捷风一号”即将在一个大型多层室内停车场完成一次高价值药品的精准投递。投递点的地理坐标是已知的，但飞控系统LMF（Location Management Function）在规划最后降落路径时，面临一个严峻的挑战：它需要调用5G LCS（定位服务）来对无人机进行实时精确定位，但室内环境复杂，信号干扰多，定位精度波动很大。如果定位误差超过50厘米，就可能导致投递失败甚至碰撞。此时，LMF迫切需要一位“专家”来告诉它：“在当前位置，使用5G定位，预计能达到多高的精度？”

这位“专家”，正是具备Location Accuracy Analytics能力的NWDAF“小慧”。

1. “精度咨询”：定位精度分析的服务内容 (TS 23.288 Clause 6.17.1)

LMF（或其他消费者）在向“小慧”发起“精度咨询”时，可以提出哪些问题？6.17.1节“General”对此进行了定义。

This clause specifies how an NWDAF can provide Location Accuracy Analytics which provides analytics for LCS QoS accuracy to an analytics consumer such as LMF. With different input data to NWDAF, the Location Accuracy Analytics provides one or a combination of the following information:

  • when the input data is location:
    • location accuracy … of applicable positioning method at indicated location;
  • when the input data is area:
    • average location accuracy … of applicable positioning method at indicated area;

“小慧”提供的精度分析服务主要分为两类：

  1. 针对特定位置的精度分析：LMF问：“‘小慧’，对于‘捷风一号’当前所在的这个坐标点（例如，停车场B2层-37号停车位上方），如果我发起一次定位，预计能达到的水平和垂直精度是多少？”
  2. 针对特定区域的精度分析：LMF问：“‘小慧’，对于整个B2层停车场这个区域，过去24小时内定位服务的平均精度表现如何？室内定位的成功率有多高？”

要获得这些答案，LMF在发起请求时需要提供详尽的Analytics Filter Information：

  • Analytics ID = "Location Accuracy": 明确咨询主题。
  • Location information: 指定要分析的位置（一个坐标点）或区域（Area of Interest，如TA/Cell ID列表）。
  • Positioning methods: 可以指定分析一种或多种特定的定位技术（如仅分析5G NR RTT定位的精度）。
  • Analytics target period: 指定是查询历史统计还是未来预测。

2. “专家”的知识库：精度分析的数据从何而来 (TS 23.288 Clause 6.17.2)

“小慧”之所以能成为“精度专家”，是因为她拥有一个独特的、多维度的数据“知识库”。Table 6.17.2-1列出了她的核心信息来源。

Table 6.17.2-1: Data Collected by NWDAF for Location Accuracy Analytics

InformationSourceDescription
UE IDsAMF(List of) SUPI(s)
Finer granularity UE locationLCSUE location information.
>UE locationGeographical location or location in local coordinate…
>positioning methodsThe positioning methods used by the LMF…
>LCS QoSLCS QoS accuracy as defined in clause 4.1b in TS 23.273
>Indoor/outdoor indicationIndication of indoor/outdoor…
>NLOS/LOS indicationIndication whether the UE measurements were based on LOS/NLOS
UE location (ground truth)AFTimestamped UE positions
>UE locationGNSS location information
>TimestampTime stamp for the UE location
>AccuracyThe accuracy of the GNSS location information

核心逻辑：通过比对建立认知 “小慧”的核心方法论是监督学习。她通过在同一个时间、同一个地点，用两种不同方法对UE进行定位，其中一种方法的精度是已知的、非常高的（作为“标准答案”），另一种是待评估的。通过比对两者的结果，她就能知道待评估方法的误差是多少。

  1. 获取待评估的定位结果 (from LCS)： “小慧”订阅LCS服务，获取大量的定位事件。每一份报告都包含了：

    • 定位结果：UE的坐标。
    • 定位方法：这次定位用了哪些技术（如OTDOA, RTT等）。
    • 环境信息：是在室内还是室外？是视通(LOS)还是非视通(NLOS)环境？
    • 网络宣称的精度 (LCS QoS)：LCS系统自己评估的本次定位精度。

  2. 获取“标准答案”——地面真实数据 (from AF)：

    NOTE: There are at least two conceivable options for the ground truth data used for the ML Model training of this analytics ID. One option is to use the known location of Positioning Reference Units (PRUs), another option is to use the positioning result of one positioning method (preferably Global Navigation Satellite System (GNSS) information such as GPS information).

    “小慧”需要一个绝对可靠的“标准答案”来进行比对。这个答案可以来自：

    • 高精度GNSS/GPS：在能接收到卫星信号的场景，“小慧”可以从一个可信的AF（例如，一个安装在“捷风一号”上的、集成了高精度GPS模块的应用）获取UE的GNSS位置。这份GNSS位置的精度远高于普通的网络定位，因此可以被当作“地面真实”。
    • 已知位置的参考单元 (PRUs)：在室内等没有卫星信号的地方，可以部署一些位置坐标被精确测量过的固定参考终端。当UE靠近这些参考终端时，就可以认为UE的位置约等于参考终端的位置。

通过长期收集并比对这两类数据，“小慧”就在脑海中建立了一个庞大的“定位精度知识图谱”。这个图谱描绘了在何种区域（Area）、何种环境（Indoor/Outdoor, LOS/NLOS）、使用何种定位技术（Positioning method）组合，大概能达到什么样的定位精度。

3. “专家诊断书”：精度分析的输出 (TS 23.288 Clause 6.17.3)

基于这个“知识图谱”，“小慧”就能对外出具专业的“专家诊断书”。Table 6.17.3-1和Table 6.17.3-2定义了统计和预测两种报告。

3.1 精度统计报告 (Table 6.17.3-1)

这份报告回答了“过去怎么样？”的问题。

表格用途解读与重绘:

Table 6.17.3-1: Location Accuracy statistics

InformationDescription
> Applicable Area应用此统计的区域 (TA, Cell ID, 或更精细的地理区域)
> Positioning Methods使用的定位方法
>> average accuracy of positioning method在该区域使用该方法的平均定位精度（水平和垂直）
>> Percentage of NLOS/LOS在该区域使用该方法时，NLOS/LOS情况的占比
> Percentage of UE in indoor/outdoor该区域内，室内/室外用户的占比
> Applicable Location针对单个位置的统计
>> accuracy of positioning method在该位置的定位精度统计

报告解读：LMF收到的报告可能会说：“统计显示，在B2层停车场，使用5G Multi-RTT定位技术，历史平均水平精度为0.8米，垂直精度为1.2米。其中，约70%的定位是在NLOS（非视通）环境下完成的。”

3.2 精度预测报告 (Table 6.17.3-2)

这份报告回答了“未来会怎样？”的问题，对“捷风一号”这样的实时应用至关重要。

表格用途解读与重绘:

Table 6.17.3-2: Location Accuracy predictions

InformationDescription
> Applicable Location应用此预测的特定位置
>> accuracy of positioning method预测在该位置使用该方法的定位精度
>> Indication whether the location is measured NLOS/LOS预测在该位置的定位环境是NLOS还是LOS
> Confidence预测的置信度

报告解读：“捷风一号”的LMF收到的报告可能是：“预测：在坐标(x, y, z)处发起一次5G定位，预计可达到的水平精度为40厘米，垂直精度为60厘米。预测本次定位将处于NLOS环境。此预测的置信度为92%。”

LMF看到这份报告后，发现预测的40cm精度满足其50cm的要求，且置信度很高，于是它放心地启动了最终的降落程序。

4. “咨询流程”：请求精度分析的完整过程 (TS 23.288 Clause 6.17.4)

Figure 6.17.4-1: Location accuracy analytics retrieval 描绘了LMF向“小慧”进行“精度咨询”的完整流程。

  • Pre-condition: ML Model Training: 流程开始前，一个重要的前提是，“小慧”已经通过我们2.2节描述的方法（比对LCS数据和AF提供的地面真实数据），在后台默默地完成了ML模型的预训练 (pre-trains)，构建了她的“定位精度知识图谱”。

  • 步骤 0-1, 0-2, 0-3: 这些步骤代表了模型训练阶段的数据收集，NWDAF分别从AMF获取UE列表，从LCS获取待评估的定位结果，从AF获取高精度的“标准答案”。

  • 步骤 1: 发起咨询: LMF（Analytics consumer）向“小慧”NWDAF发起Nnwdaf_AnalyticsInfo_Request或_Subscribe请求，提供它想查询的位置或区域。

  • 步骤 2: 专家作答: “小慧”利用她预训练好的模型，结合请求中提供的上下文信息（如位置），快速进行推理，生成精度统计或预测结果，并将其返回给LMF。

    The NWDAF uses the trained ML Model and provides the location accuracy as output to the analytics consumer. NOTE 3: The NWDAF can derive the accuracy based on the model without further input data.

    这个NOTE 3非常关键，它表明在推理阶段，“小慧”可以仅凭模型就做出预测，而无需再去实时收集“地面真实”数据。这保证了精度预测服务的低时延和高效率。

FAQ - 常见问题解答

Q1：定位精度分析(Location Accuracy Analytics)和定位服务(Location Services, LCS)本身是什么关系？ A1：它们是“评估者”和“被评估者”的关系。LCS是5G系统提供的基础定位能力，它的任务是回答“UE在哪里？”。而Location Accuracy Analytics是NWDAF提供的一种高级分析能力，它的任务是回答“LCS提供的这个位置答案，有多准？”。NWDAF通过分析LCS的历史表现，来评估和预测LCS在特定环境下的服务质量（QoS）。

Q2：NWDAF进行精度分析时，如何确保从AF获取的“地面真实”数据是可信的？ A2：这是一个非常重要的问题。规范在 Table 6.17.2-1 的 NOTE 2 中明确指出：“How the AF obtains timestamped GNSS location information of a UE ID is out of 3GPP scope. Whether to trust the UE location from AF is up to the implementation.” 这意味着，信任关系是需要通过实现和部署来保证的。在实际操作中，通常只有经过运营商严格认证的、可信的合作伙伴AF（Trusted AF）提供的数据才会被用于模型训练。这种信任关系可以通过SLA协议、安全证书、网络隔离等多种方式来建立。

Q3：为什么需要NWDAF来做精度预测，LMF（Location Management Function）自己不能评估吗？ A3：LMF作为定位服务的执行者，当然可以对单次定位结果进行一些基本的质量评估（例如，通过参与定位计算的卫星数量、信号强度等）。但是，NWDAF的优势在于其全局视角和机器学习能力：

  • 全局视角：NWDAF可以收集全网、长时间、海量UE的定位数据和对应的地面真实数据，构建一个远比单个LMF全面的“知识图谱”。
  • 机器学习能力：NWDAF能够从这些海量数据中，发现复杂的、非线性的关联模式。例如，它可能学习到“在周五晚高峰的这个室内停车场，只要这两种型号的终端出现，即使信号强度不错，RTT定位的精度也会下降30%”。这种深层次的模式是传统方法难以发现的。

因此，LMF负责“执行”，而NWDAF负责更高层次的“智能评估与预测”。

Q4：定位精度预测可以达到100%准确吗？置信度(Confidence)有什么用？ A4：不可以。所有的预测都存在不确定性。置信度正是对这种不确定性的量化表达。一个95%的置信度意味着“小慧”有95%的把握认为她的预测是准确的。置信度让消费者（如LMF）能够进行风险管理。对于“捷风一号”的精准降落这种高风险操作，LMF可能会设定一个策略：“只有当NWDAF给出的精度预测满足要求，且置信度高于90%时，才执行自动降落；否则，转入手动控制或悬停等待。”

Q5：这项定位精度分析功能，除了无人机，还有哪些典型的应用场景？ A5：应用场景非常广泛，任何对定位QoS有明确要求的应用都是潜在的消费者：

  • 车联网(V2X)：自动驾驶汽车在进入复杂立交桥前，可以向NWDAF查询该区域的定位精度预测，以决定是否可以信赖网络定位来进行车道级导航。
  • 紧急救援：救援平台在调度时，可以查询特定楼宇内的定位精度，以评估能否精准定位到求救者所在的楼层。
  • AR游戏/应用：AR应用开发者可以根据NWDAF提供的精度预测，动态调整虚拟物体在现实世界中叠加的稳定性，精度高时提供更逼真的体验，精度低时则进行平滑处理，避免虚拟物体“漂移”。
  • 网络优化：运营商可以利用NWDAF生成的“定位精度热力图”，识别出网络中定位服务质量差的区域，并进行针对性的网络优化或基站部署。

关系图谱