CN102307357A - 一种网络规划方法及系统 - Google Patents
一种网络规划方法及系统 Download PDFInfo
- Publication number
- CN102307357A CN102307357A CN201110245416A CN201110245416A CN102307357A CN 102307357 A CN102307357 A CN 102307357A CN 201110245416 A CN201110245416 A CN 201110245416A CN 201110245416 A CN201110245416 A CN 201110245416A CN 102307357 A CN102307357 A CN 102307357A
- Authority
- CN
- China
- Prior art keywords
- network
- network planning
- drive test
- parameter information
- fitness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开一种网络规划方法及系统，该方法包括对现有网络的路测数据信息进行预处理，得到网络规划所需的网络参数信息，根据所述网络参数信息进行网络规划。本发明通过以上技术方案，提供一种更加完善的网络规划方法及系统。
Description
技术领域
本发明涉及通信领域，尤其涉及一种网络规划方法及系统。
背景技术
网络规划是无线网络建设的重要环节，合理的网络规划不仅有利于提升网络性能，还可以降低网络建设的成本。
目前，普遍的网络规划方法是一个迭代过程，首先进行站点挑选，确定初始规划方案，然后再对该规划方案中的站点进行覆盖和容量仿真，评估该规划方案是否符合要求，如果不符合，则再对规划方案进行微调，再对微调后的规划方案进行仿真......如此迭代，直到得到一个符合要求的规划方案。
现有技术中的网络规划方法没有有效的利用现有网络的路测数据信息，如在现有网络的路测数据信息量太大的情况下，直接使用这些信息将导致后期巨大的工作量，降低规划效率，同时因误差而存在的路测数据信息没有被排除掉，将导致最终的规划方案精确度不高；而在现有网络的路测数据信息量不足的情况下，直接使用这些信息将导致规划方案的精确度不高。因此，现有技术中的网络规划方法并不完善。
发明内容
本发明提供一种更加完善的网络规划方法及系统。
为解决上述技术问题，本发明采用以下技术方案：
一种网络规划方法，包括：
对现有网络的路测数据信息进行预处理，得到网络规划所需的网络参数信息；
根据所述网络参数信息进行网络规划。
所述对现有网络的路测数据信息进行预处理，得到网络规划所需的网络参数信息的过程包括：
沿预设路径设置多个路测单元，各路测单元内包括多个路测点；
对路测单元内各路测点接收同一网络站点的同一网络参数信息求平均值，得到以所述路测单元为单位的网络参数信息；
将以各路测单元为单位的网络参数信息作为网络规划所需的网络参数信息。
所述网络参数信息具体为参考信号接收功率RSRP、参考信号接收质量RSRQ或参考载波干扰噪声比RSCINR信息中的至少一种。
根据所述网络参数信息进行网络规划的过程包括：
利用遗传算法得到网络规划方案的可行解；
根据所述可行解利用禁忌搜索算法、模拟退火算法或蚁群算法得到网络规划方案的最终解。
利用遗传算法得到网络规划方案的可行解的过程包括：
随机产生多个网络规划方案，构成首轮搜索的当前种群；
根据所述网络参数信息和预设的适应度函数计算所述当前种群中每个网络规划方案的适应度；
根据所述当前种群中每个网络规划方案的适应度判断所述当前种群是否满足遗传算法的预设条件；
如果是，则从所述当前种群中选择适应度最大的网络规划方案作为可行解；
如果否，则根据预设的交叉算子和变异算子对所述当前种群进行处理，产生下一代种群，将所述下一代种群作为下一轮搜索的当前种群。
根据当前种群中每个网络规划方案的适应度判断是否满足预设条件的过程包括：判断当前种群中适应度大于预设第一门限的网络规划方案的个数是否超过预设数目，如果是，则判断为满足预设条件，否则，则判断为不满足预设条件；或者判断当前种群中是否存在适应度大于预设第二门限的网络规划方案，所述预设第二门限大于所述预设第一门限，如果是，则判断为满足预设条件，否则，则判断为不满足预设条件。
根据所述可行解利用禁忌搜索算法得到网络规划方案的最终解的过程包括：
将所述遗传算法输出的可行解作为首轮搜索的当前解；
根据所述网络参数信息和预设的适应度函数计算所述当前解的适应度，根据所述当前解的适应度判断所述当前解是否满足禁忌搜索算法的预设条件；
如满足，则将所述当前解作为最终解；
如不满足，则利用1-反位算子获取所述当前解的多个邻域解，从全部或部分的所述邻域解中选择出候选解，并从所述候选解和所述当前解中选择适应度较大的一者作为下一轮禁忌搜索的当前解。
所述适应度函数f(x)＝K1*W1+K2*W2+...+Kn*Wn，其中K1、K2......Kn为预设的不同网络参数信息的指标信息，W1、W2......Wn为不同指标信息的权重信息。
一种网络规划系统，包括路测数据信息预处理模块和网络规划模块，其中，
所述路测数据信息预处理模块用于对现有网络的路测数据信息进行预处理，得到网络规划所需的网络参数信息；
所述网络规划模块用于根据所述网络参数信息进行网络规划。
所述网络规划模块包括遗传算法模块，还包括禁忌搜索模块、模拟退火模块或蚁群算法模块中的一种，所述遗传算法模块用于利用遗传算法得到网络规划方案的可行解；所述禁忌搜索模块、模拟退火模块或蚁群算法模块用于根据所述遗传算法模块输出的可行解利用相应的禁忌搜索算法、模拟退火算法或蚁群算法得到网络规划方案的最终解。
本发明提供一种网络规划方法及系统，本发明通过对现有网络的路测数据信息进行预处理，提高现有网络的路测数据信息的有效率，避免现有技术中因没有有效的利用现有网络的路测数据信息而导致的一系列问题。
进一步，本发明利用遗传算法和禁忌搜索算法相结合的方式，利用遗传算法寻找可行解，再利用禁忌搜索算法在可行解的基础上得到最优解，使得最终的网络规划方案精度更高，解决基于现有技术不完善的站点挑选方法，所导致的迭代过程需要耗费大量的时间和人力，同时对站点的挑选精确度不高的问题。
附图说明
图1为本发明实施例一种网络规划方法的流程图；
图2为本发明实施例一种网络规划方法的流程图；
图3为本发明实施例一种对路测数据信息进行预处理的流程图；
图4为本发明实施例一种构建路测单元的示意图；
图5为本发明实施例一种遗传算法的流程图；
图6为本发明实施例一种禁忌搜索算法的流程图；
图7为本发明实施例一种网络规划系统的框架图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
图1为本发明实施例一种网络规划方法的流程图，请参考图1：
S11、对现有网络的路测数据信息进行预处理，得到网络规划所需的网络参数信息；
S12、根据所述网络参数信息进行网络规划。
其中，现有网络的路测数据信息的获取方法可以采用现有技术；网络参数信息具体为参考信号接收功率RSRP、参考信号接收质量RSRQ或参考载波干扰噪声比RSCINR信息中的至少一种；预处理包括数据抽样处理、数据拟合处理、归一化处理等，本发明在现有网络的路测数据信息不足的情况下，可以通过预处理，将小数量的路测数据信息转换成大数量的路测数据信息，同样，在现有网络的路测数据信息量太大的情况下，可以通过预处理，将大数量的路测数据信息转换成小数量且准确度高的路测数据信息。
图2为本发明实施例一种网络规划方法的流程图，请参考图2：
S21、设定启发式搜索参数。因为本实施例用到了两种启发式算法：遗传算法和禁忌搜索，故需要设定两类参数，一类为遗传算法相关参数，包括种群大小、编码方式、交叉概率、变异概率、选择算法及一些门限值等；另一类为禁忌搜索算法相关参数，包括邻域函数、禁忌长度及一些门限值等，这些参数也可以在规划过程中进行自动调整。
S22、设定网络目标。本实施例的网络目标包括网络的覆盖目标和容量目标，如果所规划的目标网络是LTE制式的网络，覆盖目标具体指参考信号接收功率RSRP的指标信息，容量目标具体指参考载波干扰噪声比RS-CINR的指标信息，网络目标还可以包括参考信号接收质量RSRQ等关键的网络参数信息的指标信息。本实施例中，网络目标或指标信息指的是网络参数信息满足预设门限的路测单元所占的比例，如覆盖目标指的是RSRP＞-110dBm的路测单元所占的比例大于90％，容量目标指的是RS CINR＞0dB的比例大于90％。
S23、对现有网络的路测数据信息进行预处理，得到网络规划所需的网络参数信息。针对现有网络的路测数据信息信息量大，而且个别路测点存在误差的问题，本发明提出了对现有网络的路测数据信息进行预处理的方法，一方面可以减少信息量，一方面可以平滑路测误差。
S24、利用遗传算法搜索可行解，通过遗传算法的广度搜索和深度搜索的能力，得到一个可行解。
S25、利用禁忌搜索算法得到最终解。在可行解的基础上得到最优解。该步骤中不局限于利用禁忌搜索算法这一种实施方式，还可以是模拟退火算法或蚁群算法等。
为了吻合测试线路，可以利用路测点的经纬度信息或坐标信息，沿预设路径设置多个路测单元，本实施例的路测单元以Bin格方式表示，一个Bin格表示一个数据单元，图3为本发明实施例一种对路测数据信息进行预处理的流程图，请参考图3：
S31、沿预设路径画Bin格。
沿预设路径构建Bin格，类似如“串珠子”，请参考图4，图4为本发明实施例一种构建路测单元的示意图，预设路径41和Bin格42，本实施例的Bin格由圆心和半径Radius唯一标识，预设路径可以通过读取路测数据信息拟合得到，也可以由用户指定测试路径上的拐点坐标，通过拐点坐标拟合得到，可以通过增量式的方式构造Bin格，假设给定的路测点Pi，根据路测点Pi的经纬度信息判断路测点Pi是否属于集合BinTotal中的某一Bin格Bj，如果属于，则将路测点Pi归到Bin格Bj中，如果路测点Pi不属于Bin格Bj，则寻找下一Bin格的圆心点，并根据该圆心点以半径Radius的距离构建能够包含该路测点Pi的新Bin格Bk，判断新Bin格Bk是否在集合BinTotal中，如果是，将路测点Pi归入新Bin格Bk中，如果新Bin格Bk不在集合BinTotal中，则将路测点Pi归到新Bin格Bk中，并将新Bin格Bk加入集合BinTotal，BinTotal表示所有Bin格的集合。
S32、将各路测点归到所属的Bin格内。根据各路测点的经纬度信息或坐标信息确定各路测点所属的Bin格，将其放到所属Bin格内。
S33、将Bin格内各路测点接收同一网络站点信号的网络参数信息，通过平均归一化处理，得到以Bin格为单位的网络参数信息，可以反映小区在该Bin格点的覆盖情况。
S34、删除无效的Bin格。路测时可能出现丢点或路测点不连续的情况，容易导致Bin格内没有覆盖路测点或者归一化的结果异常，因此存在无效的Bin格，需要将这类Bin格删除。
路测数据信息的数据量巨大，直接分析原始数据效率低下，且受异常值的影响较大，通过Bin格化处理，数据量得到有效的精简，而且精简后的数据也能几乎真实地反映网络的覆盖情况。
本实施例还包括从现有站点中选择出部分站点，并衡量该部分站点是否满足预设的网络目标，如果满足，则开始采用遗传算法获取网络规划方案的可行解，本实施例通过满足网络参数信息的指标信息的bin格数目的百分比来衡量站点是否满足网络目标，如果百分比达到运营商定义的要求，则认为达到网络目标。
图5为本发明实施例一种遗传算法的流程图，请参考图5：
本实施例优选的，采用混合遗传算法，网络规划方案采用二进制编码形式，为二进制编码序列，其中1表示站点被选中，0表示站点未被选中，如二进制序列“1001010100......”，其中表示第1个、第4个、第6个和第8个站点被选中。适应度函数f(x)＝K1*W1+K2*W2+...+Kn*Wn，其中K1、K2......Kn为预设的不同网络参数信息的指标信息，W1、W2......Wn为不同指标信息的权重信息，假设对现有网络的路测数据信息进行预处理，得到网络规划所需的网络参数信息为RSRP信息和RSCINR信息，则适应度函数f(x)＝RSRP的指标信息×RSRP的指标信息的权重信息+RSCINR的指标信息×RSCINR的指标信息的权重信息，例如f(x)＝95％×50％+90％×50％，其中50％表示RSRP的指标信息的权重信息和RSCINR的指标信息的权重信息，95％表示有95％的Bin格的RSRP信息满足门限要求，90％表示有90％的Bin格的RSCINR信息满足门限要求，权重由用户设定。
进一步，本实施例还可以通过惩罚因子P(x)对适应度函数进行微调，如果利用原适应度函数计算各网络规划方案的适应度之后，网络规划方案普遍的适应度都太低，符合要求(适应度达到预设门限值)的网络规划方案的数目太少，则可以通过惩罚因子P(x)对适应度函数进行微调，假设需要得到适应度达到预设门限值的网络规划方案的数目为M，通过原适应度函数计算后，仅有M1个网络规划方案的适应度达到预设门限值，则惩罚因子
通过惩罚因子P(x)对适应度函数进行微调，得到微调后的适应度函数：F(x)＝f(x)*P(x)。如果网络目标中包括站点数目的指标信息，可以用惩罚函数将站点数目的影响体现在适应度中。
S51、随机产生多个网络规划方案，组成首轮搜索的当前种群。假设需要从N个站点中选出M个站点来建立新网络，由M个站点随机产生多个网络规划方案Si、Sj......，得到网络规划方案的集合Ssite，
S52、判断是否已经达到预设的遗传算法最大迭代次数，如果是，则进入步骤S56，如果否，则进入步骤S53。
S53、根据对现有网络的路测数据信息进行预处理所得到的网络规划所需的网络参数信息，和预设的适应度函数计算当前种群中每个网络规划方案的适应度。本实施例优选的，适应度函数f(x)根据网络规划所要求的指标信息，以及指标信息的权重来确定。
S54、根据当前种群每个网络规划方案的适应度判断当前种群是否满足预设条件。如果是，进入步骤S56，如果否，则进入步骤S55。
根据当前种群中每个网络规划方案的适应度判断是否满足预设条件的过程可以是：判断当前种群中适应度大于预设第一门限的网络规划方案的个数是否超过预设数目，如果是，则判断为满足预设条件，否则，则判断为不满足预设条件；或者判断当前种群中是否存在适应度大于预设第二门限的网络规划方案，所述预设第二门限大于所述预设第一门限，如果是，则判断为满足预设条件，否则，则判断为不满足预设条件。
S55、根据预设的交叉算子和变异算子对当前种群进行处理，产生下一代种群，将产生的下一代种群作为下一轮搜索的当前种群，进入步骤S52。
S56、从当前种群中选择适应度最大的网络规划方案作为遗传算法输出的可行解，搜索结束。
步骤S55中，根据预设的交叉算子和变异算子对当前种群进行处理，产生下一代种群的过程可以是：从Ssite中选择适应度值较高的规划方案作为父个体遗传下一代，如先对两个父个体(规划方案)利用预设的交叉算子产生两个子个体(新的规划方案)，假设父个体如下：
Si＝[0，1，1，0，1，......，0]父个体1
Sj＝[1，0，1，0，0，......，1]父个体2
随机产生一种与个体等长掩码样本，其中1表示父个体1提供变量值，0表示父个体2提供变量值，作为交叉依据：
StyleBook1＝[0，1，1，0，0，......，0]掩码样本1
StyleBook2＝[1，0，0，1，1，......，1]掩码样本2
交叉后两个新个体为：
Si+1＝[1，1，1，1，0，......，1]子个体1
Sj+1＝[0，0，1，1，1，......，0]子个体2
本实施例优选的，采用均匀交叉(Uniform Crossover)算子，对交叉之后得到的子个体1和子个体2，根据预设的变异算子确定哪些个体需要变异，变异操作中，变异的个体不易太多，优选的变异率不超过0.5。，经过以上若干代的进化过程，遗传算法能产生一个网络性能相对较好的网络规划方案
图6为本发明实施例一种禁忌搜索算法的流程图，本实施例优选的，采用1-反位算子邻域函数进行禁忌搜索，请参考图6：
S61、初始化当前解。首轮搜索时将遗传算法输出的可行解作为禁忌搜索算法的当前解，并设置禁忌表为空，禁忌表是为了避免对同一规划方案陷入循环搜索，而构造的一个短期循环记忆表。禁忌表中存放刚刚进行过的邻域移动。
S62、判断是否已经达到预设的禁忌搜索最大迭代次数，如果是，则进入步骤S68，如果否，则进入步骤S63。
S63、根据对现有网络的路测数据信息进行预处理所得到的网络规划所需的网络参数信息，和预设的适应度函数计算当前解的适应度。本实施例优选的，适应度函数f(x)根据网络规划所要求的指标信息，以及指标信息的权重来确定。
S64、根据当前解的适应度判断当前解是否满足禁忌搜索的预设条件，如果是，进入步骤S68，如果否，则进入步骤S65。可以通过判断当前解的适应度是否达到预设门限的方法来判断当前解是否满足预设条件。
S65、搜索当前解的邻域解。根据禁忌表和禁忌长度，利用1-反位算子来遍历当前解的邻域，通过翻转某一位基因(某个站点是否被选中)来遍历当前解的邻域解，首先对二进制序列(当前解)的第一位进行翻转得到邻域解1，对第二位进行翻转得到邻域解2，依次类推，组成邻域解集N(x)，同时更新禁忌表，禁忌表记录每位基因在哪一代被翻转过。
S66、在当前解的邻域解中搜索候选解。根据对现有网络的路测数据信息进行预处理所得到的网络规划所需的网络参数信息，和预设的适应度函数计算全部或部分的邻域解的适应度，根据禁忌搜索算法中的藐视准则选择适应度较好的邻域解作为候选解。
S67、从候选解和当前解中选择适应度较大的一者作为下一轮禁忌搜索的当前解，进入步骤S62。
S68、输出当前解，作为最终解，禁忌搜索结束。
图7为本发明实施例一种网络规划系统的框架图，请参考图7：
一种网络规划系统，包括路测数据信息预处理模块71和网络规划模块72，其中，
路测数据信息预处理模块71用于对现有网络的路测数据信息进行预处理，得到网络规划所需的网络参数信息；
网络规划模块72用于根据所述网络参数信息进行网络规划。
进一步，网络规划模块72包括遗传算法模块721，还包括禁忌搜索模块722，遗传算法模块721用于利用遗传算法得到网络规划方案的可行解，禁忌搜索模块722用于根据遗传算法模块721输出的可行解利用禁忌搜索算法得到网络规划方案的最终解。
进一步，禁忌搜索模块722还可以用模拟退火模块或蚁群算法模块中的一种来替代，模拟退火模块或蚁群算法模块用于根据遗传算法模块输出的可行解利用相应的模拟退火算法或蚁群算法得到网络规划方案的最终解。
本实施例利用遗传算法和禁忌搜索算法相结合的方式，利用遗传算法寻找可行解，再利用禁忌搜索算法在可行解的基础上得到最优解，使得最终的网络规划方案精度更高，解决基于现有技术不完善的站点挑选方法，所导致的迭代过程需要耗费大量的时间和人力，同时对站点的挑选精确度不高的问题。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (10)
1.一种网络规划方法，其特征在于，包括：
对现有网络的路测数据信息进行预处理，得到网络规划所需的网络参数信息；
根据所述网络参数信息进行网络规划。
2.如权利要求1所述的方法，其特征在于，所述对现有网络的路测数据信息进行预处理，得到网络规划所需的网络参数信息的过程包括：
沿预设路径设置多个路测单元，各路测单元内包括多个路测点；
对路测单元内各路测点接收同一网络站点的同一网络参数信息求平均值，得到以所述路测单元为单位的网络参数信息；
将以各路测单元为单位的网络参数信息作为网络规划所需的网络参数信息。
3.如权利要求1所述的方法，其特征在于，所述网络参数信息具体为参考信号接收功率RSRP、参考信号接收质量RSRQ或参考载波干扰噪声比RSCINR信息中的至少一种。
4.如权利要求1所述的方法，其特征在于，根据所述网络参数信息进行网络规划的过程包括：
利用遗传算法得到网络规划方案的可行解；
根据所述可行解利用禁忌搜索算法、模拟退火算法或蚁群算法得到网络规划方案的最终解。
5.如权利要求4所述的方法，其特征在于，利用遗传算法得到网络规划方案的可行解的过程包括：
随机产生多个网络规划方案，构成首轮搜索的当前种群；
根据所述网络参数信息和预设的适应度函数计算所述当前种群中每个网络规划方案的适应度；
根据所述当前种群中每个网络规划方案的适应度判断所述当前种群是否满足遗传算法的预设条件；
如果是，则从所述当前种群中选择适应度最大的网络规划方案作为可行解；
如果否，则根据预设的交叉算子和变异算子对所述当前种群进行处理，产生下一代种群，将所述下一代种群作为下一轮搜索的当前种群。
6.如权利要求5所述的方法，其特征在于，根据当前种群中每个网络规划方案的适应度判断是否满足预设条件的过程包括：判断当前种群中适应度大于预设第一门限的网络规划方案的个数是否超过预设数目，如果是，则判断为满足预设条件，否则，则判断为不满足预设条件；或者判断当前种群中是否存在适应度大于预设第二门限的网络规划方案，所述预设第二门限大于所述预设第一门限，如果是，则判断为满足预设条件，否则，则判断为不满足预设条件。
7.如权利要求4所述的方法，其特征在于，根据所述可行解利用禁忌搜索算法得到网络规划方案的最终解的过程包括：
将所述遗传算法输出的可行解作为首轮搜索的当前解；
根据所述网络参数信息和预设的适应度函数计算所述当前解的适应度，根据所述当前解的适应度判断所述当前解是否满足禁忌搜索算法的预设条件；
如满足，则将所述当前解作为最终解；
如不满足，则利用1-反位算子获取所述当前解的多个邻域解，从全部或部分的所述邻域解中选择出候选解，并从所述候选解和所述当前解中选择适应度较大的一者作为下一轮禁忌搜索的当前解。
8.如权利要求5或7所述的方法，其特征在于，所述适应度函数f(x)＝K1*W1+K2*W2+...+Kn*Wn，其中K1、K2......Kn为预设的不同网络参数信息的指标信息，W1、W2......Wn为不同指标信息的权重信息。
9.一种网络规划系统，其特征在于，包括路测数据信息预处理模块和网络规划模块，其中，
所述路测数据信息预处理模块用于对现有网络的路测数据信息进行预处理，得到网络规划所需的网络参数信息；
所述网络规划模块用于根据所述网络参数信息进行网络规划。
10.如权利要求9所述的系统，其特征在于，所述网络规划模块包括遗传算法模块，还包括禁忌搜索模块、模拟退火模块或蚁群算法模块中的一种，所述遗传算法模块用于利用遗传算法得到网络规划方案的可行解；所述禁忌搜索模块、模拟退火模块或蚁群算法模块用于根据所述遗传算法模块输出的可行解利用相应的禁忌搜索算法、模拟退火算法或蚁群算法得到网络规划方案的最终解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110245416A CN102307357A (zh) | 2011-08-25 | 2011-08-25 | 一种网络规划方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110245416A CN102307357A (zh) | 2011-08-25 | 2011-08-25 | 一种网络规划方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102307357A true CN102307357A (zh) | 2012-01-04 |
Family
ID=45381147
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110245416A Pending CN102307357A (zh) | 2011-08-25 | 2011-08-25 | 一种网络规划方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102307357A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014094431A1 (zh) * | 2012-12-20 | 2014-06-26 | 大唐移动通信设备有限公司 | 演进通信系统的网络覆盖规划方法及装置 |
| CN104486770A (zh) * | 2014-12-04 | 2015-04-01 | 中国联合网络通信集团有限公司 | 一种长期演进网络待部署小区的选择方法及装置 |
| CN105744532A (zh) * | 2014-12-09 | 2016-07-06 | 富士通株式会社 | 无线网络规划方法和装置 |
| CN105992230A (zh) * | 2015-03-04 | 2016-10-05 | 富士通株式会社 | 无线网络规划方法和装置 |
| CN106507371A (zh) * | 2015-09-07 | 2017-03-15 | 富士通株式会社 | 确定规划目标函数的方法和装置 |
| CN106971245A (zh) * | 2017-03-30 | 2017-07-21 | 广东工业大学 | 一种基于改进蚁群算法的路径确定方法及系统 |
| CN107493578A (zh) * | 2016-06-13 | 2017-12-19 | 富士通株式会社 | 无线网络部署方法和装置 |
| CN107851024A (zh) * | 2015-05-15 | 2018-03-27 | 考科斯汽车有限公司 | 用于解空间分割的并行处理 |
| CN111565410A (zh) * | 2019-02-13 | 2020-08-21 | 华为技术有限公司 | 一种无线信号质量评估方法、电子设备及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1845631A (zh) * | 2005-04-06 | 2006-10-11 | 华为技术有限公司 | 无线通信系统网络规划的实现方法 |
| CN101409596A (zh) * | 2008-11-28 | 2009-04-15 | 清华大学 | 一种动态业务的波长路由光网络规划方法 |
| US20100306310A1 (en) * | 2009-05-29 | 2010-12-02 | Yokogawa Electric Corporation | Method and system for regulating bandwidth |
| CN102065432A (zh) * | 2009-11-13 | 2011-05-18 | 中国移动通信集团黑龙江有限公司 | 一种基于传播模型的网络覆盖修正方法及系统 |
| CN102111770A (zh) * | 2009-12-23 | 2011-06-29 | 中兴通讯股份有限公司 | 一种邻区规划的方法及网络规划系统 |
-
2011
- 2011-08-25 CN CN201110245416A patent/CN102307357A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1845631A (zh) * | 2005-04-06 | 2006-10-11 | 华为技术有限公司 | 无线通信系统网络规划的实现方法 |
| CN101409596A (zh) * | 2008-11-28 | 2009-04-15 | 清华大学 | 一种动态业务的波长路由光网络规划方法 |
| US20100306310A1 (en) * | 2009-05-29 | 2010-12-02 | Yokogawa Electric Corporation | Method and system for regulating bandwidth |
| CN102065432A (zh) * | 2009-11-13 | 2011-05-18 | 中国移动通信集团黑龙江有限公司 | 一种基于传播模型的网络覆盖修正方法及系统 |
| CN102111770A (zh) * | 2009-12-23 | 2011-06-29 | 中兴通讯股份有限公司 | 一种邻区规划的方法及网络规划系统 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014094431A1 (zh) * | 2012-12-20 | 2014-06-26 | 大唐移动通信设备有限公司 | 演进通信系统的网络覆盖规划方法及装置 |
| US9730080B2 (en) | 2012-12-20 | 2017-08-08 | Datang Mobile Communications Equipment Co., Ltd | Network coverage planning method and apparatus of evolution communication system |
| CN104486770A (zh) * | 2014-12-04 | 2015-04-01 | 中国联合网络通信集团有限公司 | 一种长期演进网络待部署小区的选择方法及装置 |
| CN104486770B (zh) * | 2014-12-04 | 2018-10-19 | 中国联合网络通信集团有限公司 | 一种长期演进网络待部署小区的选择方法及装置 |
| CN105744532A (zh) * | 2014-12-09 | 2016-07-06 | 富士通株式会社 | 无线网络规划方法和装置 |
| CN105744532B (zh) * | 2014-12-09 | 2019-02-22 | 富士通株式会社 | 无线网络规划方法和装置 |
| CN105992230A (zh) * | 2015-03-04 | 2016-10-05 | 富士通株式会社 | 无线网络规划方法和装置 |
| CN107851024A (zh) * | 2015-05-15 | 2018-03-27 | 考科斯汽车有限公司 | 用于解空间分割的并行处理 |
| CN106507371A (zh) * | 2015-09-07 | 2017-03-15 | 富士通株式会社 | 确定规划目标函数的方法和装置 |
| CN107493578A (zh) * | 2016-06-13 | 2017-12-19 | 富士通株式会社 | 无线网络部署方法和装置 |
| CN106971245A (zh) * | 2017-03-30 | 2017-07-21 | 广东工业大学 | 一种基于改进蚁群算法的路径确定方法及系统 |
| CN111565410A (zh) * | 2019-02-13 | 2020-08-21 | 华为技术有限公司 | 一种无线信号质量评估方法、电子设备及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102307357A (zh) | 一种网络规划方法及系统 | |
| CN102014412B (zh) | 一种基于天线参数调整的无线网络话务均衡优化方法 | |
| CN101800995B (zh) | 小区关系确定方法及设备和频率规划方法及设备 | |
| CN1253459A (zh) | 无线网络的并行优化 | |
| CN112902969B (zh) | 一种无人机在数据收集过程中的路径规划方法 | |
| CN101778412B (zh) | 邻区关系优化处理方法及装置 | |
| CN103002520B (zh) | 多模终端选择能够保证服务质量的目标网络的方法 | |
| CN102917441B (zh) | 基于粒子群算法的多模终端选择目标网络的方法 | |
| CN103458434B (zh) | 一种确定天馈参数的方法及装置 | |
| CN1469680A (zh) | 用于移动通信网络中的小区重选的系统和方法 | |
| CN103703800B (zh) | 小区互操作处理方法和装置 | |
| US7844698B2 (en) | Wireless network modification support system and radio network modification support method | |
| CN103841602A (zh) | 一种邻区配置方法及系统 | |
| CN103200583B (zh) | 基于单目标禁忌搜索和多目标分散搜索的td-lte自动扇区规划方法 | |
| CN102362517A (zh) | 无线电波状态测量系统、无线电波状态测量方法及存储无线电波状态测量程序的存储介质 | |
| CN111163476A (zh) | 一种基于无线传播模型的电力无线专网覆盖和干扰确定方法 | |
| CN105701562A (zh) | 训练方法、所适用的预测发电功率的方法及各自系统 | |
| CN112784491A (zh) | 一种基于lstm与iqpso面向高弹性电网的城市充电网点规划方法 | |
| CN101304595B (zh) | 获取频率规划的方法、装置 | |
| CN102883332A (zh) | 一种确定基站站址的方法及装置 | |
| CN102223656B (zh) | 一种无线通信网络邻区优化的方法及装置 | |
| CN101959169A (zh) | 一种相邻小区的优化方法及装置 | |
| Eisenblätter et al. | Integer programming methods for UMTS radio network planning | |
| CN116347461A (zh) | 一种5g网络中天线的调整方法及装置 | |
| CN114169244A (zh) | 一种基于呼吸直方图算法的移动通信网络覆盖优化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120104 |