CN102625342B - Lac优化方法和设备 - Google Patents

Abstract

本发明实施例公开了一种LAC优化方法和设备，通过应用本发明实施例的技术方案，借助OMC网管数据和小区静态信息，分析网络的位置更新次数与LAC的寻呼能力，并在两者之间进行权衡处理，从而，可以更合理的进行LAC划分，减少位置更新频率，节约系统信道资源，保证LAC区可以满足系统寻呼能力，使得移动运营商可以及时改善网络环境，保证网络质量和用户感知度。

Description

LAC优化方法和设备

技术领域

本发明涉及通信技术领域，特别涉及一种LAC优化方法和设备。

背景技术

随着无线网络的发展，移动用户也在日益激增。在用户飞速增长、话务量不断增高的情况下，无线网络的质量以及用户感知显得尤为重要。在移动通信系统中，位置区码(Location Area Code，LAC)管理是移动台移动性管理的一个重要组成部分。

随着无线网络的不断完善，LAC优化也越来越受到运营商网络优化的重视。

从减少位置更新频率(Location Update rate，LU rate)、节约系统信道资源的角度来说，位置区设置得越大越好。

但是，如果位置区过大，超过系统的寻呼能力，将会造成系统寻呼信令负荷过高，以至寻呼消息丢失，使寻呼成功率下降，并且低的寻呼成功率使得用户产生二次呼叫，增加系统寻呼负荷，以至进一步恶化寻呼成功率，严重情况下的恶性寻呼会导致系统瘫痪。所以，位置区也不能设得太大。

如图1所示，为位置更新频率和系统的寻呼能力之间的关系示意图。

在实现本发明的过程中，发明人发现现有技术中至少存在以下问题：

目前现网中的LAC优化更侧重于经验，优化思路不明确，无法预知调整优化后的效果，缺少一种更加合理的LAC优化方案。

发明内容

本发明实施例提供一种LAC优化方法和设备，解决现有的技术方案中不能对LAC进行合理优化的问题。

为达到上述目的，本发明实施例一方面提供了一种LAC优化方法，至少包括以下步骤：

根据操作维护中心OMC网管数据和小区静态信息，确定小区地图坐标和扇形模拟信息，以及LAC优化的代价函数，并预测单LAC下最大允许寻呼量；

根据所述小区地图坐标和扇形模拟信息、所述LAC优化的代价函数，以及所述单LAC下最大允许寻呼量，采用聚类分析法生成初始的LAC分配方案；

采用模拟退火算法，对所述初始的LAC分配方案进行LAC边界调整，并根据LAC边界调整的结果，生成优化的LAC分配方案。

另一方面，本发明实施例还提供了一种网络设备，至少包括：

参数确定模块，用于根据OMC网管数据和小区静态信息，确定小区地图坐标和扇形模拟信息，以及LAC优化的代价函数，并预测单LAC下最大允许寻呼量；

初始生成模块，用于根据所述参数确定模块所确定的所述小区地图坐标和扇形模拟信息、所述LAC优化的代价函数，以及所述单LAC下最大允许寻呼量，采用聚类分析法生成初始的LAC分配方案；

调整模块，用于采用模拟退火算法，对所述初始生成模块所生成的初始的LAC分配方案进行LAC边界调整，并根据LAC边界调整的结果，生成优化的LAC分配方案。

与现有技术相比，本发明实施例所提出的技术方案具有以下优点：

通过应用本发明实施例的技术方案，借助OMC网管数据和小区静态信息，分析网络的位置更新次数与LAC的寻呼能力，并在两者之间进行权衡处理，从而，可以更合理的进行LAC划分，减少位置更新频率，节约系统信道资源，保证LAC区可以满足系统寻呼能力，使得移动运营商可以及时改善网络环境，保证网络质量和用户感知度。

附图说明

图1为位置更新频率和系统的寻呼能力之间的关系示意图；

图2为本发明实施例所提出的一种LAC优化方法的流程示意图；

图3为本发明实施例所提出的一种具体应用场景下的LAC优化方法的第一阶段的流程示意图；

图4为本发明实施例所提出的一种具体应用场景下的LAC优化方法的第二阶段的流程示意图；

图5为本发明实施例所提出的一种具体应用场景下的LAC优化方法的第三阶段的流程示意图；

图6为本发明实施例所提出的一种网络设备的结构示意图。

具体实施方式

如背景技术所述，在位置区管理过程中，位置更新频率的减少和系统信道资源的节约需要设置更大的位置区，而系统的寻呼能力则限制了位置区的不断增大，两者之间存在明显的矛盾，因此，现有技术往往只能依赖经验进行LAC划分，缺少明确的优化思路和标准。

为了克服这样的缺陷，本发明实施例提出了一种LAC优化方法，通过分析网络的位置更新次数与LAC的寻呼能力两者之间的平衡，更合理的划分LAC，使得移动运营商可以及时改善网络环境，保证网络质量和用户感知度。

如图2所示，为本发明实施例所提出的一种LAC优化方法的流程示意图，该方法具体包括以下步骤：

步骤S201、根据OMC(Operations&Maintenance Center，操作维护中心)网管数据和小区静态信息，确定小区地图坐标和扇形模拟信息，以及LAC优化的代价函数，并预测单LAC下最大允许寻呼量。

在本步骤的处理过程中，实际上包括三方面的信息确定过程，具体说明如下：

(1)小区地图坐标和扇形模拟信息。

相应的处理过程如下：

根据OMC网管数据提取原小区和邻小区的切换数据。

根据小区静态信息和相应的切换数据，确定小区地图坐标和扇形模拟信息。

(2)LAC优化的代价函数。

首先，根据OMC网管数据提取原小区和邻小区的切换数据和网络不同业务的话务量统计。

然后，分别进行原小区和邻小区的位置更新权重和小区权重因子的确定。

其中，原小区和邻小区的位置更新权重的确定过程如下：

根据小区静态信息和相应的切换数据，统计原小区和邻小区的位置更新次数，然后，根据所述原小区和邻小区的位置更新次数，计算原小区和邻小区的位置更新权重。

而原小区和邻小区的小区权重因子则是根据所述网络不同业务的话务量统计来确定的。

在具体的处理场景中，可以根据前述的网络不同业务的话务量统计，确定每个LAC下的话务量上限，然后，根据相应小区的话务量大小，确定原小区和邻小区的小区权重因子。

在上述的处理过程结束后，根据原小区和邻小区的位置更新权重和小区权重因子，确定LAC优化的代价函数。

具体的代价函数的确定过程可以通过以下的示例来说明。

当小区i为原小区，小区j为邻小区时，在小区i下发生位置更新所产生的系统成本为：

$\mathrm{Cost}\_{\mathrm{cell}}_i=\underset{j=1}{\overset{n_i}{\mathrm{\Σ}}}(\mathrm{Count}\_{\mathrm{LU}}_{i,j}\·W\_{\mathrm{LU}}_{i,j}\·W\_{\mathrm{Cell}}_j),$

其中，Count_LU_i，j为小区i和小区j的位置更新次数，W_LU_i，j为小区i和小区j的更新权重，W_Cell_j为小区i和小区j的小区权重因子，n_i为与小区i发生位置更新的小区数量。

汇总全网所有小区的发生切换产生的系统成本，得到全网LAC优化的代价值：

$\mathrm{Cost}\_\mathrm{cell}=\underset{i=1}{\overset{\mathrm{Cell}\_\mathrm{Num}}{\mathrm{\Σ}}}\mathrm{Cost}\_{\mathrm{cell}}_i,$

其中，Cell_Num为本次LAC优化的小区总数。

(3)单LAC下最大允许寻呼量。

相应的处理过程如下：

根据OMC网管数据提取网络不同业务的话务量统计。

根据小区静态信息和话务量统计建立话务模型。

通过网络话务量预测网络寻呼量。

根据网络寻呼量，预测单LAC下最大允许寻呼量，并输出预测结果。

步骤S202、根据所述小区地图坐标和扇形模拟信息、所述LAC优化的代价函数，以及所述单LAC下最大允许寻呼量，采用聚类分析法生成初始的LAC分配方案。

在具体的应用场景中，本步骤的处理需要经过一系列的判断处理，具体说明如下。

步骤A、根据所述小区地图坐标和扇形模拟信息、所述LAC优化的代价函数，以及所述单LAC下最大允许寻呼量，采用聚类分析法生成划分方案中间结果；

步骤B、判断所述划分方案中间结果是否满足LAC优化原则，如果不满足，则返回步骤A，如果满足，则执行步骤C；

步骤C、判断所述划分方案中间结果是否满足LAC负荷均衡，如果不满足，则返回步骤A，如果满足，则执行步骤D；

步骤D、确定当前的所述划分方案中间结果所对应的LAC划分的代价函数；

步骤E、判断当前所述代价函数是否收敛，如果不收敛，则返回步骤A，如果收敛，则执行步骤F；

步骤F、判断当前是否达到迭代终止条件，如果没有达到，则返回步骤A，如果达到，则执行步骤G；

步骤G、根据当前的所述划分方案中间结果，输出初始的LAC分配方案。

步骤S203、采用模拟退火算法，对所述初始的LAC分配方案进行LAC边界调整，并根据LAC边界调整的结果，生成优化的LAC分配方案。

与步骤S202相类似，在具体的应用场景中，本步骤的处理同样需要经过一系列的判断处理，具体说明如下。

步骤A、采用模拟退火算法，对所述初始的LAC分配方案进行LAC边界调整，输出优化方案中间结果；

步骤B、判断所述优化方案中间结果是否满足LAC边界优化原则，如果不满足，则返回步骤A，如果满足，则执行步骤C；

步骤C、判断所述优化方案中间结果是否满足LAC负荷均衡，如果不满足，则返回步骤A，如果满足，则执行步骤D；

步骤D、确定当前的所述优化方案中间结果所对应的LAC划分的代价函数；

步骤E、判断当前所述代价函数是否收敛，如果不收敛，则返回步骤A，如果收敛，则执行步骤F；

步骤F、判断当前是否达到迭代终止条件，如果没有达到，则返回步骤A，如果达到，则执行步骤G；

步骤G、根据当前的所述优化方案中间结果，输出优化的LAC分配方案。

与现有技术相比，本发明实施例所提出的技术方案具有以下优点：

通过应用本发明实施例的技术方案，借助OMC网管数据和小区静态信息，分析网络的位置更新次数与LAC的寻呼能力，并在两者之间进行权衡处理，从而，可以更合理的进行LAC划分，减少位置更新频率，节约系统信道资源，保证LAC区可以满足系统寻呼能力，使得移动运营商可以及时改善网络环境，保证网络质量和用户感知度。

下面，结合具体的应用场景，对本发明实施例所提出的技术方案进行说明。

本发明实施例所提出的技术方案直接从网管OMC中获得整个网络所有小区间的位置更新以及话务量统计，分析出网络内小区间位置更新频繁程度，通过话务量可以分析出LAC区域内话务量是否失衡，从而，对现网的LAC区域进行合理的优化，通过这样的处理，在提高实时性的同时，也提高了网络的寻呼成功率。

为了更加清楚的对本发明实施例所提出的技术方案进行说明，后续的实施例中将分三个阶段对相应的技术方案进行描述。

阶段一、参数确定阶段。

如图3所示，为本发明实施例所提出的一种具体应用场景下的LAC优化方法的第一阶段的流程示意图，具体的，本阶段的处理相当与前述的步骤S201中的处理过程。

在此阶段中，依据OMC网管数据和小区静态信息进行了一系列的处理，为后续的LAC划分方案输出进行相应的参数准备。

在实际应用中，上述的OMC网管数据，至少包括位置更新和话务量，而小区静态信息中包括小区基本信息表，其中，小区基本信息表中包含小区经纬度、小区名称、频点、ID(Identify，标识)、RNC(Radio Network Controller无线网络控制器)ID、LAC、方向角等小区基本信息。

具体的，上述的第一阶段的处理流程具体包括以下步骤：

步骤S301、从OMC网管数据中提取原小区和邻小区的切换数据。

步骤S302、根据小区静态信息和切换数据，获得小区地图坐标和扇区模拟。

步骤S303、根据小区静态信息和切换数据，获得小区对的位置更新次数统计。

在本步骤中，小区对具体指发生位置更新的原小区和目的小区。

需要指出的是，本步骤中对小区对的位置更新统计是双向的，即A→B的位置更新和B→A的位置更新即为两次位置更新。

步骤S304、计算小区对位置更新权重。

具体的，可以将小区对位置更新采样点数按照升序排列，利用1/n权重法得到小区对位置更新权重。

其中，采样点具体指位置更新次数。

另一方面，通过具体的示例对上述的1/n权重法进行说明。

如以下的表1所示，为统计得到的LAC1下的小区3与其他LAC下的小区发生的位置更新次数，将小区对间位置更新次数按照升序排列，从上到下分配1/n的权重值，n表示小区对的个数。

表1 LAC1下的小区3与其他LAC下的小区发生的位置更新次数

序号	LAC1的小区ID	其他LAC下的小区ID	位置更新次数	位置更新权重
					1	3	55526	6	0.10
2	3	45968	7	0.20
					3	3	8462	28	0.30
4	3	54697	31	0.40
					5	3	765	45	0.50
6	3	50061	51	0.60
					7	3	54985	58	0.70
8	3	60	73	0.80
					9	3	40061	74	0.90
10	3	58462	79	1.00

步骤S305、从OMC网管数据中提取整网话务量统计信息。

即提权前述的网络中不同业务的话务量统计信息。

步骤S306、根据整网话务量统计信息，计算出每个LAC下的话务量上限，同时，根据话务量大小计算出小区权重因子。

在这里，引入小区权重主要是为了提高重点小区的LAC优化优先级。

每一个小区设置一个小区权重因子，小区话务量越高，该小区的优先级越高。当然，在具体的操作过程中，可以根据小区话务量情况设置阶梯级权重。

步骤S307、综合步骤S304所得到的小区对的位置更新权重和步骤S306所得到的小区权重因子，获得LAC优化的代价函数。

此代价函数表示网络内所有位置更新所消耗的系统成本，其中，系统成本具体指位置更新过程中消耗的系统资源。

具体的，对于小区i和小区j，当小区i为原小区，小区j为邻小区时，在小区i下发生位置更新所产生的系统成本为：

$\mathrm{Cost}\_{\mathrm{cell}}_i=\underset{j=1}{\overset{n_i}{\mathrm{\Σ}}}(\mathrm{Count}\_{\mathrm{LU}}_{i,j}\·W\_{\mathrm{LU}}_{i,j}\·W\_{\mathrm{Cell}}_j),$

其中，Count_LU_i，j为小区i和小区j的位置更新次数，W_LU_i，j为小区i和小区j的更新权重，W_Cell_j为小区i和小区j的小区权重因子，n_i为与小区i发生位置更新的小区数量。

在本步骤中，需要汇总全网所有小区的发生切换产生的系统成本，得到全网LAC优化的代价值：

$\mathrm{Cost}\_\mathrm{cell}=\underset{i=1}{\overset{\mathrm{Cell}\_\mathrm{Num}}{\mathrm{\Σ}}}\mathrm{Cost}\_{\mathrm{cell}}_i,$

其中，Cell_Num为本次LAC优化的小区总数。

此处所确定的代价函数，主要是作为后续LAC划分方案的优化过程中的判断依据。为了确保全网处于一个最低的成本消耗水平，在后续的处理过程中，可以将使全网的LAC优化代价值最小时的LAC分配方案，确定为当前情况下的最优的LAC分配方案。

步骤S308、根据小区静态信息和步骤S305所得到的整网话务量统计信息，建立话务模型。

步骤S309、通过网络话务量对网络寻呼量进行预测。

步骤S310、预测单LAC下最大允许寻呼量。

在后续步骤中，通过LAC下的话务量可以判断LAC负荷是否均衡。

在上述的步骤S308中所提及的话务模型包括密集城区、一般城区和郊区等几种类型。

下面，通过具体的示例对上述单LAC下最大允许寻呼量的预测过程进行说明。如表2所示，为密集城区单UE(User Equipment，用户终端设备)话务模型，其中，PS(Packet Switch，分组交换)业务不考虑寻呼。

表2单UE话务模型

业务	话务量	平均呼叫时长	每秒呼叫次数	寻呼次数
					AMR语音	0.042erl	60s	0.0007	0.00035
短消息				0.0007
					Total(合计)				0.00105

若系统寻呼以TMSI(Temporary Mobile Subscriber Identity，临时识别码)寻呼为主，则系统支持寻呼能力为15次/LAC/秒(TMSI)，可以得出：

15/0.00105≈1.43万用户/LAC。

单LAC下的忙时寻呼量为：

Paging≈(15/0.00105)*3600*0.00105＝54000次。

另外，考虑二次寻呼的可能性(一般25％)：

忙时寻呼次数＝Paging×125％(这里的寻呼次数实际上就相当于寻呼量)。

则单LAC下的忙时话务量为：

(15/0.00105)*3600*0.042＝600erl(这里0.042为单UE话务模型中AMR语音业务话务量)。

此即在该话务模型下LA可以承受的每小时最大寻呼量和话务量。应当尽量平衡所有LA下的寻呼量，以平衡各系统负荷。

至此，单LAC下最大允许寻呼量预测完成，输出相应的预测结果，用于在后续步骤中判断LAC区负荷是否均衡。

通过上述的步骤S302、步骤S307和步骤S310，确定了后续LAC划分方案优化所需要的三个主要参数：

(1)小区地图坐标和扇区模拟；

(2)LAC优化的代价函数；

(3)单LAC下最大允许寻呼量。

至此，作为参数确定阶段的第一阶段处理完成。

阶段二、LAC划分方案的初步输出阶段。

如图4所示，为本发明实施例所提出的一种具体应用场景下的LAC优化方法的第二阶段的流程示意图，具体的，本阶段的处理相当与前述的步骤S202中的处理过程。

在此阶段中，依据第一阶段所输出的参数，结合当前网络的一些基本参数，进行了一系列的处理，按照相应的规则进行迭代处理，初步生成LAC划分方案。

具体的，上述的第二阶段的处理流程具体包括以下步骤：

步骤S311、采用聚类分析法进行LAC分配，输出LAC划分方案的中间结果。

在采用聚类分析法进行LAC划分前，输入数据包括：

(1)当前网络的一些基本参数，包括小区基本信息表，进行LAC分配的小区数n，LAC个数k等。

(2)第一阶段所输出的参数，包括：小区地图坐标和扇区模拟，LAC优化的代价函数及预测的单LAC下最大允许寻呼量。

另一方面，对聚类算法进行描述如下：

给定一个n个对象或元组的数据库，一个划分方法构建数据的k个划分，每个划分表示一个聚簇，并且k≤n。也就是说，它将数据划分为k个组，同时满足如下的要求：

(i)每个组至少包含一个对象；

(ii)每个对象必须属于且只属于一个组。

需要注意的是，在某些模糊划分技术中第二个要求可以放宽。给定k，即要构建的划分的数目，划分方法首先创建一个初始划分。然后，采用一种迭代的重定位技术，尝试通过对象在划分间移动来改进划分。

一个好的划分的一般准则是：在同一个类中的对象之间的距离尽可能小，而不同类中的对象之间的距离尽可能大。

为了达到全局最优，基于划分的聚类算法会要求穷举所有可能的划分。实际上，典型的聚类划分法为：k一平均算法，在该算法中，每个簇用该簇中对象的平均值来表示。

进一步的，对于K-means聚类算法，其一般步骤主要包括：

步骤a、从n个数据对象中任意选择k个对象作为初始聚类中心。

步骤b、循环c到d直到每个聚类不再发生变化为止。

步骤c、根据每个聚类对象的均值(中心对象)，计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分。

步骤d、重新计算每个(有变化)聚类的均值(中心对象)。

步骤S312、判断划分方案的中间结果是否满足LAC优化原则。

如果不满足，则返回步骤S311；

如果满足，则执行步骤S313。

在本步骤中，所提及的LAC优化原则主要包括以下几个方面：

(1)一个MSC下可划分为多个LAC区；

(2)一个LAC下可挂多个BSC/RNC；

(3)一个BSC/RNC下也可划分为几个LAC；

(4)但LAC区不能出现“插花”的现象(影响寻呼成功率)。

步骤S313、判断划分方案的中间结果是否满足LAC负荷均衡。

如果不满足，则返回步骤S311；

如果满足，则执行步骤S314。

需要指出的是，此处用于判断LAC负荷是否均衡的依据主用是前述的LAC下的话务量。

步骤S314、计算LAC划分的代价函数。

即根据当前的划分方案的中间结果，按照前述的步骤S307所确定的LAC划分的代价函数进行计算。

步骤S315、判断所得到的代价函数是否收敛。

如果不收敛，则返回步骤S311；

如果收敛，则执行步骤S316。

步骤S316、判断是否达到迭代终止条件。

如果不满足，则返回步骤S311；

如果满足，则执行步骤S317。

需要指出的是，这里所说的迭代终止条件可以包括两方面的内容：

一方面，可以是当前的划分方案的中间结果达到一定的标准，即符合当前系统的需要，可以作为初步的LAC划分方案进行输出。

另一方面，则是当前迭代处理的循环次数或时间的限制，这样的处理主要是为了避免无休止的迭代处理对系统处理效率的降低。

当然，上述迭代终止条件的具体内容参数可以根据实际需要进行设置，这样的数值和具体内容的变化并不会影响本发明的保护范围。

步骤S317、输出LAC划分方案。

至此，完成了第二阶段的处理，初步生成了LAC划分方案。

阶段三、LAC划分方案的优化输出阶段。

如图5所示，为本发明实施例所提出的一种具体应用场景下的LAC优化方法的第三阶段的流程示意图，具体的，本阶段的处理相当与前述的步骤S203中的处理过程。

在此阶段中，根据模拟退火算法，结合当前网络的一些基本参数，对第二阶段所初步输出的LAC划分方案参数进行边界调整，即对该LAC划分方案进行了优化，并按照相应的规则进行迭代处理，最终输出最优的LAC划分方案。

具体的，上述的第三阶段的处理流程具体包括以下步骤：

步骤S318、采用模拟退火算法进行LAC边界调整，输出优化方案的中间结果。

在采用模拟退火算法进行LAC边界调整前，输入数据包括：

(1)聚类分析法所输出的LAC划分方案。

(2)当前网络的一些基本参数，包括小区基本信息表，进行LAC分配的小区数n，LAC个数k等。

(3)第一阶段所输出的参数，包括：小区地图坐标和扇区模拟，LAC优化的代价函数及预测的单LAC下最大允许寻呼量。

步骤S319、判断优化方案的中间结果是否满足LAC边界优化原则。

如果不满足，则返回步骤S318；

如果满足，则执行步骤S320。

在本步骤中，所提及的LAC边界优化原则主要包括以下几个方面：

(1)位置区边界避开繁华市区等话务量很大的区域，而将之设置在郊区、工厂等话务量低或者低端用户区域。

(2)将位置区边界设置成与道路垂直或斜交的状态，位置区重叠区不能设置在用户高移动性区域。

(3)几个位置区的交界处不能在同一个较小区域，这将减少移动台在较小区域内在几个位置区之间不断位置更新和切换。

(4)一个站的多个小区应在一个LAC区内，避免出现多个LAC集中在某个区域内。

步骤S320、判断优化方案的中间结果是否满足LAC负荷均衡。

如果不满足，则返回步骤S318；

如果满足，则执行步骤S321。

步骤S321、计算LAC划分的代价函数。

即根据当前的优化方案的中间结果，按照前述的步骤S307所确定的LAC划分的代价函数进行计算。

步骤S322、判断所得到的代价函数是否收敛。

如果不收敛，则返回步骤S318；

如果收敛，则执行步骤S323。

步骤S323、判断是否达到迭代终止条件。

如果不满足，则返回步骤S318；

如果满足，则执行步骤S324。

需要指出的是，这里所说的迭代终止条件可以包括两方面的内容：

一方面，可以是当前的优化方案的中间结果达到一定的标准，即符合当前系统的需要，可以作为最终的LAC划分方案进行输出。

另一方面，则是当前迭代处理的循环次数或时间的限制，这样的处理主要是为了避免无休止的迭代处理对系统处理效率的降低。

当然，上述迭代终止条件的具体内容参数可以根据实际需要进行设置，这样的数值和具体内容的变化并不会影响本发明的保护范围。

步骤S324、输出优化后的LAC划分方案。

至此，第三阶段的处理完成，最终输出了经过优化处理的LAC划分方案。

与现有技术相比，本发明实施例所提出的技术方案具有以下优点：

通过应用本发明实施例的技术方案，借助OMC网管数据和小区静态信息，分析网络的位置更新次数与LAC的寻呼能力，并在两者之间进行权衡处理，从而，可以更合理的进行LAC划分，减少位置更新频率，节约系统信道资源，保证LAC区可以满足系统寻呼能力，使得移动运营商可以及时改善网络环境，保证网络质量和用户感知度。

为了实现本发明实施例的技术方案，本发明实施例还提供了一种网络设备，其结构示意图如图6所示，至少包括：

参数确定模块61，用于根据OMC网管数据和小区静态信息，确定小区地图坐标和扇形模拟信息，以及LAC优化的代价函数，并预测单LAC下最大允许寻呼量；

初始生成模块62，用于根据所述参数确定模块61所确定的所述小区地图坐标和扇形模拟信息、所述LAC优化的代价函数，以及所述单LAC下最大允许寻呼量，采用聚类分析法生成初始的LAC分配方案；

调整模块63，用于采用模拟退火算法，对所述初始生成模块62所生成的初始的LAC分配方案进行LAC边界调整，并根据LAC边界调整的结果，生成优化的LAC分配方案。

其中，所述参数确定模块61，具体用于：

根据OMC网管数据提取原小区和邻小区的切换数据；

根据小区静态信息和相应的切换数据，确定小区地图坐标和扇形模拟信息。

另一方面，所述参数确定模块61，具体用于：

根据OMC网管数据提取原小区和邻小区的切换数据和网络不同业务的话务量统计；

根据小区静态信息和相应的切换数据，统计原小区和邻小区的位置更新次数；

根据所述原小区和邻小区的位置更新次数，计算原小区和邻小区的位置更新权重；

根据所述网络不同业务的话务量统计，确定原小区和邻小区的小区权重因子；

根据原小区和邻小区的位置更新权重和小区权重因子，确定LAC优化的代价函数。

另一方面，所述参数确定模块61，具体用于：

根据OMC网管数据提取网络不同业务的话务量统计；

根据小区静态信息和话务量统计建立话务模型；

通过网络话务量预测网络寻呼量；

根据网络寻呼量，预测单LAC下最大允许寻呼量，并输出预测结果。

需要进一步说明的是，所述初始生成模块62，具体用于：

步骤A、根据所述参数确定模块61所确定的小区地图坐标和扇形模拟信息、LAC优化的代价函数，以及单LAC下最大允许寻呼量，采用聚类分析法生成划分方案中间结果；

步骤B、判断所述划分方案中间结果是否满足LAC优化原则，如果不满足，则返回步骤A，如果满足，则执行步骤C；

步骤C、判断所述划分方案中间结果是否满足LAC负荷均衡，如果不满足，则返回步骤A，如果满足，则执行步骤D；

步骤D、确定当前的所述划分方案中间结果所对应的LAC划分的代价函数；

步骤E、判断当前所述代价函数是否收敛，如果不收敛，则返回步骤A，如果收敛，则执行步骤F；

步骤F、判断当前是否达到迭代终止条件，如果没有达到，则返回步骤A，如果达到，则执行步骤G；

步骤G、根据当前的所述划分方案中间结果，输出初始的LAC分配方案。

另一方面，所述调整模块63，具体用于：

步骤A、采用模拟退火算法，对所述初始生成模块62所生成的初始的LAC分配方案进行LAC边界调整，输出优化方案中间结果；

步骤B、判断所述优化方案中间结果是否满足LAC边界优化原则，如果不满足，则返回步骤A，如果满足，则执行步骤C；

步骤C、判断所述优化方案中间结果是否满足LAC负荷均衡，如果不满足，则返回步骤A，如果满足，则执行步骤D；

步骤D、确定当前的所述优化方案中间结果所对应的LAC划分的代价函数；

步骤E、判断当前所述代价函数是否收敛，如果不收敛，则返回步骤A，如果收敛，则执行步骤F；

步骤F、判断当前是否达到迭代终止条件，如果没有达到，则返回步骤A，如果达到，则执行步骤G；

步骤G、根据当前的所述优化方案中间结果，输出优化的LAC分配方案。

与现有技术相比，本发明实施例所提出的技术方案具有以下优点：

通过应用本发明实施例的技术方案，借助OMC网管数据和小区静态信息，分析网络的位置更新次数与LAC的寻呼能力，并在两者之间进行权衡处理，从而，可以更合理的进行LAC划分，减少位置更新频率，节约系统信道资源，保证LAC区可以满足系统寻呼能力，使得移动运营商可以及时改善网络环境，保证网络质量和用户感知度。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明实施例可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本发明实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或网络侧设备等)执行本发明实施例各个实施场景所述的方法。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本发明实施例所必须的。

本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本发明实施例序号仅仅为了描述，不代表实施场景的优劣。

以上公开的仅为本发明实施例的几个具体实施场景，但是，本发明实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明实施例的业务限制范围。

Claims (12)

1.一种位置区码LAC优化方法，其特征在于，至少包括以下步骤： 

根据操作维护中心OMC网管数据和小区静态信息，确定小区地图坐标和扇形模拟信息，以及LAC优化的代价函数，并预测单LAC下最大允许寻呼量； 

根据所述小区地图坐标和扇形模拟信息、所述LAC优化的代价函数，以及所述单LAC下最大允许寻呼量，采用聚类分析法生成初始的LAC分配方案； 

采用模拟退火算法，对所述初始的LAC分配方案进行LAC边界调整，并根据LAC边界调整的结果，生成优化的LAC分配方案； 

其中，所述根据OMC网管数据和小区静态信息，确定小区地图坐标和扇形模拟信息，具体包括： 

根据OMC网管数据提取原小区和邻小区的切换数据； 

根据小区静态信息和相应的切换数据，确定小区地图坐标和扇形模拟信息。 

2.如权利要求1所述的方法，其特征在于，所述根据OMC网管数据和小区静态信息，确定LAC优化的代价函数，具体包括： 

根据OMC网管数据提取原小区和邻小区的切换数据和网络不同业务的话务量统计； 

根据小区静态信息和相应的切换数据，统计原小区和邻小区的位置更新次数； 

根据所述原小区和邻小区的位置更新次数，计算原小区和邻小区的位置更新权重； 

根据所述网络不同业务的话务量统计，确定原小区和邻小区的小区权重因子； 

根据原小区和邻小区的位置更新权重和小区权重因子，确定LAC优化的代价函数。 

3.如权利要求2所述的方法，其特征在于，所述根据所述网络不同业务的话务量统计，确定原小区和邻小区的小区权重因子，具体包括： 

根据所述网络不同业务的话务量统计，确定每个LAC下的话务量上限； 

根据相应小区的话务量大小，确定原小区和邻小区的小区权重因子。 

4.如权利要求2所述的方法，其特征在于，所述根据原小区和邻小区的位置更新权重和小区权重因子，确定LAC优化的代价函数，具体包括： 

当小区i为原小区，小区j为邻小区时，在小区i下发生位置更新所产生的系统成本为： 

其中，Count_LU_i,j为小区i和小区j的位置更新次数，W_LU_i,j为小区i和小区j的更新权重，W_Cell_j为小区i和小区j的小区权重因子，n_i为与小区i发生位置更新的小区数量； 

汇总全网所有小区的发生切换产生的系统成本，得到全网LAC优化的代价值： 

其中，Cell_Num为本次LAC优化的小区总数。 

5.如权利要求1所述的方法，其特征在于，所述根据OMC网管数据和小区静态信息，预测单LAC下最大允许寻呼量，具体包括： 

根据OMC网管数据提取网络不同业务的话务量统计； 

根据小区静态信息和话务量统计建立话务模型； 

通过网络话务量预测网络寻呼量； 

根据网络寻呼量，预测单LAC下最大允许寻呼量，并输出预测结果。 

6.如权利要求1所述的方法，其特征在于，所述根据所述小区地图坐标和扇形模拟信息、所述LAC优化的代价函数，以及所述单LAC下最大允许寻呼量，采用聚类分析法生成初始的LAC分配方案，具体包括： 

步骤A、根据所述小区地图坐标和扇形模拟信息、所述LAC优化的代价函数，以及所述单LAC下最大允许寻呼量，采用聚类分析法生成划分方案中间结果； 

步骤B、判断所述划分方案中间结果是否满足LAC优化原则，如果不满 足，则返回步骤A，如果满足，则执行步骤C； 

步骤C、判断所述划分方案中间结果是否满足LAC负荷均衡，如果不满足，则返回步骤A，如果满足，则执行步骤D； 

步骤D、确定当前的所述划分方案中间结果所对应的LAC划分的代价函数； 

步骤E、判断当前所述代价函数是否收敛，如果不收敛，则返回步骤A，如果收敛，则执行步骤F； 

步骤F、判断当前是否达到迭代终止条件，如果没有达到，则返回步骤A，如果达到，则执行步骤G； 

步骤G、根据当前的所述划分方案中间结果，输出初始的LAC分配方案。 

7.如权利要求1所述的方法，其特征在于，所述采用模拟退火算法，对所述初始的LAC分配方案进行LAC边界调整，并根据LAC边界调整的结果，生成优化的LAC分配方案，具体包括： 

步骤A、采用模拟退火算法，对所述初始的LAC分配方案进行LAC边界调整，输出优化方案中间结果； 

步骤B、判断所述优化方案中间结果是否满足LAC边界优化原则，如果不满足，则返回步骤A，如果满足，则执行步骤C； 

步骤C、判断所述优化方案中间结果是否满足LAC负荷均衡，如果不满足，则返回步骤A，如果满足，则执行步骤D； 

步骤D、确定当前的所述优化方案中间结果所对应的LAC划分的代价函数； 

步骤E、判断当前所述代价函数是否收敛，如果不收敛，则返回步骤A，如果收敛，则执行步骤F； 

步骤F、判断当前是否达到迭代终止条件，如果没有达到，则返回步骤A，如果达到，则执行步骤G； 

步骤G、根据当前的所述优化方案中间结果，输出优化的LAC分配方案。 

8.一种网络设备，其特征在于，至少包括： 

参数确定模块，用于根据OMC网管数据和小区静态信息，确定小区地图坐标和扇形模拟信息，以及LAC优化的代价函数，并预测单LAC下最大允许寻呼量； 

初始生成模块，用于根据所述参数确定模块所确定的所述小区地图坐标和扇形模拟信息、所述LAC优化的代价函数，以及所述单LAC下最大允许寻呼量，采用聚类分析法生成初始的LAC分配方案； 

调整模块，用于采用模拟退火算法，对所述初始生成模块所生成的初始的LAC分配方案进行LAC边界调整，并根据LAC边界调整的结果，生成优化的LAC分配方案；

其中，所述参数确定模块，具体用于： 

根据OMC网管数据提取原小区和邻小区的切换数据； 

根据小区静态信息和相应的切换数据，确定小区地图坐标和扇形模拟信息。 

9.如权利要求8所述的网络设备，其特征在于，所述参数确定模块，具体用于： 

根据OMC网管数据提取原小区和邻小区的切换数据和网络不同业务的话务量统计； 

根据小区静态信息和相应的切换数据，统计原小区和邻小区的位置更新次数； 

根据所述原小区和邻小区的位置更新次数，计算原小区和邻小区的位置更新权重； 

根据所述网络不同业务的话务量统计，确定原小区和邻小区的小区权重因子； 

根据原小区和邻小区的位置更新权重和小区权重因子，确定LAC优化的代价函数。 

10.如权利要求8所述的网络设备，其特征在于，所述参数确定模块，具体用于： 

根据OMC网管数据提取网络不同业务的话务量统计； 

根据小区静态信息和话务量统计建立话务模型； 

通过网络话务量预测网络寻呼量； 

根据网络寻呼量，预测单LAC下最大允许寻呼量，并输出预测结果。 

11.如权利要求8所述的网络设备，其特征在于，所述初始生成模块，具体用于： 

步骤A、根据所述参数确定模块所确定的小区地图坐标和扇形模拟信息、LAC优化的代价函数，以及单LAC下最大允许寻呼量，采用聚类分析法生成划分方案中间结果； 

步骤B、判断所述划分方案中间结果是否满足LAC优化原则，如果不满足，则返回步骤A，如果满足，则执行步骤C； 

步骤C、判断所述划分方案中间结果是否满足LAC负荷均衡，如果不满足，则返回步骤A，如果满足，则执行步骤D； 

步骤D、确定当前的所述划分方案中间结果所对应的LAC划分的代价函数； 

步骤E、判断当前所述代价函数是否收敛，如果不收敛，则返回步骤A，如果收敛，则执行步骤F； 

步骤F、判断当前是否达到迭代终止条件，如果没有达到，则返回步骤A，如果达到，则执行步骤G； 

步骤G、根据当前的所述划分方案中间结果，输出初始的LAC分配方案。 

12.如权利要求8所述的网络设备，其特征在于，所述调整模块，具体用于： 

步骤A、采用模拟退火算法，对所述初始生成模块所生成的初始的LAC分配方案进行LAC边界调整，输出优化方案中间结果； 

步骤B、判断所述优化方案中间结果是否满足LAC边界优化原则，如果不满足，则返回步骤A，如果满足，则执行步骤C； 

步骤C、判断所述优化方案中间结果是否满足LAC负荷均衡，如果不满足，则返回步骤A，如果满足，则执行步骤D； 

步骤D、确定当前的所述优化方案中间结果所对应的LAC划分的代价函 数； 

步骤E、判断当前所述代价函数是否收敛，如果不收敛，则返回步骤A，如果收敛，则执行步骤F； 

步骤F、判断当前是否达到迭代终止条件，如果没有达到，则返回步骤A，如果达到，则执行步骤G； 

步骤G、根据当前的所述优化方案中间结果，输出优化的LAC分配方案。