CN104349364B - 一种划分小区簇的方法和装置 - Google Patents

Abstract

本发明实施例提供一种划分小区簇的方法和装置，根据小区间相关性统计数据计算出小区之间的业务关联性，找出最大连通簇，每一个最大连通簇内的小区之间具有强关联性，以及最大连通簇间的小区具有弱关联性；当一个小区属于多个最大连通簇时，将该小区归属到唯一的一个小区簇；根据地理位置信息，合并规模小于簇规模阈值的小区簇，得到包含的小区符合小区数目阈值的小区簇。根据常用的网络数据和簇规模阈值，划分各个小区得到一个具备业务分担功能的规模合理的稳定的小区簇，保证多用途小区簇规模可控，利用这个小区簇能够在后续工作中评估通信网络的结构是否合理、LAC边界/BSC边界划分是否合理，频率配置是否合理等。

Description

一种划分小区簇的方法和装置

技术领域

本发明涉及移动网络技术，特别是指一种划分小区簇的方法和装置。

背景技术

在GSM/IS-95/CDMA2000/WCDMA/TD-SCDMA等移动网络中，小区是最小网络单元。为了保证移动性能，小区之间又必须保持一定的信号重叠区域，以满足切换需求，于是相邻小区之间不可避免的存在一定的关联性。正是由于这种相关性的存在，网络优化过程中采用的各种调整手段往往不仅影响被调整小区本身，而是影响整个网络或者该网络的一部分，这就要求在网络分析过程中，不能孤立的看待单个小区的问题，而需要对关系紧密的小区集合进行整体分析，这里称具有一定的业务关联性的小区集合为“小区簇”。

常见的划分小区簇的方法有很多，有根据地理信息划分的、根据小区频段划分的。在现有技术方案中，将网络划分为预定大小的栅格，通过扫频、DT(驱车)测试等方法得到每个栅格内的小区信号强度，通过计算栅格内的小区频率复用限制情况确定干扰小区对，再根据干扰小区对的两两交互关系汇聚成小区团，根据频率复用限制和小区的载波配置情况，计算并得出干扰小区团，由干扰小区团聚合，得到小区簇。

现有技术存在如下问题：簇划分所需数据要求较高：采用划分栅格的方式计算小区的频率复用限制关系，这就要求将获取的扫频或者DT测试数据定位到每个栅格之中，即所取的每个数据样点必须具备经纬度信息，才能定位到具体的每个栅格中。为保障每个栅格内有足够的数据，必须进行大量的扫频或者DT测试，且必须遍历小区覆盖范围内的几乎所有角落。如果要求小区簇划分更为准确，将小区栅格划分得更小，需要更多的采样点数据。簇规模不可控：成熟的蜂窝网络中，相邻小区之间几乎都存在较大程度的覆盖重合和干扰限制关系，采用现有技术，一个大中城市的核心城区很可能会划分成一个簇，显然这个簇规模太大，失去了小区簇用来均衡业务的意义。小区簇随小区配置改变而变化：同频复用限制比例、邻频复用限制比例等的计算结果，都跟小区之间的载波配置(即频率数量)息息相关，即当小区载波配置发生变化时，簇划分结果会发生改变。这跟所需要的“小区簇”的初衷略有不符。小区簇是用来评估小区之间能否做覆盖的均衡、容量的分担、干扰的分摊，并实现小区之间的负荷分担、干扰分摊的目的。所以小区簇是一个由业务关联性能决定的、相对稳定的一个网络单元集合，扩减容带来配置的变化，不应该引起小区簇的变化。

发明内容

本发明要解决的技术问题是提供一种划分小区簇的方法和装置，通过采用简单的簇划分方法，找到规模大小合适、相对稳定的，能够实现业务的负荷分担、干扰分摊的小区集合作为小区簇。

为解决上述技术问题，本发明的实施例提供一种划分小区簇的方法，包括：根据小区间相关性统计数据计算出小区之间的业务关联性，找出最大连通簇，每一个最大连通簇内的小区之间具有强关联性，以及最大连通簇间的小区具有弱关联性；当一个小区属于多个最大连通簇时，将该小区归属到唯一的一个小区簇；根据地理位置信息，合并规模小于簇规模阈值的小区簇，得到簇规模符合簇规模阈值的小区簇。

所述的方法中，根据小区间相关性统计数据计算出小区之间的业务关联性，找出最大连通簇包括：根据小区间相关性统计数据计算出小区间的相关系数CO；根据所述相关系数CO筛除弱相关小区；将第一小区集作为所述最大连通簇，其中所述第一小区集中，任何两个小区具有强关联性，且不存在任何一个包含第一小区集的第二小区集，所述强关联性是指小区间的相关系数CO大于相关系数阈值门限CO_LIMITED。

所述的方法中，根据小区间相关性统计数据计算出小区间的相关系数CO包括：从所述小区间相关性统计数据中，取出在第一小区测量得到的相邻的被测小区与第一小区的多个相对信号强度差，从所述多个相对信号强度差中统计出相对信号强度差大于相对信号强度门限S_LIMITED的采样点数量TIMESRELSS，以及总的有效采样点数量REPARFCN；根据采样点数量TIMESRELSS和总的有效采样点数量REPARFCN计算两个小区间的相关系数

所述的方法中，当一个小区属于多个最大连通簇时，将小区归属到唯一的一个小区簇，包括：计算属于多个小区簇的第一小区在每一个归属的小区簇中与该归属的小区簇中的所有小区的平均相关系数N是归属的小区簇中所有小区的总数；比较各个归属的小区簇对应的平均相关系数COAverage，将所述第一小区归属到平均相关系数COAverage最大的小区簇中。

所述的方法中，根据地理位置信息，合并规模小于簇规模阈值的小区簇，包括：对于一个第一小区簇，当第一小区簇规模小于簇规模阈值SIZE_DES时，根据各个小区的经纬度坐标作为地理位置信息，计算第一小区簇到其他小区簇的平均相关距离；选取平均相关距离最小值对应的第二小区簇，将第一小区簇合并到第二小区簇。

所述的方法中，计算第一小区簇到其他小区簇的平均相关距离包括：在第一小区簇中选取至少一个测距小区，该测距小区与其他小区簇中的至少一个小区之间具有强关联性，计算出所述测距小区与至少一个小区之间的相关距离的平均值作为所述平均相关距离。

所述的方法中，当存在规模小于簇规模阈值SIZE_DES的小区簇时，按照簇规模从小到大的顺序，依次对各个小区簇执行所述合并。

一种划分小区簇的装置，包括：连通簇形成单元，用于根据小区间相关性统计数据计算出小区之间的业务关联性，找出最大连通簇，每一个小区簇内的小区之间具有强关联性，以及小区簇间的小区具有弱关联性；小区归属单元，用于当一个小区属于多个最大连通簇时，将该小区归属到唯一的一个小区簇；小区簇合并单元，用于根据地理位置信息，合并规模小于规模阈值的小区簇，得到簇规模符合簇规模阈值的小区簇。

所述的装置中，连通簇形成单元包括：相关系数模块，用于根据小区间相关性统计数据计算出小区间的相关系数CO；筛除模块，用于根据所述相关系数CO筛除弱相关小区；最大连通簇生成模块，用于将第一小区集作为所述最大连通簇，其中所述第一小区集中，任何两个小区间的相关系数CO都大于相关系数低阈值CO_LIMITED，且不存在任何一个包含第一小区集的第二小区集。

所述的装置中，小区归属单元包括：平均相关系数计算模块，用于对于一个第一小区，判断第一小区归属的小区簇的数量大于1，计算第一小区在每一个归属的小区簇中与该小区簇中的所有小区的平均相关系数归属执行模块，用于比较各个归属的小区簇对应的平均相关系数COAverage，将所述第一小区归属到平均相关系数COAverage最大的小区簇中。

所述的装置中，小区簇合并单元包括：平均相关距离计算模块，用于对于一个第一小区簇，当第一小区簇规模小于簇规模阈值SIZE_DES时，根据各个小区的经纬度坐标作为地理位置信息，计算第一小区簇到其他小区簇的平均相关距离；小区簇合并模块，用于选取平均相关距离最小值对应的第二小区簇，将第一小区簇合并到第二小区簇。

本发明的上述技术方案的有益效果如下：根据常用的网络数据-小区间相关性统计数据、用户行为统计、地理位置信息和簇规模阈值SIZE_DES，划分各个小区得到一个具备业务分担功能的规模合理的稳定的小区簇，保证多用途小区簇规模可控，利用这个小区簇能够在后续工作中评估通信网络的结构是否合理、LAC边界/BSC边界划分是否合理，频率配置是否合理等。

附图说明

图1表示根据常用的网络数据得到小区簇的原理示意图；

图2表示一种划分小区簇的方法流程示意图；

图3表示根据小区间相关性统计数据计算出小区之间的业务关联性的流程示意图；

图4表示连通簇生成原理示意图；

图5表示小区簇归属划分流程图；

图6表示多从属簇小区归属计算过程示意图；

图7表示确定簇规模的流程示意图；

图8表示簇合并的原理示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明实施例中，如图1所示，利用小区间相关性统计数据、用户行为统计、地理位置信息和预期簇规模大小SIZE_DES等作为输入数据，得到一个多用途小区簇。

小区间相关性统计数据是扫频数据，或者用户在激活态(active mode)上报的测量报告(Measurement Report，MRR)；

用户行为统计即切换统计；

地理位置信息即小区的经纬度信息；

簇规模阈值SIZE_DES是希望得到的小区簇包含的最小小区数量，这只是期望值，根据簇的实际用途可变动，比如要实现容量均衡，往往希望最小簇规模为8个小区，可以将期望值设置为8，但实际簇划分结果允许簇内最小小区数量小于这个期望值。

本发明实施例提供一种划分小区簇的方法，如图2所示，包括：

步骤201，根据小区间相关性统计数据计算出小区之间的业务关联性，找出最大连通簇，每一个最大连通簇内的小区之间具有强关联性，以及最大连通簇间的小区具有弱关联性；

步骤202，当一个小区属于多个最大连通簇时，将该小区归属到唯一的一个小区簇；

步骤203，根据地理位置信息，合并规模小于簇规模阈值的小区簇，得到簇规模符合簇规模阈值的小区簇。

应用所提供的技术方案，根据常用的网络数据-小区间相关性统计数据、用户行为统计、地理位置信息和簇规模阈值SIZE_DES，划分各个小区得到一个具备业务分担功能的规模合理的稳定的小区簇，保证多用途小区簇规模可控，利用这个小区簇能够在后续工作中评估通信网络的结构是否合理、LAC边界/BSC边界划分是否合理，频率配置是否合理等。

步骤201中，计算小区之间的业务关联性，在一个优选实施例中，根据小区间相关性统计数据计算出小区之间的业务关联性，包括：

步骤201a，根据小区间相关性统计数据计算出小区间的相关系数CO；

步骤201b，根据所述相关系数CO筛除弱相关小区；

步骤201c，将第一小区集作为所述最大连通簇，其中所述第一小区集中，任何两个小区间的相关系数CO都大于相关系数低阈值CO_LIMITED，且不存在任何一个包含第一小区集的第二小区集。

在一个应用场景中，如图3所示，根据小区间相关性统计数据计算出小区之间的业务关联性具体包括：

步骤301，开始之后，检测小区输入数据是否完整，如果完整，转步骤302，否则转步骤307。

步骤302，利用小区相关性统计数据计算小区间相关系数CO。

步骤303，判断CO是否大于门限CO_LIMITED，且切换次数大于HO_LIMITED，如果是，转步骤304，否则转步骤307。

步骤304，筛除弱相关小区。

步骤305，根据小区关联关系生成最大连通簇。

步骤306，输出最大连通簇。

步骤307，结束。

其中，对于步骤201a，在一个优选实施例中，根据小区间相关性统计数据计算出小区间的相关系数CO包括：

从所述小区间相关性统计数据中，取出在第一小区测量得到的相邻的被测小区与第一小区的多个相对信号强度差，

从所述多个相对信号强度差中统计出相对信号强度差大于相对信号强度门限S_LIMITED的采样点数量TIMESRELSS，以及总的有效采样点数量REPARFCN；

根据采样点数量TIMESRELSS和总的有效采样点数量REPARFCN计算两个小区间的相关系数

CO表征含义：第一小区(小区i)的话务有CO的概率受到被测小区(小区j)的影响，当第一小区和被测小区配置同频时，该部分的话务将受到同频干扰而成为质差话务。因此，只要CO不为0，第一小区和被测小区之间就存在干扰限制关系，CO越大，第一小区和被测小区之间的相互影响越大，即两个小区相关性越大。

在GSM系统中，通常要求相邻小区的信躁比(C/I)大于12dB，所以一般S_LIMITED取值-12，即满足计算要求的采样点记为TIMESRELSS_(-12dB)。

由于无线通信要求信号强度达到一定的程度，才能对信号产生干扰。因此，微弱的干扰并不影响正常的通信，同样，微弱的相关性并不能起到很好的业务分流功能，所以在计算小区簇的时候，必须满足小区之间的相关系数高于一定的门限CO_LIMITED，且切换尝试数量大于一定的门限HO_LIMITED才认为存在相关性。根据经验当CO<2%时，第一小区受到被测小区的干扰对用户的影响很小。

因此，对于步骤201b，在一个优选实施例中，根据相关系数CO筛除弱相关小区包括：

将CO为2%作为小区簇划分的小区相关性要求最低门限CO_LIMITED，门限HO_LIMITED则可以根据实际情况灵活定义。

考虑到室内小区主要解决室内的覆盖问题，与室外小区之间的关联性很小，很容易成为孤岛小区，因此通常不对室分小区进行分析计算。

在筛除弱相关小区之后，需要在步骤201c中生成最大连通簇。

小区簇是一个数学模型，这里根据小区的相关系数CO定义一个小区集，集合中的任何两两小区间相关系数都大于相关性最低门限要求CO_LIMITED，且不存在任何一个包含该小区集的小区集，称此小区集为最大连通簇。

在一个应用场景中，如图4所示，小区集中的小区1、小区2、小区3和小区4满足两两相关大于相关性最低门限要求CO_LIMITED，且不存在任何一个包含该小区集的其他小区集，则小区1、小区2、小区3和小区4成为一个最大连通簇。

若存在小区5，由于小区5跟小区1和小区2不存在相关性，所以不在最大连通簇之内。另外，若小区1、小区2和小区4虽然满足两两相关的要求，但被包含在更大的小区集(包含小区1、小区2、小区3和小区4)中，也不能称作最大连通簇。

上述生成最大连通簇的方式，可能存在一个小区属于多个小区簇的情况。如果一个小区存在于多个小区簇，则可能由于小区簇级联的原因，会使小区的关联关系无限延展，小区簇间的耦合性太强，不利于评估小区簇内业务的均衡关系。因此，对于属于多个小区簇的小区，应该通过特定的算法将其划定为归属某一个特定的小区簇。

对于步骤202，在划定簇归属时，应该选择与该小区关联更为紧密的小区簇作为从属小区簇。在一个优选实施例中，当一个小区属于多个小区簇时，将小区归属到唯一的一个小区簇，包括：

对于一个第一小区，判断第一小区归属的小区簇的数量大于1，

计算第一小区在每一个归属的小区簇中与该小区簇中的所有小区的平均相关系 数

比较各个归属的小区簇对应的COAverage，将所述第一小区归属到COAverage最大的小区簇中。在其余小区簇中删除该小区。

在一个应用场景中，如图5所示，当一个小区属于多个小区簇时，将小区归属到唯一的一个小区簇具体包括：

步骤501，开始之后，计算每个小区归属连通簇数量。

步骤502，判断当前的小区归属连通簇数量是否大于1，如果是，转步骤502，否则转步骤507。

步骤503，计算小区与每个归属连通簇内小区的平均相关系数COAverage。

步骤504，选择COAverage最大的那个连通簇，并归属之。

步骤505，删除小区在其余连通簇的归属关系。

步骤506，判断当前处理的是否最后一个小区，如果是转步骤507，否则转步骤507。

步骤507，找到下一个小区，转步骤502。

步骤508，簇归属划分完毕。

在一个应用场景中，如图6所示，一个多从属簇小区的小区簇归属计算过程：

小区簇1包含小区1/2/3/4，小区簇2包含小区1/5/6/7/8/9，小区1同属于小区簇1和小区簇2；

分别计算小区1和小区簇1内的2/3/4小区的平均相关性 以及和小区簇2内的5/6/7/8/9小区的平均相关性

比较COAverage₁和COAverage₂的大小，若COAverage₁较大，则小区1归属于小区簇1，重新划分小区簇归属后，小区簇1为小区1/2/3/4，小区簇2剩下的小区为5/6/7/8/9。划分完毕后，所有小区都属于且只属于一个小区簇。

这样能解决一个小区归属多个簇的问题，又能将每个小区划归到最合适的小区簇，使每个簇内小区相关性最强，而簇间小区关联性最弱，便于以簇为单位进行网络优化。

在完成小区簇归属划分后，得到的小区簇规模往往很小。实际应用中发现，这样划分后得到的小区簇包含的小区数量大多在2-3个左右。这样规模的小区簇，对业务均衡、小区负荷分担效果很小。在实际优化过程中，往往希望能够得到规模稍大一点的小区簇，比如包含8-10个小区左右的小区簇，能够比较容易实现容量的均衡和干扰的分摊。

因此，在步骤203中确定簇规模，将预期的簇规模阈值SIZE_DES作为输入数据之一，目的是根据实际的网络优化分析需求，可以预期设定一个簇规模的期望值，在簇划分算法中考虑这个预期的小区簇规模，再进行簇的合并。

在一个优选实施例中，根据地理位置信息，合并规模小于簇规模阈值的小区簇，包括：

对于一个第一小区簇，当第一小区簇包含的小区数量小于规模阈值SIZE_DES时，根据各个小区的经纬度坐标作为地理位置信息，计算第一小区簇到其他小区簇的平均相关距离；

选取平均相关距离最小值对应的第二小区簇，将第一小区簇合并到第二小区簇(目标簇)。

如果两小区间的相关系数CO_ij没有达到CO_LIMITED的最低门限，则不参与相关距离的平均计算。

在一个应用场景中，如图7所示，根据用户行为统计和地理位置信息，合并单小区和规模小于规模阈值的小区簇包括：

步骤701，开始处理之后，计算每个小区簇包含的小区数量。

初始化合并簇规模SIZE=1。

步骤702，选区簇规模为SIZE的小区簇。

步骤703，计算簇内小区与其他簇内小区的平均相关距离CO-DISTANCE

步骤704，选择CO-DISTANCE最小的那个簇，并合并之。

步骤705，判断是否处理的是最后一个小区簇，如果是，转步骤706，否则转步骤708。

步骤706，合并的小区簇规模SIZE增加1。

步骤707，判断簇规模是否小于SIZE_DES，如果是转步骤709，否则转步骤702。

步骤708，开始处理下一个小区簇，转步骤703。

步骤709，簇规模确定完毕。

在一个优选实施例中，计算第一小区簇到其他小区簇的平均相关距离包括：

在第一小区簇中选取至少一个测距小区，该测距小区与其他小区簇中的至少一个小区之间具有强关联性，计算出所述测距小区与至少一个小区之间的相关距离的平均值作为所述平均相关距离。

在一个优选实施例中，当小区数量小于簇规模阈值SIZE_DES的小区簇的数目大于一个时，按照小区数量从小到大的顺序，依次对各个小区簇执行所述合并。

合并从小区数量为1的小区簇开始，先执行小区数量为1的小区簇合并，再执行小区数量为2的小区簇合并，直到所有小区簇的小区数量均大于簇规模阈值SIZE_DES。

在一个应用场景中，如图8所示，小区簇合并的过程：

小区簇1的规模小于簇规模阈值SIZE_DES，经过搜索计算后，发现小区簇1的小区1与小区簇2的小区5和小区6相关系数大于CO_LIMITED，以及，小区簇1的小区4与小区簇2的小区5和小区6相关系数大于CO_LIMITED，并计算得到平均相关距离值CO-DISTANCE最小，合并小区簇1和小区簇2。

划分得到的多用途小区簇，能够由常用的网优数据划分得到一个具备业务分担功能的小区簇规模合理的稳定簇，保证簇规模可控。能利用这个簇，评估网络的结构是否合理、LAC边界/BSC边界划分是否合理、频率配置是否合理等等。

本发明实施例提供一种划分小区簇的装置，包括：

连通簇形成单元，用于根据小区间相关性统计数据计算出小区之间的业务关联性，找出最大连通簇，每一个小区簇内的小区之间具有强关联性，以及小区簇间的小区具有弱关联性；

小区归属单元，用于当一个小区属于多个最大连通簇时，将该小区归属到唯一的一个小区簇；

小区簇合并单元，用于根据用户行为统计和地理位置信息，合并规模小于簇规模阈值的小区簇，得到簇规模符合簇规模阈值的小区簇。

在一个优选实施例中，连通簇形成单元包括：

相关系数模块，用于根据小区间相关性统计数据计算出小区间的相关系数CO；

筛除模块，用于根据所述相关系数CO筛除弱相关小区；

最大连通簇生成模块，用于将第一小区集作为所述最大连通簇，其中所述第一小区集中，任何两个小区间的相关系数CO都大于相关系数低阈值CO_LIMITED，且不存在任何一个包含第一小区集的第二小区集。

在一个优选实施例中，小区归属单元包括：

平均相关系数计算模块，用于对于一个第一小区，判断第一小区归属的小区簇的数量大于1，

计算第一小区在每一个归属的小区簇中与该小区簇中的所有小区的平均相关系 数

归属执行模块，用于比较各个归属的小区簇对应的平均相关系数COAverage，将所述第一小区归属到平均相关系数COAverage最大的小区簇中。

在一个优选实施例中，小区簇合并单元包括：

平均相关距离计算模块，用于对于一个第一小区簇，当第一小区簇包含的小区数量小于簇规模阈值SIZE_DES时，根据各个小区的经纬度坐标作为地理位置信息，计算第一小区簇到其他小区簇的平均相关距离；

小区簇合并模块，用于选取平均相关距离最小值对应的第二小区簇，将第一小区簇合并到第二小区簇。

采用本方案之后的优势是：每个小区归属于唯一的小区簇，使得在以小区簇为分析单位做网络优化时，能够便捷的评估小区簇内小区干扰的均衡性、容量的均衡性，并容易实现小区簇内的干扰均摊、业务的负荷分担；簇规模可控，在网络优化分析过程中，不同的应用场合需要簇规模大小不同，采用强关联小簇合并的方式，通过预设簇规模阈值，能够实现簇规模可控，方便对网络的评估和优化；输入数据及计算过程简单，小区簇划分输入数据为基本的测量报告、切换统计或者扫频数据，且簇搜索计算避免了复杂的迭代过程，普通PC机就能完成簇的划分计算，避免栅格化计算；小区簇用途广泛，由于小区簇间耦合性弱、簇内小区关联性强的特点，可以以此评估网络的容量是否均衡、干扰是否均衡，通过最终簇规模的大小，可以判断网络的结构是否存在问题，通过判断LAC边界/BSC边界是否与簇边界是否重合，以此来判定LAC/BSC边界规划是否合理，等等。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (11)

1.一种划分小区簇的方法，其特征在于，包括：

根据小区间相关性统计数据计算出小区之间的业务关联性，找出最大连通簇，每一个最大连通簇内的小区之间具有强关联性，以及最大连通簇间的小区具有弱关联性，小区间相关性统计数据是扫频数据，或者用户在激活态上报的测量报告；其中，第一小区的话务有小区间的相关系数CO的概率受到被测小区的影响，只要CO不为0，第一小区和被测小区之间就存在干扰限制关系，小区间的相关系数CO越大，第一小区和被测小区之间的相互影响越大，两个小区相关性越大；

当一个小区属于多个最大连通簇时，将该小区归属到唯一的一个小区簇；

根据地理位置信息，合并规模小于簇规模阈值的小区簇，得到簇规模符合簇规模阈值的小区簇。

2.根据权利要求1所述的方法，其特征在于，根据小区间相关性统计数据计算出小区之间的业务关联性，找出最大连通簇包括：

根据小区间相关性统计数据计算出小区间的相关系数CO；

根据所述相关系数CO筛除弱相关小区；

将第一小区集作为所述最大连通簇，其中所述第一小区集中，任何两个小区具有强关联性，且不存在任何一个包含第一小区集的第二小区集，所述强关联性是指小区间的相关系数CO大于相关系数阈值门限CO_LIMITED。

3.根据权利要求2所述的方法，其特征在于，根据小区间相关性统计数据计算出小区间的相关系数CO包括：

从所述小区间相关性统计数据中，取出在第一小区测量得到的相邻的被测小区与第一小区的多个相对信号强度差，

从所述多个相对信号强度差中统计出相对信号强度差大于相对信号强度门限S_LIMITED的采样点数量TIMESRELSS，以及总的有效采样点数量REPARFCN；

根据采样点数量TIMESRELSS和总的有效采样点数量REPARFCN计算两个小区间的相关系数

4.根据权利要求1所述的方法，其特征在于，当一个小区属于多个最大连通簇时，将小区归属到唯一的一个小区簇，包括：

计算属于多个小区簇的第一小区在每一个归属的小区簇中与该归属的小区簇中的所有小区的平均相关系数N是归属的小区簇中所有小区的总数；

比较各个归属的小区簇对应的平均相关系数COAverage，将所述第一小区归属到平均相关系数COAverage最大的小区簇中。

5.根据权利要求1所述的方法，其特征在于，根据地理位置信息，合并规模小于簇规模阈值的小区簇，包括：

对于一个第一小区簇，当第一小区簇规模小于簇规模阈值SIZE_DES时，根据各个小区的经纬度坐标作为地理位置信息，计算第一小区簇到其他小区簇的平均相关距离；

选取平均相关距离最小值对应的第二小区簇，将第一小区簇合并到第二小区簇。

6.根据权利要求5所述的方法，其特征在于，计算第一小区簇到其他小区簇的平均相关距离包括：

在第一小区簇中选取至少一个测距小区，该测距小区与其他小区簇中的至少一个小区之间具有强关联性，计算出所述测距小区与至少一个小区之间的相关距离的平均值作为所述平均相关距离。

7.根据权利要求5所述的方法，其特征在于，

当存在规模小于簇规模阈值SIZE_DES的小区簇时，按照簇规模从小到大的顺序，依次对各个小区簇执行所述合并。

8.一种划分小区簇的装置，其特征在于，包括：

连通簇形成单元，用于根据小区间相关性统计数据计算出小区之间的业务关联性，找出最大连通簇，每一个小区簇内的小区之间具有强关联性，以及小区簇间的小区具有弱关联性，小区间相关性统计数据是扫频数据，或者用户在激活态上报的测量报告；其中，第一小区的话务有小区间的相关系数CO的概率受到被测小区的影响，只要CO不为0，第一小区和被测小区之间就存在干扰限制关系，小区间的相关系数CO越大，第一小区和被测小区之间的相互影响越大，两个小区相关性越大；

小区归属单元，用于当一个小区属于多个最大连通簇时，将该小区归属到唯一的一个小区簇；

小区簇合并单元，用于根据地理位置信息，合并规模小于规模阈值的小区簇，得到簇规模符合簇规模阈值的小区簇。

9.根据权利要求8所述的装置，其特征在于，连通簇形成单元包括：

相关系数模块，用于根据小区间相关性统计数据计算出小区间的相关系数CO；

筛除模块，用于根据所述相关系数CO筛除弱相关小区；

最大连通簇生成模块，用于将第一小区集作为所述最大连通簇，其中所述第一小区集中，任何两个小区间的相关系数CO都大于相关系数低阈值CO_LIMITED，且不存在任何一个包含第一小区集的第二小区集。

10.根据权利要求8所述的装置，其特征在于，小区归属单元包括：

平均相关系数计算模块，用于对于一个第一小区，判断第一小区归属的小区簇的数量大于1，

计算第一小区在每一个归属的小区簇中与该小区簇中的所有小区的平均相关系数

归属执行模块，用于比较各个归属的小区簇对应的平均相关系数COAverage，将所述第一小区归属到平均相关系数COAverage最大的小区簇中。

11.根据权利要求8所述的装置，其特征在于，小区簇合并单元包括：

平均相关距离计算模块，用于对于一个第一小区簇，当第一小区簇规模小于簇规模阈值SIZE_DES时，根据各个小区的经纬度坐标作为地理位置信息，计算第一小区簇到其他小区簇的平均相关距离；

小区簇合并模块，用于选取平均相关距离最小值对应的第二小区簇，将第一小区簇合并到第二小区簇。