CN104519511A - 一种检测通信网络小区场景突变的方法和装置 - Google Patents

Abstract

本发明实施例提供一种检测通信网络小区场景突变的方法和装置，包括：针对同一批小区，确定要分析的目标属性对应的目标参数的取值，连续一段天数T内，定时从数据平台或操作维护中心获取指标参数的取值，采用位置区码和小区识别码建立小区和指标参数之间的关系，提取出指标参数的无冗余取值，存放在取值集合中；根据取值集合进行聚簇分类，将该一批小区划分到不同的场景；在不同的场景中过滤掉不合格小区以及未发生突变的小区，得到目标属性发生变化的候选小区；分析候选小区，挖掘出发生场景突变的小区。获取包含不同目标属性的小区数据，采用聚簇分类筛选出场景突变的候选小区，根据目标属性对应的目标参数的取值快速定位发生场景突变的小区。

Description

一种检测通信网络小区场景突变的方法和装置

技术领域

本发明涉及通信网络技术，特别是指一种检测通信网络小区场景突变的方法和装置。

背景技术

为了提高网络资源利用率，需要对无线通信小区进行场景划分。小区场景一旦划分确认后，同一个场景中，小区的无线参数基本采用相同的配置方法，属性值保持一致，不会再对同一个场景中小区参数做过多调整。由于各种原因，小区场景会发生突变。某些小区话务密度可能突然发生较大变化，或者频率资源突然变得紧张，各种突发原因导致网络质量受到影响，小区不再适用某一场景的配置，需要对小区场景进行调整。如果未及时对场景和小区相关属性进行调整，网络性能可能会受到严重影响，导致用户感知度下降。小区场景发生突变到最终出现严重网络质量问题是一个时间积累的过程，说明小区场景已经突变了一段时间，却没有及时做出场景调整。

研究如何及时发现小区场景突变，通过对小区场景进行调整，对相应的小区进行优化调整，使得无线小区配置的资源能够满足网络中各种业务量承载需求，对网络的精细化管理和资源的充分合理利用具有重要的意义。

目前，通过人工的分析和对比，主动发现场景突变难度大，多依赖于专家的经验。一般是问题出现了一段时间，发生严重网络问题或收到投诉后，才会由优化人员实施小区场景调整，重新划分场景。这种方法不及时，不是主动发现并及时解决问题，问题上报说明网络问题已经比较严重了，用户感知度已经受到较大影响。传统发现小区场景突变的方法多依赖于专家的经验，难度较大，主要原因有两点：一是和场景突变相关的因素太多，包括各类指标，参数和相关属性等，比如测量性能，保持性，接入性等指标；最大重发次数，小区重选偏移等无线参数。单独分析某些指标或者参数，无法发现指标与参数间关联关系，无法获知小区场景突变的原因。二是数据的选择大多局限于一天内的某些特定指标或参数，未进行多维度对比分析，无法准确发现小区场景变化的原因，没有太多借鉴价值，不适合推广。

现有的利用数据挖掘算法发现小区场景突变的技术存在如下问题：场景突变一段时间后，小区网络质量受到影响时才进行场景调整，导致问题发现和解决效果滞后；受到人为影响，依赖优化人员的经验，优化人员经验不足可能无法及时发现小区突变，或者对问题原因不清楚；数据分析相关属性维度选取不充分，进行数据挖掘分析时，一般针对当天数据，未能从多维度进行分析比较；选取的属性单一，要么是指标，要么是参数，没有综合各类指标参数进行统一分析，属性维度选取不足。

发明内容

本发明要解决的技术问题是提供一种检测通信网络小区场景突变的方法和装置，解决发生场景突变后，需要依赖人工经验进行分析，导致分析结果不准确，且发现问题和解决滞后的缺陷。

为解决上述技术问题，本发明的实施例提供一种检测通信网络小区场景突变的方法，方法包括：针对同一批小区，确定要分析的目标属性对应的目标参数的取值，连续一段天数T内，定时从数据平台或操作维护中心获取所述指标参数的取值，采用位置区码和小区识别码建立小区和所述指标参数之间的关系，提取出所述指标参数的无冗余取值，存放在取值集合中；根据所述取值集合进行聚簇分类，将该一批小区划分到不同的场景；在所述不同的场景中过滤掉不合格小区以及未发生突变的小区，得到所述目标属性发生变化的候选小区；分析所述候选小区，挖掘出发生场景突变的小区。

所述的方法中，根据所述取值集合进行聚簇分类，将该一批小区划分到不同的场景包括：每个小区包含多个目标属性，使用聚簇算法根据所述指标参数的取值对所述目标属性进行聚簇分类；根据所述聚簇分类的结果，将多个目标属性对应的所述指标参数具有相同或者相似值的小区分配到一个场景中，每个场景的记录条数记为Z₁,Z₂,.....,Z_p，一条记录中存放了一个小区一天时间内所述指标参数的取值，且Z₁+Z₂+.....+Z_p=小区数X*样本天数T。

所述的方法中，在所述不同的场景中过滤掉不合格小区以及未发生突变的小区，得到所述目标属性发生变化的候选小区具体包括：在每一个场景中，将位置区码和小区识别码相同的记录排列在一起；循环遍历所有场景，检查每个场景中的记录的条数，以及，一个场景中同一个小区的记录条数是否等于样本天数T；获得所有场景中，记录条数小于样本天数T的小区所对应的候选记录；删除不符合价值判断标准的候选记录，将剩余的候选记录对应的小区作为所述候选小区。

所述的方法中，分析所述候选小区，挖掘出发生场景突变的小区具体包括：对于多个目标属性中的第一目标属性，计算该第一目标属性对应的目标参数的全部取值的标准差；对于每一个候选小区，计算所述第一目标属性对应的目标参数的每个取值与标准差的偏差，获取所述偏差最大的取值所对应的第一时间，该候选小区在该第一时间发生了场景突变。

所述的方法中，获取所述偏差最大的取值所对应的第一时间，该候选小区在该第一时间发生了场景突变具体包括：所述第一时间对应的记录只在一个第一场景中出现了一次，其余时间对应的记录均不在该第一场景中出现，则第一场景中出现的突变与所述第一目标属性相关。

一种检测通信网络小区场景突变的装置，包括：目标属性单元，用于针对同一批小区，确定要分析的目标属性对应的目标参数的取值，连续一段天数T内，定时从数据平台或操作维护中心获取所述指标参数的取值，采用位置区码和小区识别码建立小区和所述指标参数之间的关系，提取出所述指标参数的无冗余取值，存放在取值集合中；聚簇分类单元，用于根据所述取值集合进行聚簇分类，将该一批小区划分到不同的场景；过滤单元，用于在所述不同的场景中过滤掉不合格小区以及未发生突变的小区，得到所述目标属性发生变化的候选小区；分析单元，用于分析所述候选小区，挖掘出发生场景突变的小区。

所述的装置中，聚簇分类单元包括：聚簇算法模块，用于在每个小区包含多个目标属性时，使用聚簇算法根据所述指标参数的取值对所述目标属性进行聚簇分类；场景划分模块，用于根据所述聚簇分类的结果，将多个目标属性对应的所述指标参数具有相同或者相似值的小区分配到一个场景中，每个场景的记录条数记为Z₁,Z₂,.....,Z_p，一条记录中存放了一个小区一天时间内所述指标参数的取值，且Z₁+Z₂+.....+Z_p=小区数X*样本天数T。

所述的装置中，过滤单元包括：记录排列模块，用于在每一个场景中，将位置区码和小区识别码相同的记录排列在一起；遍历模块，用于循环遍历所有场景，检查每个场景中的记录的条数，以及，一个场景中同一个小区的记录条数是否等于样本天数T；获得所有场景中，记录条数小于样本天数T的小区所对应的候选记录；删除模块，用于删除不符合价值判断标准的候选记录，将剩余的候选记录对应的小区作为所述候选小区。

所述的装置中，分析单元包括：标准差模块，用于对于多个目标属性中的一个目标属性，计算该目标属性的全部取值的标准差；场景突变模块，用于对于每一个候选小区，计算所述目标属性的每个取值与标准差的偏差，获取偏差最大的取值所对应的第一时间，该候选小区在该第一时间发生了场景突变。

所述的装置中，还包括：突变分析模块，用于当所述第一时间对应的记录只在一个第一场景中出现了一次，其余时间对应的记录均不在该第一场景中出现时，认定第一场景中出现的突变与所述第一目标属性相关。

本发明的上述技术方案的有益效果如下：获取包含不同目标属性的小区数据，采用聚簇分类筛选出场景突变的候选小区，根据目标属性对应的目标参数的取值快速定位发生场景突变的小区，且能够进一步分析出是什么性能原因导致了场景突变。

附图说明

图1表示一种检测通信网络小区场景突变的方法流程示意图；

图2表示一种检测通信网络小区场景突变的装置结构示意图。

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。

对于场景突变，可以通过数据挖掘，获取大规模小区相关数据进行分析。数据挖掘可以从海量数据中提取隐含的、未知的、具有潜在用处的信息的有效工具。

通过获取不同场景下，包含不同维度属性的小区数据，筛选过滤出场景突变的小区记录集。分析确认是否由于某些性能指标或者参数原因而导致的小区场景突变，最终挖掘得到发生场景突变的小区。

本发明实施例提供一种检测通信网络小区场景突变的方法，如图1所示，包括：

步骤101，针对同一批小区，确定要分析的目标属性对应的目标参数的取值，连续一段天数T内，定时从数据平台或操作维护中心获取所述指标参数的取值，采用位置区码和小区识别码建立小区和所述指标参数之间的关系，提取出所述指标参数的无冗余取值，存放在取值集合中；

步骤102，根据所述取值集合进行聚簇分类，将该一批小区划分到不同的场景；

步骤103，在所述不同的场景中过滤掉不合格小区以及未发生突变的小区，得到所述目标属性发生变化的候选小区；

步骤104，分析所述候选小区，挖掘出发生场景突变的小区。

应用所提供的技术，获取包含不同目标属性的小区数据，采用聚簇分类筛选出场景突变的候选小区，根据目标属性对应的目标参数的取值快速定位发生场景突变的小区，且能够进一步分析出是什么性能原因导致了场景突变。所提供的技术是基于聚簇分类实现的，具有通用性，不论按照何种方式划分场景，只要发生突变，均可利用聚簇分类技术判决场景突变的小区。

在一个优选实施例中，还包括：将可能导致场景突变的原因进行显示或者进行预警，调整小区场景配置。

场景的划分一般针对某些目标属性，因此首先选定要分析的目标属性，然后确定与目标属性相关的指标参数，可以选择与目标属性关联度较大，影响较大的一些指标参数，例如：话务量，覆盖性，接入性，保持性等。目标属性中还包括时间属性。

在一个优选实施例中，得到无冗余的取值集合具体包括：

连续一段天数T内，定时从数据平台或操作维护中心(OMC)获取所述指标参数的取值，采用位置区码和小区识别码(LAC+CI)建立小区和所述指标参数之间的关系，提取出所述指标参数的无冗余取值，存放在所述取值集合中。

在一个优选实施例中，根据所述取值集合进行聚簇分类，将该一批小区划分到不同的场景包括：

每个小区包含多个目标属性，使用聚簇算法根据所述指标参数的取值对所述目标属性进行聚簇分类；

根据所述聚簇分类的结果，将多个目标属性对应的所述指标参数具有相同或者相似值的小区分配到一个场景中，每个场景的记录条数记为Z₁,Z₂,.....,Z_p，一条记录中存放了一个小区一天时间内所述指标参数的取值，且Z₁+Z₂+.....+Z_p=小区数X*样本天数T。一共P类场景。

在一个应用场景中，选择一批X个小区，则这X个小区中，每个小区包含y类目标属性。分析小区的目标属性，目标属性记为a，共获取y类目标属性，记为{a₁,a₂,...,a_y}，以及获取目标属性对应的指标参数的取值。

连续一段时间为T天，在这T天中，每天选择小区具有代表性的六忙时的相关指标参数的取值。一共有X*T条记录，每条记录一个小区某一天的指标参数，每个小区均有T条记录，每一记录包含y类属性，记为记录集D_orin。

采用算法进行聚簇分析，可将小区分为多个场景。通过聚簇分类，y类属性中具有相同或者相似值的小区被分配到一个场景中。

处理之后的记录集(记录)和处理前相比，增加了一列属性名为class，用于标识该小区属于某类场景。场景记为Z，假设预先分为P类场景，每个场景的记录条数记为Z₁,Z₂,.....,Z_p。每个场景的记录条数可能均不同，即Z₁,Z₂,...,Z_p的个数可能均不同，且Z₁+Z₂+.....+Z_p=X*T，即

在一个优选实施例中，步骤103中，过滤掉所述场景中不合格小区以及未发生突变的小区，得到所述目标属性发生变化的候选小区具体包括：

在每一个场景中，将位置区码和小区识别码(LAC+CI)相同的记录排列在一起；

循环遍历所有场景，检查每个场景中的记录的条数，以及，一个场景中同一个小区的记录条数是否等于样本天数T；

获得所有场景中，记录条数小于样本天数T的小区所对应的候选记录；

删除不符合价值判断标准的候选记录，将剩余的候选记录对应的小区作为所述候选小区。

对于记录而言，LAC+CI值不同的小区，定义为一个不同的小区，如果LAC+CI相同，则是该小区在不同时间的记录。

在一个应用场景中，将所有小区按照聚簇分类后，对场景进行排序，每一个场景中小区个数不尽相同。

理论上，如果某小区在一段时间内未发生场景突变，其指标、参数没有变化，则若该小区某天的记录已经划分到某个场景中，那么该小区其他T-1天的记录经过聚簇分类后，也应该分配到该场景中，在该场景中应该有某小区的T条记录。

假设小区属于第i类场景(1<=i<=P)，该场景中记录条数为Z_i，则Z_i=T*R_i，R_i为不重复的小区个数，且R_i理论上应为整数，Z_i为T的整数倍。

但检查实际情况，Z_i却不是T的整数倍。大部分小区，相同LAC+CI的小区，均能在i类场景的Z_i条记录中找到该小区的T条记录；少部分小区无法找到T条记录，有的小区可能只能找到一天的记录，原因是小区可能发生了场景突变。

因此进行数据筛选，循环遍历P类的场景，获得所有场景中，记录条数小于样本天数的小区记录集。针对P类场景中每一个场景，按照同一个LAC+CI的小区进行排序，针对每个LAC+CI相同的小区，找出其记录条数少于T条的小区。如场景i中，记录条数为Z_i，有R_i个不重复小区，找到S_i个记录条数少于T的小区，R_i-S_i个记录条数等于T的小区，不失一般性，这R_i-S_i个小区共有记录条数为Z_i’，公式为：Z_i=(R_i-S_i)*T+Z_i’。

根据公式获取每个场景中的1<=i<=P，得到P个基于场景的新的记录集，该记录集中的记录与初始X*T条记录相比，多了一列场景属性。

经过筛选排序之后的记录集D_filter，对于每一个场景，少了(R_i-S_i)*T条小区记录，只有条记录，对应S_i个小区。记录集D_filter共有记录条数(1<=i<=P)。该记录集为小区场景突变记录集，每个小区在T天内的记录可能属于2个或多个class场景，不同class属性的值不相同。

对筛选后的记录集进行记录过滤，删除没有价值的记录，得到场景突变的小区记录集。

利用LAC+CI进行过滤后，每个不同LAC+CI的小区理论上应该有T条记录，且属于不同的场景，采用属性class标识该小区属于某类场景，则属性class的值不一样。但检查D_filter记录集，仍然有部分小区的记录条数小于T。这是由于在采集样本时间范围内，小区首次入网或者在数据采集时间范围内，发生退网情况；或者某天数据没有上报，这种外在因素导致的记录条数少于T的情况没有参考价值，需要删除这类小区。

剩下的所有小区，每个小区均有T条记录，对应T天的数据。最终得到记录集D_final，基于记录集D_final对D_final中的记录进行分析挖掘。

在一个优选实施例中，分析所述候选小区，挖掘出发生场景突变的小区具体包括：

对于多个目标属性中的第一目标属性，计算该第一目标属性对应的目标参数的全部取值的标准差；

对于每一个候选小区，计算所述第一目标属性对应的目标参数的每个取值与标准差的偏差，获取所述偏差最大的取值所对应的第一时间，该候选小区在该第一时间发生了场景突变。

利用记录集D_final，按照LAC+CI进行排序。对于具有相同LAC+CI，但属于不同场景的小区，查找每一条记录的场景。

在一个应用场景中，每个小区包含y类目标属性，同一个小区T天的记录是：第一天第二天......，第T天共T个记录。

若小区的T天记录分到了m个场景中，1<m≤P，即T天中，同一个小区属于不同场景，有的场景可能只有一条记录，有的场景可能有多条记录，则可能发生突变。

针对小区y个目标属性中的每一个目标属性，取T天的值。针对每一个目标属性在不同天内的不同值，比如每一行的第一列属性作为一组，同理，每一行的第二列属性作为一组，每一行的第y列属性作为一组。

计算每个目标属性的标准差：j为天数，1<=j<=T，n为目标属性标识，1<=n<=y,表示目标属性n在这一组中的算术平均值。

在一个优选实施例中，对于每一个候选小区，计算所述目标属性的每个取值与标准差的偏差具体包括：

比较目标属性在T天中每一天的取值与所述取值的算术平均值的距离，

若距离大于标准差，表明当天的波动大。

在一个应用场景中，以标准差为界定门限，比较属性值a_n ^j与算术平均值的距离是否小于标准差，判决公式为:

如果出现不符合上述判断的情况，表明针对目标属性n，该小区第j天的值与其他天的相比，波动较大。

获取所有不符合判决公式的取值，假设有T^/天不符合判决公式。如果某个属性n的值变化范围不大，则基本都符合上述公式判决，如果某个属性在一段时间内，变化差异大，则T^/天的数据都不符合判决公式。

获取波动变化最大的取值，若其对应当天的小区记录在某个场景中唯一，则判决其为小区场景突变。

由于不同的聚簇方法采用的算法不同，产生的场景也不同。可能出现某个小区不同时间天内，部分属性值变化较大或者波动差异较大，却没有发生突变，仍然属于同一个场景的情况。需要对这种情况进行区分。

在一个优选实施例中，获取所述偏差最大的取值所对应的时间，该候选小区在该时间发生了场景突变具体包括：

所述时间对应的记录只在一个第一场景中出现了一次，其余时间的记录均不在该第一场景中出现，则第一场景中出现的突变与所述第一目标属性相关。

对于结果中波动变化较大的目标属性，可能出现T^/天波动都比较大的情况。针对目标属性n，对于所有不符合判决公式的记录，取

计算值最大时所对应的j值以及相应的场景class值。

检查第j天该小区的记录若所属场景中有多于一条记录，即该小区有多天的记录也属于该场景，且其他天的取值和第j天的取值差异较大，但是仍然划分到同一个场景，表示除了该目标属性a_n外，还有其它原因对场景的突变造成影响，场景未发生突变。

检查第j天所属场景，若只有一条记录，即该小区的其余T-1条记录分布在其余m-1个场景中。则认为，由于目标属性an在第j天发生大的波动变化，导致某小区第j天的记录发生场景突变。且突变很有可能和该目标属性相关。可将结果通知网优人员，查明该目标属性突变的原因，进行现网数据的分析和调整。

本发明实施例提供一种检测通信网络小区场景突变的装置，如图2所示，包括：

目标属性单元201，用于针对同一批小区，确定要分析的目标属性对应的目标参数的取值，连续一段天数T内，定时从数据平台或操作维护中心获取所述指标参数的取值，采用位置区码和小区识别码建立小区和所述指标参数之间的关系，提取出所述指标参数的无冗余取值，存放在取值集合中；

聚簇分类单元202，用于根据所述取值集合进行聚簇分类，将该一批小区划分到不同的场景；

过滤单元203，用于在所述不同的场景中过滤掉不合格小区以及未发生突变的小区，得到所述目标属性发生变化的候选小区；

分析单元204，用于分析所述候选小区，挖掘出发生场景突变的小区。

在一个优选实施例中，聚簇分类单元202包括：

聚簇算法模块，用于在每个小区包含多个目标属性时，使用聚簇算法根据所述指标参数的取值对所述目标属性进行聚簇分类；

场景划分模块，用于根据所述聚簇分类的结果，将多个目标属性对应的所述指标参数具有相同或者相似值的小区分配到一个场景中，每个场景的记录条数记为Z₁,Z₂,.....,Z_p，一条记录中存放了一个小区一天时间内所述指标参数的取值，且Z₁+Z₂+.....+Z_p=小区数X*样本天数T。

在一个优选实施例中，过滤单元203包括：

记录排列模块，用于在每一个场景中，将位置区码和小区识别码相同的记录排列在一起；

遍历模块，用于循环遍历所有场景，检查每个场景中的记录的条数，以及，一个场景中同一个小区的记录条数是否等于样本天数T；

获得所有场景中，记录条数小于样本天数T的小区所对应的候选记录；

删除模块，用于删除不符合价值判断标准的候选记录，将剩余的候选记录对应的小区作为所述候选小区。

在一个优选实施例中，分析单元204包括：

标准差模块，用于对于多个目标属性中的一个目标属性，计算该目标属性的全部取值的标准差；

场景突变模块，用于对于每一个候选小区，计算所述目标属性的每个取值与标准差的偏差，获取所述偏差最大的取值所对应的第一时间，该候选小区在该第一时间发生了场景突变。

在一个优选实施例中，分析单元204还包括：

突变分析模块，用于当所述第一时间对应的记录只在一个第一场景中出现了一次，其余时间对应的记录均不在该第一场景中出现时，认定第一场景中出现的突变与所述第一目标属性相关。

采用本方案之后的优势是：通过获取包含不同目标属性的小区数据，筛选过滤出场景突变的候选小区，分析是否由于某些性能原因导致了场景突变，最终挖掘得到发生场景突变的小区，且采用了聚簇分类能够快速定位发生场景突变的小区。

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 (10)

1.一种检测通信网络小区场景突变的方法，其特征在于，方法包括：

针对同一批小区，确定要分析的目标属性对应的目标参数的取值，连续一段天数T内，定时从数据平台或操作维护中心获取所述指标参数的取值，采用位置区码和小区识别码建立小区和所述指标参数之间的关系，提取出所述指标参数的无冗余取值，存放在取值集合中；

根据所述取值集合进行聚簇分类，将该一批小区划分到不同的场景；

在所述不同的场景中过滤掉不合格小区以及未发生突变的小区，得到所述目标属性发生变化的候选小区；

分析所述候选小区，挖掘出发生场景突变的小区。

2.根据权利要求1所述的方法，其特征在于，根据所述取值集合进行聚簇分类，将该一批小区划分到不同的场景包括：

每个小区包含多个目标属性，使用聚簇算法根据所述指标参数的取值对所述目标属性进行聚簇分类；

根据所述聚簇分类的结果，将多个目标属性对应的所述指标参数具有相同或者相似值的小区分配到一个场景中，每个场景的记录条数记为Z₁,Z₂,.....,Z_p，一条记录中存放了一个小区一天时间内所述指标参数的取值，且Z₁+Z₂+.....+Z_p=小区数X*样本天数T，p是记录的总数。

3.根据权利要求1所述的方法，其特征在于，在所述不同的场景中过滤掉不合格小区以及未发生突变的小区，得到所述目标属性发生变化的候选小区具体包括：

在每一个场景中，将位置区码和小区识别码相同的记录排列在一起；

循环遍历所有场景，检查每个场景中的记录的条数，以及，一个场景中同一个小区的记录条数是否等于样本天数T；

获得所有场景中，记录条数小于样本天数T的小区所对应的候选记录；

删除不符合价值判断标准的候选记录，将剩余的候选记录对应的小区作为所述候选小区。

4.根据权利要求1所述的方法，其特征在于，分析所述候选小区，挖掘出发生场景突变的小区具体包括：

对于多个目标属性中的第一目标属性，计算该第一目标属性对应的目标参数的全部取值的标准差；

对于每一个候选小区，计算所述第一目标属性对应的目标参数的每个取值与标准差的偏差，获取所述偏差最大的取值所对应的第一时间，该候选小区在该第一时间发生了场景突变。

5.根据权利要求4所述的方法，其特征在于，获取所述偏差最大的取值所对应的第一时间，该候选小区在该第一时间发生了场景突变具体包括：

所述第一时间对应的记录只在一个第一场景中出现了一次，其余时间对应的记录均不在该第一场景中出现，则第一场景中出现的突变与所述第一目标属性相关。

6.一种检测通信网络小区场景突变的装置，其特征在于，包括：

目标属性单元，用于针对同一批小区，确定要分析的目标属性对应的目标参数的取值，连续一段天数T内，定时从数据平台或操作维护中心获取所述指标参数的取值，采用位置区码和小区识别码建立小区和所述指标参数之间的关系，提取出所述指标参数的无冗余取值，存放在取值集合中；

聚簇分类单元，用于根据所述取值集合进行聚簇分类，将该一批小区划分到不同的场景；

过滤单元，用于在所述不同的场景中过滤掉不合格小区以及未发生突变的小区，得到所述目标属性发生变化的候选小区；

分析单元，用于分析所述候选小区，挖掘出发生场景突变的小区。

7.根据权利要求6所述的装置，其特征在于，聚簇分类单元包括：

聚簇算法模块，用于在每个小区包含多个目标属性时，使用聚簇算法根据所述指标参数的取值对所述目标属性进行聚簇分类；

场景划分模块，用于根据所述聚簇分类的结果，将多个目标属性对应的所述指标参数具有相同或者相似值的小区分配到一个场景中，每个场景的记录条数记为Z₁,Z₂,.....,Z_p，一条记录中存放了一个小区一天时间内所述指标参数的取值，且Z₁+Z₂+.....+Z_p=小区数X*样本天数T，p是记录的总数。

8.根据权利要求7所述的装置，其特征在于，过滤单元包括：

记录排列模块，用于在每一个场景中，将位置区码和小区识别码相同的记录排列在一起；

遍历模块，用于循环遍历所有场景，检查每个场景中的记录的条数，以及，一个场景中同一个小区的记录条数是否等于样本天数T；

获得所有场景中，记录条数小于样本天数T的小区所对应的候选记录；

删除模块，用于删除不符合价值判断标准的候选记录，将剩余的候选记录对应的小区作为所述候选小区。

9.根据权利要求6所述的装置，其特征在于，分析单元包括：

标准差模块，用于对于多个目标属性中的一个目标属性，计算该目标属性的全部取值的标准差；

场景突变模块，用于对于每一个候选小区，计算所述目标属性的每个取值与标准差的偏差，获取所述偏差最大的取值所对应的第一时间，该候选小区在该第一时间发生了场景突变。

10.根据权利要求9所述的装置，其特征在于，还包括：

突变分析模块，用于当所述第一时间对应的记录只在一个第一场景中出现了一次，其余时间对应的记录均不在该第一场景中出现时，认定第一场景中出现的突变与所述第一目标属性相关。