CN105787203B - 一种预测小区经纬度是否异常的方法 - Google Patents
一种预测小区经纬度是否异常的方法 Download PDFInfo
- Publication number
- CN105787203B CN105787203B CN201610167161.9A CN201610167161A CN105787203B CN 105787203 B CN105787203 B CN 105787203B CN 201610167161 A CN201610167161 A CN 201610167161A CN 105787203 B CN105787203 B CN 105787203B
- Authority
- CN
- China
- Prior art keywords
- data
- latitude
- longitude
- cell
- analysis
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 25
- 238000004451 qualitative analysis Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000007405 data analysis Methods 0.000 claims abstract description 4
- 238000013480 data collection Methods 0.000 claims abstract description 3
- 238000007637 random forest analysis Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000009412 basement excavation Methods 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 abstract description 9
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 abstract description 9
- 235000003140 Panax quinquefolius Nutrition 0.000 abstract description 9
- 235000008434 ginseng Nutrition 0.000 abstract description 9
- 238000011835 investigation Methods 0.000 abstract description 7
- 238000007418 data mining Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 abstract description 3
- 230000002045 lasting effect Effects 0.000 abstract description 3
- 230000007246 mechanism Effects 0.000 abstract description 3
- 238000010606 normalization Methods 0.000 abstract description 3
- 230000007115 recruitment Effects 0.000 abstract description 3
- 238000005406 washing Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
- G06F16/162—Delete operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Remote Sensing (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种预测小区经纬度是否异常的方法，涉及小区经纬度测量技术，该方法基于云平台的大数据分析服务，自动采集数据并对数据进行清洗，然后通过定性分析法挖掘异常小区，并在此基础上通过建立模型集中挖掘经纬度疑似异常的小区。本发明通过对相关基础信息数据进行高效清洗，达到定性分析和建模数据质量要求；采用多维数据挖掘，准确发现和分析工参及邻区数据质量问题；进行常态化的工参及邻区核查，持续跟踪和监管数据质量，减少人力资源投入；通过工参普查效果评估和分析，促进工参普查准确性，同时建立跟踪和分析机制，能够快速定位经纬度、方向角、邻区数据问题；精准实施，有效提高工作效率。
Description
技术领域
本发明具体涉及小区经纬度测量技术，具体的说就是一种预测小区经纬度是否异常的方法。
背景技术
基站经纬度信息被广泛应用于LBS、网优网规、GIS呈现等重要应用场景，对数据准确性有较高要求，数据的准确性决定了分析结果的可用性。但是在实际应用过程中发现其数据质量存在较大的问题，尤其是经纬度数据，严重影响网优、建设、市场等多部门的工作。目前主要的难点如下：
（1）人工维护的经纬度不准确率较高。资源系统中基站经纬度大部分基于人工维护，存在不准确现象。尤其是GSM网络存量大，经过多期建设数据变迁较大。TD/LTE网络的拉远站及室分站点的数据也存在大量的问题。
（2）人工核查效率低，准确性无法评估。传统的人工核查主要取决与优化人员对网络的熟悉程度，采用人工逐站核查的方式，不仅效率低准确性不能保证，还存在漏查的问题。虽经过多轮核查数据质量效果不明显。
（3）传统系统核查手段单一，准确性低。虽然在系统数据质量管理过程中也设置了一些核查规则，但是简单的规则，比如数据是否为空、是否出界等。没有从根本上解决经纬度数据质量问题。
发明内容
本发明针对现有技术存在的不足之处，提供了一种预测小区经纬度是否异常的方法。
本发明所述一种预测小区经纬度是否异常的方法，解决上述技术问题采用的技术方案如下：所述一种预测小区经纬度是否异常的方法，基于云平台的大数据分析服务，自动采集数据并对数据进行清洗，然后通过定性分析法挖掘异常小区，并在此基础上通过建立模型集中挖掘经纬度疑似异常的小区。
优选的，首先进行数据采集及数据初步清洗，采集小区的基础信息数据、资管数据、性能数据以及配置数据，并对采集的数据进行加工处理，计算平均邻区距离、出具合规情况，计算小区切换情况。
优选的，采集数据并进行数据初步清洗后，通过定性分析法，对数据进行二次清洗，然后通过人工核查验证实际经纬度异常小区。
优选的，所述定性分析法包括基本规则法、超远邻区法、雷达扫描法以及多点碰撞法。
优选的，根据数据实际情况，建立LOGIT模型或随机森林模型，选择最合适的模型进行分析和预测。
优选的，通过超远邻区法、雷达扫描法对随机森林模型或LOGIT模型挖掘出的经纬度异常小区进行交叉验证。
优选的，通过条件查询经纬度异常小区信息，并列表呈现，选中某个小区后可对该小区进行GIS展现。
本发明的一种预测小区经纬度是否异常的方法与现有技术相比具有的有益效果是：本发明基于大数据云计算，对相关基础信息数据进行高效清洗，达到定性分析和建模数据质量要求；采用多维数据挖掘，准确发现和分析工参及邻区数据质量问题；进行常态化的工参及邻区核查，持续跟踪和监管数据质量，减少人力资源投入；通过工参普查效果评估和分析，促进工参普查准确性，同时建立跟踪和分析机制，能够快速定位经纬度、方向角、邻区数据问题，精准实施，有效提高工作效率。
附图说明
附图1为所述预测小区经纬度是否异常的方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参考附图，对本发明所述一种预测小区经纬度是否异常的方法进一步详细说明。
本发明所述一种预测小区经纬度是否异常的方法，能够对邻区数据、资源数据等大数据集中、快速清洗；并通过定性分析法挖掘出部分异常小区；在此基础上建立随机森林型或LOGIT模型批量、集中挖掘经纬度疑似异常的小区；并推送可供参考和校准的数据，同时根据反馈数据不断提升模型的使用性、广度和深度。
实施例1：
本实施例所述一种预测小区经纬度是否异常的方法，基于云平台的大数据分析服务，自动采集数据并对数据进行清洗，然后通过定性分析法挖掘异常小区，并在此基础上通过建立模型集中挖掘经纬度疑似异常的小区；附图1为所述预测小区经纬度是否异常的方法的流程图，如附图1所示：其中，所采集的数据包括基础信息数据、资管数据、性能数据以及配置数据；所用到的定性分析法主要包括基本规则法、超远邻区法、雷达扫描法以及多点碰撞法；通过建立随机森林型或LOGIT模型，进行批量集中挖掘经纬度疑似异常的小区。
本实施例所述预测小区经纬度是否异常的方法，首先进行数据采集及数据初步清洗，采集小区（基站）的基础信息数据、资管数据、性能数据以及配置数据，也可以采集GSM/TD/LTE解析后的路测数据和GSM/TD/LTE站点普查的经纬度数据等其他可选数据。对采集的数据进行加工处理，计算平均邻区距离、出具合规情况，并计算小区切换情况，之后数据才可使用。所述基础信息数据包括邻区数据、性能数据、资源数据以及代维数据，包括LTE、TD、GSM三种网络类型原始数据；所输入的这些基础信息数据根据配置规则进行数据自动清洗或自助清洗。所述资管数据是指小区、机房、站点、地市、区县等数据；所述性能数据是指GSM/TD/LTE的一对一切换数据、MRO数据(可选)；所述配置数据是指GSM/TD/LTE邻区配置关系数据。
本实施例所述预测小区经纬度是否异常的方法，采集数据并进行数据初步清洗后，通过定性分析法，对数据进行二次清洗，然后通过人工核查验证实际经纬度异常小区。所述定性分析法包括基本规则法、超远邻区法、雷达扫描法以及多点碰撞法，其中，所述基本规则法是指传统的简单判断法，比如：值为空、值出界等，通过基本规则法进行数据一级粗筛；所述超远邻区法是指应用已配置邻区关系的小区间某些关系数据的矛盾关系进行数据二次筛查；所述雷达扫描法是指通过雷达扫描的方式，关联邻区、经纬度等信息进行数据三次筛查；所述多点碰撞法是指关联多维数据，进一步定位基站经纬度问题，并推送建议的经纬度数据。
本实施例所述预测小区经纬度是否异常的方法，最后根据数据实际情况，建立LOGIT模型或随机森林模型，选择最合适的模型进行分析和预测。所述LOGIT模型将各变量之间的关系转换成（或采用）线性组合的，能够将非正态性变量数据、名义变量直接转换成线性组合形式，而不会产生过度拟合、共线性等情况。能够直观的输出分数，根据得分情况判断是否是异常小区。所述随机森林模型是，用随机的方式建立一个森林，森林由很多决策树组成，随机森林的每一棵决策树之间没有关联；再得到森林之后，当有一个新的输入样本进入时，让森林中的每棵决策树分别进行判断，确定这个样本应该属于哪一类（分类算法），然后根据哪一类被选择最多，就预测这个样本为那一类。
该预测小区经纬度是否异常的方法中，通过超远邻区法、雷达扫描法对随机森林模型或LOGIT模型挖掘出的经纬度异常小区进行交叉验证，提高模型效果，进一步降低人工核查工作量。
该预测小区经纬度是否异常的方法中，通过模型挖掘出的疑似异常小区进行人工核验，根据人工核验结果更新训练数据，对模型进行优化提升，同时按照月度粒度对模型持续优化和提手。
此外，通过本实施例所述预测小区经纬度是否异常的方法，通过条件查询经纬度异常小区信息，并列表呈现，选中某个小区后可对该小区进行GIS展现。通过地图，提供疑似问题小区以及邻区的位置呈现，并且标注其切换次数，能够直观查看疑似问题小区周围信息。
该预测小区经纬度是否异常的方法，主要面向单基站的经纬度核查，单站经纬度核查，精度可达到二百米，根据场景不同，有的可达到五十米。该方法适用2/3/4G网络，特别是拉远站问题；能够核查的最小精度二百米左右，根据场景不同精度会更高；并且核查准确率达到百分之七十以上。
本发明基于云平台的大数据服务，采用多维数据挖掘，准确发现和分析工参及邻区数据质量问题；进行常态化的工参及邻区核查，持续跟踪和监管数据质量，减少人力资源投入；通过工参普查效果评估和分析，促进工参普查准确性，同时建立跟踪和分析机制，确保最终解决问题。
上述具体实施方式仅是本发明的具体个案，本发明的专利保护范围包括但不限于上述具体实施方式，任何符合本发明的权利要求书的且任何所属技术领域的普通技术人员对其所做的适当变化或替换，皆应落入本发明的专利保护范围。
Claims (2)
1.一种预测小区经纬度是否异常的方法，其特征在于，基于云平台的大数据分析服务，自动采集数据并对数据进行清洗，然后通过定性分析法挖掘异常小区，并在此基础上通过建立模型集中挖掘经纬度疑似异常的小区；
首先进行数据采集及数据初步清洗，采集小区的基础信息数据、资管数据、性能数据以及配置数据，并对采集的数据进行加工处理，计算平均邻区距离、出具合规情况，计算小区切换情况；
采集数据并进行数据初步清洗后，通过定性分析法，对数据进行二次清洗，然后通过人工核查验证实际经纬度异常小区；所述定性分析法包括基本规则法、超远邻区法、雷达扫描法以及多点碰撞法；
然后，根据数据实际情况，建立LOGIT模型或随机森林模型，选择最合适的模型进行分析和预测；通过超远邻区法、雷达扫描法对随机森林模型或LOGIT模型挖掘出的经纬度异常小区进行交叉验证。
2.根据权利要求1所述一种预测小区经纬度是否异常的方法，其特征在于，通过条件查询经纬度异常小区信息，并列表呈现，选中某个小区后可对该小区进行GIS展现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610167161.9A CN105787203B (zh) | 2016-03-23 | 2016-03-23 | 一种预测小区经纬度是否异常的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610167161.9A CN105787203B (zh) | 2016-03-23 | 2016-03-23 | 一种预测小区经纬度是否异常的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105787203A CN105787203A (zh) | 2016-07-20 |
| CN105787203B true CN105787203B (zh) | 2019-03-26 |
Family
ID=56390653
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610167161.9A Active CN105787203B (zh) | 2016-03-23 | 2016-03-23 | 一种预测小区经纬度是否异常的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105787203B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106682335A (zh) * | 2017-01-03 | 2017-05-17 | 山东浪潮商用系统有限公司 | 一种实现无线资源数据清洗和稽核的自动化方法 |
| CN107071802B (zh) * | 2017-03-16 | 2024-02-27 | 同济大学 | 一种手机app定位异常数据检测方法及其装置 |
| CN109996280B (zh) * | 2017-12-31 | 2022-10-04 | 中国移动通信集团湖北有限公司 | 基站经纬度核查方法、装置、设备及介质 |
| CN111582219B (zh) * | 2020-05-18 | 2023-12-22 | 湖南纳九物联科技有限公司 | 一种智能化宠物管理系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040242972A1 (en) * | 2003-05-28 | 2004-12-02 | General Electric Company | Method, system and computer product for prognosis of a medical disorder |
| CN104703209A (zh) * | 2015-03-17 | 2015-06-10 | 浪潮通信信息系统有限公司 | 一种基于邻区关系发现小区经纬度错误的方法 |
| JP2015114709A (ja) * | 2013-12-09 | 2015-06-22 | 学校法人 中央大学 | 保守点検システム |
| CN104735705A (zh) * | 2013-12-23 | 2015-06-24 | 中国移动通信集团上海有限公司 | 一种基站覆盖和基础数据的核查方法及装置 |
| CN105357675A (zh) * | 2015-12-08 | 2016-02-24 | 广东怡创科技股份有限公司 | Ue小区重叠覆盖情况检测方法与系统 |
-
2016
- 2016-03-23 CN CN201610167161.9A patent/CN105787203B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040242972A1 (en) * | 2003-05-28 | 2004-12-02 | General Electric Company | Method, system and computer product for prognosis of a medical disorder |
| JP2015114709A (ja) * | 2013-12-09 | 2015-06-22 | 学校法人 中央大学 | 保守点検システム |
| CN104735705A (zh) * | 2013-12-23 | 2015-06-24 | 中国移动通信集团上海有限公司 | 一种基站覆盖和基础数据的核查方法及装置 |
| CN104703209A (zh) * | 2015-03-17 | 2015-06-10 | 浪潮通信信息系统有限公司 | 一种基于邻区关系发现小区经纬度错误的方法 |
| CN105357675A (zh) * | 2015-12-08 | 2016-02-24 | 广东怡创科技股份有限公司 | Ue小区重叠覆盖情况检测方法与系统 |
Non-Patent Citations (3)
| Title |
|---|
| TD基站经纬度核查工具的研发;苏琦等;《广西通信技术》;20121215(第4期);第40-45页 * |
| 基于大数据的室内网络综合分析系统的研发和应用;李亚等;《电信工程技术与标准化》;20150315(第3期);第26-30页 * |
| 根据经纬度计算站间距模块的设计与实现;陈大业等;《电信技术》;20141225;第37-43页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105787203A (zh) | 2016-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110677859B (zh) | 弱覆盖区域的确定方法、装置和计算机可读存储介质 | |
| CN105787203B (zh) | 一种预测小区经纬度是否异常的方法 | |
| WO2022089031A1 (zh) | 一种基于大数据和人工智能的网络优化方法 | |
| CN104484993A (zh) | 用于交通小区划分的手机信令信息的处理方法 | |
| CN111382484B (zh) | 一种基于bim建筑物管线布置优化系统 | |
| CN105813092B (zh) | 一种基于话单的楼宇网络覆盖优化方法和装置 | |
| WO2020107712A1 (zh) | 基于用户数据实现天线方位角纠偏的方法 | |
| CN108271171B (zh) | 建筑物网络状况统计方法及装置 | |
| CN108632832B (zh) | 网络覆盖分析方法及系统 | |
| CN108307316B (zh) | 基于s1-mme数据的快速移动用户高精度判别方法 | |
| CN104754590A (zh) | 一种评估长期演进lte网络站址的方法及装置 | |
| CN106535204A (zh) | 一种业务覆盖质量评估方法及装置 | |
| CN107318114B (zh) | 一种邻区规划的方法及装置 | |
| CN111465025B (zh) | 一种基于新型容量预测模型的旅游城市5g网络组网方法 | |
| Stavroulaki et al. | Statistical modelling and analysis of big data on pedestrian movement | |
| CN103108343A (zh) | 建立决策树的方法及装置、网络性能优化方法及装置 | |
| CN105636084A (zh) | 常驻用户的获取方法及装置 | |
| CN109995549B (zh) | 一种评估流量价值的方法及装置 | |
| CN207939741U (zh) | 一种智能识别室内弱覆盖的装置 | |
| CN109548139A (zh) | 一种基于knn的小区基站经纬度数据校正方法 | |
| KR101545998B1 (ko) | 유출-수리모형 데이터 통합 관리 방법 및 그 시스템 | |
| Lan et al. | Intelligent GSM Cell Coverage Analysis System Based on GIS. | |
| CN111465024A (zh) | 一种通信基站建设数量及评估方法 | |
| CN104965940A (zh) | 城镇公共空间的社会网络模型构建方法 | |
| CN115175100B (zh) | 网络覆盖问题处理方法、装置、服务器及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: No. 1036, Shandong high tech Zone wave road, Ji'nan, Shandong Applicant after: Tianyuan Communication Information System Co., Ltd. Address before: No. 1036, Shandong high tech Zone wave road, Ji'nan, Shandong Applicant before: Langchao Communication Information System Co., Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 250100 S06 tower, 1036, Chao Lu Road, hi tech Zone, Ji'nan, Shandong. Patentee after: INSPUR COMMUNICATION AND INFORMATION SYSTEM Co.,Ltd. Address before: No. 1036, Shandong high tech Zone wave road, Ji'nan, Shandong Patentee before: INSPUR TIANYUAN COMMUNICATION INFORMATION SYSTEM Co.,Ltd. |