CN105898762A - 基站优化及部署方法和装置 - Google Patents

Abstract

本发明实施例提供一种基站优化及部署方法和装置。该方法包括：网格化待分析区域的地图，获得至少两个网格，其中，网格具有封闭的边界，任两个网格之间无重叠区域，拼接至少两个网格将覆盖整个地图；获得网格所映射的区域内的用户行为数据，用户行为数据为用户的通信行为所产生的数据；输出网格及网格所映射的区域内的用户行为数据，以供使用者进行网格所映射的区域内的基站优化及部署。本发明实施例使得使用者(例如运营商)从用户角度评估待优化基站和新建基站的候选网格以及基站利用率，从而通过本发明实施例所确定的站点位置可直观反映用户体验，增强站点定位合理性，在实现全网覆盖的同时，保证通信质量。

Description

基站优化及部署方法和装置

技术领域

本发明实施例涉及移动通信技术，尤其涉及一种基站优化及部署方法和装置。

背景技术

随着移动通信网络业务向数据化、分组化方向发展，移动通信基站的发展趋势也必然是宽带化、大覆盖面建设。运营商的一个投资重点是优化原有基站或者新建基站来改善用户的通信体验。由于基站地点(简称：站点)的选取对网络的性能和运维影响很大，因此，正确的基站选址是无线网络规划的关键。

现有技术中，运营商每年投入巨大的人力物力分析网络侧数据，以定位待优化的基站以及新建基站的位置，进而改善用户体验。例如，基于定位算法统计待分析地理区域的话务地理分布；识别出待分析地理区域的话务量较大的N个话务热点；搜索话务热点周围的适合部署微基站的位置，将话务热点与该位置关联。

但是，利用上述现有技术定位站点位置，可能会导致站点位置定位不合理，造成某些地方出现覆盖盲区或局部容量不足的现象。同时，无法评估基站优化和新建基站的利用率。

发明内容

本发明实施例提供一种基站优化及部署方法和装置，以提升待优化的基站以及新建基站的定位合理性，并可以评估优化后基站和新建基站的利用率，在实现全网覆盖的同时，保证通信质量。

第一方面，本发明实施例提供一种基站优化及部署方法，包括：

网格化待分析区域的地图，获得至少两个网格，其中，所述网格具有封闭的边界，任两个所述网格之间无重叠区域，拼接所述至少两个网格将覆盖整个所述地图；

获得所述网格所映射的区域内的用户行为数据，所述用户行为数据为用户的通信行为所产生的数据；

输出所述网格及所述网格所映射的区域内的用户行为数据，以供使用者根据所述网格及所述网格所映射的区域内的用户行为数据进行所述网格所映射的区域内的基站优化及部署。

根据第一方面，在第一方面的第一种可能的实现方式中，所述网格化待分析区域的地图，获得至少两个网格之后，所述方法还包括：

获取所述网格所映射的区域内所有基站上的网络侧数据；

输出所述网格所映射的区域内的网络侧数据，以供所述使用者根据所述网格及所述网格所映射的区域内的网络侧数据和用户行为数据进行所述网格所映射的区域内的基站优化及部署。

根据第一方面或第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述网格化待分析区域的地图，获得至少两个网格，包括：

采用以下方法中的一种或其任意组合，网格化所述待分析区域的地图，获得所述至少两个网格：基于街道功能区的网格化方法、基于基站的泰森多边形网格化方法、基于基站信号覆盖的网格化方法和正方形网格化方法。

根据第一方面、第一方面的第一种至第二种可能的实现方式中任意一种，在第一方面的第三种可能的实现方式中，所述获得所述网格所映射的区域内的用户行为数据，包括：

将所述用户对应的用户行为数据x_n按权重w_n映射到基站n，确定所述基站n对应的用户行为数据，其中，所述N为与所述用户在预设时间内具有通信连接的、且位于所述地图所映射的区域内的基站的总数；

统计所述网格所映射的区域内第一基站对应的用户数据，获得所述网格所映射的区域内的用户行为数据，所述第一基站为所述N个基站中位于所述网格所映射的区域内的基站。

根据第一方面、第一方面的第一种至第三种可能的实现方式中任意一种，在第一方面的第四种可能的实现方式中，所述获得所述网格所映射的区域内的用户行为数据之后，所述方法还包括：

根据函数模型y＝f(x,θ)和模型输入x训练获得基于所述网格的预测模型，其中，所述x为基于所述网格所映射的区域内的用户行为数据的训练样本，所述θ为估计参数；

根据所述预测模型和所述网格所映射的区域内的用户行为数据，获取所述网格所映射的区域内的基站优化及部署的位置。

第二方面，本发明实施例提供一种基站优化及部署装置，包括：

网格化模块，用于网格化待分析区域的地图，获得至少两个网格，其中，所述网格具有封闭的边界，任两个所述网格之间无重叠区域，拼接所述至少两个网格将覆盖整个所述地图；

获取模块，用于获得所述网格所映射的区域内的用户行为数据，所述用户行为数据为用户的通信行为所产生的数据；

输出模块，用于输出所述网格及所述网格所映射的区域内的用户行为数据，以供使用者根据所述网格及所述网格所映射的区域内的用户行为数据进行所述网格所映射的区域内的基站优化及部署。

根据第二方面，在第二方面的第一种可能的实现方式中，所述获取模块还用于：

获取所述网格所映射的区域内所有基站上的网络侧数据；

所述输出模块还用于：输出所述网格所映射的区域内的网络侧数据，以供所述使用者根据所述网格及所述网格所映射的区域内的网络侧数据和用户行为数据进行所述网格所映射的区域内的基站优化及部署。

根据第二方面或第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述网格化模块具体用于：

采用以下方法中的一种或其任意组合，网格化所述待分析区域的地图，获得所述至少两个网格：基于街道功能区的网格化方法、基于基站的泰森多边形网格化方法、基于基站信号覆盖的网格化方法和正方形网格化方法。

根据第二方面、第二方面的第一种至第二种可能的实现方式中任意一种，在第二方面的第三种可能的实现方式中，所述获取模块具体用于：

将所述用户对应的用户行为数据x_n按权重w_n映射到基站n，确定所述基站n对应的用户行为数据，其中，所述N为与所述用户在预设时间内具有通信连接的、且位于所述地图所映射的区域内的基站的总数；

统计所述网格所映射的区域内第一基站对应的用户数据，获得所述网格所映射的区域内的用户行为数据，所述第一基站为所述N个基站中位于所述网格所映射的区域内的基站。

根据第二方面、第二方面的第一种至第三种可能的实现方式中任意一种，在第二方面的第四种可能的实现方式中，所述获取模块还用于：

根据函数模型y＝f(x,θ)和模型输入x训练获得基于所述网格的预测模型，其中，所述x为基于所述网格所映射的区域内的用户行为数据的训练样本，所述θ为估计参数；

根据所述预测模型和所述网格所映射的区域内的用户行为数据，获取所述网格所映射的区域内的基站优化及部署的位置。

本发明实施例通过网格化待分析区域的地图、统计网格所映射的区域内用户行为数据，输出网格及网格所映射的区域内的用户行为数据给使用者，从而可以使用者(例如运营商)方便准确的获取期望得到的信息；且相比于根据网络侧数据选取站点地址，根据用户行为数据进行站点定位的方法帮助使用者从用户角度评估待优化基站和新建基站的候选网格及基站利用率，从而通过本发明实施例所确定的站点位置可直观反映用户体验，增强站点定位合理性，在实现全网覆盖的同时，保证通信质量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明基站优化及部署方法实施例一的流程图；

图2为本发明基站优化及部署方法实施例二的流程图；

图3为本发明基站优化及部署方法实施例三的流程图；

图4为本发明基站优化及部署装置实施例一的结构示意图；

图5为本发明基站优化及部署装置实施例二的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

基站，即公用移动通信基站，是无线电台站的一种形式，是指在一定的无线电覆盖区中，通过移动通信交换中心，与移动电话终端之间进行信息传递的无线电收发信电台。移动通信基站的建设是我国移动通信运营商投资的重要部分，移动通信基站的建设一般都是围绕覆盖面、通话质量、投资效益、建设难易、维护方便等要素进行。不合理的站点选址不仅可能会造成某些地方出现覆盖盲区或局部容量不足的现象，还会增加网络建设的成本，甚至给网络的运维带来很大的困难。

现有技术中，话务分析即基于话务统计所采集数据再进行处理析判定网络操作质量、效率、状态及数据流向。话务统计是衡量全球移动通信系统(英文：Global System for Mobile Communication，简称：GSM)质量的基本方法之一。通过监测系统网络侧数据，网络维护人员可以对整网运行状况基本了解。网络优化统计指标是分析网络性能基本依据。常用的指标包括拥塞率、掉话率和切换成功率等。仅利用话务统计数据无法判断哪些基站的用户离网率较高、体验较差以及高价值用户的活动区域，因此找到的适合部署基站的位置无法直接改善用户的体验，因此也无法得到预期的回报。

因此，本发明实施例提供一种基站优化及部署方法和装置，将基于网格的用户行为数据引入到基站优化和部署方案中，增强定位合理性，准确的预测未来待优化基站或者新建基站的网格及基站利用率，并有效的评估基站优化和新建基站的利用率。

图1为本发明基站优化及部署方法实施例一的流程图。本发明实施例提供一种基站优化及部署方法，该方法可以由基站优化及部署装置或计算机集群执行，其中，计算机集群例如为装有海杜普(英文：hadoop)和spark分布式操作系统的计算机集群。如图1所示，该方法包括：

S101、网格化待分析区域的地图，获得至少两个网格。

具体地，将待分析区域的地图划分成若干封闭的区域，这里称之为网格。

其中，每个网格具有封闭的边界，任意两个网格之间没有重叠的区域，拼接上述至少两个网格将覆盖整个地图区域。网格可以被认为是待分析区域的基本单元，待分析区域的地图上任意形状的区域可以由基本微小网格近似的拼接而成。

另外，待分析区域的地图可预先导入到计算机集群或基站优化及部署装置的内存，本发明不对其进行限制。

S102、获得网格所映射的区域内的用户行为数据，其中，用户行为数据为用户的通信行为所产生的数据。

具体地，将用户对应的用户行为数据映射到基站，基站为与用户在预设时间内具有通信连接的、且位于地图所映射的区域内的基站。

在预设时间内，用户可能与地图所映射的区域内的一个或多个基站建立连接并进行通信，因此，可以按照用户与各基站间的连接时长等因素，根据预设映射关系，将该用户对应的用户行为数据映射到与其连接的各基站。该实施例中，预设映射关系可以有多种实现形式，例如，预设时间内，用户与其中一个基站间的连接时长在该用户与所有基站连接时长中所占的比重，等等，本发明不予限制。

其中，S101和S102可以并列执行，也可以顺序执行，且执行顺序可以任意，本发明不予限制。

然后，在每一个网格内，确定网格所映射的区域内所有基站上的用户行为数据，作为网格对应的用户行为数据。

其中，网格与网格所映射的区域内基站的个数比例可以是1:1，也可以是1:m，m为大于1的自然数。加和网格所映射的区域内所有基站上的用户行为数据，得到该网格所映射的区域的用户行为数据。需说明的是，这里的加和是指同种类型的用户行为数据的加和，例如，用户行为数据的类型包括但不限于以下几种：

1)用户离网率和离网倾向；2)用户潜在价值；3)用户影响力；4)用户消费(英文：average revenue per user，简称：ARPU)、通话量、上网流量和短信行为；5)语音掉话和上网时延；6)信号的覆盖质量，例如测量报告(英文：measurement report，简称：MR)，即MR数据；7)用户投诉行为。

该实施例中，举例说明以下七种用户行为数据的确定方法：

a)离网用户：在给定一段时间内，预付费用户如果在进入“充值期”内15天不充值，则将其标注为离网用户。或者，在给定一段时间内，后付费用户如果连续两个月没有出账，即缴费，则将其标注为离网用户。不失一般性，离网用户的定义可以根据实际情况修改。

b)用户价值：在给定一段时间内，用户产生的价值可以由ARPU值决定，ARPU值可以认为是用户贡献给运营商的话费。不失一般性，用户价值的定义可以根据实际情况修改。

c)信号覆盖质量：在给定一段时间内，基站的信号覆盖质量可以由MR数据提供，可以用所有用户连接信号强度的平均值表示。不失一般性，信号覆盖质量的定义可以根据实际情况修改。

d)用户投诉行为：在给定一段时间内，统计每个用户投诉次数在投诉类型上的直方图。

e)话务量，包括语音时长和上网流量：在给定一段时间内，统计每个用户总的语音时长和上网流量。

f)用户体验，包括接通成功率、掉话率、上网速率：在给定一段时间内，每个用户连接成功率(包括语音和上网业务)定义为：连接成功次数与请求连接总次数的比值；掉话率定义为：通话小于5毫秒断开次数与通话连接成功次数的比值；上网速率定义为：上网总流量与上网连接时长的比值。

g)用户影响力：可以是通过特定算法获得，例如Page(Page是发明这个算法的人名)排名(英文：PageRank)算法。

S103、输出网格及网格所映射的区域内的用户行为数据，以供使用者根据网格及网格所映射的区域内的用户行为数据进行网格所映射的区域内的基站优化及部署。

对应地，使用者可以参考各网格及各网格所映射的区域内的用户行为数据，并结合基站部署策略，按照实际需求进行基站优化及部署。

本发明实施例通过网格化待分析区域的地图、统计网格所映射的区域内用户行为数据并将其映射到上述网格显示给使用者，从而可以帮助使用者(例如运营商)方便准确的获取期望得到的信息；且相比于仅根据网络侧数据选取站点地址，根据用户行为数据进行站点定位的方法帮助使用者从用户角度评估待优化基站和新建基站的候选网格及基站利用率，从而通过本发明实施例所确定的站点位置可直观反映用户体验，增强站点定位合理性，在实现全网覆盖的同时，保证通信质量。

图2为本发明基站优化及部署方法实施例二的流程图。如图2所示，在图1所示实施例的基础上，基站优化及部署方法还可以包括：

S201、网格化待分析区域的地图，获得至少两个网格。

S202、获得网格所映射的区域内的用户行为数据，其中，用户行为数据为用户的通信行为所产生的数据。

S203、输出网格及网格所映射的区域内的用户行为数据。

S204、获取网格所映射的区域内所有基站上的网络侧数据。

S205、输出网格所映射的区域内的网络侧数据，以供使用者综合网格及网格所映射的区域内的网络侧数据和用户行为数据进行网格所映射的区域内的基站优化及部署。

图2仅示例说明上述步骤执行顺序的其中一种。其中，S204和S202的执行顺序，以及S205和S203的执行顺序，可以并列执行，也可以顺序执行，即执行顺序可以任意，本发明不予限制。

该实施例中，使用者同时参考网络侧数据和用户行为数据进行基站优化及部署，从而帮助使用者全面的评估待优化基站和新建基站的候选网格及基站利用率，合理设置基站资源，进一步提升站点定位的合理性。

在上述实施例中，S101可以包括：采用以下方法中的一种或其任意组合，网格化待分析区域的地图，获得至少两个网格：基于街道功能区的网格化方法、基于基站的泰森多边形网格化方法、基于基站信号覆盖的网格化方法和正方形网格化方法，等等。

接下来对上述网格化方法进行详细说明。

基于街道功能区的网格化方法是按照街道功能区划分地图。例如，提供每个网格的顶点位置(经度，维度)，将这些顶点位置按照主要街道作为边连接起来，构成封闭的网格，其中，边不一定是直线，可以围绕街道形状。这样，每个网格可以被认为被街道包围起来的一个封闭图形，同时网格之间不重合。因为街道的不规则形状，根据街道划分的网格之间可能存在一些微小区域不属于任何网格，这时，可以将这些微小区域归属于与微小区域的中心点之间距离最近的网格。

基于基站的泰森多边形网格化方法是按照基站的位置做泰森多边形网格。将所有相邻基站位置连成三角形，作这些三角形的垂直平分线，于是每个基站周围的若干垂直平分线便围成一个多边形。用这个多边形内包含的基站的用户行为数据来表示这个多边形区域内的行为特征，并称这个多边形为泰森多边形。其中，泰森多边形的特性是：1)每个泰森多边形内仅含有一个基站；2)泰森多边形内的点到相应基站的距离最近；3)位于泰森多边形边上的点到其两边的基站的距离相等。

基于基站信号覆盖的网格化方法是根据基站的信号覆盖范围做不规则形状网格。用户连接基站通话或者上网会产生连接测量数据，即MR数据。MR数据记录了移动设备与周围基站连接的信号强度，以及移动设备的位置，因此可以将基站信号能覆盖的区域作为封闭的网格。网格边上的点到网格两边的基站的连接信号强度相等。

正方形网格化方法是将地图划分为一组设定大小的正方形网格。例如，正方形网格的边长为100米，等等。

补充说明的是，网格化方法并不局限于上述四种网格化方法。例如，可以采用K-D Tree的技术方案将地图划分为不均匀的正方形。因此，可以理解凡是将地图划分为“全覆盖”和“不重合”网格的方法，均可以被视为本发明实施例中的网格化方法。

在上述实施例的基础上，S102可以包括：将用户对应的用户行为数据x_n按权重w_n映射到基站n，其中，N为与用户在预设时间内具有通信连接的、且位于地图所映射的区域内的基站的总数；统计网格所映射的区域内第一基站对应的用户数据，获得网格所映射的区域内的用户行为数据，第一基站为N个基站中位于网格所映射的区域内的基站。

例如，基于用户在每个基站通话时长的映射方法。在预设时间内，用户连接位于地图内的N个基站，每个基站n的通话时长是x_n，则将该用户对应的通话时长按权重w_n分配到基站n。

又例如，基于用户在每个基站上网流量的映射方法。在预设时间内，用户连接位于地图内的N个基站，每个基站n的上网流量是x_n，则将该用户对应的上网流量按权重w_n分配到基站n。

或者，基于用户与基站连接时长的映射方法。在预设时间内，用户连接位于地图内的N个基站，用户与每个基站n的连接时长是x_n，则将该用户对应的连接时长按权重w_n分配到基站n。

其中，用户对应的用户行为数据映射到基站的方法不局限于上述映射方法，例如可以根据用户在工作时间段“8:00～18:00”与基站连接时长来将对应的用户行为数据分解映射到各个基站，等等。

将用户行为数据按照上述映射方式映射到每个基站，计算该用户行为数据的人均平均值；然后，通过基站映射到网格，再计算平均值。

图3为本发明基站优化及部署方法实施例三的流程图。如图3所示，基站优化及部署方法可以包括：

S301、网格化待分析区域的地图，获得至少两个网格。

S302、获得网格所映射的区域内的用户行为数据，其中，用户行为数据为用户的通信行为所产生的数据。

S303、根据函数模型y＝f(x,θ)和模型输入x训练获得基于网格的预测模型，其中，x为基于网格所映射的区域内的用户行为数据的训练样本，θ为估计参数。

S304、根据预测模型和网格所映射的区域内的用户行为数据，获取网格所映射的区域内的基站优化及部署的位置。

在该实施例中，如图1所示的S103可以在S302之后执行。

其中，使用预测模型可以自动筛选未来需要投资的网格，例如按照投资收益比排序，从而减少大量的人力和物力。可选地，输出上述网格所映射的区域内的基站优化及部署的位置，以方便使用者参考。

具体地，预测模型的通用模式是一个函数模型y＝f(x,θ)，其中，y是预测的目标，通常是一个标量。例如，预测每个网格未来一段时间的流量，则y表示未来一段时间的流量的大小。还可以用{0,1}来标注未来哪个网格需要新建基站，其中0表示不适合建基站，1表示适合建基站。

模型输入x为特征向量，表示为x＝(x₁,x₂,...x_m,...x_M),1≤m≤M，x的维度为M，x是与目标y相关性较强的一些因素，比如x表示过去一段时间的流量。估计参数θ需要通过训练数据{x,y}进行估计确定，其中x和y是已知的。在预测阶段，函数模型基于x和θ，输出预测的y′＝f(x,θ)。

不失一般性，以下用逻辑回归函数来解释预测模型的训练和预测过程。其中，每个网格对应的用户行为数据组成一个时间序列向量，{x_num,t}，1≤num≤T，1≤t≤T，其中num表示网格的索引，t表示时间索引。给定历史的训练数据{x_num,t,y_num,t+1},t<T-1，估计参数向量(θ₁,...,θ_M)，然后，目标是给定x_num,T-1和θ来预测y_num,T。

例如，训练过程中采用随机梯度下降算法(英文：stochastic gradientdescent)。每次输入一个训练样本{x_num,t,y_num,t+1}，计算梯度：当所有样本扫描多次循环后，随机梯度下降算法保证θ收敛。模型的预测过程就是将输入x_num,T-1带入到目标函数中，通过已训练好的θ，得到预测值y′_num,T＝f(x_num,T-1,θ)。

需说明的是，预测模型不局限于上述描述的逻辑回归模型，还可以是梯度增强决策树模型(英文：Gradient Boosting Decision Tree，简称：GBDT)。理论上任何函数模型y＝f(x,θ)都可以成为预测模型的目标函数并优化。训练预测模型的过程也不局限于本发明所述的随机梯度下降(SGD)算法，还可以是坐标上升或者下降算法(英文：coordinate ascent or descent，简称：CA orCD)。这些优化算法通常是将目标函数|y′-y|最大化或者最小化。目标函数通常定义为预测值和真实值之间的误差，但是也有其他方式的定义，本发明不予限制。

本发明实施例的一种实现方式中，首先，计算机集群将待分析区域的地图和基站的位置数据导入到内存后，执行S101得出网格和基站的映射表。同时，计算机集群将原始用户行为数据分块并导入到分布式硬盘；将所用户行为数据装载到分布式集群的内存后，执行S102统计每个用户对应的用户行为数据，将用户对应的用户行为数据映射到每个网格内。最后，计算机集群执行S103，将上述网格和网格所映射的区域内的用户行为数据可视化呈现给使用者。可选地，计算机集群基于预测模型，根据网格所映射的区域内的用户行为数据得到预测值，并可视化并呈现给使用者。

其中，一种示例中，上述待分析区域的地图、用户行为数据和各种方法等信息可以预先存储在存储器中，处理器从存储器中获取上述信息，并执行上述任一实施例所述的基站优化及部署方法后传递给显示装置，以供使用者通过显示装置查阅。

另外，本发明实施例还可以用到通用的地图系统，将用户行为映射到地图上进行可视化展示或者特征提取，构造预测用户下一时刻行为的模型。例如，用户在下一时刻去哪个地方，目的是什么，可以通过本发明实施例所保护的类似方案来解决。

进一步地，本发明实施例在用户定位技术(例如用手机信号定位用户的位置)发展下，可以作为分析用户和基站关联的工具，成为提供基于位置服务等增值服务的平台。

更进一步地，本发明实施例所保护的方案可以平移到通用的时空数据挖掘平台，例如，对各种交通工具的轨迹，在网格的基础上呈现并挖掘。每个网格可以统计运行各类交通工具的平均速度，来预测未来每个网格所映射的区域内是否需要新增公共交通资源，等等。

图4为本发明基站优化及部署装置实施例一的结构示意图。如图4所示，基站优化及部署装置20包括：网格化模块21、获取模块22和输出模块23。

网格化模块21用于网格化待分析区域的地图，获得至少两个网格，其中，网格具有封闭的边界，任两个网格之间无重叠区域，拼接上述至少两个网格将覆盖整个地图。获取模块22用于获得网格所映射的区域内的用户行为数据，其中，用户行为数据为用户的通信行为所产生的数据。输出模块23用于将网格及网格所映射的区域内的用户行为数据，显示给使用者，以供使用者根据网格及网格所映射的区域内的用户行为数据进行该网格所映射的区域内的基站优化及部署。

本实施例的装置，可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

在上述实施例的基础上，获取模块22还可以用于：获取网格所映射的区域内所有基站上的网络侧数据。此时，输出模块23还可用于：输出上述网格所映射的区域内的网络侧数据，以供使用者根据网格及网格所映射的区域内的网络侧数据和用户行为数据进行网格所映射的区域内的基站优化及部署。该实施例中，使用者同时参考网络侧数据和用户行为数据进行基站优化及部署，从而帮助使用者全面的评估待优化基站和新建基站的候选网格，合理设置基站资源，进一步提升站点定位的合理性。

其中，网格化模块21可具体用于：采用以下方法中的一种或其任意组合，网格化待分析区域的地图，获得至少两个网格：基于街道功能区的网格化方法、基于基站的泰森多边形网格化方法、基于基站信号覆盖的网格化方法和正方形网格化方法，等等，本发明不予限制。

进一步地，获取模块22可具体用于：将用户对应的用户行为数据x_n按权重w_n映射到基站n，其中，N为与用户在预设时间内具有通信连接的、且位于地图所映射的区域内的基站的总数；统计网格所映射的区域内第一基站对应的用户数据，获得网格所映射的区域内的用户行为数据，第一基站为上述N个基站中位于该网格所映射的区域内的基站。

更进一步地，获取模块22还可以用于：根据函数模型y＝f(x,θ)和模型输入x训练获得基于网格的预测模型，其中，x为基于网格所映射的区域内的用户行为数据的训练样本，θ为估计参数；根据预测模型和网格所映射的区域内的用户行为数据，获取网格所映射的区域内的基站优化及部署的位置。该实施例使用预测模型可以自动筛选未来需要投资的网格，例如按照投资收益比排序，从而减少大量的人力和物力。

在上述实施例中，输出模块23是提供查询接口给使用者，以使使用者查询基站优化和部署的位置、网格化后的地图以及各种统计和预测结果，例如每个网格的用户离网率、高价值用户比例、ARPU值、上网流量和通话时长等。

图5为本发明基站优化及部署装置实施例二的结构示意图。如图5所示，本实施例提供的基站优化及部署装置50包括：处理器51、存储器52和显示器53。

其中，处理器51用于网格化待分析区域的地图，获得至少两个网格，其中，网格具有封闭的边界，任两个网格之间无重叠区域，拼接上述至少两个网格将覆盖整个地图；获得网格所映射的区域内的用户行为数据，其中，用户行为数据为用户的通信行为所产生的数据。显示器53用于将网格及网格所映射的区域内的用户行为数据，显示给使用者，以供使用者根据网格及网格所映射的区域内的用户行为数据进行该网格所映射的区域内的基站优化及部署。存储器52用于存储上述地图、用户行为数据等信息。

本实施例的装置，可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

在上述实施例中，处理器51还可以用于获取网格所映射的区域内所有基站上的网络侧数据。此时，显示器53还可以用于：输出网格所映射的区域内的网络侧数据，以供使用者根据网格及该网格所映射的区域内的网络侧数据和用户行为数据进行该网格所映射的区域内的基站优化及部署。该实施例中，使用者同时参考网络侧数据和用户行为数据进行基站优化及部署，从而帮助使用者全面的评估待优化基站和新建基站的候选网格，合理设置基站资源，进一步提升站点定位的合理性。

其中，处理器51在用于网格化待分析区域的地图，获得至少两个网格时，可具体用于：采用以下方法中的一种或其任意组合，网格化待分析区域的地图，获得至少两个网格：基于街道功能区的网格化方法、基于基站的泰森多边形网格化方法、基于基站信号覆盖的网格化方法和正方形网格化方法，等等，本发明不予限制。

进一步地，处理器51在用于获得网格所映射的区域内的用户行为数据时，可具体用于：将用户对应的用户行为数据x_n按权重w_n映射到基站n，其中，N为与用户在预设时间内具有通信连接的、且位于地图所映射的区域内的基站的总数；统计网格所映射的区域内第一基站对应的用户数据，获得网格所映射的区域内的用户行为数据，第一基站为上述N个基站中位于该网格所映射的区域内的基站。

更进一步地，处理器51还可以用于：根据函数模型y＝f(x,θ)和模型输入x训练获得基于网格的预测模型，其中，x为基于网格所映射的区域内的用户行为数据的训练样本，θ为估计参数；根据预测模型和网格所映射的区域内的用户行为数据，获取网格所映射的区域内的基站优化及部署的位置。该实施例使用预测模型可以自动筛选未来需要投资的网格，例如按照投资收益比排序，从而减少大量的人力和物力。

在上述实施例中，显示器53是提供查询接口给使用者，以使使用者查询基站优化和部署的位置、网格化后的地图以及各种统计和预测结果，例如每个网格的用户离网率、高价值用户比例、ARPU值、上网流量和通话时长等。

在本申请所提供的几个实施例中，应该理解到，所揭示的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元或模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，设备或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基站优化及部署方法，其特征在于，包括：

网格化待分析区域的地图，获得至少两个网格，其中，所述网格具有封闭的边界，任两个所述网格之间无重叠区域，拼接所述至少两个网格将覆盖整个所述地图；

获得所述网格所映射的区域内的用户行为数据，所述用户行为数据为用户的通信行为所产生的数据；

输出所述网格及所述网格所映射的区域内的用户行为数据，以供使用者根据所述网格及所述网格所映射的区域内的用户行为数据进行所述网格所映射的区域内的基站优化及部署。

2.根据权利要求1所述的方法，其特征在于，所述网格化待分析区域的地图，获得至少两个网格之后，所述方法还包括：

获取所述网格所映射的区域内所有基站上的网络侧数据；

输出所述网格所映射的区域内的网络侧数据，以供所述使用者根据所述网格及所述网格所映射的区域内的网络侧数据和用户行为数据进行所述网格所映射的区域内的基站优化及部署。

3.根据权利要求1或2所述的方法，其特征在于，所述网格化待分析区域的地图，获得至少两个网格，包括：

采用以下方法中的一种或其任意组合，网格化所述待分析区域的地图，获得所述至少两个网格：基于街道功能区的网格化方法、基于基站的泰森多边形网格化方法、基于基站信号覆盖的网格化方法和正方形网格化方法。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述获得所述网格所映射的区域内的用户行为数据，包括：

将所述用户对应的用户行为数据x_n按权重w_n映射到基站n，确定所述基站n对应的用户行为数据，其中，所述N为与所述用户在预设时间内具有通信连接的、且位于所述地图所映射的区域内的基站的总数；

统计所述网格所映射的区域内第一基站对应的用户数据，获得所述网格所映射的区域内的用户行为数据，所述第一基站为所述N个基站中位于所述网格所映射的区域内的基站。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述获得所述网格所映射的区域内的用户行为数据之后，所述方法还包括：

根据函数模型y＝f(x,θ)和模型输入x训练获得基于所述网格的预测模型，其中，所述x为基于所述网格所映射的区域内的用户行为数据的训练样本，所述θ为估计参数；

根据所述预测模型和所述网格所映射的区域内的用户行为数据，获取所述网格所映射的区域内的基站优化及部署的位置。

6.一种基站优化及部署装置，其特征在于，包括：

网格化模块，用于网格化待分析区域的地图，获得至少两个网格，其中，所述网格具有封闭的边界，任两个所述网格之间无重叠区域，拼接所述至少两个网格将覆盖整个所述地图；

获取模块，用于获得所述网格所映射的区域内的用户行为数据，所述用户行为数据为用户的通信行为所产生的数据；

输出模块，用于输出所述网格及所述网格所映射的区域内的用户行为数据，以供使用者根据所述网格及所述网格所映射的区域内的用户行为数据进行所述网格所映射的区域内的基站优化及部署。

7.根据权利要求6所述的装置，其特征在于，所述获取模块还用于：

获取所述网格所映射的区域内所有基站上的网络侧数据；

所述输出模块还用于：输出所述网格所映射的区域内的网络侧数据，以供所述使用者根据所述网格及所述网格所映射的区域内的网络侧数据和用户行为数据进行所述网格所映射的区域内的基站优化及部署。

8.根据权利要求6或7所述的装置，其特征在于，所述网格化模块具体用于：

采用以下方法中的一种或其任意组合，网格化所述待分析区域的地图，获得所述至少两个网格：基于街道功能区的网格化方法、基于基站的泰森多边形网格化方法、基于基站信号覆盖的网格化方法和正方形网格化方法。

9.根据权利要求6-8任一项所述的装置，其特征在于，所述获取模块具体用于：

将所述用户对应的用户行为数据x_n按权重w_n映射到基站n，确定所述基站n对应的用户行为数据，其中，所述N为与所述用户在预设时间内具有通信连接的、且位于所述地图所映射的区域内的基站的总数；

统计所述网格所映射的区域内第一基站对应的用户数据，获得所述网格所映射的区域内的用户行为数据，所述第一基站为所述N个基站中位于所述网格所映射的区域内的基站。

10.根据权利要求6-9任一项所述的装置，其特征在于，所述获取模块还用于：

根据函数模型y＝f(x,θ)和模型输入x训练获得基于所述网格的预测模型，其中，所述x为基于所述网格所映射的区域内的用户行为数据的训练样本，所述θ为估计参数；

根据所述预测模型和所述网格所映射的区域内的用户行为数据，获取所述网格所映射的区域内的基站优化及部署的位置。