CN106804042A - 弱覆盖问题区域的聚类方法与站点规划方法 - Google Patents

Abstract

本发明公开了一种弱覆盖问题区域的聚类方法，包括如下步骤：将地图进行栅格化处理；将覆盖数据映射到栅格之中,确定弱覆盖的栅格；通过聚类算法,识别出成片的弱覆盖区域。本发明还涉及站点规划方法，使用上述的方法得到弱覆盖的问题区域；计算弱覆盖的问题区域里的每个栅格与网内站点的距离，筛选出问题区域内与网内站点最小距离在阀值范围内的栅格，列入备选规划点，有备选规划点的问题区域将保留，其他则被删除；阀值根据宏站与微站的覆盖距离而确定。本发明通过聚类算法统一规划区域，对问题栅格进行关联分析，连片处理，降低了分析的难度和减少工作量。本发明自动进行规划栅格筛选，提高了预规划选点的效率。

Description

弱覆盖问题区域的聚类方法与站点规划方法

技术领域

本发明涉及通信技术的网络规划技术领域，具体涉及一种弱覆盖问题区域的聚类方法与站点规划方法。

背景技术

随着移动网络技术的发展,深度连续覆盖成为保障用户感知的根本。由于网络规划站点部署不足导致的弱覆盖问题,会直接影响用户的业务感知和速率体验。因此,在网络规划工作中,如何识别规划站点部署不足的相关场景进行预规划一直是工作的重要环节。

现有技术中，通过人工进行规划选点(在本申请中，选点指的是选取站点)，对照地图，将其栅格化，与相关不同种类的数据进行综合分析，然后在地图上进行手动布点。具体第，(1)首先在测定需要创建栅格的城市经纬度范围；(2)利用Mapinfo等工具创建栅格图层；(3)提取栅格经纬度信息，添加的经纬度是每个栅格中心点的经纬度，至此，创建栅格图层全部完成。在完成栅格化后，将网络覆盖质量的测量数据(例如DT(Drive Test)，路测数据，或者CQT(Call QualityTest，呼叫质量拨打测试)数据)导入，与栅格完成对应，根据各个栅格内的网络质量的测量数据进行补点规划。

现有技术中的站点预规划选点的手工方法缺陷有以下几个方面，

1、效率很低，成百上千的站点由人工作业，工作量很大，占用大量人力成本；

2、补点结果太主观，人工补点没有统一标准，不同的人补出来的点位差异很大；

3、单个栅格进行工作，大大增加了分析的难度和工作量。

发明内容

本发明解决的技术问题之一是，减少规划时的工作量。

本发明采取如下技术方案：

一种弱覆盖问题区域的聚类方法，步骤1：首先将地图进行栅格化处理；步骤2：将覆盖数据映射到栅格之中,确定弱覆盖的栅格；步骤3：通过聚类算法,识别出成片的弱覆盖区域,并输出弱覆盖的问题区域的输出，弱覆盖的栅格之间的距离小于L的为关联栅格，聚集为一个弱覆盖区域，其中的L为栅格的长度。

一种站点规划方法，包括如下步骤：

步骤A：使用上方法得到弱覆盖的问题区域，并进行编号；

步骤B：计算弱覆盖的问题区域里的每个栅格与网内站点的距离，筛选出每个问题区域内与站内站点最小距离在阀值范围内的栅格，列入备选规划点，有备选规划点的的问题区域将保留，没有备选规划点的问题区域则被删除；当问题区域内备选栅格唯一时，选此备选栅格为规划点，其中的所述阀值根据宏站与微站的覆盖距离而确定。

本发明的实施例至少具有以下有益效果：

本发明将数据导入地图后，通过聚类算法统一规划区域，对问题栅格进行关联分析，连片处理，降低了分析的难度和减少工作量。本发明进行规划栅格筛选，输出预规划的点位，大大增强了预规划选点的效率，并实现选点的标准化统一。

附图说明

图1为本发明的一个实施例的整体流程示意图；

图2为地图栅格化的过程示意图；

图3为栅格的示意图；

图4为将数据点映射到栅格的示意图；

图5为栅格关联的计算流程示意图；

图6为关联栅格后的弱覆盖区域的示意图；

图7为规划栅格筛选算法流程示意图；

图8为栅格优选判断的流程图。

具体实施方式

以下结合附图说明本发明的具体实施方式。

本发明解决的技术问题之一是，统一补点标准，避免人为主观规划带来的偏差；对问题栅格进行关联分析，连片处理，降低了分析的难度和减少工作量。

整体上，本发明分为以下几个大的步骤：

步骤1：首先将地图进行栅格化处理；

步骤2：将覆盖数据映射到栅格之中,确定弱覆盖栅格，其中的覆盖数据以及判断弱覆盖栅格的具体方法见下文详述；

步骤3：再通过聚类算法,自动识别出成片的弱覆盖区域,并完成弱覆盖问题区域的输出，

步骤4：然后结合网内站点对问题区域进行分析，确定规划问题栅格(站点)；

步骤5：输出规划备选栅格(站点)。

具体，其中步骤1将地图进行栅格化处理：如图2所示，为了方便进行采样点到栅格的映射，可以利用地界经纬度边界创建地界栅格对象。

i.绘制区域矩形边界图

如图2所示，找出地图经度、纬度的最大值和最小值点，对地图为a、b、c、d，其经纬度为(LONa,LATa)，(LONb,LATb)，(LONc,LATc)，(LONd,LATd)，将a、c点延经度延长，b、d点延纬度延长，相交于A、B、C、D；其经纬度(LONd，LATa)，(LONb，LATa)，(LONb，LATc)，(LONd，LATc)

ii.栅格坐标定位

如图3所示(图3只是示意出了部分栅格，示出部分栅格的编号)，设定栅格大小，通过栅格对地图区域进行细分。划分横向栅格个数为M，纵向栅格为N，栅格编号则为(m,n)，由于栅格是等分的，且中国位于东北半球，则每个栅格中心经纬度公式为：

LON(m,n)＝LONd+[(2m-1)*(LONb-LONd)/2M]

LAT(m,n)＝LATc+[(2n-1)*(LATa-LATc)/2N]

步骤2：将覆盖数据映射到栅格之中,确定弱覆盖栅格，具体过程：

将多维度的覆盖情况映射到栅格：将测试、MR(测量报告)、仿真等数据导入地图，其中MR与路测、扫频采样点数据作为栅格主数据呈现,CQT(呼叫质量拨打测试)数据作为辅数据呈现。

弱覆盖栅格识别

在采样点映射到栅格后,通过设定的阀值进行栅格染色，以方便分析栅格，采取不同的颜色代表不同的覆盖质量等级，便于直观地看到每个栅格的数据质量等级。具体如下：

i.有效栅格及坏点判断原则

MR有效栅格：栅格MR采样点大于阀值的为有效(例如栅格3日内MR采样点数大于50，还可以设置为其他数值)

路测有效栅格:栅格路测采样点大于阀值的为有效(例如采样点数大于5，同样地还可以设置为其他数值)；

CQT有效栅格：存在CQT测试数据的栅格为有效；

扫频有效栅格：栅格扫频采样点大于阀值的为有效(例如栅格内扫频采样点数大于5)；

有效数据坏点：采样点主服(最强)电平小于阀值(例如小于-110dBm.)的为坏点。

ii.栅格评分介绍

总体数据有四项，A:扫频、B:路测、C:MR,D:CQT，四项数据分别有采样点总数Na,Nb,Nc,Nd；四项数据的坏点数分别是Ma,Mb,Mc,Md；四项数据预设权值分别是wA,wB,wC,wD；是若栅格内某一项数据有效,则该数据权值为预设权值，可通过调整权值体现数据的主次(例：wA＝0.4,wB＝0.25,wC＝0.2,wD＝0.15，此权值可进行调整),若该数据无效，其权值为零，通过对有效数据源的计算和加权,计算栅格总体坏点比例。分为如下几种情形：

1)四项数据源均无效：

该栅格为无效栅格

2)四项数据源至少一项有效：

坏点比例＝(Ma*wA+Mb*wB+Mc*wC+Md*wD)/(Na*wA+Nb*wB+Nc*wC+Nd*wD)

iii.栅格覆盖质量分级，作为优选方案，根据覆盖质量分级染色，

栅格染色:根据各类数据优劣程度,使用6种色染色,便于精细化评估栅格覆盖情况。

例如：

白色栅格：无效栅格

黑色栅格：坏点比例大于60％(弱覆盖栅格)

红色栅格：坏点比例介于40％～60％之间(弱覆盖栅格)

黄色栅格：坏点比例介于20％～40％之间

蓝色栅格：坏点比例介于10％～20％之间

绿色栅格：坏点比例小于10％

根据设定的坏点比例值，确定每一个栅格的覆盖质量分级，优选地，根据上述规则染色，同一级别的栅格为同一颜色。

综上所述，根据设定的阀值可以确定出弱覆盖栅格。

栅格聚类的算法

聚类算法是为了实现有空间关联的弱覆盖栅格组合成一组,进行统一编号且作为一个问题点对象。具体的实现算法简单描述为递归算法,即通过目标栅格找到直接关联栅格,再由直接关联栅格找到间接关联栅格,如此循环遍历,直至找到一片区域的所有栅格。具体算法流程见下图：

判断算法如下：

1)距离计算：利用弱覆盖栅格的编号，根据栅格大小L可以得到每个弱覆盖栅格的距离K。栅格大小L即为栅格的边长。

2)关联判断：每1个栅格周围都有8个栅格直接关联；有共同直接关联栅格，但不直接关联的栅格组为间接关联，其判断方法如下：

①某一弱覆盖栅格与其他所有弱覆盖栅格中心坐标距离Kn>L，则此弱覆盖栅格无关联弱覆盖栅格，单独记为一个问题区域

②某一弱覆盖栅格存在Kn＝<L的弱覆盖栅格，这一组栅格就是弱覆盖关联栅格

③循环运算，计算弱覆盖关联栅格的每一个栅格是否还有其他关联的弱覆盖栅格，直到无新的弱覆盖栅格关联为止

④将弱覆盖关联栅格记为一个问题区域，全网的弱覆盖栅格按问题区域输出

如计算(m1,n1)周围8个有交集的点,计算与其他所有点距离,如果距离

小于或等于则判定为有交集的栅格。如上图所示,(m1,n1)与(m2,n1)距离计算:

因此(m1,n1)与(m2,n1)有交集,是连续区域；

同理(m1,n1)与(m1,n2)有交集,也是连续区域；

而(m1,n1)与(m2,n3)距离

则(X1,y1)与(m2,n3)无交集,不是直接关联栅格。

而(m2,n3)与(m1,n4)的距离

因此(m2,n3)与(m1,n4)有交集,是直接关联栅格,因此(m1,n4)与(m1,n1)是间接关联栅格,最终形成连续区域。

上述算法，简而言之，计算弱覆盖栅格两两之间的距离，凡是距距离小于的即为相邻的栅格，相邻的弱覆盖栅格组成连续区域。如图5所示，针对任何一个选定的弱覆盖栅格。根据距离判断是否存与其关联的栅格距离小于的为关联栅格，然后再对其关联栅格为对象，判断是否存在与被关联栅格的距离小于的其他关联栅格，通过循环计算，将所有与选定的栅格存在直接关联与间接关联的栅格连为连续区域组。也就是说，以上算法相当于找到一个栅格周围的八个栅格是否有同类栅格,如果有则组成连续区域,再由找到的连续栅格寻找其周围的八个栅格是否有同类栅格,以此向外扩展连续区域的原理。最后将以上找到的栅格组成一个连续区域组。连续区域组可以作为一个对象,被赋予的特征和数值,作为一个整体问题区域，进行编码，进行操作。

经过栅格聚类后，弱覆盖栅格变得更整体更直观，并减少了研究对象，降低了工作难度。本发明是实施例对问题栅格采用聚类算法，根据对备选问题栅格进行距离关联，有关联的问题点被合并归类成问题区域，后期处理工作的数量大大减少，快速分类，提高工作效率。

站点规划方法的过程如下，对规划栅格进行筛选

1、距离判断：根据上述栅格聚类的算法的结果可以得到问题区域(问题区域即连续的弱覆盖栅格所组成的区域)，分别进行编号(1、2、3、4........N)，下面根据问题区域里的每个栅格与网内站点的距离D，筛选出每个问题区域内与站内站点最小距离Dmin在阀值范围内的栅格，列入备选规划点；有备选规划点的的区域将保留，没有备选规划点的区域则被删除。

以LTE网络中举例，宏站覆盖一般在200米到2000米之间，微站覆盖一般在50米以上，规划区域栅格最小距离删选条件：

Dmin＜50米(不合格)，因为该弱覆盖栅格离现网站点很近，不需要规划站点；

Dmin＞2000米(不合格)，因为该弱覆盖栅格离站点过远，不能完全满足规划要求；

50＜＝Dmin＜200米(备选微站规划栅格)

200＜＝Dmin＜＝2000米(备选宏站规划栅格)

有备选栅格的问题区域将保留进行下一步，无备选栅格的问题区域将被删除。

2、栅格循环优选判断：

当问题区域内备选栅格唯一时，如果是此备选微站规划栅格，就确定为微站规划点，如果是此备选宏站规划栅格就确定为宏站规划点；

当问题区域内合格栅格不唯一时，对问题区域内的栅格进行判断：分为三种情形：

1、问题区域内的问题栅格全是微站备选规划栅格，在备选微站规划栅格里筛选出一个最优栅格作为微站规划点；

2、问题区域内的问题栅格全是宏站备选规划栅格，在备选宏站规划栅格里筛选出一个最优栅格作为宏站规划点；

3、问题区域内备选宏站规划栅格与备选微站规划栅格都存在，根据宏站优先原则，保留备选宏站规划栅格，筛选一个最优栅格作为宏站规划点。

最优栅格的筛选的规则如下：

问题区域内的备选规划栅格根据使用阀值平均距离X，信号强度，投诉点、VIP用户数作为评价因子，对此四个评价因子分别根据如下规则打分，并进行加权计算总分，总分最高的为最终规划点。

阀值平均距离X(例：备选微站规划栅格阀值50＜＝Dmin＜200米，则阀值平均距离＝(50+200)/2＝125米)、Y：信号强度、Z：投诉点、W：VIP用户四项数据进行优选(筛选)，其优选原则是：

1、阀值平均距离：弱覆盖栅格离站点最小距离Dmin越接近阀值平均距离，越优先作为规划点(例：满分100，每距离1米减1分，如果∣Dmin－阀值平均距离∣＝20米，则此项得分100-20＝80)。

2、信号强度：弱覆盖栅格里坏点比例越高越优先作为规划点(例：满分100，坏点比例＞＝80％的栅格得分100；坏点比例＜80％的栅格，每差1个百分点扣1分，即坏点62％的栅格得分是＝100-(80-62)＝82分)。

3、投诉点：弱覆盖栅格里投诉点越多越优先作为规划点(例：满分100，每周投诉＞＝10次得分100；小于10次时，每差一个扣10分，即弱覆盖栅格每周投诉8次，则此项得分是＝100-10*(10-8)＝80分)。

4、弱覆盖栅格里VIP用户越多越优先作为规划点(例：满分100，该弱覆盖栅格VIP用户＞＝10次得分100；小于10次时，每差一个扣10分，即弱覆盖栅格里有VIP用户8人，则此项得分是＝100-10*(10-8)＝80分)。

四项数据预设权值分别是x,y,z,w；(例：x＝0.25,y＝0.25,c＝0.25,w＝0.25，此预设权值可以进行调整),进行加权筛选最优栅格，最优栅格就是最终规划点。

上述打分过程只是一种示范性的打分，可根据每个评价因子按照百分制进行打分，也可以分为五个等级进行打分，总之，其得分表示此因子所处的等级范围，以打分的形式对其定量化衡量。

优选循环的过程，将输出规划点代入当前站点后，按现有优选原则进行循环规划，直到无新规划点输出为止，所有输出规划点即为自动规划结果。本发实施例采用自规划算法，快速准确输出预规划点，避免个人操作的人为差别。

以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员在本发明的实质和保护范围内，对本发明做出的各种修改或等同替换也落在本发明的保护范围内。

Claims (9)

1.一种弱覆盖问题区域的聚类方法，其特征在于，

步骤1：首先将地图进行栅格化处理；

步骤2：将覆盖数据映射到栅格之中,确定弱覆盖的栅格；

步骤3：通过聚类算法,识别出成片的弱覆盖区域,并输出弱覆盖的问题区域的输出，弱覆盖的栅格之间的距离小于的为关联栅格，聚集为一个弱覆盖区域，其中的L为栅格的长度。

2.如权利要求1所述的弱覆盖问题区域的聚类方法，其特征在于，其中步骤2中，根据栅格的坏点比例确定弱覆盖的栅格，所述坏点根据网络质量数据计算。

3.如权利要求2所述的弱覆盖问题区域的聚类方法，其特征在于，所述网络质量数据包括MR数据、路测数据、CQT测试数据、扫频数据中的任意一种或他们的组合。

4.如权利要求3所述的弱覆盖问题区域的聚类方法，其特征在于，坏点比例采取如下公式计算：

坏点比例＝(Ma*wA+Mb*wB+Mc*wC+Md*wD)/(Na*wA+Nb*wB+Nc*wC+Nd*wD)，

其中：扫频、路测、MR、CQT，四项数据分别有采样点总数分别为Na,Nb,Nc,Nd；四项数据的坏点数分别是Ma,Mb,Mc,Md；四项数据预设权值分别是wA,wB,wC,wD。

5.如权利要求4所述的弱覆盖问题区域的聚类方法，其特征在于，坏点比例大于40％的弱覆盖栅格。

6.如权利要求4所述的弱覆盖问题区域的聚类方法，其特征在于，根据栅格的坏点比例将栅格分为不同的等级。

7.一种站点规划方法，其特征在于，包括如下步骤：

步骤A：使用如权利要求1-6任一种方法得到弱覆盖的问题区域，并进行编号；

步骤B：计算弱覆盖的问题区域里的每个栅格与网内站点的距离，筛选出每个问题区域内与站内站点最小距离在阀值范围内的栅格，列入备选规划点，有备选规划点的的问题区域将保留，没有备选规划点的问题区域则被删除；

当问题区域内备选栅格唯一时，选此备选栅格为规划点，其中的所述阀值根据宏站与微站的覆盖距离而确定。

8.如权利要求7所述的站点规划方法，其特征在于，还包括如下步骤：当问题区域内备选栅格不唯一时，对问题区域内的栅格进行判断：

当问题区域内全是备选微站规划栅格，筛选微站规划点；

当问题区域内全是备选宏站规划栅格，筛选宏站规划点；

当问题区域内备选宏站规划栅格与备选微站规划栅格都存在，保留宏站规划栅格，筛选宏站规划点。

9.如权利要求8所述的站点规划方法，其特征在于，上述筛选微站规划点或筛选宏站规划点的方法如下：使用阀值平均距离X，信号强度，投诉点、VIP用户数作为评价因子，对此四个评价因子分别根据如下规则打分，并进行加权计算总分，总分最高的为最终规划点；

其中，弱覆盖栅格离站点最小距离Dmin越接近阀值平均距离越优先作为规划点，

弱覆盖栅格里坏点比例越高越优先作为规划点；

弱覆盖栅格里投诉点越多越优先作为规划点；

弱覆盖栅格里VIP用户越多越优先作为规划点。