CN107231649B - 一种室内弱覆盖的确定方法及装置 - Google Patents

Abstract

本发明公开了一种室内弱覆盖的确定方法及装置，该方法包括：获取室内网络各接口的数据，将数据按照通信流程进行关联；根据选定的通信事件在已关联的所述数据中筛选与通信事件相关的待挖掘数据；对待挖掘数据进行聚类；对所述聚类的结果进行分析，确定导致通信事件发生的属性信息；根据属性信息定位室内弱覆盖的区域。通过室内网络各接口的数据和选定的通信事件，对待挖掘数据进行聚类后可以得到导致该通信事件发生的属性信息，并可以快速定位室内弱覆盖的区域，避免了人为实地测量，并且可以全面分析网络覆盖范围内的室内弱覆盖情况。

Description

一种室内弱覆盖的确定方法及装置

技术领域

本发明涉及无线通信技术领域，尤指一种室内弱覆盖的确定方法及装置。

背景技术

弱覆盖是基站所需要覆盖面积大、基站间距过大、或者建筑物遮挡而导致的边界区域信号较弱，弱覆盖直接影响网络性能以及通话质量。

传统的发现室内弱覆盖的方法，一般都通过室内测试、投诉等手段去实现。其中，室内测试方法，即由测试人员携带移动笔记本电脑、测试终端等测试设备，在室内不同楼层和区域进行遍历测试，并将测试位置、信号电平、干扰等数据以打点方式记录下来，之后，再由优化分析人员进行测试数据分析，如RSRP(Reference Signal Receiving Power，参考信号接收功率)分布情况，来发现室内弱覆盖。通过投诉手段来判断室内弱覆盖的方法，即搜集用户投诉信息，筛选来源于室内场景的投诉，了解投诉记录信息，有必要的还要结合复测结果，来判断投诉是否是由于室内弱覆盖导致。

然而，在现有技术中，确定室内弱覆盖位置的方法存在以下缺陷：

现场测试手段只能采集某些楼宇的网络情况，即只能发现被测试的楼宇的网络覆盖情况，而对于大多数遍布于城市中的楼宇，其网络覆盖情况则不得而知。同样的，基于投诉手段发现的网络覆盖问题，虽然可以较为精准的定位到有弱覆盖问题的楼宇，但要依赖于有客户去投诉反馈问题。然而大多数弱覆盖的楼宇是不会被客户上报投诉的，那么问题就不会被发现，造成在大多楼宇内，用户实际使用网络时发生的接入失败、掉线掉话、速率低等问题，未被及时发现并解决，影响网络性能，降低用户体验。

发明内容

本发明实施例提供一种室内弱覆盖的确定方法及装置，用以解决现有技术中存在无法快速定位室内弱覆盖区域的问题。

因此，本发明实施例提供的一种室内弱覆盖的确定方法，包括：

获取室内网络各接口的数据，将所述数据按照通信流程进行关联；

根据选定的通信事件在已关联的所述数据中筛选与所述通信事件相关的待挖掘数据；

对所述待挖掘数据进行聚类；

对所述聚类的结果进行分析，确定导致所述通信事件发生的属性信息；

根据所述属性信息定位室内弱覆盖的区域。

在一种可能的实现方式中，在本发明实施例提供的上述方法中，所述通信事件通过以下方式选定：

在确定已经发生网络问题时，根据确定的已经发生的网络问题以及网络问题分析索引，选定与已经发生的网络问题对应的通信事件作为与室内弱覆盖相关的通信事件。

在一种可能的实现方式中，在本发明实施例提供的上述方法中，所述通信事件通过以下方式选定：

在未确定已经发生网络问题时，选定网络通信流程中出现问题次数超过预设范围的通信事件。

在一种可能的实现方式中，在本发明实施例提供的上述方法中，在将所述数据按照通信流程进行关联之后，且在根据选定的通信事件在已关联的所述数据中筛选与所述通信事件相关的待挖掘数据之前，还包括：

去除已关联的所述数据中非有效值、奇点值和不合理的数据。

在一种可能的实现方式中，在本发明实施例提供的上述方法中，所述对所述待挖掘数据进行聚类，包括：

对所述待挖掘数据按照分类算法、关联算法、聚类算法或预测算法进行聚类。

本发明实施例还提供了一种室内弱覆盖的确定装置，包括：

数据获取模块，用于获取室内网络各接口的数据，将所述数据按照通信流程进行关联；

第一数据筛选模块，用于根据选定的通信事件在已关联的所述数据中筛选与所述通信事件相关的待挖掘数据；

数据挖掘模块，用于对所述待挖掘数据进行聚类；

结果分析模块，用于对所述聚类的结果进行分析，确定导致所述通信事件发生的属性信息；

定位模块，用于根据所述属性信息定位室内弱覆盖的区域。

在一种可能的实现方式中，在上述装置中，所述装置还包括通信事件确定模块，用于在确定已经发生网络问题时，根据确定的已经发生的网络问题以及网络问题分析索引，选定与已经发生的网络问题对应的通信事件作为与室内弱覆盖相关的通信事件。

在一种可能的实现方式中，在上述装置中，所述通信事件确定模块还用于在未确定已经发生网络问题时，选定网络通信流程中出现问题次数超过预设范围的通信事件。

在一种可能的实现方式中，在上述装置中，所述装置还包括第二数据筛选模块，用于去除已关联的所述数据中非有效值、奇点值和不合理的数据。

在一种可能的实现方式中，在上述装置中，所述数据挖掘模块，具体用于对所述待挖掘数据按照分类算法、关联算法、聚类算法或预测算法进行聚类。本发明实施例的有益效果包括：

本发明实施例提供的一种室内弱覆盖的确定方法，通过获取室内网络各接口的数据，将所述数据按照通信流程进行关联；根据选定的通信事件在已关联的所述数据中筛选与所述通信事件相关的待挖掘数据；对所述待挖掘数据进行聚类；对所述聚类的结果进行分析，确定导致所述通信事件发生的属性信息；根据所述属性信息定位室内弱覆盖的区域。通过室内网络各接口的数据和选定的通信事件，对待挖掘数据进行聚类后可以得到导致该通信事件发生的属性信息，并可以快速定位室内弱覆盖的区域，避免了人为实地测量，并且可以全面分析网络覆盖范围内的室内弱覆盖情况。

附图说明

图1为本发明实施例提供的一种室内弱覆盖的确定方法的流程图之一；

图2为本发明实施例提供的一种室内弱覆盖的确定方法的流程图之二；

图3为本发明实施例提供的一种室内弱覆盖的确定装置的结构示意图。

具体实施方式

下面结合附图，对本发明实施例提供的室内弱覆盖的确定方法及装置的具体实施方式进行详细地说明。

具体地，本发明实施例提供的一种室内弱覆盖的确定方法，如图1所示，具体包括以下步骤：

S101、获取室内网络各接口的数据，将数据按照通信流程进行关联；

S102、根据选定的通信事件在已关联的数据中筛选与通信事件相关的待挖掘数据；

S103、对待挖掘数据进行聚类；

S104、对聚类的结果进行分析，确定导致所述通信事件发生的属性信息；

S105、根据属性信息定位室内弱覆盖的区域。

本发明实施例提供的室内弱覆盖的确定方法，通过室内网络各接口的数据和选定的通信事件，对待挖掘数据进行聚类后可以得到导致该通信事件发生的属性信息，并可以快速定位室内弱覆盖的区域，避免了人为实地测量，并且可以全面分析网络覆盖范围内的室内弱覆盖情况。

下面对上述各步骤的具体实现方式进行详细的说明。

在上述步骤S101中，获取室内网络各接口的数据，可以通过采集LTE(Long TermEvolution，通用移动通信技术的长期演进)网络接口的数据实现，例如可以通过采集LTE网络接口Uu、X2、S1-MME、S1-U、S10/11、S6a、S5/8等接口的数据。将获取到的数据按照通信流程进行关联，是指将获取到的室内网络各接口的数据按照各接口协议栈规范进行解析，对每一个通信流程，将涉及到的各单接口信令流程关联合成为完整的流程记录。

具体地，在上述步骤S101中，获取室内网络各接口的数据，具体可以包括：

根据输入的硬采数据、软采数据以及测量报告数据，获取室内网络各接口相关的数据。

进一步地，在上述步骤102中，分析与选定的通信事件相关的属性信息，并在已关联的数据中筛选出与该通信事件相关数据作为待挖掘数据，以便后续分析影响选定的通信事件的原因。

具体地，上述待挖掘数据按照来源形式的不同，包括可以从XDR直接读取的信息，例如时间、位置、终端型号等属性信息；可以从MR(Measurement Report，测量报告)数据中得到的信息，例如场强、干扰等属性信息；以及可以统计与该通信流程相关的问题分析索引而生成的信息，例如业务请求(service request)成功率、失败原因等信息。

进一步地，在上述步骤102中的通信事件可以通过以下方式选定：

在确定已经发生网络问题时，根据确定的已经发生的网络问题以及网络问题分析索引，选定与已经发生的网络问题对应的通信事件作为与室内弱覆盖相关的通信事件。这样可以针对已经发生的网络问题有目的的进行分析。例如，确定已经发生的网络问题为业务请求建立成功率低，则根据该网络问题以及网络问题分析索引，可以选定通信事件业务请求失败作为与室内弱覆盖相关的通信事件。

具体地，上述网络问题分析索引可以通过DPI(Deep Packet Inspection，深度报文检测)系统中基于网络信令统计生成，生成的网络问题分析索引可以如表1所示：

表1通信事件及相关网络问题分析索引

进一步地，在未确定已经发生网络问题时，选定网络通信流程中出现问题次数超过预设范围的通信事件。这样可以发现未体现在网络问题索引中的隐含问题。例如，发现选定的网络通信流程中，业务承载E-RAB释放异常次数多、发起VoLTE呼叫失败次数多、service request发起失败次数多等，可以通过这些网络问题，选定对应的通信事件。

进一步地，在步骤S101之后，且在步骤S102之前，还可以包括：

去除已关联的所述数据中非有效值、奇点值和不合理的数据。以便减少后续数据处理过程中的计算量。

具体的，在上述步骤103可以具体包括：

对待挖掘数据按照分类算法、关联算法、聚类算法或预测算法进行聚类。上述分类算法、关联算法、聚类算法和预测算法都属于数据挖掘算法，其中，分类算法可以包括贝叶斯分类器、人工神经网络、支持向量机等算法，关联算法可以包括Apriori、FP增长算法等，聚类算法可以包括K均值、DBSCAN等，预测算法可以包括多元回归等。当然，也可以使用其他具有聚类效果的算法进行数据挖掘。通过对待挖掘数据进行数据挖掘，可以将选定的通信事件的不同类别的属性信息进行聚类，得到的聚类结果为影响该通信事件发生的属性信息。

具体地，上述步骤S103中对待挖掘数据的聚类过程可以基于SPSS、Modoler、中国移动苏研院的大数据处理平台等平台实现，也可以通过其他数据挖掘平台实现。

进一步地，上述步骤S103可以得到如下聚类结果：经纬度信息的聚类结果、小区标识的聚类结果、终端型号的聚类结果以及其他聚类结果。

具体的，在上述步骤104中，分析聚类的结果中的属性信息与哪些因素有关，从而确定导致该通信事件发生的属性信息。若聚类结果产生了多个导致该通信事件发生的属性信息，则分析多个属性信息之间是否存在逻辑上的联系，若有些属性信息与该通信事件发生不可能有关，则需要剔除该属性信息重新进行数据挖掘。

具体地，在上述步骤S105中，在导致通信事件发生的属性信息中，重点分析这些属性信息中包含位置信息的属性信息，例如经纬度信息的聚类结果，以经纬度作为样本点，该聚类结果为一簇簇的样本点，这些样品点即各个集中的室内弱覆盖位置的集合，再结合地理图层，将这些样本点投射到对应的楼宇位置，即得到室内弱覆盖的位置。此处只是以经纬度信息的聚类结果进行举例，也可以通过其他位置信息定位室内弱覆盖的区域。

进一步地，为了得到更加可信的聚类结果，可以对多种类型的数据进行分析，或者尝试采用多种挖掘算法，或者每一种挖掘算法尝试多种算法参数的设置，也可以将这几种方式结合到一起进行挖掘分析。

下面通过以选定的通信事件为业务请求(service request)失败，并且挖掘算法采用K均值聚类算法为例，说明本发明实施例提供的室内弱覆盖的确定方法。

其具体实现流程如图2所示，具体包括以下几个步骤：

S201、获取室内网络各接口的数据，将数据按照通信流程进行关联；

S202、去除已关联的数据中非有效值、奇点值和不合理的数据；

S203、在已关联的所述数据中筛选与业务请求失败相关的待挖掘数据；

S204、采用K均值聚类算法对待挖掘数据进行聚类；

S205、对聚类的结果进行分析，确定导致业务请求失败发生的属性信息；

S206、根据属性信息定位室内弱覆盖的区域。

具体地，上述步骤S201可以具体包括：

获取一段时间内(例如一周、半个月等)室内网络各接口的数据，将这些数据按照通信流程进行关联。

进一步地，上述步骤S203可以具体包括：

在已关联的数据中，筛选出业务请求失败的所有通信记录样本，定义为“样本集合”；

过滤该样本集合中，已关联的MR数据中RSRP﹤-120dBm的采样点，定义为“数据处理集合”，即待挖掘数据。

进一步地，上述步骤S204可以具体包括：

对“数据处理集合”中采样点的属性信息进行K均值聚类，该属性信息如表2所示：

表2“数据处理集合”中采样点的属性信息

对K均值聚类的聚类结果进行分析，查找该聚类结果中，是否存在表2中的某个字段值按照一定的聚类效果形成的一类明显的聚类，将所有这样的字段值筛选出来，作为“疑似聚类集合”，定义为集合M。

不限制RSRP的取值，对“样本集合”重复上述聚类过程，得到“原始聚类集合”，定义为集合N。

将集合M和集合N进行比较，取集合M且不属于集合N的那部分，定义为R，即该集合R为数据挖掘得到的聚类结果。

进一步地，上述步骤S205可以具体包括：

上述聚类结果(集合R)中包含如下聚类结果：经纬度信息的聚类结果、小区标识的聚类结果、终端型号的聚类结果以及其他聚类结果，这些属性信息即影响该通信事件发生的主要属性信息。

重点分析集合R中包含位置信息的属性信息，例如经纬度信息的聚类结果，以经纬度作为样本点，该聚类结果为一簇簇的样本点，这些样品点即各个集中的室内弱覆盖位置的集合，定义为集合L。

进一步地，上述步骤S206可以具体包括：

对于集合L，结合地理图层，将集合L中的样本点投射到对应的楼宇位置，即得到室内弱覆盖的位置。此处只是以经纬度信息的聚类结果进行举例，也可以通过其他位置信息定位室内弱覆盖的区域。

基于同一发明构思，本发明实施例还提供了一种室内弱覆盖的确定装置，由于该装置解决问题的原理与前述一种室内弱覆盖的确定方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。

本发明实施例提供的一种室内弱覆盖的确定装置，如图3所示，包括：

数据获取模块301，用于获取室内网络各接口的数据，将所述数据按照通信流程进行关联；

第一数据筛选模块302，用于根据选定的通信事件在已关联的所述数据中筛选与所述通信事件相关的待挖掘数据；

数据挖掘模块303，用于对所述待挖掘数据进行聚类；

结果分析模块304，用于对所述聚类的结果进行分析，确定导致所述通信事件发生的属性信息；

定位模块305，用于根据所述属性信息定位室内弱覆盖的区域。

具体地，在上述装置中，所述装置还包括通信事件确定模块，用于在确定已经发生网络问题时，根据确定的已经发生的网络问题以及网络问题分析索引，选定与已经发生的网络问题对应的通信事件作为与室内弱覆盖相关的通信事件。

具体地，在上述装置中，所述通信事件确定模块还用于在未确定已经发生网络问题时，选定网络通信流程中出现问题次数超过预设范围的通信事件。

具体地，在上述装置中，所述装置还包括第二数据筛选模块，用于去除已关联的所述数据中非有效值、奇点值和不合理的数据。

具体地，在上述装置中，所述数据挖掘模块303，具体用于对所述待挖掘数据按照分类算法、关联算法、聚类算法或预测算法进行聚类。具体地，可以在数据挖掘模块303中进行数据挖掘应用，该模块可以提供数据挖掘的工具平台，包括各类挖掘算法的调用流程的图形化呈现，每类挖掘算法以及每类挖掘算法中的具体挖掘算法都可以用一种图标的形式呈现，通过该模块，用户只需拖拽各个图标，搭建其所设计的流程算法，则该模块会自动按照用户设计好的流程顺序，执行挖掘算法程序。在数据挖掘过程中，对每一次挖掘应用，可以尝试多种类型的数据输入，并且，每种类型的数据输入，也可以尝试多种挖掘算法，每种挖掘算法，可以尝试多种算法参数的设置。

具体地，可以通过结果分析模块304对数据挖掘模块303得到的聚类结果进行分析，分析聚类得到的属性信息是否能够导致通信事件发生，若聚类结果产生了多个导致通信事件发生的属性信息，则分析多个属性信息之间是否存在逻辑上的联系，若有些属性信息与该通信事件发生不可能有关，则需要剔除该属性信息重新进行数据挖掘。

若通过数据挖掘算法进行多次聚类，则分析多个聚类结果中哪个结果对该通信事件影响更大，即更符合室内弱覆盖的场景，从而重点分析该聚类结果，进而找到避免该通信事件发生的方案。

对多个通信事件进行多次大数据挖掘分析，将分析每一个通信事件时使用的挖掘算法以及影响每一个通信事件发生的属性信息进行固化，形成固定的专题功能模块，方便之后同类问题的大数据挖掘分析，进而优化室内网络质量。

本发明实施方式提供的一种室内弱覆盖的确定方法及装置，可以构架于搭建了网络各接口采集、解析、关联的信令数据处理平台，例如，可以构架于中国移动统一DPI系统。

本发明实施方式提供的一种室内弱覆盖的确定方法及装置，通过室内网络各接口的数据和选定的通信事件，对待挖掘数据进行聚类后可以得到导致该通信事件发生的属性信息，并可以快速定位室内弱覆盖的区域，避免了人为实地测量，节约了测试成本，以及弥补了人为测量只能测试重点楼宇、投诉楼宇，而忽略掉大多数楼宇网络问题的缺陷，可以全面分析网络覆盖范围内的室内弱覆盖情况。在未确定已经发生网络问题时，选定网络通信流程中出现问题次数超过预设范围的通信事件进行挖掘分析，可以摸索其中未知规律以及可能的网络性能问题，有利于解决潜在的影响网络性能的问题、故障等。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种室内弱覆盖的确定方法，其特征在于，包括：

获取室内网络各接口的数据，将所述数据按照通信流程进行关联；所述网络为通用移动通信技术的长期演进LTE网络；

根据选定的通信事件在已关联的所述数据中筛选与所述通信事件相关的待挖掘数据；

对所述待挖掘数据进行聚类；

对所述聚类的结果进行分析，确定导致所述通信事件发生的属性信息；

根据所述属性信息定位室内弱覆盖的区域。

2.如权利要求1所述的方法，其特征在于，所述通信事件通过以下方式选定：

在确定已经发生网络问题时，根据确定的已经发生的网络问题以及网络问题分析索引，选定与已经发生的网络问题对应的通信事件作为与室内弱覆盖相关的通信事件。

3.如权利要求2所述的方法，其特征在于，所述通信事件通过以下方式选定：

在未确定已经发生网络问题时，选定网络通信流程中出现问题次数超过预设范围的通信事件。

4.如权利要求1所述的方法，其特征在于，在将所述数据按照通信流程进行关联之后，且在根据选定的通信事件在已关联的所述数据中筛选与所述通信事件相关的待挖掘数据之前，还包括：

去除已关联的所述数据中非有效值、奇点值和不合理的数据。

5.如权利要求1所述的方法，其特征在于，所述对所述待挖掘数据进行聚类，包括：

对所述待挖掘数据按照分类算法、关联算法、聚类算法或预测算法进行聚类。

6.一种室内弱覆盖的确定装置，其特征在于，包括：

数据获取模块，用于获取室内网络各接口的数据，将所述数据按照通信流程进行关联；所述网络为通用移动通信技术的长期演进LTE网络；

第一数据筛选模块，用于根据选定的通信事件在已关联的所述数据中筛选与所述通信事件相关的待挖掘数据；

数据挖掘模块，用于对所述待挖掘数据进行聚类；

结果分析模块，用于对所述聚类的结果进行分析，确定导致所述通信事件发生的属性信息；

定位模块，用于根据所述属性信息定位室内弱覆盖的区域。

7.如权利要求6所述的装置，其特征在于，所述装置还包括：通信事件确定模块，用于在确定已经发生网络问题时，根据确定的已经发生的网络问题以及网络问题分析索引，选定与已经发生的网络问题对应的通信事件作为与室内弱覆盖相关的通信事件。

8.如权利要求7所述的装置，其特征在于，所述通信事件确定模块，还用于在未确定已经发生网络问题时，选定网络通信流程中出现问题次数超过预设范围的通信事件。

9.如权利要求6所述的装置，其特征在于，所述装置还包括：第二数据筛选模块，用于去除已关联的所述数据中非有效值、奇点值和不合理的数据。

10.如权利要求6所述的装置，其特征在于，所述数据挖掘模块，具体用于对所述待挖掘数据按照分类算法、关联算法、聚类算法或预测算法进行聚类。