CN107295530A - 一种基于半监督聚类的无线小区信息侦测方法 - Google Patents

Abstract

本发明是一种基于半监督聚类的无线小区信息侦测方法，要解决如何及时、准确地获取移动网络的基站和小区关键参数、以及基站运行状态从而构建和更新基站信息表，便于移动网络运营商更好地掌握网络中基站的部署和运行情况、进行有效管理。具体步骤详细如下：输入：从用户智能终端采集的无线网络在网信息采样数据；步骤S1：终端数据清洗；步骤S2：站型判定；步骤S3：采用了矢量聚类的算法小区站址初定位；步骤S4：同站小区站址聚合；步骤S5：采用了软间隔SVM支持向量机确定小区张角和方向角；步骤S6：在更新基站信息表时增加了小区状态和变更日期等字段，用于指示哪些小区在什么时间发生了变更(新增、拆除、搬迁、参数更新等)。

Description

一种基于半监督聚类的无线小区信息侦测方法

背景技术

对移动网络而言，小区(也称扇区，cell)是网络覆盖区域划分的基本单位。基站信息表是电信运营商网络运营所需要的核心的基础数据，描述了一个网络下的所有小区的基本参数，一般包括站名、小区名、站址经纬度、小区标识、站型、方向角、俯仰角、站高、覆盖场景等。其中小区标识对不同的网络制式其采用的标识方式不同，如GSM/WCDMA/TDSCDMA网络中的小区由LAC和CI两个参数组合而成，确定了网络中一个唯一的小区，对LTE网络，则小区由TAC、eNodeBID和CellID三个参数组合唯一确定。站型则指该小区所属基站是室外全向站(只有一个小区)、室外定向站(一个基站包含多个小区，也称扇区)、室内站(也称室分站)。覆盖场景指该基站所覆盖的场景类型，如学校、居民区、商业区、农村等。

基站信息表是运营商的重要数据资产和战略资源，属于高度机密信息，一般情况下很难获取到，同时随着网络的不断建设、扩容、优化，不断有新的小区部署进网、旧的小区拆除、现有小区的参数调制(如方向角、俯仰角等)，因此，基站信息表是动态变化的。

从运营商自身运营的角度需要不断维护更新基站信息表，从运营商之间竞争的角度他们互相之间也需要掌握竞争对手的基站部署情况和网络的真实地理覆盖情况，对运营商之外的其他很多单位包括需要利用基站信息进行用户行为分析、用户位置定位等各种增值业务。因此，如何掌握一个完整的、最新的、准确的基站信息表具有巨大的市场需求，也是一个重要的研究课题。

目前，在运营商内部，基站信息表的维护需要基层(地市级)的网络运维部门进行统计并逐级汇总上报到省公司和集团公司，这其中由于存在多个环节，不可避免存在信息的错误和遗漏以及时间上的延迟。对运营商外部而言，目前有些大的互联网公司如谷歌、苹果也都利用部署了自己的操作系统的智能终端搜集网络的基站信息，主要是为用户提供粗定位服务。比如用户可以通过输入小区标识调用公开的API接口(如谷歌的 http://www.google.com/glm/mmap)获得该小区的经纬度信息。

现有技术存在的缺点：

方法一(基层网络运维部门的人工采集和上报)的缺陷：

(1)大量人工参与，导致可能出现数据错误

(2)逐级汇总上报，存在较大的时间延迟，无法保证基站信息表信息的及时性。

方法二(互联网公司利用终端扫描)的缺陷：

(1)仅用于定位服务，所建立的基站信息表内容不全(一般仅有基站小区的小区标识和对应的站址经纬度)。

发明内容

本发明是要解决如何及时、准确地获取移动网络的基站和小区关键参数、以及基站运行状态从而构建和更新基站信息表，便于移动网络运营商更好地掌握网络中基站的部署和运行情况、进行有效管理。

一种基于半监督聚类的无线小区信息侦测方法，其特征在于，具体步骤如下：

输入：从用户智能终端采集的无线网络在网信息采样数据

采样数据，其所包含的信息应包括：日期，时间，大区编号，基站编号，小区编号，终端经纬度，定位方式，定位精度，当前所在省和地市名称，场强，信号质量，用户标识，终端标识；

以下步骤S1～S6的处理周期为M天，即每M天进行一次；

步骤S1：终端数据清洗

对上述原始采样数据进行清洗，包括剔除无效数据，然后插入“在网信息采样数据表”，数据项包括：日期，时间，大区编号，基站编号，小区编号，终端经度，终端纬度，定位方式，定位精度，室内外标识，场强，信号质量，用户标识，终端标识，省，地市名称；

定位精度字段缺失的样本，根据定位方式将本字段补齐；仅保留最近N 天的样本，N大于M，N天之前的样本剔除；

对表中数据进行排序：主顺序按小区标识中的大区编号升序排列，次顺序按基站编号升序排列，再次顺序按小区编号升序排列；

以下步骤S2～S5以基站编号为单位进行逐个处理；

步骤S2：站型判定

将从“在网信息采样数据表”中选取的属于同一基站的采样数据放在一起；根据同基站编号下的小区数量、采样数据的空间分布特征和室内外属性判定站型；具体地：

如果该基站编号下的小区编号数量大于1，且全部样本中室外样本即室内外标识字段值为室外的样本占比超过预设门限Tio，则判定该基站为“室外定向站”；

如果该基站编号下的小区编号数量等于1，且全部样本中室外样本即室内外标识字段值为室外的样本占比超过预设门限Tio，则判定该基站为“室外全向站”；

如果该基站编号下的全部样本中室内样本即室内外标识字段值为室内的样本占比超过预设门限Tio，则判定该基站为“室分站”；

如果不满足以上条件，则判定为“不确定站型”；

步骤S3：小区站址初定位

对于站型不是“室外定向站”的基站，设该基站下共有Ns个样本点{S_i， i＝1～Ns}，各样本中的场强值为{P_i，i＝1～Ns}，则权值w_i，i＝1～Ns下式计算：

{P_j，j＝1～Ns}为该基站下各样本中的场强值；

以该基站下所有样本点构成一个聚类，则由基于场强加权的质心作为该聚类的聚类中心；该聚类中心的坐标(即基站的站址经纬度)(x₀，y₀)，即由下式求得：

如果站型是“室外定向站”，则以该基站下的每个小区分别作为一个聚类，根据上式(2)和(3)分别计算各聚类的基于场强加权的质心作为各小区的初始基站经纬度；

步骤S4：同站小区站址聚合

对于判定为室外定向站的各小区，将同站各小区的初始站址经纬度的加权质心做为该基站的最终的站址经纬度；即：

假设该基站下共有L个小区，各小区初始站址经纬度分别为 u＝1～L，各小区内的样点数为则该基站最终的站址经纬度为：

步骤S5：确定小区张角和方向角

根据小区编号是否相邻来判断同站相邻小区，即如果小区编号之差为1 则为相邻小区；

对同站下的任意两个相邻小区C1和C2，分别有N1和N2个样本，将这 N1+N2＝m个样本构成一个训练样本集D＝{(z_v,h_v),v＝1,2,…,m},h_v∈ {-1,+1}，其中样本的属性字段仅保留经度和纬度，即第v个样本的属性z_v＝ (x_v,y_v),标记字段取为该样本所属小区，即如果样本来自于小区C1，则标记设为+1，否则设为-1；

假设这两个小区的边界为线性可分，则其边界即为能够正确划分上述训练样本集中正例样本和反例样本的线性超平面方程，

g^Tz+b＝0 (6)

其中g为列矢量，(·)^T表示矩阵的转置；因为样本属性空间维度为2，仅有经度和纬度两个属性项，且小区边界应当为经过站址位置的直线，即位移项b＝0，则上式可展开为：

g₁x+g₂y＝0 (7)

因为无线信号在开放空间中传播的特性，相邻小区的样本会部分落在边界的对侧，即并非所有样本均能满足约束条件：

h_v(g^Tz_v)≥1,v＝1,2,…,m (8)

所以小区边界为软间隔边界；寻找最优的软间隔划分超平面的问题即为寻找满足下式的g矢量和ξ_i最优值：

s.t.h_v(g^Tz_v)≥1-ξ_v,

ξ_v≥0,v＝1,2,…,m (9)

式中采用了hinge损失函数，其中ξ_v≥0为松弛变量，每个样本对应一个松弛变量，表征该样本不满足约束的程度，ξ_v越大越宽容，C>0为常数；

求解式(9)得到小区C1和C2的边界矢量g；

将每个小区与其两侧相邻小区间的边界矢量间的夹角即作为该小区的张角，取该张角的等分矢量方向和正北方向的夹角即作为该小区的方向角；

步骤S6：基站信息表构建与更新

基站信息表的字段包括：大区编号，基站编号，小区编号，站型，经度，纬度，方向角，张角，状态，变更日期；

当采集样本中的全部基站数据均已处理完毕后，将确定的小区信息更新到基站信息表中；

如果表中没有该小区所属基站，则新增一条记录，并将“状态”值设为“新建”，将“变更日期”设为该基站全部样本中的最早日期；如果表中已有该小区，则替换原有记录，并将“状态”值设为“更新”，将“变更日期”设为该小区全部样本中的最晚日期；如果表中小区信息没有做更新，或虽已更新但变更日期距本次的处理时间超过设定门限，则将该小区记录的“状态”值设为“疑似拆除”；对于非“室外定向站”的小区，方向角和张角置为空。

本发明取得的有益的技术效果。

1)可及时、准确地获取到移动网络的小区关键参数，并进而构建出基站信息表，为需要依托基站信息表进行网络优化、网络运营维护、开展LBS 业务、分析用户行为等提供重要的基础数据；

2)对网络运营商内部而言，可有效避免传统的通过人工搜集汇总逐级上报的方式进行基站信息表维护所带来的时间延迟和人工误差；

3)可解决网络运营商之外的机构(包括其他运营商，以及第三方机构) 如何不通过该网络运营商获得基站信息表这一重要基础数据的问题。

附图说明

图1为本发明的完整的算法流程图。

具体实施方式

本发明提供了一种利用用户智能终端采集的无线网络信息进行无线小区的信息侦测方法。

具体步骤详细描述如下：

输入：从用户智能终端采集的无线网络在网信息采样数据

通过部署在海量用户智能终端上的App等形式从终端的操作系统提供的接口API采集用户在特定无线网络(如LTE网络)下的在网信息采样数据，其所包含的信息应包括：日期，时间，大区编号(对LTE网络而言即TAC)，基站编号(对LTE网络而言即eNodeBID)，小区编号(对LTE网络而言即CellID)，终端经纬度，定位方式，定位精度，当前所在省和地市名称，场强(LTE网络即为RSRP，取为线性值，单位为mW)，信号质量(LTE网络下为参数RSRQ)，用户标识(IMSI)，终端标识(IMEI或MEID)等。

以下步骤S1～S6的处理周期为M天，即每M天进行一次(M默认值取为7天)。

步骤S1：终端数据清洗

对上述原始采样数据进行清洗，主要包括剔除无效数据(关键数据项缺失，数值溢出等)，然后插入“在网信息采样数据表”(数据项包括：日期，时间，大区编号，基站编号，小区编号，终端经度，终端纬度，定位方式，定位精度，室内外标识，场强，信号质量，用户标识，终端标识，省，地市名称等)。

定位精度字段缺失的样本，可根据定位方式将本字段补齐。对GPS定位方式，定位精度置为5m，其他方式，定位精度置为100m。

仅保留最近N天(N大于M，默认值为30天)的样本，N天之前的样本剔除。

对表中数据进行排序：主顺序按小区标识中的大区编号升序排列，次顺序按基站编号升序排列，再次顺序按小区编号升序排列。

以下步骤S2～S5以基站编号为单位进行逐个处理。

步骤S2：站型判定

将从“在网信息采样数据表”中选取的属于同一基站的采样数据放在一起。根据同基站编号下的小区数量、采样数据的空间分布特征和室内外属性判定站型。具体地：

如果该基站编号下的小区编号数量大于1，且全部样本中室外样本(即室内外标识字段值为室外的样本)占比超过预设门限Tio(默认值取60％)，则判定该基站为“室外定向站”；

如果该基站编号下的小区编号数量等于1，且全部样本中室外样本(即室内外标识字段值为室外的样本)占比超过预设门限Tio，则判定该基站为“室外全向站”；

如果该基站编号下的全部样本中室内样本(即室内外标识字段值为室内的样本)占比超过预设门限Tio，则判定该基站为“室分站”；

如果不满足以上条件，则判定为“不确定站型”。

步骤S3：小区站址初定位

对于站型不是“室外定向站”的基站，设该基站下共有Ns个样本点{Si， i＝1～Ns}，各样本中的场强值(采用线性值)为{P_i，i＝1～Ns}，则权值w_i，i＝1～Ns 可以下式计算：

{P_j，j＝1～Ns}为该基站下各样本中的场强值。

以该基站下所有样本点构成一个聚类，则由基于场强加权的质心作为该聚类的聚类中心。该聚类中心的坐标(即基站的站址经纬度)(x₀，y₀)，即由下式求得：

如果站型是“室外定向站”，则以该基站下的每个小区分别作为一个聚类，根据上式(2)和(3)分别计算各聚类的基于场强加权的质心作为各小区的初始基站经纬度。

步骤S4：同站小区站址聚合

对于判定为室外定向站的各小区，将同站各小区的初始站址经纬度的加权质心做为该基站的最终的站址经纬度；即：

假设该基站下共有L个小区，各小区初始站址经纬度分别为 u＝1～L，各小区内的样点数为则该基站最终的站址经纬度为：

步骤S5：确定小区张角和方向角

根据小区编号是否相邻来判断同站相邻小区，即如果小区编号之差为1 则为相邻小区。

对同站下的任意两个相邻小区C1和C2，分别有N1和N2个样本，将这 N1+N2＝m个样本构成一个训练样本集D＝{(z_v,h_v),v＝1,2,…,m},h_v∈ {-1,+1}，其中样本的属性字段仅保留经度和纬度，即第v个样本的属性z_v＝ (x_v,y_v),标记字段取为该样本所属小区，即如果样本来自于小区C1，则标记设为+1，否则设为-1。

假设这两个小区的边界为线性可分，则其边界即为能够正确划分上述训练样本集中正例样本和反例样本的线性超平面方程，

g^Tz+b＝0 (6)

其中g为列矢量，(·)^T表示矩阵的转置。因为样本属性空间维度为2(仅有经度和纬度两个属性项)，，且小区边界应当为经过站址位置的直线(即位移项b＝0)，则上式可展开为：

g₁x+g₂y＝0 (7)

因为无线信号在开放空间中传播的特性，相邻小区的样本会部分落在边界的对侧，即并非所有样本均能满足约束条件：

h_v(g^Tz_v)≥1,v＝1,2,…,m (8)

所以小区边界为软间隔边界。寻找最优的软间隔划分超平面的问题即为寻找满足下式的g矢量和ξ_i最优值：

s.t.h_v(g^Tz_v)≥1-ξ_v,

ξ_v≥0,v＝1,2,…,m (9)

式中采用了hinge损失函数，其中ξ_v≥0为松弛变量，每个样本对应一个松弛变量，表征该样本不满足约束的程度(ξ_v越大越宽容)，C>0为一个预定义的常数。

求解式(9)即可得到小区C1和C2的边界矢量g；

将每个小区与其两侧相邻小区间的边界矢量间的夹角即作为该小区的张角，取该张角的等分矢量方向和正北方向的夹角即作为该小区的方向角。

步骤S6：基站信息表构建与更新

基站信息表的字段包括：大区编号，基站编号，小区编号，站型，经度，纬度，方向角，张角，状态，变更日期。

当采集样本中的全部基站数据均已处理完毕后，将确定的小区信息更新到基站信息表中。

如果表中没有该小区所属基站，则新增一条记录，并将“状态”值设为“新建”，将“变更日期”设为该基站全部样本中的最早日期；如果表中已有该小区，则替换原有记录，并将“状态”值设为“更新”，将“变更日期”设为该小区全部样本中的最晚日期；如果表中小区信息没有做更新，或虽已更新但变更日期距本次的处理时间超过设定门限(默认值为14天)，则将该小区记录的“状态”值设为“疑似拆除”。

对于非“室外定向站”的小区，方向角和张角置为空。

本发明的方法基于终端侧采集的海量用户感知数据、综合利用了加权聚类和基于支持向量机的软间隔分类的思想实现了基站站址的精确定位和小区实际覆盖边界的探测，为了验证本方法的实际性能，我们利用从实际网络中采集的海量用户数据进行了计算，并将计算结果与从运营商获得的真实的基站信息表中的信息进行比对。实验数据表明，计算得到的站址经纬度与运营商实际站址经纬度的偏差小于30米的基站占实验中基站总数的78％，偏差小于50米的基站占总基站数的84％，偏差小于100米的基站占总基站数的91％，表明侦测出的站址经纬度具有较高的准确性。对于小区方向角的侦测，实验数据表明，侦测方向角与实际方向角偏差在15度范围内的小区数占实验中小区总数的82％，偏差在30度范围内的小区数占实验中小区总数的89％，也具有较高的准确性。实际侦测精度主要取决于该基站下的样本点数的大小，点数越多侦测精度越高。

Claims (1)

1.一种基于半监督聚类的无线小区信息侦测方法，其特征在于，具体步骤如下：

输入：从用户智能终端采集的无线网络在网信息采样数据

采样数据，其所包含的信息应包括：日期，时间，大区编号，基站编号，小区编号，终端经纬度，定位方式，定位精度，当前所在省和地市名称，场强，信号质量，用户标识，终端标识；

以下步骤S1～S6的处理周期为M天，即每M天进行一次；

步骤S1：终端数据清洗

对上述原始采样数据进行清洗，包括剔除无效数据，然后插入“在网信息采样数据表”，数据项包括：日期，时间，大区编号，基站编号，小区编号，终端经度，终端纬度，定位方式，定位精度，室内外标识，场强，信号质量，用户标识，终端标识，省，地市名称；

定位精度字段缺失的样本，根据定位方式将本字段补齐；仅保留最近N天的样本，N大于M，N天之前的样本剔除；

对表中数据进行排序：主顺序按小区标识中的大区编号升序排列，次顺序按基站编号升序排列，再次顺序按小区编号升序排列；

以下步骤S2～S5以基站编号为单位进行逐个处理；

步骤S2：站型判定

将从“在网信息采样数据表”中选取的属于同一基站的采样数据放在一起；根据同基站编号下的小区数量、采样数据的空间分布特征和室内外属性判定站型；具体地：

如果该基站编号下的小区编号数量大于1，且全部样本中室外样本即室内外标识字段值为室外的样本占比超过预设门限Tio，则判定该基站为“室外定向站”；

如果该基站编号下的小区编号数量等于1，且全部样本中室外样本即室内外标识字段值为室外的样本占比超过预设门限Tio，则判定该基站为“室外全向站”；

如果该基站编号下的全部样本中室内样本即室内外标识字段值为室内的样本占比超过预设门限Tio，则判定该基站为“室分站”；

如果不满足以上条件，则判定为“不确定站型”；

步骤S3：小区站址初定位

对于站型不是“室外定向站”的基站，设该基站下共有Ns个样本点{S_i，i＝1～Ns}，各样本中的场强值为{P_i，i＝1～Ns}，则权值w_i，i＝1～Ns下式计算：

Pj{P_j，j＝1～Ns}为该基站下各样本中的场强值；

以该基站下所有样本点构成一个聚类，则由基于场强加权的质心作为该聚类的聚类中心；该聚类中心的坐标(即基站的站址经纬度)(x₀，y₀)，即由下式求得：

如果站型是“室外定向站”，则以该基站下的每个小区分别作为一个聚类，根据上式(2)和(3)分别计算各聚类的基于场强加权的质心作为各小区的初始基站经纬度；

步骤S4：同站小区站址聚合

对于判定为室外定向站的各小区，将同站各小区的初始站址经纬度的加权质心做为该基站的最终的站址经纬度；即：

假设该基站下共有L个小区，各小区初始站址经纬度分别为u＝1～L，各小区内的样点数为则该基站最终的站址经纬度为：

步骤S5：确定小区张角和方向角

根据小区编号是否相邻来判断同站相邻小区，即如果小区编号之差为1则为相邻小区；

对同站下的任意两个相邻小区C1和C2，分别有N1和N2个样本，将这N1+N2＝m个样本构成一个训练样本集D＝{(z_v,h_v),v＝1,2,…,m},h_v∈{-1,+1}，其中样本的属性字段仅保留经度和纬度，即第v个样本的属性z_v＝(x_v,y_v),标记字段取为该样本所属小区，即如果样本来自于小区C1，则标记设为+1，否则设为-1；

假设这两个小区的边界为线性可分，则其边界即为能够正确划分上述训练样本集中正例样本和反例样本的线性超平面方程，

g^Tz+b＝0 (6)

其中g为列矢量，(·)^T表示矩阵的转置；因为样本属性空间维度为2，仅有经度和纬度两个属性项，且小区边界应当为经过站址位置的直线，即位移项b＝0，则上式可展开为：

g₁x+g₂y＝0 (7)

因为无线信号在开放空间中传播的特性，相邻小区的样本会部分落在边界的对侧，即并非所有样本均能满足约束条件：

h_v(g^Tz_v)≥1,v＝1,2,…,m (8)

所以小区边界为软间隔边界；寻找最优的软间隔划分超平面的问题即为寻找满足下式的g矢量和ξ_i最优值：

s.t.h_v(g^Tz_v)≥1-ξ_v,

ξ_v≥0,v＝1,2,…,m (9)

式中采用了hinge损失函数，其中ξ_v≥0为松弛变量，每个样本对应一个松弛变量，表征该样本不满足约束的程度，ξ_v越大越宽容，C>0为常数；

求解式(9)得到小区C1和C2的边界矢量g；

将每个小区与其两侧相邻小区间的边界矢量间的夹角即作为该小区的张角，取该张角的等分矢量方向和正北方向的夹角即作为该小区的方向角；

步骤S6：基站信息表构建与更新

基站信息表的字段包括：大区编号，基站编号，小区编号，站型，经度，纬度，方向角，张角，状态，变更日期；

当采集样本中的全部基站数据均已处理完毕后，将确定的小区信息更新到基站信息表中；

如果表中没有该小区所属基站，则新增一条记录，并将“状态”值设为“新建”，将“变更日期”设为该基站全部样本中的最早日期；如果表中已有该小区，则替换原有记录，并将“状态”值设为“更新”，将“变更日期”设为该小区全部样本中的最晚日期；如果表中小区信息没有做更新，或虽已更新但变更日期距本次的处理时间超过设定门限，则将该小区记录的“状态”值设为“疑似拆除”；对于非“室外定向站”的小区，方向角和张角置为空。