CN107580337B - 一种热点区域识别方法和装置 - Google Patents
一种热点区域识别方法和装置 Download PDFInfo
- Publication number
- CN107580337B CN107580337B CN201610524912.8A CN201610524912A CN107580337B CN 107580337 B CN107580337 B CN 107580337B CN 201610524912 A CN201610524912 A CN 201610524912A CN 107580337 B CN107580337 B CN 107580337B
- Authority
- CN
- China
- Prior art keywords
- service data
- hot spot
- data
- grid
- area
- 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
Images
Abstract
本发明实施例提供了一种热点区域识别方法和装置,通过网管系统获取待识别区域的网络性能数据,通过测量报告获取待识别区域内的采样点的测量数据,将网络性能数据和测量数据在小区和时间上匹配,根据网络性能数据和测量数据中的经纬度信息,计算各经纬度对应的区域的业务数据指标,然后按照预设条件将区域进行组合,形成热点区域,通过本发明的实施,结合网管系统获取网络性能数据和测量报告中的测量数据,确定了待识别区域内的采样点的业务数据指标,从而可以根据该业务数据指标确定热点区域,实现了通过网络系统获取的性能数据来形成热点区域的目的,热点区域的直观性更强,可用性更高。
Description
技术领域
本发明涉及移动通讯领域,具体涉及一种热点区域识别方法和装置。
背景技术
随着无线网络的发展,地图展示功能成为网络优化工具的利器。通过GIS给用户展示热点区域,使得移动运营商能够针对性的采取优化解决措施。因此,识别和分析业务热点区域成为运营商非常重视的技术。
现有的工具和系统,一种是直接采用网管采集性能数据,以小区、站点维度展示业务数据指标大小,不能满足运营商直观查看成片用户的热点区域的需求。另一种是通过测量报告(Measurement Report,MR)数据分析展示网络中的业务指标,可以在地图上查看,但是无法从网管性能数据中的多维度指标去标识业务热点区域。
发明内容
本发明实施例提供了一种热点区域识别方法和装置,解决了现有技术中无法通过网管系统获取的网络性能数据识别热点区域,使得热点区域直观性差,可用性低的问题。
为了解决上述技术问题,本发明实施例提供了一种热点区域识别方法,包括:
通过网管系统获取待识别区域的网络性能数据,通过测量报告获取待识别区域内的采样点的测量数据;
将所述网络性能数据和测量数据在小区和时间上匹配;
根据所述网络性能数据和所述测量数据中的经纬度信息,计算各经纬度对应的区域的业务数据指标;
按照预设条件将区域进行组合,形成热点区域。
此外,本发明实施例还提供了一种热点区域识别装置,包括:
数据获取模块,用于分别通过网管系统获取待识别区域的网络性能数据,以及通过测量报告获取待识别区域内的采样点的测量数据;
匹配模块,用于将所述网络性能数据在小区和时间上匹配;
计算模块,用于根据所述网络性能数据和所述测量数据中的经纬度信息,计算各经纬度对应的区域的业务数据指标;
组合模块,用于按照预设条件将区域进行组合,形成热点区域。
此外,本发明实施例还提供了一种计算机存储介质,计算机存储介质中存储有计算机可执行指令,计算机可执行指令用于执行上述的热点区域识别方法。
有益效果
本发明实施例提供了一种热点区域识别方法和装置,通过网管系统获取待识别区域的网络性能数据,通过测量报告获取待识别区域内的采样点的测量数据,将网络性能数据和测量数据在小区和时间上匹配,根据网络性能数据和测量数据中的经纬度信息,计算各经纬度对应的区域的业务数据指标,然后按照预设条件将区域进行组合,形成热点区域,通过本发明的实施,结合网管系统获取网络性能数据和测量报告中的测量数据,确定了待识别区域内的采样点的业务数据指标,从而可以根据该业务数据指标确定热点区域,实现了通过网络系统获取的性能数据来形成热点区域的目的,热点区域的直观性更强,可用性更高。
附图说明
图1为本发明第一实施例提供的一种热点区域识别方法流程图;
图2为本发明第二实施例提供的一种热点区域识别方法流程图;
图3为本发明第二实施例提供的一种定义热点区域的方法流程图;
图4为本发明第二实施例提供的一种热点区域内各小区的占比示意图;
图5为本发明第二实施例提供的一种热点区域地图显示示意图;
图6为本发明第三实施例提供的一种热点区域识别装置组成示意图。
具体实施方式
本发明的构思在于,分别通过网管系统获取网络性能数据,以及通过测量报告获取采样点的测量数据,网络性能数据和测量数据在小区和时间上匹配,根据网络性能数据和测量数据,计算采样点对应的业务数据指标,从而可以根据预设条件将采样点进行组合,形成热点区域,实现了通过网络系统获取的性能数据来形成热点区域的目的,热点区域的直观性更强,可用性更高。
下面结合附图对本发明的具体实施作进一步说明。
第一实施例
请参考图1,图1是本实施例提供的热点区域识别方法的流程图。
S101、通过网管系统获取待识别区域的网络性能数据,通过测量报告获取待识别区域内的采样点的测量数据;
S102、将网络性能数据和测量数据在小区和时间上匹配;
S103、根据所述网络性能数据和所述测量数据中的经纬度信息,计算各经纬度对应的区域的业务数据指标;
S104、按照预设条件将区域进行组合,形成热点区域。
在待识别区域中,各种小区的资源构成了待识别区域内各个终端的网络资源,各个固定的或者移动的终端在一个时间点占用一个小区的资源。各个小区的资源占用情况并不是固定的,而是动态的,而占用小区资源的终端也可以在各个小区之间进行切换,根据终端位置的不同可以自动切换,或者终端也可以进行手动切换,切换到终端想要匹配的小区。
小区所提供的网络资源,包括数据资源和话务资源,而待识别区域中存在的若干个热点区域,包括但不限于通过数据资源热度和话务资源热度评估的热点区域;在本实施例中,业务数据指标包括但不限于:激活用户数(Active User Number)、连接用户数(Connected User Number)、呼叫次数、业务流量等等中的至少一种,也就是说,热点区域可以包括激活用户数热点区域、连接用户数热点区域、呼叫次数热点区域和业务流量热点区域中的至少一种,可以根据业务数据指标的不同而将热点区域进行不同种类的划分,划分后的热点区域可以按照一定的比率进行叠加,比如,按照激活用户数形成的热点区域可以和按照连接用户数形成的热点区域直接进行叠加,换言之,热点区域的业务数据指标可以单独作为热点区域的评判标准,也可以组合使用。
通过网络系统获取待识别区域的网络性能数据可以包括连接用户数、激活用户数、呼叫次数、业务流量等等指标,其中呼叫次数可以包括CAPS(Call Attempts PerSecond,每秒建立呼叫数量),CAPS乘以3600就是BHCA(Busy Hour Call Attempt,忙时呼叫量),是通信业务工程中用于测量、评估和规划网络呼叫处理能力的一个关键性指标。业务流量则可以包括,上行流量(Uplink Traffic Volume)和下行流量(Downlink TrafficVolume),各自表明了上下行的网络流量的大小;此外,除了直接表明流量大小的业务数据指标之外,还可以包括PRB使用率的业务数据指标,同样的,PRB使用率也包括上行PRB使用率(UL Mean PRB Usage Rate)和下行PRB使用率(DL Mean PRB Usage Rate),同样可以表明网络流量的占用量的大小。也就是说,业务数据指标是通过网络系统获取的网络性能数据来表征的。
通过测量报告(Measurement Report,MR)来获取待识别区域内的采样点的测量数据中,MR是指信息在业务信道上每480ms(信令信道上470ms)发送一次数据,这些数据可以用于网络评估和优化。测量数据可以包括各种数据,而在本实施例中,主要利用测量数据中的采样点的经纬度信息,确定采样点的位置和匹配的小区;采样点是按照一定的时间间隔采集区域内的发生交互动作的终端,这样的时间间隔可以是每隔5s采集一次并上报,上报的采样点的信息至少应包括采样点所匹配的小区,以及采样点对应的经纬度信息,或者说位置信息,可以确定采样点的位置以及匹配的小区。不同时间的采样点可以是同一个终端,甚至是同一个终端在进行同一个业务,可以通过采样点中的S1APID来标识,同一个业务其S1APID是相同的,通过S1APID可以确定是否是同一个业务。
网络性能数据和测量数据,除了位置要匹配之外,在时间上也需要匹配,即网络性能数据和测量数据的采集时间应该一致,如需要确定的是从2016-04-06 00:00:00~2016-04-07 23:59:59两天共48小时内的业务数据指标,那么,网络性能数据和测量数据也应该采集自这段时间内。
根据网络性能数据和测量数据,计算采样点对应的业务数据指标可以包括:业务数据指标根据时间长短的不同,可以包括:天粒度的业务数据指标以及采集周期内的业务数据指标;其中,天粒度的业务数据指标,是该日业务数据指标中的最大值,即天KPI=MAX(小时KPI),其中KPI(Key Performance Indicator)表示关键绩效指标,在本实施例中,其表示业务数据指标。
而采集周期内的业务数据指标,则是采集周期内,每天的业务数据指标的平均值,即KPI=AVG(天KPI)。需要说明的是,以上的业务数据指标仅仅是一种可选的计算方式,并不代表只能通过这种方式确定,可以根据任何其他方式来确定不同时间粒度下的业务数据指标,如都通过最大值来确定,或者都通过均值来确定,本实施例并不对其进行限定。
根据网络性能数据和测量数据中的经纬度信息,计算各经纬度对应的区域的业务数据指标包括:各个经纬度信息对应与一个地理范围中的区域,根据采样点中的经纬度信息确定该采样点所属的区域,即可以确定该区域内所包括的采样点的数目以及各个采样点匹配的小区,然后,就可以根据各小区的网络性能数据,计算该区域的业务数据指标。具体的,根据网络性能数据,可以确定小区粒度的业务数据指标;在一个区域内,则可能包括多个小区的采样点,即各个小区在该区域内的采样点的业务数据指标构成了该区域的业务数据指标,通过计算各个小区在该区域内的业务数据指标,然后将各个业务数据指标进行叠加,就可以得出该区域的业务数据指标。
在栅格化的地图中,根据各个栅格和经纬度信息的对应关系,可以确定各个栅格的采样点,并可以进一步确定各个栅格的业务数据指标,即按照预设条件将区域进行组合,形成热点区域包括:根据经纬度信息和栅格化的地图中各个栅格与经纬度信息的对应关系,确定各个栅格的采样点,并确定各个栅格的业务数据指标。换言之,区域对应于地图中的栅格,即栅格是区域在地图中的投影。在本实施例中,对区域和栅格不进行特别的区分。
针对不同的业务数据指标,其计算的方法也可以不同;具体的,请参考表1,表1示出了各业务数据指标和计算方式以及各业务数据指标的计算单位之间的对应关系:
表1
从表中可以看出,根据业务数据指标的不同,计算业务数据指标的方式可以包括:
A、S1APID占比计算方式。S1APID是MR采样点记录中话单的唯一标识。每个栅格包含了n个小区的MR采样点,每个小区从网管性能数据统计出业务数据指标EMS KPI,小区i的KPI记为EMS KPI(i)。每个MR采样点都记录有S1APID和主服务小区标识,小区i在栅格k内统计的S1APID个数记为Grid SIAPID(i),小区i所有覆盖栅格内的S1APID个数记为S1APID(i),栅格k的地理信息权重值为p,则栅格k内的EMS KPI统计为:
B、PDCP占比计算方式。每个栅格包含了n个小区的MR采样点,每个小区从网管性能数据统计出EMS KPI,小区i的KPI记为EMS KPI(i)。每个MR采样点都有DL/UL PDCP和主服务小区标识,小区i在栅格k内统计的DL/UL PDCP之和记为Grid DL/UL PDCP(i),小区i所有覆盖栅格内的DL/UL PDCP之和记为DL/UL PDCP(i),栅格k的地理信息权重值为p,则栅格k内的EMS KPI统计为:
以上列举出了两种不同的计算业务数据指标的方式,根据业务数据指标的不同选择相应的方式进行计算,其中,EMS KPI仅仅用于指代业务数据指标,并不特定的指某一种业务数据指标。计算各经纬度对应的区域的业务数据指标包括:根据网络性能数据,确定待识别区域内小区的业务数据指标,然后根据网络性能数据和测量数据在小区上的匹配关系,计算各小区在该栅格内的业务数据指标,然后将各小区在该栅格内的业务数据指标进行叠加。
此外,确定各个栅格的业务数据指标还可以包括:根据室内外算法,确定各个栅格对应的地理类型信息,结合地理类型信息计算各个栅格的业务数据指标。根据MR室内外算法,通过MR采样点分析出室内外信息,包括室内用户、室外用户和未知用户,根据栅格内包括室内外用户占比,计算得到栅格室内外属性,包括室内栅格、室外栅格和未知栅格。结合地图,分析出栅格细节地理环境,例如道路、写字楼、住宅楼、公园等,这些环境因素都对业务分布产生影响,每种类型地理信息有对应的权重值p。
在确定待识别区域内,各栅格的业务数据指标后,就可以按照预设条件,确定热点栅格。根据业务数据指标的不同,制定不同区间的业务数据指标的评分标准,请参考表2,表2示出了连接用户数的评分标准:
RRC Connect User | 得分 |
[0,5) | 10 |
[5,10) | 20 |
[10,15) | 30 |
[15,20) | 40 |
[20,25) | 50 |
[25,30) | 60 |
[30,35) | 70 |
[35,40) | 80 |
[40,45) | 90 |
[45,INF) | 100 |
表2
请参考表3,表3示出了下行流量的评分标准:
表3
遍历网络覆盖栅格,得到所有栅格的评分值。通过栅格评分的第一门限值N1进行过滤,评分值大于N1的栅格定义为热点栅格,得到连接用户数热点栅格集合(HotGridList)。
在确定热点栅格,即栅格的评分大于第一门限值N1的栅格后,就可以按照预设条件对栅格进行组合操作,即将业务数据指标大于第一门限值的相邻的栅格进行组合,形成热点区域,各个热点区域中的栅格数量不小于第二门限值。
在形成热点区域后,还可以根据触发指令,在地图中显示对应的热点区域。在之前的形成热点区域的操作之后,地图被分为了热点区域和非热点区域的组合,每个热点区域中的栅格数量均不小于第二门限值;触发指令可以是各种形式的指令,如点击操作,触控操作,声控,指纹识别,人脸识别等等,根据触发指令显示已经形成后的热点区域,非常直观,有着很好的用户体验。
本实施例提供了一种热点区域识别方法,分别通过网管系统获取网络性能数据,以及通过测量报告获取采样点的测量数据,网络性能数据和测量数据在小区和时间上匹配,根据网络性能数据和测量数据,计算采样点对应的业务数据指标,从而可以根据预设条件将采样点进行组合,形成热点区域,实现了通过网络系统获取的性能数据来形成热点区域的目的,热点区域的直观性更强,可用性更高。
第二实施例
请参考图2,图2是本实施例提供的热点区域识别方法的流程图。
S201、数据获取。
通过网管系统获取待识别区域的网络性能数据,通过测量报告获取待识别区域内的采样点的测量数据。网络性能数据和测量数据需要在地域和时间上匹配,例如网络性能数据和测量数据均在2016-04-06 00:00:00~2016-04-07 23:59:59两天内采集。
S202、网络性能数据处理。
网络性能数据是按照小时粒度上报,因此,需要计算在不同粒度下的业务数据指标。
A、计算天粒度的业务数据指标。天KPI=MAX(小时KPI)。2016年4月7日业务数据指标为该天24个小时指标KPI的最大值。
B、计算数据采集周期内的业务数据指标。KPI=AVG(天KPI)。2016年4月6日至7日采集周期内业务数据指标为两天指标KPI的平均值。
S203、测量数据栅格化。
栅格为正方形,用坐标(EarthID,X,Y)标识,其中EarthID,x,y均为整数,为该位置的UTM坐标(Universal Transverse Mercator,通用横向墨卡托方格坐标)。以EarthID相同的投影带中心点O为坐标原点绘制直角坐标系,点O的坐标标识为(EarthID,0,0),在EarthID标识的地域范围内,按照用户设定的栅格边长,将相对点O向东偏移一个栅格边长的点A为中心点的栅格坐标标识为(EarthID,1,0),向西偏移一个栅格边长的点B为中心点的栅格坐标标识为(EarthID,-1,0),将相对点O向北偏移一个栅格边长的点C为中心点的栅格坐标标识为(EarthID,0,1),向南偏移一个栅格边长的点D为中心点的栅格坐标标识为(EarthID,0,-1),依次类推。用户设备UE上报的无线测量报告MR数据中,记录了采样点所在位置的经纬度,通过经纬度坐标和UTM坐标之间的的转换,将采样点投影到具体的栅格中,得到网络的覆盖栅格集合。
S204、根据室内外算法,分析采样点的地理信息。
通过测量报告采样点分析出采样点室内外信息,包括室内用户、室外用户和未知用户,根据栅格内包括室内外用户占比,计算得到栅格室内外属性,包括室内栅格、室外栅格和未知栅格。结合电子地图,分析出栅格细节地理环境,例如道路、写字楼、住宅楼、公园等,这些环境因素都对业务分布产生影响,每种类型地理信息有对应的权重值。
S205、网络性能数据栅格化。
计算地图每个栅格的业务数据指标。根据数据的不同其计算分为以下几种方式:
A、S1APID占比计算方式。S1APID是MR采样点记录中话单的唯一标识。每个栅格包含了n个小区的MR采样点,每个小区从网管性能数据统计出业务数据指标EMS KPI,小区i的KPI记为EMS KPI(i)。每个MR采样点都记录有S1APID和主服务小区标识,小区i在栅格k内统计的S1APID个数记为Grid SIAPID(i),小区i所有覆盖栅格内的S1APID个数记为S1APID(i),栅格k的地理信息权重值为p,则栅格k内的EMS KPI统计为:
B、PDCP占比计算方式。每个栅格包含了n个小区的MR采样点,每个小区从网管性能数据统计出EMS KPI,小区i的KPI记为EMS KPI(i)。每个MR采样点都有DL/UL PDCP和主服务小区标识,小区i在栅格k内统计的DL/UL PDCP之和记为Grid DL/UL PDCP(i),小区i所有覆盖栅格内的DL/UL PDCP之和记为DL/UL PDCP(i),栅格k的地理信息权重值为p,则栅格k内的EMS KPI统计为:
依次计算出所有栅格的业务数据指标。
S206、定义业务热点栅格。
遍历LTE网络覆盖栅格,得到所有栅格的评分值。通过栅格评分门限值N1进行过滤,评分值大于N1的栅格定义为热点栅格,得到连接用户数热点栅格集合HotGridList。
S207、定义热点区域。定义热点区域的具体步骤请参考图3,包括:
S301、对热点栅格集合HotGridList进行排序,按照栅格评分排序,选择评分最高的栅格k1作为热点区域初始栅格。
S302、定义初始栅格k1为区域1,遍历与该栅格存在相邻的各个栅格,如果相邻栅格k2属于HotGridList,k2合入区域1,k2为新增栅格。对区域内所有新增栅格分别遍历相邻栅格,满足条件栅格合入区域1。
其中,栅格相邻定义:栅格k1坐标为(EarthID,x,y),与k1相邻的栅格坐标为(EarthID,x-1,y),(EarthID,x+1,y),(EarthID,x,y-1),(EarthID,x,y+1)。
S303、重复S302,直到无满足要求的相邻栅格加入,得到区域1,更新热点栅格集合,将区域1中栅格移出HotGridList。
S304、通过第二门限值N2进行过滤,区域1包括的栅格数目大于门限值N2,则输出区域1作为热点区域,否则,舍弃区域1。
S305、对HotGridList剩余栅格,重复步骤S301~S304,直到热点栅格集合HotGridList为空时结束,得到所有业务热点区域。
S208、结果输出展示。
将业务热点区域信息用表格输出,包括区域内小区信息和EMS KPI值,请参考图4,图4为本实施例提供的热点区域内各小区的占比示意图,其中,Area ID表示热点区域编号,eNodeB ID表示基站编号,Cell ID表示小区编号,可以唯一确定一个小区,SamplingPoints Count表示采样点的数目,S1APID是话单唯一标识,Active User Number是激活用户数,Active User Number Ratio是活跃用户数占比。
还可以通过地图直观展示区域,请参考图5,图5是本实施例提供的热点区域地图显示示意图。结果保存到数据库,可供用户随时查看或者文件导出。
第三实施例
请参考图6,图6是本实施例提供的热点区域识别装置的组成示意图。
数据获取模块301,用于通过网管系统获取待识别区域的网络性能数据,通过测量报告获取待识别区域内的采样点的测量数据;
匹配模块302,用于将网络性能数据和测量数据在小区和时间上匹配;
计算模块303,用于根据所述网络性能数据和所述测量数据中的经纬度信息,计算各经纬度对应的区域的业务数据指标;
组合模块304,用于按照预设条件将区域进行组合,形成热点区域。
在待识别区域中,各种小区的资源构成了待识别区域内各个终端的网络资源,各个固定的或者移动的终端在一个时间点占用一个小区的资源。各个小区的资源占用情况并不是固定的,而是动态的,而占用小区资源的终端也可以在各个小区之间进行切换,根据终端位置的不同可以自动切换,或者终端也可以进行手动切换,切换到终端想要匹配的小区。
小区所提供的网络资源,包括数据资源和话务资源,而待识别区域中存在的若干个热点区域,包括但不限于通过数据资源热度和话务资源热度评估的热点区域;在本实施例中,业务数据指标包括但不限于:激活用户数、连接用户数、呼叫次数、业务流量等等中的至少一种,也就是说,热点区域可以包括激活用户数热点区域、连接用户数热点区域、呼叫次数热点区域和业务流量热点区域中的至少一种,可以根据业务数据指标的不同而将热点区域进行不同种类的划分,划分后的热点区域可以按照一定的比率进行叠加,比如,按照激活用户数形成的热点区域可以和按照连接用户数形成的热点区域直接进行叠加,换言之,热点区域的业务数据指标可以单独作为热点区域的评判标准,也可以组合使用。
通过网络系统获取待识别区域的网络性能数据可以包括连接用户数、激活用户数、呼叫次数、业务流量等等指标,其中呼叫次数可以包括CAPS,CAPS乘以3600就是BHCA,是通信业务工程中用于测量、评估和规划网络呼叫处理能力的一个关键性指标。业务流量则可以包括,上行流量和下行流量,各自表明了上下行的网络流量的大小;此外,除了直接表明流量大小的业务数据指标之外,还可以包括PRB使用率的业务数据指标,同样的,PRB使用率也包括上行PRB使用率和下行PRB使用率,同样可以表明网络流量的占用量的大小。也就是说,业务数据指标是通过网络系统获取的网络性能数据来表征的。
通过测量报告来获取待识别区域内的采样点的测量数据中,MR是指信息在业务信道上每480ms(信令信道上470ms)发送一次数据,这些数据可以用于网络评估和优化。测量数据可以包括各种数据,而在本实施例中,主要利用测量数据中的采样点的经纬度信息,确定采样点的位置和匹配的小区;采样点是按照一定的时间间隔采集区域内的发生交互动作的终端,这样的时间间隔可以是每隔5s采集一次并上报,上报的采样点的信息至少应包括采样点所匹配的小区,以及采样点对应的经纬度信息,或者说位置信息,可以确定采样点的位置以及匹配的小区。不同时间的采样点可以是同一个终端,甚至是同一个终端在进行同一个业务,可以通过采样点中的S1APID来标识,同一个业务其S1APID是相同的,通过S1APID可以确定是否是同一个业务。
网络性能数据和测量数据,除了位置要匹配之外,在时间上也需要匹配,即网络性能数据和测量数据的采集时间应该一致,如需要确定的是从2016-04-06 00:00:00~2016-04-07 23:59:59两天共48小时内的业务数据指标,那么,网络性能数据和测量数据也应该采集自这段时间内。
根据网络性能数据和测量数据,计算采样点对应的业务数据指标可以包括:业务数据指标根据时间长短的不同,可以包括:天粒度的业务数据指标以及采集周期内的业务数据指标;其中,天粒度的业务数据指标,是该日业务数据指标中的最大值,即天KPI=MAX(小时KPI),其中KPI表示关键绩效指标,在本实施例中,其表示业务数据指标。
而采集周期内的业务数据指标,则是采集周期内,每天的业务数据指标的平均值,即KPI=AVG(天KPI)。需要说明的是,以上的业务数据指标仅仅是一种可选的计算方式,并不代表只能通过这种方式确定,可以根据任何其他方式来确定不同时间粒度下的业务数据指标,如都通过最大值来确定,或者都通过均值来确定,本实施例并不对其进行限定。
根据网络性能数据和测量数据中的经纬度信息,计算各经纬度对应的区域的业务数据指标包括:各个经纬度信息对应与一个地理范围中的区域,根据采样点中的经纬度信息确定该采样点所属的区域,即可以确定该区域内所包括的采样点的数目以及各个采样点匹配的小区,然后,就可以根据各小区的网络性能数据,计算该区域的业务数据指标。具体的,根据网络性能数据,可以确定小区粒度的业务数据指标;在一个区域内,则可能包括多个小区的采样点,即各个小区在该区域内的采样点的业务数据指标构成了该区域的业务数据指标,通过计算各个小区在该区域内的业务数据指标,然后将各个业务数据指标进行叠加,就可以得出该区域的业务数据指标。
在栅格化的地图中,根据各个栅格和经纬度信息的对应关系,可以确定各个栅格的采样点,并可以进一步确定各个栅格的业务数据指标,即组合模块304还用于:根据经纬度信息和栅格化的地图中各个栅格与经纬度信息的对应关系,确定各个栅格的采样点,并确定各个栅格的业务数据指标。换言之,区域对应于地图中的栅格,即栅格是区域在地图中的投影。在本实施例中,对区域和栅格不进行特别的区分。
针对不同的业务数据指标,其计算的方法也可以不同;具体的,请参考表1,表1示出了各业务数据指标和计算方式以及各业务数据指标的计算单位之间的对应关系。
从表中可以看出,根据业务数据指标的不同,计算业务数据指标的方式可以包括:
A、S1APID占比计算方式。S1APID是MR采样点记录中话单的唯一标识。每个栅格包含了n个小区的MR采样点,每个小区从网管性能数据统计出业务数据指标EMS KPI,小区i的KPI记为EMS KPI(i)。每个MR采样点都记录有S1APID和主服务小区标识,小区i在栅格k内统计的S1APID个数记为Grid SIAPID(i),小区i所有覆盖栅格内的S1APID个数记为S1APID(i),栅格k的地理信息权重值为p,则栅格k内的EMS KPI统计为:
B、PDCP占比计算方式。每个栅格包含了n个小区的MR采样点,每个小区从网管性能数据统计出EMS KPI,小区i的KPI记为EMS KPI(i)。每个MR采样点都有DL/UL PDCP和主服务小区标识,小区i在栅格k内统计的DL/UL PDCP之和记为Grid DL/UL PDCP(i),小区i所有覆盖栅格内的DL/UL PDCP之和记为DL/UL PDCP(i),栅格k的地理信息权重值为p,则栅格k内的EMS KPI统计为:
以上列举出了两种不同的计算业务数据指标的方式,根据业务数据指标的不同选择相应的方式进行计算,其中,EMS KPI仅仅用于指代业务数据指标,并不特定的指某一种业务数据指标。也即是说,计算模块303还用于:根据网络性能数据,确定待识别区域内小区的业务数据指标,然后根据网络性能数据和测量数据在小区上的匹配关系,计算各小区在该栅格内的业务数据指标,然后将各小区在该栅格内的业务数据指标进行叠加。
此外,计算模块303还可以用于:根据室内外算法,确定各个栅格对应的地理类型信息,结合地理类型信息计算各个栅格的业务数据指标。根据MR室内外算法,通过MR采样点分析出室内外信息,包括室内用户、室外用户和未知用户,根据栅格内包括室内外用户占比,计算得到栅格室内外属性,包括室内栅格、室外栅格和未知栅格。结合地图,分析出栅格细节地理环境,例如道路、写字楼、住宅楼、公园等,这些环境因素都对业务分布产生影响,每种类型地理信息有对应的权重值p。
在确定待识别区域内,各栅格的业务数据指标后,就可以按照预设条件,确定热点栅格。根据业务数据指标的不同,制定不同区间的业务数据指标的评分标准。
遍历网络覆盖栅格,得到所有栅格的评分值。通过栅格评分的第一门限值N1进行过滤,评分值大于N1的栅格定义为热点栅格,得到连接用户数热点栅格集合。
在确定热点栅格,即栅格的评分大于第一门限值N1的栅格后,就可以按照预设条件对栅格进行组合操作,即组合模块304还用于,将业务数据指标大于第一门限值的相邻的栅格进行组合,形成热点区域,各个热点区域中的栅格数量不小于第二门限值。
可选的,还可以包括显示模块305,用于根据触发指令,在地图中显示对应的热点区域。在之前的形成热点区域的操作之后,地图被分为了热点区域和非热点区域的组合,每个热点区域中的栅格数量均不小于第二门限值;触发指令可以是各种形式的指令,如点击操作,触控操作,声控,指纹识别,人脸识别等等,根据触发指令显示已经形成后的热点区域,非常直观,有着很好的用户体验。
本实施例提供了一种热点区域识别装置,包括数据获取模块、匹配模块、计算模块、组合模块,实现了通过网络系统获取的性能数据来形成热点区域的目的,热点区域的直观性更强,可用性更高。
显然,本领域的技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以,本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (9)
1.一种热点区域识别方法,包括:
通过网管系统获取待识别区域的网络性能数据,通过测量报告获取待识别区域内的采样点的测量数据;
将所述网络性能数据和测量数据在小区和时间上匹配;
根据所述网络性能数据和所述测量数据中的经纬度信息,计算各经纬度对应的区域的业务数据指标;其中,根据所述经纬度信息和栅格化的地图中的各个栅格与经纬度信息的对应关系,确定各个栅格的采样点,并确定各个栅格的业务数据指标,所述业务数据指标通过所述网络性能数据表征;
按照预设条件将区域进行组合,形成热点区域;其中,将所述业务数据指标大于第一门限值的相邻的栅格进行组合,形成热点区域,各个所述热点区域中的栅格数量不小于第二门限值。
2.如权利要求1所述的热点区域识别方法,其特征在于,在所述形成热点区域后,还包括:根据触发指令在地图中显示对应的所述热点区域。
3.如权利要求1或2所述的热点区域识别方法,其特征在于,所述计算各经纬度对应的区域的业务数据指标包括:根据所述网络性能数据,确定待识别区域内小区的业务数据指标,然后根据所述网络性能数据和测量数据在小区上的匹配关系,计算各小区在该栅格内的业务数据指标,然后将各小区在该栅格内的业务数据指标进行叠加。
4.如权利要求3所述的热点区域识别方法,其特征在于,所述确定各个栅格的业务数据指标还包括:根据室内外算法,确定各个栅格对应的地理类型信息,结合所述地理类型信息计算各个栅格的业务数据指标。
5.如权利要求1-4任一项所述的热点区域识别方法,其特征在于,所述业务数据指标包括连接用户数、激活用户数、呼叫次数、业务流量中的至少一种。
6.一种热点区域识别装置,其特征在于,包括:
数据获取模块,用于分别通过网管系统获取待识别区域的网络性能数据,以及通过测量报告获取待识别区域内的采样点的测量数据;
匹配模块,用于将所述网络性能数据在小区和时间上匹配;
计算模块,用于根据所述网络性能数据和所述测量数据中的经纬度信息,计算各经纬度对应的区域的业务数据指标;其中,根据所述经纬度信息和栅格化的地图中的各个栅格与经纬度信息的对应关系,确定各个栅格的采样点,并确定各个栅格的业务数据指标,所述业务数据指标通过所述网络性能数据表征;
组合模块,用于按照预设条件将区域进行组合,形成热点区域;其中,将所述业务数据指标大于第一门限值的相邻的栅格进行组合,形成热点区域,各个所述热点区域中的栅格数量不小于第二门限值。
7.如权利要求6所述的热点区域识别装置,其特征在于,还包括显示模块,用于根据触发指令在地图中显示对应的所述热点区域。
8.如权利要求6或7所述的热点区域识别装置,其特征在于,所述计算模块还用于:根据所述网络性能数据,确定待识别区域内小区的业务数据指标,然后根据网络性能数据和测量数据在小区上的匹配关系,计算各小区在该栅格内的业务数据指标,然后将各小区在该栅格内的业务数据指标进行叠加。
9.如权利要求8所述的热点区域识别装置,其特征在于,所述计算模块还用于:根据室内外算法,确定各个栅格对应的地理类型信息,结合所述地理类型信息计算各个栅格的业务数据指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610524912.8A CN107580337B (zh) | 2016-07-05 | 2016-07-05 | 一种热点区域识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610524912.8A CN107580337B (zh) | 2016-07-05 | 2016-07-05 | 一种热点区域识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107580337A CN107580337A (zh) | 2018-01-12 |
CN107580337B true CN107580337B (zh) | 2022-05-13 |
Family
ID=61049349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610524912.8A Active CN107580337B (zh) | 2016-07-05 | 2016-07-05 | 一种热点区域识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107580337B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110121189B (zh) * | 2018-02-05 | 2021-08-20 | 大唐移动通信设备有限公司 | 一种网络监控方法和装置 |
CN109743674A (zh) * | 2018-12-28 | 2019-05-10 | 中国联合网络通信集团有限公司 | 业务热点区域定位方法、装置、设备和可读介质 |
CN109561390B (zh) * | 2019-01-16 | 2021-01-05 | 中国联合网络通信集团有限公司 | 确定口碑场景覆盖小区的方法及装置 |
CN109951854A (zh) * | 2019-02-03 | 2019-06-28 | 辽宁邮电规划设计院有限公司 | 一种基于大数据挖掘技术下的5g价值区域分析方法 |
CN111818506B (zh) * | 2019-04-11 | 2023-04-28 | 中国移动通信集团四川有限公司 | 一种识别热点小区的方法和装置 |
CN110691369B (zh) * | 2019-11-27 | 2021-06-04 | 北京天元创新科技有限公司 | 一种基于mdt的室内信号外泄分析方法及系统 |
CN115379471A (zh) * | 2021-05-18 | 2022-11-22 | 华为技术有限公司 | 一种确定流量统计结果的方法及装置 |
CN114173318B (zh) * | 2021-12-09 | 2023-05-12 | 中国联合网络通信集团有限公司 | 待优化区域识别方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101426206A (zh) * | 2008-11-26 | 2009-05-06 | 中国移动通信集团广东有限公司 | 一种通信网络话务分布网格化的方法及系统 |
CN103945469A (zh) * | 2013-01-17 | 2014-07-23 | 电信科学技术研究院 | 一种确定目标小区的方法及设备 |
CN104236564A (zh) * | 2013-06-14 | 2014-12-24 | 现代Mnsoft公司 | 在用户终端执行地图匹配的方法 |
CN105188030A (zh) * | 2015-08-21 | 2015-12-23 | 北京拓明科技有限公司 | 一种移动网络数据进行地理栅格映射的方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7136638B2 (en) * | 2002-10-25 | 2006-11-14 | Nokia Corporation | Method and system for analyzing a network environment and network parameters |
US20060166677A1 (en) * | 2005-01-27 | 2006-07-27 | Lucent Technologies, Inc. | Balancing load of cells in inter-frequency handover of wireless communications |
CN102149103B (zh) * | 2011-04-11 | 2013-12-18 | 北京铭润创展科技有限公司 | 网络优化系统及方法 |
GB2498513A (en) * | 2011-12-14 | 2013-07-24 | Actix Ltd | Mobile phone network management and optimisation |
CN102769866B (zh) * | 2012-06-18 | 2015-07-29 | 华为技术有限公司 | 一种室内外业务数据的区分方法及设备 |
CN104754590B (zh) * | 2013-12-31 | 2018-10-26 | 中国移动通信集团山东有限公司 | 一种评估长期演进lte网络站址的方法及装置 |
WO2015117018A1 (en) * | 2014-01-31 | 2015-08-06 | Huawei Technologies Co., Ltd. | Device, network, and method for network adaptation and utilizing a downlink discovery reference signal |
-
2016
- 2016-07-05 CN CN201610524912.8A patent/CN107580337B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101426206A (zh) * | 2008-11-26 | 2009-05-06 | 中国移动通信集团广东有限公司 | 一种通信网络话务分布网格化的方法及系统 |
CN103945469A (zh) * | 2013-01-17 | 2014-07-23 | 电信科学技术研究院 | 一种确定目标小区的方法及设备 |
CN104236564A (zh) * | 2013-06-14 | 2014-12-24 | 现代Mnsoft公司 | 在用户终端执行地图匹配的方法 |
CN105188030A (zh) * | 2015-08-21 | 2015-12-23 | 北京拓明科技有限公司 | 一种移动网络数据进行地理栅格映射的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107580337A (zh) | 2018-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107580337B (zh) | 一种热点区域识别方法和装置 | |
CN107547633B (zh) | 一种用户常驻点的处理方法、装置和存储介质 | |
CN108601029B (zh) | 基站建设评估方法及装置 | |
CN106708955B (zh) | 一种热力图生成方法及设备 | |
CN108181607B (zh) | 基于指纹库的定位方法、装置及计算机可读存储介质 | |
CN104853379B (zh) | 一种无线网络质量评估方法及装置 | |
CN114173356B (zh) | 网络质量的检测方法、装置、设备及存储介质 | |
US9066315B2 (en) | Information processing apparatus, communication system, and information processing method | |
US20120220274A1 (en) | Position information analysis device and position information analysis method | |
CN111325561B (zh) | 智能投诉处理方法、装置、电子设备及存储介质 | |
CN111372183B (zh) | 一种识别质差终端的方法、装置、设备及存储介质 | |
CN108718254B (zh) | 地铁室内分布系统故障定位方法及系统 | |
CN110990443A (zh) | 一种基于手机信令的职住人口特征估算方法 | |
CN105188030A (zh) | 一种移动网络数据进行地理栅格映射的方法 | |
CN111356147A (zh) | 一种室分小区故障定位方法及装置 | |
CN110543538A (zh) | 基于地理信息系统(gis)网格定位分析投诉原因的方法 | |
CN114257957B (zh) | 网络规划方法及装置、计算设备和计算机可读存储介质 | |
CN109379703B (zh) | 一种基于移动终端联网数据的灾害区域判断方法 | |
CN112235720B (zh) | 室内三维mr弱覆盖定位方法、系统与计算机可读介质 | |
CN106973397B (zh) | 覆盖空洞判定方法及系统 | |
CN110120883B (zh) | 一种评估网络性能的方法、装置和计算机可读存储介质 | |
CN105163321A (zh) | 一种数据流量定位方法及装置 | |
CN116133037A (zh) | 一种无线网络评估方法及装置 | |
CN114885369A (zh) | 网络覆盖质量检测处理方法、装置、电子设备和存储介质 | |
WO2021008393A1 (zh) | 一种无线小区的覆盖黑洞识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |