CN107920362A - 一种基于微区域的lte网络性能评估方法 - Google Patents

一种基于微区域的lte网络性能评估方法 Download PDF

Info

Publication number
CN107920362A
CN107920362A CN201711277912.3A CN201711277912A CN107920362A CN 107920362 A CN107920362 A CN 107920362A CN 201711277912 A CN201711277912 A CN 201711277912A CN 107920362 A CN107920362 A CN 107920362A
Authority
CN
China
Prior art keywords
msub
mrow
grid
kpi
cell
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.)
Granted
Application number
CN201711277912.3A
Other languages
English (en)
Other versions
CN107920362B (zh
Inventor
石路路
陈大龙
唐大鹏
徐珊珊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Hua Su Science And Technology Ltd
Original Assignee
Nanjing Hua Su Science And Technology Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Hua Su Science And Technology Ltd filed Critical Nanjing Hua Su Science And Technology Ltd
Priority to CN201711277912.3A priority Critical patent/CN107920362B/zh
Publication of CN107920362A publication Critical patent/CN107920362A/zh
Application granted granted Critical
Publication of CN107920362B publication Critical patent/CN107920362B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于微区域的LTE网络性能评估方法，包括以下步骤：(1)数据收集：收集用户级OTT信息、MR数据、关键信令切换数据和话统数据；(2)建立位置指纹数据库；(3)数据处理：对各数据源进行整合关联；同时，将话统数据在LTE及VoLTE两大业务类型下，按保持性、接入性、完整性、小区完好率、移动性5个维度上进行分类，且标记指标属性；(4)数据计算分析；(5)数据分析结果：业务类型分LTE(浏览业务)及VoLTE业务两种类型，可自行选择需要评估的时间，栅格的网络性能得分，分为优秀、良好、一般、差、严重5个区间。利用各维度内指标集间的关联与约束关系，使能合理、客观的评价微区域的网络质量，有效地指导网络优化。

Description

一种基于微区域的LTE网络性能评估方法
技术领域
本发明属于无线网络技术领域，尤其是涉及一种基于微区域的LTE网络性能评估方法。
背景技术
随着LTE移动网络和互联网产品的快速发展，智能终端已成为人们日常生活必须品之一，智能终端用户无时无刻基于移动通信网络，体验移动互联网产品满足学习、生活、娱乐等生活需求。因此，人们日益增长的移动产品服务体验需求与移动运营商网络性能之间的矛盾已成为移动客户网络满意度的主要矛盾。同时，移动用户基于移动通信网络通过移动终端使用互联网产品服务，用户为移动运营商提供了丰富的物理层的测量数据和信令数据，结合应用层的用户位置、使用行为特征与移动通信的MR数据、话统数据、以及网管数据，使得用户终端、基站、核心网、应用平台四个阶段的每一步交互指标都成为了可被记录与分析挖掘的数据。
基于移动通信网络数据的采集、存储及分析能力，运用机器学习算法，实现移动通信网络质量及性能的评估分析，为网络优化提供有效的数据抓手。通过对移动通信数据的的分析及建模分析，使得决策更为精准，可释放更多数据的隐藏价值，不仅为网络优化，也为网络建设运维、营销推广提供了强有力的支撑。
在大数据时代，全面详实的移动通信数据获取需求取代了以往拨测、路测等传统数据的随机粗放获取模式，而随着数据样式的改变，分析方式也由因果关系提升为相关性分析。
运营商长期以来依赖于路测作为评估网络性能的方法，该方法最开始用来测试通话质量及覆盖情况，后来拓展到包括使用智能手机进行路测。通过使用车载智能手机来测试城市、郊区和主要道路的网络性能。但路测往往存在如下局限性：
(1)通常在道路、热点区域(偶尔铁路)进行路测，忽略了乡村这样比较有意义的地方；
(2)路测在室外进行，考虑到大多数手机使用行为发生在家里或者办公室，室内的网络质量的判定一直以来是运营商最具挑战的领域；
(3)路测通常选用当前较流行的终端进行测试，而网络性能往往会因终端的不同而产生差异性较大的结果。
因此，路测并不能够全面的评估移动通信网络的性能。
同时，统计学也证明，采样分析的精确性随着采样随机性的增加而大幅提高，但与样本数量增加的关系不大，即当随机性采样趋近全面后，单纯样本数量继续增加到某个值后，从这个数据来源得到的信息会越来越少。
不论从业务理解还是从统计角度出发，该方法都存在不够全面的缺陷，网络性能的准确性依赖于采样的绝对随机性，但是实现采样的随机性非常困难，一旦采样过程中存在任何偏见，分析结果将相差甚远。
传统的LTE性能指标评估体系主要将LTE网络指标从多个维度上进行分类，选取各维度较重要的KPI(关键性能指标)、KQI(关键质量指标)指标，对各指标设定阈值，如达标值、优秀值。基于某区域指标值，借助一些规则对该区域的指标值进行评分。由于LTE性能指标存在着时间、地域等区别，因此若采用统一的阈值并不能反映出LTE网络性能的真实情况。同时，原来基于KPI-KQI的评价体系使得运营商越来越难以确定哪些类型的指标需要重点关注。
再者，现有传统的网络性能评估手段采用从网络看终端的方式进行评估，采用KPI-KQI来描述网络性能，但在现网中，尤其是数据业务占据首要位置的时候，现有手段评估网络性能存在指标与用户真实信息钝化的情况，因此获取用户位置、用户接收信号功率等信息对突破现有网络性能评估体系有着举足轻重的影响。
发明内容
本发明要解决的问题是提供一种应用大数据处理技术，将多个维度的数据源综合分析，按不同要素对数据进行分组，形成了对网络全方位评价的体检式评估的基于微区域的LTE网络性能评估方法。
为解决上述技术问题，本发明采用的技术方案是：该基于微区域的LTE网络性能评估方法，包括以下步骤：
(1)数据收集：收集用户级OTT信息、MR数据、关键信令切换数据和话统数据；其中，含有定位功能的用户终端获取经纬度信息后，通过数据网络上传至服务器；
(2)建立位置指纹数据库：通过解析所述步骤(1)中的经纬度信息，得到使用该用户终端的用户的定点位置，采用向前一分钟时间滑动搜索方式对该用户的MR数据和经纬度信息进行关联，得到用户相应的位置坐标以及MR数据；再将得到用户相应的位置坐标映射到栅格地图中，从而建立位置指纹数据库；
(3)数据处理：在栅格级15分钟时间粒度上对所述步骤(1)中的各数据源进行整合关联；同时，将话统数据在LTE及VoLTE两大业务类型下，按保持性、接入性、完整性、小区完好率、移动性5个维度上进行分类，且标记指标属性；
其中，每个维度设定权重，每个维度下有详细的指标集，每个指标集下的指标设定指标项权重；
(4)数据计算分析：在计算栅格网络性能指标项之前，需要先计算覆盖栅格各个小区的基础网络性能得分；得到覆盖栅格所有小区的基础网络性能得分后，借助如下算法得到栅格的基础网络性能得分；
(5)数据分析结果：业务类型分LTE(浏览业务)及VoLTE业务两种类型，可自行选择需要评估的时间，栅格的网络性能得分，分为优秀、良好、一般、差、严重5个区间。
上述技术方案采用全局数据代替采样数据，引入全局数据来评估网络性能成为运营商的迫切需求，随着大数据技术的快速发展，移动通信全业务、全场景、全覆盖等自动化数据获取及处理技术已水到渠成，不再成为影响移动通信数据全局性、处理高效性和及时性的瓶颈；动态化调整各维度的所有指标阈值取代原有KPI-KQI阈值评价体系，本发明不仅全面的考虑了多个维度，将指标体系分为保持性、接入性、完整性、小区完好率、移动性上的指标，而且动态的对各指标阈值进行调整，从而真实地反映当前网络质量，特别实现对50*50栅格进行LTE及VoLTE的网络性能评估，更加贴切移动网络优化的需求；指纹库定位实现微观精准数据优化，在中国专利申请文献中，CN201711010766.8，申请日2017年10月26日，提出了一种基于OTT与MR数据的自适应WKNN室外定位方法，本申请借鉴该专利申请中的技术方案，申请人在此予以引入，关联OTT解析数据和MR数据建立位置指纹库，对用户进行精准定位的方法，通过指纹库定位可将用户信息打点到各个栅格，进而得到栅格的特定信息。从而使得本申请的技术方案突破现有的网络性能评估体系，以用户的真实信息牵引网络优化的方向。
应用大数据处理技术，将多个维度的数据源综合分析，按不同要素对数据进行分组，形成了对网络全方位评价的体检式评估，突出多个数据源全面分析网络性能的能力，利用各维度内指标集间的关联与约束关系，使能合理、客观的评价微区域(50*50栅格，后面统称栅格)的网络质量，有效地指导网络优化。
优选的，在所述步骤(1)中，每个维度权重的设置根据每个栅格用户的体验分数集合与所属覆盖栅格主小区的PHS值近似相等。
优选的，在所述步骤(4)中，计算覆盖栅格各个小区的基础网络性能得分，即该指标由5个维度的基础得分加权相加所得，即
其中为每个类别的权重，每个维度的基础得分由维度下所有话统指标KPI的得分，即加权相加所得，即
每个KPI得分根据指标属性采用不同的算法进行计算：
若指标越小越好：
当时，
其中为所有小区KPIj指标的2.5％-97.5％分位数区间的值，为小区X中KPIj的区间范围，其中分子为小区X中KPIj的累积分布函数(AUC)，分母为KPIj的累积分布函数最大的小区对应的值；
若小区X的KPIj小于的左端点，则
若小区X的KPIj大于的右端点，则
若指标越大越好：
当时，
若小区X的KPIj大于的右端点，则
若小区X的KPIj小于的左端点，则
得到覆盖栅格所有小区的基础网络性能得分。
优选的，在所述步骤(4)中，得到覆盖栅格所有小区的基础网络性能得分后，借助如下算法得到栅格的基础网络性能得分：
其中，GridX指代某个栅格，指覆盖栅格X的所有小区集合，指覆盖栅格X的Cellj的关键信令切换数；
基于上述的算法逻辑可以得栅格的性能得分后，增加栅格内基于用户的MR、关键信令切换等数据作为调节参数得到各栅格最终的网络性能得分，
该调节参数的区间范围为其中为所有栅格连续14天RSRP均值的归一化后值对应的栅格X的值，为每个栅格会有个14天的SINR均值，对栅格的SINR均值做min-max的归一化对应的值，为为每个栅格会有个14天的HO均值，HO是关键信令切换事件，对栅格的HO均值做min-max的归一化对应的值；
对于及计算方法相似，min-max的归一化解释如下：也称为离差标准化，是对原始数据的线性变换，使结果映射到0-1之间，转换函数为：
其中max为样本数据的最大值，min为样本数据的最小值；
最终，基于栅格的基础网络性能得分及调节参数，得到栅格最终的网络性能得分：
将得分在做(0，100)的区间映射。
优选的，在所述步骤(3)中，考察指标项分为12类，分别为LTE、VoLTE在5个维度上的得分以及LTE、VoLTE的总得分。
附图说明
下面结合附图和本发明的实施方式进一步详细说明：
图1是本发明MR指纹库定位核心流程图；
图2是本发明基于微区域的LTE网络性能评估方法的实际效果图；
图3是短板指标溯源图。
具体实施方式
本发明的基于微区域的LTE网络性能评估方法，包括以下步骤：
(1)数据收集：收集用户级OTT信息、MR数据、关键信令切换数据和话统数据；其中，含有定位功能的用户终端获取经纬度信息后，通过数据网络上传至服务器；
(2)建立位置指纹数据库：通过解析所述步骤(1)中的经纬度信息，得到使用该用户终端的用户的定点位置，采用向前一分钟时间滑动搜索方式对该用户的MR数据和经纬度信息进行关联，得到用户相应的位置坐标以及MR数据；再将得到用户相应的位置坐标映射到栅格地图中，从而建立位置指纹数据库，具体流程图如图1所示；
(3)数据处理：在栅格级15分钟时间粒度上对所述步骤(1)中的各数据源进行整合关联；同时，将话统数据在LTE及VoLTE两大业务类型下，按保持性、接入性、完整性、小区完好率、移动性5个维度上进行分类，且标记指标属性；
其中，每个维度设定权重，每个维度下有详细的指标集，每个指标集下的指标设定指标项权重；
(4)数据计算分析：在计算栅格网络性能指标项之前，需要先计算覆盖栅格各个小区的基础网络性能得分；得到覆盖栅格所有小区的基础网络性能得分后，借助如下算法得到栅格的基础网络性能得分；
(5)数据分析结果：业务类型分LTE(浏览业务)及VoLTE业务两种类型，可自行选择需要评估的时间，栅格的网络性能得分，分为优秀、良好、一般、差、严重5个区间，如图2所示，是实际效果图。
对于有问题的栅格可查看网络性能在保持性、接入性、完整性、小区完好率、移动性5个维度上的得分，若某一维度得分较低，可查看短板指标，如图3所示，可进行短板指标溯源。同时，系统根据短板指标运用机器学习算法结合传统网络优化经验，挖掘影响网络性能原因并给出解决方案。
还可以的，在所述步骤(1)中，每个维度权重的设置根据每个栅格用户的体验分数集合与所属覆盖栅格主小区的PHS值近似相等。
在所述步骤(4)中，计算覆盖栅格各个小区的基础网络性能得分，即该指标由5个维度的基础得分加权相加所得，即
其中为每个类别的权重，每个维度的基础得分由维度下所有话统指标KPI的得分，即加权相加所得，即
每个KPI得分根据指标属性采用不同的算法进行计算：
若指标越小越好：
当时，
其中为所有小区KPIj指标的2.5％-97.5％分位数区间的值，为小区X中KPIj的区间范围，其中分子为小区X中KPIj的累积分布函数(AUC)，分母为KPIj的累积分布函数最大的小区对应的值；
若小区X的KPIj小于的左端点，则
若小区X的KPIj大于的右端点，则
若指标越大越好：
当时，
若小区X的KPIj大于的右端点，则
若小区X的KPIj小于的左端点，则
得到覆盖栅格所有小区的基础网络性能得分。
在所述步骤(4)中，得到覆盖栅格所有小区的基础网络性能得分后，借助如下算法得到栅格的基础网络性能得分：
其中，GridX指代某个栅格，指覆盖栅格X的所有小区集合，指覆盖栅格X的Cellj的关键信令切换数；
基于上述的算法逻辑可以得栅格的性能得分后，增加栅格内基于用户的MR、关键信令切换等数据作为调节参数得到各栅格最终的网络性能得分，
该调节参数的区间范围为其中为所有栅格连续14天RSRP均值的归一化后值对应的栅格X的值，为为每个栅格会有个14天的HO均值，HO是关键信令切换事件，对栅格的HO均值做min-max的归一化对应的值；
对于及计算方法相似，min-max的归一化解释如下：也称为离差标准化，是对原始数据的线性变换，使结果映射到0-1之间，转换函数为：
其中max为样本数据的最大值，min为样本数据的最小值；
最终，基于栅格的基础网络性能得分及调节参数，得到栅格最终的网络性能得分：
将得分在做(0，100)的区间映射。
在所述步骤(3)中，考察指标项分为12类，分别为LTE、VoLTE在5个维度上的得分以及LTE、VoLTE的总得分。
本发明创新的通过用户级OTT位置数据，结合MR、关键信令切换数据、话统数据，建立了一套评估微区域LTE网络性能的评估方法，该方法实现了分浏览、Volte业务的网络性能评估，且根据评估得分挖掘短板维度及对应的短板指标，根据短板指标对异常问题进行定位从而提供相应的解决方法。本发明从多个数据源角度全面分析网络性能，利用各维度内指标集间的关联与约束关系，使其合理、客观的评价网络质量，切实精确地指导移动网络的优化。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明；凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于微区域的LTE网络性能评估方法，其特征在于，包括以下步骤：
(1)数据收集：收集用户级OTT信息、MR数据、关键信令切换数据和话统数据；其中，含有定位功能的用户终端获取经纬度信息后，通过数据网络上传至服务器；
(2)建立位置指纹数据库：通过解析所述步骤(1)中的经纬度信息，得到使用该用户终端的用户的定点位置，采用向前一分钟时间滑动搜索方式对该用户的MR数据和经纬度信息进行关联，得到用户相应的位置坐标以及MR数据；再将得到用户相应的位置坐标映射到栅格地图中，从而建立位置指纹数据库；
(3)数据处理：在栅格级15分钟时间粒度上对所述步骤(1)中的各数据源进行整合关联；同时，将话统数据在LTE及VoLTE两大业务类型下，按保持性、接入性、完整性、小区完好率、移动性5个维度上进行分类，且标记指标属性；
其中，每个维度设定权重，每个维度下有详细的指标集，每个指标集下的指标设定指标项权重；
(4)数据计算分析：在计算栅格网络性能指标项之前，需要先计算覆盖栅格各个小区的基础网络性能得分；得到覆盖栅格所有小区的基础网络性能得分后，借助如下算法得到栅格的基础网络性能得分；
(5)数据分析结果：业务类型分LTE浏览业务及VoLTE业务两种类型，可自行选择需要评估的时间，栅格的网络性能得分，分为优秀、良好、一般、差、严重5个区间。
2.根据权利要求1所述的基于微区域的LTE网络性能评估方法，其特征在于，在所述步骤(1)中，每个维度权重的设置根据每个栅格用户的体验分数集合与所属覆盖栅格主小区的PHS值近似相等。
3.根据权利要求1所述的基于微区域的LTE网络性能评估方法，其特征在于，在所述步骤(4)中，计算覆盖栅格各个小区的基础网络性能得分，即该指标由5个维度的基础得分加权相加所得，即
<mrow> <mi>B</mi> <mi>a</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> <msub> <mi>NPH</mi> <mrow> <msub> <mi>Cell</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>5</mn> </munderover> <msub> <mi>Coeff</mi> <mrow> <msub> <mi>Category</mi> <mi>i</mi> </msub> </mrow> </msub> <mo>*</mo> <mi>B</mi> <mi>a</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> <msub> <mi>NPH</mi> <mrow> <msub> <mi>Category</mi> <mi>i</mi> </msub> <msub> <mi>Cell</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>;</mo> </mrow>
其中为每个类别的权重，每个维度的基础得分由维度下所有话统指标KPI的得分，即加权相加所得，即
<mrow> <mi>B</mi> <mi>a</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> <msub> <mi>NPH</mi> <mrow> <msub> <mi>Category</mi> <mi>i</mi> </msub> <msub> <mi>Cell</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>=</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>Coeff</mi> <mrow> <msub> <mi>Category</mi> <mi>i</mi> </msub> </mrow> </msub> <mo>*</mo> <mi>B</mi> <mi>a</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> <msub> <mi>NPH</mi> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <msub> <mi>Category</mi> <mi>i</mi> </msub> <msub> <mi>Cell</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
每个KPI得分根据指标属性采用不同的算法进行计算：
若指标越小越好：
当时，
<mrow> <mi>B</mi> <mi>a</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> <msub> <mi>NPH</mi> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <msub> <mi>Category</mi> <mi>i</mi> </msub> <msub> <mi>Cell</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mo>&amp;Integral;</mo> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <mo>&amp;Element;</mo> <msub> <mi>B</mi> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <msub> <mi>Cell</mi> <mi>X</mi> </msub> </mrow> </msub> </mrow> </msub> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mi>d</mi> <mrow> <mo>(</mo> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mo>&amp;Integral;</mo> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <mo>&amp;Element;</mo> <msub> <mi>B</mi> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> </mrow> </msub> </mrow> </msub> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mi>d</mi> <mrow> <mo>(</mo> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>*</mo> <mn>100</mn> <mi>%</mi> <mo>;</mo> </mrow>
其中为所有小区KPIj指标的2.5％-97.5％分位数区间的值，为小区X中KPIj的区间范围，其中分子为小区X中KPIj的累积分布函数(AUC)，分母为LPIj的累积分布函数最大的小区对应的值；
若小区X的KPIj小于的左端点，则
<mrow> <mi>B</mi> <mi>a</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> <msub> <mi>NPH</mi> <mrow> <msub> <mi>KPI</mi> <mi>i</mi> </msub> <msub> <mi>Category</mi> <mi>i</mi> </msub> <msub> <mi>Cell</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>=</mo> <mn>1</mn> <mo>*</mo> <mn>100</mn> <mi>%</mi> <mo>=</mo> <mn>100</mn> <mi>%</mi> <mo>;</mo> </mrow>
若小区X的KPIj大于的右端点，则
<mrow> <mi>B</mi> <mi>a</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> <msub> <mi>NPH</mi> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <msub> <mi>Category</mi> <mi>i</mi> </msub> <msub> <mi>Cell</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>=</mo> <mn>0</mn> <mo>*</mo> <mn>100</mn> <mi>%</mi> <mo>=</mo> <mn>0</mn> <mo>;</mo> </mrow>
若指标越大越好：
当时，
<mrow> <mi>B</mi> <mi>a</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> <msub> <mi>NPH</mi> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <msub> <mi>Category</mi> <mi>i</mi> </msub> <msub> <mi>Cell</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <mn>100</mn> <mi>%</mi> <mo>*</mo> <msub> <mi>B</mi> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <msub> <mi>Cell</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>-</mo> <msub> <mo>&amp;Integral;</mo> <msub> <mrow></mrow> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <mo>&amp;Element;</mo> <msub> <mi>B</mi> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <msub> <mi>Cell</mi> <mi>X</mi> </msub> </mrow> </msub> </mrow> </msub> </msub> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mi>d</mi> <mrow> <mo>(</mo> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mn>100</mn> <mi>%</mi> <mo>*</mo> <msub> <mi>B</mi> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <msub> <mi>Cell</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>-</mo> <msub> <mo>&amp;Integral;</mo> <msub> <mrow></mrow> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <mo>&amp;Element;</mo> <msub> <mi>B</mi> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> </mrow> </msub> </mrow> </msub> </msub> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mi>d</mi> <mrow> <mo>(</mo> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>*</mo> <mn>100</mn> <mi>%</mi> <mo>;</mo> </mrow>
若小区X的KPIj大于的右端点，则
<mrow> <mi>B</mi> <mi>a</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> <msub> <mi>NPH</mi> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <msub> <mi>Category</mi> <mi>i</mi> </msub> <msub> <mi>Cell</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>=</mo> <mn>0</mn> <mo>*</mo> <mn>100</mn> <mi>%</mi> <mo>=</mo> <mn>0</mn> <mo>;</mo> </mrow>
若小区X的KPIj小于的左端点，则
<mrow> <mi>B</mi> <mi>a</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> <msub> <mi>NPH</mi> <mrow> <msub> <mi>KPI</mi> <mi>j</mi> </msub> <msub> <mi>Category</mi> <mi>i</mi> </msub> <msub> <mi>Cell</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>=</mo> <mn>1</mn> <mo>*</mo> <mn>100</mn> <mi>%</mi> <mo>=</mo> <mn>100</mn> <mi>%</mi> <mo>;</mo> </mrow>
得到覆盖栅格所有小区的基础网络性能得分。
4.根据权利要求3所述的基于微区域的LTE网络性能评估方法，其特征在于，在所述步骤(4)中，得到覆盖栅格所有小区的基础网络性能得分后，借助如下算法得到栅格的基础网络性能得分：
<mrow> <mi>B</mi> <mi>a</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> <msub> <mi>NPH</mi> <mrow> <msub> <mi>Grid</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>=</mo> <msub> <mi>&amp;Sigma;</mi> <mrow> <msub> <mi>Cell</mi> <mi>j</mi> </msub> <mo>&amp;Element;</mo> <msub> <mi>CellSet</mi> <mrow> <msub> <mi>Grid</mi> <mi>X</mi> </msub> </mrow> </msub> </mrow> </msub> <mfrac> <mrow> <mi>B</mi> <mi>a</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> <msub> <mi>NPH</mi> <mrow> <msub> <mi>Cell</mi> <mi>j</mi> </msub> </mrow> </msub> <mo>*</mo> <msub> <mi>HO</mi> <mrow> <msub> <mi>Intersection</mi> <mrow> <msub> <mi>Cell</mi> <mi>j</mi> </msub> <msub> <mi>Grid</mi> <mi>X</mi> </msub> </mrow> </msub> </mrow> </msub> </mrow> <mrow> <msub> <mi>&amp;Sigma;</mi> <mrow> <msub> <mi>Cell</mi> <mi>m</mi> </msub> <mo>&amp;Element;</mo> <msub> <mi>CellSet</mi> <mrow> <msub> <mi>Grid</mi> <mi>X</mi> </msub> </mrow> </msub> </mrow> </msub> <msub> <mi>HO</mi> <mrow> <msub> <mi>Intersection</mi> <mrow> <msub> <mi>Cell</mi> <mi>m</mi> </msub> <msub> <mi>Grid</mi> <mi>X</mi> </msub> </mrow> </msub> </mrow> </msub> </mrow> </mfrac> <mo>;</mo> </mrow>
其中，GridX指代某个栅格，指覆盖栅格X的所有小区集合，指覆盖栅格X的Cellj的关键信令切换数；
基于上述的算法逻辑可以得栅格的性能得分后，增加栅格内基于用户的MR、关键信令切换等数据作为调节参数得到各栅格最终的网络性能得分，
<mrow> <msub> <mi>PerformanceAdjuster</mi> <mrow> <msub> <mi>Grid</mi> <mi>X</mi> </msub> <mn>14</mn> <mi>D</mi> <mi>a</mi> <mi>y</mi> <mi>s</mi> </mrow> </msub> <mo>=</mo> <mi>f</mi> <mrow> <mo>(</mo> <msub> <mi>Score</mi> <mrow> <msub> <mi>RSRP</mi> <mrow> <msub> <mi>Grid</mi> <mi>X</mi> </msub> </mrow> </msub> </mrow> </msub> <mo>,</mo> <msub> <mi>Score</mi> <mrow> <msub> <mi>SINR</mi> <mrow> <msub> <mi>Grid</mi> <mi>X</mi> </msub> </mrow> </msub> </mrow> </msub> <mo>,</mo> <msub> <mi>Score</mi> <mrow> <msub> <mi>HO</mi> <mrow> <msub> <mi>Grid</mi> <mi>X</mi> </msub> </mrow> </msub> </mrow> </msub> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
该调节参数的区间范围为其中为所有栅格连续14天RSRP均值的归一化后值对应的栅格X的值，为每个栅格会有个14天的SINR均值，对栅格的SINR均值做min-max的归一化对应的值，为为每个栅格会有个14天的HO均值，HO是关键信令切换事件，对栅格的HO均值做min-max的归一化对应的值；
最终，基于栅格的基础网络性能得分及调节参数，得到栅格最终的网络性能得分：
<mrow> <msub> <mi>NPH</mi> <mrow> <msub> <mi>Grid</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>=</mo> <mi>B</mi> <mi>a</mi> <mi>s</mi> <mi>e</mi> <mo>.</mo> <msub> <mi>NPH</mi> <mrow> <msub> <mi>Grid</mi> <mi>X</mi> </msub> </mrow> </msub> <mo>*</mo> <msub> <mi>PerformanceAdjuster</mi> <mrow> <msub> <mi>Grid</mi> <mi>X</mi> </msub> <mn>14</mn> <mi>D</mi> <mi>a</mi> <mi>y</mi> <mi>s</mi> </mrow> </msub> <mo>;</mo> </mrow>
将得分在做(0，100)的区间映射。
5.根据权利要求1-4任一项所述的基于微区域的LTE网络性能评估方法，其特征在于，在所述步骤(3)中，考察指标项分为12类，分别为LTE、VoLTE在5个维度上的得分以及LTE、VoLTE的总得分。
CN201711277912.3A 2017-12-06 2017-12-06 一种基于微区域的lte网络性能评估方法 Active CN107920362B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711277912.3A CN107920362B (zh) 2017-12-06 2017-12-06 一种基于微区域的lte网络性能评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711277912.3A CN107920362B (zh) 2017-12-06 2017-12-06 一种基于微区域的lte网络性能评估方法

Publications (2)

Publication Number Publication Date
CN107920362A true CN107920362A (zh) 2018-04-17
CN107920362B CN107920362B (zh) 2020-12-01

Family

ID=61898334

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711277912.3A Active CN107920362B (zh) 2017-12-06 2017-12-06 一种基于微区域的lte网络性能评估方法

Country Status (1)

Country Link
CN (1) CN107920362B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108877839A (zh) * 2018-08-02 2018-11-23 南京华苏科技有限公司 基于语音语义识别技术的语音质量感知评估的方法及系统
CN109886533A (zh) * 2019-01-07 2019-06-14 中国联合网络通信集团有限公司 一种基站建设的分析方法及装置
CN110062409A (zh) * 2019-03-11 2019-07-26 广州瀚信通信科技股份有限公司 一种基于移动通信网络栅格化的终端性能评估方法
CN110348717A (zh) * 2019-06-28 2019-10-18 中国移动通信集团吉林有限公司 基于栅格粒度的基站价值评分方法和装置
CN110602741A (zh) * 2019-09-23 2019-12-20 中国移动通信集团内蒙古有限公司 网络弱覆盖的识别方法、装置、设备及存储介质
CN110727752A (zh) * 2019-10-10 2020-01-24 中国联合网络通信集团有限公司 位置指纹库处理方法、设备及计算机可读存储介质
CN111130874A (zh) * 2019-12-20 2020-05-08 杭州东方通信软件技术有限公司 一种基于多场景网络体验指数管理方法及系统
CN111489014A (zh) * 2020-03-16 2020-08-04 中国铁道科学研究院集团有限公司电子计算技术研究所 列车客座率的评估方法及其装置
CN111506484A (zh) * 2020-03-24 2020-08-07 北京极简智能科技有限公司 一种程序性能评估方法、系统及设备
CN111970719A (zh) * 2020-08-03 2020-11-20 武汉绿色网络信息服务有限责任公司 一种5g nsa网络下锚点站质量评估的方法和装置
CN112153663A (zh) * 2019-06-26 2020-12-29 大唐移动通信设备有限公司 无线网络评估方法和装置
CN112469074A (zh) * 2020-12-15 2021-03-09 中国联合网络通信集团有限公司 VoLTE回落的定位方法、装置、服务器以及储存介质
CN114158060A (zh) * 2020-09-07 2022-03-08 中国移动通信集团北京有限公司 一种小区网络优化方法及装置
EP3952420A4 (en) * 2019-04-24 2022-06-15 ZTE Corporation METHODS AND DEVICES FOR CREATION AND APPLICATION OF FINGERPRINT LIBRARIES, CENTRALIZED PROCESSING DEVICE AND BASE STATION
CN115243313A (zh) * 2021-04-23 2022-10-25 中国移动通信集团四川有限公司 一种5g网络的识别方法、装置及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101562832A (zh) * 2009-04-20 2009-10-21 深圳市优网科技有限公司 一种用于通信测试的关键质量指标测算方法及系统
CN102685789A (zh) * 2012-05-22 2012-09-19 北京东方文骏软件科技有限责任公司 模拟用户行为的话音业务用户感知体验QoE的评测方法
CN105050121A (zh) * 2015-08-20 2015-11-11 中国联合网络通信集团有限公司 优化扇区的方法及装置
CN105357691A (zh) * 2015-09-28 2016-02-24 中国普天信息产业北京通信规划设计院 Lte无线网络用户感知监测方法和系统
WO2016196044A1 (en) * 2015-05-29 2016-12-08 T-Mobile Usa, Inc. Quality of user experience analysis using echo locate
CN107026750A (zh) * 2016-02-02 2017-08-08 中国移动通信集团广东有限公司 一种用户上网QoE评价方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101562832A (zh) * 2009-04-20 2009-10-21 深圳市优网科技有限公司 一种用于通信测试的关键质量指标测算方法及系统
CN102685789A (zh) * 2012-05-22 2012-09-19 北京东方文骏软件科技有限责任公司 模拟用户行为的话音业务用户感知体验QoE的评测方法
WO2016196044A1 (en) * 2015-05-29 2016-12-08 T-Mobile Usa, Inc. Quality of user experience analysis using echo locate
CN105050121A (zh) * 2015-08-20 2015-11-11 中国联合网络通信集团有限公司 优化扇区的方法及装置
CN105357691A (zh) * 2015-09-28 2016-02-24 中国普天信息产业北京通信规划设计院 Lte无线网络用户感知监测方法和系统
CN107026750A (zh) * 2016-02-02 2017-08-08 中国移动通信集团广东有限公司 一种用户上网QoE评价方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
中国移动和创空间位置大数据团队: "一种基于MR与OTT的精准定位指纹算法", 《百度文库》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108877839A (zh) * 2018-08-02 2018-11-23 南京华苏科技有限公司 基于语音语义识别技术的语音质量感知评估的方法及系统
CN108877839B (zh) * 2018-08-02 2021-01-12 南京华苏科技有限公司 基于语音语义识别技术的语音质量感知评估的方法及系统
CN109886533A (zh) * 2019-01-07 2019-06-14 中国联合网络通信集团有限公司 一种基站建设的分析方法及装置
CN110062409A (zh) * 2019-03-11 2019-07-26 广州瀚信通信科技股份有限公司 一种基于移动通信网络栅格化的终端性能评估方法
EP3952420A4 (en) * 2019-04-24 2022-06-15 ZTE Corporation METHODS AND DEVICES FOR CREATION AND APPLICATION OF FINGERPRINT LIBRARIES, CENTRALIZED PROCESSING DEVICE AND BASE STATION
CN112153663A (zh) * 2019-06-26 2020-12-29 大唐移动通信设备有限公司 无线网络评估方法和装置
CN110348717A (zh) * 2019-06-28 2019-10-18 中国移动通信集团吉林有限公司 基于栅格粒度的基站价值评分方法和装置
CN110348717B (zh) * 2019-06-28 2021-11-30 中国移动通信集团吉林有限公司 基于栅格粒度的基站价值评分方法和装置
CN110602741A (zh) * 2019-09-23 2019-12-20 中国移动通信集团内蒙古有限公司 网络弱覆盖的识别方法、装置、设备及存储介质
CN110727752A (zh) * 2019-10-10 2020-01-24 中国联合网络通信集团有限公司 位置指纹库处理方法、设备及计算机可读存储介质
CN111130874A (zh) * 2019-12-20 2020-05-08 杭州东方通信软件技术有限公司 一种基于多场景网络体验指数管理方法及系统
CN111489014A (zh) * 2020-03-16 2020-08-04 中国铁道科学研究院集团有限公司电子计算技术研究所 列车客座率的评估方法及其装置
CN111489014B (zh) * 2020-03-16 2023-12-22 中国铁道科学研究院集团有限公司电子计算技术研究所 列车客座率的评估方法及其装置
CN111506484A (zh) * 2020-03-24 2020-08-07 北京极简智能科技有限公司 一种程序性能评估方法、系统及设备
CN111970719B (zh) * 2020-08-03 2024-01-30 武汉绿色网络信息服务有限责任公司 一种5g nsa网络下锚点站质量评估的方法和装置
CN111970719A (zh) * 2020-08-03 2020-11-20 武汉绿色网络信息服务有限责任公司 一种5g nsa网络下锚点站质量评估的方法和装置
CN114158060A (zh) * 2020-09-07 2022-03-08 中国移动通信集团北京有限公司 一种小区网络优化方法及装置
CN114158060B (zh) * 2020-09-07 2024-03-19 中国移动通信集团北京有限公司 一种小区网络优化方法及装置
CN112469074A (zh) * 2020-12-15 2021-03-09 中国联合网络通信集团有限公司 VoLTE回落的定位方法、装置、服务器以及储存介质
CN112469074B (zh) * 2020-12-15 2024-02-02 中国联合网络通信集团有限公司 VoLTE回落的定位方法、装置、服务器以及储存介质
CN115243313A (zh) * 2021-04-23 2022-10-25 中国移动通信集团四川有限公司 一种5g网络的识别方法、装置及电子设备
CN115243313B (zh) * 2021-04-23 2024-04-19 中国移动通信集团四川有限公司 一种5g网络的识别方法、装置及电子设备

Also Published As

Publication number Publication date
CN107920362B (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
CN107920362A (zh) 一种基于微区域的lte网络性能评估方法
CN106912015B (zh) 一种基于移动网络数据的人员出行链识别方法
CN104239556B (zh) 基于密度聚类的自适应轨迹预测方法
Liu et al. Deeplora: Learning accurate path loss model for long distance links in lpwan
CN104105106A (zh) 无线通信网智能天线覆盖场景自动分类识别方法
CN105188030B (zh) 一种移动网络数据进行地理栅格映射的方法
CN103068035A (zh) 一种无线网络定位方法、装置及系统
CN106604228A (zh) 一种基于lte信令数据的指纹定位方法
CN104410978A (zh) 站点规划评估方法及装置
CN111405585B (zh) 一种基于卷积神经网络的邻区关系预测方法
CN112506972B (zh) 用户常驻区域定位方法、装置、电子设备以及存储介质
Redondi Radio map interpolation using graph signal processing
Vajakas et al. Trajectory reconstruction from mobile positioning data using cell-to-cell travel time information
US20220191818A1 (en) Method and Apparatus for Obtaining Emission Probability, Method and Apparatus for Obtaining Transition Probability, and Sequence Positioning Method and Apparatus
CN106951828A (zh) 一种基于卫星影像和网络的城市区域功能属性的识别方法
CN109862587A (zh) 基于多特征时间序列与自编码器的移动网络质量评估方法
CN116546521A (zh) 一种基于数字孪生技术的移动通信网络覆盖优化方法
CN111787488A (zh) 一种用户定位方法及系统
CN112399458A (zh) 一种移动通信网络流量的大数据分析方法
CN108259097A (zh) 基于mr数据的修正无线传播模型的方法及装置
CN115018014B (zh) 基于多源信息的机器学习辅助的通信场景分类方法
TWI724784B (zh) 聚焦行動用戶之問題區域的方法
CN112105047B (zh) 流量热度地理化方法、装置、设备及计算机存储介质
Tan et al. The methods of extracting spatiotemporal characteristics of travel based on mobile phone data
Li Location of Remote Rural Express Station Based on Multiple Models

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