CN108271183B - 一种基于原始测量报告的邻区优化方法及装置 - Google Patents

Abstract

本发明实施例公开了一种基于原始测量报告的邻区优化方法及装置，方法包括：采集本小区MRO的测量数据和邻区配置数据，并根据测量数据和邻区配置数据生成测量报告MR数据库；采集本小区和邻区的位置数据，并根据位置数据生成基础数据库；根据紧密度计算模型和MR数据库中的数据，计算得到本小区和邻区关系的紧密度因子；根据互斥计算模型和基础数据库中的数据，计算得到本小区和邻区关系的互斥因子；根据紧密度因子和互斥因子对邻区进行优化。通过计算紧密度因子和互斥因子，进一步对邻区进行优化，实现了邻区关系判别中加入互斥因子，使邻区关系判断更加合理，同时能够快速输出全网小区邻区设置中存在的问题，实现全网性的自动化评估分析。

Description

一种基于原始测量报告的邻区优化方法及装置

技术领域

本发明实施例涉及通信技术领域，具体涉及一种基于原始测量报告的邻区优化方法及装置。

背景技术

在无线网络优化中，邻区设置和优化是一项重要工作，对于无线覆盖和性能有重要影响。现有方案中邻区设置主要通过规划仿真软件设置和后期优化调整。仿真软件在邻区规划时主要依赖规划基站位置、方位角、天线挂高等数据，后期优化调整主要通过终端测试信令、话统数据、地理信息软件上的显示开展工作。两种方案都与基站的真实覆盖情况、用户分布情况存在较大差异，无法全面评估邻区设置的合理性和完整性。

在实现本发明实施例的过程中，发明人发现现有的方法主要考虑位置关系，不考虑小区实际的覆盖情况，无法进行全网性的自动化评估分析。

发明内容

由于现有的方法主要考虑位置关系，不考虑小区实际的覆盖情况，无法进行全网性的自动化评估分析的问题，本发明实施例提出一种基于原始测量报告的邻区优化方法及装置。

第一方面，本发明实施例提出一种基于原始测量报告的邻区优化方法，包括：

采集本小区原始测量报告MRO的测量数据和邻区配置数据，并根据所述测量数据和所述邻区配置数据生成测量报告MR数据库；

采集本小区和邻区的位置数据，并根据所述位置数据生成基础数据库；

根据紧密度计算模型和所述MR数据库中的数据，计算得到本小区和邻区关系的紧密度因子；

根据互斥计算模型和所述基础数据库中的数据，计算得到本小区和邻区关系的互斥因子；

根据所述紧密度因子和所述互斥因子对邻区进行优化。

可选地，所述紧密度计算模型为α＝A₁×K₁+A₂×K₂+A₃×K₃；

其中，α为紧密度因子，A₁为所述MR数据库中的邻区在本小区MRO中的采样点数量占比；A₂为所述MR数据库中的邻小区平均电平；A₃为所述MR数据库中的本小区和邻小区平均电平差值；K₁、K₂和K₃为权重因子，根据本小区的采样点数量确定。

可选地，对所述邻区在本小区MRO中的采样点数量占比A₁进行如下处理：

若0<A₁<0.1，则处理后的A₁’＝7A₁；

若0.1<A₁<1，则处理后的A₁’＝0.2×A₁+0.8；

相应地，所述紧密度计算模型为α＝A₁’×K₁+A₂×K₂+A₃×K₃。

可选地，对所述邻小区平均电平A₂进行如下处理：

若A₂<-128，则处理后的A₂’＝0；

若-128≦A₂<-115，则处理后的A₂’＝0.01×(A₂+129)；

若-115≦A₂<-100，则处理后的A₂’＝0.02×(A₂+120)；

若-100≦A₂<-85，则处理后的A₂’＝0.03×(A₂+115)；

若-85≦A₂，则处理后的A₂’＝1；

相应地，所述紧密度计算模型为α＝A₁’×K₁+A₂’×K₂+A₃×K₃。

可选地，对所述本小区和邻小区平均电平差值A₃进行如下处理：

若A₃<-21，则处理后的A₃’＝0；

若-21≦A₃<-15，则处理后的A₃’＝0.015*(Z+22)；

若-15≦A₃<-9，则处理后的A₃’＝0.03*(Z+20)；

若-9≦A₃<0，则处理后的A₃’＝0.06*(Z+15)；

若0≦A₃，则处理后的A₃’＝1；

相应地，所述紧密度计算模型为α＝A₁’×K₁+A₂’×K₂+A₃’×K₃。

可选地，所述互斥计算模型为β＝B₁×N₁+B₂×N₂；

其中，β为互斥因子，B₁为所述基础数据库中的本小区和邻小区的位置关系，B₂为所述基础数据库中的本小区和邻小区的距离，N₁为N₂为权重因子，根据本小区和邻区的距离确定。

可选地，所述本小区和邻小区的位置关系B₁的取值如下：

若本小区和邻小区的位置关系为同向，则B₁＝0.5；

若本小区和邻小区的位置关系为背向，则B₁＝1；

若本小区和邻小区的位置关系为对打，则B₁＝0.1。

可选地，所述本小区和邻小区的距离B₂根据靠东本小区和邻区的距离以及本小区泰森多边形距离的比值r确定：

若0<r<3，则B₂＝0.3r；

若r>3，则B₂＝1。

可选地，所述根据所述紧密度因子和所述互斥因子对邻区进行优化，具体包括：

根据所述紧密度因子和所述互斥因子的不同取值范围，得到对应的邻区优化方式，并根据所述邻区优化方式对邻区进行优化；

其中，所述邻区归属清单包括分析优化、删除邻区、添加邻区和结构调整。

第二方面，本发明实施例还提出一种基于原始测量报告的邻区优化装置，包括：

MR数据库生成模块，用于采集本小区原始测量报告MRO的测量数据和邻区配置数据，并根据所述测量数据和所述邻区配置数据生成测量报告MR数据库；

基础数据库生成模块，用于采集本小区和邻区的位置数据，并根据所述位置数据生成基础数据库；

紧密度因子计算模块，用于紧密度计算模型和所述MR数据库中的数据，计算得到本小区和邻区关系的紧密度因子；

互斥因子计算模块，用于根据互斥计算模型和所述基础数据库中的数据，计算得到本小区和邻区关系的互斥因子；

邻区优化模块，用于根据所述紧密度因子和所述互斥因子对邻区进行优化。

由上述技术方案可知，本发明实施例通过采集本小区原始测量报告MRO的测量数据、邻区配置数据和本小区的基础数据，分别生成MR数据库和基础数据库，并分别根据紧密度计算模型和互斥计算模型计算紧密度因子和互斥因子，进一步根据紧密度因子和互斥因子对邻区进行优化，实现了邻区关系判别中加入互斥因子的方法，使邻区关系判断更加合理，同时能够快速输出全网小区邻区设置中存在的问题，实现全网性的自动化评估分析。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。

图1为本发明一实施例提供的一种基于原始测量报告的邻区优化方法的流程示意图；

图2为本发明另一实施例提供的一种基于原始测量报告的邻区优化方法的流程示意图；

图3为本发明一实施例提供的一种基于原始测量报告的邻区优化装置的结构示意图；

图4为本发明一个实施例中电子设备的逻辑框图。

具体实施方式

下面结合附图，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

图1示出了本实施例提供的一种基于原始测量报告的邻区优化方法的流程示意图，包括：

S101、采集本小区原始测量报告(MRO)的测量数据和邻区配置数据，并根据所述测量数据和所述邻区配置数据生成测量报告(MR)数据库。

其中，所述MR数据库为每月小区开启MR采集功能后，将采集到的MR数据进行处理后，生成的数据库。

所述邻区配置数据为本小区的邻区的配置数据。

S102、采集本小区和邻区的位置数据，并根据所述位置数据生成基础数据库。

具体地，所述基础数据库中包括本小区行政归属、经纬度和距离等数据。

S103、根据紧密度计算模型和所述MR数据库中的数据，计算得到本小区和邻区关系的紧密度因子。

S104、根据互斥计算模型和所述基础数据库中的数据，计算得到本小区和邻区关系的互斥因子。

具体地，紧密度因子α和互斥因子β为评估邻区的必要性和合理性的两个不同维度。当α值越大，β值越小时，邻区关系为紧密且合理的邻区关系；当α值越大，β值也越大时，则邻区关系虽然紧密，但是为不合理邻区。

S105、根据所述紧密度因子和所述互斥因子对邻区进行优化。

本实施例通过采集本小区原始测量报告MRO的测量数据、邻区配置数据和本小区的基础数据，分别生成MR数据库和基础数据库，并分别根据紧密度计算模型和互斥计算模型计算紧密度因子和互斥因子，进一步根据紧密度因子和互斥因子对邻区进行优化，实现了邻区关系判别中加入互斥因子的方法，使邻区关系判断更加合理，同时能够快速输出全网小区邻区设置中存在的问题，实现全网性的自动化评估分析。

进一步地，在上述方法实施例的基础上，所述紧密度计算模型为α＝A₁×K₁+A₂×K₂+A₃×K₃；

其中，α为紧密度因子，A₁为所述MR数据库中的邻区在本小区MRO中的采样点数量占比；A₂为所述MR数据库中的邻小区平均电平；A₃为所述MR数据库中的本小区和邻小区平均电平差值；K₁、K₂和K₃为权重因子，根据本小区的采样点数量确定。

具体地，K₁、K₂和K₃取值如下：

本小区的采样点数量	K1	K2	K3
				(0，10000]	0	0	0
(10000，30000]	0.9	0.02	0.08
				(30000，50000]	0.8	0.05	0.15
(50000，100000]	0.7	0.15	0.15
				(100000，200000]	0.6	0.25	0.15
(200000，+∞)	0.5	0.3	0.2

通过在邻区关系判决中动态调整K(K₁、K₂和K₃)值，使得不同场景下各种因素的判断权值可变，更加贴近日常网络优化实际。

进一步地，在上述方法实施例的基础上，对所述邻区在本小区MRO中的采样点数量占比A₁进行如下处理：

若0<A₁<0.1，则处理后的A₁’＝7A₁；

若0.1<A₁<1，则处理后的A₁’＝0.2×A₁+0.8；

相应地，所述紧密度计算模型为α＝A₁’×K₁+A₂×K₂+A₃×K₃。

进一步地，在上述方法实施例的基础上，对所述邻小区平均电平A₂进行如下处理：

若A₂<-128，则处理后的A₂’＝0；

若-128≦A₂<-115，则处理后的A₂’＝0.01×(A₂+129)；

若-115≦A₂<-100，则处理后的A₂’＝0.02×(A₂+120)；

若-100≦A₂<-85，则处理后的A₂’＝0.03×(A₂+115)；

若-85≦A₂，则处理后的A₂’＝1；

相应地，所述紧密度计算模型为α＝A₁’×K₁+A₂’×K₂+A₃×K₃。

进一步地，在上述方法实施例的基础上，对所述本小区和邻小区平均电平差值A₃进行如下处理：

若A₃<-21，则处理后的A₃’＝0；

若-21≦A₃<-15，则处理后的A₃’＝0.015*(Z+22)；

若-15≦A₃<-9，则处理后的A₃’＝0.03*(Z+20)；

若-9≦A₃<0，则处理后的A₃’＝0.06*(Z+15)；

若0≦A₃，则处理后的A₃’＝1；

相应地，所述紧密度计算模型为α＝A₁’×K₁+A₂’×K₂+A₃’×K₃。

通过对A₁、A₂和A₃进行处理后通过紧密度计算模型计算紧密度因子α，能够得到归一化后的紧密度因子α，便于后续获得邻区归属清单。

进一步地，在上述方法实施例的基础上，所述互斥计算模型为β＝B₁×N₁+B₂×N₂；

其中，β为互斥因子，B₁为所述基础数据库中的本小区和邻小区的位置关系，B₂为所述基础数据库中的本小区和邻小区的距离，N₁为N₂为权重因子，根据本小区和邻区的距离确定。

具体地，N₁为N₂的取值如下:

进一步地，在上述方法实施例的基础上，所述本小区和邻小区的位置关系B₁的取值如下：

若本小区和邻小区的位置关系为同向，则B₁＝0.5；

若本小区和邻小区的位置关系为背向，则B₁＝1；

若本小区和邻小区的位置关系为对打，则B₁＝0.1。

进一步地，在上述方法实施例的基础上，所述本小区和邻小区的距离B₂根据靠东本小区和邻区的距离以及本小区泰森多边形距离的比值r确定：

若0<r<3，则B₂＝0.3r；

若r>3，则B₂＝1。

通过对B₁和B₂进行处理后通过互斥计算模型计算互斥因子β，能够得到归一化后的互斥因子β，便于后续获得邻区归属清单。

进一步地，在上述方法实施例的基础上，S105具体包括：

根据所述紧密度因子和所述互斥因子的不同取值范围，得到对应的邻区优化方式，并根据所述邻区优化方式对邻区进行优化；

其中，所述邻区优化方式包括分析优化、删除邻区、添加邻区和结构调整。

具体地，根据所述紧密度因子和所述互斥因子的不同取值范围，得到邻区归属清单如下：

根据上表中的邻区归属清单，得到不同取值范围的紧密度因子和互斥因子对应的邻区优化方式，例如：分析优化，并根据对应的邻区优化方式对邻区进行优化。

本实施例能够根据邻区归属清单进一步生成结构优化调整小区清单、添加邻区关系小区清单、删除邻区关系小区清单和分析优化小区清单，如图2所示，能够精准迅速识别出漏配邻区、冗余邻区、过覆盖小和需要分析优化小区，便于快速采取对应措施优化邻区。

图3示出了本实施例提供的一种基于原始测量报告的邻区优化装置的结构示意图，所述装置包括：MR数据库生成模块301、基础数据库生成模块302、紧密度因子计算模块303、互斥因子计算模块304和邻区优化模块305，其中：

所述MR数据库生成模块301，用于采集本小区原始测量报告MRO的测量数据和邻区配置数据，并根据所述测量数据和所述邻区配置数据生成测量报告MR数据库；

所述基础数据库生成模块302，用于采集本小区和邻区的位置数据，并根据所述位置数据生成基础数据库；

所述紧密度因子计算模块303，用于紧密度计算模型和所述MR数据库中的数据，计算得到本小区和邻区关系的紧密度因子；

所述互斥因子计算模块304，用于根据互斥计算模型和所述基础数据库中的数据，计算得到本小区和邻区关系的互斥因子；

所述邻区优化模块305，用于根据所述紧密度因子和所述互斥因子对邻区进行优化。

具体地，所述MR数据库生成模块301采集本小区原始测量报告MRO的测量数据和邻区配置数据，并根据所述测量数据和所述邻区配置数据生成测量报告MR数据库；所述基础数据库生成模块302采集本小区和邻区的位置数据，并根据所述位置数据生成基础数据库；所述紧密度因子计算模块303紧密度计算模型和所述MR数据库中的数据，计算得到本小区和邻区关系的紧密度因子；所述互斥因子计算模块304根据互斥计算模型和所述基础数据库中的数据，计算得到本小区和邻区关系的互斥因子；所述邻区优化模块305根据所述紧密度因子和所述互斥因子对邻区进行优化。

本实施例通过采集本小区原始测量报告MRO的测量数据、邻区配置数据和本小区的基础数据，分别生成MR数据库和基础数据库，并分别根据紧密度计算模型和互斥计算模型计算紧密度因子和互斥因子，进一步根据紧密度因子和互斥因子对邻区进行优化，实现了邻区关系判别中加入互斥因子的方法，使邻区关系判断更加合理，同时能够快速输出全网小区邻区设置中存在的问题，实现全网性的自动化评估分析。

本实施例所述的基于原始测量报告的邻区优化装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。

参照图4，所述电子设备，包括：处理器(processor)401、存储器(memory)402和总线403；

其中，

所述处理器401、存储器402通过所述总线403完成相互间的通信；

所述处理器401用于调用所述存储器402中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：

采集本小区原始测量报告MRO的测量数据和邻区配置数据，并根据所述测量数据和所述邻区配置数据生成测量报告MR数据库；

采集本小区和邻区的位置数据，并根据所述位置数据生成基础数据库；

根据紧密度计算模型和所述MR数据库中的数据，计算得到本小区和邻区关系的紧密度因子；

根据互斥计算模型和所述基础数据库中的数据，计算得到本小区和邻区关系的互斥因子；

根据所述紧密度因子和所述互斥因子对邻区进行优化。

本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：

采集本小区原始测量报告MRO的测量数据和邻区配置数据，并根据所述测量数据和所述邻区配置数据生成测量报告MR数据库；

采集本小区和邻区的位置数据，并根据所述位置数据生成基础数据库；

根据紧密度计算模型和所述MR数据库中的数据，计算得到本小区和邻区关系的紧密度因子；

根据互斥计算模型和所述基础数据库中的数据，计算得到本小区和邻区关系的互斥因子；

根据所述紧密度因子和所述互斥因子对邻区进行优化。

本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：

采集本小区原始测量报告MRO的测量数据和邻区配置数据，并根据所述测量数据和所述邻区配置数据生成测量报告MR数据库；

采集本小区和邻区的位置数据，并根据所述位置数据生成基础数据库；

根据紧密度计算模型和所述MR数据库中的数据，计算得到本小区和邻区关系的紧密度因子；

根据互斥计算模型和所述基础数据库中的数据，计算得到本小区和邻区关系的互斥因子；

根据所述紧密度因子和所述互斥因子对邻区进行优化。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于原始测量报告的邻区优化方法，其特征在于，包括：

采集本小区原始测量报告MRO的测量数据和邻区配置数据，并根据所述测量数据和所述邻区配置数据生成测量报告MR数据库；

采集本小区和邻区的位置数据，并根据所述位置数据生成基础数据库；

根据紧密度计算模型和所述MR数据库中的数据，计算得到本小区和邻区关系的紧密度因子；

根据互斥计算模型和所述基础数据库中的数据，计算得到本小区和邻区关系的互斥因子；

根据所述紧密度因子和所述互斥因子对邻区进行优化；

所述紧密度计算模型为α＝A₁×K₁+A₂×K₂+A₃×K₃；

其中，α为紧密度因子，A₁为所述MR数据库中的邻区在本小区MRO中的采样点数量占比；A₂为所述MR数据库中的邻小区平均电平；A₃为所述MR数据库中的本小区和邻小区平均电平差值；K₁、K₂和K₃为权重因子，根据本小区的采样点数量确定；

所述互斥计算模型为β＝B₁×N₁+B₂×N₂；

其中，β为互斥因子，B₁为所述基础数据库中的本小区和邻小区的位置关系，B₂为所述基础数据库中的本小区和邻小区的距离，N₁和N₂为权重因子，根据本小区和邻区的距离确定。

2.根据权利要求1所述的方法，其特征在于，对所述邻区在本小区MRO中的采样点数量占比A₁进行如下处理：

若0<A₁<0.1，则处理后的A₁’＝7A₁；

若0.1<A₁<1，则处理后的A₁’＝0.2×A₁+0.8；

相应地，所述紧密度计算模型为α＝A₁’×K₁+A₂×K₂+A₃×K₃。

3.根据权利要求2所述的方法，其特征在于，对所述邻小区平均电平A₂进行如下处理：

若A₂<-128，则处理后的A₂’＝0；

若-128≦A₂<-115，则处理后的A₂’＝0.01×(A₂+129)；

若-115≦A₂<-100，则处理后的A₂’＝0.02×(A₂+120)；

若-100≦A₂<-85，则处理后的A₂’＝0.03×(A₂+115)；

若-85≦A₂，则处理后的A₂’＝1；

相应地，所述紧密度计算模型为α＝A₁’×K₁+A₂’×K₂+A₃×K₃。

4.根据权利要求3所述的方法，其特征在于，对所述本小区和邻小区平均电平差值A₃进行如下处理：

若A₃<-21，则处理后的A₃’＝0；

若-21≦A₃<-15，则处理后的A₃’＝0.015*(Z+22)；

若-15≦A₃<-9，则处理后的A₃’＝0.03*(Z+20)；

若-9≦A₃<0，则处理后的A₃’＝0.06*(Z+15)；

若0≦A₃，则处理后的A₃’＝1；

相应地，所述紧密度计算模型为α＝A₁’×K₁+A₂’×K₂+A₃’×K₃。

5.根据权利要求1所述的方法，其特征在于，所述本小区和邻小区的位置关系B₁的取值如下：

若本小区和邻小区的位置关系为同向，则B₁＝0.5；

若本小区和邻小区的位置关系为背向，则B₁＝1；

若本小区和邻小区的位置关系为对打，则B₁＝0.1。

6.根据权利要求1所述的方法，其特征在于，所述本小区和邻小区的距离B₂根据靠东本小区和邻区的距离以及本小区泰森多边形距离的比值r确定：

若0<r<3，则B₂＝0.3r；

若r>3，则B₂＝1。

7.根据权利要求1所述的方法，其特征在于，所述根据所述紧密度因子和所述互斥因子对邻区进行优化，具体包括：

根据所述紧密度因子和所述互斥因子的不同取值范围，得到对应的邻区优化方式，并根据所述邻区优化方式对邻区进行优化；

其中，所述邻 区优化方式包括分析优化、删除邻区、添加邻区和结构调整。

8.一种基于原始测量报告的邻区优化装置，其特征在于，包括：

MR数据库生成模块，用于采集本小区原始测量报告MRO的测量数据和邻区配置数据，并根据所述测量数据和所述邻区配置数据生成测量报告MR数据库；

基础数据库生成模块，用于采集本小区和邻区的位置数据，并根据所述位置数据生成基础数据库；

紧密度因子计算模块，用于紧密度计算模型和所述MR数据库中的数据，计算得到本小区和邻区关系的紧密度因子；

互斥因子计算模块，用于根据互斥计算模型和所述基础数据库中的数据，计算得到本小区和邻区关系的互斥因子；

邻区优化模块，用于根据所述紧密度因子和所述互斥因子对邻区进行优化；

所述紧密度计算模型为α＝A₁×K₁+A₂×K₂+A₃×K₃；

其中，α为紧密度因子，A₁为所述MR数据库中的邻区在本小区MRO中的采样点数量占比；A₂为所述MR数据库中的邻小区平均电平；A₃为所述MR数据库中的本小区和邻小区平均电平差值；K₁、K₂和K₃为权重因子，根据本小区的采样点数量确定；

所述互斥计算模型为β＝B₁×N₁+B₂×N₂；

其中，β为互斥因子，B₁为所述基础数据库中的本小区和邻小区的位置关系，B₂为所述基础数据库中的本小区和邻小区的距离，N₁和N₂为权重因子，根据本小区和邻区的距离确定。

Images