CN108364128A - 基于大数据的建站方法及建站系统 - Google Patents

Abstract

本发明公开了一种基于大数据的建站方法及建站系统，涉及大数据统计技术领域，本发明通过大数据统计获得建站方案涉及的各建站类型对应的各风险因子分别在普通场景下的风险因子大小和特殊场景下的风险因子大小，得出特定场景对风险因子大小的影响因子；根据特定场景对风险因子大小的影响因子以及建站方案中特殊场景占所有场景类型的百分比计算出建站方案的建站风险量，判断计算出的建站风险量是否大于等于预设的建站风险量阈值，若是，建站方案不符合要求；若否，建站方案符合要求。本发明实现对建站方案的评估和筛选，实现工程实施的事前验证，以及对站点的全周期管控，有效借鉴同类站点的相关经验，避免共性问题出现，避免资源成本的重复消耗。

Description

基于大数据的建站方法及建站系统

技术领域

本发明涉及大数据统计技术领域，具体涉及一种基于大数据的建站方法及建站系统。

背景技术

随着国内外信息化的程度越来越高,企业资源的信息化管理也逐渐成为一种趋势。企业的信息化管理不但可以提高企业的管理效率,同时能够节约企业的管理成本和人力成本。

目前，传统的通信站点的建站流程是首先由客户发起建站需求(运营商根据信号容量、质量和覆盖等情况发起建站需求)，随后进行站点方案的设计和选取(运营商组织勘察单位进行厂勘，组织设计单位进行方案设计，最终由运营商决定方案的选取)，最后完成站点的建设实施(运营商组织施工单位进行路由复测，并完成最后的工程实施)。传统的建站模式难以做到全方位、前瞻性或借鉴性的发现问题，导致一些站点在实施过程中经常遇到路由复测不通过(导致设计返工)，或者工程完工后发现信号的容量、质量和覆盖等指标仍然得不到明显改善等问题。

因此，亟需一种能对预设计的建站方案的进行评估和筛选的建站方案。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于大数据的建站方法及建站系统，实现对预设计的建站方案的进行评估和筛选，实现工程实施的事前验证。

为达到以上目的，本发明采取的技术方案是：一种基于大数据的建站方法，其用于对建站方案进行风险评估：

获取用户设计的建站方案，所述建站方案包括场景类型和建站类型；所述场景类型包括普通场景和特殊场景；

通过大数据统计获得建站方案涉及的各建站类型对应的各风险因子分别在普通场景下的风险因子大小和特殊场景下的风险因子大小；n为建站方案涉及的风险因子的种类数，普通场景下的风险因子大小为A_i，i∈[1，n]，特殊场景下的风险因子大小为B_i，i∈[1，n]，得出特定场景对风险因子大小的影响因子为σ_i，i∈[1，n]，σ_i＝(B_i-A_i)；

计算出建站方案的建站风险量，所述其中P为建站方案中涉及的特殊场景占其涉及的所有场景类型的百分比；

判断计算出的建站风险量是否大于等于预设的建站风险量阈值，若是，建站方案不符合要求；若否，建站方案符合要求。

在上述技术方案的基础上，所述特殊场景包括大风场景，海边场景，山地场景，软地基场景和偏远场景中的一种或多种。

在上述技术方案的基础上，所述建站类型包括杆塔类型、机房类型和动力配套类型中的一种或多种。

在上述技术方案的基础上，所述风险因子包括维修率、逼迁率、盗窃率和断电率中的一种或多种。

在上述技术方案的基础上，通过大数据统计获得建站方案涉及的各种建站类型对应的各种风险因子特殊场景下对应的风险损失C_i，i∈[1，n]，其中n为建站方案涉及的风险因子的种类数；

计算特定场景对风险因子大小的影响因子σi的权重系数K_i，n为风险因子的种类数；

计算出建站方案的建站风险量，所述n为风险因子的种类数。

本发明还公开了一种基于大数据的建站系统，包括：

建站方案获取模块，其用于获取用户设计的建站方案，所述建站方案包括场景类型和建站类型；所述场景类型包括普通场景和特殊场景；

大数据统计模块，其用于通过大数据统计获得建站方案涉及的各建站类型对应的各风险因子分别在普通场景下的风险因子大小和特殊场景下的风险因子大小；n为建站方案涉及的风险因子的种类数，普通场景下的风险因子大小为A_i，i∈[1，n]，特殊场景下的风险因子大小为B_i，i∈[1，n]，得出特定场景对风险因子大小的影响因子为σ_i，i∈[1，n]，σ_i＝(B_i-A_i)；

建站风险量计算模块，其用于计算出建站方案的建站风险量，所述其中P为建站方案中涉及的特殊场景占其涉及的所有场景类型的百分比；

判断模块，其用于判断计算出的建站风险量是否大于等于预设的建站风险量阈值，若是，建站方案不符合要求；若否，建站方案符合要求。

在上述技术方案的基础上，所述特殊场景包括大风场景，海边场景，山地场景，软地基场景和偏远场景中的一种或多种。

在上述技术方案的基础上，所述建站类型包括杆塔类型、机房类型和动力配套类型中的一种或多种。

在上述技术方案的基础上，所述风险因子包括维修率、逼迁率、盗窃率和断电率中的一种或多种。

在上述技术方案的基础上，所述大数据统计模块还用于通过大数据统计获得建站方案涉及的各种建站类型对应的各种风险因子特殊场景下对应的风险损失C_i，i∈[1，n]，其中n为建站方案涉及的风险因子的种类数；

计算特定场景对风险因子大小的影响因子σ_i的权重系数K_i，n为建站方案涉及的风险因子的种类数；

计算出建站方案的建站风险量，所述n为建站方案涉及的风险因子的种类数。

与现有技术相比，本发明的优点在于：

本发明通过大数据统计获得建站方案涉及的各建站类型对应的各风险因子分别在普通场景下的风险因子大小和特殊场景下的风险因子大小，得出特定场景对风险因子大小的影响因子；根据特定场景对风险因子大小的影响因子以及建站方案中特殊场景占所有场景类型的百分比计算出建站方案的建站风险量，判断计算出的建站风险量是否大于等于预设的建站风险量阈值，若是，建站方案不符合要求；若否，建站方案符合要求。本发明实现对建站方案的评估和筛选，实现工程实施的事前验证，以及对站点的全周期管控，有效借鉴同类站点的相关经验，避免共性问题出现，避免资源成本的重复消耗。

附图说明

图1为本发明实施例中基于大数据的建站方法的流程示意图；

图2为本发明实施例中基于大数据的建站系统的结构示意图。

具体实施方式

以下结合附图及实施例对本发明作进一步详细说明。

参见图1所示，本发明实施例提供一种基于大数据的建站方法：其用于对建站方案进行风险评估：

获取用户设计的建站方案，建站方案包括场景类型和建站类型；场景类型包括普通场景和特殊场景；

通过大数据统计获得建站方案涉及的各建站类型对应的各风险因子分别在普通场景下的风险因子大小和特殊场景下的风险因子大小；n为建站方案涉及的风险因子的种类数，普通场景下的风险因子大小为A_i，i∈[1，n]，特殊场景下的风险因子大小为B_i，i∈[1，n]，得出特定场景对风险因子大小的影响因子为σ_i，i∈[1，n]，σ_i＝(B_i-A_i)；

计算出建站方案的建站风险量，其中P为建站方案中涉及的特殊场景占其涉及的所有场景类型的百分比；

判断计算出的建站风险量是否大于等于预设的建站风险量阈值，若是，建站方案不符合要求；若否，建站方案符合要求。

特殊场景包括大风场景，海边场景，山地场景，软地基场景和偏远场景中的一种或多种。建站类型包括杆塔类型、机房类型和动力配套类型中的一种或多种。风险因子包括维修率、逼迁率、盗窃率和断电率中的一种或多种。

例如，建站方案涉及的风险因子的种类数为4，分别为维修率、逼迁率、盗窃率和断电率。设普通场景下杆塔类型对应的维修率为A₁，设特殊场景下杆塔类型对应的维修率为B₁，普通场景下杆塔类型对应的逼迁率为A₂，设特殊场景下杆塔类型对应的逼迁率为B₂，普通场景下机房类型对应的盗窃率为A₃，设特殊场景下机房类型对应的盗窃率为B₃，普通场景下动力配套类型对应的断电率为A₄，设特殊场景下动力配套类型对应的断电率为B₄；

得出特殊场景对维修率的影响因子为σ₁，对逼迁率的影响因子为σ₂，对盗窃率的影响因子为σ₃，对断电率的影响因子为σ₄；

通过大数据统计获得建站方案涉及的各种建站类型对应的各种风险因子特殊场景下对应的风险损失C_i，i∈[1，n]，其中n为建站方案涉及的风险因子的种类数；

计算特定场景对风险因子大小的影响因子σi的权重系数K_i，n为建站方案涉及的风险因子的种类数；

计算出建站方案的建站风险量，n为建站方案涉及的风险因子的种类数。

例如，建站方案涉及的风险因子的种类数为4，分别为维修率、逼迁率、盗窃率和断电率。设普通场景下杆塔类型对应的维修率为A₁，设特殊场景下杆塔类型对应的维修率为B₁，维修率特殊场景下对应的风险损失为C₁，普通场景下杆塔类型对应的逼迁率为A₂，设特殊场景下杆塔类型对应的逼迁率为B₂，逼迁率特殊场景下对应的风险损失为C₂，普通场景下机房类型对应的盗窃率为A₃，设特殊场景下机房类型对应的盗窃率为B₃，盗窃率特殊场景下对应的风险损失为C₃，普通场景下动力配套类型对应的断电率为A₄，设特殊场景下动力配套类型对应的断电率为B₄，断电率特殊场景下对应的风险损失为C₄；得出特殊场景对维修率的影响因子为σ₁，对逼迁率的影响因子为σ₂，对盗窃率的影响因子为σ₃，对断电率的影响因子为σ₄；

σ₁对应的K₁＝C₁/C₁+C₂+C₃+C₄)，σ₂对应的K₂＝C₂/C₁+C₂+C₃+C₄)，σ₃对应的K₃＝C₁/C₁+C₂+C₃+C₄)，σ₄对应的K₄＝C₄/C₁+C₂+C₃+C₄)；

本发明通过大数据统计获得建站方案涉及的各建站类型对应的各风险因子分别在普通场景下的风险因子大小和特殊场景下的风险因子大小，得出特定场景对风险因子大小的影响因子；根据特定场景对风险因子大小的影响因子以及建站方案中特殊场景占所有场景类型的百分比计算出建站方案的建站风险量，判断计算出的建站风险量是否大于等于预设的建站风险量阈值，若是，建站方案不符合要求；若否，建站方案符合要求。本发明实现对建站方案的评估和筛选，实现工程实施的事前验证，以及对站点的全周期管控，有效借鉴同类站点的相关经验，避免共性问题出现，避免资源成本的重复消耗。

参见图2所示，本发明实施例还公开了一种基于大数据的建站系统，包括：

建站方案获取模块，其用于获取用户设计的建站方案，建站方案包括场景类型和建站类型；场景类型包括普通场景和特殊场景；

大数据统计模块，其用于通过大数据统计获得建站方案涉及的各建站类型对应的各风险因子分别在普通场景下的风险因子大小和特殊场景下的风险因子大小；n为风险因子的种类数，普通场景下的风险因子大小为A_i，i∈[1，n]，特殊场景下的风险因子大小为B_i，i∈[1，n]，得出特定场景对风险因子大小的影响因子为σ_i，i∈[1，n]，σ_i＝(B_i-A_i)；

建站风险量计算模块，其用于计算出建站方案的建站风险量， 其中P为建站方案中涉及的特殊场景占其涉及的所有场景类型的百分比；

判断模块，其用于判断计算出的建站风险量是否大于等于预设的建站风险量阈值，若是，建站方案不符合要求；若否，建站方案符合要求。

特殊场景包括大风场景，海边场景，山地场景，软地基场景和偏远场景中的一种或多种。建站类型包括杆塔类型、机房类型和动力配套类型中的一种或多种。风险因子包括维修率、逼迁率、盗窃率和断电率中的一种或多种。

大数据统计模块还用于通过大数据统计获得建站方案涉及的各种建站类型对应的各种风险因子特殊场景下对应的风险损失C_i，i∈[1，n]，其中n为建站方案涉及的风险因子的种类数；

计算特定场景对风险因子大小的影响因子σ_i的权重系数K_i，n为建站方案涉及的风险因子的种类数；

计算出建站方案的建站风险量，n为建站方案涉及的风险因子的种类数。

本发明通过大数据统计模块获得建站方案涉及的各建站类型对应的各风险因子分别在普通场景下的风险因子大小和特殊场景下的风险因子大小，得出特定场景对风险因子大小的影响因子；通过建站风险量计算模块根据特定场景对风险因子大小的影响因子以及建站方案中特殊场景占所有场景类型的百分比计算出建站方案的建站风险量，通过判断模块判断计算出的建站风险量是否大于等于预设的建站风险量阈值，若是，建站方案不符合要求；若否，建站方案符合要求。本发明实现对建站方案的评估和筛选，实现工程实施的事前验证，以及对站点的全周期管控，有效借鉴同类站点的相关经验，避免共性问题出现，避免资源成本的重复消耗。

本发明不局限于上述实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (10)

1.一种基于大数据的建站方法，其用于对建站方案进行风险评估，其特征在于：

获取用户设计的建站方案，所述建站方案包括场景类型和建站类型；所述场景类型包括普通场景和特殊场景；

通过大数据统计获得建站方案涉及的各建站类型对应的各风险因子分别在普通场景下的风险因子大小和特殊场景下的风险因子大小；n为建站方案涉及的风险因子的种类数，普通场景下的风险因子大小为A_i，i∈[1，n]，特殊场景下的风险因子大小为B_i，i∈[1，n]，得出特定场景对风险因子大小的影响因子为σ_i，i∈[1，n]，σ_i＝(B_i-A_i)；

计算出建站方案的建站风险量，所述其中P为建站方案中涉及的特殊场景占其涉及的所有场景类型的百分比；

判断计算出的建站风险量是否大于等于预设的建站风险量阈值，若是，建站方案不符合要求；若否，建站方案符合要求。

2.如权利要求1所述的一种基于大数据的建站方法，其特征在于：所述特殊场景包括大风场景，海边场景，山地场景，软地基场景和偏远场景中的一种或多种。

3.如权利要求1所述的一种基于大数据的建站方法，其特征在于：所述建站类型包括杆塔类型、机房类型和动力配套类型中的一种或多种。

4.如权利要求1所述的一种基于大数据的建站方法，其特征在于：所述风险因子包括维修率、逼迁率、盗窃率和断电率中的一种或多种。

5.如权利要求1所述的一种基于大数据的建站方法，其特征在于：通过大数据统计获得建站方案涉及的各种建站类型对应的各种风险因子特殊场景下对应的风险损失C_i，i∈[1，n]，其中n为建站方案涉及的风险因子的种类数；

计算特定场景对风险因子大小的影响因子σi的权重系数K_i，n为风险因子的种类数；

计算出建站方案的建站风险量，所述n为风险因子的种类数。

6.一种基于大数据的建站系统，其特征在于，包括：

建站方案获取模块，其用于获取用户设计的建站方案，所述建站方案包括场景类型和建站类型；所述场景类型包括普通场景和特殊场景；

大数据统计模块，其用于通过大数据统计获得建站方案涉及的各建站类型对应的各风险因子分别在普通场景下的风险因子大小和特殊场景下的风险因子大小；n为建站方案涉及的风险因子的种类数，普通场景下的风险因子大小为A_i，i∈[1，n]，特殊场景下的风险因子大小为B_i，i∈[1，n]，得出特定场景对风险因子大小的影响因子为σ_i，i∈[1，n]，σ_i＝(B_i-A_i)；

建站风险量计算模块，其用于计算出建站方案的建站风险量，所述其中P为建站方案中涉及的特殊场景占其涉及的所有场景类型的百分比；

判断模块，其用于判断计算出的建站风险量是否大于等于预设的建站风险量阈值，若是，建站方案不符合要求；若否，建站方案符合要求。

7.如权利要求6所述的一种基于大数据的建站系统，其特征在于：所述特殊场景包括大风场景，海边场景，山地场景，软地基场景和偏远场景中的一种或多种。

8.如权利要求6所述的一种基于大数据的建站系统，其特征在于：所述建站类型包括杆塔类型、机房类型和动力配套类型中的一种或多种。

9.如权利要求6所述的一种基于大数据的建站系统，其特征在于：所述风险因子包括维修率、逼迁率、盗窃率和断电率中的一种或多种。

10.如权利要求6所述的一种基于大数据的建站系统，其特征在于：所述大数据统计模块还用于通过大数据统计获得建站方案涉及的各种建站类型对应的各种风险因子特殊场景下对应的风险损失C_i，i∈[1，n]，其中n为建站方案涉及的风险因子的种类数；

计算特定场景对风险因子大小的影响因子σ_i的权重系数K_i，n为建站方案涉及的风险因子的种类数；

计算出建站方案的建站风险量，所述n为建站方案涉及的风险因子的种类数。