CN108513306A - 基于测试大数据的网络覆盖预测方法 - Google Patents

Abstract

本发明提供一种基于测试大数据的网络覆盖预测方法，包括以下步骤：获取研究区域内的基站站点信息以及测试信息；对研究区域进行栅格化处理；对每个栅格中的测试点集进行采样；对于每个采样到的测试点P，计算测试点P和服务基站Q之间的传播路径所通过的栅格；预测栅格U的初始预测接收功率；进行仿真分析，得到每个栅格对应的最终预测接收功率。优点：将测试方法和仿真方法有效结合，在保证现网测试结果准确的前提下，利用实测数据，对无线传播模型进行精细化修正，求出每个网络区域的实际传播模型，并根据实际的传播模型，对无测试信息的区域进行预测，得出合理的网络覆盖质量预测结果。相比于传统的方法，能够有效提高网络覆盖预测的准确性。

Description

基于测试大数据的网络覆盖预测方法

技术领域

本发明属于无线通信技术领域，具体涉及一种基于测试大数据的网络覆盖预测方法。

背景技术

随着网络的大规模建设，快速准确的对网络质量进行评估，从而发现网络的覆盖缺陷，有效提升网络的覆盖质量，是各运营商面临的首要问题。目前，网络质量评估方法主要包括路测方法和仿真方法。其中，路测方法是指：测试人员采用路测设备，沿设定的路测路线进行网络质量的测试。该方法虽然能够体现出实际的覆盖情况，但测试人员工作量巨大，很难对较大区域做全面性的测试。仿真方法是指：采用计算机软件对网络质量评估。仿真方法虽然能够体现较大范围内的网络覆盖情况，但是仿真结果的准确性偏低，往往和实际网络覆盖情况有较大偏差。

因此，如何有效解决上述问题，是目前迫切的事情。

发明内容

针对现有技术存在的缺陷，本发明提供一种基于测试大数据的网络覆盖预测方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种基于测试大数据的网络覆盖预测方法，包括以下步骤：

步骤1，获取研究区域内的基站站点信息以及测试信息；其中，所述基站站点信息包括基站ID、基站经度信息、基站纬度信息、基站发射功率P_o、基站所用频率f、移动台天线高度hm和基站天线高度hb；所述测试信息包括测试点ID、测试点经度信息、测试点纬度信息、测试点对应的服务基站数量、测试点对应的服务基站ID、测试点测试到的服务基站的实际信号强度；

步骤2，对所述研究区域进行栅格化处理，将所述研究区域划分为多个栅格；

步骤3，根据每个测试点的测试点经度信息和测试点纬度信息，将每个测试点标注到栅格化后的研究区域中，由此使每个栅格包括多个测试点，形成测试点集；

步骤4，对每个栅格中的测试点集进行采样，假设采样到M个测试点；对于每个采样到的测试点，记为测试点P，均进行以下步骤：

步骤4.1，测试点P共对应W个服务基站，对于每个服务基站，记为服务基站Q，均执行步骤4.2-步骤4.5；

步骤4.2，根据服务基站Q的服务基站ID，查询所述基站站点信息，获取服务基站Q的基站经度信息、基站纬度信息、基站发射功率P_o，基站所用频率f和基站天线高度hb；根据服务基站Q的基站经度信息和基站纬度信息，将服务基站Q标注到栅格化后的研究区域中；

步骤4.3，用直线连接测试点P和服务基站Q，测试点P和服务基站Q之间的连接线段形成服务基站Q到测试点P的传播路径；

步骤4.4，确定所述传播路径所通过的栅格；

步骤4.5，对于所述传播路径通过的每个栅格，记为栅格U，均采用步骤4.5.1-步骤4.5.7，预测栅格U的初始预测接收功率RSRP^U _预测：

步骤4.5.1，根据下式计算总理论功率损耗值Lb^P：

Lb^P＝69.55+26.16lgf－13.82lghb－α(hm)+(44.9－6.55lghb)lgd

其中，f指服务基站Q的基站所用频率，hb指服务基站Q的基站天线高度，d指服务基站Q到测试点P之间的直线距离，α(hm)指矫正因子；

对于大城市移动台天线高度因子为：

f≤300MHz时，α(hm)＝8.29[lg(1.54hm)]2-1.1

f≥300MHz时，α(hm)＝3.2[lg(11.75hm)]2-4.97

对于中小城市：

α(hm)＝(1.1lgf-0.7)hm－(1.56lgf－0.8)

其中hm为移动台天线高度；

步骤4.5.2，根据下式计算测试点P位置的理论接收功率RSRP^P _理论：

RSRP^P _理论＝服务基站Q的基站发射功率P_o-Lb^P；

步骤4.5.3，根据下式计算传播路径功率损耗的损耗差值β

β＝RSRP^P _理论-RSRP^P _实际

其中：RSRP^P _实际为测试点P测试到的服务基站Q的实际信号强度；

步骤4.5.4，对于传播路径通过的栅格U，获取栅格U的中心点R，计算中心点R到服务基站Q的距离d_r；

步骤4.5.5，根据下式计算中心点R位置的理论功率损耗值Lb^R：

Lb^R＝69.55+26.16lgf－13.82lghb－α(hm)+(44.9－6.55lghb)lgd_r

其中，f指服务基站Q的基站所用频率，hb指服务基站Q的基站天线高度，d_r指服务基站Q到栅格U的中心点R之间的直线距离，α(hm)指矫正因子；

步骤4.5.6，根据下式计算中心点R位置的理论接收功率RSRP^R _理论：

由公式：RSRP^R _理论＝服务基站Q的基站发射功率P_o-Lb^R；

步骤4.5.7，根据下式计算中心点R位置的初始预测接收功率RSRP^U _预测：

RSRP^U _预测＝RSRP^R _理论-损耗差值β*d_r/d；

步骤4.5.8，将栅格U和初始预测接收功率RSRP^U _预测的对应关系写入数据库；

步骤4.6，因此，假设共有g个栅格；首先分别计算得出第1个栅格中第1个测试点与第1个测试点对应的W个服务基站中每个服务基站之间传播路径通过的每个栅格的初始预测接收功率；然后，再计算得出第1个栅格中第2个测试点与第2个测试点对应的W个服务基站中每个服务基站之间传播路径通过的每个栅格的初始预测接收功率；如此不断循环，当计算得出第1个栅格中所有测试点与对应的服务基站之间传播路径通过的每个栅格的初始预测接收功率之后，再计算第2个栅格中每个测试点与对应的服务基站之间传播路径通过的每个栅格的初始预测接收功率；如此不断循环，直到遍历完成g个栅格；对采样得到的M个测试点中的每个测试点进行计算；

如此得到多组栅格编号与初始预测接收功率之间的对应关系；

步骤4.7，基于所述栅格编号与初始预测接收功率之间的对应关系，进行仿真分析，得到每个栅格对应的最终预测接收功率。

优选的，步骤2具体为：

从各基站站点的基站经度信息、基站纬度信息以及各测试点的测试点经度信息、测试点纬度信息中，筛选到最小经度值、最小纬度值、最大经度值和最大纬度值；

最小经度值和最小纬度值作为横纵坐标，确定第1顶点；最大经度值和最大纬度值作为横纵坐标，确定第2顶点；最小经度值和最大纬度值作为横纵坐标，确定第3顶点；最大经度值和最小纬度值作为横纵坐标，确定第4顶点；第1顶点、第2顶点、第3顶点和第4顶点作为矩形的顶点，其围成的矩形区域即为确定的研究区域范围；

以给定的栅格宽度为单位，将所述研究区域范围栅格化为若干个正方形栅格。

优选的，步骤4中，对每个栅格中的测试点集进行采样，具体为：

步骤4.1.1，给定采样率p和最小采样点个数n；将所有测试点和栅格对应；共有K个栅格；

步骤4.1.2，计算每个栅格的测试点个数；

步骤4.1.3，取第1个栅格，设为栅格K，其测试点个数为N；

步骤4.1.4，判断N是否等于0；如果是，对栅格K不采样，直接执行步骤4.1.8；如果否，执行步骤4.1.5；

步骤4.1.5，判断N*p是否大于n，如果否，令栅格K的采样点个数N_c＝n；再执行步骤4.1.6；如果是，令栅格K的采样点个数N_c＝N*p；再执行步骤4.1.6；

步骤4.1.6，将栅格K对应的测试点按经度由小到大排序，当经度相同时，按纬度由小到大排序；

步骤4.1.7，对排序后的测试点，以系统采样的方式采样N_c个测试点；

步骤4.1.8，判断栅格K是否是最后一个栅格，如果是，结束流程；如果否，取下一个栅格设为栅格K，其测试点个数为N，返回步骤4.1.4。

优选的，步骤4.4中，通过以下方法确定服务基站Q到测试点P的传播路径所通过的栅格：

步骤4.4.1，研究区域共有g个栅格；

步骤4.4.2，取第1个栅格，设为栅格K；

步骤4.4.3，判断栅格K是否与服务基站Q到测试点P的连线存在交集，如果否，执行步骤4.4.4；如果是，将栅格K存入传播路径所通过的栅格集，再执行步骤4.4.4；

步骤4.4.4，判断栅格K是否为最后一个栅格，如果否，取下一个栅格设为栅格K，再返回执行步骤4.4.3；如果是，执行步骤4.4.5；

步骤4.4.5，传播路径所通过的栅格集所存储的各个栅格，即为服务基站Q到测试点P的传播路径所通过的所有栅格。

优选的，步骤4.4.3，判断栅格K是否与服务基站Q到测试点P的连线存在交集，具体为：

设测试点P(x_p，y_p)；服务基站Q(x_q，y_q)；其中，x_p和y_p分别为测试点P的经度值和纬度值；x_q和y_q分别为服务基站Q的经度值和纬度值；

PQ的连线方程为：

等价于：

设函数f(x,y)为：

对于栅格K，将栅格K的四个顶点坐标分别代入函数f(x,y)，如果四个顶点坐标所对应的函数f(x,y)的值均大于等于0或均小于等于0，则PQ连线没有穿过栅格K，即：栅格K与服务基站Q到测试点P的连线不存在交集；否则，PQ连线穿过栅格K，即：栅格K与服务基站Q到测试点P的连线存在交集。

优选的，步骤4.7具体为：

步骤4.7.1，取第1个栅格，设为栅格K；

步骤4.7.2，将栅格K对应的初始预测接收功率按从大到小顺序排序；

步骤4.7.3，每个初始预测接收功率对应一个基站，设共有T个初始预测接收功率，则有T个基站，统计栅格K对应的所有基站出现次数；

步骤4.7.4，将T个基站的各基站按基站出现次数从大到小排序，形成序列L，序列L为：N₁,N₂,N₃……N_T；N₁,N₂,N₃……N_T分别代表第1基站,第2基站,第3基站……第T基站；N₁,N₂,N₃……N_T对应的初始预测接收功率个数分别为n₁,n₂,n₃……n_T，对应的初始预测功率平均值分别为RSRP₁，RSRP2，RSRP₃……RSRP_T；

步骤4.7.5，取前j个基站N₁,N₂……N_j作为备选基站，需满足条件n_j>80％*n₁；

步骤4.7.6，在所有备选基站中，选取初始预测功率平均值最高的基站作为主基站，主基站对应的初始预测功率平均值作为栅格K对应的最终预测接收功率；

步骤4.7.7，判断栅格K是否为最后一个栅格，如果否，取下一个栅格设为栅格K，再返回执行步骤4.7.2；如果是，结束流程。

本发明提供的基于测试大数据的网络覆盖预测方法具有以下优点：

将测试方法和仿真方法进行有效结合，在保证现网测试结果准确的前提下，利用实测数据，对无线传播模型进行精细化的修正，求出每个网络区域的实际传播模型，并根据实际的传播模型，对无测试信息的区域进行预测，得出合理的网络覆盖质量预测结果。相比于传统的方法，能够有效提高网络覆盖预测的准确性。针对多个地区的实际情况进行模拟实验，本发明得出的结果和实际的测试结果的吻合度在90％以上，相比于传统的方法更加可靠，有效提高网络覆盖预测准确性。

附图说明

图1为本发明提供的基于测试大数据的网络覆盖预测方法的总体流程图；

图2为本发明提供的采样流程图；

图3为本发明提供的采样点栅格仿真方法流程图；

图4为本发明提供的步骤4.7的数据处理方法流程图。

具体实施方式

为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明提供一种基于测试大数据的网络覆盖预测方法，将测试方法和仿真方法进行有效结合，参考图1，包括以下步骤：

步骤1，获取研究区域内的基站站点信息以及测试信息；其中，所述基站站点信息包括基站ID、基站经度信息、基站纬度信息、基站发射功率P_o、基站所用频率f、移动台天线高度hm和基站天线高度hb；所述测试信息包括测试点ID、测试点经度信息、测试点纬度信息、测试点对应的服务基站数量、测试点对应的服务基站ID、测试点测试到的服务基站的实际信号强度；

需要强调的是，本发明的测试信息可以为路测信息，也可以为MR测量报告，其中，MR测量报告是指终端在通信过程中上报的测量数据，只要是真实测试得到的测量数据，均在本发明保护范围中，本发明对此并不限制。

步骤2，对所述研究区域进行栅格化处理，将所述研究区域划分为多个栅格；

本步骤具体为：从各基站站点的基站经度信息、基站纬度信息以及各测试点的测试点经度信息、测试点纬度信息中，筛选到最小经度值、最小纬度值、最大经度值和最大纬度值；

最小经度值和最小纬度值作为横纵坐标，确定第1顶点；最大经度值和最大纬度值作为横纵坐标，确定第2顶点；最小经度值和最大纬度值作为横纵坐标，确定第3顶点；最大经度值和最小纬度值作为横纵坐标，确定第4顶点；第1顶点、第2顶点、第3顶点和第4顶点作为矩形的顶点，其围成的矩形区域即为确定的研究区域范围；

以给定的栅格宽度为单位，将所述研究区域范围栅格化为若干个正方形栅格。

步骤3，根据每个测试点的测试点经度信息和测试点纬度信息，将每个测试点标注到栅格化后的研究区域中，由此使每个栅格包括多个测试点，形成测试点集；

步骤4，对每个栅格中的测试点集进行采样，假设采样到M个测试点；

对每个栅格中的测试点集进行采样，参考图2，具体为：

步骤4.1.1，给定采样率p和最小采样点个数n；将所有测试点和栅格对应；共有K个栅格；

步骤4.1.2，计算每个栅格的测试点个数；

步骤4.1.3，取第1个栅格，设为栅格K，其测试点个数为N；

步骤4.1.4，判断N是否等于0；如果是，对栅格K不采样，直接执行步骤4.1.8；如果否，执行步骤4.1.5；

步骤4.1.5，判断N*p是否大于n，如果否，令栅格K的采样点个数N_c＝n；再执行步骤4.1.6；如果是，令栅格K的采样点个数N_c＝N*p；再执行步骤4.1.6；

步骤4.1.6，将栅格K对应的测试点按经度由小到大排序，当经度相同时，按纬度由小到大排序；

步骤4.1.7，对排序后的测试点，以系统采样的方式采样N_c个测试点；

步骤4.1.8，判断栅格K是否是最后一个栅格，如果是，结束流程；如果否，取下一个栅格设为栅格K，其测试点个数为N，返回步骤4.1.4。

对于每个采样到的测试点，记为测试点P，参考图3，均进行以下步骤：

步骤4.1，测试点P共对应W个服务基站，对于每个服务基站，记为服务基站Q，均执行步骤4.2-步骤4.5；

其中，服务基站为多个，可灵活包括测试点P对应的主要基站、次要基站和排名第三位的基站等，具体的服务基站的设定数量，根据实际需求灵活调整。

步骤4.2，根据服务基站Q的服务基站ID，查询所述基站站点信息，获取服务基站Q的基站经度信息、基站纬度信息、基站发射功率P_o，基站所用频率f和基站天线高度hb；根据服务基站Q的基站经度信息和基站纬度信息，将服务基站Q标注到栅格化后的研究区域中；

步骤4.3，用直线连接测试点P和服务基站Q，测试点P和服务基站Q之间的连接线段形成服务基站Q到测试点P的传播路径；

步骤4.4，确定所述传播路径所通过的栅格；

步骤4.4中，通过以下方法确定服务基站Q到测试点P的传播路径所通过的栅格：

步骤4.4.1，研究区域共有g个栅格；

步骤4.4.2，取第1个栅格，设为栅格K；

步骤4.4.3，判断栅格K是否与服务基站Q到测试点P的连线存在交集，如果否，执行步骤4.4.4；如果是，将栅格K存入传播路径所通过的栅格集，再执行步骤4.4.4；

其中，判断栅格K是否与服务基站Q到测试点P的连线存在交集，具体为：

设测试点P(x_p，y_p)；服务基站Q(x_q，y_q)；其中，x_p和y_p分别为测试点P的经度值和纬度值；x_q和y_q分别为服务基站Q的经度值和纬度值；

PQ的连线方程为：

等价于：

设函数f(x,y)为：

对于栅格K，将栅格K的四个顶点坐标分别代入函数f(x,y)，如果四个顶点坐标所对应的函数f(x,y)的值均大于等于0或均小于等于0，则PQ连线没有穿过栅格K，即：栅格K与服务基站Q到测试点P的连线不存在交集；否则，PQ连线穿过栅格K，即：栅格K与服务基站Q到测试点P的连线存在交集。

步骤4.4.4，判断栅格K是否为最后一个栅格，如果否，取下一个栅格设为栅格K，再返回执行步骤4.4.3；如果是，执行步骤4.4.5；

步骤4.4.5，传播路径所通过的栅格集所存储的各个栅格，即为服务基站Q到测试点P的传播路径所通过的所有栅格。

步骤4.5，对于所述传播路径通过的每个栅格，记为栅格U，均采用步骤4.5.1-步骤4.5.7，预测栅格U的初始预测接收功率RSRP^U _预测：

步骤4.5.1，根据下式计算总理论功率损耗值Lb^P：

Lb^P＝69.55+26.16lgf－13.82lghb－α(hm)+(44.9－6.55lghb)lgd

其中，f指服务基站Q的基站所用频率，hb指服务基站Q的基站天线高度，d指服务基站Q到测试点P之间的直线距离，α(hm)指矫正因子；

步骤4.5.2，根据下式计算测试点P位置的理论接收功率RSRP^P _理论：

RSRP^P _理论＝服务基站Q的基站发射功率P_o-Lb^P；

步骤4.5.3，根据下式计算传播路径功率损耗的损耗差值β

β＝RSRP^P _理论-RSRP^P _实际

其中：RSRP^P _实际为测试点P测试到的服务基站Q的实际信号强度；

步骤4.5.4，对于传播路径通过的栅格U，获取栅格U的中心点R，计算中心点R到服务基站Q的距离d_r；

步骤4.5.5，根据下式计算中心点R位置的理论功率损耗值Lb^R：

Lb^R＝69.55+26.16lgf－13.82lghb－α(hm)+(44.9－6.55lghb)lgd_r

其中，f指服务基站Q的基站所用频率，hb指服务基站Q的基站天线高度，d_r指服务基站Q到栅格U的中心点R之间的直线距离，α(hm)指矫正因子；

步骤4.5.6，根据下式计算中心点R位置的理论接收功率RSRP^R _理论：

由公式：RSRP^R _理论＝服务基站Q的基站发射功率P_o-Lb^R；

步骤4.5.7，根据下式计算中心点R位置的初始预测接收功率RSRP^U _预测：

RSRP^U _预测＝RSRP^R _理论-损耗差值β*d_r/d；

步骤4.5.8，将栅格U和初始预测接收功率RSRP^U _预测的对应关系写入数据库；

需要强调的是，本发明在步骤4.5.1和4.5.5的过程中使用的是Hata-Okumura模型，整个步骤4即对此模型进行符合实际情况的精细化修正。此模型可以替换为其他的无线传播模型，例如Cost 231-Hata模型、SPM等模型。只要是合理的无线传播模型，均可以运用于步骤4.5.1和4.5.5，均在本发明的保护范围中，本发明对此并不限制。

步骤4.6，因此，假设共有g个栅格；首先分别计算得出第1个栅格中第1个测试点与第1个测试点对应的W个服务基站中每个服务基站之间传播路径通过的每个栅格的初始预测接收功率；然后，再计算得出第1个栅格中第2个测试点与第2个测试点对应的W个服务基站中每个服务基站之间传播路径通过的每个栅格的初始预测接收功率；如此不断循环，当计算得出第1个栅格中所有测试点与对应的服务基站之间传播路径通过的每个栅格的初始预测接收功率之后，再计算第2个栅格中每个测试点与对应的服务基站之间传播路径通过的每个栅格的初始预测接收功率；如此不断循环，直到遍历完成g个栅格；对采样得到的M个测试点中的每个测试点进行计算；

如此得到多组栅格编号与初始预测接收功率之间的对应关系；

步骤4.7，基于所述栅格编号与初始预测接收功率之间的对应关系，进行仿真分析，得到每个栅格对应的最终预测接收功率。

参考图4，步骤4.7具体为：

步骤4.7.1，取第1个栅格，设为栅格K；

步骤4.7.2，将栅格K对应的初始预测接收功率按从大到小顺序排序；

步骤4.7.3，每个初始预测接收功率对应一个基站，设共有T个初始预测接收功率，则有T个基站，统计栅格K对应的所有基站出现次数；

步骤4.7.4，将T个基站的各基站按基站出现次数从大到小排序，形成序列L，序列L为：N₁,N₂,N₃……N_T；N₁,N₂,N₃……N_T分别代表第1基站,第2基站,第3基站……第T基站；N₁,N₂,N₃……N_T对应的初始预测接收功率个数分别为n₁,n₂,n₃……n_T，对应的初始预测功率平均值分别为RSRP₁，RSRP₂，RSRP₃……RSRP_T；

步骤4.7.5，取前j个基站N₁,N₂……N_j作为备选基站，需满足条件n_j>80％*n₁；

步骤4.7.6，在所有备选基站中，选取初始预测功率平均值最高的基站作为主基站，主基站对应的初始预测功率平均值作为栅格K对应的最终预测接收功率；

步骤4.7.7，判断栅格K是否为最后一个栅格，如果否，取下一个栅格设为栅格K，再返回执行步骤4.7.2；如果是，结束流程。

本发明提供的基于测试大数据的网络覆盖预测方法具有以下优点：

将测试方法和仿真方法进行有效结合，在保证现网测试结果准确的前提下，利用实测数据，对无线传播模型进行精细化的修正，求出每个网络区域的实际传播模型，并根据实际的传播模型，对无测试信息的区域进行预测，得出合理的网络覆盖质量预测结果。相比于传统的方法，能够有效提高网络覆盖预测的准确性。针对多个地区的实际情况进行模拟实验，本发明得出的结果和实际的测试结果的吻合度在90％以上，相比于传统的方法更加可靠，有效提高网络覆盖预测准确性。

以上所述仅是本发明的优选实施方式，应当指出，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，这些改进和润饰也应视本发明的保护范围。

Claims (6)

1.一种基于测试大数据的网络覆盖预测方法，其特征在于，包括以下步骤：

步骤1，获取研究区域内的基站站点信息以及测试信息；其中，所述基站站点信息包括基站ID、基站经度信息、基站纬度信息、基站发射功率P_o、基站所用频率f和基站天线高度hb；所述测试信息包括移动台天线高度hm、测试点ID、测试点经度信息、测试点纬度信息、测试点对应的服务基站数量、测试点对应的服务基站ID、测试点测试到的服务基站的实际信号强度；

步骤2，对所述研究区域进行栅格化处理，将所述研究区域划分为多个栅格；

步骤3，根据每个测试点的测试点经度信息和测试点纬度信息，将每个测试点标注到栅格化后的研究区域中，由此使每个栅格包括多个测试点，形成测试点集；

步骤4，对每个栅格中的测试点集进行采样，假设采样到M个测试点；对于每个采样到的测试点，记为测试点P，均进行以下步骤：

步骤4.1，测试点P共对应W个服务基站，对于每个服务基站，记为服务基站Q，均执行步骤4.2-步骤4.5；

步骤4.2，根据服务基站Q的服务基站ID，查询所述基站站点信息，获取服务基站Q的基站经度信息、基站纬度信息、基站发射功率P_o，基站所用频率f和基站天线高度hb；根据服务基站Q的基站经度信息和基站纬度信息，将服务基站Q标注到栅格化后的研究区域中；

步骤4.3，用直线连接测试点P和服务基站Q，测试点P和服务基站Q之间的连接线段形成服务基站Q到测试点P的传播路径；

步骤4.4，确定所述传播路径所通过的栅格；

步骤4.5，对于所述传播路径通过的每个栅格，记为栅格U，均采用步骤4.5.1-步骤4.5.7，预测栅格U的初始预测接收功率RSRP^U _预测：

步骤4.5.1，根据下式计算总理论功率损耗值Lb^P：

Lb^P＝69.55+26.16lgf－13.82lghb－α(hm)+(44.9－6.55lghb)lgd

其中，f指服务基站Q的基站所用频率，hb指服务基站Q的基站天线高度，d指服务基站Q到测试点P之间的直线距离，α(hm)指矫正因子；

步骤4.5.2，根据下式计算测试点P位置的理论接收功率RSRP^P _理论：

RSRP^P _理论＝服务基站Q的基站发射功率P_o-Lb^P；

步骤4.5.3，根据下式计算传播路径功率损耗的损耗差值β

β＝RSRP^P _理论-RSRP^P _实际

其中：RSRP^P _实际为测试点P测试到的服务基站Q的实际信号强度；

步骤4.5.4，对于传播路径通过的栅格U，获取栅格U的中心点R，计算中心点R到服务基站Q的距离d_r；

步骤4.5.5，根据下式计算中心点R位置的理论功率损耗值Lb^R：

Lb^R＝69.55+26.16lgf－13.82lghb－α(hm)+(44.9－6.55lghb)lgd_r

其中，f指服务基站Q的基站所用频率，hb指服务基站Q的基站天线高度，d_r指服务基站Q到栅格U的中心点R之间的直线距离，α(hm)指矫正因子：

对于大城市移动台天线高度因子为：

f≤300MHz时，α(hm)＝8.29[lg(1.54hm)]2-1.1

f≥300MHz时，α(hm)＝3.2[lg(11.75hm)]2-4.97

对于中小城市：

α(hm)＝(1.1lgf-0.7)hm－(1.56lgf－0.8)

其中hm为移动台天线高度；

步骤4.5.6，根据下式计算中心点R位置的理论接收功率RSRP^R _理论：

由公式：RSRP^R _理论＝服务基站Q的基站发射功率P_o-Lb^R；

步骤4.5.7，根据下式计算中心点R位置的初始预测接收功率RSRP^U _预测：

RSRP^U _预测＝RSRP^R _理论-损耗差值β*d_r/d；

步骤4.5.8，将栅格U和初始预测接收功率RSRP^U _预测的对应关系写入数据库；

步骤4.6，因此，假设共有g个栅格；首先分别计算得出第1个栅格中第1个测试点与第1个测试点对应的W个服务基站中每个服务基站之间传播路径通过的每个栅格的初始预测接收功率；然后，再计算得出第1个栅格中第2个测试点与第2个测试点对应的W个服务基站中每个服务基站之间传播路径通过的每个栅格的初始预测接收功率；如此不断循环，当计算得出第1个栅格中所有测试点与对应的服务基站之间传播路径通过的每个栅格的初始预测接收功率之后，再计算第2个栅格中每个测试点与对应的服务基站之间传播路径通过的每个栅格的初始预测接收功率；如此不断循环，直到遍历完成g个栅格；对采样得到的M个测试点中的每个测试点进行计算；

如此得到多组栅格编号与初始预测接收功率之间的对应关系；

步骤4.7，基于所述栅格编号与初始预测接收功率之间的对应关系，进行仿真分析，得到每个栅格对应的最终预测接收功率。

2.根据权利要求1所述的基于测试大数据的网络覆盖预测方法，其特征在于，步骤2具体为：

从各基站站点的基站经度信息、基站纬度信息以及各测试点的测试点经度信息、测试点纬度信息中，筛选到最小经度值、最小纬度值、最大经度值和最大纬度值；

最小经度值和最小纬度值作为横纵坐标，确定第1顶点；最大经度值和最大纬度值作为横纵坐标，确定第2顶点；最小经度值和最大纬度值作为横纵坐标，确定第3顶点；最大经度值和最小纬度值作为横纵坐标，确定第4顶点；第1顶点、第2顶点、第3顶点和第4顶点作为矩形的顶点，其围成的矩形区域即为确定的研究区域范围；

以给定的栅格宽度为单位，将所述研究区域范围栅格化为若干个正方形栅格。

3.根据权利要求1所述的基于测试大数据的网络覆盖预测方法，其特征在于，步骤4中，对每个栅格中的测试点集进行采样，具体为：

步骤4.1.1，给定采样率p和最小采样点个数n；将所有测试点和栅格对应；共有K个栅格；

步骤4.1.2，计算每个栅格的测试点个数；

步骤4.1.3，取第1个栅格，设为栅格K，其测试点个数为N；

步骤4.1.4，判断N是否等于0；如果是，对栅格K不采样，直接执行步骤4.1.8；如果否，执行步骤4.1.5；

步骤4.1.5，判断N*p是否大于n，如果否，令栅格K的采样点个数N_c＝n；再执行步骤4.1.6；如果是，令栅格K的采样点个数N_c＝N*p；再执行步骤4.1.6；

步骤4.1.6，将栅格K对应的测试点按经度由小到大排序，当经度相同时，按纬度由小到大排序；

步骤4.1.7，对排序后的测试点，以系统采样的方式采样N_c个测试点；

步骤4.1.8，判断栅格K是否是最后一个栅格，如果是，结束流程；如果否，取下一个栅格设为栅格K，其测试点个数为N，返回步骤4.1.4。

4.根据权利要求1所述的基于测试大数据的网络覆盖预测方法，其特征在于，步骤4.4中，通过以下方法确定服务基站Q到测试点P的传播路径所通过的栅格：

步骤4.4.1，研究区域共有g个栅格；

步骤4.4.2，取第1个栅格，设为栅格K；

步骤4.4.3，判断栅格K是否与服务基站Q到测试点P的连线存在交集，如果否，执行步骤4.4.4；如果是，将栅格K存入传播路径所通过的栅格集，再执行步骤4.4.4；

步骤4.4.4，判断栅格K是否为最后一个栅格，如果否，取下一个栅格设为栅格K，再返回执行步骤4.4.3；如果是，执行步骤4.4.5；

步骤4.4.5，传播路径所通过的栅格集所存储的各个栅格，即为服务基站Q到测试点P的传播路径所通过的所有栅格。

5.根据权利要求4所述的基于测试大数据的网络覆盖预测方法，其特征在于，步骤4.4.3，判断栅格K是否与服务基站Q到测试点P的连线存在交集，具体为：

设测试点P(x_p，y_p)；服务基站Q(x_q，y_q)；其中，x_p和y_p分别为测试点P的经度值和纬度值；x_q和y_q分别为服务基站Q的经度值和纬度值；

PQ的连线方程为：

等价于：

设函数f(x,y)为：

对于栅格K，将栅格K的四个顶点坐标分别代入函数f(x,y)，如果四个顶点坐标所对应的函数f(x,y)的值均大于等于0或均小于等于0，则PQ连线没有穿过栅格K，即：栅格K与服务基站Q到测试点P的连线不存在交集；否则，PQ连线穿过栅格K，即：栅格K与服务基站Q到测试点P的连线存在交集。

6.根据权利要求1所述的基于测试大数据的网络覆盖预测方法，其特征在于，步骤4.7具体为：

步骤4.7.1，取第1个栅格，设为栅格K；

步骤4.7.2，将栅格K对应的初始预测接收功率按从大到小顺序排序；

步骤4.7.3，每个初始预测接收功率对应一个基站，设共有T个初始预测接收功率，则有T个基站，统计栅格K对应的所有基站出现次数；

步骤4.7.4，将T个基站的各基站按基站出现次数从大到小排序，形成序列L，序列L为：N₁,N₂,N₃……N_T；N₁,N₂,N₃……N_T分别代表第1基站,第2基站,第3基站……第T基站；N₁,N₂,N₃……N_T对应的初始预测接收功率个数分别为n₁,n₂,n₃……n_T，对应的初始预测功率平均值分别为RSRP₁，RSRP₂，RSRP₃……RSRP_T；

步骤4.7.5，取前j个基站N₁,N₂……N_j作为备选基站，需满足条件n_j>80％*n₁；

步骤4.7.6，在所有备选基站中，选取初始预测功率平均值最高的基站作为主基站，主基站对应的初始预测功率平均值作为栅格K对应的最终预测接收功率；

步骤4.7.7，判断栅格K是否为最后一个栅格，如果否，取下一个栅格设为栅格K，再返回执行步骤4.7.2；如果是，结束流程。