CN108924746B - 一种基于ue密度的基站控制方法、装置 - Google Patents

一种基于ue密度的基站控制方法、装置 Download PDF

Info

Publication number
CN108924746B
CN108924746B CN201810769165.3A CN201810769165A CN108924746B CN 108924746 B CN108924746 B CN 108924746B CN 201810769165 A CN201810769165 A CN 201810769165A CN 108924746 B CN108924746 B CN 108924746B
Authority
CN
China
Prior art keywords
sub
density
base station
thiessen polygon
cluster
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
Application number
CN201810769165.3A
Other languages
English (en)
Other versions
CN108924746A (zh
Inventor
吴晓鸰
詹彬
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.)
Shenzhen Aibo Communication Co.,Ltd.
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201810769165.3A priority Critical patent/CN108924746B/zh
Publication of CN108924746A publication Critical patent/CN108924746A/zh
Application granted granted Critical
Publication of CN108924746B publication Critical patent/CN108924746B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/10—Dynamic resource partitioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/04—Arrangements for maintaining operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于UE密度的基站控制方法，该方法包括：利用指定区域内的各个基站，获取指定区域内各个UE分别对应的地理位置，并添加至地理位置集合中；构造与地理位置集合匹配的泰森多边形图；按照泰森多边形图中各个泰森多边形的几何特征，对指定区域进行划分，获得K个子区域；计算各个子区域的UE密度；对指定区域内的各个子区域，分别利用对应的UE密度对子区域内的基站进行调整。利用泰森多边形快速将指定区域划分出多个子区域。利用各个子区域的UE密度对该子区域的基站进行调整，以满足用户通信需求的同时，还可减少资源浪费。本发明还公开了一种基于UE密度的基站控制装置、设备及可读存储介质，具有相应的技术效果。

Description

一种基于UE密度的基站控制方法、装置
技术领域
本发明涉及移动通信技术领域，特别是涉及一种基于UE密度的基站控制方法、装置、设备及可读存储介质。
背景技术
基站(BS)即公用移动通信基站是无线电台站的一种形式，是指在一定的无线电覆盖区中，通过移动通信交换中心，与移动终端(UE)之间进行信息传递的无线电收发信电台。基站收发台在基站控制器的控制下，完成基站的控制与无线信道之间的转换，实现手机通信信号的收发与移动平台之间通过空中无线传输及相关的控制功能。收发台可对每个用户的无线信号进行解码和发送。
移动用户使用移动通讯业务必须借助基站进行信号传递。随着生活节奏的加快、以及交通工具的普及应用，移动终端随着用户的移动而移动，导致某一地区的UE密度变化非常大，且往往不可预估。当某地区UE密度较大时，可能会出现用户掉线，无法进行通信的问题；而当UE密度较小时，又会出现大量基站资源的浪费问题。
综上所述，如何有效地对基站进行管理等问题，是目前本领域技术人员急需解决的技术问题。
发明内容
本发明的目的是提供一种基于UE密度的基站控制方法、装置、设备及可读存储介质，以对基站进行有效的管理。
为解决上述技术问题，本发明提供如下技术方案：
一种基于UE密度的基站控制方法，包括：
利用指定区域内的各个基站，获取所述指定区域内各个UE分别对应的地理位置，并添加至地理位置集合中；
构造与所述地理位置集合匹配的泰森多边形图；
按照所述泰森多边形图中各个泰森多边形的几何特征，对所述指定区域进行划分，获得K个子区域；
计算各个所述子区域的UE密度；
对所述指定区域内的各个子区域，分别利用对应的UE密度对子区域内的基站进行调整。
优选地，所述构造与所述地理位置集合匹配的泰森多边形图，包括：
在所述地理位置集合中，随机选择一个UE作为初始点，并利用所述初始点计算出K个类簇中心点；
将K个所述类簇中心点作为构造泰森多边形的质心，构造与所述地理位置集合匹配的泰森多边形图。
优选地，利用所述初始点计算出K个类簇中心点，包括：
将所述初始点作为第一个类簇中心点；
选择与第一个类簇中心点距离最远的UE作为第二个类簇中心点；
依次选择与已有的各个所述类簇中心点的最近距离之和最大的UE作为新增类簇中心点，直到所述类簇中心点的个数为K。
优选地，所述将K个所述类簇中心点作为构造泰森多边形的质心，构造与所述目标数据集合匹配的泰森多边形图，包括：
建立一个包括所述地理位置集合的所有UE的目标几何图形；其中所述目标几何图形为三角形或多边形；
向所述目标几何图形中依次插入K个所述类簇中心点，对每个新插入的类簇中心点与包含自身的三角形三个顶点相连，形成三角网；
利用空外接圆检测对所述三角网进行LOP优化，获得Delaunay三角网；
连接所述Delaunay三角网的三角形外接圆圆心，获得泰森多边形图。
优选地，在所述获得K个子区域之后，还包括：
在K个所述子区域中分别计算质心，并将计算出的质心作为类簇中心点；
重复执行所述将K个所述类簇中心点作为构造泰森多边形的质心，构造与所述地理位置集合匹配的泰森多边形图的步骤，以修正子区域。
优选地，修正子区域，包括：
判断获得的最新子区域与上一次获得的子区域是否一致；
如果是，则计算各个所述子区域的UE密度；
如果否，则在K个所述子区域中分别计算质心，并将计算出的质心作为类簇中心点的步骤。
优选地，所述对所述指定区域内的各个子区域，分别利用对应的UE密度对子区域内的基站进行调整，包括：
对所述指定区域内的各个子区域，利用当前UE密度和历史UE密度，预估未来UE密度；
利用所述未来UE密度，对子区域内的基站进行调整。
一种基于UE密度的基站控制装置，包括：
地理位置集合，用于利用指定区域内的各个基站，获取所述指定区域内各个UE分别对应的地理位置，并添加至地理位置集合中；
泰森多边形图构造模块，用于构造与所述地理位置集合匹配的泰森多边形图；
区域划分模块，用于按照所述泰森多边形图中各个泰森多边形的几何特征，对所述指定区域进行划分，获得K个子区域；
UE密度计算模块，用于计算各个所述子区域的UE密度；
基站调整模块，用于对所述指定区域内的各个子区域，分别利用对应的UE密度对子区域内的基站进行调整。
一种基于UE密度的基站控制设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述基于UE密度的基站控制方法的步骤。
一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于UE密度的基站控制方法的步骤。
应用本发明实施例所提供的方法，利用指定区域内的各个基站，获取指定区域内各个UE分别对应的地理位置，并添加至地理位置集合中；构造与地理位置集合匹配的泰森多边形图；按照泰森多边形图中各个泰森多边形的几何特征，对指定区域进行划分，获得K个子区域；计算各个子区域的UE密度；对指定区域内的各个子区域，分别利用对应的UE密度对子区域内的基站进行调整。由于UE需要与某个基站建立通信连接才能实现通信，因而可以利用基站获取UE的地理位置。在对某个指定区域内的基站进行管理时，便可利用基站将指定区域的所有UE的地理信息进行获取，并添加至地理位置集合中。为了使得指定区域内的基站的数目以及运行状态能够满足当前的用户的需求。可以将指定区域划分为与UE密度相对应的多个子区域。具体的，可利用泰森多边形图的特性，即每个泰森多边形里面所有的点与其质点的距离相对于其他质点是最近的特性。也就是说，可以利用泰森多边形快速将指定区域划分出多个子区域。然后，分别计算各个子区域的UE密度，并利用各个子区域的UE密度对该子区域的基站进行调整，以满足用户通信需求的同时，还可减少资源浪费。
具体的，在对基站进行调整时，可以在UE密度较大时，通过控制子区域内的基站数目或者运行状态增大整个子区域内的吞吐量(或UE连接数目)，例如，增加移动基站或者启动备用基站；当UE密度较小时，可将子区域内的基站仅保留一定数目的全向天线基站。利用泰森多边形图对指定区域进行划分，相对于使用其他聚类算法，速度更快，即可实现基于当前的UE密度对基站进行控制。
相应地，本发明实施例还提供了与上述基于UE密度的基站控制方法相对应的基于UE密度的基站控制装置、设备和可读存储介质，具有上述技术效果，在此不再赘述。
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，还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种基于UE密度的基站控制方法的实施流程图；
图2为本发明实施例中另一种基于UE密度的基站控制方法的实施流程图；
图3为本发明实施例中利用逐点插入法构建Delaunay三角网的过程示意图；
图4为LOP优化过程示意图；
图5为本发明实施例中利用Delaunay三角网构建泰森多边形的示意图；
图6为随机生成的数百个待聚类的地理位置集合数据示意图；
图7为本发明实施例中的一种泰森多边形图；
图8以多边形边界对划分类别的示意图；
图9为本发明实施例所采用的聚类方法与K-Means聚类算法的运行时间的对比示意图；
图10为样本数小于10000时，不同样本数目下运行时间对比示意图；
图11为样本数大于10000时，不同样本数目下运行时间对比示意图；
图12为本发明实施例中一种基于UE密度的基站控制装置的结构示意图；
图13为本发明实施例中一种基于UE密度的基站控制设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
请参考图1，图1为本发明实施例中一种基于UE密度的基站控制方法的流程图，该方法包括以下步骤：
S101、利用指定区域内的各个基站，获取指定区域内各个UE分别对应的地理位置，并添加至地理位置集合中。
其中，UE(User Equipment)为移动终端或称用户终端，包括手机，智能终端，多媒体设备，流媒体设备等等。指定区域可以预先确定，也可以根据实际情况进行确定和调整，在此不做限定。例如，指定区域可以为某城市的管辖范围。
由于UE实现无线通信时，需与某个基站建立通信连接，因此，可以利用各个基站确定UE的地理位置。在对指定区域内的各个基站进行控制时，可以利用基站获得指定区域内各个UE分别对应的地理位置，并添加至地理位置集合中。利用基站获得UE的地理位置，可利用基站接收到的UE的信号强度确定该UE与基站的距离，并通过基站的固定位置，获得UE的相对位置。当然，还可以利用多个基站对同一个UE进行精准定位的地理位置。由于对基站的覆盖率相对于一个UE的信号辐射范围更大，因而利用基站获取UE的地理位置时，无论采取何种位置确定方法的方式均可。
将指定区域内的各个UE的地理位置获取并添加至地理位置集合中之后，可执行步骤S102的操作。
S102、构造与地理位置集合匹配的泰森多边形图。
在对基站进行调整时，为了满足用户通信需求的情况下，尽可能减少资源浪费，便需要基于当前的UE密度进行调整。但是，UE随着独自独立的用户的移动而移动，因此对于同一片区域，可能会出现在不同时段UE密度不同的情况。在对基站进行调整控制时，首先需要明确基于UE密度的区域划分，并确定当前基站属于何种区域内，以及UE密度的大小，如此便可保障用户的正常通信需求，以及减少资源浪费。
获取到的地理位置集合中的各个UE的地理位置之间互不关联，无规律可循。为了更好的明确各个基站的UE密度。可以先构造与地理位置集合匹配的泰森多边形。利用泰森多边形图对指定区域进行划分，相对于使用其他聚类算法，速度更快，即可实现基于当前的UE密度对基站进行控制。
构造泰森多边形的具体过程如下：
步骤一、在地理位置集合中，随机选择一个UE作为初始点，并利用初始点计算出K个类簇中心点。
步骤二、将K个类簇中心点作为构造泰森多边形的质心，构造与地理位置集合匹配的泰森多边形图。
为了便于描述，下面将上述两个步骤结合起来进行说明。
在地理位置集合中，可以随机选择一个UE的地理位置作为初始点，并且利用该初始点计算出K个类簇中心点。具体的，即可将初始点作为第一个类簇中心点。然后，可以按照地理位置集合中各个UE的地理位置的距离或所连接的基站等特征，从地理位置集合中挑选出K-1个类簇中心点。
得到K个类簇中心点之后，以K个类簇中心点作为构造泰森多边形的质心，构造出与地理位置集合匹配的泰森多边形。
具体的，如何利用质心构建出与地理位置集合匹配的泰森多边形可参照现有的构建泰森多边形的过程。例如，对与每个离散点(质心)相邻的三角形按顺时针或逆时针方向排序，以便下一步连接生成泰森多边形。设离散点为o。找出以o为顶点的一个三角形，设为A；取三角形A除o以外的另一顶点，设为a，则另一个顶点也可找出，即为f；则下一个三角形必然是以of为边的，即为三角形F；三角形F的另一顶点为e，则下一三角形是以oe为边的；如此重复进行，直到回到oa边。计算每个三角形的外接圆圆心，并记录。根据每个离散点的相邻三角形，连接这些相邻三角形的外接圆圆心，即得到泰森多边形图。对于三角网边缘的泰森多边形，可作垂直平分线与图廓相交，与图廓一起构成泰森多边形图。即，当外接圆圆心超出三角网边缘轮廓时，泰森多边形也会超出三角网边缘轮廓范围，所以将超出的多边形的边的中垂线和边缘相交拓展多边形区域。
优选地，当利用距离计算类簇中心点时，可将选出的类簇中心点更加符合聚类需求，即使得分类结果与地理位置集合更加匹配。具体实现过程如下：
步骤一、将初始点作为第一个类簇中心点；
步骤二、选择与第一个类簇中心点距离最远的UE作为第二个类簇中心点；
步骤三、依次选择与已有的各个类簇中心点的最近距离之和最大的UE作为新增类簇中心点，直到类簇中心点的个数为K。
为了便于描述，下面将上述三个步骤结合起来进行说明。
首先将初始点作为第一个类簇中心点，然后在地理位置集合中选择与第一类簇中心点距离最远的UE作为第二类簇中心点。紧接着在地理位置集合中选择第三个类簇中心点时，可将与第一类簇中心点和第二类簇中心点的最近距离之和最大的UE作为第三个类簇中心点。依次类推，直到找到第K个类簇中心点。相较于随机选择K个UE直接作为类簇中心点，利用距离选类簇中心点，可获得与地理位置集合的距离特征相匹配的类簇中心点，可以进一步获得与地理位置集合最匹配的聚类结果，以便更好的对指定区域进行划分。
当构造了泰森多边形之后，可以执行S103的步骤。
S103、按照泰森多边形图中各个泰森多边形的几何特征，对指定区域进行划分，获得K个子区域。
构建好泰森多边形之后，地理位置集合中的各个UE对应的地理位置被泰森多变形图中的泰森多边形划分为K个区域，并且泰森多边形具有：每个泰森多边形内仅含有一个离散点数据；泰森多边形内的点到相应离散点的距离最近；位于泰森多边形边上的点到其两边的离散点的距离相等的特性，使用泰森多边形内的泰森多边形进行聚类划分，非常符合聚类要求。
可以将一个泰森多边形对应一个子区域，将指定区域划分为对应的K个子区域。
S104、计算各个子区域的UE密度。
获得多个子区域之后，对每一个子区域的UE数目进行统计，并计算出子区域的UE密度。
S105、对指定区域内的各个子区域，分别利用对应的UE密度对子区域内的基站进行调整。
在对基站进行调整时，可以在UE密度较大时，通过控制子区域内的基站数目或者运行状态增大整个子区域内的吞吐量(或UE连接数目)，例如，增加移动基站或者启动备用基站；当UE密度较小时，可将子区域内的基站仅保留一定数目的全向天线基站。然后调整基站时，还可以利用子区域的几何特征对基站进行调整。
应用本发明实施例所提供的方法，利用指定区域内的各个基站，获取指定区域内各个UE分别对应的地理位置，并添加至地理位置集合中；构造与地理位置集合匹配的泰森多边形图；按照泰森多边形图中各个泰森多边形的几何特征，对指定区域进行划分，获得K个子区域；计算各个子区域的UE密度；对指定区域内的各个子区域，分别利用对应的UE密度对子区域内的基站进行调整。由于UE需要与某个基站建立通信连接才能实现通信，因而可以利用基站获取UE的地理位置。在对某个指定区域内的基站进行管理时，便可利用基站将指定区域的所有UE的地理信息进行获取，并添加至地理位置集合中。为了使得指定区域内的基站的数目以及运行状态能够满足当前的用户的需求。可以将指定区域划分为与UE密度相对应的多个子区域。具体的，可利用泰森多边形图的特性，即每个泰森多边形里面所有的点与其质点的距离相对于其他质点是最近的特性。也就是说，可以利用泰森多边形快速将指定区域划分出多个子区域。然后，分别计算各个子区域的UE密度，并利用各个子区域的UE密度对该子区域的基站进行调整，以满足用户通信需求的同时，还可减少资源浪费。
具体的，在对基站进行调整时，可以在UE密度较大时，通过控制子区域内的基站数目或者运行状态增大整个子区域内的吞吐量(或UE连接数目)，例如，增加移动基站或者启动备用基站；当UE密度较小时，可将子区域内的基站仅保留一定数目的全向天线基站。利用泰森多边形图对指定区域进行划分，相对于使用其他聚类算法，速度更快，即可实现基于当前的UE密度对基站进行控制。
需要说明的是，基于上述实施例一，本发明实施例还提供了相应的改进方案。在后续实施例中涉及与上述实施例一中相同步骤或相应步骤之间可相互参考，相应的有益效果也可相互参照，在下文的改进实施例中不再一一赘述。
实施例二：
为了使得基站调整更加准确，可以对划分的子区域进行修正。具体的，参照实施例时，可在执行完步骤S103之后，即对指定区域划分为K为子区域之后，对子区域进行修正。
具体的，请参考图2，图2本发明实施例中另一种基于UE密度的基站控制方法，该方法包括：
S201、利用指定区域内的各个基站，获取指定区域内各个UE分别对应的地理位置，并添加至地理位置集合中。
S202、构造与地理位置集合匹配的泰森多边形图。
S203、按照泰森多边形图中各个泰森多边形的几何特征，对指定区域进行划分，获得K个子区域。
S204、判断获得的最新子区域与上一次获得的子区域是否一致。
在获得K个子区域之后，判断K个子区域和上一次划分的K个子区域是否一致，如果是，则可以认为区域划分已达到最优；如果否，则表明当前的子区域还可能存在优化的空间，可以再次重复迭代过程，直到最新聚类结果与上一次聚类结果一致。需要说明的是，当聚类结果为第一次聚类的聚类结果，直接将判断结果定义为否。具体的，如果是，则执行步骤S205的操作。如果否，则执行步骤S207的操作。
S205、计算各个子区域的UE密度。
S206、对指定区域内的各个子区域，分别利用对应的UE密度对子区域内的基站进行调整。
S207、在K个子区域中分别计算质心，并将计算出的质心作为类簇中心点。
由于泰森多边形将指定区域划分为K个子区域，而每个子区域对应的泰森多边形即为一个簇。可以重新计算每个簇的质点，并重复执行将K个类簇中心点作为构造泰森多边形的质心，构造与地理位置集合匹配的泰森多边形图的步骤，以获得与地理位置集合更加匹配的子区域。即，执行完步骤S209之后，利用新计算出的类簇中心点，执行S202的操作。
需要说明的是，为了得到更为精准的聚类结果，可以反复迭代上述的聚类过程，直到最新的K个子区域与上一次的K个子区域一致时，对子区域进行UE密度计算。
当然，在实际应用中，可以仅迭代执行一次，即当利用当前获得的K个子区域重新确定聚类中心点之后，利用新的聚类中心点确定出新的K个子区域之后，便利用第二次获得的K个子区域，进行后续的UE密度计算和基站调整。
优选地，为了便于本领域技术人员理解本发明实施例所提供的技术方案，下面对将K个类簇中心点作为构造泰森多边形的质心，构造与地理位置集合匹配的泰森多边形图的步骤进行详细描述，构造泰森多边形图的具体实现过程包括：
步骤一、建立一个包括地理位置集合中的所有UE的目标几何图形。
其中，目标几何图形为三角形或多边形。
步骤二、向目标几何图形中依次插入类簇中心点，对每个插入的类簇中心点与包含自身的三角形三个顶点相连，形成三角网。
步骤三、对三角网进行LOP优化，获得Delaunay三角网。
为便于描述，下面将上述三个步骤结合起来进行说明。
请参考图3，图3为本发明实施例中利用逐点插入法构建Delaunay三角网的过程示意图。首先建立一个目标几何图形，该目标几何图形可以为三角形或者多边形，且该目标几何图形需覆盖地理位置集合中的所有UE。优选地，可直接利用指定区域的几何特征形状，作为构建泰森多边形的目标集合特征图形，以便后续按照泰森多边形图对指定区域进行区域划分。
利用逐点插入法向目标几何图形中依次插入类簇中心点，然后将插入的类簇中心点与包含其自身的三角形三个顶点相连接，形成三角网。然后逐个对三角网中新新形成的三角形进行空外接圆检测。对经过空外接圆检测之后的三角网进行LOP(LocalOptimization Procedure，局部优化过程)优化，可以获得Delaunay三角网。
其中，LOP优化过程请参考图4，图4为LOP优化过程示意图。具体的，在三角网中，将具有共同边的两个三角形合成一个多边形；以最大空圆准则检查合成的多边形的第四个顶点是否在三角形的外接圆之内；如果是，将对角线对调，获得Delaunay三角网。
步骤五、连接Delaunay三角网的三角形外接圆圆心，获得泰森多边形图。
请参考图5，图5为本发明实施例中利用Delaunay三角网构建泰森多边形的示意图。具体的，在Delaunay三角网的边缘，作垂直平分线与图廓相交，与图廓共同构成泰森多边形图。
为便于本领域技术人员理解和实施本发明实施例所提供的技术方案，下面将结合模拟实验数据对本发明实施例所提供的技术方案中的聚类过程，即对指定区域内的UE进行聚类，以便对指定区域进行区域划分的过程，进行详细描述。
请参考图6，图6为随机生成的数百个待聚类的地理位置集合数据示意图。在确定K个类簇中心点之后，将K个类簇中心点作为构建泰森多边形图的质心，为地理位置集合构建如图7所示的泰森多边形图。也就是说，根据计算出来的质点构造泰森多边形对地理位置集合进行空间的划分。参照图8，以多边形边界对空间进行划分，将每个多边形里面的点归为一个类，完成一轮迭代。需要说明的是，由于本申请应用了泰森多边形图(voronoi)，因此，在附图中使用voronoi表示本发明实施例所提供的聚类算法。
图9为本发明实施例所提供的利用泰森多边形进行聚类方法与K-Means聚类算法的运行时间的对比示意图。图10和图11均为不同样本数目下运行时间对比示意图。表1为本发明实施例所提供的聚类方法与K-Means聚类算法性能对比表：
Figure BDA0001729822130000121
表1
可以看出，随着样本数量的增大，本发明实施例所采用的聚类方法的聚类时间明显比K-Means聚类算法的运行时间更短，即聚类速度越快。
相应于上面的方法实施例，本发明实施例还提供了一种基于UE密度的基站控制装置，下文描述的基于UE密度的基站控制装置与上文描述的基于UE密度的基站控制方法可相互对应参照。
参见图12所示，该装置包括以下模块：
地理位置集合101，用于利用指定区域内的各个基站，获取指定区域内各个UE分别对应的地理位置，并添加至地理位置集合中；
泰森多边形图构造模块102，用于构造与地理位置集合匹配的泰森多边形图；
区域划分模块103，用于按照泰森多边形图中各个泰森多边形的几何特征，对指定区域进行划分，获得K个子区域；
UE密度计算模块104，用于计算各个子区域的UE密度；
基站调整模块105，用于对指定区域内的各个子区域，分别利用对应的UE密度对子区域内的基站进行调整。
应用本发明实施例所提供的装置，利用指定区域内的各个基站，获取指定区域内各个UE分别对应的地理位置，并添加至地理位置集合中；构造与地理位置集合匹配的泰森多边形图；按照泰森多边形图中各个泰森多边形的几何特征，对指定区域进行划分，获得K个子区域；计算各个子区域的UE密度；对指定区域内的各个子区域，分别利用对应的UE密度对子区域内的基站进行调整。由于UE需要与某个基站建立通信连接才能实现通信，因而可以利用基站获取UE的地理位置。在对某个指定区域内的基站进行管理时，便可利用基站将指定区域的所有UE的地理信息进行获取，并添加至地理位置集合中。为了使得指定区域内的基站的数目以及运行状态能够满足当前的用户的需求。可以将指定区域划分为与UE密度相对应的多个子区域。具体的，可利用泰森多边形图的特性，即每个泰森多边形里面所有的点与其质点的距离相对于其他质点是最近的特性。也就是说，可以利用泰森多边形快速将指定区域划分出多个子区域。然后，分别计算各个子区域的UE密度，并利用各个子区域的UE密度对该子区域的基站进行调整，以满足用户通信需求的同时，还可减少资源浪费。
具体的，在对基站进行调整时，可以在UE密度较大时，通过控制子区域内的基站数目或者运行状态增大整个子区域内的吞吐量(或UE连接数目)，例如，增加移动基站或者启动备用基站；当UE密度较小时，可将子区域内的基站仅保留一定数目的全向天线基站。利用泰森多边形图对指定区域进行划分，相对于使用其他聚类算法，速度更快，即可实现基于当前的UE密度对基站进行控制。
在本发明的一种具体实施方式中，泰森多边形图构造模块102，包括：
类簇中心点计算单元，用于在地理位置集合中，随机选择一个UE作为初始点，并利用初始点计算出K个类簇中心点；
泰森多边形图构建单元，用于将K个类簇中心点作为构造泰森多边形的质心，构造与地理位置集合匹配的泰森多边形图。
在本发明的一种具体实施方式中，类簇中心点计算单元，具体用于将初始点作为第一个类簇中心点；选择与第一个类簇中心点距离最远的UE作为第二个类簇中心点；依次选择与已有的各个类簇中心点的最近距离之和最大的UE作为新增类簇中心点，直到类簇中心点的个数为K。
在本发明的一种具体实施方式中，泰森多边形图构建单元，具体用于建立一个包括地理位置集合的所有UE的目标几何图形；其中目标几何图形为三角形或多边形；向目标几何图形中依次插入K个类簇中心点，对每个新插入的类簇中心点与包含自身的三角形三个顶点相连，形成三角网；利用空外接圆检测对三角网进行LOP优化，获得Delaunay三角网；连接Delaunay三角网的三角形外接圆圆心，获得泰森多边形图。
在本发明的一种具体实施方式中，还包括：
子区域修正模块，用于在获得K个子区域之后，在K个子区域中分别计算质心，并将计算出的质心作为类簇中心点；重复执行将K个类簇中心点作为构造泰森多边形的质心，构造与地理位置集合匹配的泰森多边形图的步骤，以修正子区域。
在本发明的一种具体实施方式中，子区域修正模块，具体用于判断获得的最新子区域与上一次获得的子区域是否一致；如果是，则计算各个子区域的UE密度；如果否，则在K个子区域中分别计算质心，并将计算出的质心作为类簇中心点的步骤。
在本发明的一种具体实施方式中，基站调整模块105，具体用于：对指定区域内的各个子区域，利用当前UE密度和历史UE密度，预估未来UE密度；利用未来UE密度，对子区域内的基站进行调整。
相应于上面的方法实施例，本发明实施例还提供了一种基于UE密度的基站控制设备，下文描述的一种基于UE密度的基站控制设备与上文描述的一种基于UE密度的基站控制方法可相互对应参照。
参见图13所示，该基于UE密度的基站控制设备包括：
存储器D1，用于存储计算机程序；
处理器D2，用于执行计算机程序时实现上述方法实施例的基于UE密度的基站控制方法的步骤。
相应于上面的方法实施例，本发明实施例还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种基于UE密度的基站控制方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的基于UE密度的基站控制方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想。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，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (9)

1.一种基于UE密度的基站控制方法，其特征在于，包括：
利用指定区域内的各个基站，获取所述指定区域内各个UE分别对应的地理位置，并添加至地理位置集合中；
构造与所述地理位置集合匹配的泰森多边形图；
按照所述泰森多边形图中各个泰森多边形的几何特征，对所述指定区域进行划分，获得K个子区域；
计算各个所述子区域的UE密度；
对所述指定区域内的各个子区域，分别利用对应的UE密度对子区域内的基站进行调整；
其中，所述构造与所述地理位置集合匹配的泰森多边形图，包括：
在所述地理位置集合中，随机选择一个UE作为初始点，并利用所述初始点计算出K个类簇中心点；
将K个所述类簇中心点作为构造泰森多边形的质心，构造与所述地理位置集合匹配的泰森多边形图。
2.根据权利要求1所述的基于UE密度的基站控制方法，其特征在于，利用所述初始点计算出K个类簇中心点，包括：
将所述初始点作为第一个类簇中心点；
选择与第一个类簇中心点距离最远的UE作为第二个类簇中心点；
依次选择与已有的各个所述类簇中心点的最近距离之和最大的UE作为新增类簇中心点，直到所述类簇中心点的个数为K。
3.根据权利要求1所述的基于UE密度的基站控制方法，其特征在于，所述将K个所述类簇中心点作为构造泰森多边形的质心，构造与所述地理位置集合匹配的泰森多边形图，包括：
建立一个包括所述地理位置集合的所有UE的目标几何图形；其中所述目标几何图形为三角形或多边形；
向所述目标几何图形中依次插入K个所述类簇中心点，对每个新插入的类簇中心点与包含自身的三角形三个顶点相连，形成三角网；
利用空外接圆检测对所述三角网进行LOP优化，获得Delaunay三角网；
连接所述Delaunay三角网的三角形外接圆圆心，获得泰森多边形图。
4.根据权利要求1所述的基于UE密度的基站控制方法，其特征在于，在所述获得K个子区域之后，还包括：
在K个所述子区域中分别计算质心，并将计算出的质心作为类簇中心点；
重复执行所述将K个所述类簇中心点作为构造泰森多边形的质心，构造与所述地理位置集合匹配的泰森多边形图的步骤，以修正子区域。
5.根据权利要求4所述的基于UE密度的基站控制方法，其特征在于，修正子区域，包括：
判断获得的最新子区域与上一次获得的子区域是否一致；
如果是，则计算各个所述子区域的UE密度；
如果否，则在K个所述子区域中分别计算质心，并将计算出的质心作为类簇中心点的步骤。
6.根据权利要求1至5任一项所述的基于UE密度的基站控制方法，其特征在于，所述对所述指定区域内的各个子区域，分别利用对应的UE密度对子区域内的基站进行调整，包括：
对所述指定区域内的各个子区域，利用当前UE密度和历史UE密度，预估未来UE密度；
利用所述未来UE密度，对子区域内的基站进行调整。
7.一种基于UE密度的基站控制装置，其特征在于，包括：
地理位置集合，用于利用指定区域内的各个基站，获取所述指定区域内各个UE分别对应的地理位置，并添加至地理位置集合中；
泰森多边形图构造模块，用于构造与所述地理位置集合匹配的泰森多边形图；
区域划分模块，用于按照所述泰森多边形图中各个泰森多边形的几何特征，对所述指定区域进行划分，获得K个子区域；
UE密度计算模块，用于计算各个所述子区域的UE密度；
基站调整模块，用于对所述指定区域内的各个子区域，分别利用对应的UE密度对子区域内的基站进行调整；
其中，所述泰森多边形图构造模块，包括：
类簇中心点计算单元，用于在所述地理位置集合中，随机选择一个UE作为初始点，并利用所述初始点计算出K个类簇中心点；
泰森多边形图构建单元，用于将K个所述类簇中心点作为构造泰森多边形的质心，构造与所述地理位置集合匹配的泰森多边形图。
8.一种基于UE密度的基站控制设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述基于UE密度的基站控制方法的步骤。
9.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于UE密度的基站控制方法的步骤。
CN201810769165.3A 2018-07-13 2018-07-13 一种基于ue密度的基站控制方法、装置 Active CN108924746B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810769165.3A CN108924746B (zh) 2018-07-13 2018-07-13 一种基于ue密度的基站控制方法、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810769165.3A CN108924746B (zh) 2018-07-13 2018-07-13 一种基于ue密度的基站控制方法、装置

Publications (2)

Publication Number Publication Date
CN108924746A CN108924746A (zh) 2018-11-30
CN108924746B true CN108924746B (zh) 2020-10-23

Family

ID=64412598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810769165.3A Active CN108924746B (zh) 2018-07-13 2018-07-13 一种基于ue密度的基站控制方法、装置

Country Status (1)

Country Link
CN (1) CN108924746B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109729498B (zh) * 2019-02-27 2021-10-22 重庆邮电大学 一种基于维诺图的自适应节点选择的目标跟踪方法及系统
CN110087246A (zh) * 2019-04-12 2019-08-02 杭州海兴泽科信息技术有限公司 基于地理格网的rf终端设备空间聚类方法
CN110933682B (zh) * 2019-11-28 2020-08-04 广西华蓝岩土工程有限公司 一种无人机基站自动选址方法
CN113361944B (zh) * 2021-06-21 2022-04-22 鑫安利中（北京）科技有限公司 基于物联网和人工智能的安全生产指标异常快速感知方法
CN113645633B (zh) * 2021-08-06 2023-10-31 杭州海兴泽科信息技术有限公司 一种主干网络规划方法及存储介质
CN115550939B (zh) * 2022-09-05 2024-03-29 中国联合网络通信集团有限公司 一种基站选址方法、装置及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104349332A (zh) * 2013-08-01 2015-02-11 中国移动通信集团设计院有限公司 一种网络结构优化方法及装置
CN106060920A (zh) * 2016-05-27 2016-10-26 中国联合网络通信集团有限公司 热点区域确定方法和系统
CN106127109A (zh) * 2016-06-13 2016-11-16 宁波工程学院 一种大型公共场所的行人密度计算方法
CN106455058A (zh) * 2016-12-02 2017-02-22 中国联合网络通信集团有限公司 一种确定人口分布情况的方法及装置
CN106576394A (zh) * 2014-08-01 2017-04-19 Sk电信有限公司 基站控制设备以及基站控制设备的操作方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9179185B2 (en) * 2013-03-14 2015-11-03 The Nielsen Company (Us), Llc Methods and apparatus to determine a number of people in an area

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104349332A (zh) * 2013-08-01 2015-02-11 中国移动通信集团设计院有限公司 一种网络结构优化方法及装置
CN106576394A (zh) * 2014-08-01 2017-04-19 Sk电信有限公司 基站控制设备以及基站控制设备的操作方法
CN106060920A (zh) * 2016-05-27 2016-10-26 中国联合网络通信集团有限公司 热点区域确定方法和系统
CN106127109A (zh) * 2016-06-13 2016-11-16 宁波工程学院 一种大型公共场所的行人密度计算方法
CN106455058A (zh) * 2016-12-02 2017-02-22 中国联合网络通信集团有限公司 一种确定人口分布情况的方法及装置

Also Published As

Publication number Publication date
CN108924746A (zh) 2018-11-30

Similar Documents

Publication Publication Date Title
CN108924746B (zh) 一种基于ue密度的基站控制方法、装置
EP2892267B1 (en) Network resource optimization in communication networks
EP1178694A1 (en) Methods and apparatus for design, adjustment or operation of wireless networks using pre-frequency-assignment optimization
WO2015086079A1 (en) Method and network node for broadcasting
CN101583133B (zh) 在蜂窝式远程通信网络中将基站分配到位置区域
CN109618285B (zh) 一种基于覆盖树的基站控制方法、装置及设备
CN112469060B (zh) 一种天线参数确定方法及装置
CN104684095A (zh) 一种异构网络融合场景中基于遗传运算的资源分配方法
KR20170109206A (ko) 무선 통신에서 파일의 전송 성공 확률을 고려하여 캐싱 확률을 결정하는 방법 및 장치
CN104080094A (zh) 一种调整小区天线方位角的方法和装置
CN111133785B (zh) 用于无线通信系统中进行网络设计的分析方法和设备
CN113131974A (zh) 一种基于3dmimo的天线权值自动寻优的方法及装置
Ghosh et al. Coverage and rate analysis in two‐tier heterogeneous networks under suburban and urban scenarios
CN110248369B (zh) 一种小区容量的调整方法及装置
CN109565756B (zh) 用于控制发射功率的方法、移动台和基站
CN110621025B (zh) 一种设备选型方法和装置
St Jean et al. Bayesian game-theoretic modeling of transmit power determination in a self-organizing CDMA wireless network
WO2015084149A1 (en) A system and method for managing availability of radio frequency in a cooperative network
CN113329411B (zh) 一种无线网络规划方法及装置
CN114281914A (zh) 天线安装的调整方法、装置及电子设备、存储介质
CN110719594B (zh) 一种设备选型方法和装置
CN112020006A (zh) 天线调整方法、装置、设备及计算机存储介质
CN110708703B (zh) 一种设备选型方法和装置
CN114697996B (zh) 网络优化处理方法、装置、设备及存储介质
CN110636512B (zh) 一种设备选型方法和装置

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
TR01 Transfer of patent right

Effective date of registration: 20220112

Address after: 518000 4th floor, Tsinghua Ziguang science and Technology Park, No. 13, Langshan Road, songpingshan community, Xili street, Nanshan District, Shenzhen, Guangdong

Patentee after: Shenzhen Aibo Communication Co.,Ltd.

Address before: 510006 No. 100 West Ring Road, Panyu District University, Guangdong, Guangzhou

Patentee before: GUANGDONG University OF TECHNOLOGY

TR01 Transfer of patent right