CN109391946B - 一种基站簇规划的方法及装置 - Google Patents

Abstract

本发明实施例提供一种基站簇规划的方法及装置，该方法包括：根据待规划区内邻区对C_k‑h的MR信息，确定所述邻区对C_k‑h的邻区对关联度，所述邻区对C_k‑h包括主小区Cell_k和邻小区NCell_h，其中k和h均为大于1的整数；根据主小区Cell_k的主小区标识和邻小区NCell_h的邻小区标识，确定所述邻区对C_k‑h的邻区对距离；根据所述邻区对关联度和所述邻区对距离，从所有邻区对中选取所述邻区对关联度大于预设关联度阈值且所述邻区对距离小于预设距离阈值的邻区对组成高关联小区集；根据所述高关联小区集，确定所述待规划区的基站簇。本发明实施例能够显著降低人力成本，提高基站簇规划效率，降低误差，进一步提高网络性能。

Description

一种基站簇规划的方法及装置

技术领域

本发明实施例涉及通信技术领域，尤其涉及一种基站簇规划的方法及装置。

背景技术

随着智能终端的快速发展，LTE网络的广泛覆盖，LTE基站的数量与日俱增。移动通信网络也随之面临3大难题：站址获取难，系统内干扰上升，建站成本高。在此环境下CRAN技术应运而生，所谓CRAN即Clean(节能减排)，Centralized(集中处理)，Cooperative(协作式无线电)和Cloud(利用了云计算能力的软硬件平台)的绿色无线接入网。CRAN技术的核心内容为将多个基站部署在同一机房内，即多基站共用机房，减少机房需求数量，降低建站成本，同时同一机房内的基站之间互相协同降低系统干扰、提升网络性能。

为了更有效的利用CRAN技术，就需要评估现有基站间的关联度，关联度越高的基站放在同一个机房，其所带来的网络性能提升效果越明显。一般将高关联度的基站集合称为CRAN簇，也称为基站簇，如何规划CRAN簇就成为了最重要的任务。

目前，在没有相应规划工具的情况下，规划CRAN簇主要是靠人工执行，完全凭借经验。一方面，若从规划角度和优化角度这两个角度分别进行规划，规划方案可能不一致，导致最后还需要融合两种不同角度的规划方案，费时费力且误差较大；另一方面，目前也只能基于一阶邻区关系进行划分，即：某区域内有多个小区，人工在进行CRAN簇划分时，方法是以某小区A为中心形成一个放射状的邻区关系图，如图6所示。也即，在该CRAN簇内，除A小区外的其余小区都只和A小区有关系，而各其余小区之间没有任何关系，与现网的实际情况不符，而且以此形成的CRAN簇的网络性能提升效果也较低。

发明内容

为解决现有基站簇规划方法存在的费时费力、效率低且误差大以及形成的基站簇与现网的实际情况相差较大的问题，本发明实施例提供一种基站簇规划的方法及装置。

第一方面，本发明实施例提供一种基站簇规划的方法，该方法包括：

根据待规划区内邻区对C_k-h的MR信息，确定所述邻区对C_k-h的邻区对关联度，所述邻区对C_k-h包括主小区Cell_k和邻小区NCell_h，其中k和h均为大于1的整数；

根据主小区Cell_k的主小区标识和邻小区NCell_h的邻小区标识，确定所述邻区对C_k-h的邻区对距离；

根据所述邻区对关联度和所述邻区对距离，从所有邻区对中选取所述邻区对关联度大于预设关联度阈值且所述邻区对距离小于预设距离阈值的邻区对组成高关联小区集；

根据所述高关联小区集，确定所述待规划区的基站簇。

第二方面，本发明实施例提供一种基站簇规划的装置，该装置包括：

邻区对关联度单元，根据待规划区内邻区对C_k-h的MR信息，确定所述邻区对C_k-h的邻区对关联度，所述邻区对C_k-h包括主小区Cell_k和邻小区NCell_h，其中k和h均为大于1的整数；

邻区对距离单元，根据主小区Cell_k的主小区标识和邻小区NCell_h的邻小区标识，确定所述邻区对C_k-h的邻区对距离；

选择单元，根据所述邻区对关联度和所述邻区对距离，从所有邻区对中选取所述邻区对关联度大于预设关联度阈值且所述邻区对距离小于预设距离阈值的邻区对组成高关联小区集；

确定单元，根据所述高关联小区集，确定所述待规划区的基站簇。

第三方面，本发明实施例还提供一种电子设备，该电子设备包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：根据待规划区内邻区对C_k-h的MR信息，确定所述邻区对C_k-h的邻区对关联度，所述邻区对C_k-h包括主小区Cell_k和邻小区NCell_h，其中k和h均为大于1的整数；根据主小区Cell_k的主小区标识和邻小区NCell_h的邻小区标识，确定所述邻区对C_k-h的邻区对距离；根据所述邻区对关联度和所述邻区对距离，从所有邻区对中选取所述邻区对关联度大于预设关联度阈值且所述邻区对距离小于预设距离阈值的邻区对组成高关联小区集；根据所述高关联小区集，确定所述待规划区的基站簇。

第四方面，本发明实施例还提供一种计算机可读存储介质，其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下方法：根据待规划区内邻区对C_k-h的MR信息，确定所述邻区对C_k-h的邻区对关联度，所述邻区对C_k-h包括主小区Cell_k和邻小区NCell_h，其中k和h均为大于1的整数；根据主小区Cell_k的主小区标识和邻小区NCell_h的邻小区标识，确定所述邻区对C_k-h的邻区对距离；根据所述邻区对关联度和所述邻区对距离，从所有邻区对中选取所述邻区对关联度大于预设关联度阈值且所述邻区对距离小于预设距离阈值的邻区对组成高关联小区集；根据所述高关联小区集，确定所述待规划区的基站簇。

本发明实施例提供的基站簇规划的方法及装置，根据邻区对的MR信息，确定小区间的关联度，然后采用预设的小区间距离、关联强度等条件筛选符合要求的高关联邻区对形成网状的高关联小区集，最后再映射到基站上，形成网状的基站簇。本发明实施例基于MR数据，能够准确的判断各小区之间的相互关系，形成一个网状的关系图，更加接近现网实际情况且降低了误差；并且与人工规划方法相比，能够显著降低人力成本，提高基站簇规划效率；此外，通过形成网状的基站簇，进一步提高了网络性能。

附图说明

图1为本发明实施例提供的基站簇规划的方法的流程示意图；

图2为本发明实施例提供的高关联小区集的示意图；

图3为本发明实施例提供的基站簇进行合并的示意图；

图4为本发明实施例提供的基站簇规划的装置的结构示意图；

图5为本发明实施例提供的电子设备的结构框图；

图6为现有技术中的一阶邻区关系图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例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。

图1为本发明实施例提供的基站簇规划的方法的流程示意图。如图1所示，该方法包括以下步骤：

S101、根据待规划区内邻区对C_k-h的MR信息，确定所述邻区对C_k-h的邻区对关联度，所述邻区对C_k-h包括主小区Cell_k和邻小区NCell_h，其中k和h均为大于1的整数；

具体地，待规划区内包含多个主小区和多个邻小区，主小区为UE所在的服务小区，相应地，与该服务小区相邻的小区为邻小区，一个主小区可以有多个邻小区，一个主小区与一个邻小区即组成一个邻区对。将主小区Cell_k和邻小区NCell_h组成的邻区对表示为C_k-h。UE在使用网络时会向基站周期性地上报针对主小区Cell_k和邻小区NCell_h的测量信息，也即邻区对C_k-h的MR信息。邻区对关联度用于指示主小区Cell_k和邻小区NCell_h之间的相互干扰的严重程度。服务器根据邻区对C_k-h的MR信息，确定该邻区对C_k-h的邻区对关联度。

S102、根据主小区Cell_k的主小区标识和邻小区NCell_h的邻小区标识，确定所述邻区对C_k-h的邻区对距离；

具体地，可以预先在本地存储或第三方服务器上存储小区标识和与该小区标识对应的小区位置信息的索引列表。如此，可以根据主小区Cell_k的主小区标识和邻小区NCell_h的邻小区标识，分别获取主小区Cell_k和邻小区NCell_h的小区位置信息，根据二者的位置信息从而确定该邻区对C_k-h的邻区对距离。

S103、根据所述邻区对关联度和所述邻区对距离，从所有邻区对中选取所述邻区对关联度大于预设关联度阈值且所述邻区对距离小于预设距离阈值的邻区对组成高关联小区集；

具体地，首先，预设关联度阈值和预设距离阈值的大小可根据以下列举的实际情况进行调整。例如：待规划区内基站分布的密集程度、待规划区内的邻区对数量、小区之间的重叠覆盖程度以及待规划区内的业务量情况等。例如杭州主城区内相邻基站间的平均距离约为300m，此时就可将预设距离阈值设定为300m。

然后，可以预先在本地存储或第三方服务器上存储一个邻区对数据列表，如表1所示，该数据列表中至少含有以下信息：主小区标识、邻小区标识、邻区对关联度以及邻区对距离。如此，服务器根据该数据列表，从所有邻区对中选取所述邻区对关联度大于预设关联度阈值且所述邻区对距离小于预设距离阈值的邻区对，将这些满足条件的互相关联的邻区对组成一个高关联小区集。

表1邻区对数据列表

主小区标识	邻小区标识	邻区对关联度	邻区对距离
				Cell<sub>1</sub>	NCell<sub>2</sub>	Q<sub>1-2</sub>	D<sub>1-2</sub>

图2为本发明实施例提供的高关联小区集的示意图。如图2所示，本发明实施例所形成的邻区关系图是一个类神经网络的网状图，可比较真实地反映现网实际情况。

S104、根据所述高关联小区集，确定所述待规划区的基站簇。

具体地，将所述高关联小区集中的各个小区映射到各个基站上，从而确定所述待规划区的基站簇。

本发明实施例提供的基站簇的规划方法，服务器先根据邻区对的MR信息，确定小区间的关联度，然后采用预设的小区间距离、关联强度等条件筛选符合要求的高关联邻区对形成网状的高关联小区集，最后再映射到基站上，形成网状的基站簇。本发明实施例基于MR信息，能够准确的判断各小区之间的相互关系，形成一个网状的邻区关系图，更加接近现网实际情况且降低了误差；并且与人工规划方法相比，能够显著降低人力成本，提高基站簇规划效率；此外，通过形成网状的基站簇，进一步提高了网络性能。

在上述实施例的基础上，该方法中的根据待规划区内邻区对C_k-h的MR信息，确定所述邻区对C_k-h的邻区对关联度，具体包括：

根据N_k-h和M_k，确定第一权值X_k-h；

根据S_k-h和所述N_k-h，确定第二权值Y_k-h；

根据所述第一权值X_k-h和所述第二权值Y_k-h，确定所述邻区对C_k-h的邻区对关联度Q_k-h；

其中，所述N_k-h表示邻区对C_k-h的MR信息的信息个数；所述M_k表示所述主小区Cell_k与h个邻小区NCell组成的所有邻区对的MR信息的信息个数；所述S_k-h表示邻区对C_k-h的MR信息中所述主小区Cell_k的RSRP值和所述邻小区NCell_h的RSRP值的差小于等于预设RSRP差值的MR信息的信息个数。

具体地，通过对邻区对C_k-h的MR信息进行统计，可以得到该邻区对C_k-h中MR信息的个数N，也即该邻区对C_k-h有N个MR采样点，为了区分不同邻区的MR采样点，用N_k-h表示邻区对C_k-h的MR信息的信息个数。一个主小区与多个邻小区组成多个邻区对，用M_k表示主小区Cell_k与h个邻小区NCell组成的所有邻区对的MR信息的信息个数，例如，M_k＝N_k-2+N_k-3+……N_k-h，其中k＝1，2…K，K表示待规划区内主小区的总个数。所述MR信息中包括主小区的RSRP值(也称为电平强度值)和邻小区的RSRP值，通过计算主小区与邻小区之间的RSRP差值，从N_k-h个MR信息中选出该差值小于等于预设RSRP差值的MR信息，统计其个数并用S_k-h表示。

所述第一权值X_k-h用于指示邻区对C_k-h所对应的主小区Cell_k和邻小区NCell_h交叉覆盖范围内的用户量情况，该X_k-h值越高，则对应的两小区间的关联越强。

所述第二权值Y_k-h用于指示邻区对C_k-h所对应的主小区Cell_k和邻小区NCell_h的重叠覆盖情况，该Y_k-h值越高，则对应的两小区间的相互干扰越强。本发明实施例中，所谓重叠覆盖指主小区与邻小区的RSRP差值小于等于预设RSRP差值，则记为重叠覆盖，例如，按照目前现有技术中对重叠覆盖的定义，该预设RSRP差值为6dB，但是本发明实施例中的预设RSRP差值并不限于此，可根据具体情况进行调整。

所述邻区对关联度Q_k-h用于指示邻区对C_k-h所对应的主小区Cell_k和邻小区NCell_h之间相关性的综合强度。

本发明实施例提供的基站簇规划的方法，通过综合考虑小区之间交叉覆盖区内的用户情况和小区间的重叠覆盖情况，最后确定小区间相关性的综合强度，从而可以准确判断各小区间的关联关系，进一步提高基站簇规划的准确率，极大地较低了误差；并且，本发明实施例无需人工，提高了基站簇规划效率；此外，通过形成网状的基站簇，进一步提高了网络性能。

在上述各实施例的基础上，该方法中所述确定第一权值X_k-h，根据下式确定：

X_k-h＝N_k-h/M_k；

所述确定第二权值Y_k-h，根据下式确定：

Y_k-h＝S_k-h/N_k-h。

在上述各实施例的基础上，该方法中的所述确定所述邻区对C_k-h的邻区对关联度Q_k-h，根据下式确定：

Q_k-h＝X_k-h*Y_k-h。

本发明实施例提供的基站簇规划的方法，通过上述方法计算邻区关联度，计算方法简单快捷，极大地提高了效率，便于应用。

在上述各实施例的基础上，该方法中的根据所述高关联小区集，确定所述待规划区的基站簇，具体包括：

根据所述高关联小区集中的每个小区与基站之间的预设对应关系，确定所述待规划区域的基站簇。

具体地，所述基站簇是以基站为单位，而不是以小区为单位，一个基站一般有多个小区，每个小区都有自己的网状邻区对关系，将同基站小区的网状邻区对关系汇总即形成了基站簇。实际应用中，可以预先在本地或者第三方服务器上存储小区与基站之间的对应关系的数据表，例如，该数据表可以包括：小区标识和与该小区标识相对应的基站标识。如此，服务器可根据该数据表，将高关联小区集中的每个小区分别对应到每个基站，从而形成对应该高关联小区集的基站簇。

例如，某高关联小区集中包含5个小区(此处不区分主小区和邻小区，均以主小区形式进行表示)：Cell₁、Cell₂、Cell₄、Cell₅、Cell₆，通过查询预设对应关系的数据列表，得知它们分别归属于5个不同的基站，则最终形成一个5个基站组成的基站簇。若Cell2和Cell4归属同一个站，那么最终形成基站簇的时候会将二者汇总，形成一个4个基站组成的基站簇。在实际操作中也可直接将邻区对关系映射成基站对关系，互相关联的基站组成一个基站簇即可。

本发明实施例提供的基站簇规划的方法，通过将小区与基站进行关联，从而将高关联小区集与基站簇进行关联，简单快捷，便于操作，并且能够准确形成一个网状的基站关系图，更加接近现网实际情况且降低了误差；并且与人工规划方法相比，能够显著降低人力成本，提高基站簇规划效率；此外，通过形成网状的基站簇，进一步提高了网络性能。

在上述各实施例的基础上，该方法还包括以下步骤S100，该步骤又包括以下两个子步骤(未在图1中示出)：

S1001、获取待规划区域的MRO数据；

S1002、根据所述MRO数据，确定邻区对C_k-h的MR信息。

具体地，服务器从OMC网管获取待规划区的MRO数据，MRO数据指周期性的测量报告文件；根据MRO数据，可以获知该待规划区内有K个主小区Cell_k和H个邻小区NCell_h，也即该待规划区包含T个小区，此处T≠K+H，因为一个服务小区既可以是主小区也可以是邻小区，即Cell₁＝NCell₁，当所收集的MRO数据为全网小区时，T＝K＝H。其中，1个主小区与1个邻小区即可组成一个邻区对，用C_k-h表示。然后，服务器根据该MRO数据，可以确定邻区对C_k-h的MR信息。

本发明实施例提供的基站簇规划的方法，基于MRO数据，可以准确地判断各小区间的相互关系，基于此形成的基站簇则更加接近现网实际情况，从而极大地提高了网络性能。

在上述各实施例的基础上，该方法还包括以下步骤S105(未在图1中示出)：

S105、若判断获知所述待规划区内包含至少两个满足预设合并条件的待合并基站簇，则按照预设合并规则对所述待合并基站簇进行合并；

其中，所述预设合并条件包括：

所述待合并基站簇中的基站数小于预设基站阈值；

所述待合并基站簇之间的簇中心距离小于所述预设距离阈值；

所述预设合并规则包括：

优先选择基站数较少且所述簇中心距离较近的待合并基站簇进行合并；并且合并之后的新基站簇中的基站数不大于所述预设基站阈值。

具体地，在步骤104后形成的基站簇中，可能存在基站数量较少的基站簇，因此需要对这些基站簇进行整合。预设合并条件如下：第一、该待规划区内至少包含两个待合并基站簇，该待合并基站簇是指其包含的基站数小于预设基站阈值；第二、这些待合并基站簇间的簇中心距离需小于预设距离阈值。若服务器通过判断获知待规划区和待合并基站簇同时满足上述两个条件，则按照预设规则对所述基站簇进行合并，组成一个新的基站簇。预设合并规则如下：第一、优先选择基站数少且簇中心距离近的簇进行合并；第二、合并后形成的新基站簇内基站数不大于预设基站阈值。

例如，图3为本发明实施例提供的基站簇进行合并的示意图。如图3所示，假设预设基站阈值为10，预设距离阈值为300m，某区域内存在两个待合并基站簇，其中待合并基站簇1为一个5基站簇，待合并基站簇2为一个2基站簇，此时两个基站簇的簇中心距离又在300m之内，则将这两个基站簇进行合并，从而最终形成一个7基站簇。

本发明实施例提供的基站簇规划的方法，通过设置基站簇合并条件和基站簇合并规则，可以根据实际情况得到符合预期规模的基站簇，灵活度好。

图4为本发明实施例提供的基站簇规划的装置的结构示意图。如图4所示，该装置包括：邻区对关联度单元401、邻区对距离单元402、选择单元403以及确定单元404。其中：

邻区对关联度单元401根据待规划区内邻区对C_k-h的MR信息，确定所述邻区对C_k-h的邻区对关联度，所述邻区对C_k-h包括主小区Cell_k和邻小区NCell_h，其中k和h均为大于1的整数；邻区对距离单元402根据主小区Cell_k的主小区标识和邻小区NCell_h的邻小区标识，确定所述邻区对C_k-h的邻区对距离；选择单元403根据所述邻区对关联度和所述邻区对距离，从所有邻区对中选取所述邻区对关联度大于预设关联度阈值且所述邻区对距离小于预设距离阈值的邻区对组成高关联小区集；确定单元404根据所述高关联小区集，确定所述待规划区的基站簇。

具体地，邻区对关联度单元401根据MR信息确定邻区对关联度；邻区对距离单元402根据各小区标识确定邻区对距离；接着，选择单元403根据上述邻区对关联度和邻区对距离，形成高关联小区集；最后，确定单元404通过将高关联小区集中的各小区映射至基站而形成基站簇。本发明实施例提供的装置是为了实现上述方法的，具体可参考上述方法实施例，此处不再赘述。

本发明实施例提供的基站簇规划的装置，邻区对关联度单元能够准确的判断各小区之间的相互关系，从而选择单元形成一个网状的邻区关系图，使得确定单元得到的基站簇更加接近现网实际情况。因此，该装置降低了误差；并且与人工规划方法相比，能够显著降低人力成本，提高基站簇规划效率；此外，通过形成网状的基站簇，进一步提高了网络性能。

在上述实施例的基础上，该装置中的邻区对关联度单元具体包括：第一关联度子单元、第二关联度子单元以及第三关联度子单元。其中：

第一关联度子单元用于根据N_k-h和M_k，确定第一权值X_k-h；

第二关联度子单元用于根据S_k-h和所述N_k-h，确定第二权值Y_k-h；

第三关联度子单元用于根据根据所述第一权值X_k-h和所述第二权值Y_k-h，确定所述邻区对C_k-h的邻区对关联度Q_k-h；

其中，所述N_k-h表示邻区对C_k-h的MR信息的信息个数；所述M_k表示所述主小区Cell_k与h个邻小区NCell组成的所有邻区对的MR信息的信息个数；所述S_k-h表示邻区对C_k-h的MR信息中所述主小区Cell_k的RSRP值和所述邻小区NCell_h的RSRP值的差小于等于预设RSRP差值的MR信息的信息个数。

具体地，第三关联度子单元根据第一关联度子单元计算得到的第一权值以及第二关联度子单元计算得到的第二权值，确定邻区邻区对关联度。本发明实施例提供的装置是为了实现上述方法的，具体可参考上述方法实施例，此处不再赘述。

本发明实施例提供的基站簇规划的装置，第一关联子单元和第二关联子单元通过综合考虑小区之间交叉覆盖区内的用户情况和小区间的重叠覆盖情况，最后第三关联子单元确定小区间相关性的综合强度。因此，该装置可以准确判断各小区间的关联关系，进一步提高基站簇规划的准确率，极大地较低了误差；并且，本发明实施例无需人工，提高了基站簇规划效率；此外，通过形成网状的基站簇，进一步提高了网络性能。

可选地，该装置中的第一关联子单元具体用于根据下式确定X_k-h：

X_k-h＝N_k-h/M_k；

该装置中的第二关联子单元具体用于根据下式确定Y_k-h：

Y_k-h＝S_k-h/N_k-h。

可选地，该装置中的第三关联子单元具体用于根据下式确定Q_k-h：

Q_k-h＝X_k-h*Y_k-h。

在上述各实施例的基础上，该装置还包括获取单元，该获取单元用于获取待规划区域的MRO数据；根据所述MRO数据，确定邻区对C_k-h的MR信息。

具体地，获取单元通过获取待规划区域的MRO数据确定邻区对的MR信息，其余单元的功能与上述实施例相同，此处不再赘述。

在上述各实施例的基础上，该装置还包括判断单元，该判断单元若判断获知所述待规划区内包含至少两个满足预设合并条件的待合并基站簇，则按照预设合并规则对所述待合并基站簇进行合并；

其中，所述预设合并条件包括：

所述待合并基站簇中的基站数小于预设基站阈值；

所述待合并基站簇之间的簇中心距离小于所述预设距离阈值；

所述预设合并规则包括：

优先选择基站数较少且所述簇中心距离较近的待合并基站簇进行合并；并且合并之后的新基站簇中的基站数不大于所述预设基站阈值。

具体地，判断单元根据确定单元确定的基站簇的情况，从而根据实际情况决定是否对某些基站簇进行合并，其余单元的功能与上述实施例相同，此处不再赘述。

本发明实施例提供的基站簇规划的装置，判断单元通过设置基站簇合并条件和基站簇合并规则，可以根据实际情况得到符合预期规模的基站簇，灵活度好。

图5为本发明实施例提供的电子设备的结构框图。如图5所示，该电子设备包括：存储器502和处理器501，所述处理器501和所述存储器502通过总线503完成相互间的通信；所述存储器502存储有可被所述处理器执行的程序指令，所述处理器501调用所述程序指令能够执行如下方法，例如包括：根据待规划区内邻区对C_k-h的MR信息，确定所述邻区对C_k-h的邻区对关联度，所述邻区对C_k-h包括主小区Cell_k和邻小区NCell_h，其中k和h均为大于1的整数；根据主小区Cell_k的主小区标识和邻小区NCell_h的邻小区标识，确定所述邻区对C_k-h的邻区对距离；根据所述邻区对关联度和所述邻区对距离，从所有邻区对中选取所述邻区对关联度大于预设关联度阈值且所述邻区对距离小于预设距离阈值的邻区对组成高关联小区集；根据所述高关联小区集，确定所述待规划区的基站簇。

本发明实施例还提供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：根据待规划区内邻区对C_k-h的MR信息，确定所述邻区对C_k-h的邻区对关联度，所述邻区对C_k-h包括主小区Cell_k和邻小区NCell_h，其中k和h均为大于1的整数；根据主小区Cell_k的主小区标识和邻小区NCell_h的邻小区标识，确定所述邻区对C_k-h的邻区对距离；根据所述邻区对关联度和所述邻区对距离，从所有邻区对中选取所述邻区对关联度大于预设关联度阈值且所述邻区对距离小于预设距离阈值的邻区对组成高关联小区集；根据所述高关联小区集，确定所述待规划区的基站簇。

本发明实施例还提供一种计算机可读存储介质，所述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：根据待规划区内邻区对C_k-h的MR信息，确定所述邻区对C_k-h的邻区对关联度，所述邻区对C_k-h包括主小区Cell_k和邻小区NCell_h，其中k和h均为大于1的整数；根据主小区Cell_k的主小区标识和邻小区NCell_h的邻小区标识，确定所述邻区对C_k-h的邻区对距离；根据所述邻区对关联度和所述邻区对距离，从所有邻区对中选取所述邻区对关联度大于预设关联度阈值且所述邻区对距离小于预设距离阈值的邻区对组成高关联小区集；根据所述高关联小区集，确定所述待规划区的基站簇。

最后应说明的是：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 (7)

1.一种基站簇规划的方法，其特征在于，包括：

根据待规划区内邻区对C_k-h的MR信息，确定所述邻区对C_k-h的邻区对关联度，所述邻区对C_k-h包括主小区Cell_k和邻小区NCell_h，其中k和h均为大于1的整数；

根据主小区Cell_k的主小区标识和邻小区NCell_h的邻小区标识，确定所述邻区对C_k-h的邻区对距离；

根据所述邻区对关联度和所述邻区对距离，从所有邻区对中选取所述邻区对关联度大于预设关联度阈值且所述邻区对距离小于预设距离阈值的邻区对组成高关联小区集；

根据所述高关联小区集，确定所述待规划区的基站簇；

所述根据待规划区内邻区对C_k-h的MR信息，确定所述邻区对C_k-h的邻区对关联度，具体包括：

根据N_k-h和M_k，确定第一权值X_k-h；

根据S_k-h和所述N_k-h，确定第二权值Y_k-h；

根据所述第一权值X_k-h和所述第二权值Y_k-h，确定所述邻区对C_k-h的邻区对关联度Q_k-h；

其中，所述N_k-h表示邻区对C_k-h的MR信息的信息个数；所述M_k表示所述主小区Cell_k与h个邻小区NCell组成的所有邻区对的MR信息的信息个数；所述S_k-h表示邻区对C_k-h的MR信息中所述主小区Cell_k的RSRP值和所述邻小区NCell_h的RSRP值的差小于等于预设RSRP差值的MR信息的信息个数；

所述确定第一权值X_k-h，根据下式确定：

X_k-h＝N_k-h/M_k；

所述确定第二权值Y_k-h，根据下式确定：

Y_k-h＝S_k-h/N_k-h；

所述确定所述邻区对C_k-h的邻区对关联度Q_k-h，根据下式确定：

Q_k-h＝X_k-h*Y_k-h。

2.根据权利要求1所述的方法，其特征在于，所述根据所述高关联小区集，确定所述待规划区的基站簇，具体包括：

根据所述高关联小区集中的每个小区与基站之间的预设对应关系，确定所述待规划区的基站簇。

3.根据权利要求1所述的方法，其特征在于，还包括：

获取待规划区域的MRO数据；

根据所述MRO数据，确定邻区对C_k-h的MR信息。

4.根据权利要求1所述的方法，其特征在于，还包括：

若判断获知所述待规划区内包含至少两个满足预设合并条件的待合并基站簇，则按照预设合并规则对所述待合并基站簇进行合并；

其中，所述预设合并条件包括：

所述待合并基站簇中的基站数小于预设基站阈值；

所述待合并基站簇之间的簇中心距离小于所述预设距离阈值；

所述预设合并规则包括：

优先选择基站数较少且所述簇中心距离较近的待合并基站簇进行合并；并且合并之后的新基站簇中的基站数不大于所述预设基站阈值。

5.一种基站簇规划的装置，其特征在于，包括：

邻区对关联度单元，根据待规划区内邻区对C_k-h的MR信息，确定所述邻区对C_k-h的邻区对关联度，所述邻区对C_k-h包括主小区Cell_k和邻小区NCell_h，其中k和h均为大于1的整数；

邻区对距离单元，根据主小区Cell_k的主小区标识和邻小区NCell_h的邻小区标识，确定所述邻区对C_k-h的邻区对距离；

选择单元，根据所述邻区对关联度和所述邻区对距离，从所有邻区对中选取所述邻区对关联度大于预设关联度阈值且所述邻区对距离小于预设距离阈值的邻区对组成高关联小区集；

确定单元，根据所述高关联小区集，确定所述待规划区的基站簇；

所述邻区对关联度单元具体包括：第一关联度子单元、第二关联度子单元以及第三关联度子单元；其中：

所述第一关联度子单元用于根据N_k-h和M_k，确定第一权值X_k-h；

所述第二关联度子单元用于根据S_k-h和所述N_k-h，确定第二权值Y_k-h；

所述第三关联度子单元用于根据所述第一权值X_k-h和所述第二权值Y_k-h，确定所述邻区对C_k-h的邻区对关联度Q_k-h；

其中，所述N_k-h表示邻区对C_k-h的MR信息的信息个数；所述M_k表示所述主小区Cell_k与h个邻小区NCell组成的所有邻区对的MR信息的信息个数；所述S_k-h表示邻区对C_k-h的MR信息中所述主小区Cell_k的RSRP值和所述邻小区NCell_h的RSRP值的差小于等于预设RSRP差值的MR信息的信息个数；

所述第一关联度子单元具体用于根据下式确定X_k-h：

X_k-h＝N_k-h/M_k；

所述第二关联度子单元具体用于根据下式确定Y_k-h：

Y_k-h＝S_k-h/N_k-h；

所述第三关联度子单元具体用于根据下式确定Q_k-h：

Q_k-h＝X_k-h*Y_k-h。

6.一种电子设备，其特征在于，包括：

存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至4任一所述的方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一所述的方法。

Images