CN109391950A - 终端分布的预测方法、装置、设备及介质 - Google Patents
终端分布的预测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN109391950A CN109391950A CN201811456208.9A CN201811456208A CN109391950A CN 109391950 A CN109391950 A CN 109391950A CN 201811456208 A CN201811456208 A CN 201811456208A CN 109391950 A CN109391950 A CN 109391950A
- Authority
- CN
- China
- Prior art keywords
- terminal
- interval
- rsrp
- section
- distribution
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000008569 process Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000005484 gravity Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000037120 immobility Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0833—Random access procedures, e.g. with 4-step access
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/22—Processing or transfer of terminal data, e.g. status or physical capabilities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/20—Manipulation of established connections
- H04W76/27—Transitions between radio resource control [RRC] states
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种终端分布的预测方法、装置、设备及介质。该方法包括:设置参考信号接收功率RSRP的第一区间;将第一区间划分为多个第二区间;根据窄带物联网NB‑IoT的窄带物理随机接入信道NPRACH的多个覆盖等级划分每个第二区间,得到与多个覆盖等级对应的多个第三区间;根据终端的无线资源控制RRC连接请求次数确定每个第三区间的终端数量占比,并拟合终端在第三区间的分布曲线;根据拟合出的终端的分布曲线,预测任意RSRP区间内的终端数量。根据本发明实施例,能够预测任意RSRP区间内的终端分布。
Description
技术领域
本发明涉及物联网技术领域,尤其涉及一种终端分布的预测方法、装置、设备及介质。
背景技术
现有的第三代合作伙伴计划版本13(3rd Generation Partnership ProjectRelease 13,3GPP R13)规定窄带物联网(Narrow Band Internet of Things,NB-IoT)覆盖等级分为等级(level)level0、level1、level2。通过在操作维护中心(Operation andMaintenance Center,OMC)平台设置NB-IoT小区的窄带物理随机接入信道(NarrowbandPhysical Random Access Channel,NPRACH)覆盖等级门限,NPRACH参考信号接收功率(Reference Signal Receiving Power,RSRP)门限1(Threshold1)和NPRACH RSRPThreshold2,可以将NB-IoT网络的RSRP覆盖区分为三个覆盖等级区间。即RSRP>RSRPThreshold1、[NPRACH RSRP Threshold1,NPRACH RSRP Threshold2]、RSRP<RSRPThreshold2,并分别对应NB-IOT覆盖等级level0、level1、level2。
现有方案中,只能统计NB-IoT网络配置三个覆盖等级下对应的三种RSRP区间的终端数量,当NB-IoT指标出现异常时,无法确定哪部分终端出现了异常,也无法确定在其它RSRP区间内的终端分布占比,无法确定覆盖边缘的终端分布指标。
发明内容
为了解决上述中的至少一个技术问题,本发明实施例提供了一种终端分布的预测方法、装置、设备及介质。根据本发明实施例,能够预测任意RSRP区间的终端分布情况。
第一方面,本发明实施例提供了一种终端分布的预测方法,方法包括:
设置参考信号接收功率RSRP的第一区间;
将所述第一区间划分为多个第二区间;
根据窄带物联网NB-IoT的窄带物理随机接入信道NPRACH的多个覆盖等级划分每个所述第二区间,得到与所述多个覆盖等级对应的多个第三区间;
根据终端的无线资源控制RRC连接请求次数确定每个所述第三区间的终端数量占比,并拟合所述终端在所述第三区间的分布曲线;
根据拟合出的所述终端的分布曲线,预测任意RSRP区间内的终端数量。
根据本发明提供的终端分布的预测方法,所述根据终端的无线资源控制RRC连接请求次数确定每个所述第三区间的终端数量占比,包括:
根据终端的无线资源控制RRC连接请求次数确定每个所述第三区间的终端数量;
根据每个所述第三区间的终端数量确定与所述第三区间对应的所述第二区间的终端总量;
计算每个所述第三区间的终端数量与所述第二区间的终端总量的比值,得到每个所述第三区间的终端数量占比。
根据本发明提供的终端分布的预测方法,所述窄带物联网NB-IoT的窄带物理随机接入信道NPRACH的多个覆盖等级包括下列三个覆盖等级:level0、level1、level2;
所述level0对应的RSRP的区间为RSRP大于门限Threshold1;
所述level1对应的RSRP的区间为RSRP在门限Threshold1与Threshold2之间;
所述level2对应的RSRP的区间为RSRP小于门限Threshold2,其中,Threshold1大于Threshold2。
根据本发明提供的终端分布的预测方法,所述拟合所述终端在所述第三区间的分布曲线,包括:
根据贝塞尔Bézier曲线拟合法拟合所述终端在所述第三区间的分布曲线。
根据本发明提供的终端分布的预测方法,所述方法还包括:
根据拟合出的所述终端的分布曲线,确定预设的无覆盖区间内的终端数量;
根据所述预设的无覆盖区间内的终端数量及所述终端总数量确定所述预设的无覆盖区间内的终端的占比。
根据本发明提供的终端分布的预测方法,所述方法还包括:
根据拟合出的所述终端的分布曲线,确定预设的弱覆盖区间内的终端数量;
根据所述预设的弱覆盖区间内的终端数量及所述终端总数量确定所述预设的弱覆盖区间内的终端的占比。
根据本发明提供的终端分布的预测方法,所述RSRP的第一区间包括[-132,60]dBm。
根据本发明提供的终端分布的预测方法,所述方法还包括:
根据拟合出的所述终端的分布曲线,确定与所述NB-IoT异常指标对应的终端所在的RSRP区间。
根据本发明提供的终端分布的预测方法,所述终端包括静态终端。
根据本发明提供的终端分布的预测方法,所述终端的无线资源控制RRC连接请求次数为RRC初始连接请求次数。
第二方面,本发明实施例提供了一种终端分布的预测装置,装置包括:
第一区间确定模块,用于设置参考信号接收功率RSRP的第一区间;
第二区间确定模块,用于将所述第一区间划分为多个第二区间;
第三区间确定模块,用于根据窄带物联网NB-IoT的窄带物理随机接入信道NPRACH的多个覆盖等级划分每个所述第二区间,得到与所述多个覆盖等级对应的多个第三区间;
曲线拟合模块,用于根据终端的无线资源控制RRC连接请求次数确定每个所述第三区间的终端数量占比,并拟合所述终端在所述第三区间的分布曲线;
终端分布预测模块,用于根据拟合出的所述终端的分布曲线,预测任意RSRP区间内的终端数量。
第三方面,本发明实施例提供了一种终端分布的预测设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
本发明实施例提供的终端分布的预测方法、装置、设备及介质。该方法包括:设置参考信号接收功率RSRP的第一区间;将第一区间划分为多个第二区间;根据窄带物联网NB-IoT的窄带物理随机接入信道NPRACH的多个覆盖等级划分每个第二区间,得到与多个覆盖等级对应的多个第三区间;根据终端的无线资源控制RRC连接请求次数确定每个第三区间的终端数量占比,并拟合终端在第三区间的分布曲线;根据拟合出的终端的分布曲线,预测任意RSRP区间内的终端数量。根据本发明实施例,能够预测任意RSRP区间内的终端分布。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,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示出了本发明实施例提供的终端分布的预测方法的流程示意图;
图2示出了本发明实施例提供的终端分布拟合曲线示意图;
图3示出了本发明实施例提供的终端分布的预测装置的结构示意图;
图4示出了本发明实施例提供的终端分布的预测设备的硬件结构图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合图1-4详细说明本发明实施例的终端分布的预测方法、装置、设备及介质。应当注意的是,实施例并不是对本发明保护范围的限定。
如图1所示,图1示出了本发明实施例的终端分布的预测方法的流程示意图。本发明实施例的终端分布的预测方法包括以下步骤:
S110,设置参考信号接收功率RSRP的第一区间;
S120,将第一区间划分为多个第二区间;
S130,根据窄带物联网NB-IoT的窄带物理随机接入信道NPRACH的多个覆盖等级划分每个第二区间,得到与多个覆盖等级对应的多个第三区间;
S140,根据终端的无线资源控制RRC连接请求次数确定每个第三区间的终端数量占比,并拟合终端在第三区间的分布曲线;
S150,根据拟合出的终端的分布曲线,预测任意RSRP区间内的终端数量。
根据本发明实施例,能够预测任意RSRP区间内的终端分布。
在本发明的一个实施例中,NB-IoT网络中的终端发起无限资源控制(RadioResource Control,RRC)请求时,会根据NB-IoT网络覆盖等级内的RSRP电平区间进行PRACH资源的选择,通过北向接口数据可以统计出以下3组数据:NB-IoT小区覆盖等级0下RRC连接请求次数(不包括重发)、NB-IoT小区覆盖等级1下RRC连接请求次数(不包括重发)、NB-IoT小区RRC连接请求次数(不包括重发)。其中NB-IoT小区覆盖等级2下RRC连接请求次数(不包括重发)等于NB-IoT小区RRC连接请求次数(不包括重发)减去NB-IoT小区覆盖等级0和1下的RRC连接请求次数(不包括重发)的和。
需要注意的是,NB-IoT网络的覆盖对象是一些无移动性,小数据量,对时延不敏感的终端,比如智能水表、电表等终端。这些终端发起RRC连接请求的周期以小时、月为单位,因此根据终端的上报周期统计NB-IoT网络的不同覆盖等级下的RRC请求次数(不包括重发)就可以统计出不同覆盖等级下的NB-IoT终端数量。
在本发明实施例中,通过在RSRP的[-132,-60]区间调整与三个覆盖等级相关的NPRACH RSRP Threshold1和NPRACH RSRP Threshold2的方法来获取NB-IoT网络的终端在不同覆盖等级门限下的分布数目,从而拟合出NB-IoT网络的终端分布曲线,以此预测出不同覆盖RSRP等级门限下NB-IoT终端数。
进一步,可以设定无覆盖的RSRP门限值为t1,通过分布曲线获得无覆盖统计区间[-164,t1]的终端数量的统计结果为P1,小区总用户数,即小区总终端数量的统计结果为P,可以用表达式(1)来表示无覆盖区间的终端数量占比:
无覆盖用户比例=P1/P (1)
另外,可以设定弱覆盖的RSRP门限值为t2,通过分布曲线获得弱覆盖统计区间[t1,t2]的终端数量的统计结果为P2,小区总用户数,即小区总终端数量的统计为P,可以用表达式(2)来表示弱覆盖区间的终端数量占比:
弱覆盖用户比例=P2/P (2)
弱覆盖和无覆盖用户比例可以用于评估网络覆盖情况,以便进行网络规划、优化调整。
需要说明的是,NB-IoT网络的NPRACH覆盖等级参数为分等级的,RSRP参数为NPRACH RSRP的Threshold1和Threshold2。可以根据实际需要把设置的RSRP分成3个等级。假设覆盖等级设置为3个覆盖等级,Threshold1对应的RSRP为Xi和Threshold2对应的RSRP为Xj。对应的三个覆盖等级区间分别为:第一覆盖等级(fisrt converage level)对应的RSRP区间为RSRP>Xi、第二覆盖等级(second converage level)对应RSRP区间为[Xi,Xj]、第三覆盖等级(third coverage level)对应的RSRP区间为RSRP<Xj。并统计各个覆盖等级下相应的终端数。如表1所示的RSRP区间的终端分布情况,其中,ai、b[i,j]、cj分别表示不同RSRP区间的终端数量。
表1
例如,可以设置门限Threshold1为-113,Threshold2为-123,两个门限值将RSRP非常3个区间,将NB-IoT网络的覆盖等级个数设置为3个。
在本发明的另一个实施例中,终端分布的预测方法包括以下步骤:
步骤一:明确NB-IoT终端RSRP的划分下边界。
根据中国移动通信集团有限公司(China Mobile Communications Group Co.,Ltd,CMCC)要求底噪=-128dBm下完成最小耦合损耗(Minimum Coupling Loss,MCL)=164的条件下,NB-IoT终端应满足接入下行>=-132dBm下完成解调,上行>=-144dBm完成解调的要求,而NB-IoT终端在RSRP<-132dBm下出现概率性附着,所以选择<-132dBm为下边界。
步骤二:划定NB-IoT的覆盖等级参数门限
根据NPRACH RSRP Threshold1和Threshold2在[-132,-60]区间调整10次门限,根据NB-IoT网管可以得到覆盖等级0、1、2的RRC连接比重(由于每次调整必然导致用户总量有所变化,但是各区间的比重不会变化太大),得到如表2所示的结果。表2为各个覆盖等级下的终端RRC连接比重。
表2
进一步,由表2可以得到如表3所示的各个RSRP区间的终端分布情况。
表3
RSRP区间 | NB-IOT终端比重 | NB-IOT终端比重(归一化) |
<-132 | 0.72% | 0.71% |
[-132,-128] | 1.86% | 1.83% |
[-128,-124] | 3.43% | 3.39% |
[-124,-120] | 12.59% | 12.41% |
[-120,-116] | 19.46% | 19.18% |
[-116,-110] | 15.31% | 15.09% |
[-110,-106] | 17.60% | 17.35% |
[-106,-100] | 11.87% | 11.71% |
[-100,-85] | 9.01% | 8.89% |
[-85,-75] | 5.15% | 5.08% |
[-75,60] | 3.29% | 3.24% |
>-60 | 1.14% | 1.13% |
步骤三:绘制终端分布曲线图。
图2示出了本发明实施例提供的终端分布拟合曲线示意图。如图2所示,根据表3的数据,可以绘制出各个RSRP区间的终端数量占比曲线。
应当理解的的是,图2中的虚线为根据表3的数据绘制而成,图2中的实线为拟合后的终端分布曲线。
由图2所示的分布曲线,能够很容易得到各RSRP区间的终端分布,可以在指标劣化时进行精确的定位哪个RSRP区间的终端出现了异常。
步骤四:曲线拟合。
在本发明实施例中,通过多项式拟合方法,将NB-IoT网络的终端分布进行曲线拟合,采用幂为n的贝塞尔Bézier曲线拟合公式,可以用Bernstein公式表示,如下列表达式(3):
其中b是Bernstein基础多项式(Bernstein basis polynomial),如表达式(4:)
曲线公式可以使用递推关系计算,如表达式(5):
其中,i为当前计算序号,n为RSRP区间的个数;
β为以“RSRP区间”为横坐标,以“NBIOT终端比重”为纵坐标的点,实际计算过程可以取“RSRP区间”的中值代替。
步骤五:结果分析。
(1)利用拟合出来的曲线公式推算出任意区间的终端分布统计。
(2)得出的无覆盖统计区间[-164,t1]和弱覆盖统计区间[t1,t2]的统计值,并计算相应比例。
根据本发明实施例的终端分布的预测方法,以NB-IoT在不同覆盖等级下的RRC请求次数(不包括重发)为终端的分布依据,结合NB-IoT实现最低解调的规范,通过NB-IoT覆盖等级相关参数的调整,得到单位更小的RSRP区间内的NB-IoT终端分布,可以用于NB-IoT覆盖情况的评估、优化以及当某区间终端分布周期对比变化较大时进行原因定位。
在本发明实施例中,将NB-IoT的终端分布区间精细化,便于精细化管理和故障辅助定位;也可用于评估NB-IoT的站点、NB-IoT终端分布是否合理,并能够评估NB-IOT覆盖边缘的接入性能。
图3示出了本发明实施例提供的终端分布的预测装置的结构示意图。如图3所示,本发明实施例提供的终端分布的预测装置包括以下模块:
第一区间确定模块301,用于设置参考信号接收功率RSRP的第一区间;
第二区间确定模块302,用于将第一区间划分为多个第二区间;
第三区间确定模块303,用于根据窄带物联网NB-IoT的窄带物理随机接入信道NPRACH的多个覆盖等级划分每个第二区间,得到与多个覆盖等级对应的多个第三区间;
曲线拟合模块304,用于根据终端的无线资源控制RRC连接请求次数确定每个第三区间的终端数量占比,并拟合终端在第三区间的分布曲线;
终端分布预测模块305,用于根据拟合出的终端的分布曲线,预测任意RSRP区间内的终端数量。
在一个实施方式中,曲线拟合模块304具体用于,根据终端的无线资源控制RRC连接请求次数确定每个第三区间的终端数量占比,包括:
根据终端的无线资源控制RRC连接请求次数确定每个第三区间的终端数量;
根据每个第三区间的终端数量确定与第三区间对应的第二区间的终端总量;
计算每个第三区间的终端数量与第二区间的终端总量的比值,得到每个第三区间的终端数量占比。
在一个实施方式中,第三区间确定模块303具体用于,窄带物联网NB-IoT的窄带物理随机接入信道NPRACH的多个覆盖等级包括下列三个覆盖等级:level0、level1、level2;
level0对应的RSRP的区间为RSRP大于门限Threshold1;
level1对应的RSRP的区间为RSRP在门限Threshold1与Threshold2之间;
level2对应的RSRP的区间为RSRP小于门限Threshold2,其中,Threshold1大于Threshold2。
在一个实施方式中,曲线拟合模块304具体用于,拟合终端在第三区间的分布曲线,包括:
根据贝塞尔Bézier曲线拟合法拟合终端在第三区间的分布曲线。
在一个实施方式中,终端分布预测模块305具体用于,根据拟合出的终端的分布曲线,确定预设的无覆盖区间内的终端数量;
根据预设的无覆盖区间内的终端数量及终端总数量确定预设的无覆盖区间内的终端的占比。
在一个实施方式中,终端分布预测模块305具体用于,根据拟合出的终端的分布曲线,确定预设的弱覆盖区间内的终端数量;
根据预设的弱覆盖区间内的终端数量及终端总数量确定预设的弱覆盖区间内的终端的占比。
在一个实施方式中,第一区间确定模块301具体用于,RSRP的第一区间包括[-132,60]dBm。
在一个实施方式中,终端分布预测模块305具体用于,根据拟合出的终端的分布曲线,确定与NB-IoT异常指标对应的终端所在的RSRP区间。
在一个实施方式中,终端分布预测模块305具体用于,终端包括静态终端。
在一个实施方式中,终端分布预测模块305具体用于,终端的无线资源控制RRC连接请求次数为RRC初始连接请求次数。
另外,结合图1描述的本发明实施例的终端分布的预测方法可以由终端分布的预测设备来实现。图4示出了本发明实施例提供的终端分布的预测设备的硬件结构示意图。
计算设备1000包括输入设备1001、输入接口1002、处理器1003、存储器1004、输出接口1005、以及输出设备1006。
其中,输入接口1002、处理器1003、存储器1004、以及输出接口1005通过总线1010相互连接,输入设备1001和输出设备1006分别通过输入接口1002和输出接口1005与总线1010连接,进而与计算设备1000的其他组件连接。
具体地,输入设备1001接收来自外部的输入信息,并通过输入接口1002将输入信息传送到处理器1003;处理器1003基于存储器1004中存储的计算机可执行指令对输入信息进行处理以生成输出信息,将输出信息临时或者永久地存储在存储器1004中,然后通过输出接口1005将输出信息传送到输出设备1006;输出设备1006将输出信息输出到计算设备1000的外部供用户使用。
计算设备1000可以执行本申请上述的终端分布的预测方法中的各步骤。
处理器1003可以是一个或多个中央处理器(英文:Central Processing Unit,CPU)。在处理器601或处理器701是一个CPU的情况下,该CPU可以是单核CPU,也可以是多核CPU。
存储器1004可以是但不限于随机存储存储器(RAM)、只读存储器(ROM),可擦除可编程只读存储器(EPROM)、光盘只读存储器(CD-ROM)、硬盘等中的一种或多种。存储器1004用于存储程序代码。
可以理解的是,在本申请实施例中,图3提供的各个处理模块中任一模块或全部模块的功能可以用图4所示的中央处理器1003实现。
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指令,当所述计算器程序指令被处理器执行时实现本发明实施例所述的终端分布的预测方法中的各步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
本说明书的各个部分均采用递进的方式进行描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点介绍的都是与其他实施例不同之处。尤其,对于装置和系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例部分的说明即可。
Claims (13)
1.一种终端分布的预测方法,所述方法包括:
设置参考信号接收功率RSRP的第一区间;
将所述第一区间划分为多个第二区间;
根据窄带物联网NB-IoT的窄带物理随机接入信道NPRACH的多个覆盖等级划分每个所述第二区间,得到与所述多个覆盖等级对应的多个第三区间;
根据终端的无线资源控制RRC连接请求次数确定每个所述第三区间的终端数量占比,并拟合所述终端在所述第三区间的分布曲线;
根据拟合出的所述终端的分布曲线,预测任意RSRP区间内的终端数量。
2.根据权利要求1所述的方法,其特征在于,所述根据终端的无线资源控制RRC连接请求次数确定每个所述第三区间的终端数量占比,包括:
根据终端的无线资源控制RRC连接请求次数确定每个所述第三区间的终端数量;
根据每个所述第三区间的终端数量确定与所述第三区间对应的所述第二区间的终端总量;
计算每个所述第三区间的终端数量与所述第二区间的终端总量的比值,得到每个所述第三区间的终端数量占比。
3.根据权利要求1所述的方法,其特征在于,所述窄带物联网NB-IoT的窄带物理随机接入信道NPRACH的多个覆盖等级包括下列三个覆盖等级:level0、level1、level2;
所述level0对应的RSRP的区间为RSRP大于门限Threshold1;
所述level1对应的RSRP的区间为RSRP在门限Threshold1与Threshold2之间;
所述level2对应的RSRP的区间为RSRP小于门限Threshold2,其中,Threshold1大于Threshold2。
4.根据权利要求1所述的方法,其特征在于,所述拟合所述终端在所述第三区间的分布曲线,包括:
根据贝塞尔Bézier曲线拟合法拟合所述终端在所述第三区间的分布曲线。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据拟合出的所述终端的分布曲线,确定预设的无覆盖区间内的终端数量;
根据所述预设的无覆盖区间内的终端数量及所述终端总数量确定所述预设的无覆盖区间内的终端的占比。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据拟合出的所述终端的分布曲线,确定预设的弱覆盖区间内的终端数量;
根据所述预设的弱覆盖区间内的终端数量及所述终端总数量确定所述预设的弱覆盖区间内的终端的占比。
7.根据权利要求1所述的方法,其特征在于,所述RSRP的第一区间包括[-132,60]dBm。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据拟合出的所述终端的分布曲线,确定与所述NB-IoT异常指标对应的终端所在的RSRP区间。
9.根据权利要求1所述的方法,其特征在于,所述终端包括静态终端。
10.根据权利要求1-9任一项所述的方法,其特征在于,所述终端的RRC连接请求次数为RRC初始连接请求次数。
11.一种终端分布的预测装置,其特征在于,所述装置包括:
第一区间确定模块,用于设置参考信号接收功率RSRP的第一区间;
第二区间确定模块,用于将所述第一区间划分为多个第二区间;
第三区间确定模块,用于根据窄带物联网NB-IoT的窄带物理随机接入信道NPRACH的多个覆盖等级划分每个所述第二区间,得到与所述多个覆盖等级对应的多个第三区间;
曲线拟合模块,用于根据终端的无线资源控制RRC连接请求次数确定每个所述第三区间的终端数量占比,并拟合所述终端在所述第三区间的分布曲线;
终端分布预测模块,用于根据拟合出的所述终端的分布曲线,预测任意RSRP区间内的终端数量。
12.一种终端分布的预测设备,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-10中任一项所述的方法。
13.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,当所述计算机程序指令被处理器执行时实现如权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811456208.9A CN109391950B (zh) | 2018-11-30 | 2018-11-30 | 终端分布的预测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811456208.9A CN109391950B (zh) | 2018-11-30 | 2018-11-30 | 终端分布的预测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109391950A true CN109391950A (zh) | 2019-02-26 |
CN109391950B CN109391950B (zh) | 2021-10-29 |
Family
ID=65429182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811456208.9A Active CN109391950B (zh) | 2018-11-30 | 2018-11-30 | 终端分布的预测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109391950B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111818550A (zh) * | 2019-04-11 | 2020-10-23 | 中国移动通信集团四川有限公司 | 一种网络覆盖情况的预测方法、装置及设备 |
CN111835577A (zh) * | 2019-04-22 | 2020-10-27 | 中国移动通信集团福建有限公司 | 物联网专网质差问题确定的方法、装置和电子设备 |
CN113747350A (zh) * | 2021-08-18 | 2021-12-03 | 浙江三维通信科技有限公司 | 位置信息的获取方法、装置、存储介质和电子装置 |
WO2022061526A1 (zh) * | 2020-09-22 | 2022-03-31 | 华为技术有限公司 | 信息发送方法、装置及系统 |
CN115834419A (zh) * | 2022-11-16 | 2023-03-21 | 中国联合网络通信集团有限公司 | 网络评估方法、装置及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101431758A (zh) * | 2008-12-09 | 2009-05-13 | 华为技术有限公司 | 一种预测用户位置分布的方法和装置 |
CN102413021A (zh) * | 2011-12-27 | 2012-04-11 | 北京邮电大学 | 一种基于探针预测的覆盖网络性能监测方法 |
CN106686611A (zh) * | 2015-11-06 | 2017-05-17 | 中国移动通信集团设计院有限公司 | 一种室内弱覆盖区域的评估方法及装置 |
CN106792888A (zh) * | 2017-01-18 | 2017-05-31 | 北京邮电大学 | 一种基于信息感知的无线通信组网方法及装置 |
CN107426759A (zh) * | 2017-08-09 | 2017-12-01 | 广州杰赛科技股份有限公司 | 新增基站数据业务量的预测方法和系统 |
WO2018031300A1 (en) * | 2016-08-11 | 2018-02-15 | Intel IP Corporation | Systems and method for selecting carrier resources for narowband physical random access channel procedures |
CN107708178A (zh) * | 2017-09-08 | 2018-02-16 | 中国联合网络通信集团有限公司 | 信息重传方法和基站 |
CN107756397A (zh) * | 2017-08-30 | 2018-03-06 | 北京华航唯实机器人科技股份有限公司 | 调整机器人轨迹的方法和装置 |
US20180242179A1 (en) * | 2016-08-12 | 2018-08-23 | Telefonaktiebolaget Lm Ericsson (Publ) | Selection of a carrier in multi-carrier operation system |
-
2018
- 2018-11-30 CN CN201811456208.9A patent/CN109391950B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101431758A (zh) * | 2008-12-09 | 2009-05-13 | 华为技术有限公司 | 一种预测用户位置分布的方法和装置 |
CN102413021A (zh) * | 2011-12-27 | 2012-04-11 | 北京邮电大学 | 一种基于探针预测的覆盖网络性能监测方法 |
CN106686611A (zh) * | 2015-11-06 | 2017-05-17 | 中国移动通信集团设计院有限公司 | 一种室内弱覆盖区域的评估方法及装置 |
WO2018031300A1 (en) * | 2016-08-11 | 2018-02-15 | Intel IP Corporation | Systems and method for selecting carrier resources for narowband physical random access channel procedures |
US20200187256A1 (en) * | 2016-08-11 | 2020-06-11 | Intel IP Corporation | Systems and method for selecting carrier resources for narowband physical random access channel procedures |
US20180242179A1 (en) * | 2016-08-12 | 2018-08-23 | Telefonaktiebolaget Lm Ericsson (Publ) | Selection of a carrier in multi-carrier operation system |
CN106792888A (zh) * | 2017-01-18 | 2017-05-31 | 北京邮电大学 | 一种基于信息感知的无线通信组网方法及装置 |
CN107426759A (zh) * | 2017-08-09 | 2017-12-01 | 广州杰赛科技股份有限公司 | 新增基站数据业务量的预测方法和系统 |
CN107756397A (zh) * | 2017-08-30 | 2018-03-06 | 北京华航唯实机器人科技股份有限公司 | 调整机器人轨迹的方法和装置 |
CN107708178A (zh) * | 2017-09-08 | 2018-02-16 | 中国联合网络通信集团有限公司 | 信息重传方法和基站 |
Non-Patent Citations (3)
Title |
---|
HAHEON CHUNG: "NB-IoT Optimization on Paging MCS and Coverage Level", 《2018 15TH INTERNATIONAL SYMPOSIUM ON WIRELESS COMMUNICATION SYSTEMS (ISWCS)》 * |
ZTE, SANECHIPS: "Further consideration on supporting lower UE power class in eFeMTC", 《3GPP TSG-RAN WG2 MEETING#101 R2-1802163》 * |
刘峰: "基于物联网的森林火险预警关键技术研究", 《中国优秀博士论文合辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111818550A (zh) * | 2019-04-11 | 2020-10-23 | 中国移动通信集团四川有限公司 | 一种网络覆盖情况的预测方法、装置及设备 |
CN111818550B (zh) * | 2019-04-11 | 2022-09-27 | 中国移动通信集团四川有限公司 | 一种网络覆盖情况的预测方法、装置及设备 |
CN111835577A (zh) * | 2019-04-22 | 2020-10-27 | 中国移动通信集团福建有限公司 | 物联网专网质差问题确定的方法、装置和电子设备 |
CN111835577B (zh) * | 2019-04-22 | 2022-06-14 | 中国移动通信集团福建有限公司 | 物联网专网质差问题确定的方法、装置和电子设备 |
WO2022061526A1 (zh) * | 2020-09-22 | 2022-03-31 | 华为技术有限公司 | 信息发送方法、装置及系统 |
CN113747350A (zh) * | 2021-08-18 | 2021-12-03 | 浙江三维通信科技有限公司 | 位置信息的获取方法、装置、存储介质和电子装置 |
CN115834419A (zh) * | 2022-11-16 | 2023-03-21 | 中国联合网络通信集团有限公司 | 网络评估方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109391950B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109391950A (zh) | 终端分布的预测方法、装置、设备及介质 | |
KR102254938B1 (ko) | 무선 통신 시스템에서 무선 통신을 수행하기 위한 방법, 장치 및 시스템 | |
EP3424249A1 (en) | Cellular telecommunications network | |
CN111328084B (zh) | 一种小区容量的评估方法及装置 | |
CN111970752B (zh) | 一种节能控制方法及装置 | |
CN110677854A (zh) | 载频容量调整的方法、装置、设备和介质 | |
CN105979535A (zh) | 确定无线通信网络中无线覆盖状况的方法和系统 | |
CN104754587A (zh) | 一种lte系统干扰协调的方法及装置 | |
US10063340B2 (en) | Dynamic resource adaptation | |
CN111954224B (zh) | 一种同频干扰的处理方法及装置 | |
JP2022544593A (ja) | セルラキャリアアグリゲーションにわたるダウンリンクスケジューリング | |
WO2013008167A1 (en) | Packet scheduling in a cellular communication network for the purpose of device -to -device communications | |
CN104378785A (zh) | 一种微小区的上下行子帧重配置方法和装置 | |
WO2019095705A1 (zh) | 一种小区间干扰协调方法及网络设备 | |
CN113728673A (zh) | 用于估计被无线电问题抑制的数据业务的方法和装置 | |
CN112153679B (zh) | 一种转网方法及装置 | |
CN104349349A (zh) | 一种小区参数的确定方法、系统和设备 | |
CN111385821B (zh) | 一种lte载波需求数量预测的方法和装置 | |
CN113347660A (zh) | 通信信号检测方法、装置、设备及介质 | |
CN107370549B (zh) | 一种干扰判定方法及其装置 | |
CN112203325A (zh) | 一种参数上报方法及装置 | |
CN112954808A (zh) | 载波资源调整方法、装置、存储介质和计算机设备 | |
CN105992359B (zh) | 资源分配方法和装置 | |
CN103987080A (zh) | 一种边缘用户的确定方法及基站设备 | |
CN107735971B (zh) | 基于干扰的资源分配 |
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 |