CN109495914A - 一种识别深度覆盖小区的方法及装置 - Google Patents
一种识别深度覆盖小区的方法及装置 Download PDFInfo
- Publication number
- CN109495914A CN109495914A CN201710811666.9A CN201710811666A CN109495914A CN 109495914 A CN109495914 A CN 109495914A CN 201710811666 A CN201710811666 A CN 201710811666A CN 109495914 A CN109495914 A CN 109495914A
- Authority
- CN
- China
- Prior art keywords
- cell
- point data
- sample point
- identified
- mme
- 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
Classifications
-
- 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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供一种识别深度覆盖小区的方法及装置。所述方法包括:获取与待识别小区相关的S1‑MME采样点数据和MRO采样点数据;根据S1‑MME采样点数据和MRO采样点数据,生成待识别小区的用户级采样点数据;根据用户级采样点数据计算待识别小区的用户属性信息;若判断获知用户属性信息满足预设识别条件,则确认待识别小区为深度覆盖小区。本发明实施例通过S1‑MME采样点数据和MRO采样点数据,生成待识别小区的用户级采样点数据,根据用户级采样点数据判断待识别小区是否为深度覆盖小区,提高了识别速度和正确率,并且识别标准统一,识别过程客观,适用于全网,对城区或非城区区域的小区都可直接应用。
Description
技术领域
本发明实施例涉及通信技术领域,具体涉及一种识别深度覆盖小区的方法及装置。
背景技术
随着移动通信网络的快速发展和用户行为的改变,深度覆盖对网络质量和用户感知的影响越来越大。快速识别出负责深度覆盖的小区,并对这些小区进行重点监控与整治对于网络运维具有重要的应用价值。
现有的识别深度覆盖小区的方法主要是以下两种方式:(1)根据地图上城区与非城区划分,城区内的站点均识别为深度覆盖小区,城区外的站点都不是深度覆盖小区;(2)现场人员根据实际覆盖场景进行反馈,评估人员直接使用反馈结果。方式一根据城区边界线,城区范围内的小区统一判定为深度覆盖小区,但城区内依然存在道路覆盖的小区,同样城区外也可能存在深度覆盖场景,而且城区区域的划分主观性强,造成最终结果不准确有遗漏;方式二依据现场人员反馈,但根据现场覆盖场景进行判断存在主观性强的特点,造成识别标准难以统一。
发明内容
针对现有技术中的缺陷,本发明实施例提供了一种识别深度覆盖小区的方法及装置。
第一方面,本发明实施例提供一种识别深度覆盖小区的方法,包括:
获取与待识别小区相关的S1-MME采样点数据和MRO采样点数据;
根据所述S1-MME采样点数据和所述MRO采样点数据,生成所述待识别小区的用户级采样点数据;
根据所述用户级采样点数据计算所述待识别小区的用户属性信息;
若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区。
第二方面,本发明实施例提供一种识别深度覆盖小区的装置,包括:
获取模块,用于获取与待识别小区相关的S1-MME采样点数据和MRO采样点数据;
关联模块,用于根据所述S1-MME采样点数据和所述MRO采样点数据,生成所述待识别小区的用户级采样点数据;
计算模块,用于根据所述用户级采样点数据计算所述待识别小区的用户属性信息;
识别模块,用于若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区。
第三方面,本发明实施例提供一种电子设备,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:获取与待识别小区相关的S1-MME采样点数据和MRO采样点数据;根据所述S1-MME采样点数据和所述MRO采样点数据,生成所述待识别小区的用户级采样点数据;根据所述用户级采样点数据计算所述待识别小区的用户属性信息;若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区。
第四方面,本发明实施例提供一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如下方法:获取与待识别小区相关的S1-MME采样点数据和MRO采样点数据;根据所述S1-MME采样点数据和所述MRO采样点数据,生成所述待识别小区的用户级采样点数据;根据所述用户级采样点数据计算所述待识别小区的用户属性信息;若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区。
本发明实施例提供的识别深度覆盖小区的方法,通过S1-MME采样点数据和MRO采样点数据,生成待识别小区的用户级采样点数据,根据用户级采样点数据判断待识别小区是否为深度覆盖小区,提高了识别速度和正确率,并且识别标准统一,识别过程客观,适用于全网,对城区或非城区区域的小区都可直接应用。
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一简单地介绍,显而易见地,下面描述中的附图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为本发明实施例提供的识别深度覆盖小区的方法流程示意图;
图2为本发明实施例提供的识别深度覆盖小区的装置结构示意图;
图3为本发明实施例提供的电子设备的结构示意图。
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、完整地描述,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作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识别深度覆盖小区的方法流程示意图,如图1所示,该方法包括:
步骤S11、获取与待识别小区相关的S1-MME采样点数据和MRO采样点数据;
具体地,S1接口是基站(eNodeB)与分组核心网(Evolved Packet Core,EPC)之间的通讯接口,S1接口包括控制面S1-MME和用户面S1-U,其中S1-MME将基站和移动性管理实体(Mobility Management Entity,MME)相连,主要完成S1接口的无线接入承载控制、接口专用的操作维护等功能。服务器从S1-MME接口可以获取S1-MME采样点数据,S1-MME采样点数据携带了用户在不同时刻驻留的小区以及其它一些用户网络控制和用户应用产生的信令数据。
MRO采样点数据(Measure Report Data)是用户终端上报给基站的无线侧测量报告。MRO数据采集功能开启期间,网络中所有终端都会在网络控制下,周期性上报终端所在位置的网络测量信息。MRO采样点数据包括用户终端的主服务小区和周围小区的电平强度、服务小区的时间提前量(Timing Advance,TA)、天线到达角(Angle-of-Arrival,AOA)、功率余量(Power Headroom Report,PHR)等数据,通过MRO采样点数据可以辅助评估小区网络质量。
在实际应用中,服务器可以通过S1-MME接口获取S1-MME采样点数据,通过基站获取用户终端上传至基站的MRO采样点数据,由于S1-MME采样点数据和MRO采样点数据都携带服务小区信息,因此可以根据服务小区信息和待识别小区信息,筛选出与待识别小区相关的S1-MME采样点数据和MRO采样点数据。
例如,服务器可以通过S1-MME接口获取S1-MME采样点数据,通过基站获取用户终端上传至基站的MRO采样点数据,筛选出服务小区为待识别小区和与待识别小区相邻小区的S1-MME采样点数据和MRO采样点数据。
此外,服务器还可以根据待识别小区信息,确定与待识别小区相关的S1-MME接口和基站,从上述S1-MME接口中获取S1-MME采样点数据,从上述基站中获取MRO采样点数据。
步骤S12、根据所述S1-MME采样点数据和所述MRO采样点数据,生成所述待识别小区的用户级采样点数据;
具体地,S1-MME采样点数据携带具体用户信息,但整体不携带无线侧网络质量信息,而MRO采样点数据携带无线侧网络质量信息,但MRO采样点数据中所有采样点都不携带该采样点具体对应哪个用户,因此,在本发明实施例中,服务器将S1-MME采样点数据和MRO采样点数据关联,得到待识别小区的用户级采样点数据,实现用户级的数据区分,且该用户级采样点数据既包含了S1-MME采样点数据信息,又包含了MRO采样点数据信息,即,每个用户级采样点数据既包括具体的用户信息,又包括与该用户相关的无线侧网络质量信息。
步骤S13、根据所述用户级采样点数据计算所述待识别小区的用户属性信息;
具体地,服务器根据待识别小区的用户级采样点数据可以得到待识别小区内每个用户的用户属性信息。其中用户属性信息包括但不限于用户移动属性信息和/或用户室内外属性信息等。例如,服务器根据用户级采样点数据中的无线侧网络质量信息计算待识别小区内每个用户的用户属性信息。
步骤S14、若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区。
具体地,深度覆盖场景的小区与非深度覆盖场景的小区具有明显差距,场景不同引起用户行为的差异,根据深度覆盖小区中的用户行为特点,设置预设识别条件,判断用户属性信息是否满足预设识别条件,若满足,则待识别小区为深度覆盖小区,否则,待识别小区为非深度覆盖小区。
本发明实施例提供的识别深度覆盖小区的方法,通过S1-MME采样点数据和MRO采样点数据,生成待识别小区的用户级采样点数据,根据用户级采样点数据判断待识别小区是否为深度覆盖小区,提高了识别速度和正确率,并且识别标准统一,识别过程客观,适用于全网,对城区或非城区区域的小区都可直接应用。
在上述实施例的基础上,进一步地,所述根据所述S1-MME采样点数据和所述MRO采样点数据,生成所述待识别小区的用户级采样点数据,包括:
从所述S1-MME采样点数据中获取第一MME-UE-S1AP-ID数据;
从所述MRO采样点数据中获取第二MME-UE-S1AP-ID数据;
若所述第一MME-UE-S1AP-ID数据与所述第二MME-UE-S1AP-ID数据相同且采样时间间隔小于预设时长,则关联所述S1-MME采样点数据和所述MRO采样点数据,生成关联采样点数据;
从所述关联采样点数据中获取IMSI数据;
根据所述IMSI数据,按照采样时间顺序生成所述待识别小区的用户级采样点数据。
具体地,S1-MME采样点数据包含多种信息,包括MME分配给用户的相对标识MME-UE-S1AP-ID、采样时间,包括开始时间和结束时间、小区标识、用户标识等信息,MRO采样点数据包含多种信息,包括上报时间、MME分配给用户的相对标识MME-UE-S1AP-ID、小区标识、参考信号接收功率等。一般地,同一时刻同一采样点的MME-UE-S1AP-ID相同,并且MME短期内不会复用MME-UE-S1AP-ID,因此短期内相同MME-UE-S1AP-ID的S1-MME采样点数据和MRO采样点数据被认为是同一个采样点的数据。
服务器从S1-MME采样点数据中读取MME-UE-S1AP-ID数据,从MRO采样点数据中读取MME-UE-S1AP-ID数据,为了便于区分,在本发明实施例中,将S1-MME采样点数据中携带的MME-UE-S1AP-ID数据记为第一MME-UE-S1AP-ID数据,将MRO采样点数据中携带的MME-UE-S1AP-ID数据记为第二MME-UE-S1AP-ID数据,之后判断第一MME-UE-S1AP-ID数据与第二MME-UE-S1AP-ID数据是否相同,若相同,再判断两者的采样时间间隔是否小于预设时长,若小于,则根据MME-UE-S1AP-ID数据关联S1-MME采样点数据和MRO采样点数据,其中S1-MME采样点数据中的采样时间为开始时间,MRO采样点数据中的采样时间为每条数据的开始时间。在实际应用中,MRO采样点数据量远远大于S1-MME采样点数据量,若采样时间间隔在预设时长内,存在多个第二MME-UE-S1AP-ID数据与第一MME-UE-S1AP-ID数据相同,则挑选出采样时间间隔最小的第二MME-UE-S1AP-ID数据,关联其所在的MRO采样点数据与S1-MME采样点数据,形成关联采样点数据,该关联采样点数据只是孤立的采样点数据,还需要将其进行串联,形成一条条数据,每条数据表示一个用户的采样点数据,由于S1-MME采样点数据中包含用户标识(International Mobile Subscriber Identification Number,IMSI),且每一个用户都携带一个独一无二的IMSI,因此,不同时刻相同的IMSI表示同一个用户的不同时刻采样点数据。由于关联采样点数据包括了S1-MME采样点数据,因此可以从关联采样点数据中获取IMSI数据,根据IMSI数据,按照采样时间顺序生成待识别小区的用户级采样点数据,其中采样时间为S1-MME采样点数据中的开始时间。这样,待识别小区就有多条用户级采样点数据,每条用户级采样点数据既包括用户的S1-MME采样点数据,又包括用户的MRO采样点数据。
例如,MRO采样点数据的上报周期为5120ms,则服务器获取S1-MME采样点数据后,查找与S1-MME采样点数据中MME-UE-S1AP-ID相同的MRO采样点数据,然后筛选出采样时刻差在±5120ms内的MRO采样点数据,然后根据采样时刻差,找出差值最小的MRO采样点数据,将该MRO采样点数据与S1-MME采样点数据关联,并根据IMSI数据对关联采样点数据进行划分,根据采样时间顺序生成待识别小区的用户级采样点数据。
本发明实施例提供的识别深度覆盖小区的方法,通过关联S1-MME采样点数据和MRO采样点数据,并根据IMSI数据生成待识别小区的用户级采样点数据,根据用户级采样点数据判断待识别小区是否为深度覆盖小区,实现了用户级的数据区分,提高了识别速度和正确率,并且识别标准统一,识别过程客观,适用于全网,对城区或非城区区域的小区都可直接应用。
在上述各实施例的基础上,进一步地,所述根据所述用户级采样点数据计算所述待识别小区的用户属性信息,包括:
从所述用户级采样点数据中获取采样时间和小区标识;
根据所述采样时间和所述小区标识计算所述待识别小区内每个用户的连续驻留时长。
具体地,在深度覆盖场景下,用户移动性低,较大概率可以稳定长时间驻留一个小区,根据S1-MME采样点数据特点,用户进入一个新小区下必定有S1-MME记录产生,并且网络是连续覆盖的,因此,可以从用户级采样点数据中获取采样时间和小区标识,根据采样点时间和小区标识计算待识别小区内每个用户的连续驻留时长。
具体地,由于用户级采样点数据是按采样时间顺序生成的,因此,可以根据待识别小区内单个用户的第1个用户级采样点数据与该用户第2个用户级采样点数据进行比较,若服务小区均为待识别小区,则该用户在待识别小区下连续驻留时长进行累加,直至服务小区改变,不再进行驻留时长的累加,获取该用户在待识别小区的驻留时长。或者,服务器可以记录该用户的第一个服务小区为待识别小区的用户级采样点数据,记为切入时间,然后依次判断该用户的用户级采样点数据中服务小区是否为待识别小区,若该用户第N个用户级采样点数据的服务小区发生了变化,不再是待识别小区,则记录第N个用户级采样点数据的采样时间为切出时间,切入时间与切出时间的差值即为该用户在待识别小区的驻留时长。例如,用户从A_cell小区进入B_cell小区,则进入A_cell小区的首条记录对应时刻A_time到进入B_cell小区的首条记录对应时刻B_time的时间差就是该用户连续驻留A_cell的时长。
本发明实施例提供的识别深度覆盖小区的方法,根据用户级采样点数据计算待识别小区内每个用户的连续驻留时长,根据连续驻留时长判断待识别小区是否为深度覆盖小区,将用户的移动属性信息应用到深度覆盖识别中,提高了识别速度和正确率,并且识别标准统一,识别过程客观,适用于批量全网处理,对城区或非城区区域的小区都可直接应用。
在上述各实施例的基础上,进一步地,所述若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区,包括:
计算所述待识别小区内连续驻留时长大于第一门限的第一用户数目;
若判断获知所述第一用户数目与所述待识别小区内用户总数目的占比满足第一预设识别条件,则确认所述待识别小区为深度覆盖小区。
具体地,根据待识别小区的用户级采样点数据,获取待识别小区的用户总数目,并判断每个用户的连续驻留时长是否大于第一门限,若大于则第一用户数目加1,以此计算第一用户数目,然后计算第一用户数目占用户总数目的比例,若该比例满足第一预设识别条件,则确认待识别小区为深度覆盖小区。例如在待识别小区内连续驻留时长大于1h的用户数目占总用户数目80%,则确认待识别小区为深度覆盖小区。
本发明实施例提供的识别深度覆盖小区的方法,根据连续驻留时长判断待识别小区是否为深度覆盖小区,提高了识别深度覆盖小区的正确率,并且识别过程是对原有数据进行利用,无需额外资源配置,无需现场场景勘察,提高了识别效率。
在上述各实施例的基础上,进一步地,所述若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区,包括:
计算所述待识别小区内连续驻留时长大于第二门限的第二用户数目;
若判断获知所述第二用户数目满足第二预设识别条件,则确认所述待识别小区为深度覆盖小区。
在实际应用中,若小区覆盖了道路,很多用户快速进入小区,快速离开小区,导致小区用户总数量增加,因此,在本发明实施例中,计算待识别小区内连续驻留时长大于第二门限的第二用户数目,若第二用户数目满足第二预设识别条件,则确认待识别小区为深度覆盖小区,例如1h内,第二用户数目大于100人则确认待识别小区为深度覆盖小区。
本发明实施例提供的识别深度覆盖小区的方法,根据连续驻留时长判断待识别小区是否为深度覆盖小区,提高了识别深度覆盖小区的正确率,并且识别标准统一,识别过程客观,适用于批量全网处理,对城区或非城区区域的小区都可直接应用。
在上述各实施例的基础上,进一步地,所述根据所述用户级采样点数据计算所述待识别小区的用户属性信息,包括:
从OMC数据中获取所述待识别小区的参考信号发射功率;
从所述用户级采样点数据中获取参考信号接收功率;
根据所述参考信号发射功率和所述参考信号接收功率计算所述待识别小区内每个用户的平均路损;
相应地,所述若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区,包括:
计算所述待识别小区内平均路损大于第三门限的第三用户数目;
若判断获知所述第三用户数目与所述待识别小区内用户总数目的占比满足第三预设识别条件,则确认所述待识别小区为深度覆盖小区。
具体地,在深度覆盖小区中,由于场景复杂,用户的室内外属性表现为较大比例用户处于室内或复杂环境下,路损较大。因此本发明实施例中服务器从OMC数据中获取待识别小区的参考信号发射功率(Reference Signal Power,RS功率),具体地通过OMC数据可以获取基站相关的配置数据等信息,如基站发射功率、配置小区数量、频段划分等,根据这些信息可以计算出小区的RS功率,其中通过OMC数据计算小区的RS功率,为本领域技术人员所熟知的现有技术,此处不再赘述。之后,服务器从用户级采样点数据中获取采样点在待识别小区的参考信号接收功率(Reference Signal Receiving Power,RSRP),根据公式路损等于RS功率-RSRP计算出每条用户级采样点数据的路损,然后计算出每个用户的平均路损。之后,服务器计算待识别小区内平均路损大于第三门限的第三用户数目和待识别小区的用户总数目,若第三用户数目与用户总数目占比满足第三预设识别条件,则确认待识别小区为深度覆盖小区。
本发明实施例提供的识别深度覆盖小区的方法,根据用户级采样点数据计算待识别小区内每个用户的平均路损,根据用户的平均路损判断待识别小区是否为深度覆盖小区,将用户的室内外属性信息应用到深度覆盖是被中,提高了识别速度和正确率,并且识别标准统一,识别过程客观,适用于批量全网处理,对城区或非城区区域的小区都可直接应用。
图2为本发明实施例提供的识别深度覆盖小区的装置结构示意图,如图2所示,该装置包括:获取模块21、关联模块22、计算模块23和识别模块24,其中:
获取模块21用于获取与待识别小区相关的S1-MME采样点数据和MRO采样点数据;关联模块22用于根据所述S1-MME采样点数据和所述MRO采样点数据,生成所述待识别小区的用户级采样点数据;计算模块23用于根据所述用户级采样点数据计算所述待识别小区的用户属性信息;识别模块24用于若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区。
具体地,S1接口是基站(eNodeB)与分组核心网(Evolved Packet Core,EPC)之间的通讯接口,S1接口包括控制面S1-MME和用户面S1-U,其中S1-MME将基站和移动性管理实体(Mobility Management Entity,MME)相连,主要完成S1接口的无线接入承载控制、接口专用的操作维护等功能。从S1-MME接口可以获取S1-MME采样点数据,S1-MME采样点数据携带了用户在不同时刻驻留的小区以及其它一些用户网络控制和用户应用产生的信令数据。
MRO采样点数据(Measure Report Data)是用户终端上报给基站的无线侧测量报告。MRO数据采集功能开启期间,网络中所有终端都会在网络控制下,周期性上报终端所在位置的网络测量信息。MRO采样点数据包括用户终端的主服务小区和周围小区的电平强度、服务小区的时间提前量(Timing Advance,TA)、天线到达角(Angle-of-Arrival,AOA)、功率余量(Power Headroom Report,PHR)等数据,通过MRO采样点数据可以辅助评估小区网络质量。获取模块21通过S1-MME接口获取S1-MME采样点数据,通过基站获取用户终端上传至基站的MRO采样点数据,由于S1-MME采样点数据和MRO采样点数据都携带服务小区信息,因此可以根据服务小区信息和待识别小区信息,筛选出与待识别小区相关的S1-MME采样点数据和MRO采样点数据。
关联模块22将S1-MME采样点数据和MRO采样点数据关联,得到待识别小区的用户级采样点数据,实现用户级的数据区分,且该用户级采样点数据既包含了S1-MME采样点数据信息,又包含了MRO采样点数据信息,即,每个用户级采样点数据既包括具体的用户信息,又包括与该用户相关的无线侧网络质量信息。
计算模块23根据待识别小区的用户级采样点数据可以得到待识别小区内每个用户的用户属性信息。其中用户属性信息包括但不限于用户移动属性信息和/或用户室内外属性信息等。识别模块24判断用户属性信息是否满足预设识别条件,若满足,则待识别小区为深度覆盖小区,否则,待识别小区为非深度覆盖小区。本发明实施例提供的装置用于实现上述方法,其功能具体参照上述方法实施例,此处不再赘述。
本发明实施例提供的识别深度覆盖小区的装置,通过S1-MME采样点数据和MRO采样点数据,生成待识别小区的用户级采样点数据,根据用户级采样点数据判断待识别小区是否为深度覆盖小区,提高了识别速度和正确率,并且识别标准统一,识别过程客观,适用于全网,对城区或非城区区域的小区都可直接应用。
在上述实施例的基础上,进一步地,所述关联模块包括:
第一获取单元,用于从所述S1-MME采样点数据中获取第一MME-UE-S1AP-ID数据;
第二获取单元,用于从所述MRO采样点数据中获取第二MME-UE-S1AP-ID数据;
关联单元,用于若所述第一MME-UE-S1AP-ID数据与所述第二MME-UE-S1AP-ID数据相同且采样时间间隔小于预设时长,则关联所述S1-MME采样点数据和所述MRO采样点数据,生成关联采样点数据;
第三获取单元,用于从所述关联采样点数据中获取IMSI数据;
处理单元,用于根据所述IMSI数据,按照采样时间顺序生成所述待识别小区的用户级采样点数据。
具体地,第一获取单元从S1-MME采样点数据中读取MME-UE-S1AP-ID数据,第二获取单元从MRO采样点数据中读取MME-UE-S1AP-ID数据,为了便于区分,在本发明实施例中,将S1-MME采样点数据中携带的MME-UE-S1AP-ID数据记为第一MME-UE-S1AP-ID数据,将MRO采样点数据中携带的MME-UE-S1AP-ID数据记为第二MME-UE-S1AP-ID数据,之后关联单元判断第一MME-UE-S1AP-ID数据与第二MME-UE-S1AP-ID数据是否相同,若相同,再判断两者的采样时间间隔是否小于预设时长,若小于,则根据MME-UE-S1AP-ID数据关联S1-MME采样点数据和MRO采样点数据,其中S1-MME采样点数据中的采样时间为开始时间,MRO采样点数据中的采样时间为每条数据的开始时间。在实际应用中,MRO采样点数据量远远大于S1-MME采样点数据量,若采样时间间隔在预设时长内,存在多个第二MME-UE-S1AP-ID数据与第一MME-UE-S1AP-ID数据相同,则挑选出采样时间间隔最小的第二MME-UE-S1AP-ID数据,关联其所在的MRO采样点数据与S1-MME采样点数据,第三获取单元从关联采样点数据中获取IMSI数据,处理单元根据IMSI数据,按照采样时间顺序生成待识别小区的用户级采样点数据,其中采样时间为S1-MME采样点数据中的开始时间。这样,待识别小区就有多条用户级采样点数据,每条用户级采样点数据既包括用户的S1-MME采样点数据,又包括用户的MRO采样点数据。本发明实施例提供的装置用于实现上述方法,其功能具体参照上述方法实施例,此处不再赘述。
本发明实施例提供的识别深度覆盖小区的装置,通过关联S1-MME采样点数据和MRO采样点数据,并根据IMSI数据生成待识别小区的用户级采样点数据,根据用户级采样点数据判断待识别小区是否为深度覆盖小区,实现了用户级的数据区分,提高了识别速度和正确率,并且识别标准统一,识别过程客观,适用于全网,对城区或非城区区域的小区都可直接应用。
在上述各实施例的基础上,进一步地,所述计算模块包括:
第四获取单元,用于从所述用户级采样点数据中获取采样时间和小区标识;
第一计算单元,用于根据所述采样时间和所述小区标识计算所述待识别小区内每个用户的连续驻留时长。
具体地,第四获取单元从用户级采样点数据中获取采样时间和小区标识,第一计算单元根据待识别小区内单个用户的第1个用户级采样点数据的采样时间和小区标识与该用户第2个用户级采样点数据进行比较,若服务小区均为待识别小区,则该用户在待识别小区下连续驻留时长进行累加,直至服务小区改变,不再进行驻留时长的累加,获取该用户在待识别小区的驻留时长。本发明实施例提供的装置用于实现上述方法,其功能具体参照上述方法实施例,此处不再赘述。
本发明实施例提供的识别深度覆盖小区的装置,根据用户级采样点数据计算待识别小区内每个用户的连续驻留时长,根据连续驻留时长判断待识别小区是否为深度覆盖小区,将用户的移动属性信息应用到深度覆盖识别中,提高了识别速度和正确率,并且识别标准统一,识别过程客观,适用于批量全网处理,对城区或非城区区域的小区都可直接应用。
在上述各实施例的基础上,进一步地,所述识别模块包括:
第二计算单元,用于计算所述待识别小区内连续驻留时长大于第一门限的第一用户数目;
第一识别单元,用于若判断获知所述第一用户数目与所述待识别小区内用户总数目的占比满足第一预设识别条件,则确认所述待识别小区为深度覆盖小区。
具体地,第二计算单元根据待识别小区的用户级采样点数据,获取待识别小区的用户总数目,并判断每个用户的连续驻留时长是否大于第一门限,若大于则第一用户数目加1,以此计算第一用户数目,然后计算第一用户数目占用户总数目的比例,第一识别单元判断若该比例满足第一预设识别条件,则确认待识别小区为深度覆盖小区。例如在待识别小区内连续驻留时长大于1h的用户数目占总用户数目80%,则确认待识别小区为深度覆盖小区。本发明实施例提供的装置用于实现上述方法,其功能具体参照上述方法实施例,此处不再赘述。
本发明实施例提供的识别深度覆盖小区的装置,根据连续驻留时长判断待识别小区是否为深度覆盖小区,提高了识别深度覆盖小区的正确率,并且识别过程是对原有数据进行利用,无需额外资源配置,无需现场场景勘察,提高了识别效率。
在上述各实施例的基础上,进一步地,所述识别模块包括:
第三计算单元,用于计算所述待识别小区内连续驻留时长大于第二门限的第二用户数目;
第二识别单元,用于若判断获知所述第二用户数目满足第二预设识别条件,则确认所述待识别小区为深度覆盖小区。
在实际应用中,若小区覆盖了道路,很多用户快速进入小区,快速离开小区,导致小区用户总数量增加。第三计算单元计算待识别小区内连续驻留时长大于第二门限的第二用户数目,第二识别单元判断若第二用户数目满足第二预设识别条件,则确认待识别小区为深度覆盖小区,例如1h内,第二用户数目大于100人则确认待识别小区为深度覆盖小区。本发明实施例提供的装置用于实现上述方法,其功能具体参照上述方法实施例,此处不再赘述。
本发明实施例提供的识别深度覆盖小区的装置,根据连续驻留时长判断待识别小区是否为深度覆盖小区,提高了识别深度覆盖小区的正确率,并且识别标准统一,识别过程客观,适用于批量全网处理,对城区或非城区区域的小区都可直接应用。
在上述各实施例的基础上,进一步地,所述计算模块包括:
第五获取单元,用于从OMC数据中获取所述待识别小区的参考信号发射功率;
第六获取单元,用于从所述用户级采样点数据中获取参考信号接收功率;
第四计算单元,用于根据所述参考信号发射功率和所述参考信号接收功率计算所述待识别小区内每个用户的平均路损;
相应地,所述识别模块包括:
第五计算单元,用于计算所述待识别小区内平均路损大于第三门限的第三用户数目;
第三识别单元,用于若判断获知所述第三用户数目与所述待识别小区内用户总数目的占比满足第三预设识别条件,则确认所述待识别小区为深度覆盖小区。
具体地,在深度覆盖小区中,由于场景复杂,用户的室内外属性表现为较大比例用户处于室内或复杂环境下,路损较大。因此本发明实施例中第五获取单元从OMC数据中获取待识别小区的参考信号发射功率(Reference Signal Power,RS功率),之后,第六获取单元从用户级采样点数据中获取采样点在待识别小区的参考信号接收功率(Reference SignalReceiving Power,RSRP),第四计算单元根据公式路损等于RS功率-RSRP计算出每条用户级采样点数据的路损,然后计算出每个用户的平均路损。之后,第五计算单元计算待识别小区内平均路损大于第三门限的第三用户数目和待识别小区的用户总数目,第三识别单元判断若第三用户数目与用户总数目占比满足第三预设识别条件,则确认待识别小区为深度覆盖小区。本发明实施例提供的装置用于实现上述方法,其功能具体参照上述方法实施例,此处不再赘述。
本发明实施例提供的识别深度覆盖小区的装置,根据用户级采样点数据计算待识别小区内每个用户的平均路损,根据用户的平均路损判断待识别小区是否为深度覆盖小区,将用户的室内外属性信息应用到深度覆盖是被中,提高了识别速度和正确率,并且识别标准统一,识别过程客观,适用于批量全网处理,对城区或非城区区域的小区都可直接应用。
图3为本发明实施例提供的电子设备的结构示意图,如图3所示,所述设备包括:处理器(processor)301、存储器(memory)302和总线303;
其中,处理器301和存储器302通过所述总线303完成相互间的通信;
处理器301用于调用存储器502中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:获取与待识别小区相关的S1-MME采样点数据和MRO采样点数据;根据所述S1-MME采样点数据和所述MRO采样点数据,生成所述待识别小区的用户级采样点数据;根据所述用户级采样点数据计算所述待识别小区的用户属性信息;若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区。
本发明实施例公开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:获取与待识别小区相关的S1-MME采样点数据和MRO采样点数据;根据所述S1-MME采样点数据和所述MRO采样点数据,生成所述待识别小区的用户级采样点数据;根据所述用户级采样点数据计算所述待识别小区的用户属性信息;若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区。
本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态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:获取与待识别小区相关的S1-MME采样点数据和MRO采样点数据;根据所述S1-MME采样点数据和所述MRO采样点数据,生成所述待识别小区的用户级采样点数据;根据所述用户级采样点数据计算所述待识别小区的用户属性信息;若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置等实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上各实施例仅用以说明本发明的实施例的技术方案,而非对其限制;尽管参照前述各实施例对本发明的实施例进行了详细的说明,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,或者对其中部分或者全部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的实施例各实施例技术方案的范围。
Claims (10)
1.一种识别深度覆盖小区的方法,其特征在于,包括:
获取与待识别小区相关的S1-MME采样点数据和MRO采样点数据;
根据所述S1-MME采样点数据和所述MRO采样点数据,生成所述待识别小区的用户级采样点数据;
根据所述用户级采样点数据计算所述待识别小区的用户属性信息;
若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区。
2.根据权利要求1所述的方法,其特征在于,所述根据所述S1-MME采样点数据和所述MRO采样点数据,生成所述待识别小区的用户级采样点数据,包括:
从所述S1-MME采样点数据中获取第一MME-UE-S1AP-ID数据;
从所述MRO采样点数据中获取第二MME-UE-S1AP-ID数据;
若所述第一MME-UE-S1AP-ID数据与所述第二MME-UE-S1AP-ID数据相同且采样时间间隔小于预设时长,则关联所述S1-MME采样点数据和所述MRO采样点数据,生成关联采样点数据;
从所述关联采样点数据中获取IMSI数据;
根据所述IMSI数据,按照采样时间顺序生成所述待识别小区的用户级采样点数据。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述用户级采样点数据计算所述待识别小区的用户属性信息,包括:
从所述用户级采样点数据中获取采样时间和小区标识;
根据所述采样时间和所述小区标识计算所述待识别小区内每个用户的连续驻留时长。
4.根据权利要求3所述的方法,其特征在于,所述若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区,包括:
计算所述待识别小区内连续驻留时长大于第一门限的第一用户数目;
若判断获知所述第一用户数目与所述待识别小区内用户总数目的占比满足第一预设识别条件,则确认所述待识别小区为深度覆盖小区。
5.根据权利要求3所述的方法,其特征在于,所述若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区,包括:
计算所述待识别小区内连续驻留时长大于第二门限的第二用户数目;
若判断获知所述第二用户数目满足第二预设识别条件,则确认所述待识别小区为深度覆盖小区。
6.根据权利要求1或2所述的方法,其特征在于,所述根据所述用户级采样点数据计算所述待识别小区的用户属性信息,包括:
从OMC数据中获取所述待识别小区的参考信号发射功率;
从所述用户级采样点数据中获取参考信号接收功率;
根据所述参考信号发射功率和所述参考信号接收功率计算所述待识别小区内每个用户的平均路损;
相应地,所述若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区,包括:
计算所述待识别小区内平均路损大于第三门限的第三用户数目;
若判断获知所述第三用户数目与所述待识别小区内用户总数目的占比满足第三预设识别条件,则确认所述待识别小区为深度覆盖小区。
7.一种识别深度覆盖小区的装置,其特征在于,包括:
获取模块,用于获取与待识别小区相关的S1-MME采样点数据和MRO采样点数据;
关联模块,用于根据所述S1-MME采样点数据和所述MRO采样点数据,生成所述待识别小区的用户级采样点数据;
计算模块,用于根据所述用户级采样点数据计算所述待识别小区的用户属性信息;
识别模块,用于若判断获知所述用户属性信息满足预设识别条件,则确认所述待识别小区为深度覆盖小区。
8.根据权利要求7所述的装置,其特征在于,所述关联模块包括:
第一获取单元,用于从所述S1-MME采样点数据中获取第一MME-UE-S1AP-ID数据;
第二获取单元,用于从所述MRO采样点数据中获取第二MME-UE-S1AP-ID数据;
关联单元,用于若所述第一MME-UE-S1AP-ID数据与所述第二MME-UE-S1AP-ID数据相同且采样时间间隔小于预设时长,则关联所述S1-MME采样点数据和所述MRO采样点数据,生成关联采样点数据;
第三获取单元,用于从所述关联采样点数据中获取IMSI数据;
处理单元,用于根据所述IMSI数据,按照采样时间顺序生成所述待识别小区的用户级采样点数据。
9.一种电子设备,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6任一所述的方法。
10.一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6任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710811666.9A CN109495914B (zh) | 2017-09-11 | 2017-09-11 | 一种识别深度覆盖小区的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710811666.9A CN109495914B (zh) | 2017-09-11 | 2017-09-11 | 一种识别深度覆盖小区的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109495914A true CN109495914A (zh) | 2019-03-19 |
CN109495914B CN109495914B (zh) | 2022-04-01 |
Family
ID=65687446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710811666.9A Active CN109495914B (zh) | 2017-09-11 | 2017-09-11 | 一种识别深度覆盖小区的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109495914B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102572901A (zh) * | 2010-12-13 | 2012-07-11 | 中国移动通信集团上海有限公司 | 载频隐性故障确定方法及装置 |
CN103839407A (zh) * | 2014-03-03 | 2014-06-04 | 杭州九树网络科技有限公司 | 一种基于位置的信息推荐系统和方法 |
US20150023319A1 (en) * | 2013-07-19 | 2015-01-22 | Lg Electronics | Method and apparatus for transmitting user equipment group information in wireless communication system |
CN105120486A (zh) * | 2015-09-11 | 2015-12-02 | 中国联合网络通信集团有限公司 | 一种通信网络效能的评价方法及装置 |
US20150373614A1 (en) * | 2014-03-19 | 2015-12-24 | Futurewei Technologies, Inc. | System and method for ue-specific offloading |
US20160165468A1 (en) * | 2014-12-09 | 2016-06-09 | Futurewei Technologies, Inc. | Method and apparatus for optimizing cell specific antenna configuration parameters |
CN106162669A (zh) * | 2016-06-28 | 2016-11-23 | 浙江航洋通信科技有限公司 | 一种多运营商移动网络融合的小区及楼宇覆盖方法 |
CN106332138A (zh) * | 2016-08-31 | 2017-01-11 | 四川亨通网智科技有限公司 | 一种基于s1‑mme信令关联获取mro用户信息的方法 |
CN106507399A (zh) * | 2015-09-07 | 2017-03-15 | 中国移动通信集团山西有限公司 | 寻呼失败处理方法及装置 |
CN106535204A (zh) * | 2015-09-10 | 2017-03-22 | 中国移动通信集团上海有限公司 | 一种业务覆盖质量评估方法及装置 |
CN106572495A (zh) * | 2016-09-29 | 2017-04-19 | 中国普天信息产业北京通信规划设计院 | 基于信令和mr数据的网络质量监测方法和覆盖评估方法 |
CN106604224A (zh) * | 2016-11-21 | 2017-04-26 | 北京拓明科技有限公司 | 一种基于xdr的4g驻留比指标获取方法及系统 |
US20170134255A1 (en) * | 2015-11-10 | 2017-05-11 | Netgear, Inc. | Rate estimation in a wireless mesh network |
CN106998538A (zh) * | 2016-01-22 | 2017-08-01 | 上海大唐移动通信设备有限公司 | 一种信令采集分析系统和信令数据更新方法 |
CN107135117A (zh) * | 2016-02-29 | 2017-09-05 | 中国移动通信集团福建有限公司 | 一种确定网络弱覆盖的方法及装置 |
-
2017
- 2017-09-11 CN CN201710811666.9A patent/CN109495914B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102572901A (zh) * | 2010-12-13 | 2012-07-11 | 中国移动通信集团上海有限公司 | 载频隐性故障确定方法及装置 |
US20150023319A1 (en) * | 2013-07-19 | 2015-01-22 | Lg Electronics | Method and apparatus for transmitting user equipment group information in wireless communication system |
CN103839407A (zh) * | 2014-03-03 | 2014-06-04 | 杭州九树网络科技有限公司 | 一种基于位置的信息推荐系统和方法 |
US20150373614A1 (en) * | 2014-03-19 | 2015-12-24 | Futurewei Technologies, Inc. | System and method for ue-specific offloading |
US20160165468A1 (en) * | 2014-12-09 | 2016-06-09 | Futurewei Technologies, Inc. | Method and apparatus for optimizing cell specific antenna configuration parameters |
CN106507399A (zh) * | 2015-09-07 | 2017-03-15 | 中国移动通信集团山西有限公司 | 寻呼失败处理方法及装置 |
CN106535204A (zh) * | 2015-09-10 | 2017-03-22 | 中国移动通信集团上海有限公司 | 一种业务覆盖质量评估方法及装置 |
CN105120486A (zh) * | 2015-09-11 | 2015-12-02 | 中国联合网络通信集团有限公司 | 一种通信网络效能的评价方法及装置 |
US20170134255A1 (en) * | 2015-11-10 | 2017-05-11 | Netgear, Inc. | Rate estimation in a wireless mesh network |
CN106998538A (zh) * | 2016-01-22 | 2017-08-01 | 上海大唐移动通信设备有限公司 | 一种信令采集分析系统和信令数据更新方法 |
CN107135117A (zh) * | 2016-02-29 | 2017-09-05 | 中国移动通信集团福建有限公司 | 一种确定网络弱覆盖的方法及装置 |
CN106162669A (zh) * | 2016-06-28 | 2016-11-23 | 浙江航洋通信科技有限公司 | 一种多运营商移动网络融合的小区及楼宇覆盖方法 |
CN106332138A (zh) * | 2016-08-31 | 2017-01-11 | 四川亨通网智科技有限公司 | 一种基于s1‑mme信令关联获取mro用户信息的方法 |
CN106572495A (zh) * | 2016-09-29 | 2017-04-19 | 中国普天信息产业北京通信规划设计院 | 基于信令和mr数据的网络质量监测方法和覆盖评估方法 |
CN106604224A (zh) * | 2016-11-21 | 2017-04-26 | 北京拓明科技有限公司 | 一种基于xdr的4g驻留比指标获取方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109495914B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110719605B (zh) | 一种基于5g技术的网速检测系统 | |
CN110337059B (zh) | 一种用户家庭关系的分析算法、服务器及网络系统 | |
Zhang et al. | A novel LTE network deployment scheme using telecom big data | |
CN106465328B (zh) | 用于估计至少两个用户设备之间的地理距离或地理距离的范围的方法和系统、移动通信网络和用户设备 | |
CN111586678A (zh) | 一种电力通信无线专用网络运维支撑平台 | |
CN106535210B (zh) | 基于移动通信信令采集的小区业务覆盖图绘制方法及系统 | |
CN113938928B (zh) | 一种用于内陆湖泊观测网的通讯系统 | |
CN108133001A (zh) | Mr室内外分离方法、装置及介质 | |
CN106992894A (zh) | 一种移动互联网业务感知分析测试系统 | |
CN109041592A (zh) | 蜂窝网络信号测量方法、装置及计算机可读存储介质 | |
CN108495075A (zh) | 视频通信方法及装置 | |
CN108235335B (zh) | 一种室内网络弱覆盖区域的确定方法及装置 | |
CN113660687B (zh) | 网络差小区处理方法、装置、设备及存储介质 | |
CN109819467A (zh) | 一种4g室分覆盖效果评估方法、装置及电子设备 | |
CN105848104B (zh) | 基于区域的人员流动状态监测方法及装置 | |
CN104581744B (zh) | 一种实现网络规划的方法及装置 | |
CN104883705A (zh) | 一种数据业务投诉的问题定位方法及装置 | |
CN106470464A (zh) | 采集目标对象的终端信息的方法、装置和摄像机 | |
CN103793222A (zh) | 一种移动设备管理的方法、服务器及系统 | |
CN212115689U (zh) | 一种电力通信无线专用网络运维支撑平台架构 | |
CN109309535A (zh) | Ap设备无线自动化检测系统及方法 | |
CN110167030A (zh) | 识别骚扰电话的方法、装置、电子设备和存储介质 | |
CN109495914A (zh) | 一种识别深度覆盖小区的方法及装置 | |
CN109831825A (zh) | 一种子网关及其入网方法、网关集群及其通信方法 | |
CN107027135A (zh) | 一种识别室内用户的方法及装置 |
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 |