CN109963285A - 确定小区覆盖范围的方法、装置、电子设备和存储介质 - Google Patents
确定小区覆盖范围的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN109963285A CN109963285A CN201711340046.8A CN201711340046A CN109963285A CN 109963285 A CN109963285 A CN 109963285A CN 201711340046 A CN201711340046 A CN 201711340046A CN 109963285 A CN109963285 A CN 109963285A
- Authority
- CN
- China
- Prior art keywords
- cell
- data
- base station
- coverage area
- point
- 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
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
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确定小区覆盖范围的方法、装置、电子设备和存储介质。所述方法包括获取预设时间段内,小区中终端UE位置的集合;针对每一集合,将集合内的UE位置标注于二维坐标系;界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围。所述方法通过获取小区中UE位置的集合,由UE位置反向拟合出小区覆盖范围,能够高效准确的确定小区覆盖范围。
Description
技术领域
本发明实施例涉及通信技术领域,特别是一种确定小区覆盖范围的方法、装置、电子设备和存储介质。
背景技术
每一基站包括至少一个小区,每一小区与基站的一面天线相对应,在现有技术中,要获得小区覆盖范围主要有两种方式:
一种是通过小区的建设信息数据进行正向推演计算。
正向推演计算需要使用到基站的全部小区的建设信息数据,如天线的布置位置、挂高、楼高、方向角、下倾角、发射功率等信息,通过无线电波信号随发射距离而衰减的物理公式,计算每块天线覆盖范围并绘制在地图上。
正向推演计算存在以下缺点:
1、正向推演计算依赖完整的基站小区建设信息,若数据缺漏会直接导致无法计算,例如天线的方向角信息或天线下倾角信息缺漏的问题在实施过程中比较常见。
2、容错率低,若工参中的基础数据存在错误,则难以察觉,例如小区天线本身的经纬度信息有错误,会导致后续的计算结果全部失真。
3、获取到的结果是一个理论的扇形区域,无法考虑到室外复杂环境中楼宇之间的相互遮挡作用,推算结果的准确性低,不能直接适用到无线优化工作中去。
另一种是通过人工实际路测确定各小区覆盖范围。
利用精确定位的手持设备,由操作工人在各小区附近走动测量,根据手持设备的小区信息判断发生小区间切换的地理位置,记录小区切换位置的GPS(Global PositioningSystem,全球定位系统)信息,从而描绘出各小区实际覆盖范围的边缘。
人工实际路测计算存在以下缺点:
1、需要大量人力劳动,一般每个室外小区覆盖范围都有几平方公里,信息采集效率低下;
2、不能灵活应对无线网络的调整,例如某小区天线的功率增加,某处新建了一个基站,都需要重新对该区域进行路测。
可见,现有技术没有能够高效准确的确定小区覆盖范围的技术方案。
发明内容
针对现有技术的缺陷,本发明实施例提供一种确定小区覆盖范围的方法、装置、电子设备和存储介质。
一方面,本发明实施例提供一种确定小区覆盖范围的方法,所述方法包括:
获取预设时间段内,小区中终端UE位置的集合;
针对每一集合,将集合内的UE位置标注于二维坐标系;
界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围。
另一方面,本发明实施例提供一种确定小区覆盖范围的装置,所述装置包括:
获取模块,用于获取预设时间段内,小区中终端UE位置的集合;
标注模块,用于针对每一集合,将集合内的UE位置标注于二维坐标系;
界定模块,用于界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围。
另一方面,本发明实施例还提供一种电子设备,包括存储器、处理器、总线以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以上方法的步骤。
另一方面,本发明实施例还提供一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上方法的步骤。
由上述技术发明实施例可知,本发明实施例提供的确定小区覆盖范围的方法、装置、电子设备和存储介质,所述方法通过获取小区中UE位置的集合,由UE位置反向拟合出小区覆盖范围,能够高效准确的确定小区覆盖范围。
附图说明
图1为本发明实施例提供的一种确定小区覆盖范围的方法的流程示意图;
图2为本发明又一实施例提供的凸包示意图;
图3为本发明又一实施例提供的基站对应三个小区确定基站的位置信息示意图;
图4为本发明又一实施例提供的基站对应两个小区确定基站的位置信息示意图;
图5为本发明又一实施例提供的数据处理的交互示意图;
图6为本发明又一实施例提供的基站对应一个小区确定基站的位置信息示意图;
图7为本发明又一实施例提供的一种确定小区覆盖范围的装置的结构示意图;
图8为本发明又一实施例提供的一种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、技术发明实施例和优点更加清楚,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发明实施例进行清楚地描述,显然,所描述的实施例是本发明实施例一部分实施例,而不是全部的实施例。
图1示出了本发明实施例提供的一种确定小区覆盖范围的方法的流程示意图。
如图1所示,本发明实施例提供的方法具体包括以下步骤:
步骤11、获取预设时间段内,小区中终端UE位置的集合;
本发明实施例提供的方法在确定小区覆盖范围的装置上实现,确定小区覆盖范围的装置可为大数据平台或无线网络优化平台。
可选地,确定小区覆盖范围的装置自预先存储的数据库中获取所述集合,每一个集合中包括多个UE(User Equipment,终端)位置,各个UE位置对应的小区为同一个。
可选地,UE位置是在预设时间段内UE曾与网络侧交互,因此被定位而产生的经纬度信息。
预设时间段可根据实际情况设置,例如为一天。
步骤12、针对每一集合,将集合内的UE位置标注于二维坐标系;
可选地,每一UE位置可表示为一个坐标点(x,y),将每一UE位置分别映射至二维坐标系。
可选地,一个小区对应一个集合,将集合内的UE位置标注于二维坐标系,以便从整体观察该小区的UE的分布情况。
步骤13、界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围。
可选地,从UE的分布情况,可以确定分布的边界,也就是说,经过位于边界的坐标点,沿顺时针或逆时针持续绘制线条,可得到一个封闭的区域,该区域能够将所有的坐标点都包围在区域内。
可选地,所有的UE位置将被界定至该区域内,表示在该UE位置可接收到小区的天线的信号,因此该区域反映了天线的信号的覆盖情况,可将区域作为该小区的覆盖范围。
在本发明实施例中,通过实际UE位置,确定小区中UE的分布,反向拟合出小区覆盖范围,可以理解的是,既然获取了UE位置,表示该位置可以接收到小区的天线的信号,该位置属于小区覆盖范围内,再绘制可将一个小区中的UE位置包围的区域,并将所述区域作为小区覆盖范围。
由UE位置反推出小区覆盖范围,从根本上解决了正向推演计算和人工实际路测的局限,能够高效准确的确定小区覆盖范围。
本发明实施例的确定小区覆盖范围的方法,通过获取小区中UE位置的集合,由UE位置反向拟合出小区覆盖范围,能够高效准确的确定小区覆盖范围。
在上述实施例的基础上,本发明又一实施例提供的确定小区覆盖范围的方法,获取预设时间段内,小区中UE位置的集合的步骤之前,所述方法还包括:
从S1-U接口采集得到全部的详细记录XDR数据,XDR数据包括信令数据,所述信令数据包含多个数据包以及该数据包传输经过的网元节点的信息,每一数据包包含UE的一个位置,所述UE位置是APP应用程序定位产生的经纬度信息;
对XDR数据进行深度分组检测DPI解析,获取UE位置;
根据网元节点的信息,确定每一UE位置对应的小区,得到多个小区的回填数据,每一小区的回填数据包括与同一小区相关的多个字段。
可选地,S1-U接口是基站与核心网之间的通讯接口,确定小区覆盖范围的装置从S1-U接口采集得到XDR(x Detail Records,全部的详细记录)数据。
可选地,XDR数据用于记录的PS(Packet Switch,分组交换)域的信令数据,XDR数据描述了UE在PS域上网的全过程。
可选地,UE在使用移动网络上网时,与基站通信的过程中会产生信令数据,信令数据包含了该UE上网的数据包,以及网元节点的信息。网元节点的信息是网元节点之间互联互通传输数据包生成的信息,包括UE所属的基站,UE服务的小区等。
可选地,数据包中包含了UE的一个位置,一个位置是使用APP(Application,应用程序)时,APP对该UE进行一次定位产生的经纬度信息。
例如,APP是导航、地图、打车、共享单车或外卖等客户端。
可选地,通过对XDR数据的DPI(Deep Packet Inspection,深度分组检测)解析,从每一数据包中获取UE上网时所处的经纬度信息。
可选地,结合XDR数据中的网元节点的信息,可知数据包来自于哪个基站的小区,小区的ID(Identifier,标识)和TAC。
可选地,根据UE位置,以及小区的ID,从而可匹配出每一小区所服务的UE在使用网络时的位置,从而得到小区的回填数据。
可选地,小区的回填数据是指将小区的数据收集整合起来,得到的与一个小区相关的数据。
可选地,将所有有效信息抽取出来,得到一个小区的回填数据,小区的回填数据包括多个字段,包括时间、UE的号码、UE位置、小区的ID、TAC(Tracking Area Code,跟踪区编码)等。
举例来说,小区的回填数据如表1所示:
表1
Tac | Cell_id | longitude | Latitude |
9448 | 1679361 | 121.123323 | 23.23234 |
…… | …… | …… |
表1的一行数据表示在TAC是9448,Cell_id是1679361的区域,自APP获取的多个UE位置。
本实施例其他步骤与前述实施例步骤相似,本实施例不再赘述。
本实施例提供的确定小区覆盖范围的方法,通过自应用程序提取出UE位置,可以准确的确定UE位置。
在上述实施例的基础上,本发明又一实施例提供的确定小区覆盖范围的方法,根据网元节点的信息,确定每一UE位置对应的小区,得到多个小区的回填数据的步骤之后,所述方法还包括:
将所述小区的回填数据存储于基于分布式系统的数据仓库工具HIVE中;
通过分布式的内存计算框架sprak自HIVE获取所述小区的回填数据。
可选地,HIVE是基于Hadoop(Hadoop Distributed File System,分布式系统)的一个数据仓库工具,可以将结构化的数据文件映射为一张数据表,并提供简单的查询功能。
可选地,在本发明实施例中所述小区的回填数据包括小区的标识、以及UE的经度和纬度信息,将所述小区的回填数据存储于HIVE中则自动映射为一张数据表,易于读取。
可选地,通过sprak定时自HIVE获取所述小区的回填数据。
Spark是一个分布式的内存计算框架,其特点是能处理大规模数据,计算速度快。
可选地,一个小区一天的UE位置的数据量是巨大的,选用Spark获取小区的回填数据,可以提高效率。
本实施例其他步骤与前述实施例步骤相似,本实施例不再赘述。
本实施例提供的确定小区覆盖范围的方法,通过HIVE存储所述UE位置的集合,sprak读取小区的回填数据,可以进一步提高确定小区覆盖范围的效率。
在上述实施例的基础上,本发明又一实施例提供的确定小区覆盖范围的方法,通过分布式的内存计算框架sprak自HIVE获取所述小区的回填数据的步骤之后,所述方法还包括:
对所述小区的回填数据进行数据处理,去掉字段为空的数据。
可选地,sprak对获取的小区的ID、TAC和UE的经纬度信息进行数据处理。
可选地,自S1-U接口获得的所述小区的回填数据有可能是脏数据,需进行数据清洗,即去掉其中值为空的数据。
脏数据(Dirty Read)是指源系统中的数据不在指定的范围内、对于实际业务毫无意义或是格式非法的数据。
对小区的ID、TAC和UE的经纬度信息进行清洗,去掉其中值为空的数据,得到有效数据。
本实施例其他步骤与前述实施例步骤相似,本实施例不再赘述。
本实施例提供的确定小区覆盖范围的方法,通过sprak对所述小区的回填数据进行数据处理,得到有效数据,为准确的确定小区覆盖范围提供数据支持。
在上述实施例的基础上,本发明又一实施例提供的确定小区覆盖范围的方法,对所述小区的回填数据进行数据处理,去掉字段为空的数据的步骤之后,所述方法还包括:
对所述小区的回填数据的UE位置进行筛选,剔除离群点,得到所述UE的集合。
可选地,针对数据清洗后的小区的回填数据进行筛选,以剔除异常值。
可选地,通常情况下,同一小区服务的UE将以天线为中心聚集在一起,观察是否存在明显“离群”的离群点,若存在,则剔除该UE位置。
可选地,离群点是指一个序列中,远离序列的一般水平的极端大值和极端小值。
本实施例其他步骤与前述实施例步骤相似,本实施例不再赘述。
本实施例提供的确定小区覆盖范围的方法,通过对所述小区的回填数据的UE位置进行筛选,剔除离群点,得到所述UE的集合,为准确的确定小区覆盖范围提供数据支持。
图2为本发明又一实施例提供的凸包示意图。
如图2所示,在上述实施例的基础上,本发明又一实施例提供的确定小区覆盖范围的方法,界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围的步骤具体为:
采用Melkman算法确定构成凸包的边缘点,
根据边缘点,勾勒出小区覆盖范围。
可选地,UE位置的集合可视为给定的一组二维坐标的集合,从集合中找出这些二维坐标的外围边界,在本发明实施例中,可将确定小区覆盖范围看作凸包问题来解决。
可选地,将UE位置映射至二维坐标系,一个UE位置称为一个坐标点,过某些边缘点作一个多边形,使这个多边形能把所有点都“包”起来,将这个多边形称为“凸包”。
可选地,解决凸包问题就是确定构成凸包的边缘点,也就是确定由哪些点可将所有点都“包”起来。
可选地,采用Melkman算法确定边缘点,从而勾勒出多边形的范围。
可选地,Melkman算法是1987年Melkman提出的凸包算法,其基本思想是首先找出集合中某一个维度上的最大或者最小值,然后按照顺时针或者逆时针的方向逐个遍历集合中剩余的点,从而要找出集合中最外围的边缘点。
可选地,在本发明实施例中,先找出二维坐标系中x值(即经度)最小的点记为原始点P_0,然后选定一个方向,比如逆时针方向,遍历集合中剩余的点,寻找下一个P_1,使得P_1和P_0形成的线段,将剩余的点归为一侧,从而确定集合中多边形的边缘点。
可选地,连接各边缘点,勾勒出多边形的区域,该区域为小区覆盖范围。
本实施例其他步骤与前述实施例步骤相似,本实施例不再赘述。
本实施例提供的确定小区覆盖范围的方法,通过采用Melkman算法勾勒出小区覆盖范围,可以准确的确定小区覆盖范围。
图3为本发明又一实施例提供的基站对应三个小区确定基站的位置信息示意图。
如图3所示,在上述实施例的基础上,本发明又一实施例提供的确定小区覆盖范围的方法,界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围的步骤之后,所述方法还包括:
查找小区维表,确定该小区对应的基站,以及该基站的小区的个数;
若该基站的小区的个数为三个以上,则获取该基站的各个小区的覆盖范围;
针对每一个小区,确定该小区相邻的一个小区;
在该小区覆盖范围的边界上确定一个点,并在相邻的一个小区覆盖范围的边界上确定一个点,使得这两个点的距离最短,将距离最短的两个点称为近点;
根据各个小区的近点,得到一个中心点,该中心点表示各个近点的中心;
将该中心点的位置信息作为该基站的位置信息。
可选地,确定各个小区覆盖范围后,根据各个小区覆盖范围,确定基站的位置信息。
可选地,查找工参表,得到小区维表。
可选地,小区维表包括基站的名称、基站的ID、TAC、小区的ID、CGI(Cell GlobalIdentifier,小区全局标识符)和基站的位置信息,该基站的位置信息是记录于工参中的信息,可能存在不准确的情况,因此需根据本发明实施例的方法进行重新确定。
举例来说,小区维表如表2所示:
表2
基站名称 | 基站ID | Tac | Cell_id | CGI | longitude | latitude |
广州白云区F-ZLH | 001 | 9448 | 1679361 | 460-00-167936-9448 | 121.12 | 23.23 |
…… | …… | …… |
可选地,基站若包括三个以上的小区,表示该基站采用定向天线进行信号辐射。
以该基站对应3个小区为例进行说明,对每一小区而言,有两个相邻的小区。
对于小区1而言,有两个相邻的小区:小区2和小区3,分别确定距离,取小区1与小区2间距离最短的两个点,取小区1与小区3间距离最近的两个点;
对于小区2而言,有两个相邻的小区:小区1和小区3,小区1与小区2间距离最短的两个点已经取过,不用再取,取小区2与小区3间距离最近的两个点;
对于小区3而言,有两个相邻的小区:小区2和小区3,小区3与小区1间距离最短的两个点已经取过,不用再取,小区3与小区2间距离最短的两个点已经取过,不用再取,因此,该基站对应3个小区,可包括6个近点。
可选地,针对得到的近点,得到一个中心点,该中心点是这3个小区的3面天线的位置。天线安装于基站上,天线的位置是本发明实施例重新确定的基站的位置。
可选地,可有两种方式针对得到的近点,确定中心点。
可选地,将各个近点连线,形成中心区域,计算该中心区域的几何中心作为所述中心点。
可选地,确定各近点与某一个点的距离,将距离各近点的距离之和最小的点作为该中心点。
本实施例其他步骤与前述实施例步骤相似,本实施例不再赘述。
本实施例提供的确定小区覆盖范围的方法,通过三个以上的小区覆盖范围反推出基站的位置信息,可以准确的确定基站的位置信息。
图4为本发明又一实施例提供的基站对应两个小区确定基站的位置信息示意图。
如图4所示,在上述实施例的基础上,本发明又一实施例提供的确定小区覆盖范围的方法,所述方法还包括:
若该基站的小区的个数为两个,则获取该基站的两个小区的覆盖范围;
确定两个小区覆盖范围的边界上距离最短的两个点,将距离最短的两个点称为近点;
根据所述近点以及小区维表中基站的位置,得到一个中心点,该中心点表示所述近点和小区维表中基站的位置的中心;
将该中心点的位置信息作为基站的位置信息。
虽然本发明实施例是基于小区维表中基站的位置信息可能不准,因此重新确定基站的位置信息,但在该基站仅对应两个小区的情况下,仅根据两个小区确定基站的位置也可能不准确,通常需要三点定位一个未知点,因此引入小区维表中基站的位置,根据小区维表中基站的位置,以及两个小区覆盖范围,形成三角形,确定基站的位置。
可选地,基站若包括两个小区,表示采用定向天线进行信号辐射。
针对其中一个小区,在该小区覆盖范围的边界上确定一个点,并在另一个小区覆盖范围的边界上确定一个点,使得这两个点的距离最短,将距离最短的两个点称为近点。
可选地,取原始的小区维表中基站的位置与两个近点,形成三角形。
可选地,可有两种方式确定三角形的中心点。
可选地,求三角形的中心,将中心作为所述中心点。
可选地,确定各个近点与三角形中某一个点的距离,以及小区维表中基站的位置与三角形中某一个点的距离,将三个距离之和最小的点作为该中心点。
本实施例其他步骤与前述实施例步骤相似,本实施例不再赘述。
本实施例提供的确定小区覆盖范围的方法,通过两个的小区覆盖范围反推出基站的位置信息,可以准确的确定基站的位置信息。
在上述实施例的基础上,本发明又一实施例提供的确定小区覆盖范围的方法,所述方法还包括:
若该基站的小区的个数为一个,则获取该小区中UE位置的集合;
将UE位置的质心作为基站的位置信息。
可选地,如果该基站对应一个小区,表示基站的天线为全向天线。
可选地,可采用K中心点算法(K-medoids),将二维坐标系中UE位置视为多个类簇,确定类簇的质心。
可选地,K中心点算法提出了新的质点选取方式,可多次迭代得到最优的质心。
本实施例其他步骤与前述实施例步骤相似,本实施例不再赘述。
本实施例提供的确定小区覆盖范围的方法,通过一个小区覆盖范围反推出基站的位置信息,可以准确的确定基站的位置信息。
为了更充分理解本发明的技术内容,在上述实施例的基础上,详细说明本实施例提供的确定小区覆盖范围。
本发明实施例的基础是在大数据平台下通过hadoop等分布式计算和存储形式从移动通信网络各关键节点采集到的XDR话单。利用该话单中记录的PS域上网信令数据,从中提取关键信息(回填经纬度)并整合计算,拟合出各移动基站小区覆盖范围。
用户在使用移动网络上网时与基站通信的过程中会产生信令数据,信令数据包含了用户上网内容以及网元节点之间互联互通的传输信息。采集信令数据并进行数据结构化,产生的数据即为XDR数据。
用户上网的数据包中很多包含了经纬度坐标(例如使用导航、地图、打车、共享单车、外卖等应用程序时),因此可以通过对XDR数据的DPI(深度包检测)解析,从该数据包中获取用户上网时所处的经纬度信息。结合XDR数据中原本就包含的网元节点信息可知该用户数据包来自于哪个基站小区,从而可匹配出各基站小区所服务的用户在使用移动网络时的位置。将上述所有有效信息抽取出来,即可得到一个用户经纬度信息回填数据表(如前述小区的回填数据),字段包括时间、号码、经纬度、小区ID等信息,后文统称S1U-HTTP表。
上述信令采集、XDR汇总、DPI解析用户上传的GPS信息等技术是本方法的基础。本方法的核心在于:
利用HIVE存储大量的用户经纬度对应小区信息,利用spark进行计算,通过“数据清洗(处理脏数据)-区域界定算法打点定位”,即可得到基站信号的覆盖位置和信号边界,描述基站覆盖区域情况。再通过多小区基站天线位置算法/双小区全向天线位置算法/单小区全向天线位置算法,即可反推出服务该区域的天线所处位置。
一、实施流程
图5为本发明又一实施例提供的数据处理的交互示意图。
如图5所示,目前HTTP解析表,只有4G做了用户位置坐标回填,所以只对4G基站进行仿真处理。S1U_HTTP解析表每天更新一次,每天sprak定时到hive获取用户回填的经纬度和所属的基站TAC、cell_id,然后与4G小区维表进行匹配,获取基站名称和CGI,将计算结果存入Postger SQL数据库。
1.HIVE存储输入:
(1)ODS_LTE_S1U_HTTP解析表(4G)
关键字段:TAC、CELL_ID、经度/纬度(已回填用户坐标)
(2)TR_GSMTDLTE_CELL(4G小区维表)
关键字段:基站名称、TAC、CELL_ID、CGI、经度/纬度(基站坐标)
2.Spark计算
定时在HIVE表提取相关数据,根据下述算法跑出结果,存入Postger SQL数据库。
PostgreSQL是对象关系型数据库管理系统,PostgreSQL支持SQL(StructuredQuery Language,结构化查询语言)标准。
3.Postger SQL存储输出
保存sprak计算的结果,存1个月的数据。
二、数据表结构及示例
1.输入表字段(hive):
(1)S1U_HTTP解析表如表1所示。
(2)小区维表如表2所示。
2、中间表字段。
举例来说,中间表字段如表3所示:
表3
CGI | Longitude(用户) | Latitude(用户) |
460-00-167936-9448 | 121.123323 | 23.23234 |
…… | …… | …… |
其中,一行数据表示在CGI是460-00-167936-9448的区域,自APP获取的多个UE的经纬度信息。
3、确定边缘点后,将边缘点存入Postger SQL数据库的输出表字段。
举例来说,输出表字段如表4所示:
表4
CGI | longitude | latitude | Sign |
460-00-167936-9448 | 123.123323 | 23.23234 | Center |
460-00-167936-9448 | 121.123320 | 23.23234 | point 0 |
460-00-167936-9448 | 122.123323 | 23.23234 | point01 |
460-00-167936-9448 | …… | …… | point02 |
…… | …… | …… | …… |
其中,sign字段用来标识点的类型,center表示多边形的中心,point0x表示多边形的边缘点,P_0表示原始点。
三、算法详述
(一)确定基站覆盖区域
Step1.数据清洗
从ODS_LTE_S1U_HTTP表提取TAC、CELL_ID、经度、纬度,去掉其中值为空的。
Step2.异常值剔除
方法:
1、分别提取UE位置的long和lat,进行排序。
2、计算临近两个数据之间的long差和lat差,输出结果排序,取中位数/众数差(平均差会增大离群点对数据的影响)
3、如果long或者lat差大于几倍中位数/众数差,则剔除数据
Step3.确定小区范围外围点
Melkman算法在点排序后可以以0(n)的时间复杂度计算凸包,是目前凸包问题比较好的解决方式。
Melkman算法的基本思想:首先找出所有点集合中某一个维度上的最大或者最小值,然后按照顺时针或者逆时针的方向逐个遍历集合中剩余的点。要找出集合中最外围的点,有一个不变的特性必须要保持住:
如图2所示,假设Pi,Pj,Pk是凸包上逆时针方向上的连续3个点,那么它们必然保持一种左转的趋势,即存在如下关系式:
如果用(xi,yi),(xj,yi),(xk,yk)来表示这三个点,亦即:
那么根据向量叉积公式必须满足:
(xj-xi)<em>(yk-yj)-(xk-xj)</em>(yj-yi)>0
Melkman算法使用双端队列来实现这个原理,假设双端队列为D。所有队列操作可以用入队首、出队首、入队尾、出队尾来描述,实际操作过程可以描述为:
1.假设点集合的坐标可以表示为(x,y),那么首先找出x值最小的点记为P_0。
2.然后选定一个方向,比如逆时针方向。然后计算所有剩余的每一个点P_0与P_x形成的向量与y轴负方向的夹角。根据向量的点积公式计算出夹角之后根据夹角从小到大就行排序得到有序集合S={P_0,P_1,P_2…P_{n-1}}。
3.记某一时刻D的状态为:P_tP_{t-1}…P_0...P_{b-1}P_b,对于S中的每一个点进行遍历:
3.1如果是P_0则首先将P_0入队尾,如果是P_1则入队尾,如果是P_2则入队首并且入队尾。
3.2假设遍历到当前节点P_i:
如果P_{b-1}P_bP_i能保持左转特性则继续,否则P_b出队尾,如此往复直到P_{b-m-1}P_{b-m}P_i能够满足左转特性,P_i入队尾。
如果P_iP_tP_{t-1}能保持左转特性则继续,否则P_t出队首,如此往复直到P_iP_{t-n}P_{t-n-1}能够满足左转特性,P_i入队首。
返回D。
(二)确定基站天线位置
通过同一个基站天线下面的多个小区最近的几个点形成多边形计算中心天线位置。如果基站天线下面有2个小区,取原始小区原始位置,形成三角形计算中心位置。如果出现基站天线下面只有1个小区,按照全向天线处理,天线位置在中心。
Step4.如图3所示,多小区基站天线位置算法
1.找出相邻两个区域边缘点间距离最近的两个点
2.对最近距离点集求中心点,或者求到各个点间的最近距离点。
Step5.如图4所示,双小区全向天线位置算法
1.回填原始基站经纬度坐标,找出相邻两个区域边缘点间距离最近的两个点。
2.对最近距离点集求中心点;或者求到各个点间的最近距离点
图6为本发明又一实施例提供的基站对应一个小区确定基站的位置信息示意图。
Step6.如图6所示,单小区全向天线位置算法
K中心点算法(K-medoids)提出了新的质点选取方式。在K中心点算法中,每次迭代后的质点都是从聚类的样本点中选取,而选取的标准就是当该样本点成为新的质点后能提高类簇的聚类质量,使得类簇更紧凑。该算法使用绝对误差标准来定义一个类簇的紧凑程度:
其中,p是空间中的样本点,Oj是类簇Cj的质点。
如果某样本点成为质点后,绝对误差能小于原质点所造成的绝对误差,那么K中心点算法认为该样本点是可以取代原质点的,在一次迭代重计算类簇质点的时候,选择绝对误差最小的那个样本点成为新的质点。
Eg:样本点A:E1=10
样本点B:E2=11
样本点C:E3=12
原质点O:E4=13,那选举A作为类簇的新质点。
与K-means算法一样,K-medoids也是采用欧几里得距离来衡量某个样本点到底是属于哪个类簇。终止条件是,当所有的类簇的质点都不在发生变化时,即认为聚类结束。
该算法除了改善K-means的“噪声”敏感以后,其他缺点和K-means一致,并且由于采用新的质点计算规则,也使得算法的时间复杂度上升:O(k(n-k)2)
通过流程和算法的实施,即可得到较为准确的基站覆盖区域和基站天线位置,供无线优化部门实施调优、故障排除工作,也可以作为基础能力用于分析用户行为轨迹、聚集特征、流动特征等等,保证大数据对内对外应用的准确性和权威性。
基站覆盖区域和基站天线位置测算的整体方法流程:利用HIVE存储大量的用户经纬度对应小区信息,利用spark进行计算,通过“数据清洗(处理脏数据)-区域界定算法打点定位”,即可得到基站信号的覆盖位置和信号边界,描述基站覆盖区域情况。再通过多小区基站天线位置算法/双小区全向天线位置算法/单小区全向天线位置算法,即可反推出服务该区域的天线所处位置。
现有技术的方式一是通过基站小区的建设信息数据正向推演计算,准确性较差;二是依赖人工路测,灵活性差效率极低。本发明实施例通过用户与基站交互位置信息反向拟合基站覆盖区域和测算基站天线位置,是一种创新的发明实施例,准确度高效率高灵活性强应用方面广泛。
本发明实施例采取的通过大数据反向拟合的手段,从根本上解决了人工操作和理论模型正向推导发明实施例的局限,对信息源的精度要求低且实施效率高并具有时间长效性、自更新特性,并且无需考虑楼宇等潜在影响覆盖的因素。
图7为本发明又一实施例提供的一种确定小区覆盖范围的装置的结构示意图。
参照图7,在上述实施例的基础上,本实施例提供的确定小区覆盖范围的装置,所述装置包括获取模块71、标注模块72和界定模块73,其中:
获取模块71获取模块,用于获取预设时间段内,小区中终端UE位置的集合;标注模块72用于针对每一集合,将集合内的UE位置标注于二维坐标系;界定模块73用于界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围。
获取模块71自预先存储的数据库中获取所述集合,每一个集合中包括多个UE(User Equipment,终端)位置,各个UE位置对应的小区为同一个。
可选地,UE位置是在预设时间段内UE曾与网络侧交互,因此被定位而产生的经纬度信息。
预设时间段可根据实际情况设置,例如为一天。
可选地,每一UE位置可表示为一个坐标点(x,y),标注模块72将每一UE位置分别映射至二维坐标系。
可选地,一个小区对应一个集合,标注模块72将集合内的UE位置标注于二维坐标系,以便从整体观察该小区的UE的分布情况。
可选地,从UE的分布情况,界定模块73
可以确定分布的边界,也就是说,经过位于边界的坐标点,沿顺时针或逆时针持续绘制线条,可得到一个封闭的区域,该区域能够将所有的坐标点都包围在区域内。
可选地,所有的UE位置将被界定至该区域内,表示在该UE位置可接收到小区的天线的信号,因此该区域反映了天线的信号的覆盖情况,可将区域作为一个小区覆盖范围。
在本发明实施例中,通过实际UE位置,确定小区中UE的分布,反向拟合出小区覆盖范围,可以理解的是,既然获取了UE位置,表示该位置可以接收到小区的天线的信号,该位置属于小区覆盖范围内,再绘制可将一个小区中的UE位置包围的区域,并将所述区域作为小区覆盖范围。
由UE位置反推出小区覆盖范围,从根本上解决了正向推演计算和人工实际路测的局限,能够高效准确的确定小区覆盖范围。
本实施例提供的确定小区覆盖范围的装置,可用于执行上述方法实施例的方法,本实施不再赘述。
本实施例提供的确定小区覆盖范围的装置,通过获取模块获取小区中UE位置的集合,界定模块由UE位置反向拟合出小区覆盖范围,能够高效准确的确定小区覆盖范围。
图8示出了本发明又一实施例提供的一种电子设备的结构示意图。
参阅图8,本发明实施例提供的电子设备,所述电子设备包括存储器(memory)81、处理器(processor)82、总线83以及存储在存储器81上并可在处理器上运行的计算机程序。其中,所述存储器81、处理器82通过所述总线83完成相互间的通信。
所述处理器82用于调用所述存储器81中的程序指令,以执行所述程序时实现如图1的方法。
在另一种实施方式中,所述处理器执行所述程序时实现如下方法:
获取预设时间段内,小区中UE位置的集合的步骤之前,所述方法还包括:
从S1-U接口采集得到全部的详细记录XDR数据,XDR数据包括信令数据,所述信令数据包含多个数据包以及该数据包传输经过的网元节点的信息,每一数据包包含UE的一个位置,所述UE位置是APP应用程序定位产生的经纬度信息;
对XDR数据进行深度分组检测DPI解析,获取UE位置;
根据网元节点的信息,确定每一UE位置对应的小区,得到多个小区的回填数据,每一小区的回填数据包括与同一小区相关的多个字段。
在另一种实施方式中,所述处理器执行所述程序时实现如下方法:
根据网元节点的信息,确定每一UE位置对应的小区,得到多个小区的回填数据的步骤之后,所述方法还包括:
将所述小区的回填数据存储于基于分布式系统的数据仓库工具HIVE中;
通过分布式的内存计算框架sprak自HIVE获取所述小区的回填数据。
在另一种实施方式中,所述处理器执行所述程序时实现如下方法:
通过分布式的内存计算框架sprak自HIVE获取所述小区的回填数据的步骤之后,所述方法还包括:
对所述小区的回填数据进行数据处理,去掉字段为空的数据。
在另一种实施方式中,所述处理器执行所述程序时实现如下方法:
对所述小区的回填数据进行数据处理,去掉字段为空的数据的步骤之后,所述方法还包括:
对所述小区的回填数据的UE位置进行筛选,剔除离群点,得到所述UE的集合。
在另一种实施方式中,所述处理器执行所述程序时实现如下方法:
界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围的步骤具体为:
采用Melkman算法确定构成凸包的边缘点,
根据边缘点,勾勒出小区覆盖范围。
在另一种实施方式中,所述处理器执行所述程序时实现如下方法:
界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围的步骤之后,所述方法还包括:
查找小区维表,确定该小区对应的基站,以及该基站的小区的个数;
若该基站的小区的个数为三个以上,则获取该基站的各个小区覆盖范围;
针对每一个小区,确定该小区相邻的一个小区;
在该小区覆盖范围的边界上确定一个点,并在相邻的一个小区覆盖范围的边界上确定一个点,使得这两个点的距离最短,将距离最短的两个点称为近点;
根据各个小区的近点,得到一个中心点,该中心点表示各个近点的中心;
将该中心点的位置信息作为该基站的位置信息;
若该基站的小区的个数为两个,则获取该基站的两个小区覆盖范围;
确定两个小区覆盖范围的边界上距离最短的两个点,将距离最短的两个点称为近点;
根据所述近点以及小区维表中基站的位置,得到一个中心点,该中心点表示所述近点和小区维表中基站的位置的中心;
将该中心点的位置信息作为基站的位置信息;
若该基站的小区的个数为一个,则获取该小区中UE位置的集合;
将UE位置的质心作为基站的位置信息。
本实施例提供的电子设备,可用于执行上述方法实施例的方法对应的程序,本实施不再赘述。
本实施例提供的电子设备,通过所述处理器执行所述程序时实现获取小区中UE位置的集合,由UE位置反向拟合出小区覆盖范围,能够高效准确的确定小区覆盖范围。
本发明又一实施例提供的一种存储介质,所述存储介质上存储有计算机程序,所述程序被处理器执行时实现如图1的步骤。
在另一种实施方式中,所述程序被处理器执行时实现如下方法:
获取预设时间段内,小区中UE位置的集合的步骤之前,所述方法还包括:
从S1-U接口采集得到全部的详细记录XDR数据,XDR数据包括信令数据,所述信令数据包含多个数据包以及该数据包传输经过的网元节点的信息,每一数据包包含UE的一个位置,所述UE位置是APP应用程序定位产生的经纬度信息;
对XDR数据进行深度分组检测DPI解析,获取UE位置;
根据网元节点的信息,确定每一UE位置对应的小区,得到多个小区的回填数据,每一小区的回填数据包括与同一小区相关的多个字段。
在另一种实施方式中,所述程序被处理器执行时实现如下方法:根据网元节点的信息,确定每一UE位置对应的小区,得到多个小区的回填数据的步骤之后,所述方法还包括:
将所述小区的回填数据存储于基于分布式系统的数据仓库工具HIVE中;
通过分布式的内存计算框架sprak自HIVE获取所述小区的回填数据。
在另一种实施方式中,所述程序被处理器执行时实现如下方法:通过分布式的内存计算框架sprak自HIVE获取所述小区的回填数据的步骤之后,所述方法还包括:
对所述小区的回填数据进行数据处理,去掉字段为空的数据。
在另一种实施方式中,所述程序被处理器执行时实现如下方法:对所述小区的回填数据进行数据处理,去掉字段为空的数据的步骤之后,所述方法还包括:
对所述小区的回填数据的UE位置进行筛选,剔除离群点,得到所述UE的集合。
在另一种实施方式中,所述程序被处理器执行时实现如下方法:界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围的步骤具体为:
采用Melkman算法确定构成凸包的边缘点,
根据边缘点,勾勒出小区覆盖范围。
在另一种实施方式中,所述程序被处理器执行时实现如下方法:界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围的步骤之后,所述方法还包括:
查找小区维表,确定该小区对应的基站,以及该基站的小区的个数;
若该基站的小区的个数为三个以上,则获取该基站的各个小区覆盖范围;
针对每一个小区,确定该小区相邻的一个小区;
在该小区覆盖范围的边界上确定一个点,并在相邻的一个小区覆盖范围的边界上确定一个点,使得这两个点的距离最短,将距离最短的两个点称为近点;
根据各个小区的近点,得到一个中心点,该中心点表示各个近点的中心;
将该中心点的位置信息作为该基站的位置信息;
若该基站的小区的个数为两个,则获取该基站的两个小区覆盖范围;
确定两个小区覆盖范围的边界上距离最短的两个点,将距离最短的两个点称为近点;
根据所述近点以及小区维表中基站的位置,得到一个中心点,该中心点表示所述近点和小区维表中基站的位置的中心;
将该中心点的位置信息作为基站的位置信息;
若该基站的小区的个数为一个,则获取该小区中UE位置的集合;
将UE位置的质心作为基站的位置信息。
本实施例提供的存储介质,所述程序被处理器执行时实现上述方法实施例的方法,本实施不再赘述。
本实施例提供的存储介质,通过获取小区中UE位置的集合,由UE位置反向拟合出小区覆盖范围,能够高效准确的确定小区覆盖范围。
本发明又一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:
获取预设时间段内,小区中终端UE位置的集合;
针对每一集合,将集合内的UE位置标注于二维坐标系;
界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围。
本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。
本领域技术人员可以理解,实施例中的各步骤可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种确定小区覆盖范围的方法,其特征在于,所述方法包括:
获取预设时间段内,小区中终端UE位置的集合;
针对每一集合,将集合内的UE位置标注于二维坐标系;
界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围。
2.根据权利要求1所述的方法,其特征在于:获取预设时间段内,小区中UE位置的集合的步骤之前,所述方法还包括:
从S1-U接口采集得到全部的详细记录XDR数据,XDR数据包括信令数据,所述信令数据包含多个数据包以及该数据包传输经过的网元节点的信息,每一数据包包含UE的一个位置,所述UE位置是APP应用程序定位产生的经纬度信息;
对XDR数据进行深度分组检测DPI解析,获取UE位置;
根据网元节点的信息,确定每一UE位置对应的小区,得到多个小区的回填数据,每一小区的回填数据包括与同一小区相关的多个字段。
3.根据权利要求2所述的方法,其特征在于:根据网元节点的信息,确定每一UE位置对应的小区,得到多个小区的回填数据的步骤之后,所述方法还包括:
将所述小区的回填数据存储于基于分布式系统的数据仓库工具HIVE中;
通过分布式的内存计算框架sprak自HIVE获取所述小区的回填数据。
4.根据权利要求3所述的方法,其特征在于:通过分布式的内存计算框架sprak自HIVE获取所述小区的回填数据的步骤之后,所述方法还包括:
对所述小区的回填数据进行数据处理,去掉字段为空的数据。
5.根据权利要求4所述的方法,其特征在于:对所述小区的回填数据进行数据处理,去掉字段为空的数据的步骤之后,所述方法还包括:
对所述小区的回填数据的UE位置进行筛选,剔除离群点,得到所述UE的集合。
6.根据权利要求1所述的方法,其特征在于:界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围的步骤具体为:
采用Melkman算法确定构成凸包的边缘点,
根据边缘点,勾勒出小区覆盖范围。
7.根据权利要求1所述的方法,其特征在于:界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围的步骤之后,所述方法还包括:
查找小区维表,确定该小区对应的基站,以及该基站的小区的个数;
若该基站的小区的个数为三个以上,则获取该基站的各个小区的覆盖范围;
针对每一个小区,确定该小区相邻的一个小区;
在该小区覆盖范围的边界上确定一个点,并在相邻的一个小区覆盖范围的边界上确定一个点,使得这两个点的距离最短,将距离最短的两个点称为近点;
根据各个小区的近点,得到一个中心点,该中心点表示各个近点的中心;将该中心点的位置信息作为该基站的位置信息;
若该基站的小区的个数为两个,则获取该基站的两个小区的覆盖范围;
确定两个小区覆盖范围的边界上距离最短的两个点,将距离最短的两个点称为近点;
根据所述近点以及小区维表中基站的位置,得到一个中心点,该中心点表示所述近点和小区维表中基站的位置的中心;
将该中心点的位置信息作为基站的位置信息;
若该基站的小区的个数为一个,则获取该小区中UE位置的集合;
将UE位置的质心作为基站的位置信息。
8.一种确定小区覆盖范围的装置,其特征在于,所述装置包括:
获取模块,用于获取预设时间段内,小区中终端UE位置的集合;
标注模块,用于针对每一集合,将集合内的UE位置标注于二维坐标系;
界定模块,用于界定可将该集合内的UE位置包围的区域,并将所述区域作为小区覆盖范围。
9.一种电子设备,其特征在于,包括存储器、处理器、总线以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任意一项的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于:所述程序被处理器执行时实现如权利要求1-7任意一项的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711340046.8A CN109963285B (zh) | 2017-12-14 | 2017-12-14 | 确定小区覆盖范围的方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711340046.8A CN109963285B (zh) | 2017-12-14 | 2017-12-14 | 确定小区覆盖范围的方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109963285A true CN109963285A (zh) | 2019-07-02 |
CN109963285B CN109963285B (zh) | 2022-06-10 |
Family
ID=67018071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711340046.8A Active CN109963285B (zh) | 2017-12-14 | 2017-12-14 | 确定小区覆盖范围的方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109963285B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112218241A (zh) * | 2019-07-11 | 2021-01-12 | 中移(苏州)软件技术有限公司 | 一种数据检测方法及装置、设备和计算机存储介质 |
CN112689291A (zh) * | 2019-10-17 | 2021-04-20 | 中国移动通信集团浙江有限公司 | 蜂窝网络小区负荷均衡评估方法、装置及设备 |
CN113259849A (zh) * | 2021-05-17 | 2021-08-13 | 深圳市酷开网络科技股份有限公司 | 基于用户标签的小区覆盖量确定方法、装置和存储介质 |
CN113806643A (zh) * | 2021-09-16 | 2021-12-17 | 中国联合网络通信集团有限公司 | 待调整小区的确定方法、装置、电子设备及可读存储介质 |
CN114125813A (zh) * | 2021-11-24 | 2022-03-01 | 智慧足迹数据科技有限公司 | 基于手机信令的信号覆盖范围确定方法及相关装置 |
CN114390535A (zh) * | 2020-10-20 | 2022-04-22 | 中国移动通信集团北京有限公司 | 小区覆盖范围的展示方法、装置、设备及计算机存储介质 |
CN114641015A (zh) * | 2020-12-16 | 2022-06-17 | 中国联合网络通信集团有限公司 | 网络评估方法、装置、电子设备及存储介质 |
CN117615387A (zh) * | 2023-11-30 | 2024-02-27 | 亿海蓝(北京)数据技术股份公司 | 基站信号覆盖范围的确定方法、确定装置和电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1713765A (zh) * | 2004-06-25 | 2005-12-28 | 大唐移动通信设备有限公司 | 确定小区覆盖范围边界的方法 |
CN104602293A (zh) * | 2014-11-14 | 2015-05-06 | 中华电信股份有限公司 | 无线网络信号范围侦测与展示的系统与方法 |
US20160007147A1 (en) * | 2014-07-02 | 2016-01-07 | Qualcomm Incorporated | Cell location estimation |
CN105744535A (zh) * | 2016-05-02 | 2016-07-06 | 北京联合大学 | 移动网络小区信息侦测与覆盖标定方法 |
CN106535210A (zh) * | 2016-11-28 | 2017-03-22 | 广东宜通世纪科技股份有限公司 | 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 |
US20170099578A1 (en) * | 2015-10-06 | 2017-04-06 | International Business Machines Corporation | Location based on call detail record |
CN106982150A (zh) * | 2017-03-27 | 2017-07-25 | 重庆邮电大学 | 一种基于Hadoop的移动互联网用户行为分析方法 |
-
2017
- 2017-12-14 CN CN201711340046.8A patent/CN109963285B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1713765A (zh) * | 2004-06-25 | 2005-12-28 | 大唐移动通信设备有限公司 | 确定小区覆盖范围边界的方法 |
US20160007147A1 (en) * | 2014-07-02 | 2016-01-07 | Qualcomm Incorporated | Cell location estimation |
CN104602293A (zh) * | 2014-11-14 | 2015-05-06 | 中华电信股份有限公司 | 无线网络信号范围侦测与展示的系统与方法 |
US20170099578A1 (en) * | 2015-10-06 | 2017-04-06 | International Business Machines Corporation | Location based on call detail record |
CN105744535A (zh) * | 2016-05-02 | 2016-07-06 | 北京联合大学 | 移动网络小区信息侦测与覆盖标定方法 |
CN106535210A (zh) * | 2016-11-28 | 2017-03-22 | 广东宜通世纪科技股份有限公司 | 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 |
CN106982150A (zh) * | 2017-03-27 | 2017-07-25 | 重庆邮电大学 | 一种基于Hadoop的移动互联网用户行为分析方法 |
Non-Patent Citations (1)
Title |
---|
张振刚等: "基于MR和信令数据的LTE网络覆盖评估及盲区识别", 《山东通信技术》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112218241A (zh) * | 2019-07-11 | 2021-01-12 | 中移(苏州)软件技术有限公司 | 一种数据检测方法及装置、设备和计算机存储介质 |
CN112218241B (zh) * | 2019-07-11 | 2022-06-03 | 中移(苏州)软件技术有限公司 | 一种数据检测方法及装置、设备和计算机存储介质 |
CN112689291A (zh) * | 2019-10-17 | 2021-04-20 | 中国移动通信集团浙江有限公司 | 蜂窝网络小区负荷均衡评估方法、装置及设备 |
CN114390535B (zh) * | 2020-10-20 | 2024-05-07 | 中国移动通信集团北京有限公司 | 小区覆盖范围的展示方法、装置、设备及计算机存储介质 |
CN114390535A (zh) * | 2020-10-20 | 2022-04-22 | 中国移动通信集团北京有限公司 | 小区覆盖范围的展示方法、装置、设备及计算机存储介质 |
CN114641015B (zh) * | 2020-12-16 | 2024-03-12 | 中国联合网络通信集团有限公司 | 网络评估方法、装置、电子设备及存储介质 |
CN114641015A (zh) * | 2020-12-16 | 2022-06-17 | 中国联合网络通信集团有限公司 | 网络评估方法、装置、电子设备及存储介质 |
CN113259849A (zh) * | 2021-05-17 | 2021-08-13 | 深圳市酷开网络科技股份有限公司 | 基于用户标签的小区覆盖量确定方法、装置和存储介质 |
CN113806643A (zh) * | 2021-09-16 | 2021-12-17 | 中国联合网络通信集团有限公司 | 待调整小区的确定方法、装置、电子设备及可读存储介质 |
CN113806643B (zh) * | 2021-09-16 | 2023-05-23 | 中国联合网络通信集团有限公司 | 待调整小区的确定方法、装置、电子设备及可读存储介质 |
CN114125813B (zh) * | 2021-11-24 | 2022-10-18 | 智慧足迹数据科技有限公司 | 基于手机信令的信号覆盖范围确定方法及相关装置 |
CN114125813A (zh) * | 2021-11-24 | 2022-03-01 | 智慧足迹数据科技有限公司 | 基于手机信令的信号覆盖范围确定方法及相关装置 |
CN117615387A (zh) * | 2023-11-30 | 2024-02-27 | 亿海蓝(北京)数据技术股份公司 | 基站信号覆盖范围的确定方法、确定装置和电子设备 |
CN117615387B (zh) * | 2023-11-30 | 2024-05-03 | 亿海蓝(北京)数据技术股份公司 | 基站信号覆盖范围的确定方法、确定装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109963285B (zh) | 2022-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109963285A (zh) | 确定小区覆盖范围的方法、装置、电子设备和存储介质 | |
CN106912018A (zh) | 基于信令轨迹的地图匹配方法及系统 | |
US10034141B2 (en) | Systems and methods to identify home addresses of mobile devices | |
CN110472534A (zh) | 基于rgb-d数据的3d目标检测方法、装置、设备和存储介质 | |
CN109241846B (zh) | 遥感影像的时空变化估测方法、装置与存储介质 | |
Li et al. | Knowledge-based trajectory completion from sparse GPS samples | |
CN109916413A (zh) | 基于网格划分的道路匹配方法、系统、装置和存储介质 | |
CN103929719B (zh) | 定位信息的优化方法和优化装置 | |
CN103929751B (zh) | 一种确定不同网络中覆盖共同区域的小区对的方法及装置 | |
CN109688532A (zh) | 一种划分城市功能区域的方法及装置 | |
US10244503B2 (en) | Systems and methods to measure the population of mobile devices in a predefined geographical region | |
CN106326923B (zh) | 一种顾及位置重复和密度峰值点的签到位置数据聚类方法 | |
CN109041218B (zh) | 一种预测用户位置的方法和智能硬件 | |
CN106572444A (zh) | 一种经纬度信息更新方法及装置 | |
CN108307316B (zh) | 基于s1-mme数据的快速移动用户高精度判别方法 | |
CN110020224A (zh) | 地图兴趣点数据的关联方法、装置、设备及介质 | |
US11290975B2 (en) | Method and apparatus for obtaining emission probability, method and apparatus for obtaining transition probability, and sequence positioning method and apparatus | |
CN110719602B (zh) | 指纹定位方法和装置 | |
CN111475746B (zh) | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 | |
Li et al. | A two-phase clustering approach for urban hotspot detection with spatiotemporal and network constraints | |
CN105096589A (zh) | 一种选取交通道路中代表性节点的方法、系统及客户端 | |
CN110727752B (zh) | 位置指纹库处理方法、设备及计算机可读存储介质 | |
CN110830915B (zh) | 一种确定起点位置的方法及装置 | |
CN111738527B (zh) | 一种基于热点探测模型的城市交通小区划分方法 | |
CN110887495B (zh) | 云平台实时路况在城市应急gis平台中应用的方法 |
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 |