CN109982366A - 基于大数据的目标价值区域分析方法、装置、设备及介质 - Google Patents

基于大数据的目标价值区域分析方法、装置、设备及介质 Download PDF

Info

Publication number
CN109982366A
CN109982366A CN201711459227.2A CN201711459227A CN109982366A CN 109982366 A CN109982366 A CN 109982366A CN 201711459227 A CN201711459227 A CN 201711459227A CN 109982366 A CN109982366 A CN 109982366A
Authority
CN
China
Prior art keywords
user
domain
target value
big data
grid
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
Application number
CN201711459227.2A
Other languages
English (en)
Other versions
CN109982366B (zh
Inventor
崔亮
李素海
韩斌杰
李昶
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.)
China Mobile Communications Group Co Ltd
China Mobile Group Hebei Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Hebei Co Ltd
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 China Mobile Communications Group Co Ltd, China Mobile Group Hebei Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201711459227.2A priority Critical patent/CN109982366B/zh
Publication of CN109982366A publication Critical patent/CN109982366A/zh
Application granted granted Critical
Publication of CN109982366B publication Critical patent/CN109982366B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • 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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了基于大数据的目标价值区域分析方法、装置、设备及介质。该方法包括：获得网络运维O域大数据和经营分析B域大数据；对O域和B域大数据进行关联分析，定位目标价值区域，并得到目标价值区域对应的目标网络栅格；基于O域和B域大数据，对目标价值区域进行用户行为分析，构建用户画像；基于O域和B域大数据构建用户流量模型，基于目标网络栅格和用户画像对用户流量模型进行业务流量预测并将预测出的业务流量栅格化，从流量栅格中识别目标价值用户，并根据目标网络栅格和目标价值用户对目标价值区域进行网络规划。利用本发明实施例，能够整合O域和B域大数据，更好地支撑网络规划优化及市场营销。

Description

基于大数据的目标价值区域分析方法、装置、设备及介质
技术领域
本发明涉及移动通信的无线网络优化技术领域，尤其涉及一种基于大数据的目标价值区域分析方法、装置、设备及介质。
背景技术
随着4G网络的大规模发展，基站规模不断扩大，数据业务流量飞速增长，与年初相比4G网络流量增长了139.17％，流量高速增长的同时客户对网络提出了更高的业务质量要求。同时4G时代业务需求的不均衡性更为显著，网络中30％的区域产生了80％的数据业务量；5％的小区创造了30％的收入；10％的用户产生了40％的倒流流量。局部高价值区域弱覆盖导致了大量数据业务倒流到2G和3G网络中，严重影响了客户感知和收入。在保持网络覆盖领先的基础上，如何持续开展精准分析，确保网络资源投入效益尤为重要。
传统的价值区域分析主要依赖于客户投诉、现场测试等发现网络问题，同时参考B域侧高倒流、用户数等少量数据，人工进行综合判断分析，梳理高价值区域，针对高价值区域人工梳理解决方案，支撑网络规划、优化及市场营销。O域和B域是指电信行业大数据领域的两大数据域。O域为运营支撑系统(OSS，Operation Support System)的数据域，主要是面向资源(网络、设备、计算系统)的后台支撑系统，包括专业网络管理系统、综合网络管理系统、资源管理系统、业务开通系统、服务保障系统等，为网络可靠、安全和稳定运行提供支撑手段；B域为业务支持系统(BSS，Business Support System)的数据域，主要实现了对电信业务、电信资费、电信营销的管理，以及对客户的管理和服务的过程，它所包含的主要系统包括：计费系统、客服系统、帐务系统、结算系统以及经营分析系统等。
综上所述，传统的网络分析方法无法有效的基于现有的网络大数据进行分析，分析手段相对单一，并且成本较高，效率较低，无法有效支撑网络规划优化及市场营销。主要问题如下：
1、传统支撑手段相对单一，数据整合难度大
传统的网络规划优化以及市场营销支撑手段相对比较单一，跨部门数据整合难度较大，O域和B域数据难以形成1加1大于2的局面。网络规划优化分析主要依赖于O域数据，对市场精准营销的支撑力度较小。市场发展产生的B域数据难以形成对网络规划建设的有效支撑。容易造成基站建设在“价值洼地”，终端投放在“覆盖盲区”。
2、传统价值区域依赖主观判断
室内网络问题的发现依赖客户投诉和扫楼测试，室分建筑的价值属性主要依赖优化人员的主观判断，传统分析手段不能适应工作需求，缺少数据支撑手段。
发明内容
本发明实施例提供了一种基于大数据的目标价值区域分析方法、装置、设备及介质，整合O域和B域大数据，能够更好地支撑网络规划优化及市场营销。
第一方面，本发明实施例提供了一种基于大数据的目标价值区域分析方法，方法包括：
获得网络运维O域大数据和经营分析B域大数据；
对所述O域大数据和所述B域大数据进行关联分析，定位目标价值区域，并得到目标价值区域对应的目标网络栅格；
基于O域大数据和B域大数据，对目标价值区域进行用户行为分析，构建用户画像；
基于O域大数据和B域大数据构建用户流量模型，基于所述目标网络栅格和所述用户画像对所述用户流量模型进行业务流量预测并将预测出的业务流量栅格化，从流量栅格中识别目标价值用户，并根据目标网络栅格和目标价值用户对目标价值区域进行网络规划。
第二方面，本发明实施例提供了一种基于大数据的目标价值区域分析装置，装置包括：
获得模块，用于获得网络运维O域大数据和经营分析B域大数据；
定位模块，用于对所述O域大数据和所述B域大数据进行关联分析，定位目标价值区域，并得到目标价值区域对应的目标网络栅格；
构建模块，用于基于O域大数据和B域大数据，对目标价值区域进行用户行为分析，构建用户画像；
预测模块，用于基于O域大数据和B域大数据构建用户流量模型，基于所述目标网络栅格和所述用户画像对所述用户流量模型进行业务流量预测并将预测出的业务流量栅格化，从流量栅格中识别目标价值用户，并根据目标网络栅格和目标价值用户对目标价值区域进行网络规划。
第三方面，本发明实施例提供了一种基于大数据的目标价值区域分析设备，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基于大数据的目标价值区域分析方法、装置、设备及介质，综合利用O域和B域大数据，运用关联分析方法，定位目标价值区域，并对目标价值区域进行相关分析，打通O域和B域的接口，精准定位区域、栅格、建筑的市场价值和网络质量属性，用于辅助规划选址、网络优化、市场营销，开展网络与市场的联动评估，提高网络资源利用率和客户感知。
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示出了本发明一个实施例提供的一种基于大数据的目标价值区域分析方法的流程示意图；
图2示出了本发明一个实施例提的一种O域和B域大数据的协同应用示意图；
图3示出了本发明一个实施例提供的一种测量报告样本数据文件MRO与信令关联分析示意图；
图4示出了现有技术中的一种修正前指纹库的参考信号接收功率RSRP局部图层示意图；
图5示出了本发明一个实施例提供的修正后指纹库RSRP局部图层示意图；
图6示出了本发明一个实施例提供的栅格化覆盖信息示意图；
图7示出了本发明一个实施例提供的建筑物覆盖信息示意图；
图8示出了本发明一个实施例提供的竞对原理示意图；
图9示出了本发明一个实施例提供的平均电平示意图；
图10示出了现有技术的平均电平示意图；
图11示出了现有技术的另平均电平示意图；
图12示出了本发明一个实施例提供的用户画像示意图；
图13示出了本发明一个实施例提供的倒流用户地理化分析示意图；
图14示出了本发明一个实施例提供的基于大数据的目标价值区域分析装置的结构示意图；
图15示出了本发明一个实施例提供的基于大数据的目标价值区域分析设备的硬件结构示意图。
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。
随着4G网络的大规模发展，基站规模不断扩大，数据业务流量飞速增长，流量高速增长的同时客户对网络提出了更高的业务质量要求。传统的价值区域分析主要依赖于客户投诉、现场测试等发现网络问题，同时参考B域侧高倒流、用户数等少量数据，人工进行综合判断分析，梳理高价值区域，针对高价值区域人工梳理解决方案，支撑网络规划、优化及市场营销。但传统的网络分析方法无法有效的基于现有的网络大数据进行分析，分析手段相对单一，并且成本较高，效率较低，无法有效支撑网络规划优化及市场营销。
基于此，参见图1，本发明一个实施例提供了一种基于大数据的目标价值区域分析方法，包括如下步骤S101-S104。
S101，获得网络运维O域大数据和经营分析B域大数据。
具体的，在实际应用中，O域大数据(也可称网络运维数据)可以包括：2G和4G网络的MR(Measurement Report，测量报告)数据、信令数据、OTT(Over The Top，在……之上)数据、工程参数、容量、用户投诉等数据，B域大数据(也可称经营分析数据)可以包括：终端与流量结构数据、倒流用户与流量、用户星级/套餐/消费数据、三网终端驻留信息、锁网用户等数据。
S102，对所述O域大数据和所述B域大数据进行关联分析，定位目标价值区域，并得到目标价值区域对应的目标网络栅格。
具体的，可以解析O域大数据中的信令XDR数据，将用户平面接口S1-U数据、控制平面接口S1-MME数据、MR数据通过时间戳、国际移动用户识别码ISMI(International MobileSubscriber Identification Number)数据、MMEUES1APUID数据进行关联，得到S1-U数据的包含经纬度信息点的MRO电平信息；基于MRO电平信息，进行指纹库校准和基于OTT信令的MR定位，定位目标价值分析区域，并得到目标价值区域对应的目标网络栅格。其中，MRO代表测量报告样本数据文件。
具体的，还可以基于OTT定位算法，对目标价值区域进行栅格化及建筑物覆盖分析，得到目标价值区域的栅格化覆盖信息和建筑物覆盖信息；开启竞争对手频点MR测量项，获得该竞争对手频点的测量报告，以实现竞对分析；基于长期演进LTE的MR定位，进行全球移动通信系统GSM网络覆盖分析，获得目标价值区域的网络覆盖信息。
S103，基于O域大数据和B域大数据，对目标价值区域进行用户行为分析，构建用户画像。
具体的，可以通过OTT大数据定位方法，关联S1-MME数据中的用户标签，从终端用户中筛选常驻用户；
针对常驻用户，将常驻用户的时间轴和位置轴进行关联，进行时间维度和位置维度关联分析，获取常驻用户的栅格场景属性标签，其中，栅格场景属性包括：道路型栅格、住宅型栅格、商业办公栅格、枢纽型栅格；
通过分析终端用户的消费信息，对栅格价值属性进行刻画，得到栅格区域内常驻用户的用户消费热力图和消费标签；
通过关联常驻用户的星级和位置信息，对栅格内常驻用户的品质属性进行刻画，获得常驻用户的贵宾VIP星级标签；
分析常驻用户的网络驻留时长和产生的网络流量信息，结合OTT定位出的用户位置信息，对栅格建筑驻留能力属性进行刻画，并得到常驻用户的驻留能力标签；在一种实现方式中，网络驻留时长可以包括：2G网络驻留时长和4G网络驻留时长；
根据栅格场景属性标签、消费标签、VIP星级标签和驻留能力标签，构建目标价值区域内常驻用户的用户画像。
S104，基于O域大数据和B域大数据构建用户流量模型，基于所述目标网络栅格和所述用户画像对所述用户流量模型进行业务流量预测并将预测出的业务流量栅格化，从流量栅格中识别目标价值用户，并根据目标网络栅格和目标价值用户对目标价值区域进行网络规划。
具体的，可以基于O域和B域大数据中的多维度数据进行关联分析，识别目标价值区域的倒流用户；其中，多维度数据可以包括业务运营支撑系统BOSS(Business OperationSupport System)话单、MR数据、驻留比数据；
确定倒流用户的流量模型，基于倒流用户的流量模型进行倒流业务的流量预测，并利用MR定位目标倒流栅格，将目标倒流栅格进行地理化呈现，从呈现的倒流用户MR地理化信息中识别目标价值用户。在一种实现方式中，可以通过信令提取目标价值区域内的流量信息和IMSI信息，分别计算2G单网络倒流用户的流量模型和4G单网络倒流用户的流量模型。
具体的，在实际应用中，还可以结合基于OTT定位的定位信息、用户画像信息和流量模型信息，进行栅格化的价值区域分析，识别目标价值场景和目标价值楼宇。
需要说明的是，上述的目标价值区域/用户/网络栅格/场景/楼宇等等，可以为高价值区域/用户/网络栅格/场景/楼宇等等。
示例性的，同时参见图2-图13，本发明提供一种基于O域和B域大数据的高价值区域精准分析方法，可以包括以下步骤：
A、基于OTT信令的MR定位：解析信令XDR数据，通过S1-U(IMSI/TMSI和时间戳)—S1-MME(IMSI/TMSI、时间戳和MMEUES1APUID数据)——MRO(MMEUES1APUID数据和时间戳)进行数据关联，得到S1-U的有经纬度信息点的MRO电平信息；基于XDR与MR数据关联结果，进行指纹库校准、MR定位；其中，TMSI为Temporary Mobile Subscriber Identity，中文意为临时移动用户标识。采用TMSI来临时代替IMSI的目的为了加强系统的保密性，防止非法个人或团体通过监听无线路径上的信令窃取IMSI或跟踪用户的位置，RSRP(Reference SignalReceiving Power，参考信号接收功率)是LTE(Long Term Evolution，长期演进)网络中可以代表无线信号强度的关键参数以及物理层测量需求之一，是在某个符号内承载参考信号的所有RE(资源粒子)上接收到的信号功率的平均值；
B、基于O域和B域域大数据构建用户画像，进行用户行为分析：通过基于OTT大数据定位方法，关联S1-MME用户标签，把终端用户分为常驻用户和非常驻用户，重点针对常驻用户进行分析；通过常驻用户的时间轴和位置轴关联，进行时间维度和位置维度等多维关联分析，并对用户消费热力图及用户VIP星级图进行分析；其中，通过分析终端用户的消费情况，结合OTT用户定位结果、栅格内采样点数量，对栅格价值属性进行刻画，得出用户消费热力图，实现高消费栅格的可视化；
C、基于O域和B域域大数据构建流量模型，进行流量预测分析：基于Boss话单、MR、驻留比等多维度数据关联分析，分别确定2G单用户和4G单用户流量模型；通过识别倒流用户、预测倒流业务，MR定位高倒流栅格并地理化呈现，结合重点场景、3D立体评估、重点用户列表精准识别高价值区域；
D、基于栅格化的高价值场景分析：结合基于OTT定位的分析结果、用户画像分析结果、流量模型分析结果等进行栅格化的高价值区域分析，支撑网络规划优化及市场营销工作。
本发明中，步骤A中指纹库校准时检测其周围范围内的所有信标栅格，若周围一定范围内存在信标栅格，则校准方法包括以下步骤：
a、统计信标栅格中信标MR主小区电平与仿真主小区电平差，记为δ；统计信标栅格中信标MR的1强邻区电平与其仿真电平差，记作ρ1；统计信标栅格中信标MR的2强邻区电平与其仿真电平差，记作ρ2；统计信标栅格中信标MR的3强邻区电平与其仿真电平差，记作ρ3；
b、计算所有信标栅格的及ρ1、ρ2、ρ3即差值的均值；
c、指纹库主小区即修正后指纹库的主小区电平，指纹库邻区电平+ρ，即修正后指纹库的邻区电平。
若周围一定范围内不存在信标栅格，则校准方法包括以下步骤：
a、统计小区A上报的所有MR的主小区电平均值，所有1强邻区的电平均值，所有2强邻区的电平均值，所有3强邻区的电平均值；
b、统计小区A指纹库中的主小区电平均值，所有1强邻区的电平均值，所有2强邻区的电平均值，所有3强邻区的电平均值；
c、计算主小区MR电平均值与指纹库电平均值的差值δ，并求计MR1强邻区平均电平与指纹库1强邻区平均电平的差值ρ1，并求ρ1，2强、3强邻区相同处理；
d、指纹库主小区即修正后指纹库的主小区电平，指纹库邻区电平+ρ，即修正后指纹库的邻区电平。修正前、后的指纹库的参考信号接收功率RSRP局部图层示意图分别如图4、图5所示。
基于OTT定位算法还可以进行栅格化覆盖分析(栅格化覆盖情况如图6所示)、楼宇级覆盖分析(建筑物覆盖分析，楼宇MR弱覆盖比例可如图7所示)、干扰分析、流量分析等等，还可以用于竞对(竞争对手，即异运营商)分析。传统测试方式获取竞对覆盖耗费大量人力和成本，并且无法获取异运营商的整体网络情况。开启异运营商频点MR测量项，现网的全网通终端将会上报异运营商频点的测量报告。通过对MR异频测量数据采集、解析、定位、栅格化，实现对异运营商网络覆盖的全面评估，有力支撑了集中规划与优化工作。
本发明中，MR定位模式库匹配：根据主服小区采样点定位结果，将FDD(FrequencyDivision Duplexing，频分双工)邻区中采样点信息附着与主服务小区采样点，实现经纬度栅格赋值。
室内外用户区分：FDD频点在邻区中上报，在主服务小区采样点进行室内外区分后的属性，同样赋予邻区中FDD频点相同属性，区分FDD异频室内外采样点。
基于LTE侧MR定位的GSM(Global System for Mobile communication，全球移动通信系统)覆盖分析：传统的GSM MR定位分析需采集A接口和Abis接口数据，投入成本较高。通过在LTE侧开启GSM系统测量，实现解析、定位、栅格化，实现对GSM网络的精准评估。同时分析该区域4G覆盖情况，对2/4G均弱的区域重点进行分析解决。其中，A接口是GSM网络子系统(NSS)与基站子系统(BSS)之间的标准接口，在物理实体上表现为移动交换中心(MSC)与基站控制器(BSC)之间的接口，Abis接口为基站子系统的两个功能实体基站控制器和基站收发信台(BTS)之间的通信接口。
此外，本发明中，步骤B中还包括终端2/4G网络驻留分析和栅格肖像生成；其中，2/4G网络驻留分析包括如下方法：通过分析4G终端在2G驻留时长情况和在4G驻留时长情况，分析用户分别在2/4G产生的流量情况，结合OTT定位结果，对栅格建筑驻留能力属性进行刻画；栅格肖像生成包括如下方法：通过消费标签、VIP星级标签、驻留能力标签、场景属性标签等构建精准价值画像，通过分析高净值VIP人群的用户消费习惯以及位置信息，提供更加优质的客户服务，精准提高客户感知；通过分析低星级、低价值密集区域进行精准套餐和流量营销，做好流量激发，培养客户使用习惯，提升流量经营效果。如图12所示，该用户经标签化后用户画像上包含有苏萌、团队、电子商务、百分点、博士生导师等用户标签，字体的大小表示该文字标签所占的比重大小，例如该用户比较注重团队。
本发明中，步骤C具体包括流量模型构建：通过信令提取评估区域内忙时流量信息和IMSI信息，分别计算出2G单用户和4G单用户流量模型；
倒流业务预测：将2G产生的流量映射到4G网络；
MR定位：结合XDR信令,通过上报MR主服小区与邻区MR电平进行加权，参考主服小区与邻区的经纬度信息确定MR上报的栅格位置；
倒流业务地理化：还原后的4G流量通过用户IMSI与MR进行关联，依照不同栅格中重定向次数和弱覆盖采样点占比等，进行还原后的流量权重分配。基于高倒流用户评估结果，结合重点用户列表(如高频投诉用户、高消费用户、政企用户)，筛选出高价值用户，即前述的目标价值用户。
此外，本发明中，步骤D具体包括高价值场景识别：基于高倒流数据、用户星级、消费等数据，并根据地理位置结合重点场景库，筛选出高价值场景；高价值楼宇识别：倒流从时间维度预测未来4G流量热点，3D立体网络评估基于MR和OTT多维数据，通过构建特征库、地理建模、3D立体定位等技术从空间维度评估发现弱覆盖楼宇，二者从时域和空域综合识别高价值楼宇。
综上所述，本方法通过运用MR定位算法，结合信令XDR关联用户，分析O域大数据，实现网络质量栅格级定位和用户级定位。采用关联分析算法，将B域数据地理化，精准识别高价值区域，并通过下钻的方式挖掘价值栅格、价值建筑、价值小区和价值用户，实现对O域和B域数据可视化、网格化，为网络规划、优化和市场营销提供了有力的综合数据支撑，并大幅度降低人工成本投入；本分析方法通过O域和B域域大数据的关联分析以及相关算法的实现，为网络问题及高价值区域分析提供高效、精准的平台，有效支撑高价值区域精准分析工作的开展，并大幅度降低人工成本投入，使用有限资源最大限度的解决网络问题，提升4G驻留比，提示用户感知。
本方法通过运用MR定位算法，结合信令XDR关联用户，分析O域大数据，实现网络质量栅格级定位和用户级定位。采用关联分析算法，将B域数据地理化，精准识别高价值区域，并通过下钻的方式挖掘价值栅格、价值建筑、价值小区和价值用户，实现对O域和B域数据可视化、网格化，为网络规划、优化和市场营销提供了有力的综合数据支撑，并大幅度降低人工成本投入。技术优化如下：
(1)本分析方法通过OTT定位算法实现O域全量MR、信令、投诉等数据的分析，同时通过用户画像、流量模型构建等实现O域和B域域大数据的关联分析，有效支撑网络规划优化、市场营销等工作。
支撑网络规划：实现了对规划需求站点周边质量、效益和感知等多维度全面评估，优先推送低性能高效益站址资源，有效支撑了LTE资源精准投放。
支撑网络优化：通过关联定位聚焦“价值高、网络差”区域，通过参数重点保障、天馈精细优化等措施，做好网络覆盖及容量保障，确保用户感知。
支撑市场发展：通过向市场部门推送“网络好、价值低”的区域，协同市场部门做好终端推广、流量激发等措施，提升网络资源利用效益。
(2)本分析方法通过O域和B域域大数据的关联分析以及相关算法的实现，为网络问题及高价值区域分析提供高效、精准的平台，有效支撑高价值区域精准分析工作的开展，并大幅度降低人工成本投入，使用有限资源最大限度的解决网络问题，提升4G驻留比，提示用户感知。
参见图14，图14示出了本发明一个实施例提供的一种基于大数据的目标价值区域分析装置的结构示意图。与图1所示的流程相对应，该装置包括：获得模块1401、定位模块1402、构建模块1403、预测模块1404。
获得模块1401，用于获得网络运维O域大数据和经营分析B域大数据；
定位模块1402，用于对所述O域大数据和所述B域大数据进行关联分析，定位目标价值区域，并得到目标价值区域对应的目标网络栅格；
构建模块1403，用于基于O域大数据和B域大数据，对目标价值区域进行用户行为分析，构建用户画像；
预测模块1404，用于基于O域大数据和B域大数据构建用户流量模型，基于所述目标网络栅格和所述用户画像对所述用户流量模型进行业务流量预测并将预测出的业务流量栅格化，从流量栅格中识别目标价值用户，并根据目标网络栅格和目标价值用户对目标价值区域进行网络规划。
具体的，所述定位模块1402，可以包括：
解析单元，用于解析O域大数据中的信令XDR数据，将用户平面接口S1-U数据、控制平面接口S1-MME数据、测量报告MR数据通过时间戳、国际移动用户识别码ISMI数据、MMEUES1APUID数据进行关联，得到S1-U数据的包含经纬度信息点的MRO电平信息；
定位单元，用于基于MRO电平信息，进行指纹库校准和基于OTT信令的MR定位，定位目标价值分析区域，并得到目标价值区域对应的目标网络栅格。
具体的，所述装置还可以包括：
覆盖分析模块，用于基于OTT定位算法，对目标价值区域进行栅格化及建筑物覆盖分析，得到目标价值区域的栅格化覆盖信息和建筑物覆盖信息。
具体的，所述装置还可以包括：
竞对分析模块，用于开启竞争对手频点MR测量项，获得所述竞争对手频点的测量报告，以实现竞对分析。
具体的，所述装置还可以包括：
网络覆盖分析模块，用于基于长期演进LTE的MR定位，进行全球移动通信系统GSM网络覆盖分析，获得目标价值区域的网络覆盖信息。
具体的，构建模块1403，可以包括：
划分单元，用于通过OTT大数据定位方法，关联S1-MME数据中的用户标签，从终端用户中筛选常驻用户；
获取单元，用于针对常驻用户，将常驻用户的时间轴和位置轴进行关联，进行时间维度和位置维度关联分析，获取常驻用户的栅格场景属性标签，其中，栅格场景属性包括：道路型栅格、住宅型栅格、商业办公栅格、枢纽型栅格；
第一刻画单元，用于通过分析终端用户的消费信息，获得栅格区域内常驻用户的用户消费热力图和消费标签；
第二刻画单元，用于通过关联常驻用户的星级和位置信息，对栅格内常驻用户的品质属性进行刻画，并得到常驻用户的贵宾VIP星级标签；
第三刻画单元，用于分析常驻用户的网络驻留时长和产生的网络流量信息，结合OTT定位出的用户位置信息，对栅格建筑驻留能力属性进行刻画，并得到常驻用户的驻留能力标签；
构建单元，用于根据所述栅格场景属性标签、所述消费标签、所述VIP星级标签和所述驻留能力标签，构建目标价值区域内常驻用户的用户画像。
具体的，所述网络驻留时长可以包括：2G网络驻留时长和4G网络驻留时长。具体的，预测模块1404，可以包括：
识别单元，用于基于O域和B域大数据中的多维度数据进行关联分析，识别目标价值区域的倒流用户，其中，所述多维度数据包括：业务运营支撑系统BOSS话单、MR数据、驻留比数据；
流量预测单元，用于确定倒流用户的流量模型，基于倒流用户的流量模型进行倒流业务的流量预测，并利用MR定位目标倒流栅格，将目标倒流栅格进行地理化呈现，从呈现的倒流用户MR地理化信息中识别目标价值用户。
具体的，所述流量预测单元，具体用于：
通过信令提取目标价值区域内的流量信息和IMSI信息，分别计算2G单网络倒流用户的流量模型和4G单网络倒流用户的流量模型。
具体的，所述装置还可以包括：
栅格化模块，用于结合基于OTT定位的定位信息、用户画像信息和流量模型信息，进行栅格化的价值区域分析，识别目标价值场景和目标价值楼宇。
可见，综合利用O域和B域大数据，运用关联分析方法，定位目标价值区域，并对目标价值区域进行相关分析，打通O域和B域的接口，精准定位区域、栅格、建筑的市场价值和网络质量属性，用于辅助规划选址、网络优化、市场营销，开展网络与市场的联动评估，提高网络资源利用率和客户感知。
另外，结合图1描述的本发明实施例的一种基于大数据的目标价值区域分析方法可以由一种基于大数据的目标价值区域分析设备来实现。图15示出了本发明一个实施例提供的一种基于大数据的目标价值区域分析设备的硬件结构示意图。
基于大数据的目标价值区域分析设备可以包括处理器1501以及存储有计算机程序指令的存储器1502。
具体地，上述处理器1501可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器1502可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器1502可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器1502可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器1502可在数据处理装置的内部或外部。在特定实施例中，存储器1502是非易失性固态存储器。在特定实施例中，存储器1502包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器1501通过读取并执行存储器1502中存储的计算机程序指令，以实现上述实施例中的任意一种基于大数据的目标价值区域分析方法。
在一个示例中，基于大数据的目标价值区域分析设备还可包括通信接口1503和总线1510。其中，如图15所示，处理器1501、存储器1502、通信接口1503通过总线1510连接并完成相互间的通信。
通信接口1503，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线1510包括硬件、软件或两者，将基于大数据的目标价值区域分析设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线1510可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
另外，结合上述实施例中的一种基于大数据的目标价值区域分析方法，本发明一个实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种基于大数据的目标价值区域分析方法。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (13)

1.一种基于大数据的目标价值区域分析方法，其特征在于，所述方法包括：
获得网络运维O域大数据和经营分析B域大数据；
对所述O域大数据和所述B域大数据进行关联分析，定位目标价值区域，并得到目标价值区域对应的目标网络栅格；
基于O域大数据和B域大数据，对目标价值区域进行用户行为分析，构建用户画像；
基于O域大数据和B域大数据构建用户流量模型，基于所述目标网络栅格和所述用户画像对所述用户流量模型进行业务流量预测并将预测出的业务流量栅格化，从流量栅格中识别目标价值用户，并根据目标网络栅格和目标价值用户对目标价值区域进行网络规划。
2.根据权利要求1所述的方法，其特征在于，所述利用大数据的关联分析方法，定位目标价值区域，并得到目标价值区域对应的目标网络栅格，包括：
解析O域大数据中的信令XDR数据，将用户平面接口S1-U数据、控制平面接口S1-MME数据、测量报告MR数据通过时间戳、国际移动用户识别码ISMI数据、MMEUES1APUID数据进行关联，得到S1-U数据的包含经纬度信息点的MRO电平信息；
基于MRO电平信息，进行指纹库校准和基于OTT信令的MR定位，定位目标价值区域，并得到目标价值区域对应的目标网络栅格。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
基于OTT定位算法，对目标价值区域进行栅格化及建筑物覆盖分析，得到目标价值区域的栅格化覆盖信息和建筑物覆盖信息。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
在进行指纹库校准之后，开启竞争对手频点MR测量项，获得所述竞争对手频点的测量报告，以实现竞对分析。
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
在进行指纹库校准之后，基于长期演进LTE的MR定位，进行全球移动通信系统GSM网络覆盖分析，获得目标价值区域的网络覆盖信息。
6.根据权利要求1所述的方法，其特征在于，所述基于O域和B域大数据，对目标价值区域进行用户行为分析，构建用户画像，包括：
在进行指纹库校准之后，通过OTT大数据定位方法，关联S1-MME数据中的用户标签，从终端用户中筛选常驻用户；
针对常驻用户，将常驻用户的时间轴和位置轴进行关联，进行时间维度和位置维度关联分析，获取常驻用户的栅格场景属性标签，其中，栅格场景属性包括如下项中的至少一项：道路型栅格、住宅型栅格、商业办公栅格、枢纽型栅格；
通过分析终端用户的消费信息，获得栅格区域内常驻用户的用户消费热力图和消费标签；
通过关联常驻用户的星级和位置信息，对栅格内常驻用户的品质属性进行刻画，并得到常驻用户的贵宾VIP星级标签；
分析常驻用户的网络驻留时长和产生的网络流量信息，结合OTT定位出的用户位置信息，对栅格建筑驻留能力属性进行刻画，并得到常驻用户的驻留能力标签；
根据所述栅格场景属性标签、所述消费标签、所述VIP星级标签和所述驻留能力标签，构建目标价值区域内常驻用户的用户画像。
7.根据权利要求6所述的方法，其特征在于，所述网络驻留时长包括：
2G网络驻留时长和4G网络驻留时长。
8.根据权利要求7所述的方法，其特征在于，所述基于O域大数据和B域大数据构建用户流量模型，基于所述目标网络栅格和所述用户画像对所述用户流量模型进行业务流量预测并将预测出的业务流量栅格化，从流量栅格中识别目标价值用户，包括：
基于O域和B域大数据中的多维度数据进行关联分析，识别目标价值区域的倒流用户，其中，所述多维度数据包括：业务运营支撑系统BOSS话单、MR数据、驻留比数据；
确定倒流用户的用户流量模型，基于所述用户流量模型进行倒流业务的流量预测，将预测出的倒流业务流量栅格化得到倒流栅格，利用MR定位目标倒流栅格，并将目标倒流栅格进行地理化呈现，从呈现的倒流用户MR地理化信息中识别目标价值用户。
9.根据权利要求8所述的方法，其特征在于，所述确定倒流用户的流量模型，包括：
通过信令提取目标价值区域内的流量信息和IMSI信息，分别计算2G单网络倒流用户的流量模型和4G单网络倒流用户的流量模型。
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
结合基于OTT信令的MR定位信息、用户画像信息和用户流量模型信息，对目标价值区域及其对应的目标网络栅格进行栅格化分析，识别目标价值场景和目标价值建筑。
11.一种基于大数据的目标价值区域分析装置，其特征在于，所述装置包括：
获得模块，用于获得网络运维O域大数据和经营分析B域大数据；
定位模块，用于对所述O域大数据和所述B域大数据进行关联分析，定位目标价值区域，并得到目标价值区域对应的目标网络栅格；
构建模块，用于基于O域大数据和B域大数据，对目标价值区域进行用户行为分析，构建用户画像；
预测模块，用于基于O域大数据和B域大数据构建用户流量模型，基于所述目标网络栅格和所述用户画像对所述用户流量模型进行业务流量预测并将预测出的业务流量栅格化，从流量栅格中识别目标价值用户，并根据目标网络栅格和目标价值用户对目标价值区域进行网络规划。
12.一种基于大数据的目标价值区域分析设备，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。
CN201711459227.2A 2017-12-28 2017-12-28 基于大数据的目标价值区域分析方法、装置、设备及介质 Active CN109982366B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711459227.2A CN109982366B (zh) 2017-12-28 2017-12-28 基于大数据的目标价值区域分析方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711459227.2A CN109982366B (zh) 2017-12-28 2017-12-28 基于大数据的目标价值区域分析方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN109982366A true CN109982366A (zh) 2019-07-05
CN109982366B CN109982366B (zh) 2022-05-13

Family

ID=67074621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711459227.2A Active CN109982366B (zh) 2017-12-28 2017-12-28 基于大数据的目标价值区域分析方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN109982366B (zh)

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108647189A (zh) * 2018-05-15 2018-10-12 浙江从泰网络科技有限公司 一种识别用户人群属性的方法及装置
CN110545317A (zh) * 2019-08-19 2019-12-06 武汉绿色网络信息服务有限责任公司 一种基于栅格感知助力区域划小服务的方法和装置
CN110727752A (zh) * 2019-10-10 2020-01-24 中国联合网络通信集团有限公司 位置指纹库处理方法、设备及计算机可读存储介质
CN110831019A (zh) * 2019-12-04 2020-02-21 中通服建设有限公司 基站规划方法、装置、计算机设备和存储介质
CN110830557A (zh) * 2019-10-22 2020-02-21 北京市天元网络技术股份有限公司 基于信令大数据分析工具的应急和预警公告方法以及装置
CN110909102A (zh) * 2019-11-22 2020-03-24 腾讯科技（深圳）有限公司 室内热力图展示方法、装置和计算机可读存储介质
CN110933601A (zh) * 2019-12-25 2020-03-27 中国移动通信集团内蒙古有限公司 目标区域确定方法、装置、设备和介质
CN111193998A (zh) * 2020-01-02 2020-05-22 湖北工业大学 基于多维聚合流量分析用户需求的商址推荐系统及方法
CN112217675A (zh) * 2020-10-12 2021-01-12 北京电信规划设计院有限公司 固、移通讯网络大数据联合分析方法
CN112395486A (zh) * 2019-08-12 2021-02-23 中国移动通信集团重庆有限公司 一种宽带业务推荐方法、系统、服务器和存储介质
CN112418689A (zh) * 2020-11-26 2021-02-26 天翼征信有限公司 一种运营商大数据系统
CN112738813A (zh) * 2020-12-30 2021-04-30 中国联合网络通信集团有限公司 一种网络建设评估方法及装置
CN112770363A (zh) * 2019-10-21 2021-05-07 中国移动通信集团安徽有限公司 VoLTE驻留问题定位方法、装置及设备
CN113015168A (zh) * 2019-12-04 2021-06-22 北京神州泰岳软件股份有限公司 一种无线基地台定位方法及系统
CN113098987A (zh) * 2019-12-23 2021-07-09 中国移动通信集团湖南有限公司 基于大数据的家宽目标用户识别方法、装置及电子设备
CN113098791A (zh) * 2021-03-30 2021-07-09 中山大学 一种多业务网络流的成分占比分析方法
CN113141616A (zh) * 2021-04-20 2021-07-20 博瑞得科技有限公司 O+b域数据+业务场景自适应识别的节能基站选择及节能模式选取的方法、装置和系统
CN113329411A (zh) * 2021-05-24 2021-08-31 中国联合网络通信集团有限公司 一种无线网络规划方法及装置
CN113453152A (zh) * 2020-03-27 2021-09-28 中国移动通信集团北京有限公司 流量分发方法、装置、设备及介质
CN113453096A (zh) * 2021-06-04 2021-09-28 中国联合网络通信集团有限公司 一种无源光网络pon口流量的预测方法及装置
CN113676926A (zh) * 2020-05-15 2021-11-19 中国移动通信集团设计院有限公司 用户网络感知画像方法及装置
CN113837541A (zh) * 2021-08-20 2021-12-24 中国联合网络通信有限公司广东省分公司 一种otn下沉政企专网接入方法、系统、设备及计算机可读介质
CN114257957A (zh) * 2021-12-09 2022-03-29 北京东土拓明科技有限公司 网络规划方法及装置、计算设备和计算机可读存储介质
CN115243300A (zh) * 2021-04-23 2022-10-25 中国移动通信集团四川有限公司 网络特征画像生成方法、装置及电子设备
CN115278761A (zh) * 2022-08-30 2022-11-01 中国联合网络通信集团有限公司 网络评估方法、装置、设备及存储介质
CN115314909A (zh) * 2022-10-09 2022-11-08 南通翁海电气有限公司 一种基于大数据的居民社区移动网络基站规划方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102075963A (zh) * 2009-11-25 2011-05-25 中国移动通信集团贵州有限公司 一种移动业务数据采集分析方法及系统
CN106331085A (zh) * 2016-08-22 2017-01-11 成都天地网络科技有限公司 基于运营的大数据处理系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102075963A (zh) * 2009-11-25 2011-05-25 中国移动通信集团贵州有限公司 一种移动业务数据采集分析方法及系统
CN106331085A (zh) * 2016-08-22 2017-01-11 成都天地网络科技有限公司 基于运营的大数据处理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张鹏 等: "基于大数据投资效益分析的无线网络规划方法", 《无线网络运维与优化》 *
陈学 等: "基于"B+O"数据协同的移动网络分析方法研究与应用", 《邮电设计技术》 *

Cited By (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108647189A (zh) * 2018-05-15 2018-10-12 浙江从泰网络科技有限公司 一种识别用户人群属性的方法及装置
CN108647189B (zh) * 2018-05-15 2022-03-15 浙江斑智科技有限公司 一种识别用户人群属性的方法及装置
CN112395486A (zh) * 2019-08-12 2021-02-23 中国移动通信集团重庆有限公司 一种宽带业务推荐方法、系统、服务器和存储介质
CN112395486B (zh) * 2019-08-12 2023-11-03 中国移动通信集团重庆有限公司 一种宽带业务推荐方法、系统、服务器和存储介质
CN110545317A (zh) * 2019-08-19 2019-12-06 武汉绿色网络信息服务有限责任公司 一种基于栅格感知助力区域划小服务的方法和装置
CN110727752A (zh) * 2019-10-10 2020-01-24 中国联合网络通信集团有限公司 位置指纹库处理方法、设备及计算机可读存储介质
CN112770363B (zh) * 2019-10-21 2022-09-13 中国移动通信集团安徽有限公司 VoLTE驻留问题定位方法、装置及设备
CN112770363A (zh) * 2019-10-21 2021-05-07 中国移动通信集团安徽有限公司 VoLTE驻留问题定位方法、装置及设备
CN110830557A (zh) * 2019-10-22 2020-02-21 北京市天元网络技术股份有限公司 基于信令大数据分析工具的应急和预警公告方法以及装置
CN110909102A (zh) * 2019-11-22 2020-03-24 腾讯科技（深圳）有限公司 室内热力图展示方法、装置和计算机可读存储介质
CN110909102B (zh) * 2019-11-22 2023-02-28 腾讯科技（深圳）有限公司 室内热力图展示方法、装置和计算机可读存储介质
CN110831019A (zh) * 2019-12-04 2020-02-21 中通服建设有限公司 基站规划方法、装置、计算机设备和存储介质
CN113015168A (zh) * 2019-12-04 2021-06-22 北京神州泰岳软件股份有限公司 一种无线基地台定位方法及系统
CN113015168B (zh) * 2019-12-04 2023-05-05 北京神州泰岳软件股份有限公司 一种无线基地台定位方法及系统
CN113098987A (zh) * 2019-12-23 2021-07-09 中国移动通信集团湖南有限公司 基于大数据的家宽目标用户识别方法、装置及电子设备
CN110933601B (zh) * 2019-12-25 2021-06-15 中国移动通信集团内蒙古有限公司 目标区域确定方法、装置、设备和介质
CN110933601A (zh) * 2019-12-25 2020-03-27 中国移动通信集团内蒙古有限公司 目标区域确定方法、装置、设备和介质
CN111193998A (zh) * 2020-01-02 2020-05-22 湖北工业大学 基于多维聚合流量分析用户需求的商址推荐系统及方法
CN113453152B (zh) * 2020-03-27 2023-04-28 中国移动通信集团北京有限公司 流量分发方法、装置、设备及介质
CN113453152A (zh) * 2020-03-27 2021-09-28 中国移动通信集团北京有限公司 流量分发方法、装置、设备及介质
CN113676926B (zh) * 2020-05-15 2024-03-19 中国移动通信集团设计院有限公司 用户网络感知画像方法及装置
CN113676926A (zh) * 2020-05-15 2021-11-19 中国移动通信集团设计院有限公司 用户网络感知画像方法及装置
CN112217675A (zh) * 2020-10-12 2021-01-12 北京电信规划设计院有限公司 固、移通讯网络大数据联合分析方法
CN112217675B (zh) * 2020-10-12 2023-03-24 北京电信规划设计院有限公司 固、移通讯网络大数据联合分析方法
CN112418689A (zh) * 2020-11-26 2021-02-26 天翼征信有限公司 一种运营商大数据系统
CN112738813A (zh) * 2020-12-30 2021-04-30 中国联合网络通信集团有限公司 一种网络建设评估方法及装置
CN113098791A (zh) * 2021-03-30 2021-07-09 中山大学 一种多业务网络流的成分占比分析方法
CN113141616B (zh) * 2021-04-20 2022-07-29 博瑞得科技有限公司 O+b域数据+业务场景自适应识别的节能基站选择及节能模式选取的方法、装置和系统
CN113141616A (zh) * 2021-04-20 2021-07-20 博瑞得科技有限公司 O+b域数据+业务场景自适应识别的节能基站选择及节能模式选取的方法、装置和系统
CN115243300B (zh) * 2021-04-23 2024-04-19 中国移动通信集团四川有限公司 网络特征画像生成方法、装置及电子设备
CN115243300A (zh) * 2021-04-23 2022-10-25 中国移动通信集团四川有限公司 网络特征画像生成方法、装置及电子设备
CN113329411A (zh) * 2021-05-24 2021-08-31 中国联合网络通信集团有限公司 一种无线网络规划方法及装置
CN113329411B (zh) * 2021-05-24 2022-06-07 中国联合网络通信集团有限公司 一种无线网络规划方法及装置
CN113453096A (zh) * 2021-06-04 2021-09-28 中国联合网络通信集团有限公司 一种无源光网络pon口流量的预测方法及装置
CN113453096B (zh) * 2021-06-04 2022-12-13 中国联合网络通信集团有限公司 一种无源光网络pon口流量的预测方法及装置
CN113837541A (zh) * 2021-08-20 2021-12-24 中国联合网络通信有限公司广东省分公司 一种otn下沉政企专网接入方法、系统、设备及计算机可读介质
CN114257957A (zh) * 2021-12-09 2022-03-29 北京东土拓明科技有限公司 网络规划方法及装置、计算设备和计算机可读存储介质
CN115278761A (zh) * 2022-08-30 2022-11-01 中国联合网络通信集团有限公司 网络评估方法、装置、设备及存储介质
CN115314909B (zh) * 2022-10-09 2022-12-16 南通翁海电气有限公司 一种基于大数据的居民社区移动网络基站规划方法及系统
CN115314909A (zh) * 2022-10-09 2022-11-08 南通翁海电气有限公司 一种基于大数据的居民社区移动网络基站规划方法及系统

Also Published As

Publication number Publication date
CN109982366B (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
CN109982366A (zh) 基于大数据的目标价值区域分析方法、装置、设备及介质
CN104853379B (zh) 一种无线网络质量评估方法及装置
CN109118265A (zh) 商圈确定方法、装置和服务器
CN109996284A (zh) 移动通信故障投诉工单处理方法、装置、设备及介质
JP5273664B2 (ja) 通信特性解析システム、通信特性解析方法、及び通信特性解析プログラム
CN110677859A (zh) 弱覆盖区域的确定方法、装置和计算机可读存储介质
CN103796227B (zh) 进行无线信号覆盖分析的方法和系统
US8892120B2 (en) Methods in a wireless communication system for crime investigation, evidence generation and analysis
CN107818133A (zh) 一种基于大数据的居民区网络能力分析方法及系统
CN108616900B (zh) 一种室内外测量报告的区分方法及网络设备
WO2021103577A1 (zh) 一种基于mdt的室内信号外泄分析方法及系统
CN108307427B (zh) 一种lte网络覆盖分析、预测方法及系统
CN110942625A (zh) 基于现实路径流量回溯调节的动态od估计方法及装置
CN113365306B (zh) 网络分析方法及装置、存储介质、计算机系统
CN108259097B (zh) 基于mr数据的修正无线传播模型的方法及装置
CN109982361A (zh) 信号干扰分析方法、装置、设备及介质
CN114374449B (zh) 一种干扰源确定方法、装置、设备及介质
CN103686818A (zh) 一种仿真测试方法及设备
CN109936820A (zh) 一种用户终端定位方法及装置
CN114257957B (zh) 网络规划方法及装置、计算设备和计算机可读存储介质
CN113132891B (zh) 一种基于移动信令的客流统计方法和系统
Tripkovic et al. Unbiased benchmarking in mobile networks: The role of sampling and stratification
CN115278761B (zh) 网络评估方法、装置、设备及存储介质
KR20200061666A (ko) 인구 안내 서비스 제공방법 및 장치
CN109982373A (zh) Lte频繁回落点分析方法、装置、计算设备及存储介质

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