CN109993388B - 劣化小区主因判断方法、装置、设备及介质 - Google Patents
劣化小区主因判断方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN109993388B CN109993388B CN201711489611.7A CN201711489611A CN109993388B CN 109993388 B CN109993388 B CN 109993388B CN 201711489611 A CN201711489611 A CN 201711489611A CN 109993388 B CN109993388 B CN 109993388B
- Authority
- CN
- China
- Prior art keywords
- cell
- switching
- degraded
- degraded cell
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000015556 catabolic process Effects 0.000 claims description 21
- 238000006731 degradation reaction Methods 0.000 claims description 21
- 238000012163 sequencing technique Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005314 correlation function Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例公开了一种劣化小区主因判断方法、装置、设备及介质。该方法包括:获取与劣化小区相关的多维度数据;根据多维度数据,确定劣化小区的问题类型;根据劣化小区的问题类型,选择对应的判断模型,以确定劣化小区的问题主因。本发明实施例提供的劣化小区主因判断方法、装置、设备及介质,能够自动、高效、准确地确定劣化小区的主因。
Description
技术领域
本发明涉及移动通信技术领域,尤其涉及一种劣化小区主因判断方法、装置、设备及介质。
背景技术
现有的网络优化人员针对劣化小区的主因的判断方法为,根据个人自身经验人工自行提取相关数据,并根据提取的数据进行分析以及确定问题主因。
但是现有的判断方法存在以下缺点:对于劣化小区的分析,现有技术平均需约20到30分钟,才能诊断出劣化的主因,其分析效率较低;由于提取数据维度少、缺少问题与数据关联分析步骤,导致劣化小区的主因诊断准确低。
综上所述,针对现有技术的劣化小区的主因的判断方法存在分析效率低、准确率低的问题,需要提供一种能够高效、准确的分析劣化小区的主因的方法。
发明内容
本发明实施例提供了一种劣化小区主因判断方法、装置、设备及介质,能够高效、准确地确定劣化小区的主因。
第一方面,本发明实施例提供了一种劣化小区主因判断方法,包括:
获取与劣化小区相关的多维度数据;
根据多维度数据,确定劣化小区的问题类型;
根据劣化小区的问题类型,选择对应的判断模型,以确定劣化小区的问题主因。
进一步地,多维度数据通过历史工单数据获取。
进一步地,多维度数据包括如下项中的至少一项:劣化小区的性能数据、工参数据、参数数据、警告及操作记录数据和大数据;其中,
参数数据包括劣化小区的常用参数和管控参数的设置情况数据、以及劣化小区与相邻小区的关系数据;
大数据包括用户位置定位、分布情况和对应信号质量数据。
进一步地,问题类型包括如下项中的至少一项:
切换差类问题、高负荷类问题和其他类问题。
进一步地,判断模型包括如下项中的至少一项:判断切换差类问题主因的第一判断模型、判断高负荷类问题主因的第二判断模型和判断其他类问题主因的第三判断模型。
进一步地,第一判断模型用于:
根据劣化小区与多个相邻小区形成的多个切换对的切换失败次数,确定多个切换对的第一排序序列;
按照第一排序顺序依次将多个切换对的邻区切换成功率修改为第一预设值;
若修改任一切换对的邻区切换成功率后,劣化小区的小区切换成功率达到第二预设值,确定该切换对对应的相邻小区为劣化小区的问题主因。
进一步地,第一判断模型还用于:
设定修改多个切换对的邻区切换成功率的预设数量;
若修改预设数量的多个切换对的邻区切换成功率后,劣化小区的小区切换成功率均无法达到第二预设值,确定普遍切换差为劣化小区的问题主因。
进一步地,第二判断模型用于:
根据劣化小区与多个相邻小区之间的切换紧密度和主临信号紧密度,确定可待分流的高负荷邻小区的第二排序顺序;
根据第二排序顺序的负荷情况,确定劣化小区的问题主因为均衡高负载或非均衡高负载。
进一步地,第三判断模型用于:
分析劣化小区的劣化时段和非劣化时段内的问题指标与问题维度的变化规律;
根据变化规律和关联性函数,确定所述问题指标与问题维度的关联程度;
根据对关联程度的第三排序顺序,确定劣化小区的问题主因。
第二方面,本发明实施例提供了一种劣化小区主因判断装置,包括:
数据获取模块,用于获取与劣化小区相关的多维度数据;
数据分析模块,用于根据多维度数据,确定劣化小区的问题类型;
模型判断模块,用于根据劣化小区的问题类型,选择对应的判断模型,以确定劣化小区的问题主因。
第三方面,本发明实施例提供了一种劣化小区主因判断设备,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劣化小区主因判断方法、装置、设备及介质,能够获取与劣化小区相关的多维度数据,基于多维度数据确定劣化小区的问题类型,并选择问题类型对应的判断模型,通过判模型自动快速地确定劣化小区的问题主因,及大地提高了劣化小区分析和处理的效率和准确度。
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示出了根据本发明一个实施例的劣化小区主因判断方法的流程图;
图2示出了根据本发明一个实施例的多维度数据的结构示意图;
图3示出了根据本发明一个实施例的第一判断模型的原理图;
图4示出了根据本发明一个实施例的第二判断模型的原理图;
图5示出了根据本发明一个实施例的相关性函数的相关系数与各变量之间的关系示意图;
图6示出了根据本发明一个实施例的第三判断模型中的问题指标与问题维度的结构示意图;
图7示出了根据本发明一个实施例的劣化小区主因判断装置的结构示意图;
图8示出了根据本发明一个实施例提供的劣化小区主因判断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。
图1示出了根据本发明一个实施例的劣化小区主因判断方法的流程图。如图1所示,第一方面,本发明实施例中的劣化小区主因判断方法100包括:
S110、获取与劣化小区相关的多维度数据。
其中,多维度数据可以包括劣化小区的性能数据、工参数据、参数数据、警告及操作记录数据和大数据中的至少一项。如图2所示,性能数据包括与劣化小区相关的关键性的性能指标数据。工参数据包括劣化小区的小区方位角、下倾角、经纬度以及覆盖场景等数据。参数数据包括劣化小区的常用参数和管控参数的设置情况数据、以及劣化小区与相邻小区的关系数据。警告及操作记录数据包括警告和操作维护中心(英文名称:Operationand Maintenance Center,英文缩写:OMC)的网管操作记录数据。大数据包括用户位置定位、分布情况和对应信号质量数据。
在本发明实施例中,多维度数据可以通过历史工单数据获取。具体地,可以从厂家OMC通过直联的方式,获取性能数据、参数数据、告警/操作记录。从基础数据库,通过文件传输协议(英文名称:File TransferProtocol,英文缩写:FTP)的方法获到工参数据。从大数据平台,通过FTP的方法获获取大数据相关的数据。
S120、根据多维度数据,确定劣化小区的问题类型。
其中,问题类型可以包括切换差类问题、高负荷类问题和其他类问题中的至少一项。具体地,可以通过多维度数据中的相应参数判断出劣化小区的切换成功率参数是否低于预设成功率阈值、负荷参数是否超过预设负荷阈值,当切换成功率参数低于预设成功率阈值时,确定劣化小区是切换差类问题,当负荷参数超过预设负荷阈值时,则确定劣化小区是高负荷类问题,当切换参数不低于、负荷参数均未超过其对应的预设的阈值时,则确定是其他类问题。
S130、根据劣化小区的问题类型,选择对应的判断模型,以确定劣化小区的问题主因。其中,判断模型可以包括判断切换差类问题主因的第一判断模型、判断高负荷类问题主因的第二判断模型和判断其他类问题主因的第三判断模型中的至少一项。
切换差类劣化小区占比劣化小区的20%,其数量较多。当确定的劣化小区的问题类型为切换差类问题时,可以自动匹配第一判断模型,并从劣化小区对应的多维度数据中提取与切换相关的数据,通过第一判断模型判断问题主因。
在本发明实施例中,第一判断模型可以用于:
根据劣化小区与多个相邻小区形成的多个切换对的切换失败次数,确定多个切换对的第一排序序列;
按照第一排序顺序依次将多个切换对的邻区切换成功率修改为第一预设值;
若修改任一切换对的邻区切换成功率后,劣化小区的小区切换成功率达到第二预设值,确定该切换对对应的相邻小区为劣化小区的问题主因。
其中,还可以设定修改多个切换对的邻区切换成功率的预设数量,若修改预设数量的多个切换对的邻区切换成功率后,劣化小区的小区切换成功率均无法达到第二预设值,确定普遍切换差为劣化小区的问题主因。
下面,以一个具体示例对第一判断模型进行说明。
如图3所示,对于切换成功率参数低于预设成功率阈值的劣化小区,可以分别统计出该小区与多个相邻小区分别构成的多个邻区对的切换失败次数,并且按切换失败次数从多到少对邻区对进行排序,得到劣化小区对应的邻区对的第一排序顺序。当得到劣化小区对应的邻区对的第一排序顺序后,可以先假设排在第一排序顺序第一位的邻区对经过优化后,该邻区对的邻区切换成功率可达到第一预设值A%(如99.5%)。同时,保持其他邻区对的切换尝试次数和邻区切换成功率不变。根据上述修改后的参数,计算出该劣化小区此时的小区切换成功率(可以为劣化小区与相邻小区形成的全部邻区对的邻区切换成功率的平均值),若其达到第二预设值B%(如99%),则可以确定排在第一排序顺序第一位的邻区对为问题切换对,因此,排在第一排序顺序第一位的邻区对为导致该劣化小区出现切换差类问题的问题主因。若根据修改后的参数计算出的该劣化小区的小区切换成功率仍未达到第二预设值B%,则继续假设排在第一排序顺序第一位和第二位的邻区对的邻区经过优化后,两个邻区对的切换成功率均可达到第一预设值A%。同时,保持其他邻区对的切换尝试次数和邻区切换成功率不变。根据上述修改后的参数,计算出该劣化小区此时的小区切换成功率,若其达到第二预设值B%(如99%),则可以确定排在第一排序顺序第一位和第二位的邻区对为问题切换对,因此,排在第一排序顺序第一位和第二位的邻区对为导致该劣化小区出现切换差类问题的问题主因。若根据修改后的参数计算出的该劣化小区的小区切换成功率仍未达到第二预设值B%,则继续假设排在第一排序顺序第一位、第二位和第三位的邻区对的邻区切换成功率经过优化后均可达到第一预设值B%,如此反复,最多迭代计算到排在第一排序顺序预设数量N的邻区对(其中,N可以根据实际情况调节)。若在预设数量N内可以找出劣化小区对应的问题切换对,则确定其为导致劣化小区出现切换差类问题的问题主因。若迭代到排在第一排序顺序预设数量N的邻区对后,经计算仍无法使该劣化小区的小区切换成功率达到第二预设值B%,则认为该劣化小区不存在问题切换对,导致劣化小区出现切换差类问题的问题主因为该劣化小区与相邻小区组成的邻区对的普遍切换差。
高负荷类劣化小区约占比劣化小区的30%。当确定的劣化小区的问题类型为高负荷类问题时,可以自动匹配第二判断模型,并从劣化小区对应的多维度数据中提取与切换和负荷相关的数据,通过第二判断模型判断问题主因。
在本发明实施例中,第二判断模型可以用于:
根据劣化小区与多个相邻小区之间的切换紧密度和主临信号紧密度,确定可待分流的高负荷邻小区的第二排序顺序;
根据第二排序顺序的负荷情况,确定劣化小区的问题主因为均衡高负载或非均衡高负载。
下面,以一个具体示例对第二判断模型进行说明。
如图4所示,对于负荷过高的劣化小区,可以通过分析劣化小区和相邻小区的负荷情况确定问题的主因,即可以根据该劣化小区与多个相邻小区之间的切换紧密度和主临信号紧密度的综合指标由高到低进行排序,确定可分流的相邻小区的第二排序顺序。具体地,对于切换紧密度和主邻信号紧密度两个指标,可以分别赋予对应的权重系数(切换紧密度的权重系数可以设为C%,主临信号紧密度的权重系数可以设为D%),并计算得到可分流的相邻小区的第二排序顺序。
其中,切换紧密度可以通过劣化小区与相邻小区的切换次数确定,劣化小区和相邻小区的切换次数可以反映其之间切换紧密关系的情况,因此,可以确定切换紧密度的大小。主临信号紧密度可以通过在切换紧密度的基础上减少切换参数配置和相邻小区配置的影响确定,当确定劣化小区和相邻小区在信号强度上的紧密情况时,即可以确定主邻信号紧密度的大小。主邻信号紧密度可以根据邻区信号强度-主服信号强度>-6dbm的比例从大到小进行排序。
当确定可分流的相邻小区的第二排序顺序后吗,可以通过计算得到可分流的各个相邻小区的负荷情况,并且根据可分流的各个相邻小区的负荷情况确定该劣化小区为均衡高负荷或者非均衡高负荷的高负荷类劣化小区。
具体地,若第二排序顺序中的各个相邻小区的负荷也较高,则导致劣化小区出现高负荷类问题的问题主因为均衡高负荷,即相邻小区均为高负荷小区。此时,若采取优化措施,则不再优先考虑向相邻小区分流。若第二排序顺序中的各个相邻小区的负荷较低,则导致劣化小区出现高负荷类问题的问题主因为非均衡高负荷。此时,若采取优化措施,可以优先考虑利用相邻小区为该劣化小区分担业务流量的压力。
当确定的劣化小区的问题类型为其他类问题时,可以自动匹配第三判断模型,并从劣化小区对应的多维度数据中提取相关的数据,通过第三判断模型判断问题主因。
在本发明实施例中,第三判断模型可以用于:
分析劣化小区的劣化时段和非劣化时段内的问题指标与问题维度的变化规律;
根据变化规律和关联性函数,确定所述问题指标与问题维度的关联程度;
根据对关联程度的第三排序顺序,确定劣化小区的问题主因。
下面,以一个具体示例对第三判断模型进行说明。
将劣化小区的劣化指标设为X,相关的其它指标设为Y。然后分析劣化指标在劣化时段和非劣化时段内的问题指标与可能导致劣化的问题维度的变化规律,并利用关联性函数算法,判断劣化指标和其他指标的关联程度为强相关、弱相关、不相关。最后根据关联程度的第三排序顺序,确定导致劣化小区出现其他类问题的问题主因和问题次因。
其中,相关性函数为
具体地,相关系数rxy的取值范围为[-1,1]。如图5所示,当rxy取1时,表示劣化指标X和其它指标Y之间具有线性变化的关系,即其它指标Y随着劣化指标X的增加而增加,而且所有的点都落在一条直线上。当rxy取-1时,则是所有点落在一条直线上,但是其它指标Y随着劣化指标X的增加而减小。当rxy为0时,则表示劣化指标X和其它指标Y之间没有线性相关的关系。
如图6所示,在本发明实施例中,问题指标可以包括低接入类问题、切换差类问题、高掉线类问题、资源类问题和MR弱覆盖类问题等,问题维度可以包括覆盖原因、警告原因、高负荷原因、干扰原因、参数原因和邻区(对)原因等。例如,当分析无线接通率与覆盖、高负荷、干扰的相关性时,覆盖维度可以取MR弱覆盖比例,高负荷维度可以取PRB上行利用率和PRB下行利用率,干扰维度可以取RB平均干扰。通过统计可以得到无线接通率与MR弱覆盖比例、PRB上行利用率、PRB下行利用率、B平均干扰分别为0.63、0.71、0.7、0.85,此时,经过分析可以确定导致劣化小区出现问题的问题主因为无线接通率劣化,问题次因为负荷较高。
综上所述,本发明实施例中的劣化小区主因判断方法能够获得如下优点中的至少一个:
能够自动提取劣化小区对应的性能、大数据、参数、告警操作日志等多维度数据,减少人工提取数据的时间。
输入任意基站即可自动关联该基站的小区的多维数据,完成对劣化小区的问题主因进行自动分析。
图7示出了根据本发明一个实施例的劣化小区主因判断装置的结构示意图。如图7所示,第二方面,本发明实施例中的劣化小区主因判断装置200包括数据获取模块210、数据分析模块220和模型判断模块230。
其中,数据获取模块210用于获取与劣化小区相关的多维度数据,数据分析模块220用于根据多维度数据确定劣化小区的问题类型,模型判断模块230用于根据劣化小区的问题类型选择对应的判断模型,以确定劣化小区的问题主因。
在本发明实施例中,数据获取模块210被进一步配置为通过历史工单数据获取多维度数据。其中,多维度数据可以包括劣化小区的性能数据、工参数据、参数数据、警告及操作记录数据和大数据。
在本发明实施例中,数据分析模块220被进一步配置为将劣化小区的问题类型分为切换差类问题、高负荷类问题和其他类问题。对应地,模型判断模块230被配置为其存储的判断模型包括判断切换差类问题主因的第一判断模型、判断高负荷类问题主因的第二判断模型和判断其他类问题主因的第三判断模型。
另外,结合图1描述的本发明实施例的投诉地点识别方法可以由投诉地点识别设备来实现。图8示出了本发明实施例提供的劣化小区主因判断设备的硬件结构示意图。
劣化小区主因判断设备可以包括处理器301以及存储有计算机程序指令的存储器302。
具体地,上述处理器301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302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302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302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302可在数据处理装置的内部或外部。在特定实施例中,存储器302是非易失性固态存储器。在特定实施例中,存储器302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301通过读取并执行存储器302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劣化小区主因判断方法。
在一个示例中,劣化小区主因判断设备还可包括通信接口303和总线310。其中,如图8所示,处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。
通信接口303,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310包括硬件、软件或两者,将劣化小区主因判断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310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劣化小区主因判断方法,本发明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劣化小区主因判断方法。
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 (9)
1.一种劣化小区主因判断方法,其特征在于,所述方法包括:
获取与劣化小区相关的多维度数据;
根据所述多维度数据,确定所述劣化小区的问题类型;
根据所述劣化小区的问题类型,选择对应的判断模型,以确定所述劣化小区的问题主因;
所述问题类型包括如下项中的至少一项:
切换差类问题、高负荷类问题和其他类问题;
所述判断模型包括如下项中的至少一项:判断切换差类问题主因的第一判断模型、判断高负荷类问题主因的第二判断模型和判断其他类问题主因的第三判断模型;
所述第一判断模型用于:
根据所述劣化小区与多个相邻小区形成的多个切换对的切换失败次数,确定所述多个切换对的第一排序序列;
按照所述第一排序顺序依次将所述多个切换对的邻区切换成功率修改为第一预设值;
若修改任一所述切换对的邻区切换成功率后,所述劣化小区的小区切换成功率达到第二预设值,确定该切换对对应的相邻小区为劣化小区的问题主因。
2.根据权利要求1所述的劣化小区主因判断方法,其特征在于,所述多维度数据通过历史工单数据获取。
3.根据权利要求1所述的劣化小区主因判断方法,其特征在于,所述多维度数据包括如下项中的至少一项:所述劣化小区的性能数据、工参数据、参数数据、警告及操作记录数据和大数据;其中,
参数数据包括所述劣化小区的常用参数和管控参数的设置情况数据、以及所述劣化小区与相邻小区的关系数据;
大数据包括用户位置定位、分布情况和对应信号质量数据。
4.根据权利要求1所述的劣化小区主因判断方法,其特征在于,所述第一判断模型还用于:
设定修改所述多个切换对的邻区切换成功率的预设数量;
若修改预设数量的所述多个切换对的邻区切换成功率后,所述劣化小区的小区切换成功率均无法达到第二预设值,确定普遍切换差为所述劣化小区的问题主因。
5.根据权利要求1所述的劣化小区主因判断方法,其特征在于,所述第二判断模型用于:
根据所述劣化小区与多个相邻小区之间的切换紧密度和主临信号紧密度,确定可待分流的高负荷邻小区的第二排序顺序;
根据第二排序顺序的负荷情况,确定所述劣化小区的问题主因为均衡高负载或非均衡高负载。
6.根据权利要求1所述的劣化小区主因判断方法,其特征在于,所述第三判断模型用于:
分析所述劣化小区的劣化时段和非劣化时段内的问题指标与问题维度的变化规律;
根据所述变化规律和关联性函数,确定所述问题指标与所述问题维度的关联程度;
根据对所述关联程度的第三排序顺序,确定所述劣化小区的问题主因。
7.一种劣化小区主因判断装置,其特征在于,所述装置包括:
数据获取模块,用于获取与劣化小区相关的多维度数据;
数据分析模块,用于根据所述多维度数据,确定所述劣化小区的问题类型;
模型判断模块,用于根据所述劣化小区的问题类型,选择对应的判断模型,以确定所述劣化小区的问题主因;
所述问题类型包括如下项中的至少一项:
切换差类问题、高负荷类问题和其他类问题;
所述判断模型包括如下项中的至少一项:判断切换差类问题主因的第一判断模型、判断高负荷类问题主因的第二判断模型和判断其他类问题主因的第三判断模型;
所述第一判断模型用于:
根据所述劣化小区与多个相邻小区形成的多个切换对的切换失败次数,确定所述多个切换对的第一排序序列;
按照所述第一排序顺序依次将所述多个切换对的邻区切换成功率修改为第一预设值;
若修改任一所述切换对的邻区切换成功率后,所述劣化小区的小区切换成功率达到第二预设值,确定该切换对对应的相邻小区为劣化小区的问题主因。
8.一种劣化小区主因判断设备,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1-6任一项所述的劣化小区主因判断方法。
9.一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1-6中任一项所述的劣化小区主因判断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711489611.7A CN109993388B (zh) | 2017-12-30 | 2017-12-30 | 劣化小区主因判断方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711489611.7A CN109993388B (zh) | 2017-12-30 | 2017-12-30 | 劣化小区主因判断方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109993388A CN109993388A (zh) | 2019-07-09 |
CN109993388B true CN109993388B (zh) | 2021-07-06 |
Family
ID=67110632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711489611.7A Active CN109993388B (zh) | 2017-12-30 | 2017-12-30 | 劣化小区主因判断方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993388B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113133058A (zh) * | 2021-04-07 | 2021-07-16 | 中国移动通信集团陕西有限公司 | 负载均衡方法、装置及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1625295A (zh) * | 1999-09-20 | 2005-06-08 | 诺基亚公司 | 确定活动集的候选小区的方法和设备 |
CN101682872A (zh) * | 2007-06-18 | 2010-03-24 | 交互数字技术公司 | 用于无线电接入技术间小区重选的方法 |
CN102111770A (zh) * | 2009-12-23 | 2011-06-29 | 中兴通讯股份有限公司 | 一种邻区规划的方法及网络规划系统 |
CN103841575A (zh) * | 2012-11-20 | 2014-06-04 | 中国移动通信集团安徽有限公司 | 一种无线网络资源优化的方法和系统 |
CN104581799A (zh) * | 2015-01-09 | 2015-04-29 | 浪潮通信信息系统有限公司 | 基于td-lte无线网络数据模型的指标查询引擎 |
-
2017
- 2017-12-30 CN CN201711489611.7A patent/CN109993388B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1625295A (zh) * | 1999-09-20 | 2005-06-08 | 诺基亚公司 | 确定活动集的候选小区的方法和设备 |
CN101682872A (zh) * | 2007-06-18 | 2010-03-24 | 交互数字技术公司 | 用于无线电接入技术间小区重选的方法 |
CN102111770A (zh) * | 2009-12-23 | 2011-06-29 | 中兴通讯股份有限公司 | 一种邻区规划的方法及网络规划系统 |
CN103841575A (zh) * | 2012-11-20 | 2014-06-04 | 中国移动通信集团安徽有限公司 | 一种无线网络资源优化的方法和系统 |
CN104581799A (zh) * | 2015-01-09 | 2015-04-29 | 浪潮通信信息系统有限公司 | 基于td-lte无线网络数据模型的指标查询引擎 |
Also Published As
Publication number | Publication date |
---|---|
CN109993388A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110602741B (zh) | 网络弱覆盖的识别方法、装置、设备及存储介质 | |
CN105744553B (zh) | 一种网络关联分析方法及装置 | |
CN109996181B (zh) | 基于大数据的立体室内定位方法、装置、设备及介质 | |
CN109996258B (zh) | 无线网络利用率评估方法、装置、计算设备及存储介质 | |
CN109982343B (zh) | 异频切换门限值确定方法、装置、设备及介质 | |
CN109996280B (zh) | 基站经纬度核查方法、装置、设备及介质 | |
CN111325561A (zh) | 智能投诉处理方法、装置、电子设备及存储介质 | |
CN109874104B (zh) | 用户位置定位方法、装置、设备及介质 | |
CN110493813B (zh) | 弱覆盖区域的确定方法、装置、设备及介质 | |
CN109362092B (zh) | 网络参数调整方法、装置、设备及介质 | |
CN109982349B (zh) | Lte异系统邻区的配置方法、配置装置、设备及介质 | |
CN111866847B (zh) | 移动通信网络数据分析方法、设备及计算机存储介质 | |
CN109993388B (zh) | 劣化小区主因判断方法、装置、设备及介质 | |
CN112995893B (zh) | 一种指纹定位方法、系统、服务器和存储介质 | |
CN108667537B (zh) | 一种干扰源定位方法和装置 | |
CN111294920B (zh) | 识别lte网内干扰的方法、装置、设备及介质 | |
CN108134703B (zh) | 网络小区隐患故障预测分析方法及装置 | |
CN113052308A (zh) | 训练目标小区识别模型的方法及目标小区识别方法 | |
CN114828055A (zh) | 用户业务感知评估方法、装置、设备、介质和程序产品 | |
CN113051525A (zh) | 关键质量指标kqi的分析方法、装置、设备及介质 | |
CN113133058A (zh) | 负载均衡方法、装置及系统 | |
CN113627730A (zh) | 一种企业评估方法、装置、设备及计算机存储介质 | |
CN109996274B (zh) | Lte小区参数的调整方法、装置、设备及介质 | |
CN114449574A (zh) | 基站节能方法、装置、电子设备及计算机存储介质 | |
CN108174402B (zh) | 一种天馈系统被遮挡的排查方法及系统 |
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 |