CN109996186A - 一种网络覆盖问题识别方法及装置、可读取存储介质 - Google Patents
一种网络覆盖问题识别方法及装置、可读取存储介质 Download PDFInfo
- Publication number
- CN109996186A CN109996186A CN201711485115.4A CN201711485115A CN109996186A CN 109996186 A CN109996186 A CN 109996186A CN 201711485115 A CN201711485115 A CN 201711485115A CN 109996186 A CN109996186 A CN 109996186A
- Authority
- CN
- China
- Prior art keywords
- mdt
- latitude
- sampled point
- sampled
- longitude information
- 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
-
- 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
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Navigation (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种网络覆盖问题识别方法及装置、可读存储介质，用于解决现有技术中对网络覆盖问题的测试的有效性和准确性较低的技术问题。所述方法包括：获得MDT采样点的MDT采样数据和对应的信令数据；确定经纬度信息缺失的MDT采样点，并根据相应的信令数据对所述经纬度信息缺失的MDT采样点进行位置回填处理以为所述经纬度信息缺失的MDT采样点估计经纬度信息；根据所述MDT采样数据分别所包括的经纬度信息对终端用户进行室内外场景识别，以获得场景识别结果；将所述场景识别结果和每个MDT采样点的网络质量指标信息在栅格化的电子地图上拟合显示，以呈现网络覆盖问题识别结果。
Description
技术领域
本发明涉及通信技术领域，尤其涉及一种网络覆盖问题识别方法及装置、可读取存储介质。
背景技术
无线网络覆盖能力是影响网络性能和用户感受的重要因素。通过对网络的覆盖质量问题进行精准识别，可以明确各种覆盖问题的主要发生区域，从而全面了解网络的覆盖情况，并指导网络规划和优化工作。网络覆盖识别的现有技术主要有传统路测(即道路测试+CQT(Call Quality Test，呼叫质量拨打测试))和MR(Measurement Report，测量报告)+信令两种。
传统路测即路测工程师基于既定的测试线路，携带专业路测设备(如笔记本电脑、路测软件、GPS(Global Positioning System，全球定位系统)设备、测试终端或扫描仪等)，采用乘车或者步行，以模仿普通用户通信的抽样测试方式获取移动或定点状态下的无线网络测试和覆盖信息。该种测试方式无法基于全量的客户感知数据进行网络覆盖问题识别，数据样本点不全面；采用人工测试的方式，数据收集周期长且需要大量的人力、物力和经费投资；传统路测容易受道路通行、私人场所及住宅、小区内道路无法进入等因素限制仅能获取有限的人工测试区域，较难获取深度覆盖数据；路测结果容易受测试终端性能影响，导致覆盖问题识别结果不准确。
MR+信令是直接从网络侧获取海量用户的MR和信令数据(含经纬度信息)，通过系统完成MR数据和信令数据的关联，基于用户识别和定位算法将关联数据拟合到定义好的道路或建筑物上，进行地理化呈现，以达到获得全量客户所在无线网络覆盖信息。在MR+信令的方式中，由于MR本身不包括经纬度信息，所以需要第三方系统进行MR数据和信令数据解析拼接和预处理获得带经纬度的MR，有效样本点数量与系统解析拼接能力直接相关；部分终端厂商或OTT厂家对用户面信令数据加密，平台无法实现解析和拼接，从而降低网络问题识别的有效性和客观性；并且MR+信令方式需收集用户通信过程中用户面信令数据，故只支持基于连接态的用户终端上报数据的网络问题识别，无法识别空闲态用户的网络覆盖质量。
可见，目前对网络覆盖问题的测试方式不够完善，存在对网络覆盖问题的测试的有效性和准确性较低的技术问题。
发明内容
本发明实施例提供一种方法网络覆盖问题识别方法及装置、可读取存储介质，用于解决现有技术中对网络覆盖问题的测试的有效性和准确性较低的技术问题。
第一方面，提供一种网络覆盖问题识别方法，所述方法包括：
获得MDT(Minimization Drive Test，最小化路测)采样点的MDT采样数据和对应的信令数据；
确定对应的MDT采样数据中经纬度信息缺失的MDT采样点，并根据相应的信令数据对所述经纬度信息缺失的MDT采样点进行位置回填处理以为所述经纬度信息缺失的MDT采样点估计经纬度信息；
根据所述MDT采样数据分别所包括的经纬度信息对终端用户进行室内外场景识别，以获得场景识别结果；
将所述场景识别结果和每个MDT采样点的网络质量指标信息在栅格化的电子地图上拟合显示，以呈现网络覆盖问题识别结果。
可选的，根据相应的信令数据对所述经纬度信息缺失的MDT采样点进行位置回填处理以为所述经纬度信息缺失的MDT采样点估计经纬度信息，包括：
根据所述经纬度信息缺失的MDT采样点对应的MDT采样数据中的CGI(Cell GlobalIdentifier，全球小区识别码)字段及MMEUES1APID字段与S1-MME(控制面接口)信令数据中对应字段进行关联，以从所述S1-MME信令数据中获取与所述经纬度信息缺失的MDT采样点对应的源终端的IMSI(International Mobile Subscriber Identification Number，国际移动用户识别码)；
将所述经纬度信息缺失的MDT采样点对应的MDT采样数据中的Time字段和所述对应的源终端的IMSI与S1-U(用户面接口)信令数据中对应字段关联，以从所述S1-U信令数据中获取所述经纬度信息缺失的MDT采样点的位置信息；
根据所述位置信息确定所述经纬度信息缺失的MDT采样点的经纬度信息。
可选的，在根据所述位置信息确定所述经纬度信息缺失的MDT采样点的经纬度信息之后，还包括：
确定回填失败的MDT采样点；
将所述回填失败的MDT采样点对应的MDT采样数据所包括的RSRP(ReferenceSignal Receiving Power，参考信号接收功率)信息与历史已知位置的MR采样点建立的道路和建筑物栅格覆盖质量指纹库进行匹配，以确定所述回填失败的MDT采样点与每个栅格的欧氏距离中距离最小的最佳匹配栅格；
根据所述最佳匹配栅格对应的经纬度信息确定所述回填失败的MDT采样点的经纬度信息。
可选的，在根据所述MDT采样数据分别所包括的经纬度信息对终端用户进行室内外场景识别之前，还包括：
确定运动行为特征属性集合；其中，所述运动行为特征属性集合包括运动速度、两个连续MDT采样点之间的相对距离、位置信息和道路或建筑匹配；
通过对均包括所述运动行为特征属性集合的多个训练样本进行场景归类分析，分别得到在道路场景和室内场景下每个运动行为特征属性的特征分布范围及对应的场景匹配概率。
可选的，根据所述MDT采样数据分别所包括的经纬度信息对终端用户进行室内外场景识别，包括：
根据MDT采样数据的经纬度信息和同一终端用户的多个MDT采样点的采样时间，确定所述终端用户的平均运动速度和两个连续MDT采样点之间的相对距离；
将所述终端平均运动速度和所述相对距离分别与所确定的特征分布范围进行匹配，以获得所述终端用户分别处于道路场景下的道路场景匹配概率和处于室内场景的室内场景匹配概率；
将所述道路场景匹配概率和所述室内场景匹配概率中的较大者对应的场景确定为所述终端用户实际所处的场景。
可选的，根据所述MDT采样数据分别所包括的经纬度信息对终端用户进行室内外场景识别，包括：
根据MDT采样数据的经纬度信息和同一终端用户的多个MDT采样点的采样时间，确定所述终端用户在预定时长内的平均运动速度和运动范围；
根据所述平均运动速度和所述运动范围确定所述终端用户所处的场景。
可选的，根据所述平均运动速度和所述运动范围确定所述终端用户所处的场景，包括：
若所述平均运动速度大于等于预定速度且在所述预定时长内的多个连续的MDT采样点均落在道路栅格内则确定该用户为道路用户，并将所述多个连续的MDT采样点中的第一个MDT采样点的采样时间作为所述终端用户进入道路的时间；
若所述活动范围小于等于预定范围且在所述预定时长内的多个连续的MDT采样点均落在建筑栅格内则确定所述终端用户为室内用户，并将所述多个连续的MDT采样点中的第一个MDT采样点的采样时间作为所述终端用户进入建筑的时间。
第二方面，提供一种网络覆盖问题识别装置，所述装置包括：
数据获得模块，用于获得MDT采样点的MDT采样数据和对应的信令数据；
位置回填模块，用于确定对应的MDT采样数据中经纬度信息缺失的MDT采样点，并根据相应的信令数据对所述经纬度信息缺失的MDT采样点进行位置回填处理以为所述经纬度信息缺失的MDT采样点估计经纬度信息；
场景识别模块，用于根据所述MDT采样数据分别所包括的经纬度信息对终端用户进行室内外场景识别，以获得场景识别结果；
网络覆盖问题呈现模块，用于将所述场景识别结果和每个MDT采样点的网络质量指标信息在栅格化的电子地图上拟合显示，以呈现网络覆盖问题识别结果。
可选的，所述位置回填模块用于：
根据所述经纬度信息缺失的MDT采样点对应的MDT采样数据中的CGI字段及MMEUES1APID字段与S1-MME信令数据中对应字段进行关联，以从所述S1-MME信令数据中获取与所述经纬度信息缺失的MDT采样点对应的源终端的IMSI；
将所述经纬度信息缺失的MDT采样点对应的MDT采样数据中的Time字段和所述对应的源终端的IMSI与S1-U信令数据中对应字段关联，以从所述S1-U信令数据中获取所述经纬度信息缺失的MDT采样点的位置信息；
根据所述位置信息确定所述经纬度信息缺失的MDT采样点的经纬度信息。
可选的，所述位置回填模块还用于：
在根据所述位置信息确定所述经纬度信息缺失的MDT采样点的经纬度信息之后，确定回填失败的MDT采样点；
将所述回填失败的MDT采样点对应的MDT采样数据所包括的RSRP信息与历史已知位置的MR采样点建立的道路和建筑物栅格覆盖质量指纹库进行匹配，以确定所述回填失败的MDT采样点与每个栅格的欧氏距离中距离最小的最佳匹配栅格；
根据所述最佳匹配栅格对应的经纬度信息确定所述回填失败的MDT采样点的经纬度信息。
可选的，所述场景识别模块还用于：
确定运动行为特征属性集合；其中，所述运动行为特征属性集合包括平均运动速度、两个连续MDT采样点之间的相对距离、位置信息和道路或建筑匹配；
通过对均包括所述运动行为特征属性集合的多个训练样本进行场景归类分析，分别得到在道路场景和室内场景下每个运动行为特征属性的特征分布范围及对应的场景匹配概率。
可选的，所述场景识别模块还用于：
根据MDT采样数据的经纬度信息和同一终端用户的多个MDT采样点的采样时间，确定所述终端用户的平均运动速度和两个连续MDT采样点之间的相对距离；
将所述终端平均运动速度和所述相对距离分别与所确定的特征分布范围进行匹配，以获得所述终端用户分别处于道路场景下的道路场景匹配概率和处于室内场景的室内场景匹配概率；
将所述道路场景匹配概率和所述室内场景匹配概率中的较大者对应的场景确定为所述终端用户实际所处的场景。
可选的，所述场景识别模块用于：
根据MDT采样数据的经纬度信息和同一终端用户的多个MDT采样点的采样时间，确定所述终端用户在预定时长内的平均运动速度和运动范围；
根据所述平均运动速度和所述运动范围确定所述终端用户所处的场景。
可选的，所述场景识别模块用于：
若所述平均运动速度大于等于预定速度且在所述预定时长内的多个连续的MDT采样点均落在道路栅格内则确定该用户为道路用户，并将所述多个连续的MDT采样点中的第一个MDT采样点的采样时间作为所述终端用户进入道路的时间；
若所述活动范围小于等于预定范围且在所述预定时长内的多个连续的MDT采样点均落在建筑栅格内则确定所述终端用户为室内用户，并将所述多个连续的MDT采样点中的第一个MDT采样点的采样时间作为所述终端用户进入建筑的时间。
第三方面，提供一种网络覆盖问题识别装置，所述装置包括：
至少一个处理器；
与所述至少一个处理器连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令，执行如第一方面中任一项所述的网络覆盖问题识别方法的步骤。
第四方面，提供，所述可读存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行如第一方面中任一项所述的网络覆盖问题识别方法的步骤。
本发明实施例中，可以利用现网中的海量终端和全量用户的MDT数据进行网络质量问题识别，支持MDT的普通终端均可上报MDT数据，比传统路测方式更能全面地识别网络质量。同时，数据采集、上报、预处理全部自动化，数据收集周期短，节省传统路测所需的人工、设备和时间成本。并且MDT数据收集不受区域因素限制，全网数据均可获取，可实施性较强。另外，MDT数据自带经纬度信息占比高，不受用户面信令数据加密或平台拼接能力等因素影响，另外，对于连接态和空闲态用户均支持MDT数据收集，样本点数量远多于MR+信令(MR+OTT)，识别基于客户感知的无线网络覆盖质量更全面，对于网络的覆盖质量的检测可以更准确。
另外，还可以采用MDT+信令的方式对经纬度信息缺失的MDT采样点进行位置回填处理，通过位置回填可以尽量确保后续的用户场景识别方式的可实施，并且基于MDT+信令的方式可以实现无经纬度MDT采样点的位置信息准确估计，以确保MDT数据使用的有效性。
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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例中的网络覆盖问题识别系统的结构示意图；
图2为本发明实施例中的网络覆盖问题识别方法的流程图；
图3为本发明实施例中的网络覆盖问题识别装置的结构框图；
图4为本发明实施例中的网络覆盖问题识别装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，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，所描述的实施例仅仅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做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。在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互任意组合。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的保护。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，在不做特别说明的情况下，一般表示前后关联对象是一种“或”的关系。
为了更好的理解本发明实施例提供的网络覆盖问题识别方法及装置、可读存储介质，下面将结合说明书附图以及具体的实施方式对前述技术方案进行详细的说明。
首先，本发明实施例提供一种网络覆盖问题识别方法，该方法可以应用于如图1所示的网络覆盖问题识别系统，请参见图1，该网络覆盖问题识别系统可以包括数据收集子系统、位置信息回填子系统、用户场景识别子系统和网络覆盖呈现及评估子系统。
请参见图2，本发明实施例中的网络覆盖问题识别方法的流程描述如下。
步骤21：获得MDT采样点的MDT采样数据和对应的信令数据。
首先，可以由数据收集子系统可以获得终端设备采集并上报的MDT采样数据，以及可以从网络侧获得对应的信令数据。本发明实施例中，将用于采集并上报MDT采样数据的终端设备称作采样终端，不同采样终端可以分别进行采样，同一个采样终端可以在不同时刻不同位置进行多次采样，也就是说，MDT采样点可以包括所有采样终端的全部采样以及同一个采样终端在不同时刻不同位置的全部采样。
MDT采样数据是网络中现有的终端设备上报的带有经纬度信息的测量报告，包括连接态用户数据、空闲态用户数据和异常事件数据，基于大数据的MDT采样数据包含了服务小区及邻区的下行测量信息、精确的地理位置信息(及经纬度信息)、业务质量指标信息以及传统路测分析所需的主要关键信息。信令数据包含S1-MME信令数据、S1-U信令数据以及Uu、X2空口网络连接信令数据，等等。
在本发明实施例中，数据收集子系统还可以获得MR数据、工程参数表、基站配置信息和电子地图等等。
1、MR数据，包括UE(User Equipment，用户设备)通过空口上报的测量报告，包括同频测量、异频测量、异系统测量、质量测量、UE发射功率测量等内容。
2、工程参数表即现网站点工程参数信息，包含站点经纬度、小区CGI、小区方位角、站点类型、频段、PCI(Physical Cell Identifier，物理小区标识)、TAC(Tracking AreaCode，跟踪区域码)等基础信息。
3、基站配置信息包含基站所有参数的配置信息。
4、电子地图，包含准确地物信息的电子地图，其精度在一定程度上可能决定网络覆盖评估结果的准确性，一般采用高精度电子地图，例如10*10的电子地图或者5*5的电子地图，等等。
步骤22：确定经纬度信息缺失的MDT采样点，并根据相应的信令数据对经纬度信息缺失的MDT采样点进行位置回填处理以为经纬度信息缺失的MDT采样点估计经纬度信息。
在实际中，MDT采样点的位置信息可能存在不连续的情形，例如终端用户在某段时间关闭了GPS功能，那么所采集的MDT采样数据中自然也就不包括经纬度信息，本发明实施例中将包括经纬度信息的MDT采样点称作经纬度信息缺失的MDT采样点。又因为在后续会利用MDT采样数据中所包括的经纬度信息进行用户场景识别，所以本发明实施例采用位置回填的方式为经纬度信息缺失的MDT采样点估计经纬度信息。
在本发明实施例中，可以利用MDT+信令的方式实现MDT采样点的位置回填处理。具体来说，先根据经纬度信息缺失的MDT采样点对应的MDT采样数据中的CGI字段及MMEUES1APID字段与S1-MME信令数据中对应字段进行关联，以从该S1-MME信令数据中获取与纬度信息缺失的MDT采样点对应的源终端的IMSI，再将经纬度信息缺失的MDT采样点对应的MDT采样数据中的Time字段和对应的源终端的IMSI与S1-U信令数据中对应字段关联，以从该S1-U信令数据中获取经纬度信息缺失的MDT采样点的位置信息，最后再根据该位置信息确定经纬度信息缺失的MDT采样点的经纬度信息，例如直接将该位置信息作为经纬度信息缺失的MDT采样点的经纬度信息。
本发明实施例通过位置回填可以尽量确保后续的用户场景识别方式的可实施，并且基于MDT+信令的方式可以实现无经纬度MDT采样点的位置信息准确估计，以确保MDT数据使用的有效性。
进一步地，如果采用前述MDT+信令的回填方式进行回填处理之后，若还存在回填失败的，在本发明实施例中还可以采用MR的方式来实现经纬度信息的二次回填，这样通过其它方式再进行位置的二次回填，可以尽量确保所有经纬度信息缺失的MDT采样点都能实现位置回填，以提高位置回填的可靠性。
在一种可能的实施方式中，可例如以先确定回填失败的MDT采样点，再将回填失败的MDT采样点对应的MDT采样数据所包括的RSRP信息(例如服务小区RSRP、邻区RSRP等特征矢量信息)与历史已知位置的MR采样点建立的道路和建筑物栅格覆盖质量指纹库进行匹配，例如表1所示的已知位置的MR采样点建立的道路和建筑物栅格覆盖质量指纹库进行匹配。针对每个回填失败的MDT采样点，以回填失败的MDT采样点1为例，可以计算回填失败的MDT采样点1与每个栅格的欧式距离，并将欧氏距离最小对应的栅格确定为最佳匹配栅格，进而再将最佳匹配栅格的对应的经纬度信息作为回填失败的MDT采样点1的经纬度信息。
表1
步骤23：根据MDT采样数据分别所包括的经纬度信息对终端用户进行室内外场景识别，以获得场景识别结果。
进一步地，可以由用户场景识别子系统根据MDT采样数据分别所包括的经纬度信息对终端用户进行室内外场景识别，进而确定每个MDT采样点的场景是室内还是室外，具体来说，实质上是确定终端用户的室内外场景。在本发明实施例的描述中，道路场景和室外场景可以按照相同含义理解。
为了便于本领域技术人员理解，以下介绍两种场景识别方式，并且为了便于描述，以下以对一个终端用户(例如称作目标终端用户)的场景进行识别为例进行说明，对于其它的终端用户的场景识别均可以按照相同方式处理。
第一种场景识别方式
可以根据MDT采样数据的经纬度信息和目标终端用户的多个MDT采样点的采样时间确定该目标终端用户在预定时长内的平均运动速度和运动范围，再根据所述计算的平均运动速度和运动范围确定该目标终端用户实际所处的场景。以下进行详细说明。
运动速度计算
1)将目标终端用户的有效经纬度的采样点按采样时间先后进行排序，并编号。
2)从第2个采样点开始，计算每个采样点与前1个采样点的距离差和时间差，并用距离差除以时间差的方式计算出运动速度，作为当前采样点的瞬时速度。
3)以预定时长(例如10分钟)为粒度，进一步可以计算出该目标终端用户在10分钟内的平均运动速度。
举例来说，假设该目标终端用户在10分钟内存在采样点1、采样点2、采样点3、采样点4和采样点5这5个采样点，那么每个采样点的采样时间、采样位置、瞬时速度和该目标终端用户在10分钟内的平均运动速度Vavg的关系请参见表2所示。
表2
运动状态识别
1、用户静止状态识别。可以以10分钟为粒度确定在10分钟之内最小经纬度对应的位置A，以及最大经纬度对应的位置B，再计算位置B与位置A之间的相对距离D，进而可以将相对距离D表示的圆的覆盖范围看作是目标终端用户在这10分钟之内的活动范围。若在10分钟内的最大活动范围D＜100米可以认为该目标终端用户是静止用户，那么在10分钟之内的所有MDT采样点均可以看作是静止采样点。
2、用户运动状态识别。
1)可以将瞬时速度大于第一预定阈值(例如400km/h)的采样点看作是异常采样点，对于异常采样点不予考虑。
2)可以将瞬时速度大于第二预定阈值(例如220km/h)且小于第一预定阈值(例如400km/h)的采样点看作是高速运动状态的采样点，并且将其前一个采样点也看作是相同的高速运动状态，比如高铁、动车等高速运动的场景。
3)可以将瞬时速度大于第三预定阈值(例如70km/h)且小于第二预定阈值(例如220km/h)的采样点看作是快速运动状态的采样点，例如在高速公路上或城市道路上驾车出行的场景。
4)可以将规定粒度(例如前述的10分钟)内的平均运动速度大于第四预定阈值(例如18km/h)的采样点看作是运动状态，那么该目标终端用户在这10分钟内的所有采样点均可以看作是运动采样点。
若在预定时长内的平均运动速度大于等于预定速度(例如18km/h)且在该预定时长内的多个连续的采样点(例如前述的5个采样点)均落在道路栅格内则可以确定该用户为道路用户，并将这5个采样点中的第一个采样点(即序号为1的采样点)的采样时间t1作为用户进入道路的时间。
若在预定时长内的活动范围D小于等于预定范围(例如前述的100米的活动范围)且在该预定时长内的多个连续的采样点(例如前述的5个采样点)均落在建筑物栅格内则可以确定该用户为室内用户，并将这5个采样点中的第一个采样点(即序号为1的采样点)的采样时间t1作为用户进入建筑物内的时间。
类似地，在确定用户是否离开道路或者离开建筑物时以及离开道路或建筑物的时间也可以采用上述的方式进行判断，只是将判断条件反向设置即可，此处就不再赘述了。
通过前述介绍的方式就可以获得每个终端用户所有的MDT采样点情况，进而可以知晓每个终端用户进入的道路和建筑物名称以及相应的进入时间和离开时间，通过这些数据可以将每个终端用户的所有采样点进行回放查看，以便于进行个人的道路场景和室内分析。并且通过结合到每个采样点处的RSRP，还可以获得每个终端用户的网络质量分布，以便于在接到用户投诉等情况下对该用户的实际网络情况进行分析，进而做出对应的处理以对用户针对性地提供有效的网络服务。
第二种场景识别方式
首先，可以根据用户的运动行为确定出一些运动行为特征属性，而这些运动行为特征属性均能同时表明道路场景和室内场景，运动行为特征属性是指能够用于表明用户运动状态的特征，在本发明实施例中将所确定的所有运动行为特征属性称作运动行为特征属性集合，所确定的运动行为特征属性例如可以至少包括平均运动速度、同一终端用户的两个连续的MDT采样点之间的相对距离，MDT采样点的位置信息和道路或建筑匹配。
进一步地，再筛选训练样本，训练样本的数量不作限制，例如可以是1000或者5000，等等，在实际中训练样本的数量越多基于这些训练样本所得到的样本模型也会越全面。所筛选的训练样本均为包括前述运动行为特征属性集合的已知样本，例如其中的一个训练样本，其平均运动速度是93km/h，与其连续的前一个采样点之间的相对距离为98米，当前的位置信息表明处于道路，那么则可以知晓该训练样本的场景是道路场景，并且在道路场景中的平均运动速度是93km/h且与其连续的前一个采样点之间的相对距离是98米。在筛选训练样本时，对于道路场景和室内场景的样本数量可以大概相等，这样在最后得到的分别针对道路场景和室内场景的统计也会都较为全面，不存在例如道路场景样本丰富而室内场景缺乏的问题，另外，在选择运动速度和相对距离时可以让训练样本之间的差异尽量大，这样才能最大程度上代表实际情形中的大量终端用户，即，训练样本的筛选条件可以尽量大范围化，才能从宏观上表示多个终端用户的实际状态。
最后，在获得了训练样本之后，可以对所有的训练样本进行场景归类分析，已分别得到在道路场景和在室内场景下每个运动行为特征属性的特征分布范围及对应的场景匹配概率。例如表3所示的是对所有训练样本进行归类之后得到的在道路场景下的每个运动行为特征属性的特征分布范围及对应的场景匹配概率，例如根据训练样本得到的在道路场景下时，如果运动速度大于等于50km/h且用户相对距离大于40m的场景匹配概率为98％，即在运动速度大于等于50km/h且用户相对距离大于40m这种条件下终端用户有98％的概率是道路用户。
表3
需要说明的是，表3中的运动速度范围和用户相对距离范围与对应的场景匹配概率的数值举例仅仅只是示意性的说明，在具体实施过程中可以按照实际情况或者特定需求设置不同的数值。在具体实施过程中，可以采用贝叶斯分类算法实现道路场景或室内场景的判定，而具体的计算过程可以在前述的运动行为特征属性的特征分布范围及对应的场景匹配概率的基础上再结合贝叶斯概率公式进行计算，本领域技术人员可以在特征分布范围及对应的场景匹配概率的指导下展开多种贝叶斯算法的相关计算，此处就不详细说明了。当然，也还可以采用其它分类算法进行相关计算，本发明实施例对此不作限制。
以及，与前述说明的道路场景下的特征分布范围划分及对应的场景匹配概率设置类似地，在室内场景下也可以进行类似的处理，此处就不再详细描述了。
在根据前面描述的方式对已知的训练样本进行特征分布范围确定及对应的场景匹配概率设置之后，则可以使用基于已知训练样本得到的场景预测模型来对场景未知的MDT采样点的场景进行预测。
具体来说，根据MDT采样数据的经纬度信息和同一用户的多个MDT采样点的采样时间确定该用户的运动速度和两个连续MDT采样点之间的相对距离，再将该用户的运动速度和两个MDT采样点之间的相对距离分别与所确定的特征分布范围进行匹配以获得该用户分别处于道路场景和室内场景的场景匹配概率，最后再将该用户分别处于道路场景和室内场景的场景匹配概率中的大概率对应的场景确定为该用户实际所处的场景。
例如，在采用上述方式最终确定的某一用户是道路用户的概率是如表3中的80％以及是室内用户的概率是33％，那么则可以认为该用户的当前所处场景是道路场景。
需要说明的是，上述举例的第一种场景识别方式和第二种场景识别方式只是示意性描述，而并非是对本发明实施例的限定，在本发明实施例所介绍的两种场景识别方式的基础上，本领域技术人员在未付出创造性劳动而获得的其它的场景识别方式均应属于本发明的保护范围。
步骤24：将场景识别结果和每个MDT采样点的网络质量指标信息在栅格化的电子地图上拟合显示，以呈现网络覆盖问题识别结果。
在获得了所有的MDT采样点的场景之后，即可以结合到每个采样点对应的用于表征网络质量的参数信息在电子地图上进行全局呈现，以展示网络覆盖下的各个区域(比如某条道路或者某幢建筑物)的网络覆盖情况，进而可以自动识别出网络弱覆盖的问题点，以供后续进行网络优化或其它处理，例如采用前述方式确定出了ABC大厦是网络弱覆盖的问题点，而ABC大厦周围的其它大厦都不存在这个问题，那么则可以初始判断是由于覆盖ABC大厦的无线网络设备存在故障或其他影响覆盖质量的问题，进而可以安排技术人员去实地进行查看并处理，进而能够及时快速地恢复ABC大厦的网络质量，以避免ABC大厦的用户集体投诉。
具体来说，可以基于电子地图地貌特征，预先进行道路路段化和建筑物栅格化处理，将道路进行路段化处理，将建筑物进行栅格化处理，记录每条道路包含的路段或者每个建筑物包含的栅格，例例如可以将各级干道(高速、高铁)按照长80米、宽20米进行分段，形成道路分段区域图层，将建筑物按照20米*20米区域进行划分，形成室内栅格图层，并将道路分段图层和室内栅格图层保存至数据库，将MDT采样点按时间和经纬度与道路分段图层和室内栅格图层图层进行拟合。
表4
在基于覆盖呈现结果，系统自动识别网络弱覆盖问题点之后，可以输出如表4所示的识别报告，进而可以通过该识别报告指导网络精准规划和优化工作。
本发明实施例中，可以利用现网中的海量终端和全量用户的MDT数据进行网络质量问题识别，支持MDT的普通终端均可上报MDT数据，比传统路测方式更能全面地识别网络质量。同时，数据采集、上报、预处理全部自动化，数据收集周期短，节省传统路测所需的人工、设备和时间成本。并且MDT数据收集不受区域因素限制，全网数据均可获取，可实施性较强。另外，MDT数据自带经纬度信息占比高，不受用户面信令数据加密或平台拼接能力等因素影响，另外，对于连接态和空闲态用户均支持MDT数据收集，样本点数量远多于MR+信令(MR+OTT)，识别基于客户感知的无线网络覆盖质量更全面，对于网络的覆盖质量的检测可以更准确。
另外，还可以采用MDT+信令的方式对经纬度信息缺失的MDT采样点进行位置回填处理，通过位置回填可以尽量确保后续的用户场景识别方式的可实施，并且基于MDT+信令的方式可以实现无经纬度MDT采样点的位置信息准确估计，以确保MDT数据使用的有效性。
基于同一发明构思，请参见图3，本发明实施例提供一种网络覆盖问题识别装置，该OCS包括数据获得模块31、位置回填模块32、场景识别模块33和网络覆盖问题呈现模块34，而且本发明实施例中的数据获得模块31、位置回填模块32、场景识别模块33和网络覆盖问题呈现模块34可以通过硬件处理器来实现相关功能单元。其中：
数据获得模块31，用于获得MDT采样点的MDT采样数据和对应的信令数据；
位置回填模块32，用于确定对应的MDT采样数据中经纬度信息缺失的MDT采样点，并根据相应的信令数据对经纬度信息缺失的MDT采样点进行位置回填处理以为经纬度信息缺失的MDT采样点估计经纬度信息；
场景识别模块33，用于根据MDT采样数据分别所包括的经纬度信息对终端用户进行室内外场景识别，以获得场景识别结果；
网络覆盖问题呈现模块34，用于将场景识别结果和每个MDT采样点的网络质量指标信息在栅格化的电子地图上拟合显示，以呈现网络覆盖问题识别结果。
在一种可能的实施方式中，位置回填模块32用于：
根据经纬度信息缺失的MDT采样点对应的MDT采样数据中的CGI字段及MMEUES1APID字段与S1-MME信令数据中对应字段进行关联，以从S1-MME信令数据中获取与经纬度信息缺失的MDT采样点对应的源终端的IMSI；
将经纬度信息缺失的MDT采样点对应的MDT采样数据中的Time字段和对应的源终端的IMSI与S1-U信令数据中对应字段关联，以从S1-U信令数据中获取经纬度信息缺失的MDT采样点的位置信息；
根据位置信息确定经纬度信息缺失的MDT采样点的经纬度信息。
在一种可能的实施方式中，位置回填模块32还用于：
在根据位置信息确定经纬度信息缺失的MDT采样点的经纬度信息之后，确定回填失败的MDT采样点；
将回填失败的MDT采样点对应的MDT采样数据所包括的RSRP信息与历史已知位置的MR采样点建立的道路和建筑物栅格覆盖质量指纹库进行匹配，以确定回填失败的MDT采样点与每个栅格的欧氏距离中距离最小的最佳匹配栅格；
根据最佳匹配栅格对应的经纬度信息确定回填失败的MDT采样点的经纬度信息。
在一种可能的实施方式中，场景识别模块33还用于：
确定运动行为特征属性集合；其中，运动行为特征属性集合包括平均运动速度、两个连续MDT采样点之间的相对距离、位置信息和道路或建筑匹配；
通过对均包括运动行为特征属性集合的多个训练样本进行场景归类分析，分别得到在道路场景和室内场景下每个运动行为特征属性的特征分布范围及对应的场景匹配概率。
在一种可能的实施方式中，场景识别模块33还用于：
根据MDT采样数据的经纬度信息和同一终端用户的多个MDT采样点的采样时间，确定终端用户的平均运动速度和两个连续MDT采样点之间的相对距离；
将终端平均运动速度和相对距离分别与所确定的特征分布范围进行匹配，以获得终端用户分别处于道路场景下的道路场景匹配概率和处于室内场景的室内场景匹配概率；
将道路场景匹配概率和室内场景匹配概率中的较大者对应的场景确定为终端用户实际所处的场景。
在一种可能的实施方式中，场景识别模块33用于：
根据MDT采样数据的经纬度信息和同一终端用户的多个MDT采样点的采样时间，确定终端用户在预定时长内的平均运动速度和运动范围；
根据平均运动速度和运动范围确定终端用户所处的场景。
在一种可能的实施方式中，场景识别模块33用于：
若平均运动速度大于等于预定速度且在预定时长内的多个连续的MDT采样点均落在道路栅格内则确定该用户为道路用户，并将多个连续的MDT采样点中的第一个MDT采样点的采样时间作为终端用户进入道路的时间；
若活动范围小于等于预定范围且在预定时长内的多个连续的MDT采样点均落在建筑栅格内则确定终端用户为室内用户，并将多个连续的MDT采样点中的第一个MDT采样点的采样时间作为终端用户进入建筑的时间。
由于本发明实施例提供的网络覆盖问题识别装置可以用于执行前述的网络覆盖问题识别方法所包括的步骤，因此对于本发明实施例中网络覆盖问题识别装置包括的各功能模块所能够实现的功能及一些实现过程可参考前述的网络覆盖问题识别方法实施例部分的描述，在此不再赘述。
基于同一发明构思，请参见图4，本发明实施例提供另一种网络覆盖问题识别装置，该网络覆盖问题识别装置包括至少一个处理器41(在图4中是以一个处理器41进行图示说明)，以及与至少一个处理器41连接的存储器42。其中，存储器42存储有可被至少一个处理器41执行的指令，至少一个处理器41通过执行存储器存储的指令可以执行前述的数据存储方法的步骤。
处理器41具体可以是通用的CPU(中央处理器)，或者可以是ASIC(ApplicationSpecific Integrated Circuit，特定应用集成电路)，或者可以是一个或多个用于控制程序执行的集成电路，可以是基带芯片，等等。
存储器42的数量可以是一个或多个，存储器42可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、RAM(Random Access Memory，随机访问存储器)、SRAM(Static Random Access Memory，静态随机访问存储器)、PROM(Programmable Read Only Memory，可编程只读存储器)、ROM(Read Only Memory，只读存储器)、EEPROM(Electrically Erasable Programmable Read-Only Memory，带电可擦除可编程只读存储器)、磁性存储器、磁盘、光盘等等。
通过对处理器41进行设计编程，可以将前述的数据存储方法对应的代码固化到芯片内，从而使芯片在运行时能够执行前述的OCS的流量授权方法的步骤，如何对处理器41进行设计编程为本领域技术人员所公知的技术，这里不再赘述。
基于同一发明构思，本发明实施例中还提供一种可读存储介质，所述可读存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行如前述的网络覆盖问题识别方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种网络覆盖问题识别方法，其特征在于，所述方法包括：
获得最小化路测MDT采样点的MDT采样数据和对应的信令数据；
确定经纬度信息缺失的MDT采样点，并根据相应的信令数据对所述经纬度信息缺失的MDT采样点进行位置回填处理以为所述经纬度信息缺失的MDT采样点估计经纬度信息；
根据所述MDT采样数据分别所包括的经纬度信息对终端用户进行室内外场景识别，以获得场景识别结果；
将所述场景识别结果和每个MDT采样点的网络质量指标信息在栅格化的电子地图上拟合显示，以呈现网络覆盖问题识别结果。
2.如权利要求1所述的方法，其特征在于，根据相应的信令数据对所述经纬度信息缺失的MDT采样点进行位置回填处理以为所述经纬度信息缺失的MDT采样点估计经纬度信息，包括：
根据所述经纬度信息缺失的MDT采样点对应的MDT采样数据中的全球小区识别码CGI字段及MMEUES1APID字段与控制面接口S1-MME信令数据中对应字段进行关联，以从所述S1-MME信令数据中获取与所述经纬度信息缺失的MDT采样点对应的源终端的国际移动用户识别码IMSI；
将所述经纬度信息缺失的MDT采样点对应的MDT采样数据中的Time字段和所述对应的源终端的IMSI与用户面接口S1-U信令数据中对应字段关联，以从所述S1-U信令数据中获取所述经纬度信息缺失的MDT采样点的位置信息；
根据所述位置信息确定所述经纬度信息缺失的MDT采样点的经纬度信息。
3.如权利要求2所述的方法，其特征在于，在根据所述位置信息确定所述经纬度信息缺失的MDT采样点的经纬度信息之后，还包括：
确定回填失败的MDT采样点；
将所述回填失败的MDT采样点对应的MDT采样数据所包括的参考信号接收功率RSRP信息与历史已知位置的测量报告MR采样点建立的道路和建筑物栅格覆盖质量指纹库进行匹配，以确定所述回填失败的MDT采样点与每个栅格的欧氏距离中距离最小的最佳匹配栅格；
根据所述最佳匹配栅格对应的经纬度信息确定所述回填失败的MDT采样点的经纬度信息。
4.如权利要求1所述的方法，其特征在于，在根据所述MDT采样数据分别所包括的经纬度信息对终端用户进行室内外场景识别之前，还包括：
确定运动行为特征属性集合；其中，所述运动行为特征属性集合包括平均运动速度、两个连续MDT采样点之间的相对距离、位置信息和道路或建筑匹配；
通过对均包括所述运动行为特征属性集合的多个训练样本进行场景归类分析，分别得到在道路场景和室内场景下每个运动行为特征属性的特征分布范围及对应的场景匹配概率。
5.如权利要求4所述的方法，其特征在于，根据所述MDT采样数据分别所包括的经纬度信息对终端用户进行室内外场景识别，包括：
根据MDT采样数据的经纬度信息和同一终端用户的多个MDT采样点的采样时间，确定所述终端用户的平均运动速度和两个连续MDT采样点之间的相对距离；
将所述终端平均运动速度和所述相对距离分别与所确定的特征分布范围进行匹配，以获得所述终端用户分别处于道路场景下的道路场景匹配概率和处于室内场景的室内场景匹配概率；
将所述道路场景匹配概率和所述室内场景匹配概率中的较大者对应的场景确定为所述终端用户实际所处的场景。
6.如权利要求1所述的方法，其特征在于，根据所述MDT采样数据分别所包括的经纬度信息对终端用户进行室内外场景识别，包括：
根据MDT采样数据的经纬度信息和同一终端用户的多个MDT采样点的采样时间，确定所述终端用户在预定时长内的平均运动速度和运动范围；
根据所述平均运动速度和所述运动范围确定所述终端用户所处的场景。
7.如权利要求6所述的方法，其特征在于，根据所述平均运动速度和所述运动范围确定所述终端用户所处的场景，包括：
若所述平均运动速度大于等于预定速度且在所述预定时长内的多个连续的MDT采样点均落在道路栅格内则确定该用户为道路用户，并将所述多个连续的MDT采样点中的第一个MDT采样点的采样时间作为所述终端用户进入道路的时间；
若所述活动范围小于等于预定范围且在所述预定时长内的多个连续的MDT采样点均落在建筑栅格内则确定所述终端用户为室内用户，并将所述多个连续的MDT采样点中的第一个MDT采样点的采样时间作为所述终端用户进入建筑的时间。
8.一种网络覆盖问题识别装置，其特征在于，所述装置包括：
数据获得模块，用于获得最小化路测MDT采样点的MDT采样数据和对应的信令数据；
位置回填模块，用于确定经纬度信息缺失的MDT采样点，并根据相应的信令数据对所述经纬度信息缺失的MDT采样点进行位置回填处理以为所述经纬度信息缺失的MDT采样点估计经纬度信息；
场景识别模块，用于根据所述MDT采样数据分别所包括的经纬度信息对终端用户进行室内外场景识别，以获得场景识别结果；
网络覆盖问题呈现模块，用于将所述场景识别结果和每个MDT采样点的网络质量指标信息在栅格化的电子地图上拟合显示，以呈现网络覆盖问题识别结果。
9.一种网络覆盖问题识别装置，其特征在于，所述装置包括：
至少一个处理器；
与所述至少一个处理器连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令，执行如权利要求1-7任一项所述的网络覆盖问题识别方法的步骤。
10.一种可读取存储介质，其特征在于，所述可读存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行如权利要求1-7任一项所述的网络覆盖问题识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711485115.4A CN109996186B (zh) | 2017-12-29 | 2017-12-29 | 一种网络覆盖问题识别方法及装置、可读取存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711485115.4A CN109996186B (zh) | 2017-12-29 | 2017-12-29 | 一种网络覆盖问题识别方法及装置、可读取存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109996186A true CN109996186A (zh) | 2019-07-09 |
| CN109996186B CN109996186B (zh) | 2021-02-26 |
Family
ID=67111310
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711485115.4A Active CN109996186B (zh) | 2017-12-29 | 2017-12-29 | 一种网络覆盖问题识别方法及装置、可读取存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109996186B (zh) |
Cited By (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110933690A (zh) * | 2019-11-28 | 2020-03-27 | 北京红山信息科技研究院有限公司 | 一种移动终端室分判别方法、装置、服务器和存储介质 |
| CN110996340A (zh) * | 2019-12-23 | 2020-04-10 | 武汉宁润软件信息技术有限公司 | 一种用于网络中短驻留精确定位的方法 |
| CN111093207A (zh) * | 2019-12-06 | 2020-05-01 | 中国联合网络通信集团有限公司 | 一种移动通信网络的信号覆盖质量评估方法和装置 |
| CN111107556A (zh) * | 2019-12-06 | 2020-05-05 | 中国联合网络通信集团有限公司 | 一种移动通信网络的信号覆盖质量评估方法和装置 |
| CN111465030A (zh) * | 2020-04-14 | 2020-07-28 | 广东海格怡创科技有限公司 | 室内mdt经纬度回填方法、装置、计算机设备和存储介质 |
| CN111459702A (zh) * | 2020-04-14 | 2020-07-28 | 广东海格怡创科技有限公司 | 基于mdt数据的室内分布系统故障监控方法和装置 |
| CN111491255A (zh) * | 2020-03-23 | 2020-08-04 | 宜通世纪科技股份有限公司 | 一种回填经纬度定位扩量方法、系统及存储介质 |
| CN112203221A (zh) * | 2020-10-20 | 2021-01-08 | 中国联合网络通信集团有限公司 | 一种异常采样点的确定方法及装置 |
| CN112235720A (zh) * | 2020-11-03 | 2021-01-15 | 南京嘉环科技股份有限公司 | 室内三维mr弱覆盖定位方法、系统与计算机可读介质 |
| WO2021008393A1 (zh) * | 2019-07-17 | 2021-01-21 | 中兴通讯股份有限公司 | 一种无线小区的覆盖黑洞识别方法及系统 |
| CN112291844A (zh) * | 2020-11-17 | 2021-01-29 | 中国联合网络通信集团有限公司 | 基于mr和mdt的定位方法和装置 |
| CN112312302A (zh) * | 2019-08-02 | 2021-02-02 | 中国移动通信集团广东有限公司 | 一种基于测量报告回填数据的方法和服务器 |
| WO2021103577A1 (zh) * | 2019-11-27 | 2021-06-03 | 北京天元创新科技有限公司 | 一种基于mdt的室内信号外泄分析方法及系统 |
| CN113052308A (zh) * | 2019-12-26 | 2021-06-29 | 中国移动通信集团北京有限公司 | 训练目标小区识别模型的方法及目标小区识别方法 |
| 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 |
| CN113141570A (zh) * | 2020-01-17 | 2021-07-20 | 中国移动通信集团陕西有限公司 | 地下场景定位方法、装置、计算设备及计算机存储介质 |
| CN113498094A (zh) * | 2020-04-07 | 2021-10-12 | 中国移动通信集团福建有限公司 | 栅格覆盖评估方法、装置及设备 |
| WO2021238346A1 (zh) * | 2020-05-26 | 2021-12-02 | 中兴通讯股份有限公司 | 预测覆盖指标的方法、模型训练方法和装置、设备、介质 |
| CN113923672A (zh) * | 2020-07-07 | 2022-01-11 | 浙江省通信产业服务有限公司 | 一种智能识别5g移动网络弱覆盖及选站型的方法 |
| CN114095854A (zh) * | 2020-07-30 | 2022-02-25 | 中国移动通信集团广东有限公司 | 基于最小化路测mdt数据的室分网络干扰源定位方法和电子设备 |
| CN114095947A (zh) * | 2021-11-08 | 2022-02-25 | 中国联合网络通信集团有限公司 | 一种网络覆盖评估方法、装置、电子设备及存储介质 |
| CN114125869A (zh) * | 2021-11-26 | 2022-03-01 | 中国联合网络通信集团有限公司 | 一种网络覆盖统计方法、装置、电子设备及存储介质 |
| CN114173356A (zh) * | 2021-11-04 | 2022-03-11 | 中国联合网络通信集团有限公司 | 网络质量的检测方法、装置、设备及存储介质 |
| 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 |
| WO2022089031A1 (zh) * | 2020-10-27 | 2022-05-05 | 浪潮天元通信信息系统有限公司 | 一种基于大数据和人工智能的网络优化方法 |
| CN115022810A (zh) * | 2021-03-05 | 2022-09-06 | 中国移动通信集团江苏有限公司 | 基于手机信令数据识别出行方式的方法、装置及电子设备 |
| CN115087023A (zh) * | 2021-03-16 | 2022-09-20 | 中国移动通信集团四川有限公司 | 道路网络的分析方法及装置 |
| CN115175100A (zh) * | 2022-07-06 | 2022-10-11 | 中国联合网络通信集团有限公司 | 网络覆盖问题处理方法、装置、服务器及存储介质 |
| CN115250429A (zh) * | 2021-04-28 | 2022-10-28 | 中国移动通信集团四川有限公司 | 一种移动网络服务质量的评估方法、装置及电子设备 |
| CN115348536A (zh) * | 2022-08-10 | 2022-11-15 | 中国电信股份有限公司 | 无线通信网络覆盖效果的确定方法及装置 |
| CN115843046A (zh) * | 2021-10-15 | 2023-03-24 | 中国联合网络通信集团有限公司 | 高架道路数据的处理方法、装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104427513A (zh) * | 2013-08-30 | 2015-03-18 | 华为技术有限公司 | 一种识别方法、装置、网络设备及网络系统 |
| CN105472644A (zh) * | 2016-01-12 | 2016-04-06 | 四川亨通网智科技有限公司 | 基于用户行为特征的深度覆盖网络质量评估方法和系统 |
| 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 |
| CN106899985A (zh) * | 2015-12-17 | 2017-06-27 | 中国移动通信集团重庆有限公司 | 一种网络覆盖的评估方法及装置 |
| US9794082B2 (en) * | 2014-08-01 | 2017-10-17 | Htc Corporation | Communication device and network controller for online troubleshooting for MBMS in a wireless communication system |
| CN107302748A (zh) * | 2016-04-15 | 2017-10-27 | 中国移动通信有限公司研究院 | 一种定位方法及装置 |
-
2017
- 2017-12-29 CN CN201711485115.4A patent/CN109996186B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104427513A (zh) * | 2013-08-30 | 2015-03-18 | 华为技术有限公司 | 一种识别方法、装置、网络设备及网络系统 |
| US9794082B2 (en) * | 2014-08-01 | 2017-10-17 | Htc Corporation | Communication device and network controller for online troubleshooting for MBMS in a wireless communication system |
| CN106899985A (zh) * | 2015-12-17 | 2017-06-27 | 中国移动通信集团重庆有限公司 | 一种网络覆盖的评估方法及装置 |
| CN105472644A (zh) * | 2016-01-12 | 2016-04-06 | 四川亨通网智科技有限公司 | 基于用户行为特征的深度覆盖网络质量评估方法和系统 |
| CN107302748A (zh) * | 2016-04-15 | 2017-10-27 | 中国移动通信有限公司研究院 | 一种定位方法及装置 |
| 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 |
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 (46)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021008393A1 (zh) * | 2019-07-17 | 2021-01-21 | 中兴通讯股份有限公司 | 一种无线小区的覆盖黑洞识别方法及系统 |
| CN112312302B (zh) * | 2019-08-02 | 2022-12-16 | 中国移动通信集团广东有限公司 | 一种基于测量报告回填数据的方法和服务器 |
| CN112312302A (zh) * | 2019-08-02 | 2021-02-02 | 中国移动通信集团广东有限公司 | 一种基于测量报告回填数据的方法和服务器 |
| WO2021103577A1 (zh) * | 2019-11-27 | 2021-06-03 | 北京天元创新科技有限公司 | 一种基于mdt的室内信号外泄分析方法及系统 |
| CN110933690B (zh) * | 2019-11-28 | 2023-03-24 | 北京红山信息科技研究院有限公司 | 一种移动终端室分判别方法、装置、服务器和存储介质 |
| CN110933690A (zh) * | 2019-11-28 | 2020-03-27 | 北京红山信息科技研究院有限公司 | 一种移动终端室分判别方法、装置、服务器和存储介质 |
| CN111093207A (zh) * | 2019-12-06 | 2020-05-01 | 中国联合网络通信集团有限公司 | 一种移动通信网络的信号覆盖质量评估方法和装置 |
| CN111107556A (zh) * | 2019-12-06 | 2020-05-05 | 中国联合网络通信集团有限公司 | 一种移动通信网络的信号覆盖质量评估方法和装置 |
| CN111093207B (zh) * | 2019-12-06 | 2022-11-18 | 中国联合网络通信集团有限公司 | 一种移动通信网络的信号覆盖质量评估方法和装置 |
| CN111107556B (zh) * | 2019-12-06 | 2023-03-24 | 中国联合网络通信集团有限公司 | 一种移动通信网络的信号覆盖质量评估方法和装置 |
| CN110996340A (zh) * | 2019-12-23 | 2020-04-10 | 武汉宁润软件信息技术有限公司 | 一种用于网络中短驻留精确定位的方法 |
| 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 |
| CN113052308B (zh) * | 2019-12-26 | 2024-05-03 | 中国移动通信集团北京有限公司 | 训练目标小区识别模型的方法及目标小区识别方法 |
| CN113052308A (zh) * | 2019-12-26 | 2021-06-29 | 中国移动通信集团北京有限公司 | 训练目标小区识别模型的方法及目标小区识别方法 |
| CN113141570A (zh) * | 2020-01-17 | 2021-07-20 | 中国移动通信集团陕西有限公司 | 地下场景定位方法、装置、计算设备及计算机存储介质 |
| CN113141570B (zh) * | 2020-01-17 | 2023-04-28 | 中国移动通信集团陕西有限公司 | 地下场景定位方法、装置、计算设备及计算机存储介质 |
| CN111491255A (zh) * | 2020-03-23 | 2020-08-04 | 宜通世纪科技股份有限公司 | 一种回填经纬度定位扩量方法、系统及存储介质 |
| CN113498094A (zh) * | 2020-04-07 | 2021-10-12 | 中国移动通信集团福建有限公司 | 栅格覆盖评估方法、装置及设备 |
| CN111459702B (zh) * | 2020-04-14 | 2024-01-23 | 广东海格怡创科技有限公司 | 基于mdt数据的室内分布系统故障监控方法和装置 |
| CN111465030B (zh) * | 2020-04-14 | 2023-11-10 | 广东海格怡创科技有限公司 | 室内mdt经纬度回填方法、装置、计算机设备和存储介质 |
| CN111459702A (zh) * | 2020-04-14 | 2020-07-28 | 广东海格怡创科技有限公司 | 基于mdt数据的室内分布系统故障监控方法和装置 |
| CN111465030A (zh) * | 2020-04-14 | 2020-07-28 | 广东海格怡创科技有限公司 | 室内mdt经纬度回填方法、装置、计算机设备和存储介质 |
| WO2021238346A1 (zh) * | 2020-05-26 | 2021-12-02 | 中兴通讯股份有限公司 | 预测覆盖指标的方法、模型训练方法和装置、设备、介质 |
| CN113923672A (zh) * | 2020-07-07 | 2022-01-11 | 浙江省通信产业服务有限公司 | 一种智能识别5g移动网络弱覆盖及选站型的方法 |
| CN114095854A (zh) * | 2020-07-30 | 2022-02-25 | 中国移动通信集团广东有限公司 | 基于最小化路测mdt数据的室分网络干扰源定位方法和电子设备 |
| CN114095854B (zh) * | 2020-07-30 | 2023-08-04 | 中国移动通信集团广东有限公司 | 基于最小化路测mdt数据的室分网络干扰源定位方法和电子设备 |
| CN112203221A (zh) * | 2020-10-20 | 2021-01-08 | 中国联合网络通信集团有限公司 | 一种异常采样点的确定方法及装置 |
| CN112203221B (zh) * | 2020-10-20 | 2023-03-28 | 中国联合网络通信集团有限公司 | 一种异常采样点的确定方法及装置 |
| WO2022089031A1 (zh) * | 2020-10-27 | 2022-05-05 | 浪潮天元通信信息系统有限公司 | 一种基于大数据和人工智能的网络优化方法 |
| CN112235720A (zh) * | 2020-11-03 | 2021-01-15 | 南京嘉环科技股份有限公司 | 室内三维mr弱覆盖定位方法、系统与计算机可读介质 |
| CN112291844A (zh) * | 2020-11-17 | 2021-01-29 | 中国联合网络通信集团有限公司 | 基于mr和mdt的定位方法和装置 |
| CN115022810A (zh) * | 2021-03-05 | 2022-09-06 | 中国移动通信集团江苏有限公司 | 基于手机信令数据识别出行方式的方法、装置及电子设备 |
| CN115087023A (zh) * | 2021-03-16 | 2022-09-20 | 中国移动通信集团四川有限公司 | 道路网络的分析方法及装置 |
| CN115087023B (zh) * | 2021-03-16 | 2024-06-11 | 中国移动通信集团四川有限公司 | 道路网络的分析方法及装置 |
| CN115250429A (zh) * | 2021-04-28 | 2022-10-28 | 中国移动通信集团四川有限公司 | 一种移动网络服务质量的评估方法、装置及电子设备 |
| CN115843046A (zh) * | 2021-10-15 | 2023-03-24 | 中国联合网络通信集团有限公司 | 高架道路数据的处理方法、装置、电子设备及存储介质 |
| CN114173356B (zh) * | 2021-11-04 | 2024-01-09 | 中国联合网络通信集团有限公司 | 网络质量的检测方法、装置、设备及存储介质 |
| CN114173356A (zh) * | 2021-11-04 | 2022-03-11 | 中国联合网络通信集团有限公司 | 网络质量的检测方法、装置、设备及存储介质 |
| CN114095947B (zh) * | 2021-11-08 | 2023-08-22 | 中国联合网络通信集团有限公司 | 一种网络覆盖评估方法、装置、电子设备及存储介质 |
| CN114095947A (zh) * | 2021-11-08 | 2022-02-25 | 中国联合网络通信集团有限公司 | 一种网络覆盖评估方法、装置、电子设备及存储介质 |
| CN114125869B (zh) * | 2021-11-26 | 2023-08-22 | 中国联合网络通信集团有限公司 | 一种网络覆盖统计方法、装置、电子设备及存储介质 |
| CN114125869A (zh) * | 2021-11-26 | 2022-03-01 | 中国联合网络通信集团有限公司 | 一种网络覆盖统计方法、装置、电子设备及存储介质 |
| 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 |
| CN115175100A (zh) * | 2022-07-06 | 2022-10-11 | 中国联合网络通信集团有限公司 | 网络覆盖问题处理方法、装置、服务器及存储介质 |
| CN115175100B (zh) * | 2022-07-06 | 2024-04-02 | 中国联合网络通信集团有限公司 | 网络覆盖问题处理方法、装置、服务器及存储介质 |
| CN115348536A (zh) * | 2022-08-10 | 2022-11-15 | 中国电信股份有限公司 | 无线通信网络覆盖效果的确定方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109996186B (zh) | 2021-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109996186A (zh) | 一种网络覆盖问题识别方法及装置、可读取存储介质 | |
| CN109982366B (zh) | 基于大数据的目标价值区域分析方法、装置、设备及介质 | |
| CN110677859B (zh) | 弱覆盖区域的确定方法、装置和计算机可读存储介质 | |
| CN109996278B (zh) | 道路网络质量评估方法、装置、设备及介质 | |
| CN105785411B (zh) | 一种基于区域划分的异常轨迹检测方法 | |
| CN108513251A (zh) | 一种基于mr数据的定位方法及系统 | |
| US11206555B2 (en) | Method for implementing antenna azimuth correction based on user data | |
| CN114173356A (zh) | 网络质量的检测方法、装置、设备及存储介质 | |
| CN112506972B (zh) | 用户常驻区域定位方法、装置、电子设备以及存储介质 | |
| CN109272032A (zh) | 出行方式识别方法、装置、计算机设备和存储介质 | |
| CN114374449B (zh) | 一种干扰源确定方法、装置、设备及介质 | |
| CN112469066A (zh) | 5g网络覆盖评估方法及装置 | |
| Rodrigues et al. | Impact of crowdsourced data quality on travel pattern estimation | |
| Duan et al. | MobilePulse: Dynamic profiling of land use pattern and OD matrix estimation from 10 million individual cell phone records in Shanghai | |
| CN111698128A (zh) | 物联网网络质量检测方法、装置、计算机设备和存储介质 | |
| CN105848104B (zh) | 基于区域的人员流动状态监测方法及装置 | |
| Marcus et al. | Dynamic nearest neighbors and online error estimation for SMARTPOS | |
| CN108573265B (zh) | 人流量统计方法及统计系统 | |
| CN111885485B (zh) | 一种网络质量的评估方法和装置 | |
| CN108540926B (zh) | 一种无线信号指纹的构建方法及装置 | |
| CN109521451A (zh) | 智能设备所处环境的判断方法、设备、系统及存储介质 | |
| CN113316162A (zh) | 网络覆盖连续性的确定方法、装置、设备及存储介质 | |
| Tripkovic et al. | Unbiased benchmarking in mobile networks: The role of sampling and stratification | |
| CN113569978B (zh) | 一种出行轨迹识别方法、装置、计算机设备及存储介质 | |
| Karimi et al. | Origin-Destination Matrix Estimation Using Socio-Economic Information and Traffic Counts on Uncongested Networks |
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 |