CN109996278B - 道路网络质量评估方法、装置、设备及介质 - Google Patents
道路网络质量评估方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN109996278B CN109996278B CN201711488638.4A CN201711488638A CN109996278B CN 109996278 B CN109996278 B CN 109996278B CN 201711488638 A CN201711488638 A CN 201711488638A CN 109996278 B CN109996278 B CN 109996278B
- Authority
- CN
- China
- Prior art keywords
- user
- signaling data
- road
- plane signaling
- control plane
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
- H04L43/55—Testing of service level quality, e.g. simulating service usage
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种道路网络质量评估方法、装置、设备及介质。该方法包括:关联地保存对应同一用户且采样时间基本相同的用户面信令数据和空口网络连接信令数据;根据所述用户面信令数据中的用户位置信息,确定所述用户所处的道路信息;以及至少根据处于同一目标道路上的一个或多个用户的空口网络连接信令数据,对所述目标道路的网络质量进行评估。由此,通过以目标道路上的用户的无线网络环境和网络业务质量数据进行关联来评估道路网络质量,改变了传统路测方式进行道路质量评估费用高、频率低、评估范围有限、评估周期长等问题。
Description
技术领域
本发明涉及无线网络优化技术领域,尤其涉及一种道路网络质量评估方法、装置、设备及介质。
背景技术
目前,现有道路质量评估采用路测(Drive Test,DT)方式对移动网络的覆盖范围、信号强度和通话质量进行实地测试,包括使用车载路测终端、自动路测系统等对测试区域内道路进行循坏往复测试,通过分析测试终端上传的道路测试文件数据,进行道路质量评估。
然而,传统路测方式需要依靠人、车、设备对测试区域进行现场测试,测试工作量大、成本高,且很难覆盖区域内所有道路,测试评估周期长。当无线网络资源环境发生变化时,也不能够及时进行现场测试和网络质量评估,测试频率低,很难真实反应道路网络质量。并且,以路测终端和自动测试系统在网络中的业务测试数据进行网络质量评估,无法真实有效反应用户感知。
综上所述,仍然需要一种高效的道路网络质量评估方案。
发明内容
本发明实施例提供了一种道路网络质量评估方法、装置、设备及介质,通过以目标道路上的用户的无线网络环境和网络业务质量数据进行关联来评估道路网络质量,改变了传统路测方式进行道路质量评估费用高、频率低、评估范围有限、评估周期长等问题。并且,以用户的真实网络业务质量数据作为评估基础数据,能够有效反映用户感知。
第一方面,本发明实施例提供了一种道路网络质量评估方法,方法包括:关联地保存对应同一用户且采样时间基本相同的用户面信令数据和空口网络连接信令数据;根据所述用户面信令数据中的用户位置信息,确定所述用户所处的道路信息;以及至少根据处于同一目标道路上的一个或多个用户的空口网络连接信令数据,对所述目标道路的网络质量进行评估。
第二方面,本发明实施例提供了一种道路网络质量评估装置,装置包括:数据关联单元,用于关联地保存对应同一用户且采样时间基本相同的用户面信令数据和空口网络连接信令数据;道路信息确定单元,用于根据所述用户面信令数据中的用户位置信息,确定所述用户所处的道路信息;以及评估单元,用于至少根据处于同一目标道路上的一个或多个用户的空口网络连接信令数据,对所述目标道路的网络质量进行评估。
第三方面,本发明实施例提供了一种计算设备,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道路网络质量评估方法、装置、设备及介质,通过以目标道路上的用户的无线网络环境和网络业务质量数据进行关联来进行道路覆盖、切换、掉话等道路网络质量综合评估,改变了传统路测方式进行道路质量评估费用高、频率低、评估范围有限、评估周期长等问题。并且,以用户的真实网络业务质量数据作为评估基础数据,能够有效反映用户感知。
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示出了根据本发明一个实施例的道路网络质量评估方法的流程示意图;
图2示出了本发明应用示例的流程示意图;
图3示出了根据本发明一个实施例的活动范围示意图;
图4示出了根据本应用示例的构建道路OTT栅格指纹库的流程示意图;
图5示出了根据本发明一个实施例的道路场景拟合效果图示意图;
图6是示出了根据本发明一实施例的道路网络质量评估装置的结构框图;
图7示出了本发明实施例提供的计算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。
传统路测方式通过路测终端或自动路测系统采集测试数据进行道路质量评估,在测试数据中包含有通过GPS模块定位的位置信息,无线网络测量的MR信息以及业务传输时网络连接、切换的端口信令信息,通过将道路测试的采样点与地理图层关联,可以实现道路质量的评估。
现有道路质量评估的方案存在如下缺陷:
(1)通过路测方式进行道路质量评估,需要依靠人、车、设备对测试区域进行现场测试,测试工作量大、成本高,且很难覆盖区域内所有道路,测试评估周期长。
(2)无线网络资源环境发生变化时,需及时进行现场测试和网络质量评估。在实际使用中,道路测试区域广,通常采取按月轮次测试方式,测试频率低,很难真实反应道路网络质量。
(3)以路测终端和自动测试系统在网络中的业务测试数据进行网络质量评估,无法真实有效反应用户感知。
有鉴于此,本发明提出了一种高效的道路质量评估方案,以解决现有技术中传统路测方式进行道路质量评估费用高、频率低、评估范围有限、评估周期长等问题并且,并且能够更加真实、有效反映用户感知。
信令数据是无线网络中非常重要的管理和监控数据,在LTE网络中,包含有用户控制面S1-MME信令数据、用户业务面S1-U信息数据、以及Uu、X2空口网络连接信令数据。通过OTT定位技术可以从包含有位置信息的用户业务面信令数据中解析经过加密的经纬度信息,将用户位置信息与网络MR测量数据进行关联,以及与网络连接的空口信令数据关联,生成与路测数据特征完全相符的MR采样点,进而实现基于OTT大数据的道路质量评估。
本发明实施例提出了一种利用现网OTT大数据进行道路质量评估的方法。该方法不依赖于人、车、设备进行现场道路测试。基于OTT大数据的道路质量评估,以现网用户为对象,通过对用户XDR信令数据、MR数据进行数据解析和数据挖掘,将用户位置、业务、无线环境等信息与地理道路图层进行拟合,进行道路覆盖、切换、掉话等网络质量综合评估。
如下将结合附图及实施例详细说明本发明的道路网络质量评估方案。
图1示出了根据本发明一个实施例的道路网络质量评估方法的流程示意图。
参见图1,在步骤S110,关联地保存对应同一用户且采样时间基本相同的用户面信令数据和空口网络连接信令数据。
这里的用户面信令数据例如可以是用户业务面S1-U信令数据,空口网络连接信令数据例如可以是Uu、X2空口网络连接信令数据。
用户面信令数据中包含用户面数据,例如用户的位置信息。用户控制面信令数据包含信令面数据,例如用户所在小区、基站。空口网络连接信令数据中包含无线网络环境和网络业务质量信息,例如测量数据(MR)、无线质量测量信息等。
同一用户在同一时间的用户面S1-U信令数据、用户控制面S1-MME信令数据和空口网络连接信令数据之间是相互对应的,即具有一定的对应关系。例如,相同的时间、IMSI、ECI和MmeUeS1apid等。
在本发明实施例中,可以根据所述空口网络连接信令数据和用户控制面信令数据之间的对应关系以及所述用户面信令数据和用户控制面信令数据之间的对应关系,将对应于同一用户控制面信令数据的用户面信令数据和空口网络连接信令数据关联地保存。
具体地,例如可以根据IMSI和采用时间确定所述用户面信令数据和所述用户控制面信令数据之间的对应关系,根据ECI和MmeUeS1apid确定所述用户控制面信令数据和所述空口网络连接信令数据之间的对应关系。由此,实现用户面信令数据和空口网络连接信令数据的关联,即为空口网络连接信令数据填上了位置信息。
在步骤S120,根据所述用户面信令数据中的用户位置信息,确定所述用户所处的道路信息。例如,通过从用户面信令数据中解析加密的经纬度信息,基于经纬度信息并结合实际的道路,既可以确定用户所处的道路,相应地即可获取用户所处的道路信息,例如所在道路的名称、道路路段以及该覆盖该道路的道路小区。
在步骤S130,至少根据处于同一目标道路上的一个或多个用户的空口网络连接信令数据,对所述目标道路的网络质量进行评估。
例如,首先可以确定一个道路作为进行道路网络质量评估的目标道路,之后根据该目标道路的位置信息确定处于此目标道路上的道路用户,进而根据该目标道路上的用户道路信息,例如进出道路的时间、网络业务质量数据等,对此目标道路的网络质量进行评估。
具体地,可以根据道路用户的用户面信令数据和空口网络连接信令数据的对应关系,形成包含道路用户位置信息的MR采样点,从而,即可根据处于同一目标道路上的一个或多个用户的MR采样点的信息对该目标道路的网络质量进行评估。
另外,由于信令平台采集的位置信息存在不连续性,存在没有关联用户面信令数据的用户控制面信令数据,进而存在没有关联上用户位置信息的MR采样点。此时,可以根据用户控制面信令数据,反向定位出符合该无线测量信息特征的用户位置。
在一个优选实施例中,对于没有关联用户面信令数据的用户控制面信令数据,将所述用户控制面信令数据所对应的用户的多个MR采样点分别与所述用户控制面信令数据(例如小区场强)进行特征匹配,将匹配度最高的MR采样点的用户位置信息确定为所述用户控制面信令数据所关联的用户位置。
优选地,可以使用如下公式计算所述MR采样点与所述用户控制面信令数据之间的匹配度d:
d=1/D
D=sqrt(Rsrp′1-Rsrp1)^2+(Rsrp′2-Rsrp2)^2+…+(Rsrp′n-Rsrpn)^2
其中,Rsrp′n为所述用户控制面信令数据中小区n的场强,Rsrpn为所述目标采样点中小区n的场强,sqrt表示开平方根,D为所述目标采样点中小区与所述用户控制面信令数据中小区的欧氏距离。
由此,通过将测量信息特征相匹配的用户确定为同一位置或邻近位置,进而为未关联用户位置的用户控制面信令数据填上相应的位置信息,以使得用户的MR采样点连续。
如前所述,对目标道路的网络质量进行评估,首先需要确定目标道路上的道路用户。由于道路上或其附近除了存在道路用户外,还可能存在非道路用户,例如道路附近的居民,非道路用户的信令数据可能影响道路网络质量评估结果。因此,需要对目标道路上的道路用户进行判定。
在一个优选实施例中,可以基于用户的运动速度进行道路用户的判定。例如,可以根据所述用户在连续多个MR采样点所对应的采样时间内的位置变化情况,确定所述用户的平均运动速度,剔除所述平均速度低于第一预定阈值和/或高于第二预定阈值的用户所对应的MR采样点。
由此,剔除了瞬时速度或平均速度较小的静止状态的用户、以及瞬时速度或平均速度过大(异常采样点)的用户,确保了道路用户的准确性。
在确定了道路用户后,还需要确定用户道路信息,例如用户所进入的道路、路段、进入时间、离开时间等等。
在一个优选实施例中,可以在同一用户的连续第一预定数量个MR采样点占用同一目标道路,并且所述用户在所述多个MR采样点所对应的采样时间内的平均速度高于第三预定阈值的情况下,判定所述用户进入所述目标道路,此时,记录用户进入道路的名称、路段、进入时间等信息。
对于已进入所述目标道路的用户,在其连续第二预定数量个MR采样点没有占用所述目标道路,判定所述用户离开所述目标道路,记录用户的离开时间等信息。
由此,根据一个或多个道路用户在进入所述目标道路和离开所述目标道路的期间内的所有的MR采样点,即可实现对所述目标道路的网络质量进行评估。道路网络质量评估可以包括覆盖评估、质量评估、切换评估、掉线评估以及重叠覆盖评估中的任何一项。
由此,通过一种基于OTT用户位置定位数据,与无线网络环境和网络业务质量数据进行关联进行道路质量评估的方法,改变了传统路测方式进行道路质量评估费用高、频率低、评估范围有限、评估周期长等问题。使用现网信令数据和MR数据,将用户位置、业务、无线环境等数据进行关联融合,实现了道路覆盖、切换、掉话等网络质量综合评估,为运营商进行道路网络优化和建设有效依据。
至此,已经结合图1详细说明了本发明的道路网络质量评估方法。
为了更好地理解本发明,如下将结合图2-图5的应用示例对本发明的道路网络质量评估方法。
本应用示例提出了一个基于现网OTT大数据进行道路网络质量评估的方法。图2示出了本发明应用示例的流程示意图。如图2所示,该方法主要包括道路用户判定S210、构建道路OTT栅格指纹库S220、MR指纹回填S230、软采XDR数据回填S240、道路场景拟合S250、道路指标统计S260六个步骤。如下分别对本应用示例的各个步骤进行详细阐述。应当理解的是,图2仅是示意性的示出实现本方案所包括的步骤,本发明不对各个步骤的具体实现顺序有任何的限定。
一、道路用户判定S210
利用OTT定位技术从S1-U用户面信令数据中解析经过加密的经纬度信息,获取包含用户经纬度信息样本数据,以用户样本数据内包含的经纬度位置的变化建立模型,进行用户静止、运动状态识别。
(一)基于运动速度识别道路用户
(1)运动速度计算
1)将每个用户的有效经纬度的采样点按事件排序,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,并用距离差和时间差计算出运动速度,作为当前采样点的瞬时速度S1;
瞬时速度S1计算公式如下:
Speedi=Disti-1_i/(Ti-Ti-1)
其中,i表示第i个采样点,Speedi表示第i个采样点的瞬时速度,Disti-1_i表示第i个采样点与其前一个采样点(i-1)之间的距离差,Ti是第i个采样点的采样时间,Ti-1为第i个采样点的前一个采样点的采样时间。
3)以10分钟为粒度,计算出用户10分钟内的平均运动速度S2,平均运动速度S2是用户在10分钟内的各个采样点的瞬时速度的平均值。
(2)用户状态识别
1)用户静止状态识别:
a.以10分钟为粒度,计算用户的最小经度、最小纬度、最大经度、最大纬度,图3示出了根据本发明一个实施例的活动范围示意图;
b.参见图3,计算点1(最小经度,最小纬度)和点2(最大经度、最大纬度)的距离D(图中的红色线段),这个距离代表用户10分钟的活动范围;
c.将10分钟内的最大活动范围D<100米的用户视为静止用户,该用户10分钟内的所有的采样点,作为CQT采样点。
2)用户运动状态识别:
a.瞬时速度S1大于400公里/小时的是异常采样点,不予考虑;
b.瞬时速度S1大于20公里/小时的采样点和前一个采样点是运动状态采样点;
c.10分钟内的平均运动速度S2大于15公里的用户为运动状态用户,该用户10分钟内所有采样点,作为DT采样点。
由此,通过基于用户的瞬时速度和平均移动速度,识别用户的静止状态或运动状态,进而即可将运动状态的用户作为本发明的道路用户。
(二)基于贝叶斯算法识别道路用户
目前除通过运动速度识别道路用户外,其他较精准的方法是基于贝叶斯分类算法实现道路用户判定。具体实现算法过程如下。
(1)确定特征属性:
基于道路用户的行为特征,我们可以选择以下3个特征属性实现:
a1:用户运动速率(单位时间)
a2:用户相对距离(单位时间)
a3:用户位置信息和道路轮廓匹配
设置C=0标示道路用户、C=1表示非道路用户。
(2)获取样本数据
这里使用现场人员经人工检测过的1000个用户作为训练样本
由贝叶斯定理公式:
设训练数据集为X,|X|表示样本个数,C表示特征。
设有K个类CK,k=1,2,3...k,|CK|为属于类CK的样本个数,有:
∑k|CK|=|X| 公式2
设特征C有n个不同的取值{c1,c2...cn},根据特征C的取值将X划分为N个自己X1,X2...Xn,|Xi|为Xi的样本个数,有:
∑i|Xi|=|Xi| 公式3
记子集Xi中属于类CK的样本的集合为Xik,|Xik|为Xik的样本个数。
(3)计算训练样本中每个类别的频率:
计算训练样本中的道路用户数和非道路用户数量的占比,得到:
1)道路用户样本概率:P(c=0)
2)非道路用户样本概率:P(c=1)
(4)计算每个条件下各个特征属性划分的频率
根据贝叶斯定理,由于我们定义各个特征值相对独立,则进行公式推导如下:
对于生成式模型来说,考虑公式4:
根据贝叶斯定理,P(c|x)可写为公式5:
其中,P(c)是类“先验”(prior)概率;P(x|c)是样本x相对于类标记c的类条件概率(class-conditional probability),或称为“似然”(likelihood);P(x)是用于归一化的“证据”(evidence)因子。
对给定样本x,证据因子P(x)与类标记无关,因此估计P(c|x)的问题就转化为如何基于训练数据D来估计先验P(c)和似然P(x|c)。
由于分母对于所有类别为常数,因为我们只要将分子最大化皆可。又因为各特征属性是条件独立的,所以有:
根据公式5可得出本发明相应特征概率如下:
P(a1<=α1|c=0)=Pa1-c01
P(α1<a1<α2|c=0)=Pa1-c02
P(a1>=α2|c=0)=Pa1-c03
P(a1<=α1|c=1)=Pa1-c11
P(α1<a1<α2|c=1)=Pa1-c12
P(a1>=α2|c=1)=Pa1-c13
P(a2<=β1|c=0)=Pa2-c01
P(β1<a2<β2|c=0)=Pa2-c02
P(a2>=β2|c=0)=Pa2-c03
P(a2<=β1|c=1)=Pa2-c11
P(β1<a2<β2|c=1)=Pa2-c12
P(a2>=β2|c=1)=Pa2-c13
P(a3=0|c=0)=Pa3-c01
P(a3=1|c=0)=Pa3-c02
P(a3=0|c=1)=Pa3-c11
P(a3=1|c=1)=Pa3-c12
由上述数据中,可以看出划分的条件概率P(a|c)是贝叶斯分类的重要步骤,直接影响后续数据分类时的鉴别特性。
故本方法中采用估计类别下特征属性划分的条件概率及Laplace校准来对条件概率进行校准。
(5)使用分类器进行鉴别
对于给定数据,使用分类器进行鉴别,赋予数据相应用户属性:如我们得到一个样本数据,定义α1=0.5m/s,α2=1m/s;β1=100m,β2=300m用户单位时间运动速率为0.8m/s,运行相对距离为389m,属于道路属性a3=0。其中,α对应于用户单位时间速率属性a1,β对应于用户运行相对距离属性a2。
则,用户为道路用户概率为:
P(c=0)P(x|c=0)
=P(c=0)P(0.5<a1<1|c=0)P(a2>300|c=0)P(a3=0|c=0)
=P(c=0)Pa1-c02Pa2-c03Pa3-c01
用户为非道路用户概率为:
P(c=1)P(x|c=1)
=P(c=1)P(0.5<a1<1|c=1)P(a2>300|c=1)P(a3=0|c=1)
=P(c=1)Pa2-c13Pa1-c12Pa3-c11
通过P(c=0)P(x|c=0)和P(c=1)P(x|c=1)值的比较,可以对用户进行道路和非道路进行赋值,从而实现道路用户判定。
二、构建道路OTT栅格指纹库S220
对处于运动状态的用户样本数据,需通过与MR数据关联,补充包含参数、主服小区、邻区等无线网络环境测量信息,形成包含位置信息的MR采样点。
图4示出了根据本应用示例的构建道路OTT栅格指纹库的流程示意图。参见图4,具体方法步骤为:
1)通过IMSI将用户控制面S1-MME XDR和用户面S1-U XDR关联,将控制面XDR填上OTT高精度位置,并对每个用户进行状态识别,例如静止状态、运动状态、速度等。
2)通过ECI、MmeUeS1apid字段将MR与控制面XDR关联,将关联成功的MR填上OTT高精度位置和运动状态,形成MR采样点。
3)将高速运动状态用户的MR的采样点,按照10米栅格统计各个小区(包括邻区)的场强,形成道路OTT栅格指纹库,如表1所示的栅格指纹库表类型。
表1:道路OTT栅格指纹库表类型
字段 | 数据类型 |
栅格左上经度 | double |
栅格左上纬度 | double |
小区ECI | int |
平均场强 | double |
道路ID | int |
三、MR指纹回填S230
由于信令平台采集的位置信息存在不连续性,对所有处于运动状态的用户MR测量信息,存在没有关联上OTT位置的MR采样点,通过与历史已知位置信息的MR采样点建立的道路OTT栅格指纹库进行匹配,反向定位出符合该无线测量信息特征的用户位置,进行MR指纹回填。
指纹回填算法采用欧氏距离来评估最佳栅格,公式如下:
D=sqrt(Rsrp1-RsrpAvg1)^2+(Rsrp2-RsrpAvg2)^2+…+(Rsrpn-RsrpAvgn)^2
其中Rsrpn为小区n的场强,RsrpAvgn为小区n在栅格中的平均场强。依次计算采样点与每个栅格的欧氏距离,距离最小的为最佳匹配栅格。表2示出了回填MR指纹表类型。
表2:未关联位置的MR1采样点指纹回填
四、软采XDR数据回填S240
在进行MR数据关联时,需先进行S1-MME与S1-U关联,并进行基于用户的状态识别,同时将道路用户的位置信息输出至位置库,包括时间、IMSI、ECI、经度、纬度、MmeUeS1apid等关键信息。
通过IMSI、MmeUeS1apid、ECI、时间等字段,将包含无线网络业务质量信息的Uu、X2空口XDR信令数据与软采XDR和用户位置库的关联,将关联后的XDR空口信令数据打上经纬度信息。
五、道路场景拟合S250
基于地理道路图层,预先进行道路的路段化处理,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,保存至数据库,将MR采样点按时间和经纬度与道路图层进行拟合。
具体方法步骤为:
1)将道路进行路段化处理,记录每条道路包含的路段;
2)收集每条道路的覆盖小区信息,形成道路小区集;
3)将用户的MR采样点按时间排序,依次检测每个采样点是否占用了道路小区,并落在道路路段内;
4)如果一个用户有连续5个采样点占用了道路小区,并落在道路路段内,且平均运动速度S2>20公里/小时,则该用户为进入了道路,记录用户进入的道路名称、进入时间;
5)如果一个已经进入道路的用户,连续5个采样点没有占用道路小区,或者落在道路路段以外,判断该用户已经离开该道路,记录用户离开高速公路的时间;
6)通过该用户进入道路名称,进入时间和离开时间,回放该用户的所有采样点,进行道路场景分析。
图5示出了根据本发明一个实施例的道路场景拟合效果图示意图。参见图5,示出了目标道路及该道路上的道路用户的MR采样点。基于这些采样点以及相关联的网络业务质量数据,即可实现对该道路的网络质量评估。
六、道路指标统计S260
基于OTT大数据的MR采样点信息包含了服务小区及邻区的上下行测量信息,服务小区无线参数信息,精确的地理位置信息,业务质量指标信息,具备传统路测分析所需的所有关键信息。通过按道路或者道路路段进行指标统计输出,发现问题路段,进行道路质量评估。具体如下。
(1)覆盖评估
统计各路段的平均场强RSRP,评估道路的覆盖水平,按路段的平均场强或者弱覆盖采样点比例统计弱覆盖路段:
平均场强:平均场强<-105db;
弱覆盖采样点比例:弱覆盖采样点(场强<-105)比例超过10%。
(2)质量评估
统计各路段的平均SinrUL和RSRQ,评估道路的质量情况;
按路段的平均SinrUL、平均RSRQ来统计质差路段或者按照弱质量采样点比例来统计质差路段。
(3)切换评估
统计UU口和X2口的切换XDR,统计各路段的切换成功率;
切换成功率(%)=切换成功次数*100/切换请求次数;统计切换失败率超过指定门限的路段,发现切换失败的问题区域路段。
(4)掉线评估
掉线事件:UU口RRC连接释放异常;
掉线率:(RRC连接释放请求总次数-RRC连接正常释放次数)*100%/初始上下文建立成功次数;统计掉线率超过指定门限的路段,发现掉线问题区域路段。
(5)重叠覆盖评估
采样点重叠覆盖度:与主小区场强差值在-6dB以内的小区(含主小区)个数,统计包括异频邻区的和不包含异频邻区的;
区域平均重叠覆盖度:将区域内采样点的重叠覆盖度计算均值,代表此区域的平均重叠覆盖度;
高重叠覆盖比例:重叠覆盖度大于等于4的采样点数*100/总采样点;
通过平均重叠覆盖度和高重叠覆盖比例来评估一个区域的重叠覆盖情况;通过统计高重叠覆盖度比例超过指定门限,发现重叠覆盖问题区域路段。
由此,实现对道路网络覆盖的切换、掉线、重叠覆盖等的质量评估。
本发明基于OTT用户位置定位数据,与无线网络环境和网络业务质量数据进行关联进行道路质量评估的方法。改变了传统路测方式进行道路质量评估费用高、频率低、评估范围有限、评估周期长等问题。使用现网信令数据和MR数据,将用户位置、业务、无线环境等数据进行关联融合,实现了道路覆盖、切换、掉话等网络质量综合评估,为运营商进行道路网络优化和建设有效依据。
另外,本发明的道路网络质量评估方法还可以由一种道路网络质量评估装置实现。图6是示出了根据本发明一实施例的道路网络质量评估装置的结构框图。其中,道路网络质量评估装置600的功能模块可以由实现本发明原理的硬件、软件或硬件和软件的结合来实现。本领域技术人员可以理解的是,图6所描述的功能模块可以组合起来或者划分成子模块,从而实现上述发明的原理。因此,本文的描述可以支持对本文描述的功能模块的任何可能的组合、或者划分、或者更进一步的限定。
图6所示的道路网络质量评估装置600可以用来实现图1所示的道路网络质量评估方法,下面仅就道路网络质量评估装置600可以具有的功能模块以及各功能模块可以执行的操作做简要说明,对于其中涉及的细节部分可以参见上文结合图1的描述,这里不再赘述。
参见图6,本发明的道路网络质量评估装置600可以包括:数据关联单元610、道路信息确定单元620和评估单元630。
数据关联单元610,用于关联地保存对应同一用户且采样时间基本相同的用户面信令数据和空口网络连接信令数据。道路信息确定单元620,用于根据所述用户面信令数据中的用户位置信息,确定所述用户所处的道路信息。评估单元630,用于至少根据处于同一目标道路上的一个或多个用户的空口网络连接信令数据,对所述目标道路的网络质量进行评估。
优选地,数据关联单元610可以根据所述空口网络连接信令数据和用户控制面信令数据之间的对应关系以及所述用户面信令数据和用户控制面信令数据之间的对应关系,将对应于同一用户控制面信令数据的用户面信令数据和空口网络连接信令数据关联地保存。
例如,数据关联单元610可以根据IMSI和采用时间确定所述用户面信令数据和所述用户控制面信令数据之间的对应关系,根据ECI和MmeUeS1apid确定所述用户控制面信令数据和所述空口网络连接信令数据之间的对应关系。
优选地,所述空口网络连接信令数据包括MR测量数据,根据所述用户面信令数据和所述空口网络连接信令数据的对应关系,形成包含用户位置信息的MR采样点。
优选地,道路网络质量评估装置600还可以包括特征匹配单元。
对于没有关联用户面信令数据的用户控制面信令数据,特征匹配单元可以将所述用户控制面信令数据所对应的用户的多个MR采样点分别与所述用户控制面信令数据进行特征匹配,并将匹配度最高的MR采样点的用户位置信息确定为所述用户控制面信令数据所关联的用户位置。
优选地,例如可以使用如下公式计算所述MR采样点与所述用户控制面信令数据之间的匹配度d,
d=1/D,
D=sqrt(Rsrp′1-Rsrp1)^2+(Rsrp′2-Rsrp2)^2+…+(Rsrp′n-Rsrpn)^2
其中,Rsrp′n为所述用户控制面信令数据中小区n的场强,Rsrpn为所述目标采样点中小区n的场强,sqrt表示开平方根,D为所述目标采样点中小区与所述用户控制面信令数据中小区的欧氏距离。
优选地,道路网络质量评估装置600还可以包括速度确定单元和剔除单元。
速度确定单元可以根据所述用户在连续多个MR采样点所对应的采样时间内的位置变化情况,确定所述用户的平均速度,剔除单元可以剔除所述平均速度低于第一预定阈值和/或高于第二预定阈值的用户所对应的MR采样点。
优选地,道路网络质量评估装置600可以包括判定单元。判定单元可以在同一用户的连续第一预定数量个MR采样点占用同一目标道路,并且所述用户在所述多个MR采样点所对应的采样时间内的平均速度高于第三预定阈值的情况下,判定所述用户进入所述目标道路。
对于已进入所述目标道路的用户,判定单元还可以在其连续第二预定数量个MR采样点没有占用所述目标道路,判定所述用户离开所述目标道路。
优选地,评估单元610可以根据一个或多个所述用户在进入所述目标道路和离开所述目标道路的期间内的MR采样点,对所述目标道路的网络质量进行评估。
优选地,所述道路网络质量评估可以包括覆盖评估、质量评估、切换评估、掉线评估以及重叠覆盖评估中的任何一项。
由此,基于OTT用户位置定位数据,与无线网络环境和网络业务质量数据进行关联进行道路质量评估的方法,改变了传统路测方式进行道路质量评估费用高、频率低、评估范围有限、评估周期长等问题。使用现网信令数据和MR数据,将用户位置、业务、无线环境等数据进行关联融合,实现了道路覆盖、切换、掉话等网络质量综合评估,为运营商进行道路网络优化和建设有效依据。
综上所述,本公开基于OTT定位技术、MR数据关联等技术实现了道路网络质量评估:
1)基于OTT大数据进行道路质量评估的方法,本提案通过从用户面信令数据中提取的用户位置信息,通过与无线网络环境和网络业务质量数据进行关联,进行道路质量评估,改变了传统基于路测方式进行道路质量评估的方法,道路弱覆盖定位精度提升至30米以内,精确定位和解决道路网络覆盖问题,有效提升道路质量指标。
2)用户状态识别的方法,本提案依据用户样本点数据内的经纬度信息变化建立模型,通过计算用户瞬时速度,规定时间内用户活动的最大范围,判别用户静止、运动状态。
3)MR数据关联的方法,本提案采用IMSI将用户控制面S1-MME XDR和用户面S1-UXDR关联,采用ECI、MmeUeS1apid字段将MR与控制面XDR关联,最终将MR关联填充OTT高精度位置和运动状态,形成MR采样点。
4)MR指纹回填的方法,对未关联上OTT位置的MR采样点,采用与历史已知位置信息的MR采样点建立的道路OTT栅格指纹库匹配,反向定位回填MR采用点所需的位置信息。
5)软采XDR数据关联的方法,本提案采用IMSI、MmeUeS1apid、ECI、时间字段将空口XDR信令数据与用户面XDR信令数据进行关联,将关联后的XDR空口信令数据打上经纬度信息。
另外,结合图1描述的本发明实施例的道路网络质量评估方法可以由计算设备来实现。图7示出了本发明实施例提供的计算设备的硬件结构示意图。
计算设备可以包括处理器701以及存储有计算机程序指令的存储器702。
具体地,上述处理器701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702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702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702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702可在数据处理装置的内部或外部。在特定实施例中,存储器702是非易失性固态存储器。在特定实施例中,存储器702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701通过读取并执行存储器702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道路网络质量评估方法。
在一个示例中,道路网络质量评估设备还可包括通信接口703和总线710。其中,如图7所示,处理器701、存储器702、通信接口703通过总线710连接并完成相互间的通信。
通信接口703,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710包括硬件、软件或两者,将计算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710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道路网络质量评估方法,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道路网络质量评估方法。
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)
1.一种道路网络质量评估方法,其特征在于,所述方法包括:
关联地保存对应同一用户且采样时间基本相同的用户面信令数据和空口网络连接信令数据;
根据所述用户面信令数据中的用户位置信息,确定所述用户所处的道路信息;以及
至少根据处于同一目标道路上的一个或多个用户的空口网络连接信令数据,对所述目标道路的网络质量进行评估;所述空口网络连接信令数据包括MR测量数据,根据所述空口网络连接信令数据和所述用户面信令数据的对应关系,形成包含用户位置信息的MR采样点;
对于没有关联用户面信令数据的用户控制面信令数据,将所述用户控制面信令数据所对应的用户的多个MR采样点分别与所述用户控制面信令数据进行特征匹配;以及
将匹配度最高的MR采样点的用户位置信息确定为所述用户控制面信令数据所关联的用户位置;
所述MR采样点与所述用户控制面信令数据之间的匹配度d的计算公式如下:
d=1/D
D=sqrt(Rsrp′1-Rsrp1)^2+(Rsrp′2-Rsrp2)^2+…+(Rsrp′n-Rsrpn)^2
其中,Rsrp′n为所述用户控制面信令数据中小区n的场强,Rsrpn为所述目标采样点中小区n的场强,sqrt表示开平方根,D为所述目标采样点中小区与所述用户控制面信令数据中小区的欧氏距离;
根据所述用户在连续多个MR采样点所对应的采样时间内的位置变化情况,确定所述用户的平均速度;以及
剔除所述平均速度低于第一预定阈值和/或高于第二预定阈值的用户所对应的MR采样点。
2.根据权利要求1所述的方法,其特征在于,所述关联地保存对应同一用户且采样时间基本相同的用户面信令数据和空口网络连接信令数据,包括:
根据所述空口网络连接信令数据和用户控制面信令数据之间的对应关系以及所述用户面信令数据和用户控制面信令数据之间的对应关系,将对应于同一用户控制面信令数据的用户面信令数据和空口网络连接信令数据关联地保存。
3.根据权利要求2所述的方法,其特征在于,
根据IMSI和采用时间确定所述用户面信令数据和所述用户控制面信令数据之间的对应关系,并且/或者
根据ECI和MmeUeS1apid确定所述空口网络连接信令数据和所述用户控制面信令数据之间的对应关系。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在同一用户的连续第一预定数量个MR采样点占用同一目标道路,并且所述用户在所述多个MR采样点所对应的采样时间内的平均速度高于第三预定阈值的情况下,判定所述用户进入所述目标道路;以及
对于已进入所述目标道路的用户,在其连续第二预定数量个MR采样点没有占用所述目标道路,判定所述用户离开所述目标道路。
5.根据权利要求4所述的方法,其特征在于,所述对所述目标道路的网络质量进行评估,包括:
根据一个或多个所述用户在进入所述目标道路和离开所述目标道路的期间内的MR采样点,对所述目标道路的网络质量进行评估。
6.根据权利要求1至5中任何一项所述的方法,其特征在于,所述道路网络质量评估包括覆盖评估、质量评估、切换评估、掉线评估以及重叠覆盖评估中的任何一项。
7.一种道路网络质量评估装置,其特征在于,所述装置包括:
数据关联单元,用于关联地保存对应同一用户且采样时间基本相同的用户面信令数据和空口网络连接信令数据;
道路信息确定单元,用于根据所述用户面信令数据中的用户位置信息,确定所述用户所处的道路信息;以及
评估单元,用于至少根据处于同一目标道路上的一个或多个用户的空口网络连接信令数据,对所述目标道路的网络质量进行评估;所述空口网络连接信令数据包括MR测量数据,根据所述空口网络连接信令数据和所述用户面信令数据的对应关系,形成包含用户位置信息的MR采样点;
对于没有关联用户面信令数据的用户控制面信令数据,将所述用户控制面信令数据所对应的用户的多个MR采样点分别与所述用户控制面信令数据进行特征匹配;以及
将匹配度最高的MR采样点的用户位置信息确定为所述用户控制面信令数据所关联的用户位置;
所述MR采样点与所述用户控制面信令数据之间的匹配度d的计算公式如下:
d=1/D
D=sqrt(Rsrp′1-Rsrp1)^2+(Rsrp′2-Rsrp2)^2+…+(Rsrp′n-Rsrpn)^2
其中,Rsrp′n为所述用户控制面信令数据中小区n的场强,Rsrpn为所述目标采样点中小区n的场强,sqrt表示开平方根,D为所述目标采样点中小区与所述用户控制面信令数据中小区的欧氏距离;
根据所述用户在连续多个MR采样点所对应的采样时间内的位置变化情况,确定所述用户的平均速度;以及
剔除所述平均速度低于第一预定阈值和/或高于第二预定阈值的用户所对应的MR采样点。
8.一种计算设备,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中任一项所述的方法。
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中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711488638.4A CN109996278B (zh) | 2017-12-30 | 2017-12-30 | 道路网络质量评估方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711488638.4A CN109996278B (zh) | 2017-12-30 | 2017-12-30 | 道路网络质量评估方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109996278A CN109996278A (zh) | 2019-07-09 |
CN109996278B true CN109996278B (zh) | 2022-08-23 |
Family
ID=67110984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711488638.4A Active CN109996278B (zh) | 2017-12-30 | 2017-12-30 | 道路网络质量评估方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109996278B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112243257B (zh) * | 2019-07-17 | 2024-01-26 | 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 |
CN111242493B (zh) * | 2020-01-17 | 2020-11-24 | 广州市城市规划勘测设计研究院 | 一种街道品质评价方法、装置、系统及存储介质 |
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 |
CN113820656A (zh) * | 2020-06-18 | 2021-12-21 | 中国移动通信集团陕西有限公司 | 终端定位方法、装置及计算设备 |
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 |
CN112566167B (zh) * | 2020-12-02 | 2023-03-21 | 中国联合网络通信集团有限公司 | 网络质量故障识别方法、装置及服务器 |
CN113408812A (zh) * | 2021-06-30 | 2021-09-17 | 北京红山信息科技研究院有限公司 | 一种网络优化方法、装置、计算机设备及存储介质 |
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 |
CN114422949A (zh) * | 2021-12-29 | 2022-04-29 | 中国电信股份有限公司 | 网络质量评估方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103906096A (zh) * | 2012-12-25 | 2014-07-02 | 中国移动通信集团四川有限公司 | 一种测量报告中测量信息的采集方法及装置 |
CN104853379A (zh) * | 2014-02-18 | 2015-08-19 | 中国移动通信集团公司 | 一种无线网络质量评估方法及装置 |
CN106332138A (zh) * | 2016-08-31 | 2017-01-11 | 四川亨通网智科技有限公司 | 一种基于s1‑mme信令关联获取mro用户信息的方法 |
CN106572495A (zh) * | 2016-09-29 | 2017-04-19 | 中国普天信息产业北京通信规划设计院 | 基于信令和mr数据的网络质量监测方法和覆盖评估方法 |
CN107231636A (zh) * | 2016-03-23 | 2017-10-03 | 中国移动通信集团四川有限公司 | 一种校准网络覆盖评估的方法和装置 |
CN107466044A (zh) * | 2017-08-30 | 2017-12-12 | 北京天元创新科技有限公司 | 一种网络覆盖评估的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI485665B (zh) * | 2012-07-09 | 2015-05-21 | Ind Tech Res Inst | 結合跨區域位置更新與通話之交通資訊估計方法與系統 |
-
2017
- 2017-12-30 CN CN201711488638.4A patent/CN109996278B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103906096A (zh) * | 2012-12-25 | 2014-07-02 | 中国移动通信集团四川有限公司 | 一种测量报告中测量信息的采集方法及装置 |
CN104853379A (zh) * | 2014-02-18 | 2015-08-19 | 中国移动通信集团公司 | 一种无线网络质量评估方法及装置 |
CN107231636A (zh) * | 2016-03-23 | 2017-10-03 | 中国移动通信集团四川有限公司 | 一种校准网络覆盖评估的方法和装置 |
CN106332138A (zh) * | 2016-08-31 | 2017-01-11 | 四川亨通网智科技有限公司 | 一种基于s1‑mme信令关联获取mro用户信息的方法 |
CN106572495A (zh) * | 2016-09-29 | 2017-04-19 | 中国普天信息产业北京通信规划设计院 | 基于信令和mr数据的网络质量监测方法和覆盖评估方法 |
CN107466044A (zh) * | 2017-08-30 | 2017-12-12 | 北京天元创新科技有限公司 | 一种网络覆盖评估的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109996278A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109996278B (zh) | 道路网络质量评估方法、装置、设备及介质 | |
CN109996186B (zh) | 一种网络覆盖问题识别方法及装置、可读取存储介质 | |
CN108156626B (zh) | 轨道交通无线网络质量评估方法、装置及介质 | |
KR100657369B1 (ko) | 무선 시스템에서 무선 신호 전파를 수집하고 분석하는장치 및 방법 | |
CN109996181B (zh) | 基于大数据的立体室内定位方法、装置、设备及介质 | |
CN114173356A (zh) | 网络质量的检测方法、装置、设备及存储介质 | |
CN113537172B (zh) | 人群密度确定方法、装置、设备及存储介质 | |
CN109996280B (zh) | 基站经纬度核查方法、装置、设备及介质 | |
CN114390438B (zh) | 一种交通设备定位方法及装置 | |
Pattara-Atikom et al. | Estimating road traffic congestion from cell dwell time using neural network | |
US7209710B2 (en) | Bandwidth management in a wireless measurement system using statistical processing of measurement data | |
CN109996272B (zh) | 室分外泄信号的检测方法、装置、设备及介质 | |
CN111866847A (zh) | 移动通信网络数据分析方法、设备及计算机存储介质 | |
CN113316162A (zh) | 网络覆盖连续性的确定方法、装置、设备及存储介质 | |
CN108573265B (zh) | 人流量统计方法及统计系统 | |
CN116311889A (zh) | 一种高排路段识别方法、装置、设备及介质 | |
CN110602652B (zh) | 投诉模型的训练方法、用户投诉的预测方法、装置及设备 | |
CN114745289A (zh) | 网络性能数据的预测方法、装置、存储介质及设备 | |
CN108932838A (zh) | 检测高速公路上的拥堵状况的方法和装置 | |
CN109993388B (zh) | 劣化小区主因判断方法、装置、设备及介质 | |
US20240196251A1 (en) | Method for characterization of paths travelled by mobile user terminals | |
CN113133049B (zh) | 确定主覆盖小区的方法、装置、设备及介质 | |
CN115175100B (zh) | 网络覆盖问题处理方法、装置、服务器及存储介质 | |
CN116193574B (zh) | 一种基于5g网络的观测信息融合定位关键技术方法与系统 | |
CN117830958B (zh) | 旅客通关候检管理方法、装置及电子设备 |
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 |