CN110113776A - 一种基于大数据技术的无线网络覆盖趋势预测方法及装置 - Google Patents

Abstract

本文公开了一种基于大数据技术的无线网络覆盖趋势预测方法及装置。所述方法包括：从GSM‑R移动网络覆盖的铁路线路沿线的通信数据中提取预定时间范围内的Abis接口测量报告，结合所述铁路线路的无线网络配置信息生成数据记录集合；确定每一个小区的边缘区域，按照小区边缘区域对所述数据记录集合进行分组，生成每一个小区边缘区域的下行电平数据集；利用每一个小区边缘区域的下行电平数据集确定所述小区边缘区域下行电平值与时间的对应关系，根据所述对应关系预测所述小区边缘区域的下行电平覆盖趋势。本文的技术方案能够利用大数据技术提前发现覆盖趋势下降的小区，为列车控制系统的可靠运行提供保障。

Description

一种基于大数据技术的无线网络覆盖趋势预测方法及装置

技术领域

本发明涉及通信技术领域，尤其涉及的是一种基于大数据技术的无线网络覆盖趋势预测方法及装置。

背景技术

CTCS-3(简称C3)系统是我国目前支持列车运营速度最高的列车运行控制系统，利用GSM-R(GSM for Railways，用于铁路的全球移动通信系统)移动通信网络作为车-地双向安全数据传输通道，整个系统中的两大关键设备为车载ATP(Automatic TrainProtection，列车超速防护)和地面RBC(Radio Blocking Center，无线闭塞中心)。

LOCOTROL(动力分布多机无线重联同步控制技术)是重载铁路的控制核心，成功应用于大秦重载铁路。LOCOTROL系统也利用GSM-R移动通信网络作为数据传输通道，车载设备OCU(On-board Communication Unit，车载通信单元)和地面设备AN(Application Node，应用节点)联合工作，达到重载列车的安全可靠运行。

随着大数据技术和人工智能技术的迅速发展，越来越多的相关应用在互联网领域中得到充分的应用，但是受限于一些因素，在传统技术领域中，这些先进技术还没有得到充分利用。

对于铁路移动通信，由于基站俯仰角的变化或者基站性能下降等原因，小区下行电平的覆盖范围可能会发生变化，小区下行电平覆盖范围下降，会导致承载C3或LOCOTROL等列控业务呼叫中断概率增大，影响列车正常行驶。

发明内容

本文提供一种基于大数据技术的无线网络覆盖趋势预测方法及装置，能够利用大数据技术提前发现覆盖趋势下降的小区，为列车控制系统的可靠运行提供保障。

根据本申请的第一方面，本发明实施例提供一种基于大数据技术的无线网络覆盖趋势预测方法，包括：

从GSM-R移动网络覆盖的铁路线路沿线的通信数据中提取预定时间范围内的Abis接口测量报告，结合所述铁路线路的无线网络配置信息生成数据记录集合；

确定每一个小区的边缘区域，按照小区边缘区域对所述数据记录集合进行分组，生成每一个小区边缘区域的下行电平数据集；

利用每一个小区边缘区域的下行电平数据集确定所述小区边缘区域下行电平值与时间的对应关系，根据所述对应关系预测所述小区边缘区域的下行电平覆盖趋势。

根据本申请的第二方面，本发明实施例提供一种基于大数据技术的无线网络覆盖趋势预测装置，包括：

数据获取模块，用于从GSM-R移动网络覆盖的铁路线路沿线的通信数据中提取预定时间范围内的Abis接口测量报告，结合所述铁路线路的无线网络配置信息生成数据记录集合；

数据集生成模块，用于确定每一个小区的边缘区域，按照小区边缘区域对所述数据记录集合进行分组，生成每一个小区边缘区域的下行电平数据集；

覆盖趋势预测模块，用于利用每一个小区边缘区域的下行电平数据集确定所述小区边缘区域下行电平值与时间的对应关系，根据所述对应关系预测所述小区边缘区域的下行电平覆盖趋势。

与相关技术相比，本发明实施例提供的一种基于大数据技术的无线网络覆盖趋势预测方法及装置，从GSM-R移动网络覆盖的铁路线路沿线的通信数据中提取预定时间范围内的Abis接口测量报告，结合所述铁路线路的无线网络配置信息生成数据记录集合；确定每一个小区的边缘区域，按照小区边缘区域对所述数据记录集合进行分组，生成每一个小区边缘区域的下行电平数据集；利用每一个小区边缘区域的下行电平数据集确定所述小区边缘区域下行电平值与时间的对应关系，根据所述对应关系预测所述小区边缘区域的下行电平覆盖趋势。本发明实施例的技术方案能够利用大数据技术提前发现覆盖趋势下降的小区，为CTCS-3系统或LOCOTROL系统的可靠运行提供保障。

附图说明

图1为本发明实施例1的一种铁路信号智能维护系统示意图；

图2为本发明实施例2的一种基于大数据技术的无线网络覆盖趋势预测方法流程图；

图3为本发明实施例3的一种基于大数据技术的无线网络覆盖趋势预测装置示意图。

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，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。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。

实施例1

如图1所示，本申请针对C3系统和LOCOTROL系统提出一种架构在云平台和大数据平台上的铁路信号智能维护系统，采用了大量的大数据处理技术和人工智能技术，目的就是把当前铁路维护水平从人工发现故障->手工分析故障提升到自动发现故障->自动分析故障水平，然后再逐步演化到自动发现潜在问题->预测故障，防患于未然。

所述智能维护系统至少包括数据采集层、数据预处理及存储层、数据挖掘层和应用功能层。

所述数据采集层具有新数据感知功能，数据提取功能和数据传送功能。其中，新数据感知功能通过各种数据接口发现新的业务呼叫，触发数据提取功能提取对应的业务数据。数据提取功能通过数据关联技术提取多个数据源内的相关数据，包括GSM-R移动网络各接口相关数据，C3系统和/或LOCOTROL系统的业务运行数据等。数据传送功能可以将提取到的数据通过转换处理发送到数据预处理及存储层。

所述数据预处理及存储层，能够对数据进行清洗、转换、标记和索引，形成明细数据进行存储。由于数据采集层中采集的数据是分散的，通过本层的数据预处理，可以先把业务呼叫数据进行流式汇聚(流式代表数据是实时的，不中断的)，然后利用大数据处理技术，把每个业务呼叫的全部数据分散到大数据平台的每个服务器上进行分别处理，保证数据的实时性。

数据挖掘层，能够利用分布式内存计算框架，加载长达数月或年以上单位的数据，根据既定的算法计算数据中潜在的信息，根据不同的业务数据，设计不同的挖掘算法，实现每一类算法的挖掘功能，根据不同的配置，定时计算挖掘结果。将业务呼叫数据通过特征提取，建立多维特征向量用于后续的数据分析。

应用功能层，能够利用数据挖掘层提供的特征向量，自动分析C3系统和/或LOCOTROL系统的各种故障类型，并为不同的故障类型产生不同的分析报告。构建故障预测模型，通过模型训练实现故障预测。

数据呈现层，用于对整个平台数据的配置，用户的管理，数据结果的呈现，数据的查询与统计，数据的对比等等各种衍生功能。

系统安全防护层，用于对系统进行安全隔离、病毒防护和入侵防护。

实施例2

如图2所示，本发明实施例提供了一种基于大数据技术的无线网络覆盖趋势预测方法，包括：

步骤S110，从GSM-R移动网络覆盖的铁路线路沿线的通信数据中提取预定时间范围内的Abis接口测量报告，结合所述铁路线路的无线网络配置信息生成数据记录集合；

步骤S120，确定每一个小区的边缘区域，按照小区边缘区域对所述数据记录集合进行分组，生成每一个小区边缘区域的下行电平数据集；

步骤S130，利用每一个小区边缘区域的下行电平数据集确定所述小区边缘区域下行电平值与时间的对应关系，根据所述对应关系预测所述小区边缘区域的下行电平覆盖趋势。

其中，Abis接口是GSM-R网络中，BTS(Base Transceiver Station，基站收发信机)与BSC(Base Station Controller，基站控制器)之间的物理接口。

其中，测量报告是Abis接口控制信令的一种，由BTS(Base Transceiver Station，基站收发信机)生成，然后发给BSC(Base Station Controller，基站控制器)。BSC通过测量报告中的信息确定当前MT(Mobile Terminal，移动终端)呼叫的无线网络情况，确定当前呼叫是否可以接续，当出现不可接续的情况，就要指示MT就近切换一个无线网络状况更好的小区，如果切换也不能保持呼叫，那就释放呼叫回收资源。

测量报告中包含了上行测量的测量结果以及下行测量的测量结果。其中，上行测量由BTS测量MT发送的上行信号，下行测量由MT测量BTS发送的下行信号；

其中，所述预定时间范围根据应用的需要进行设定；比如，可以是一天，一周，一个月，三个月，半年，一年等；也可以是任意设定的起止时间范围。

在一种实施方式中，所述铁路线路的无线网络配置信息包括：BTS的小区BCCH(Broadcast Control Channel，广播控制信道)载频、TCH(Traffic Channel，业务信道)载频、BTS标识、以及数据采集端口与BTS标识关系等。

在一种实施方式中，所述数据记录集合中的数据记录包括以下信息字段：下行电平值、小区标识、定时提前量(Time Advace，简称TA)值、下行测量对应的数据采集时间；

其中，下行电平是MT测量的BTS发送的下行信号强度；

其中，当一个BTS对应一个小区时，所述小区标识可以是BTS标识；

其中，在GSM(Global System For Mobile Communications，全球移动通信系统)系统和GSM-R(GSM for Railways，用于铁路的全球移动通信系统)中，突发脉冲的发送与接收必须严格地在相应的时隙中进行，所以系统必须保证严格的同步。然而，移动台是随机移动的，当移动台与基站距离远近不同时，它的突发脉冲的传输时延就不同。为了克服由突发脉冲的传输时延所带来的定时的不确定，基站要指示移动台以一定的提前量发送突发脉冲，以补偿所增加的时延。TA值因此可以用于指示移动台与基站之间的距离远近，TA值越大，移动台距离基站越远。

其中，当BTS正确解析MT上报的测量报告后，把MT的下行测量值和BTS的上行测量值封装成新的消息发送给BSC。铁路信号智能维护系统的数据采集模块从Abis接口上采集测量报告消息并记录采集时间。由于MT测量下行信号的时间与数据采集模块采集Abis接口测量报告的数据采集时间之间的时间差很小(比如，毫秒级)，因此，下行测量对应的数据采集时间可以近似表示下行测量的测量时间；

在一种实施方式中，从GSM-R移动网络覆盖的铁路线路沿线的通信数据中提取预定时间范围内的Abis接口测量报告，包括：

利用分布式内存计算框架和分布式存储系统，加载GSM-R移动网络覆盖的铁路线路沿线的通信数据；

从所述通信数据中提取预定时间范围内的Abis接口测量报告；

其中，所述分布式内存计算框架可以是Spark系统，分布式存储系统可以是Hbase系统；

在一种实施方式中，所述确定每一个小区的边缘区域，包括：

将每一个小区内TA值大于阈值的m个区域确定为所述小区的m个边缘区域；m大于或等于1；

在一种实施方式中，所述利用每一个小区边缘区域的下行电平数据集确定所述小区边缘区域下行电平值与时间的对应关系，包括：

对每一个小区边缘区域的下行电平数据集执行以下处理：

将所述小区边缘区域的下行电平数据集按照下行测量对应的数据采集时间所属的时间段分成M组，对每一个时间段分组内的所有下行电平值取均值；

利用多项式拟合确定所述小区边缘区域的下行电平均值与时间的函数关系，获得拟合曲线作为进行趋势预测的预测曲线；其中，M大于1；

在一种实施方式中，所述利用多项式拟合确定所述小区边缘区域的下行电平均值与时间的函数关系，获得拟合曲线作为进行趋势预测的预测曲线，包括：

采用最小二乘法对所述小区边缘区域的下行电平均值与时间的函数关系进行曲线拟合，获得拟合曲线作为进行趋势预测的预测曲线；

在一种实施方式中，所述利用多项式拟合确定所述小区边缘区域的下行电平均值与时间的函数关系，获得拟合曲线作为进行趋势预测的预测曲线，包括：

利用高阶多项式对所述小区边缘区域的下行电平均值与时间的函数关系进行曲线拟合，得到一次拟合曲线；

在所述一次拟合曲线上搜索局部极值点；

利用一阶多项式对所有局部极值点的下行电平值与时间的对应关系进行曲线拟合，得到二次拟合曲线作为进行趋势预测的预测曲线；

其中，局部极值点是所述一次拟合曲线上的波峰和波谷的点；

在一种实施方式中，所述根据所述对应关系预测所述小区边缘区域的下行电平覆盖趋势，包括：

计算所述预测曲线的斜率，当所述斜率小于零时，判定所述小区边缘区域的下行电平覆盖趋势为覆盖下降；

另外，当所述斜率大于零时，判定所述小区边缘区域的下行电平覆盖趋势为覆盖增强。

其中，小区边缘区域覆盖增强是指所述小区边缘区域的覆盖范围变大；小区边缘区域覆盖下降，是指所述小区小区边缘区域的覆盖范围变小。

在一种实施方式中，所述方法还包括：

对下行电平覆盖趋势为覆盖下降的小区边缘区域进行上报；

上述基于大数据技术的无线网络小区覆盖趋势预测方法通过使用大量的GSM-R无线网络Abis接口的测量报告数据，预测GSM-R无线网络小区边缘区域的覆盖趋势，找出覆盖趋势为覆盖范围下降的小区边缘区域进行提示。

实施例3

如图3所示，本发明实施例提供了一种基于大数据技术的无线网络覆盖趋势预测装置，包括：

数据获取模块301，用于从GSM-R移动网络覆盖的铁路线路沿线的通信数据中提取预定时间范围内的Abis接口测量报告，结合所述铁路线路的无线网络配置信息生成数据记录集合；

数据集生成模块302，用于确定每一个小区的边缘区域，按照小区边缘区域对所述数据记录集合进行分组，生成每一个小区边缘区域的下行电平数据集；

覆盖趋势预测模块303，用于利用每一个小区边缘区域的下行电平数据集确定所述小区边缘区域下行电平值与时间的对应关系，根据所述对应关系预测所述小区边缘区域的下行电平覆盖趋势。

在一种实施方式中，所述数据记录集合中的数据记录包括以下信息字段：下行电平值、小区标识、定时提前量TA值、下行测量对应的数据采集时间。

在一种实施方式中，所述数据获取模块，用于采用以下方式从GSM-R移动网络覆盖的铁路线路沿线的通信数据中提取预定时间范围内的Abis接口测量报告：利用分布式内存计算框架和分布式存储系统，加载GSM-R移动网络覆盖的铁路线路沿线的通信数据；从所述通信数据中提取预定时间范围内的Abis接口测量报告。

在一种实施方式中，所述数据集生成模块，用于采用以下方式确定每一个小区的边缘区域：将每一个小区内TA值大于阈值的m个区域确定为所述小区的m个边缘区域；m大于或等于1。

在一种实施方式中，所述覆盖趋势预测模块，用于采用以下方式利用每一个小区边缘区域的下行电平数据集确定所述小区边缘区域下行电平值与时间的对应关系：对每一个小区边缘区域的下行电平数据集执行以下处理：将所述小区边缘区域的下行电平数据集按照下行测量对应的数据采集时间所属的时间段分成M组，对每一个时间段分组内的所有下行电平值取均值；利用多项式拟合确定所述小区边缘区域的下行电平均值与时间的函数关系，获得拟合曲线作为进行趋势预测的预测曲线。

在一种实施方式中，所述覆盖趋势预测模块，用于采用以下方式利用多项式拟合确定所述小区边缘区域的下行电平均值与时间的函数关系，获得拟合曲线作为进行趋势预测的预测曲线：利用高阶多项式对所述小区边缘区域的下行电平均值与时间的函数关系进行曲线拟合，得到一次拟合曲线；在所述一次拟合曲线上搜索局部极值点；利用一阶多项式对所有局部极值点的下行电平值与时间的对应关系进行曲线拟合，得到二次拟合曲线作为进行趋势预测的预测曲线。

在一种实施方式中，所述覆盖趋势预测模块，用于采用以下方式利用多项式拟合确定所述小区边缘区域的下行电平均值与时间的函数关系，获得拟合曲线作为进行趋势预测的预测曲线：采用最小二乘法对所述小区边缘区域的下行电平均值与时间的函数关系进行曲线拟合，获得拟合曲线作为进行趋势预测的预测曲线。

在一种实施方式中，所述覆盖趋势预测模块，用于采用以下方式根据所述对应关系预测所述小区边缘区域的下行电平覆盖趋势：计算所述预测曲线的斜率，当所述斜率小于零时，判定所述小区边缘区域的下行电平覆盖趋势为覆盖下降。

在一种实施方式中，所述覆盖趋势预测模块，还用于对下行电平覆盖趋势为覆盖下降的小区边缘区域进行上报。

上述基于大数据技术的无线网络覆盖趋势预测装置通过使用大量的GSM-R无线网络Abis接口的测量报告数据，预测GSM-R无线网络小区边缘区域的覆盖趋势，找出覆盖趋势为覆盖范围下降的小区边缘区域进行提示。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

需要说明的是，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种基于大数据技术的无线网络覆盖趋势预测方法，包括：

从GSM-R移动网络覆盖的铁路线路沿线的通信数据中提取预定时间范围内的Abis接口测量报告，结合所述铁路线路的无线网络配置信息生成数据记录集合；

确定每一个小区的边缘区域，按照小区边缘区域对所述数据记录集合进行分组，生成每一个小区边缘区域的下行电平数据集；

利用每一个小区边缘区域的下行电平数据集确定所述小区边缘区域下行电平值与时间的对应关系，根据所述对应关系预测所述小区边缘区域的下行电平覆盖趋势。

2.如权利要求1所述的方法，其特征在于：

所述数据记录集合中的数据记录包括以下信息字段：下行电平值、小区标识、定时提前量TA值、下行测量对应的数据采集时间。

3.如权利要求1所述的方法，其特征在于：

所述从GSM-R移动网络覆盖的铁路线路沿线的通信数据中提取预定时间范围内的Abis接口测量报告，包括：

利用分布式内存计算框架和分布式存储系统，加载GSM-R移动网络覆盖的铁路线路沿线的通信数据；

从所述通信数据中提取预定时间范围内的Abis接口测量报告。

4.如权利要求2所述的方法，其特征在于：

所述确定每一个小区的边缘区域，包括：

将每一个小区内TA值大于阈值的m个区域确定为所述小区的m个边缘区域；m大于或等于1。

5.如权利要求2所述的方法，其特征在于：

所述利用每一个小区边缘区域的下行电平数据集确定所述小区边缘区域下行电平值与时间的对应关系，包括：

对每一个小区边缘区域的下行电平数据集执行以下处理：

将所述小区边缘区域的下行电平数据集按照下行测量对应的数据采集时间所属的时间段分成M组，对每一个时间段分组内的所有下行电平值取均值；

利用多项式拟合确定所述小区边缘区域的下行电平均值与时间的函数关系，获得拟合曲线作为进行趋势预测的预测曲线。

6.如权利要求5所述的方法，其特征在于：

所述利用多项式拟合确定所述小区边缘区域的下行电平均值与时间的函数关系，获得拟合曲线作为进行趋势预测的预测曲线，包括：

利用高阶多项式对所述小区边缘区域的下行电平均值与时间的函数关系进行曲线拟合，得到一次拟合曲线；

在所述一次拟合曲线上搜索局部极值点；

利用一阶多项式对所有局部极值点的下行电平值与时间的对应关系进行曲线拟合，得到二次拟合曲线作为进行趋势预测的预测曲线。

7.如权利要求5所述的方法，其特征在于：

所述利用多项式拟合确定所述小区边缘区域的下行电平均值与时间的函数关系，获得拟合曲线作为进行趋势预测的预测曲线，包括：

采用最小二乘法对所述小区边缘区域的下行电平均值与时间的函数关系进行曲线拟合，获得拟合曲线作为进行趋势预测的预测曲线。

8.如权利要求6或7所述的方法，其特征在于：

所述根据所述对应关系预测所述小区边缘区域的下行电平覆盖趋势，包括：

计算所述预测曲线的斜率，当所述斜率小于零时，判定所述小区边缘区域的下行电平覆盖趋势为覆盖下降。

9.如权利要求8所述的方法，其特征在于，所述方法还包括：

对下行电平覆盖趋势为覆盖下降的小区边缘区域进行上报。

10.一种基于大数据技术的无线网络覆盖趋势预测装置，包括：

数据获取模块，用于从GSM-R移动网络覆盖的铁路线路沿线的通信数据中提取预定时间范围内的Abis接口测量报告，结合所述铁路线路的无线网络配置信息生成数据记录集合；

数据集生成模块，用于确定每一个小区的边缘区域，按照小区边缘区域对所述数据记录集合进行分组，生成每一个小区边缘区域的下行电平数据集；

覆盖趋势预测模块，用于利用每一个小区边缘区域的下行电平数据集确定所述小区边缘区域下行电平值与时间的对应关系，根据所述对应关系预测所述小区边缘区域的下行电平覆盖趋势。