CN110348717B - 基于栅格粒度的基站价值评分方法和装置 - Google Patents
基于栅格粒度的基站价值评分方法和装置 Download PDFInfo
- Publication number
- CN110348717B CN110348717B CN201910580412.XA CN201910580412A CN110348717B CN 110348717 B CN110348717 B CN 110348717B CN 201910580412 A CN201910580412 A CN 201910580412A CN 110348717 B CN110348717 B CN 110348717B
- Authority
- CN
- China
- Prior art keywords
- target
- grid
- data
- index
- base station
- 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
- 238000013077 scoring method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 13
- 238000003860 storage Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 18
- 230000011664 signaling Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于栅格粒度的基站价值评分方法、装置、计算机设备和存储介质。该基于栅格粒度的基站价值评分方法包括：采集并关联用户上报的目标数据，其中，目标数据与待分析指标对应；确定待分析指标中的目标指标；将目标指标的数据进行栅格级的分解，得到每个栅格的目标指标的数据；确定目标指标的权重；根据每个栅格的目标指标的数据计算每个栅格的评分标准，并根据每个栅格的评分标准和目标指标的权重计算每个栅格的综合维度得分；采用基站范围生成器，确定目标基站的栅格范围；根据每个栅格的综合维度得分和基站的栅格范围，确定目标基站的价值评分。采用该基于栅格粒度的基站价值评分方法能够根据价值评分实现合理的基站规划。
Description
【技术领域】
本发明涉及无线通信技术领域，尤其涉及一种基于栅格粒度的基站价值评分方法和装置。
【背景技术】
随着LTE(Long Term Evolution，长期演进)网络逐步建设，网络结构日益完善，网络规划工作在度过不计成本的基础建设期后，近几年网络建设投资大幅缩减，逐步转变为以网络问题、投资收益为目标的精准价值建网，然而，目前仍无法实现合理的基站规划。
【发明内容】
有鉴于此，本发明实施例提供了一种基于栅格粒度的基站价值评分方法、装置、计算机设备和存储介质，用以解决目前无法实现合理的基站规划的问题。
第一方面，本发明实施例提供了一种基于栅格粒度的基站价值评分方法，包括：
采集并关联用户上报的目标数据，其中，所述目标数据与待分析指标对应；
基于所述待分析指标间的相关性，确定所述待分析指标中的目标指标，其中，所述目标指标为指标重要性超过预设参考阈值的待分析指标；
将所述目标指标的数据进行栅格级的分解，得到每个栅格的目标指标的数据，其中，所述目标指标的数据是指与所述目标指标对应的所述目标数据；
确定所述目标指标的权重；
根据所述每个栅格的目标指标的数据计算每个栅格的评分标准，并根据所述每个栅格的评分标准和所述目标指标的权重计算每个栅格的综合维度得分；
采用基站范围生成器，确定目标基站的栅格范围；
根据所述每个栅格的综合维度得分和所述基站的栅格范围，确定所述目标基站的价值评分，以根据所述目标基站的价值评分进行基站规划。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述目标数据包括测量报告数据、信令数据和话单数据，所述目标数据包括用户标识，所述采集并关联用户上报的目标数据，包括：
采用网络数采集器，对预设时间内用户上报的所述测量报告数据、所述信令数据和所述话单数据进行采集；
根据所述用户标识和所述预设时间关联所述测量报告数据、所述信令数据和所述话单数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于所述待分析指标间的相关性，确定所述待分析指标中的目标指标，包括：
计算所述待分析指标的指标重要性ωi，其中，ωi计算公式为，
其中，n表示待分析指标的个数，i，j，l为计算过程的索引，Ail表示第i个待分析指标与第l个待分析指标间的相关性，Ajl表示第j个待分析指标与第l个待分析指标间的相关性，Aij表示第i个待分析指标与第j个待分析指标间的相关性，ωij表示第i个待分析指标与第j个待分析指标间的全面相关性；
将所述指标重要性大于第一预设阈值的待分析指标作为目标指标。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述目标指标包括定位强相关指标和定位弱相关指标，所述将所述目标指标的数据进行栅格级的分解，得到每个栅格的目标指标的数据，包括：
对于所述定位强相关指标，基于所述测量报告数据的定位结果，将所述目标指标分解至栅格级别；
对于所述定位弱相关指标，以主服务小区信息为标识，采用赋值法将所述目标指标分解至栅格级别。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述确定所述目标指标的权重，包括：
对所述目标指标中的数据进行数据标准化，所述数据标准化的计算公式为，
其中，i，j为计算过程的索引，所述xij表示第i个样本中第j个目标指标下的数据，xi表示第i个样本中的数据，Yij表示第i个样本中第j个目标指标下数据标准化后得到的数据；
根据标准化后的数据计算得到所述目标指标的熵，计算公式为，
根据所述目标指标的熵计算得到所述目标指标的权重，计算公式为，
其中，k表示第i样本中所述目标指标的数量，Wi表示第i样本中所述目标指标的权重。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述每个栅格的目标指标的数据计算每个栅格的评分标准，包括：
基于所述目标指标的数据的离散程度，对所述每个栅格的目标指标的数据进行清洗，去除不满足预设条件的目标指标的数据；
采用插值法的方式确认所述每个栅格的评分标准，其中，计算公式为，
其中，所述Scoreij表示所述每个栅格中第i个样本中第j个指标的评分标准，xij为第i个样本中第j个目标指标下的数据，Min_Valuej表示每个栅格中第j个目标指标下的数据的最小值，Max_Valuej表示每个栅格中第j个目标指标下的数据的最大值。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述每个栅格的综合维度得分和所述基站的栅格范围，确定所述目标基站的价值评分，包括：
将在所述基站的栅格范围内的所述每个栅格的综合维度得分进行累加，得到所述目标基站的价值评分。
第二方面，本发明实施例提供了一种基于栅格粒度的基站价值评分装置，包括：
目标数据获取模块，用于采集并关联用户上报的目标数据，其中，所述目标数据与待分析指标对应；
目标指标确定模块，用于基于所述待分析指标间的相关性，确定所述待分析指标中的目标指标，其中，所述目标指标为指标重要性超过预设参考阈值的待分析指标；
栅格数据获取模块，用于将所述目标指标的数据进行栅格级的分解，得到每个栅格的目标指标的数据，其中，所述目标指标的数据是指与所述目标指标对应的所述目标数据；
目标指标权重确定模块，用于确定所述目标指标的权重；
评分标准及综合维度得分获取模块，用于根据所述每个栅格的目标指标的数据计算每个栅格的评分标准，并根据所述每个栅格的评分标准和所述目标指标的权重计算每个栅格的综合维度得分；
栅格范围确定模块，用于采用基站范围生成器，确定目标基站的栅格范围；
价值评分确定模块，用于根据所述每个栅格的综合维度得分和所述基站的栅格范围，确定所述目标基站的价值评分，以根据所述目标基站的价值评分进行基站规划。
第三方面，一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于栅格粒度的基站价值评分方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，包括：计算机程序，所述计算机程序被处理器执行时实现上述基于栅格粒度的基站价值评分方法的步骤。
在本发明实施例中，首先通过确定待分析指标中的目标指标，采用栅格级的分解方式将目标指标的数据缩小到栅格粒度，能够提高基站价值评分的准确性；然后基于采集的目标指标的数据，计算得到客观准确的每个栅格的评分标准以及目标指标的权重，并采用该每个栅格的评分标准以及目标指标的权重计算每个栅格的综合维度得分，最后根据确定每个栅格的综合维度得分和所述基站的栅格范围得到所述目标基站的价值评分。该目标基站的价值评分综合了不同栅格的综合维度得分，以及体现了不同目标指标的重要程度，根据该目标基站的价值评分能够实现合理的基站规划。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明一实施例中基于栅格粒度的基站价值评分方法的一流程图；
图2是本发明一实施例中基于栅格粒度的基站价值评分装置的一示意图；
图3是本发明一实施例中计算机设备的一示意图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，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它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的相同的字段，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“/”，一般表示前后关联对象是一种“或”的关系。
应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述预设范围等，但这些预设范围不应限于这些术语。这些术语仅用来将预设范围彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一预设范围也可以被称为第二预设范围，类似地，第二预设范围也可以被称为第一预设范围。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
图1示出本实施例中基于栅格粒度的基站价值评分方法的一流程图。该基于栅格粒度的基站价值评分方法可应用在基站价值评分系统上，在进行基站价值评分时可采用该基站价值评分系统进行判定。该基站价值评分系统具体可应用在计算机设备上，其中，该计算机设备是可与用户进行人机交互的设备，包括但不限于电脑、智能手机和平板等设备。如图1所示，该基于栅格粒度的基站价值评分方法包括如下步骤：
S10：采集并关联用户上报的目标数据，其中，目标数据与待分析指标对应。
其中，用户上报的数据是指用户在进行通信行为时所产生并上传的通信数据，目标数据是指用户在这些通信数据中进行研究和采集的数据。
其中，目标数据与待分析指标对应，如与指标类型(维度)为网络覆盖中的待分析指标：测量报告覆盖率、竞对覆盖质量等对应；与指标类型为网络体验中的待分析指标：带宽满足度、下载速率等对应。可以理解地，一个目标数据对应与一待分析指标，而一待分析指标可以对应多个不同的目标数据。这些待分析指标是进行基站规划需要考虑的指标因素，有重要的参考意义。
可以理解地，用户上报的目标数据是客观的，可以将目标数据收集并关联后作进一步地分析，从而保证分析是建立在客观数据上的。
进一步地，在步骤S10中，目标数据包括测量报告数据(MR(Measurement Report，测量报告)数据)、信令数据和话单数据，目标数据包括用户标识，采集并关联用户上报的目标数据，包括：
S11：采用网络数采集器，对预设时间内用户上报的测量报告数据、信令数据和话单数据进行采集。
在一实施例中，可在同一时间段内采用网络数采集器，采集用户上报的测量报告数据、信令数据和话单数据，以根据这些目标数据进行进一步的分析和挖掘。
S12：根据用户标识和预设时间关联测量报告数据、信令数据和话单数据。
具体地，MR数据主要字段如下：
信令数据主要字段如下：
| START_TIME | END_TIME | SGW-GGSN_GTP_TEID | HOST | CID | HTTP_CONTENT |
话单数据关键字段如下：
从以上各目标数据的字段可以采集获取通信行为中产生的数据，并且这些数据可以归为待分析指标进行数据分析。
S20：基于待分析指标间的相关性，确定待分析指标中的目标指标，其中，目标指标为指标重要性超过预设参考阈值的待分析指标。
可以理解地，待分析指标之间是存在一定联系的，能够相互影响，具有相关性。在一实施例中，由于待分析指标有很多，且并不是每个待分析指标对基站规划都有重要的影响，因此可以从待分析指标中获取目标指标，该目标指标为指标重要性超过预设参考阈值的待分析指标。
在一实施例中，如表1所示：
表1
从表1中可以看出，目标数据中有多种待分析指标的类型及名称，并且，从基站规划的角度出发，将指标的价值维度分为网络价值和经济价值，有助于提高基站规划的合理性。
从表1中可以看出，指标类型具体包括网络覆盖、网络体验、网络负荷、用户数量、消费能力和流量业务等等。每一指标类型对应一个或多个待分析指标(指标名称)，每一待分析指标都有其对应的重要性，可从中选择重要性超过预设参考阈值的待分析指标作为目标指标。
进一步地，在步骤S20中，基于待分析指标间的相关性，确定待分析指标中的目标指标，包括：
S21：计算待分析指标的指标重要性ωi，其中，ωi计算公式为，
其中，n表示待分析指标的个数，i，j，l为计算过程的索引，Ail表示第i个待分析指标与第l个待分析指标间的相关性，Ajl表示第j个待分析指标与第l个待分析指标间的相关性，Aij表示第i个待分析指标与第j个待分析指标间的相关性，ωij表示第i个待分析指标与第j个待分析指标间的全面相关性。其中，min()表示取最小值的操作。
可以理解地，两个待分析指标之间的相关性除了其直接的联系，还可以间接通过其他待分析指标体现。例如，假设A、B属于同一个公司，且A与B不认识，互相无关联，但A与B都各有该公司的很多共同好友，则可以认为A与B的社交网络重叠性强，本实施例中的第l个待分析指标即因此而设置，能够体现出两个待分析指标之间的全面相关性。
S22：将指标重要性大于第一预设阈值的待分析指标作为目标指标。
S30：将目标指标的数据进行栅格级的分解，得到每个栅格的目标指标的数据，其中，目标指标的数据是指与目标指标对应的目标数据。
可以理解地，在分析目标指标的数据时，可以采用栅格作为分析参考的粒度。以提高后续得到的基站价值评分的准确性。
在一实施例中，可根据MR数据的定位结果将目标指标分解至栅格级别。
进一步地，在步骤S30中，目标指标包括定位强相关指标和定位弱相关指标，将目标指标的数据进行栅格级的分解，得到每个栅格的目标指标的数据，包括：
S31：对于定位强相关指标，基于测量报告数据的定位结果，将目标指标分解至栅格级别。
其中，定位强相关指标具体可以包括用户流量、消费能力、覆盖质量等定位能力较强的指标。
S32：对于定位弱相关指标，以主服务小区信息为标识，采用赋值法将目标指标分解至栅格级别。
其中，定位弱相关指标具体可以包括高负荷频次、频率组成等定位能力较弱的指标。
对于定位弱相关指标，可直接参考主服务小区信息进行赋值。
S40：确定目标指标的权重。
可以理解地，目标指标对基站价值的影响不同，为更加客观评价需对各目标指标的评分权重进行设置。在信息论中，熵是对不确定性的一种度量，熵越小，可辨识度就越高，因此，可以用熵值来判断某个目标指标的有序程度，指标的有序程度越大，越能对评价对象做清晰的区分，其中，区分度高的维度权重就大，反之权重越小。
进一步地，在步骤S40中，确定目标指标的权重，包括：
S41：对目标指标中的数据进行数据标准化，数据标准化的计算公式为，
其中，i，j为计算过程的索引，xij表示第i个样本中第j个目标指标下的数据，xi表示第i个样本中的数据，Yij表示第i个样本中第j个目标指标下数据标准化后得到的数据。其中，min()表示取最小值的操作，max()表示取最大值的操作。
S42：根据标准化后的数据计算得到目标指标的熵，计算公式为，
S43：根据目标指标的熵计算得到目标指标的权重，计算公式为，
其中，k表示第i样本中目标指标的数量，Wi表示第i样本中目标指标的权重。
S50：根据每个栅格的目标指标的数据计算每个栅格的评分标准，并根据每个栅格的评分标准和目标指标的权重计算每个栅格的综合维度得分。
其中，每个栅格有多个目标指标，每个栅格的评分标准包括对多个目标指标的不同评分标准。该栅格的评分标准使得单个目标指标的维度(类型)的评分结果更客观。
在一实施例中，反映每个栅格的价值的维度具体可以有网络价值和经济价值，从这两个维度共同考虑可以规划得到更为合理的基站。
具体地，如表2所示：
表2
在表2中从网络价值和经济价值出发，根据每个栅格(中目标指标)的评分标准和目标指标的权重计算每个栅格的综合维度得分，计算公式如表2所示。
进一步地，在步骤S50中，根据每个栅格的目标指标的数据计算每个栅格的评分标准，包括：
S51：基于目标指标的数据的离散程度，对每个栅格的目标指标的数据进行清洗，去除不满足预设条件的目标指标的数据。
为使单指标评分结果更加客观，本实施例中先对指标数据进行清洗，剔除离散度过大的数据。
本发明基于插值法建立指标的得分模型，插值评分主要有线性差值和非线性差值两种，可根据评估体系各维度数据的分布情况进行选取，数据离散性大的，采用非线性差值模型，数据离散性小的，采用线性差值模型。
S52：采用插值法的方式确认每个栅格的评分标准，其中，计算公式为，
其中，Scoreij表示每个栅格中第i个样本中第j个指标的评分标准，xij为第i个样本中第j个目标指标下的数据，Min_Valuej表示每个栅格中第j个目标指标下的数据的最小值，Max_Valuej表示每个栅格中第j个目标指标下的数据的最大值。
可以理解地，为使得单个目标指标的维度的评分结果更客观，在一实施例中，先对指标数据进行清洗，剔除离散度过大的数据，接着，基于插值法建立目标指标的得分模型。
S60：采用基站范围生成器，确定目标基站的栅格范围。
S70：根据每个栅格的综合维度得分和基站的栅格范围，确定目标基站的价值评分，以根据目标基站的价值评分进行基站规划。
进一步地，在步骤S70中，根据每个栅格的综合维度得分和基站的栅格范围，确定目标基站的价值评分，包括：将在基站的栅格范围内的每个栅格的综合维度得分进行累加，得到目标基站的价值评分。
步骤S60-S70中，可在采用基站范围生成器仿真模拟目标基站的栅格范围，获得目标基站覆盖的栅格数量和位置(若有已拟建设区域界定覆盖范围，则取该已拟建设区域界定覆盖范围和目标基站的栅格范围的子集)，将覆盖范围内全部栅格的双维度评分进行累加，得到目标基站最终价值得分，当得分高于某一阈值时，认为价值较高可实施建设，当得分低于阈值时，认为价值较低暂缓建设或调整方案。
在本发明实施例中，首先通过确定待分析指标中的目标指标，采用栅格级的分解方式将目标指标的数据缩小到栅格粒度，能够提高基站价值评分的准确性；然后基于采集的目标指标的数据，计算得到客观准确的每个栅格的评分标准以及目标指标的权重，并采用该每个栅格的评分标准以及目标指标的权重计算每个栅格的综合维度得分，最后根据确定每个栅格的综合维度得分和所述基站的栅格范围得到所述目标基站的价值评分。该目标基站的价值评分综合了不同栅格的综合维度得分，以及体现了不同目标指标的重要程度，根据该目标基站的价值评分能够实现合理的基站规划。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
基于实施例中所提供的基于栅格粒度的基站价值评分方法，本发明实施例进一步给出实现上述方法实施例中各步骤及方法的装置实施例。
图2示出与实施例中基于栅格粒度的基站价值评分方法一一对应的基于栅格粒度的基站价值评分装置的原理框图。如图2所示，该基于栅格粒度的基站价值评分装置包括目标数据获取模块10、目标指标确定模块20、栅格数据获取模块30、目标指标权重确定模块40、评分标准及综合维度得分获取模块50、栅格范围确定模块60和价值评分确定模块70。其中，目标数据获取模块10、目标指标确定模块20、栅格数据获取模块30、目标指标权重确定模块40、评分标准及综合维度得分获取模块50、栅格范围确定模块60和价值评分确定模块70的实现功能与实施例中基于栅格粒度的基站价值评分方法对应的步骤一一对应，为避免赘述，本实施例不一一详述。
目标数据获取模块10，用于采集并关联用户上报的目标数据，其中，目标数据与待分析指标对应。
目标指标确定模块20，用于基于待分析指标间的相关性，确定待分析指标中的目标指标，其中，目标指标为指标重要性超过预设参考阈值的待分析指标。
栅格数据获取模块30，用于将目标指标的数据进行栅格级的分解，得到每个栅格的目标指标的数据，其中，目标指标的数据是指与目标指标对应的目标数据。
目标指标权重确定模块40，用于确定目标指标的权重。
评分标准及综合维度得分获取模块50，用于根据每个栅格的目标指标的数据计算每个栅格的评分标准，并根据每个栅格的评分标准和目标指标的权重计算每个栅格的综合维度得分。
栅格范围确定模块60，用于采用基站范围生成器，确定目标基站的栅格范围。
价值评分确定模块70，用于根据每个栅格的综合维度得分和基站的栅格范围，确定目标基站的价值评分，以根据目标基站的价值评分进行基站规划。
可选地，目标数据包括测量报告数据、信令数据和话单数据，目标数据包括用户标识，目标数据获取模块10具体用于：
采用网络数采集器，对预设时间内用户上报的测量报告数据、信令数据和话单数据进行采集；
根据用户标识和预设时间关联测量报告数据、信令数据和话单数据。
可选地，目标指标确定模块20具体用于：
计算待分析指标的指标重要性ωi，其中，ωi计算公式为，
其中，n表示待分析指标的个数，i，j，l为计算过程的索引，Ail表示第i个待分析指标与第l个待分析指标间的相关性，Ajl表示第j个待分析指标与第l个待分析指标间的相关性，Aij表示第i个待分析指标与第j个待分析指标间的相关性，ωij表示第i个待分析指标与第j个待分析指标间的全面相关性；
将指标重要性大于第一预设阈值的待分析指标作为目标指标。
可选地，目标指标包括定位强相关指标和定位弱相关指标，栅格数据获取模块30具体用于：
对于定位强相关指标，基于测量报告数据的定位结果，将目标指标分解至栅格级别；
对于定位弱相关指标，以主服务小区信息为标识，采用赋值法将目标指标分解至栅格级别。
可选地，目标指标权重确定模块40具体用于：
对目标指标中的数据进行数据标准化，数据标准化的计算公式为，
其中，i，j为计算过程的索引，xij表示第i个样本中第j个目标指标下的数据，xi表示第i个样本中的数据，Yij表示第i个样本中第j个目标指标下数据标准化后得到的数据；
根据标准化后的数据计算得到目标指标的熵，计算公式为，
根据目标指标的熵计算得到目标指标的权重，计算公式为，
其中，k表示第i样本中目标指标的数量，Wi表示第i样本中目标指标的权重。
可选地，评分标准及综合维度得分获取模块50具体用于：
基于目标指标的数据的离散程度，对每个栅格的目标指标的数据进行清洗，去除不满足预设条件的目标指标的数据；
采用插值法的方式确认每个栅格的评分标准，其中，计算公式为，
其中，Scoreij表示每个栅格中第i个样本中第j个指标的评分标准，xij为第i个样本中第j个目标指标下的数据，Min_Valuej表示每个栅格中第j个目标指标下的数据的最小值，Max_Valuej表示每个栅格中第j个目标指标下的数据的最大值。
可选地，价值评分确定模块70具体用于：
将在基站的栅格范围内的每个栅格的综合维度得分进行累加，得到目标基站的价值评分。
在本发明实施例中，首先通过确定待分析指标中的目标指标，采用栅格级的分解方式将目标指标的数据缩小到栅格粒度，能够提高基站价值评分的准确性；然后基于采集的目标指标的数据，计算得到客观准确的每个栅格的评分标准以及目标指标的权重，并采用该每个栅格的评分标准以及目标指标的权重计算每个栅格的综合维度得分，最后根据确定每个栅格的综合维度得分和所述基站的栅格范围得到所述目标基站的价值评分。该目标基站的价值评分综合了不同栅格的综合维度得分，以及体现了不同目标指标的重要程度，根据该目标基站的价值评分能够实现合理的基站规划。
本实施例提供一计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现实施例中基于栅格粒度的基站价值评分方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器执行时实现实施例中基于栅格粒度的基站价值评分装置中各模块/单元的功能，为避免重复，此处不一一赘述。
图3是本发明一实施例提供的计算机设备的示意图。如图3所示，该实施例的计算机设备80包括：处理器81、存储器82以及存储在存储器82中并可在处理器81上运行的计算机程序83，该计算机程序83被处理器81执行时实现实施例中的基于栅格粒度的基站价值评分方法，为避免重复，此处不一一赘述。或者，该计算机程序83被处理器81执行时实现实施例中基于栅格粒度的基站价值评分装置中各模型/单元的功能，为避免重复，此处不一一赘述。
计算机设备80可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备80可包括，但不仅限于，处理器81、存储器82。本领域技术人员可以理解，图3仅仅是计算机设备80的示例，并不构成对计算机设备80的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器81可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器82可以是计算机设备80的内部存储单元，例如计算机设备80的硬盘或内存。存储器82也可以是计算机设备80的外部存储设备，例如计算机设备80上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器82还可以既包括计算机设备80的内部存储单元也包括外部存储设备。存储器82用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器82还可以用于暂时地存储已经输出或者将要输出的数据。
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，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于栅格粒度的基站价值评分方法，其特征在于，所述方法包括：
采集并关联用户上报的目标数据，其中，所述目标数据与待分析指标对应；
基于所述待分析指标间的相关性，确定所述待分析指标中的目标指标，其中，所述目标指标为指标重要性超过预设参考阈值的待分析指标；
将所述目标指标的数据进行栅格级的分解，得到每个栅格的目标指标的数据，其中，所述目标指标的数据是指与所述目标指标对应的所述目标数据；
确定所述目标指标的权重；
根据所述每个栅格的目标指标的数据计算每个栅格的评分标准，并根据所述每个栅格的评分标准和所述目标指标的权重计算每个栅格的综合维度得分；
采用基站范围生成器，确定目标基站的栅格范围；
根据所述每个栅格的综合维度得分和所述目标基站的栅格范围，确定所述目标基站的价值评分，以根据所述目标基站的价值评分进行基站规划；
所述根据所述每个栅格的目标指标的数据计算每个栅格的评分标准，包括：
基于所述目标指标的数据的离散程度，对所述每个栅格的目标指标的数据进行清洗，去除不满足预设条件的目标指标的数据；
采用插值法的方式确认所述每个栅格的评分标准，其中，计算公式为，
其中，所述
表示所述每个栅格中第i个样本中第j个指标的评分标准，
为第i
个样本中第j个目标指标下的数据，
表示每个栅格中第j个目标指标下的数据
的最小值，
表示每个栅格中第j个目标指标下的数据的最大值；
所述根据所述每个栅格的综合维度得分和所述目标基站的栅格范围，确定所述目标基站的价值评分，包括：
将在所述目标基站的栅格范围内的所述每个栅格的综合维度得分进行累加，得到所述目标基站的价值评分。
2.根据权利要求1所述的方法，其特征在于，所述目标数据包括测量报告数据、信令数据和话单数据，所述目标数据包括用户标识，所述采集并关联用户上报的目标数据，包括：
采用网络数采集器，对预设时间内用户上报的所述测量报告数据、所述信令数据和所述话单数据进行采集；
根据所述用户标识和所述预设时间关联所述测量报告数据、所述信令数据和所述话单数据。
3.根据权利要求1所述的方法，其特征在于，所述基于所述待分析指标间的相关性，确定所述待分析指标中的目标指标，包括：
计算所述待分析指标的指标重要性
，其中，
计算公式为，
其中，n表示待分析指标的个数，i，j，
为计算过程的索引，
表示第i个待分析指标与
第
个待分析指标间的相关性，
表示第j个待分析指标与第
个待分析指标间的相关性，
表示第i个待分析指标与第
个待分析指标间的相关性，
表示第i个待分析指标与第
个待分析指标间的全面相关性；
将所述指标重要性大于第一预设阈值的待分析指标作为目标指标。
4.根据权利要求2所述的方法，其特征在于，所述目标指标包括定位强相关指标和定位弱相关指标，所述将所述目标指标的数据进行栅格级的分解，得到每个栅格的目标指标的数据，包括：
对于所述定位强相关指标，基于所述测量报告数据的定位结果，将所述目标指标分解至栅格级别；
对于所述定位弱相关指标，以主服务小区信息为标识，采用赋值法将所述目标指标分解至栅格级别。
5.根据权利要求3所述的方法，其特征在于，所述确定所述目标指标的权重，包括：
对所述目标指标中的数据进行数据标准化，所述数据标准化的计算公式为，
其中，i，j为计算过程的索引，所述
表示第i个样本中第j个目标指标下的数据，
表
示第i个样本中的数据，
表示第i个样本中第j个目标指标下数据标准化后得到的数据；
根据标准化后的数据计算得到所述目标指标的熵，计算公式为，
根据所述目标指标的熵计算得到所述目标指标的权重，计算公式为，
其中，k表示第i样本中所述目标指标的数量，
表示第i样本中所述目标指标的权重。
6.一种基于栅格粒度的基站价值评分装置，其特征在于，所述装置包括：
目标数据获取模块，用于采集并关联用户上报的目标数据，其中，所述目标数据与待分析指标对应；
目标指标确定模块，用于基于所述待分析指标间的相关性，确定所述待分析指标中的目标指标，其中，所述目标指标为指标重要性超过预设参考阈值的待分析指标；
栅格数据获取模块，用于将所述目标指标的数据进行栅格级的分解，得到每个栅格的目标指标的数据，其中，所述目标指标的数据是指与所述目标指标对应的所述目标数据；
目标指标权重确定模块，用于确定所述目标指标的权重；
评分标准及综合维度得分获取模块，用于根据所述每个栅格的目标指标的数据计算每个栅格的评分标准，并根据所述每个栅格的评分标准和所述目标指标的权重计算每个栅格的综合维度得分；
栅格范围确定模块，用于采用基站范围生成器，确定目标基站的栅格范围；
价值评分确定模块，用于根据所述每个栅格的综合维度得分和所述目标基站的栅格范围，确定所述目标基站的价值评分，以根据所述目标基站的价值评分进行基站规划；
评分标准及综合维度得分获取模块，具体用于基于所述目标指标的数据的离散程度，对所述每个栅格的目标指标的数据进行清洗，去除不满足预设条件的目标指标的数据；
采用插值法的方式确认所述每个栅格的评分标准，其中，计算公式为，
其中，所述
表示所述每个栅格中第i个样本中第j个指标的评分标准，
为第i
个样本中第j个目标指标下的数据，
表示每个栅格中第j个目标指标下的数据
的最小值，
表示每个栅格中第j个目标指标下的数据的最大值；
价值评分确定模块，具体用于将在所述目标基站的栅格范围内的所述每个栅格的综合维度得分进行累加，得到所述目标基站的价值评分。
7.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述基于栅格粒度的基站价值评分方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于栅格粒度的基站价值评分方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910580412.XA CN110348717B (zh) | 2019-06-28 | 2019-06-28 | 基于栅格粒度的基站价值评分方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910580412.XA CN110348717B (zh) | 2019-06-28 | 2019-06-28 | 基于栅格粒度的基站价值评分方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110348717A CN110348717A (zh) | 2019-10-18 |
| CN110348717B true CN110348717B (zh) | 2021-11-30 |
Family
ID=68177425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910580412.XA Active CN110348717B (zh) | 2019-06-28 | 2019-06-28 | 基于栅格粒度的基站价值评分方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110348717B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110831019B (zh) * | 2019-12-04 | 2020-08-25 | 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 |
| CN112312458B (zh) * | 2020-11-04 | 2022-11-11 | 中国联合网络通信集团有限公司 | 一种基站评分方法及装置 |
| CN115379464B (zh) * | 2022-08-22 | 2023-05-30 | 中国联合网络通信集团有限公司 | 基站的规划方法、装置、设备及计算机可读存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102360458A (zh) * | 2011-10-19 | 2012-02-22 | 浙江大学 | 一种移民安置区选择模糊评价方法 |
| CN103362509A (zh) * | 2013-07-15 | 2013-10-23 | 中国矿业大学 | 煤矿近松散含水层开采上限评价及开采危险性评价方法 |
| CN104980950A (zh) * | 2014-04-03 | 2015-10-14 | 中国移动通信集团浙江有限公司 | 一种网络优化服务器、实现网络优化的移动设备和系统 |
| CN106934082A (zh) * | 2015-12-30 | 2017-07-07 | 核工业北京地质研究院 | 基于德尔菲法的高放废物地质处置库场址适宜性评价方法 |
| CN107920362A (zh) * | 2017-12-06 | 2018-04-17 | 南京华苏科技有限公司 | 一种基于微区域的lte网络性能评估方法 |
| CN108243425A (zh) * | 2016-12-23 | 2018-07-03 | 中国移动通信集团公司 | 一种待建基站的位置确定方法及装置 |
| CN109345101A (zh) * | 2018-09-21 | 2019-02-15 | 常州工学院 | 基于综合评价分析法的教育质量评价分析方法 |
-
2019
- 2019-06-28 CN CN201910580412.XA patent/CN110348717B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102360458A (zh) * | 2011-10-19 | 2012-02-22 | 浙江大学 | 一种移民安置区选择模糊评价方法 |
| CN103362509A (zh) * | 2013-07-15 | 2013-10-23 | 中国矿业大学 | 煤矿近松散含水层开采上限评价及开采危险性评价方法 |
| CN104980950A (zh) * | 2014-04-03 | 2015-10-14 | 中国移动通信集团浙江有限公司 | 一种网络优化服务器、实现网络优化的移动设备和系统 |
| CN106934082A (zh) * | 2015-12-30 | 2017-07-07 | 核工业北京地质研究院 | 基于德尔菲法的高放废物地质处置库场址适宜性评价方法 |
| CN108243425A (zh) * | 2016-12-23 | 2018-07-03 | 中国移动通信集团公司 | 一种待建基站的位置确定方法及装置 |
| CN107920362A (zh) * | 2017-12-06 | 2018-04-17 | 南京华苏科技有限公司 | 一种基于微区域的lte网络性能评估方法 |
| CN109345101A (zh) * | 2018-09-21 | 2019-02-15 | 常州工学院 | 基于综合评价分析法的教育质量评价分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110348717A (zh) | 2019-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108090567B (zh) | 电力通信系统故障诊断方法及装置 | |
| CN110348717B (zh) | 基于栅格粒度的基站价值评分方法和装置 | |
| WO2019214248A1 (zh) | 一种风险评估方法、装置、终端设备及存储介质 | |
| WO2021218314A1 (zh) | 基于位置定位的事件识别方法、装置、设备及存储介质 | |
| CN105979532B (zh) | 一种业务处理系统的性能容量分析预警方法及装置 | |
| CN102117730A (zh) | 半导体制造过程中的机台参数数据的处理方法和装置 | |
| CN113485931B (zh) | 测试方法、装置、电子设备及计算机可读存储介质 | |
| CN110610431A (zh) | 基于大数据的智能理赔方法及智能理赔系统 | |
| CN110516752A (zh) | 聚类簇质量评估方法、装置、设备及存储介质 | |
| CN111294730A (zh) | 一种网络问题投诉信息处理的方法及装置 | |
| CN110147493B (zh) | 活跃因子的确定方法、装置、计算机设备及存储介质 | |
| CN110727752A (zh) | 位置指纹库处理方法、设备及计算机可读存储介质 | |
| WO2023029065A1 (zh) | 数据集质量评估方法、装置、计算机设备及存储介质 | |
| CN107094306B (zh) | 终端性能评估方法及装置 | |
| CN111158926A (zh) | 业务请求分析方法、装置及设备 | |
| CN108008973B (zh) | 一种关联应用程序的方法、装置及服务器 | |
| CN112637888A (zh) | 覆盖空洞区域识别方法、装置、设备及可读存储介质 | |
| CN111210140A (zh) | 税务信用评价方法、设备及可读存储介质 | |
| CN116319255A (zh) | 一种基于kpi的根因定位方法、装置、设备及存储介质 | |
| US20230269142A1 (en) | Network data analysis method, network data analysis functional network element and communication system | |
| CN114358548A (zh) | 一种确定评价指标的方法、装置及电子设备 | |
| CN114020971A (zh) | 一种异常数据检测方法及装置 | |
| CN110569475A (zh) | 一种网民影响力的评估方法、装置、设备和存储介质 | |
| CN111222897B (zh) | 基于客户上网满意度预测方法及装置 | |
| CN114095947B (zh) | 一种网络覆盖评估方法、装置、电子设备及存储介质 |
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 |