CN110430578B - 基于移动终端数据实现小区方位角预测的方法 - Google Patents
基于移动终端数据实现小区方位角预测的方法 Download PDFInfo
- Publication number
- CN110430578B CN110430578B CN201910741590.6A CN201910741590A CN110430578B CN 110430578 B CN110430578 B CN 110430578B CN 201910741590 A CN201910741590 A CN 201910741590A CN 110430578 B CN110430578 B CN 110430578B
- Authority
- CN
- China
- Prior art keywords
- data
- value
- sample
- aoa
- cell
- 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
- 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
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于移动终端数据实现小区方位角预测的方法,采集一段时间内智能终端上报带有位置的无线环境数据集S1,其记录包含RSRP、TA、AOA等重要字段。然后根据AOA维度数据的统计分布,计算AOA的中心值AOAmid,再根据AOAmid提取数据集S1中AOA值等于AOAmid的记录形成数据集S2。接着过滤掉信号非直射记录,如通过建立TA与采样点到小区位置的实际距离模型,并根据TA距离模型删除TA异常的记录形成数据集S3。对数据集S3进行聚类,把数据聚类成K类,取平均信号RSRP最强类Ki,其类Ki数据中心点与小区位置的正北方向夹角即为所预测的小区方位角。该方法降低了操作成本,且其方位角预测精度高。
Description
技术领域
本发明涉及小区方位角预测技术领域,具体涉及一种基于移动终端数据实现小区方位角预测的方法。
背景技术
移动通信网络结构是一种采用蜂窝式的实现,理论上,即以相同半径的圆形覆盖平面,当圆心处于正六边形网格的各正六边形中心时,所用圆的数量最少。在移动通信网络中,其圆心即是基站的位置,而每个基站一般分列为3个小区,每个小区有个固定的覆盖方位角和下倾角。
在网络规划时,小区的方位角和下倾角数据是经过网络仿真输出。建站完成后以及后期勘站运维阶段,由于覆盖的需要,小区的方位角时长发生改变,而人工勘站时,小区方位角一般是通过罗盘或是天线姿态测量仪收集,再由手工记录到运营商的资管系统中。因为人为因素的存在,导致目前资管系统中的小区方位角数据准确性不高,如某省运营商资管系统中小区方位角偏差20度以上的记录占比到达48.1%,严重影响网络的精准运维。经分析,目前运营商的小区方位角数据的获取主要靠运维人员手持罗盘或天线姿态测量仪采集,然后手工录入运营商资管系统,由于罗盘或天线姿态测量仪不够精准、天线发出的电磁波的干扰、使用的方法不正确、记录的错误、录入的错误以及人工的造假等导致资管系统中记录的小区方位角数据不够准确,而且每次勘测验证,需要开车到指定的位置,增加人力成本且操作复杂。
发明内容
本发明的目的在于克服现有技术中的缺陷,设计一种基于移动终端数据实现小区方位角预测的方法,该方法降低了操作成本,且其方位角预测精度高。
为实现上述目的,本发明所采用的技术方案是,
一种基于移动终端数据实现小区方位角预测的方法,包括
S10、采集设定时间段内智能终端上报的带有位置的无线环境数据集S1,所述无线环境数据集S1的记录包括信号电平RSRP、时延TA、AOA维度数据;根据AOA维度数据的统计分布,计算AOA的中心值AOAmid;
S20、提取无线环境数据集S1中的AOA维度数据值等于AOAmid的记录形成无线环境数据集S2;
S30、对无线环境数据集S2的TA值和采样点到小区位置的实际距离dis值指标建立回归模型进行训练,拟合TA值与采样点到小区位置的实际距离dis值之间的关系:
S40、根据训练好的回归模型预测TA值,对比查找异常的TA值,删除TA值异常的用户数据,形成数据集S3;
S50、使用聚类算法对数据集S3进行聚类,将数据聚类分成K类,每类计算电平RSRP的均值,选择电平RSRP均值最大的一类用户数据作为Ki类数据;
S60、计算Ki类数据的中心点,该中心点与小区位置的正北方向夹角即为预测的小区方位角。
进一步的,所述S10中的无线环境数据集S1中的数据包括OTT、MDT和MR数据中的一种或多种的组合。
进一步的,所述S10中的设定时间为连续30-60天。
在一些优选示例中,所述S30中建立回归模型的方法包括下述步骤:
S31、设一共有n条无线环境数据集S2的用户数据记录(即有n个样本),使用指标:TA值、dis值,x={x1,x2...xn}为dis值,y={y1,y2...yn}为TA值;
S32、对TA值、dis值两个指标进行0-1标准化处理,并分别划分训练样本集和测试样本集:
S33、用曼哈顿距离公式计算测试样本集数据与各个训练样本集数据之间的距离:
其中i和j分别代表i样本和j样本,p是指标的个数,本模型中p=1,即为dis一个指标;
S34、将S33获得的各个距离按照从小到大排序,选择距离最小的K个样本,所述K为多次迭代选择最优的K;计算所述K个样本的TA平均值或加权平均值,所述TA平均值或加权平均值即为回归模型的TA预测值。
进一步的,所述S40中异常的TA值具体为:TA值乘以78大于其采样点与基站的实际距离。
更进一步的,所述S50具体包括下述步骤:
S51、设定一共有n条用户数据记录,即有n个样本,x={x1,x2...xn},每个样本包含5个指标,指标:RSRP、TA、AOA、用户经度、用户纬度;
S52、随机选取K个样本作为初始中心点Sm,m=1,2,3...K;
S53、采用欧几里得距离公式分别计算所有样本到K个样本中心点的距离:
其中i和j分别代表第i个样本和第j个样本,p是指标的个数,本模型中p=5;
S54、根据S53计算的距离判断,如果样本离中心点最近,那么这个样本属于点群,如果到多个中心点的距离相等,则可划分到任意组中;
S55、按距离对所有样本分完组之后,重新计算每类中样本各个指标的平均值,作为新的中心点;
S56、分配每个样本到最近的新的中心点;
S57、重复步骤S55和S56直到所有的样本不在被分配或是达到最大的迭代次数。
进一步的,所述S57中的最大的迭代次数为30。
本发明方法基于移动终端上报的带有位置的无线网络数据,通过数据清理以及建立数学模型,再采用机器学习的方式实现无线通信网络中小区方位角预测与研判的方法;该方法可以实现城区小区方位角偏差20度内预测精度达到90%,郊区小区方位角偏差35度内预测精度达到95%。本发明方法可以实现运营商资管系统中小区方位角数据的实时性纠偏,保证小区方位角数据的相对准确,是一种成本低的小区方位角自动获取的方案,其大大降低了因小区方位角勘测带来的误差和人员车辆费用,为运营商的网络运维提供了一种行之有效的降本技术方案。
附图说明
图1为本发明方法的流程示意图。
具体实施方式
下面结合附图和实施例,对本发明一种基于移动终端数据实现小区方位角预测的方法的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
本发明一种基于移动终端数据实现小区方位角预测的方法首先采集一段时间内智能终端上报带有位置的无线环境数据集S1,其记录包含RSRP、TA、AOA等重要字段。然后根据AOA维度数据的统计分布,计算AOA的中心值AOAmid,再根据AOAmid提取数据集S1中AOA值等于AOAmid的记录形成数据集S2。接着过滤掉信号非直射记录,如通过建立TA与采样点到小区位置的实际距离模型,并根据TA距离模型删除TA异常(如因电磁波反射、折射、漫反射引起的)的记录形成数据集S3。对数据集S3进行聚类,把数据聚类成K类,如k=1,2,3…n,取平均信号RSRP最强类Ki,其类Ki数据中心点与小区位置的正北方向夹角即为所预测的小区方位角。
在一个具体的实施例中,如图1所示,本发明基于移动终端数据实现小区方位角预测的方法,包括
S10、采集设定时间段内智能终端上报的带有位置的无线环境数据集S1,所述无线环境数据集S1的记录包括信号电平RSRP、时延TA、AOA维度数据;根据AOA维度数据的统计分布,计算AOA维度数据的中心值AOAmid;
其中,无线环境数据集S1中的数据包括OTT、MDT和MR数据中的一种或多种的组合;上述设定时间段可根据实际情况进行设定,如设为连续30-60天。上述计算AOA维度数据的中心值AOAmid可采用扇形弧度的中点计算方法。
S20、提取无线环境数据集S1中的AOA维度数据值等于AOAmid的记录形成无线环境数据集S2;
S30、对无线环境数据集S2的TA值和采样点到小区位置的实际距离dis值指标建立回归模型进行训练,拟合TA值与采样点到小区位置的实际距离dis值之间的关系;
S31、设一共有n条无线环境数据集S2的用户数据记录(即有n个样本),使用指标:TA值、dis值,x={x1,x2...xn}为dis值,y={y1,y2...yn}为TA值;
S32、对TA值、dis值两个指标进行0-1标准化处理,分别划分训练样本集和测试样本集:
S33、用曼哈顿距离公式计算测试样本集数据与各个训练样本集数据之间的距离:
其中i和j分别代表i样本和j样本,p是指标的个数,本模型中p=1;
S34、将距离按照从小到大排序,选择距离最小的K个样本,所述K为多次迭代选择最优的K;计算所述K个样本的TA平均值或加权平均值,所述TA平均值或加权平均值即为回归模型的TA预测值。
S40、根据训练好的回归模型预测TA值,对比查找异常的TA值,删除TA值异常的用户数据;
在该步骤中,TA值乘以78大于其采样点与基站的实际距离。
S50、使用聚类算法对步骤S40处理后的用户数据进行聚类,将数据聚类分成K类,每类计算电平RSRP的均值,选择电平RSRP均值最大的一类用户数据作为Ki类数据;
S51、设定一共有n条用户数据记录,即有n个样本,x={x1,x2...xn},每个样本包含5个指标,指标:RSRP、TA、AOA、用户经度、用户纬度;
S52、随机选取K个样本作为初始中心点Sm,m=1,2,3...K;
S53、采用欧几里得距离公式分别计算所有样本到K个样本中心点的距离:
其中i和j分别代表第i个样本和第j个样本,p是指标的个数,本模型中p=5;
S54、根据计算的距离判断,如果样本离中心点最近,那么这个样本属于点群,如果到多个中心点的距离相等,则可划分到任意组中;
S55、按距离对所有样本分完组之后,重新计算每类中样本各个指标的平均值,作为新的中心点;
S56、分配每个样本到最近的新的中心点;
S57、重复步骤S55和S56直到所有的样本不在被分配或是达到最大的迭代次数,在一些优选示例中,迭代次数为20-30。
S60、计算Ki类数据的中心点,该中心点与小区位置的正北方向夹角即为预测的小区方位角。
在示例中,计算Ki类数据的中心点通过所有采样点经度、维度的平均值进行确定。
本发明在某城市小区内设置65个测试点进行测试,在测试点分别设置智能终端进行带位置无线环境数据上报,通过本发明方法计算对应测试点的小区方位角;并测试点的小区方位角与实际的小区方位角进行比较,本发明方法实现城区小区方位角偏差20度内预测精度达到90%。
在某郊区小区内设置68个测试点进行测试,在测试点分别设置智能终端进行带位置无线环境数据上报,通过本发明方法计算对应测试点的小区方位角;并测试点的小区方位角与实际的小区方位角进行比较,郊区小区方位角偏差35度内预测精度达到95%。
以上所述的实施方式,并不构成对该技术方案保护范围的限定。任何在上述实施方式的精神和原则之内所作的修改、等同替换和改进等,均应包含在该技术方案的保护范围之内。
Claims (7)
1.一种基于移动终端数据实现小区方位角预测的方法,包括
S10、采集设定时间段内智能终端上报的带有位置的无线环境数据集S1,所述无线环境数据集S1的记录包括信号电平RSRP、时延TA、AOA维度数据;根据AOA维度数据的统计分布,计算AOA维度数据的中心值AOAmid;
S20、提取无线环境数据集S1中的AOA维度数据值等于AOAmid的记录形成无线环境数据集S2;
S30、对无线环境数据集S2的TA值和采样点到小区位置的实际距离dis值指标建立回归模型进行训练,拟合TA值与采样点到小区位置的实际距离dis值之间的关系;
S40、根据训练好的回归模型预测TA值,对比查找异常的TA值,删除TA值异常的用户数据,形成数据集S3;
S50、使用聚类算法对数据集S3进行聚类,将数据聚类分成K类,每类计算电平RSRP的均值,选择电平RSRP均值最大的一类用户数据作为Ki类数据;
S60、计算Ki类数据的中心点,该中心点与小区位置的正北方向夹角即为预测的小区方位角。
2.如权利要求1所述的基于移动终端数据实现小区方位角预测的方法,其特征在于,所述S10中的无线环境数据集S1中的数据包括OTT、MDT和MR数据中的一种或多种的组合。
3.如权利要求1所述的基于移动终端数据实现小区方位角预测的方法,其特征在于,所述S10中的设定时间为连续30-60天。
4.如权利要求1所述的基于移动终端数据实现小区方位角预测的方法,其特征在于,所述S30中建立回归模型的方法包括下述步骤:
S31、设一共有n条无线环境数据集S2的用户数据记录,即有n个样本,使用指标:TA值、dis值,x={x1,x2...xn}为dis值,y={y1,y2...yn}为TA值;
S32、对TA值、dis值两个指标进行0-1标准化处理,并分别划分为训练样本集和测试样本集:
S33、用曼哈顿距离公式计算测试样本集数据与各个训练样本集数据之间的距离:
其中i和j分别代表i样本和j样本,p是指标的个数,本模型中p=1;
S34、将S33获得的各个距离按照从小到大排序,选择距离最小的K个样本,所述K为多次迭代选择最优的K;计算所述K个样本的TA平均值或加权平均值,所述TA平均值或加权平均值即为回归模型的TA预测值。
5.如权利要求1所述的基于移动终端数据实现小区方位角预测的方法,其特征在于,所述S40中异常的TA值具体为:TA值乘以78大于采样点与基站的实际距离。
6.如权利要求1所述的基于移动终端数据实现小区方位角预测的方法,其特征在于,所述S50具体包括下述步骤:
S51、设定一共有n条用户数据记录,即有n个样本,x={x1,x2...xn}为dis值,每个样本包含5个指标,指标:RSRP、TA、AOA、用户经度、用户纬度;
S52、随机选取K个样本作为初始中心点Sm,m=1,2,3...K;
S53、采用欧几里得距离公式分别计算所有样本到K个样本中心点的距离:
其中i和j分别代表第i个样本和第j个样本,p是指标的个数,本模型中p=5;
S54、根据S53计算的距离判断,如果样本离中心点最近,那么这个样本属于点群,如果到多个中心点的距离相等,则可划分到任意组中;
S55、按距离对所有样本分完组之后,重新计算每类中样本各个指标的平均值,作为新的中心点;
S56、分配每个样本到最近的新的中心点;
S57、重复步骤S55和S56直到所有的样本不在被分配或是达到最大的迭代次数。
7.权利要求6所述的基于移动终端数据实现小区方位角预测的方法,其特征在于,所述S57中的最大的迭代次数为30。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910741590.6A CN110430578B (zh) | 2019-08-12 | 2019-08-12 | 基于移动终端数据实现小区方位角预测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910741590.6A CN110430578B (zh) | 2019-08-12 | 2019-08-12 | 基于移动终端数据实现小区方位角预测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110430578A CN110430578A (zh) | 2019-11-08 |
CN110430578B true CN110430578B (zh) | 2022-04-19 |
Family
ID=68415630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910741590.6A Active CN110430578B (zh) | 2019-08-12 | 2019-08-12 | 基于移动终端数据实现小区方位角预测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110430578B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4078861A1 (en) * | 2019-12-20 | 2022-10-26 | Telefonaktiebolaget LM Ericsson (publ) | Swapped section detection and azimuth prediction |
CN111741493B (zh) * | 2020-08-19 | 2020-11-24 | 南京华苏科技有限公司 | 一种基于aoa与mdt的方位角的纠偏方法及装置 |
CN114338416B (zh) * | 2020-09-29 | 2023-04-07 | 中国移动通信有限公司研究院 | 一种时空多指标预测方法、装置和存储介质 |
CN112040507B (zh) * | 2020-11-03 | 2021-01-26 | 南京华苏科技有限公司 | 一种基于终端采样数据aoa的方位角的预测方法 |
CN115052303A (zh) * | 2021-04-25 | 2022-09-13 | 四川通信科研规划设计有限责任公司 | 基于栅格rsrp数据的基站方向角纠偏方法、存储介质和装置 |
CN117528543A (zh) * | 2022-07-29 | 2024-02-06 | 中兴通讯股份有限公司 | 一种数据处理方法、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2876918A1 (en) * | 2012-07-23 | 2015-05-27 | Huawei Technologies Co., Ltd. | Method and device for determining azimuth |
CN109379698A (zh) * | 2018-11-06 | 2019-02-22 | 深圳天源迪科信息技术股份有限公司 | 基于信道模型特征提取的小区测量报告定位方法及系统 |
CN109429249A (zh) * | 2017-09-04 | 2019-03-05 | 中国移动通信集团浙江有限公司 | 一种基于mr定位数据的天线方位角优化方法及设备 |
CN109803274A (zh) * | 2017-11-17 | 2019-05-24 | 中国移动通信集团公司 | 一种天线方位角优化方法和系统 |
-
2019
- 2019-08-12 CN CN201910741590.6A patent/CN110430578B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2876918A1 (en) * | 2012-07-23 | 2015-05-27 | Huawei Technologies Co., Ltd. | Method and device for determining azimuth |
CN109429249A (zh) * | 2017-09-04 | 2019-03-05 | 中国移动通信集团浙江有限公司 | 一种基于mr定位数据的天线方位角优化方法及设备 |
CN109803274A (zh) * | 2017-11-17 | 2019-05-24 | 中国移动通信集团公司 | 一种天线方位角优化方法和系统 |
CN109379698A (zh) * | 2018-11-06 | 2019-02-22 | 深圳天源迪科信息技术股份有限公司 | 基于信道模型特征提取的小区测量报告定位方法及系统 |
Non-Patent Citations (1)
Title |
---|
GSM/TD-SCDMA无线网络越区覆盖分析及规避策略研究;尚军;《互联网天地》;20131215(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110430578A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110430578B (zh) | 基于移动终端数据实现小区方位角预测的方法 | |
CN109548041B (zh) | 一种无线覆盖分析方法及系统 | |
EP2912485B1 (en) | Positioning | |
CN108513251A (zh) | 一种基于mr数据的定位方法及系统 | |
CN110536310B (zh) | 基于用户数据识别天线接反的方法 | |
CN109041218B (zh) | 一种预测用户位置的方法和智能硬件 | |
US11290975B2 (en) | Method and apparatus for obtaining emission probability, method and apparatus for obtaining transition probability, and sequence positioning method and apparatus | |
CN109874104B (zh) | 用户位置定位方法、装置、设备及介质 | |
CN101730114B (zh) | 一种邻小区的确定方法及装置 | |
CN109803274B (zh) | 一种天线方位角优化方法和系统 | |
CN110351734B (zh) | 基于移动终端数据实现预测小区位置的方法 | |
CN110418283B (zh) | 基于WiFi数据的位置指纹库创建方法 | |
CN109151839A (zh) | 一种lpwa网络的网络规划方法 | |
CN114374449A (zh) | 一种干扰源确定方法、装置、设备及介质 | |
CN110727752B (zh) | 位置指纹库处理方法、设备及计算机可读存储介质 | |
CN103581982A (zh) | 一种业务热点的检测方法、确定方法、定位方法及装置 | |
CN107290714B (zh) | 一种基于多标识指纹定位的定位方法 | |
CN111148111A (zh) | 天线参数的调整方法、装置、设备及计算机存储介质 | |
CN108207005B (zh) | 一种lte无线网络的评估方法及服务器 | |
CN105866732A (zh) | 一种改进mk模型和wknn算法相结合的混合室内定位方法 | |
CN107277777B (zh) | 一种室内定位方法和装置 | |
CN112040507B (zh) | 一种基于终端采样数据aoa的方位角的预测方法 | |
CN110839251B (zh) | 基于用户数据识别天线前后抑制比异常的方法 | |
CN109548139B (zh) | 一种基于knn的小区基站经纬度数据校正方法 | |
CN116739619A (zh) | 一种能源电力碳排放监测分析建模方法及装置 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210207 Address after: 210019 Room 601, block B, Shuangzha community center, 19 Yecheng Road, Jianye District, Nanjing City, Jiangsu Province Applicant after: Orange frame technology (Jiangsu) Co.,Ltd. Address before: 812, 7 / F, building 3, No.128 courtyard, South Fourth Ring Road West, Fengtai District, Beijing Applicant before: Beijing Internet boundless Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |