CN110493790A - 高铁小区识别方法及装置 - Google Patents
高铁小区识别方法及装置 Download PDFInfo
- Publication number
- CN110493790A CN110493790A CN201910625998.7A CN201910625998A CN110493790A CN 110493790 A CN110493790 A CN 110493790A CN 201910625998 A CN201910625998 A CN 201910625998A CN 110493790 A CN110493790 A CN 110493790A
- Authority
- CN
- China
- Prior art keywords
- cell
- speed rail
- target cell
- bandwidth power
- power model
- 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
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- 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
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本申请提供了一种高铁小区识别方法及装置,涉及通信领域,能够通过目标小区带宽功率模型与高铁小区带宽功率模型的匹配结果,输出用于确定目标小区是否为高铁小区的识别结果,识别高铁小区,提高高铁小区识别的准确性,提升用户体验。该方法包括:获取目标小区在预设时间段内的带宽功率;根据目标小区在预设时间段内的带宽功率,确定目标小区带宽功率模型;将目标小区带宽功率模型与高铁小区带宽功率模型进行匹配;根据匹配结果,输出识别结果;其中,识别结果,用于确定目标小区是否为高铁小区。本发明用于进行高铁小区识别。
Description
技术领域
本申请涉及通信领域,尤其涉及一种高铁小区识别方法及装置。
背景技术
为了对高铁网络进行优化,需要判断哪些小区覆盖了高铁。目前主要通过从小区规划方案的设计图中查找高铁小区。
但上述从小区规划方案的设计图中查找高铁小区的方法,在后期建设小区过程中可能会对小区规划方案进行多次修改,同时是一种人为的操作方法,导致高铁小区的识别准确度极低。
发明内容
本申请实施例提供一种高铁小区识别方法及装置,能够通过目标小区带宽功率模型与高铁小区带宽功率模型的匹配结果,输出用于确定目标小区是否为高铁小区的识别结果,识别高铁小区,提高高铁小区识别的准确性,提升用户体验。
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请提供了一种高铁小区识别方法,该方法包括:获取目标小区在预设时间段内的带宽功率;根据目标小区在预设时间段内的带宽功率,确定目标小区带宽功率模型;其中,目标小区带宽功率模型,用于反映在预设时间段内,目标小区的带宽功率随时间的变化情况;将目标小区带宽功率模型与高铁小区带宽功率模型进行匹配;其中,高铁小区带宽功率模型,用于反映覆盖高铁的小区的带宽功率随时间的变化情况;根据匹配结果,输出识别结果;其中,识别结果,用于确定目标小区是否为高铁小区。
第二方面,本申请提供了一种高铁小区识别装置,该装置包括:获取模块,用于获取目标小区在预设时间段内的带宽功率;处理模块,用于根据目标小区在预设时间段内的带宽功率,确定目标小区带宽功率模型;其中,目标小区带宽功率模型,用于反映在预设时间段内,目标小区的带宽功率随时间的变化情况;处理模块,还用于将目标小区带宽功率模型与高铁小区带宽功率模型进行匹配;其中,高铁小区带宽功率模型,用于反映覆盖高铁的小区的带宽功率随时间的变化情况;输出模块,用于根据匹配结果,输出识别结果;其中,识别结果,用于确定目标小区是否为高铁小区。
第三方面,本申请提供了一种高铁小区识别装置,该装置包括:处理器、通信接口和存储器;其中,存储器用于存储一个或多个程序,该一个或多个程序包括计算机执行指令,当该高铁小区识别装置运行时,处理器执行该存储器存储的该计算机执行指令,以使该高铁小区识别装置执行上述第一方面及其任意一种实现方式所述的高铁小区识别方法。
第四方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得所述计算机执行上述第一方面及其任意一种实现方式所述的高铁小区识别方法。
第五方面,本申请提供了一种包含指令的计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行上述第一方面及其任意一种实现方式所述高铁小区识别方法。
本申请实施例提供的高铁小区识别方法及装置,能够通过目标小区带宽功率模型与高铁小区带宽功率模型的匹配结果,输出用于确定目标小区是否为高铁小区的识别结果,识别高铁小区,提高高铁小区识别的准确性,提升用户体验。
附图说明
图1为本申请实施例提供的一种高铁小区识别方法的流程示意图;
图2为本申请实施例提供的一种目标小区的带宽功率的变化示意图;
图3为本申请实施例提供的一种目标小区的RSSI的变化示意图;
图4为本申请实施例提供的一种高铁小区的带宽功率的变化示意图;
图5为本申请实施例提供的一种高铁小区的RSSI的变化示意图;
图6为本申请实施例提供的一种高铁小区分布示意图之一;
图7为本申请实施例提供的一种高铁小区分布示意图之二;
图8为本申请实施例提供的一种基于COST231-Hata模型的LTE覆盖半径估算示意图;
图9为本申请实施例提供的一种高铁小区与规划建设的高铁小区的局部比对示意图;
图10为本申请实施例提供的一种高铁小区识别装置的结构示意图之一;
图11为本申请实施例提供的一种高铁小区识别装置的结构示意图之二;
图12为本申请实施例提供的一种高铁小区识别装置的结构示意图之三。
具体实施方式
下面将结合附图对本申请提供的高铁小区识别方法及装置进行详细的描述。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象,而不是用于描述对象的特定顺序。
此外,本申请的描述中所提到的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。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,而是可选地还包括其他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他步骤或单元。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本申请中所述“和/或”,包括用两种方法中的任意一种或者同时使用两种方法。
在本申请的描述中,除非另有说明,“多个”的含义是指两个或两个以上。
首先,对本申请实施例中涉及的技术术语进行解释:
接收的信号强度指示(received signal strength indication,RSSI),指的是终端接收到的周围的所有信号强度,包括所处小区信号,邻小区信号以及周围的噪声等所有噪声。是无线发送层的可选部分,用来判定链接质量,以及是否增大广播发送的强度。因为无线信号多为mW级别,所以对它进行了极化,转化为dBm,小于1mW就是负数的dBm数。
COST231-Hata模型,是EURO-COST组成的COST工作委员会开发的Hata模型的扩展版本。Hata模型是指易于使用路径损耗计算公式中的参数的模型,如工作频率、天线有效高度、距离、覆盖区类型等容易获得。Hata模型中把覆盖区简单分成4类,但这种分类过于简单,尤其是在城市环境中,建筑物的高度和密度、街道的分布和走向是影响无线电波传播的主要因素。而COST231-Hata模型应用频率在1500~2000MHz,适用于小区半径大于1km的宏蜂窝系统,发射有效天线高度在30~200m,接收有效天线高度在1-10m,是COST-231工作委员会提出的将频率扩展到2GHz的Hata模型扩展版本。
本发明的发明原理:本发明考虑到高铁小区只有在高铁通过时才会出现大量用户驻留的情况,未通过时的高铁小区几乎是没有用户的。通过对高铁小区RSSI数据以及公网小区RSSI数据进行数学模型的分析,可以看出在高铁小区的RSSI模型中,RSSI数据呈现了脉冲性和瞬时性的特点,而公网小区的RSSI模型中,RSSI数据呈现了频率高的特点。同时,终端与基站接收到的信号强度是按照功率计算的,因此我们在识别目标小区是否为高铁小区时,将RSSI数据换算为功率值进行具体的计算。通过对已知的高铁小区的带宽功率模型呈现特点的分析、匹配,可以更直观的确定哪些小区为高铁小区。
基于上述发明原理,本发明实施例提供一种高铁小区识别方法。如图1所示,所述方法包括S101-S104:
S101、获取目标小区在预设时间段内的带宽功率。
在本实施例的一种实现方式中。获取目标小区在预设时间段内的带宽功率,包括步骤S101a-S101b:
S101a、获取目标小区在预设时间段内的RSSI。
S101b、根据目标小区在预设时间段内的RSSI,计算目标小区在预设时间段内的带宽功率。
具体的,RSSI为接收的信号强度指示,指的是终端接收到的周围所有信号强度。RSSI的单位是dBm,是小区接收的带宽功率的换算。功率W=POWER(10,RSSI/10)(单位:毫瓦)。本发明实施例中将获取的目标小区在预设时间段内的RSSI通过换算,计算了目标小区在预设时间段内的带宽功率。首先,是为了满足终端及基站的接收信号强度以功率为基准的条件。其次,将RSSI数值转换为功率数值,可以更直观的发掘目标小区的特征,从而更利于与覆盖高铁的小区的特征进行匹配。示例性的,预设时间段内的时间点可以精确到秒,也就是获取预设时间段内,在不同秒数的带宽功率。
S102、根据目标小区在预设时间段内的带宽功率,确定目标小区带宽功率模型。其中,目标小区带宽功率模型,用于反映在预设时间段内,目标小区的带宽功率随时间的变化情况。
具体的,获取了目标小区在预设时间段内的带宽功率,需要以时间为基准,确定出目标小区带宽功率模型。目标小区带宽功率模型主要是为了体现出,随着时间的变化,目标小区的带宽功率也会变化,因此生成了一种用于反映不同时间点对应的目标小区带宽功率数值的模型。
目标小区带宽功率模型,具体可以包括:预设时间段内,多个采样时间点上,目标小区的带宽功率大小。
示例性的,如图2所示,为随着时间变化,目标小区的带宽功率在不同采样时间点上的变化示意图。从图2中可以直观的看出,在不同出现的时间点内目标小区的带宽功率数值的变化情况。其中,时间点可以精确到秒,也就是生成一种以秒为最小时间单位的带宽功率模型,为秒级带宽功率模型。
进而,本发明实施例中,目标小区带宽功率模型可以以秒为最小时间单位。
在本发明的一种实现方式中,还可以根据目标小区在预设时间段内的RSSI,首先获取目标小区RSSI模型,再根据目标小区RSSI模型中每个时间点对应的RSSI数据,换算成带宽功率,生成目标小区带宽功率模型。由于首先获取了目标小区预设时间段的RSSI数据值,很容易直接联想到与本发明发明原理部分相关的,直接以目标小区的RSSI数据生成目标小区RSSI模型。
示例性的,如图3所示,为随着时间变化,目标小区的RSSI数值在不同采样时间点上的变化示意图。从图3中可以直观的看出RSSI数据出现的时间点,以及RSSI数据在不同时间点的具体数值。通过对目标小区RSSI模型的观察,可以对目标小区在预设时间内的RSSI数据有一个初步的判断,之后再将RSSI数据计算为带宽功率数值,从而确定目标小区带宽功率模型。
S103、将目标小区带宽功率模型与高铁小区带宽功率模型进行匹配。
其中,高铁小区带宽功率模型,用于反映覆盖高铁的小区的带宽功率随时间的变化情况。
具体的,在覆盖高铁的小区的前提下,以覆盖高铁的小区的带宽功率及时间为基准,生成用于反映不同时间点对应的高铁小区带宽功率数值的模型。将S102中得到的目标小区带宽功率模型与高铁小区带宽功率模型进行匹配,匹配的方式包括观察目标小区带宽功率模型与高铁小区带宽功率模型是否相似。
进而,本发明实施例中,可以根据目标小区带宽功率模型以及高铁小区带宽功率模型的脉冲特性,对目标小区带宽功率模型与高铁小区带宽功率模型进行匹配。也可以直接对目标小区带宽功率模型中不同时间对应的带宽功率数值与高铁小区带宽功率模型中不同时间对应的带宽功率数值直接进行匹配。
示例性的,如图4所示,为随着时间变化,高铁小区的带宽功率在不同采样时间点上的变化示意图。横坐标包括时间,具体包括高铁经过的时间。纵坐标包括,一段时间内,覆盖高铁的小区在某一时间点的带宽功率值。从图4中可以直观的看出,在不同出现的时间点内高铁小区的带宽功率数值的变化情况。其中,时间点可以精确到秒,也就是生成一种以秒为最小时间单位的带宽功率模型,为秒级带宽功率模型。
进而,本发明实施例中,高铁小区带宽功率模型可以以秒为最小时间单位。
类似于目标小区带宽功率模型的生成过程,高铁小区带宽功率模型也是通过首先获取覆盖高铁的小区的RSSI,计算后生成覆盖高铁的小区的带宽功率,根据这些带宽功率生成高铁小区带宽功率模型。也可以首先根据覆盖高铁的小区的RSSI生成一种高铁小区RSSI模型。
示例性的,如图5所示为随着时间变化,高铁小区的RSSI数值在不同采样时间点上的变化示意图。从图5中可以直观的看出RSSI数据出现的时间点,以及RSSI数据在不同时间点的具体数值。可以通过高铁小区RSSI模型中不同时间点的不同RSSI数据的值,换算成带宽功率数值,确定高铁小区带宽功率模型。
在本实施例的一种实现方式中,将目标小区带宽功率模型与高铁小区带宽功率模型进行匹配,包括步骤S103a-S103c:
S103a、根据目标小区带宽功率模型,计算第一峰均比。
其中,第一峰均比为目标小区带宽功率模型中功率最大值与功率平均值的比值。
具体的,确定了目标小区带宽功率模型,实质上是为了确定目标小区的带宽功率数值规律及变化情况是否与覆盖高铁的小区相似。从前述发明原理及高铁小区带宽功率模型的分析可知,覆盖高铁的小区具有脉冲性和瞬时性的特点。公网小区由于业务频繁,所以覆盖高铁的小区的带宽功率平均值是要小于公网小区的。我们可以通过计算目标小区带宽功率峰值与带宽功率平均值来识别目标小区是否与覆盖高铁的小区的带宽功率特征更加接近。
S103b、根据高铁小区带宽功率模型,计算第二峰均比。
其中,第二峰均比为高铁小区带宽功率模型中功率最大值与功率平均值的比值。
具体的,通过计算覆盖高铁的小区的带宽功率峰值与带宽功率平均值,以这些覆盖高铁的小区的带宽功率特征为基准,确定目标小区带宽功率模型与高铁小区带宽功率模型是否匹配成功。
S103c、若第一峰均比大于等于第二峰均比,则确定目标小区带宽功率模型与高铁小区带宽功率模型匹配成功。否则,不成功。
具体的,如果第一峰均比大于等于第二峰均比,说明目标小区的带宽功率特征与覆盖高铁的小区的带宽功率特征更加相似,增加了识别目标小区为高铁小区的可能性。
示例性的,根据目标小区A的带宽功率模型,得到目标小区A的带宽功率平均值为2E-11mW,目标小区A的带宽功率最大值为1E-08mW。根据高铁小区B的带宽功率模型,得到覆盖高铁的B小区的带宽功率平均值为2E-12mW,覆盖高铁的B小区带宽功率最大值为2E-09mW。通过计算得知,目标小区A对应的第一峰均比为630.96,高铁小区B对应的第二峰均比为1000.00,630.96<1000.00。显然,第一峰均比小于第二峰均比,则确定目标小区A的带宽功率模型与高铁小区B的带宽功率模型匹配不成功。
在本发明实施例的一种实现方式中,可以多次获取不同覆盖高铁的小区的带宽功率模型,通过不同高铁小区带宽功率模型,确定多个第二峰均比。从多个第二峰均比中取最小值,如果第一峰均比大于等于多个第二峰均比中的最小值时,确定目标小区带宽功率模型与高铁小区带宽功率模型匹配成功。
示例性的,高铁小区B的带宽功率峰均比为1000.00,高铁小区C的带宽功率峰均比为1995.26,高铁小区D的带宽功率峰均比为1258.93。则第二峰均比的最小值为1000.00。只要目标小区带宽功率模型对应的第一峰均比大于等于1000.00,则确定目标小区带宽功率模型与高铁小区带宽功率模型匹配成功。否则不成功。
具体的,为了保证识别的准确度,避免遗漏符合条件的高铁小区,在一种实现方式中,在计算出第一峰均比和第二峰均比之后,该方法还包括:
将第二峰均比除以调节阈值,生成修正峰均比;其中,调节阈值大于1;
若第一峰均比大于等于修正峰均比,则确定目标小区带宽功率模型与高铁小区带宽功率模型匹配成功。
示例性的,当第二峰均比为1000.00时,取20%的冗余为修正峰均比,1000/1.2=833.33。也就是说,若第一峰均比大于等于833.33,确定目标小区带宽功率模型与高铁小区带宽功率模型匹配成功。
S104、根据匹配结果,输出识别结果。
其中,识别结果,用于确定目标小区是否为高铁小区。
具体的,通过目标小区带宽功率模型与高铁小区带宽功率模型的匹配,得到匹配结果之后,输出识别结果。这个识别结果就是用来识别目标小区是否为高铁小区。通过目标小区带宽功率模型与高铁小区带宽功率模型的匹配成功与否,可以识别目标小区是否为高铁小区。
在本实施例的一种实现方式中,根据匹配结果,生成识别结果,包括步骤S104a:
S104a、若目标小区带宽功率模型与高铁小区带宽功率模型匹配不成功,则输出第一识别结果。
其中,第一识别结果,用于确定目标小区不是高铁小区。
具体的,目标小区带宽功率模型与高铁小区带宽功率模型匹配不成功,表示目标小区带宽功率模型与高铁小区带宽功率模型的特征不相匹配,那么输出一个识别结果,用于表示目标小区不是高铁小区。
在本实施例的一种实现方式中,根据匹配结果,生成识别结果,还包括步骤S104b1:
S104b1、若目标小区带宽功率模型与高铁小区带宽功率模型匹配成功,则输出第二识别结果。
其中,所述第二识别结果,用于确定所述目标小区为高铁小区。
具体的,目标小区带宽功率模型与高铁小区带宽功率模型匹配成功,表示目标小区带宽功率模型与高铁小区带宽功率模型的特征相匹配,可以直接输出一个识别结果,用于表示确定目标小区为高铁小区。
如图6所示,为通过本发明实施例S104b1所提供方法确定出的高铁小区的位置分布图。
在本实施例的另一种实现方式中,根据匹配结果,生成识别结果,还包括步骤S104b2:
S104b2、若目标小区带宽功率模型与高铁小区带宽功率模型匹配成功,则判断目标小区与第一小区集合中小区的距离,若存在距离小于等于距离阈值的小区,则输出第二识别结果。
其中,第一小区集合中,包括:至少一个已经确定的覆盖高铁的小区。
具体的,为了更加精确的识别高铁小区,避免将满足覆盖高铁小区特征相似性的非高铁小区混入高铁小区群组。在确定目标小区带宽功率模型与高铁小区带宽功率模型匹配成功的基础上,计算目标小区与至少一个已经确定的覆盖高铁的小区之间的距离。如果目标小区与至少一个已经确定的覆盖高铁小区之间的距离存在小于等于距离阈值的情况,那么输出第二识别结果。第二识别结果用于确定目标小区就是高铁小区。反之,目标小区与至少一个已经确定的覆盖高铁的小区之间的距离均大于距离阈值,则目标小区不是高铁小区。
示例性的,在利用上述步骤S104b1的内容确定出多个高铁小区的分布图如图6所示。然后利用S104b2的内容,进一步对这些高铁小区进行筛选,剔除掉与其他高铁小区距离均大于距离阈值的小区。例如,从图6中剔除与其他高铁小区距离均大于距离阈值的小区(图中圆圈所示),进而最终确定出的高铁小区的分布图,如图7所示。
示例性的,第一小区集合中包括高铁小区B、高铁小区C、高铁小区D,距离阈值为1.5km。如果目标小区A与高铁小区B、高铁小区C、高铁小区D之间的距离分别为1.5km、2.0km、2.5km,1.5km满足存在小于等于1.5km的小区,那么确定目标小区A为高铁小区。如果目标小区A与高铁小区B、高铁小区C、高铁小区D之间的距离不变、距离阈值也不变,只不过第一集合中不包括高铁小区B了,也就是B不是覆盖高铁的小区了。那么2.0km、2.5km均不满足存在距离小于等于1.5km的小区,可以确定目标小区A就不是高铁小区了。
示例性的,本申请通过获取小区的经纬度数据,计算目标小区与至少一个覆盖高铁小区的集合中的全部小区的距离最小值,部分代码如下:
Function dis(lon1,lat1,lon2,lat2)
Pi=3.14159265358979
tmplat1=(lat1-lat2)*Pi/180
tmplat2=(lat1+lat2)*Pi/180
tmplon1=(lon1-lon2)*Pi/180
dis=6370*Sqr(tmplat1*tmplat1+tmplon1*tmplon1*((Cos(tmplat2/2))*(Cos(tmplat2/2))-tmplat2*tmplat2/4))*1000
dis=Round(dis,0)
End Function
若目标小区与至少一个覆盖高铁小区的集合中的全部小区的距离最小值大于目标阈值,则目标小区不是高铁小区。
示例性的,采用COST231-Hata模型计算小区覆盖半径,从而估算高铁长期演进(long term evolution,LTE)站点覆盖距离最大不超过3km,可以将距离阈值设定为3km。如图8所示,为一种基于COST231-Hata模型的LTE覆盖半径估算示意图。
示例性的,高铁网络采用3G/4G一体化共站址同步建设方式,站距不超过1.2km,也可以将距离阈值设定为1.2km。
进而,本发明实施例中,可以取两者的最小值1.2km作为距离阈值。
同时,规划建设的高铁小区可能并未完全建成,因此暂时不具备高铁小区的特征及作用。本发明实施例中,将规划建设的高铁小区(包含未完成建设的站点)作为初始值导入,以避免为建成站点对地理化计算带来的误差。
示例性的,目标小区B和目标小区D实际上确实是高铁小区。但目标小区B和目标小区D经过与高铁小区特征匹配成功后,目标小区B或者目标小区D与高铁小区之间的距离均大于距离阈值,我们可能会判断目标小区B和目标小区D均不是高铁小区。但是,目标小区B和目标小区D之间可能存在一个还未建成的高铁小区C,然而目标小区B和目标小区D与目标小区C的距离均小于等于高铁小区C。因此,我们将规划建设的高铁小区(包含未完成建设的站点)导入第一集合中。
在本发明实施例的一种实现方式中,在确定目标小区是否为高铁小区之后,该方法还包括一种高铁小区效果验证方法。
示例性的,如图9所示,为该方法识别出的高铁小区与规划建设的高铁小区的局部比对示意图。取某地市一段高铁进行效果验证,该段高铁全长60km,规划建设的高铁小区共142个。通过本发明对3534个小区进行用户模型匹配和地理化筛选,最终获得的高铁小区列表为148个,将其与规划建设的高铁小区进行比对,其中142个小区重叠,匹配度为100%,另外6个小区为不在规划建设的高铁小区列表中但实际覆盖到了高铁的小区。
在本发明实施例的一种实现方式中,在确定目标小区是否为高铁小区之后,该方法还包括一种高铁小区数据维护方法。
具体的,对新建成的LTE高铁小区,可以利用将新建成的LTE高铁小区进行匹配,通过将新建成的LTE高铁小区位置数据导入计算,可自动识别新建成的高铁小区是否覆盖到了高铁。对规划建设的高铁小区进行验证,仅需匹配新建成的LTE高铁小区的带宽功率数据以及位置数据,即可验证规划建成后的高铁小区是否达到了高铁覆盖的目标。
本申请提供了一种高铁小区识别装置,用于执行前述高铁小区识别方法,如图10所示,为本发明实施例提供的高铁小区识别装置20的一种可能的结构示意图。其中,该装置包括:
获取模块201,用于获取目标小区在预设时间段内的带宽功率。
处理模块202,用于在获取模块201获取目标小区在预设时间段内的带宽功率之后,根据目标小区在预设时间段内的带宽功率,确定目标小区带宽功率模型。其中,目标小区带宽功率模型,用于反映在预设时间段内,目标小区的带宽功率随时间的变化情况。
处理模块202,还用于在处理模块202确定目标小区带宽功率模型之后,将目标小区带宽功率模型与高铁小区带宽功率模型进行匹配。其中,高铁小区带宽功率模型,用于反映覆盖高铁的小区的带宽功率随时间的变化情况。
输出模块203,用于在处理模块202将目标小区带宽功率模型与高铁小区带宽功率模型进行匹配之后,根据匹配结果,输出识别结果。其中,识别结果,用于确定目标小区是否为高铁小区。
可选的,获取模块201具体包括:获取子模块2011、第一处理子模块2012。
获取子模块2011,用于获取目标小区在预设时间段内的RSSI。
第一处理子模块2012,用于在获取子模块2011获取目标小区在预设时间段内的RSSI之后,根据目标小区在预设时间段内的RSSI,计算目标小区在预设时间段内的带宽功率。
可选的,处理模块202具体包括:第二处理子模块2021。
第二处理子模块2021,用于根据目标小区带宽功率模型,计算第一峰均比。其中,第一峰均比为目标小区带宽功率模型中功率最大值与功率平均值的比值。第二处理子模块2021,还用于根据高铁小区带宽功率模型,计算第二峰均比。其中,第二峰均比为高铁小区带宽功率模型中功率最大值与功率平均值的比值。第二处理子模块2021,还用于若第一峰均比大于等于第二峰均比,则确定目标小区带宽功率模型与高铁小区带宽功率模型匹配成功。否则,不成功。
可选的,输出模块203具体包括:第一输出子模块2031。
第一输出子模块2031,用于若目标小区带宽功率模型与高铁小区带宽功率模型匹配不成功,则输出第一识别结果。其中,第一识别结果,用于确定目标小区不是高铁小区。
可选的,输出模块203具体还包括:第二输出子模块2032。
第二输出子模块2032,用于若目标小区带宽功率模型与高铁小区带宽功率模型匹配成功,则输出第二识别结果。其中,第二识别结果,用于确定目标小区为高铁小区。
第二输出子模块2032,或者用于若目标小区带宽功率模型与高铁小区带宽功率模型匹配成功,则判断目标小区与第一小区集合中小区的距离,若存在距离小于等于距离阈值的小区,则输出第二识别结果。其中,第一小区集合中,包括:至少一个已经确定的覆盖高铁的小区。
本申请实施例可以根据上述方法示例对高铁小区识别装置进行功能模块或者功能单元的划分,例如,可以对应各个功能划分各个功能模块或者功能单元,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块或者功能单元的形式实现。其中,本申请实施例中对模块或者单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
在采用集成的单元的情况下,图11示出了上述实施例中所涉及的高铁小区识别装置的一种可能的结构示意图。高铁小区识别装置30包括:处理模块301、通信模块302和存储模块303。处理模块301用于对高铁小区识别装置装置30的动作进行控制管理,例如,处理模块301用于支持高铁小区识别装置30执行图1中的过程S101-S104。通信模块302用于支持高铁小区识别装置30与其他实体的通信。存储模块303用于存储高铁小区识别装置的程序代码和数据。
其中,处理模块301可以是处理器或控制器,例如可以是中央处理器(centralprocessing unit,CPU),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、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等等。通信模块302可以是收发器、收发电路或通信接口等。存储模块303可以是存储器。
当处理模块301为如图12所示的处理器,通信模块302为图12的收发器,存储模块303为图12的存储器时,本发明实施例所涉及的高铁小区识别装置可以为如下的高铁小区识别装置40。
参照图12所示,该高铁小区识别装置40包括:处理器401、收发器402、存储器403和总线404。
其中,处理器401、收发器402、存储器403通过总线404相互连接;总线404可以是外设部件互连标准(peripheral component interconnect,PCI)总线或扩展工业标准结构(extended industry standard architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器401可以是一个通用中央处理器(Central Processing Unit,CPU),微处理器,特定应用集成电路(Application-Specific Integrated Circuit,ASIC),或一个或多个用于控制本发明方案程序执行的集成电路。
存储器403可以是只读存储器(Read-Only Memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(Random Access Memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(ElectricallyErasable Programmable Read-only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器403用于存储执行本发明方案的应用程序代码,并由处理器401来控制执行。收发器402用于接收外部设备输入的内容,处理器401用于执行存储器403中存储的应用程序代码,从而实现本发明实施例中提供的一种高铁小区识别方法。
应理解,在本发明的各种实施例中,上述各过程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。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户终端线(Digital Subscriber Line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带),光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
以上所述,仅为本发明的具体实施方式,但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,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (12)
1.一种高铁小区识别方法,其特征在于,所述方法包括:
获取目标小区在预设时间段内的带宽功率;
根据所述目标小区在预设时间段内的带宽功率,确定目标小区带宽功率模型;其中,所述目标小区带宽功率模型,用于反映在所述预设时间段内,所述目标小区的带宽功率随时间的变化情况;
将所述目标小区带宽功率模型与高铁小区带宽功率模型进行匹配;其中,所述高铁小区带宽功率模型,用于反映覆盖高铁的小区的带宽功率随时间的变化情况;
根据匹配结果,输出识别结果;其中,所述识别结果,用于确定所述目标小区是否为高铁小区。
2.根据权利要求1所述的高铁小区识别方法,其特征在于,所述获取目标小区在预设时间段内的带宽功率,具体包括:
获取目标小区在所述预设时间段内的接收的信号强度指示RSSI;
根据所述目标小区在所述预设时间段内的RSSI,计算所述目标小区在所述预设时间段内的带宽功率。
3.根据权利要求1所述的高铁小区识别方法,其特征在于,所述将所述目标小区带宽功率模型与高铁小区带宽功率模型进行匹配,具体包括:
根据所述目标小区带宽功率模型,计算第一峰均比;其中,所述第一峰均比为所述目标小区带宽功率模型中功率最大值与功率平均值的比值;
根据所述高铁小区带宽功率模型,计算第二峰均比;其中,所述第二峰均比为所述高铁小区带宽功率模型中功率最大值与功率平均值的比值;
若所述第一峰均比大于等于所述第二峰均比,则确定所述目标小区带宽功率模型与所述高铁小区带宽功率模型匹配成功;否则,不成功。
4.根据权利要求1-3任一项所述的高铁小区识别方法,其特征在于,所述根据匹配结果,生成识别结果,具体包括:
若所述目标小区带宽功率模型与所述高铁小区带宽功率模型匹配不成功,则输出第一识别结果;其中,所述第一识别结果,用于确定所述目标小区不是高铁小区。
5.根据权利要求1-3任一项所述的高铁小区识别方法,其特征在于,所述根据匹配结果,输出识别结果,具体还包括:
若所述目标小区带宽功率模型与所述高铁小区带宽功率模型匹配成功,则输出第二识别结果;其中,所述第二识别结果,用于确定所述目标小区为高铁小区;
或者,若所述目标小区带宽功率模型与所述高铁小区带宽功率模型匹配成功,则判断所述目标小区与第一小区集合中小区的距离,若存在距离小于等于距离阈值的小区,则输出所述第二识别结果;其中,所述第一小区集合中,包括:至少一个已经确定的覆盖高铁的小区。
6.一种高铁小区识别装置,其特征在于,所述装置包括:
获取模块,用于获取目标小区在预设时间段内的带宽功率;
处理模块,用于在所述获取模块获取目标小区在预设时间段内的带宽功率之后,根据所述目标小区在预设时间段内的带宽功率,确定目标小区带宽功率模型;其中,所述目标小区带宽功率模型,用于反映在所述预设时间段内,所述目标小区的带宽功率随时间的变化情况;
所述处理模块,还用于在所述处理模块确定目标小区带宽功率模型之后,将所述目标小区带宽功率模型与高铁小区带宽功率模型进行匹配;其中,所述高铁小区带宽功率模型,用于反映覆盖高铁的小区的带宽功率随时间的变化情况;
输出模块,用于在所述处理模块将所述目标小区带宽功率模型与高铁小区带宽功率模型进行匹配之后,根据匹配结果,输出识别结果;其中,所述识别结果,用于确定所述目标小区是否为高铁小区。
7.根据权利要求6所述的高铁小区识别装置,其特征在于,所述获取模块具体包括:获取子模块、第一处理子模块;
所述获取子模块,用于获取目标小区在所述预设时间段内的RSSI;
所述第一处理子模块,用于在所述获取子模块获取目标小区在所述预设时间段内的RSSI之后,根据所述目标小区在所述预设时间段内的RSSI,计算所述目标小区在所述预设时间段内的带宽功率。
8.根据权利要求6所述的高铁小区识别装置,其特征在于,所述处理模块具体包括:第二处理子模块;
所述第二处理子模块,用于根据所述目标小区带宽功率模型,计算第一峰均比;其中,所述第一峰均比为所述目标小区带宽功率模型中功率最大值与功率平均值的比值;
所述第二处理子模块,还用于根据所述高铁小区带宽功率模型,计算第二峰均比;其中,所述第二峰均比为所述高铁小区带宽功率模型中功率最大值与功率平均值的比值;
所述第二处理子模块,还用于若所述第一峰均比大于等于所述第二峰均比,则确定所述目标小区带宽功率模型与所述高铁小区带宽功率模型匹配成功;否则,不成功。
9.根据权利要求6-8任一项所述的高铁小区识别装置,其特征在于,所述输出模块具体包括:第一输出子模块;
所述第一输出子模块,用于若所述目标小区带宽功率模型与所述高铁小区带宽功率模型匹配不成功,则输出第一识别结果;其中,所述第一识别结果,用于确定所述目标小区不是高铁小区。
10.根据权利要求6-8任一项所述的高铁小区识别装置,其特征在于,所述输出模块具体还包括:第二输出子模块;
所述第二输出子模块,用于若所述目标小区带宽功率模型与所述高铁小区带宽功率模型匹配成功,则输出第二识别结果;其中,所述第二识别结果,用于确定所述目标小区为高铁小区;
或者,所述第二输出子模块,用于若所述目标小区带宽功率模型与所述高铁小区带宽功率模型匹配成功,则判断所述目标小区与第一小区集合中小区的距离,若存在距离小于等于距离阈值的小区,则输出所述第二识别结果;其中,所述第一小区集合中,包括:至少一个已经确定的覆盖高铁的小区。
11.一种高铁小区识别装置,其特征在于,所述高铁小区识别装置包括:处理器、通信接口和存储器;其中,存储器用于存储一个或多个程序,该一个或多个程序包括计算机执行指令,当该高铁小区识别装置运行时,处理器执行该存储器存储的该计算机执行指令,以使该高铁小区识别装置执行权利要求1至5中任一项所述的高铁小区识别方法。
12.一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,其特征在于,当所述指令在计算机上运行时,使得计算机执行如权利要求1至5中任一项所述的高铁小区识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910625998.7A CN110493790B (zh) | 2019-07-11 | 2019-07-11 | 高铁小区识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910625998.7A CN110493790B (zh) | 2019-07-11 | 2019-07-11 | 高铁小区识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110493790A true CN110493790A (zh) | 2019-11-22 |
CN110493790B CN110493790B (zh) | 2022-03-18 |
Family
ID=68546979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910625998.7A Active CN110493790B (zh) | 2019-07-11 | 2019-07-11 | 高铁小区识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110493790B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160255564A1 (en) * | 2015-02-27 | 2016-09-01 | Qualcomm Incorporated | Cell selection for a high speed scenario |
CN107708136A (zh) * | 2017-09-20 | 2018-02-16 | 北京市天元网络技术股份有限公司 | 一种高铁小区识别方法及装置 |
CN108260142A (zh) * | 2016-12-29 | 2018-07-06 | 中国移动通信集团浙江有限公司 | 一种高铁模拟路测数据获取方法和装置 |
US10136293B1 (en) * | 2017-09-28 | 2018-11-20 | Thales Avionics, Inc. | Inflight entertainment system that selects among passenger electronic devices for connection based on power measurements |
CN109257736A (zh) * | 2018-10-26 | 2019-01-22 | 中国联合网络通信集团有限公司 | 一种高铁用户的识别方法 |
CN109618281A (zh) * | 2019-01-07 | 2019-04-12 | 中国联合网络通信集团有限公司 | 一种高铁小区的识别方法及装置 |
-
2019
- 2019-07-11 CN CN201910625998.7A patent/CN110493790B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160255564A1 (en) * | 2015-02-27 | 2016-09-01 | Qualcomm Incorporated | Cell selection for a high speed scenario |
CN108260142A (zh) * | 2016-12-29 | 2018-07-06 | 中国移动通信集团浙江有限公司 | 一种高铁模拟路测数据获取方法和装置 |
CN107708136A (zh) * | 2017-09-20 | 2018-02-16 | 北京市天元网络技术股份有限公司 | 一种高铁小区识别方法及装置 |
US10136293B1 (en) * | 2017-09-28 | 2018-11-20 | Thales Avionics, Inc. | Inflight entertainment system that selects among passenger electronic devices for connection based on power measurements |
CN109257736A (zh) * | 2018-10-26 | 2019-01-22 | 中国联合网络通信集团有限公司 | 一种高铁用户的识别方法 |
CN109618281A (zh) * | 2019-01-07 | 2019-04-12 | 中国联合网络通信集团有限公司 | 一种高铁小区的识别方法及装置 |
Non-Patent Citations (1)
Title |
---|
詹强: ""高铁环境下LTE切换技术的研究与应用"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技I辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110493790B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109118265A (zh) | 商圈确定方法、装置和服务器 | |
CN108109423B (zh) | 基于WiFi室内定位的地下停车场智能导航方法及系统 | |
CN104700069A (zh) | 一种非绑定式射频标签健身动作识别监控系统及其方法 | |
CN103686999A (zh) | 基于WiFi信号的室内无线定位方法 | |
CN108462965B (zh) | 一种铁塔需求站址共享规划方法 | |
CN106060841B (zh) | 一种基于非自主部署ap的室内定位方法及装置 | |
CN107978189A (zh) | 一种习题的智能推送方法、系统及终端设备 | |
CN112232437A (zh) | 物联网终端数据分析方法及系统 | |
CN104039008B (zh) | 一种混合定位方法 | |
CN112328728A (zh) | 挖掘出行者轨迹的聚类方法、装置、电子装置和存储介质 | |
CN116321206A (zh) | 基站开站方法、装置、电子设备和计算机可读存储介质 | |
CN106993296A (zh) | 终端的性能评估方法及装置 | |
Yang et al. | AI-enabled data-driven channel modeling for future communications | |
CN110493790A (zh) | 高铁小区识别方法及装置 | |
CN101277508A (zh) | 一种gsm-r干扰源查找方法 | |
CN109142516A (zh) | 一种变压器油状态在线评估方法及装置 | |
CN105158731B (zh) | 一种基于路测功率值的信源定位方法 | |
CN104244301A (zh) | 基于无线指标定位lte网络问题的方法和系统 | |
CN102098710B (zh) | 路网质量仿真系统与方法 | |
CN115734264A (zh) | 5g网络覆盖评估方法、装置、计算机可读介质及电子设备 | |
Yohanes et al. | Location prediction model using Naïve Bayes algorithm in a half-open building | |
CN112860768B (zh) | 一种电磁频谱可用频率推荐方法 | |
CN106899980B (zh) | 一种道路重叠覆盖度的确定方法及装置 | |
CN107371122A (zh) | 基于电子设备行为模式的辅助定位的实现方法 | |
CN111314926B (zh) | 覆盖关系确定方法、装置及计算机可读存储介质 |
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 |