CN110611916A

CN110611916A - 检测小区覆盖范围变化的方法和装置

Info

Publication number: CN110611916A
Application number: CN201810522670.8A
Authority: CN
Inventors: 陈爽; 王硕然; 林华乐; 胡晓丹; 彭树铁
Original assignee: China Mobile Communications Group Co Ltd; China Mobile Group Guangdong Co Ltd
Current assignee: China Mobile Communications Group Co Ltd; China Mobile Group Guangdong Co Ltd
Priority date: 2018-05-28
Filing date: 2018-05-28
Publication date: 2019-12-24

Abstract

本发明实施例提供一种检测小区覆盖范围变化的方法和装置。所述方法包括：根据邻区测量数据进行邻区位置象限运算，得到位于异常象限的邻区，根据用户定位数据进行用户定位分布象限运算，得到分布在异常象限的用户定位点；根据运算结果计算位于异常象限的邻区所关联的MR数据占所有邻区所关联的MR数据的比例，得到邻区异常MR比例，计算分布在异常象限的用户定位点所关联的MR数据占所有用户定位点所关联的MR数据的比例，得到用户定位分布异常MR比例；根据邻区异常MR比例和用户定位分布异常MR比例判断当前小区的天线是否异常。本发明实施例通过象限运算确定异常象限邻区和异常象限用户分布，能够准确判断出小区覆盖范围变化异常，提高分析效率。

Description

检测小区覆盖范围变化的方法和装置

技术领域

本发明实施例涉及通信技术领域，尤其涉及一种检测小区覆盖范围变化的方法和装置。

背景技术

在LTE(Long Term Evolution，长期演进)优化维护过程中，由于操作失误造成小区接反、频繁的天馈维护调整以及自然灾害导致天线覆盖异常的问题日益增多，如果没有及时判断出小区覆盖范围发生的变化，会直接影响无线网络问题分析效率及准确性，同时造成邻区漏配、网内干扰增大、掉话率升高等负面影响。

目前判断小区覆盖变化的方法如下：1、通过定期巡检，上站核查小区工程参数(以下简称为工参)准确性，进而判断小区覆盖情况；2、后台异常指标分析，判断覆盖变化；3、人工测试及客户投诉判断覆盖变化。

但是上述判断方法都存在一定的缺陷，例如信息更新不及时、问题发现滞后、人工记录容易造成工参信息错误等，从而造成覆盖分析不准确、效率低等问题。

发明内容

本发明实施例提供一种检测小区覆盖范围变化的方法和装置，用以解决现有技术中分析不准确、效率低的问题。

一方面，本发明实施例提供一种检测小区覆盖范围变化的方法，所述方法包括：

根据当前小区的邻区测量数据进行邻区位置象限运算，得到位于异常象限的邻区，以及根据当前小区的用户定位数据进行用户定位分布象限运算，得到分布在异常象限的用户定位点；

根据运算结果计算位于异常象限的邻区所关联的MR数据占所有邻区所关联的MR数据的比例，得到邻区异常MR比例，以及计算分布在异常象限的用户定位点所关联的MR数据占所有用户定位点所关联的MR数据的比例，得到用户定位分布异常MR比例；

根据所述邻区异常MR比例和用户定位分布异常MR比例判断当前小区的天线是否异常。

另一方面，本发明实施例提供一种检测小区覆盖范围变化的装置，所述装置包括：

第一计算单元，用于根据当前小区的邻区测量数据进行邻区位置象限运算，得到位于异常象限的邻区，以及根据当前小区的用户定位数据进行用户定位分布象限运算，得到分布在异常象限的用户定位点；

第二计算单元，用于根据运算结果计算位于异常象限的邻区所关联的MR数据占所有邻区所关联的MR数据的比例，得到邻区异常MR比例，以及计算分布在异常象限的用户定位点所关联的MR数据占所有用户定位点所关联的MR数据的比例，得到用户定位分布异常MR比例；

判断单元，用于根据所述邻区异常MR比例和用户定位分布异常MR比例判断当前小区的天线是否异常。

另一方面，本发明实施例还提供一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述检测小区覆盖范围变化的方法的步骤。

另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述检测小区覆盖范围变化的方法的步骤。

本发明实施例通过象限运算确定异常象限邻区和异常象限用户分布，能够准确判断出小区覆盖范围变化异常，提高分析效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的检测小区覆盖范围变化的方法的流程示意图；

图2为本发明一实施例提供的邻区位置象限的示意图；

图3为本发明一实施例提供的根据邻区异常MR比例判断天线异常的示意图；

图4为本发明一实施例提供的根据用户定位分布异常MR比例判断天线异常的示意图；

图5为本发明一实施例提供的用于估算天线方位角的多象限坐标系的示意图。

图6为本发明一实施例提供的检测小区覆盖范围变化的装置的结构示意图；

图7为本发明一实施例提供的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1示出了本发明实施例提供的一种检测小区覆盖范围变化的方法的流程示意图。

如图1所示，本发明实施例提供的检测小区覆盖范围变化的方法具体包括以下步骤：

S11、根据当前小区的邻区测量数据进行邻区位置象限运算，得到位于异常象限的邻区，以及根据当前小区的用户定位数据进行用户定位分布象限运算，得到分布在异常象限的用户定位点；

具体地，所述邻区测量数据为软采的MR(Measurement Report，测量报告)数据，本发明实施例通过采集的MR数据关联主小区和测量邻区，统计出主小区和邻区关联的MR数据列表。

另外，所述用户定位数据包括软采的MR数据和硬采的用户数据，包括用户上报的经纬度信息、采样点个数等，本发明实施例根据这些用户数据匹配当前主覆盖小区。

本发明实施例在收集到当前主覆盖小区的邻区测量数据和用户定位数据之后，引入象限运算分别进行邻区位置象限运算和用户定位分布象限运算。邻区位置象限运算具体是建立包含各个象限的邻区汇聚模型，通过角度运算确定各邻区分别位于该邻区汇聚模型中的哪个象限中，从而确定哪些邻区位于异常的象限。用户定位分布象限运算与邻区位置象限运算类似，建立包含多个象限的用户定位分布模型，继而计算用户定位点在各个象限中的分布，然后确定位于异常象限的用户定位点。

S12、根据运算结果计算位于异常象限的邻区所关联的MR数据占所有邻区所关联的MR数据的比例，得到邻区异常MR比例，以及计算分布在异常象限的用户定位点所关联的MR数据占所有用户定位点所关联的MR数据的比例，得到用户定位分布异常MR比例；

具体地，经过邻区位置象限运算和用户定位分布象限运算后，得到异常象限邻区和异常象限用户定位分布，即可计算出邻区异常的MR比例和用户定位分布异常的MR比例。邻区异常MR比例指分布在异常象限的邻区所关联的MR数据占所有邻区关联的MR数据的比例。用户定位分布异常MR比例指分布在异常象限的用户定位分布点关联的MR数据占所有用户定位分布点关联的MR数据的比例。

S13、根据所述邻区异常MR比例和用户定位分布异常MR比例判断当前小区的天线是否异常。

本发明实施例将邻区异常MR比例和用户定位分布异常MR比例作为天线异常的判断标准，当邻区异常MR比例和用户定位分布异常MR比例超过预设阈值时，判定当前小区的天线异常。

本发明实施例提供的检测小区覆盖范围变化的方法，根据邻区测量数据和用户定位数据分别进行象限运算，得出位于异常象限的邻区和用户定位点，进而计算出邻区异常的MR比例和用户定位分布异常的MR比例，当异常MR比例超过预设阈值时判断当前小区覆盖范围的变化情况。本发明实施例通过象限运算确定异常象限邻区和异常象限用户分布，能够准确判断出小区覆盖范围变化异常，提高分析效率。

在上述实施例的基础上，S11具体包括：

以当前小区经纬度为坐标轴中心，以当前小区的天线方向为Y轴建立邻区位置象限；

计算各邻区与当前小区的连线与当前小区的天线方向之间的夹角；

根据所述夹角判断各邻区所在象限；

根据各邻区所在象限确定位于异常象限的邻区。

具体地，所述根据所述夹角判断各邻区所在象限包括：

当所述夹角在[0,90]之间，所述夹角对应的邻区位于第一象限，当所述夹角在[90,180]之间，所述夹角对应的邻区位于第四象限，当所述夹角在[180,270]之间，所述夹角对应的邻区位于第三象限，当所述夹角在[270,360]之间，所述夹角对应的邻区位于第二象限；

所述根据各邻区所在象限确定位于异常象限的邻区包括：

将位于第三象限和第四象限的邻区确定为位于异常象限的邻区。

下面用具体例子对本发明实施例提供的邻区位置象限运算进行详细阐述。

图2示出了本发明实施例提出的邻区位置象限的示意图。

参照图2，服务小区A的经纬度(X1，Y1)为坐标中心，正北方向0°，服务小区A天线方向角为α，以服务小区A为坐标中心，以服务小区天线方向为Y轴正半轴建立邻区位置象限，测量邻区B的经纬度为(X2，Y2)，服务小区A与测量邻区小区B连线的夹角为β，邻区连线与服务小区A天线方向的夹角为θ。根据θ夹角度数来确定邻区所在象限：夹角在[0，90]之间为第一象限；夹角在[90，180]之间为第四象限；夹角在[180，270]之间为第三象限；夹角在[270，360]之间为第二象限。

本发明实施例将第三、四象限的邻区确定为异常象限邻区。

在上述实施例的基础上，S11具体还包括：

以当前小区经纬度为坐标轴中心，以当前小区的天线方向为Y轴建立用户定位分布象限；

计算各用户定位点与当前小区的连线与当前小区的天线方向之间的夹角；

根据所述夹角判断各用户定位点所在象限；

根据各用户定位点所在象限确定位于异常象限的用户定位点。

具体地，所述根据所述夹角判断各用户定位点所在象限包括：

当所述夹角在[0,90]之间，所述夹角对应的用户定位点位于第一象限，当所述夹角在[90,180]之间，所述夹角对应的用户定位点位于第四象限，当所述夹角在[180,270]之间，所述夹角对应的用户定位点位于第三象限，当所述夹角在[270,360]之间，所述夹角对应的用户定位点位于第二象限；

所述根据各用户定位点所在象限确定位于异常象限的用户定位点包括：

将位于第三象限和第四象限的用户定位点确定为位于异常象限的用户定位点。

本发明实施例提供的用户定位分布象限运算与邻区位置象限运算方法类似，同样引入了四象限，再根据用户上报的经、纬度信息，计算出用户定位分布点处在以主小区方向为正纵轴象限的位置，这里不再赘述。本发明实施例将集中在第三、四象限的用户定位分布点确定为异常象限用户定位分布点。

在上述实施例的基础上，S13具体包括：

当所述邻区异常MR比例和用户定位分布异常MR比例均大于预设阈值时，判定当前小区的天线异常。

图3示出了本发明实施例提出的根据邻区异常MR比例判断天线异常的示意图；

图4示出了本发明实施例提出的根据用户定位分布异常MR比例判断天线异常的示意图；

参照图3和图4，本发明实施例将邻区异常MR比例和用户定位分布异常MR比例同时大于等于50％以上作为天线异常的判断标准。

本发明实施例在天线异常判断结果的基础上，还提出一种计算天线的方位角的方法。具体步骤如下：

以当前小区经纬度为坐标轴中心点，以正北方向为Y轴正半轴零度方向划分出多个象限；

根据所述用户定位点所关联的MR数据确定每个用户定位点所在的象限；

计算每个象限内的用户定位点占所有象限的用户定位点的比例，得到每个象限的用户定位点占比；

判断是否存在多个连续象限的用户定位点占比之和大于指定阈值；

当存在多个连续象限的用户定位点占比之和大于指定阈值时，计算所述多个连续象限角度之和的平均值，得到当前小区的天线方位角。

具体地，本发明实施例在天线异常判断结果的基础上，利用用户定位分布关联的MR数据进行角度估算，继而得出异常天线的方位角。

首先，以当前小区经纬度为坐标轴中心点，建立用于估算天线方位角的多象限坐标系。

图5示出了本发明实施例提出的用于估算天线方位角的多象限坐标系的示意图。

参照图5，本发明实施例以当前小区的经纬度为坐标中心，Y轴正半轴为0°方向，平均划分出12个象限，每个象限跨度为30°。

然后计算出每个用户定位分布关联的MR采样点所落在的象限，进而统计出每个象限用户定位分布关联的MR采样点占所有象限MR采样点的比例。若算出多个连续相邻象限的MR采样点占比之和大于指定阈值(例如＞＝60％)，则以该连续相邻象限的中心角为天线方位角估算值。

其中，所述中心角为所述多个连续象限角度之和的平均值，例如，当前小区用户定位MR采样点主要集中在1、2、3象限，象限角度之和为90°，则天线方向角为三个象限的中心角45°。

本发明实施例提供的检测小区覆盖范围变化的方法基于信令软采和硬采对天线异常问题进行分析定位，实现智能化的天线异常检测。具体地，通过对软采信令MR进行不同时间段的统计分析，能够在工程参数不变的情况下，定位每个基站小区天线覆盖差异，估算基站小区天线方向角，批量输出小区覆盖变化异常，确保工参的准确性，保障网络性能，提升网络优化的效率。

本发明实施例还提供一种检测小区覆盖范围变化的装置。

图6示出了本发明实施例提供的一种检测小区覆盖范围变化的装置的结构示意图。

如图6所示，本发明实施例提供的检测小区覆盖范围变化的装置包括第一计算单元11、第二计算单元12以及判断单元13，其中：

所述第一计算单元11，用于根据当前小区的邻区测量数据进行邻区位置象限运算，得到位于异常象限的邻区，以及根据当前小区的用户定位数据进行用户定位分布象限运算，得到分布在异常象限的用户定位点；

所述第二计算单元12，用于根据运算结果计算位于异常象限的邻区所关联的MR数据占所有邻区所关联的MR数据的比例，得到邻区异常MR比例，以及计算分布在异常象限的用户定位点所关联的MR数据占所有用户定位点所关联的MR数据的比例，得到用户定位分布异常MR比例；

所述判断单元13，用于根据所述邻区异常MR比例和用户定位分布异常MR比例判断当前小区的天线是否异常。

本发明实施例提供的检测小区覆盖范围变化的装置，根据邻区测量数据和用户定位数据分别进行象限运算，得出位于异常象限的邻区和用户定位点，进而计算出邻区异常的MR比例和用户定位分布异常的MR比例，当异常MR比例超过预设阈值时判断当前小区覆盖范围的变化情况。本发明实施例通过象限运算确定异常象限邻区和异常象限用户分布，能够准确判断出小区覆盖范围变化异常，提高分析效率。

在上述实施例的基础上，所述第一计算单元11包括：

第一建立模块，用于以当前小区经纬度为坐标轴中心，以当前小区的天线方向为Y轴建立邻区位置象限；

第一计算模块，用于计算各邻区与当前小区的连线与当前小区的天线方向之间的夹角；

第一判断模块，用于根据所述夹角判断各邻区所在象限；

第一确定模块，用于根据各邻区所在象限确定位于异常象限的邻区。

具体地，所述第一判断模块，用于判定当所述夹角在[0,90]之间，所述夹角对应的邻区位于第一象限，当所述夹角在[90,180]之间，所述夹角对应的邻区位于第四象限，当所述夹角在[180,270]之间，所述夹角对应的邻区位于第三象限，当所述夹角在[270,360]之间，所述夹角对应的邻区位于第二象限；

所述第一确定模块，用于将位于第三象限和第四象限的邻区确定为位于异常象限的邻区。

在上述实施例的基础上，所述第一计算单元11还包括：

第二建立模块，用于以当前小区经纬度为坐标轴中心，以当前小区的天线方向为Y轴建立用户定位分布象限；

第二计算模块，用于计算各用户定位点与当前小区的连线与当前小区的天线方向之间的夹角；

第二判断模块，用于根据所述夹角判断各用户定位点所在象限；

第二确定模块，用于根据各用户定位点所在象限确定位于异常象限的用户定位点。

具体地，所述第二判断模块，用于判定当所述夹角在[0,90]之间，所述夹角对应的用户定位点位于第一象限，当所述夹角在[90,180]之间，所述夹角对应的用户定位点位于第四象限，当所述夹角在[180,270]之间，所述夹角对应的用户定位点位于第三象限，当所述夹角在[270,360]之间，所述夹角对应的用户定位点位于第二象限；

所述第二确定模块，用于将位于第三象限和第四象限的用户定位点确定为位于异常象限的用户定位点。

在上述实施例的基础上，所述判断单元13，用于当所述邻区异常MR比例和用户定位分布异常MR比例均大于预设阈值时，判定当前小区的天线异常。

在上述实施例的基础上，所述装置还包括：

划分单元，用于以当前小区经纬度为坐标轴中心点，以正北方向为Y轴正半轴零度方向划分出多个象限；

第三确定单元，用于根据所述用户定位点所关联的MR数据确定每个用户定位点所在的象限；

第三计算单元，用于计算每个象限内的用户定位点占所有象限的用户定位点的比例，得到每个象限的用户定位点占比；

第三判断单元，用于判断是否存在多个连续象限的用户定位点占比之和大于指定阈值；

第四计算单元，用于当存在多个连续象限的用户定位点占比之和大于指定阈值时，计算所述多个连续象限角度之和的平均值，得到当前小区的天线方位角。

本发明实施例中的功能模块可以通过硬件处理器(hardware processor)来实现相关功能模块，本发明实施例不再赘述。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如图1的方法。

图7示出了本发明一实施例提供的电子设备的结构示意图。

如图7所示，本发明实施例提供的电子设备包括存储器21、处理器22、总线23以及存储在存储器21上并可在处理器22上运行的计算机程序。其中，所述存储器21、处理器22通过所述总线23完成相互间的通信。

所述处理器22用于调用所述存储器21中的程序指令，以执行所述程序时实现如图1的方法。

例如，所述处理器执行所述程序时实现如下方法：

本发明实施例提供的电子设备，通过象限运算确定异常象限邻区和异常象限用户分布，能够准确判断出小区覆盖范围变化异常，提高分析效率。

本发明实施例还提供一种非暂态计算机可读存储介质，所述存储介质上存储有计算机程序，所述程序被处理器执行时实现如图1的步骤。

例如，所述处理器执行所述程序时实现如下方法：

本发明实施例提供的非暂态计算机可读存储介质，通过象限运算确定异常象限邻区和异常象限用户分布，能够准确判断出小区覆盖范围变化异常，提高分析效率。

本发明一实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：

本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：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。

Claims

1.一种检测小区覆盖范围变化的方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据当前小区的邻区测量数据进行邻区位置象限运算，得到位于异常象限的邻区包括：

根据所述夹角判断各邻区所在象限；

根据各邻区所在象限确定位于异常象限的邻区。

3.根据权利要求2所述的方法，其特征在于，所述根据所述夹角判断各邻区所在象限包括：

所述根据各邻区所在象限确定位于异常象限的邻区包括：

4.根据权利要求1所述的方法，其特征在于，所述根据当前小区的用户定位数据进行用户定位分布象限运算，得到分布在异常象限的用户定位点包括：

根据所述夹角判断各用户定位点所在象限；

5.根据权利要求4所述的方法，其特征在于，所述根据所述夹角判断各用户定位点所在象限包括：

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述根据所述邻区异常MR比例和用户定位分布异常MR比例判断当前小区的天线是否异常包括：

7.根据权利要求6所述的方法，其特征在于，在判定当前小区的天线异常之后，所述方法还包括：

根据所述用户定位点所关联的MR数据计算天线的方位角的步骤：

8.一种检测小区覆盖范围变化的装置，其特征在于，所述装置包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1至7任一项所述检测小区覆盖范围变化的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述检测小区覆盖范围变化的步骤。