CN110913407B - 重叠覆盖的分析方法及装置 - Google Patents

重叠覆盖的分析方法及装置 Download PDF

Info

Publication number
CN110913407B
CN110913407B CN201811086708.8A CN201811086708A CN110913407B CN 110913407 B CN110913407 B CN 110913407B CN 201811086708 A CN201811086708 A CN 201811086708A CN 110913407 B CN110913407 B CN 110913407B
Authority
CN
China
Prior art keywords
cell
data
serving cell
neighbor
interference
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
Application number
CN201811086708.8A
Other languages
English (en)
Other versions
CN110913407A (zh
Inventor
何建国
胡镇
安久江
童海生
王毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Group Zhejiang Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Zhejiang Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, China Mobile Group Zhejiang Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201811086708.8A priority Critical patent/CN110913407B/zh
Publication of CN110913407A publication Critical patent/CN110913407A/zh
Application granted granted Critical
Publication of CN110913407B publication Critical patent/CN110913407B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明实施例提供一种重叠覆盖的分析方法及装置，其中方法包括：根据CGI清单，获取区域内所有服务小区的MR数据，构成MR数据集；对于任意一个服务小区，统计MR数据集中第一MR数据和第二MR数据的数量以及所述服务小区作为干扰邻区形成的重叠覆盖邻区对的数量，以计算所述服务小区对于所述区域重叠覆盖的干扰贡献度；对所有服务小区的干扰贡献度进行排序，获得干扰贡献度的排序清单。本发明实施例满足日常优化工作需求，相较于常规基于扫频数据分析，具有准确率高、全局性强、工作效率高及经济节约的优点。

Description

重叠覆盖的分析方法及装置
技术领域
本发明实施例涉及无线通信技术领域，更具体地，涉及重叠覆盖的分析方法及装置。
背景技术
对LTE(Long Term Evolution，长期演进技术)而言，重叠覆盖一直是下行网络干扰的重要因素之一，对SINR(Signal to Interference plus Noise Ratio，信号与干扰加噪声比)的影响非常明显，6dB范围内重叠信号越多，其平均SINR值与最大SINR估计值越低，在重叠覆盖度为1的情况下，平均SINR为12.78dB，每增加一个重叠覆盖小区，SINR下降40％左右，重叠覆盖度为4时，SINR下降为2.1dB。
超高、超近、基站分布疏密不均匀、天线下倾角不合理及发射功率设置不合理等问题均会导致重叠覆盖。传统的技术手段解决重叠覆盖问题通常采用扫频仪采集覆盖数据，将采集的数据导入电脑，以栅格为单位，结合路测数据进行分析优化。但随着网络建设向深、厚推进，网络结构复杂程度不断增加，常规栅格化方法对重叠覆盖的解决效率相对滞后。
现有的重叠覆盖优化技术存在如下问题：
1、可靠性差：以栅格为单位分析扫频数据，得出结构问题小区的过程大部分依靠人工判断，与现场工程师技术水平及实践经验关联度很大，可靠性较差。
2、局限性大：仅针对道路网络重叠覆盖度进行测试优化，而小区覆盖的其他区域，如大面积的居民小区、学校、企业、单位、工厂等区域就无法进行评估和优化。
3、成效低：没有一套较为严谨的算法，导致的结果往往是顾此失彼。例如，优化好了栅格a，但又对栅格b造成了影响；优化好了区域c，但又对区域d造成了影响，无法实际有效解决重叠覆盖的结构问题；
4、周期长：扫频数据采集需耗费大量人力、物力、财力，采集周期长，采集后的数据分析工作也需要大量的人力、时间，整个过程耗时长、效率低，不利于复杂网络结构的整体质量提升。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的重叠覆盖的分析方法及装置。
第一个方面，本发明实施例提供一种重叠覆盖的分析方法，包括：
根据CGI清单，获取区域内所有服务小区的MR数据，获得MR数据集；
对于任意一个服务小区，统计MR数据集中第一MR数据和第二MR数据的数量以及所述服务小区作为干扰邻区形成的重叠覆盖邻区对的数量，以计算所述服务小区对于所述区域重叠覆盖的干扰贡献度；
对所有服务小区的干扰贡献度进行排序，获得干扰贡献度的排序清单；
其中，在所述第一MR数据中，所述服务小区作为重叠覆盖邻区对中的干扰邻区；在所述第二MR数据中，主服务小区为所述第一MR数据中记录的主服务小区。
第二个方面，本发明实施例提供一种重叠覆盖的分析装置，包括：
MR获取模块，用于根据CGI清单，获取区域内所有服务小区的MR数据，构成MR数据集；
干扰贡献度计算模块，用于对于任意一个服务小区，统计MR数据集中第一MR数据和第二MR数据的数量以及所述服务小区作为干扰邻区形成的重叠覆盖邻区对的数量，以计算所述服务小区对于所述区域重叠覆盖的干扰贡献度；
清单生成模块，用于对所有服务小区的干扰贡献度进行排序，获得干扰贡献度的排序清单；
其中，在所述第一MR数据中，所述服务小区作为重叠覆盖邻区对中的干扰邻区；在所述第二MR数据中，主服务小区为所述第一MR数据中记录的主服务小区。
第三方面，本发明实施例提供一种电子设备，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第一方面所提供的方法的步骤。
第四方面，本发明实施例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，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的重叠覆盖的分析方法及装置，直接从干扰邻区对周边主小区的影响程度和范围进行考虑，梳理出以网络干扰贡献度大小排序的小区清单。大大缩短优化时间，减少人力、物力、财力成本支出。本发明实施例能够满足日常优化工作需求，相较于常规基于扫频数据分析，具有准确率高、全局性强、工作效率高及经济节约的优点。具体如下：
1、准确率高：可对多天MR数据进行分析、对比，加权、平均等操作，综合多次、多维度分析结果，得出问题小区，受工程师技术经验的影响较小，准确性高；
2、具有全局性：不限于一个小区、栅格、路段，还可以是一片区域(居民区、学校、工业园区等)，一个簇、网格、区县、市的所有小区，只需通过小区CGI清单即可全网取数分析，分析结果公平、全面；
3、高效：采用本发明实施例的分析方法分析一个中等网络规模的地市，从数据采集到排序清单输出，正常情况可在24小时内完成，效率高；
4、经济：本发明实施例无需大量的人、车、设备，仅需一名中高级工程师、一台中等配置的台式电脑即可从现网MR服务器导出数据分析，可节约大量成本。
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为根据本发明实施例提供的重叠覆盖的分析方法的流程示意图；
图2为根据本发明又一实施例提供的计算服务小区对于区域重叠覆盖的干扰贡献度的计算方法的流程示意图；
图3为根据本发明实施例提供的区域内服务小区的覆盖示意图；
图4为根据本发明实施例提供的分析装置的结构示意图；
图5为根据本发明实施例提供的电子设备的实体结构示意图。
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。
为了克服现有技术的上述问题，本发明实施例提供了一种重叠覆盖的分析方法，其发明构思为：通过CGI(Common Gateway Interface，通用网关接口)清单中记录区域内服务小区的CGI信息的特点，只需要指定一个区域，根据该区域的CGI清单，从MR服务器中获取MR数据(Measurement Report，测量报告)，通过分析MR数据中携带的服务小区的CGI信息，即可便捷地筛选出区域内所有服务小区的MR数据。通过将每个服务小区假想为重叠覆盖对中的干扰邻区，统计服务小区作为干扰邻区的小区数量，以及重叠覆盖对中主服务小区的MR数量以及服务小区作为干扰邻区形成的重叠覆盖邻区对的数量，可以准确地判断出服务小区对于区域重叠覆盖的干扰贡献度，最后通过排序，即获得了干扰贡献度的排序清单，为后续进行服务小区的调整指明了方向。本发明实施例通过对MR数据进行分析，利用MR数据中详细的通信数据，方便进行多维度的分析，受工程师技术经验的影响较小，准确性高。
图1为根据本发明实施例提供的重叠覆盖的分析方法的流程示意图，如图所示，该分析方法包括：
S101、根据CGI清单，获取区域内所有服务小区的MR数据，构成MR数据集。
需要说明的是，CGI清单中记录了服务小区的CGI信息，CGI即全球小区识别码，每个服务小区均具有一个唯一的CGI信息，本发明实施例的重叠覆盖的分析方法不限于一个服务小区、栅格或者路段，还可以是一片区域(居民区、学校、工业园区等)，一个簇、网格、区县、市的所有服务小区，只需通过CGI清单即可实现全网取数分析，分析结果公平全面。
具体地，由于CGI清单中记录了各服务小区的CGI信息，本发明实施例只需要指定一个区域，再获取该区域的CGI清单，即可获得该区域内所有服务小区的CGI信息。
MR数据是指信息在业务信道上每480ms(信令信道上470ms)发送一次数据，MR数据中通常会记载主服务小区和相关的邻区的信息(其中至少包括了CGI信息)，这些数据可用于网络评估和优化。在本发明实施例中终端会不断发送MR数据，并汇集至MR服务器中。在本发明实施例中，通过对MR服务器中的MR数据进行筛选，通过分析MR数据中记载的服务小区的CGI信息，即可获得区域内所有服务小区的MR数据。显然，对于一个服务小区来说，即有服务小区作为邻区的MR数据，也有服务小区作为主服务小区的MR数据。
S102、对于任意一个服务小区，统计MR数据集中第一MR数据和第二MR数据的数量以及服务小区作为干扰邻区形成的重叠覆盖邻区对的数量，以计算服务小区对于区域重叠覆盖的干扰贡献度；其中，在第一MR数据中，服务小区作为重叠覆盖邻区对中的干扰邻区；在第二MR数据中，主服务小区为所述第一MR数据中记录的主服务小区。
需要说明的是，为了获取对区域内重叠覆盖影响最大的服务小区，本发明实施例将区域内的每个服务小区均假想为干扰邻区，所谓干扰邻区，即影响主服务小区，使主服务小区造成重叠覆盖的一个邻区。干扰邻区与主服务小区构成一个重叠覆盖邻区对。
本发明实施例的一个重点即在于筛选区域内与该干扰邻区构成重叠覆盖邻区对的主服务小区。为了更清楚地说明筛选重叠覆盖邻区对的过程，先就主服务小区和邻区的定义进行说明。主服务小区：工作在主频带上的小区，终端在主服务小区进行初始连接建立过程，或开始连接重建立过程。在切换过程中该小区被指示为主服务小区，邻区即与主服务小区相邻的小区。由前述内容可知，MR数据会记录终端的主服务小区和邻区。因此，步骤S102实质即对于任意一个服务小区，首先选取该服务小区作为邻区的MR数据，再从这些MR数据中获取该服务小区的电平与主服务小区的电平，根据重叠覆盖判断条件进行判断，若满足判断条件，则将该服务小区作为干扰邻区，并且该干扰邻区与主服务小区构成重叠覆盖邻区对。
在本发明实施例中重叠覆盖判断条件可以采用现有的判断条件，即在主服务小区电平大于-110dBm的情况下，若存在3个或以上的邻区电平与主服务小区电平差值在-6dBm(即电平差等级01)范围内，则判断为重叠覆盖。例如，MR数据中记录了主服务小区1和4个邻区2、3、4和5，若主服务小区1的电平为-115dBm，邻区2、3、4和5的电平分别为-110dBm、-109dBm、-112dBm、-100dBm，由于主服务小区的电平大于-110dBm，而邻区2、3和4与主服务小区1的电平差在-6dBm范围内，所以可知主服务小区1处于重叠覆盖，主服务小区1分别与邻区2、3和4构成重叠覆盖对。
由于区域内的服务小区数量众多，对于服务小区甲来说，可以与服务小区乙构成重叠覆盖邻区对，但是对于服务小区丙来说，可能并不能与服务小区乙构成重叠覆盖邻区对，因此，这就使得不同的服务小区可能形成不同的重叠覆盖邻区对。
需要说明的是，由第一MR数据的定义可知，第一MR数据是对干扰邻区进行的限定，即第一MR数据中的干扰邻区为某一服务小区，而主服务小区则不进行限定，例如，区域中有服务小区1～5，经过重叠覆盖判断发现某个MR数据中记录的主服务小区为服务小区2，主服务小区与服务小区1构成了重叠覆盖邻区对，还有一个MR数据中记录的主服务小区为服务小区4，主服务小区与服务小区1构成了重叠覆盖邻区对，那么这两个MR数据都属于第一MR数据。由第二MR数据的定义可知，第二MR数据是对主服务小区进行的限定，即第二MR数据中的主服务小区为第一MR数据中的主服务小区，对邻区则不进行限定，统计第二MR数据的目的是为了获知MR数据集中存在多少以某个服务小区为主服务小区的总数，再结合服务小区作为干扰邻区形成的长重叠覆盖邻区对的数量，显然重叠覆盖邻区对总数越多，说明邻区的干扰范围越强，因此，通过综合考虑上述条件，就可以清楚地表征出服务小区对于整个区域重叠覆盖的干扰贡献度。干扰贡献度越大，说明服务小区对主服务小区造成重叠覆盖的程度越大。
S103、对所有服务小区的干扰贡献度进行排序，获得干扰贡献度的排序清单。
需要说明的是，采用步骤S102的方法对区域内的所有服务小区进行计算，即可获得所有服务小区的干扰贡献度，通过排序，即可获知哪些服务小区的干扰工序度大，可清楚地得到问题服务小区的清单和严重程度。
本发明实施例的重叠覆盖的分析方法，直接从干扰邻区对周边主小区的影响程度和范围进行考虑，梳理出以网络干扰贡献度大小排序的小区清单。大大缩短优化时间，减少人力、物力、财力成本支出。本发明实施例能够满足日常优化工作需求，相较于常规基于扫频数据分析，具有准确率高、全局性强、工作效率高及经济节约的优点。具体如下：
1、准确率高：可对多天MR数据进行分析、对比，加权、平均等操作，综合多次、多维度分析结果，得出问题小区，受工程师技术经验的影响较小，准确性高；
2、具有全局性：不限于一个小区、栅格、路段，还可以是一片区域(居民区、学校、工业园区等)，一个簇、网格、区县、市的所有小区，只需通过小区CGI清单即可全网取数分析，分析结果公平、全面；
3、高效：本发明实施例分析一个中等网络规模的地市，从数据采集到结构问题小区清单输出，正常情况可在24小时内完成，效率高；
4、经济：本发明实施例无需大量的人、车、设备，仅需一名中高级工程师、一台中等配置的台式电脑即可从现网MR服务器导出数据分析，可节约大量成本。
在上述实施例的基础上，作为一种可选实施例，还包括判断主服务小区与邻区是否构成重叠覆盖邻区对的方法，具体为：
若MR数据中的主服务小区的电平大于-110dBm，且所述邻区与所述主服务小区满足电平差等级为01，则将所述MR数据作为候选MR数据；
若所述MR数据集中候选MR数据的数量大于预设阈值，则确定所述主服务小区与邻区构成重叠覆盖邻区对。
需要说明的是，本发明实施例判断主服务小区的方法在现有判断方法的基础上增加了对MR数据总数的限制，如果若主服务小区的电平大于-110dBm且邻区与主服务小区满足电平差等级为01的MR数据的总数小于预设阈值(例如设置为100)，说明邻区与主服务小区构成重叠覆盖的几率很低，可以将主服务小区和邻区不作为重叠覆盖邻区对。本发明实施例判断重叠覆盖邻区对的方法能够进一步增加分析精度。
在上述实施例的基础上，图2为根据本发明又一实施例提供的计算服务小区对于区域重叠覆盖的干扰贡献度的计算方法的流程示意图，如图所示，包括：
S201、将服务小区作为干扰邻区形成的任意一个重叠覆盖邻区对中的主服务小区作为目标主服务小区，根据记录目标主服务小区的第一MR数据的数量与记录目标主服务小区的第二MR数据的数量比值，获得服务小区与所述目标主服务小区的相关性。
图3为根据本发明实施例提供的区域内服务小区的覆盖示意图，如图所示，该区域中一个有5个服务小区，分别为服务小区1～5，其中，服务小区5可以作为邻区，分别与服务小区1～4构成重叠覆盖邻区对，在对服务小区5进行分析时，若服务小区1～4的MR数据的总数分别为20000、15000、25000、16000，而服务小区5与主服务小区中满足电平差等级为01的MR数据总数分别为5000、3000、2500、4000，则服务小区5与各服务小区的相关性为：
相关性(K1)＝5000/20000＝25％；
相关性(K2)＝3000/25000＝12％；
相关性(K3)＝2500/25000＝10％；
相关性(K4)＝4000/16000＝25％；
其中，相关性K1～K4分别表示服务小区5与服务小区1～4的相关性。
S202、计算服务小区与所有目标主服务小区的相关性的平均值，作为服务小区在所述区域的平均相关性。
对于图3所示实施例中的服务小区5，其平均相关性即为：Kv＝[K1+K2+K3+K4)/4＝(25％+12％+10％+25％)/4＝18％，即0.18。
S203、根据所述服务小区在所述区域的平均相关性以及所述服务小区作为干扰邻区形成的重叠覆盖邻区对的数量，获得所述服务小区对于所述区域重叠覆盖的干扰贡献度。
需要说明的是，本发明实施例的计算服务小区对应区域重叠覆盖的干扰贡献度的计算方法，通过分别计算服务小区与各主服务小区的相关性，再取平均值计算平均相关性，结合服务小区作为干扰邻区形成的重叠覆盖邻区对的数量获得干扰贡献度，具有计算效率高的优势。
在上述实施例的基础上，作为一种可选实施例，根据服务小区在区域的平均相关性以及服务小区作为干扰邻区形成的重叠覆盖邻区对的数量，获得服务小区对于区域重叠覆盖的干扰贡献度，具体为：
将服务小区作为干扰邻区形成的重叠覆盖邻区对的数量与预设常数的乘积作为邻区干扰系数；
对服务小区在区域的平均相关性进行开方处理，将处理后的平均相关性与邻区干扰系数相乘，获得服务小区对于区域重叠覆盖的干扰贡献度。
需要说明的是，本发明实施例在计算邻区干扰系数时，以邻区构成的重叠覆盖邻区对的总数为参考，其中预设常数可以根据实际应用进行选取，例如取0.1。通过对平均相关性进行开方处理，能够规避相关性计算的波动，在选择开方的次数时，可以开二次方也可以开三次方，本发明实施例不做具体的限定。
对于图3所示实施例中的服务小区5，邻区干扰系数N＝4*0.1＝0.4，其中0.1为本发明实施例所取的常数，干扰贡献度＝Kv0.5*N＝0.180.5*0.4＝0.17。
在上述实施例的基础上，作为一种可选实施例，获得干扰贡献度的排序清单，之后还包括：根据排序清单确定区域内服务小区的调整顺序。
具体地，通过分析排序清单，可以获知对区域的重叠覆盖影响最大的服务小区，因此可以优先对该小区的网络进行调整，实现网络质量提升效益最大化。
图4为根据本发明实施例提供的分析装置的结构示意图，如图4所示，该分析装置包括：MR获取模块401，干扰贡献度计算模块402，清单生成模块403。
MR获取模块401，用于根据CGI清单，获取区域内所有服务小区的MR数据，构成MR数据集。
具体地，由于CGI清单中记录了各服务小区的CGI信息，本发明实施例只需要指定一个区域，由MR获取模块获取该区域的CGI清单，即可获得该区域内所有服务小区的CGI信息。本发明实施例中，MR获取模块401，通过对MR服务器中的MR数据进行筛选，通过分析MR数据中记载的服务小区的CGI信息，即可获得区域内所有服务小区的MR数据。显然，对于一个服务小区来说，即有服务小区作为邻区的MR数据，也有服务小区作为主服务小区的MR数据。
干扰贡献度计算模块402，用于对于任意一个服务小区，统计MR数据集中第一MR数据和第二MR数据的数量以及服务小区作为干扰邻区形成的重叠覆盖邻区对的数量，以计算所述服务小区对于所述区域重叠覆盖的干扰贡献度。其中，在第一MR数据中，服务小区作为重叠覆盖邻区对中的干扰邻区；在第二MR数据中，主服务小区为第一MR数据中记录的主服务小区。
具体地，由第一MR数据的定义可知，第一MR数据是对干扰邻区进行的限定，即第一MR数据中的干扰邻区为某一服务小区，而主服务小区则不进行限定，例如，区域中有服务小区1～5，经过重叠覆盖判断发现某个MR数据中记录的主服务小区为服务小区2，主服务小区与服务小区1构成了重叠覆盖邻区对，还有一个MR数据中记录的主服务小区为服务小区4，主服务小区与服务小区1构成了重叠覆盖邻区对，那么这两个MR数据都属于第一MR数据。由第二MR数据的定义可知，第二MR数据是对主服务小区进行的限定，即第二MR数据中的主服务小区为第一MR数据中的主服务小区，对邻区则不进行限定，统计第二MR数据的目的是为了获知MR数据集中存在多少以某个服务小区为主服务小区的总数，再结合服务小区作为干扰邻区形成的长重叠覆盖邻区对的数量，显然重叠覆盖邻区对总数越多，说明邻区的干扰范围越强，因此，通过综合考虑上述条件，干扰贡献度计算模块就可以清楚地表征出服务小区对于整个区域重叠覆盖的干扰贡献度。干扰贡献度越大，说明服务小区对主服务小区造成重叠覆盖的程度越大。
清单生成模块403，用于对所有服务小区的干扰贡献度进行排序，获得干扰贡献度的排序清单。
具体地，采用干扰贡献度计算模块对区域内的所有服务小区进行计算，即可获得所有服务小区的干扰贡献度，通过清单生成模块进行排序，即可获知哪些服务小区的干扰工序度大，可清楚地得到问题服务小区的清单和严重程度。
本发明实施例提供的分析装置，具体执行上述各分析方法实施例流程，具体请详见上述各分析方法实施例的内容，在此不再赘述。本发明实施例提供的分析装置直接从干扰邻区对周边主小区的影响程度和范围进行考虑，梳理出以网络干扰贡献度大小排序的小区清单。大大缩短优化时间，减少人力、物力、财力成本支出。本发明实施例能够满足日常优化工作需求，相较于常规基于扫频数据分析，具有准确率高、全局性强、工作效率高及经济节约的优点。
图5为根据本发明实施例提供的电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储在存储器530上并可在处理器510上运行的计算机程序，以执行上述各实施例提供的分析方法，例如包括：根据CGI清单，获取区域内所有服务小区的MR数据，获得MR数据集；对于任意一个服务小区，统计MR数据集中第一MR数据和第二MR数据的数量以及所述服务小区作为干扰邻区形成的重叠覆盖邻区对的数量，以计算所述服务小区对于所述区域重叠覆盖的干扰贡献度；对所有服务小区的干扰贡献度进行排序，获得干扰贡献度的排序清单；其中，在所述第一MR数据中，所述服务小区作为重叠覆盖邻区对中的干扰邻区；在所述第二MR数据中，主服务小区为所述第一MR数据中记录的主服务小区。
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
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，该计算机程序被处理器执行时实现以执行上述各实施例提供的分析方法，例如包括：根据CGI清单，获取区域内所有服务小区的MR数据，获得MR数据集；对于任意一个服务小区，统计MR数据集中第一MR数据和第二MR数据的数量以及所述服务小区作为干扰邻区形成的重叠覆盖邻区对的数量，以计算所述服务小区对于所述区域重叠覆盖的干扰贡献度；对所有服务小区的干扰贡献度进行排序，获得干扰贡献度的排序清单；其中，在所述第一MR数据中，所述服务小区作为重叠覆盖邻区对中的干扰邻区；在所述第二MR数据中，主服务小区为所述第一MR数据中记录的主服务小区。
以上所描述的装置实施例仅仅是示意性的，其中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。
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 (6)

1.一种重叠覆盖的分析方法，其特征在于，包括：
根据CGI清单，获取区域内所有服务小区的MR数据，构成MR数据集；其中CGI为通用网关接口；
对于任意一个服务小区，统计MR数据集中第一MR数据和第二MR数据的数量以及所述服务小区作为干扰邻区形成的重叠覆盖邻区对的数量，以计算所述服务小区对于所述区域重叠覆盖的干扰贡献度；
对所有服务小区的干扰贡献度进行排序，获得干扰贡献度的排序清单；
其中，在所述第一MR数据中，所述服务小区作为重叠覆盖邻区对中的干扰邻区；在所述第二MR数据中，主服务小区为所述第一MR数据中记录的主服务小区；
其中，所述计算所述服务小区对于所述区域重叠覆盖的干扰贡献度，包括：
将服务小区作为干扰邻区形成的任意一个重叠覆盖邻区对中的主服务小区作为目标主服务小区，根据记录所述目标主服务小区的第一MR数据的数量与记录所述目标主服务小区的第二MR数据的数量比值，获得所述服务小区与所述目标主服务小区的相关性；
计算所述服务小区与所有目标主服务小区的相关性的平均值，作为所述服务小区在所述区域的平均相关性；
将所述服务小区作为干扰邻区形成的重叠覆盖邻区对的数量与预设常数的乘积作为邻区干扰系数；
对所述服务小区在所述区域的平均相关性进行开方处理，将处理后的平均相关性与所述邻区干扰系数相乘，获得所述服务小区对于所述区域重叠覆盖的干扰贡献度。
2.根据权利要求1所述的分析方法，其特征在于，还包括判断主服务小区与邻区是否构成重叠覆盖邻区对的方法，具体为：
若MR数据中的主服务小区的电平大于-110dBm，且所述邻区与所述主服务小区满足电平差等级为01，则将所述MR数据作为候选MR数据；
若所述MR数据集中候选MR数据的数量大于预设阈值，则确定所述主服务小区与邻区构成重叠覆盖邻区对。
3.根据权利要求1所述的分析方法，其特征在于，所述获得干扰贡献度的排序清单，之后还包括：
根据所述排序清单确定所述区域内服务小区的调整顺序。
4.一种重叠覆盖的分析装置，其特征在于，包括：
MR获取模块，用于根据CGI清单，获取区域内所有服务小区的MR数据，构成MR数据集；其中CGI为通用网关接口；
干扰贡献度计算模块，用于对于任意一个服务小区，统计MR数据集中第一MR数据和第二MR数据的数量以及所述服务小区作为干扰邻区形成的重叠覆盖邻区对的数量，以计算所述服务小区对于所述区域重叠覆盖的干扰贡献度；
清单生成模块，用于对所有服务小区的干扰贡献度进行排序，获得干扰贡献度的排序清单；
其中，在所述第一MR数据中，所述服务小区作为重叠覆盖邻区对中的干扰邻区；在所述第二MR数据中，主服务小区为所述第一MR数据中记录的主服务小区；
其中，所述干扰贡献度计算模块，还用于：
将服务小区作为干扰邻区形成的任意一个重叠覆盖邻区对中的主服务小区作为目标主服务小区，根据记录所述目标主服务小区的第一MR数据的数量与记录所述目标主服务小区的第二MR数据的数量比值，获得所述服务小区与所述目标主服务小区的相关性；
计算所述服务小区与所有目标主服务小区的相关性的平均值，作为所述服务小区在所述区域的平均相关性；
将所述服务小区作为干扰邻区形成的重叠覆盖邻区对的数量与预设常数的乘积作为邻区干扰系数；
对所述服务小区在所述区域的平均相关性进行开方处理，将处理后的平均相关性与所述邻区干扰系数相乘，获得所述服务小区对于所述区域重叠覆盖的干扰贡献度。
5.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至3中任意一项所述的分析方法。
6.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至3中任意一项所述的分析方法。
CN201811086708.8A 2018-09-18 2018-09-18 重叠覆盖的分析方法及装置 Active CN110913407B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811086708.8A CN110913407B (zh) 2018-09-18 2018-09-18 重叠覆盖的分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811086708.8A CN110913407B (zh) 2018-09-18 2018-09-18 重叠覆盖的分析方法及装置

Publications (2)

Publication Number Publication Date
CN110913407A CN110913407A (zh) 2020-03-24
CN110913407B true CN110913407B (zh) 2023-04-25

Family

ID=69813511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811086708.8A Active CN110913407B (zh) 2018-09-18 2018-09-18 重叠覆盖的分析方法及装置

Country Status (1)

Country Link
CN (1) CN110913407B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111565415B (zh) * 2020-05-29 2022-11-22 中国联合网络通信集团有限公司 小区性能的评估方法及设备
CN117827593A (zh) * 2020-06-08 2024-04-05 支付宝(杭州)信息技术有限公司 一种基于异常识别结果确定异常原因的方法和系统
CN114286372B (zh) * 2021-12-07 2023-05-16 中国联合网络通信集团有限公司 天线下倾角评估方法、装置及计算机可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104811989B (zh) * 2015-04-30 2018-09-25 上海大唐移动通信设备有限公司 一种干扰小区确定方法及装置
CN105163344B (zh) * 2015-09-22 2018-12-18 珠海世纪鼎利科技股份有限公司 一种td-lte系统内干扰的定位方法
CN105828365A (zh) * 2016-06-01 2016-08-03 武汉虹信技术服务有限责任公司 一种基于mr数据的lte小区重叠覆盖分析方法
CN108200600B (zh) * 2018-01-29 2020-12-04 西安汇龙科技股份有限公司 基于mr数据的服务小区重叠覆盖分析方法

Also Published As

Publication number Publication date
CN110913407A (zh) 2020-03-24

Similar Documents

Publication Publication Date Title
US6711404B1 (en) Apparatus and method for geostatistical analysis of wireless signal propagation
CN110913407B (zh) 重叠覆盖的分析方法及装置
CN104853379B (zh) 一种无线网络质量评估方法及装置
CN111246564B (zh) 基于mr数据的外部干扰定位方法及装置
CN109495327B (zh) 一种基于大数据分析的用户活动异常检测和流量预测方法
CN107147514B (zh) 一种电力通信网络优化资源配置方法及系统
Ying et al. Characterizing spatial patterns of base stations in cellular networks
CN110536310B (zh) 基于用户数据识别天线接反的方法
CN104333492A (zh) 一种评估通信网络结构合理性的方法及装置
US10517007B2 (en) Received signal strength based interferer classification of cellular network cells
CN113382477A (zh) 应用于无线网络用户间上行干扰建模的方法
CN103002495A (zh) 无线网络结构的评估方法及装置
CN112787878A (zh) 一种网络指标的预测方法及电子设备
US20210136670A1 (en) Small cell identification using machine learning
CN109995549B (zh) 一种评估流量价值的方法及装置
EP3183905B1 (en) Performance index determination for a communication service
CN106941685B (zh) 一种确定天线接反的方法及系统
CN110418350B (zh) 一种共享站址评估方法及系统
CN112839353B (zh) Lte系统内干扰的识别方法及装置
WO2017211178A1 (zh) 划分超级小区的方法及装置
CN112929887B (zh) 基于流量预测设置室分站的方法、装置和电子设备
CN111246515B (zh) 确定干扰源小区的上行干扰贡献度的方法和装置
CN112243242B (zh) 大规模天线波束配置方法和装置
CN113052308A (zh) 训练目标小区识别模型的方法及目标小区识别方法
CN114900845B (zh) 一种nr下基于覆盖环境和信道质量的波束管理方法

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