CN111062525B - 扩容小区的基站选址方法、装置、设备及存储介质 - Google Patents
扩容小区的基站选址方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111062525B CN111062525B CN201911239522.6A CN201911239522A CN111062525B CN 111062525 B CN111062525 B CN 111062525B CN 201911239522 A CN201911239522 A CN 201911239522A CN 111062525 B CN111062525 B CN 111062525B
- Authority
- CN
- China
- Prior art keywords
- grid
- distance
- base station
- target
- determining
- 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
- 238000010187 selection method Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 69
- 230000003416 augmentation Effects 0.000 claims abstract description 17
- 230000003321 amplification Effects 0.000 claims abstract description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims description 48
- 238000004891 communication Methods 0.000 claims description 30
- 230000003190 augmentative effect Effects 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000010261 cell growth Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 239000006185 dispersion Substances 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000011144 upstream manufacturing 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供了一种扩容小区的基站选址方法、装置、设备及存储介质。该方法包括：获取目标扩容小区所占据的栅格；确定目标扩容小区中每个第一栅格内的用户密度数据和每个第一栅格对应的增广距离因子；根据用户密度数据和增广距离因子计算任意两个第一栅格间的汇聚距离；根据任意两个第一栅格间的汇聚距离对第一栅格进行聚类，以确定目标扩容小区中的目标区域；计算目标区域中每个第二栅格对应的选址指标值；根据选址指标值确定基站的选址信息。使确定出基站的选址信息完全符合扩容小区对基站选址的要求，准确确定出基站的选址，并且由于无需工程师现场勘测的情况，自动化完成基站的选址，所以降低了选址的时间周期，提高了基站选址的效率。
Description
技术领域
本发明实施例涉及通信技术领域，尤其涉及一种扩容小区的基站选址方法、装置、设备及存储介质。
背景技术
随着移动通信技术高速发展，为满足用户业务量和流量持续增加的需求，需要提升网络业务承载能力，对扩容区域进行站点规划和精确选址。
现有技术中，对扩容区域进行选址时，需要工程师对现场进行勘测，并采用仿真方式进行选址。在仿真时只是简单根据基站的射线性能和覆盖范围进行选址。并未考虑到扩容小区的实际通信情况，导致无法确保选址的准确性。另外，由于过于依赖工程师现场勘测的情况，使选址的时间周期长，耗费大量的人力物力。
发明内容
本发明实施例提供一种扩容小区的基站选址方法、装置、设备及存储介质，解决了现有技术中的扩容小区的基站选址方法中无法确保选址的准确性，选址的时间周期长，耗费大量的人力物力的技术问题。
第一方面，本发明实施例提供一种扩容小区的基站选址方法，包括：
获取目标扩容小区所占据的栅格；
确定所述目标扩容小区中每个第一栅格内的用户密度数据和每个第一栅格对应的增广距离因子；
根据所述用户密度数据和增广距离因子计算任意两个第一栅格间的汇聚距离；
根据所述任意两个第一栅格间的汇聚距离对所述第一栅格进行聚类，以确定目标扩容小区中的目标区域；
计算所述目标区域中每个第二栅格对应的选址指标值；
根据所述选址指标值确定基站的选址信息。
进一步地，如上所述的方法，所述获取目标扩容小区所占据的栅格，包括：
对全网区域的地理图层进行栅格化处理，以获得栅格化处理后的全网区域；
采用OTT定位算法获取所述栅格化处理后的全网区域的MR采样点的位置信息；
根据每个MR采样点的位置信息和所属小区信息获取所述目标扩容小区所占据的第一栅格。
进一步地，如上所述的方法，所述用户密度数据包括：归一化后的用户数和归一化后的流量；
所述确定所述目标扩容小区中每个第一栅格内的用户密度数据，包括：
确定所述目标扩容小区中每个第一栅格内的平均用户数和平均流量；
对每个第一栅格内的平均用户数进行归一化处理，以获得对应的归一化后的用户数；
对每个第一栅格内的平均流量进行归一化处理，以获得对应的归一化后的流量。
进一步地，如上所述的方法，所述确定所述目标扩容小区中每个第一栅格对应的增广距离因子，包括：
确定每个第一栅格与距离最近的预设通信设备间的距离；
根据预设距离值和所述距离计算所述对应的增广距离因子。
进一步地，如上所述的方法，所述根据所述用户密度数据和增广距离因子计算任意两个第一栅格间的汇聚距离，包括：
确定任意两个第一栅格间的位置欧式距离，用户密度数据欧式距离和增广距离因子欧式距离；
根据所述位置欧式距离，所述用户密度数据欧式距离和所述增广距离因子欧式距离计算所述任意两个第一栅格间的汇聚距离。
进一步地，如上所述的方法，所述根据所述任意两个第一栅格间的汇聚距离对所述第一栅格进行聚类，以确定目标扩容小区中的目标区域，包括：
将所述第一栅格和任意两个第一栅格间的汇聚距离作为聚类样本；
采用OPTICS聚类算法模型对所述聚类样本进行聚类，以输出目标扩容小区中的目标区域。
进一步地，如上所述的方法，所述计算所述目标区域中每个第二栅格对应的选址指标值，包括：
获取每个第二栅格在每个预设角度范围内对应的多个预设选址指标；
采用熵值法确定所述预设选址指标对应的权重；
对所述预设选址指标进行加权求和，以获得每个第二栅格在每个预设角度范围内对应的选址指标值。
进一步地，如上所述的方法，所述根据所述选址指标值确定基站的选址信息，包括：
确定选址指标值最大的第二栅格；
将所述选址指标值最大的第二栅格的中心位置确定为基站的选址位置；
将选址指标值最大的第二栅格所对应的角度方位角为所述基站的覆盖方位角。
进一步地，如上所述的方法，所述根据所述选址指标值确定基站的选址信息，包括：
确定选址指标值最大的第二栅格；
将所述选址指标值最大的第二栅格的中心位置确定为基站的选址位置；
将选址指标值最大的第二栅格所对应的角度方位角为所述基站的覆盖方位角。
第二方面，本发明实施例提供一种扩容小区的基站选址装置，包括：
栅格获取模块，用于获取目标扩容小区所占据的栅格；
数据确定模块，用于确定所述目标扩容小区中每个第一栅格内的用户密度数据和每个第一栅格对应的增广距离因子；
距离计算模块，用于根据所述用户密度数据和增广距离因子计算任意两个第一栅格间的汇聚距离；
栅格聚类模块，用于根据所述任意两个第一栅格间的汇聚距离对所述第一栅格进行聚类，以确定目标扩容小区中的目标区域；
指标值计算模块，用于计算所述目标区域中每个第二栅格对应的选址指标值；
选址确定模块，用于根据所述选址指标值确定基站的选址信息。
进一步地，如上所述的装置，所述栅格获取模块，具体用于：
对全网区域的地理图层进行栅格化处理，以获得栅格化处理后的全网区域；采用OTT定位算法获取所述栅格化处理后的全网区域的MR采样点的位置信息；根据每个MR采样点的位置信息和所属小区信息获取所述目标扩容小区所占据的第一栅格。
进一步地，如上所述的装置，所述用户密度数据包括：归一化后的用户数和归一化后的流量；
所述数据确定模块，在确定所述目标扩容小区中每个第一栅格内的用户密度数据时，具体用于：
确定所述目标扩容小区中每个第一栅格内的平均用户数和平均流量；对每个第一栅格内的平均用户数进行归一化处理，以获得对应的归一化后的用户数；对每个第一栅格内的平均流量进行归一化处理，以获得对应的归一化后的流量。
进一步地，如上所述的装置，所述数据确定模块，在所述确定所述目标扩容小区中每个第一栅格对应的增广距离因子时，具体用于：
确定每个第一栅格与距离最近的预设通信设备间的距离；根据预设距离值和所述距离计算所述对应的增广距离因子。
进一步地，如上所述的装置，所述距离计算模块，具体用于：
确定任意两个第一栅格间的位置欧式距离，用户密度数据欧式距离和增广距离因子欧式距离；根据所述位置欧式距离，所述用户密度数据欧式距离和所述增广距离因子欧式距离计算所述任意两个第一栅格间的汇聚距离。
进一步地，如上所述的装置，所述栅格聚类模块，具体用于：
将所述第一栅格和任意两个第一栅格间的汇聚距离作为聚类样本；采用OPTICS聚类算法模型对所述聚类样本进行聚类，以输出目标扩容小区中的目标区域。
进一步地，如上所述的装置，所述指标值计算模块，具体用于：
获取每个第二栅格在每个预设角度范围内对应的多个预设选址指标；采用熵值法确定所述预设选址指标对应的权重；对所述预设选址指标进行加权求和，以获得每个第二栅格在每个预设角度范围内对应的选址指标值。
进一步地，如上所述的装置，所述选址确定模块，具体用于：
确定选址指标值最大的第二栅格；将所述选址指标值最大的第二栅格的中心位置确定为基站的选址位置；将选址指标值最大的第二栅格所对应的角度方位角为所述基站的覆盖方位角。
进一步地，如上所述的装置，还包括：选址信息输出模块和选址信息上传模块。
其中，选址信息输出模块，用于输出所述基站的选址信息。所述选址信息上传模块，用于将所述基站的选址信息上传到终端设备中。
第三方面，本发明实施例提供一种电子设备，包括：存储器，处理器以及计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面中的任一项所述的方法。
第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面中任一项所述的方法。
本发明实施例提供一种扩容小区的基站选址方法、装置、设备及存储介质，通过获取目标扩容小区所占据的栅格；确定目标扩容小区中每个第一栅格内的用户密度数据和每个第一栅格对应的增广距离因子；根据用户密度数据和增广距离因子计算任意两个第一栅格间的汇聚距离；根据任意两个第一栅格间的汇聚距离对第一栅格进行聚类，以确定目标扩容小区中的目标区域；计算目标区域中每个第二栅格对应的选址指标值；根据选址指标值确定基站的选址信息。由于在确定基站的选址信息时，综合考虑了扩容小区中每个第一栅格内的用户密度数据和对应的增广距离因子，所以能够获得用户密度数据排在前面，且第一栅格尽量偏离于预设通信设备的目标区域，并且在从目标区域的第二栅格中确定基站的选址信息时，是考虑了第二栅格对应的选址指标值来确定选址信息的，所以能够使确定出基站的选址信息完全符合扩容小区对基站选址的要求，准确确定出基站的选址，并且由于无需工程师现场勘测的情况，自动化完成基站的选址，所以降低了选址的时间周期，提高了基站选址的效率。
应当理解，上述发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的扩容小区的基站选址方法的流程图；
图2为本发明实施例二提供的扩容小区的基站选址方法的流程图；
图3为本发明实施例二提供的扩容小区的基站选址方法步骤201的流程图；
图4为本发明实施例二提供的扩容小区的基站选址方法步骤202的流程图；
图5为本发明实施例二提供的扩容小区的基站选址方法步骤203的流程图；
图6为本发明实施例二提供的扩容小区的基站选址方法步骤204的流程图；
图7为本发明实施例二提供的扩容小区的基站选址方法中执行完步骤204后的目标区域的示意图；
图8为本发明实施例二提供的扩容小区的基站选址方法步骤205的流程图；
图9为本发明实施例二提供的扩容小区的基站选址方法步骤206的流程图；
图10为本发明实施例二提供的扩容小区的基站选址方法中执行完步骤206后的基站的选址信息的示意图；
图11为本发明实施例三提供的扩容小区的基站选址装置的结构示意图；
图12为本发明实施例四提供的扩容小区的基站选址装置的结构示意图；
图13为本发明实施例五提供的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。
本发明实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明实施例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
以下将参照附图来具体描述本发明的实施例。
图1为本发明实施例一提供的扩容小区的基站选址方法的流程图，如图1所示，本实施例的执行主体为扩容小区的基站选址装置，该扩容小区的基站选址装置可位于电子设备中，电子设备可以为计算机，笔记本电脑或服务器等具有独立计算和处理能力的设备，则本实施例提供的扩容小区的基站选址方法包括以下几个步骤。
步骤101，获取目标扩容小区所占据的栅格。
本实施例中，可首先获取目标扩容小区，然后将目标扩容小区进行栅格化处理，以获取目标扩容小区所占据的栅格。在获取目标扩容小区时，可根据目标扩容小区的地理位置来获取目标扩容小区。
或者，本实施例中，在获取目标扩容小区占据的栅格时，首先获取目标扩容小区所在的全网区域，对全网区域的地理图层进行栅格化处理，采用定位技术获取栅格化处理后的全网区域的MR采样点，确定目扩容小区对应的MR采样点，根据目标扩容小区对应的MR采样点所占据的栅格确定目标扩容小区所占据的栅格。
其中，在进行栅格化处理时，将目标扩容小区或全网区域的地理图层划分成多个正方形。每个正方形对应一个栅格。栅格的大小不作限定。如可以为10米*10米大小，或者其他数值，本实施例中对此不作限定。
需要说明的是，在获取目标扩容小区时，首先根据各小区中的至少一个小区信息判断各小区是否需要扩容。比如判断最大RRC激活用户数的取值是否大于预设用户数阈值，若大于预设用户数阈值，则确定该小区为目标扩容小区。该预设用户数阈值可以为20，或适合的其他数值。或者又比如判断下行PRB利用率是否大于预设PRB利用率，若大于预设PRB利用率，则确定该小区为目标扩容小区。该预设PRB利用率可以为50％，或适合的其他数值。如表1所示，为列举出的确定的目标扩容小区的小区信息。
表1：目标扩容小区的小区信息
步骤102，确定目标扩容小区中每个第一栅格内的用户密度数据和每个第一栅格对应的增广距离因子。
其中，在目标扩容小区中的栅格为第一栅格。
本实施例中，用户密度数据可以为用户数和/或流量。
本实施例中，若用户密度数据为用户数，则确定目标扩容小区中每个第一栅格内的用户数时，可计算目标扩容小区中每个第一栅格内所有MR采样点在预设时间段内对应的平均用户数，将每个第一栅格对应的平均用户数确定为每个第一栅格对应的用户数。
同理，本实施例中，若用户密度数据为流量，则确定目标扩容小区中每个第一栅格内的流量时，可对目标扩容小区中每个第一栅格内所有MR采样点在预设时间段内对应的平均流量进行统计，将每个第一栅格对应的平均流量确定为每个第一栅格对应的流量。或者采用其他方式确定目标扩容小区中每个第一栅格内的流量，本实施例中对此不作限定。
本实施例中，每个第一栅格对应的增广距离因子是表征每个第一栅格与最近预设通信设备间的距离的因子。增广距离因子的值越大，表示对应的第一栅格与最近预设通信设备间的距离越近。相反，增广距离因子的值越小，表示对应的第一栅格与最近预设通信设备间的距离越远。
具体地，本实施例中，在确定目标扩容小区中每个第一栅格对应的增广距离因子时，可根据每个第一栅格与最近的预设通信设备间的距离来确定增广距离因子。其中，预设通信设备可以为现网、新建或规划站中的通信设备。通信设别可以为基站。
步骤103，根据用户密度数据和增广距离因子计算任意两个第一栅格间的汇聚距离。
本实施例中，任意两个第一栅格间的汇聚距离不仅表示任意两个第一栅格间的位置距离，还表示任意两个第一栅格间在用户密度数据间的距离，以及增广距离因子间的距离。若两个第一栅格间的汇聚距离越小，则说明两个第一栅格间的位置越接近，用户密度数据越接近，两个第一栅格离对应的最近的预设通信设备间的距离越接近。
步骤104，根据任意两个第一栅格间的汇聚距离对第一栅格进行聚类，以确定目标扩容小区中的目标区域。
本实施例中，可将每个第一栅格和任意两个第一栅格间的汇聚距离输入到聚类算法中，采用聚类算法对第一栅格进行聚类，对聚类结果中的区域进行筛选，获取第一栅格的用户密度数据排在前面，且第一栅格尽量偏离于预设通信设备的区域为目标区域。进而在目标区域中确定基站的选址信息。
可以理解的是，目标区域至少为一个。
步骤105，计算目标区域中每个第二栅格对应的选址指标值。
其中，在目标区域内的栅格为第二栅格。
本实施例中，由于需要在目标区域中确定基站的选址信息，而每个目标区域中包括多个第二栅格，所以要确定基站准确的选址信息时，需要确定至少一个目标区域中的哪个第二栅格为设置基站的栅格。而设置基站时需要基站周围的第二栅格数，MR采样点数，用户数尽量多，所以本实施例中，第二栅格对应的预设选址指标可以包括：以第二栅格为中心，在预设角度范围内的周围的第二栅格数，MR采样点数，用户数。对多个预设选址指标进行处理，计算目标区域中每个第二栅格对应的选址指标值。
步骤106，根据选址指标值确定基站的选址信息。
本实施例中，基站的选址信息可以包括：基站的选址位置和基站的覆盖方位角。
具体地，本实施例中，由于目标区域中有多个第二栅格，每个第二栅格对应有多个选址指标值，所以根据每个栅格对应的选址指标值确定出最优的选址指标值，将最优选址指标值对应的第二栅格的中心位置确定为基站的选址位置。还可根据最优选址指标值对应的第二栅格的预设角度范围确定基站的覆盖方位角。
本实施例提供的扩容小区的基站选址方法，通过获取目标扩容小区所占据的栅格；确定目标扩容小区中每个第一栅格内的用户密度数据和每个第一栅格对应的增广距离因子；根据用户密度数据和增广距离因子计算任意两个第一栅格间的汇聚距离；根据任意两个第一栅格间的汇聚距离对第一栅格进行聚类，以确定目标扩容小区中的目标区域；计算目标区域中每个第二栅格对应的选址指标值；根据选址指标值确定基站的选址信息。由于在确定基站的选址信息时，综合考虑了扩容小区中每个第一栅格内的用户密度数据和对应的增广距离因子，所以能够获得用户密度数据排在前面，且第一栅格尽量偏离于预设通信设备的目标区域，并且在从目标区域的第二栅格中确定基站的选址信息时，是考虑了第二栅格对应的选址指标值来确定选址信息的，所以能够使确定出基站的选址信息完全符合扩容小区对基站选址的要求，准确确定出基站的选址，并且由于无需工程师现场勘测，自动化完成基站的选址，所以降低了选址的时间周期，提高了基站选址的效率。
实施例二
图2为本发明实施例二提供的扩容小区的基站选址方法的流程图，如图2所示，本实施例提供的扩容小区的基站选址方法，是在本发明实施例一提供的扩容小区的基站选址方法的基础上，对步骤101-步骤106的进一步细化，，并且还包括了输出基站的选址信息，并将基站的选址信息上传到终端设备中的步骤，则本实施例提供的扩容小区的基站选址方法包括以下步骤。
步骤201，获取目标扩容小区所占据的栅格。
作为一种可选实施方式，本实施例中，如图3所示，步骤201包括以下步骤：
步骤2011，对全网区域的地理图层进行栅格化处理，以获得栅格化处理后的全网区域。
进一步地，本实施例中，获取包括目标扩容小区的全网区域的地理图层，对全网区域的地理图层进行栅格化处理，将全网区域的地理图层划分为多个正方形，每个正方形为一个栅格。以获得栅格化处理后的全网区域。
步骤2012，采用OTT定位算法获取栅格化处理后的全网区域的MR采样点的位置信息。
本实施例中，OTT定位算法能够对用户MR数据进行定位，获取MR采样点。具体地，利用移动大数据，通过解析S1-HTTP口信令数据中的用户经纬度信息，并利用用户标识和时间标识关联用户MR数据，生成带经纬度的MR采样点。
所以采用OTT定位算法除了可获取栅格化处理后的全网区域的MR采样点的位置信息外，还可获取MR采样点所属用户信息及对应的时间信息。由于每个用户所属的小区信息是确定的，所以还可确定MR采样点所属的小区信息。
步骤2013，根据每个MR采样点的位置信息和所属小区信息获取目标扩容小区所占据的第一栅格。
进一步地，本实施例中，由于每个MR采样点的位置信息和所属小区信息是确定的，每个第一栅格的位置是确定的，所以可确定出目标扩容小区对应的MR采样点所占据的第一栅格，将目标扩容小区对应的MR采样点所占据的第一栅格确定为目标扩容小区所占据的第一栅格。
本实施例中，在获取目标扩容小区所占据的栅格时，对全网区域的地理图层进行栅格化处理，以获得栅格化处理后的全网区域；采用OTT定位算法获取栅格化处理后的全网区域的MR采样点的位置信息；根据每个MR采样点的位置信息和所属小区信息获取目标扩容小区所占据的第一栅格，由于OTT定位算法能够准确确定出MR采样点的位置信息和所属小区信息，所以根据MR采样点的位置信息和所属小区信息能够准确确定出目标扩容小区所占据的第一栅格。
步骤202，确定目标扩容小区中每个第一栅格内的用户密度数据和每个第一栅格对应的增广距离因子。
进一步地，本实施例中，用户密度数据包括：归一化后的用户数和归一化后的流量。
所以本实施例中，如图4所示，步骤202中，确定目标扩容小区中每个第一栅格内的用户密度数据包括以下步骤：
步骤2021，确定目标扩容小区中每个第一栅格内的平均用户数和平均流量。
进一步地，本实施例中，确定目标扩容小区中每个第一栅格内的平均用户数时，由于可获取每个MR采样点对应的所属用户，所以对每个第一栅格内所有MR采样点在预设时间段内对应的用户数进行统计，并根据统计出的用户数计算平均用户数，作为第一栅格对应的平均用户数。
进一步地，本实施例中，确定目标扩容小区中每个第一栅格内的平均流量时，首先对目标扩容小区内每个第一栅格在预设时间段内包括的所有MR采样点的个数进行统计。则每个第一栅格预设时间段内包括的所有MR采样点的个数分别为：S1、S2、S3、……、Si、……、Sn。其次确定目标扩容小区内的总MR采样点的个数为：Stotal＝S1+S2+S3+……+Sn。然后获取目标扩容小区在预设时间段内的总流量，可表示为Ftotal，则最后确定每个第一栅格内的平均流量可表示为式(1)所示：
Fi＝Ftotal*(Si/Stotal) (1)
其中，Fi表示第i个第一栅格的平均流量。
其中，预设时间段可以为1天，或其他适合的时间，本实施例中对此不作限定。
步骤2022，对每个第一栅格内的平均用户数进行归一化处理，以获得对应的归一化后的用户数。
进一步地，本实施例中，为了在后续计算任意两个第一栅格间的汇聚距离时，使每个维度的数据都具有一致的影响，本实施例中对平均用户数和平均流量进行归一化处理。
在对每个第一栅格内的平均用户数进行归一化处理时，根据用户数影响系数，最大用户数及平均用户数计算归一化后的用户数。具体可表示为式(2)所示：
NUi＝(MaxU-Ui)*α1 (2)
其中，NUi为第i个第一栅格对应的归一化后的用户数，MaxU为最大用户数，该最大用户数可根据表1中目标扩容小区的小区信息获得。最大用户数等于最大RRC激活用户数。Ui为第i个第一栅格对应的平均用户数。α1为用户数影响系数。
步骤2023，对每个第一栅格内的平均流量进行归一化处理，以获得对应的归一化后的流量。
进一步地，本实施例中，在对每个第一栅格内的平均流量进行归一化处理时，根据流量影响系数，最大流量及平均流量计算归一化后的流量。具体可表示为式(3)所示：
NFi＝(MaxF-Fi)*α2 (3)
其中，NFi为第i个第一栅格对应的归一化后的流量，MaxF为最大流量，该最大用户数可根据表1中目标扩容小区的小区信息获得。如最大流量等于上行流量或下行流量。Fi为第i个第一栅格对应的平均流量。α2为流量影响系数。
进一步地，本实施例中，作为一种可选实施方式，如图4所示，步骤202中，确定目标扩容小区中每个第一栅格对应的增广距离因子，包括以下步骤：
步骤2024，确定每个第一栅格与距离最近的预设通信设备间的距离。
其中，预设通信设备可以为现网、新建或规划站中的通信设备。通信设别可以为基站。
本实施例中，第i个第一栅格与距离最近的预设通信设备间的距离表示为di。
步骤2025，根据预设距离值和距离计算对应的增广距离因子。
进一步地，本实施例中，预设距离值可表示为：D，其取值可以为200米，或其他适宜的数值，本实施例中对此不作限定。则增广距离因子可表示为式(4)所示：
Zi＝D-di (4)
其中，Zi为第i个第一栅格对应的增广距离因子。
值的说明的是，若某第一栅格与距离最近的预设通信设备间的距离大于预设距离值，则该第一栅格与距离最近的预设通信设备间的距离设置为预设距离值。
步骤203，根据用户密度数据和增广距离因子计算任意两个第一栅格间的汇聚距离。
作为一种可选实施方式，如图5所示，步骤203包括以下步骤：
步骤2031，确定任意两个第一栅格间的位置欧式距离，用户密度数据欧式距离和增广距离因子欧式距离。
步骤2032，根据位置欧式距离，用户密度数据欧式距离和增广距离因子欧式距离计算任意两个第一栅格间的汇聚距离。
进一步地，本实施例中，任意两个第一栅格间的汇聚距离可表示为式(5)所示：
其中，ρij为第i个第一栅格和第j个第一栅格间的汇聚距离，
为第i个第一栅格和第j个第一栅格间的位置欧式距离。
为第i个第一栅格和第j个第一栅格间的用户密度数据欧式距离。
为第i个第一栅格和第j个第一栅格间的增广距离因子欧式距离。
其中，(xi,yi)为第i个第一栅格中心的经纬度坐标。Fi为第i个第一栅格对应的归一化后的流量，ui为第i个第一栅格对应的归一化后的用户数，Zi为第i个第一栅格对应的增广距离因子。(xj,yj)为第j个第一栅格中心的经纬度坐标。Fj为第j个第一栅格对应的归一化后的流量，uj为第j个第一栅格对应的归一化后的用户数，Zj为第j个第一栅格对应的增广距离因子。
步骤204，根据任意两个第一栅格间的汇聚距离对第一栅格进行聚类，以确定目标扩容小区中的目标区域。
作为一种可选实施方式，如图6所示，步骤204包括以下步骤：
步骤2041，将第一栅格和任意两个第一栅格间的汇聚距离作为聚类样本。
其中，聚类样本包括第一栅格和任意两个第一栅格间的汇聚距离。
步骤2042，采用OPTICS聚类算法模型对聚类样本进行聚类，以输出目标扩容小区中的目标区域。
进一步地，本实施例中，在采用OPTICS聚类算法模型对聚类样本进行聚类时，首先对OPTICS聚类算法模型进行参数的设置。设置的参数包括：目标区域的半径范围及目标区域的最少样本个数。
其中，OPTICS聚类算法模型是基于密度的聚类算法模型，目标是将空间中的数据按照密度分布进行聚类，所以将聚类样本输入到OPTICS聚类算法模型中，OPTICS聚类算法模型对聚类样本进行聚类，可以获得任意密度的聚类后的区域，按照区域的密度进行排序，将排在前面的密度较大的区域确定为目标区域。其中，目标区域中用户密度数据也较大，并且目标区域中的第二栅格尽量偏离于预设通信设备。
如图7所示，每个点为聚类样本，用圆圈出的是目标区域，在图7中确定出了五个目标区域，每个目标区域中对应的聚类样本的密度都较大，每个目标区域中用户密度数据也较大，并且目标区域中的第二栅格尽量偏离于预设通信设备。
本实施例中，在计算任意两个第一栅格间的汇聚距离时，综合考虑第一栅格间的位置距离，用户密度数据距离及增广距离因子间的距离，使第一栅格间的汇聚距离能够更准确地表征两个第一栅格间的距离。并且采用OPTICS聚类算法模型对第一栅格进行聚类，能够使目标区域为高用户密度且尽量偏离预设通信设备的区域。聚类出的目标区域更加适合基站的选址。
步骤205，计算目标区域中每个第二栅格对应的选址指标值。
作为一种可选实施方式，本实施例中，如图8所示，步骤205包括以下步骤：
步骤2051，获取每个第二栅格在每个预设角度范围内对应的多个预设选址指标。
进一步地，本实施例中，以目标区域内的每个第二栅格中心位置为待选址位置，以正北方向为零度，每间隔预设角度选取一个方向，计算待选址位置选取方向为中心的预设角度范围内所涉及到的第二栅格数、MR采样点数以及用户数。
其中，多个预设选址指标包括：第二栅格数、MR采样点数以及用户数。
其中，预设角度可以为5度，或其他适合数值。预设角度范围可以为120度，150度，或其他适宜数值，本实施例中对此不作限定。在图10中，预设角度范围为120度。
步骤2052，采用熵值法确定预设选址指标对应的权重。
作为一种可选实施方式，步骤2052包括以下步骤：
步骤2052a，计算每个预设选址指标对于选址指标值的比重。
具体地，通过式(6)计算每个预设选址指标对于选址指标值的比重。
其中，T1表示第二栅格数，p1表示第二栅格数对于选址指标值的比重。T2MR采样点数，p2表示MR采样点数对于选址指标值的比重，T3用户数，p3表示用户数对于选址指标值的比重。
步骤2052b，根据比重计算每个预设选址指标对应的熵值。
进一步地，每个预设选址指标对应的熵值表示为式(7)所示：
其中，k＝1/ln(n)>0，ei≥0。
e1表示第二栅格数对应的熵值，e2表示MR采样点数对应的熵值。e3表示用户数对应的熵值。
步骤2052c，根据熵值计算每个预设选址指标对应的信息熵冗余度。
进一步地，通过式(8)计算每个预设选址指标对应的信息冗余度。
ci＝1-ei，i＝1,2,3 (8)
其中，c1表示第二栅格数对应的信息熵冗余度，c2表示MR采样点数对应的信息熵冗余度。c3表示用户数对应的信息熵冗余度。
步骤2052d，根据信息熵冗余度计算每个预设选址指标对应的权重。
进一步地，通过式(9)计算每个预设选址指标对应的权重。
可以理解的是，式(6)、式(7)及式(9)中的n取值为3。
本实施例中，采用熵值法确定预设选址指标对应的权重，由于熵值能够用来确定每个预设选址指标的离散程度，离散程度与熵值呈负相关的关系，而预设选址指标的权重又与离散程度呈正相关关系，所以采用熵值法能够准确确定出预设选址指标对应的权重。
步骤2053，对预设选址指标进行加权求和，以获得每个第二栅格在每个预设角度范围内对应的选址指标值。
进一步地，本实施例中，针对每个第二栅格的每个预设角度范围，采用式(10)对预设选址指标进行加权求和，计算出每个第二栅格的每个预设角度范围对应的选址指标值。
Bi＝T1i*ω1i+T2i*ω2i+T3i*ω3i (10)
其中，Bi为第i个第二栅格在第i个预设角度范围内对应的选址指标值。
步骤206，根据选址指标值确定基站的选址信息。
进一步地，如图9所示，步骤206包括以下步骤：
步骤2061，确定选址指标值最大的第二栅格。
进一步地，本实施例中，以目标区域内的每个第二栅格中心位置为待选址位置，以正北为零度，每间隔预设角度选取一个方向，在每间隔预设角度选取一个方向，计算待选址位置选取方向为中心的预设角度范围内的选址指标值作为每个第二栅格在每个预设角度范围内对应的选址指标值后，按照选址指标值的大小进行排序，确定选址指标值最大的第二栅格。
其中，选址指标值最大的第二栅格为综合考虑周围第二栅格数，MR采样点数及用户数后，作为基站选址的最佳的第二栅格。
步骤2062，将选址指标值最大的第二栅格的中心位置确定为基站的选址位置。
进一步地，如图10所示，本实施例中，由于选址指标值最大的第二栅格所在的位置为基站选址的最佳位置，所以将选址指标值最大的第二栅格的中心位置确定为基站的选址位置。
步骤2063，将选址指标值最大的第二栅格所对应的角度方位角为基站的覆盖方位角。
进一步地，选址指标值最大的第二栅格所对应的角度方位角为该第二栅格选取的方向与正北方向的夹角。例如，如图10所示，选址指标值最大的第二栅格选取的方向与正北方向的夹角为120度，则基站的覆盖方位角也为120度。
步骤207，输出基站的选址信息，并将基站的选址信息上传到终端设备中。
进一步地，本实施例中，在确定出基站的选址信息后，输出基站的选址信息，在输出基线的选址信息时，作为一种可选实施方式，可将基站的选址信息以地图图层的形式输出，在地理图层中包括选址指标值最大的第二栅格，在第二栅格的中心标记出基站，并标注出基站的选址位置和覆盖方位角。
在输出基站的选址信息后，为了便于工程师建立基站，将基站的选址信息上传到工程师对应的终端设备中。
本实施例提供的扩容小区的基站选址方法，计算目标区域中每个第二栅格对应的选址指标值时，获取每个第二栅格在每个预设角度范围内对应的多个预设选址指标；采用熵值法确定预设选址指标对应的权重；对预设选址指标进行加权求和，以获得每个第二栅格在每个预设角度范围内对应的选址指标值。由于熵值能够用来确定每个预设选址指标的离散程度，离散程度与熵值呈负相关的关系，而预设选址指标的权重又与离散程度呈正相关关系，所以采用熵值法能够准确确定出预设选址指标对应的权重。进而采用预设选址指标进行加权求和计算出每个第二栅格对应的选址指标值会更加准确。
实施例三
图11为本发明实施例三提供的扩容小区的基站选址装置的结构示意图，如图11所示，本实施例提供的扩容小区的基站选址装置30包括：栅格获取模块31，数据确定模块32，距离计算模块33，栅格聚类模块34，指标值计算模块35，及选址确定模块36。
其中，栅格获取模块31，用于获取目标扩容小区所占据的栅格。数据确定模块32，用于确定目标扩容小区中每个第一栅格内的用户密度数据和每个第一栅格对应的增广距离因子。距离计算模块33，用于根据用户密度数据和增广距离因子计算任意两个第一栅格间的汇聚距离。栅格聚类模块34，用于根据任意两个第一栅格间的汇聚距离对第一栅格进行聚类，以确定目标扩容小区中的目标区域。指标值计算模块35，用于计算目标区域中每个第二栅格对应的选址指标值。选址确定模块36，用于根据选址指标值确定基站的选址信息。
本实施例提供的扩容小区的基站选址装置可以执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
实施例四
图12为本发明实施例四提供的扩容小区的基站选址装置的结构示意图，如图12所示，本实施例提供的扩容小区的基站选址装置40在本发明实施例三提供的扩容小区的基站选址装置30基础上，进一步地，还包括：选址信息输出模块41和选址信息上传模块42。
进一步地，栅格获取模块31，具体用于：
对全网区域的地理图层进行栅格化处理，以获得栅格化处理后的全网区域；采用OTT定位算法获取栅格化处理后的全网区域的MR采样点的位置信息；根据每个MR采样点的位置信息和所属小区信息获取目标扩容小区所占据的第一栅格。
进一步地，用户密度数据包括：归一化后的用户数和归一化后的流量。数据确定模块32，在确定目标扩容小区中每个第一栅格内的用户密度数据时，具体用于：
确定目标扩容小区中每个第一栅格内的平均用户数和平均流量；对每个第一栅格内的平均用户数进行归一化处理，以获得对应的归一化后的用户数；对每个第一栅格内的平均流量进行归一化处理，以获得对应的归一化后的流量。
进一步地，数据确定模块32，在确定目标扩容小区中每个第一栅格对应的增广距离因子时，具体用于：
确定每个第一栅格与距离最近的预设通信设备间的距离；根据预设距离值和距离计算对应的增广距离因子。
进一步地，距离计算模块33，具体用于：
确定任意两个第一栅格间的位置欧式距离，用户密度数据欧式距离和增广距离因子欧式距离；根据位置欧式距离，用户密度数据欧式距离和增广距离因子欧式距离计算任意两个第一栅格间的汇聚距离。
进一步地，栅格聚类模块34，具体用于：
将第一栅格和任意两个第一栅格间的汇聚距离作为聚类样本；采用OPTICS聚类算法模型对聚类样本进行聚类，以输出目标扩容小区中的目标区域。
进一步地，指标值计算模块35，具体用于：
获取每个第二栅格在每个预设角度范围内对应的多个预设选址指标；采用熵值法确定预设选址指标对应的权重；对预设选址指标进行加权求和，以获得每个第二栅格在每个预设角度范围内对应的选址指标值。
进一步地，选址确定模块36，具体用于：
确定选址指标值最大的第二栅格；将选址指标值最大的第二栅格的中心位置确定为基站的选址位置；将选址指标值最大的第二栅格所对应的角度方位角为基站的覆盖方位角。
进一步地，选址信息输出模块41，用于输出基站的选址信息。选址信息上传模块42，用于将基站的选址信息上传到终端设备中。
本实施例提供的扩容小区的基站选址装置可以执行图2-图6，图8及图9所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
实施例五
本发明实施例五还提供一种电子设备，如图13所示，该电子设备包括：存储器51，处理器52以及计算机程序。
其中，计算机程序存储在存储器51中，并被配置为由处理器52执行以实现本发明实施例一提供的扩容小区的基站选址方法或本发明实施例二提供的扩容小区的基站选址方法。
相关说明可以对应参见图1-图6，图8及图9的步骤所对应的相关描述和效果进行理解，此处不做过多赘述。
其中，本实施例中，存储器51和处理器52通过总线53连接。
实施例六
本发明实施例六提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现本发明实施例一提供的扩容小区的基站选址方法或本发明实施例二提供的扩容小区的基站选址方法。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，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，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。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。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种扩容小区的基站选址方法，其特征在于，包括：
获取目标扩容小区所占据的栅格；
确定所述目标扩容小区中每个第一栅格内的用户密度数据和每个第一栅格对应的增广距离因子；所述第一栅格为所述目标扩容小区中的栅格；
确定任意两个第一栅格间的位置欧式距离，用户密度数据欧式距离和增广距离因子欧式距离；
根据所述位置欧式距离，所述用户密度数据欧式距离和所述增广距离因子欧式距离计算所述任意两个第一栅格间的汇聚距离；
根据所述任意两个第一栅格间的汇聚距离对所述第一栅格进行聚类，以确定目标扩容小区中的目标区域；
计算所述目标区域中每个第二栅格对应的选址指标值；所述第二栅格为所述目标区域中的栅格；
根据所述选址指标值确定基站的选址信息；
所述确定所述目标扩容小区中每个第一栅格对应的增广距离因子，包括：
确定每个第一栅格与距离最近的预设通信设备间的距离；
根据预设距离值和所述距离计算所述对应的增广距离因子。
2.根据权利要求1所述的方法，其特征在于，所述获取目标扩容小区所占据的栅格，包括：
对全网区域的地理图层进行栅格化处理，以获得栅格化处理后的全网区域；
采用OTT定位算法获取所述栅格化处理后的全网区域的MR采样点的位置信息；
根据每个MR采样点的位置信息和所属小区信息获取所述目标扩容小区所占据的第一栅格。
3.根据权利要求1所述的方法，其特征在于，所述用户密度数据包括：归一化后的用户数和归一化后的流量；
所述确定所述目标扩容小区中每个第一栅格内的用户密度数据，包括：
确定所述目标扩容小区中每个第一栅格内的平均用户数和平均流量；
对每个第一栅格内的平均用户数进行归一化处理，以获得对应的归一化后的用户数；
对每个第一栅格内的平均流量进行归一化处理，以获得对应的归一化后的流量。
4.根据权利要求1所述的方法，其特征在于，所述根据所述任意两个第一栅格间的汇聚距离对所述第一栅格进行聚类，以确定目标扩容小区中的目标区域，包括：
将所述第一栅格和任意两个第一栅格间的汇聚距离作为聚类样本；
采用OPTICS聚类算法模型对所述聚类样本进行聚类，以输出目标扩容小区中的目标区域。
5.根据权利要求1所述的方法，其特征在于，所述计算所述目标区域中每个第二栅格对应的选址指标值，包括：
获取每个第二栅格在每个预设角度范围内对应的多个预设选址指标；
采用熵值法确定所述预设选址指标对应的权重；
对所述预设选址指标进行加权求和，以获得每个第二栅格在每个预设角度范围内对应的选址指标值。
6.根据权利要求5所述的方法，其特征在于，所述根据所述选址指标值确定基站的选址信息，包括：
确定选址指标值最大的第二栅格；
将所述选址指标值最大的第二栅格的中心位置确定为基站的选址位置；
将选址指标值最大的第二栅格所对应的角度方位角为所述基站的覆盖方位角。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述根据所述选址指标值确定基站的选址信息之后，还包括：
输出所述基站的选址信息，并将所述基站的选址信息上传到终端设备中。
8.一种扩容小区的基站选址装置，其特征在于，包括：
栅格获取模块，用于获取目标扩容小区所占据的栅格；
数据确定模块，用于确定所述目标扩容小区中每个第一栅格内的用户密度数据和每个第一栅格对应的增广距离因子；所述第一栅格为所述目标扩容小区中的栅格；
距离计算模块，用于确定任意两个第一栅格间的位置欧式距离，用户密度数据欧式距离和增广距离因子欧式距离；根据所述位置欧式距离，所述用户密度数据欧式距离和所述增广距离因子欧式距离计算所述任意两个第一栅格间的汇聚距离；
栅格聚类模块，用于根据所述任意两个第一栅格间的汇聚距离对所述第一栅格进行聚类，以确定目标扩容小区中的目标区域；
指标值计算模块，用于计算所述目标区域中每个第二栅格对应的选址指标值；所述第二栅格为所述目标区域中的栅格；
选址确定模块，用于根据所述选址指标值确定基站的选址信息；
数据确定模块具体用于：确定每个第一栅格与距离最近的预设通信设备间的距离；根据预设距离值和所述距离计算所述对应的增广距离因子。
9.一种电子设备，其特征在于，包括：
存储器，处理器以及计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911239522.6A CN111062525B (zh) | 2019-12-06 | 2019-12-06 | 扩容小区的基站选址方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911239522.6A CN111062525B (zh) | 2019-12-06 | 2019-12-06 | 扩容小区的基站选址方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111062525A CN111062525A (zh) | 2020-04-24 |
| CN111062525B true CN111062525B (zh) | 2022-07-05 |
Family
ID=70299909
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911239522.6A Active CN111062525B (zh) | 2019-12-06 | 2019-12-06 | 扩容小区的基站选址方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111062525B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114390582B (zh) * | 2020-10-21 | 2023-07-25 | 中国移动通信集团设计院有限公司 | 基站站址预测方法及装置 |
| CN112836991B (zh) * | 2021-03-03 | 2023-04-07 | 河南省信息咨询设计研究有限公司 | 站点规划方法、装置、终端设备和可读存储介质 |
| CN115412928B (zh) * | 2021-05-26 | 2023-08-01 | 中国移动通信集团浙江有限公司 | 一种基于空间技术的插花基站识别方法和装置 |
| CN113691991B (zh) * | 2021-08-26 | 2022-09-13 | 中国联合网络通信集团有限公司 | 网络扩容方法、装置、设备、移动机器人及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2837596A1 (fr) * | 2002-03-19 | 2003-09-26 | Sfr Sa | Procede et systeme destines au deploiement de la couverture radio d'un reseau de radiotelephonie cellulaire |
| CN106060838A (zh) * | 2016-06-28 | 2016-10-26 | 中国联合网络通信集团有限公司 | 基站扩容方法及系统 |
| 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 |
| CN108984561A (zh) * | 2017-06-01 | 2018-12-11 | 华为技术有限公司 | 选址方法及设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9100926B2 (en) * | 2013-08-01 | 2015-08-04 | The Nielsen Company (Us), Llc | Methods and apparatus to determine a base station location |
-
2019
- 2019-12-06 CN CN201911239522.6A patent/CN111062525B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2837596A1 (fr) * | 2002-03-19 | 2003-09-26 | Sfr Sa | Procede et systeme destines au deploiement de la couverture radio d'un reseau de radiotelephonie cellulaire |
| CN106060838A (zh) * | 2016-06-28 | 2016-10-26 | 中国联合网络通信集团有限公司 | 基站扩容方法及系统 |
| 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 |
| CN108984561A (zh) * | 2017-06-01 | 2018-12-11 | 华为技术有限公司 | 选址方法及设备 |
Non-Patent Citations (3)
| Title |
|---|
| 城市公众移动通信基站规划及ArcGIS应用;陈晓飞等;《现代电信科技》;20160229;第46卷(第1期);60-65 * |
| 基于大数据的TD-LTE基站辅助规划选址算法研究;商江华;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20160515(第05期);I136-380 * |
| 淄博移动GSM扩容规划与优化的实践;葛建鹏;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20130515(第05期);I136-327 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111062525A (zh) | 2020-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111062525B (zh) | 扩容小区的基站选址方法、装置、设备及存储介质 | |
| US10725008B2 (en) | Automatic siting for air quality monitoring stations | |
| US11206555B2 (en) | Method for implementing antenna azimuth correction based on user data | |
| CN108375363B (zh) | 天线方位角偏转核查方法、装置、设备及介质 | |
| CN108271171B (zh) | 建筑物网络状况统计方法及装置 | |
| CN109413661B (zh) | 一种计算站距的方法及装置 | |
| CN111294841B (zh) | 一种无线网络问题的处理方法、装置及存储介质 | |
| TW202105306A (zh) | 發電量預測裝置、發電量預測方法、及程式 | |
| CN112990976A (zh) | 基于开源数据挖掘的商业网点选址方法、系统、设备及介质 | |
| KR102310306B1 (ko) | 발전소 군집화 및 군집 기반 이상진단 방법 | |
| CN114374449A (zh) | 一种干扰源确定方法、装置、设备及介质 | |
| CN113133007B (zh) | 通信站点的选址方法、装置及设备 | |
| CN107944697B (zh) | 基于供需关系的热地图计算方法和系统、服务器、介质 | |
| CN110555432A (zh) | 一种兴趣点处理方法、装置、设备和介质 | |
| CN109191408A (zh) | 快速循环地面气象融合方法、装置及服务器 | |
| CN110390343A (zh) | 一种空间气象数据的订正方法及系统 | |
| CN113140109B (zh) | 一种路测数据处理方法、装置、计算机设备及存储介质 | |
| CN110012426A (zh) | 消亡poi的确定方法、装置、计算机设备和存储介质 | |
| CN116528282B (zh) | 覆盖场景识别方法、装置、电子设备和可读存储介质 | |
| CN113890833B (zh) | 网络覆盖预测方法、装置、设备及存储介质 | |
| CN109218963B (zh) | 位置指纹数据处理方法、装置、设备及存储介质 | |
| CN114880373B (zh) | 一种土壤采样方法、系统、存储介质和电子设备 | |
| CN109376958A (zh) | 一种建筑物的负荷预测方法及装置 | |
| CN111988813B (zh) | 移动通信网络中弱覆盖小区的确定方法、装置和计算机设备 | |
| CN114422947A (zh) | 5g测量报告的定位方法及装置、设备、存储介质、程序 |
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 |