CN111328102A - 一种共覆盖关系识别的方法及装置 - Google Patents

一种共覆盖关系识别的方法及装置 Download PDF

Info

Publication number
CN111328102A
CN111328102A CN201811537088.5A CN201811537088A CN111328102A CN 111328102 A CN111328102 A CN 111328102A CN 201811537088 A CN201811537088 A CN 201811537088A CN 111328102 A CN111328102 A CN 111328102A
Authority
CN
China
Prior art keywords
main
cell
adjacent cell
field intensity
field strength
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
Application number
CN201811537088.5A
Other languages
English (en)
Other versions
CN111328102B (zh
Inventor
岳磊
张阳
刘静
陈文聪
万新华
潘饶元
李丽智
陈善芳
卫慧锋
谭瑛
邓小梅
李安旭
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 Guangxi Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Guangxi 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 Guangxi Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201811537088.5A priority Critical patent/CN111328102B/zh
Publication of CN111328102A publication Critical patent/CN111328102A/zh
Application granted granted Critical
Publication of CN111328102B publication Critical patent/CN111328102B/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
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • 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
    • H04W16/24—Cell structures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种共覆盖关系识别的方法及装置，该方法包括获取MR采样数据以及基础配置数据，对MR采样数据进行处理，得到采样时间、主小区识别码、邻小区识别码、主小区载频号、邻小区载频号、主小区场强和邻小区场强，确定主邻小区场强相关性、主邻小区场强差值均值和主邻小区场强差值标准差，将主邻小区场强相关性、主邻小区场强差值均值和主邻小区场强差值标准差与基础配置数据进行融合，得到融合数据，根据融合数据以及共覆盖关系小区匹配规则，识别共覆盖关系小区对。通过利用现网MR覆盖数据计算其相关性，准确反映任意两个小区的覆盖关系特征，为共覆盖小区的识别和业务容量均衡调整提供重要依据。

Description

一种共覆盖关系识别的方法及装置
技术领域
本发明实施例涉及小区覆盖技术领域，尤其涉及一种共覆盖关系识别的方法及装置。
背景技术
在无线网优化中，为了满足容量需求普通存在单扇区多频点覆盖场景，需进行多层网小区同覆盖判定，以开启负载均衡功能，优化切换重选门限，结合各小区忙时用户数情况，灵活设置均衡启动门限、均衡周期、均衡用户数等参数，达到网络接续顺畅、负载均衡效果。
现有的共覆盖小区识别和定义主要依赖于规划站数据设计时的小区名称命名规则、地址及小区间是否共用RRU，亦或通过小区的经纬度与方向角的关系进行共覆盖组小区的识别。
现有共覆盖小区识别方法主要存在的问题为无线传播过程受地形地貌影响，利用站址、方向角偏差等参数不能真实反应小区的共覆盖关系。
发明内容
本发明实施例提供一种共覆盖关系识别的方法及装置，用以提高共覆盖小区识别的准确率。
本发明实施例提供的一种共覆盖关系识别的方法，包括：
获取MR(Measurement Report，测量报告)采样数据以及基础配置数据；
对所述MR采样数据进行处理，得到采样时间、主小区识别码、邻小区识别码、主小区载频号、邻小区载频号、主小区场强和邻小区场强；
根据所述采样时间以及所述主小区识别码、所述邻小区识别码、所述主小区载频号、所述邻小区载频号、所述主小区场强和所述邻小区场强，确定主邻小区场强相关性、主邻小区场强差值均值和主邻小区场强差值标准差；
将所述主邻小区场强相关性、所述主邻小区场强差值均值和所述主邻小区场强差值标准差与所述基础配置数据进行融合，得到融合数据；
根据融合数据以及共覆盖关系小区匹配规则，识别共覆盖关系小区对；
其中，所述共覆盖关系小区匹配规则是对已知典型场景的数据指标特征进行学习得到的。
上述技术方案中，通过利用现网MR覆盖数据计算其相关性，准确反映任意两个小区的覆盖关系特征，为共覆盖小区的识别和业务容量均衡调整提供重要依据。
可选的，所述根据所述采样时间以及所述主小区识别码、所述邻小区识别码、所述主小区载频号、所述邻小区载频号、所述主小区场强和所述邻小区场强，确定主邻小区场强相关性、主邻小区场强差值均值和主邻小区场强差值标准差，包括：
根据所述采样时间以及所述主小区识别码、所述邻小区识别码、所述主小区载频号、所述邻小区载频号，对所述主小区场强和所述邻小区场强进行统计，确定出不同时间点的主邻场强数据集；
根据所述主邻场强数据集中的所述主小区场强和所述邻小区场强分别确定主小区场强均值和邻小区场强均值；根据所述主小区场强均值、所述邻小区场强均值、所述主小区场强和所述邻小区场强分别确定主小区场强方差和邻小区场强方差以及主邻小区场强的协方差；根据所述主小区场强方差和所述邻小区场强方差、所述主邻小区场强的协方差，确定所述主邻小区场强相关性；
根据所述主邻场强数据集中的所述主小区场强和所述邻小区场强，确定主邻小区场强差；根据所述主邻小区场强差，确定主邻小区场强差均值；
根据所述主邻小区场强差均值和所述主邻小区场强差确定主邻小区场强差值标准差。
可选的，所述对已知典型场景的数据指标特征进行学习得到所述共覆盖关系小区匹配规则，包括：
所述数据指标特征包括主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差；
对所述已知典型场景的主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差以及主邻小区频点号、功率值、是否共RRU、是否同频段、功率差异进行统计学习，得到典型场景下主邻小区相关性的取值范围、主邻小区场强差值均值的取值范围、主邻小区场强差值标准差的取值范围；
将所述典型场景下主邻小区相关性的取值范围、主邻小区场强差值均值的取值范围、主邻小区场强差值标准差的取值范围确定为所述共覆盖关系小区匹配规则。
可选的，所述根据融合数据以及共覆盖关系小区匹配规则，识别共覆盖关系小区对，包括：
根据所述融合数据，确定符合所述共覆盖关系小区匹配规则的主邻小区对；
判断所述符合所述共覆盖关系小区匹配规则的主邻小区对中是否存在反向小区对；
若是，则将存在反向小区对的主邻小区对进行合并，确定出共覆盖的小区组。
可选的，所述基础配置数据包括小区功率配置信息、小区载频号和小区射频拉远单元RRU信息。
相应的，本发明实施例还提供了一种共覆盖关系识别的装置，包括：
获取单元，用于获取MR采样数据以及基础配置数据；
处理单元，用于对所述MR采样数据进行处理，得到采样时间、主小区识别码、邻小区识别码、主小区载频号、邻小区载频号、主小区场强和邻小区场强；根据所述采样时间以及所述主小区识别码、所述邻小区识别码、所述主小区载频号、所述邻小区载频号、所述主小区场强和所述邻小区场强，确定主邻小区场强相关性、主邻小区场强差值均值和主邻小区场强差值标准差；将所述主邻小区场强相关性、所述主邻小区场强差值均值和所述主邻小区场强差值标准差与所述基础配置数据进行融合，得到融合数据；
识别单元，用于根据融合数据以及共覆盖关系小区匹配规则，识别共覆盖关系小区对；其中，所述共覆盖关系小区匹配规则是对已知典型场景的数据指标特征进行学习得到的。
可选的，所述处理单元具体用于：
根据所述采样时间以及所述主小区识别码、所述邻小区识别码、所述主小区载频号、所述邻小区载频号，对所述主小区场强和所述邻小区场强进行统计，确定出不同时间点的主邻场强数据集；
根据所述主邻场强数据集中的所述主小区场强和所述邻小区场强分别确定主小区场强均值和邻小区场强均值；根据所述主小区场强均值、所述邻小区场强均值、所述主小区场强和所述邻小区场强分别确定主小区场强方差和邻小区场强方差以及主邻小区场强的协方差；根据所述主小区场强方差和所述邻小区场强方差、所述主邻小区场强的协方差，确定所述主邻小区场强相关性；
根据所述主邻场强数据集中的所述主小区场强和所述邻小区场强，确定主邻小区场强差；根据所述主邻小区场强差，确定主邻小区场强差均值；
根据所述主邻小区场强差均值和所述主邻小区场强差确定主邻小区场强差值标准差。
可选的，所述识别单元具体用于：
所述数据指标特征包括主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差；
对所述已知典型场景的主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差以及主邻小区频点号、功率值、是否共RRU、是否同频段、功率差异进行统计学习，得到典型场景下主邻小区相关性的取值范围、主邻小区场强差值均值的取值范围、主邻小区场强差值标准差的取值范围；
将所述典型场景下主邻小区相关性的取值范围、主邻小区场强差值均值的取值范围、主邻小区场强差值标准差的取值范围确定为所述共覆盖关系小区匹配规则。
可选的，所述识别单元具体用于：
根据所述融合数据，确定符合所述共覆盖关系小区匹配规则的主邻小区对；
判断所述符合所述共覆盖关系小区匹配规则的主邻小区对中是否存在反向小区对；
若是，则将存在反向小区对的主邻小区对进行合并，确定出共覆盖的小区组。
可选的，所述基础配置数据包括小区功率配置信息、小区载频号和小区射频拉远单元RRU信息。
相应的，本发明实施例还提供了一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行共覆盖关系识别的方法。
相应的，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行共覆盖关系识别的方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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为本发明实施例提供的一种系统架构的示意图；
图2为本发明实施例提供的一种共覆盖关系识别的方法的流程示意图；
图3为本发明实施例提供的一种共覆盖关系识别的装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1为本发明实施例提供的直播视频流转码质量监控的方法所适用的系统架构。参考图1所示，该系统架构可以为转码服务器100，包括处理器110、通信接口120和存储器130。
其中，通信接口120用于直播客户端进行通信，从直播客户端拉流。
处理器110是服务器100的控制中心，利用各种接口和线路连接整个服务器100的各个部分，通过运行或执行存储在存储器130内的软件程序/或模块，以及调用存储在存储器130内的数据，执行服务器100的各种功能和处理数据。可选地，处理器110可以包括一个或多个处理单元。
存储器130可用于存储软件程序以及模块，处理器110通过运行存储在存储器130的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器130可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据业务处理所创建的数据等。此外，存储器130可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需要说明的是，上述图1所示的结构仅是一种示例，本发明实施例对此不做限定。
基于上述描述，图2示例性地示出了本发明实施例提供的一种身份验证的方法的流程，该流程将通过客户端与服务器交互的方式来进行描述。
如图2所示，该流程具体包括：
步骤201，获取MR采样数据以及基础配置数据。
MR采样原始数据采集、解析，获取原始采样数据中与本覆盖关系评估方法所必须的关键信息，关键信息包括有：TD-LTE服务小区载波号、TD-LTE服务小区的物理小区识别码、TD-LTE服务小区的RSRP值、TD-LTE已定义邻区关系和未定义邻区关系的邻区载波号、TD-LTE已定义邻区关系和未定义邻区关系的物理小区识别码、TD-LTE已定义邻区关系和未定义邻区关系的邻区RSRP值。基础配置数据准备：小区功率配置、小区载频频点号、小区RRU信息。
步骤202，对所述MR采样数据和所述基础配置数据进行处理，得到采样时间、主小区识别码、邻小区识别码、主小区载频号、邻小区载频号、主小区场强和邻小区场强。
通过对步骤201中的数据进行处理，可以得到采样时间、主小区识别码、邻小区识别码、主小区载频号、邻小区载频号、主小区场强和邻小区场强，具体可以见表1所示。
表1
SampleTime ScECI NbECI ScEARFCN NbEARFCN ScRSRP NbRSRP
其中，SampleTime代表采样时间、ScECI代表主小区识别码、NbECI代表邻小区识别码、ScEARFCN代表主小区频点、NbEARFCN代表邻小区频点、ScRSRP代表主小区场强、NbRSRP代表邻小区场强。
步骤203，根据所述采样时间以及所述主小区识别码、所述邻小区识别码、所述主小区载频号、所述邻小区载频号、所述主小区场强和所述邻小区场强，确定主邻小区场强相关性、主邻小区场强差值均值和主邻小区场强差值标准差。
具体的，根据采样时间以及主小区识别码、邻小区识别码、主小区载频号、邻小区载频号，对主小区场强和邻小区场强进行统计，确定出不同时间点的主邻场强数据集。根据主邻场强数据集中的主小区场强和邻小区场强分别确定主小区场强均值和邻小区场强均值。根据主小区场强均值、邻小区场强均值、主小区场强和邻小区场强分别确定主小区场强方差和邻小区场强方差以及主邻小区场强的协方差，根据主小区场强方差和邻小区场强方差、主邻小区场强的协方差，确定主邻小区场强相关性。
根据主邻场强数据集中的主小区场强和邻小区场强，确定主邻小区场强差；根据主邻小区场强差，确定主邻小区场强差均值。
根据主邻小区场强差均值和主邻小区场强差确定主邻小区场强差值标准差。
举例来说，从上述表1中的数据可以得知，在同一个时间点，同一个ScECI对应于不同邻小区的多条记录。将主邻场强分别看作两个随机变量，这些数据记录则是主邻场强随机变量的采样数据，主邻场强的相关性可以由皮尔逊相关系数进行描述，其一般被广泛用于度量两个变量之间的相关程度，在本应用当中，可以用来判断两个小区的共覆盖特征，一般相关性较强的小区间RSRP具有较一致的变化趋势，共覆盖的可能性大。
具体地，在本评估方法当中，以ScECI和NbECI作为主键，查询得到不同时间点主邻场强数据集SScRSRP与SNbRSRP，按照皮尔逊相关系数公式对主邻小区场强的相关性计算如下：
Figure BDA0001907148770000081
其中X＝SScRSRP，Y＝SNbRSRP，N＝|SScRSRP|＝|SNbRSRP|为样本记录数目，Cov(X,Y)为主邻小区场强随机变量的协方差，Var(X)、Var(Y)分别为主邻小区场强方差。
该主邻小区场强随机变量的协方差可以为：
Figure BDA0001907148770000082
其中，Xi为第i个主小区场强，
Figure BDA0001907148770000083
为主小区场强均值，Yi为第i个主小区的邻小区场强，
Figure BDA0001907148770000084
为第i个主小区的邻小区场强均值。
该Var(X)、Var(Y)分别为：
Figure BDA0001907148770000091
Figure BDA0001907148770000092
Figure BDA0001907148770000093
分别为主邻小区场强均值：
Figure BDA0001907148770000094
Figure BDA0001907148770000095
主邻小区场强差值均值计算：
在MR采样整理结果数据当中，假如每个采样记录中主邻小区场强差值ScRSRP-NbRSRP＝Z，那么每个采样记录中的Z可被认作为主邻小区场强差值数据集SScRSRP-NbRSRP，数据集SScRSRP-NbRSRP的均值即为主邻小区场强差值均值，主邻小区场强差值均值反映了主邻小区间的覆盖场强差异，其计算公式如下：
Figure BDA0001907148770000096
其中Z＝SScRSRP-NbRSRP，N＝|SScRSRP-NbRSRP|为样本记录数目。
主邻小区场强差值标准差计算：
主邻小区间的场强差值标准差反映了两个小区的覆盖方向差异，一般覆盖方向一致的小区间场强差值标准差较小，其计算公式如下：
Figure BDA0001907148770000097
其中Z＝SScRSRP-NbRSRP为主邻小区场强差值数据集随机变量，N＝|SScRSRP-NbRSRP|为样本记录数目，
Figure BDA0001907148770000098
为主邻小区场强差值均值。
经过本步骤相关指标的数据计算后，输出主邻小区相关性相关评估指标如表2所示。
表2
Figure BDA0001907148770000101
步骤204，将所述主邻小区场强相关性、所述主邻小区场强差值均值和所述主邻小区场强差值标准差与所述基础配置数据进行融合，得到融合数据。
将所述相关性相关评估指标与基础配置数据进行融合，可以得到融合数据，具体的可以如表3所示。
表3
Figure BDA0001907148770000102
步骤205，根据融合数据以及共覆盖关系小区匹配规则，识别共覆盖关系小区对。
该共覆盖关系小区匹配规则是对已知典型场景的数据指标特征进行学习得到的，具体可以为：
数据指标特征包括主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差。对已知典型场景的主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差以及主邻小区频点号、功率值、是否共RRU、是否同频段、功率差异进行统计学习，得到典型场景下主邻小区相关性的取值范围、主邻小区场强差值均值的取值范围、主邻小区场强差值标准差的取值范围。将典型场景下主邻小区相关性的取值范围、主邻小区场强差值均值的取值范围、主邻小区场强差值标准差的取值范围确定为共覆盖关系小区匹配规则。
举例来说，根据步骤204中融合数据表的统计数据，输入已知共覆盖小区组信息，对典型场景的数据指标特征进行汇总统计以达到共覆盖关系小区配对规则学习的目的，其中典型场景依据融合数据表中的主邻小区频点号、功率值、共RRU标识划分为是否共RRU、是否同频段、功率差异等，数据指标特征主要是指主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差。下述表4示出了部分典型场景下数据指标特征。
表4
Figure BDA0001907148770000111
在得到共覆盖关系小区匹配规则后，就可以根据融合数据以及共覆盖关系小区匹配规则，识别共覆盖关系小区对，具体的，根据所述融合数据，确定符合共覆盖关系小区匹配规则的主邻小区对，判断符合所述共覆盖关系小区匹配规则的主邻小区对中是否存在反向小区对，若是，则将存在反向小区对的主邻小区对进行合并，确定出共覆盖的小区组。
举例来说，根据不同典型场景下的主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差的指标特征学习结果，对步骤204中处理好的融合数据进行共覆盖关系小区配对处理。具体处理过程为：抽取满足条件(共覆盖关系小区匹配规则)的ScECI与NbECI小区对。然后判断抽取结果中满足条件的ScECI与NbECI小区对是否存在反向小区对的记录，接着剔除不存在反向小区对的记录，最后整理待共覆盖组合并的小区对。
对处理过程详细描述如下：
抽取满足条件的ScECI与NbECI小区对：按照表4中不同典型场景下主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差的指标特征学习结果，对表3中处理好的结果数据中满足条件的记录进行调取。
判断抽取结果中满足条件的ScECI与NbECI小区对是否存在反向小区对的记录：调取的记录中同时判断是否存在反向的小区对，即假如调取符合条件的记录中存在ScECI＝A、NbECI＝B，需要判断符合条件的记录当中是否同时也存在ScECI＝B、NbECI＝A的记录。
剔除不存在反向小区对的记录：对于在上一步判断当中符合条件的记录存在ScECI＝A、NbECI＝B但不存在ScECI＝B、NbECI＝A的记录，做剔除记录的操作。
整理待共覆盖组合并的小区对：经以上几步处理过程，保留下来具有双向均满足条件的小区对，整理两两小区对的数据。
对整理出来的两两小区对的主邻小区进行合并，形成共覆盖的小区组。
本发明提出的基于RSRP相关性特征的共覆盖关系识别方法，该方法利用MR数据中主邻小区真实RSRP值进行小区相关性评估，能够判断两两小区间的共覆盖特征、覆盖强度差异以及覆盖方向差异特征，该方法改变了传统方式中不能准确评估多层网小区共覆盖关系的问题，为容量负载均衡和共覆盖组小区参数调整提供重要依据，能够提升移动网络多层组网下网优优化工作的效率。
上述实施例表明，通过采用MR数据为原始采样数据，解析原始采样数据中的服务小区识别码、服务小区载频号、主小区RSRP、邻小区识别码、邻小区载频号、邻小区RSRP，计算小区间RSRP的相关系数、小区间RSRP差值均值、小区间RSRP差值标准差等指标，结合小区配置功率值、载频号、RRU等信息，通过不同场景下已知共覆盖组小区的小区间RSRP相关系数、RSRP差值均值、RSRP差值标准差的指标特征关系，学习具有共同覆盖特征的小区对配对规则，最终根据配对规则识别出来的两两配对小区对合并为共同覆盖的小区组。
由于基于现网的MR数据，采用皮尔逊相关系数公式计算MR数据主邻小区间RSRP的相关系数、主邻小区间RSRP差值均值、主邻小区间RSRP差值标准差等指标，分析MR数据主邻小区间RSRP相关性程度来进行共覆盖小区识别，该方法利用现网MR覆盖数据计算其相关性，准确反映任意两个小区的覆盖关系特征，为共覆盖小区的识别和业务容量均衡调整提供重要依据。
基于相同的技术构思，图3示例性地示出了本发明实施例提供的一种共覆盖关系识别的装置，该装置可以执行上述共覆盖关系识别的流程。
如图3所示，该装置可以包括：
获取单元301，用于获取MR采样数据以及基础配置数据；
处理单元302，用于对所述MR采样数据进行处理，得到采样时间、主小区识别码、邻小区识别码、主小区载频号、邻小区载频号、主小区场强和邻小区场强；根据所述采样时间以及所述主小区识别码、所述邻小区识别码、所述主小区载频号、所述邻小区载频号、所述主小区场强和所述邻小区场强，确定主邻小区场强相关性、主邻小区场强差值均值和主邻小区场强差值标准差；将所述主邻小区场强相关性、所述主邻小区场强差值均值和所述主邻小区场强差值标准差与所述基础配置数据进行融合，得到融合数据；
识别单元303，用于根据融合数据以及共覆盖关系小区匹配规则，识别共覆盖关系小区对；其中，所述共覆盖关系小区匹配规则是对已知典型场景的数据指标特征进行学习得到的。
可选的，所述处理单元302具体用于：
根据所述采样时间以及所述主小区识别码、所述邻小区识别码、所述主小区载频号、所述邻小区载频号，对所述主小区场强和所述邻小区场强进行统计，确定出不同时间点的主邻场强数据集；
根据所述主邻场强数据集中的所述主小区场强和所述邻小区场强分别确定主小区场强均值和邻小区场强均值；根据所述主小区场强均值、所述邻小区场强均值、所述主小区场强和所述邻小区场强分别确定主小区场强方差和邻小区场强方差以及主邻小区场强的协方差；根据所述主小区场强方差和所述邻小区场强方差、所述主邻小区场强的协方差，确定所述主邻小区场强相关性；
根据所述主邻场强数据集中的所述主小区场强和所述邻小区场强，确定主邻小区场强差；根据所述主邻小区场强差，确定主邻小区场强差均值；
根据所述主邻小区场强差均值和所述主邻小区场强差确定主邻小区场强差值标准差。
可选的，所述识别单元303具体用于：
所述数据指标特征包括主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差；
对所述已知典型场景的主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差以及主邻小区频点号、功率值、是否共RRU、是否同频段、功率差异进行统计学习，得到典型场景下主邻小区相关性的取值范围、主邻小区场强差值均值的取值范围、主邻小区场强差值标准差的取值范围；
将所述典型场景下主邻小区相关性的取值范围、主邻小区场强差值均值的取值范围、主邻小区场强差值标准差的取值范围确定为所述共覆盖关系小区匹配规则。
可选的，所述识别单元303具体用于：
根据所述融合数据，确定符合所述共覆盖关系小区匹配规则的主邻小区对；
判断所述符合所述共覆盖关系小区匹配规则的主邻小区对中是否存在反向小区对；
若是，则将存在反向小区对的主邻小区对进行合并，确定出共覆盖的小区组。
可选的，所述基础配置数据包括小区功率配置信息、小区载频号和小区RRU信息。
基于相同的技术构思，本发明实施例还提供了一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述共覆盖关系识别的方法。
基于相同的技术构思，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述共覆盖关系识别的方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种共覆盖关系识别的方法，其特征在于，包括：
获取MR采样数据以及基础配置数据；
对所述MR采样数据进行处理，得到采样时间、主小区识别码、邻小区识别码、主小区载频号、邻小区载频号、主小区场强和邻小区场强；
根据所述采样时间以及所述主小区识别码、所述邻小区识别码、所述主小区载频号、所述邻小区载频号、所述主小区场强和所述邻小区场强，确定主邻小区场强相关性、主邻小区场强差值均值和主邻小区场强差值标准差；
将所述主邻小区场强相关性、所述主邻小区场强差值均值和所述主邻小区场强差值标准差与所述基础配置数据进行融合，得到融合数据；
根据融合数据以及共覆盖关系小区匹配规则，识别共覆盖关系小区对；
其中，所述共覆盖关系小区匹配规则是对已知典型场景的数据指标特征进行学习得到的。
2.如权利要求1所述的方法，其特征在于，所述根据所述采样时间以及所述主小区识别码、所述邻小区识别码、所述主小区载频号、所述邻小区载频号、所述主小区场强和所述邻小区场强，确定主邻小区场强相关性、主邻小区场强差值均值和主邻小区场强差值标准差，包括：
根据所述采样时间以及所述主小区识别码、所述邻小区识别码、所述主小区载频号、所述邻小区载频号，对所述主小区场强和所述邻小区场强进行统计，确定出不同时间点的主邻场强数据集；
根据所述主邻场强数据集中的所述主小区场强和所述邻小区场强分别确定主小区场强均值和邻小区场强均值；根据所述主小区场强均值、所述邻小区场强均值、所述主小区场强和所述邻小区场强分别确定主小区场强方差和邻小区场强方差以及主邻小区场强的协方差；根据所述主小区场强方差和所述邻小区场强方差、所述主邻小区场强的协方差，确定所述主邻小区场强相关性；
根据所述主邻场强数据集中的所述主小区场强和所述邻小区场强，确定主邻小区场强差；根据所述主邻小区场强差，确定主邻小区场强差均值；
根据所述主邻小区场强差均值和所述主邻小区场强差确定主邻小区场强差值标准差。
3.如权利要求1所述的方法，其特征在于，所述对已知典型场景的数据指标特征进行学习得到所述共覆盖关系小区匹配规则，包括：
所述数据指标特征包括主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差；
对所述已知典型场景的主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差以及主邻小区频点号、功率值、是否共RRU、是否同频段、功率差异进行统计学习，得到典型场景下主邻小区相关性的取值范围、主邻小区场强差值均值的取值范围、主邻小区场强差值标准差的取值范围；
将所述典型场景下主邻小区相关性的取值范围、主邻小区场强差值均值的取值范围、主邻小区场强差值标准差的取值范围确定为所述共覆盖关系小区匹配规则。
4.如权利要求1所述的方法，其特征在于，所述根据融合数据以及共覆盖关系小区匹配规则，识别共覆盖关系小区对，包括：
根据所述融合数据，确定符合所述共覆盖关系小区匹配规则的主邻小区对；
判断所述符合所述共覆盖关系小区匹配规则的主邻小区对中是否存在反向小区对；
若是，则将存在反向小区对的主邻小区对进行合并，确定出共覆盖的小区组。
5.如权利要求1至4任一项所述的方法，其特征在于，所述基础配置数据包括小区功率配置信息、小区载频号和小区射频拉远单元RRU信息。
6.一种共覆盖关系识别的装置，其特征在于，包括：
获取单元，用于获取MR采样数据以及基础配置数据；
处理单元，用于对所述MR采样数据进行处理，得到采样时间、主小区识别码、邻小区识别码、主小区载频号、邻小区载频号、主小区场强和邻小区场强；根据所述采样时间以及所述主小区识别码、所述邻小区识别码、所述主小区载频号、所述邻小区载频号、所述主小区场强和所述邻小区场强，确定主邻小区场强相关性、主邻小区场强差值均值和主邻小区场强差值标准差；将所述主邻小区场强相关性、所述主邻小区场强差值均值和所述主邻小区场强差值标准差与所述基础配置数据进行融合，得到融合数据；
识别单元，用于根据融合数据以及共覆盖关系小区匹配规则，识别共覆盖关系小区对；其中，所述共覆盖关系小区匹配规则是对已知典型场景的数据指标特征进行学习得到的。
7.如权利要求6所述的装置，其特征在于，所述处理单元具体用于：
根据所述采样时间以及所述主小区识别码、所述邻小区识别码、所述主小区载频号、所述邻小区载频号，对所述主小区场强和所述邻小区场强进行统计，确定出不同时间点的主邻场强数据集；
根据所述主邻场强数据集中的所述主小区场强和所述邻小区场强分别确定主小区场强均值和邻小区场强均值；根据所述主小区场强均值、所述邻小区场强均值、所述主小区场强和所述邻小区场强分别确定主小区场强方差和邻小区场强方差以及主邻小区场强的协方差；根据所述主小区场强方差和所述邻小区场强方差、所述主邻小区场强的协方差，确定所述主邻小区场强相关性；
根据所述主邻场强数据集中的所述主小区场强和所述邻小区场强，确定主邻小区场强差；根据所述主邻小区场强差，确定主邻小区场强差均值；
根据所述主邻小区场强差均值和所述主邻小区场强差确定主邻小区场强差值标准差。
8.如权利要求6所述的装置，其特征在于，所述识别单元具体用于：
所述数据指标特征包括主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差；
对所述已知典型场景的主邻小区场强相关性、主邻小区场强差值均值、主邻小区场强差值标准差以及主邻小区频点号、功率值、是否共RRU、是否同频段、功率差异进行统计学习，得到典型场景下主邻小区相关性的取值范围、主邻小区场强差值均值的取值范围、主邻小区场强差值标准差的取值范围；
将所述典型场景下主邻小区相关性的取值范围、主邻小区场强差值均值的取值范围、主邻小区场强差值标准差的取值范围确定为所述共覆盖关系小区匹配规则。
9.如权利要求6所述的装置，其特征在于，所述识别单元具体用于：
根据所述融合数据，确定符合所述共覆盖关系小区匹配规则的主邻小区对；
判断所述符合所述共覆盖关系小区匹配规则的主邻小区对中是否存在反向小区对；
若是，则将存在反向小区对的主邻小区对进行合并，确定出共覆盖的小区组。
10.如权利要求6至9任一项所述的装置，其特征在于，所述基础配置数据包括小区功率配置信息、小区载频号和小区射频拉远单元RRU信息。
11.一种计算设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至5任一项所述的方法。
12.一种计算机可读非易失性存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1至5任一项所述的方法。
CN201811537088.5A 2018-12-14 2018-12-14 一种共覆盖关系识别的方法及装置 Active CN111328102B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811537088.5A CN111328102B (zh) 2018-12-14 2018-12-14 一种共覆盖关系识别的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811537088.5A CN111328102B (zh) 2018-12-14 2018-12-14 一种共覆盖关系识别的方法及装置

Publications (2)

Publication Number Publication Date
CN111328102A true CN111328102A (zh) 2020-06-23
CN111328102B CN111328102B (zh) 2022-10-18

Family

ID=71170572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811537088.5A Active CN111328102B (zh) 2018-12-14 2018-12-14 一种共覆盖关系识别的方法及装置

Country Status (1)

Country Link
CN (1) CN111328102B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113923670A (zh) * 2020-07-10 2022-01-11 中国移动通信集团重庆有限公司 无线网络载频均衡程度识别方法、装置及计算设备
CN114079930A (zh) * 2020-08-21 2022-02-22 中国移动通信集团重庆有限公司 一种小区重叠覆盖度的识别方法和装置
CN114302439A (zh) * 2020-09-22 2022-04-08 中国移动通信集团设计院有限公司 基于lte网络的容量均衡分析方法及装置
CN114554535A (zh) * 2020-11-24 2022-05-27 中国移动通信集团北京有限公司 共覆盖小区对智能识别方法、装置、设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102083119A (zh) * 2009-11-30 2011-06-01 中国移动通信集团广东有限公司 一种网络覆盖干扰评估方法及装置
CN103298024A (zh) * 2012-02-28 2013-09-11 温州大学 一种无线网络的性能评估方法及装置
CN103650587A (zh) * 2012-06-27 2014-03-19 华为技术有限公司 小区驻留方法、终端和基站
CN103906203A (zh) * 2012-12-28 2014-07-02 中国电信股份有限公司 通过覆盖补偿实现基站节能的方法和系统
CN104363618A (zh) * 2011-07-14 2015-02-18 中国移动通信集团上海有限公司 一种家庭基站定位方法以及装置
WO2017152994A1 (en) * 2016-03-11 2017-09-14 Telefonaktiebolaget Lm Ericsson (Publ) Selecting radio access for mobile terminals
US20170331577A1 (en) * 2016-05-13 2017-11-16 Telefonaktiebolaget Lm Ericsson (Publ) Network Architecture, Methods, and Devices for a Wireless Communications Network
CN108419247A (zh) * 2017-12-30 2018-08-17 广东南方通信建设有限公司 一种无线通信基站小区相关性计算方法、电子设备及存储介质
CN108696888A (zh) * 2017-04-10 2018-10-23 中国移动通信有限公司研究院 一种确定重叠覆盖小区的方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102083119A (zh) * 2009-11-30 2011-06-01 中国移动通信集团广东有限公司 一种网络覆盖干扰评估方法及装置
CN104363618A (zh) * 2011-07-14 2015-02-18 中国移动通信集团上海有限公司 一种家庭基站定位方法以及装置
CN103298024A (zh) * 2012-02-28 2013-09-11 温州大学 一种无线网络的性能评估方法及装置
CN103650587A (zh) * 2012-06-27 2014-03-19 华为技术有限公司 小区驻留方法、终端和基站
CN103906203A (zh) * 2012-12-28 2014-07-02 中国电信股份有限公司 通过覆盖补偿实现基站节能的方法和系统
WO2017152994A1 (en) * 2016-03-11 2017-09-14 Telefonaktiebolaget Lm Ericsson (Publ) Selecting radio access for mobile terminals
US20170331577A1 (en) * 2016-05-13 2017-11-16 Telefonaktiebolaget Lm Ericsson (Publ) Network Architecture, Methods, and Devices for a Wireless Communications Network
CN108696888A (zh) * 2017-04-10 2018-10-23 中国移动通信有限公司研究院 一种确定重叠覆盖小区的方法及装置
CN108419247A (zh) * 2017-12-30 2018-08-17 广东南方通信建设有限公司 一种无线通信基站小区相关性计算方法、电子设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GEORGES CHAAYA等: "Evaluating Non-personalized Single-Heuristic Active Learning Strategies for Collaborative Filtering Recommender Systems", 《2017 16TH IEEE INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND APPLICATIONS (ICMLA)》 *
NTT DOCOMO等: "R2-1801889 "RAN WG’s progress on NR WI in the January AH meeting 2018"", 《3GPP TSG_RAN\WG2_RL2》 *
张长青: "浅析TD小区综合优化", 《移动通信》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113923670A (zh) * 2020-07-10 2022-01-11 中国移动通信集团重庆有限公司 无线网络载频均衡程度识别方法、装置及计算设备
CN114079930A (zh) * 2020-08-21 2022-02-22 中国移动通信集团重庆有限公司 一种小区重叠覆盖度的识别方法和装置
CN114079930B (zh) * 2020-08-21 2023-10-27 中国移动通信集团重庆有限公司 一种小区重叠覆盖度的识别方法和装置
CN114302439A (zh) * 2020-09-22 2022-04-08 中国移动通信集团设计院有限公司 基于lte网络的容量均衡分析方法及装置
CN114302439B (zh) * 2020-09-22 2023-08-01 中国移动通信集团设计院有限公司 基于lte网络的容量均衡分析方法及装置
CN114554535A (zh) * 2020-11-24 2022-05-27 中国移动通信集团北京有限公司 共覆盖小区对智能识别方法、装置、设备及存储介质
CN114554535B (zh) * 2020-11-24 2024-04-19 中国移动通信集团北京有限公司 共覆盖小区对智能识别方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111328102B (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
CN111328102B (zh) 一种共覆盖关系识别的方法及装置
CN109768886B (zh) 网络规划评价方法及装置
CN109005514B (zh) 用户位置信息的回填方法、装置、终端设备及存储介质
CN108243435B (zh) 一种lte小区场景划分中的参数优化方法及装置
CN108696888B (zh) 一种确定重叠覆盖小区的方法及装置
CN112163636B (zh) 基于孪生神经网络的电磁信号辐射源的未知模式识别方法
CN105828393B (zh) 一种系统间邻区配置方法及装置
CN111368862A (zh) 室内外标记的区分方法、分类器的训练方法及设备和介质
CN109412832B (zh) 用户服务提供方法及系统
CN115757745A (zh) 基于人工智能的业务场景控制方法、系统及云平台
CN111263389A (zh) 一种Volte语音质量问题的自动化定位的方法及装置
CN111385805B (zh) 射频指纹信息库生成、栅格定位方法及装置
CN111726861B (zh) 异构设备室内定位方法、装置、系统和存储介质
CN113660687A (zh) 网络差小区处理方法、装置、设备及存储介质
CN105323828A (zh) 一种多模终端网络接入选择方法及终端
CN108633109B (zh) 双卡终端的主卡的识别方法和装置
CN112752277B (zh) 一种用户驻留不均衡区域的识别方法及装置
CN115082767B (zh) 随机森林模型训练方法和装置
CN114630359A (zh) 确定网络覆盖的方法、装置、电子设备、计算机存储介质
CN109788506B (zh) 实现lte测量报告用户标识回填的方法和装置
CN111209943A (zh) 数据融合方法、装置及服务器
CN112307075A (zh) 用户关系识别方法及装置
CN113015204B (zh) 网络小区负载均衡方法及装置
CN112533253B (zh) 移动网络信号强度计算方法、装置、电子设备及存储介质
CN111294840B (zh) 一种专网断点定位方法及装置

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
CB02 Change of applicant information

Address after: No. 117, Minzu Avenue, Qingxiu District, Nanning City, Guangxi Zhuang Autonomous Region, 530028

Applicant after: GUANGXI BRANCH, CHINA MOBILE COMMUNICATION Group

Applicant after: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd.

Address before: 530000 No. 55, Jinhu Road, Nanning, the Guangxi Zhuang Autonomous Region

Applicant before: GUANGXI BRANCH, CHINA MOBILE COMMUNICATION Group

Applicant before: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant