CN111372270A - 疑似故障小区的确定方法、装置、设备和介质 - Google Patents

疑似故障小区的确定方法、装置、设备和介质 Download PDF

Info

Publication number
CN111372270A
CN111372270A CN201811592693.2A CN201811592693A CN111372270A CN 111372270 A CN111372270 A CN 111372270A CN 201811592693 A CN201811592693 A CN 201811592693A CN 111372270 A CN111372270 A CN 111372270A
Authority
CN
China
Prior art keywords
cell
existing
resident
cells
user
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
CN201811592693.2A
Other languages
English (en)
Other versions
CN111372270B (zh
Inventor
蔡鸿祥
李祯盛
罗卫鸿
万伟雄
杨慰民
郑银云
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 Fujian Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Fujian 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 Fujian Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201811592693.2A priority Critical patent/CN111372270B/zh
Publication of CN111372270A publication Critical patent/CN111372270A/zh
Application granted granted Critical
Publication of CN111372270B publication Critical patent/CN111372270B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W24/00Supervisory, monitoring or testing arrangements
    • H04W24/04Arrangements for maintaining operational condition
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了疑似故障小区的确定方法、装置、设备和介质。该方法包括:获取多个原始XDR数据;基于多个原始XDR数据对应的驻留小区标识信息,确定驻留小区集合,并统计驻留小区集合内各驻留小区的驻留用户数量;使用各驻留小区的驻留用户数量对应的第一显示标识,在GIS视图中标记各驻留小区对应的泰森多边形;筛选GIS视图中未被标记的现有小区作为预设时间段内的疑似故障小区,其中,GIS视图绘制有多个现有小区的泰森多边形,现有小区的泰森多边形是基于多个现有小区在GIS视图上的投影位置和泰森多边形法则确定的。根据本发明实施例提供的疑似故障小区的确定方法、装置、设备和介质,可以提高确定故障小区的准确性。

Description

疑似故障小区的确定方法、装置、设备和介质
技术领域
本发明涉及通信领域,尤其涉及疑似故障小区的确定方法、装置、设备和介质。
背景技术
随着移动通信技术的快速发展,网络管理问题、网络优化问题和网络维护问题也变得至关重要。
在网络管理、网络优化和网络维护的过程中,判断小区是否故障是网络管理、网络维护和网络优化的一个重要参考指标。因此,如何确定小区是否故障是函待解决的问题。
现有的故障确定包括:通过用户的投诉情况判断小区是否故障。当某一区域发生超过一定数量的无法上网或无法通话的客户投诉时,即可认为该区域相对于的小区发生故障。这种方法往往需要人工根据经验来确定和判断,判断结果不准确。
发明内容
本发明实施例提供的疑似故障小区的确定方法、装置、设备和介质,可以提高确定故障小区的准确性。
根据本发明实施例的一方面,提供一种疑似故障小区的确定方法,包括:
获取多个原始XDR数据,每个原始XDR数据包括参考时刻、用户标识信息和用户的驻留小区的标识信息,参考时刻位于预设时间段内,驻留小区为用户驻留的现有小区;
基于多个原始XDR数据对应的驻留小区标识信息,确定驻留小区集合,并统计驻留小区集合内各驻留小区的驻留用户数量;
使用各驻留小区的驻留用户数量对应的第一显示标识,在GIS视图中标记各驻留小区对应的泰森多边形;
筛选GIS视图中未被标记的现有小区作为预设时间段内的疑似故障小区;
GIS视图绘制有多个现有小区的泰森多边形,现有小区的泰森多边形是基于多个现有小区在GIS视图上的投影位置和泰森多边形法则确定的。
在一种可选的实施方式中,原始XDR数据包括附着ATTACH数据,ATTACH数据包含用户切换至驻留小区的注册信息,参考时刻表征注册信息的发送时刻。
在一种可选的实施方式中,方法还包括:
获取小区配置表,小区配置表包括多个现有小区的工参信息,每一现有小区的工参信息包括覆盖类型、方位角和所属基站的地理位置信息;
基于每一现有小区的覆盖类型、方位角和所属基站的地理位置信息,计算该现有小区的地理位置信息;
根据多个现有小区的地理位置信息,将多个现有小区投影至GIS视图;
依据多个现有小区的投影位置,在GIS视图上绘制每一现有小区的泰森多边形。
在一种可选的实施方式中,基于每一现有小区的覆盖类型、方位角和所属基站的地理位置信息,计算该现有小区的地理位置信息,具体包括:
利用现有小区的地理位置计算公式,计算该现有小区的地理位置(x,y);
现有小区的地理位置计算公式,具体包括:
Figure BDA0001920659400000021
Figure BDA0001920659400000022
其中,X为现有小区所属基站的经度,r为现有小区的覆盖类型对应的覆盖半径,θ为现有小区的方位角,α为第一参数,β为第二参数,Y为现有小区所属基站的纬度。
在一种可选的实施方式中,方法还包括:
判断疑似故障小区是否对应于不同预设时间段;
若疑似故障小区对应于不同预设时间段,将疑似故障小区确定为故障小区。
在一种可选的实施方式中,方法还包括:
在GIS视图中,将疑似故障小区的泰森多边形标记为第二显示标识;
确定第一显示标识和第二显示标识在GIS视图的分布情况。
根据本发明实施例的另一方面,提供一种疑似故障小区的确定装置,包括:
第一获取模块,用于获取多个原始XDR数据,每个原始XDR数据包括参考时刻、用户标识信息和用户的驻留小区的标识信息,参考时刻位于预设时间段内,驻留小区为用户驻留的现有小区;
统计处理模块,用于基于多个原始XDR数据对应的驻留小区标识信息,确定驻留小区集合,并统计驻留小区集合内各驻留小区的驻留用户数量;
第一标记模块,用于使用各驻留小区的驻留用户数量对应的第一显示标识,在GIS视图中标记各驻留小区对应的泰森多边形;
筛选处理模块,用于筛选GIS视图中未被标记的现有小区作为预设时间段内的疑似故障小区;
GIS视图绘制有多个现有小区的泰森多边形,现有小区的泰森多边形是基于多个现有小区在GIS视图上的投影位置和泰森多边形法则确定的。
在一种可选的实施方式中,原始XDR数据包括附着ATTACH数据,ATTACH数据包含用户切换至驻留小区的注册信息,参考时刻表征注册信息的发送时刻。
根据本发明实施例的又一方面,提供一种疑似故障小区的确定设备,包括:
存储器,用于存储程序;
处理器,用于运行存储器中存储的程序,以执行本发明实施例提供的疑似故障小区的确定方法。
根据本发明实施例的再一方面,提供一种计算机存储介质,计算机存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现本发明实施例提供的疑似故障小区的确定方法。
根据本发明实施例提供疑似故障小区的确定方法、装置、设备和介质,可以根据多个原始XDR数据对应的驻留小区标识信息,确定驻留小区集合,并统计驻留小区集合内各驻留小区的驻留用户数量。其中,驻留小区标识信息包括参考时刻、用户标识信息和用户的驻留小区的标识信息。由于如果一个小区发生故障,则用户将无法驻留于该小区,因此若发现某一预设时间段内,某一小区内驻留用户数量为零,其为预设时间段内的疑似故障小区。通过对驻留了用户的驻留小区进行标记,则可以将未标记的小区确定为疑似故障小区,提高了确定故障小区的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,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是示出根据本发明实施例的疑似故障小区的确定方法的示意流程图;
图2示出了本发明实施例中示例性的S1MME接口的XDR数据的数据结构;
图3示出了本发明实施例中示例性的MC接口的XDR数据的数据结构;
图4示出了本发明实施例中示例性的表征各小区驻留情况的GIS视图;
图5示出了本发明实施例的示例性的现有小区的地理位置的sql代码的示意图;
图6A示出了本发明实施例中示例性的小区点图层;
图6B是图6A的局部放大图;
图7A示出了绘制有泰森多边形的GIS视图;
图7B是图7A的局部放大图;
图8示出了本发明实施例中示例性的标记有第二显示标识的GIS视图;
图9示出了本发明实施例中示例性的全省疑似故障小区的汇总情况;
图10示出了根据本发明另一实施例提供的疑似故障小区的确定装置的结构示意图;
图11是本发明实施例中疑似故障小区的确定设备的示例性硬件架构的结构图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
当用户进入某一小区覆盖的范围内,用户会向该小区的基站发送ATTACH请求,以请求附着于该小区。用户成功附着于该小区之后,可将该小区称为用户的驻留小区。
或者,用户驻留在某一小区的过程中,每间隔预设时间段,用户会向驻留小区发送ATTACH注册信息。例如,每分钟向小区基站发送ATTACH注册信息。
正常情况下,一个小区下往往附着多个用户。
为了更好的理解本发明,下面将结合附图,详细描述根据本发明实施例的疑似故障小区的确定方法、装置、设备和介质,应注意,这些实施例并不用来限制本发明公开的范围。
图1是示出根据本发明实施例的疑似故障小区的确定方法的示意流程图。如图1所示,本实施例中的疑似故障小区的确定方法100可以包括以下步骤S110至S130和S150:
S110,获取多个原始XDR数据。
其中,每个原始XDR数据包括参考时刻、用户标识信息和用户的驻留小区的标识信息,参考时刻位于预设时间段内,驻留小区为用户驻留的现有小区。
在本发明的一些实施例中,深度报文检测(Deep Packet Inspection,DPI)设备中存储了大量的XDR数据。因此,可以从DPI设备中获取多个原始XDR数据。
在本发明的一些实施例中,当需要确定某一预设时间段内的疑似故障小区,需要选取该预设时间段内采集的XDR数据。
此时,可以从DPI设备中存储的大量XDR数据中筛选出参考时刻位于预设时间段内的所有原始XDR数据。
在一个实施例中,主要通过大数据HADOOP技术实现分钟粒度的户ATTACH数据提取。
在一个实施例中,由于用户每分钟向驻留小区的基站发送一次ATTACH注册信息,为了能够准确的统计出该小区内的驻留人数。预设的时间段可取一分钟。
在本发明的一些实施例中,为了减小计算量,需要从大量的原始XDR数据中提取出从S1MME接口采集的XDR数据和从MC接口采集的XDR数据。
需要说明的是,由于S1MME接口采集的是包含4G网络用户的ATTACH数据的XDR数据,由于MC接口采集的是包含2G网络用户的ATTACH数据的XDR数据。通过获取S1MME接口和MC接口的XDR数据,能够全面的获取全部用户的ATTACH数据。
在一个实施例中,可以根据从S1MME接口及MC接口采集的XDR数据的数据结构特征,从大量的XDR数据中筛选出S1MME接口的XDR数据,以及MC接口的XDR数据。
作一个示例,图2示出了本发明实施例中示例性的S1MME接口的XDR数据的数据结构。图3示出了本发明实施例中示例性的MC接口的XDR数据的数据结构。
从图2和图3可知,S1MME接口的XDR数据和MC接口的XDR数据具有不同的数据结构特点。
因此,可以按照图2和图3中的数据结构特点,从DPI设备存储的原始XDR数据中筛选出从S1MME接口采集的XDR数据和从MC接口采集的XDR数据。
在本发明的一些实施例中,原始XDR数据包括ATTACH数据,ATTACH数据表示记录了用户附着驻留小区的过程中关键信息的数据。
具体地,ATTACH数据包含用户切换至驻留小区的注册信息,参考时刻表征注册信息的发送时刻。
在一些实施例中,可以从S1MME接口采集的XDR数据和从MC接口采集的XDR数据中提取出ATTACH数据。
在一些实施例中,提取的ATTACH数据包括:参考时刻、用户标识信息和用户的驻留小区的标识信息。
在一个实施例中,参考时刻可以是XDR数据中记录的用户向驻留小区发起ATTACH请求的时刻。
在一个实施例中,用户标识信息可以是用户的手机号码、用户IMEI码等能够表征用户身份的信息。
在一个实施例中,用户的驻留小区的标识信息可以是小区识别(CellIdentity,CI)。
在一个实施例中,ATTACH数据还可以包括驻留时长、驻留用户对应城市等信息。
其中,驻留时长表示截止到参考时刻,用户在驻留小区驻留的总时长。
驻留用户对应城市表示驻留用户办理手机卡时的开卡城市。
S120,基于多个原始XDR数据对应的驻留小区标识信息,确定驻留小区集合,并统计驻留小区集合内各驻留小区的驻留用户数量。
在本发明的一些实施例中,S120的具体实施方式包括:
S121,可以从每个XDR数据包含的ATTACH数据中解析出对应的参考时刻、驻留小区的标识信息、用户标识信息等。
作一个示例,表1示出了示例性的ATTACH数据的统计列表。表1记录着2018年11月23日08:40对应的所有ATTACH数据的统计信息。
具体地,可以从ATTACH数据中获取用户标识信息,驻留小区的标识信息,驻留用户对应城市、驻留时长。并可以统计出各小区的驻留用户数量。例如,根据表1,可以统计出在2018年11月23日08:40,编号为56011650的驻留小区内共驻留15个用户。
表1
Figure BDA0001920659400000081
S122,再根据解析出的信息,确定驻留小区集合,再统计各驻留小区的驻留用户数量。
作一个示例,若S110中共包含5条原始XDR数据,各原始XDR数据包含的ATTACH数据分别对应:用户A,驻留小区A;用户B,驻留小区A;用户C,驻留小区B;用户D,驻留小区C;用户E,驻留小区B。
此时,S120中确定的驻留小区集合包括{驻留小区A、驻留小区B和驻留小区C}。
对应地,驻留小区A的驻留用户数量为2,驻留小区B的驻留用户数量为1,驻留小区C的驻留用户数量为2。
在一些实施例中,可以结合小区配置表,生成驻留小区信息。
其中,驻留小区信息包括:小区所属城市、区县、小区名称、小区标识信息和在预设时间段内小区内驻留用户数量等。
作一个具体的示例,如表2所示,表2列出了某一区域内各小区的驻留小区信息。如表2所示,记录着各小区的信息,以及各小区在参考时间内驻留的用户数量。
表2
Figure BDA0001920659400000091
Figure BDA0001920659400000101
S130,使用各驻留小区的驻留用户数量对应的第一显示标识,在GIS视图中标记各驻留小区对应的泰森多边形。
在S130中,GIS视图绘制有多个现有小区的泰森多边形,现有小区的泰森多边形是基于多个现有小区在GIS视图上的投影位置和泰森多边形法则确定的。
在本发明的一些实施例中,现有小区表示现实中事实存在的多个小区。现有小区包括有用户驻留的驻留小区和无用户驻留的无驻留小区。
在本发明一些实施例中,GIS视图中的每个泰森多边形均可以表示一个现有小区的范围。
在一些实施例中,利用第一显示标识标记了驻留小区后,GIS视图中未被标记的小区即为无驻留小区。
在本发明的一些实施例中,第一显示标识可以是颜色、阴影等具有视觉识别功能的标识。
在一些实施例中,可以将按照各驻留小区的驻留人数,进一步将第一显示标识细化为多个第一显示子标识,例如可以细化为多个不同的颜色。
作一个示例,图4示出了本发明实施例中示例性的表征各小区驻留情况的GIS视图。如图4所示,图4中的每一个多边形均为一个现有小区的泰森多边形。图4中细化出多个用户数量区间,不同的用户数量区间对应不同的颜色。
具体地,可以将驻留用户数量为驻留用户数量小于15的驻留小区的泰森多边形标记为第一颜色;将驻留用户数量大于等于15且小于35的驻留小区的泰森多边形标为第二颜色;将驻留用户数量大于等于35且小于70的驻留小区的泰森多边形标为第三颜色;将驻留用户数量大于等于70且小于150的驻留小区的泰森多边形标为第四颜色;将驻留用户数量大于等于150的驻留小区标记为第五颜色。
在本发明的一些实施例中,现有小区包括覆盖了2G网络的2G小区和覆盖了4G网络的4G小区。2G小区和4G小区的覆盖范围可能会部分重叠,为了便于区分和可视化效果,可以分别绘制2G驻留小区的GIS视图和4G驻留小区的GIS视图。
具体地,2G驻留小区的GIS视图中包括多个2G小区的泰森多边形。4G驻留小区的GIS视图中包括多个4G小区的泰森多边形。
需要说明的是,在S110中可以获取S1MME接口的XDR数据,并通过执行步骤S120和S130,在4G现有小区的GIS视图中标记各4G驻留小区对应的泰森多边形。
以及,在S110中获取MC接口的XDR数据,并通过执行步骤S120和S130,在2G现有小区的GIS视图中标记各2G驻留小区对应的泰森多边形。
作一个示例,继续参照图4,可以在可视化界面勾选2G小区选项和4G小区选项,当勾选2G小区选项,可视化界面将呈现2G现有小区的GIS视图,隐藏4G现有小区的GIS视图;勾选4G小区选项,可视化界面将呈现4G现有小区的GIS视图,并隐藏2G现有小区的GIS视图。
在本发明的一些实施例中,可以制作反映不同时间段的用户驻留数量的多个GIS视图。
示例性的,继续参照图4,通过“最新更新时间”可以选择在可视化界面上呈现某一时间段内的GIS视图。
具体地,图4的GIS视图示出了2018年9月25日11时08分的各驻留小区的驻留用户数量。
示例性的,继续参照图4,可以通过“2G回放”功能,滚动播放多个时间段的GIS视图。通过不同时间段的显示标记的变化,可以分析出同一小区的
在一些实施例中,GIS视图可以根据用户的选择对整个GIS视图或局部区域进行放大或缩小。具体地,当用户需要某一区域内的用户驻留情况时,可以将该区域以合适的尺寸显示于可视化界面上。
在一个实施例中,按照实际需要,一整张GIS视图可以包含某一地理区域的小区的泰森多边形。其中,可以是整个国家、整个省份或整个城市。
继续参照图4,若一整张GIS视图表示的是福建省内各现有小区的驻留用户数量的情况时,可以通过选择“福州”选项,将福州市的各现有小区的驻留用户数量的情况展示于可视化界面内。
通过S130,可以通过GIS视图,直观的获取各现有小区的驻留用户的数量,以及某一地理区域内各现有小区的驻留用户数量的分布情况。方便后续过程中,根据GIS视图,对现有小区进行各项优化。
在本发明的一些实施例中,需要提前绘制包含有多个现有小区的泰森多边形的GIS视图。此时,疑似故障小区的确定方法100方法还包括S141至S144:
S141,获取小区配置表,小区配置表包括多个现有小区的工参信息,每一现有小区的工参信息包括覆盖类型、方位角和所属基站的地理位置信息。
在一些实施例中,按照小区设置的具体场景,现有小区的覆盖类型包括:归属主城区网格、归属县城网格和归属农村网格。
需要说明的是,归属主城区网格的小区,覆盖半径最小。例如,覆盖半径可以为100米。相应地,主城区内的小区数量和小区密度较高。
归属农村网格的小区,覆盖半径最大。例如,覆盖半径可以设置为500米。相应地,农村的小区数量较少和小区密度较为稀疏。
归属县城网格的小区,覆盖半径介于上述两种覆盖类型的小区之间。例如,覆盖半径可以设置为250米。相应地,县城的小区数量和小区密度均介于上述两种覆盖类型的小区之间。
需要说明的是,在本发明实施例中,由于一个基站往往下挂了多个小区,且小区工参表中记录的是小区所属基站的地理位置信息。下挂于同一基站下的多个小区的地理位置相同。因此,需要借助各小区的方位角信息,对同一基站下的多个小区的地理位置进行区分。
S142,基于每一现有小区的覆盖类型、方位角和所属基站的地理位置信息,计算该现有小区的地理位置信息。
在一些实施例中,现有小区的地理位置信息可以包括该小区的经度信息和该小区的纬度信息。
在一些实施例中,利用现有小区的地理位置计算公式,计算该现有小区的地理位置(x,y);
现有小区的地理位置计算公式(1),具体为:
Figure BDA0001920659400000131
Figure BDA0001920659400000132
其中,X为现有小区所属基站的经度;r为现有小区的覆盖类型对应的覆盖半径;θ为现有小区的方位角;α为第一参数,可以称作角度-弧度变换因子取值为π/180;β为第二参数,可以称作球面变换因子,取值111;Y为现有小区所属基站的纬度。
在一个实施例中,公式(1)中r的取值是与小区覆盖半径相关的。
示例性的,针对主城区网格的小区,其覆盖半径为100米,对应的r可以取0.01。针对归属县城网格的小区,其覆盖半径为250米,对应的r可以取0.025。针对归属农村网格的小区的覆盖半径为100米,主城区网格的小区对应的r可以取0.05。
作一个示例,图5示出了本发明实施例的示例性的现有小区的地理位置的sql代码的示意图。
如图5所示,图5共包括6段程序,其中第一段程序和第二段程序分别用于计算归属主城区网格的小区的经度位置和纬度位置。其中,0.01对应公式(1)中r。
第三段程序和第四段程序分别用于计算归属县城网格的小区的经度位置和纬度位置。其中,0.025对应公式(1)中r。
第五段程序和第六段程序分别用于计算归属农村网格的小区的经度位置和纬度位置。其中,0.05对应公式(1)中r。
其中,程序中的long对应公式(1)中的x,程序中的longitude对应公式(1)中X,ant_dirct_angle对应公式(1)中的θ,PI()/180对应公式(1)中的公式(1)中的α,111对应公式(1)中的β,lat对应公式(1)中的y,latitude对应公式(1)中的Y。
S143,根据多个现有小区的地理位置信息,将多个现有小区投影至GIS视图。
在S143中,在计算了现有小区的地理位置信息之后,可以按照一定的缩小比例,将其投影至初始GIS视图。
作一个示例,图6A示出了本发明实施例中示例性的小区点图层。图6B是图6A的局部放大图。如图6A所示,将某一地理区域(例如整个省份)内的小区投影至GIS视图上,形成小区点图层。其中,图6A和图6B中的每个点为一个现有小区的投影点。
S144,依据多个现有小区的投影位置,在GIS视图上绘制每一现有小区的泰森多边形。
在一些实施例中,S144具体包括S1441至S1445:
S1441,以多个现有小区的投影位置离散点自动构建三角网,即构建Delaunay三角网。对离散点和形成的三角形编号,记录每个三角形是由哪三个离散点构成的。
S1442,找出与每个现有小区的投影位置离散点相邻的所有三角形的编号,并记录下来。这只要在已构建的三角网中找出具有一个相同顶点的所有三角形即可。
S1443,对与每个现有小区的投影位置离散点相邻的三角形按顺时针或逆时针方向排序,以便下一步连接生成泰森多边形。设离散点为o。找出以o为顶点的一个三角形,设为A;取三角形A除o以外的另一顶点,设为a,则另一个顶点也可找出,即为f;则下一个三角形必然是以of为边的,即为三角形F;三角形F的另一顶点为e,则下一三角形是以oe为边的;如此重复进行,直到回到oa边。
S1444,计算每个三角形的外接圆圆心,并记录之。
S1445,根据每个现有小区的投影位置离散点的相邻三角形,连接这些相邻三角形的外接圆圆心,即得到泰森多边形。对于三角网边缘的泰森多边形,可作垂直平分线与图廓相交,与图廓一起构成泰森多边形。
作一个示例,图7A示出了绘制有泰森多边形的GIS视图。图7B是图7A的局部放大图。每一泰森多边形中仅包括一个小区的投影点。如图7A和图7B所示,每一小区的泰森多边形大小不相同,这与两个相邻小区的投影点的距离和小区的覆盖类型相关。
需要说明的是,在构建了图7A的GIS视图后,即可用第一显示标识在该视图中的泰森多边形中进行标记。
S150,筛选GIS视图中未被标记的现有小区作为预设时间段内的疑似故障小区。
根据本发明实施例提供疑似故障小区的确定方法、装置、设备和介质,可以根据多个原始XDR数据对应的驻留小区标识信息,确定驻留小区集合,并统计驻留小区集合内各驻留小区的驻留用户数量。其中,驻留小区标识信息包括参考时刻、用户标识信息和用户的驻留小区的标识信息。由于如果一个小区发生故障,则用户将无法驻留于该小区,因此若发现某一预设时间段内,某一小区内驻留用户数量为零,其为预设时间段内的疑似故障小区。通过对驻留了用户的驻留小区进行标记,则可以将未标记的小区确定为疑似故障小区,提高了确定故障小区的准确性。
需要说明的是,通过利用GIS视图标记的方法,可以直接地从视觉角度确定疑似故障小区。
作一个示例,继续参照图4,图4中的白色区域未被第一显示标识标记,则可以确定白色区域对应的现有小区为疑似故障小区。
在本发明的一些实施例中,为了能够进一步准确的判定小区是否故障,疑似故障小区的确定方法100还包括:
S161,判断疑似故障小区是否对应于不同预设时间段。
具体地,若确定某一预设时间段内的疑似故障小区,则可以以其他预设时间段的统计结果为参考,判断该小区在其他预设时间段内是否仍为疑似故障小区。
S162,若疑似故障小区对应于不同预设时间段,将疑似故障小区确定为故障小区。
具体地,若该小区在其他预设时间段内仍为疑似故障小区,则确定该小区为故障小区。
作一个示例,若在某一天的12点50分,该小区为疑似故障小区,则可以确定前10分钟至后10分钟,该小区是否仍然没有用户驻留。若在20分钟内,一直没有用户驻留,则确定该小区为故障小区。
作一个示例,继续参照图4,S162可以通过图4中的“2G回放”或“4G回放”功能实现。若在回放过程中,某一小区一直为白色未标记区域,则确定该区域为故障小区。
在本发明的一些实施例中,为了更加直观的显示疑似故障小区的分布情况,疑似故障小区的确定方法100还包括:
S171,在GIS视图中,将疑似故障小区的泰森多边形标记为第二显示标识。
在一些实施例中,第二显示标识表示颜色、阴影等具有视觉标识效果的标识。
在一个实施例中,第一显示标识和第二显示标识不同,可以选择具有视觉反差效果的两种显示标识。
作一个示例,图8示出了本发明实施例中示例性的标记有第二显示标识的GIS视图。如图8所示,可以用黑色阴影标识疑似故障小区对应的泰森多边形。
S172,确定第一显示标识和第二显示标识在GIS视图的分布情况。
在一些实施例中,可以根据GIS视图中显示标识的分布情况确定疑似故障小区的分布情况。
作一个示例,继续参照图8,以白色作为第一显示标识,以黑色作为第二显示标识,可以直观的显示出福州市内疑似故障小区的分布情况。
需要说明的是,在实际应用过程中,若发现某一基站对应的全部小区的泰森多边形均显示第二标识信息,及均为疑似故障小区,则可以初步判断该基站疑似故障。
在本发明的一些实施例中,可以依据S130的结果,对某一地理区域内小区情况进行汇总。比如,疑似故障小区与整个区域内小区的比值。
作一个示例,可以统计出整个省份的各城市、各区县的疑似故障小区的数量及疑似故障小区的的占比。
作一个具体的示例,图9示出了本发明实施例中示例性的全省疑似故障小区的汇总情况。
如图9所示,图9示出了整个福建省内各城市、各区县的疑似故障小区(无业务小区)的数量,城市内小区总数及疑似故障小区的占比。还需要说明的,每一城市还对应操作一栏,点击某一城市对应的“查看区县详情”,即可在可视化界面中表示该区县的疑似故障小区分布情况的GIS视图。例如,可以与图8中的GIS视图相似。
下面结合附图,详细介绍根据本发明实施例的装置。
基于相同的发明构思,本发明另一实施例提供了疑似故障小区的确定装置。图10示出了根据本发明另一实施例提供的疑似故障小区的确定装置的结构示意图。如图10所示,疑似故障小区的确定装置1000包括第一获取模块1010、统计处理模块1020、第一标记模块1030和筛选处理模块1040:
第一获取模块1010,用于获取多个原始XDR数据,每个原始XDR数据包括参考时刻、用户标识信息和用户的驻留小区的标识信息,参考时刻位于预设时间段内,驻留小区为用户驻留的现有小区。
统计处理模块1020,用于基于多个原始XDR数据对应的驻留小区标识信息,确定驻留小区集合,并统计驻留小区集合内各驻留小区的驻留用户数量。
第一标记模块1030,用于使用各驻留小区的驻留用户数量对应的第一显示标识,在GIS视图中标记各驻留小区对应的泰森多边形。
筛选处理模块1040,用于筛选GIS视图中未被标记的现有小区作为预设时间段内的疑似故障小区。
GIS视图绘制有多个现有小区的泰森多边形,现有小区的泰森多边形是基于多个现有小区在GIS视图上的投影位置和泰森多边形法则确定的。
在本发明的一些实施例中,原始XDR数据包括附着ATTACH数据,ATTACH数据包含用户切换至驻留小区的注册信息,参考时刻表征注册信息的发送时刻。
在本发明的一些实施例中,疑似故障小区的确定装置1000还包括:
第二获取模块,用于获取小区配置表,小区配置表包括多个现有小区的工参信息,每一现有小区的工参信息包括覆盖类型、方位角和所属基站的地理位置信息。
计算处理模块,用于基于每一现有小区的覆盖类型、方位角和所属基站的地理位置信息,计算该现有小区的地理位置信息。
投影处理模块,用于根据多个现有小区的地理位置信息,将多个现有小区投影至GIS视图。
绘制处理模块,用于依据多个现有小区的投影位置,在GIS视图上绘制每一现有小区的泰森多边形。
在一些实施例中,计算处理模块,具体用于:
利用现有小区的地理位置计算公式,计算该现有小区的地理位置(x,y);
现有小区的地理位置计算公式,具体包括:
Figure BDA0001920659400000181
Figure BDA0001920659400000182
其中,X为现有小区所属基站的经度,r为现有小区的覆盖类型对应的覆盖半径,θ为现有小区的方位角,α为第一参数,β为第二参数,Y为现有小区所属基站的纬度。
在本发明的一些实施例中,疑似故障小区的确定装置1000还包括:
判断处理模块,用于判断疑似故障小区是否对应于不同预设时间段;
第一确定模块,用于若疑似故障小区对应于不同预设时间段,将疑似故障小区确定为故障小区。
在本发明的一些实施例中,疑似故障小区的确定装置1000还包括:
第二标记模块,用于在GIS视图中,将疑似故障小区的泰森多边形标记为第二显示标识;
第二确定模块,用于确定第一显示标识和第二显示标识在GIS视图的分布情况。
根据本发明实施例的链路生成装置的其他细节与以上结合图1至图9描述的根据本发明实施例的方法类似,在此不再赘述。
图11是本发明实施例中疑似故障小区的确定设备的示例性硬件架构的结构图。
如图11所示,疑似故障小区的确定设备1100包括输入设备1101、输入接口1102、中央处理器1103、存储器1104、输出接口1105、以及输出设备1106。其中,输入接口1102、中央处理器1103、存储器1104、以及输出接口1105通过总线1110相互连接,输入设备1101和输出设备1106分别通过输入接口1102和输出接口1105与总线1110连接,进而与疑似故障小区的确定设备1100的其他组件连接。
具体地,输入设备1101接收来自外部的输入信息,并通过输入接口1102将输入信息传送到中央处理器1103;中央处理器1103基于存储器1104中存储的计算机可执行指令对输入信息进行处理以生成输出信息,将输出信息临时或者永久地存储在存储器1104中,然后通过输出接口1105将输出信息传送到输出设备1106;输出设备1106将输出信息输出到疑似故障小区的确定设备1100的外部供用户使用。
也就是说,图11所示的疑似故障小区的确定设备也可以被实现为包括:存储有计算机可执行指令的存储器;以及处理器,该处理器在执行计算机可执行指令时可以实现结合图1至图11描述的疑似故障小区的确定设备的方法和装置。
在一个实施例中,图11所示的疑似故障小区的确定设备1100可以被实现为一种设备,该设备可以包括:存储器,用于存储程序;处理器,用于运行存储器中存储的程序,以执行本发明实施例的疑似故障小区的确定方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
以上,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块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。

Claims (10)

1.一种疑似故障小区的确定方法,其特征在于,所述方法包括:
获取多个原始XDR数据,每个原始XDR数据包括参考时刻、用户标识信息和所述用户的驻留小区的标识信息,所述参考时刻位于预设时间段内,所述驻留小区为所述用户驻留的现有小区;
基于多个原始XDR数据对应的驻留小区标识信息,确定驻留小区集合,并统计所述驻留小区集合内各驻留小区的驻留用户数量;
使用所述各驻留小区的驻留用户数量对应的第一显示标识,在GIS视图中标记所述各驻留小区对应的泰森多边形;
筛选所述GIS视图中未被标记的现有小区作为所述预设时间段内的疑似故障小区;
所述GIS视图绘制有多个现有小区的泰森多边形,所述现有小区的泰森多边形是基于所述多个现有小区在所述GIS视图上的投影位置和泰森多边形法则确定的。
2.根据权利要求1所述的方法,其特征在于,
所述原始XDR数据包括附着ATTACH数据,所述ATTACH数据包含用户切换至驻留小区的注册信息,所述参考时刻表征所述注册信息的发送时刻。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取小区配置表,所述小区配置表包括所述多个现有小区的工参信息,每一现有小区的工参信息包括覆盖类型、方位角和所属基站的地理位置信息;
基于每一现有小区的覆盖类型、方位角和所属基站的地理位置信息,计算该现有小区的地理位置信息;
根据所述多个现有小区的地理位置信息,将所述多个现有小区投影至所述GIS视图;
依据所述多个现有小区的投影位置,在所述GIS视图上绘制每一现有小区的泰森多边形。
4.根据权利要求3所述的方法,其特征在于,所述基于每一现有小区的覆盖类型、方位角和所属基站的地理位置信息,计算该现有小区的地理位置信息,具体包括:
利用现有小区的地理位置计算公式,计算该现有小区的地理位置(x,y);
所述现有小区的地理位置计算公式,具体包括:
Figure FDA0001920659390000021
Figure FDA0001920659390000022
其中,X为现有小区所属基站的经度,r为现有小区的覆盖类型对应的覆盖半径,θ为现有小区的方位角,α为第一参数,β为第二参数,Y为现有小区所属基站的纬度。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
判断所述疑似故障小区是否对应于不同预设时间段;
若所述疑似故障小区对应于不同预设时间段,将所述疑似故障小区确定为故障小区。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述GIS视图中,将所述疑似故障小区的泰森多边形标记为第二显示标识;
确定所述第一显示标识和所述第二显示标识在所述GIS视图的分布情况。
7.一种疑似故障小区的确定装置,其特征在于,所述装置包括:
第一获取模块,用于获取多个原始XDR数据,每个原始XDR数据包括参考时刻、用户标识信息和所述用户的驻留小区的标识信息,所述参考时刻位于预设时间段内,所述驻留小区为所述用户驻留的现有小区;
统计处理模块,用于基于多个原始XDR数据对应的驻留小区标识信息,确定驻留小区集合,并统计所述驻留小区集合内各驻留小区的驻留用户数量;
第一标记模块,用于使用所述各驻留小区的驻留用户数量对应的第一显示标识,在GIS视图中标记所述各驻留小区对应的泰森多边形;
筛选处理模块,用于筛选所述GIS视图中未被标记的现有小区作为所述预设时间段内的疑似故障小区;
所述GIS视图绘制有多个现有小区的泰森多边形,所述现有小区的泰森多边形是基于所述多个现有小区在所述GIS视图上的投影位置和泰森多边形法则确定的。
8.根据权利要求7所述的装置,其特征在于,
所述原始XDR数据包括附着ATTACH数据,所述ATTACH数据包含用户切换至驻留小区的注册信息,所述参考时刻表征所述注册信息的发送时刻。
9.一种疑似故障小区的确定设备,其特征在于,所述设备包括:
存储器,用于存储程序;
处理器,用于运行所述存储器中存储的所述程序,以执行权利要求1-6任一权利要求所述的疑似故障小区的确定方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现权利要求1-6任一权利要求所述的疑似故障小区的确定方法。
CN201811592693.2A 2018-12-25 2018-12-25 疑似故障小区的确定方法、装置、设备和介质 Active CN111372270B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811592693.2A CN111372270B (zh) 2018-12-25 2018-12-25 疑似故障小区的确定方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811592693.2A CN111372270B (zh) 2018-12-25 2018-12-25 疑似故障小区的确定方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN111372270A true CN111372270A (zh) 2020-07-03
CN111372270B CN111372270B (zh) 2023-08-15

Family

ID=71209786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811592693.2A Active CN111372270B (zh) 2018-12-25 2018-12-25 疑似故障小区的确定方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN111372270B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113573345A (zh) * 2021-06-30 2021-10-29 广州市瀚云信息技术有限公司 一种故障信号的处理方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130215734A1 (en) * 2010-09-14 2013-08-22 Nokia Siemens Networks Oy Cell Degradation Detection
US20140004848A1 (en) * 2012-06-29 2014-01-02 At&T Mobility Ii Llc Detection of faulty radio oscillator or faulty mobile timing measurements
CN106503843A (zh) * 2016-10-20 2017-03-15 上海萃图数字科技有限公司 一种基于手机信令数据的常规公交线网优化与调整方法
CN106998556A (zh) * 2017-03-17 2017-08-01 北京邮电大学 一种构建无线网络业务分布地图的系统及实现方法
CN108990087A (zh) * 2017-06-05 2018-12-11 中兴通讯股份有限公司 无线小区异常覆盖定位方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130215734A1 (en) * 2010-09-14 2013-08-22 Nokia Siemens Networks Oy Cell Degradation Detection
US20140004848A1 (en) * 2012-06-29 2014-01-02 At&T Mobility Ii Llc Detection of faulty radio oscillator or faulty mobile timing measurements
CN106503843A (zh) * 2016-10-20 2017-03-15 上海萃图数字科技有限公司 一种基于手机信令数据的常规公交线网优化与调整方法
CN106998556A (zh) * 2017-03-17 2017-08-01 北京邮电大学 一种构建无线网络业务分布地图的系统及实现方法
CN108990087A (zh) * 2017-06-05 2018-12-11 中兴通讯股份有限公司 无线小区异常覆盖定位方法和装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113573345A (zh) * 2021-06-30 2021-10-29 广州市瀚云信息技术有限公司 一种故障信号的处理方法及装置

Also Published As

Publication number Publication date
CN111372270B (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
CN109982366B (zh) 基于大数据的目标价值区域分析方法、装置、设备及介质
CN109996186B (zh) 一种网络覆盖问题识别方法及装置、可读取存储介质
CN109548041B (zh) 一种无线覆盖分析方法及系统
CN104853379B (zh) 一种无线网络质量评估方法及装置
CN108601029B (zh) 基站建设评估方法及装置
CN108282860B (zh) 数据处理方法及装置
US20200351678A1 (en) Method for implementing antenna azimuth correction based on user data
CN114173356B (zh) 网络质量的检测方法、装置、设备及存储介质
CN104349366B (zh) 一种基于gis的无线网络问题关联分析方法
CN107580337B (zh) 一种热点区域识别方法和装置
CN108289302B (zh) 定位td-lte网络大气波导干扰的方法及系统
WO2021103577A1 (zh) 一种基于mdt的室内信号外泄分析方法及系统
CN109936820B (zh) 一种用户终端定位方法及装置
CN111935733B (zh) 基站位置信息的核查方法、装置、设备及计算机存储介质
CN106817712A (zh) 一种定位方法及装置和一种服务器
CN103167605B (zh) 一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法
CN111372270A (zh) 疑似故障小区的确定方法、装置、设备和介质
CN113923706A (zh) 移动网络覆盖质量评估方法及装置、电子设备、存储介质
CN112887910B (zh) 异常覆盖区域的确定方法、装置和计算机可读存储介质
CN116881670A (zh) 一种基于gis地图的通信光缆附挂核查方法
CN114363824B (zh) 一种基于mr位置和道路gis信息的通勤轨迹刻画方法及系统
CN114885369A (zh) 网络覆盖质量检测处理方法、装置、电子设备和存储介质
CN105844607B (zh) 一种道路测试渗透率的统计方法、装置及电子设备
CN113133049B (zh) 确定主覆盖小区的方法、装置、设备及介质
Miao et al. Research of urban land use and regional functions based on mobile data traffic

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