CN111586737A - 一种基站扩容的数据分析方法和装置 - Google Patents

Abstract

本发明实施例提供了一种基站扩容的数据分析方法和装置，其中的方法包括：将现网数据导入结构化查询语言SQLServer数据库；通过结构化查询语言，对所述现网数据进行自忙时计算，以得到满足自忙时条件的小区数据；通过结构化查询语言以及高负荷规则，对所述满足自忙时条件的小区数据进行过滤，以得到满足高负荷条件的小区数据；通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，以确定满足扩容条件的目标小区。本发明实施例可以提高数据分析的效率和准确度。

Description

一种基站扩容的数据分析方法和装置

技术领域

本发明涉及通信技术领域，尤其涉及一种基站扩容的数据分析方法和装置。

背景技术

随着LTE(Long Term Evolution，长期演进)网络的大规模建设,LTE高负荷小区日趋严重，基站设计的投入和难度也越来越大，对现网基站的扩容改造已成为主流。

由于现网基站的扩容存在着随机性和不确定性，无法提前预知哪些基站需要扩容。因此，目前通常通过人工分析的方式，对现网数据进行分析，以判断哪些小区的基站需要进行扩容。

然而，一个地区一天产生的数据量就可以达到30w，如果按照日常容量预估的算法进行分析，需要分析前后7天共计14天产生的数据，总数据量可以达到400W，人工分析需要4个人分析3天，不仅导致数据分析的效率较低，而且对分析人员的专业性要求较高，难以保证分析结果的准确性。

发明内容

本发明实施例提供一种基站扩容的数据分析方法和装置，可以提高数据分析的效率和准确度。

本发明实施例提供了一种基站扩容的数据分析方法，所述方法包括：

将现网数据导入结构化查询语言SQLServer数据库；

通过结构化查询语言，对所述现网数据进行自忙时计算，以得到满足自忙时条件的小区数据；

通过结构化查询语言以及高负荷规则，对所述满足自忙时条件的小区数据进行过滤，以得到满足高负荷条件的小区数据；

通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，以确定满足扩容条件的目标小区。

本发明实施例提供了一种基站扩容的数据分析装置，所述装置包括：

数据导入模块，用于将现网数据导入结构化查询语言SQLServer数据库；

自忙时计算模块，用于通过结构化查询语言，对所述现网数据进行自忙时计算，以得到满足自忙时条件的小区数据；

高负荷判断模块，用于通过结构化查询语言以及高负荷规则，对所述满足自忙时条件的小区数据进行过滤，以得到满足高负荷条件的小区数据；

容量预估模块，用于通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，以确定满足扩容条件的目标小区。

本发明实施例包括以下优点：

本发明实施例可以将现网数据导入结构化查询语言SQLServer数据库，通过结构化查询语言，对现网数据进行自忙时计算，以得到满足自忙时条件的小区数据，以及根据高负荷规则，对所述满足自忙时条件的小区数据进行过滤，以得到满足高负荷条件的小区数据，最后，通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，可以确定满足扩容条件的目标小区。通过SQLServer数据库，不仅可以实现批量化查询，而且还可以在查询过程中插入计算，将人工分析过程转换为通过结构化查询语言SQL对数据的层层筛选，以快速筛选出满足扩容条件的目标小区的方法，提高数据分析的效率和准确度。此外，本发明实施例还可以利用SQLServer数据库的并发机制，将多条查询并发执行，进一步提高查询效率。

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的描述中所需要使用的附图作简单地介绍，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示出了本发明的一种基站扩容的数据分析方法实施例的流程图；

图2示出了本发明实施例的一种以日常容量预估为例预估流程示意图；

图3示出了本发明的一种基站扩容的数据分析装置实施例的结构框图。

具体实施方式

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。

方法实施例

参照图1，示出了本发明的一种基站扩容的数据分析方法实施例的流程图，所述方法具体可以包括：

步骤101、将现网数据导入结构化查询语言SQLServer数据库；

步骤102、通过结构化查询语言，对所述现网数据进行自忙时计算，以得到满足自忙时条件的小区数据；

步骤103、通过结构化查询语言以及高负荷规则，对所述满足自忙时条件的小区数据进行过滤，以得到满足高负荷条件的小区数据；

步骤104、通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，以确定满足扩容条件的目标小区。

本发明实施例针对现网基站的扩容还停留在人工手动分析阶段、导致分析效率较低的问题，提出一种将现网数据导入SQLServer(Structured Query Language Server，结构化查询语言服务)数据库，利用SQLServer数据库提供的批量查询的计算方式，将人工分析过程转换为通过结构化查询语言SQL对数据的层层筛选，以快速筛选出满足扩容条件的目标小区的方法，提高数据分析的效率和准确度。

具体地，本发明实施例首先将现网数据导入SQLServer数据库，所述现网数据可以从网管服务器提取得到。以日常容量预估的算法为例，14天的原始数据可以分为14个文件，每天的数据量在30W左右，利用数据库的BulkCopy机制，可以直接向数据库批量插入待分析的现网数据，14天400W的数据5分钟即可完成导入，效率较高。

在本发明的一种可选实施例中，在所述通过结构化查询语言，对所述现网数据进行自忙时计算，以得到满足自忙时条件的小区数据之前，所述方法还可以包括：

对所述现网数据进行数据清洗，以从所述现网数据中删除无效数据和不满足分析条件的数据；其中，所述不满足分析条件的数据包括：单日不满足预设时长的小区数据、以及7天内不满足预设天数的小区数据。

在具体应用中，导入的现网数据中可能存在一部分无效数据或者不满足分析条件的数据，将会影响后续分析结果的准确性，因此，本发明实施例在对导入的现网数据进行分析之前，可以对导入的现网数据进行数据清洗，以从所述现网数据中删除无效数据以及不满足分析条件的数据。

其中，所述不满足分析条件的数据具体可以包括：单日不满足预设时长(如20小时)的小区数据、以及7天内不满足预设天数(如4天)的小区数据。

具体地，数据清洗的规则具体可以包括：1、删除所述现网数据中的无效数据；2、通过SQL检索出单日不满足20小时的小区数据，并将其删除；3、通过SQL检索出7天中不满足4天的小区数据，并将其删除。由此，可以保证经过数据清洗的现网数据中均为有效数据，可以避免在后续计算中出现分母为0导致无法进行计算的情况发生，以提高分析结果的准确性。

在本发明实施例中，现网数据中的每个小区，每天有24条记录(每个小时一条)，在这24条记录中有且仅有一条记录是小区的自忙时记录。因此，需要从现网数据中筛选出满足自忙时条件的小区数据，然后分别按照不同的高负荷规则以及不同的扩容预估算法对自忙时小区数据进行判断，以从中确定满足扩容条件的目标小区。

在对导入的现网数据进行数据清洗之后，可以对数据清洗后的现网数据进行自忙时计算，以得到满足自忙时条件的小区数据。其中，自忙时计算可以包括按流量计算和按利用率计算两种计算方式。

在本发明的一种可选实施例中，所述通过结构化查询语言，对所述现网数据进行自忙时计算，以得到满足自忙时条件的小区数据，具体可以包括：

步骤S11、获取所述现网数据中各小区的当日小时级指标；

步骤S12、通过结构化查询语言，分别按照流量和/或利用率对所述各小区的当日小时级指标进行排序，以得到所述当日小时级指标中的流量最大值和/或利用率最大值；

步骤S13、确定所述流量最大值和/或所述利用率最大值对应的小区数据为满足自忙时条件的小区数据。

具体地，按流量计算的过程可以如下：获取小区当日小时级指标，小区流量最大值Max(SUM(上行流量+下行流量))对应的时段指标即为小区流量自忙时。如有多个时段的小区流量相同且均为最大值，则可以继续比较利用率，将其中利用率最大值对应的时段作为小区流量自忙时，也即可以确定对应小区数据为满足自忙时条件的小区数据。如果流量最大值时段对应的小区数据缺少其它相关指标，则可以取次忙时，如果次忙时不行，再取次次忙时，以此方法3次不行则可以删除该小区当日数据。

按流量计算的过程可以如下：获取小区当日小时级指标，小区利用率最大值Max{PUSCH(Physical Uplink Shared Channel，物理上行共享信道)PRB(Physical ResourceBlock，物理资源块)利用率；PDSCH(Physical Downlink Shared Channel，物理下行共享信道)PRB利用率；PDCCH(Physical Downlink Control Channel，物理下行控制信道)CCE(Control Channel Element，控制信道单元)利用率}对应的时段指标即为小区利用率自忙时。如果存在多个时段PRB利用率相同且均为最大值，则可以继续比较流量，将其中流量最大值对应的时段作为小区PRB利用率自忙时，也即可以确定对应小区数据为满足自忙时条件的小区数据。同样地，如果利用率最大值时段对应的小区数据缺少其它相关指标，则可以取次忙时，如果次忙时不行，再取次次忙时，以此方法3次不行则可以删除该小区当日数据。

在本发明实施例中，自忙时计算可以借助SQLServer临时表，通过SQL在数据库中创建临时表，按照自忙时计算规则筛选出满足自忙时条件的小区数据，然后再将临时表中的数据写回原始数据表，由此即可直观了解原始数据中的哪些小区是自忙时小区。

在计算过程中，由于不同算法中的某些步骤是可以共用的，本发明实施例可以通过建立临时表的方式，将数据暂存，也即将数据不作为结果，只作为中间步骤，在更换算法的情况下可以避免重复计算，可以提高计算效率。

接下来，可以通过结构化查询语言以及高负荷规则，对所述满足自忙时条件的小区数据进行过滤，以得到满足高负荷条件的小区数据。

在本发明的一种可选实施例中，所述通过结构化查询语言以及高负荷规则，对所述满足自忙时条件的小区数据进行过滤，以得到满足高负荷条件的小区数据，具体可以包括：

步骤S21、通过结构化查询语言，对所述满足自忙时条件的小区数据进行分类，以生成小区自忙时表；其中，所述小区自忙时表包括：小区按天自忙时表、小区按平均自忙时表；

步骤S22、根据高负荷阈值，对所述小区自忙时表中的小区数据进行过滤，将流量超过所述高负荷阈值的小区数据作为满足高负荷条件的小区数据。

在本发明实施例中，所述高负荷规则可以是由集团或者公司定义的一个流量阈值，若小区流量超过所述流量阈值，则可以认为该小区满足高负荷条件。参照表1，示出了本发明实施例的一种集团高负荷规则的具体示意，其它高负荷规则相互参照即可。

表1

具体地，本发明实施例首先可以通过结构化查询语言，对所述满足自忙时条件的小区数据进行分类，以生成小区自忙时表；其中，所述小区自忙时表可以包括：小区按天自忙时表、小区按平均自忙时表(如7天平均自忙时表)。然后可以根据选择的高负荷规则(流量阈值)，分别对小区按天自忙时表以及小区按7天平均自忙时表中的小区数据进行过滤，流量超过所述流量阈值的小区数据即为满足高负荷条件的小区数据。例如，小区按天或者按平均的流量均超过流量阈值，则确定该小区满足高负荷条件，或者，小区按天或者按平均中任一的流量超过流量阈值，则确定该小区满足高负荷条件。

最后，通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，以确定满足扩容条件的目标小区，进而可以对目标小区的基站进行扩容升级。

在本发明实施例中，可以将上述满足高负荷条件的小区数据带入容量预估流程，根据小区平均自忙时表确定满足扩容条件的小区。具体的，可以通过SQL带入计算，并保存生成的结果。分析完成后，可以将生成的结果导出并以文件保存。

在本发明的一种可选实施例中，所述通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，以确定满足扩容条件的目标小区，具体可以包括：

步骤S31、计算所述满足高负荷条件的小区的连续前7天自忙时指标、连续后7天自忙时指标、以及自忙时均值指标；

对于输入的满足高负荷条件的小区数据，可以分别计算其中各小区的连续前7天自忙时指标、连续后7天自忙时指标、以及自忙时均值指标，其中涉及的指标具体可以包括：有效RRC连接平均数、上行PRB利用率、下行PRB利用率、CCE利用率、上行流量、下行流量、E-RAB(Evolved Radio AccessBearer，演进的无线接入承载)建立成功次数。

需要说明的是，前7天与后7天的时间差为以估算时间到后的差值，例如用5月第一周估算6月的增长率，即前则为4月数据、后则为5月数据，时间差值均为一个月。

步骤S32、根据所述连续后7天自忙时指标、自忙时均值指标、以及高负荷规则，确定满足扩容条件的小区以及满足扩容条件的频次；

具体地，可以根据连续后7天自忙时指标及自忙时均值指标，使用高负荷规则，确定现网中已满足扩容条件的小区以及该小区7天内满足扩容条件的频次。

步骤S33、对于不满足扩容条件或者7天内满足扩容条件的频次小于预设频次的小区，分别计算各指标连续后7天自忙时均值相对于连续前7天自忙时均值的增长率；

具体地，对于现网中不满足扩容条件或者7天内满足扩容条件的频次小于预设频次的各小区，以小区为单位，分别计算有效RRC连接平均数、上行PRB利用率、下行PRB利用率、CCE利用率、上行流量、下行流量中每一项指标的连续后7天自忙时均值相对于连续前7天自忙时均值的增长率A，其中，增长率A＝连续后7天自忙时均值指标/连续前7天自忙时均值指标。

步骤S34、对于增长率最大值大于1的小区，按照指标类型计算增量后的指标；

具体地，对于步骤S33中计算得到的各小区的增长率A，可以确定增长率A中的最大值，即增长率Max(A有效RRC连接平均数，A上行PRB利用率，A下行PRB利用率，ACCE利用率、A上行流量、A下行流量)。

对于空值、无增长或者负增长的小区数据可以舍弃，其中，若连续后7天指标里的小区数据在连续前7天里不存在或者指标为0时，则增长率Max为空值。因此，若增长率Max<＝1或为空值，则不做预估，可以删除该小区数据。

对于增长率Max＞1的小区数据，以增长率Max对应指标类型对小区进行分类，并计算小区增量后的指标，其中，增量后的指标＝增长率Max×该类小区对应的指标项值。

在本发明实施例中，有效RRC连接平均数可以保留1位小数，上行PRB利用率、下行PRB利用率、CCE利用率可以保留2位小数，上行流量、下行流量进行以MB为单位的取整。可以理解，具体的数据精度可以根据系统的运算能力进行调整。

步骤S35、根据所述增量后的指标，匹配预设时间段内各小区对应的指标数据，以及对匹配结果中的各项指标计算平均值；

具体地，以小区为单位，根据小区增量后的指标在预设时间段的指标数据库中查找，以查找得到与所述增量后的指标匹配的小区，并将匹配小区的所有指标算数平均作为该小区增量后的指标表现。其中，所述预设时间段可以为近N天×24h(小时)，N值的建议取值范围为[7,30]，N值越大，匹配度越高，但是计算数据量也越大，对系统要求也越高。

步骤S36、根据高负荷规则判断所述平均值，将符合高负荷规则的平均值对应的小区作为满足扩容条件的目标小区。

具体地，根据高负荷规则对步骤S35中匹配得到的结果进行判断，以得到并输出与所述高负荷规则相对应的扩容清单，该清单中包括满足扩容条件的目标小区，该清单可支持csv、xlsx、xls等格式的导出，并且保留小区频次、包类型、排序等级、对应的各项指标等。

在本发明实施例中，所述容量预估可以包括日常容量预估、节假日容量预估、以及给定增长率预估三种预估方式。参照图2，示出了本发明实施例的一种以日常容量预估为例预估流程示意图。其他两种容量预估方式的计算过程相似，相互参照即可。

在本发明的一种可选实施例中，在所述通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，以确定满足扩容条件的目标小区之后，所述方法还可以包括：

步骤S41、根据所述目标小区在预设时间内满足扩容条件的次数，确定所述目标小区的扩容优先级；

步骤S42、根据所述扩容优先级，对所述目标小区进行排序；

步骤S43、展示排序后的目标小区。

在本发明实施例中，在确定满足扩容条件的目标小区之后，还可以对目标小区按照扩容优先级进行排序，以使用户可以重点关注扩容优先级较高的小区，并且优先对高优先级的小区进行扩容。

参照表2，示出了本发明实施例的一种扩容优先级计算规则的具体示意。表2

扩容优先级	规则
		1级	连续7天均值满足扩容规则且出现7次
2级	连续7天均值满足扩容规则且出现6次
		3级	连续7天均值满足扩容规则且出现5次
4级	连续7天均值满足扩容规则且出现4次
		5级	连续7天均值满足扩容规则且出现3次
6级	连续7天均值满足扩容规则且出现2次
		7级	连续7天均值满足扩容规则且出现1次
8级	连续7天均值不满足但出现6次
		9级	连续7天均值不满足但出现5次
10级	连续7天均值不满足但出现4次
		11级	连续7天均值不满足但出现3次
12级	连续7天均值不满足但出现2次
		13级	连续7天均值不满足但出现1次
14级	考虑增量后max利用率>＝90％
		15级	考虑增量后90％>max利用率>＝80％
16级	考虑增量后80％>max利用率>＝70％
		17级	考虑增量后70％>max利用率>＝60％
18级	考虑增量后60％>max利用率>＝50％
		19级	考虑增量后50％>max利用率

如表2所示，列出了19个等级的扩容优先级，其中1级为最高级，19级为最低级，现场人员可以根据扩容优先级以及实际情况来决定优先对哪些小区进行扩容。当然，上述扩容优先级的设置方式仅作为本发明的一种应用示例，本发明实施例对设置扩容优先级的具体方式不加以限制。

综上，本发明实施例可以将现网数据导入结构化查询语言SQLServer数据库，通过结构化查询语言，对现网数据进行自忙时计算，以得到满足自忙时条件的小区数据，以及根据高负荷规则，对所述满足自忙时条件的小区数据进行过滤，以得到满足高负荷条件的小区数据，最后，通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，可以确定满足扩容条件的目标小区。通过SQLServer数据库，不仅可以实现批量化查询，极大地提高查询效率，而且还可以在查询过程中插入计算，将复杂的计算流程化繁为简。此外，本发明实施例还可以利用SQLServer数据库的并发机制，将多条查询并发执行，进一步提高查询效率。例如，对于中国贵阳地区12000多个小区的400W数据进行分析，可以筛选出需要扩容的小区有1900个左右，全程耗时几十分钟，分析结果的匹配率接近90％，相对于人工分析方式，不仅极大地提高了分析效率，而且提高了分析的准确性。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

装置实施例

参照图3，示出了本发明的一种基站扩容的数据分析装置实施例的结构框图，所述装置具体可以包括：

数据导入模块301，用于将现网数据导入结构化查询语言SQLServer数据库；

自忙时计算模块302，用于通过结构化查询语言，对所述现网数据进行自忙时计算，以得到满足自忙时条件的小区数据；

高负荷判断模块303，用于通过结构化查询语言以及高负荷规则，对所述满足自忙时条件的小区数据进行过滤，以得到满足高负荷条件的小区数据；

容量预估模块304，用于通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，以确定满足扩容条件的目标小区。

可选地，所述自忙时计算模块302，具体可以包括：

指标获取子模块，用于获取所述现网数据中各小区的当日小时级指标；

指标排序子模块，用于通过结构化查询语言，分别按照流量和/或利用率对所述各小区的当日小时级指标进行排序，以得到所述当日小时级指标中的流量最大值和/或利用率最大值；

数据确定子模块，用于确定所述流量最大值和/或所述利用率最大值对应的小区数据为满足自忙时条件的小区数据。

可选地，所述高负荷判断模块303，具体可以包括：

分类子模块，用于通过结构化查询语言，对所述满足自忙时条件的小区数据进行分类，以生成小区自忙时表；其中，所述小区自忙时表包括：小区按天自忙时表、小区按平均自忙时表；

过滤子模块，用于根据高负荷阈值，对所述小区自忙时表中的小区数据进行过滤，将流量超过所述高负荷阈值的小区数据作为满足高负荷条件的小区数据。

可选地，所述容量预估模块304，具体可以包括：

指标计算子模块，用于计算所述满足高负荷条件的小区的连续前7天自忙时指标、连续后7天自忙时指标、以及自忙时均值指标；

第一确定子模块，用于根据所述连续后7天自忙时指标、自忙时均值指标、以及高负荷规则，确定满足扩容条件的小区以及满足扩容条件的频次；

增长率计算子模块，用于对于不满足扩容条件或者7天内满足扩容条件的频次小于预设频次的小区，分别计算各指标连续后7天自忙时均值相对于连续前7天自忙时均值的增长率；

增量计算子模块，用于对于增长率最大值大于1的小区，按照指标类型计算增量后的指标；

数据匹配子模块，用于根据所述增量后的指标，匹配预设时间段内各小区对应的指标数据，以及对匹配结果中的各项指标计算平均值；

第二确定子模块，用于根据高负荷规则判断所述平均值，将符合高负荷规则的平均值对应的小区作为满足扩容条件的目标小区。

可选地，所述装置还可以包括：

数据清洗模块，用于对所述现网数据进行数据清洗，以从所述现网数据中删除无效数据和不满足分析条件的数据；其中，所述不满足分析条件的数据包括：单日不满足预设时长的小区数据、以及7天内不满足预设天数的小区数据。

可选地，所述装置还可以包括：

优先级确定模块，用于根据所述目标小区在预设时间内满足扩容条件的次数，确定所述目标小区的扩容优先级；

优先级排序模块，用于根据所述扩容优先级，对所述目标小区进行排序；

数据展示模块，用于展示排序后的目标小区。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(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终端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终端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终端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终端设备上，使得在计算机或其他可编程终端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终端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实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做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实施例范围的所有变更和修改。

最后，还需要说明的是，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、物品或者终端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、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种基站扩容的数据分析方法和基站扩容的数据分析装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (12)

1.一种基站扩容的数据分析方法，其特征在于，所述方法包括：

将现网数据导入结构化查询语言SQLServer数据库；

通过结构化查询语言，对所述现网数据进行自忙时计算，以得到满足自忙时条件的小区数据；

通过结构化查询语言以及高负荷规则，对所述满足自忙时条件的小区数据进行过滤，以得到满足高负荷条件的小区数据；

通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，以确定满足扩容条件的目标小区。

2.根据权利要求1所述的方法，其特征在于，所述通过结构化查询语言，对所述现网数据进行自忙时计算，以得到满足自忙时条件的小区数据，包括：

获取所述现网数据中各小区的当日小时级指标；

通过结构化查询语言，分别按照流量和/或利用率对所述各小区的当日小时级指标进行排序，以得到所述当日小时级指标中的流量最大值和/或利用率最大值；

确定所述流量最大值和/或所述利用率最大值对应的小区数据为满足自忙时条件的小区数据。

3.根据权利要求1所述的方法，其特征在于，所述通过结构化查询语言以及高负荷规则，对所述满足自忙时条件的小区数据进行过滤，以得到满足高负荷条件的小区数据，包括：

通过结构化查询语言，对所述满足自忙时条件的小区数据进行分类，以生成小区自忙时表；其中，所述小区自忙时表包括：小区按天自忙时表、小区按平均自忙时表；

根据高负荷阈值，对所述小区自忙时表中的小区数据进行过滤，将流量超过所述高负荷阈值的小区数据作为满足高负荷条件的小区数据。

4.根据权利要求1所述的方法，其特征在于，所述通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，以确定满足扩容条件的目标小区，包括：

计算所述满足高负荷条件的小区的连续前7天自忙时指标、连续后7天自忙时指标、以及自忙时均值指标；

根据所述连续后7天自忙时指标、自忙时均值指标、以及高负荷规则，确定满足扩容条件的小区以及满足扩容条件的频次；

对于不满足扩容条件或者7天内满足扩容条件的频次小于预设频次的小区，分别计算各指标连续后7天自忙时均值相对于连续前7天自忙时均值的增长率；

对于增长率最大值大于1的小区，按照指标类型计算增量后的指标；

根据所述增量后的指标，匹配预设时间段内各小区对应的指标数据，以及对匹配结果中的各项指标计算平均值；

根据高负荷规则判断所述平均值，将符合高负荷规则的平均值对应的小区作为满足扩容条件的目标小区。

5.根据权利要求1所述的方法，其特征在于，在所述通过结构化查询语言，对所述现网数据进行自忙时计算，以得到满足自忙时条件的小区数据之前，所述方法还包括：

对所述现网数据进行数据清洗，以从所述现网数据中删除无效数据和不满足分析条件的数据；其中，所述不满足分析条件的数据包括：单日不满足预设时长的小区数据、以及7天内不满足预设天数的小区数据。

6.根据权利要求1所述的方法，其特征在于，在所述通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，以确定满足扩容条件的目标小区之后，所述方法还包括：

根据所述目标小区在预设时间内满足扩容条件的次数，确定所述目标小区的扩容优先级；

根据所述扩容优先级，对所述目标小区进行排序；

展示排序后的目标小区。

7.一种基站扩容的数据分析装置，其特征在于，所述装置包括：

数据导入模块，用于将现网数据导入结构化查询语言SQLServer数据库；

自忙时计算模块，用于通过结构化查询语言，对所述现网数据进行自忙时计算，以得到满足自忙时条件的小区数据；

高负荷判断模块，用于通过结构化查询语言以及高负荷规则，对所述满足自忙时条件的小区数据进行过滤，以得到满足高负荷条件的小区数据；

容量预估模块，用于通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，以确定满足扩容条件的目标小区。

8.根据权利要求7所述的装置，其特征在于，所述自忙时计算模块，包括：

指标获取子模块，用于获取所述现网数据中各小区的当日小时级指标；

指标排序子模块，用于通过结构化查询语言，分别按照流量和/或利用率对所述各小区的当日小时级指标进行排序，以得到所述当日小时级指标中的流量最大值和/或利用率最大值；

数据确定子模块，用于确定所述流量最大值和/或所述利用率最大值对应的小区数据为满足自忙时条件的小区数据。

9.根据权利要求7所述的装置，其特征在于，所述高负荷判断模块，包括：

分类子模块，用于通过结构化查询语言，对所述满足自忙时条件的小区数据进行分类，以生成小区自忙时表；其中，所述小区自忙时表包括：小区按天自忙时表、小区按平均自忙时表；

过滤子模块，用于根据高负荷阈值，对所述小区自忙时表中的小区数据进行过滤，将流量超过所述高负荷阈值的小区数据作为满足高负荷条件的小区数据。

10.根据权利要求7所述的装置，其特征在于，所述容量预估模块，包括：

指标计算子模块，用于计算所述满足高负荷条件的小区的连续前7天自忙时指标、连续后7天自忙时指标、以及自忙时均值指标；

第一确定子模块，用于根据所述连续后7天自忙时指标、自忙时均值指标、以及高负荷规则，确定满足扩容条件的小区以及满足扩容条件的频次；

增长率计算子模块，用于对于不满足扩容条件或者7天内满足扩容条件的频次小于预设频次的小区，分别计算各指标连续后7天自忙时均值相对于连续前7天自忙时均值的增长率；

增量计算子模块，用于对于增长率最大值大于1的小区，按照指标类型计算增量后的指标；

数据匹配子模块，用于根据所述增量后的指标，匹配预设时间段内各小区对应的指标数据，以及对匹配结果中的各项指标计算平均值；

第二确定子模块，用于根据高负荷规则判断所述平均值，将符合高负荷规则的平均值对应的小区作为满足扩容条件的目标小区。

11.根据权利要求7所述的装置，其特征在于，所述装置还包括：

数据清洗模块，用于对所述现网数据进行数据清洗，以从所述现网数据中删除无效数据和不满足分析条件的数据；其中，所述不满足分析条件的数据包括：单日不满足预设时长的小区数据、以及7天内不满足预设天数的小区数据。

12.根据权利要求7所述的装置，其特征在于，所述装置还包括：

优先级确定模块，用于根据所述目标小区在预设时间内满足扩容条件的次数，确定所述目标小区的扩容优先级；

优先级排序模块，用于根据所述扩容优先级，对所述目标小区进行排序；

数据展示模块，用于展示排序后的目标小区。

Images