CN111866847A - 移动通信网络数据分析方法、设备及计算机存储介质 - Google Patents

Abstract

本发明公开了一种移动通信网络数据分析方法、装置、设备及计算机存储介质，包括确定高速交通线路对应的移动通信网络所覆盖的多个基站小区；提取多个基站小区内的用户标识，得到小区用户列表；从小区用户列表内筛选满足预设的高速交通线路用户条件的用户标识，得到高速用户列表；根据高速用户列表，从信令平台内获取与高速用户列表内的各个用户标识对应的信令数据；基于高速用户列表内的各个用户标识及其对应的信令数据，进行高速交通线路对应的移动通信网络数据分析，得到分析结果。根据本发明实施例，能够提高高速交通线路对应的移动通信网络分析以及依据分析结果进行后续优化时的针对性和准确性。

Description

移动通信网络数据分析方法、设备及计算机存储介质

技术领域

本发明属于移动通信网络优化技术领域，尤其涉及一种移动通信网络数据分析方法、装置、设备及计算机存储介质。

背景技术

高速交通线路对应的移动通信网络属于高速移动的特殊场景下的移动通信网络，与普通场景下的移动通信网络相比，高速交通线路的用户移动速度快，在每个基站小区覆盖范围内停留的时间非常短，通信链路质量易恶化，终端用户的小区驻留、接入、重选和切换等通信过程所需的测量和信令交互的时间会更短，并且由于多普勒频移现象的存在，会导致连接长期演进(Long Term Evolution，LTE)网络的终端UE设备接收数据符号出现相位旋转，进而影响到数据解调的准确性，进而产生很多不可预测的问题。因此需要对高速交通线路对应的移动通信网络进行检测与优化。而在对高速交通线路对应的移动通信网络进行优化之前，首先要检测相应的数据进行分析，之后将分析结果作为优化的依据。

由于高速交通线路比较特殊，承载终端用户的车辆移动速度快，车辆无法停留，无法掉头，因此无法通过定点测试的方式来反复进行问题测试，来获取数据进行分析，目前在进行优化时，主要获取作为优化依据的数据的主要方案如下两种：一种是通过网管网中的关键绩效指标(Key Performance Indicators，KPI)指标，进行高速交通线路对应的移动通信网络中问题基站小区的筛选，以及通过路测的方式到问题小区附近路段进行测试验证来获取数据进行分析。另一种方式是接收高速交通线路用户投诉后，对投诉路段进行复测来获取数据进行分析。

但是以上两种技术方案目前都存在比较大的弊端：第一种方案的缺点：由于目前高速交通线路对应的移动通信网络主要采用常规的宏蜂窝小区覆盖的方式，导致高速交通线路对应的移动通信网络覆盖下的基站小区的用户，并非都是真实的高速交通线路用户群体，还包含基站小区附近的常驻用户，这样导致了网管中的KPI并非只针对高速交通线路用户，针对性不足；并且由于无线网络实时变化，偶然性很高，路测很难一次发现问题并解决，路测数据的代表性不足，整体效率低，并且由于路测需要测试的距离较长，耗费人力物力较多，费用高。而被动优化的缺点：由于投诉人员很难定位问题发生的地点和原因，数据获取的针对性差；并且同样由于无线网络的偶然性，接到投诉后复测的过程很难发现问题并解决，效率低；同时在已经发生了投诉再进行解决，客户满意度低，问题数据发现及故障处理的时效性差。

发明内容

本发明实施例提供一种移动通信网络数据分析方法、装置、设备及计算机存储介质，能够提高高速交通线路对应的移动通信网络分析以及依据分析结果进行后续优化时的针对性和准确性。

一方面，本发明实施例提供一种移动通信网络数据分析方法，方法包括：

确定高速交通线路对应的移动通信网络所覆盖的多个基站小区；

提取所述多个基站小区内的用户标识，得到小区用户列表；

从所述小区用户列表内筛选满足预设的高速交通线路用户条件的用户标识，得到高速用户列表；

根据所述高速用户列表，从信令平台内获取与所述高速用户列表内的各个用户标识对应的信令数据；

基于所述高速用户列表内的各个用户标识及其对应的信令数据，进行高速交通线路对应的移动通信网络数据分析，得到分析结果。

另一方面，本发明实施例提供了一种移动通信网络数据分析装置，装置包括：

小区筛选模块，用于确定高速交通线路对应的移动通信网络所覆盖的多个基站小区；

用户提取模块，用于提取所述多个基站小区内的用户标识，得到小区用户列表；

用户筛选模块，用于从所述小区用户列表内筛选满足预设的高速交通线路用户条件的用户标识，得到高速用户列表；

数据关联模块，用于根据所述高速用户列表，从信令平台内获取与所述高速用户列表内的各个用户标识对应的信令数据；

分析模块，用于基于所述高速用户列表内的各个用户标识及其对应的信令数据，进行高速交通线路对应的移动通信网络数据分析，得到分析结果。

再一方面，本发明实施例提供了一种移动通信网络数据分析设备，所述设备包括：处理器以及存储有计算机程序指令的存储器；

所述处理器执行所述计算机程序指令时实现如以上任意一项所述的移动通信网络数据分析方法。

再一方面，本发明实施例提供了一种计算机存储介质，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如以上任意一项所述的移动通信网络数据分析方法。

本发明实施例的移动通信网络数据分析方法、装置、设备及计算机存储介质，在筛选得到高速交通线路对应的移动通信网络所覆盖的基站小区后，从所筛选出的基站小区内选择用户标识，并通过预设的高速交通线路用户条件来对高速交通线路对应的移动通信网络所覆盖的基站小区内的用户进行筛选，尽可能确保后续与信令平台进行数据关联的用户为高速交通线路用户，从而尽可能保证了后续分析所使用的数据均是针对于高速交通线路用户，提高了高速交通线路对应的移动通信网络分析以及依据分析结果进行后续优化时的针对性和准确性。之后，本发明将高速交通线路用户与信令平台内的相应数据进行了关联，依据关联结果进行分析和优化，从而提高了后续对于移动通信网络数据进行分析时的可靠性和准确性。

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的介绍，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是本发明一个实施例提供的移动通信网络数据分析方法的流程示意图；

图2是本发明另一个实施例提供的移动通信网络数据分析方法的流程示意图；

图3是本发明另一个实施例提供的基站小区切换链的示意图；

图4是本发明另一个实施例提供的移动通信网络数据分析方法的示意图；

图5是本发明一个实施例提供的移动通信网络数据分析装置的结构示意图；

图6是本发明又一个实施例提供的移动通信网络数据分析设备的结构示意图。

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，以下结合附图及具体实施例，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，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

为了解决现有技术问题，本发明实施例提供了一种移动通信网络数据分析方法、装置、设备及计算机存储介质。下面首先对本发明实施例所提供的移动通信网络数据分析方法进行介绍。

图1示出了本发明一个实施例提供的移动通信网络数据分析方法的流程示意图。该方法包括：

步骤s1：确定高速交通线路对应的移动通信网络所覆盖的多个基站小区；

其中，LTE系统下会包含多个场景网络，来分别对应不同的应用场景，而本发明所应用的高速交通线路对应的移动通信网络仅应用于高速公路、高速铁路等用户会处于高速移动的场景内，因此，本发明所对应的基站小区也应该是高速交通线路对应的移动通信网络所覆盖的多个基站小区，例如可以理解为高速公路、高速铁路周围一定范围内的基站小区。

步骤s2：提取多个基站小区内的用户标识，得到小区用户列表；

每个基站小区内会记录有接入该基站小区的用户标识、接入时间、退出时间等，因此从基站小区的记录内，即可获取到接入该基站小区内的用户标识。而由于用户仅能接入距离自己的一定范围内的基站小区，因此依据用户所接入的基站小区，即可以确定用户的移动路径以及所处的大致范围区间。

步骤s3：从小区用户列表内筛选满足预设的高速交通线路用户条件的用户标识，得到高速用户列表；

由于小区用户列表内包含的用户识别码所对应的用户，并不仅仅是高速交通线路用户，一般还包含一些高速交通线路对应的移动通信网络覆盖的区域内的原始居民，例如住在高速公路周边的居民。这些居民的数量通常要多于高速公路、高速铁路上的用户的数量，由于普通居民用户和高速交通线路用户的通信数据存在差别，而本发明的目的是为了获取高速交通线路用户的相关通信数据来进行分析，因此若不对用户进行筛选的话，会导致高速交通线路用户的通信数据淹没在普通居民用户的通信数据内，进而导致后续无法准确的分析出高速交通线路对应的移动通信网络所存在的问题。而本发明通过依据预先设置的高速交通线路用户条件对用户进行了筛选，从而使得后续得到的高速用户列表内的用户基本能够保证为高速交通线路用户，进而尽可能保证了后续待分析的数据的可靠性和准确性。

步骤s4：根据高速用户列表，从信令平台内获取与高速用户列表内的各个用户标识对应的信令数据；

目前信令平台是用于对移动通信网络的信令数据进行采集，供后续信令监测系统据此为业务部分提供有效地支撑以及与运营支撑系统内的其他系统进行协同工作。信令平台采集了MR、软采、硬采等数据，这部分信令数据可以直接调用的，而不用另外投资。

步骤s5：基于高速用户列表内的各个用户标识及其对应的信令数据，进行高速交通线路对应的移动通信网络数据分析，得到分析结果。

本发明在筛选得到高速交通线路对应的移动通信网络所覆盖的基站小区后，从所筛选出的基站小区内选择用户标识，并通过预设的高速交通线路用户条件来对高速交通线路对应的移动通信网络所覆盖的基站小区内的用户进行筛选，尽可能确保后续与信令平台进行数据关联的用户为高速交通线路用户，从而尽可能保证了后续分析所使用的数据均是针对于高速交通线路用户，提高了高速交通线路对应的移动通信网络分析以及依据分析结果进行后续优化时的针对性和准确性。之后，本发明将高速交通线路用户与信令平台内的相应数据进行了关联，依据关联结果进行分析和优化，可以理解的是，由于信令平台内的数据目前已有，可以直接调用，而不用另外投资，因此相比额外进行路测的方式，本发明减少了人力物力的耗费，降低了优化成本；并且，由于本发明能够利用每个高速交通线路用户相关的信令数据进行分析，且信令平台在进行信令数据采集时，会对每个高速交通线路用户在大量的采样点进行采样，因此保证了分析过程中具有足够的数据量，降低了偶然性的影响，从而能够有效地发现高速交通线路对应的移动通信网络内存在的问题并进行解决，效率更高。此外，由于信令平台会实时的采集信令数据，因此保障了信令数据的实时性，故提高了本发明依据信令数据进行分析时的时效性。

其中，在从基站内获取用户标识以及其他用户通信数据时，可以通过S1-MME接口来获取，S1接口是LTE eNB(基站)与EPC(分组核心网)之间的通讯接口，S1接口沿袭了承载和控制分离的思想，又分成两个接口，一个用于控制平面(S1-MME)，一个用于用户平面(S1-U)。当然，本发明不限定获取上述数据时的接口类型。

在一种优选实施例中，高速交通线路用户条件包括：小区用户列表内的用户，在所述多个基站小区中自身经过的任一基站小区内的驻留时长均未超出预设驻留时间阈值。

其中，基站小区内保留有每个用户接入该基站小区的时间，以及离开该基站小区的时间，因此，可以直接通过获取基站小区内所保留的每个用户标识对应的接入和离开的时间，来计算得到该用户标识在该基站小区内的驻留时长。由于在高速交通线路内，用户的移动速度很快，这种情况下，用户在每个基站小区内停留的时间是很短的，若用户在一个基站小区内停留较长的时间，则表明该用户很大可能为该基站小区所覆盖的区域范围内的居民，因此该用户不是高速交通线路用户。因此，可以通过判断用户是否在自身经过的任一基站小区内的驻留时长均未超出预设驻留时间阈值来筛选高速交通线路用户。并且，由于高速线路有多条，每个用户不可能经过高速交通线路对应的移动通信网络覆盖的所述多个基站小区中的全部基站小区，因此，在对每个用户进行判断时，仅需要判断该用户在所述多个基站小区中自身经过的任一基站小区内的驻留时长即可。可见，本实施例依据高速交通线路用户的特点来对其进行筛选，筛选效率和准确性高。其中，这里的预设驻留时间阈值不宜设置过长，例如可以设置为2分钟，当然，本发明不限定预设驻留时间阈值的具体数值。

进一步的，在依据上述驻留时长对用户进行筛选时，其筛选方法可以为：将小区用户列表内的各个用户标识分别与各个基站识别码进行组合，确定每个组合所对应的驻留时长并按照驻留时长的大小，将各个组合顺序进行排序；依据排序结果，从中筛选满足在任一基站小区内的驻留时长均未超出预设驻留时间阈值的用户标识。

为方便理解，以下为基于上述筛选方法的两个具体实例：

实例一：通过Mc接口来获取用户在基站小区内的时间数据，其中Mc接口的定义：MSC Server与MGW间的接口为Mc接口，MSC Server(Mobile Switching Center-server)通过Mc接口对MGW(Media Gateway)的承载连接行为进行控制和监视。该实例中，基站识别码为Lac-ci，其中，ci号为基站上的一组天线所朝向的扇区编号，Lac为一个寻呼区域的编号，Lac-ci两个数共同指向一个基站。其中，用户标识具体可以为国际移动用户识别码(International Mobile Subscriber Identification Number，IMSI)，IMSI是区别移动用户的标志，储存在SIM卡中，可用于区别移动用户的有效信息。当然，也可以为其他能够表征用户身份的标识，本实例中以IMSI为例进行解释。按照IMSI+lac-ci进行组合，之后确定每个组合对应的驻留时长并按照时间从大到小(或者从小到大)的顺序进行排序。例如，假设某用户出现在三个基站小区内：(A)lac-ci、(B)lac-ci、(C)lac-ci时，则该用户分别依据在各个lac-ci内的接入时间和离开时间来计算用户在该lac-ci内的驻留时长。另外，在其他实施例中，出于考虑用户需要按照固定的顺序依次进入各个基站小区，因此也可以按照如下方式进行计算：在(A)lac-ci内的驻留时长＝用户进入(A)lac-ci的时间-用户离开(A)lac-ci的时间，该用户在(B)lac-ci驻留时长＝用户离开(A)lac-ci的时间-用户接入(C)lac-ci的时间，该用户在(C)lac-ci驻留时长＝用户接入(C)lac-ci的时间-用户离开(C)lac-ci的时间。

实例二：通过S1-mme接口来获取用户在基站小区内的时间数据。该实例中，基站识别码为ECI(ECI是LTE工参中的作为一个省市小区的唯一识别码，ECI＝eNB*256+CELL ID)，其中，演进型Node B(Evolved Node B，eNB)为LTE中基站的名称。按照IMSI+ECI进行组合，如当某用户出现在多个小区的时候，如①ECI、②ECI、③ECI时，则该用户分别依据在各个ECI内的接入时间和离开时间来计算用户在该ECI内的驻留时长。另外，在其他实施例中，出于考虑用户需要按照固定的顺序依次进入各个基站小区，因此也可以按照如下方式进行计算：①小区驻留时长＝用户进入①ECI的时间-用户离开①ECI的时间，②小区驻留时间＝用户离开①ECI的时-用户进入③ECI的时间，③小区驻留时间＝用户进入③ECI的时间-用户离开③ECI的时间。

其中，在通过Mc接口或S1-mme接口获取基站小区内的数据后，具体是通过用户手机在基站小区内保留的定位更新、通话和短信以及开关机等信息记录来确定用户手机接入和离开基站小区的时间的，进而据此判断用户在各个基站小区的驻留时长。

当然，本发明对如何确定驻留时长不作限定。之后依据排序结果，选择驻留时长均小于预设驻留时间阈值的用户标识。以上仅为两种具体实例，本发明不限定具体的接口类型以及基站识别码的类型。

另外，在依据上述驻留时长对用户进行筛选时，还可采用另一种筛选方法：分别获取所述小区用户列表内每个用户在所述多个基站小区中任一基站小区内的驻留时长；依次判断所述小区用户列表内的每个用户，是否在所述多个基站小区中自身经过的任一基站小区内的驻留时长均未超出预设驻留时间阈值，若否，则该用户不满足高速交通线路用户条件，进行舍弃；若是，该用户满足高速交通线路用户条件。

当然，以上仅为两种具体实施例，本发明不限定具体如何判断用户在基站小区内的驻留时长是否符合预设要求。

在另一种优选实施例中，高速交通线路用户条件包括：小区用户列表内的用户的移动速度值不低于预设速度阈值。

由于高速公路和高速铁路等高速交通线路是设置有最低限速的，这种情况下，除了一些站点之外，用户的移动速度值通常会高于线路的最低限速，因此，通过计算出用户的移动速度值，也可以来筛选用户是否为高速交通线路用户。在该实施例下，由于高速用户的移动速度值通常是高于一定数值的，因此，依据本实施例来筛选用户是否为高速交通线路用户的准确性较高。

但是在一些特殊位置处，如服务区周围的基站小区或者收费站周围的基站小区，由于用户所乘坐的车辆可能会进站停车，因此用户的移动速度值会降低到低于预设速度阈值，这种情况下若直接依据移动速度值来判断可能会不准确，因此可以采用以下两种方式来解决：第一种方式是通过设置两个预设速度阈值，第一预设速度阈值，用于与非高速站点处的基站小区内的用户的移动速度值进行比对；第二预设速度阈值，用于与高速站点处的基站小区内的用户的移动速度值进行比对；其中，第一预设速度阈值高于第二预设速度阈值。而第二种方式中，可以通过将本实施例与基于其他高速交通线路用户条件的筛选过程进行组合，来进行共同筛选，从而通过多次筛选来对处于高速站点附近的用户进行准确的筛选。并且，由于有些路段在特殊时间段内(交通高峰期间)会出现堵车的情况导致车速较慢，因此，对于这部分路段也可以如以上所述的方式为其单独设置一个第三预设速度阈值，第三预设速度阈值小于第一预设速度阈值，数值较小；或者也可以通过与其他筛选条件组合来实现提高高速交通线路用户筛选的准确性。

当然，以上仅为几种优选实施例，本发明不限定预设速度阈值的设置个数以及具体设置数值，另外，本发明也不限定本实施例是否与基于其他高速交通线路用户条件的筛选过程进行组合以及组合方式。

进一步的，想要依据上述移动速度值的比对来进行高速交通线路用户的筛选则需要对高速交通线路用户的移动速度值进行计算，其计算方法具体为：基于三角定位算法计算用户的重心，通过不同重心的连线(两个重心的直线距离)，可以计算出两个基站小区的距离；之后结合外部数据表示(External Data Representation，XDR)信令数据自带的时间信息，就可以计算出用户的移动速度值。另外，还可以结合传播模型的路径损耗公式(Lr＝20lgd+20lgf+32.4)来完善移动速度的计算，本发明对此不作限定。其中，XDR为原始信令基础上整理出的异常时间的信令信息，能够更加直观的体现用户的事件。

当然，以上仅为一种具体实现方式，在其他实施例中，还可采用其他计算方式来计算用户的移动速度值，本发明对如何计算用户的移动速度值不作具体限定。

在另一种优选实施例中，高速交通线路用户条件包括：小区用户列表内的用户经过所述多个基站小区的顺序与预设小区切换链匹配。

由于高速线路以及其上运行的车辆的方向是固定且线性的，因此，用户在经过高速交通线路覆盖的各个基站小区时，会按照固定的顺序依次通过相应的基站小区，例如A-B-C-D…,因此分别沿着高速线路的正反两个方向移动的话，理论上就会产生两个切换链，将其定义为高速切换链A和高速切换链B。由于在用户移动速度过快时，可能出现中途有些基站小区未存储有接入记录的情况，例如所记录下的用户经过的小区为A-C-D，并且用户不一定会经过整条高速线路，因此可以依据高速切换链A和高速切换链B来衍生得到若干个切换子链，每条切换子链上包含的基站小区的个数可调，且各条切换子链上包含的基站小区的个数可以相同也可以不同。将小区用户列表内的用户产生的切换数据(即按照时间顺序排序得到的用户经过各个基站小区的顺序)，分别依次与衍生的切换子链进行比对，只要用户的切换数据能够匹配其中任意N个切换子链，即可以定义为高速交通线路用户，否则用户定义为非高速交通线路用户。其中，这里的N可以为1，也可以为大于1的正整数(例如可以为3)；并且，当N大于1时，在将用户的切换数据进行匹配时，还可以限定用户的切换数据满足任意N个切换连续的切换子链。参见图3所示，图3为是本发明另一个实施例提供的基站小区切换链的示意图。当然，本发明不限定切换子链的衍生方式，也不限定N的具体数值。通过限定切换链顺序，能够直观的依据用户得移动路径来判断用户是否为高速交通线路用户，并且，由于高速线路的固定性，因此依据切换链的顺序能够排查出全部按照高速线路移动的用户，故本实施例全面性好，能够尽可能避免遗漏任何高速交通线路用户。

在实际应用中，高速交通线路用户条件可以包括以上三种条件中的任意一种或几种的组合。举例来说，作为优选的，高速交通线路用户条件可以同时包含以上三种条件，参见图2所示，图2是本发明另一个实施例提供的移动通信网络数据分析方法的流程示意图；此时步骤s3则具体为：

步骤s31：判断所述小区用户列表内的用户是否在所述多个基站小区中自身经过的任一基站小区内的驻留时长均未超出预设驻留时间阈值，若否，则该用户不满足预设高速交通线路用户条件；若是，则进入步骤s32；

其中，这里的用户指的是用户标识对应的用户，而上述过程在软件程序内运行时，则这里的用户就是指的用户标识。

步骤s32：计算该用户的移动速度值，并判断该用户的移动速度值是否不低于预设速度阈值，若低于，则该用户不满足预设高速交通线路用户条件；若不低于，则进入步骤s33；

步骤s33：判断该用户经过所述多个基站小区的顺序与预设小区切换链是否匹配，若不匹配，则该用户不满足预设高速交通线路用户条件，若匹配，则该用户满足预设高速交通线路用户条件。

通过以上实施例，本发明提供了一种结合信令平台大数据对高速交通线路对应的移动通信网络进行数据分析的新思路，通过驻留时长、切换链、行车速度等多重条件，对真正的高速交通线路用户进行挖掘与识别，提高了高速交通线路用户的识别准确性和全面性；结合甄别出的高速交通线路用户进行大数据融合关联分析，包括Uu接口(用户设备与基站之间的接口)数据，X2接口(基站间的互联接口)数据，MR(Measurement Report，测量报告)数据，S1-MME数据等；通过真正的高速交通线路用户数据进行真实的高速公路的相关专题分析，真正做到每个真实的高速交通线路用户都是测试员，提升发现问题、解决问题的能力与效率。

以上仅为一种具体实施例，在上述实施例中，采用的判断顺序是依次判断驻留时长-移动速度值-切换链顺序，在其他实施例中，也可以先判断移动速度值，然后再判断驻留时长和切换链顺序，即这三个条件的判断顺序，本发明不作具体限定。综上所述，即当高速交通线路用户条件内包含多个条件时，这些条件之间的先后判断顺序，本发明不作具体限定。另外，当高速交通线路用户条件内包含多个条件时，这些条件之间也可以不采用串行判断的方式，而是采用并行判断的方式，即通过多个线程分别对不同的高速交通线路用户条件进行判断，例如，假设高速交通线路用户条件需要判断驻留时长和移动速度值，则可以采用两个进程分别判断用户的驻留时长和移动速度值是否满足，只有两个进程的判断结果均满足高速交通线路用户条件，则该用户才为高速交通线路用户。当然，具体采用哪种方式来进行高速交通线路用户的判断，本发明不作具体限定。

在优选实施例中，当得到高速用户列表后，还可对高速用户列表内的用户进行识准性(高速交通线路用户识别的准确性)和识全率(高速交通线路用户识别的全面率)调整，从而进一步的筛选高速交通线路用户，提高最终确定的高速交通线路用户的准确性。其中，识准性与识全率验证，需要路测配合，并进行算法调整。

其中，路测验证是通过路测的方式(多卡同时进行)，进行高速交通线路用户的识别对比，查看识准性与识全率。另外，还可通过抽样验证进行，通过对高速用户列表内的高速交通线路用户的用户数据进行分析，包括基站小区接入离开时间、基站小区占用情况、XDR信令信息等相关信息进行用户行为判断，来判断该用户是否为高速交通线路用户。

具体的，工作人员在设置高速交通线路用户的识准性与识全率调整方案时，需要基于以下思想来进行参数的调整：关于预设驻留时间阈值，预设驻留时间阈值设置过大，会导致最终筛选出的高速交通线路用户的数量增加，相应的，识准性会降低，识全率会增加。关于预设速度阈值，预设速度阈值设置过小，会导致最终筛选出的高速交通线路用户的数量增加，识准性会降低，识全率会增加。关于切换子链需要满足的个数，切换子链需要满足的个数设置过多，会导致最终筛选出的高速交通线路用户的数减少，识准性会增加，识全率会降低。当然，工作人员还可基于其他实际的考虑来进行上述各项参数数值的设置，本发明对此不作限定。

高速交通线路用户与信令平台中的大数据通过IMSI进行关联对应；之后可以将关联后的大数据，进行应用汇总计算，来方便后续分析，当然，本发明对此不作限定；之后，依据用户标识及其对应的信令数据进行高速交通线路对应的移动通信网络分析，参见图4所示，这里的高速交通线路对应的移动通信网络分析主要包括如下六个中的一种或几种的组合：

1、KPI分析

通过高速交通线路用户识别算法，甄别出的高速交通线路用户数据，依据集团的信令指标定义，进行高速交通线路用户KPI指标整合，有针对性的分析高速公路的KPI指标情况。在本发明中，由于通过预设的高速交通线路用户条件对基站小区内的用户进行了筛选，使得后续分析时，相比单纯查看基站小区的KPI指标更有意义，能够尽可能避免真实的高速公路问题，淹没在高速公路周围的常驻用户群体中，提高了移动通信网络数据分析优化过程中的针对性和准确性。

2、移动通信网络覆盖分析

针对识别出的高速交通线路用户对应的信令数据进行MR关联，关联后，依据高速交通线路用户对应的信令数据可以进行小区级弱覆盖、过覆盖、重叠覆盖等分析，得到覆盖分析结果。

3、移动通信网络切换分析

3.1切换合理性分析：将高速用户列表内每个用户标识经过多个基站小区的顺序与预设小区切换链进行比对，依据比对结果和预设合理性规则，进行切换合理性分析，得到切换合理性分析结果。

3.2切换邻区合理性分析：确定多个基站小区的邻区信息，据此得出多个基站小区中每个基站小区的目标邻区列表及其自身在目标邻区列表内的出现频次；将目标邻区列表以及出现频次与数据库预设配置参数进行比对，得到邻区漏配和邻区冗余的基站小区列表。其中，确定每个基站小区的邻区信息的过程为：在每个MR中通过实际测量邻区的频点和PCI码数据，翻译出基站小区每个邻区的小区号cell ID。之后将多个基站小区的邻区信息汇总，即得到目标邻区列表以及出现频次。其中，在生成邻区漏配和邻区冗余的基站小区列表时，列表内的各个基站小区排序可以根据测量报告里的相应邻区筛选信息，以出现频次倒序排列，当然，本发明对此不作限定。

4、移动通信网络干扰分析

4.1模三干扰：基于高速用户列表内各个用户标识对应的信令数据所涉及的基站小区与邻区的相关信息，计算多个基站小区中每个基站小区的模三干扰，得到模三干扰结果。其中，计算模三干扰的关系式为：

主PCI mod 3＝邻PCI mod 3；

|主RSRP-邻RSRP|<6dB采样点数/|主RSRP-邻RSRP|<6dB的总采样点数*100％。

其中，物理小区标识(Physical Cell Identity，PCI)用于进行基站小区的识别以及信道同步，其由基站小区标识分组号+基站小区标识号组成，且每个小区的PCI与其邻居的PCI不同。Mod为取余操作。这里的主PCI为当前计算模三干扰的基站小区的PCI，邻PCI为当前计算模三干扰的基站小区的邻区的PCI。电平信号强度(Reference Signal ReceivingPower，RSRP)。

4.2上行干扰：基于高速用户列表内各个用户标识对应的信令数据所涉及的基站小区的接收干扰功率以及采样点数，计算多个基站小区中每个基站小区的上行干扰，得到上行干扰结果。上行干扰的关系式为：

基站小区中eNB接收干扰功率大于-90dBm采样点所占的比例；

eNB接收干扰功率>-90dBm采样点数/总采样点数*100％。

5、移动通信网络工参核查分析

5.1、提取识别出的高速交通线路用户对应的信令数据中的各种参数值，分别依次与工参表中的数据进行核查比对，依据比对结果分析各项参数是否处于合理范围，一旦有参数数值不属于合理范围，则可以进行报警或者将这部分参数及其存在的问题进行显示提示，或者还可以采用其他方式提醒工作人员及时发现问题并进行处理。

5.2、通过大数据挖掘分析，对识别出的高速交通线路用户对应的信令数据中的参数的合理性进行分析，例如基站切换顺序的合理性等，工作人员可依据分析结果对高速交通线路对应的移动通信网络内的各项参数进行合理修正，从而有效的提升高速交通线路对应的移动通信网络的性能与用户体验。

6、移动通信网络隐性问题分析

依据识别出的高速交通线路用户对应的信令数据，从中筛选用户在业务中产生的失败消息的cause值并进行汇总及深度分析，从而方便工作人员依据分析结果发现一些移动通信网络的一些隐性的问题。

进一步的，在本发明得到分析结果之后，可将分析结果生成报表保存，还可进行界面显示。此外，分析结果可具体应用于高速交通线路对应的移动通信网络的优化，依据分析结果确定高速交通线路对应的移动通信网络存在的问题以及解决方案，进而解决高速交通线路对应的移动通信网络存在的问题，实现优化。例如基站小区的覆盖问题，可以通过基站小区天线的调整进行处理；基站小区的切换问题，可以通过修改切换参数门限进行调整等。

另一方面，本发明实施例提供了一种移动通信网络数据分析装置，参见图5所示，图5是本发明一个实施例提供的移动通信网络数据分析装置的结构示意图；该装置包括：

小区筛选模块1，用于确定高速交通线路对应的移动通信网络所覆盖的多个基站小区；

用户提取模块2，用于提取多个基站小区内的用户标识，得到小区用户列表；

用户筛选模块3，用于从小区用户列表内筛选满足预设的高速交通线路用户条件的用户标识，得到高速用户列表；

数据关联模块4，用于根据高速用户列表，从信令平台内获取与高速用户列表内的各个用户标识对应的信令数据；

分析模块5，用于基于高速用户列表内的各个用户标识及其对应的信令数据，进行高速交通线路对应的移动通信网络数据分析，得到分析结果。

再一方面，本发明实施例提供了一种移动通信网络数据分析设备，所述设备包括：处理器以及存储有计算机程序指令的存储器；

所述处理器执行所述计算机程序指令时实现如以上任意一项所述的移动通信网络数据分析方法。

具体地，图6示出了本发明实施例提供的移动通信网络数据分析的硬件结构示意图。上述处理器301可以包括中央处理器(CPU)，或者特定集成电路(Application SpecificIntegrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。

存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器302可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器302可在综合网关容灾设备的内部或外部。在特定实施例中，存储器302是非易失性固态存储器。在特定实施例中，存储器302包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。

处理器301通过读取并执行存储器302中存储的计算机程序指令，以实现上述实施例中的任意一种移动通信网络数据分析方法。

在一个示例中，移动通信网络数据分析设备还可包括通信接口303和总线310。其中，如图6所示，处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。

通信接口303，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。

总线310包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线310可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。

再一方面，本发明实施例提供了一种计算机存储介质，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如以上任意一项所述的移动通信网络数据分析方法。

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。

以上所述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。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上所述，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。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (11)

1.一种移动通信网络数据分析方法，其特征在于，包括：

确定高速交通线路对应的移动通信网络所覆盖的多个基站小区；

提取所述多个基站小区内的用户标识，得到小区用户列表；

从所述小区用户列表内筛选满足预设的高速交通线路用户条件的用户标识，得到高速用户列表；

根据所述高速用户列表，从信令平台内获取与所述高速用户列表内的各个用户标识对应的信令数据；

基于所述高速用户列表内的各个用户标识及其对应的信令数据，进行高速交通线路对应的移动通信网络数据分析，得到分析结果。

2.根据权利要求1所述的移动通信网络数据分析方法，其特征在于，所述高速交通线路用户条件包括：所述小区用户列表内的用户，在所述多个基站小区中自身经过的任一基站小区内的驻留时长均未超出预设驻留时间阈值。

3.根据权利要求1所述的移动通信网络数据分析方法，其特征在于，所述高速交通线路用户条件包括：所述小区用户列表内的用户的移动速度值不低于预设速度阈值。

4.根据权利要求1所述的移动通信网络数据分析方法，其特征在于，所述高速交通线路用户条件包括：所述小区用户列表内的用户经过所述多个基站小区的顺序与预设小区切换链匹配。

5.根据权利要求2所述的移动通信网络数据分析方法，其特征在于，所述从所述小区用户列表内筛选满足在所述多个基站小区中任一基站小区内的驻留时长均未超出预设驻留时间阈值的用户标识的过程，包括：

将所述小区用户列表内的各个用户标识分别与各个基站识别码进行组合，确定每个组合所对应的驻留时长并按照所述驻留时长的大小，将各个所述组合顺序进行排序；

依据排序结果，从中筛选满足在任一基站小区内的驻留时长均未超出所述预设驻留时间阈值的用户标识。

6.根据权利要求1-5任一项所述的移动通信网络数据分析方法，其特征在于，所述移动通信网络数据分析包括：

关键绩效指标KPI分析、移动通信网络覆盖分析、移动通信网络切换分析、移动通信网络干扰分析、移动通信网络工参核查分析、移动通信网络隐形问题分析中的任一种或几种的组合。

7.根据权利要求6所述的移动通信网络数据分析方法，其特征在于，所述移动通信网络切换分析包括：

将所述高速用户列表内每个用户标识经过所述多个基站小区的顺序与预设小区切换链进行比对，依据比对结果和预设合理性规则，进行切换合理性分析，得到切换合理性分析结果；

确定所述多个基站小区的邻区信息，据此得出所述多个基站小区中每个基站小区的目标邻区列表及其自身在所述目标邻区列表内的出现频次；

将所述目标邻区列表以及所述出现频次与数据库预设配置参数进行比对，得到邻区漏配和邻区冗余的基站小区列表。

8.根据权利要求6所述的移动通信网络数据分析方法，其特征在于，所述移动通信网络干扰分析包括：

基于所述高速用户列表内各个用户标识对应的信令数据所涉及的基站小区与邻区的相关信息，计算所述多个基站小区中每个基站小区的模三干扰，得到模三干扰结果；

基于所述高速用户列表内各个用户标识对应的信令数据所涉及的基站小区的接收干扰功率以及采样点数，计算所述多个基站小区中每个基站小区的上行干扰，得到上行干扰结果。

9.一种移动通信网络数据分析装置，其特征在于，所述装置包括：

小区筛选模块，用于确定高速交通线路对应的移动通信网络所覆盖的多个基站小区；

用户提取模块，用于提取所述多个基站小区内的用户标识，得到小区用户列表；

用户筛选模块，用于从所述小区用户列表内筛选满足预设的高速交通线路用户条件的用户标识，得到高速用户列表；

数据关联模块，用于根据所述高速用户列表，从信令平台内获取与所述高速用户列表内的各个用户标识对应的信令数据；

分析模块，用于基于所述高速用户列表内的各个用户标识及其对应的信令数据，进行高速交通线路对应的移动通信网络数据分析，得到分析结果。

10.一种移动通信网络数据分析设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；

所述处理器执行所述计算机程序指令时实现如权利要求1-8任意一项所述的移动通信网络数据分析方法。

11.一种计算机存储介质，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如权利要求1-8任意一项所述的移动通信网络数据分析方法。

Images