CN111866893B - 小区的容量优化处理方法及装置 - Google Patents
小区的容量优化处理方法及装置 Download PDFInfo
- Publication number
- CN111866893B CN111866893B CN201910357253.7A CN201910357253A CN111866893B CN 111866893 B CN111866893 B CN 111866893B CN 201910357253 A CN201910357253 A CN 201910357253A CN 111866893 B CN111866893 B CN 111866893B
- Authority
- CN
- China
- Prior art keywords
- cell
- analyzed
- capacity
- weight coefficient
- data
- 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
Classifications
-
- 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
- H04W16/18—Network planning tools
-
- 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
- H04W16/26—Cell enhancers or enhancement, e.g. for tunnels, building shadow
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种小区的容量优化处理方法及装置,方法包括:获取待分析小区的第一容量指标数据,按照预设的多维度关联权重系数算法,确定待分析小区的优先级权重系数;根据待分析小区的优先级权重系数判断待分析小区是否满足优化条件;若是,则获取待分析小区的各个邻区的第二容量指标数据,根据各个邻区的第二容量指标数据,按照预设的邻区影响系数算法确定待分析小区的邻区影响系数;根据待分析小区的优先级权重系数以及邻区影响系数,得到待分析小区的覆盖优化的评估结果。该方式通过权重系数分析快速定位扩容小区的优先级,结合邻区的指标数据,评估对扩容小区进行覆盖优化处理是否合理,提高扩容标准的准确性,从而快速高效地缓解容量问题。
Description
技术领域
本发明涉及网络优化技术领域,具体涉及一种小区的容量优化处理方法及装置。
背景技术
随着LTE用户数日益增多,现有网络容量压力日益严峻,容量问题和客户感知紧密相关,因此,如何降低容量压力,提升客户感知是一个重要的研究课题。现有的扩容标准如下:扩容标准按照大、中、小包的小区分类确定标准,当小区自忙时达到门限时实施载频扩容,例如,当一个小区的容量指标数据达到对应的门限值时,则确认该小区符合扩容标准。
然而,发明人在实现本发明的过程中发现:现有扩容方法以扩容为主,没有考虑到现网负荷和覆盖之间的关联,目前根据指标来筛选符合扩容条件的小区,只能说明这些小区存在容量问题,但是否需要扩容,还需要进一步判断,现有技术无法区分出来是否可以通过优化手段解决问题或者缓解问题。其次,现有的扩容标准没有区分优先级,如果按照现在扩容标准去扩容,容易导致大量的人力、物力的投入,造成资源浪费,且时效太低,无法优先解决容量问题严重的小区。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的小区的容量优化处理方法及装置。
根据本发明的一个方面,提供了一种小区的容量优化处理方法,包括:
获取待分析小区的第一容量指标数据,按照预设的多维度关联权重系数算法,确定待分析小区的优先级权重系数;
根据待分析小区的优先级权重系数判断待分析小区是否满足优化条件;
若是,则获取待分析小区的各个邻区的第二容量指标数据,根据各个邻区的第二容量指标数据,按照预设的邻区影响系数算法确定待分析小区的邻区影响系数;
根据待分析小区的优先级权重系数以及邻区影响系数,得到待分析小区的覆盖优化的评估结果
可选地,获取待分析小区的第一容量指标数据之后,方法进一步包括:
根据待分析小区的第一容量指标数据判断是否符合预设的扩容标准;
若是,则执行按照预设的多维度关联权重系数算法,确定待分析小区的优先级权重系数的步骤。
可选地,第一容量指标数据具体包括:
有效用户数、PRB利用率数据、日均业务量数据、小区低PHR采样点占比数据、TA数据、低CQI占比数据、上行利用率数据、下行利用率数据、上行流量数据、下行流量数据、MR覆盖率数据;
则预设的扩容标准具体为:
有效用户数达到门限值、上行利用率数据达到门限值并且上行流量数据达到门限值;或者,有效用户数达到门限值、下行利用率数据达到门限值并且下行流量数据达到门限值。
可选地,按照预设的多维度关联权重系数算法,确定待分析小区的优先级权重系数具体包括:
针对第一容量指标数据中包含的各项容量指标数据,确定该容量指标数据所属的容量指标区间所对应的权重因子;
根据各项容量指标数据所对应的权重因子以及权重值,计算得到待分析小区的优先级权重系数。
可选地,待分析小区的各个邻区具体为待分析小区的同频邻区和/或异频邻区。
可选地,根据待分析小区的优先级权重系数以及邻区影响系数,得到待分析小区的覆盖优化的评估结果具体包括:
若待分析小区的优先级权重系数和邻区影响系数之间的差值大于预设差值阈值,则得到能够对待分析小区进行覆盖优化处理的评估结果。
根据本发明的另一方面,提供了一种小区的容量优化处理装置,包括:
获取模块,用于获取待分析小区的第一容量指标数据;
第一计算模块,用于按照预设的多维度关联权重系数算法,确定待分析小区的优先级权重系数;
判断模块,用于根据待分析小区的优先级权重系数判断待分析小区是否满足优化条件;
第二计算模块,用于若判断待分析小区满足优化条件,则获取待分析小区的各个邻区的第二容量指标数据,根据各个邻区的第二容量指标数据,按照预设的邻区影响系数算法确定待分析小区的邻区影响系数;
处理模块,用于根据待分析小区的优先级权重系数以及邻区影响系数,得到待分析小区的覆盖优化的评估结果。
根据本发明的又一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述一种小区的容量优化处理方法对应的操作。
根据本发明的再一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述一种小区的容量优化处理方法对应的操作。
根据本发明所提供的小区的容量优化处理方法及装置,方法包括:获取待分析小区的第一容量指标数据,按照预设的多维度关联权重系数算法,确定待分析小区的优先级权重系数;根据待分析小区的优先级权重系数判断待分析小区是否满足优化条件;若是,则获取待分析小区的各个邻区的第二容量指标数据,根据各个邻区的第二容量指标数据,按照预设的邻区影响系数算法确定待分析小区的邻区影响系数;根据待分析小区的优先级权重系数以及邻区影响系数,得到待分析小区的覆盖优化的评估结果。该方式通过权重系数分析,快速定位扩容小区的优先级,能够指导相关人员针对优先级较高的扩容小区优先进行扩容,进一步还能够结合周边邻区的容量指标数据,评估对扩容小区进行覆盖优化处理的合理性,从而提高扩容标准的准确性,快速高效地缓解容量问题。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的小区的容量优化处理方法的流程示意图;
图2示出了根据本发明另一个实施例的小区的容量优化处理方法的流程示意图;
图3示出了根据本发明又一个实施例的小区的容量优化处理装置的功能模块图;
图4示出了根据本发明实施例的一种计算设备的结构示意图;
图5示出了根据本发明实施例的一种应用系统的功能模块示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的小区的容量优化处理方法的流程示意图,如图1所示,该方法包括:
步骤S101,获取待分析小区的第一容量指标数据,按照预设的多维度关联权重系数算法,确定待分析小区的优先级权重系数。
其中,第一容量指标数据包括多个维度的容量指标数据,容量指标数据是指表征网络能够到达远近的数据,例如,关联用户数、PRB利用率、业务量、PHR、TA、CQI、MR覆盖率等多个维度的数据。然后,按照预设的多维度关联权重系数算法,计算出待分析小区的优先级权重系数,优先级权重系数可定义该待分析小区的扩容优先级,优先级权重系数满足一定的条件时,例如处于预设的阈值范围内,则表明待分析小区的容量压力较大需要优先进行处理,以及认定该待分析小区的容量问题可能是由覆盖导致的。
步骤S102,根据待分析小区的优先级权重系数判断待分析小区是否满足优化条件。
该步骤即根据待分析小区的优先级权重系数进行初步判断,若根据优先级权重系数判断出待分析小区满足优化条件,则可以优先考虑该待分析小区的覆盖优化问题。
步骤S103,若待分析小区满足优化条件,则获取待分析小区的各个邻区的第二容量指标数据,根据各个邻区的第二容量指标数据,按照预设的邻区影响系数算法确定待分析小区的邻区影响系数。
除了对待分析小区本身的覆盖问题进行考虑之外,还需要考虑在对待分析小区进行覆盖优化的情况下,给待分析小区的各个邻区的容量压力所带来的影响,简单地来讲,需要进一步结合待分析小区的各个邻区的情况来判断对待分析小区进行覆盖优化是否合理。举例来说,待分析小区的和其各个邻区的容量压力都较大,此时对待分析小区进行覆盖优化,可能会进一步增加邻区的容量压力。因此,本实施例中,若初步判断出待分析小区满足优化条件,则进一步对待分析小区各个邻区的影响进行评估,评估对待分析小区进行覆盖容量优化处理的合理性。
具体地,提取各个邻区的第二容量指标数据,与上述第一容量指标数据一样,第二容量指标数据也是表征网络能够到达远近的数据,在此不进行赘述。然后,按照预设的邻区影响系数算法确定待分析小区的邻区影响系数,邻区影响系数能够表征待分析小区对邻区的优先级权重系数的影响程度。
步骤S104,根据待分析小区的优先级权重系数以及邻区影响系数,得到待分析小区的覆盖优化的评估结果。
其中,待分析小区的覆盖优化的评估结果即是:对待分析小区进行覆盖优化处理的合理性的结果,该步骤即根据待分析小区的优先级权重系数以及邻区影响系数,评估是否能够对待分析小区进行覆盖优化处理,得到评估结果。
根据本实施例所提供的小区的容量优化处理方法,获取待分析小区的第一容量指标数据,按照预设的多维度关联权重系数算法,确定待分析小区的优先级权重系数;根据待分析小区的优先级权重系数判断待分析小区是否满足优化条件;若是,则获取待分析小区的各个邻区的第二容量指标数据,根据各个邻区的第二容量指标数据,按照预设的邻区影响系数算法确定待分析小区的邻区影响系数;根据待分析小区的优先级权重系数以及邻区影响系数,得到待分析小区的覆盖优化的评估结果。该方式通过权重系数分析,快速定位扩容小区的优先级,能够指导相关人员针对优先级较高的扩容小区优先进行扩容,进一步还能够结合周边邻区的数据,确定对扩容小区进行覆盖优化处理是否合理,得到对待分析小区进行覆盖优化处理的合理性的评估结果,从而提高扩容标准的准确性,快速高效地缓解容量问题。
图2示出了根据本发明另一个实施例的小区的容量优化处理方法的流程示意图,如图2所示,该方法包括:
步骤S201,获取待分析小区的第一容量指标数据,根据待分析小区的第一容量指标数据判断是否符合预设的扩容标准。
例如,可以通过OMC平台和网优平台、经分数据平台、MR等平台获取待分析小区的第一容量指标数据,优选地,获取待分析小区每日自忙时的各项容量指标数据,也即流量最大时间段内的各项容量指标数据。
然后,根据待分析小区的第一容量指标数据判断是否符合预设的扩容标准。其中,第一容量指标数据包括:有效用户数、PRB利用率数据、日均业务量数据、小区低PHR采样点占比数据、TA数据、低CQI占比数据、上行利用率数据、下行利用率数据、上行流量数据、下行流量数据、MR覆盖率数据
其中,预设的扩容标准按照大、中、小包的小区分类确定标准,预设的扩容标准规定了各项容量指标数据的门限值,表一示出本发明一个实施例中各项第一容量指标数据的门限值。
表一
可选地,预设的扩容标准具体为:有效用户数达到门限值、上行利用率数据达到门限值并且上行流量数据达到门限值;或者,有效用户数达到门限值、下行利用率数据达到门限值并且下行流量数据达到门限值。优选地,预设的扩容标准具体为:有效用户数达到门限值、上行利用率数据达到门限值并且上行流量数据达到门限值的情况出现的频次达到预设频次阈值,或者有效用户数达到门限值、下行利用率数据达到门限值并且下行流量数据达到门限值的情况出现的频次达到预设频次阈值,例如一周之内出现的次数达到3次或者以上,则判定符合预设的扩容标准。
步骤S202,若根据待分析小区的第一容量指标数据判断出符合预设的扩容标准,针对第一容量指标数据中包含的各项容量指标数据,确定该容量指标数据所属的容量指标区间所对应的权重因子。
若根据待分析小区的第一容量指标数据判断出符合预设的扩容标准,则对各项第一容量指标数据进行关联分析,确定待分析小区的优先级权重系数。若根据待分析小区的第一容量指标数据判断出不符合预设的扩容标准,则不执行后续的关联分析步骤。由此可见,本实施例中选取的是满足预设的扩容标准的小区进行分析,也即仅选取容量出现问题的小区进行分析,这种方式能够快速高效地缓解容量问题。
步骤S203,根据各项容量指标数据所对应的权重因子以及权重值,计算得到待分析小区的优先级权重系数。
表二
表二示出了容量指标数据的指标区间与权重值之间的对应关系。其中,各项容量指标数据的权重值可以根据其重要程度来确定,例如,由于MR覆盖率、TA数据均为覆盖的直接体现指标,是基于覆盖容量优化的基础,因此可以定义0.5的权重值;PHR和低CQI占比体现上行网络质量及下行网络质量,均作为覆盖质量优化的辅助参考标准,因此权重值相对较低,可以定义0.2的权重值。
具体地,根据各项容量指标数据的指标值,判断指标值具体位于哪个区间,然后计算各项容量指标数据的指标系数。其中,指标值在区间1,指标系数为权重值*权重因子1,权重因子1可以为0%;指标值在区间2,指标系数为权重值*权重因子2,权重因子2可以为20%;指标值在区间3,指标系数为权重值*权重因子3,权重因子3可以为50%;指标值在区间4,指标系数为权重值*权重因子4,权重因子4可以为80%;指标值在区间5,指标系数为权重值*权重因子5,权重因子5可以为100%。其中,容量指标数据位于所属的指标区间的序号越大,表明小区的容量压力越大,那么设置该指标区间对应的权重因子越大,各个指标区间所对应的权重因子都可以根据实际的业务需要进行设。
上述表二示出了多种关联分析数据,其中,TA数据表征的是覆盖距离,覆盖距离越远,则吸纳的用户数越多,从而流量越高、PRB利用率也会升高,该指标和扩容标准正相关;MR覆盖率反映了小区的覆盖质量,作为覆盖优化的关键参考指标;PHR功率余量作为上行网络质量参考;低CQI占比指信道质量,作为下行网络质量的优化参考标准,PHR和CQI均和覆盖质量紧密相关,因此作为基于覆盖容量优化关联指标,详细说明如下:
TA数据:表征的是UE与天线端口之间的距离,1Ts对应的时间提前量距离等于:(3*10^8*1/(15000*2048))/2=4.89m。含义就是距离=传播速度(光速)*1Ts/2(上下行路径和)。TA命令值对应的距离都是参照1Ts来计算的。UE调整上行发射时间Nta=TA*16Ts,值恒为正。选取关联TA,是由于TA表征的是覆盖距离,如覆盖距离越远,则吸纳的用户数越多,从而流量越高、PRB利用率也会升高,该指标和扩容标准正相关。
MR覆盖率:LTE MR覆盖率=(参考信号接收功率采样点点数求和-自_参考信号接收功率CJ01_<-110_Eutrancell)求和)/参考信号接收功率采样点点数求和。该指标为覆盖的重要指标,关联该指标是基于覆盖的优化方法的基础,MR覆盖率越低,反映了小区覆盖情况越差,存在覆盖的优化空间。
PHR是指Power Headroom,中文为功率余量,即UE允许的最大传输功率与当前评估得到的PUSCH传输功率之间的差值,用公式可以简单的表示为:PH=UEAllowedMaxTransPower–PuschPower。选取关联该指标是由于该指标可以作为eNB分配上行RB资源的一个重要参考依据,体现上行网络质量的一个参考。
低CQI占比:CQI:(Channel Quality Indicator,信道质量指示)是无线信道的通信质量的测量标准,由终端基于下行信道的SINR测量上报的,它的高低取决于SINR,即说明CQI与网络覆盖直接相关,因此关联低CQI占比指标作为覆盖优化的一个参考标准。
下面举例具体解释确定待分析小区的优先级权重系数的算法:
首先,提取待分析小区的所有MRO数据、TA数据,然后计算待分析小区的优先级权重系数。(1)设置待分析小区的优先级权重初始系数P0,例如,0.4-0.5,优先级全权重初始系数根据对实际的数据进行计算处理得到;(2)计算MR覆盖率系数:S1=P0+0.5*(X%)指标值,这里的X%即是权重因子,根据MR覆盖率的具体数值进行确定,参见上述描述,在此不进行赘述;计算日均业务量系数:S2=P0+S1+0.2*(X%);(3)计算TA数据系数:S3=P0+S1+S2+0.5*(X%);然后,计算分析小区中所有覆盖权值系数(即优先级权重系数),由此到待分析小区的优先级权重系数。本示例中,涉及的容量指标数据仅包括:MR覆盖率、日均业务量和TA数据,当然在实际应用中,还可以引入其他的各项容量指标数据,计算方法参照上述描述,在此不进行赘述。
步骤S204,根据待分析小区的优先级权重系数判断待分析小区是否满足优化条件。
具体地,设定一个特定的阈值区间,判断待分析小区的优先级权系数是否属于该特定的阈值区间,若是,则判定待分析小区满足优化条件。反之,则判定待分析小区不满足优化条件。
步骤S205,若待分析小区满足优化条件,则获取待分析小区的各个邻区的第二容量指标数据,根据各个邻区的第二容量指标数据,按照预设的邻区影响系数算法确定待分析小区的邻区影响系数。
其中,待分析小区的各个邻区具体为待分析小区的各个同频邻区和/或异频邻区,在实际应用中,可以选取6个邻区进行联合分析。
除了对待分析小区本身的覆盖问题进行考虑之外,还需要考虑在对待分析小区进行覆盖优化的情况下,给待分析小区的邻区的容量所带来的影响,简单地来讲,需要进一步结合待分析小区的邻区的情况来判断对待分析小区进行覆盖优化处理是否合理,举例来说,待分析小区的和其邻区的容量压力都较大,此时对待分析小区进行覆盖优化,可能增大邻区的容量压力。因此,本实施例中,若初步判断出待分析小区满足优化条件,则进一步对各个邻区影响进行评估,评估对待分析小区进行覆盖容量优化处理的合理性。
具体地,提取各个邻区的第二容量指标数据,与上述第一容量指标数据一样,第二容量指标数据也是表征网络能够到达的远近的数据,在此不进行赘述。然后,按照预设的邻区影响系数算法确定待分析小区的邻区影响系数,邻区影响系数能够表征待分析小区对邻区的优先级权重系数的影响程度。
例如,提取邻区的TA数据、低PHR采样点以及日均业务量,对每个MRO测量样本点,计算各个邻区的扩容权重值,然后根据各个邻区的第二容量数据以及各个邻区的扩容权重值计算邻区影响系数。针对于每一个邻区,按照上述计算优先级权重系数的方式计算该邻区的优先级权重系数,然后将该邻区的优先级权重系数乘以该邻区的扩容权重值,得到该邻区的影响系数;然后,将计算得到的各个邻区的影响系数进行累加,得到该待分析小区的邻区影响系数。其中,待分析小区的RSRP数据大于或者等于各个邻区的RSRP数据。
步骤S206,若待分析小区的优先级权重系数和邻区影响系数之间的差值大于预设差值阈值,则得到能够对待分析小区进行覆盖优化处理的评估结果。
若待分析小区的优先级权重系数远远大于邻区影响系数,表明对待分析小区进行覆盖优化处理不会加剧其邻区的容量压力,则得到能够对待分析小区进行覆盖优化处理的评估结果,也即对待分析小区进行覆盖优化处理是合理的。
下面举例说明本发明方法的一个具体实施方式:
选取1个扩容小区、6个邻区进行该方案关联分析,共计关联用户数、PRB利用率、业务量、PHR、TA、CQI、MR覆盖率等指标,根据权重系数及算法分析过程如下:
第一、小区选取标准:
目前小区选取标准,主要是满足扩容标准的小区,且对客户感知影响较高类的小区,该类小区用户数、PRB利用率、业务量均已经满足扩容条件。
第二、权重系数分析:
选取问题小区的关联指标,权重系数由于MR覆盖率、TA均为覆盖的直接体现指标,是基于覆盖容量优化的基础,因此均定义0.5的系数值;PHR和低CQI占比体现上行网络质量及下行网络质量,均作为覆盖质量优化的辅助参考标准,因此权重值相对较低,定义0.2的系数值。
第三、矩阵模型构建:
依据优先级权重系数形成容量覆盖矩阵的构建。
对于待分析小区,其覆盖矩阵主要基于MRO数据、日均业务量和TA数据进行构建,具体建立过程如下:
(1)提取待分析小区的所有MRO数据、TA数据。
(2)对待分析小区的权重系数进行计算。
设置待分析小区的优先级权重初始系数为P0;优先计算MR覆盖率系数:S1=P0+0.5*(X%)指标值;计算日均业务量系数:S2=P0+S1+0.2*(X%)计算TA数据系数:S3=P0+S1+S2+0.5*(X%);计算分析小区中所有覆盖权值系数:
(3)对所有覆盖的影响进行归一化,最终得到容量覆盖矩阵,例如对于某待分析小区,最终建立的覆盖矩阵格式如下表三:
表三
小区名称 | MR覆盖率 | TA | 低PHR采样点 | 日均业务量 | 低CQI占比 |
待分析小区 | 35% | 20% | 10% | 25% | 10% |
对于容量问题小区的周边小区,其覆盖矩阵主要基于邻区的MRO数据及TA数据建立,具体建立过程如下:
(1)提取待分析小区的邻区的所有MRO数据;
(2)确定所有的同频物理邻区,提取同频物理邻区的TA、低PHR采样点、日均业务量。
对每个MRO测量样本点,计算同频、异频物理邻区的扩容权重值;该测量样本点包含邻区,且邻区与待分析小区的权重系数存在差值,则RSRP服务小区1>=RSRP邻区1,覆盖系数=RSRP邻区1/RSRP服务小区;计算周粒度指标内邻区1的权重系数影响程度;集总覆盖影响邻区1=Σ测量到邻区1所有样本点的覆盖系数影响。
(3)计算所有同频邻区的24小时覆盖系数影响。
(4)对所有同频邻区的覆盖进行归一化,最终得到邻区覆盖矩阵。例如,对于邻区覆盖矩阵,最终建立的矩阵格式如表四所示。
表四
小区名称 | 同频邻区1 | 同频邻区2 | 同频邻区3 | 异频邻区1 | 异频邻区2 | 异频邻区3 |
分析小区 | 30% | 20% | 10% | 20% | 10% | 5% |
表五
表六
下面描述本发明理论的一个实际应用,选取河北某地市4G待扩容小区,按照多维度关联权重系数算法分析,指标权值1.52,指标及得分详情如表五所示。按照权值分析,可优先排查覆盖问题,由优化人员上站核查,结果如下:该LTE站点为灯杆站,天线挂高40米,1小区下倾角为0度,为越区覆盖小区,且美化罩天线,调整受限,经过塔工上站天馈整改后,机械下倾角由0度调整至6度,指标改善明显。表六示出了指标优化前后对比情况。
表七示出了待分析小区周边的同频邻区及异频邻区指标权值系数分析情况。由表七可知,天馈优化调整后,指标改善明显,覆盖优化前该小区满足集团扩容标准,需要按照扩容标准进行小区扩容,但天馈优化后,越区覆盖改善明显,关键指标明细提升,MR弱覆盖比例降低15.61%,低CQI占比降低83.91%,上行PRB利用率降低26.77%,下行PRB利用率降低29.61%,优化后指标已经不符合集团扩容标准,无需进行扩容,且进行周边邻区进行叠带分析,指标权值均在正在幅度波动范围内,无明显恶化及其他影响,证明本发明方案的可行性,因此本发明提供了一种基于覆盖的容量优化方法,能及时有效的缓解容量问题,改善用户感知。
综上所述,根据本发明所提供的小区的容量优化处理方法,首先按照预设的扩容标准能够筛选出容量问题小区,根据关联用户数、PRB利用率、业务量、PHR、TA、CQI、MR覆盖多维度权重系数,表征网络能够大的远近的数据。按照权重系数可定义扩容小区优先级,并分析出覆盖原因导致的容量问题小区,从而快速高效的缓解容量问题,降低扩容小区量,提高客户感知。还能够进一步根据邻区的容量指标数据评估对容量问题小区进行覆盖优化处理的合理性,提高扩容标准的准确性,快速提升高负荷小区的容量感知,从而快速高效地缓解容量问题。
表七
在实际应用中,可以基于本发明的方案构建应用系统,图5示出了根据本发明实施例的一种应用系统的功能模块示意图,如图5所示,应用系统具体包括:
其中,数据采集模块:用于解析北向数据,MR数据、网优平台数据等进行数据汇集。
智能分析模块:利用大数据技术,对解析的数据中有效信息进行汇集入库,构建覆盖指纹库。
权重系数算法:根据权重系数算法,计算小区权重系数;根据天馈。
效果评估模块:呈现优化方案分析过程,输出容量问题覆盖解决方案,包括天馈优化及参数优化等方法,并对实施效果和预期效果进行评估。
图3示出了根据本发明又一个实施例的小区的容量优化处理装置的流程示意图,如图3所示,该装置包括:
获取模块31,用于获取待分析小区的第一容量指标数据;
第一计算模块32,用于按照预设的多维度关联权重系数算法,确定待分析小区的优先级权重系数;
判断模块33,用于根据待分析小区的优先级权重系数判断待分析小区是否满足优化条件;
第二计算模块34,用于若判断待分析小区满足优化条件,则获取待分析小区的各个邻区的第二容量指标数据,根据各个邻区的第二容量指标数据,按照预设的邻区影响系数算法确定待分析小区的邻区影响系数;
处理模块35,用于根据待分析小区的优先级权重系数以及邻区影响系数,得到待分析小区的覆盖优化的评估结果。
本申请实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的小区的容量优化处理方法。
图4示出了根据本发明实施例的一种计算设备的结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图4所示,该计算设备可以包括:处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中:
处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402,用于执行程序410,具体可以执行上述小区的容量优化处理方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器406,用于存放程序410。存储器406可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行以下操作:获取待分析小区的第一容量指标数据,按照预设的多维度关联权重系数算法,确定待分析小区的优先级权重系数;根据待分析小区的优先级权重系数判断待分析小区是否满足优化条件;若是,则获取待分析小区的各个邻区的第二容量指标数据,根据各个邻区的第二容量指标数据,按照预设的邻区影响系数算法确定待分析小区的邻区影响系数;根据待分析小区的优先级权重系数以及邻区影响系数,得到待分析小区的覆盖优化的评估结果。
在一种可选的方式中,获取待分析小区的第一容量指标数据之后,程序410具体可以用于使得处理器402执行以下操作:根据待分析小区的第一容量指标数据判断是否符合预设的扩容标准;
若是,则执行按照预设的多维度关联权重系数算法,确定所述待分析小区的优先级权重系数的步骤。
在一种可选的方式中,第一容量指标数据具体包括:
有效用户数、PRB利用率数据、日均业务量数据、小区低PHR采样点占比数据、TA数据、低CQI占比数据、上行利用率数据、下行利用率数据、上行流量数据、下行流量数据、MR覆盖率数据;
则预设的扩容标准具体为:
有效用户数达到门限值、上行利用率数据达到门限值并且上行流量数据达到门限值;或者,有效用户数达到门限值、下行利用率数据达到门限值并且下行流量数据达到门限值。
在一种可选的方式中,程序410具体可以用于使得处理器402执行以下操作:针对第一容量指标数据中包含的各项容量指标数据,确定该容量指标数据所属的容量指标区间所对应的权重因子;
根据各项容量指标数据所对应的权重因子以及权重值,计算得到待分析小区的优先级权重系数。
在一种可选的方式中,待分析小区的各个邻区具体为待分析小区的同频邻区和/或异频邻区。
在一种可选的方式中,程序410具体可以用于使得处理器402执行以下操作:若待分析小区的优先级权重系数和邻区影响系数之间的差值大于预设差值阈值,则得到能够对待分析小区进行覆盖优化处理的评估结果。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的计算设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (9)
1.一种小区的容量优化处理方法,包括:
获取待分析小区的第一容量指标数据,按照预设的多维度关联权重系数算法,确定所述待分析小区的优先级权重系数;
根据所述待分析小区的优先级权重系数判断所述待分析小区是否满足优化条件;
若是,则获取所述待分析小区的各个邻区的第二容量指标数据,提取各个邻区的TA数据、低PHR采样点以及日均业务量,对每个MRO测量样本点,计算各个邻区的扩容权重值;根据各个邻区的第二容量指标数以及各个邻区的扩容权重值计算邻区影响系数;针对于每一个邻区计算优先级权重系数,将该邻区的优先级权重系数乘以该邻区的扩容权重值,得到该邻区的影响系数;将计算得到的各个邻区的影响系数进行累加,得到待分析小区的邻区影响系数;
根据所述待分析小区的优先级权重系数以及邻区影响系数,得到所述待分析小区的覆盖优化的评估结果。
2.根据权利要求1所述的方法,其中,所述获取待分析小区的第一容量指标数据之后,所述方法进一步包括:
根据所述待分析小区的第一容量指标数据判断是否符合预设的扩容标准;
若是,则执行按照预设的多维度关联权重系数算法,确定所述待分析小区的优先级权重系数的步骤。
3.根据权利要求2所述的方法,其中,所述第一容量指标数据具体包括:
有效用户数、PRB利用率数据、日均业务量数据、小区低PHR采样点占比数据、TA数据、低CQI占比数据、上行利用率数据、下行利用率数据、上行流量数据、下行流量数据、MR覆盖率数据;
则所述预设的扩容标准具体为:
有效用户数达到门限值、上行利用率数据达到门限值并且上行流量数据达到门限值;或者,有效用户数达到门限值、下行利用率数据达到门限值并且下行流量数据达到门限值。
4.根据权利要求1所述的方法,其中,所述按照预设的多维度关联权重系数算法,确定所述待分析小区的优先级权重系数具体包括:
针对第一容量指标数据中包含的各项容量指标数据,确定该容量指标数据所属的容量指标区间所对应的权重因子;
根据各项容量指标数据所对应的权重因子以及权重值,计算得到所述待分析小区的优先级权重系数。
5.根据权利要求1所述的方法,其中,所述待分析小区的各个邻区具体为待分析小区的同频邻区和/或异频邻区。
6.根据权利要求1所述的方法,其中,所述根据所述待分析小区的优先级权重系数以及邻区影响系数,得到所述待分析小区的覆盖优化的评估结果具体包括:
若所述待分析小区的优先级权重系数和邻区影响系数之间的差值大于预设差值阈值,则得到能够对待分析小区进行覆盖优化处理的评估结果。
7.一种小区的容量优化处理装置,包括:
获取模块,用于获取待分析小区的第一容量指标数据;
第一计算模块,用于按照预设的多维度关联权重系数算法,确定所述待分析小区的优先级权重系数;
判断模块,用于根据所述待分析小区的优先级权重系数判断所述待分析小区是否满足优化条件;
第二计算模块,用于若判断所述待分析小区满足优化条件,则获取所述待分析小区的各个邻区的第二容量指标数据,提取各个邻区的TA数据、低PHR采样点以及日均业务量,对每个MRO测量样本点,计算各个邻区的扩容权重值;根据各个邻区的第二容量指标数以及各个邻区的扩容权重值计算邻区影响系数;针对于每一个邻区计算优先级权重系数,将该邻区的优先级权重系数乘以该邻区的扩容权重值,得到该邻区的影响系数;将计算得到的各个邻区的影响系数进行累加,得到待分析小区的邻区影响系数;
处理模块,用于根据所述待分析小区的优先级权重系数以及邻区影响系数,得到所述待分析小区的覆盖优化的评估结果。
8.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-6中任一项所述的小区的容量优化处理方法对应的操作。
9.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-6中任一项所述的小区的容量优化处理方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910357253.7A CN111866893B (zh) | 2019-04-29 | 2019-04-29 | 小区的容量优化处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910357253.7A CN111866893B (zh) | 2019-04-29 | 2019-04-29 | 小区的容量优化处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111866893A CN111866893A (zh) | 2020-10-30 |
CN111866893B true CN111866893B (zh) | 2023-07-21 |
Family
ID=72966388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910357253.7A Active CN111866893B (zh) | 2019-04-29 | 2019-04-29 | 小区的容量优化处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111866893B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115250495A (zh) * | 2022-06-08 | 2022-10-28 | 浪潮通信信息系统有限公司 | 无线高负荷小区多维扩容评估方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016062161A1 (zh) * | 2014-10-24 | 2016-04-28 | 中兴通讯股份有限公司 | 资源利用方法及装置 |
WO2018040677A1 (zh) * | 2016-08-31 | 2018-03-08 | 深圳市中兴微电子技术有限公司 | 一种小区重选的方法和装置、存储介质 |
CN109195170A (zh) * | 2018-08-31 | 2019-01-11 | 中国联合网络通信集团有限公司 | 小区扩容方法、装置及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8301156B2 (en) * | 2008-09-25 | 2012-10-30 | Optimi Corporation | Load balancing for capacity improvement in mobile wireless communication networks |
US8996004B2 (en) * | 2008-10-29 | 2015-03-31 | Qualcomm Incorporated | Methods and systems for manual cell selection in boundary area for wireless devices |
CN101459916B (zh) * | 2009-01-05 | 2010-09-22 | 普天信息技术研究院有限公司 | 一种确定邻区优先级的方法 |
WO2011158501A1 (ja) * | 2010-06-16 | 2011-12-22 | 日本電気株式会社 | 無線通信システム、隣接セルリスト最適化システム、基地局、隣接セルリスト更新方法およびプログラム |
CN104427531B (zh) * | 2013-08-29 | 2018-05-18 | 中国移动通信集团浙江有限公司 | 一种邻区优化方法及装置 |
CN105828393B (zh) * | 2015-01-06 | 2020-01-14 | 中国移动通信集团上海有限公司 | 一种系统间邻区配置方法及装置 |
US10334456B2 (en) * | 2017-07-06 | 2019-06-25 | Futurewei Technologies, Inc. | Optimizing cellular networks using deep learning |
-
2019
- 2019-04-29 CN CN201910357253.7A patent/CN111866893B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016062161A1 (zh) * | 2014-10-24 | 2016-04-28 | 中兴通讯股份有限公司 | 资源利用方法及装置 |
WO2018040677A1 (zh) * | 2016-08-31 | 2018-03-08 | 深圳市中兴微电子技术有限公司 | 一种小区重选的方法和装置、存储介质 |
CN109195170A (zh) * | 2018-08-31 | 2019-01-11 | 中国联合网络通信集团有限公司 | 小区扩容方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111866893A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109905882B (zh) | 一种网络扩容方法及装置 | |
CN106412973A (zh) | 一种网络覆盖质量检测方法及装置 | |
CN103002495A (zh) | 无线网络结构的评估方法及装置 | |
CN105163344A (zh) | 一种td-lte系统内干扰的定位方法 | |
CN104333492A (zh) | 一种评估通信网络结构合理性的方法及装置 | |
CN109981196B (zh) | 一种网络结构评估方法及装置 | |
CN105636088A (zh) | 一种处理小区间干扰的方法、设备、控制装置及基站 | |
CN111263389A (zh) | 一种Volte语音质量问题的自动化定位的方法及装置 | |
CN106714189B (zh) | 一种小区过覆盖的分析方法及装置 | |
CN108810950B (zh) | 一种识别可删除的小区的方法及相关设备 | |
CN108540299B (zh) | 一种网络故障定位处理方法及装置 | |
CN111866893B (zh) | 小区的容量优化处理方法及装置 | |
CN103795481A (zh) | 一种基于自由概率理论的协作频谱感知方法 | |
CN106921978B (zh) | 一种位置分布确定方法及装置 | |
CN109995549A (zh) | 一种评估流量价值的方法及装置 | |
CN109982333B (zh) | 一种td-lte深度覆盖补盲的选址方法及系统 | |
CN112653493A (zh) | 天线权值优化方法、装置、计算设备及存储介质 | |
WO2017211178A1 (zh) | 划分超级小区的方法及装置 | |
CN109982374B (zh) | 一种小区天馈覆盖一致性判断方法及装置 | |
CN111263382B (zh) | 一种导致重叠覆盖的问题源小区的确定方法、装置和设备 | |
CN114615693A (zh) | 网络容量预测方法、装置、电子设备及计算机存储介质 | |
CN111385821B (zh) | 一种lte载波需求数量预测的方法和装置 | |
CN106412936B (zh) | 一种定位低驻留比小区的方法及装置 | |
CN106879003B (zh) | 一种网络优化质量评估方法及装置 | |
CN109495900B (zh) | 一种扩容方法、装置和计算机可读存储介质 |
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 |