CN111934750B - 一种无人机基站的部署方法、系统、设备及存储介质 - Google Patents

一种无人机基站的部署方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN111934750B
CN111934750B CN202010823734.5A CN202010823734A CN111934750B CN 111934750 B CN111934750 B CN 111934750B CN 202010823734 A CN202010823734 A CN 202010823734A CN 111934750 B CN111934750 B CN 111934750B
Authority
CN
China
Prior art keywords
user terminal
cluster
clustering
priority
weight
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
Application number
CN202010823734.5A
Other languages
English (en)
Other versions
CN111934750A (zh
Inventor
饶鹏
王体
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.)
Hytera Communications Corp Ltd
Original Assignee
Hytera Communications Corp 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 Hytera Communications Corp Ltd filed Critical Hytera Communications Corp Ltd
Priority to CN202010823734.5A priority Critical patent/CN111934750B/zh
Publication of CN111934750A publication Critical patent/CN111934750A/zh
Application granted granted Critical
Publication of CN111934750B publication Critical patent/CN111934750B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/18502—Airborne stations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种无人机基站的部署方法、系统、设备及存储介质，包括：基于用户终端的总数量和小区支持的用户终端的数量确定聚类簇数；基于聚类簇数对所有用户终端进行聚类，确定每个聚类簇的中心位置以及对应的聚类簇的范围；分别比较每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径，若否则将每个聚类簇的中心位置确定为无人机基站的部署位置，若是则：依次递增聚类簇数，直至基于重新确定的聚类簇数对所有用户终端进行聚类确定的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于小区预设支持半径，将重新确定的每个聚类簇的中心位置确定为无人机基站的部署位置。本发明简单有效的实现了无人机基站部署。

Description

一种无人机基站的部署方法、系统、设备及存储介质
技术领域
本发明涉及通信技术领域，尤其涉及一种无人机基站的部署方法、系统、设备及存储介质。
背景技术
目前，随着电子技术的不断发展，无人机也得到了广泛的应用。为保证无人机的通信能力，需要为无人机部署相应的基站。
目前，在为无人机部署相应的基站时，主要是根据无人机工作的目标区域的形状及面积，将目标区域划分成多个小区，然后以每个小区的中心位置作为无人机基站部署的初始位置。因此可以看出，现有的为无人机部署基站的方式，需要提前了解目标区域的形状及面积，实现较为困难。
因此，如何简单有效的为无人机部署基站，是一项亟待解决的问题。
发明内容
有鉴于此，本发明提供了一种无人机基站的部署方法，在为无人机部署基站时，无需提前获知目标区域的形状及面积，简单有效的实现了无人机基站部署。
本发明提供了一种无人机基站的部署方法，包括：基于用户终端的总数量和小区支持的用户终端的数量确定聚类簇数；
基于所述聚类簇数对所有所述用户终端进行聚类，确定每个聚类簇的中心位置以及对应的聚类簇的范围；
分别比较每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径，若否，则将每个聚类簇的中心位置确定为无人机基站的部署位置，若是，则：
依次递增聚类簇数，直至基于重新确定的聚类簇数对所有所述用户终端进行聚类确定的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于所述小区预设支持半径，将重新确定的每个聚类簇的中心位置确定为无人机基站的部署位置。
优选地，所述基于所述聚类簇数对所有所述用户终端进行聚类，包括：
确定每个所述用户终端的位置信息；
基于所述聚类簇数以及每个所述用户终端的位置信息，对所有所述用户终端进行聚类。
优选地，所述基于所述聚类簇数对所有所述用户终端进行聚类，包括：
确定每个所述用户终端的位置信息；
确定每个所述用户终端的权重；
基于所述聚类簇数，将所有所述用户终端的位置信息加上对应的所述用户终端的权重进行聚类。
优选地，所述确定每个所述用户终端的权重，包括：
获取每个所述用户终端的静态优先级以及对应的静态优先级权重；
分别计算每个所述用户终端的静态优先级与对应的静态优先级权重的乘积，将所述用户终端的静态优先级与对应的静态优先级权重的乘积确定为所述用户终端的权重。
优选地，所述确定每个所述用户终端的权重，包括：
获取每个所述用户终端的静态优先级以及对应的静态优先级权重；
获取每个所述用户终端的动态优先级以及对应的动态优先级权重；
分别计算每个所述用户终端的静态优先级与对应的静态优先级权重的乘积，以及所述用户终端的动态优先级与对应的动态优先级权重的乘积，将所述用户终端的静态优先级与对应的静态优先级权重的乘积与所述用户终端的动态优先级与对应的动态优先级权重的乘积之和确定为所述用户终端的权重。
优选地，所述确定每个所述用户终端的权重，包括：
获取每个所述用户终端的静态优先级以及对应的静态优先级权重；
获取每个所述用户终端的动态优先级以及对应的动态优先级权重；
获取每个所述用户终端的上行业务优先级以及对应的上行业务优先级权重；
分别计算每个所述用户终端的静态优先级与对应的静态优先级权重的乘积、所述用户终端的动态优先级与对应的动态优先级权重的乘积，以及所述用户终端的上行业务优先级与对应的上行业务优先级权重的乘积，将所述用户终端的静态优先级与对应的静态优先级权重的乘积、所述用户终端的动态优先级与对应的动态优先级权重的乘积，以及所述用户终端的上行业务优先级与对应的上行业务优先级权重的乘积之和确定为所述用户终端的权重。
优选地，所述确定每个所述用户终端的权重，包括：
获取每个所述用户终端的静态优先级以及对应的静态优先级权重；
获取每个所述用户终端的动态优先级以及对应的动态优先级权重；
获取每个所述用户终端的上行业务优先级以及对应的上行业务优先级权重；
获取每个所述用户终端的下行业务优先级以及对应的下行业务优先级权重；
分别计算每个所述用户终端的静态优先级与对应的静态优先级权重的乘积、所述用户终端的动态优先级与对应的动态优先级权重的乘积、所述用户终端的上行业务优先级与对应的上行业务优先级权重的乘积，以及所述用户终端的下行业务优先级与对应的下行业务优先级权重的乘积；将所述用户终端的静态优先级与对应的静态优先级权重的乘积、所述用户终端的动态优先级与对应的动态优先级权重的乘积、所述用户终端的上行业务优先级与对应的上行业务优先级权重的乘积，以及所述用户终端的下行业务优先级与对应的下行业务优先级权重的乘积之和确定为所述用户终端的权重。
优选地，所述方法还包括：
获取所述小区新接入的用户终端数量；
基于所述小区新接入的用户终端数量判断所述小区接入的用户终端总数量是否超过所述小区支持的用户终端的数量，若是，则基于所述小区接入的用户终端总数量重新确定无人机基站的部署位置。
优选地，所述方法还包括：
获取聚类定时器的聚类时长；
判断所述聚类定时器的聚类时长是否超过所述聚类定时器的预设聚类时长，若是，则重新确定无人机基站的部署位置。
一种无人机基站的部署系统，包括：
第一确定模块，用于基于用户终端的总数量和小区支持的用户终端的数量确定聚类簇数；
聚类模块，用于基于所述聚类簇数对所有所述用户终端进行聚类，确定每个聚类簇的中心位置以及对应的聚类簇的范围；
第一判断模块，用于分别比较每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径；
第二确定模块，用于当每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于小区预设支持半径时，将每个聚类簇的中心位置确定为无人机基站的部署位置；
增加模块，用于当每个聚类簇的中心位置到对应的聚类簇边缘的最大距离大于小区预设支持半径时，增加一个聚类簇数，以使基于重新确定的聚类簇数对所有所述用户终端进行聚类，重新确定无人机基站的部署位置。
优选地，所述系统还包括：
第一获取模块，用于获取小区新接入的用户终端数量；
第二判断模块，用于基于所述小区新接入的用户终端数量判断所述小区接入的用户终端总数量是否超过所述小区支持的用户终端的数量，若是，则基于所述小区接入的用户终端总数量重新确定无人机基站的部署位置。
优选地，所述系统还包括：
第二获取模块，用于获取聚类定时器的聚类时长；
第三判断模块，用于判断所述聚类定时器的聚类时长是否超过所述聚类定时器的预设聚类时长，若是，则重新确定无人机基站的部署位置。
一种设备，至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行上述所述的无人机基站的部署方法。
一种存储介质，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现上述所述的无人机基站的部署方法。
综上所述，本发明公开了一种无人机基站的部署方法，当需要进行无人机基站部署时，基于用户终端的总数量和小区支持的用户终端的数量确定聚类簇数；基于聚类簇数对所有用户终端进行聚类，确定每个聚类簇的中心位置以及对应的聚类簇的范围；分别比较每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径，若否，则将每个聚类簇的中心位置确定为无人机基站的部署位置，若是，则：依次递增聚类簇数，直至基于重新确定的聚类簇数对所有用户终端进行聚类确定的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于所述小区预设支持半径，将重新确定的每个聚类簇的中心位置确定为无人机基站的部署位置。本发明在部署无人机基站时，无需提前获知目标区域的形状及面积，能够简单有效的实现无人机基站部署。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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为本发明公开的一种无人机基站的部署方法实施例1的方法流程图；
图2为本发明公开的一种无人机基站的部署方法实施例2的方法流程图；
图3为本发明公开的一种无人机基站的部署方法实施例3的方法流程图；
图4为本发明公开的一种无人机基站的部署系统实施例1的结构示意图；
图5为本发明公开的一种无人机基站的部署系统实施例2的结构示意图；
图6为本发明公开的一种无人机基站的部署系统实施例3的结构示意图；
图7为本发明公开的一种设备实施例的结构示意图。
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他实施例，都属于本发明保护的范围。
如图1所示，为本发明公开的一种无人机基站的部署方法实施例1的方法流程图，所述方法可以包括以下步骤：
S101、基于用户终端的总数量和小区支持的用户终端的数量确定聚类簇数；
当需要部署无人机基站时，首先根据用户终端的总数量和小区支持的用户终端的数量确定出初始的聚类簇数。例如，当用户终端的总数量为M，小区支持的用户终端的数量为N时，根据用户终端的总数量M和小区支持的用户终端的数量N确定出初始的聚类簇数K，其中，K＝roundUp(M/N)。
S102、基于聚类簇数对所有用户终端进行聚类，确定每个聚类簇的中心位置以及对应的聚类簇的范围；
然后，根据确定出的初始的聚类簇数对当前所有的用户终端进行聚类。例如，当初始的聚类簇数为K时，对当前所有的用户终端进行聚类，确定出K个聚类簇的中心位置以及对应的每个聚类簇的范围。
S103、分别比较每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径，若否，则进入S104，若是，则进入S105：
然后，对于每个聚类簇，分别比较每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径。其中，所述的小区预设支持半径可以为小区最大支持半径。
S104、将每个聚类簇的中心位置确定为无人机基站的部署位置；
当每个聚类簇的中心位置到对应的聚类簇边缘的最大距离都小于等于小区预设支持半径时，将个聚类簇的中心位置确定为无人机基站的部署位置。例如，当K个聚类簇的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离都小于等于小区预设支持半径时，分别将K个聚类簇的中心位置确定为无人机基站的部署位置。
S105、依次递增聚类簇数，直至基于重新确定的聚类簇数对所有所述用户终端进行聚类确定的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于所述小区预设支持半径，将重新确定的每个聚类簇的中心位置确定为无人机基站的部署位置。
当在确定出的聚类簇中，若至少有一个聚类簇的中心位置到对应的聚类簇边缘的最大距离大于小区预设支持半径时，依次对聚类簇数进行递增，直至基于重新确定的聚类簇数对所有用户终端进行聚类确定的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于所述小区预设支持半径，将重新确定的每个聚类簇的中心位置确定为无人机基站的部署位置。
例如，当在确定出的K个聚类簇中，若至少有一个聚类簇的中心位置到对应的聚类簇边缘的最大距离大于小区预设支持半径时，将聚类簇数K加1，然后根据K+1个聚类簇数再次对所有用户终端进行聚类，重新确定出每个聚类簇的中心位置以及对应的聚类簇的范围，然后分别比较重新确定出的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径，若否，则将重新确定的K+1个聚类簇的每个聚类簇的中心位置确定为无人机基站的部署位置；若是，则再将当前的聚类簇数加1，即增加后的聚类簇数为K+2，然后根据K+2个聚类簇数再次对所有用户终端进行聚类，重新确定出每个聚类簇的中心位置以及对应的聚类簇的范围，然后分别比较重新确定出的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径，若否，则将重新确定的K+2个聚类簇的每个聚类簇的中心位置确定为无人机基站的部署位置，若是，则再将当前的聚类簇数加1，重复执行上述过程，直至基于重新确定的聚类簇数对所有用户终端进行聚类确定的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于小区预设支持半径，将重新确定的每个聚类簇的中心位置确定为无人机基站的部署位置。
综上所述，在上述实施例中，当需要进行无人机基站部署时，基于用户终端的总数量和小区支持的用户终端的数量确定聚类簇数；基于聚类簇数对所有用户终端进行聚类，确定每个聚类簇的中心位置以及对应的聚类簇的范围；分别比较每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径，若否，则将每个聚类簇的中心位置确定为无人机基站的部署位置，若是，则：依次递增聚类簇数，直至基于重新确定的聚类簇数对所有用户终端进行聚类确定的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于所述小区预设支持半径，将重新确定的每个聚类簇的中心位置确定为无人机基站的部署位置。由此可以看出，在部署无人机基站时，无需提前获知目标区域的形状及面积，只需通过用户终端的总数量、小区支持的用户终端的数量和小区预设支持半径即可简单有效的实现无人机基站部署。
如图2所示，为本发明在上述方法实施例1的基础上公开的一种无人机基站的部署方法实施例2的方法流程图，所述方法可以包括以下步骤：
S201、基于用户终端的总数量和小区支持的用户终端的数量确定聚类簇数；
S202、基于聚类簇数对所有用户终端进行聚类，确定每个聚类簇的中心位置以及对应的聚类簇的范围；
S203、分别比较每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径，若否，则进入S204，若是，则进入S205：
S204、将每个聚类簇的中心位置确定为无人机基站的部署位置；
S205、依次递增聚类簇数，直至基于重新确定的聚类簇数对所有所述用户终端进行聚类确定的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于所述小区预设支持半径，将重新确定的每个聚类簇的中心位置确定为无人机基站的部署位置；
S206、获取小区新接入的用户终端数量；
在上述过程中，当有新的用户终端接入小区时，获取小区新接入的用户终端数量。
S207、基于小区新接入的用户终端数量判断小区接入的用户终端总数量是否超过小区支持的用户终端的数量，若是，则基于小区接入的用户终端总数量重新确定无人机基站的部署位置。
然后，根据获取到的小区新接入的用户终端数量，判断小区接入的用户终端总数量是否超过小区支持的用户终端的数量。例如，当小区新接入的用户终端数量为A、小区原有接入的用户终端的总数量M，判断小区新接入的用户终端数量与小区原有接入的用户终端的总数量之和A+M是否大于小区支持的用户终端的数量B，当A+M大于B时，基于小区接入的用户终端总数量A+M重新确定无人机基站的部署位置。
综上所述，本实施例在上述方法实施例1的基础上，在确定无人集中的部署位置的过程中，还能够进一步的获取小区新接入的用户终端数量，当基于小区新接入的用户终端数量判断小区接入的用户终端总数量超过小区支持的用户终端的数量时，能够基于当前小区接入的用户终端总数量重新确定无人机基站的部署位置。
如图3所示，为本发明在上述方法实施例1的基础上公开的一种无人机基站的部署方法实施例3的方法流程图，所述方法可以包括以下步骤：
S301、基于用户终端的总数量和小区支持的用户终端的数量确定聚类簇数；
S302、基于聚类簇数对所有用户终端进行聚类，确定每个聚类簇的中心位置以及对应的聚类簇的范围；
S303、分别比较每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径，若否，则进入S304，若是，则进入S305：
S304、将每个聚类簇的中心位置确定为无人机基站的部署位置；
S305、依次递增聚类簇数，直至基于重新确定的聚类簇数对所有所述用户终端进行聚类确定的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于所述小区预设支持半径，将重新确定的每个聚类簇的中心位置确定为无人机基站的部署位置；
S306、获取聚类定时器的聚类时长；
在上述确定无人机基站的部署位置的过程中，实时获取聚类定时器当前的聚类时长。
S307、判断聚类定时器的聚类时长是否超过聚类定时器的预设聚类时长，若是，则重新确定无人机基站的部署位置。
然后，判断实时获取聚类定时器当前的聚类时长是否超过聚类定时器的预设聚类时长，当聚类定时器当前的聚类时长超过聚类定时器的预设聚类时长时，则将聚类定时器当前的聚类时长清零并返回步骤S301重新确定无人机基站的部署位置。
综上所述，本实施例在上述方法实施例1的基础上，在确定无人集中的部署位置的过程中，还能够进一步的获取聚类定时器的聚类时长，当聚类定时器的聚类时长超过聚类定时器的预设聚类时长时，重新对无人机基站的部署位置进行确定。
具体的，在上述实施例中，在基于聚类簇数对所有用户终端进行聚类的其中一种实现方式可以是：首先确定每个用户终端的位置信息，然后基于聚类簇数以及每个用户终端的位置信息，对所有用户终端进行聚类。另一种实现方式可以是：首先确定每个用户终端的位置信息，确定每个用户终端的权重，然后基于聚类簇数，将所有用户终端的位置信息加上对应的用户终端的权重进行聚类。
具体的，上述确定每个用户终端的权重的其中一种实现方式可以是：首先获取每个用户终端的静态优先级以及对应的静态优先级权重，然后分别计算每个用户终端的静态优先级与对应的静态优先级权重的乘积，将用户终端的静态优先级与对应的静态优先级权重的乘积确定为所述用户终端的权重。通过用户终端的静态优先级与静态优先级权重的乘积确定的用户终端的权重，在聚类用户终端时，能够区分出预置特权用户终端、普通用户终端等，使得在布局无人机基站时，能够考虑到用户终端的静态优先级，使得基站的布局位置更加的准确合理。
具体的，上述确定每个用户终端的权重的其中一种实现方式还可以是：首先获取每个用户终端的静态优先级以及对应的静态优先级权重，获取每个用户终端的动态优先级以及对应的动态优先级权重；然后分别计算每个用户终端的静态优先级与对应的静态优先级权重的乘积，以及用户终端的动态优先级与对应的动态优先级权重的乘积，将用户终端的静态优先级与对应的静态优先级权重的乘积与用户终端的动态优先级与对应的动态优先级权重的乘积之和确定为用户终端的权重。通过用户终端的静态优先级与静态优先级权重的乘积，与用户终端的动态优先级与动态优先级权重的乘积之和确定的用户终端的权重，在聚类用户终端时，能够区分出预置特权用户终端、普通用户终端等，以及根据实际需求动态调整优先级，使得在布局无人机基站时，能够考虑到用户终端的静态优先级和动态优先级，使得基站的布局位置更加的准确合理。
具体的，上述确定每个用户终端的权重的其中一种实现方式还可以是：首先获取每个用户终端的静态优先级以及对应的静态优先级权重，获取每个用户终端的动态优先级以及对应的动态优先级权重，获取每个用户终端的上行业务优先级以及对应的上行业务优先级权重；然后分别计算每个用户终端的静态优先级与对应的静态优先级权重的乘积、用户终端的动态优先级与对应的动态优先级权重的乘积，以及用户终端的上行业务优先级与对应的上行业务优先级权重的乘积，将用户终端的静态优先级与对应的静态优先级权重的乘积、用户终端的动态优先级与对应的动态优先级权重的乘积，以及用户终端的上行业务优先级与对应的上行业务优先级权重的乘积之和确定为所述用户终端的权重。在聚类用户终端时，能够考虑到用户终端的静态优先级、动态优先级，上行业务优先级以及频繁程度，使得基站的布局位置更加的准确合理。
具体的，上述确定每个用户终端的权重的其中一种实现方式还可以是：首先获取每个用户终端的静态优先级以及对应的静态优先级权重，获取每个用户终端的动态优先级以及对应的动态优先级权重，获取每个用户终端的上行业务优先级以及对应的上行业务优先级权重，获取每个用户终端的下行业务优先级以及对应的下行业务优先级权重；然后分别计算每个用户终端的静态优先级与对应的静态优先级权重的乘积、用户终端的动态优先级与对应的动态优先级权重的乘积、用户终端的上行业务优先级与对应的上行业务优先级权重的乘积，以及用户终端的下行业务优先级与对应的下行业务优先级权重的乘积；将用户终端的静态优先级与对应的静态优先级权重的乘积、用户终端的动态优先级与对应的动态优先级权重的乘积、用户终端的上行业务优先级与对应的上行业务优先级权重的乘积，以及用户终端的下行业务优先级与对应的下行业务优先级权重的乘积之和确定为所述用户终端的权重。在聚类用户终端时，能够考虑到用户终端的静态优先级、动态优先级，上行业务优先级以及频繁程度，下行业务优先级以及频繁程度，使得基站的布局位置更加的准确合理。
如图4所示，为本发明公开的一种无人机基站的部署系统实施例1的结构示意图，所述系统可以包括：
第一确定模块401，用于基于用户终端的总数量和小区支持的用户终端的数量确定聚类簇数；
聚类模块402，用于基于聚类簇数对所有用户终端进行聚类，确定每个聚类簇的中心位置以及对应的聚类簇的范围；
第一判断模块403，用于分别比较每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径；
第二确定模块404，用于当每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于小区预设支持半径时，将每个聚类簇的中心位置确定为无人机基站的部署位置；
增加模块405，用于当每个聚类簇的中心位置到对应的聚类簇边缘的最大距离大于小区预设支持半径时，依次递增聚类簇数，直至基于重新确定的聚类簇数对所有所述用户终端进行聚类确定的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于所述小区预设支持半径，将重新确定的每个聚类簇的中心位置确定为无人机基站的部署位置。
本实施例公开的无人机基站的部署系统的工作原理与上述无人机基站的部署方法实施例1的工作原理相同，在此不再赘述。
如图5所示，为本发明公开的一种无人机基站的部署系统实施例2的结构示意图，所述系统可以包括：
第一确定模块501，用于基于用户终端的总数量和小区支持的用户终端的数量确定聚类簇数；
聚类模块502，用于基于聚类簇数对所有用户终端进行聚类，确定每个聚类簇的中心位置以及对应的聚类簇的范围；
第一判断模块503，用于分别比较每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径；
第二确定模块504，用于当每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于小区预设支持半径时，将每个聚类簇的中心位置确定为无人机基站的部署位置；
增加模块505，用于当每个聚类簇的中心位置到对应的聚类簇边缘的最大距离大于小区预设支持半径时，依次递增聚类簇数，直至基于重新确定的聚类簇数对所有所述用户终端进行聚类确定的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于所述小区预设支持半径，将重新确定的每个聚类簇的中心位置确定为无人机基站的部署位置。
第一获取模块506，用于获取小区新接入的用户终端数量；
第二判断模块507，用于基于小区新接入的用户终端数量判断小区接入的用户终端总数量是否超过小区支持的用户终端的数量，若是，则基于小区接入的用户终端总数量重新确定无人机基站的部署位置。
本实施例公开的无人机基站的部署系统的工作原理与上述无人机基站的部署方法实施例2的工作原理相同，在此不再赘述。
如图6所示，为本发明公开的一种无人机基站的部署系统实施例3的结构示意图，所述系统可以包括：
第一确定模块601，用于基于用户终端的总数量和小区支持的用户终端的数量确定聚类簇数；
聚类模块602，用于基于聚类簇数对所有用户终端进行聚类，确定每个聚类簇的中心位置以及对应的聚类簇的范围；
第一判断模块603，用于分别比较每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径；
第二确定模块604，用于当每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于小区预设支持半径时，将每个聚类簇的中心位置确定为无人机基站的部署位置；
增加模块605，用于当每个聚类簇的中心位置到对应的聚类簇边缘的最大距离大于小区预设支持半径时，依次递增聚类簇数，直至基于重新确定的聚类簇数对所有所述用户终端进行聚类确定的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于所述小区预设支持半径，将重新确定的每个聚类簇的中心位置确定为无人机基站的部署位置。
第二获取模块606，用于获取聚类定时器的聚类时长；
第三判断模块607，用于判断聚类定时器的聚类时长是否超过聚类定时器的预设聚类时长，若是，则重新确定无人机基站的部署位置。
本实施例公开的无人机基站的部署系统的工作原理与上述无人机基站的部署方法实施例3的工作原理相同，在此不再赘述。
如图7所示，为本发明公开的一种设备实施例的结构示意图，所述设备包括：至少一个处理器701、以及与处理器701连接的至少一个存储器702、总线703；其中，处理器701、存储器702通过总线703完成相互间的通信；处理器701用于调用存储器702中的程序指令，以执行上述的任一种无人机基站的部署方法。
本发明还公开了一种存储介质所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现上述的任一种无人机基站的部署方法。
本说明书中各个实施例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部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (11)

1.一种无人机基站的部署方法，其特征在于，包括：
基于用户终端的总数量和小区支持的用户终端的数量确定聚类簇数；
确定每个所述用户终端的位置信息；
基于所述聚类簇数以及每个所述用户终端的位置信息，对所有所述用户终端进行聚类，确定每个聚类簇的中心位置以及对应的聚类簇的范围；
分别比较每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径，其中，所述小区预设支持半径为小区最大支持半径；若否，则将每个聚类簇的中心位置确定为无人机基站的部署位置，若是，则：
依次递增聚类簇数，直至基于重新确定的聚类簇数对所有所述用户终端进行聚类确定的每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于所述小区预设支持半径，将重新确定的每个聚类簇的中心位置确定为无人机基站的部署位置。
2.根据权利要求1所述的方法，其特征在于，所述基于所述聚类簇数以及每个所述用户终端的位置信息，对所有所述用户终端进行聚类，包括：
确定每个所述用户终端的权重；
基于所述聚类簇数，将所有所述用户终端的位置信息加上对应的所述用户终端的权重进行聚类。
3.根据权利要求2所述的方法，其特征在于，所述确定每个所述用户终端的权重，包括：
获取每个所述用户终端的静态优先级以及对应的静态优先级权重；
分别计算每个所述用户终端的静态优先级与对应的静态优先级权重的乘积，将所述用户终端的静态优先级与对应的静态优先级权重的乘积确定为所述用户终端的权重。
4.根据权利要求2所述的方法，其特征在于，所述确定每个所述用户终端的权重，包括：
获取每个所述用户终端的静态优先级以及对应的静态优先级权重；
获取每个所述用户终端的动态优先级以及对应的动态优先级权重；
分别计算每个所述用户终端的静态优先级与对应的静态优先级权重的乘积，以及所述用户终端的动态优先级与对应的动态优先级权重的乘积，将所述用户终端的静态优先级与对应的静态优先级权重的乘积与所述用户终端的动态优先级与对应的动态优先级权重的乘积之和确定为所述用户终端的权重。
5.根据权利要求2所述的方法，其特征在于，所述确定每个所述用户终端的权重，包括：
获取每个所述用户终端的静态优先级以及对应的静态优先级权重；
获取每个所述用户终端的动态优先级以及对应的动态优先级权重；
获取每个所述用户终端的上行业务优先级以及对应的上行业务优先级权重；
分别计算每个所述用户终端的静态优先级与对应的静态优先级权重的乘积、所述用户终端的动态优先级与对应的动态优先级权重的乘积，以及所述用户终端的上行业务优先级与对应的上行业务优先级权重的乘积，将所述用户终端的静态优先级与对应的静态优先级权重的乘积、所述用户终端的动态优先级与对应的动态优先级权重的乘积，以及所述用户终端的上行业务优先级与对应的上行业务优先级权重的乘积之和确定为所述用户终端的权重。
6.根据权利要求2所述的方法，其特征在于，所述确定每个所述用户终端的权重，包括：
获取每个所述用户终端的静态优先级以及对应的静态优先级权重；
获取每个所述用户终端的动态优先级以及对应的动态优先级权重；
获取每个所述用户终端的上行业务优先级以及对应的上行业务优先级权重；
获取每个所述用户终端的下行业务优先级以及对应的下行业务优先级权重；
分别计算每个所述用户终端的静态优先级与对应的静态优先级权重的乘积、所述用户终端的动态优先级与对应的动态优先级权重的乘积、所述用户终端的上行业务优先级与对应的上行业务优先级权重的乘积，以及所述用户终端的下行业务优先级与对应的下行业务优先级权重的乘积；将所述用户终端的静态优先级与对应的静态优先级权重的乘积、所述用户终端的动态优先级与对应的动态优先级权重的乘积、所述用户终端的上行业务优先级与对应的上行业务优先级权重的乘积，以及所述用户终端的下行业务优先级与对应的下行业务优先级权重的乘积之和确定为所述用户终端的权重。
7.根据权利要求1所述的方法，其特征在于，还包括：
获取所述小区新接入的用户终端数量；
基于所述小区新接入的用户终端数量判断所述小区接入的用户终端总数量是否超过所述小区支持的用户终端的数量，若是，则基于所述小区接入的用户终端总数量重新确定无人机基站的部署位置。
8.根据权利要求1所述的方法，其特征在于，还包括：
获取聚类定时器的聚类时长；
判断所述聚类定时器的聚类时长是否超过所述聚类定时器的预设聚类时长，若是，则重新确定无人机基站的部署位置。
9.一种无人机基站的部署系统，其特征在于，包括：
第一确定模块，用于基于用户终端的总数量和小区支持的用户终端的数量确定聚类簇数，所述聚类簇数用于对所有所述用户终端进行聚类；
聚类模块，用于确定每个所述用户终端的位置信息；基于所述聚类簇数以及每个所述用户终端的位置信息，对所有所述用户终端进行聚类，确定每个聚类簇的中心位置以及对应的聚类簇的范围；
第一判断模块，用于分别比较每个聚类簇的中心位置到对应的聚类簇边缘的最大距离是否大于小区预设支持半径；
第二确定模块，用于当每个聚类簇的中心位置到对应的聚类簇边缘的最大距离小于等于小区预设支持半径时，将每个聚类簇的中心位置确定为无人机基站的部署位置；
增加模块，用于当每个聚类簇的中心位置到对应的聚类簇边缘的最大距离大于小区预设支持半径时，增加一个聚类簇数，以使基于重新确定的聚类簇数对所有所述用户终端进行聚类，重新确定无人机基站的部署位置。
10.一种用于部署无人机基站的设备，其特征在于，包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如权利要求1至8任一项所述的无人机基站的部署方法。
11.一种存储介质，其特征在于，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如权利要求1至8任一项所述的无人机基站的部署方法。
CN202010823734.5A 2020-08-14 2020-08-14 一种无人机基站的部署方法、系统、设备及存储介质 Active CN111934750B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010823734.5A CN111934750B (zh) 2020-08-14 2020-08-14 一种无人机基站的部署方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010823734.5A CN111934750B (zh) 2020-08-14 2020-08-14 一种无人机基站的部署方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111934750A CN111934750A (zh) 2020-11-13
CN111934750B true CN111934750B (zh) 2022-09-16

Family

ID=73311446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010823734.5A Active CN111934750B (zh) 2020-08-14 2020-08-14 一种无人机基站的部署方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111934750B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113242509A (zh) * 2021-04-23 2021-08-10 北京科技大学 一种面向智慧物流的无人机辅助irs通信方法
CN114302413B (zh) * 2022-01-13 2024-02-23 北京艾灵客科技有限公司 基站位置部署方法、装置、计算机设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107635239B (zh) * 2017-09-25 2020-02-18 北京邮电大学 一种无人机基站部署方法、装置及电子设备
CN109862575B (zh) * 2019-03-25 2021-10-08 河北工程大学 无人机基站部署方法、终端设备及计算机可读存储介质
CN110087189B (zh) * 2019-04-30 2020-08-14 北京邮电大学 一种无人机基站部署位置的确定方法及装置
CN110543185B (zh) * 2019-07-19 2022-05-27 宁波大学 一种基于最小化信息年龄的无人机数据收集方法

Also Published As

Publication number Publication date
CN111934750A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
WO2022032620A1 (zh) 一种无人机基站的部署方法、系统、设备及存储介质
CN111934750B (zh) 一种无人机基站的部署方法、系统、设备及存储介质
CN107710845B (zh) 无线资源调度的方法、装置和系统
EP3167642B1 (en) Apparatus and method for performing spectrum sharing based on vertical position
US9743287B2 (en) Methods and apparatus for determining and planning wireless network deployment sufficiency when utilizing vehicle-based relay nodes
US10939444B1 (en) Systems and methods for determining a mobility rating of a base station
CN109495913A (zh) 干扰评估方法及装置
CN108605033B (zh) 一种信道选择方法及设备
EP2958357A1 (en) Radio resource management systems
US11825312B2 (en) Wireless base station installation position calculation method and installation position calculation device
CN114615670B (zh) 一种评估方法及装置
CN107548144B (zh) 一种应用于NB-IoT的下行功率控制方法及设备
CN110337112B (zh) 终端接入方法及装置
EP3188527A1 (en) Method and device for deploying access point
CN113923666B (zh) 一种过覆盖基站识别方法、装置、电子设备及存储介质
CN114928849A (zh) 一种基站部署方法、装置、电子设备及存储介质
CN110557767B (zh) 一种基站调配方法、装置及设备
US20220240100A1 (en) Station placement designing assistance apparatus, station placement designing assistance method and program
CN114641043A (zh) 一种小区重选方法及设备
CN103262489A (zh) 多载波通信的方法、装置、设备和系统
JP7269586B2 (ja) 周波数共用の判定装置、判定方法および判定プログラム
CN113890832B (zh) 一种基站仿真方法、装置及存储介质
CN104113845A (zh) 一种资源协商的方法、系统和设备
CN114697996B (zh) 网络优化处理方法、装置、设备及存储介质
CN113630896B (zh) 随机接入方法、基站以及终端

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