CN112199453A - 话务热点聚类方法、装置、设备及计算机存储介质 - Google Patents

Abstract

本发明实施例涉及网络优化技术领域，公开了一种话务热点聚类方法、装置、设备及计算机存储介质，其中方法包括：对预设区域进行栅格划分；确定各栅格内的采样点数；根据所述采样点数，确定高密度栅格；计算各所述高密度栅格之间的距离；根据所述高密度栅格之间的距离，确定密度可达的所述高密度栅格；将所有密度可达的所述高密度栅格汇聚，形成热点簇；当所述热点簇内的高密度栅格的数量大于第一预设阈值时，确定聚类成功。通过上述方式，本发明实施例可以更加快速、简单地得到聚类结果。

Description

话务热点聚类方法、装置、设备及计算机存储介质

技术领域

本发明实施例涉及网络优化技术领域，具体涉及一种话务热点聚类方法、装置、设备及计算机存储介质。

背景技术

聚类是研究(样品或指标)分类问题的一种统计分析方法，用于将物理或抽象对象的集合分成由类似的对象组成的多个类。通过将话务热点聚类，即可找出用户密集的区域，有利于后期知道基站的站址和站型规划。

在实现本发明实施例的过程中，发明人发现：目前的聚类方法主要有基于层次的聚类、基于划分的聚类、基于密度的聚类、基于网格的聚类和基于模型的聚类。但是基于层次的聚类计算复杂度太高，不适应于大数据集；基于划分的聚类对初始聚类中心敏感，必须提前指定K值，对异常值免疫能力差；基于密度的聚类计算密度单元的计算复杂度大，不能很好反应高维数据；基于网格的聚类参数敏感，无法处理不规则形状的数据；基于模型的聚类初始化敏感、需要手工指定k(高斯分布)的个数、不适合非凸分布数据集，适用性较窄。

发明内容

鉴于上述问题，本发明实施例提供了一种话务热点聚类方法、装置、设备及计算机存储介质，克服了上述问题或者至少部分地解决了上述问题。

根据本发明实施例的一个方面，提供了一种话务热点聚类方法，所述方法包括：对预设区域进行栅格划分；确定各栅格内的采样点数；根据所述采样点数，确定高密度栅格；计算各所述高密度栅格之间的距离；根据所述高密度栅格之间的距离，确定密度可达的所述高密度栅格；将所有密度可达的所述高密度栅格汇聚，形成热点簇；当所述热点簇内的高密度栅格的数量大于第一预设阈值时，确定聚类成功。

在一种可选的方式中，所述确定各栅格内的采样点数，具体为：获取所述预设区域内的工程参数和MR数据；根据所述工程参数确定指纹信息库；将所述MR数据与所述指纹信息库对比匹配位置，确定各栅格内的采样点数。

在一种可选的方式中，所述根据所述采样点数，确定高密度栅格，具体为：计算各栅格的采样点密度；当栅格的所述采样点密度大于第二预设阈值时，确定所述栅格为高密度栅格。

在一种可选的方式中，在所述根据所述采样点数，确定高密度栅格之后，所述方法还包括：根据所述预设区域的地理环境，剔除无法达到基站建设要求的所述高密度栅格。

在一种可选的方式中，所述根据所述高密度栅格之间的距离，确定密度可达的所述高密度栅格，具体为：将与所述高密度栅格的距离小于第三预设阈值的高密度栅格确定为所述高密度栅格的邻栅格；将每一所述高密度栅格的所有邻栅格组合形成所述高密度栅格的邻域；当所述高密度栅格的邻域为非空集时，确定所述高密度栅格为核心栅格；确定所述核心栅格的邻域内的所有邻栅格与所述核心栅格密度可达；当所述高密度栅格的邻域为空集时，确定所述高密度栅格为噪声栅格。

在一种可选的方式中，所述当所述热点簇内的高密度栅格的数量大于第一预设阈值时，确定聚类成功之后，所述方法还包括：根据需要建设的基站的覆盖能力，确定基站的覆盖范围；以所述基站的覆盖范围为划分单位，将所述热点簇划分为小簇。

在一种可选的方式中，将所述小簇内的距离间隔小于第四预设阈值的高密度栅格汇聚，形成次级热点簇。

根据本发明实施例的另一方面，提供了一种话务热点聚类装置，包括：第一划分模块，用于对预设区域进行栅格划分；第一确定模块，用于确定各栅格内的采样点数；第二确定模块，用于根据所述采样点数，确定高密度栅格；计算模块，用于计算各所述高密度栅格之间的距离；第三确定模块，用于根据所述高密度栅格之间的距离，确定密度可达的所述高密度栅格；第一汇聚模块，用于将所有密度可达的所述高密度栅格汇聚，形成热点簇；第四确定模块，用于当所述热点簇内的高密度栅格的数量大于第一预设阈值时，确定聚类成功。

根据本发明实施例的另一方面，提供了一种话务热点聚类设备，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话务热点聚类方法对应的操作。

根据本发明实施例的又一方面，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，所述可执行指令使所述处理器执行上述一种话务热点聚类方法对应的操作。

本发明实施例对预设区域进行栅格划分，并确定了每一栅格内的采样点数。之后根据各栅格内的采样点数的多少，确定高密度栅格。进一步，通过各高密度栅格之间距离的远近，确定每两个高密度栅格之间是否是密度可达的，并将彼此之间密度可达的高密度栅格汇聚在一起，形成热点簇。最后，判断热点簇内的高密度栅格数是否大于第一预设阈值，若是，则说明该热点簇汇聚了足够多的高密度栅格，从而确定聚类成功。和现有技术相比，本发明实施例中的聚类方法对数据的类型并无限制，适用性广。并且，本发明实施例的计算更为简单，能快速得到聚类结果。

上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、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示出了本发明实施例提供的一种话务热点聚类方法的流程图；

图2示出了本发明实施例中确定各栅格内的采样点数的子步骤流程图；

图3示出了本发明实施例中确定密度可达的高密度栅格的子步骤流程图；

图4示出了本发明实施例中汇聚高密度栅格示意图；

图5示出了本发明另一实施例提供的一种话务热点聚类方法的流程图；

图6示出了本发明实施例中剔除高密度栅格示意图；

图7示出了本发明又一实施例提供的一种话务热点聚类方法的流程图；

图8示出了本发明实施例中未划分小簇的热点簇示意图；

图9示出了本发明实施例中划分完小簇的热点簇示意图；

图10示出了示出了本发明再一实施例提供的一种话务热点聚类方法的流程图；

图11示出了本发明实施例提供的一种话务热点聚类装置的结构示意图；

图12示出了本发明实施例提供的一种话务热点聚类设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明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发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

随着网络负荷的不断上升，增建新的基站的需求也日益迫切。而新建基站的选址的优先级则需要根据需要建设新站的区域内的人流分布来确定，即优先在人流密度大的区域建设新的基站，以更快速地缓解网络负荷。所述人流密度大的区可以通过聚类的方法确定。聚类是一种对数据进行分类，其本质是将相异的数据尽可能地分开，而将相似的数据聚成一个类别(簇)，使得同一类别的数据具有尽可能高的同质性。通过聚类的方法可以将需要建设新站的区域内人流密度较大和人流密度较低的区域区分开来，并将人流密度较大汇聚成簇，从而可以指导新建基站的选址，即优先在簇内的区域进行新站建设。然而，现有的聚类算法计算复杂度较高或者是数据的类型有要求，适用性不强。因此，本发明实施例提供了一种话务热点聚类方法，其计算更为简单，且适用性更强。

下面结合附图对本发明实施例进行说明。

请参阅图1，图1示出了本发明实施例提供的一种话务热点聚类方法的流程图，该方法包括以下步骤：

步骤S110：对预设区域进行栅格划分。

在本步骤中，所述预设区域是指需要建设新站的区域，可以是一整个省，或某个地级市。所述预设区域的地理信息也会在本步骤中获取，以便后续规划新站的选址。在确定了预设区域之后，即可在GIS(Geographic Information System，地理信息系统)地图上找到所述预设区域的地理位置，并将该预设区域划分为多个g*g的矩形栅格，并确定栅格的各顶底在地图上的经纬度坐标，包括栅格4个顶点的坐标。其中，栅格的范围需要设置得较小，以使后续步骤聚类出来的人流密度较高的区域的精确度更高。但是，栅格的范围也不能设置得过小，以避免造成后续的计算量过大。

可以理解的是：栅格划分的方式不仅限于上面描述的方式，栅格也可以为其它形状，此处不再赘述。

步骤S120：确定各栅格内的采样点数。

在本步骤中，所述采样点数是反映用户终端经纬度信息的数据，在确定了预设区域内的所有的采样点后，即可根据这些采样点的经纬度在GIS地图上打点，从而可以确定落入每一栅格内的采样点的数量。所述采样点的获取方式有多种。优选地，本发明实施例采用基于指纹库的定位方法确定采样点，如图2所示，该方法具体为：

步骤S121：获取所述预设区域内的工程参数和MR数据。

在本步骤中，所述工程参数主要通过包含基站信息的基础数据库获取，其主要包括小区的编号、小区所属的基站ID和小区所属基站的经纬度等信息。所述MR数据可以通过通信网络信号测量统计文件获取，其主要包括到达角AOA、时间提前量TA和信号强度信息等。

步骤S122：根据所述工程参数确定指纹信息库。

在本步骤中，先通过工程参数确定步骤S110中划分的各栅格的对应基站，之后利用3D射线传播模型计算所述对应基站的信号强度，最终将栅格的位置信息和信号强度信息形成特征向量值。所述栅格的特征向量值的数据集就构成了所述指纹信息库。

进一步，可以基于实际用户手机定位的经纬度信息，关联MR数据中的信号强度，对所述指纹信息库进行校准。

步骤S123：将所述MR数据与所述指纹信息库对比匹配位置，确定各栅格内的采样点数。

在确定了指纹信息库后，可以通过用户上报的MR数据中的MRO(Originality)数据确定用户所在小区和邻小区的信号强度。其中，MRO数据代表周期性的测量报告样本数据文件。之后再将该信号强度信息与指纹信息库中的特征向量值进行匹配，找到信号强度最接近的特征向量值，最后可以确定该MRO数据对应的采样点位于所述信号强度最接近的特征向量值对应的栅格内。

可以理解的是：采样点的确定方式不仅限于上面描述的方式，也可以是如下几种方式：

(1)APP定位：通过解析S1-U口信令，将用户上报的经纬度提取出来。所述上报的经纬度即是采样点。

(2)TA+AOA定位：通过MR数据获取用户的AOA和TA数据，同时通过工程参数获取用户所在小区所属基站的经纬度。若覆盖该用户终端的基站的经纬度坐标为(u，v)，采样点的经度x＝-k*sin(AOA/2+0.25)*(TA*78.12+39.06)+u；采样点的纬度y＝h*cos(AOA/2+0.25)*(TA*78.12+39.06)+v；其中，k值和h值为单位米与经度单位的近似对应值。通过该公式可以估算出用户终端的位置信息。

(3)三角定位：该方法结合工程参数和MR数据，利用主服务小区和两个或多个最强的邻小区形成的三角形或多边形，计算中心点，并进行场强加权偏移，得到采样点。

步骤S130：根据所述采样点数，确定高密度栅格。

在本步骤中，所述高密度栅格是指人流密度较大的栅格。由于采样点反映的是用户终端的经纬度信息，所以栅格内的采样点数量越多，则可以说明该栅格内的用户越多，或者是用户终端的使用越频繁。而当栅格内的采样点数量大于某一程度时，则可以确定该栅格为高密度栅格。具体地，确定高密度栅格的方法可以是：计算各栅格的采样点密度；当栅格的所述采样点密度大于第二预设阈值时，确定所述栅格为高密度栅格。

其中，所述采样点密度可以通过将栅格内的采样点数除以栅格的面积得到。所述第二预设阈值可以根据实际的网络负荷情况确定，即根据网络负荷较大时的实际用户数量来确定第二预设阈值。

可以理解的是：确定高密度栅格的方法不仅限于上面描述的方式，也可以是其它方式，此处不再赘述。

步骤S150：计算各所述高密度栅格之间的距离。

在本步骤中，所述高密度栅格之间的距离可以是各高密度栅格的中心点之间的距离。而所述中心点可以通过将栅格的4个顶点的经纬度坐标求和取平均值得到。例如，步骤S110中得到的一栅格的4个顶点的坐标分别为(x1，y1)、(x1，y2)、(x2，y2)和(x2，y1)，则该栅格中心点的坐标为((x1+x2)/2，(y1+y2)/2)。在确定了个高密度栅格的中心点坐标后，即可通过两点间距离公式得到各高密度栅格之间的距离。

可以理解的是：所述各高密度栅格之间的距离的计算方法不仅限于上面描述的方式，也可以为其它方式，例如，通过计算各高密度栅格某一顶点之间的距离得到各高密度栅格之间的距离。

步骤S160：根据所述高密度栅格之间的距离，确定密度可达的所述高密度栅格。

在本步骤中，所述密度可达是指当两高密度栅格之间的距离足够近时，则说明这两个高密度栅格之间密度可达。本步骤根据步骤S150可以得到所有高密度栅格之间的距离，之后根据距离的远近确定哪些高密度栅格是互相密度可达的。

步骤S170：将所有密度可达的所述高密度栅格汇聚，形成热点簇。

在本步骤中，所述所有密度可达的所述高密度栅格是指通过密度可达关系串联的所有高密度栅格，这些串联起来的高密度栅格作为一个热点簇。例如，预设区域内有高密度栅格a、b、c、d、e、f和g，其中，a和b密度可达，b和c密度可达，c和d密度可达，e和f密度可达，f和g密度。则高密度栅格a、b、c和d共同形成一个热点簇A，而高密度栅格e、f和g形成另一个热点簇B。在得到热点簇后，热点簇所属的区域则可以作为优先建设新基站的区域。

步骤S180：判断所述热点簇内的高密度栅格的数量是否大于第一预设阈值；若是，则确定聚类成功；若否，则确定聚类失败。

本步骤通过设置第一预设阈值来评判热点簇内的高密度栅格是否足够多，即是否聚类成功。所述第一预设阈值可以根据新建基站的覆盖范围来确定，所述聚类成功是指保留该热点簇，作为后续新建基站的优选地址。而所述聚类失败是指剔除该热点簇，不作为后续新建基站的优选地址。

由于热点簇是用于指导新建基站的选址，新基站会优先建设在热点簇所属的区域内。而如果一个热点簇内的高密度栅格的数量过少，则说明该热点域所属的区域范围很小。当其范围小于基站的覆盖范围时，在该区域内新建的基站覆盖区域并非都是高密度栅格，即可能覆盖其它人流密度较少的区域。而由于该基站覆盖的人流密度较高的区域不多，其对减轻整个预设区域内的网络负荷的作用有限。因此，本步骤需要将这类热点簇剔除，不作为优先建设新基站的区域，而是仅保留包含高密度栅格较多的热点簇。

本发明实施例对预设区域进行栅格划分，并确定了每一栅格内的采样点数。之后根据各栅格内的采样点数的多少，确定高密度栅格。进一步，通过各高密度栅格之间距离的远近，确定每两个高密度栅格之间是否是密度可达的，并将彼此之间密度可达的高密度栅格汇聚在一起，形成热点簇。最后，判断热点簇内的高密度栅格数是否大于第一预设阈值，若是，则说明该热点簇汇聚了足够多的高密度栅格，从而确定聚类成功。和现有技术相比，本发明实施例中的聚类方法对数据的类型并无限制，适用性广。并且，本发明实施例的计算更为简单，能快速得到聚类结果。

上述步骤S160可以有多种实现方式，图3示出了本发明实施例中确定密度可达的高密度栅格的子步骤流程图。如图3所示，确定密度可达的高密度栅格的实现方式具体为：

步骤S161：将与所述高密度栅格的距离小于第三预设阈值的高密度栅格确定为所述高密度栅格的邻栅格。

步骤S162：将每一所述高密度栅格的所有邻栅格组合形成所述高密度栅格的邻域。

步骤S163：判断所述高密度栅格的邻域是否为空集；若是，则确定所述高密度栅格为噪声栅格；若否，则确定所述高密度栅格为核心栅格。

步骤S164：确定所述核心栅格的邻域内的所有邻栅格与所述核心栅格密度可达。

在步骤S130确定了预设区域内的所有高密度栅格后，可以将这些高密度栅格组合形成一个集合，并且该集合内各高密度栅格之间的距离可以通过步骤S150确定。之后，可以通过轮询集合内的每一个高密度栅格，确定每一高密度栅格在该集合内所有密度可达的高密度栅格，即可得到所有密度可达的高密度栅格。

具体地，当处理第一个高密度栅格时，根据集合内其它高密度栅格与它的距离，可以找出所有和该高密度栅格距离小于第三预设阈值的高密度栅格，并将这高密度栅格构成该高密度栅格的邻域，其中，这些高密度栅格也可以称为该高密度栅格的邻栅格。之后再判断该高密度栅格的邻域是否为空集。若是，则确定该高密度栅格为噪声栅格，说明该高密度栅格附近没有其它高密度栅格，该高密度栅格无法进行聚类。若否，则确定该高密度栅格为核心栅格，并将该高密度栅格的邻域内的所有高密度栅格确定为和该高密度栅格密度可达。而该高密度栅格的邻域内的高密度栅格之后也会被处理，从而确定它们其它密度可达的高密度栅格。

例如，如图4所示，预设区域内的所有高密度栅格有A、B、C、D、E、F和G。首先处理高密度栅格A，可以确定A的邻域为【B，C】，则B和C与A密度可达。其次处理高密度栅格B，可以确定B的领域为【D，E】，则B还与D和E密度可达。之后在处理高密度栅格C时，可以确定C的邻域为【F】，则说明C还与F密度可达。由于无其它高密度栅格与所述高密度栅格A、B、C、D、E或F密度可达，则后续步骤可以将高密度栅格A、B、C、D、E和F汇聚成簇。此外，继续参阅图4，高密度栅格G的邻域为空集，则说明高密度栅格G为噪声栅格。

可以理解的是：确定密度可达的高密度栅格的实现方式不仅限于上面描述的方式，也可以为其它方式，此处不再赘述。

请参阅图5，图5示出了本发明另一实施例提供的一种话务热点聚类方法的流程图，本实施例与上实施例不同之处在于，在步骤S130之后，所述方法还包括：

步骤S140：根据所述预设区域的地理环境，剔除无法达到基站建设要求的所述高密度栅格。

通过步骤S110可以得到预设区域的地理环境信息，根据所述地理环境信息，可以确定预设区域中不符合基站建设要求的区域。如图6所示，本步骤会将该区域内的所有高密度栅格剔除，不参与后续的聚类步骤。因为后续步骤将高密度栅格汇聚成热点簇是用于指导新基站建设，所以需要将无法达到基站建设要求的所述高密度栅格进行剔除。

本发明实施例通过增加剔除无法达到基站建设要求的所述高密度栅格的步骤，降低了后续进行高密度栅格聚类的计算难度，同时使后续得到的用于指导新基站建设的热点簇更为准确。

请参阅图7，图7示出了本发明又一实施例提供的一种话务热点聚类方法的流程图，本实施例与上实施例不同之处在于，在步骤步骤S180之后，所述方法还包括：

步骤S190：根据需要建设的基站的覆盖能力，确定基站的覆盖范围。

为了便于计算，可以将新建基站的横向最大覆盖距离a和纵向最大覆盖距离b的乘积作为所述基站的覆盖范围，即矩形a*b。

可以理解的是：基站的覆盖范围的形状不仅限于上面描述的形状，也可以为其它形状，此处不再赘述。

步骤S200：以所述基站的覆盖范围为划分单位，将所述热点簇划分为小簇。

由于上述步骤得到的热点簇可以范围较大，在该热点簇所属的区域内可能需要建设多个新基站。所以还需对所述热点簇进行进一步划分，将热点簇划分为多个小簇，而每一个小簇的中心位置可以新建一个基站。请参阅图8和图9，图8为未划分小簇的热点簇示意图，图9为划分完小簇的热点簇示意图。图8和图9中有些热点簇的大小小于基站的覆盖范围，这些热点直接确定为一个小簇。而对于较大的热点簇，则被划分为多个小簇。由于热点簇形状大多不规则，划分的小簇可能只有部分大小是基站的覆盖范围，即a*b。大部分位于热点簇边缘位置的小簇的大小要小于a*b。

具体地，划分小簇的方式可以是：计算所述热点簇的中心位置；以所述中心位置为中心创建所述小簇，并沿所述中心位置的横向和纵向不断创建所述小簇，直到所述小簇超出所述热点簇的范围。

其中，所述热点簇的中心位置可以将热点簇内各高密度栅格的中心点的坐标相加去平均值得到。之后，以该中心点为中心建立矩形a*b，作为一个小簇。同时，如图9所示，在横向和纵向方向以第一个小簇的边为新的矩形a*b的边长创建新的小簇，直到热点簇所有区域都被划分为小簇。

需要说明的是：当小簇，即矩形a*b超出热点簇的范围时，需要剔除超出热点簇的部分，仅把该矩形a*b属于热点簇内的部分作为一个小簇。

可以理解的是：小簇的划分方式不仅限于上面描述的方式，也可以为其它方式，例如，从热点簇的一个端开始创建小簇，并朝另一端不断创建小簇，直到小簇超出热点簇的范围。

本发明实施例通过将热点簇进一步划分为小簇，更加精确的确定新建基站的选址，使后续的新基站建设更加快速，且更有效地降低网络负荷。

请参阅图10，图10示出了本发明再一实施例提供的一种话务热点聚类方法的流程图，本实施例与上实施例不同之处在于，在步骤S200之后，所述方法还包括：

步骤S210：将所述小簇内的距离间隔小于第四预设阈值的高密度栅格汇聚，形成次级热点簇。

在本步骤中，所述第四预设阈值要小于步骤S161中的第三预设阈值。通过将小簇中距离间隔小于第四预设阈值的高密度栅格汇聚，进一步区分出了间距更小的高密度栅格，并将这些高密度栅格汇聚形成次级热点簇，即人流密度更大的区域。通过形成次级热点簇，当在小簇内建设完新的基站后，仅需获取次级热点簇内的用户数据，并以此评判该小簇内的网络负荷问题是否得到改善。因为次级热点簇是小簇中人流密度更大的区域，所以次级热点簇内用户的负荷情况能够有效地反映整个小簇的网络负荷情况。而仅计算次级热点簇内用户的负荷情况，可以减少计算量，简化对新建基站的核查过程。

本发明实施例通过在小簇内进一步划分次级热点簇，使在小簇内建设完新站后，对新站发核查过程更简单，即仅需计算次级热点簇内用户的负荷情况，大大加快了新站的核查过程。

图11示出了本发明实施例提供的一种话务热点聚类装置的结构示意图。如图11所示，所述话务热点聚类装置1包括第一划分模块10、第一确定模块20、第二确定模块30、计算模块40、第三确定模块50、第一汇聚模块60和第四确定模块70。

第一划分模块10，用于对预设区域进行栅格划分；第一确定模块20，用于确定各栅格内的采样点数；第二确定模块30，用于根据所述采样点数，确定高密度栅格；计算模块40，用于计算各所述高密度栅格之间的距离；第三确定模块50，用于根据所述高密度栅格之间的距离，确定密度可达的所述高密度栅格；第一汇聚模块60，用于将所有密度可达的所述高密度栅格汇聚，形成热点簇；第四确定模块70，用于当所述热点簇内的高密度栅格的数量大于第一预设阈值时，确定聚类成功。

在一种可选的方式中，所述第一确定模块20具体为：获取所述预设区域内的工程参数和MR数据；根据所述工程参数确定指纹信息库；将所述MR数据与所述指纹信息库对比匹配位置，确定各栅格内的采样点数。

在一种可选的方式中，所述第二确定模块30具体为：计算各栅格的采样点密度；当栅格的所述采样点密度大于第二预设阈值时，确定所述栅格为高密度栅格。

在一种可选的方式中，所述话务热点聚类装置1还包括剔除模块80，用于根据所述预设区域的地理环境，剔除无法达到基站建设要求的所述高密度栅格。

在一种可选的方式中，所述第三确定模块50具体为：将与所述高密度栅格的距离小于第三预设阈值的高密度栅格确定为所述高密度栅格的邻栅格；将每一所述高密度栅格的所有邻栅格组合形成所述高密度栅格的邻域；当所述高密度栅格的邻域为非空集时，确定所述高密度栅格为核心栅格；确定所述核心栅格的邻域内的所有邻栅格与所述核心栅格密度可达；当所述高密度栅格的邻域为空集时，确定所述高密度栅格为噪声栅格。

在一种可选的方式中，所述话务热点聚类装置1还包括第五确定模块90和第二划分模块100。

第五确定模块90，用于根据需要建设的基站的覆盖能力，确定基站的覆盖范围；第二划分模块100，用于以所述基站的覆盖范围为划分单位，将所述热点簇划分为小簇。

在一种可选的方式中，所述第二划分模块100具体为：计算所述热点簇的中心位置；以所述中心位置为中心创建所述小簇，并沿所述中心位置的横向和纵向不断创建所述小簇，直到所述小簇超出所述热点簇的范围。

在一种可选的方式中，所述话务热点聚类装置1还包括第二汇聚模块110，用于将所述小簇内的距离间隔小于第四预设阈值的高密度栅格汇聚，形成次级热点簇。

本发明实施例通过第一划分模块10对预设区域进行栅格划分，并通过第一确定模块20确定了每一栅格内的采样点数。之后根据各栅格内的采样点数的多少，通过第二确定模块30确定高密度栅格。进一步，根据各高密度栅格之间距离的远近，通过第三确定模块50确定每两个高密度栅格之间是否是密度可达的，并通过第一汇聚模块60将彼此之间密度可达的高密度栅格汇聚在一起，形成热点簇。最后，通过第四确定模块70判断热点簇内的高密度栅格数是否大于第一预设阈值，若是，则说明该热点簇汇聚了足够多的高密度栅格，从而确定聚类成功。和现有技术相比，本发明实施例中的聚类方法对数据的类型并无限制，适用性广。并且，本发明实施例的计算更为简单，能快速得到聚类结果。

本发明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基站位置信息的核查方法。

图12示出了本发明实施例提供的话务热点聚类设备的结构示意图，本发明具体实施例并不对话务热点聚类设备的具体实现做限定。

如图12所示，该话务热点聚类设备可以包括：处理器(processor)202、通信接口(Communications Interface)204、存储器(memory)206、以及通信总线208。

其中：处理器202、通信接口204、以及存储器206通过通信总线208完成相互间的通信。通信接口204，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202，用于执行程序210，具体可以执行上述话务热点聚类方法实施例中的相关步骤。

具体地，程序210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202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。话务热点聚类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206，用于存放程序210。存储器206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210具体可以用于使得处理器202执行以下操作：

对预设区域进行栅格划分；

确定各栅格内的采样点数；

根据所述采样点数，确定高密度栅格；

计算各所述高密度栅格之间的距离；

根据所述高密度栅格之间的距离，确定密度可达的所述高密度栅格；

将所有密度可达的所述高密度栅格汇聚，形成热点簇；

当所述热点簇内的高密度栅格的数量大于第一预设阈值时，确定聚类成功。

在一种可选的方式中，程序210具体可以进一步用于使得处理器202执行以下操作：

获取所述预设区域内的工程参数和MR数据；

根据所述工程参数确定指纹信息库；

将所述MR数据与所述指纹信息库对比匹配位置，确定各栅格内的采样点数。

在一种可选的方式中，程序210具体可以进一步用于使得处理器202执行以下操作：

计算各栅格的采样点密度；

当栅格的所述采样点密度大于第二预设阈值时，确定所述栅格为高密度栅格。

在一种可选的方式中，程序210具体可以进一步用于使得处理器202执行以下操作：

根据所述预设区域的地理环境，剔除无法达到基站建设要求的所述高密度栅格。

在一种可选的方式中，程序210具体可以进一步用于使得处理器202执行以下操作：

将与所述高密度栅格的距离小于第三预设阈值的高密度栅格确定为所述高密度栅格的邻栅格；

将每一所述高密度栅格的所有邻栅格组合形成所述高密度栅格的邻域；

当所述高密度栅格的邻域为非空集时，确定所述高密度栅格为核心栅格；

确定所述核心栅格的邻域内的所有邻栅格与所述核心栅格密度可达；

当所述高密度栅格的邻域为空集时，确定所述高密度栅格为噪声栅格。

在一种可选的方式中，程序210具体可以进一步用于使得处理器202执行以下操作：

根据需要建设的基站的覆盖能力，确定基站的覆盖范围；

以所述基站的覆盖范围为划分单位，将所述热点簇划分为小簇。

在一种可选的方式中，程序210具体可以进一步用于使得处理器202执行以下操作：

计算所述热点簇的中心位置；

以所述中心位置为中心创建所述小簇，并沿所述中心位置的横向和纵向不断创建所述小簇，直到所述小簇超出所述热点簇的范围。

在一种可选的方式中，程序210具体可以进一步用于使得处理器202执行以下操作：

将所述小簇内的距离间隔小于第四预设阈值的高密度栅格汇聚，形成次级热点簇。

本发明实施例对预设区域进行栅格划分，并确定了每一栅格内的采样点数。之后根据各栅格内的采样点数的多少，确定高密度栅格。进一步，通过各高密度栅格之间距离的远近，确定每两个高密度栅格之间是否是密度可达的，并将彼此之间密度可达的高密度栅格汇聚在一起，形成热点簇。最后，判断热点簇内的高密度栅格数是否大于第一预设阈值，若是，则说明该热点簇汇聚了足够多的高密度栅格，从而确定聚类成功。和现有技术相比，本发明实施例中的聚类方法对数据的类型并无限制，适用性广。并且，本发明实施例的计算更为简单，能快速得到聚类结果。

本发明实施例提供了一种可执行程序，所述可执行程序可执行上述任意方法实施例中的话务热点聚类方法。

在此提供的算法或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，本发明实施例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，为了精简本发明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，本发明实施例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。

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。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。

Claims (10)

1.一种话务热点聚类方法，其特征在于，包括：

对预设区域进行栅格划分；

确定各栅格内的采样点数；

根据所述采样点数，确定高密度栅格；

计算各所述高密度栅格之间的距离；

根据所述高密度栅格之间的距离，确定密度可达的所述高密度栅格；

将所有密度可达的所述高密度栅格汇聚，形成热点簇；

当所述热点簇内的高密度栅格的数量大于第一预设阈值时，确定聚类成功。

2.如权利要求1所述的方法，其特征在于，所述确定各栅格内的采样点数，具体为：

获取所述预设区域内的工程参数和MR数据；

根据所述工程参数确定指纹信息库；

将所述MR数据与所述指纹信息库对比匹配位置，确定各栅格内的采样点数。

3.如权利要求1所述的方法，所述根据所述采样点数，确定高密度栅格，具体为：

计算各栅格的采样点密度；

当栅格的所述采样点密度大于第二预设阈值时，确定所述栅格为高密度栅格。

4.如权利要求1所述的方法，其特征在于，在所述根据所述采样点数，确定高密度栅格之后，所述方法还包括：

根据所述预设区域的地理环境，剔除无法达到基站建设要求的所述高密度栅格。

5.如权利要求1所述的方法，其特征在于，所述根据所述高密度栅格之间的距离，确定密度可达的所述高密度栅格，具体为：

将与所述高密度栅格的距离小于第三预设阈值的高密度栅格确定为所述高密度栅格的邻栅格；

将每一所述高密度栅格的所有邻栅格组合形成所述高密度栅格的邻域；

当所述高密度栅格的邻域为非空集时，确定所述高密度栅格为核心栅格；

确定所述核心栅格的邻域内的所有邻栅格与所述核心栅格密度可达；

当所述高密度栅格的邻域为空集时，确定所述高密度栅格为噪声栅格。

6.如权利要求1-5中任意一项所述的方法，其特征在于，所述当所述热点簇内的高密度栅格的数量大于第一预设阈值时，确定聚类成功之后，所述方法还包括：

根据需要建设的基站的覆盖能力，确定基站的覆盖范围；

以所述基站的覆盖范围为划分单位，将所述热点簇划分为小簇。

7.如权利要求6中所述的方法，其特征在于，所述以所述基站的覆盖范围为划分单位，将所述热点簇划分为小簇之后，所述方法还包括：

将所述小簇内的距离间隔小于第四预设阈值的高密度栅格汇聚，形成次级热点簇。

8.一种话务热点聚类装置，其特征在于，包括：

第一划分模块，用于对预设区域进行栅格划分；

第一确定模块，用于确定各栅格内的采样点数；

第二确定模块，用于根据所述采样点数，确定高密度栅格；

计算模块，用于计算各所述高密度栅格之间的距离；

第三确定模块，用于根据所述高密度栅格之间的距离，确定密度可达的所述高密度栅格；

第一汇聚模块，用于将所有密度可达的所述高密度栅格汇聚，形成热点簇；

第四确定模块，用于当所述热点簇内的高密度栅格的数量大于第一预设阈值时，确定聚类成功。

9.一种话务热点聚类设备，其特征在于，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1-7任意一项所述的话务热点聚类方法。

10.一种计算机存储介质，其特征在于，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执行如权利要求1-7任意一项所述的话务热点聚类方法。

Images