CN112243257B - 一种无线小区的覆盖黑洞识别方法及系统 - Google Patents
一种无线小区的覆盖黑洞识别方法及系统 Download PDFInfo
- Publication number
- CN112243257B CN112243257B CN201910647475.2A CN201910647475A CN112243257B CN 112243257 B CN112243257 B CN 112243257B CN 201910647475 A CN201910647475 A CN 201910647475A CN 112243257 B CN112243257 B CN 112243257B
- Authority
- CN
- China
- Prior art keywords
- event
- coverage
- black hole
- time period
- wireless cell
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 239000000523 sample Substances 0.000 claims abstract description 30
- 238000010295 mobile communication Methods 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 230000006855 networking Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Abstract
一种无线小区的覆盖黑洞识别方法，包括：通过部署在接入网与核心网之间的探针，采集检测区域内的控制面数据和用户面数据；根据采集到的控制面数据和用户面数据，识别检测区域内存在覆盖黑洞的无线小区以及无线小区内覆盖黑洞的位置信息。本申请可以及时发现无线小区的覆盖黑洞问题，并定位覆盖黑洞位置，从而大大降低无线网络的运行维护成本。
Description
技术领域
本申请实施例涉及但不限于通信技术领域，尤指一种无线小区的覆盖黑洞识别方法及系统。
背景技术
随着现代通信科技的高速发展，用户对网络质量的要求越来越高，通信覆盖要求日益极端化，除了城市、室内需要覆盖，荒山野林也需要覆盖。在当前各大运营商通信系统中，无线通信网的年维护费用及人力成本非常高。
在传统方式中，通过测量报告(MR，Measurement Report)方式来判断小区的覆盖问题。然而，MR方式的数据量大，且数据采集时间有限，导致判断结果的实时性不佳；其次，MR方式主要基于网络信号相关指标进行判断，而网络信号相关指标好并不能代表用户感知就好；另外，运营商的无线设备一般均来自多个厂商，通过MR方式进行全网监控需要使用多厂商系统，而要求所有厂商按照相同的接口标准上报数据进行全网监控是较难实现的；此外，在没有信号时基本无法上报MR数据，导致无法判断小区覆盖情况。
发明内容
本申请提供了一种无线小区的覆盖黑洞识别方法及系统，可以及时发现无线小区的覆盖黑洞问题，并定位覆盖黑洞位置，从而大大降低无线网络的运行维护成本。
一方面，本申请提供一种无线小区的覆盖黑洞识别方法，包括：通过部署在接入网与核心网之间的探针，采集检测区域内的控制面数据和用户面数据；根据采集到的控制面数据和用户面数据，识别所述检测区域内存在覆盖黑洞的无线小区以及所述无线小区内覆盖黑洞的位置信息。
另一方面，本申请提供一种无线小区的覆盖黑洞识别系统，包括：数据获取模块，用于通过部署在接入网与核心网之间的探针，采集检测区域内的控制面数据和用户面数据；处理模块，用于根据采集到的控制面数据和用户面数据，识别所述检测区域内存在覆盖黑洞的无线小区以及所述无线小区内覆盖黑洞的位置信息。
另一方面，本申请提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被执行时实现如上所述的无线小区的覆盖黑洞识别方法的步骤。在本申请中，通过分析探针采集到的控制面数据和用户面数据，可以识别检测区域内存在覆盖黑洞的无线小区，并识别出无线小区的覆盖黑洞的位置，从而可以及时发现无线小区的覆盖黑洞问题，进而给无线网络优化提供精准定位，缩小了测试范围，大大降低了无线网络的运行维护成本。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本申请技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
图1为长期演进(LTE，Long Term Evolution)核心网(EPC，Evolved Packet Core)部分流程的组网示意图；
图2为本申请实施例提供的无线小区的覆盖黑洞识别方法的流程图；
图3为本申请实施例提供的无线小区的覆盖黑洞小区识别和覆盖黑洞位置识别过程的示例图；
图4为OTT定位原理的示意图；
图5为本申请实施例中基于时间窗的OTT位置识别方式的示例图；
图6为通过本申请实施例提供的覆盖黑洞识别方法得到的覆盖黑洞位置的一种示例图；
图7为通过本申请实施例提供的覆盖黑洞识别方法得到的覆盖黑洞位置的另一种示例图；
图8为本申请实施例提供的一种无线小区的覆盖黑洞识别系统的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例提供一种无线小区的覆盖黑洞识别方法及系统，通过分析探针采集到的控制面数据和用户面数据，识别检测区域内存在覆盖黑洞的无线小区以及无线小区内覆盖黑洞的位置信息，从而支持主动及时发现无线小区的覆盖黑洞问题，进而给无线网络优化提供精准定位，缩小测试范围，并大大降低无线网络的运行维护成本。
本申请实施例提供的无线小区的覆盖黑洞识别方法及系统，可以应用于LTE系统中。然而，本申请对此并不限定。本申请实施例还可以应用于其他通信系统中，比如，第五代移动通信技术(5G)新空口通信系统等。
图1为LTE EPC部分流程的组网示意图。需要说明的是，图1中仅绘示出了与本申请实施例相关的部分组网图。如图1所示，LTE无线接入网(RAN)包括无线基站(eNodeB)，LTEEPC包括移动管理实体(MME，Mobility Management Entity)、服务网关(SGW，ServingGateway)和分组数据网网关(PGW，PDN Gateway)。
其中，MME是核心网中负责处理信令的网元，是一个信令实体，主要负责移动性管理、承载管理、用户的鉴权认证、SGW和PGW的选择等功能。SGW主要负责用户面处理，负责数据包的路由和转发等功能，支持第三代合作伙伴计划(3GPP，Third GenerationPartnership Project)不同接入技术的切换，发生切换时作为用户面的锚点，对每一个与演进的分组系统(EPS，Evolved Packet System)相关的用户终端(UE，User Equipment)，在一个时间点上，都有一个SGW为之服务。
在图1中，多个MME组成了MME池(Pool)，S10接口为任两个MME之间的接口，S11为MME和SGW之间的接口，S5或S8为SGW与PGW之间的接口。S1-MME和S1-U是EPC网络的两个主要接口，S1-MME是eNodeB和MME之间的接口，S1-U是eNodeB和SGW之间的接口。
基于图1所示的组网结构，用户终端(UE)从无线基站接入到SGW，在该流程中，第一探针(Probe)接于无线基站与SGW之间，用于采集LTE数据业务S1-U口用户面数据。用户终端从无线基站接入到MME，在该流程中，第二探针(Probe)接于无线基站与MME之间，用于采集LTE数据业务S1-MME口控制面数据。然后，通过分析探针采集到的控制面和用户面数据，即可以对全网存在覆盖黑洞的无线小区进行初步识别，并基于空间聚类的机器学习模型，进一步识别无线小区的覆盖黑洞位置。如此一来，可以给无线网络优化部门提供明确的网络优化对象，从而大大降低无线网络的运行维护成本。
图2为本申请实施例提供的无线小区的覆盖黑洞识别方法的流程图。如图2所示，本实施例提供的覆盖黑洞识别方法包括：
S201、通过部署在接入网与核心网之间的探针，采集检测区域内的控制面数据和用户面数据；
S202、根据采集到的控制面数据和用户面数据，识别检测区域内存在覆盖黑洞的无线小区以及无线小区内覆盖黑洞的位置信息。
其中，覆盖黑洞可以指用户终端不能正常访问当前网络系统的网络覆盖区域，亦可称为覆盖盲点。在本文中，存在覆盖黑洞的无线小区可以简称为覆盖黑洞小区。
其中，检测区域可以根据探针的部署范围确定，比如，一个城市、一个省份等。然而，本申请对此并不限定。
在一示例性实施方式中，S202可以包括：根据采集到的控制面数据，筛选出第一时间段内从第一移动通信系统重定向到第二移动通信系统的第一事件，其中，第一移动通信系统的网络质量高于第二移动通信系统的网络质量；基于第一时间段内的第一事件，识别检测区域内存在覆盖黑洞的无线小区；根据采集到的用户面数据以及第一时间段内的第一事件，确定无线小区内覆盖黑洞的位置信息。
其中，第一移动通信系统可以为第四代移动通信技术(4G)系统，第二移动通信系统可以为第三代移动通信技术(3G)系统或第二代移动通信技术(2G)系统；或者，第一移动通信系统可以为第五代移动通信技术(5G)系统，第二移动通信系统可以为2G系统、3G系统或4G系统。然而，本申请对此并不限定。
其中，第一时间段可以根据实际需求进行设定，比如，一天或一周等。然而，本申请对此并不限定。
在一示例性实施方式中，基于第一时间段内的第一事件，识别检测区域内存在覆盖黑洞的无线小区，可以包括：
从采集到的控制面数据中，筛选出第一事件关联的从第二移动通信系统返回到第一移动通信系统的第二事件；根据第一事件的时间点以及第一事件关联的第二事件的时间点，确定该第一事件对应的单次重定向驻留时长；根据第一时间段内检测区域内任一无线小区下每个用户对应的第一事件的次数和重定向驻留时长，识别检测区域内存在覆盖黑洞的无线小区；
或者，根据第一时间段内检测区域内任一无线小区下每个用户对应的第一事件的次数，识别检测区域内存在覆盖黑洞的无线小区。
其中，第一事件对应的单次重定向驻留时长可以通过该第一事件关联的第二事件的时间点减去该第一事件的时间点得到。
在本示例性实施方式中，可以将用户在第一时间段内且在某一无线小区下发生的第一事件的次数，或者，发生第一事件的次数和重定向驻留时长(即多个第一事件的单次重定向驻留时长的累加值)作为判定覆盖黑洞小区的基本指标，来识别覆盖黑洞小区。
在一示例性实施方式中，根据第一时间段内检测区域内任一无线小区下每个用户对应的第一事件的次数和重定向驻留时长，识别检测区域内存在覆盖黑洞的无线小区，可以包括：
将第一时间段划分为至少N个第二时间段，N为大于1的整数；针对检测区域内的任一无线小区，在任一第二时间段，确定在第二时间段内满足第一事件的次数大于第一阈值且重定向驻留时长大于第二阈值的用户数，作为不满意小区覆盖的用户数；并根据不满意小区覆盖的用户数与第二时间段内的总用户数，计算得到该第二时间段内不满意小区覆盖的用户占比，将第二时间段内不满意小区覆盖的用户占比大于第三阈值的小区，记录为在第二时间段内出现覆盖黑洞问题的小区；筛选出满足以下条件的小区为存在覆盖黑洞的无线小区：在第一时间段中的至少M个第二时间段中出现覆盖黑洞问题，M为正整数，且M小于N；出现覆盖黑洞问题的小区在至少M个第二时间段内不满意小区覆盖的用户平均数大于或等于第四阈值。
需要说明的是，第一阈值至第四阈值可以根据实际需求进行设定，本申请对此并不限定。第一时间段和第二时间段可以根据实际需求进行设定，比如，第一时间段可以为一周，第二时间段可以为一天。然而，本申请对此并不限定。
在一示例性实施方式中，根据第一时间段内检测区域内任一无线小区下每个用户对应的第一事件的次数和重定向驻留时长，识别检测区域内存在覆盖黑洞的无线小区，可以包括：
针对检测区域内的任一无线小区，确定在第一时间段内满足第一事件的次数大于第五阈值且重定向驻留时长大于第六阈值的用户数，作为不满意小区覆盖的用户数；并根据不满意小区覆盖的用户数与第一时间段内的总用户数，计算得到第一时间段内不满意小区覆盖的用户占比，将第一时间段内不满意小区覆盖的用户占比大于第七阈值的小区，识别为存在覆盖黑洞的无线小区。
需要说明的是，第五阈值至第七阈值可以根据实际需求进行设定，本申请对此并不限定。
在一示例性实施方式中，根据采集到的用户面数据以及第一时间段内的第一事件，确定无线小区内覆盖黑洞的位置信息，可以包括：从采集到的用户面数据中，获取上报OTT位置的话单；针对识别出存在覆盖黑洞的无线小区，基于时间窗，将第一时间段内该无线小区内的第一事件与上报OTT位置的话单进行关联，确定该第一事件关联的OTT位置；对该无线小区内的第一事件关联的OTT位置进行汇总和聚类分析，得到该无线小区内的覆盖黑洞的位置信息。
其中，OTT(Over The Top)指通过互联网向用户提供的各种服务。互联网企业利用运营商宽带网络发展的业务可以称为OTT应用。某些OTT服务商对用户提供定位及导航类服务，应用程序(APP，Application)存在明文上报位置信息的情况，基于此可以提取出经纬度信息，用来描绘用户移动轨迹。由于这种定位方式获取的经纬度信息来源于OTT应用，故称之为OTT定位。
相较于传统方式中在没有信号时基本无法上报MR数据，进而无法判断覆盖黑洞的位置，在本示例性实施例方式中，基于时间窗，从用户面数据中筛选出第一事件关联的OTT位置，可以提供覆盖黑洞位置识别的数据基础，从而进一步输出无线小区的覆盖黑洞的位置。
在本示例性实施方式中，针对识别出存在覆盖黑洞的无线小区，基于时间窗，将第一时间段内无线小区内的第一事件与上报OTT位置的话单进行关联，确定第一事件关联的OTT位置，可以包括：针对第一时间段内无线小区内的任一第一事件，在以该第一事件的时间点为参考点确定的时间窗内，查找与该第一事件的时间点最近的上报OTT位置的话单，将该话单上报的OTT位置确定为该第一事件关联的OTT位置。
其中，以第一事件的时间点为参考点确定的时间窗，可以包括：以该第一事件的时间点为结束点向前设定时长得到的时间窗，或者以该第一事件的时间点向前第一设定时长且向后第二设定时长得到的时间窗。然而，本申请对此并不限定。
在本示例性实施方式中，对无线小区内的第一事件关联的OTT位置进行汇总和聚类分析，得到该无线小区内的覆盖黑洞的位置信息，可以包括：针对识别出存在覆盖黑洞的无线小区，将该无线小区内的第一事件关联的OTT位置进行坐标系统一后，输入基于聚类算法的机器学习模型，得到覆盖黑洞的位置信息。
在一示例中，针对识别出的任一覆盖黑洞小区，将所有用户在该小区下第一时间段内的重定向OTT位置信息按照经纬度进行汇总，进行空间位置的关联分析，将邻近的位置点通过基于聚类算法的机器学习模型聚成一类，剔除离群位置点后，得到聚类后的多组位置点，作为该小区的多个覆盖黑洞，并给出每个覆盖黑洞的中心坐标，辅助网优人员进行优化和定位。
下面以图1所示的LTE系统环境为例，对本申请实施例进行举例说明。在本示例性实施例中，部署在接入网与核心网之间的探针包括：部署在无线基站(eNodeB)和移动管理实体(MME)之间的第一探针、部署在无线基站和服务网关(SGW)之间的第二探针；其中，第一探针采集的控制面数据包括：S1-MME口数据；第二探针采集的用户面数据包括：S1-U口数据。
在本示例性实施例中，第一探针可以将采集到的控制面数据传送至覆盖黑洞识别系统，第二探针可以将采集到的用户面数据传送到覆盖黑洞识别系统，然后，由覆盖黑洞识别系统进行数据处理，来识别检测区域内的覆盖黑洞小区和覆盖黑洞的位置信息。其中，覆盖黑洞识别系统可以部署在一台服务器上，或者，可以部署在服务器集群中。然而，本申请对此并不限定。
图3为本申请示例性实施例提供的无线小区的覆盖黑洞小区识别和覆盖黑洞位置识别过程的示例图。其中，可以对第一时间段Q的采集数据进行分析，然后，根据覆盖黑洞小区判定规则来识别出覆盖黑洞小区。
在本示例中，第一时间段Q可以为七天，第二时间段可以为一天。
在本示例中，覆盖黑洞小区判定规则可以包括：覆盖黑洞小区要求满足前七天中有三天或以上出现覆盖黑洞问题，且有问题的这些天日均覆盖不满意用户数不少于R4(对应上述的第四阈值)个；其中，小区某一天出现覆盖空洞问题定义为小区当天出现覆盖不满意的用户占比大于R3(对应上述的第三阈值)；小区某一天出现覆盖不满意的用户定义为当天在该小区的第一事件的发生次数大于R1(对应上述的第一阈值)且重定向驻留时长大于R2秒(对应上述的第二阈值)的用户。
需要说明的是，覆盖黑洞小区的判定规则可以根据实际需求进行调整。本申请对此并不限定。
如图3所示，在本示例中，覆盖黑洞小区的识别过程包括：
S301、从S1-MME口一天的XDR(External Data Representation，外部数据表示)详单中过滤出4G系统重定向到2G系统事件(对应上述的第一事件)的话单和2G系统返回至4G系统事件(对应上述的第二事件)的话单。
在本示例中，第一事件的判别条件可以包括：终端上下文释放(UE ContextRelease)，且原因为异系统重定向(interrat-redirection)。第二事件的判别条件可以包括：第一事件(4G系统重定向到2G系统)之后第一次发生的跟踪区更新(TAU，Tracking AreaUpdate)或附着(ATTACH)事件。
需要说明的是，在其他实现方式中，第一事件可以包括：从4G系统重定向到2G系统的事件、从4G系统重定向到3G系统的事件。本申请对此并不限定。
S302、通过过滤出的话单中的国际移动用户识别码(IMSI，International MobileSubscriber Identification Number)将第一事件的话单和第二事件的话单进行关联，即，将4G系统重定向到2G系统之后第一次发生的TAU或者ATTACH事件的话单与这条4G系统重定向到2G系统的话单关联成一条记录(未关联上的话单可以废弃)；其中，关联方式可以为根据第一事件话单的时间点，向后查找和这个话单具有相同IMSI和小区标识(ECI，eNodeB IDCell ID)、且在这个话单事件点之后第一次出现的事件类型为TAU或者ATTACH的话单，查找到的话单的时间点作为第二事件的时间点。第一事件和第二事件关联后的记录包括：IMSI、小区ECI、第一事件(4G系统重定向到2G系统事件)的时间点time_src、第二事件(2G系统返回至4G系统事件)的时间点time_dst。其中，第一事件的单次重定向驻留时长可以通过time_dst减去time_src得到。
S303、对S302关联后的结果，按照IMSI和小区ECI两个维度进行聚集，计算一天内某一小区ECIi下，用户IMSIj的第一事件(4G系统重定向到2G系统事件)的次数和重定向驻留时长。
其中，第一事件的次数可以通过对话单的记录数进行统计得到，重定向驻留时长可以通过time_dst减去time_src然后求和得到。其中，用户IMSIj的第一事件的次数和重定向驻留时长可以通过以下式子进行描述：
用户IMSIj的第一事件话单为XDRi(i＝1,2,..,k)；
用户IMSIj的第一事件的次数Countj＝k；
用户IMSIj的重定向驻留时长Timej＝SUM(time_dsti-time_srci)。
如此一来，可以得到一天内小区ECIi下不同用户IMSIj的4G系统重定向到2G系统事件的次数和重定向驻留时长。
S304、对S303得到的结果，按照小区ECI维度进行聚集，可以得到任一无线小区在一天内发生的第一事件(4G系统重定向到2G系统事件)的次数大于R1且重定向驻留时长大于R2秒的用户数(即覆盖黑洞小区判定规则中定义的覆盖不满意用户的数量)，然后结合该小区当天总用户数(可以通过采集的S1-MME口数据另行计算得到)，即可得到该小区当天出现覆盖不满意的用户占比。其中，该小区当天出现覆盖不满意的用户占比等于该小区当前出现覆盖不满意用户的数量与该小区当天总用户数的比值。
S305、按照S301至S304的步骤重复计算七天内全网每个无线小区每天的覆盖不满意用户数和覆盖不满意用户占比。
S306、基于S305得到的结果，统计每个无线小区前七天中出现覆盖空洞问题的天数，并计算日均覆盖不满意用户数。然后，筛选出满足本示例的覆盖黑洞小区判定规则的无线小区，即为覆盖黑洞小区。
在一应用例子中，以模拟现网数据为例，识别某地市2019年6月3日的覆盖黑洞小区。本示例中的分析流程如下：读取2019年6月3日及前6天探针采集的控制面S1-MME口数据，按照覆盖黑洞小区识别步骤(S301至S306)输出2019年6月3日的覆盖黑洞小区列表，并且输出每个小区在七天内的覆盖不满意用户占比的平均值、出现覆盖黑洞问题的天数，按照覆盖不满意用户占比的平均值进行降序排列，取前50条记录，即得到该地市的Top50覆盖黑洞小区列表及对应指标，然后可以进行派单解决。
表1覆盖黑洞小区列表
基于图3所示，在本示例性实施例中，在通过S306识别出全网内的覆盖黑洞小区之后，可以基于时间窗，计算用户发生第一事件时的OTT位置。
图4为OTT定位原理的示意图。如图4所示，OTT定位原理如下：
S401、APP应用(比如，APP手机端)以http协议的post方式在上行上报含坐标系、GPS经纬度(室外，且开启GPS)、WIFI介质访问控制(MAC，Media Access Control)地址、类似MR等信息的加密定位请求。APP应用可以通过API(Application Programming Interface，应用程序编程接口)访问地图服务器端。
S402、地图服务器端接收到加密定位请求后，经计算，以http协议的post方式在下行的http 200OK响应中以压缩包的形式将经纬度信息发给APP手机端；其中，可从S1-U接口中的http原始码流的有效载荷(payload)中解码得到经纬度信息。
S403、APP应用(比如，APP手机端)以http协议的get方式，在上行的URL(UniformResource Location，统一资源定位符)中以明文的形式将经纬度信息上报给自身的服务器(即APP服务器端)；其中，可从S1-U接口中的http类型XDR文件的URI(Uniform ResourceIdentifier，统一资源标识符)字段中直接提取经纬度信息。
由此可知，通过APP手机端与地图服务器端或APP服务器端的交互过程，可以得到APP手机端所在的经纬度信息。由于获取的经纬度信息来源于OTT应用，故可以称之为OTT定位。
相较于传统方式中在没有信号时基本无法上报MR数据，也就无法判断覆盖黑洞位置，在本示例性实施例中，基于时间窗获取用户重定向位置，可以给覆盖黑洞位置识别提供数据基础，从而实现覆盖黑洞识别。
图5为本申请实施例中基于时间窗的OTT位置识别方式的示例图。结合图3和图5所示，基于时间窗，计算用户发生从4G系统重定向到2G系统时的OTT位置流程如下：
S501、从S1-U口第一时间段的XDR详单中过滤出上报了OTT位置信息(比如，经度、纬度和坐标系等信息)的话单。
S502、针对S302过滤得到的第一事件的任一话单，以该话单的时间点为时间窗TN的结束点，查找在时间窗内距离该话单的时间点最近的OTT位置信息，作为该第一事件的OTT位置。
如图5所示，在S1-MME口数据的时间序列和S-U口数据的时间序列中，以第一事件的话单的时间点向前的TN作为时间窗，查找该时间窗内距离该话单的时间点最近的上报了OTT位置的话单，则将查找到的OTT位置确定为该第一事件的OTT位置。在图5中绘示出了两个第一事件对应的OTT位置的示例。
在本示例中，由于用户发生第一事件(4G系统重定向至2G系统事件)时很有可能OTT信息已经无法上报，故以第一事件的话单的时间点向前的TN作为时间窗。然而，本申请对此并不限定。在其他实现方式中，可以第一事件的话单的时间点向前的TN1时长和向后的TN2时长作为时间窗。
在本示例性实施例中，在确定第一事件关联的OTT位置之后，针对存在覆盖黑洞的小区，可以基于聚类算法的机器学习模型获得覆盖黑洞的位置信息。本示例中，基于聚类算法的机器学习模型获得覆盖黑洞的位置信息的流程可以包括：
S601、通过时间窗方式，确定某一覆盖黑洞小区在第一时间段(比如，前7天)内的用户发生第一事件(4G系统重定向到2G系统事件)时的OTT位置(比如，包括经度、纬度和坐标系等信息)。
S602、对S601的结果中不同坐标系的经纬度进行转换，转换为统一坐标系(如统一转换为GCJ-02火星坐标系)下的经纬度信息，转换之后可以按照经纬度进行聚集，并计算不同的经纬度下的重定向次数和重定向用户数。
S603、将针对某一覆盖黑洞小区，按照S601和S602得到的经纬度信息，作为输入数据，输入机器学习模型，得到聚类结果，聚类结果将不同的经、纬度坐标自动划分为多组。在本示例中，每组经纬度坐标即对应为图6中的一个覆盖黑洞。
在本示例中，在采用S603使用机器学习模型之前，需要基于密度的聚类算法进行模型训练，以得到适用于本示例的机器学习模型。其中，可以基于密度的聚类算法，以按照S601和S602方式得到的经纬度信息作为聚类算法的输入特征，进行训练并且调整输入参数，可以得到符合预期的聚类算法模型，作为本示例的机器学习模型。
S604、在确定不同的覆盖黑洞的位置之后，可以通过S602计算得到的不同经纬度下的重定向次数和重定向用户数，反向计算每个覆盖黑洞下发生的总重定向次数和重定向用户数，基于此判断覆盖黑洞的严重级别。其中，关于严重级别的判定条件可以根据需求进行设定，本申请对此并不限定。
S605、根据S604确定的覆盖黑洞的严重级别，可以确定优化方案。比如，运营商网优人员可以采用调整方位角、天线高度、增加基站等方式，进行针对性优化。
在一应用例子中，仍以模拟现网数据为例，在识别某地市2019年6月3日的覆盖黑洞小区(比如表1)后，可以按照以下分析流程继续计算每个覆盖黑洞小区的覆盖黑洞位置：读取2019年6月3日及前6天探针采集的控制面S1-MME口数据和用户面S1-U口数据，对每天的数据按照S501至S502以及S601至S602，计算每个覆盖黑洞小区的覆盖黑洞列表及每个覆盖黑洞下发生的总重定向次数和重定向用户数。
以小区ECI：215510273为例，对应的覆盖黑洞列表及指标如表2所示。
表2覆盖黑洞列表一及指标
/>
按照S603处理之后，该小区对应的覆盖黑洞位置可以如图6所示。
以小区ECI：215600899为例，对应的覆盖黑洞列表及指标如表3所示。
表3覆盖黑洞列表二及指标
/>
按照S603处理之后，该小区对应的覆盖黑洞位置可以如图7所示。
在一实际应用例子中，以本申请实施例提供的覆盖黑洞识别方法应用在济南市的某一运营商网络的使用情况为例，采用本实施例方案运行十天内共输出Top覆盖黑洞小区71个，经过派单核算和验证，其中需要新建站点的有17个，确认为故障的为45个，无法确定的为9个，即发现的可以确认需要进行优化的小区占比高达87.3％。由此可见，本实施例可以基于用户真实感知，及时发现全网小区覆盖黑洞问题，并定位出问题小区具体的覆盖黑洞位置，从而为无线网络优化提供了明确的解决对象，大大降低了无线网络的运行维护成本。
在本示例性实施例中，在LTE组网中，通过在无线基站与核心网网元MME以及无线基站与核心网网关SGW之间分别部署探针，获取LTE数据业务全网控制面S1-MME口数据和用户面S1-U口数据，然后，结合S1-MME口数据中的4G系统重定向到2G系统的次数和4G系统重定向驻留时长来识别覆盖黑洞小区；对于某个覆盖黑洞小区，通过S1-U口的OTT数据，来获取用户发生4G系统重定向到2G系统时具体的经纬度位置，并基于一定时间段内的经纬度位置，采用聚类算法得到该覆盖黑洞小区内的多个覆盖黑洞的位置。如此一来，本申请实施例可以主动发现影响用户真实上网感知的全网无线小区的覆盖黑洞问题，并且可以将问题小区的覆盖黑洞位置进行输出，并暴露给运营商，为运营商进行无线网络优化提供精准定位，缩小测试范围，从而降低维护成本。
图8为本申请实施例提供的无线小区的覆盖黑洞识别系统的示意图。如图8所示，本申请实施例提供的覆盖黑洞识别系统包括：
数据获取模块801，用于通过部署在接入网与核心网之间的探针，采集检测区域内的控制面数据和用户面数据；
处理模块802，用于根据采集到的控制面数据和用户面数据，识别检测区域内存在覆盖黑洞的无线小区以及该无线小区内覆盖黑洞的位置信息。
关于本实施例提供的覆盖黑洞识别系统的相关说明可以参照上述方法实施例的描述，故于此不再赘述。
此外，本申请实施例还提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被执行时实现上述的覆盖黑洞识别方法的步骤，比如图2所示的步骤。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
Claims (9)
1.一种无线小区的覆盖黑洞识别方法，包括：
通过部署在接入网与核心网之间的探针，采集检测区域内的控制面数据和用户面数据；
根据采集到的控制面数据，筛选出第一时间段内从第一移动通信系统重定向到第二移动通信系统的第一事件，其中，所述第一移动通信系统的网络质量高于所述第二移动通信系统的网络质量；
基于所述第一时间段内的第一事件，识别所述检测区域内存在覆盖黑洞的无线小区；
根据采集到的用户面数据以及所述第一时间段内的第一事件，确定所述无线小区内覆盖黑洞的位置信息；
其中，所述基于所述第一时间段内的第一事件，识别所述检测区域内存在覆盖黑洞的无线小区，包括：
从采集到的控制面数据中，筛选出所述第一事件关联的从所述第二移动通信系统返回到所述第一移动通信系统的第二事件；根据所述第一事件的时间点以及所述第一事件关联的第二事件的时间点，确定所述第一事件对应的单次重定向驻留时长；根据所述第一时间段内所述检测区域内任一无线小区下每个用户对应的所述第一事件的次数和重定向驻留时长，识别所述检测区域内存在覆盖黑洞的无线小区；
或者，
根据所述第一时间段内所述检测区域内任一无线小区下每个用户对应的所述第一事件的次数，识别所述检测区域内存在覆盖黑洞的无线小区。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一时间段内所述检测区域内任一无线小区下每个用户对应的所述第一事件的次数和重定向驻留时长，识别所述检测区域内存在覆盖黑洞的无线小区，包括：
将所述第一时间段划分为至少N个第二时间段，N为大于1的整数；针对所述检测区域内的任一无线小区，在任一第二时间段内，确定在所述第二时间段内满足第一事件的次数大于第一阈值且重定向驻留时长大于第二阈值的用户数，作为所述第二时间段内不满意小区覆盖的用户数；并根据所述第二时间段内不满意小区覆盖的用户数与所述第二时间段内的总用户数，计算得到所述第二时间段内不满意小区覆盖的用户占比；将所述第二时间段内不满意小区覆盖的用户占比大于第三阈值的小区，记录为在所述第二时间段内出现覆盖黑洞问题的小区；筛选出满足以下条件的小区为存在覆盖黑洞的无线小区：在所述第一时间段中的至少M个第二时间段中出现覆盖黑洞问题，M为正整数，且M小于N；所述出现覆盖黑洞问题的小区在所述至少M个第二时间段内不满意小区覆盖的用户数的平均值大于或等于第四阈值；
或者，
针对检测区域内的任一无线小区，确定在所述第一时间段内满足第一事件的次数大于第五阈值且重定向驻留时长大于第六阈值的用户数，作为不满意小区覆盖的用户数；并根据不满意小区覆盖的用户数与所述第一时间段内的总用户数，计算得到所述第一时间段内不满意小区覆盖的用户占比；将所述第一时间段内不满意小区覆盖的用户占比大于第七阈值的小区，识别为存在覆盖黑洞的无线小区。
3.根据权利要求1所述的方法，其特征在于，所述根据采集到的用户面数据以及所述第一时间段内的第一事件，确定所述无线小区内覆盖黑洞的位置信息，包括：
从采集到的用户面数据中，获取上报OTT位置的话单；
针对识别出存在覆盖黑洞的无线小区，基于时间窗，将所述第一时间段内所述无线小区内的第一事件与所述上报OTT位置的话单进行关联，确定所述第一事件关联的OTT位置；
对所述无线小区内的第一事件关联的OTT位置进行汇总和聚类分析，得到所述无线小区内的覆盖黑洞的位置信息。
4.根据权利要求3所述的方法，其特征在于，所述针对识别出存在覆盖黑洞的无线小区，基于时间窗，将所述第一时间段内所述无线小区内的第一事件与所述上报OTT位置的话单进行关联，确定所述第一事件关联的OTT位置，包括：
针对所述第一时间段内所述无线小区内的任一第一事件，在以所述第一事件的时间点为参考点确定的时间窗内，查找与所述第一事件的时间点最近的上报OTT位置的话单，将所述话单上报的OTT位置确定为所述第一事件关联的OTT位置。
5.根据权利要求3所述的方法，其特征在于，所述对所述无线小区内的第一事件关联的OTT位置进行汇总和聚类分析，得到所述无线小区内的覆盖黑洞的位置信息，包括：
针对识别出存在覆盖黑洞的无线小区，将所述无线小区内的第一事件关联的OTT位置进行坐标系统一后，输入基于聚类算法的机器学习模型，得到所述覆盖黑洞的位置信息。
6.根据权利要求1所述的方法，其特征在于，在长期演进LTE系统中，所述第一事件的判别条件包括：事件类型为终端上下文释放，且原因为异系统重定向interrat-redirection；所述第一事件关联的第二事件的判别条件包括：在所述第一事件之后第一次发生的跟踪区更新TAU或附着ATTACH事件。
7.根据权利要求1至6中任一项所述的方法，其特征在于，在长期演进LTE系统中，所述部署在接入网与核心网之间的探针包括：部署在无线基站和移动管理实体MME之间的第一探针、部署在所述无线基站和服务网关SGW之间的第二探针；其中，所述第一探针采集的控制面数据包括：S1-MME口数据；所述第二探针采集的用户面数据包括：S1-U口数据。
8.一种无线小区的覆盖黑洞识别系统，其特征在于，包括：
数据获取模块，用于通过部署在接入网与核心网之间的探针，采集检测区域内的控制面数据和用户面数据；
处理模块，用于根据采集到的控制面数据，筛选出第一时间段内从第一移动通信系统重定向到第二移动通信系统的第一事件，其中，所述第一移动通信系统的网络质量高于所述第二移动通信系统的网络质量；基于所述第一时间段内的第一事件，识别所述检测区域内存在覆盖黑洞的无线小区；根据采集到的用户面数据以及所述第一时间段内的第一事件，确定所述无线小区内覆盖黑洞的位置信息；
其中，所述基于所述第一时间段内的第一事件，识别所述检测区域内存在覆盖黑洞的无线小区，包括：
从采集到的控制面数据中，筛选出所述第一事件关联的从所述第二移动通信系统返回到所述第一移动通信系统的第二事件；根据所述第一事件的时间点以及所述第一事件关联的第二事件的时间点，确定所述第一事件对应的单次重定向驻留时长；根据所述第一时间段内所述检测区域内任一无线小区下每个用户对应的所述第一事件的次数和重定向驻留时长，识别所述检测区域内存在覆盖黑洞的无线小区；
或者，
根据所述第一时间段内所述检测区域内任一无线小区下每个用户对应的所述第一事件的次数，识别所述检测区域内存在覆盖黑洞的无线小区。
9.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被执行时实现如权利要求1至7中任一项所述的覆盖黑洞识别方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910647475.2A CN112243257B (zh) | 2019-07-17 | 2019-07-17 | 一种无线小区的覆盖黑洞识别方法及系统 |
| PCT/CN2020/100249 WO2021008393A1 (zh) | 2019-07-17 | 2020-07-03 | 一种无线小区的覆盖黑洞识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910647475.2A CN112243257B (zh) | 2019-07-17 | 2019-07-17 | 一种无线小区的覆盖黑洞识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112243257A CN112243257A (zh) | 2021-01-19 |
| CN112243257B true CN112243257B (zh) | 2024-01-26 |
Family
ID=74167639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910647475.2A Active CN112243257B (zh) | 2019-07-17 | 2019-07-17 | 一种无线小区的覆盖黑洞识别方法及系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112243257B (zh) |
| WO (1) | WO2021008393A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113411825B (zh) * | 2021-06-17 | 2022-11-22 | 中国联合网络通信集团有限公司 | 5g小区定位方法、装置、电子设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103634824A (zh) * | 2012-08-21 | 2014-03-12 | 中国移动通信集团四川有限公司 | 一种定位无线网络中产生寻呼黑洞的小区的系统和方法 |
| CN104394551A (zh) * | 2014-12-02 | 2015-03-04 | 长沙领新信息科技有限公司 | 一种基于海量用户信令的过覆盖小区识别方法及其系统 |
| US9113353B1 (en) * | 2015-02-27 | 2015-08-18 | ReVerb Networks, Inc. | Methods and apparatus for improving coverage and capacity in a wireless network |
| CN105453635A (zh) * | 2013-07-26 | 2016-03-30 | 英特尔Ip公司 | 网络覆盖空洞检测 |
| CN106535234A (zh) * | 2016-12-31 | 2017-03-22 | 中国移动通信集团江苏有限公司 | 测量报告与用户关联和上网问题的定位方法和装置 |
| CN106572495A (zh) * | 2016-09-29 | 2017-04-19 | 中国普天信息产业北京通信规划设计院 | 基于信令和mr数据的网络质量监测方法和覆盖评估方法 |
| CN108271204A (zh) * | 2016-12-30 | 2018-07-10 | 中国移动通信集团山东有限公司 | 一种基于信令数据的lte网络盲区识别方法和装置 |
| CN108990087A (zh) * | 2017-06-05 | 2018-12-11 | 中兴通讯股份有限公司 | 无线小区异常覆盖定位方法和装置 |
| CN109996278A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团四川有限公司 | 道路网络质量评估方法、装置、设备及介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2484534B (en) * | 2010-10-15 | 2014-04-09 | Fujitsu Ltd | Cell edge coverage hole detection in cellular wireless networks |
| WO2016111590A1 (ko) * | 2015-01-08 | 2016-07-14 | 엘지전자(주) | 무선 통신 시스템에서 페이징 전송 방법 및 이를 위한 장치 |
| CN107231636B (zh) * | 2016-03-23 | 2020-09-08 | 中国移动通信集团四川有限公司 | 一种校准网络覆盖评估的方法和装置 |
| CN108541011B (zh) * | 2017-03-03 | 2021-11-23 | 中国移动通信集团福建有限公司 | 无线网络信号覆盖区域的强度分析方法和装置 |
| CN109996186B (zh) * | 2017-12-29 | 2021-02-26 | 中国移动通信集团陕西有限公司 | 一种网络覆盖问题识别方法及装置、可读取存储介质 |
-
2019
- 2019-07-17 CN CN201910647475.2A patent/CN112243257B/zh active Active
-
2020
- 2020-07-03 WO PCT/CN2020/100249 patent/WO2021008393A1/zh active Application Filing
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103634824A (zh) * | 2012-08-21 | 2014-03-12 | 中国移动通信集团四川有限公司 | 一种定位无线网络中产生寻呼黑洞的小区的系统和方法 |
| CN105453635A (zh) * | 2013-07-26 | 2016-03-30 | 英特尔Ip公司 | 网络覆盖空洞检测 |
| CN104394551A (zh) * | 2014-12-02 | 2015-03-04 | 长沙领新信息科技有限公司 | 一种基于海量用户信令的过覆盖小区识别方法及其系统 |
| US9113353B1 (en) * | 2015-02-27 | 2015-08-18 | ReVerb Networks, Inc. | Methods and apparatus for improving coverage and capacity in a wireless network |
| CN106572495A (zh) * | 2016-09-29 | 2017-04-19 | 中国普天信息产业北京通信规划设计院 | 基于信令和mr数据的网络质量监测方法和覆盖评估方法 |
| CN108271204A (zh) * | 2016-12-30 | 2018-07-10 | 中国移动通信集团山东有限公司 | 一种基于信令数据的lte网络盲区识别方法和装置 |
| CN106535234A (zh) * | 2016-12-31 | 2017-03-22 | 中国移动通信集团江苏有限公司 | 测量报告与用户关联和上网问题的定位方法和装置 |
| CN108990087A (zh) * | 2017-06-05 | 2018-12-11 | 中兴通讯股份有限公司 | 无线小区异常覆盖定位方法和装置 |
| CN109996278A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团四川有限公司 | 道路网络质量评估方法、装置、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于覆盖效能分析的LTE无线规划O侧支撑方法;范星宇;杨雨苍;李一;陆钧;陈巍嵬;;邮电设计技术(01);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021008393A1 (zh) | 2021-01-21 |
| CN112243257A (zh) | 2021-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11490348B2 (en) | Signal quality database | |
| US11160034B2 (en) | Self-calibrating and self-adjusting network | |
| CN108156626B (zh) | 轨道交通无线网络质量评估方法、装置及介质 | |
| CN107026746B (zh) | 网络业务质量评估方法、系统及网络设备 | |
| US9532180B2 (en) | Method of analysing data collected in a cellular network and system thereof | |
| US20070129086A1 (en) | Method and apparatus for identifying a geographic area having undesirable wireless service | |
| CN105744553B (zh) | 一种网络关联分析方法及装置 | |
| US20020127993A1 (en) | Real-time network analysis and performance management | |
| CN106572495A (zh) | 基于信令和mr数据的网络质量监测方法和覆盖评估方法 | |
| US9497648B2 (en) | Detecting cellular connectivity issues in a wireless communication network | |
| CN110121183B (zh) | 一种信息处理方法、装置和计算机可读存储介质 | |
| CN108307427B (zh) | 一种lte网络覆盖分析、预测方法及系统 | |
| US9271175B2 (en) | Wireless quality collecting device, wireless quality collecting method, and computer-readable recording medium | |
| CN111163482B (zh) | 数据的处理方法、设备及存储介质 | |
| CN112243257B (zh) | 一种无线小区的覆盖黑洞识别方法及系统 | |
| US11223566B2 (en) | Cellular network management based on automatic social-data acquisition | |
| CN110120883B (zh) | 一种评估网络性能的方法、装置和计算机可读存储介质 | |
| CN108134703B (zh) | 网络小区隐患故障预测分析方法及装置 | |
| US10721707B2 (en) | Characterization of a geographical location in a wireless network | |
| JP6378836B2 (ja) | 通信速度制限ユーザ抽出装置、スループット推定装置、通信速度制限ユーザ抽出方法、スループット推定方法、通信速度制限ユーザ抽出プログラム、及びスループット推定プログラム | |
| CN106851604B (zh) | 一种移动通信网络的业务量预测方法及装置 | |
| KR101696318B1 (ko) | 무선 망 관리 투자 방법 및 장치 | |
| US20220338029A1 (en) | Self-organizing network system | |
| Medina et al. | Proposal of a system architecture for real time quality of service monitoring of mobile telephony networks | |
| WO2023131818A1 (en) | Combined high-altitude and terrestrial overshoot detection |
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 |