CN112566023A - 数据分析方法和装置 - Google Patents
数据分析方法和装置 Download PDFInfo
- Publication number
- CN112566023A CN112566023A CN202011429014.7A CN202011429014A CN112566023A CN 112566023 A CN112566023 A CN 112566023A CN 202011429014 A CN202011429014 A CN 202011429014A CN 112566023 A CN112566023 A CN 112566023A
- Authority
- CN
- China
- Prior art keywords
- base station
- cell
- sampling point
- main service
- service base
- 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.)
- Granted
Links
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
-
- 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)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供了一种数据分析方法和装置,通过自主编写的数据分析方法,可以快速、自动输出移动网络的测试数据分析结果,提高数据分析的效率。该方法包括:获取采样点的关键指标数据;基于该采样点的主服务基站的编号和该采样点的主服务基站小区的编号,匹配现网数据库,以确定该采样点的主服务基站小区的名称,该现网数据库包括至少一个主服务基站小区的名称、该至少一个主服务基站小区的方位角β、该至少一个主服务基站小区的经纬度或该至少一个主服务基站小区的方位角β所处的象限中的一种或多种;基于该关键指标数据和该现网数据库中与该采样点的主服务基站小区的名称对应的数据,确定问题小区。
Description
技术领域
本申请涉及通信领域,更具体地,涉及一种数据分析方法和装置。
背景技术
通常,可以借助常见的专业分析软件对网络采样信息中的关键指标数据进行分析,并通过人工设定显示不同的指标阈值来感知各种类型的问题小区。
在使用专业分析软件对长期演进技术(long term evolution,LTE)移动网络采样信息进行数据分析的过程中,需要对已完成测试保存的文件进行解析,用图形化、地理化的界面回放测试时记录的信号打点内容,并基于分析人员的经验,以实现网络问题的分析与问题小区的提取。
然而,当具有大量采样信息需要进行数据分析时,需要分析人员逐个采样点进行查看,效率低下。
发明内容
本申请提供了一种数据分析方法和装置,该方法通过自主编写的数据自动分析方法,可以快速、自动输出移动网络的测试数据分析结果,提高数据分析的效率。
第一方面,提供了一种数据分析方法,包括:数据分析设备获取采样点的关键指标数据;该数据分析设备基于该采样点的主服务基站的编号和该采样点的主服务基站小区的编号,匹配现网数据库,以确定该采样点的主服务基站小区的名称;该数据分析设备基于所述关键指标数据和所述现网数据库中与所述采样点的主服务基站小区的名称对应的数据,确定问题小区。
该关键指标数据包括该采样点的经度Lon或该采样点的纬度Lat中的一种或多种。
该关键指标数据还包括该采样点的主服务基站的编号、该采样点的主服务基站小区的编号、该采样点的主服务基站小区的物理小区标识(physical cell identifier,PCI)、该采样点的主服务基站小区的参考信号接收功率(reference signal receivingpower,RERP)、该采样点的主服务基站小区的信干噪比(signal to interference plusnoise ratio,SINR)中的一种或多种。
该关键指标数据还包括该采样点的主服务基站的第一小区的PCI、该采样点的主服务基站的第一小区的第二邻小区的PCI、该采样点的主服务基站的第一小区的第三邻小区的PCI、该采样点的主服务基站的第一小区的第四邻小区的PCI、该采样点的主服务基站的第一小区的RSRP或该采样点的主服务基站的第一小区的第四邻小区的RSRP中的一种或多种。其中,该主服务基站的第一小区为RSRP最强的主服务基站小区。
本申请实施例中,该现网数据库包括至少一个主服务基站小区的名称、该至少一个主服务基站小区的方位角β、该至少一个主服务基站小区的经纬度或该至少一个主服务基站小区的方位角β所处的象限中的一种或多种。
在本申请实施例中,该数据分析设备从大量的采样信息中获取关键指标数据,并将该关键指标数据与现网数据库匹配,以获取与该采样点的主服务基站小区的名称对应的数据,并将该数据作为数据分析设备的标准化输入内容,数据分析设备自动分析并确定问题小区,可以提高数据分析的效率。
结合第一方面,在第一方面的某些实现方式中,基于该关键指标数据和该现网数据库中与该采样点的主服务基站小区的名称对应的数据,确定问题小区,包括:从该采样点中进行选择,得到该主服务基站的PCI与该主服务基站的第一小区的PCI相等的第一采样点;从该第一采样点中进行选择,得到RSRP大于或等于第一阈值且SINR小于或等于第二阈值的第二采样点;计算该第二采样点的主服务基站的第一小区的邻小区的RSRP与该第二采样点的主服务基站小区的RSRP的差值p;从该第二采样点中进行选择,得到该差值p大于或等于第三阈值的第三采样点;将该第三采样点的主服务基站小区确定为重叠覆盖质差问题小区。
本申请实施例中,该数据分析设备可以自动并快速地对输入数据进行判断并确定存在网络问题的该主服务基站小区为重叠覆盖质差问题小区,无需分析人员进行人工判断,提高数据分析效率。
结合第一方面,在第一方面的某些实现方式中,基于该关键指标数据和该现网数据库中与该采样点的主服务基站小区的名称对应的数据,确定问题小区,包括:计算该采样点的主服务基站小区的覆盖距离;分别对该采样点的主服务基站小区的覆盖距离和SINR进行平均,得到该主服务基站小区的平均覆盖距离d和平均SINR;基于该主服务基站小区的平均覆盖距离d和平均SINR,确定该问题小区。
结合第一方面,在第一方面的某些实现方式中,基于该主服务基站小区的平均覆盖距离d和平均SINR,确定该问题小区,包括:若该采样点的主服务基站为宏站,该平均覆盖距离d大于或等于第四阈值,且该平均SINR小于或等于第五阈值,则将该采样点的主服务基站小区确定为越区覆盖质差问题小区;或,若该采样点的主服务基站为宏站,该平均覆盖距离d小于或等于第六阈值,且该平均SINR小于或等于第七阈值,则将该采样点的主服务基站小区确定为覆盖受限质差问题小区;或,若该采样点的主服务基站为室分,该平均覆盖距离d小于或等于第八阈值,且该平均SINR小于或等于第九阈值,则将该采样点对应的该主服务基站小区确定为室分外泄质差问题小区。
本申请实施例中,该数据分析设备可以自动并快速地对输入数据进行判断并确定存在网络问题的该主服务基站小区为越区覆盖质差问题小区、覆盖受限质差问题小区或室分外泄质差问题小区,无需分析人员进行人工判断,提高数据分析效率。
应理解,可以根据主服务基站小区的属性,将主服务基站小区划分为宏站、小站或室分三个种类,再按照该第二数据分析方法中编写的判断准则对该主服务基站小区进行判断。
结合第一方面,在第一方面的某些实现方式中,基于该关键指标数据和该现网数据库中与该采样点的主服务基站小区的名称对应的数据,确定问题小区,包括:计算该采样点的主服务基站的第一小区的PCI的第一模三余数;计算该采样点的主服务基站的第一小区的邻小区的PCI的第二模三余数;从该采样点中进行选择,得到主服务基站小区的RSRP大于或等于第十阈值、主服务基站小区的SINR小于或等于第十一阈值,且该第一模三余数等于该第二模三余数的第四采样点;将该第四采样点的主服务基站小区确定为模三干扰质差问题小区。
本申请实施例中,该数据分析设备可以自动并快速地对输入数据进行判断并确定存在网络问题的该主服务基站小区为模三干扰质差问题小区,无需分析人员进行人工判断,提高数据分析效率。
结合第一方面,在第一方面的某些实现方式中,基于该关键指标数据和该现网数据库中与该采样点的主服务基站小区的名称对应的数据,确定问题小区,包括:计算该采样点的经纬度与该主服务基站小区的经纬度的夹角θ;将该夹角θ与该方位角β进行比较;若该夹角θ与该方位角β所处的象限相反,则将该采样点的主服务基站小区确定为背瓣覆盖过强质差问题小区。
本申请实施例中,该数据分析设备可以自动并快速地对输入数据进行判断并确定存在网络问题的该主服务基站小区为背瓣覆盖过强质差问题小区,无需分析人员进行人工判断,提高数据分析效率。
结合第一方面,在第一方面的某些实现方式中,基于该关键指标数据和该现网数据库中与该采样点的主服务基站小区的名称对应的数据,确定问题小区,包括:计算该采样点的经纬度与该主服务基站小区的经纬度的夹角θ;对该采样点的夹角θ进行平均,得到该主服务基站小区的实际覆盖平均方向角γ;计算该方位角β与γ的差值Dvalue;若该方位角β与实际覆盖平均方向角γ所处的象限不一致,且该差值Dvalue大于或等于第十二阈值,则将该采样点的主服务基站小区确定为疑似天馈接反问题小区。
本申请实施例中,该数据分析设备可以自动并快速地对输入数据进行判断并确定存在网络问题的该主服务基站小区为疑似天馈接反问题小区,无需分析人员进行人工判断,提高数据分析效率。
第二方面,提供了一种数据分析装置,包括:用于执行上述第一方面中任一种可能的实现方式中的方法。具体地,该装置包括用于执行上述第一方面中任一种可能的实现方式中的方法的模块。
第三方面,提供了另一种数据分析装置,包括处理器,该处理器与存储器耦合,可用于执行存储器中的指令,以实现上述第一方面中任一种可能实现方式中的方法。可选地,该装置还包括存储器。可选地,该装置还包括通信接口,处理器与通信接口耦合。
第四方面,提供了一种处理器,包括:输入电路、输出电路和处理电路。处理电路用于通过输入电路接收信号,并通过输出电路发射信号,使得处理器执行上述第一方面中任一种可能实现方式中的方法。
在具体实现过程中,上述处理器可以为芯片,输入电路可以为输入管脚,输出电路可以为输出管脚,处理电路可以为晶体管、门电路、触发器和各种逻辑电路等。输入电路所接收的输入的信号可以是由例如但不限于接收器接收并输入的,输出电路所输出的信号可以是例如但不限于输出给发射器并由发射器发射的,且输入电路和输出电路可以是同一电路,该电路在不同的时刻分别用作输入电路和输出电路。本申请实施例对处理器及各种电路的具体实现方式不做限定。
第五方面,提供了一种处理装置,包括处理器和存储器。该处理器用于读取存储器中存储的指令,并可通过接收器接收信号,通过发射器发射信号,以执行上述第一方面中任一种可能实现方式中的方法。
可选地,处理器为一个或多个,存储器为一个或多个。
可选地,存储器可以与处理器集成在一起,或者存储器与处理器分离设置。
在具体实现过程中,存储器可以为非瞬时性(non-transitory)存储器,例如只读存储器(read only memory,ROM),其可以与处理器集成在同一块芯片上,也可以分别设置在不同的芯片上,本申请实施例对存储器的类型以及存储器与处理器的设置方式不做限定。
应理解,相关的数据交互过程例如发送指示信息可以为从处理器输出指示信息的过程,接收能力信息可以为处理器接收输入能力信息的过程。具体地,处理输出的数据可以输出给发射器,处理器接收的输入数据可以来自接收器。其中,发射器和接收器可以统称为收发器。
上述第五方面中的处理装置可以是一个芯片,该处理器可以通过硬件来实现也可以通过软件来实现,当通过硬件实现时,该处理器可以是逻辑电路、集成电路等;当通过软件来实现时,该处理器可以是一个通用处理器,通过读取存储器中存储的软件代码来实现,该存储器可以集成在处理器中,可以位于该处理器之外,独立存在。
第六方面,提供了一种计算机程序产品,计算机程序产品包括:计算机程序(也可以称为代码,或指令),当计算机程序被运行时,使得计算机执行上述第一方面中任一种可能实现方式中的方法。
第七方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序(也可以称为代码,或指令)当其在计算机上运行时,使得计算机执行上述第一方面中任一种可能实现方式中的方法。
附图说明
图1是本申请实施例提供的一种数据分析方法的示意性流程图;
图2是本申请实施例提供的一种象限示意图;
图3是本申请实施例提供的一种数据分析装置的示意性框图;
图4是本申请实施例提供的另一种数据分析装置的示意性框图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
当前对LTE移动网络采样信息的分析主要依托于专业的收费分析软件(如Pioneer/Assistant/TEMS等)进行地理化数据分析,但分析结果很大程度上依赖于分析人员的经验判断与主观标准。
在一种可能的实现方式中,可以使用上述分析软件对保存的采样信息进行解析,用图形化、地理化的界面回放测试时记录的信号打点内容,该信号打点内容包含参考信号接收功率RSRP、信干噪比SINR、无线接入网络绝对无线频率信道号(e-utra absoluteradio frequency channel number,EARFCN)、物理小区标识PCI以及演进通用陆地无线接入网络小区标识(e-utran cell identifier,ECI)等采样信息及基站小区信息,通过人工设定显示不同的指标阈值来感知网络问题,并基于分析人员的经验确定问题小区。
上述通过分析软件获取路测数据分析存在以下不足:
1、无法快速输出问题小区。由于图形化地理化界面主要用于回放测试记录,若详细分析必须逐个采样点进行查看,当测试数据量很大,采用分析软件的方法对数据的分析,效率较低。
2、纯人工手段开展问题定位。由于分析人员优化经验的丰富程度不同,而且对网络问题的主观标准存在一定差异,导致分析质量、分析效率无法得到有效保证。
3、分析时必须安装指定分析软件及使用加密狗,一套正版软件售价数千甚至上万元,成本较高。
有鉴于此,本申请实施例提供一种数据分析方法和装置,该方法从大量的采样信息中获取关键指标数据,并将该关键指标数据与现网数据库匹配,以获取与该采样点的主服务基站小区的名称对应的数据,再将该数据作为数据分析设备的标准化输入内容,数据分析设备可以自动分析并确定问题小区,提高了数据分析的效率。
在介绍本申请实施例提供的数据分析方法之前,先做出以下几点说明。
第一,在下文示出的实施例中,各术语及英文缩略语,如主服务基站小区、关键指标数据、PCI等,均为方便描述而给出的示例性举例,不应对本申请构成任何限定。本申请并不排除在已有或未来的协议中定义其它能够实现相同或相似功能的术语的可能。
第二,在下文示出的实施例中第一、第二以及各种数字编号仅为描述方便进行的区分,并不用来限制本申请实施例的范围。例如,区分不同的阈值、区分不同的采样点或区分不同的模三余数等。
第三,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a、b和c中的至少一项(个),可以表示:a,或b,或c,或a和b,或a和c,或b和c,或a、b和c,其中a,b,c可以是单个,也可以是多个。
本申请实施例中的数据分析方法的步骤和/或流程可以由数据分析设备来执行。示例性地,该数据分析设备可以是数据分析服务器,还可以是其他具有执行该数据分析方法的相应步骤的功能的设备,本申请实施例在此不作限制。
图1是本申请实施例提供的一种数据分析方法100的示意性流程图,该方法100包括下列步骤:
S101,获取采样点的关键指标数据,该关键指标数据包括该采样点的主服务基站的编号、该采样点的主服务基站小区的编号、该采样点的主服务基站小区的物理小区标识PCI、该采样点的主服务基站的第一小区的PCI、该采样点的主服务基站小区的参考信号接收功率RSRP、或该采样点的主服务基站小区的信干噪比SINR中的一种或多种,该主服务基站的第一小区为RSRP最强的主服务基站小区。
应理解,该物理小区标识PCI是一个0~503之间可以复用的标识,用于区分不同小区的无线信号,保证在相关小区覆盖范围内没有相同的PCI。
应理解,基于主服务基站的编号和主服务基站小区的编号,可以确定全球唯一的一个主服务基站小区的名称。
可选地,该关键指标数据还包括下列中的一种或多种:采样点的经度Lon、采样点的纬度Lat、主服务基站的第一小区的第二邻小区的PCI、主服务基站的第一小区的第三邻小区的PCI、主服务基站的第一小区的第四邻小区的PCI、主服务基站的第一小区的RSRP或主服务基站的第一小区的第四邻小区的RSRP。
应理解,该主服务基站的第一小区的第二邻小区是指RSRP仅次于主服务基站的第一小区的RSRP的主服务基站小区,该主服务基站的第一小区的第三邻小区是指RSRP仅次于该第二邻小区的RSRP的主服务基站小区,该主服务基站的第一小区的第四邻小区是指RSRP仅次于该第三邻小区的RSRP的主服务基站小区。
S102,基于该采样点的主服务基站的编号和该采样点的主服务基站小区的编号,匹配现网数据库,以确定该采样点的主服务基站小区的名称,该现网数据库包括至少一个主服务基站小区的名称、该至少一个主服务基站小区的方位角β、该至少一个主服务基站小区的经度SiteLon、该至少一个主服务基站小区的纬度SiteLat或该至少一个主服务基站小区的方位角β所处的象限中的一种或多种。
本申请实施例中,上述方位角β所对应的象限需要根据如图2所示的象限示意图进行定义,其中,[0,90)为第一象限,[90,180)为第四象限,[180,270)为第三象限,[270,360)为第二象限。
S103,基于所述关键指标数据和所述现网数据库中与该采样点的主服务基站小区的名称对应的数据,确定问题小区。
本申请实施例中,数据分析设备在知道该采样点的主服务基站小区的名称之后,便可在现网数据库中匹配该名称所对应的小区工参,例如采样点的经度Lon、采样点的纬度Lat、主服务基站的第二邻小区的PCI、主服务基站的第三邻小区的PCI、主服务基站的第四邻小区的PCI、主服务基站的第一小区的RSRP或主服务基站小区的第四邻小区的RSRP中的一种或多种。
在本申请实施例中,数据分析设备从大量的采样信息中获取关键指标数据,并将该关键指标数据与现网数据库匹配,以获取与该采样点的主服务基站小区的名称对应的数据,并将该数据作为数据分析设备的标准化输入内容,数据分析设备自动分析并确定问题小区,可以提高数据分析的效率。
示例性地,可以使用Python语言来编写本申请实施例中所描述的数据分析方法,以实现快速分析测试数据(如,路测数据),并且自动输出移动网络(如,LTE网络)的问题小区清单的目的。应理解,还可通过其他的编程语言对该数据分析方法进行编程,本申请实施例在此不作限制。
示例性地,可以将数据分析设备输出的问题小区清单以excel格式呈现,每个sheet字表包含一类问题小区的输出结果内容,这样可以直观获取问题小区的清单。
作为一个可选的实施例,该问题小区包括下列中的一种或多种:重叠覆盖质差问题小区、越区覆盖质差问题小区、覆盖受限质差问题小区、室分外泄质差问题小区、模三干扰质差问题小区、背瓣覆盖过强问题小区或疑似天馈接反问题小区。
作为一个可选的实施例,上述步骤103具体包括:从该采样点中进行选择,得到该主服务基站的PCI与该主服务基站的第一小区的PCI相等的第一采样点;从该第一采样点中进行选择,得到RSRP大于或等于第一阈值且SINR小于或等于第二阈值的第二采样点;计算该第二采样点的主服务基站的第一小区的邻小区的RSRP与该第二采样点的主服务基站小区的RSRP的差值p;从该第二采样点中进行选择,得到该差值p大于或等于第三阈值的第三采样点;将该第三采样点的主服务基站小区确定为重叠覆盖质差问题小区。
应理解,本申请实施例中的主服务基站的第一小区的邻小区为该主服务基站的第一小区的第四邻小区。
本申请实施例中,重叠覆盖的定义为:(m/N)×100%,其中,m为重叠覆盖度大于或等于3的采样点数量,N为总采样点数量。重叠覆盖度是指在测试采样中与最强小区的RSRP的差值大于或等于第三阈值的邻区数量,并且该最强小区的RSRP大于或等于第一阈值。应理解,该最强小区为该采样点的主服务基站的第一小区。示例性地,该第一阈值可以为-100dBm,该第三阈值可以为-6dBm。
重叠覆盖质差的定义为:在重叠覆盖的采样点主服务基站小区中,SINR小于等于第二阈值。示例性地,该第二阈值可以为0dB。
本申请实施例中,该数据分析设备对输入的该采样点的主服务基站小区的名称对应的数据进行分析判断,该对应的数据包括该主服务基站的PCI、该主服务基站的第一小区的PCI、该主服务基站的RSRP、该主服务基站的SINR或该主服务基站的第一小区的第四邻小区的RSRP中的一种或多种。这样通过第一数据分析方法可以自动并快速地对输入数据进行判断并确定存在网络问题的该主服务基站小区为重叠覆盖质差问题小区,无需分析人员进行人工判断,提高数据分析效率。
示例性地,表一是输出的采样点的主服务基站小区为重叠覆盖质差问题小区的清单。
表一
作为一个可选的实施例,上述步骤103具体包括:计算该采样点的主服务基站小区的覆盖距离;分别对该采样点的主服务基站小区的覆盖距离和SINR进行平均,得到该主服务基站小区的平均覆盖距离d和平均SINR;基于该主服务基站小区的平均覆盖距离d和平均SINR,确定该问题小区。
上述采样点的主服务基站小区的覆盖距离distance可以按如下公式得到:
dLon=[(Lon-SiteLon)×100000]2
dLat=[(Lat-SiteLat)×100000]2
distance=(dLon+dLat)0.5
其中,dLon表示该采样点的经度Lon与该采样点的主服务基站小区的经度SiteLon之间的距离,dLat表示该采样点的纬度Lat与该采样点的主服务基站小区的纬度SiteLat之间的距离。
在得到每个采样点与该采样点的主服务基站小区的覆盖距离distance之后,对每个采样点的主服务基站小区的覆盖距离distance和SINR做算术平均,可以得到每个采样点的主服务基站小区的平均覆盖距离d和平均SINR。
本申请实施例中,该数据分析设备对输入的该采样点的主服务基站小区的名称对应的数据进行分析判断,该对应的数据可以包括该采样点的经度Lon、该采样点的纬度Lat、该主服务基站小区的经纬度、该主服务基站小区的SINR中的一种或多种。这样该数据分析设备可以自动并快速地对输入数据进行判断并确定存在网络问题的该主服务基站小区为重叠覆盖质差问题小区,无需分析人员进行人工判断,提高数据分析效率。
作为一个可选的实施例,基于该主服务基站小区的平均覆盖距离d和平均SINR,确定该问题小区,包括:若该采样点的主服务基站为宏站,该平均覆盖距离d大于或等于第四阈值,且该平均SINR小于或等于第五阈值,则将该采样点的主服务基站小区确定为越区覆盖质差问题小区;或,若该采样点的主服务基站为宏站,该平均覆盖距离d小于或等于第六阈值,且该平均SINR小于或等于第七阈值,则将该采样点的主服务基站小区确定为覆盖受限质差问题小区;或,若该采样点的主服务基站为室分,该平均覆盖距离d小于或等于第八阈值,且该平均SINR小于或等于第九阈值,则将该采样点对应的该主服务基站小区确定为室分外泄质差问题小区。
越区覆盖质差的定义为:主服务基站小区的平均覆盖距离d大于或等于第四阈值,且平均SINR小于或等于第五阈值。示例性地,该第四阈值可以是450米,该第五阈值可以是3dB。
覆盖受限质差的定义为:宏站的平均覆盖距离d小于胡等于第六阈值,且平均SINR小于或等于第七阈值。示例性地,该第六阈值可以是100米,该第七阈值可以是5dB。
室分外泄质差的定义为:室分的平均覆盖距离d小于或等于第八阈值,且该平均SINR小于或等于第九阈值。示例性地,该第八阈值可以是100米,该第九阈值可以是5dB。
本申请实施例中,可以根据主服务基站小区的属性,将主服务基站小区划分为宏站、小站或室分三个种类,再按照本实施例中的判断准则对该主服务基站小区进行判断。
应理解,本申请实施例中,越区覆盖质差问题小区、覆盖受限质差问题小区以及室分外泄质差问题小区的输出结果可以在同一个sheet字表中呈现,也可以在单独在一个sheet字表中呈现,在此不做限制。
示例性地,表二是输出的采样点的主服务基站小区为越区覆盖质差问题小区、覆盖受限质差问题小区以及室分外泄质差问题小区的清单。
表二
作为一个可选的实施例,上述步骤103具体包括:计算该采样点的主服务基站的第一小区的PCI的第一模三余数;计算该采样点的主服务基站的第一小区的邻小区的PCI的第二模三余数;从该采样点中进行选择,得到主服务基站小区的RSRP大于或等于第十阈值、主服务基站小区的SINR小于或等于第十一阈值,且该第一模三余数等于该第二模三余数的第四采样点;将该第四采样点的主服务基站小区确定为模三干扰质差问题小区。
本申请实施例中,该主服务基站的第一小区的邻小区为该主服务基站的第一小区的第二邻小区。
模三干扰质差的定义为:主服务基站小区的RSRP大于或等于第十阈值,主服务基站小区的SINR小于或等于第十一阈值,且主服务基站的第一小区的PCI的第一模三余数与主服务基站的第一小区的邻小区的第二模三余数相等,此外,还需满足主服务基站的第一小区的RSRP与主服务基站的第一小区的邻小区的RSRP的差值小于或等于6dBm。示例性地,该第十阈值可以是-100dBm,该第十一阈值可以是0dB。
本申请实施例中,该数据分析设备对输入的该采样点的主服务基站小区的名称对应的数据进行分析判断,该对应的数据可以包括主服务基站小区的RSRP、主服务基站小区的SINR、主服务基站的第一小区的PCI或主服务基站的第一小区的第二邻小区的PCI中的一种或多种。这样通过该数据分析设备可以自动并快速地对输入数据进行判断并确定存在网络问题的该主服务基站小区为模三干扰质差问题小区,无需分析人员进行人工判断,提高数据分析效率。
示例性地,表三是输出的采样点的主服务基站小区为模三干扰质差问题小区的清单。
表三
作为一个可选的实施例,上述步骤103具体包括:计算该采样点的经纬度与该主服务基站小区的经纬度的夹角θ;将该夹角θ与该方位角β进行比较;若该夹角θ与该方位角β所处的象限相反,则将该采样点的主服务基站小区确定为背瓣覆盖过强质差问题小区。
背瓣覆盖过强质差的定义为:采样点相对于主服务基站小区的夹角所处的象限与主服务基站小区的方位角β所处的象限相反。
上述该采样点的经纬度与该主服务基站小区的经纬度的夹角θ可以按如下公式得到:
dLon=Lon-SiteLon
y=sin(dLon)×cos(Lat)
x=cos(SiteLat)×sin(Lat)-sin(SiteLat)×cos(Lat)×cos(dLon)
θ=tan(y/x)
应理解,该夹角θ所处的象限与图2中判断方位角β所处的象限定义一致。
应理解,该夹角θ与该方位角β所处的象限相反分为四种情况,一是该方位角β处于第一象限而该夹角θ处于第三象限;二是该方位角β处于第二象限而该夹角θ处于第四象限;三是该方位角β处于第三象限而该夹角θ处于第一象限;四是该方位角β处于第四象限而该夹角θ处于第二象限。
本申请实施例中,该数据分析设备对输入的该采样点的主服务基站小区的名称对应的数据进行分析判断,该对应的数据可以包括采样点的经度Lon、采样点的纬度Lat、主服务基站小区的经度SiteLon、主服务基站小区的经度SiteLat、主服务基站小区的方位角β或主服务基站小区的方位角β所处的象限中的一种或多种。这样通过该数据分析设备可以自动并快速地对输入数据进行判断并确定存在网络问题的该主服务基站小区为背瓣覆盖过强质差问题小区,无需分析人员进行人工判断,提高数据分析效率。
示例性地,表四是输出的采样点的主服务基站小区为背瓣覆盖过强质差问题小区的清单。
表四
作为一个可选的实施例,上述步骤103具体包括:计算该采样点的经纬度与该主服务基站小区的经纬度的夹角θ;对该采样点的夹角θ进行平均,得到该主服务基站小区的实际覆盖平均方向角γ;计算该方位角β与γ的差值Dvalue;若该方位角β与实际覆盖平均方向角γ所处的象限不一致,且该差值Dvalue大于或等于第十二阈值,则将该采样点的主服务基站小区确定为疑似天馈接反质差问题小区。
疑似天馈接反质差的定义为:采样点相对主服务基站小区的夹角所处的象限与主服务基站小区的方位角所处的象限不一致。
可选地,如果该方位角β与实际覆盖平均方向角γ处于同一个象限,则判断该主服务基站小区覆盖正常;如果该方位角β与实际覆盖平均方向角γ所处的象限不一致,且β与γ的差值Dvalue大于或等于第十二阈值,则判断该主服务基站小区为疑似天馈接反质差问题小区。示例性地,该第十二阈值可以为90°。
本申请实施例中,该数据分析设备对输入的该采样点的主服务基站小区的名称对应的数据进行分析判断,该对应的数据可以包括采样点的经度Lon、采样点的纬度Lat、主服务基站小区的经度SiteLon、主服务基站小区的经度SiteLat、主服务基站小区的方位角β或主服务基站小区的方位角β所处的象限中的一种或多种。这样通过该数据分析设备可以自动并快速地对输入数据进行判断并确定存在网络问题的该主服务基站小区为疑似天馈接反质差问题小区,无需分析人员进行人工判断,提高数据分析效率。
示例性地,表五是输出的采样点的主服务基站小区为疑似天馈接反质差问题小区。
表五
应理解,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
上文中结合图1和图2,详细描述了根据本申请实施例的数据分析方法,下面将结合图3和图4,详细描述根据本申请实施例的数据分析装置。
图3示出了本申请实施例提供的一种数据分析装置300的示意性框图,该装置300包括:获取模块310、匹配模块320和确定模块330。
其中,获取模块310用于:获取采样点的关键指标数据,该关键指标数据包括该采样点的主服务基站的编号、该采样点的主服务基站小区的编号、该采样点的主服务基站小区的物理小区标识PCI、该采样点的主服务基站的第一小区的PCI、该采样点的主服务基站小区的参考信号接收功率RSRP、或该采样点的主服务基站小区的信干噪比SINR中的一种或多种,该主服务基站的第一小区为RSRP最强的主服务基站小区。
匹配模块320用于:基于所述采样点的主服务基站的编号和所述采样点的主服务基站小区的编号,匹配现网数据库,以确定所述采样点的主服务基站小区的名称,所述现网数据库包括至少一个主服务基站小区的名称、所述至少一个主服务基站小区的方位角β、所述至少一个主服务基站小区的经纬度或所述至少一个主服务基站小区的方位角β所处的象限中的一种或多种。
确定模块330用于:基于所述关键指标数据和所述现网数据库中与所述采样点的主服务基站小区的名称对应的数据,确定问题小区。
可选地,装置300还包括选择模块,用于:从该采样点中进行选择,得到该主服务基站的PCI与该主服务基站的第一小区的PCI相等的第一采样点;选择模块还用于:从该第一采样点中进行选择,得到RSRP大于或等于第一阈值且SINR小于或等于第二阈值的第二采样点;装置300还包括计算模块,用于:计算该第二采样点的主服务基站的第一小区的邻小区的RSRP与该第二采样点的主服务基站小区的RSRP的差值p;选择模块还用于:从该第二采样点中进行选择,得到该差值p大于或等于第三阈值的第三采样点;确定模块330用于:将该第三采样点的主服务基站小区确定为重叠覆盖质差问题小区。
可选地,计算模块用于:计算该采样点的主服务基站小区的覆盖距离;计算模块还用于:分别对该采样点的主服务基站小区的该覆盖距离和该SINR进行平均,得到该主服务基站小区的平均覆盖距离d和平均SINR;确定模块330用于:基于该主服务基站小区的平均覆盖距离d和平均SINR,确定该问题小区。
可选地,确定模块330用于:若该采样点的主服务基站为宏站,该平均覆盖距离d大于或等于第四阈值,且该平均SINR小于或等于第五阈值,则将该采样点的主服务基站小区确定为越区覆盖质差问题小区;或,若该采样点的主服务基站为宏站,该平均覆盖距离d小于或等于第六阈值,且该平均SINR小于或等于第七阈值,则将该采样点的主服务基站小区确定为覆盖受限质差问题小区;或,若该采样点的主服务基站为室分,该平均覆盖距离d小于或等于第八阈值,且该平均SINR小于或等于第九阈值,则将该采样点对应的该主服务基站小区确定为室分外泄质差问题小区。
可选地,计算模块用于:计算该采样点的主服务基站的第一小区的PCI的第一模三余数;计算模块还用于:计算该采样点的主服务基站的第一小区的邻小区的PCI的第二模三余数;选择模块用于:从该采样点中进行选择,得到主服务基站小区的RSRP大于或等于第十阈值、主服务基站小区的SINR小于或等于第十一阈值,且该第一模三余数等于所述第二模三余数的第四采样点;确定模块330用于:将该第四采样点的主服务基站小区确定为模三干扰质差问题小区。
可选地,计算模块用于:计算该采样点的经纬度与该主服务基站小区的经纬度的夹角θ;计算模块还用于:将该夹角θ与该方位角β进行比较;确定模块330用于:若该夹角θ与该方位角β所处的象限相反,则将该采样点的主服务基站小区确定为背瓣覆盖过强问题小区。
可选地,计算模块用于:计算该采样点的经纬度与该主服务基站小区的经纬度的夹角θ;计算模块还用于:对该采样点的夹角θ进行平均,得到该主服务基站小区的实际覆盖平均方向角γ;计算模块还用于:计算该方位角β与γ的差值Dvalue;确定模块330用于:若该方位角β与实际覆盖平均方向角γ所处的象限不一致,且该差值Dvalue大于或等于第十二阈值,则将该采样点的主服务基站小区确定为疑似天馈接反问题小区。
应理解,这里的装置300以功能模块的形式体现。这里的术语“模块”可以指应用特有集成电路(application specific integrated circuit,ASIC)、电子电路、用于执行一个或多个软件或固件程序的处理器(例如共享处理器、专有处理器或组处理器等)和存储器、合并逻辑电路和/或其它支持所描述的功能的合适组件。在一个可选例子中,本领域技术人员可以理解,装置300可以具体为上述实施例中的数据分析设备,或者,上述实施例中数据分析设备的功能可以集成在装置300中,装置300可以用于执行上述方法实施例中与数据分析设备对应的各个流程和/或步骤,为避免重复,在此不再赘述。
上述装置300具有实现上述方法中数据分析设备执行的相应步骤的功能;上述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。例如,上述获取模块310可以为通信接口,例如收发接口。
在本申请的实施例,图3中的装置300也可以是芯片或者芯片系统,例如:片上系统(system on chip,SoC)。对应的,获取模块310可以是该芯片的收发电路,在此不做限定。
图4示出了本申请实施例提供的另一种数据分析装置400的示意性框图。该装置400包括处理器410、收发器420和存储器430。其中,处理器410、收发器420和存储器40通过内部连接通路互相通信,该存储器430用于存储指令,该处理器410用于执行该存储器430存储的指令,以控制该收发器420发送信号和/或接收信号。
应理解,装置400可以具体为上述实施例中的数据分析设备,或者,上述实施例中数据分析设备的功能可以集成在装置400中,装置400可以用于执行上述方法实施例中与数据分析设备对应的各个步骤和/或流程。可选地,该存储器430可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如,存储器还可以存储设备类型的信息。该处理器410可以用于执行存储器中存储的指令,并且该处理器执行该指令时,该处理器可以执行上述方法实施例中与数据分析设备对应的各个步骤和/或流程。
应理解,在本申请实施例中,该处理器410可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器执行存储器中的指令,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。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申请的范围。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请实施例的范围,也不表示先后顺序。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种数据分析方法,其特征在于,包括:
获取采样点的关键指标数据,所述关键指标数据包括所述采样点的主服务基站的编号、所述采样点的主服务基站小区的编号、所述采样点的主服务基站小区的物理小区标识PCI、所述采样点的主服务基站的第一小区的PCI、所述采样点的主服务基站小区的参考信号接收功率RSRP、或所述采样点的主服务基站小区的信干噪比SINR中的一种或多种,所述主服务基站的第一小区为RSRP最强的主服务基站小区;
基于所述采样点的主服务基站的编号和所述采样点的主服务基站小区的编号,匹配现网数据库,以确定所述采样点的主服务基站小区的名称,所述现网数据库包括至少一个主服务基站小区的名称、所述至少一个主服务基站小区的方位角β、所述至少一个主服务基站小区的经纬度或所述至少一个主服务基站小区的方位角β所处的象限中的一种或多种;
基于所述关键指标数据和所述现网数据库中与所述采样点的主服务基站小区的名称对应的数据,确定问题小区。
2.根据权利要求1所述的方法,其特征在于,所述基于所述关键指标数据和所述现网数据库中与所述采样点的主服务基站小区的名称对应的数据,确定问题小区,包括:
从所述采样点中进行选择,得到所述主服务基站的PCI与所述主服务基站的第一小区的PCI相等的第一采样点;
从所述第一采样点中进行选择,得到RSRP大于或等于第一阈值且SINR小于或等于第二阈值的第二采样点;
计算所述第二采样点的主服务基站的第一小区的邻小区的RSRP与所述第二采样点的主服务基站小区的RSRP的差值p;
从所述第二采样点中进行选择,得到所述差值p大于或等于第三阈值的第三采样点;
将所述第三采样点的主服务基站小区确定为重叠覆盖质差问题小区。
3.根据权利要求1或2所述的方法,其特征在于,所述基于所述关键指标数据和所述现网数据库中与所述采样点的主服务基站小区的名称对应的数据,确定问题小区,包括:
计算所述采样点的主服务基站小区的覆盖距离;
分别对所述采样点的主服务基站小区的所述覆盖距离和所述SINR进行平均,得到所述主服务基站小区的平均覆盖距离d和平均SINR;
基于所述主服务基站小区的平均覆盖距离d和平均SINR,确定所述问题小区。
4.根据权利要求3所述的方法,其特征在于,所述基于所述主服务基站小区的平均覆盖距离d和平均SINR,确定所述问题小区,包括:
若所述采样点的主服务基站为宏站,所述平均覆盖距离d大于或等于第四阈值,且所述平均SINR小于或等于第五阈值,则将所述采样点的主服务基站小区确定为越区覆盖质差问题小区;或,
若所述采样点的主服务基站为宏站,所述平均覆盖距离d小于或等于第六阈值,且所述平均SINR小于或等于第七阈值,则将所述采样点的主服务基站小区确定为覆盖受限质差问题小区;或,
若所述采样点的主服务基站为室分,所述平均覆盖距离d小于或等于第八阈值,且所述平均SINR小于或等于第九阈值,则将所述采样点对应的所述主服务基站小区确定为室分外泄质差问题小区。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述基于所述关键指标数据和所述现网数据库中与所述采样点的主服务基站小区的名称对应的数据,确定问题小区,包括:
计算所述采样点的主服务基站的第一小区的PCI的第一模三余数;
计算所述采样点的主服务基站的第一小区的邻小区的PCI的第二模三余数;
从所述采样点中进行选择,得到主服务基站小区的RSRP大于或等于第十阈值、主服务基站小区的SINR小于或等于第十一阈值,且所述第一模三余数等于所述第二模三余数的第四采样点;
将所述第四采样点的主服务基站小区确定为模三干扰质差问题小区。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述基于所述关键指标数据和所述现网数据库中与所述采样点的主服务基站小区的名称对应的数据,确定问题小区,包括:
计算所述采样点的经纬度与所述主服务基站小区的经纬度的夹角θ;
将所述夹角θ与所述方位角β进行比较;
若所述夹角θ与所述方位角β所处的象限相反,则将所述采样点的主服务基站小区确定为背瓣覆盖过强问题小区。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述基于所述关键指标数据和所述现网数据库中与所述采样点的主服务基站小区的名称对应的数据,确定问题小区,包括:
计算所述采样点的经纬度与所述主服务基站小区的经纬度的夹角θ;
对所述采样点的夹角θ进行平均,得到所述主服务基站小区的实际覆盖平均方向角γ;
计算所述方位角β与γ的差值Dvalue;
若所述方位角β与实际覆盖平均方向角γ所处的象限不一致,且所述差值Dvalue大于或等于第十二阈值,则将所述采样点的主服务基站小区确定为疑似天馈接反问题小区。
8.一种数据分析装置,其特征在于,包括:
获取模块,用于获取采样点的关键指标数据,所述关键指标数据包括所述采样点的主服务基站的编号、所述采样点的主服务基站小区的编号、所述采样点的主服务基站小区的物理小区标识PCI、所述采样点的主服务基站的第一小区的PCI、所述采样点的主服务基站小区的参考信号接收功率RSRP、或所述采样点的主服务基站小区的信干噪比SINR中的一种或多种,所述主服务基站的第一小区为RSRP最强的主服务基站小区;
匹配模块,用于基于所述采样点的主服务基站的编号和所述采样点的主服务基站小区的编号,匹配现网数据库,以确定所述采样点的主服务基站小区的名称,所述现网数据库包括至少一个主服务基站小区的名称、所述至少一个主服务基站小区的方位角β、所述至少一个主服务基站小区的经纬度或所述至少一个主服务基站小区的方位角β所处的象限中的一种或多种;
确定模块,用于基于所述关键指标数据和所述现网数据库中与所述采样点的主服务基站小区的名称对应的数据,确定问题小区。
9.一种数据分析装置,其特征在于,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储计算机程序,当所述处理器调用所述计算机程序时,使得所述装置执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序包括用于实现如权利要求1至7中任一项所述的方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011429014.7A CN112566023B (zh) | 2020-12-09 | 2020-12-09 | 数据分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011429014.7A CN112566023B (zh) | 2020-12-09 | 2020-12-09 | 数据分析方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112566023A true CN112566023A (zh) | 2021-03-26 |
CN112566023B CN112566023B (zh) | 2023-05-16 |
Family
ID=75060680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011429014.7A Active CN112566023B (zh) | 2020-12-09 | 2020-12-09 | 数据分析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112566023B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113301597A (zh) * | 2021-05-12 | 2021-08-24 | 中国联合网络通信集团有限公司 | 网络分析方法及设备 |
US11606732B1 (en) | 2021-09-08 | 2023-03-14 | T-Mobile Usa, Inc. | Coverage improvement for 5G new radio wireless communication network, such as for over-shooting cells |
US11800382B1 (en) | 2021-09-08 | 2023-10-24 | T-Mobile Usa, Inc. | Coverage improvement for 5G new radio wireless communication network |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108093414A (zh) * | 2018-02-13 | 2018-05-29 | 中国联合网络通信集团有限公司 | 评估小区覆盖有效性的方法及装置 |
CN108260138A (zh) * | 2016-12-28 | 2018-07-06 | 中国电信股份有限公司 | 一种网络工程参数的自动检测方法和装置 |
WO2019224649A1 (en) * | 2018-05-21 | 2019-11-28 | Reliance Jio Infocomm Limited | Automatically optimising cell parameter of serving base station |
CN111246364A (zh) * | 2018-11-28 | 2020-06-05 | 中国移动通信集团浙江有限公司 | 一种越区覆盖评估方法及装置 |
CN112020005A (zh) * | 2020-09-03 | 2020-12-01 | 中国联合网络通信集团有限公司 | 长期演进lte网络模三干扰的解决方法、装置及系统 |
-
2020
- 2020-12-09 CN CN202011429014.7A patent/CN112566023B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108260138A (zh) * | 2016-12-28 | 2018-07-06 | 中国电信股份有限公司 | 一种网络工程参数的自动检测方法和装置 |
CN108093414A (zh) * | 2018-02-13 | 2018-05-29 | 中国联合网络通信集团有限公司 | 评估小区覆盖有效性的方法及装置 |
WO2019224649A1 (en) * | 2018-05-21 | 2019-11-28 | Reliance Jio Infocomm Limited | Automatically optimising cell parameter of serving base station |
CN111246364A (zh) * | 2018-11-28 | 2020-06-05 | 中国移动通信集团浙江有限公司 | 一种越区覆盖评估方法及装置 |
CN112020005A (zh) * | 2020-09-03 | 2020-12-01 | 中国联合网络通信集团有限公司 | 长期演进lte网络模三干扰的解决方法、装置及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113301597A (zh) * | 2021-05-12 | 2021-08-24 | 中国联合网络通信集团有限公司 | 网络分析方法及设备 |
CN113301597B (zh) * | 2021-05-12 | 2022-11-01 | 中国联合网络通信集团有限公司 | 网络分析方法及设备 |
US11606732B1 (en) | 2021-09-08 | 2023-03-14 | T-Mobile Usa, Inc. | Coverage improvement for 5G new radio wireless communication network, such as for over-shooting cells |
US11800382B1 (en) | 2021-09-08 | 2023-10-24 | T-Mobile Usa, Inc. | Coverage improvement for 5G new radio wireless communication network |
Also Published As
Publication number | Publication date |
---|---|
CN112566023B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112566023B (zh) | 数据分析方法和装置 | |
CN104853379B (zh) | 一种无线网络质量评估方法及装置 | |
US10942245B2 (en) | Identifying potentially manipulated radio signals and/or radio signal parameters based on a first radio map information and a second radio map information | |
US11350281B2 (en) | Identifying potentially manipulated radio signals and/or radio signal parameters based on radio map information | |
CN108307427B (zh) | 一种lte网络覆盖分析、预测方法及系统 | |
CN112203293B (zh) | 小区过覆盖识别方法、装置、设备及计算机存储介质 | |
CN112533218B (zh) | 一种网络覆盖区域的识别方法及电子设备 | |
US11696147B2 (en) | Licensed assisted access based on low utilization of unlicensed channels | |
CN109286943B (zh) | 一种网络测试盒、网络测试方法及网络测试分析系统 | |
CN105744554A (zh) | 一种gsm网络切换失败管理方法和装置 | |
CN111405464B (zh) | 基站位置检测方法及装置 | |
CN110167058B (zh) | 干扰频率的识别方法和移动终端、日志管理方法和服务器 | |
US20080051093A1 (en) | Characterization of Cellular Telecommunications Network Area | |
CN109788504B (zh) | 天线接反检测方法及装置 | |
CN111405598A (zh) | 室分信号外泄检测方法及设备 | |
CN114125864B (zh) | 基于mdt的邻区检测方法及装置 | |
CN115379479A (zh) | 小区覆盖类型确定方法、装置、设备及存储介质 | |
US20210084438A1 (en) | Determining a position estimate of a mobile device based on layout information | |
CN112243245B (zh) | 公专网协同优化方法、装置、设备及计算机存储介质 | |
CN113179533A (zh) | 网络问题定位方法、装置、设备、存储介质以及程序产品 | |
CN105722216B (zh) | 一种距离检测方法、终端设备及存储介质 | |
KR102666637B1 (ko) | 단말의 위치 정확도 개선을 위한 복합측위 방법 및 장치 | |
Dionísio et al. | Cross-platform demonstrator combining spectrum sensing and a geo-location database | |
CN114401528A (zh) | 一种无线网络的深度覆盖评估方法和装置 | |
US20110034164A1 (en) | Method and computer software product for analyzing cellular mobile-telephone networks |
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 |