CN112566177A - 弱覆盖区域识别方法及装置、计算机可存储介质 - Google Patents

弱覆盖区域识别方法及装置、计算机可存储介质 Download PDF

Info

Publication number
CN112566177A
CN112566177A CN201910910701.1A CN201910910701A CN112566177A CN 112566177 A CN112566177 A CN 112566177A CN 201910910701 A CN201910910701 A CN 201910910701A CN 112566177 A CN112566177 A CN 112566177A
Authority
CN
China
Prior art keywords
grid
weak coverage
area
weak
coverage area
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.)
Pending
Application number
CN201910910701.1A
Other languages
English (en)
Inventor
宋文山
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.)
China Telecom Corp Ltd
Original Assignee
China Telecom 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 China Telecom Corp Ltd filed Critical China Telecom Corp Ltd
Priority to CN201910910701.1A priority Critical patent/CN112566177A/zh
Publication of CN112566177A publication Critical patent/CN112566177A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及弱覆盖区域识别方法及装置、计算机可存储介质，涉及通信技术领域。弱覆盖区域识别方法包括：获取第一测量报告MR覆盖栅格地图，所述第一MR覆盖栅格地图包括多个待处理栅格，每个待处理栅格具有一个信号强度；将信号强度小于或等于预设阈值的待处理栅格确定为弱覆盖栅格，并将信号强度大于所述预设阈值的待处理栅格确定为非弱覆盖栅格，得到第二MR覆盖栅格地图；利用图像分割算法，分割所述第二MR覆盖栅格地图，得到多个弱覆盖区域，每个弱覆盖区域包括一个或多个连续的弱覆盖栅格。根据本公开，自动识别弱覆盖区域，提高了效率。

Description

弱覆盖区域识别方法及装置、计算机可存储介质
技术领域
本公开涉及通信技术领域，特别涉及弱覆盖区域识别方法及装置、计算机可存储介质。
背景技术
无线网络信号覆盖质量是支撑市场发展和保障用户感知的重要因素。MR(Measurement Report，测量报告)覆盖栅格地图是评估无线网络信号的覆盖情况的主要方式之一。MR数据是用户在执行业务过程中上报给无线网络的测量信息，能够准确反映无线网络信号的覆盖情况。通过利用MR数据中的主服务小区和邻小区的电平信息，并结合主服务小区和邻小区的经纬度及发射功率，确定产生MR数据的经纬度，再将场强信息栅格化，即按照一定尺度将无线网络划分为多个正方形栅格，通常情况下每个正方形栅格为50*50米，从而将LTE(Long Term Evolution，长期演进)网络覆盖情况以可视化的方式呈现出来，为实现LTE网络优化和LTE工程规划提供了重要支撑。
随着运营商无线网络的不断发展和完善，MR栅格越来越小，数量越来越多，优化和规划工作所要求的覆盖评估精度越来越高。一般城市的栅格数量达数百万个，弱覆盖栅格数据多达数万个。弱覆盖栅格数量太多，导致优化和规划工作难以聚焦重点问题和突出问题。
相关技术主要依赖人工图上作业的方式，从MR栅格地图上找出连片的弱覆盖区域，从而进行针对性的优化和规划。
发明内容
发明人认为：相关技术中，人工选取弱覆盖区域费时费力。
针对上述技术问题，本公开提出了一种解决方案，自动识别弱覆盖区域，提高效率。
根据本公开的第一方面，提供了一种弱覆盖区域识别方法，包括：获取第一测量报告MR覆盖栅格地图，所述第一MR覆盖栅格地图包括多个待处理栅格，每个待处理栅格具有一个信号强度；将信号强度小于或等于预设阈值的待处理栅格确定为弱覆盖栅格，并将信号强度大于所述预设阈值的待处理栅格确定为非弱覆盖栅格，得到第二MR覆盖栅格地图；利用图像分割算法，分割所述第二MR覆盖栅格地图，得到多个弱覆盖区域，每个弱覆盖区域包括一个或多个连续的弱覆盖栅格。
在一些实施例中，所述图像分割算法包括区域增长算法。
在一些实施例中，分割所述第二MR覆盖栅格地图，得到多个弱覆盖区域包括：将所述第二MR覆盖栅格地图中的每个栅格的区域编码设置为第一初始值，所述区域编码唯一标识所述第二MR覆盖栅格地图中的一个区域，所述区域包括弱覆盖区域和除弱覆盖区域以外的非弱覆盖区域；以所述第二MR覆盖栅格地图中的每个栅格为待编码栅格，按照行或列的顺序，依次对每个待编码栅格执行如下编码操作：判断所述每个待编码栅格是否为弱覆盖栅格；在所述每个待编码栅格是弱覆盖栅格的情况下，获取与所述每个待编码栅格相邻的每个相邻栅格的区域编码；根据所述每个相邻栅格的区域编码与所述第一初始值的大小关系，确定所述每个待编码栅格的区域编码的目标值。
在一些实施例中，根据每个相邻栅格的区域编码与所述初始值的大小关系，确定与所述待编码栅格的区域编码的目标值包括：在每个相邻栅格的区域编码都等于所述第一初始值的情况下，获取当前的区域计数器的值；将所述当前的区域计数器的值加1，得到更新后的区域计数器的值；将所述每个待编码栅格的区域编码的目标值设置为所述更新后的区域计数器的值；其中，所述区域计数器的初始值为第二初始值。
在一些实施例中，根据每个相邻栅格的区域编码与所述第一初始值的大小关系，确定所述每个待编码栅格的区域编码的目标值还包括：在存在至少一个相邻栅格的区域编码不等于所述第一初始值的情况下，获取各个相邻栅格的区域编码的最大值；将所述最大值确定为所述每个待编码栅格的区域编码的目标值。
在一些实施例中，分割所述第二MR覆盖栅格地图，得到多个弱覆盖区域还包括：遍历与所述每个待编码栅格相邻的每个相邻栅格，判断所述每个相邻栅格是否为弱覆盖栅格；在所述每个相邻栅格为弱覆盖栅格的情况下，将所述每个相邻栅格的区域编码修改为所述每个待编码栅格的区域编码；在所述每个相邻栅格为非弱覆盖栅格的情况下，保持所述每个相邻栅格的区域编码为所述第一初始值。
在一些实施例中，弱覆盖区域识别方法还包括：根据所述每个待编码栅格的区域编码的目标值，对所述每个待编码栅格进行着色处理。
在一些实施例中，所述多个弱覆盖区域包括待判断弱覆盖区域，弱覆盖区域识别方法还包括：统计所述待判断弱覆盖区域的面积以及所述待判断弱覆盖区域内的各个弱覆盖栅格的平均信号强度；根据所述待判断弱覆盖区域的面积与第一阈值的大小关系、所述待判断弱覆盖区域的平均信号强度与第二阈值的大小关系，判断所述待判断弱覆盖区域的类型。
在一些实施例中，根据所述待判断弱覆盖区域的面积与第一阈值的大小关系、所述待判断弱覆盖区域的平均信号强度与第二阈值的大小关系，判断所述待判断弱覆盖区域的类型包括：在所述面积大于第一阈值、且所述平均信号强度小于第二阈值的情况下，所述待判断弱覆盖区域为大面积弱覆盖区域；在所述面积大于第一阈值、且所述平均信号强度大于或等于第二阈值的情况下，所述待判断弱覆盖区域为大面积较弱覆盖区域；在所述面积小于第一阈值、且所述平均信号强度小于第二阈值的情况下，所述待判断弱覆盖区域为小面积弱覆盖区域；在所述面积小于第一阈值、且所述平均信号强度大于或等于第二阈值的情况下，所述待判断弱覆盖区域为小面积较弱覆盖区域。
在一些实施例中，在分割所述第二MR覆盖栅格地图之前，所述弱覆盖区域识别方法还包括：对所述第二MR覆盖栅格地图进行二值化处理。
在一些实施例中，弱覆盖区域识别方法，还包括：对所述第二MR覆盖栅格地图进行图像腐蚀处理、图像膨胀处理中的至少一种。
根据本公开第二方面，提供了一种弱覆盖区域识别装置，包括：获取模块，被配置为获取第一测量报告MR覆盖栅格地图，所述第一MR覆盖栅格地图包括多个待处理栅格，每个待处理栅格具有一个信号强度；确定模块，被配置为将信号强度小于或等于预设阈值的待处理栅格确定为弱覆盖栅格，并将信号强度大于所述预设阈值的待处理栅格确定为非弱覆盖栅格，得到第二MR覆盖栅格地图；分割模块，被配置为利用图像分割算法，分割所述第二MR覆盖栅格地图，得到多个弱覆盖区域，每个弱覆盖区域包括一个或多个连续的弱覆盖栅格
根据本公开第三方面，提供了一种弱覆盖区域识别装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令，执行上述任一实施例所述的弱覆盖区域识别方法。
根据本公开的第四方面，一种计算机可存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述任一实施例所述的弱覆盖识别方法。
在上述实施例中，自动识别弱覆盖区域，提高了效率。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1示出根据本公开一些实施例的弱覆盖区域识别方法的流程图；
图2示出根据本公开一些实施例的二值化处理后的第二MR覆盖栅格地图；
图3示出根据本公开一些实施例的分割第二MR覆盖栅格地图的流程图；
图4A示出根据本公开一些实施例的与城区对应的结构B的结构示意图；
图4B、图4C、图4D、图4E分别示出根据本公开一些实施例的与郊区或农村对应的结构B的结构示意图；
图4F、图4G、图4H分别根据本公开一些实施例的与道路对应的结构B的结构示意图；
图5A示出根据本公开一些实施例的图像腐蚀过程的示意图；
图5B示出根据本公开一些实施例的腐蚀处理后的第二MR覆盖栅格地图；
图6A示出根据本公开一些实施例的图像膨胀过程的示意图；
图6B示出根据本公开一些实施例的膨胀处理后的第二MR覆盖栅格地图；
图7示出根据本公开一些实施例的弱覆盖区域识别装置的框图；
图8示出根据本公开另一些实施例的弱覆盖区域识别装置的框图；
图9示出用于实现本公开一些实施例的计算机系统的框图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1示出根据本公开一些实施例的弱覆盖区域识别方法的流程图。
如图1所示，弱覆盖区域识别方法包括步骤S110-步骤S130。
在步骤S110中，获取第一测量报告MR覆盖栅格地图。第一MR覆盖栅格地图包括多个待处理栅格。每个待处理栅格具有一个信号强度。在一些实施例中，第一MR覆盖栅格地图为以经纬度为坐标，待处理栅格的信号强度为填充值的彩色图像。待处理栅格的信号强度为待处理栅格内的无线信号的平均强度p(i,j)。每个待处理栅格使用G(lat,lon)表示，lat为待处理栅格的中心经度，lon为待处理栅格的中心纬度。
在步骤S120中，将信号强度小于或等于预设阈值的待处理栅格确定为弱覆盖栅格，并将信号强度大于预设阈值的待处理栅格确定为非弱覆盖栅格，得到第二MR覆盖栅格地图。在一些实施例中，预设阈值为k。k的取值取决于网络规划时对覆盖质量的要求。例如，根据湖北电信目前的网络覆盖质量要求，k取值为-105dBm。
在一些实施例中，弱覆盖区域识别方法还包括：在分割第二MR覆盖栅格地图之前，对第二MR覆盖栅格地图进行二值化处理。
例如，将第二MR覆盖栅格地图中的每个弱覆盖栅格的栅格值设置为第一值。例如，第一值为1。1为白色。将第二MR覆盖栅格地图中的每个非弱覆盖栅格的栅格值设置为第二值。例如第二值为0。0为黑色。在一些实施例中，栅格值设置为v(i,j)。
例如，对某一第二MR覆盖栅格地图进行二值化处理，得到如图2所示的二值化处理后的第二MR覆盖栅格地图。
图2示出根据本公开一些实施例的二值化处理后的第二MR覆盖栅格地图。
如图2所示，白色的栅格为弱覆盖栅格，黑色的栅格为非弱覆盖栅格。
返回图1，在步骤S130中，利用图像分割算法，分割第二MR覆盖栅格地图，得到多个弱覆盖区域。每个弱覆盖区域包括一个或多个连续的弱覆盖栅格。各个弱覆盖区域之间相互独立。
在一些实施例中，多个弱覆盖区域包括待判断弱覆盖区域。弱覆盖区域识别方法还包括如下步骤。
首先，统计待判断弱覆盖区域的面积以及待判断弱覆盖区域内的各个弱覆盖栅格的平均信号强度。
然后，根据待判断弱覆盖区域的面积与第一阈值的大小关系、待判断弱覆盖区域的平均信号强度与第二阈值的大小关系，判断待判断弱覆盖区域的类型。通过自动判断待判断弱覆盖区域的类型，能够辅助无线网络管理员确定无线网络的优化目标，从而提高工作效率。例如通过如下方式判断待判断弱覆盖区域的类型。例如，第一阈值用Ks表示，第一阈值为0.3平方公里。例如，第二阈值用Kp表示，第二阈值为-105dBm。
在一些实施例中，待判断弱覆盖区域Ai内的栅格数量为ci，第二MR覆盖地图内的栅格的单位面积为si，则待判断若覆盖区域Ai的面积为Si＝ci×si。待判断弱覆盖区域的平均信号强度为待判断弱覆盖区域内的各个弱覆盖栅格的信号强度的平均值，例如用Pi表示。
在面积大于第一阈值、且平均信号强度小于第二阈值的情况下，待判断弱覆盖区域为大面积弱覆盖区域。例如，在待判断弱覆盖区域为大面积弱覆盖区域的情况下，无线网络管理员或者弱覆盖区域识别装置自动建议规划新建宏基站。
在面积大于第一阈值、且平均信号强度大于或等于第二阈值的情况下，待判断弱覆盖区域为大面积较弱覆盖区域。例如，在待判断弱覆盖区域为大面积较弱覆盖区域的情况下，无线网络管理员或者弱覆盖区域识别装置自动建议优化提升信号质量。
在面积小于第一阈值、且平均信号强度小于第二阈值的情况下，待判断弱覆盖区域为小面积弱覆盖区域。例如，在待判断弱覆盖区域为小面积弱覆盖区域的情况下，无线网络管理员或者弱覆盖区域识别装置自动建议规划新建小微型基站。
在面积小于第一阈值、且平均信号强度大于或等于第二阈值的情况下，待判断弱覆盖区域为小面积较弱覆盖区域。例如，在待判断弱覆盖区域为小面积较弱覆盖区域的情况下，无线网络管理员或者弱覆盖区域识别装置提示该待判断弱覆盖区域暂时不作为重点区域处理。
在一些实施例中，图像分割算法包括区域增长算法。图像分割是根据图像的灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域间呈现出明显的差异性。将第二MR覆盖栅格地图作为一幅图像，利用图像分割技术从地图中分割出相互独立的弱覆盖区域，对弱覆盖区域的平均信号强度和面积大小进行分析统计，可以指导运营商聚焦重点问题区域进行优化和规划。
下面将结合图3详细描述实现如图1所示的步骤S130中分割第二MR覆盖栅格地图，得到多个弱覆盖区域的步骤。
图3示出根据本公开一些实施例的分割第二MR覆盖栅格地图的流程图。
如图3所示，分割第二MR覆盖栅格地图，得到多个弱覆盖区域包括步骤S131-步骤S134。
在步骤S131中，将与第二MR覆盖栅格地图中的每个栅格对应的区域编码设置为第一初始值。区域编码唯一标识第二MR覆盖栅格地图中的一个区域。第二MR覆盖栅格地图中的区域包括弱覆盖区域和除弱覆盖区域以外的非弱覆盖区域。完成第二MR覆盖栅格地图的分割后，区域编码仍然为第一初始值的区域为非弱覆盖区域。在一些实施例中，第一初始值为0。例如，区域编码为AreaID。
以第二MR覆盖栅格地图中的每个栅格为待编码栅格，按照行或列的顺序，依次对每个待编码栅格执行如图3所示的步骤S132-步骤S134的编码操作。应当理解，这里的每个待编码栅格为待编码栅格中的其中一个。
在步骤S132中，判断每个待编码栅格是否为弱覆盖栅格。
在步骤S133中，在每个待编码栅格是弱覆盖栅格的情况下，获取与每个待编码栅格相邻的每个相邻栅格的区域编码。
在步骤S134中，根据每个相邻栅格的区域编码与第一初始值的大小关系，确定每个待编码栅格的区域编码的目标值。
在一些实施例中，步骤S134根据每个相邻栅格的区域编码与第一初始值的大小关系，确定每个待编码栅格的区域编码的目标值还包括如下步骤。
首先，在每个相邻栅格的区域编码都等于第一初始值的情况下，获取当前的区域计数器的值。然后，将当前的区域计数器的值加1，得到更新后的区域计数器的值。最后，将每个待编码栅格的区域编码的目标值设置为更新后的区域计数器的值。区域计数器的初始值为第二初始值。例如，第二初始值为0。区域计数器用于循环计数，例如使用cArea表示。应当注意，区域计数器的值是不断更新变化的。
在一些实施例中，步骤S134根据每个相邻栅格的区域编码与第一初始值的大小关系，确定每个待编码上个的区域编码的目标值还包括如下步骤。
首先，在存在至少一个相邻栅格的区域编码不等于第一初始值的情况下，获取各个相邻栅格的区域编码的最大值。然后，将最大值确定为每个待编码栅格的区域编码的目标值。
在一些实施例中，步骤S130分割第二MR覆盖栅格地图，得到多个弱覆盖区域还包括步骤S135-步骤S136。
在步骤S135中，遍历与每个待编码栅格相邻的每个相邻栅格，判断每个相邻栅格是否为弱覆盖栅格。
在步骤S136中，在每个相邻栅格为非弱覆盖栅格的情况下，保持每个相邻栅格的区域编码为第一初始值。
在一些实施例中，步骤S130分割第二MR覆盖栅格地图，得到多个弱覆盖区域还包括步骤S137。在步骤S137中，根据每个待编码栅格的区域编码的目标值，对每个待编码栅格进行着色处理。
例如，总共有256种颜色，通过256对每个待编码栅格的区域编码的目标值取余得到与该每个待编码栅格对应的颜色，使用与该每个待编码栅格对应的颜色对该栅格进行着色处理。通过对分割后的第二MR覆盖栅格地图中的每个待编码栅格进行着色处理，能够更加直观地向无线网络管理员展示出每个弱覆盖区域的位置和大小。
在一些实施例中，弱覆盖区域识别方法还包括对第二MR覆盖栅格地图进行图像腐蚀处理、图像膨胀处理中的至少一种。应当理解，在分割第二MR覆盖栅格地图之前进行图像腐蚀处理、图像膨胀处理中的至少一种。图像腐蚀处理能够使目标区域范围变小，使得图像的边界收缩，从而消除小且无意义的目标区域。而图像膨胀处理会使目标区域范围变大，将与目标区域接触的背景点合并到该目标区域中，使得目标区域的边界向外部扩张，从而填补目标区域中某些空洞，并消除包含在目标区域中的小颗粒噪声。
例如利用公式
Figure BDA0002214609900000101
对第二MR覆盖栅格地图进行图像腐蚀处理。其中，
Figure BDA0002214609900000102
表示用结构B腐蚀图像A。在结构B中定义一个原点，在结构B的原点平移到图像A的像元(x,y)的情况下，如果结构B完全被包含在结构B与图像A重叠的区域内，则将进行图像腐蚀处理后的图像A对应的像元(x,y)赋值为第一值，否则赋值为第二值。例如，第一值为1，第二值为0。其中，像元(x,y)通过行号x和列号y唯一确定。
在一些实施例中，根据无线网络所处地理区域类型的不同，定义结构B。地理区域类型包括城区、郊区、农村、道路。
对于城区，结构B可以定义为如图4A所示的结构示意图。
图4A示出根据本公开一些实施例的与城区对应的结构B的结构示意图。
如图4A所示，对于城区，结构B的各个像元的赋值均为1。
对于郊区或农村，结构B可以定义为如图4B、图4C、图4D或图4E所示的结构示意图。
图4B、图4C、图4D、图4E分别示出根据本公开一些实施例的与郊区或农村对应的结构B的结构示意图。
如图4B所示，对于郊区或农村，结构B的像元(0,1)、(1,0)和(1,1)的赋值均为1，其余像元的赋值为0。
如图4C所示，对于郊区或农村，结构B的像元(0,1)、(1,2)和(1,1)的赋值均为1，其余像元的赋值为0。
如图4D所示，对于郊区或农村，结构B的像元(1,2)、(2,1)和(1,1)的赋值均为1，其余像元的赋值为0。
如图4E所示，对于郊区或农村，结构B的像元(2,1)、(1,0)和(1,1)的赋值均为1，其余像元的赋值为0。
对于道路，结构B可以定义为如图4F、图4G或图4H所示的结构图。
图4F、图4G、图4H分别根据本公开一些实施例的与道路对应的结构B的结构示意图。
如图4F所示，对于道路，结构B的像元(1,0)、(1,1)、(1,2)的赋值均为1，其余像元的赋值为0。
如图4G所示，对于道路，结构B的像元(0,1)、(1,1)、(2,1)的赋值均为1，其余像元的赋值为0。
如图4H所示，对于道路，结构B的像元(0,1)、(1,0)、(1,1)、(2,1)、(1,2)的赋值均为1，其余像元的赋值为0。
例如，采用如图5A所示的图像腐蚀过程对如图2所示的二值化处理后的第二MR覆盖栅格地图进行图像腐蚀处理得到如图5B所示的腐蚀处理后的第二MR覆盖栅格地图。
图5A示出根据本公开一些实施例的图像腐蚀过程的示意图。
如图5A所示，首先对结构元素建立图像矩阵，图像矩阵的像元(0,0)、(0,1)、(1,0)、(1,1)的赋值分别为1、0、1、1。然后，建立结构元素的原点为像元(0,1)。最后，使用结构元素对原始图像进行逐步扫描，在结构元素与原始图像重叠的部分内，原始图像的像元的值与结构元素的像元的值都相同的情况下，将结构元素的原点对应的结果图像的像元的值设置为1，否则设置为0，得到的结果图像即为图像腐蚀处理后的图像。
图5B示出根据本公开一些实施例的腐蚀处理后的第二MR覆盖栅格地图。
如图5B所示，白色的栅格为弱覆盖栅格，黑色的栅格为非弱覆盖栅格。相比于图2，对如图2所示的二值化处理后的第二MR覆盖栅格地图进行图像腐蚀处理后，消除了零星的弱覆盖栅格。
例如利用公式
Figure BDA0002214609900000121
对第二MR覆盖栅格地图进行图像膨胀处理。其中，
Figure BDA0002214609900000122
表示用结构B膨胀图像A。在结构B中定义一个原点，在结构B的原点平移到图像A的像元(x,y)的情况下，如果结构B在像元(x,y)处与图像A的交集不为空，即结构B中图像值为1的像元对应的图像A的图像值至少有一个为1，则将进行图像膨胀处理后的图像A对应的像元(x,y)赋值为第一值，否则赋值为第二值。例如，第一值为1，第二值为0。其中，像元(x,y)通过行号x和列号y唯一确定。
在一些实施例中，根据无线网络所处地理区域类型的不同，定义结构B。地理区域类型包括城区、郊区、农村、道路。例如，定义结构B为如图4A、图4B、图4C、图4D、图4E、图4F、图4G、图4H所示的结构示意图。
例如，采用如图6A所示的图像膨胀过程对如图5B所示的腐蚀处理后的第二MR覆盖栅格地图进行图像膨胀处理得到如图6B所示的膨胀处理后的第二MR覆盖栅格地图。
图6A示出根据本公开一些实施例的图像膨胀过程的示意图。
如图6A所示，首先对结构元素建立图像矩阵，图像矩阵的像元(0,0)、(0,1)、(1,0)、(1,1)的赋值分别为1、0、1、1。然后，建立结构元素的原点为像元(0,1)。最后，使用结构元素对原始图像进行逐步扫描，在结构元素与原始图像重叠的部分内，原始图像的像元的值与结构元素的像元的值至少有一个相同的情况下，将结构元素的原点对应的结果图像的像元的值设置为1，否则设置为0，得到的结果图像即为经过图像膨胀处理后的图像。
图6B示出根据本公开一些实施例的膨胀处理后的第二MR覆盖栅格地图。
如图6B所示，白色的栅格为弱覆盖栅格，黑色的栅格为非弱覆盖栅格。相比于图5B，对如图5B所示的腐蚀处理后的第二MR覆盖栅格地图进行图像膨胀处理后，弱覆盖栅格向外扩展一个单位，消除了弱覆盖区域中的单个空洞，形成多个较为连续和充实的弱覆盖区域。
在一些实施例中，弱覆盖区域识别方法包括对图6B所示的膨胀处理后的第二MR覆盖栅格地图进行分割，得到多个弱覆盖区域，即确定每个待编码栅格的区域编码的目标值。通过根据每个待编码栅格的区域编码的目标值，对每个待编码栅格进行着色处理，即对每个弱覆盖区域进行着色。例如，使用红色对如图6B所示的膨胀处理后的第二MR覆盖栅格地图中的弱覆盖区域1进行着色，使用蓝色对如图6B所示的膨胀处理后的第二MR覆盖栅格地图中的弱覆盖区域2进行着色。
在一些实施例中，将本公开的弱覆盖区域识别方法应用于湖北电信4G网络的覆盖规划工作，从6341万栅格组成的MR覆盖地图中，自动识别除7.3万弱覆盖区域，用于支撑无线网络精准规划建设。
通过本公开的弱覆盖区域识别方法可自动识别弱覆盖区域，帮助无线网络优化和规划人员聚焦重点区域，辅助人工判断，提高了工作效率，克服了现有的人工选取方式中存在的费时费力，主观随意性较大，难以按照统一标准执行的缺陷。
图7示出根据本公开一些实施例的弱覆盖区域识别装置的框图。
如图7所示，弱覆盖区域识别装置7包括获取模块71、确定模块72和分割模块73。
获取模块71被配置为获取第一测量报告MR覆盖栅格地图，第一MR覆盖栅格地图包括多个待处理栅格，每个待处理栅格具有一个信号强度，例如执行如图1所示的步骤S110。
确定模块72被配置为将信号强度小于或等于预设阈值的待处理栅格确定为弱覆盖栅格，并将信号强度大于预设阈值的待处理栅格确定为非弱覆盖栅格，得到第二MR覆盖栅格地图，例如执行如图1所示的步骤S120。
分割模块73被配置为利用图像分割算法，分割第二MR覆盖栅格地图，得到多个弱覆盖区域。每个弱覆盖区域包括一个或多个连续的弱覆盖栅格，例如执行如图1所示的步骤S130。
图8示出根据本公开另一些实施例的弱覆盖区域识别装置的框图。
如图8所示，弱覆盖区域识别装置8包括存储器81；以及耦接至该存储器81的处理器82。存储器81用于存储执行弱覆盖区域识别方法对应实施例的指令。处理器82被配置为基于存储在存储器81中的指令，执行本公开中任意一些实施例中的弱覆盖区域识别方法。
图9示出用于实现本公开一些实施例的计算机系统的框图。
如图9所示，计算机系统90可以通用计算设备的形式表现。计算机系统90包括存储器910、处理器920和连接不同系统组件的总线900。
存储器910例如可以包括系统存储器、非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。系统存储器可以包括易失性存储介质，例如随机存取存储器(RAM)和/或高速缓存存储器。非易失性存储介质例如存储有执行弱覆盖区域识别方法中的至少一种的对应实施例的指令。非易失性存储介质包括但不限于磁盘存储器、光学存储器、闪存等。
处理器920可以用通用处理器、数字信号处理器(DSP)、应用专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑设备、分立门或晶体管等分立硬件组件方式来实现。相应地，诸如判断模块和确定模块的每个模块，可以通过中央处理器(CPU)运行存储器中执行相应步骤的指令来实现，也可以通过执行相应步骤的专用电路来实现。
总线900可以使用多种总线结构中的任意总线结构。例如，总线结构包括但不限于工业标准体系结构(ISA)总线、微通道体系结构(MCA)总线、外围组件互连(PCI)总线。
计算机系统90还可以包括输入输出接口930、网络接口940、存储接口950等。这些接口930、940、950以及存储器99和处理器920之间可以通过总线900连接。输入输出接口930可以为显示器、鼠标、键盘等输入输出设备提供连接接口。网络接口940为各种联网设备提供连接接口。存储接口950为软盘、U盘、SD卡等外部存储设备提供连接接口。
这里，参照根据本公开实施例的方法、装置和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个框以及各框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可提供到通用计算机、专用计算机或其他可编程装置的处理器，以产生一个机器，使得通过处理器执行指令产生实现在流程图和/或框图中一个或多个框中指定的功能的装置。
这些计算机可读程序指令也可存储在计算机可读存储器中，这些指令使得计算机以特定方式工作，从而产生一个制造品，包括实现在流程图和/或框图中一个或多个框中指定的功能的指令。
本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
通过上述实施例中的弱覆盖区域识别方法及其装置、计算机可存储介质，自动识别弱覆盖区域，提高了工作效率。
至此，已经详细描述了根据本公开的弱覆盖区域识别方法及其装置、计算机可存储介质。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

Claims (14)

1.一种弱覆盖区域识别方法，包括：
获取第一测量报告MR覆盖栅格地图，所述第一MR覆盖栅格地图包括多个待处理栅格，每个待处理栅格具有一个信号强度；
将信号强度小于或等于预设阈值的待处理栅格确定为弱覆盖栅格，并将信号强度大于所述预设阈值的待处理栅格确定为非弱覆盖栅格，得到第二MR覆盖栅格地图；
利用图像分割算法，分割所述第二MR覆盖栅格地图，得到多个弱覆盖区域，每个弱覆盖区域包括一个或多个连续的弱覆盖栅格。
2.根据权利要求1所述的弱覆盖区域识别方法，其中，所述图像分割算法包括区域增长算法。
3.根据权利要求2所述的弱覆盖区域识别方法，其中，分割所述第二MR覆盖栅格地图，得到多个弱覆盖区域包括：
将所述第二MR覆盖栅格地图中的每个栅格的区域编码设置为第一初始值，所述区域编码唯一标识所述第二MR覆盖栅格地图中的一个区域，所述区域包括弱覆盖区域和除弱覆盖区域以外的非弱覆盖区域；
以所述第二MR覆盖栅格地图中的每个栅格为待编码栅格，按照行或列的顺序，依次对每个待编码栅格执行如下编码操作：
判断所述每个待编码栅格是否为弱覆盖栅格；
在所述每个待编码栅格是弱覆盖栅格的情况下，获取与所述每个待编码栅格相邻的每个相邻栅格的区域编码；
根据所述每个相邻栅格的区域编码与所述第一初始值的大小关系，确定所述每个待编码栅格的区域编码的目标值。
4.根据权利要求3所述的弱覆盖区域识别方法，其中，根据每个相邻栅格的区域编码与所述初始值的大小关系，确定与所述待编码栅格的区域编码的目标值包括：
在每个相邻栅格的区域编码都等于所述第一初始值的情况下，获取当前的区域计数器的值；
将所述当前的区域计数器的值加1，得到更新后的区域计数器的值；
将所述每个待编码栅格的区域编码的目标值设置为所述更新后的区域计数器的值；
其中，所述区域计数器的初始值为第二初始值。
5.根据权利要求3所述的弱覆盖区域识别方法，其中，根据每个相邻栅格的区域编码与所述第一初始值的大小关系，确定所述每个待编码栅格的区域编码的目标值还包括：
在存在至少一个相邻栅格的区域编码不等于所述第一初始值的情况下，获取各个相邻栅格的区域编码的最大值；
将所述最大值确定为所述每个待编码栅格的区域编码的目标值。
6.根据权利要求4或5所述的弱覆盖区域识别方法，其中，分割所述第二MR覆盖栅格地图，得到多个弱覆盖区域还包括：
遍历与所述每个待编码栅格相邻的每个相邻栅格，判断所述每个相邻栅格是否为弱覆盖栅格；
在所述每个相邻栅格为弱覆盖栅格的情况下，将所述每个相邻栅格的区域编码修改为所述每个待编码栅格的区域编码；
在所述每个相邻栅格为非弱覆盖栅格的情况下，保持所述每个相邻栅格的区域编码为所述第一初始值。
7.根据权利要求3所述的弱覆盖区域识别方法，还包括：
根据所述每个待编码栅格的区域编码的目标值，对所述每个待编码栅格进行着色处理。
8.根据权利要求1所述的弱覆盖区域识别方法，其中，所述多个弱覆盖区域包括待判断弱覆盖区域，弱覆盖区域识别方法还包括：
统计所述待判断弱覆盖区域的面积以及所述待判断弱覆盖区域内的各个弱覆盖栅格的平均信号强度；
根据所述待判断弱覆盖区域的面积与第一阈值的大小关系、所述待判断弱覆盖区域的平均信号强度与第二阈值的大小关系，判断所述待判断弱覆盖区域的类型。
9.根据权利要求8所述的弱覆盖区域识别方法，其中，根据所述待判断弱覆盖区域的面积与第一阈值的大小关系、所述待判断弱覆盖区域的平均信号强度与第二阈值的大小关系，判断所述待判断弱覆盖区域的类型包括：
在所述面积大于第一阈值、且所述平均信号强度小于第二阈值的情况下，所述待判断弱覆盖区域为大面积弱覆盖区域；
在所述面积大于第一阈值、且所述平均信号强度大于或等于第二阈值的情况下，所述待判断弱覆盖区域为大面积较弱覆盖区域；
在所述面积小于第一阈值、且所述平均信号强度小于第二阈值的情况下，所述待判断弱覆盖区域为小面积弱覆盖区域；
在所述面积小于第一阈值、且所述平均信号强度大于或等于第二阈值的情况下，所述待判断弱覆盖区域为小面积较弱覆盖区域。
10.根据权利要求1所述的弱覆盖区域识别方法，在分割所述第二MR覆盖栅格地图之前，所述弱覆盖区域识别方法还包括：对所述第二MR覆盖栅格地图进行二值化处理。
11.根据权利要求10所述的弱覆盖区域识别方法，还包括：
对所述第二MR覆盖栅格地图进行图像腐蚀处理、图像膨胀处理中的至少一种。
12.一种弱覆盖区域识别装置，包括：
获取模块，被配置为获取第一测量报告MR覆盖栅格地图，所述第一MR覆盖栅格地图包括多个待处理栅格，每个待处理栅格具有一个信号强度；
确定模块，被配置为将信号强度小于或等于预设阈值的待处理栅格确定为弱覆盖栅格，并将信号强度大于所述预设阈值的待处理栅格确定为非弱覆盖栅格，得到第二MR覆盖栅格地图；
分割模块，被配置为利用图像分割算法，分割所述第二MR覆盖栅格地图，得到多个弱覆盖区域，每个弱覆盖区域包括一个或多个连续的弱覆盖栅格。
13.一种弱覆盖区域识别装置，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令，执行如权利要求1至11任一项所述的弱覆盖区域识别方法。
14.一种计算机可存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现如权利要求1至11任一项所述的弱覆盖区域识别方法。
CN201910910701.1A 2019-09-25 2019-09-25 弱覆盖区域识别方法及装置、计算机可存储介质 Pending CN112566177A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910910701.1A CN112566177A (zh) 2019-09-25 2019-09-25 弱覆盖区域识别方法及装置、计算机可存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910910701.1A CN112566177A (zh) 2019-09-25 2019-09-25 弱覆盖区域识别方法及装置、计算机可存储介质

Publications (1)

Publication Number Publication Date
CN112566177A true CN112566177A (zh) 2021-03-26

Family

ID=75029175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910910701.1A Pending CN112566177A (zh) 2019-09-25 2019-09-25 弱覆盖区域识别方法及装置、计算机可存储介质

Country Status (1)

Country Link
CN (1) CN112566177A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113316162A (zh) * 2021-05-19 2021-08-27 中国移动通信集团陕西有限公司 网络覆盖连续性的确定方法、装置、设备及存储介质
CN113490144A (zh) * 2021-07-22 2021-10-08 中国联合网络通信集团有限公司 覆盖空洞处理方法、装置及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103200580A (zh) * 2013-02-07 2013-07-10 上海理工大学 一种移动通信网络基站增补自动判决系统
WO2017067390A1 (zh) * 2015-10-20 2017-04-27 努比亚技术有限公司 图像中弱纹理区域的深度信息获取方法及终端
CN106804042A (zh) * 2016-12-23 2017-06-06 普天信息工程设计服务有限公司 弱覆盖问题区域的聚类方法与站点规划方法
CN108260075A (zh) * 2016-12-27 2018-07-06 中国移动通信集团浙江有限公司 一种基站部署位置的寻址方法及装置
CN108271117A (zh) * 2016-12-30 2018-07-10 中国移动通信集团浙江有限公司 一种lte网络覆盖评估方法及装置
CN108540988A (zh) * 2017-03-06 2018-09-14 中国移动通信集团公司 一种场景划分方法及装置
WO2019037683A1 (zh) * 2017-08-23 2019-02-28 中兴通讯股份有限公司 一种基站的部署方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103200580A (zh) * 2013-02-07 2013-07-10 上海理工大学 一种移动通信网络基站增补自动判决系统
WO2017067390A1 (zh) * 2015-10-20 2017-04-27 努比亚技术有限公司 图像中弱纹理区域的深度信息获取方法及终端
CN106804042A (zh) * 2016-12-23 2017-06-06 普天信息工程设计服务有限公司 弱覆盖问题区域的聚类方法与站点规划方法
CN108260075A (zh) * 2016-12-27 2018-07-06 中国移动通信集团浙江有限公司 一种基站部署位置的寻址方法及装置
CN108271117A (zh) * 2016-12-30 2018-07-10 中国移动通信集团浙江有限公司 一种lte网络覆盖评估方法及装置
CN108540988A (zh) * 2017-03-06 2018-09-14 中国移动通信集团公司 一种场景划分方法及装置
WO2019037683A1 (zh) * 2017-08-23 2019-02-28 中兴通讯股份有限公司 一种基站的部署方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冯雪元: ""基于MR定位结合道路测试与电子地图的网络覆盖"", 《中国新通信》 *
王秋萍等: "图像分割方法综述", 《信息记录材料》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113316162A (zh) * 2021-05-19 2021-08-27 中国移动通信集团陕西有限公司 网络覆盖连续性的确定方法、装置、设备及存储介质
CN113490144A (zh) * 2021-07-22 2021-10-08 中国联合网络通信集团有限公司 覆盖空洞处理方法、装置及电子设备
CN113490144B (zh) * 2021-07-22 2022-11-22 中国联合网络通信集团有限公司 覆盖空洞处理方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN108986119B (zh) 图像分割方法及装置、计算机设备及可读存储介质
CN110705583B (zh) 细胞检测模型训练方法、装置、计算机设备及存储介质
CN110298802B (zh) 路面裂缝检测方法及装置
CN104517110A (zh) 一种二维码图像的二值化方法及系统
CN105069453A (zh) 一种图像校正方法及装置
CN112566177A (zh) 弱覆盖区域识别方法及装置、计算机可存储介质
CN104680531B (zh) 一种连通量统计信息提取方法及vlsi结构
CN116756836B (zh) 一种隧道超欠挖体积计算方法、电子设备及存储介质
CN114463637B (zh) 一种基于深度学习的冬小麦遥感识别分析方法和系统
US11068714B2 (en) Method and apparatus for determining hot zones of human flow based on cartography
CN115690090B (zh) 缺陷样本图像生成方法、装置、设备及存储介质
CN108805884A (zh) 一种马赛克区域检测方法、装置及设备
CN114722944A (zh) 点云精度确定方法、电子设备及计算机存储介质
CN114862889A (zh) 基于遥感图像的道路边缘提取方法和装置
CN102831428A (zh) 图像内快速响应矩阵码区域的提取方法
CN114092826A (zh) 基于影像时间序列的地表覆盖分类产品精化方法和装置
CN108133485B (zh) Gis栅格化连片问题区域识别方法、装置、终端和介质
CN111325810A (zh) 配色方法、装置及电子设备
CN110827243B (zh) 网格梁覆盖区域异常检测方法和装置
CN111047617B (zh) 一种矩形识别优化方法、装置及设备
CN110443811B (zh) 一种复杂背景叶片图像的全自动分割方法
JP6196517B2 (ja) 目標画像生成支援装置、目標画像生成支援方法およびプログラム
CN104680165A (zh) 从场景图像中自动提取路牌图像的方法和装置
JP6159211B2 (ja) 目標画像生成支援装置、目標画像生成支援方法およびプログラム
CN117094703B (zh) 一种面向道路裂缝的路网养护维修顺序确定方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210326