CN112689291B - 蜂窝网络小区负荷均衡评估方法、装置及设备 - Google Patents
蜂窝网络小区负荷均衡评估方法、装置及设备 Download PDFInfo
- Publication number
- CN112689291B CN112689291B CN201910989549.0A CN201910989549A CN112689291B CN 112689291 B CN112689291 B CN 112689291B CN 201910989549 A CN201910989549 A CN 201910989549A CN 112689291 B CN112689291 B CN 112689291B
- Authority
- CN
- China
- Prior art keywords
- cell
- coverage
- calculating
- area
- target 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
Images
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例涉及通信技术领域,公开了一种蜂窝网络小区负荷均衡评估方法、装置及设备。该方法包括:对OTT采样数据进行预处理,将经过预处理的OTT数据和小区工参进行关联;根据关联后的OTT数据和小区工参中的定位信息,对目标区域内的所有小区进行小区覆盖包络计算,得到代表小区覆盖范围的凸多边形包络;对目标小区和邻近小区进行凸多边形包络的重叠覆盖面积计算,得到邻近小区关于目标小区的面积共覆盖度;将共覆盖度值高于共覆盖度门限的邻近小区和目标小区的集合确定为所述目标小区的共覆盖簇;计算所述共覆盖簇内的小区的负荷均衡度。本发明实施例实现了任意两小区之间的重叠覆盖度计算和负荷均衡计算,扩大了负荷均衡的范围。
Description
技术领域
本发明实施例涉及通信技术领域,具体涉及一种蜂窝网络小区负荷均衡评估方法、装置及设备。
背景技术
在移动通信领域,为了实现小区间负荷均衡,首先需要找到与目标高负荷小区有共覆盖关系的小区集合。在日常优化中,最常用的是基于工参信息找到与目标小区共站共方向的小区,目标小区和与其共站共方向的小区存在共覆盖关系,但是该方式参与负荷均衡的小区数较少,能找到的可均衡小区数较少,不能有效盘活现有网络资源。
为了实现更大范围的小区间均衡,现有技术中还有一种方式为:通过KPI指标提取并筛选高负荷小区,获取高负荷小区及其用户数据,通过模型不断的迭代计算调整参数并输出高负荷小区均衡优化方案。该方法针在高负荷小区和配置的邻区范围内进行评估,由于邻区参数一般是根据经验手工配置的,当配置不全时,会影响负荷均衡的范围和效果。且以用户数均衡为目标,通过模型算法迭代推导出参数优化方案,依靠纯移动性参数调整获得均衡效果,当某个小区的覆盖存在问题,比如过覆盖等网络结果问题,单纯的参数方案无法获得理想的效果。
发明内容
鉴于上述问题,本发明实施例提供了一种蜂窝网络小区负荷均衡评估方法、装置及设备,实现了跨运营商话费转移。
根据本发明实施例的一个方面,提供了一种蜂窝网络小区负荷均衡评估方法,所述方法包括:
对OTT采样数据进行预处理,将经过预处理的OTT数据和小区工参进行关联;
根据关联后的OTT数据和小区工参中的定位信息,对目标区域内的所有小区进行小区覆盖包络计算,得到代表小区覆盖范围的凸多边形包络;
对目标小区和邻近小区进行凸多边形包络的重叠覆盖面积计算,得到邻近小区关于目标小区的面积共覆盖度;
将共覆盖度值高于共覆盖度门限的邻近小区和目标小区的集合确定为所述目标小区的共覆盖簇;
计算所述共覆盖簇内的小区的负荷均衡度。
在一种可选的方式中,所述对OTT采样数据进行预处理,包括:
删除OTT采样数据中的不完整记录、参考信号接收功率RSRP低于弱覆盖门限记录;
将OTT采样数据中的定位信息由全球定位系统GPS经纬度转换为平面直角坐标。
在一种可选的方式中,邻近小区关于目标小区的面积共覆盖度为目标小区和邻近小区的所述重叠覆盖面积除以目标小区覆盖面积。
在一种可选的方式中,所述对目标小区和邻近小区进行凸多边形包络的重叠覆盖面积计算,得到邻近小区关于目标小区的面积共覆盖度,包括:
计算属于目标小区的凸多边形P且位于邻近小区的凸多边形Q内部的第一顶点集合;
计算属于Q且位于P内部的第二顶点集合;
计算Q的边和P的边的所有交点集合;
基于所述第一顶点集合、第二顶点集合和交点集合,得到P和Q的交集凸多边形O;
计算P和O的面积,根据P和O的面积计算得到邻近小区关于目标小区的面积共覆盖度。
在一种可选的方式中,通过射线算法判断点在多边形内或者外,其包括:
由所述点向任意方向引一条射线;
判断所述射线和多边形的各边的交叉关系,如果所述射线和多边形的各边的交点为奇数个则所述点在多边形内部,如果所述射线和多边形的各边的交点为偶数个则所述点在多边形外部。
在一种可选的方式中,采用三角剖分方法计算凸多边形的面积,其包括:
把凸多边形分解成若干个三角形;
对三角形面积求和。
在一种可选的方式中,所述计算所述共覆盖簇内的小区的负荷均衡度,包括:
对于共覆盖簇内的小区,关联小区物理资源块PRB利用率,计算物理资源块PRB利用率的方差,方差越小则共覆盖簇内的负荷均衡度越高。
根据本发明实施例的另一方面,提供了一种蜂窝网络小区负荷均衡评估装置,所述装置包括:
数据预处理模块,用于对OTT采样数据进行预处理,将经过预处理的OTT数据和小区工参进行关联;
小区覆盖包络计算模块,用于根据关联后的OTT数据和小区工参,对目标区域内的所有小区进行小区覆盖包络计算,得到代表小区覆盖范围的凸多边形包络;
共覆盖度计算模块,用于对目标小区和邻近小区进行凸多边形包络的重叠覆盖面积计算,得到邻近小区关于目标小区的面积共覆盖度;
共覆盖簇计算模块,用于将共覆盖度值高于共覆盖度门限的邻近小区和目标小区的集合确定为所述目标小区的共覆盖簇;
负荷均衡评估模块,用于计算所述共覆盖簇内的小区的负荷均衡度。
根据本发明实施例的另一方面,提供了一种蜂窝网络小区负荷均衡评估方法设备,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,所述可执行指令被处理器执行以实现如上所述的蜂窝网络小区负荷均衡评估方法。
根据本发明实施例的另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令被处理器执行以实现如上所述的蜂窝网络小区负荷均衡评估方法。
本发明实施例通过基于OTT数据中的定位信息,将小区覆盖范围建模为采样点的凸多边形包络,计算小区覆盖凸多边形交集面积的共覆盖度,基于小区间面积共覆盖度得到共覆盖簇并进行簇内负荷均衡评估,实现了任意两小区之间的重叠覆盖度计算和负荷均衡计算,实现了基于共覆盖簇的簇内负荷均衡计算,扩大了负荷均衡的范围。且由于使用了OTT的精准定位信息和系列计算几何算法,使得蜂窝网络小区的覆盖范围、小区间重叠覆盖面积和共覆盖度计算更为准确。在计算过程中得到小区实际覆盖范围,可直接用来指导覆盖优化,增强了负荷均衡的效果。
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蜂窝网络小区负荷均衡评估方法的流程图;
图2示出了本发明实施例中凸多边形包络的示意图;
图3示出了图1中步骤130的流程示意图;
图4示出了对目标小区和邻近小区进行凸多边形包络的重叠覆盖面积计算的示意图;
图5示出了本发明另一实施例提供的一种蜂窝网络小区负荷均衡评估装置的结构示意图;
图6示出了本发明实施例提供的蜂窝网络小区负荷均衡评估设备的结构示意图。
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。
本发明实施例基于OTT数据,对目标小区的采样点进行凸多边形包络建模,以获得较准确的小区覆盖范围。使用凸多边形交叠面积算法获得目标小区和邻近小区重叠覆盖面积,从而得到邻近小区关于目标小区的面积共覆盖度,并将高于共覆盖度门限的小区集合建模成共覆盖簇,最后在簇内根据小区利用率等指标,进行负荷均衡评估。
图1示出了本发明实施例提供的蜂窝网络小区负荷均衡评估方法的流程图,如图1所示,该方法包括以下步骤:
步骤110:对OTT采样数据进行预处理,将经过预处理的OTT数据和小区工参进行关联;
OTT是Over The Top的缩写,指通过互联网向用户提供各种应用服务。OTT采样数据根据不同应用程序(Application,APP)分别进行采集,一般情况下,APP开启后就会采集OTT数据;视频类的APP在播放阶段采集OTT数据。OTT原始数据包含以下字段:DateTime(采样点采样时间)、CI(小区ID)、Lon(经度)、Lat(纬度)、RSRP(Reference Signal ReceivingPower,参考信号接收功率,电平值)。
本步骤需要删除OTT采样数据中的不完整记录、参考信号接收功率RSRP低于弱覆盖门限记录;将OTT采样数据中的定位信息由全球定位系统GPS经纬度转换为平面直角坐标。其中,RSRP门限根据弱覆盖门限设置,可以将超远、异常的采样点滤除,以免影响小区有效覆盖范围的计算。弱覆盖门限根据实际应用环境设置,例如-105DBM。由于GPS的经度和纬度每单位代表的平面距离不等,需要转换成直角坐标后才能应用后续的平面几何算法,所以需要将经纬度转换为平面直角坐标。该转换算法可采用米勒投影等算法等。
小区工参主要包含以下字段:CI(小区ID)、Band(频段信息),完成OTT数据和小区工参数据的关联后输出表格字段如表1所示。
表1
字段 | 说明 |
DateTime | 采样点采样时间 |
CI | 小区ID |
Lon | 采样点经度 |
Lat | 采样点纬度 |
X | 直角坐标系X坐标 |
Y | 直角坐标系Y坐标 |
RSRP | 采样点电平值 |
Band | 小区频段 |
步骤120:根据关联后的OTT数据和小区工参中的定位信息,对目标区域内的所有小区进行小区覆盖包络计算,得到代表小区覆盖范围的凸多边形包络;
目标区域一般是地理上的连片区域,如一个跟踪区编码(Tracking Area Code,TAC)区、一个区县、一个地市。对目标区域内的所有小区,包括目标小区和邻近小区,取其采样点的直角坐标(X,Y)字段,应用凸包算法进行计算,得到代表小区覆盖范围的凸多边形包络。凸多边形包络符合现实中的小区覆盖形态,并且便于后续诸如凸包交集、凸包面积的计算。凸包算法为常用计算几何算法,此处不再赘述,其效果如图2所示。
步骤130:对目标小区和邻近小区进行凸多边形包络的重叠覆盖面积计算,得到邻近小区关于目标小区的面积共覆盖度;
其中。邻近小区关于目标小区的面积共覆盖度为目标小区和邻近小区的所述重叠覆盖面积除以目标小区覆盖面积。
设目标小区的凸多边形为P,邻近小区的凸多边形为Q,P的顶点集合为{p1,p2,p3,…pm},Q的顶点集合为{q1,q2,q3,…qn},P的边集合为{(p1,p2),(p2,p3),…(pm,p1)},Q的边集合为{(q1,q2),(q2,q3),…(qn,q1)}。设O为凸多边形P和Q的交集凸多边形,O初始化为0个顶点。则,如图3所示,邻近小区关于目标小区的面积共覆盖度具体可通过如下方式得到:
步骤131:计算属于P且位于Q内部的第一顶点集合;
可通过射线算法判断点在多边形内或者外,其包括:
由所述点向任意方向引一条射线;判断所述射线和多边形的各边的交叉关系,如果所述射线和多边形的各边的交点为奇数个则所述点在多边形内部,如果所述射线和多边形的各边的交点为偶数个则所述点在多边形外部。
第一顶点集合如图4中的部分空心圆点所示。
步骤132:计算属于Q且位于P内部的第二顶点集合;
第二顶点集合如图4中的部分空心圆点所示。
步骤133:计算Q的边和P的边的所有交点集合;
交点集合如图4中的实心圆点所示。
步骤134:基于所述第一顶点集合、第二顶点集合和交点集合,得到P和Q的交集凸多边形O;
由凸多边形的所有顶点可以确定凸多边形。
步骤135:计算P和O的面积,根据P和O的面积计算得到邻近小区关于目标小区的面积共覆盖度。
采用三角剖分方法计算凸多边形的面积,其包括:把凸多边形分解成若干个三角形;对三角形面积求和。
步骤140:将共覆盖度值高于共覆盖度门限的邻近小区和目标小区的集合确定为所述目标小区的共覆盖簇;
步骤150:计算所述共覆盖簇内的小区的负荷均衡度。
对于共覆盖簇内的小区,关联小区物理资源块(Physical Resource Block,PRB)利用率,计算物理资源块PRB利用率的方差,方差越小则共覆盖簇内的负荷均衡度越高。
本发明实施例通过基于OTT数据中的定位信息,将小区覆盖范围建模为采样点的凸多边形包络,计算小区覆盖凸多边形交集面积的共覆盖度,基于小区间面积共覆盖度得到共覆盖簇并进行簇内负荷均衡评估,实现了任意两小区之间的重叠覆盖度计算和负荷均衡计算,实现了基于共覆盖簇的簇内负荷均衡计算,扩大了负荷均衡的范围。且由于使用了OTT的精准定位信息和系列计算几何算法,使得蜂窝网络小区的覆盖范围、小区间重叠覆盖面积和共覆盖度计算更为准确。在计算过程中得到小区实际覆盖范围,可直接用来指导覆盖优化,增强了负荷均衡的效果。
具体的,本发明实施例基于含有精准定位信息的OTT数据,可以获得每个小区的实际覆盖范围,从而得到任意两个小区之间的重叠覆盖面积,实现任意小区间的负荷均衡评估和基于共覆盖簇的多小区的负荷均衡评估,使得负荷均衡的范围达到最广。由于已知小区的实际覆盖范围,在负荷均衡实施阶段,不仅可以借助参数方案,对于覆盖或结构有问题的小区,还可以直接输出天馈调整方案,使得负荷均衡的效果得以保证。
图5示出了本发明实施例提供的一种蜂窝网络小区负荷均衡评估装置的结构示意图,如图5所示,该装置500包括:数据预处理模块510、小区覆盖包络计算模块520、共覆盖度计算模块530、共覆盖簇计算模块540和负荷均衡评估模块550。
数据预处理模块510用于对OTT采样数据进行预处理,将经过预处理的OTT数据和小区工参进行关联;小区覆盖包络计算模块520用于根据关联后的OTT数据和小区工参中的定位信息,对目标区域内的所有小区进行小区覆盖包络计算,得到代表小区覆盖范围的凸多边形包络;共覆盖度计算模块530用于对目标小区和邻近小区进行凸多边形包络的重叠覆盖面积计算,得到邻近小区关于目标小区的面积共覆盖度;共覆盖簇计算模块540用于将共覆盖度值高于共覆盖度门限的邻近小区和目标小区的集合确定为所述目标小区的共覆盖簇;负荷均衡评估模块550用于计算所述共覆盖簇内的小区的负荷均衡度。
数据预处理模块510具体用于删除OTT采样数据中的不完整记录、参考信号接收功率RSRP低于弱覆盖门限记录;将OTT采样数据中的定位信息由全球定位系统GPS经纬度转换为平面直角坐标。
邻近小区关于目标小区的面积共覆盖度为目标小区和邻近小区的所述重叠覆盖面积除以目标小区覆盖面积。
共覆盖度计算模块530具体用于计算属于目标小区的凸多边形P且位于邻近小区的凸多边形Q内部的第一顶点集合;计算属于Q且位于P内部的第二顶点集合;计算Q的边和P的边的所有交点集合;基于所述第一顶点集合、第二顶点集合和交点集合,得到P和Q的交集凸多边形O;计算P和O的面积,根据P和O的面积计算得到邻近小区关于目标小区的面积共覆盖度。
通过射线算法判断点在多边形内或者外,其包括:由所述点向任意方向引一条射线;判断所述射线和多边形的各边的交叉关系,如果所述射线和多边形的各边的交点为奇数个则所述点在多边形内部,如果所述射线和多边形的各边的交点为偶数个则所述点在多边形外部。
采用三角剖分方法计算凸多边形的面积,其包括:把凸多边形分解成若干个三角形;对三角形面积求和。
负荷均衡评估模块550具体用于对于共覆盖簇内的小区,关联小区物理资源块PRB利用率,计算物理资源块PRB利用率的方差,方差越小则共覆盖簇内的负荷均衡度越高。
本实施例的具体实现过程可参考前述图1所示蜂窝网络小区负荷均衡评估方法实施例的描述,此处不再赘述。
本发明实施例通过基于OTT数据中的定位信息,将小区覆盖范围建模为采样点的凸多边形包络,计算小区覆盖凸多边形交集面积的共覆盖度,基于小区间面积共覆盖度得到共覆盖簇并进行簇内负荷均衡评估,实现了任意两小区之间的重叠覆盖度计算和负荷均衡计算,实现了基于共覆盖簇的簇内负荷均衡计算,扩大了负荷均衡的范围。且由于使用了OTT的精准定位信息和系列计算几何算法,使得蜂窝网络小区的覆盖范围、小区间重叠覆盖面积和共覆盖度计算更为准确。在计算过程中得到小区实际覆盖范围,可直接用来指导覆盖优化,增强了负荷均衡的效果。
本发明实施例提供了一种计算机可读存储介质,存储介质中存储有至少一可执行指令,可执行指令被处理器执行以实现上述任意方法实施例中的蜂窝网络小区负荷均衡评估方法。
本发明实施例通过基于OTT数据中的定位信息,将小区覆盖范围建模为采样点的凸多边形包络,计算小区覆盖凸多边形交集面积的共覆盖度,基于小区间面积共覆盖度得到共覆盖簇并进行簇内负荷均衡评估,实现了任意两小区之间的重叠覆盖度计算和负荷均衡计算,实现了基于共覆盖簇的簇内负荷均衡计算,扩大了负荷均衡的范围。且由于使用了OTT的精准定位信息和系列计算几何算法,使得蜂窝网络小区的覆盖范围、小区间重叠覆盖面积和共覆盖度计算更为准确。在计算过程中得到小区实际覆盖范围,可直接用来指导覆盖优化,增强了负荷均衡的效果。
本发明实施例提供了一种计算机程序产品,计算机程序产品包括存储在计算机存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,实现上述任意方法实施例中的蜂窝网络小区负荷均衡评估方法。
本发明实施例通过基于OTT数据中的定位信息,将小区覆盖范围建模为采样点的凸多边形包络,计算小区覆盖凸多边形交集面积的共覆盖度,基于小区间面积共覆盖度得到共覆盖簇并进行簇内负荷均衡评估,实现了任意两小区之间的重叠覆盖度计算和负荷均衡计算,实现了基于共覆盖簇的簇内负荷均衡计算,扩大了负荷均衡的范围。且由于使用了OTT的精准定位信息和系列计算几何算法,使得蜂窝网络小区的覆盖范围、小区间重叠覆盖面积和共覆盖度计算更为准确。在计算过程中得到小区实际覆盖范围,可直接用来指导覆盖优化,增强了负荷均衡的效果。
图6示出了本发明实施例提供的蜂窝网络小区负荷均衡评估设备的结构示意图,本发明具体实施例并不对蜂窝网络小区负荷均衡评估设备的具体实现做限定,其可以为计算机、服务器等。
如图6所示,该计算设备可以包括:处理器(processor)602、通信接口(Communications Interface)604、存储器(memory)606、以及通信总线608。
其中:处理器602、通信接口604、以及存储器606通过通信总线608完成相互间的通信。通信接604,用于与其它设备比如其它的运营商节点的通信。处理器602,用于执行程序610,具体可以执行上述任意方法实施例中的蜂窝网络小区负荷均衡评估方法。
具体地,程序610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602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。蜂窝网络小区负荷均衡评估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606,用于存放程序610。存储器606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。
本发明实施例通过基于OTT数据中的定位信息,将小区覆盖范围建模为采样点的凸多边形包络,计算小区覆盖凸多边形交集面积的共覆盖度,基于小区间面积共覆盖度得到共覆盖簇并进行簇内负荷均衡评估,实现了任意两小区之间的重叠覆盖度计算和负荷均衡计算,实现了基于共覆盖簇的簇内负荷均衡计算,扩大了负荷均衡的范围。且由于使用了OTT的精准定位信息和系列计算几何算法,使得蜂窝网络小区的覆盖范围、小区间重叠覆盖面积和共覆盖度计算更为准确。在计算过程中得到小区实际覆盖范围,可直接用来指导覆盖优化,增强了负荷均衡的效果。
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 (8)
1.一种蜂窝网络小区负荷均衡评估方法,其特征在于,所述方法包括:
对OTT采样数据进行预处理,将经过预处理的OTT数据和小区工参进行关联;
根据关联后的OTT数据和小区工参中的定位信息,对目标区域内的所有小区进行小区覆盖包络计算,得到代表小区覆盖范围的凸多边形包络;
对目标小区和邻近小区进行凸多边形包络的重叠覆盖面积计算,得到邻近小区关于目标小区的面积共覆盖度,包括:计算属于目标小区的凸多边形P且位于邻近小区的凸多边形Q内部的第一顶点集合;计算属于Q且位于P内部的第二顶点集合;计算Q的边和P的边的所有交点集合;基于所述第一顶点集合、第二顶点集合和交点集合,得到P和Q的交集凸多边形O;计算P和O的面积,根据P和O的面积计算得到邻近小区关于目标小区的面积共覆盖度;邻近小区关于目标小区的面积共覆盖度为目标小区和邻近小区的所述重叠覆盖面积除以目标小区覆盖面积;
将共覆盖度值高于共覆盖度门限的邻近小区和目标小区的集合确定为所述目标小区的共覆盖簇;
计算所述共覆盖簇内的小区的负荷均衡度。
2.根据权利要求1所述的方法,其特征在于,所述对OTT采样数据进行预处理,包括:
删除OTT采样数据中的不完整记录、参考信号接收功率RSRP低于弱覆盖门限记录;
将OTT采样数据中的定位信息由全球定位系统GPS经纬度转换为平面直角坐标。
3.根据权利要求1所述的方法,其特征在于,通过射线算法判断点在多边形内或者外,其包括:
由所述点向任意方向引一条射线;
判断所述射线和多边形的各边的交叉关系,如果所述射线和多边形的各边的交点为奇数个则所述点在多边形内部,如果所述射线和多边形的各边的交点为偶数个则所述点在多边形外部。
4.根据权利要求1所述的方法,其特征在于,采用三角剖分方法计算凸多边形的面积,其包括:
把凸多边形分解成若干个三角形;
对三角形面积求和。
5.根据权利要求1所述的方法,其特征在于,所述计算所述共覆盖簇内的小区的负荷均衡度,包括:
对于共覆盖簇内的小区,关联小区物理资源块PRB利用率,计算物理资源块PRB利用率的方差,方差越小则共覆盖簇内的负荷均衡度越高。
6.一种蜂窝网络小区负荷均衡评估装置,其特征在于,所述装置包括:
数据预处理模块,用于对OTT采样数据进行预处理,将经过预处理的OTT数据和小区工参进行关联;
小区覆盖包络计算模块,用于根据关联后的OTT数据和小区工参中的定位信息,对目标区域内的所有小区进行小区覆盖包络计算,得到代表小区覆盖范围的凸多边形包络;
共覆盖度计算模块,用于对目标小区和邻近小区进行凸多边形包络的重叠覆盖面积计算,得到邻近小区关于目标小区的面积共覆盖度,包括:计算属于目标小区的凸多边形P且位于邻近小区的凸多边形Q内部的第一顶点集合;计算属于Q且位于P内部的第二顶点集合;计算Q的边和P的边的所有交点集合;基于所述第一顶点集合、第二顶点集合和交点集合,得到P和Q的交集凸多边形O;计算P和O的面积,根据P和O的面积计算得到邻近小区关于目标小区的面积共覆盖度;邻近小区关于目标小区的面积共覆盖度为目标小区和邻近小区的所述重叠覆盖面积除以目标小区覆盖面积;
共覆盖簇计算模块,用于将共覆盖度值高于共覆盖度门限的邻近小区和目标小区的集合确定为所述目标小区的共覆盖簇;
负荷均衡评估模块,用于计算所述共覆盖簇内的小区的负荷均衡度。
7.一种蜂窝网络小区负荷均衡评估设备,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,所述可执行指令被处理器执行以实现如权利要求1-5中任意一项所述的蜂窝网络小区负荷均衡评估方法。
8.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一可执行指令,所述可执行指令被处理器执行以实现如权利要求1-5中任意一项所述的蜂窝网络小区负荷均衡评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910989549.0A CN112689291B (zh) | 2019-10-17 | 2019-10-17 | 蜂窝网络小区负荷均衡评估方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910989549.0A CN112689291B (zh) | 2019-10-17 | 2019-10-17 | 蜂窝网络小区负荷均衡评估方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112689291A CN112689291A (zh) | 2021-04-20 |
CN112689291B true CN112689291B (zh) | 2023-04-07 |
Family
ID=75444727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910989549.0A Active CN112689291B (zh) | 2019-10-17 | 2019-10-17 | 蜂窝网络小区负荷均衡评估方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112689291B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9408095B2 (en) * | 2014-02-05 | 2016-08-02 | Telefonaktiebolaget L M Ericsson (Publ) | Autonomous determination of overlapping coverage in heterogeneous networks |
CN108668293A (zh) * | 2017-03-27 | 2018-10-16 | 中兴通讯股份有限公司 | 计算服务小区与邻区的重叠覆盖度的方法和装置 |
CN107872766A (zh) * | 2017-10-20 | 2018-04-03 | 南京邮电大学 | 一种有向传感器网络节点感知区域相交方法 |
CN109963285B (zh) * | 2017-12-14 | 2022-06-10 | 中国移动通信集团广东有限公司 | 确定小区覆盖范围的方法、装置、电子设备和存储介质 |
CN108966285B (zh) * | 2018-06-14 | 2021-10-19 | 中通服咨询设计研究院有限公司 | 一种基于业务类型的5g网络负荷均衡方法 |
-
2019
- 2019-10-17 CN CN201910989549.0A patent/CN112689291B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112689291A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109992633B (zh) | 基于用户位置的地理围栏确定方法、装置、电子设备 | |
US10034141B2 (en) | Systems and methods to identify home addresses of mobile devices | |
CN112218330B (zh) | 定位方法及通信装置 | |
CN106780064B (zh) | 一种区域划分方法、装置及网络设备 | |
CN110139359B (zh) | 一种干扰源定位处理方法及装置 | |
CN112469066B (zh) | 5g网络覆盖评估方法及装置 | |
CN110956412A (zh) | 基于实景模型的洪灾动态评估方法、装置、介质和设备 | |
JP6696859B2 (ja) | 品質推定装置及び品質推定方法 | |
CN105338537B (zh) | 一种新增基站站址共享分析的方法及终端 | |
CN115457492A (zh) | 目标检测方法、装置、计算机设备及存储介质 | |
CN113722894B (zh) | 一种基于模型简化的火灾蔓延模拟加速方法及系统 | |
CN106921978B (zh) | 一种位置分布确定方法及装置 | |
CN112469116B (zh) | 定位方法、装置、电子设备和计算机可读存储介质 | |
CN112689291B (zh) | 蜂窝网络小区负荷均衡评估方法、装置及设备 | |
CN114627206A (zh) | 网格绘制方法、装置、电子设备及计算机可读存储介质 | |
CN112862283A (zh) | 基于层次分析的城管派遣方法和系统 | |
WO2021103027A1 (en) | Base station positioning based on convolutional neural networks | |
CN108271183B (zh) | 一种基于原始测量报告的邻区优化方法及装置 | |
CN111221827A (zh) | 基于图形处理器的数据库表连接方法、装置、计算机设备和存储介质 | |
CN111143639A (zh) | 用户亲密度计算方法、装置、设备及介质 | |
CN112020091A (zh) | 基于数字化地理信息的弱覆盖处理方法及装置 | |
CN110940951A (zh) | 定位方法及设备 | |
CN115731458A (zh) | 一种遥感影像的处理方法、装置和电子设备 | |
CN112235723A (zh) | 定位方法、装置、电子设备及计算机可读存储介质 | |
CN116737392B (zh) | 一种非矢量数据的处理方法、装置及计算设备 |
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 |