CN112887910A - 异常覆盖区域的确定方法、装置和计算机可读存储介质 - Google Patents
异常覆盖区域的确定方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112887910A CN112887910A CN201911196601.3A CN201911196601A CN112887910A CN 112887910 A CN112887910 A CN 112887910A CN 201911196601 A CN201911196601 A CN 201911196601A CN 112887910 A CN112887910 A CN 112887910A
- Authority
- CN
- China
- Prior art keywords
- abnormal coverage
- abnormal
- grids
- grid
- cluster
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- 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
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开涉及一种异常覆盖区域的确定方法、装置和计算机可读存储介质,涉及通信技术领域。本公开的方法包括:根据测量报告数据确定异常覆盖栅格以及异常覆盖栅格的属性信息,属性信息包括:异常覆盖栅格的类型,位置信息;根据相同类型的异常覆盖栅格的距离,将相同类型的异常覆盖栅格划分为多个簇;针对每个簇内的异常覆盖栅格,根据异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇;其中,虚拟基站的位置信息是根据同一实体基站对应的多个小区的位置信息确定的;根据每个子簇中异常覆盖栅格的位置信息,确定每个异常覆盖区域的范围信息。
Description
技术领域
本公开涉及通信技术领域,特别涉及一种异常覆盖区域的确定方法、装置和计算机可读存储介质。
背景技术
在当今移动通信快速发展的时代,移动通信网络成了移动终端用户日常生活不可或缺的部分,同时移动终端用户也对网络覆盖能力,信号质量提出了更高的要求,终端用户对感知和网络质量的要求越来越高。
但在由于网络设备故障、基站设备规划部署的条件限制等原因,导致移动通信网络存在覆盖差的区域,比如4G网络中弱覆盖、模三干扰等区域。如何将这些覆盖差的区域有效的整合在一起,结合网络实际情况,实现覆盖问题区域的精确定位,进而指导网络优化人员为连片覆盖差区域制定综合解决方案,成为当前需要解决的难题。
当前主要通过客户投诉和传统测试两者结合来发现移动通信网络覆盖差的区域。
发明内容
发明人发现:传统测试例如DT(路测),CQT(呼叫质量测试)等,只能定位到道路和特定区域的覆盖问题,对于移动通信网络的整体覆盖评估不全面,且传统测试成本投入高,优化周期长、实时性差。而被动依靠用户投诉被动发现移动通信网络覆盖差的区域,无法有效全面的确定网络的覆盖问题。现有的方案,无法准确的确定异常覆盖区域。
本公开所要解决的一个技术问题是:如何提高异常覆盖区域确定的准确性和全面性。
根据本公开的一些实施例,提供的一种异常覆盖区域的确定方法,包括:根据测量报告数据确定异常覆盖栅格以及异常覆盖栅格的属性信息,属性信息包括:异常覆盖栅格的类型,位置信息;根据相同类型的异常覆盖栅格的距离,将相同类型的异常覆盖栅格划分为多个簇;针对每个簇内的异常覆盖栅格,根据异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇;其中,虚拟基站的位置信息是根据同一实体基站对应的多个小区的位置信息确定的;根据每个子簇中异常覆盖栅格的位置信息,确定每个异常覆盖区域的范围信息。
在一些实施例中,根据测量报告数据确定异常覆盖栅格以及异常覆盖栅格的属性信息包括:根据测量报告信息中的位置信息,将测量报告数据进行栅格化处理,并确定每个栅格的位置信息;根据每个栅格中的测量报告数据中的信号质量信息,确定该栅格是否属于异常覆盖栅格以及所属异常覆盖栅格的类型。
在一些实施例中,根据相同类型的异常覆盖栅格的距离,将相同类型的异常覆盖栅格划分为多个簇包括:读取一个未被作为过搜索中心的异常覆盖栅格的属性信息,将该异常覆盖栅格作为搜索中心,将该异常覆盖栅格所属的簇作为待确定簇;根据搜索中心的属性信息和其他异常覆盖栅格的属性信息,搜索与搜索中心的距离小于第一预设距离的同类型的异常覆盖栅格;在搜索到的异常覆盖栅格未被划分到任意簇中的情况下,将搜索到的异常覆盖栅格加入待确定簇内。
在一些实施例中,根据相同类型的异常覆盖栅格的距离,将相同类型的异常覆盖栅格划分为多个簇还包括:选取新加入待确定簇内的一个异常覆盖栅格重新作为搜索中心,执行根据搜索中心的属性信息和其他异常覆盖栅格的属性信息,搜索与搜索中心的距离小于第一预设距离的同类型的异常覆盖栅格;在搜索到的异常覆盖栅格未被划分到簇中的情况下,将搜索到的异常覆盖栅格加入待确定簇内步骤;直至待确定簇内的异常覆盖栅格不再增加,得到对应的簇。
在一些实施例中,根据相同类型的异常覆盖栅格的距离,将相同类型的异常覆盖栅格划分为多个簇还包括:统计簇中每个异常覆盖栅格作为搜索中心搜索到的异常覆盖栅格的数量;在对应的数量小于预设数量的情况下,将作为搜索中心的异常覆盖栅格从簇中删除。
在一些实施例中,每个栅格的属性信息还包括行号和列号,其中,同一行中相邻的栅格列号相差为1,同一列中相邻的栅格行号相差为1;搜索与搜索中心的距离小于预设距离的同类型的异常覆盖栅格包括:搜索与搜索中心的行号和列号的差值的绝对值均小于预设宽度的同类型的异常覆盖栅格,作为与搜索中心的距离小于第一预设距离的同类型的异常覆盖栅格。
在一些实施例中,针对每个簇内的异常覆盖栅格,根据异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇包括:针对每个簇内的异常覆盖栅格,根据异常覆盖栅格的位置信息和各个虚拟基站的位置信息构建泰森多边形;其中,异常覆盖栅格和虚拟基站对应的位置点分别作为不同泰森多边形中的点;根据泰森多边形中异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇。
在一些实施例中,根据异常覆盖栅格的位置信息和各个虚拟基站的位置信息构建泰森多边形包括:从簇内选取一个未被选取过的异常覆盖栅格;确定与异常覆盖栅格的距离小于第二预设距离的虚拟基站,并将异常覆盖栅格对应的位置点和确定的虚拟基站对应的位置点生成位置点集合;根据位置点集合构建泰森多边形。
在一些实施例中,根据异常覆盖栅格的位置信息和各个虚拟基站的位置信息构建泰森多边形还包括:判断簇内是否存在未被选取过的异常覆盖栅格;如果存在,则重复执行从簇内选取一个未被选取过的异常覆盖栅格;确定与异常覆盖栅格的距离小于第二预设距离的虚拟基站,并将异常覆盖栅格对应的位置点和确定的虚拟基站对应的位置点生成位置点集合;根据位置点集合构建泰森多边形的步骤,直至簇内不存在未被选取过的异常覆盖栅格。
在一些实施例中,根据泰森多边形中异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇包括:针对该簇内每个异常覆盖栅格,确定泰森多边形中与异常覆盖栅格相邻的虚拟基站;将相邻的虚拟基站完全相同的多个异常覆盖栅格,划分为一个子簇。
在一些实施例中,根据每个子簇中异常覆盖栅格的位置信息,确定每个异常覆盖区域的范围信息包括:针对每个子簇,利用离散点最小包围边界算法确定该子簇的边界栅格;根据边界栅格的位置信息确定子簇对应的异常覆盖区域的面积和/或周长。
在一些实施例中,还包括:针对每个异常覆盖区域,确定异常覆盖区域的范围内涉及的各个小区;根据异常覆盖区域的范围内栅格总数,各个小区内的栅格总数和各个小区内的异常覆盖栅格数量,确定异常覆盖区域对应的主小区。
在一些实施例中,针对每个小区,根据小区内的栅格总数与异常覆盖区域的范围内栅格总数的比值,确定小区的第一特征值;根据小区内的异常覆盖栅格数量与小区内的栅格总数的比值,确定小区的第二特征值;根据小区的第一特征值和第二特征值确定异常覆盖区域对应的主小区。
在一些实施例中,根据小区的第一特征值和第二特征值确定异常覆盖区域对应的主小区包括:根据小区的第一特征值确定第一权重,根据小区的第二特征值确定第二权重;其中,第一特征值所处的数值范围不同则第一权重不同,第二特征值所处的数值范围不同则第二权重不同;根据第一权重与第二权重,确定小区对异常覆盖区域的影响值;根据各个小区对异常覆盖区域的影响值由大到小的顺序,选取预设数量的小区,作为异常覆盖区域对应的主小区。
在一些实施例中,确定同一实体基站对应的各个小区之间的距离,将相互之间的距离小于第三预设距离的各个小区确定为对应同一虚拟基站;将同一虚拟基站对应的各个小区的位置信息的均值,作为该虚拟基站的位置信息。
根据本公开的另一些实施例,提供的一种异常覆盖区域的确定装置,包括:异常覆盖栅格确定模块,用于根据测量报告数据确定异常覆盖栅格以及异常覆盖栅格的属性信息,属性信息包括:异常覆盖栅格的类型,位置信息;簇划分模块,用于根据相同类型的异常覆盖栅格的距离,将相同类型的异常覆盖栅格划分为多个簇;子簇划分模块,用于针对每个簇内的异常覆盖栅格,根据异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇;其中,虚拟基站的位置信息是根据同一实体基站对应的多个小区的位置信息确定的;异常覆盖区域确定模块,用于根据每个子簇中异常覆盖栅格的位置信息,确定每个异常覆盖区域的范围信息。
在一些实施例中,异常覆盖栅格确定模块用于根据测量报告信息中的位置信息,将测量报告数据进行栅格化处理,并确定每个栅格的位置信息;根据每个栅格中的测量报告数据中的信号质量信息,确定该栅格是否属于异常覆盖栅格以及所属异常覆盖栅格的类型。
在一些实施例中,簇划分模块用于读取一个未被作为过搜索中心的异常覆盖栅格的属性信息,将该异常覆盖栅格作为搜索中心,将该异常覆盖栅格所属的簇作为待确定簇;根据搜索中心的属性信息和其他异常覆盖栅格的属性信息,搜索与搜索中心的距离小于第一预设距离的同类型的异常覆盖栅格;在搜索到的异常覆盖栅格未被划分到任意簇中的情况下,将搜索到的异常覆盖栅格加入待确定簇内。
在一些实施例中,簇划分模块用于选取新加入待确定簇内的一个异常覆盖栅格重新作为搜索中心,执行根据搜索中心的属性信息和其他异常覆盖栅格的属性信息,搜索与搜索中心的距离小于第一预设距离的同类型的异常覆盖栅格;在搜索到的异常覆盖栅格未被划分到簇中的情况下,将搜索到的异常覆盖栅格加入待确定簇内步骤;直至待确定簇内的异常覆盖栅格不再增加,得到对应的簇。
在一些实施例中,簇划分模块用于统计簇中每个异常覆盖栅格作为搜索中心搜索到的异常覆盖栅格的数量;在对应的数量小于预设数量的情况下,将作为搜索中心的异常覆盖栅格从簇中删除。
在一些实施例中,每个栅格的属性信息还包括行号和列号,其中,同一行中相邻的栅格列号相差为1,同一列中相邻的栅格行号相差为1;簇划分模块用于搜索与搜索中心的行号和列号的差值的绝对值均小于预设宽度的同类型的异常覆盖栅格,作为与搜索中心的距离小于第一预设距离的同类型的异常覆盖栅格。
在一些实施例中,子簇划分模块用于针对每个簇内的异常覆盖栅格,根据异常覆盖栅格的位置信息和各个虚拟基站的位置信息构建泰森多边形;其中,异常覆盖栅格和虚拟基站对应的位置点分别作为不同泰森多边形中的点;根据泰森多边形中异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇。
在一些实施例中,子簇划分模块用于从簇内选取一个未被选取过的异常覆盖栅格;确定与异常覆盖栅格的距离小于第二预设距离的虚拟基站,并将异常覆盖栅格对应的位置点和确定的虚拟基站对应的位置点生成位置点集合;根据位置点集合构建泰森多边形。
在一些实施例中,子簇划分模块用于判断簇内是否存在未被选取过的异常覆盖栅格;如果存在,则重复执行从簇内选取一个未被选取过的异常覆盖栅格;确定与异常覆盖栅格的距离小于第二预设距离的虚拟基站,并将异常覆盖栅格对应的位置点和确定的虚拟基站对应的位置点生成位置点集合;根据位置点集合构建泰森多边形的步骤,直至簇内不存在未被选取过的异常覆盖栅格。
在一些实施例中,子簇划分模块用于针对该簇内每个异常覆盖栅格,确定泰森多边形中与异常覆盖栅格相邻的虚拟基站;将相邻的虚拟基站完全相同的多个异常覆盖栅格,划分为一个子簇。
在一些实施例中,异常覆盖区域确定模块用于针对每个子簇,利用离散点最小包围边界算法确定该子簇的边界栅格;根据边界栅格的位置信息确定子簇对应的异常覆盖区域的面积和/或周长。
在一些实施例中,还包括:主小区确定模块,用于针对每个异常覆盖区域,确定异常覆盖区域的范围内涉及的各个小区;根据异常覆盖区域的范围内栅格总数,各个小区内的栅格总数和各个小区内的异常覆盖栅格数量,确定异常覆盖区域对应的主小区。
在一些实施例中,主小区确定模块用于针对每个小区,根据小区内的栅格总数与异常覆盖区域的范围内栅格总数的比值,确定小区的第一特征值;根据小区内的异常覆盖栅格数量与小区内的栅格总数的比值,确定小区的第二特征值;根据小区的第一特征值和第二特征值确定异常覆盖区域对应的主小区。
在一些实施例中,主小区确定模块用于根据小区的第一特征值确定第一权重,根据小区的第二特征值确定第二权重;其中,第一特征值所处的数值范围不同则第一权重不同,第二特征值所处的数值范围不同则第二权重不同;根据第一权重与第二权重,确定小区对异常覆盖区域的影响值;根据各个小区对异常覆盖区域的影响值由大到小的顺序,选取预设数量的小区,作为异常覆盖区域对应的主小区。
在一些实施例中,确定同一实体基站对应的各个小区之间的距离,将相互之间的距离小于第三预设距离的各个小区确定为对应同一虚拟基站;将同一虚拟基站对应的各个小区的位置信息的均值,作为该虚拟基站的位置信息。
根据本公开的又一些实施例,提供的一种异常覆盖区域的确定装置,包括处理器;以及耦接至处理器的存储器,用于存储指令,指令被处理器执行时,使处理器执行如前述任意实施例的异常覆盖区域的确定方法。
根据本公开的再一些实施例,提供的一种非瞬时性计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现前述任意实施例异常覆盖区域的确定方法的步骤。
本公开的方案根据测量报告数据来确定异常覆盖栅格以及异常覆盖栅格的属性信息,进一步,针对相同类型的异常覆盖栅格,根据异常覆盖栅格之间的距离划分为多个簇,进一步,针对每个簇内的异常覆盖栅格,根据异常覆盖栅格和各个虚拟基站的位置关系,将簇进一步划分为子簇。根据各个子簇确定异常覆盖区域的范围信息。由于测量报告数据的数据量足够多,涉及各个区域的测量信息,因此基于测量报告数据确定的异常覆盖区域更加全面。进一步,使用测量报告数据不需要额外进行其他测试和测量,实时性好、成本低、主动性强,无需投入大量的人员和测试设备等成本,且可以及时的发现覆盖差的区域。
本公开的方法适用于各种异常覆盖区域的定位,可以实现弱覆盖区域的定位,同时可以实现模三干扰、重叠覆盖、越区覆盖等覆盖差的区域。本公开首先将异常覆盖栅格划分为簇,然后通过异常覆盖栅格和各个虚拟基站的位置关系划分为子簇,达到覆盖差区域定位更精确,避免簇过大及问题小区覆盖偏离组网结构导致应用性差的问题,提高了异常覆盖区域确定的准确性。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出本公开的一些实施例的异常覆盖区域的确定方法的流程示意图。
图2示出本公开的另一些实施例的异常覆盖区域的确定方法的流程示意图。
图3示出本公开的又一些实施例的异常覆盖区域的确定方法的流程示意图。
图4A示出本公开的一些实施例的泰森多边形的示意图。
图4B示出本公开的另一些实施例的泰森多边形的示意图。
图5示出本公开的再一些实施例的异常覆盖区域的确定方法的流程示意图。
图6示出本公开的一些实施例的异常覆盖区域的确定装置的结构示意图。
图7示出本公开的另一些实施例的异常覆盖区域的确定装置的结构示意图。
图8示出本公开的又一些实施例的异常覆盖区域的确定装置的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。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。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
本公开提出一种异常覆盖区域的确定方法,下面结合图1描述本公开的一些实施例。
图1为本公开异常覆盖区域的确定方法一些实施例的流程图。如图1所示,该实施例的方法包括:步骤S102~S108。
在步骤S102中,根据测量报告数据确定异常覆盖栅格以及异常覆盖栅格的属性信息。属性信息例如包括:异常覆盖栅格的类型,位置信息。
在一些实施例中,MRO(Measurement Report Original,测量报告原始)数据可以定时从服务器下载预设时间段的MRO数据,并解压、解析、数据清洗、栅格化处理后,可以导入数据库。MRO数据是脱敏后的测量信息不涉及用户IMSI(国际移动用户识别码)、IMEI(国际移动设备识别码)等保密信息,保密性好。预处理后的MRO数据例如包括表1中的关键字段。
表1
在一些实施例中,根据测量报告信息中的位置信息,将测量报告数据进行栅格化处理,并确定每个栅格的位置信息。根据每个栅格中的测量报告数据中的信号质量信息,确定该栅格是否属于异常覆盖栅格以及所属异常覆盖栅格的类型。
MRO数据包括位置信息,例如经纬度。栅格化处理可以在原始数据的基础上增加测量信息所含位置信息对应的栅格经纬度、栅格行列号等信息。栅格经纬度例如为栅格中心经纬度,可以作为栅格的位置信息。
异常覆盖栅格的类型例如包括但不限于弱覆盖、模三干扰、重叠覆盖、越区覆盖等,可以根据栅格内异常覆盖对应的测量信息的数量与测量信息总数的比值,确定栅格是否为异常覆盖栅格。以弱覆盖为例,栅格中测量信息RSRP<-105dBm的消息的占比大于阈值Pr,则该栅格被确定为弱覆盖栅格。异常覆盖栅格集合表的结构例如表2所示。
表2
日期 | 地市 | 异常覆盖类型 | 栅格经度 | 栅格纬度 | 栅格列号 | 栅格行号 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.8834 | 39.89754 | 9649 | 34498 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.8829 | 39.89763 | 9653 | 34497 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.8829 | 39.89763 | 9653 | 34497 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.8826 | 39.89754 | 9656 | 34498 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.8833 | 39.89781 | 9650 | 34495 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.883 | 39.89772 | 9652 | 34496 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.883 | 39.89772 | 9652 | 34496 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.8829 | 39.89772 | 9653 | 34496 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.8829 | 39.89772 | 9653 | 34496 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.8842 | 39.89574 | 9642 | 34518 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.8842 | 39.89574 | 9642 | 34518 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.8842 | 39.89574 | 9642 | 34518 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.8842 | 39.89574 | 9642 | 34518 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.884 | 39.89574 | 9644 | 34518 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.884 | 39.89574 | 9644 | 34518 |
2019-7-22 | 秦皇岛 | 弱覆盖 | 118.884 | 39.89574 | 9644 | 34518 |
在步骤S104中,根据相同类型的异常覆盖栅格的距离,将相同类型的异常覆盖栅格划分为多个簇。
针对相同类型的栅格可以通过聚类(迭代)算法实现栅格簇定位,依次将异常覆盖栅格划分为地理位置上相互独立的连片区域,最终实现簇的划分和定位。后续实施例将详细描述如何将相同类型的异常覆盖栅格划分为多个簇。
在步骤S106中,针对每个簇内的异常覆盖栅格,根据异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇。
虚拟基站的位置信息是根据同一实体基站对应的多个小区的位置信息确定的。在一些实施例中,确定同一实体基站对应的各个小区之间的距离,将相互之间的距离小于第三预设距离的各个小区确定为对应同一虚拟基站。将同一虚拟基站对应的各个小区的位置信息的均值,作为该虚拟基站的位置信息。
可以通过小区工参网管平台获取各个小区的工程参数(可以简称为工参)信息。小区工参信息主要包括地市、基站标识、小区标识、频段、经纬度、方向角、挂高、方向角等信息。进一步,对获取到的小区工参信息中的经纬度进行处理。对属于同一基站(共站)但经纬度不一致的小区,计算相互之间的距离。例如,距离偏差在第三预设距离D范围内的小区设置为属于同一虚拟基站。将属于同一虚拟基站的小区经纬度取均值,得到一组经纬度信息,进而可以得到多组经纬度信息。进一步,可以将多组相同的经纬度信息,只保留一组,其余删除,可以按照经纬度大小进行排序,并给每组经纬度信息设置相应的虚拟基站值,生成虚拟基站集合。这样做可以提高后续分簇的准确性。
在一些实施例中,针对每个簇内的异常覆盖栅格,根据异常覆盖栅格的位置信息和各个虚拟基站的位置信息构建泰森多边形;其中,异常覆盖栅格和虚拟基站对应的位置点分别作为不同泰森多边形中的点。根据泰森多边形中异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇。构建泰森多边形可以更加准确的描述异常覆盖栅格和虚拟基站的位置关系,可以将跨基站和小区分布的簇分成子簇,更加有利于确定对异常覆盖区域产生影响的小区。后续实施例中会对如何构建泰森多边形,如何划分子簇进行详细描述。
在步骤S108中,根据每个子簇中异常覆盖栅格的位置信息,确定每个异常覆盖区域的范围信息。
在一些实施例中,针对每个子簇,利用离散点最小包围边界算法确定该子簇的边界栅格。根据边界栅格的位置信息确定子簇对应的异常覆盖区域的面积和/或周长。
可以采用离散点最小(凸)包围边界算法,计算子簇的边界栅格,根据边界栅格经纬度计算子簇的面积和周长,可以采用表3结构存储范围信息。
表3
下面结合图2描述如何将相同类型的异常覆盖栅格划分为多个簇。
图2为本公开异常覆盖区域的确定方法一些实施例的流程图。如图2所示,该实施例的方法包括:步骤S202~S218。
在步骤S202中,读取一个未被读取过的异常覆盖栅格的属性信息。
不同类型的异常覆盖栅格可以存储在不同的集合表,可以从集合表中读取一个异常覆盖栅格的属性信息。
在步骤S204中,判断读取的异常覆盖栅格是否被作为过搜索中心,如果是,则返回步骤S202重新开始执行,否则执行步骤S206。
可以为异常覆盖栅格设置搜索标签SearchID,并将值初始化为0。搜索标签SearchID表示是否以该异常栅格为搜索中心搜索过周围其他异常覆盖栅格,其取值范围为0或1,0表示没有以该栅格为搜索中心搜索过周围其他异常覆盖栅格,1表示已经以该栅格为搜索中心搜索过周围其他异常覆盖栅格。因此可以通过SearchID确定一个异常覆盖栅格是否被作为过搜索中心。
在步骤S206中,将该异常覆盖栅格作为搜索中心,将该异常覆盖栅格所属的簇作为待确定簇。
可以将SearchID更新为1。可以为该异常覆盖栅格对应的待确定簇设置簇标签ClusterID,用于标识簇的一个唯一值,初始时设置为0。簇标签ClusterID的取值方式例如为以当前时间毫秒级字符串表示,格式如yyyymmddHHmissfffff,例如20190723042216101442,不限于所举示例。
在步骤S208中,根据搜索中心的属性信息和其他异常覆盖栅格的属性信息,搜索与搜索中心的距离小于第一预设距离的同类型的异常覆盖栅格。
在一些实施例中,每个栅格的属性信息还包括行号和列号,如表2所示。同一行中相邻的栅格列号相差为1,同一列中相邻的栅格行号相差为1。搜索与搜索中心的行号和列号的差值的绝对值均小于预设宽度的同类型的异常覆盖栅格,作为与搜索中心的距离小于第一预设距离的同类型的异常覆盖栅格。由于栅格是按照预设边长划分的,每个栅格的边长都是相同的,因此,可以利用栅格的行号和列号代替距离,简化计算过程。
例如,读取异常覆盖栅格的行号RowID和列号ColID,作为搜索中心(RowIDsearch、ColIdsearch)。搜索带宽范围[-R,R]内的异常覆盖栅格,即搜索范围为(RowIDsearch±R、ColIdsearch±R)。
在步骤S210中,在搜索到的异常覆盖栅格未被划分到任意簇中的情况下,将搜索到的异常覆盖栅格加入待确定簇内。
例如,在搜索到的异常覆盖栅格的簇标签ClusterId为0的情况下,将搜索到的异常覆盖栅格的簇标签ClusterId设置为与搜索中心相同的值。
在步骤S212中,判断待确定簇内的栅格是否增加,如果是,则执行步骤S214,否则,执行步骤S213。
在步骤S213中,判断是否还存在未被读取过的异常覆盖栅格,如果是,返回步骤S202重新开始执行,否则,执行步骤S216。
在步骤S214中,选取新加入待确定簇内的一个异常覆盖栅格,并返回步骤S206重新开始执行。
在步骤S216中,统计簇中每个异常覆盖栅格作为搜索中心搜索到的异常覆盖栅格的数量。
可以在异常覆盖栅格作为搜索中心的情况下,为其配置计数器Cn,初始化时设置为0。Cn标识搜索到异常覆盖栅格数,这里搜索到异常覆盖栅格称之为可达栅格。每搜索到一个异常覆盖栅格,则将搜索中心的Cn加1。
在步骤S218中,在对应的数量小于预设数量的情况下,将作为搜索中心的异常覆盖栅格从簇中删除。
删除簇内离散栅格,其主要目的是剔除个别离散不集中分布的异常覆盖栅格,通过对计数器Cn与阈值Nk比较判断,如果计数器Cn值小于阈值Nk,则在簇内删除该栅格。簇信息可以进一步存储至表中,如表4所示。
表4
下面结合图3描述如何将各个簇划分为子簇的实施例。
图3为本公开异常覆盖区域的确定方法又一些实施例的流程图。如图3所示,该实施例的方法包括:步骤S302~S312。
在步骤S302中,从簇内选取一个未被选取过的异常覆盖栅格。
例如,可以从表3所示的集合表中选取一个未被选取过的异常覆盖栅格,同时可以获得其属性信息,包括:位置信息、簇标识等。
在步骤S304中,确定与异常覆盖栅格的距离小于第二预设距离的虚拟基站,并将异常覆盖栅格对应的位置点和确定的虚拟基站对应的位置点生成位置点集合。
根据前述实施例可以得到虚拟基站集合,选取与异常覆盖栅格的距离小于第二预设距离Rdis的虚拟基站,生成位置点集合LonLatPoints。选取部分虚拟基站,可以减少后续计算泰森多边形的计算量,提高效率。
在步骤S306中,根据位置点集合构建泰森多边形。
根据LonLatPoints可以构建泰森多边形,泰森多边形属于现有算法,在此不再赘述。由集合LonLatPoints创建泰森多边形,通过将异常覆盖栅格经纬度添加到虚拟基站经纬度的集合中,重新生成泰森多边形,如图4B所示。图4A为插入异常覆盖栅格前的泰森多边形示意图。由图4A和4B对比可以看出,虚拟基站经纬度集合中添加栅格P后,局部位置泰森多边形拓扑关系发生了相应的变化。
在步骤S308中,根据泰森多边形中异常覆盖栅格和各个虚拟基站的位置关系,确定异常覆盖栅格所属的子簇。
例如,根据泰森多边形的邻接关系,计算异常覆盖栅格的第一层相邻虚拟基站,从地理位置上看,异常覆盖栅格被第一层相邻虚拟基站的经纬度构成的闭合区域所分割,如图4B所示。例如,将第一层相邻虚拟基站编号按照从小到大的顺序排序,构成一组组号标签GroupID,GroupID可以用来标识异常覆盖栅格所属的子簇。
在步骤S310中,判断簇内是否存在未被选取过的异常覆盖栅格;如果存在,则返回步骤S302,否则,执行步骤S312。
在步骤S312中,将相邻的虚拟基站完全相同的多个异常覆盖栅格,划分为一个子簇。
根据为每个异常覆盖栅格都可以添加的组号标签GroupID,将组号标签GroupID相同的划分的同一组中,从而达到将簇划分为子簇的目的。同时对可以每个划分后的子簇的ClusterID标签进行修改,在原来的标签基础上增加“_n”字符串,格式如yyyymmddHHmissffffff_n,其中n的最大值为簇被划分为子簇的个数,其数据结构如表5所示。
表5
在一些实施例中,在步骤S108确定每个异常覆盖区域的范围信息之后,还可以针对每个异常覆盖区域,确定异常覆盖区域的范围内涉及的各个小区;根据异常覆盖区域的范围内栅格总数,各个小区内的栅格总数和各个小区内的异常覆盖栅格数量,确定异常覆盖区域对应的主小区。
图5为本公开异常覆盖区域的确定方法再一些实施例的流程图。如图5所示,该实施例的方法包括:步骤S502~S510。
在步骤S502中,针对每个异常覆盖区域,确定异常覆盖区域的范围内涉及的各个小区。
可以确定各个栅格所属的小区。根据子簇内异常覆盖栅格的集合,可以通过离散点最小(凸)包围边界算法得到其边界,从而得到各个异常覆盖区域的边界,进一步可以得到异常覆盖区域的范围内涉及的各个小区。
针对每个异常覆盖区域,以及该异常覆盖区域的范围内涉及的各个小区执行步骤S504~S510。
在步骤S504中,确定各个小区内的栅格总数,该异常覆盖区域的范围内栅格总数,以及各个小区内的异常覆盖栅格数量。
计算异常覆盖区域边界范围内所包含的所有栅格,即子簇内栅格总数(含正常覆盖的栅格),同时计算子簇范围内所涉及的各小区总栅格数(含正常覆盖的栅格)、各小区的异常覆盖栅格数量。
在步骤S506中,针对每个小区,根据小区内的栅格总数与异常覆盖区域的范围内栅格总数的比值,确定小区的第一特征值。
第一特征值可以称为小区栅格占比,小区栅格占比=小区栅格总数/子簇内栅格总数(即异常覆盖区域的范围内栅格总数)。
在步骤S508中,针对每个小区,根据小区内的异常覆盖栅格数量与小区内的栅格总数的比值,确定小区的第二特征值;
第二特征值可以称为小区异常覆盖栅格占比=小区异常覆盖栅格数量/小区栅格总数。
在步骤S510中,根据各个小区的第一特征值和第二特征值确定异常覆盖区域对应的主小区。
在一些实施例中,根据小区的第一特征值确定第一权重,根据小区的第二特征值确定第二权重;其中,第一特征值所处的数值范围不同则第一权重不同,第二特征值所处的数值范围不同则第二权重不同。根据第一权重与第二权重,确定小区对异常覆盖区域的影响值。根据各个小区对异常覆盖区域的影响值由大到小的顺序,选取预设数量的小区,作为异常覆盖区域对应的主小区。
第一权重与第二权重可以根据实际情况进行设置。例如,第一特征值与第一权重的对应关系,第二特征值与第二权重的对应关系可以参考表6进行设置。
小区栅格占比 | 小区异常覆盖占比 | 权重值 |
[0%,10%) | [0%,10%) | 1 |
[10%,20%) | [10%,20%) | 2 |
[20%,30%) | [20%,30%) | 3 |
[30%,40%) | [30%,40%) | 4 |
[40%,50%) | [40%,50%) | 5 |
[50%,60%) | [50%,60%) | 6 |
[60%,70%) | [60%,70%) | 7 |
[70%,80%) | [70%,80%) | 8 |
[80%,90%) | [80%,90%) | 9 |
[90%,100%] | [90%,100%] | 10 |
在一些实施例中,小区对异常覆盖区域的影响值=第一权重*第二权重,即可以将第一权重与第二权重的乘积作为影响值。也可以根据实际情况计算小区对异常覆盖区域的影响值,例如,第一权重和第二权重进行加权的方式等。小区对异常覆盖区域的影响值由大到小排序,从排名在最前面的小区开始选取预设数量的小区,即为影响异常覆盖区域的主要小区。
通过上述各个实施例可以看出,本公开的方案具有以下有益效果。
(1)异常覆盖区域定位周期短、实时性好、成本低、主动性强。基于MRO数据和小区工参两类数据源,通过聚类(迭代)算法和泰森多边形算法实现覆盖差区域定位,数据采集、计算周期短、实时性好,无需投入大量的人员和测试设备等成本,且可以及时的发现异常覆盖的区域,相较通过投诉方式发现覆盖差区域主动性更好。
(2)采用的数据资源类型少。仅采用MRO、小区工参两类数据即可达到异常覆盖区域的连片划分定位,为降低算法复杂度奠定了基础。
(3)算法复杂度低。仅采用含经纬度的测量信息,基于聚类(迭代)算法和泰森多边形算法即可实现异常覆盖区域定位的目的,本公开的算法不涉及测量信息经纬度回填以及潜在弱覆盖区域计算、多种数据资源类型之间的计算等过程。
(4)覆盖差区域定位全面。采用MRO数据中含经纬度的测量信息可以获取到地理位置的实际覆盖情况,因此异常覆盖区域定位不受限于潜在异常覆盖区所带来的片面性,且不仅可以实现弱覆盖区域的定位,同时可以实现模三干扰、重叠覆盖、越区覆盖等覆盖差的区域的定位。
(5)保密性好,基于脱敏后的MRO数据资源信息计算,MRO数据不含用户IMSI、IMEI等保密信息,对用户的保护性更强。
(6)覆盖差区域定位精确、应用性好,首先通过聚类(迭代)算法将异常覆盖区域划分为簇,然后通过泰森多边形算法将簇划分为子簇,达到覆盖差区域定位更精确的目的,避免簇过大及问题小区覆盖偏离组网结构导致应用性差的问题,且通过对子簇范围(面积、周长)的计算,可以依据其范围大小确定优化重点区域,同时通过计算子簇范围内影响覆盖的主要小区,明确待优化重点小区。
本公开还提供一种异常覆盖区域的确定装置,下面结合图6进行描述。
图6为本公开异常覆盖区域的确定装置的一些实施例的结构图。如图6所示,该实施例的装置60包括:异常覆盖栅格确定模块610,簇划分模块620,子簇划分模块630,异常覆盖区域确定模块640、主小区确定模块650。
异常覆盖栅格确定模块610,用于根据测量报告数据确定异常覆盖栅格以及异常覆盖栅格的属性信息,属性信息包括:异常覆盖栅格的类型,位置信息。
在一些实施例中,异常覆盖栅格确定模块610用于根据测量报告信息中的位置信息,将测量报告数据进行栅格化处理,并确定每个栅格的位置信息;根据每个栅格中的测量报告数据中的信号质量信息,确定该栅格是否属于异常覆盖栅格以及所属异常覆盖栅格的类型。
簇划分模块620,用于根据相同类型的异常覆盖栅格的距离,将相同类型的异常覆盖栅格划分为多个簇。
在一些实施例中,簇划分模块620用于读取一个未被作为过搜索中心的异常覆盖栅格的属性信息,将该异常覆盖栅格作为搜索中心,将该异常覆盖栅格所属的簇作为待确定簇;根据搜索中心的属性信息和其他异常覆盖栅格的属性信息,搜索与搜索中心的距离小于第一预设距离的同类型的异常覆盖栅格;在搜索到的异常覆盖栅格未被划分到任意簇中的情况下,将搜索到的异常覆盖栅格加入待确定簇内。
在一些实施例中,簇划分模块620用于选取新加入待确定簇内的一个异常覆盖栅格重新作为搜索中心,执行根据搜索中心的属性信息和其他异常覆盖栅格的属性信息,搜索与搜索中心的距离小于第一预设距离的同类型的异常覆盖栅格;在搜索到的异常覆盖栅格未被划分到簇中的情况下,将搜索到的异常覆盖栅格加入待确定簇内步骤;直至待确定簇内的异常覆盖栅格不再增加,得到对应的簇。
在一些实施例中,簇划分模块620用于统计簇中每个异常覆盖栅格作为搜索中心搜索到的异常覆盖栅格的数量;在对应的数量小于预设数量的情况下,将作为搜索中心的异常覆盖栅格从簇中删除。
在一些实施例中,每个栅格的属性信息还包括行号和列号,其中,同一行中相邻的栅格列号相差为1,同一列中相邻的栅格行号相差为1;簇划分模块620用于搜索与搜索中心的行号和列号的差值的绝对值均小于预设宽度的同类型的异常覆盖栅格,作为与搜索中心的距离小于第一预设距离的同类型的异常覆盖栅格。
子簇划分模块630,用于针对每个簇内的异常覆盖栅格,根据异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇。其中,虚拟基站的位置信息是根据同一实体基站对应的多个小区的位置信息确定的。
在一些实施例中,子簇划分模块630用于针对每个簇内的异常覆盖栅格,根据异常覆盖栅格的位置信息和各个虚拟基站的位置信息构建泰森多边形;其中,异常覆盖栅格和虚拟基站对应的位置点分别作为不同泰森多边形中的点;根据泰森多边形中异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇。
在一些实施例中,子簇划分模块630用于从簇内选取一个未被选取过的异常覆盖栅格;确定与异常覆盖栅格的距离小于第二预设距离的虚拟基站,并将异常覆盖栅格对应的位置点和确定的虚拟基站对应的位置点生成位置点集合;根据位置点集合构建泰森多边形。
在一些实施例中,子簇划分模块630用于判断簇内是否存在未被选取过的异常覆盖栅格;如果存在,则重复执行从簇内选取一个未被选取过的异常覆盖栅格;确定与异常覆盖栅格的距离小于第二预设距离的虚拟基站,并将异常覆盖栅格对应的位置点和确定的虚拟基站对应的位置点生成位置点集合;根据位置点集合构建泰森多边形的步骤,直至簇内不存在未被选取过的异常覆盖栅格。
在一些实施例中,子簇划分模块630用于针对该簇内每个异常覆盖栅格,确定泰森多边形中与异常覆盖栅格相邻的虚拟基站;将相邻的虚拟基站完全相同的多个异常覆盖栅格,划分为一个子簇。
异常覆盖区域确定模块640,用于根据每个子簇中异常覆盖栅格的位置信息,确定每个异常覆盖区域的范围信息。
在一些实施例中,异常覆盖区域确定模块640用于针对每个子簇,利用离散点最小包围边界算法确定该子簇的边界栅格;根据边界栅格的位置信息确定子簇对应的异常覆盖区域的面积和/或周长。
在一些实施例中,装置60还包括主小区确定模块650,用于针对每个异常覆盖区域,确定异常覆盖区域的范围内涉及的各个小区;根据异常覆盖区域的范围内栅格总数,各个小区内的栅格总数和各个小区内的异常覆盖栅格数量,确定异常覆盖区域对应的主小区。
在一些实施例中,主小区确定模块650用于针对每个小区,根据小区内的栅格总数与异常覆盖区域的范围内栅格总数的比值,确定小区的第一特征值;根据小区内的异常覆盖栅格数量与小区内的栅格总数的比值,确定小区的第二特征值;根据小区的第一特征值和第二特征值确定异常覆盖区域对应的主小区。
在一些实施例中,主小区确定模块650用于根据小区的第一特征值确定第一权重,根据小区的第二特征值确定第二权重;其中,第一特征值所处的数值范围不同则第一权重不同,第二特征值所处的数值范围不同则第二权重不同;根据第一权重与第二权重,确定小区对异常覆盖区域的影响值;根据各个小区对异常覆盖区域的影响值由大到小的顺序,选取预设数量的小区,作为异常覆盖区域对应的主小区。
在一些实施例中,确定同一实体基站对应的各个小区之间的距离,将相互之间的距离小于第三预设距离的各个小区确定为对应同一虚拟基站;将同一虚拟基站对应的各个小区的位置信息的均值,作为该虚拟基站的位置信息。
本公开的实施例中的异常覆盖区域的确定装置可各由各种计算设备或计算机系统来实现,下面结合图7以及图8进行描述。
图7为本公开异常覆盖区域的确定装置的一些实施例的结构图。如
图7所示,该实施例的装置70包括:存储器710以及耦接至该存储器710的处理器720,处理器720被配置为基于存储在存储器710中的指令,执行本公开中任意一些实施例中的异常覆盖区域的确定方法。
其中,存储器710例如可以包括系统存储器、固定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)、数据库以及其他程序等。
图8为本公开异常覆盖区域的确定装置的另一些实施例的结构图。如图8所示,该实施例的装置80包括:存储器810以及处理器820,分别与存储器710以及处理器720类似。还可以包括输入输出接口830、网络接口840、存储接口850等。这些接口830,840,850以及存储器810和处理器820之间例如可以通过总线860连接。其中,输入输出接口830为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口840为各种联网设备提供连接接口,例如可以连接到数据库服务器或者云端存储服务器等。存储接口850为SD卡、U盘等外置存储设备提供连接接口。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,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。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的较佳实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (18)
1.一种异常覆盖区域的确定方法,包括:
根据测量报告数据确定异常覆盖栅格以及所述异常覆盖栅格的属性信息,所述属性信息包括:异常覆盖栅格的类型,位置信息;
根据相同类型的异常覆盖栅格的距离,将相同类型的异常覆盖栅格划分为多个簇;
针对每个簇内的异常覆盖栅格,根据所述异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇;其中,虚拟基站的位置信息是根据同一实体基站对应的多个小区的位置信息确定的;
根据每个子簇中异常覆盖栅格的位置信息,确定每个异常覆盖区域的范围信息。
2.根据权利要求1所述的确定方法,其中,
所述根据测量报告数据确定异常覆盖栅格以及所述异常覆盖栅格的属性信息包括:
根据所述测量报告信息中的位置信息,将所述测量报告数据进行栅格化处理,并确定每个栅格的位置信息;
根据每个栅格中的测量报告数据中的信号质量信息,确定该栅格是否属于异常覆盖栅格以及所属异常覆盖栅格的类型。
3.根据权利要求1所述的确定方法,其中,
所述根据相同类型的异常覆盖栅格的距离,将相同类型的异常覆盖栅格划分为多个簇包括:
读取一个未被作为过搜索中心的异常覆盖栅格的属性信息,将该异常覆盖栅格作为搜索中心,将该异常覆盖栅格所属的簇作为待确定簇;
根据所述搜索中心的属性信息和其他异常覆盖栅格的属性信息,搜索与所述搜索中心的距离小于第一预设距离的同类型的异常覆盖栅格;
在搜索到的异常覆盖栅格未被划分到任意簇中的情况下,将搜索到的异常覆盖栅格加入所述待确定簇内。
4.根据权利要求3所述的确定方法,其中,
所述根据相同类型的异常覆盖栅格的距离,将相同类型的异常覆盖栅格划分为多个簇还包括:
选取新加入所述待确定簇内的一个异常覆盖栅格重新作为搜索中心,执行根据所述搜索中心的属性信息和其他异常覆盖栅格的属性信息,搜索与所述搜索中心的距离小于第一预设距离的同类型的异常覆盖栅格;在搜索到的异常覆盖栅格未被划分到簇中的情况下,将搜索到的异常覆盖栅格加入所述待确定簇内步骤;直至所述待确定簇内的异常覆盖栅格不再增加,得到对应的簇。
5.根据权利要求4所述的确定方法,其中,
所述根据相同类型的异常覆盖栅格的距离,将相同类型的异常覆盖栅格划分为多个簇还包括:
统计所述簇中每个异常覆盖栅格作为搜索中心搜索到的异常覆盖栅格的数量;
在对应的数量小于预设数量的情况下,将作为搜索中心的异常覆盖栅格从所述簇中删除。
6.根据权利要求3所述的确定方法,其中,
每个栅格的属性信息还包括行号和列号,其中,同一行中相邻的栅格列号相差为1,同一列中相邻的栅格行号相差为1;
所述搜索与所述搜索中心的距离小于预设距离的同类型的异常覆盖栅格包括:
搜索与所述搜索中心的行号和列号的差值的绝对值均小于预设宽度的同类型的异常覆盖栅格,作为与所述搜索中心的距离小于第一预设距离的同类型的异常覆盖栅格。
7.根据权利要求1所述的确定方法,其中,
所述针对每个簇内的异常覆盖栅格,根据所述异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇包括:
针对每个簇内的异常覆盖栅格,根据所述异常覆盖栅格的位置信息和各个虚拟基站的位置信息构建泰森多边形;其中,所述异常覆盖栅格和所述虚拟基站对应的位置点分别作为不同泰森多边形中的点;
根据所述泰森多边形中异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇。
8.根据权利要求7所述的确定方法,其中,
所述根据所述异常覆盖栅格的位置信息和各个虚拟基站的位置信息构建泰森多边形包括:
从簇内选取一个未被选取过的异常覆盖栅格;
确定与所述异常覆盖栅格的距离小于第二预设距离的虚拟基站,并将所述异常覆盖栅格对应的位置点和确定的虚拟基站对应的位置点生成位置点集合;
根据所述位置点集合构建泰森多边形。
9.根据权利要求8所述的确定方法,其中,
所述根据所述异常覆盖栅格的位置信息和各个虚拟基站的位置信息构建泰森多边形还包括:
判断所述簇内是否存在未被选取过的异常覆盖栅格;如果存在,则重复执行从簇内选取一个未被选取过的异常覆盖栅格;确定与所述异常覆盖栅格的距离小于第二预设距离的虚拟基站,并将所述异常覆盖栅格对应的位置点和确定的虚拟基站对应的位置点生成位置点集合;根据所述位置点集合构建泰森多边形的步骤,直至所述簇内不存在未被选取过的异常覆盖栅格。
10.根据权利要求7所述的确定方法,其中,
所述根据所述泰森多边形中异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇包括:
针对该簇内每个异常覆盖栅格,确定所述泰森多边形中与所述异常覆盖栅格相邻的虚拟基站;
将相邻的虚拟基站完全相同的多个异常覆盖栅格,划分为一个子簇。
11.根据权利要求1所述的确定方法,其中,
所述根据每个子簇中异常覆盖栅格的位置信息,确定每个异常覆盖区域的范围信息包括:
针对每个子簇,利用离散点最小包围边界算法确定该子簇的边界栅格;
根据边界栅格的位置信息确定所述子簇对应的异常覆盖区域的面积和/或周长。
12.根据权利要求1所述的确定方法,还包括:
针对每个异常覆盖区域,确定所述异常覆盖区域的范围内涉及的各个小区;
根据所述异常覆盖区域的范围内栅格总数,所述各个小区内的栅格总数和所述各个小区内的异常覆盖栅格数量,确定所述异常覆盖区域对应的主小区。
13.根据权利要求12所述的确定方法,其中,确定所述异常覆盖区域对应的主小区包括:
针对每个小区,根据所述小区内的栅格总数与所述异常覆盖区域的范围内栅格总数的比值,确定所述小区的第一特征值;
根据所述小区内的异常覆盖栅格数量与所述小区内的栅格总数的比值,确定所述小区的第二特征值;
根据所述小区的第一特征值和第二特征值确定所述异常覆盖区域对应的主小区。
14.根据权利要求13所述的确定方法,其中,
根据所述小区的第一特征值和第二特征值确定所述异常覆盖区域对应的主小区包括:
根据所述小区的第一特征值确定第一权重,根据所述小区的第二特征值确定第二权重;其中,第一特征值所处的数值范围不同则第一权重不同,第二特征值所处的数值范围不同则第二权重不同;
根据所述第一权重与所述第二权重,确定所述小区对所述异常覆盖区域的影响值;
根据各个小区对所述异常覆盖区域的影响值由大到小的顺序,选取预设数量的小区,作为所述异常覆盖区域对应的主小区。
15.根据权利要求1所述的确定方法,其中,
确定同一实体基站对应的各个小区之间的距离,将相互之间的距离小于第三预设距离的各个小区确定为对应同一虚拟基站;
将同一虚拟基站对应的各个小区的位置信息的均值,作为该虚拟基站的位置信息。
16.一种异常覆盖区域的确定装置,包括:
异常覆盖栅格确定模块,用于根据测量报告数据确定异常覆盖栅格以及所述异常覆盖栅格的属性信息,所述属性信息包括:异常覆盖栅格的类型,位置信息;
簇划分模块,用于根据相同类型的异常覆盖栅格的距离,将相同类型的异常覆盖栅格划分为多个簇;
子簇划分模块,用于针对每个簇内的异常覆盖栅格,根据所述异常覆盖栅格和各个虚拟基站的位置关系,将该簇划分为子簇;其中,虚拟基站的位置信息是根据同一实体基站对应的多个小区的位置信息确定的;
异常覆盖区域确定模块,用于根据每个子簇中异常覆盖栅格的位置信息,确定每个异常覆盖区域的范围信息。
17.一种异常覆盖区域的确定装置,包括:
处理器;以及
耦接至所述处理器的存储器,用于存储指令,所述指令被所述处理器执行时,使所述处理器执行如权利要求1-15任一项所述的异常覆盖区域的确定方法。
18.一种非瞬时性计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现权利要求1-15任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911196601.3A CN112887910B (zh) | 2019-11-29 | 2019-11-29 | 异常覆盖区域的确定方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911196601.3A CN112887910B (zh) | 2019-11-29 | 2019-11-29 | 异常覆盖区域的确定方法、装置和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112887910A true CN112887910A (zh) | 2021-06-01 |
CN112887910B CN112887910B (zh) | 2023-03-28 |
Family
ID=76038840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911196601.3A Active CN112887910B (zh) | 2019-11-29 | 2019-11-29 | 异常覆盖区域的确定方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112887910B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114222307A (zh) * | 2021-11-16 | 2022-03-22 | 中国联合网络通信集团有限公司 | 扇区重叠覆盖区域的确定方法、装置和电子设备 |
CN115103381A (zh) * | 2022-06-24 | 2022-09-23 | 浪潮通信信息系统有限公司 | 共覆盖扇区获取方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3070972A1 (en) * | 2015-03-11 | 2016-09-21 | Wipro Limited | Methods and systems for determining radio coverage in wireless communication networks |
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 |
CN109548041A (zh) * | 2017-09-22 | 2019-03-29 | 中国移动通信集团浙江有限公司 | 一种无线覆盖分析方法及系统 |
-
2019
- 2019-11-29 CN CN201911196601.3A patent/CN112887910B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3070972A1 (en) * | 2015-03-11 | 2016-09-21 | Wipro Limited | Methods and systems for determining radio coverage in wireless communication networks |
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 |
CN109548041A (zh) * | 2017-09-22 | 2019-03-29 | 中国移动通信集团浙江有限公司 | 一种无线覆盖分析方法及系统 |
Non-Patent Citations (1)
Title |
---|
徐桦: "一种基于LTE-MR劣化场景模式识别的自动优化方法", 《电信工程技术与标准化》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114222307A (zh) * | 2021-11-16 | 2022-03-22 | 中国联合网络通信集团有限公司 | 扇区重叠覆盖区域的确定方法、装置和电子设备 |
CN114222307B (zh) * | 2021-11-16 | 2023-06-27 | 中国联合网络通信集团有限公司 | 扇区重叠覆盖区域的确定方法、装置和电子设备 |
CN115103381A (zh) * | 2022-06-24 | 2022-09-23 | 浪潮通信信息系统有限公司 | 共覆盖扇区获取方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112887910B (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107547633B (zh) | 一种用户常驻点的处理方法、装置和存储介质 | |
US11151590B2 (en) | Geographic boundary determination service | |
WO2016110121A1 (zh) | 数据栅格化、用户行为分析的方法和装置 | |
US20160224901A1 (en) | Multiple device correlation | |
CN111817868B (zh) | 一种网络质量异常的定位方法与装置 | |
CN110298687B (zh) | 一种区域吸引力评估方法及设备 | |
CN112887910B (zh) | 异常覆盖区域的确定方法、装置和计算机可读存储介质 | |
CN110166344B (zh) | 一种身份标识识别方法、装置以及相关设备 | |
CN111090712A (zh) | 一种数据处理方法、装置、设备及计算机存储介质 | |
CN105188030A (zh) | 一种移动网络数据进行地理栅格映射的方法 | |
WO2016127880A1 (zh) | 一种确定离线定位数据质量的方法和装置 | |
Nikitopoulos et al. | Hot spot analysis over big trajectory data | |
CN110121189A (zh) | 一种网络监控方法和装置 | |
CN111651681B (zh) | 云网融合环境下基于智能信息推荐的消息推送方法及装置 | |
CN108770057B (zh) | 预定指纹库的确定方法及指纹定位方法、装置、存储介质 | |
CN114786199B (zh) | 一种网络问题点的确定方法、装置、设备及存储介质 | |
CN109547872B (zh) | 一种网络规划方法及装置 | |
CN113285960B (zh) | 一种服务数据共享云平台的数据加密方法及系统 | |
CN111143639A (zh) | 用户亲密度计算方法、装置、设备及介质 | |
CN110674134B (zh) | 一种地理信息数据存储方法、查询方法及装置 | |
CN114430530B (zh) | 空间划分方法、装置、设备、介质和程序产品 | |
CN111787487B (zh) | 确定场景小区资源的方法、装置、设备及存储介质 | |
CN113395655A (zh) | 指纹定位方法、装置、设备及存储介质 | |
CN114511125A (zh) | 一种空间划分方法、装置、设备及介质 | |
CN112752252B (zh) | 小区归属地识别方法和装置 |
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 |