CN113133049B - 确定主覆盖小区的方法、装置、设备及介质 - Google Patents

Abstract

本发明实施例提供了一种确定主覆盖小区的方法、装置、设备及介质。该确定主覆盖小区的方法包括：获取目标美食场景的地理区域边框，地理区域边框为由连续的经纬度坐标点构成的封闭多边形；以及获取多个小区的MR测量报告，MR测量报告包括多个MR采样点的位置信息；根据多个MR采样点中在地理边界区域内的MR采样点的位置信息，确定目标美食区域的主覆盖小区。本发明实施例能够快速、准确地确定美食场景的主覆盖小区。

Description

确定主覆盖小区的方法、装置、设备及介质

技术领域

本发明涉及通信技术领域，尤其涉及一种确定主覆盖小区的方法、装置、设备及介质。

背景技术

随着通信技术的迅猛发展，用户密集、业务量大的场景大量出现，例如，美食场景。网优工作者利用网络本身的数据以及多种互联网数据源，开发多类数据源的综合分析算法，以构建美食场景多维度管控体系，确保互联网用户的感知需求。其中，美食场景覆盖小区的精准确定成为成功构建这一管控体系的关键，也是当前业界最为棘手的难题。

目前，确定美食场景覆盖小区的方式包括以下几种：(1)通过现场人工测试的方法获知美食场景的主覆盖小区。测试人员手持测试终端，遍历目标美食区域同时记录终端占用的小区，以及信号强度、邻区信息等数据，通过软件可绘制成目标区域的覆盖图并确定主覆盖小区；(2)根据目标美食区域的经纬度信息以及全网小区的经纬度信息，并结合方位角及高度等信息，通过计算小区与目标区域的距离及方向等数据，从而确定目标区域的主覆盖小区。对于(1)成本相对较高，难以针对大量美食场景快速展开覆盖小区识别工作；对于(2)由于实际环境中的无线信号传播可能存在反射折射等多种情况，且美食场景多分布在建筑物较密集的环境，用户实际占用的小区往往并不是直线距离最近的小区，因此这种方法准确率较低。此外，这种方法依赖于全网小区的经纬度、方位角及高度等信息，因此很大程度上会受到这些基础数据的完整性、准确性以及更新及时性的影响。

综上所述，现有的确定美食场景主覆盖小区的技术存在工作量大，准确率低，以及受限于基础数据的完整性、准确性等缺点。

发明内容

本发明实施例提供了一种确定主覆盖小区的方法、装置、设备及介质，其目的是为了快速、准确地确定美食场景的主覆盖小区。

第一方面，本发明实施例提供了一种确定主覆盖小区的方法，方法包括：

获取目标美食场景的地理区域边框，地理区域边框为由连续的经纬度坐标点构成的封闭多边形；以及

获取多个小区的MR测量报告，MR测量报告包括多个MR采样点的位置信息；

根据多个MR采样点中在地理边界区域内的MR采样点的位置信息，确定目标美食区域的主覆盖小区。

第二方面，本发明实施例提供了一种确定主覆盖小区的装置，装置包括：

获取模块，用于获取目标美食场景的地理区域边框，地理区域边框为由连续的经纬度坐标点构成的封闭多边形；以及

获取模块，还用于获取多个小区的MR测量报告，MR测量报告包括多个MR采样点的位置信息；

确定模块，用于根据多个MR采样点中在地理边界区域内的MR采样点的位置信息，确定目标美食区域的主覆盖小区。

第三方面，本发明实施例提供了一种确定主覆盖小区的设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。

本发明实施例提供的确定主覆盖小区的方法、装置、设备及介质，通过获取目标美食场景的地理区域边框，然后基于MR测量报告包括的多个MR采样点中在地理边界区域内的MR采样点的位置信息，确定目标美食区域的主覆盖小区。能够快速、准确地确定美食场景的主覆盖小区。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，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示出了根据本发明一些实施例提供的确定主覆盖小区的方法的流程图；

图2示出了根据本发明一些实施例提供的确定美食场景的示意图；

图3示出了根据本发明一些实施例提供的确定主覆盖小区的装置的示意图；

图4示出了根据本发明一些实施例提供的确定主覆盖小区的设备的示意图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

图1示出了根据本发明一些实施例提供的确定主覆盖小区的方法的流程图。如图1所示，该确定主覆盖小区的方法，包括：

步骤101：获取目标美食场景的地理区域边框，地理区域边框为由连续的经纬度坐标点构成的封闭多边形；以及

步骤102：获取多个小区的MR测量报告，MR测量报告包括多个MR采样点的位置信息；

步骤103：根据多个MR采样点中在地理边界区域内的MR采样点的位置信息，确定目标美食区域的主覆盖小区。

本发明实施例提供的确定主覆盖小区的方法、装置、设备及介质，通过获取目标美食场景的地理区域边框，然后基于MR测量报告包括的多个MR采样点中在地理边界区域内的MR采样点的位置信息，确定目标美食区域的主覆盖小区。能够快速、准确地确定美食场景的主覆盖小区。

在本发明的一些实施例中，在步骤101所述的获取目标美食场景的地理区域边框之前，该确定主覆盖小区的方法，还包括：

确定目标美食场景的地理区域边框。

在一个示例中，利用密度聚类算法，确定目标美食场景的地理区域边框，具体包括：

获取多个店铺的信息；其中，多个店铺的信息包括：每个店铺的经纬度信息；

将多个店铺中的目标店铺的经纬度为中心，在预设搜索半径内确定店铺的数量；

在店铺的数量超过预设数量阈值的情况下，将目标店铺和预设搜索半径内的店铺标记为目标簇，以及标记目标店铺，直至目标簇中的每个店铺标记均被标记；其中，目标店铺为多个店铺中的任一个店铺；

将被标记的目标簇作为目标美食场景，将被标记的目标簇中的店铺作外接多边形作为目标美食场景的地理区域边框。

具体地，首先在地图上任选一个美食(即目标店铺)点作为起点，假设预设搜索半径为50米，最小包含点数为5个(即预设数量阈值)；如果以该目标店铺为中心，半径50米的圆形区域内包含5个以上店铺，则将5个以上店铺和目标店铺标记为一个簇；否则不进行标记，以及将目标店铺标记为已处理。随后在该簇内任选一个未处理的点作为起点，重复以上步骤，对簇进行扩展。直到簇内所有点都被标记为已处理且簇无法再扩展；以形成的每一个簇作为一个独立的美食区域，对簇内的美食点作外接多边形作为该美食区域的边界范围。

在图2中，以第一个圆形为示例，在该圆形中包括A～F个店铺，此时可以将该圆形标记为簇，以及将A店铺标记为已处理；下面再以D点为示例，以D点为中心，此时第二个圆形包括店铺C、D、E、a和b，此时可以将第二个圆形标记为簇，店铺B、C、E和F与店铺D操作的方式一样，直至每个簇中的店铺被标记且不能再拓展。

在图2中，不在拓展是指，以店铺B为例，如果以B为中心，在半径为50米的圆形内的店铺的数量不超过5个，此时不能将以B为中心的半径为50米内的店铺标记为簇，此时不能再在店铺B上拓展出新的簇。

在一个示例中，获取多个店铺的信息，包括：从第三方美食APP中获取多个店铺的信息；或者，从每一地区的工商局获取多个店铺的信息；其中，每个店铺的信息，包括以下项中的至少一项：店铺名称、店铺的地址(包括经纬度)、店铺的人均消费、店铺的服务评分、店铺的环境评分以及店铺的评价人数。

在一个示例中，在多个店铺的信息还包括：每个店铺的地址信息时，在步骤103所述的根据多个MR采样点中在地理边界区域内的MR采样点的位置信息，确定目标美食区域的主覆盖小区之前，该确定主覆盖小区的方法还包括：

根据每个店铺的地址信息中的楼层信息，确定每个店铺在目标商场中对应的目标楼层；其中，目标商场对应多个主覆盖小区；

将目标商场中除目标楼层之外的楼层对应的主覆盖小区删除。

在本发明实施例中，大规模美食场景通常包括美食街和综合性商场等；对于综合性商场，其各楼层通常由不同的室分小区覆盖，数量可以多达几十甚至上百个小区，所有这些小区的MR采样点均会落在该美食区域的轮廓内，因此很多楼层都会被选为主覆盖小区；但是，综合性商场内的美食区域往往集中于某几个楼层，其他楼层可能是购物区域。因此可以通过美食店铺地址识别出那些楼层属于美食场景，仅保留属于美食场景的楼层对应的主覆盖小区，对于目标商场中其他楼层对应的主覆盖小区则删除。其中，目标商场中其他楼层为目标商场中除美食场景的楼层之外的楼层。

在一个示例中，多个店铺的信息还包括：每个店铺的人均消费、每个店铺的服务评分、每个店铺的环境评分和每个店铺的评价人数；在步骤103所述的根据多个MR采样点中在地理边界区域内的MR采样点的位置信息，确定目标美食区域的主覆盖小区之前，该确定主覆盖小区的方法还包括：

基于每个店铺的人均消费、每个店铺的服务评分、每个店铺的环境评分和每个店铺的评价人数，确定主覆盖小区的优先级；

在目标美食小区的数量为多个时，优化处理多个目标美食小区中主覆盖小区的优先级高于目标优先级阈值的目标美食小区的性能参数。

具体，先基于每个店铺的人均消费、每个店铺的服务评分、每个店铺的环境评分和每个店铺的评价人数，确定主覆盖小区的优先级；然后，再对优先级高于目标优先级(即优先级别排行较高的目标美食区域)的目标美食区域的性能进行优化。其中，目标优先级阈值可以基于资源的多少来合理进行分配，例如，资源供过于求时，可以增加要优化的目标美食区域，资源供不应求时，则需要相应减少优化的目标美食区域。

在一个示例中，目标美食区域的数量可以为多个，每个目标美食区域的主覆盖小区的数量也可以为多个。

下文中以每个目标美食区域有一个主覆盖小区为示例。

在本发明的一些示例中，对性能参数进行优化，包括：

获取多个目标美食区域的主覆盖小区的性能指标及资源配置等数据；

在主覆盖小区存在性能问题或资源配置不足等情况时，对该美食场景开展网络优化工作，例如，提高上网速率和提高电话接通率等，以改善性能问题或资源配置不足，提高用户体验。当需要优化的美食场景过多，无法同时开展所有区域的优化工作时，按照美食场景的优先级，优先将优化资源投入到重要的美食场景中，以实现对有限的资源的优化配置。

具体地：

(1)筛选所有美食场景中店铺的信息；

具体地，针对所有美食场景中的目标美食场景中的每一个店铺的信息进行筛选，例如去除该店铺评价人数小于10的数据；

(2)将目标美食场景内的所有店铺的店铺人均消费、店铺服务评分、店铺环境评分、店铺评价人数均取平均值，得到该目标美食场景的人均消费、服务评分平均值、环境评分平均值和评价人数的平均值。

(3)将所有美食场景的人均消费值进行排序，例如，从高到低排序，取所有美食场景中排序靠前5％的美食场景的人均消费作为满分，即只要超过5％中的美食场景中任一个美食场景的人均消费，则将该美食场景打满分，例如5分；取所有美食场景中排序再后的5％的美食场景的人均消费作为0分，即只要低于5％中的美食场景中任一个美食场景的人均消费，则将该美食场景打0；从而得到每个美食场景的人均消费的打分；其中，评价人数得分、店铺环境评分、服务评分与人均消费值同理，可以选择排序靠前的预设比例的美食场景打满分，也可以选择排序靠后的预设比例的美食场景打0分，预设比例可以根据所有美食场景的数量进行调整，以上5％只是一个示例，在次不再赘述。

(4)将美食场景的人均消费得分、服务得分、环境得分、评价人数得分进行平均，即得到美食区域的优先级得分。

(5)获取所有美食场景中所有主覆盖小区的性能指标以及资源配置等数据；

(6)在主覆盖小区存在性能问题或资源配置不足时，对该美食场景开展网络优化工作，例如，提高上网速率和提高电话接通率等，以改善性能问题或资源配置不足，提高用户体验。当需要优化的美食场景过多，无法同时开展所有区域的优化工作时，按照美食场景的优先级，优先将优化资源投入到重要的美食场景中，以实现对有限的资源的优化配置。

在本发明的一些实施例中，步骤102所述的获取MR测量报告中多个MR采样点的位置信息，包括：

获取MR测量报告中多个MR采样点；

对多个MR采样点进行定位，得到多个MR采样点的位置信息。

需要说明的是，步骤102与步骤101可以同时执行，也可以步骤102在先执行，步骤101在后执行，在此不再赘述。

在本发明实施例中，通过从通用移动通信技术的长期演进(Long TermEvolution，LTE)的MR测量报告中获取多个MR的采样点。

其中，MR测量报告包括MRS(MR Statistics)、MRO(MR Original)和MRE(MREvent)。其中，MRS为小区级MR统计报告，无法将其与美食场景相关联；MRE和MRO均为采样点级MR测量统计，可以通过定位手段对MR采样点进行定位，从而与美食场景进行关联；但是，MRE为基于事件触发的采样点级MR测量统计，其位置分布与切换等测量事件密切相关，且多位于小区边缘，不能准确反映小区的真实覆盖情况。故选择MRO方式，该MRO为采样点级MR测量原始统计，该采样点级MR测量原始统计包括周期性触发的MR测量统计；另外，周期性MR测量报告统计中还收集了用户业务过程中，根据基站配置的测量周期定时上报的MR测量报告的原始数据，进而能够较为准确地反映小区的真实覆盖情况。

再者，MRO测量报告统计数据是从无线接入网网元管理系统(OMC-R)的北向接口采集，需要获取的字段包括服务小区标识、服务小区参考信号接收电平、邻小区频点、邻小区PCI、邻小区参考信号接收电平、时间提前量(TA)和天线到达角(AOA)。

为确保MR测量报告中数据的完整性，一般会采集工作日和休息日各24小时MRO数据。但是，MRO测量统计数据量很庞大，处理一次则会消耗大量的时间，会显著降低美食场景的优化工作的效率。考虑到美食场景用餐时段内人流大量集中，而其他时段人流稀少的特点，可以只采集用用餐高峰时段的MR数据，一方面能减少处理时间，另一方面也能准确体现美食场景的覆盖情况。

在一个示例中，考虑到美食场景所在区域的类型，例如，商业区域、办公区域和商业与办公结合的区域；可以根据定期(例如，商业区则采集周六至周日的数据；办公区则采集周一至周五的数据；商业与办公结合的区域则可以采集周一至周日的数据)采集的美食场景的历史数据，利用大数据和机器学习手段确定该美食场景的用餐高峰时段。

在一个示例中，对多个MR采样点进行定位，得到多个MR采样点的位置信息，包括：

利用OTT定位、MR指纹库定位、TA+AOA定位或MDT中的至少一项对多个MR采样点进行定位，得到多个MR采样点的位置信息。

其中，MR定位通过以下几种方式实现：

(1)OTT(Over The Top)定位：是指用户在用户设备上所使用的地图、导航、购物等应用或服务，在其传输的数据中包含了用户定位信息，利用探针从核心网侧采集OTT定位数据，并与MR数据进行关联，从而对MR数据的定位。

(2)MR指纹库定位：将MR采样点数据中服务小区及邻小区的参考信号接收电平的组合定义为MR指纹，通过仿真模型计算得到特定位置的MR指纹，并对全网进行计算建立MR指纹库，通过路测数据、OTT数据及MDT数据对指纹库进行校准后，就能够使用指纹库对MR数据进行定位。

(3)时间提前量(Timing Advance，TA)+天线到达角(AOA)定位：在没有建立MR指纹库的情况下可使用TA+AOA定位，根据MR采样点数据中的TA和AOA，结合小区工参可计算MR采样点的大致位置。

(4)MDT(Method Dungeon Tools)：是第三代合作伙伴计划(3rd GenerationPartnership Project，3GPP)标准定义的最小化路测规范，网络侧可以要求用户设备上报测量报告和位置信息。

在本发明一些实施例中，步骤103所述的根据多个MR采样点中在地理边界区域内的MR采样点的位置信息，确定目标美食区域的主覆盖小区，包括：

获取目标美食场景覆盖的多个小区中的目标小区在目标美食场景的MR采样点的数量；

根据目标小区在目标美食场景的MR采样点的数量和目标小区中MR采样点的数量，确定目标小区的覆盖比例；

在目标小区的覆盖比例超过预设覆盖比例阈值的情况下，将目标小区确定为目标美食场景的主覆盖小区；其中，目标小区为多个小区中的任一个小区。

具体地，根据所有MR采样点的经纬度(位置信息)以及目标美食场景的地理区域边框，筛选落在目标美食场景内的MR采样点，然后从目标美食场景内的MR采用点中统计每个小区(该目标美食场景覆盖的小区)中的MR采样点的个数。将每个小区落在该目标美食场景内的MR采样点数量占该小区MR采样点总数的比例定义为该小区对该美食区域的覆盖比例，筛选出覆盖比例大于50％的小区作为该目标美食场景的主要覆盖小区。

需要说明的是，如果目标美食场景范围较小，则可能无法在该目标美食场景中找到覆盖比例大于50％的小区，则可以将覆盖比例最大的小区作为主覆盖小区。

图3示出了根据本发明一些实施例提供的确定主覆盖小区的装置的示意图。如图3所示，该确定主覆盖小区的装置300，包括：

获取模块301，用于获取目标美食场景的地理区域边框，地理区域边框为由连续的经纬度坐标点构成的封闭多边形；以及

获取模块301，还用于获取多个小区的MR测量报告，MR测量报告包括多个MR采样点的位置信息；

确定模块302，用于根据多个MR采样点中在地理边界区域内的MR采样点的位置信息，确定目标美食区域的主覆盖小区。

本发明实施例提供的确定主覆盖小区的方法、装置、设备及介质，通过获取目标美食场景的地理区域边框，然后基于MR测量报告包括的多个MR采样点中在地理边界区域内的MR采样点的位置信息，确定目标美食区域的主覆盖小区。能够快速、准确地确定美食场景的主覆盖小区。

可选的，获取模块301，包括：

获取多个店铺的信息；其中，多个店铺的信息包括：每个店铺的经纬度；

利用密度聚类算法，将多个店铺中的目标店铺的经纬度为中心，在预设搜索半径内确定店铺的数量；

在店铺的数量超过预设数量阈值的情况下，将目标店铺和预设搜索半径内的店铺标记为目标簇，以及标记目标店铺，直至目标簇中的每个店铺标记均被标记；其中，目标店铺为多个店铺中的任一个店铺；

将被标记的目标簇作为目标美食场景，将被标记的目标簇中的店铺作外接多边形作为目标美食场景的地理区域边框。

可选的，获取模块301，还用于：

获取单元，用于获取MR测量报告中多个MR采样点；

定位单元，用于对多个MR采样点进行定位，得到多个MR采样点的位置信息。

可选的，定位单元，还用于：

利用OTT定位、MR指纹库定位、TA+AOA定位或MDT中的至少一项对多个MR采样点进行定位，得到多个MR采样点的位置信息。

可选的，确定模块302，还用于：

获取目标美食场景覆盖的多个小区中的目标小区在目标美食场景的MR采样点的数量；

根据目标小区在目标美食场景的MR采样点的数量和目标小区中MR采样点的数量，确定目标小区的覆盖比例；

在目标小区的覆盖比例超过预设覆盖比例阈值的情况下，将目标小区确定为目标美食场景的主覆盖小区；其中，目标小区为多个小区中的任一个小区。

可选的，多个店铺的信息还包括：每个店铺的地址信息和每个店铺的经营类型；

该确定主覆盖小区的装置还包括：

检测模块，用于检测主覆盖小区中每个店铺的经营类型是否为目标经营类型；

删除模块，用于在每个店铺的经营类型不为目标经营类型的情况下，删除主覆盖小区。

可选的，多个店铺的信息还包括：

每个店铺的人均消费、每个店铺的服务评分、每个店铺的环境评分和每个店铺的评价人数；

该确定主覆盖小区的装置还包括：

确定模块302，还用于基于每个店铺的人均消费、每个店铺的服务评分、每个店铺的环境评分和每个店铺的评价人数，确定主覆盖小区的优先级；

另外，结合图1描述的本发明实施例的确定主覆盖小区的方法可以由确定主覆盖小区的设备来实现。图4示出了本发明实施例提供的确定主覆盖小区的设备的硬件结构示意图。

确定主覆盖小区的设备可以包括处理器401以及存储有计算机程序指令的存储器402。

具体地，上述处理器401可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。

存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在数据处理装置的内部或外部。在特定实施例中，存储器402是非易失性固态存储器。在特定实施例中，存储器402包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。

处理器401通过读取并执行存储器402中存储的计算机程序指令，以实现上述实施例中的任意一种确定主覆盖小区的方法。

在一个示例中，确定主覆盖小区的设备还可包括通信接口403和总线410。其中，如图4所示，处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。

通信接口403，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。

总线410包括硬件、软件或两者，将确定主覆盖小区的设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线410可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。

另外，结合上述实施例中的确定主覆盖小区的方法，本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种确定主覆盖小区的方法。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明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发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种确定主覆盖小区的方法，其特征在于，所述方法包括：

获取目标美食场景的地理区域边框，所述地理区域边框为由连续的经纬度坐标点构成的封闭多边形；以及

获取多个小区的MR测量报告，所述MR测量报告包括多个MR采样点的位置信息；

根据所述多个MR采样点中在所述地理边界区域内的MR采样点的位置信息，确定所述目标美食区域的主覆盖小区；

所述根据所述多个MR采样点中在所述地理边界区域内的MR采样点的位置信息，确定所述目标美食区域的主覆盖小区，包括：

获取所述目标美食场景覆盖的多个小区中的目标小区在所述目标美食场景的MR采样点的数量；

根据所述目标小区在所述目标美食场景的MR采样点的数量和所述目标小区中MR采样点的数量，确定所述目标小区的覆盖比例；

在所述目标小区的覆盖比例均小于预设覆盖比例阈值的情况下，将所述覆盖比例最大的所述目标小区确定为所述目标美食场景的主覆盖小区；其中，所述目标小区为所述多个小区中的任一个小区；

所述获取目标美食场景的地理区域边框，包括：

获取多个店铺的信息；其中，所述多个店铺的信息包括：每个店铺的经纬度；

利用密度聚类算法，将所述多个店铺中的目标店铺的经纬度为中心，在预设搜索半径内确定店铺的数量；

在所述店铺的数量超过预设数量阈值的情况下，将所述目标店铺和所述预设搜索半径内的店铺标记为目标簇，以及标记所述目标店铺，随后在所述目标簇内任选一个未标记的店铺作为起点，重复以上步骤，对所述目标簇进行扩展，直至所述目标簇内所有店铺均被标记且所述目标簇无法再扩展；其中，所述目标店铺为所述多个店铺中的任一个店铺；

将被标记的目标簇作为所述目标美食场景，将所述被标记的目标簇中的店铺作外接多边形作为所述目标美食场景的地理区域边框。

2.根据权利要求1所述的方法，其特征在于，所述获取MR测量报告中多个MR采样点的位置信息，包括：

获取MR测量报告中多个MR采样点；

对所述多个MR采样点进行定位，得到所述多个MR采样点的位置信息。

3.根据权利要求2所述的方法，其特征在于，所述对所述多个MR采样点进行定位，得到所述多个MR采样点的位置信息，包括：

利用OTT定位、MR指纹库定位、TA+AOA定位或MDT中的至少一项对所述多个MR采样点进行定位，得到所述多个MR采样点的位置信息。

4.根据权利要求1所述的方法，其特征在于，所述根据所述多个MR采样点中在所述地理边界区域内的MR采样点的位置信息，确定所述目标美食区域的主覆盖小区，包括：

在所述目标小区的覆盖比例超过预设覆盖比例阈值的情况下，将目标小区确定为所述目标美食场景的主覆盖小区。

5.根据权利要求1所述的方法，其特征在于，所述多个店铺的信息还包括：每个店铺的地址信息；

根据所述每个店铺的地址信息，确定所述每个店铺在目标商场中对应的目标楼层；其中，所述目标商场对应多个主覆盖小区；

将所述目标商场中除目标楼层之外的楼层对应的主覆盖小区删除。

6.根据权利要求1所述的方法，其特征在于，所述多个店铺的信息还包括：

每个店铺的人均消费、每个店铺的服务评分、每个店铺的环境评分和每个店铺的评价人数；

在根据所述多个MR采样点中在所述地理边界区域内的MR采样点的位置信息，确定所述目标美食区域的主覆盖小区之前，所述方法还包括：

基于所述每个店铺的人均消费、所述每个店铺的服务评分、所述每个店铺的环境评分和所述每个店铺的评价人数，确定所述目标美食小区的主覆盖小区的优先级；

在所述目标美食小区的数量为多个时，优化处理多个目标美食小区中主覆盖小区的优先级高于目标优先级阈值的目标美食小区的性能参数。

7.一种确定主覆盖小区的装置，其特征在于，所述装置包括：

获取模块，用于获取目标美食场景的地理区域边框，所述地理区域边框为由连续的经纬度坐标点构成的封闭多边形；以及

所述获取模块，还用于获取多个小区的MR测量报告，所述MR测量报告包括多个MR采样点的位置信息；

确定模块，用于根据所述多个MR采样点中在所述地理边界区域内的MR采样点的位置信息，确定所述目标美食区域的主覆盖小区；

所述确定模块，还用于：

获取所述目标美食场景覆盖的多个小区中的目标小区在所述目标美食场景的MR采样点的数量；

根据所述目标小区在所述目标美食场景的MR采样点的数量和所述目标小区中MR采样点的数量，确定所述目标小区的覆盖比例；

在所述目标小区的覆盖比例均小于预设覆盖比例阈值的情况下，将所述覆盖比例最大的所述目标小区确定为所述目标美食场景的主覆盖小区；其中，所述目标小区为所述多个小区中的任一个小区；

所述获取模块具体用于：

获取多个店铺的信息；其中，所述多个店铺的信息包括：每个店铺的经纬度；

利用密度聚类算法，将所述多个店铺中的目标店铺的经纬度为中心，在预设搜索半径内确定店铺的数量；

在所述店铺的数量超过预设数量阈值的情况下，将所述目标店铺和所述预设搜索半径内的店铺标记为目标簇，以及标记所述目标店铺，随后在所述目标簇内任选一个未标记的店铺作为起点，重复以上步骤，对所述目标簇进行扩展，直至所述目标簇内所有店铺均被标记且所述目标簇无法再扩展；其中，所述目标店铺为所述多个店铺中的任一个店铺；

将被标记的目标簇作为所述目标美食场景，将所述被标记的目标簇中的店铺作外接多边形作为所述目标美食场景的地理区域边框。

8.一种确定主覆盖小区的设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-6中任一项所述的方法。

9.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-6中任一项所述的方法。

Images