CN113259954B - 一种质差处理策略的确定方法、装置及电子设备 - Google Patents

Abstract

本发明实施例公开了一种质差处理策略的确定方法、装置及电子设备，所述方法包括：获取无线通信系统中待处理的目标小区的用户面数据，基于所述目标小区的用户面数据，以及预先训练的感知评估模型，得到所述目标小区的用户感知分值，基于所述目标小区的用户面数据，对所述目标小区的高负荷情况进行评分，得到所述目标小区的高负荷分值，基于所述目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略。通过本方法，可以通过感知评估模型和用户面数据，得到目标小区的用户感知分值，然后根据用户感知分值和高负荷分值，确定对应的质差处理策略，提高质差处理的效率和准确性。

Description

一种质差处理策略的确定方法、装置及电子设备

技术领域

本发明涉及通信技术领域，尤其涉及一种质差处理策略的确定方法、装置及电子设备。

背景技术

随着无线通信技术的不断发展，无线通信用户群日益长大，用户对无线通信业务的需求也不断提升，同时，用户对无线通信业务质差的投诉问题也日益增多。

目前，运营商对于无线通信业务质差问题的处理方法，主要是在接收到用户质差投诉后，相关工作人员可以对用户面数据进行分析与测试定位，以对用户的质差投诉进行处理。例如，相关工作人员可以查看被投诉的小区的相关感知指标(如高负荷指标)，以判断该小区是否存在质差问题，如被投诉的小区用户数过多，则可以进行负载调度，以解决该小区的质差问题。

但是，通过上述方法对无线通信业务质差问题进行处理时，由于影响用户感知的指标较多，小区数量较多，所以在排查质差原因时，会消耗较多的时间成本和人力成本，质差处理的效率低，同时由于可监测的感知指标有限，所以也存在质差问题定位准确性差的问题，导致质差处理的准确性差，影响用户感知。

发明内容

本发明实施例的目的是提供一种质差处理策略的确定方法、装置及电子设备，以解决现有技术中由于通过人工排查质差原因的方式来处理质差问题，存在的质差处理的效率较低、准确性较差的问题。

为解决上述技术问题，本发明实施例是这样实现的：

第一方面，本发明实施例提供的一种质差处理策略的确定方法，所述方法包括：

获取无线通信系统中待处理的目标小区的用户面数据；

基于所述目标小区的用户面数据，以及预先训练的感知评估模型，得到所述目标小区的用户感知分值，所述感知评估模型用于对所述目标小区的用户感知情况进行评分，所述感知评估模型为基于预设时间周期内多个小区的用户面指标和流媒体指标的历史数据训练得到；

基于所述目标小区的用户面数据，对所述目标小区的高负荷情况进行评分，得到所述目标小区的高负荷分值；

基于所述目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略。

可选地，所述基于所述目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略，包括：

基于所述目标小区的用户感知分值和高负荷分值，确定所述目标小区在预设象限图中的象限位置信息；

基于所述象限位置信息，确定对应的所述质差处理策略。

可选地，所述基于所述目标小区的用户面数据，以及预先训练的感知评估模型，得到所述目标小区的用户感知分值之前，还包括：

基于所述历史数据，分别获取每个所述流媒体指标和每个所述用户面指标之间的皮尔森相关系数；

在目标流媒体指标与目标用户面指标之间的皮尔森相关系数大于预设关系阈值的情况下，获取所述目标流媒体指标数据与所述目标用户面指标数据之间的映射关系，所述目标流媒体指标为所述流媒体指标中的任意一个指标，所述目标用户面指标为所述用户面指标中的任意一个指标；

基于所述映射关系，构成所述感知评估模型。

可选地，所述基于所述映射关系，构成所述感知评估模型，包括：

基于所述映射关系，获取所述目标用户面指标和所述目标流媒体指标的历史数据之间的对应准确率；

基于预设准确率阈值，确定所述对应准确率中的目标对应准确率；

将所述目标对应准确率对应的目标用户面指标数据确定为目标用户面指标阈值；

基于所述目标用户面指标阈值，构成所述感知评估模型。

可选地，所述基于所述目标小区的用户面数据，以及预先训练的感知评估模型，得到所述目标小区的用户感知分值，包括：

获取所述目标小区的用户面数据中，与所述目标用户面指标阈值满足预设关系的用户面指标数据的目标数量；

基于所述目标数量，确定所述目标小区的用户感知分值。

可选地，所述目标用户面指标阈值包括目标用户面速率指标阈值和/或目标用户面时延指标阈值，所述目标数量包括第一数量和/或第二数量，所述第一数量为所述目标小区的用户面数据中，与所述目标用户面速率指标阈值满足第一预设关系的用户面速率数据的数量，所述第二数量为所述目标小区的用户面数据中，与所述目标用户面时延指标阈值满足第二预设关系的用户面时延数据的数量，所述基于所述目标数量，确定所述目标小区的用户感知分值，包括：

基于所述第一数量和所述目标小区的用户面数据中的速率数据的数量，确定所述目标小区的速率总分值；

基于所述第二数量和所述目标小区的用户面数据中的时延数据的数量，确定所述目标小区的时延总分值；

基于预设权重，以及所述速率总分值和/或所述时延总分值，确定所述目标小区的用户感知分值。

可选地，所述基于所述目标小区的用户面数据，对所述目标小区的高负荷情况进行评分，得到所述目标小区的高负荷分值，包括：

基于所述目标小区的用户面数据中的流量数据，以及预设流量阈值，对所述目标小区的流量高负荷情况进行评分，得到所述目标小区的流量分值；

基于所述目标小区的用户面数据中的用户数量，以及预设数量阈值，对所述目标小区的用户数高负荷情况进行评分，得到所述目标小区的用户数分值；

基于所述流量得分和所述用户数分值，确定所述目标小区的高负荷分值。

第二方面，本发明实施例提供了一种质差处理策略的确定装置，所述装置包括：

数据获取模块，用于获取无线通信系统中待处理的目标小区的用户面数据；

第一分值确定模块，用于基于所述目标小区的用户面数据，以及预先训练的感知评估模型，得到所述目标小区的用户感知分值，所述感知评估模型用于对所述目标小区的用户感知情况进行评分，所述感知评估模型为基于预设时间周期内多个小区的用户面指标和流媒体指标的历史数据训练得到；

第二分值确定模块，用于基于所述目标小区的用户面数据，对所述目标小区的高负荷情况进行评分，得到所述目标小区的高负荷分值；

策略确定模块，用于基于所述目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略。

可选地，所述策略确定模块，包括：

位置获取单元，用于基于所述目标小区的用户感知分值和高负荷分值，确定所述目标小区在预设象限图中的象限位置信息；

策略确定单元，用于基于所述象限位置信息，确定对应的所述质差处理策略。

可选地，所述装置，还包括：

系数获取模块，用于基于所述历史数据，分别获取每个所述流媒体指标和每个所述用户面指标之间的皮尔森相关系数；

关系获取模块，用于在目标流媒体指标与目标用户面指标之间的皮尔森相关系数大于预设关系阈值的情况下，获取所述目标流媒体指标数据与所述目标用户面指标数据之间的映射关系，所述目标流媒体指标为所述流媒体指标中的任意一个指标，所述目标用户面指标为所述用户面指标中的任意一个指标；

模型构成模块，用于基于所述映射关系，构成所述感知评估模型。

可选地，所述模型构成模块，用于：

基于所述映射关系，获取所述目标用户面指标和所述目标流媒体指标的历史数据之间的对应准确率；

基于预设准确率阈值，确定所述对应准确率中的目标对应准确率；

将所述目标对应准确率对应的目标用户面指标数据确定为目标用户面指标阈值；

基于所述目标用户面指标阈值，构成所述感知评估模型。

可选地，所述第一分值确定模块，用于：

获取所述目标小区的用户面数据中，与所述目标用户面指标阈值满足预设关系的用户面指标数据的目标数量；

基于所述目标数量，确定所述目标小区的用户感知分值。

可选地，所述目标用户面指标阈值包括目标用户面速率指标阈值和/或目标用户面时延指标阈值，所述目标数量包括第一数量和/或第二数量，所述第一数量为所述目标小区的用户面数据中，与所述目标用户面速率指标阈值满足第一预设关系的用户面速率数据的数量，所述第二数量为所述目标小区的用户面数据中，与所述目标用户面时延指标阈值满足第二预设关系的用户面时延数据的数量，所述第一分值确定模块，用于：

基于所述第一数量和所述目标小区的用户面数据中的速率数据的数量，确定所述目标小区的速率总分值；

基于所述第二数量和所述目标小区的用户面数据中的时延数据的数量，确定所述目标小区的时延总分值；

基于预设权重，以及所述速率总分值和/或所述时延总分值，确定所述目标小区的用户感知分值。

可选地，所述第二分值确定模块，用于：

基于所述目标小区的用户面数据中的流量数据，以及预设流量阈值，对所述目标小区的流量高负荷情况进行评分，得到所述目标小区的流量分值；

基于所述目标小区的用户面数据中的用户数量，以及预设数量阈值，对所述目标小区的用户数高负荷情况进行评分，得到所述目标小区的用户数分值；

基于所述流量得分和所述用户数分值，确定所述目标小区的高负荷分值。

第三方面，本发明实施例提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述实施例提供的质差处理策略的确定方法的步骤。

第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现上述实施例提供的质差处理策略的确定方法的步骤。

由以上本发明实施例提供的技术方案可见，本发明实施例通过获取无线通信系统中待处理的目标小区的用户面数据，基于目标小区的用户面数据，以及预先训练的感知评估模型，得到目标小区的用户感知分值，感知评估模型用于对目标小区的用户感知情况进行评分，感知评估模型为基于预设时间周期内多个小区的用户面指标和流媒体指标的历史数据训练得到，基于目标小区的用户面数据，对目标小区的高负荷情况进行评分，得到目标小区的高负荷分值，基于目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略。这样，通过感知预估评估模型以及目标小区的用户面数据，可以得到目标小区的用户感知分值，在结合目标小区的高负荷分值，对目标小区进行质差处理，可以避免人工监测指标排查质差原因进行质差处理时，存在的质差处理效率低以及准确性差的问题，提高用户感知。

附图说明

为了更清楚地说明本发明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发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明一种质差处理策略的确定方法的流程示意图；

图2为本发明另一种质差处理策略的确定方法的流程示意图；

图3为本发明一种皮尔森相关系数的示意图；

图4为本发明一种映射关系的示意图；

图5为本发明一种对应准确率的示意图；

图6为本发明一种预设象限图的示意图；

图7为本发明一种质差处理策略的确定装置的结构示意图；

图8为本发明一种电子设备的结构示意图。

具体实施方式

本发明实施例提供一种质差处理策略的确定方法、装置及电子设备。

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都应当属于本发明保护的范围。

实施例一

如图1所示，本发明实施例提供一种质差处理策略的确定方法，该方法的执行主体可以为服务器，该服务器可以是独立的服务器，也可以是由多个服务器组成的服务器集群。该方法具体可以包括以下步骤：

在S102中，获取无线通信系统中待处理的目标小区的用户面数据。

其中，目标小区可以是根据接收到的用户质差投诉确定的一个或多个小区，用户面数据可以包括与无限业务指标对应的数据，例如，用户面数据可以包括用户面下行平均时延、下行用户平均速率、用户数、平均流量等，其中，用户面下行平时时延可以为与时延指标对应的数据，下行用户平均速率可以为与速率指标对应的数据，用户数可以是有效数据传输的无线资源控制(RadioResource Control，RRC)数。

在实施中，随着无线通信技术的不断发展，无线通信用户群日益长大，用户对无线通信业务的需求也不断提升，同时，用户对无线通信业务质差的投诉问题也日益增多。目前，运营商对于无线通信业务质差问题的处理方法，主要是在接收到用户质差投诉后，相关工作人员可以对用户面数据进行分析与测试定位，以对用户的质差投诉进行处理。例如，相关工作人员可以查看被投诉的小区的相关感知指标(如高负荷指标)，以判断该小区是否存在质差问题，如被投诉的小区用户数过多，则可以进行负载调度，以解决该小区的质差问题。

但是，通过上述方法对无线通信业务质差问题进行处理时，由于影响用户感知的指标较多，小区数量较多，所以在排查质差原因时，会消耗较多的时间成本和人力成本，质差处理的效率低，同时由于可监测的感知指标有限，所以也存在质差问题定位准确性差的问题，导致质差处理的准确性差，影响用户感知。为此，本发明实施例提供一种能够解决上述问题的技术方案，具体可以包括以下内容：

可以基于预设时间粒度和预设时间周期，获取目标小区的用户面数据。例如，可以基于小时级的时间粒度，获取目标小区在近十天内的用户面数据。

其中，获取的用户面数据可以包括用户面下行平均时延、下行用户平均速率、用户数、平均流量等，可以根据实际应用场景的不同，获取不同的用户面数据，本发明实施例对此不做具体限定。

在S104中，基于目标小区的用户面数据，以及预先训练的感知评估模型，得到目标小区的用户感知分值。

其中，感知评估模型可以用于对目标小区的用户感知情况进行评分，感知评估模型可以为基于预设时间周期内多个小区的用户面指标和流媒体指标的历史数据训练得到，其中，预设时间周期可以与获取目标小区的用户面数据的预设时间周期相同，例如，预设时间周期可以为三天，即获取历史数据的预设时间周期可以是10月1日-10月3日，获取目标小区的用户面数据的预设时间周期可以对对应的11月1日-11月3日。

在实施中，由于流媒体指标数据的获取过程较为复杂，所以在接收到对目标小区的质差投诉后，可以根据预先训练的感知评估模型，获取目标小区的用户面数据中，与目标小区的流媒体数据相关性较高的部分数据，然后在根据这部分用户面数据，确定目标小区的用户感知分值。

例如，根据预先训练的感知评估模型，可以确定用户面指标中，下行用户平均速率与流媒体指标的相关性较高，可以获取目标小区的用户面数据中的下行用户平均速率，确定目标小区的用户感知分值。

例如，获取的目标小区的用户面数据可以为11月1日的数据，同时可以根据小时级的时间粒度，将获取的用户面数据划分为24组，然后从这24组数据中，提取出24个下行用户平均速率，在对这24个数据进行处理，以得到目标小区的用户感知分值。

例如，可以根据下行用户平均速率与预设平均速率的关系，确定目标小区的用户感知分值，如预设平均速率可以为X1，如果下行用户平均速率大于X1，则可以将下行平均速率设置为1，如果下行用户平均速率小于X1，则可以将下行平均速率设置为-0.5，如果下行用户平均速率等于X1，则可以将下行平均速率设置为0，然后将处理后的24个下行平均速率汇总，即为目标小区的用户感知分值。

上述基于感知评估模型，确定目标小区的用户感知分值的方法是一种可选地、可实现的确定方法，可以根据实际应用场景的不同，基于感知评估模型，选取不同的用户感知分值的确定方法，本发明实施例对此不作具体限定。

在S106中，基于目标小区的用户面数据，对目标小区的高负荷情况进行评分，得到目标小区的高负荷分值。

在实施中，可以基于预设高负荷指标，获取目标小区的用户面数据中对应的部分用户面数据，在根据获取预设高负荷评分标准，对这获取的部分用户面数据进行处理，以得到目标小区的高负荷分值。

例如，预设高负荷指标可以包括用户数，即有效RRC数，可以根据该有效RRC数，确定目标小区的高负荷分值，例如，预设用户数阈值为X2，可以根据目标小区的有效RRC数(假设为X3)与X2之间的关系，确定目标小区的高负荷分值，如，当X3小于X2时，目标小区的高负荷分值可以为50，如果X3等于X2，则目标小区的高负荷分值可以为60，如果X3大于X2，则目标小区的高负荷分值可以为(2X2-X3)*100/X2。

上述目标小区的高负荷分值的确定方法是一种可选地、可实现的确定方法，在实际应用场景中，还可以有多种确定方法，可以根据实际应用场景的不同而有所不同，本发明实施例对此不做具体限定。

在S108中，基于目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略。

在实施中，如果目标小区的用户感知分值大于预设感知分值，则表明该目标小区的用户质差问题严重，需要及时对目标小区的质差问题进行处理，然后在根据目标小区的高负荷分值，确定该目标小区的用户质差问题是否是由高负荷问题引起，例如，如果目标小区的高负荷分值低于预设负荷分值，则表明高负荷问题不是引起目标小区的用户质差问题的主要原因，此时可以在对该目标小区的其他可能引起质差问题的原因进行排查，如果目标小区的高负荷分值高于预设负荷分值，则表明高负荷问题是引起目标小区的用户质差问题的主要原因，可以即时对该目标小区进行扩容处理，以即时准确的对目标小区的质差投诉进行反馈，提高用户感知。

本发明实施例提供一种质差处理策略的确定方法，通过获取无线通信系统中待处理的目标小区的用户面数据，基于目标小区的用户面数据，以及预先训练的感知评估模型，得到目标小区的用户感知分值，感知评估模型用于对目标小区的用户感知情况进行评分，感知评估模型为基于预设时间周期内多个小区的用户面指标和流媒体指标的历史数据训练得到，基于目标小区的用户面数据，对目标小区的高负荷情况进行评分，得到目标小区的高负荷分值，基于目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略。这样，通过感知预估评估模型以及目标小区的用户面数据，可以得到目标小区的用户感知分值，在结合目标小区的高负荷分值，对目标小区进行质差处理，可以避免人工监测指标排查质差原因进行质差处理时，存在的质差处理效率低以及准确性差的问题，提高用户感知。

实施例二

如图2所示，本发明实施例提供一种质差处理策略的确定方法，用以在不同基站对应的小区间实现质差处理策略的确定，该方法的执行主体可以为服务器，该服务器可以是独立的服务器，也可以是由多个服务器组成的服务器集群。该方法具体可以包括以下步骤：

在S202中，获取无线通信系统中待处理的目标小区的用户面数据。

上述S202的具体处理过程可以参见上述实施例一中S102中的相关内容，在此不再赘述。

在S204中，基于历史数据，分别获取每个流媒体指标和每个用户面指标之间的皮尔森相关系数。

在实施中，以流媒体指标为TCP二、三次握手平均时延以及小区大于500k的速率统计，用户面指标为用户面下行平均时延以及下行用户平均速率为例。可以基于获取到的预设时间周期内的多个小区的历史数据，获取上述四个指标之间，每两个指标之间的皮尔森相关系数。其中，皮尔森相关系数是一种线性相关系数，用于描述两个变量(即上述指标变量)之间限定相关强弱的程度，可以用r表示，r的取值范围为-1到1，如果r大于零，则表明两个变量之间为正相关关系，如果r小于零，则表明两个变量之间为负相关关系。

在获取到每两个指标之间的皮尔森相关系数后，可以构建如图3所示的相关系数图。

在S206中，在目标流媒体指标与目标用户面指标之间的皮尔森相关系数大于预设关系阈值的情况下，获取目标流媒体指标数据与目标用户面指标数据之间的映射关系。

其中，目标流媒体指标可以为流媒体指标中的任意一个指标，目标用户面指标可以为用户面指标中的任意一个指标。

在实施中，如图3所示，TCP二、三次握手平均时延与用户面下行平均时延之间的皮尔森相关系数为0.81，大于预设关系阈值(假设预设关系阈值为0.5)，表明这两个指标之间的相关性较强，可以将TCP二、三次握手平均时延确定为目标流媒体指标，将用户面下行平均时延确定为目标用户面指标。

在确定了目标流媒体指标和目标用户面指标后，可以基于历史数据，获取目标流媒体指标和目标用户面指标之间的映射关系，例如，如图4所示，可以基于历史数据，获取TCP二、三次握手平均时延与用户面下行平均时延之间的映射关系，并绘制这两个指标之间的映射图。

在S208中，基于映射关系，构成感知评估模型。

在实际应用中，上述S208的处理方式可以多种多样，以下再提供一种可选的实现方式，具体可以参见下述步骤一～步骤四处理。

步骤一，基于映射关系，获取目标用户面指标和目标流媒体指标的历史数据之间的对应准确率。

在实施中，由图4所示的TCP二、三次握手平均时延与用户面下行平均时延之间的映射关系，可以看出，当用户面下行平均时延大于900ms时，TCP二、三次握手平均时延也大于200ms，此时可以基于该映射关系，验证TCP二、三次握手平均时延也大于200ms，与用户面平均时延的对应准确率，例如，在TCP二、三次握手平均时延也大于200ms的情况下，可以将用户面平均时延大于900ms的小区数量与小区总数量之间的比值，作为用户面平均时延大于900ms时的对应准确率。基于上述对应准确率的获取方法，以及目标用户面指标和目标流媒体指标的历史数据，可以获取如图5所示的对应准确率图。

步骤二，基于预设准确率阈值，确定对应准确率中的目标对应准确率。

在实施中，可以获取与预设准确率阈值最相近的对应准确率，作为目标对应准确率，例如，预设准确率阈值可以为90％，如图5所示，与该预设准确率阈值最接近的对应准确率为90.96％，则该对应准确率即可以作为目标对应准确率。

如图5所示，当用户面下行平均时延大于1200ms时，对应准确率为90.96％，随着用户面下行平均时延的逐渐增大，对应准确率不断上升，但相应的采样数据(即历史数据中的对应数据)也逐步减少，因此，为保证采样数据的数据量以及质差处理的准确性，可以将90.96％作为目标对应准确率。

步骤三，将目标对应准确率对应的目标用户面指标数据确定为目标用户面指标阈值。

在实施中，以上述目标对应准确率为90.96％为例，与该目标对应准确率对应的目标用户面指标数据即为用户面下行平均时延大于1200ms，则目标用户面指标阈值即为1200ms。

步骤四，基于目标用户面指标阈值，构成感知评估模型。

在实施中，当有多个目标流媒体指标与目标用户面指标之间的皮尔森相关系数大于预设阈值时，可以分别计算每个目标流媒体指标对应的目标用户面指标阈值，然后由多个目标用户面指标阈值，构成感知评估模型。

例如，由图3所示，除TCP二、三次握手平均时延与用户面下行平均时延之间的皮尔森相关系数大于预设关系阈值外，小区大于500k的速率统计与下行用户平均速率之间的皮尔森相关系数也大于预设关系阈值，表明这两个指标之间的相关性较高，可以将小区大于500k的速率统计确定为目标流媒体指标，将下行用户平均速率确定为目标用户面指标，然后基于上述步骤一～步骤三，确定对应的目标用户面指标阈值。例如，基于小区大于500k的速率统计和下行用户平均速率的历史数据，确定的目标用户面指标阈值可以为下行用户平均速率为1000kbps。

在S210中，获取目标小区的用户面数据中，与目标用户面指标阈值满足预设关系的用户面指标数据的目标数量。

在实施中，以目标用户面指标为用户面下行平均时延为例，目标用户面指标阈值可以为1200ms，可以获取目标小区的用户面数据中，用户面下行平均时延小于1200ms的目标数量。例如，获取的目标小区的用户面数据为某一天的24组数据，可以分别获取这24组数据中的24个用户面下行平均时延，然后获取24个用户面下行平均时延中小于1200ms的用户面下行平均时延的数量，并作为与目标用户面指标阈值满足预设关系的用户面指标数据的目标数量。

在S212中，基于目标数量，确定目标小区的用户感知分值。

其中，目标用户面指标阈值可以包括目标用户面速率指标阈值和/或目标用户面时延指标阈值，目标数量可以包括第一数量和/或第二数量，第一数量可以为目标小区的用户面数据中，与目标用户面速率指标阈值满足第一预设关系的用户面速率数据的数量，第二数量可以为目标小区的用户面数据中，与目标用户面时延指标阈值满足第二预设关系的用户面时延数据的数量。

在实际应用中，上述S212的处理方式可以多种多样，以下提供一种可选的实现方式，具体可以参见下述步骤一～步骤三处理。

步骤一，基于第一数量和目标小区的用户面数据中的速率数据的数量，确定目标小区的速率总分值。

在实施中，例如，获取的目标小区的用户面数据为某一天的24组数据，其中，可以包括24个下行用户平均速率，可以获取这24个下行用户平均速率中，小于1000kps(即目标用户面速率阈值)的下行用户平均速率的第一数量，然后将第一数量与24(即目标小区的用户面数据中的速率数据的数量)的比值，作为目标小区的速率总分值。

步骤二，基于第二数量和目标小区的用户面数据中的时延数据的数量，确定目标小区的时延总分值。

在实施中，例如，获取的目标小区的用户面数据为某一天的24组数据，其中，可以包括24个用户面下行平均时延，可以获取这24个用户面下行平均时延中，小于1200ms(即目标用户面时延阈值)的用户面下行平均时延的第二数量，然后将第二数量与24(即目标小区的用户面数据中的时延数据的数量)的比值，作为目标小区的时延总分值。

步骤三，基于预设权重，以及速率总分值和/时延总分值，确定目标小区的用户感知分值。

在实施中，假设速率总分值对应的预设权重为0.7，时延总分值对应的预设权重为0.3，则可以根据上述权重，以及速率总分值和时延总分值，确定目标小区的用户感知分值，即目标小区的用户感知分值＝0.7*速率总分值+0.3*时延总分值。

此外，如果目标小区不存在速率总分值，即目标小区的用户面指标中的速率指标，与流媒体指标中的速率指标不存在较强的相关性，则可以根据时延总分值以及对应的预设权重，确定目标小区的用户感知分值，即目标小区的用户感知分值＝0.3*时延总分值。

在S214中，基于目标小区的用户面数据，对目标小区的高负荷情况进行评分，得到目标小区的高负荷分值。

在实际应用中，上述S214的处理方式可以多种多样，以下提供一种可选的实现方式，具体可以参见下述步骤一～步骤三处理。

步骤一，基于目标小区的用户面数据中的流量数据，以及预设流量阈值，对目标小区的流量高负荷情况进行评分，得到目标小区的流量分值。

其中，流量数据可以为平均流量，预设流量阈值可以为任意阈值，例如，预设流量阈值可以为7G。

在实施中，可以基于目标小区的平均流量与预设流量阈值之间的关系，对目标小区的流量高负荷情况进行评分，得到目标小区的流量分值。

例如，假设预设流量阈值为7G，如果目标小区的平均流量大于7G，则对应的流量分值可以为50分，如果目标小区的平均流量小于7G，则可以采用线性得分的方法，获取目标小区的流量分值，如目标小区的平均流量为6G，则目标小区的流量分值＝6*50/7＝42.86。

上述目标小区的流量分值的确定方法是一种可选地、可实现的确定方法，在实际应用场景中，还可以多种不同的流量分值的确定方法，可以根据实际应用场景的不同而有所不同，本发明实施例对此不做具体限定。

步骤二，基于目标小区的用户面数据中的用户数量，以及预设数量阈值，对目标小区的用户数高负荷情况进行评分，得到目标小区的用户数分值。

其中，用户数量可以是有效RRC连接数，预设数量阈值可以是任意数据，例如，预设数量阈值可以为60。

在实施中，可以基于目标小区的有效RRC连接数与预设数量阈值之间的关系，对目标小区的用户数高负荷情况进行评分，得到目标小区的用户数分值。

例如，假设预设数量阈值为60，如果目标小区的有效RRC连接数大于60，则对应的用户数分值可以为50分，如果目标小区的有效RRC连接数不小于60，则可以采用线性得分的方法，获取目标小区的用户数分值，如目标小区的有效RRC连接数为45，则目标小区的流量分值＝45*50/60＝37.5。

上述目标小区的用户量分值的确定方法是一种可选地、可实现的确定方法，在实际应用场景中，还可以多种不同的用户量分值的确定方法，可以根据实际应用场景的不同而有所不同，本发明实施例对此不做具体限定。

步骤三，基于流量得分和用户数分值，确定目标小区的高负荷分值。

在实施中，可以将流量得分与用户数分值的和，作为目标小区的高负荷分值，或者，还可以根据预设权重比例，基于流量得分与用户数分值，确定目标小区的高负荷分值。

在S216中，基于目标小区的用户感知分值和高负荷分值，确定目标小区在预设象限图中的象限位置信息。

在实施中，如图6所示，可以构建预设象限图，在预设象限图中，横坐标可以为用户感知分值，纵坐标可以为高负荷分值，第一象限可以对应高负荷感知问题严重小区，第二象限可以对应高负荷严重小区，第三象限可以对应待观察小区，第四象限可以对应感知问题严重小区。

基于目标小区的用户感知分值和高负荷分值，可以确定目标小区在上述预设象限图中的象限位置信息，即目标小区处于预设象限图中的第几象限。

在S218中，基于象限位置信息，确定对应的质差处理策略。

在实施中，根据目标小区在预设象限图中的象限位置信息，可以确定目标小区的类型。

例如，如果目标小区位于预设象限图中的第一象限，即，目标小区为高负荷感知问题严重小区，则需要重点处理该目标小区质差投诉问题。

如果目标小区位于预设象限图中的第二象限，即，目标小区为高负荷感知问题严重小区，则需要优先处理该目标小区的高负荷问题。

如果目标小区位于预设象限图中的第三象限，即，目标小区为待观察小区，则需要对该目标小区进行适当关注，在某一项分数有增加趋势时，采取对应优化手段进行处理。

如果目标小区位于预设象限图中的第四象限，即，目标小区为感知问题严重小区，则可以优先处理该目标小区的感知问题。

本发明实施例提供一种质差处理策略的确定方法，通过获取无线通信系统中待处理的目标小区的用户面数据，基于目标小区的用户面数据，以及预先训练的感知评估模型，得到目标小区的用户感知分值，感知评估模型用于对目标小区的用户感知情况进行评分，感知评估模型为基于预设时间周期内多个小区的用户面指标和流媒体指标的历史数据训练得到，基于目标小区的用户面数据，对目标小区的高负荷情况进行评分，得到目标小区的高负荷分值，基于目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略。这样，通过感知预估评估模型以及目标小区的用户面数据，可以得到目标小区的用户感知分值，在结合目标小区的高负荷分值，对目标小区进行质差处理，可以避免人工监测指标排查质差原因进行质差处理时，产生的质差处理效率低以及准确性差的问题，提高用户感知。

实施例三

以上为本发明实施例提供的质差处理策略的确定方法，基于同样的思路，本发明实施例还提供一种质差处理策略的确定装置，如图7所示。

该质差处理策略的确定装置包括：数据获取模块701、第一分值确定模块702、第二分值确定模块703和策略确定模块704，其中：

数据获取模块701，用于获取无线通信系统中待处理的目标小区的用户面数据；

第一分值确定模块702，用于将所述用户面数据，输入预先训练的感知评估模型中，得到所述目标小区的用户感知分值，所述感知评估模型用于对所述目标小区的用户感知情况进行评分，所述感知评估模型为基于预设时间周期内多个小区的用户面指标和流媒体指标的历史数据训练得到；

第二分值确定模块703，用于基于所述目标小区的用户面数据，对所述目标小区的高负荷情况进行评分，得到所述目标小区的高负荷分值；

策略确定模块704，用于基于所述目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略。

在本发明实施例中，所述策略确定模块704，包括：

位置获取单元，用于基于所述目标小区的用户感知分值和高负荷分值，确定所述目标小区在预设象限图中的象限位置信息；

策略确定单元，用于基于所述象限位置信息，确定对应的所述质差处理策略。

在本发明实施例中，所述装置，还包括：

系数获取模块，用于基于所述历史数据，分别获取每个所述流媒体指标和每个所述用户面指标之间的皮尔森相关系数；

关系获取模块，用于在目标流媒体指标与目标用户面指标之间的皮尔森相关系数大于预设关系阈值的情况下，获取所述目标流媒体指标数据与所述目标用户面指标数据之间的映射关系，所述目标流媒体指标为所述流媒体指标中的任意一个指标，所述目标用户面指标为所述用户面指标中的任意一个指标；

模型构成模块，用于基于所述映射关系，构成所述感知评估模型。

在本发明实施例中，所述模型构成模块，用于：

基于所述映射关系，获取所述目标用户面指标和所述目标流媒体指标的历史数据之间的对应准确率；

基于预设准确率阈值，确定所述对应准确率中的目标对应准确率；

将所述目标对应准确率对应的目标用户面指标数据确定为目标用户面指标阈值；

基于所述目标用户面指标阈值，构成所述感知评估模型。

在本发明实施例中，所述第一分值确定模块702，用于：

获取所述目标小区的用户面数据中，与所述目标用户面指标阈值满足预设关系的用户面指标数据的目标数量；

基于所述目标数量，确定所述目标小区的用户感知分值。

在本发明实施例中，所述目标用户面指标阈值包括目标用户面速率指标阈值和/或目标用户面时延指标阈值，所述目标数量包括第一数量和/或第二数量，所述第一数量为所述目标小区的用户面数据中，与所述目标用户面速率指标阈值满足第一预设关系的用户面速率数据的数量，所述第二数量为所述目标小区的用户面数据中，与所述目标用户面时延指标阈值满足第二预设关系的用户面时延数据的数量，所述第一分值确定模块702，用于：

基于所述第一数量和所述目标小区的用户面数据中的速率数据的数量，确定所述目标小区的速率总分值；

基于所述第二数量和所述目标小区的用户面数据中的时延数据的数量，确定所述目标小区的时延总分值；

基于预设权重，以及所述速率总分值和/或所述时延总分值，确定所述目标小区的用户感知分值。

在本发明实施例中，所述第二分值确定模块703，用于：

基于所述目标小区的用户面数据中的流量数据，以及预设流量阈值，对所述目标小区的流量高负荷情况进行评分，得到所述目标小区的流量分值；

基于所述目标小区的用户面数据中的用户数量，以及预设数量阈值，对所述目标小区的用户数高负荷情况进行评分，得到所述目标小区的用户数分值；

基于所述流量得分和所述用户数分值，确定所述目标小区的高负荷分值。

本发明实施例提供一种质差处理策略的确定装置，通过获取无线通信系统中待处理的目标小区的用户面数据，基于目标小区的用户面数据，以及预先训练的感知评估模型，得到目标小区的用户感知分值，感知评估模型用于对目标小区的用户感知情况进行评分，感知评估模型为基于预设时间周期内多个小区的用户面指标和流媒体指标的历史数据训练得到，基于目标小区的用户面数据，对目标小区的高负荷情况进行评分，得到目标小区的高负荷分值，基于目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略。这样，通过感知预估评估模型以及目标小区的用户面数据，可以得到目标小区的用户感知分值，在结合目标小区的高负荷分值，对目标小区进行质差处理，可以避免人工监测指标排查质差原因进行质差处理时，产生的质差处理效率低以及准确性差的问题，提高用户感知。

实施例四

图8为实现本发明各个实施例的一种电子设备的硬件结构示意图，

该电子设备800包括但不限于：射频单元801、网络模块802、音频输出单元803、输入单元804、传感器805、显示单元806、用户输入单元807、接口单元808、存储器809、处理器810、以及电源811等部件。本领域技术人员可以理解，图8中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。在本发明实施例中，电子设备包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。

其中，处理器810，用于获取无线通信系统中待处理的目标小区的用户面数据；

处理器810，还用于将所述用户面数据，输入预先训练的感知评估模型中，得到所述目标小区的用户感知分值，所述感知评估模型用于对所述目标小区的用户感知情况进行评分，所述感知评估模型为基于预设时间周期内多个小区的用户面指标和流媒体指标的历史数据训练得到；

处理器810，还用于基于所述目标小区的用户面数据，对所述目标小区的高负荷情况进行评分，得到所述目标小区的高负荷分值；

处理器810，还用于基于所述目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略。

此外，处理器810，还用于基于所述目标小区的用户感知分值和高负荷分值，确定所述目标小区在预设象限图中的象限位置信息；

另外，所述处理器810，还用于基于所述象限位置信息，确定对应的所述质差处理策略。

此外，处理器810，还用于基于所述历史数据，分别获取每个所述流媒体指标和每个所述用户面指标之间的皮尔森相关系数；

另外，所述处理器810，还用于在目标流媒体指标与目标用户面指标之间的皮尔森相关系数大于预设关系阈值的情况下，获取所述目标流媒体指标数据与所述目标用户面指标数据之间的映射关系，所述目标流媒体指标为所述流媒体指标中的任意一个指标，所述目标用户面指标为所述用户面指标中的任意一个指标；

此外，处理器810，还用于基于所述映射关系，构成所述感知评估模型。

另外，所述处理器810，还用于基于所述映射关系，获取所述目标用户面指标和所述目标流媒体指标的历史数据之间的对应准确率；

此外，处理器810，还用于基于预设准确率阈值，确定所述对应准确率中的目标对应准确率；

另外，所述处理器810，还用于将所述目标对应准确率对应的目标用户面指标数据确定为目标用户面指标阈值；

另外，所述处理器810，还用于基于所述目标用户面指标阈值，构成所述感知评估模型。

此外，处理器810，还用于获取所述目标小区的用户面数据中，与所述目标用户面指标阈值满足预设关系的用户面指标数据的目标数量；

另外，所述处理器810，还用于基于所述目标数量，确定所述目标小区的用户感知分值。

此外，处理器810，还用于基于所述第一数量和所述目标小区的用户面数据中的速率数据的数量，确定所述目标小区的速率总分值；

另外，所述处理器810，还用于基于所述第二数量和所述目标小区的用户面数据中的时延数据的数量，确定所述目标小区的时延总分值；

此外，处理器810，还用于基于预设权重，以及所述速率总分值和/或所述时延总分值，确定所述目标小区的用户感知分值。

另外，所述处理器810，还用于基于所述目标小区的用户面数据中的流量数据，以及预设流量阈值，对所述目标小区的流量高负荷情况进行评分，得到所述目标小区的流量分值；

此外，处理器810，还用于基于所述目标小区的用户面数据中的用户数量，以及预设数量阈值，对所述目标小区的用户数高负荷情况进行评分，得到所述目标小区的用户数分值；

另外，所述处理器810，还用于基于所述流量得分和所述用户数分值，确定所述目标小区的高负荷分值。

本发明实施例提供一种电子设备，通过获取无线通信系统中待处理的目标小区的用户面数据，基于目标小区的用户面数据，以及预先训练的感知评估模型，得到目标小区的用户感知分值，感知评估模型用于对目标小区的用户感知情况进行评分，感知评估模型为基于预设时间周期内多个小区的用户面指标和流媒体指标的历史数据训练得到，基于目标小区的用户面数据，对目标小区的高负荷情况进行评分，得到目标小区的高负荷分值，基于目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略。这样，通过感知预估评估模型以及目标小区的用户面数据，可以得到目标小区的用户感知分值，在结合目标小区的高负荷分值，对目标小区进行质差处理，可以避免人工监测指标排查质差原因进行质差处理时，产生的质差处理效率低以及准确性差的问题，提高用户感知。

应理解的是，本发明实施例中，射频单元801可用于收发信息或通话过程中，信号的接收和发送，具体的，将来自基站的下行数据接收后，给处理器810处理；另外，将上行的数据发送给基站。通常，射频单元801包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元801还可以通过无线通信系统与网络和其它电子设备通信。

电子设备通过网络模块802为用户提供了无线的宽带互联网访问，如帮助用户收发电子邮件、浏览网页和访问流式媒体等。

音频输出单元803可以将射频单元801或网络模块802接收的或者在存储器809中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元803还可以提供与电子设备800执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元803包括扬声器、蜂鸣器以及受话器等。

输入单元804用于接收音频或视频信号。输入单元804可以包括图形处理器(Graphics Processing Unit，GPU)8041和麦克风8042，图形处理器8041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元806上。经图形处理器8041处理后的图像帧可以存储在存储器809(或其它存储介质)中或者经由射频单元801或网络模块802进行发送。麦克风8042可以接收声音，并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元801发送到移动通信基站的格式输出。

电子设备800还包括至少一种传感器805，比如光传感器、运动传感器以及其它传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板8061的亮度，接近传感器可在电子设备800移动到耳边时，关闭显示面板8061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别电子设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；传感器805还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等，在此不再赘述。

显示单元806用于显示由用户输入的信息或提供给用户的信息。显示单元806可包括显示面板8061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板8061。

用户输入单元807可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元807包括触控面板8071以及其它输入设备8072。触控面板8071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板8071上或在触控面板8071附近的操作)。触控面板8071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器810，接收处理器810发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板8071。除了触控面板8071，用户输入单元807还可以包括其它输入设备8072。具体地，其它输入设备8072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。

进一步的，触控面板8071可覆盖在显示面板8061上，当触控面板8071检测到在其上或附近的触摸操作后，传送给处理器810以确定触摸事件的类型，随后处理器810根据触摸事件的类型在显示面板8061上提供相应的视觉输出。虽然在图8中，触控面板8071与显示面板8061是作为两个独立的部件来实现电子设备的输入和输出功能，但是在某些实施例中，可以将触控面板8071与显示面板8061集成而实现电子设备的输入和输出功能，具体此处不做限定。

接口单元808为外部装置与电子设备800连接的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元808可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到电子设备800内的一个或多个元件或者可以用于在电子设备800和外部装置之间传输数据。

存储器809可用于存储软件程序以及各种数据。存储器809可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器809可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其它易失性固态存储器件。

处理器810是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器809内的软件程序和/或模块，以及调用存储在存储器809内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。处理器810可包括一个或多个处理单元；优选的，处理器810可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器810中。

电子设备800还可以包括给各个部件供电的电源811(比如电池)，优选的，电源811可以通过电源管理系统与处理器810逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

优选的，本发明实施例还提供一种电子设备，包括处理器810，存储器809，存储在存储器809上并可在所述处理器810上运行的计算机程序，该计算机程序被处理器810执行时实现上述质差处理策略的确定方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

实施例五

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述质差处理策略的确定方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-OnlyMemory，简称ROM)、随机存取存储器(RandomAccessMemory，简称RAM)、磁碟或者光盘等。

本发明实施例提供一种计算机可读存储介质，通过获取无线通信系统中待处理的目标小区的用户面数据，基于目标小区的用户面数据，以及预先训练的感知评估模型，得到目标小区的用户感知分值，感知评估模型用于对目标小区的用户感知情况进行评分，感知评估模型为基于预设时间周期内多个小区的用户面指标和流媒体指标的历史数据训练得到，基于目标小区的用户面数据，对目标小区的高负荷情况进行评分，得到目标小区的高负荷分值，基于目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略。这样，通过感知预估评估模型以及目标小区的用户面数据，可以得到目标小区的用户感知分值，在结合目标小区的高负荷分值，对目标小区进行质差处理，可以避免人工监测指标排查质差原因进行质差处理时，产生的质差处理效率低以及准确性差的问题，提高用户感知。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。

本发明是参照根据本发明实施例的方法、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、嵌入式处理机或其它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它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它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它可编程数据处理设备上，使得在计算机或其它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，从而在计算机或其它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。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其它数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其它类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其它内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其它光学存储、磁盒式磁带，磁带磁磁盘存储或其它磁性存储设备或任何其它非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其它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、商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它要素，或者是还包括为这种过程、方法、商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“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明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，本发明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。

以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (8)

1.一种质差处理策略的确定方法，其特征在于，所述方法包括：

获取无线通信系统中待处理的目标小区的用户面数据；

基于历史数据，分别获取每个流媒体指标和每个用户面指标之间的皮尔森相关系数；

在目标流媒体指标与目标用户面指标之间的皮尔森相关系数大于预设关系阈值的情况下，获取所述目标流媒体指标数据与所述目标用户面指标数据之间的映射关系，所述目标流媒体指标为所述流媒体指标中的任意一个指标，所述目标用户面指标为所述用户面指标中的任意一个指标；

基于所述映射关系，获取所述目标用户面指标和所述目标流媒体指标的历史数据之间的对应准确率；基于预设准确率阈值，确定所述对应准确率中的目标对应准确率；将所述目标对应准确率对应的目标用户面指标数据确定为目标用户面指标阈值；基于所述目标用户面指标阈值，构成感知评估模型；

基于所述目标小区的用户面数据，以及预先训练的感知评估模型，得到所述目标小区的用户感知分值，所述感知评估模型用于对所述目标小区的用户感知情况进行评分，所述感知评估模型为基于预设时间周期内多个小区的用户面指标和流媒体指标的历史数据训练得到；

基于所述目标小区的用户面数据，对所述目标小区的高负荷情况进行评分，得到所述目标小区的高负荷分值；

基于所述目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略。

2.根据权利要求1所述的方法，其特征在于，所述基于所述目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略，包括：

基于所述目标小区的用户感知分值和高负荷分值，确定所述目标小区在预设象限图中的象限位置信息；

基于所述象限位置信息，确定对应的所述质差处理策略。

3.根据权利要求1所述的方法，其特征在于，所述基于所述目标小区的用户面数据，以及预先训练的感知评估模型，得到所述目标小区的用户感知分值，包括：

获取所述目标小区的用户面数据中，与所述目标用户面指标阈值满足预设关系的用户面指标数据的目标数量；

基于所述目标数量，确定所述目标小区的用户感知分值。

4.根据权利要求3所述的方法，其特征在于，所述目标用户面指标阈值包括目标用户面速率指标阈值和/或目标用户面时延指标阈值，所述目标数量包括第一数量和/或第二数量，所述第一数量为所述目标小区的用户面数据中，与所述目标用户面速率指标阈值满足第一预设关系的用户面速率数据的数量，所述第二数量为所述目标小区的用户面数据中，与所述目标用户面时延指标阈值满足第二预设关系的用户面时延数据的数量，所述基于所述目标数量，确定所述目标小区的用户感知分值，包括：

基于所述第一数量和所述目标小区的用户面数据中的速率数据的数量，确定所述目标小区的速率总分值；

基于所述第二数量和所述目标小区的用户面数据中的时延数据的数量，确定所述目标小区的时延总分值；

基于预设权重，以及所述速率总分值和/或所述时延总分值，确定所述目标小区的用户感知分值。

5.根据权利要求4所述的方法，其特征在于，所述基于所述目标小区的用户面数据，对所述目标小区的高负荷情况进行评分，得到所述目标小区的高负荷分值，包括：

基于所述目标小区的用户面数据中的流量数据，以及预设流量阈值，对所述目标小区的流量高负荷情况进行评分，得到所述目标小区的流量分值；

基于所述目标小区的用户面数据中的用户数量，以及预设数量阈值，对所述目标小区的用户数高负荷情况进行评分，得到所述目标小区的用户数分值；

基于所述流量得分和所述用户数分值，确定所述目标小区的高负荷分值。

6.一种质差处理策略的确定装置，其特征在于，所述装置包括：

数据获取模块，用于获取无线通信系统中待处理的目标小区的用户面数据；

系数获取模块，用于基于历史数据，分别获取每个流媒体指标和每个用户面指标之间的皮尔森相关系数；

关系获取模块，用于在目标流媒体指标与目标用户面指标之间的皮尔森相关系数大于预设关系阈值的情况下，获取所述目标流媒体指标数据与所述目标用户面指标数据之间的映射关系，所述目标流媒体指标为所述流媒体指标中的任意一个指标，所述目标用户面指标为所述用户面指标中的任意一个指标；

模型构成模块，用于基于所述映射关系，获取所述目标用户面指标和所述目标流媒体指标的历史数据之间的对应准确率；基于预设准确率阈值，确定所述对应准确率中的目标对应准确率；将所述目标对应准确率对应的目标用户面指标数据确定为目标用户面指标阈值；基于所述目标用户面指标阈值，构成感知评估模型；

第一分值确定模块，用于基于所述目标小区的用户面数据，以及预先训练的感知评估模型，得到所述目标小区的用户感知分值，所述感知评估模型用于对所述目标小区的用户感知情况进行评分，所述感知评估模型为基于预设时间周期内多个小区的用户面指标和流媒体指标的历史数据训练得到；

第二分值确定模块，用于基于所述目标小区的用户面数据，对所述目标小区的高负荷情况进行评分，得到所述目标小区的高负荷分值；

策略确定模块，用于基于所述目标小区的用户感知分值和高负荷分值，确定对应的质差处理策略。

7.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的质差处理策略的确定方法的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的质差处理策略的确定方法的步骤。

Images