CN113453261B - 异常小区识别方法、装置和电子设备 - Google Patents
异常小区识别方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113453261B CN113453261B CN202110713676.5A CN202110713676A CN113453261B CN 113453261 B CN113453261 B CN 113453261B CN 202110713676 A CN202110713676 A CN 202110713676A CN 113453261 B CN113453261 B CN 113453261B
- Authority
- CN
- China
- Prior art keywords
- target cell
- information
- target
- abnormal
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 308
- 238000000034 method Methods 0.000 title claims abstract description 108
- 230000008569 process Effects 0.000 claims description 43
- 206010027336 Menstruation delayed Diseases 0.000 claims description 12
- 230000009977 dual effect Effects 0.000 claims description 9
- 230000002547 anomalous effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 8
- 230000000875 corresponding effect Effects 0.000 description 55
- 230000005856 abnormality Effects 0.000 description 11
- 230000009471 action Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000000903 blocking effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0811—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking connectivity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/02—Access restriction performed under specific conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/20—Selecting an access point
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/10—Connection setup
- H04W76/15—Setup of multiple wireless link connections
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种异常小区识别方法、装置和电子设备,属于通信技术领域。其中,所述异常小区识别方法包括:获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比;其中,所述失效率相对增长率、所述断流用户比相对增长率、所述低网速占比均关联于:时间信息和场景信息中的至少一种;在所述目标小区的失效率相对增长率和断流用户比相对增长率的总和大于第一阈值的情况下,确定所述目标小区具有第一异常属性;在所述目标小区的低网速占比大于第二阈值的情况下,确定所述目标小区具有第二异常属性。
Description
技术领域
本申请属于通信技术领域,具体涉及一种异常小区识别方法、装置和电子设备。
背景技术
目前,人们在生活和工作中频繁使用电子设备,例如,使用电子设备通话、上网等。通常,用户在使用电子设备中的过程中,需要网络支持。而不同基站设备厂家对通信协议的理解存在差异、基站配置也存在差异、不同小区的设备配置也存在差异、不同小区接入的设备数量也存在差异,等等,从而可能出现一些网络异常的小区,当电子设备接入这些小区时,导致用户无法正常使用电子设备。
为了确保用户正常使用电子设备,可在电子设备接入小区之前,对小区进行识别,从而可以优先接入网络正常的小区、规避网络异常的小区。在现有技术中,基于用户在使用电子设备过程中,上报的无法连接网络的异常情况,将一些小区作为异常小区。
可见,基于现有技术中的异常小区的识别方法,覆盖的异常小区较少。
发明内容
本申请实施例的目的是提供一种异常小区识别方法,能够解决基于现有技术中的异常小区的识别方法,覆盖的异常小区较少的问题。
第一方面,本申请实施例提供了一种异常小区识别方法,该方法包括:获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比;其中,所述失效率相对增长率、所述断流用户比相对增长率、所述低网速占比均关联于:时间信息和场景信息中的至少一种;在所述目标小区的失效率相对增长率和断流用户比相对增长率的总和大于第一阈值的情况下,确定所述目标小区具有第一异常属性;在所述目标小区的低网速占比大于第二阈值的情况下,确定所述目标小区具有第二异常属性。
第二方面,本申请实施例提供了一种异常小区识别装置,该装置包括:获取模块,用于获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比;其中,所述失效率相对增长率、所述断流用户比相对增长率、所述低网速占比均关联于:时间信息和场景信息中的至少一种;第一确定模块,用于在所述目标小区的失效率相对增长率和断流用户比相对增长率的总和大于第一阈值的情况下,确定所述目标小区具有第一异常属性;第二确定模块,用于在所述目标小区的低网速占比大于第二阈值的情况下,确定所述目标小区具有第二异常属性。
第三方面,本申请实施例提供了一种电子设备,该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程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
第五方面,本申请实施例提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法。
这样,在本申请的实施例中,基于历史数据中,大量用户终端设备针对目标小区上报的网络异常情况,可以获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比。其中,失效率相对增长率和断流用户比相对增长率的总和用于表示目标小区出现断流网络异常情况的占比信息,低网速占比用于表示目标小区出现低速率网络异常情况的占比信息。进一步地,将得到的两个占比信息,分别与对应的第一阈值和第二阈值进行比较,对应地,当其中一个占比信息大于第一阈值时,认为目标小区较易出现断流网络异常情况,确定目标小区具有第一异常属性;当另外一个占比信息大于第二阈值时,认为目标小区较易出现低速率网络异常情况,确定目标小区具有第二异常属性。可见,基于本申请的异常小区识别方法,至少可以更精细地识别出具有第一异常属性和第二异常属性这两种异常小区,相比于现有技术中仅能笼统地识别出一种异常小区,大大增加了异常小区的覆盖面积。
附图说明
图1是本申请实施例的异常小区识别方法的流程图;
图2是本申请实施例的异常小区识别装置的框图;
图3是本申请实施例的电子设备的硬件结构示意图之一;
图4是本申请实施例的电子设备的硬件结构示意图之二。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的异常小区识别方法进行详细地说明。
参见图1,示出了本申请一个实施例的异常小区识别方法的流程图,该方法应用于电子设备,包括:
步骤S1:获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比。
在该步骤中,失效率相对增长率和断流用户比相对增长率相结合,用于表示目标小区出现第一类网络异常情况的占比信息。
在本申请中,第一类网络异常情况可以是断流网络异常情况。
低网速占比用于表示目标小区出现第二类网络异常情况的占比信息。
在本申请中,第二类网络异常情况可以是低速率网络异常情况。
其中,失效率相对增长率、断流用户比相对增长率、低网速占比均关联于:时间信息和场景信息中的至少一种。
一方面,可基于预设的时间信息,获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比。
例如,预设的时间信息为一周,可获取近一周目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比。
另一方面,可基于预设的场景信息,获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比。
例如,预设的场景信息为地铁场景,可获取在地铁场景下,目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比。
步骤S2:在目标小区的失效率相对增长率和断流用户比相对增长率的总和大于第一阈值的情况下,确定目标小区具有第一异常属性。
在该步骤中,以相加的方式,将目标小区的失效率相对增长率和断流用户比相对增长率进行结合,以用于表示目标小区出现第一类网络异常情况的占比信息。
对应地,在该步骤之前,将得到的目标小区的失效率相对增长率和断流用户比相对增长率的总和,与预设的占比信息(即第一阈值),进行比较,若目标小区的失效率相对增长率和断流用户比相对增长率的总和大于第一阈值,则确定目标小区具有第一异常属性。也就是说,目标小区为频繁出现断流网络异常情况的小区,本申请定义为“高异常小区”。
可选地,第一阈值为30%。
可选地,实际根据需求来调整第一阈值的取值,以限定对“高异常小区”的定义的严格程度。
步骤S3:在目标小区的低网速占比大于第二阈值的情况下,确定目标小区具有第二异常属性。
在该步骤之前,将得到的目标小区的低网速占比,与预设的占比信息(即第二阈值),进行比较,若目标小区的低网速占比大于第二阈值,则确定目标小区具有第二异常属性。也就是说,目标小区为频繁出现低速率网络异常情况的小区,本申请定义为“低网速小区”。
可选地,第二阈值为50%。
可选地,实际根据需求来调整第二阈值的取值,以限定对“低网速小区”的定义的严格程度。
其中,可设定第三阈值,以定义低速率网络异常情况。即,当网络速率低于第三阈值时,认为是低速率网络异常情况。
可参考地,第三阈值为300KB/S。
可见,在本申请中,至少可以识别出具有第一异常属性的异常小区和具有第二异常属性的异常小区。其中,对于具有第一异常属性的异常小区而言,当出现断流网络异常情况时,电子设备无法连接网络,使得用户无法正常上网;对于具有第二异常属性的异常小区而言,当出现低速率网络异常情况时,电子设备可以连接网络,但网速极低,使得用户无法正常上网。
其中,对于目标小区而言,可以具有第一异常属性和第二异常属性中的至少一种。
可选地,本实施例中的电子设备可以是用户终端设备。
对应地,在步骤S1之前,服务器可以获取由大量用户终端设备上报的网络异常情况组成的历史众包数据,用户终端设备可从服务器中获取历史众包数据,再经过相关训练,得到目标小区具有第一异常属性和第二异常属性中的至少一种。
可选地,本实施例中的电子设备还可以是服务器。
对应地,在步骤S1之前,服务器可以获取由大量用户终端设备上报的网络异常情况组成的历史众包数据,再经过相关训练,可以得到目标小区具有第一异常属性和第二异常属性中的至少一种。
其中,为了确保对目标小区的准确评估,本实施例中的目标小区需满足:一天内接入的电子设备的数量大于或者等于5。
这样,在本申请的实施例中,基于历史数据中,大量用户终端设备针对目标小区上报的网络异常情况,可以获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比。其中,失效率相对增长率和断流用户比相对增长率的总和用于表示目标小区出现断流网络异常情况的占比信息,低网速占比用于表示目标小区出现低速率网络异常情况的占比信息。进一步地,将得到的两个占比信息,分别与对应的第一阈值和第二阈值进行比较,对应地,当其中一个占比信息大于第一阈值时,认为目标小区较易出现断流网络异常情况,确定目标小区具有第一异常属性;当另外一个占比信息大于第二阈值时,认为目标小区较易出现低速率网络异常情况,确定目标小区具有第二异常属性。可见,基于本申请的异常小区识别方法,至少可以更精细地识别出具有第一异常属性和第二异常属性这两种异常小区,相比于现有技术中仅能笼统地识别出一种异常小区,大大增加了异常小区的覆盖面积。
在本申请另一个实施例的异常小区识别方法的流程中,在步骤S2之后,方法还包括:
步骤A1:在检测到电子设备接入目标小区的过程中,禁止接入目标小区。
在该步骤中,在检测到电子设备接入目标小区的过程中,若目标小区具有第一异常属性,电子设备可自动设置为:禁用目标小区。
在本实施例中,目标小区频繁出现断流网络异常情况,因现断流网络异常情况本身不易规避,因此,可以采用禁用目标小区的方法,来规避异常小区,以确保电子设备在接入小区后,不会频繁出现断流网络异常情况,从而确保用户可以正常上网。
在本申请另一个实施例的异常小区识别方法的流程中,步骤A1,包括:
子步骤B1:在检测到电子设备接入目标小区的过程中,获取电子设备所处的目标时间信息。
子步骤B2:在目标时间信息匹配于第一异常属性关联的时间信息的情况下,禁止接入目标小区。
其中,目标时间信息包括早时段信息、中时段信息和晚时段信息中的任一种;和/或,工作日信息和休息日信息中的任一种。
通常,对于一个小区而言,在一天当中,不同的时段内,对于接入该小区的设备来说,上报网络异常情况的频率不一样,上报网络异常情况的类型也不一样。
比如,对于一个小区而言,早晚高峰期接入的设备数量较多,中午时段接入的设备数量较少,因此,在早晚时段内,上报网络异常情况的频率明显高于,中午时段内,上报网络异常情况的频率。
因此,在步骤S1中,可基于某一时间信息,获取目标小区的失效率相对增长率、断流用户比相对增长率。
其中,某一时间信息可以是早时段信息、中时段信息和晚时段信息中的任一种。
例如,可划分出一天当中的7:00-10:00(早时段信息)、11:00-14:00(中时段信息)、17:00-20:00(晚时段信息),以分别获取目标小区在这三个时间信息的失效率相对增长率、断流用户比相对增长率。
另外,某一时间信息还可以是工作日信息和休息日信息中的任一种。
又如,可划分出一周当中的周一-周五(工作日信息)、周六-周日(休息日信息),以分别获取目标小区在这两个时间信息的失效率相对增长率、断流用户比相对增长率。
从而,在本实施例中,获取电子设备所处的目标时间信息后,若目标时间信息与获取的失效率相对增长率、断流用户比相对增长率关联的时间信息是匹配的,则认为电子设备刚好处于目标小区易出现断流网络异常情况的时间内,从而直接禁用目标小区。
其中,目标时间信息为假设的接入目标小区后对应的时间。考虑到当前时间与即将接入的时间相差极短,因此,该步骤中的目标时间信息,可以理解为当前的时间信息。
具体地,可根据当前所处的具体时间点,确定其所处的目标时间信息。
举例说明,当前的具体时间点为:7:30,确定为早时段信息。基于获取的目标小区在早时段信息的失效率相对增长率、断流用户比相对增长率,可以确定目标小区在早时段信息具有第一异常属性,从而在电子设备上禁止接入目标小区。
在本实施例中,从时间维度考虑,预先划分了多个时间信息,以更精细地对目标小区中出现的断流网络异常情况进行分析,以分别确定目标小区在不同时间信息是否具有第一异常属性。从而,电子设备可根据当前所处的目标时间信息,去匹配目标小区具有第一异常属性的情况下所关联的时间信息,从而使得电子设备可根据目标小区在不同时间信息的不同网络情况,采取相应的措施,进而更灵活地规避异常小区。
另外,基于本实施例,还可以提高对目标小区是否具有第一异常属性的判断准确率。例如,目标小区一天下来,整体出现断流网络异常情况的频率并不高,但某些时间出现断流网络异常情况的频率较高,基于本实施例,并不会针对整体情况,直接将目标小区确定为不具有第一异常属性。
或/和,
子步骤B3:在检测到电子设备接入目标小区的过程中,获取电子设备所处的目标场景信息。
子步骤B4:在目标场景信息匹配于第一异常属性关联的场景信息的情况下,禁止接入目标小区。
其中,目标场景信息包括高铁场景信息、地铁场景信息、高速场景信息和商场场景信息中的任一种。
通常,对于一个小区而言,在不同场景中,对于接入该小区的设备来说,上报网络异常情况的频率不一样,上报网络异常情况的类型也不一样。
比如,对于一个小区而言,电子设备在高铁、地铁、商场、高速等场景中接入,相比于电子设备在其它场景中接入,前者上报网络异常情况的频率明显高于后者上报网络异常情况的频率。
因此,在步骤S1中,可基于某一场景信息,获取目标小区的失效率相对增长率、断流用户比相对增长率。
其中,某一场景信息可以是高铁场景信息、地铁场景信息、高速场景信息和商场场景信息中的任一种。
例如,分别获取目标小区在这四个场景信息的失效率相对增长率、断流用户比相对增长率。
从而,在本实施例中,获取电子设备所处的目标场景信息后,若目标场景信息与获取的失效率相对增长率、断流用户比相对增长率关联的场景信息是匹配的,则认为电子设备刚好处于目标小区易出现断流网络异常情况的场景中,从而直接禁用目标小区。
其中,目标场景信息为假设的接入目标小区后对应的场景信息。考虑到当前时间与即将接入的时间相差极短,因此,该步骤中的目标场景信息,可以理解为当前的场景信息。
具体地,可根据当前所处的具体位置,确定其所处的目标场景信息。
举例说明,当前的具体位置为:XX高速公路上,确定为高速场景信息。基于获取的目标小区在高速场景信息的失效率相对增长率、断流用户比相对增长率,可以确定目标小区在高速场景信息具有第一异常属性,从而在电子设备上禁用目标小区。
在本实施例中,从空间维度考虑,预先划分了多个场景信息,以更精细地对目标小区中出现的断流网络异常情况进行分析,可以分别确定目标小区在不同场景信息是否具有第一异常属性。从而,电子设备可根据当前所处的目标场景信息,去匹配目标小区具有第一异常属性的情况下所关联的场景信息,进而使得电子设备可根据目标小区在不同场景中的不同网络情况,采取相应的措施,进而更灵活地规避异常小区。
另外,基于本实施例,还可以提高对目标小区是否具有第一异常属性的判断准确率。例如,目标小区在各个场景中,综合下来出现断流网络异常情况的频率并不高,但某些场景出现断流网络异常情况的频率较高,基于本实施例,并不会针对整体情况,直接将目标小区确定为不具有第一异常属性。
需要说明的是,本实施例中,获取失效率相对增长率、断流用户比相对增长率的情况下,可仅针对某一时间信息或者某一场景信息,还可针对某一时间信息和某一场景信息。
在本申请另一个实施例的异常小区识别方法的流程中,在步骤S3之后,方法还包括:
步骤C1:在检测到电子设备接入目标小区的过程中,接入目标小区,并设置电子设备的连接模式为双连接模式。
在该步骤中,在检测到电子设备接入目标小区的过程中,若目标小区具有第二异常属性,电子设备可自动设置为:双连接模式。
在本实施例中,目标小区为5G移动网络的非独立组网模式(New Radio 5G Non-standalone,简称NR5G-NSA),对应地,设置电子设备的连接模式为双连接模式为:在电子设备中开启E-UTRAN新无线电—双连接(E-UTRAN New Radio–Dual Connectivity,简称EN-DC)模式。
本实施例中,针对其中一种低速率网络异常情况,提供了相应的采取措施。
目前,部分小区配置的是5G移动网络的独立组网模式(New Radio 5Gstandalone,简称NR5G-SA)设备,也有部分小区配置的是NR5G-NSA设备。对于后者,一些4G电子设备接入后,在一同接入的5G电子设备的影响下,4G电子设备中就会出现低速率网络异常情况,从而会上报低速率网络异常情况。
其中,NR5G-NSA小区为各大运营商的锚点小区。因此,可在目标小区为锚点小区的情况下,确定目标小区是否具有第二异常属性,并在目标小区具有第二异常属性的情况下,接入目标小区,并开启EN-DC,以允许设备在相同的频段上同时接入长期演进(Long TermEvaluation,简称LTE,具体指4G移动网络)和5G。
在本实施例中,对于频繁出现低速率网络异常情况的目标小区,针对目标小区所具备的一些特征,可以接入目标小区,同时,在电子设备中开启双连接模式,以在电子设备端提高网速,从而确保用户可以正常使用电子设备。
在本申请另一个实施例的异常小区识别方法的流程中,步骤C1,包括:
子步骤D1:在检测到电子设备接入目标小区的过程中,获取电子设备所处的目标时间信息。
子步骤D2:在目标时间信息匹配于第二异常属性关联的时间信息的情况下,接入目标小区,并设置电子设备的连接模式为双连接模式。
其中,目标时间信息包括早时段信息、中时段信息和晚时段信息中的任一种;和/或,工作日信息和休息日信息中的任一种。
通常,对于一个小区而言,在一天当中,不同的时段内,对于接入该小区的设备来说,上报网络异常情况的频率不一样,上报网络异常情况的类型也不一样。
比如,对于一个小区而言,早晚高峰期接入的设备数量较多,中午时段接入的设备数量较少,因此,在早晚时段内,上报网络异常情况的频率明显高于,中午时段内,上报网络异常情况的频率。
因此,在步骤S1中,可基于某一时间信息,获取目标小区的低网速占比。
其中,某一时间信息可以是早时段信息、中时段信息和晚时段信息中的任一种。
例如,可划分出一天当中的7:00-10:00(早时段信息)、11:00-14:00(中时段信息)、17:00-20:00(晚时段信息),以分别获取目标小区在这三个时间信息的低网速占比。
另外,某一时间信息还可以是工作日信息和休息日信息中的任一种。
又如,可划分出一周当中的周一-周五(工作日信息)、周六-周日(休息日信息),以分别获取目标小区在这两个时间信息的低网速占比。
从而,在本实施例中,获取电子设备所处的目标时间信息后,若目标时间信息与获取的低网速占比关联的时间信息是匹配的,则认为电子设备刚好处于目标小区易出现低速率网络异常情况的时间内,从而接入目标小区,同时在电子设备上设置双连接模式。
其中,目标时间信息为假设的接入目标小区后对应的时间。考虑到当前时间与即将接入的时间相差极短,因此,该步骤中的目标时间信息,可以理解为当前的时间信息。
具体地,可根据当前所处的具体时间点,确定其所处的目标时间信息。
举例说明,当前的具体时间点为:7:30,确定为早时段信息。基于获取的目标小区在早时段信息的低网速占比,可以确定目标小区在早时段信息具有第二异常属性,从而接入目标小区,同时在电子设备上设置双连接模式。
在本实施例中,从时间维度考虑,预先划分了多个时间信息,以更精细地对目标小区中出现的低速率网络异常情况进行分析,以分别确定目标小区在不同时间信息是否具有第二异常属性。从而,电子设备可根据当前所处的目标时间信息,去匹配目标小区具有第二异常属性的情况下所关联的时间信息,从而使得电子设备可根据目标小区在不同时间信息的不同网络情况,采取相应的措施,进而更灵活地规避异常小区。
另外,基于本实施例,还可以提高对目标小区是否具有第二异常属性的判断准确率。例如,目标小区一天下来,整体出现低速率网络异常情况的频率并不高,但某些时间出现低速率网络异常情况的频率较高,基于本实施例,并不会针对整体情况,直接将目标小区确定为不具有第二异常属性。
或/和,
子步骤D3:在检测到电子设备接入目标小区的过程中,获取电子设备所处的目标场景信息。
子步骤D4:在目标场景信息匹配于第二异常属性关联的场景信息的情况下,接入目标小区,并设置电子设备的连接模式为双连接模式。
其中,目标场景信息包括高铁场景信息、地铁场景信息、高速场景信息和商场场景信息中的任一种。
通常,对于一个小区而言,在不同场景中,对于接入该小区的设备来说,上报网络异常情况的频率不一样,上报网络异常情况的类型也不一样。
比如,对于一个小区而言,电子设备在高铁、地铁、商场、高速等场景中接入,相比于电子设备在其它场景中接入,前者上报网络异常情况的频率明显高于后者上报网络异常情况的频率。
因此,在步骤S1中,可基于某一场景信息,获取目标小区的低网速占比。
其中,某一场景信息可以是高铁场景信息、地铁场景信息、高速场景信息和商场场景信息中的任一种。
例如,分别获取目标小区在这四个场景信息的低网速占比。
从而,在本实施例中,获取电子设备所处的目标场景信息后,若目标场景信息与获取的低网速占比关联的场景信息是匹配的,则认为电子设备刚好处于目标小区易出现低速率网络异常情况的场景中,从而接入目标小区,并设置电子设备的连接模式为双连接模式。
其中,目标场景信息为假设的接入目标小区后对应的场景信息。考虑到当前时间与即将接入的时间相差极短,因此,该步骤中的目标场景信息,可以理解为当前的场景信息。
具体地,可根据当前所处的具体位置,确定其所处的目标场景信息。
举例说明,当前的具体位置为:XX高速公路上,确定为高速场景信息。基于获取的目标小区在高速场景信息的低网速占比,可以确定目标小区在高速场景信息具有第二异常属性,从而接入目标小区,并设置电子设备的连接模式为双连接模式。
在本实施例中,从空间维度考虑,预先划分了多个场景信息,以更精细地对目标小区中出现的低速率网络异常情况进行分析,可以分别确定目标小区在不同场景信息是否具有第二异常属性。从而,电子设备可根据当前所处的目标场景信息,去匹配目标小区具有第二异常属性的情况下所关联的场景信息,进而使得电子设备可根据目标小区在不同场景中的不同网络情况,采取相应的措施,进而更灵活地规避异常小区。
另外,基于本实施例,还可以提高对目标小区是否具有第二异常属性的判断准确率。例如,目标小区在各个场景中,综合下来出现低速率网络异常情况的频率并不高,但某些场景出现低速率网络异常情况的频率较高,基于本实施例,并不会针对整体情况,直接将目标小区确定为不具有第二异常属性。
需要说明的是,本实施例中,获取低网速占比的情况下,可仅针对某一时间信息或者某一场景信息,还可针对某一时间信息和某一场景信息。
基于以上实施例,第一方面,本申请可以针对更多的网络异常情况,去识别异常小区,以增加异常小区的覆盖面;第二方面,本申请可以针对不同的网络异常情况,采取不同的措施,以规避异常小区,或者规避异常小区中的网络异常情况,以更灵活地改善用户上网体验;第三方面,本申请可以选择性地在某些时间、某些场景中,对异常小区进行规避,避免盲目规避。
其中,对目标小区的评估,会出现三种情况:第一种情况,目标小区仅具有第一异常属性,对应地措施为:直接禁用;第二种情况,目标小区仅具有第二异常属性,对应地措施为:接入,同时在电子设备上设置为双连接模式;第三种情况,目标小区同时具有第一异常属性和第二异常属性,优先采取禁用的措施,以优先考虑断流网络异常情况。
需要说明的是,电子设备多次接入目标小区时,所处的时间信息、场景信息可能不同,因此,以上实施例都是针对单次接入而言的,到下次接入时,可重新确定是否需要采取相应的措施,以规避异常小区,或者规避异常小区中的网络异常情况。
另外,在以上实施例中,在检测到电子设备接入目标小区的过程中,即在接入目标小区之前,基于目标小区所具有的异常属性,及时采取相应措施。而在更多的实施例中,还可以在检测到电子设备刚刚接入目标小区之后、以及进行网络数据传输之前,基于目标小区所具有的异常属性,及时采取相应措施。以上,无论是哪个实施例,均能够使得电子设备在进行网络数据传输之前,及时接入理想的小区,提升用户上网体验。
可选地,以上针对在检测到电子设备接入目标小区的过程中,各个实施例所实现的各个步骤,默认为执行主体为用户终端设备。
在本申请另一个实施例的异常小区识别方法的流程中,步骤S1,包括:
子步骤E1:根据目标小区的断流事件,获取目标小区的失效率和断流用户比。
该步骤中所涉及的公式包括:
公式一:失效率=总断流次数/总接入设备数。
公式二:断流用户比=总断流设备数/总接入设备数。
其中,在公式一中,总断流次数表示:在第一时间段内,所有接入目标小区的设备中,上报断流网络异常情况的总次数。
在公式二中,总断流设备数表示:在第一时间段内,所有接入目标小区的设备中,上报断流网络异常情况的设备数量。
在公式一和公式二中,总接入设备数表示:在第一时间段内,所有接入目标小区的设备数量。
其中,对于同一设备,识别信息是唯一的,可认为是一个设备。
需要说明的是,对于同一设备,若在同一天里,该设备多次接入目标小区,则仅占用当天接入设备数的一个数量;若在不同天里,该设备每天均接入目标小区,则分别占用每天接入设备数的一个数量。或者,若在同一天里,该设备多次上报断流网络异常情况,则仅占用当天断流次数的一个数量;若在不同天里,该设备每天均上报断流网络异常情况,则分别占用每天断流次数的一个数量。
例如,第一时间段可以是近一周内,在公式一和公式二中,总接入设备数用于表示:一周内,接入目标小区的所有设备的总数,其中,对于某一天而言,一个设备多次接入目标小区,该设备占用当天的总接入设备数的一个数量。对于连续两天而言,一个设备分别接入目标小区,该设备占用两天内的总接入设备数的两个数量。
又如,第一时间段可以是近一周内,在公式二中,总断流设备数用于表示:一周内,上报断流网络异常情况的所有设备的总数,其中,对于某一天而言,一个设备多次上报断流网络异常情况,该设备占用当天的总断流设备数的一个数量。对于连续两天而言,一个设备分别上报断流网络异常情况,该设备占用两天内的总断流设备数的两个数量。
在该步骤中,分别获取目标小区的失效率和断流用户比数这两个参数,可以有效避免因个人设备问题造成的干扰。
另外,本实施例没有直接利用某单项的数量,而是利用单项的数量与总数量的比值,结合了整体情况,可对实际情况进行准确评估。
例如,同样发生了100次断流,小区1接入了100个设备,小区2接入了10000个设备,那么明显小区2是好于小区1的。
子步骤E2:根据目标小区所处的目标区域范围的断流事件,获取目标区域范围的总失效率和总断流用户比。
可选地,以一个城市作为目标区域范围,判断目标小区相比于该城市的整体情况,是否为异常小区。
可选地,在该步骤中,利用公式一和公式二,获取目标区域范围的总失效率和总断流用户比。
子步骤E3:根据失效率和总失效率,获取目标小区的失效率相对增长率,以及根据断流用户比和总断流用户比,获取目标小区的断流用户比增长率。
该步骤中所涉及的公式包括:
公式三:失效率相对增长率=(失效率-总失效率)/总失效率。
公式四:断流用户比增长率=(断流用户比-总断流用户比)/总断流用户比。
在本实施例中,结合目标小区所在的目标区域范围内的整体情况,得到目标小区出现断流网络异常情况的相对频繁程度,从而提供了一种区域性的比较方法,使得最终得到的判断结果更具有实际意义。
在该步骤中,将失效率相对增长率和断流用户比增长率进行相加,得到一个结果,该结果可以用于评估电子设备接入目标小区后,出现断流网络异常事件的概率。
在本实施例中,提供了一种获取目标小区的失效率相对增长率和断流用户比增长率的方法。在该方法中,第一方面,结合断流事件的次数和上报断流事件的设备数,对断流网络异常情况进行评估,排除个人设备问题对评估造成的干扰;第二方面,结合了接入的设备总数,以利用比值对断流网络异常情况进行评估,避免直接使用某项参数,不具有代表性;第三方面,将计算得来的目标小区的绝对值结果,结合区域整体情况,得到相对值结果,排除因整体区域异常对评估造成的干扰。综上,基于上述方法,可有效地、准确地确定目标小区是否为断流现象频繁出现的异常小区。
需要说明的是,上述方法同样适用于某一时间信息(或者某一场景信息)的失效率相对增长率和断流用户比增长率的获取。例如,可获取第一时间段中的对应时间信息(如早时段信息)的失效率相对增长率和断流用户比增长率;又如,可获取第一时间段中的对应场景信息(如地铁场景信息)的失效率相对增长率和断流用户比增长率。
子步骤E4:根据目标小区的网速低于第三阈值的事件,获取目标小区的低网速接入次数和总接入次数。
子步骤E5:将低网速接入次数与总接入次数的比值,确定为低网速占比。
该步骤中所涉及的公式包括:
公式五:低网速占比=低网速接入次数/总接入次数。
其中,在公式五中,低网速接入次数表示:在第一时间段内,所有接入目标小区的设备中,上报低速率网络异常情况的总次数;总接入次数表示:在第一时间段内,所有设备接入目标小区的总次数。
在该步骤中,将低网速接入次数与总接入次数进行相比,得到一个结果,该结果可以用于评估电子设备接入目标小区后,出现低速率网络异常事件的概率。
需要说明的是,上述方法同样适用于某一时间信息(或者某一场景信息)的低网速占比的获取。例如,可获取第一时间段中的对应时间信息(如早时段信息)的低网速占比;又如,可获取第一时间段中的对应场景信息(如地铁场景信息)的低网速占比。
在本实施例中,提供了一种获取目标小区的低网速占比的方法。在该方法中,基于低速率网络异常情况的上报次数,结合所有设备接入目标小区的总次数,得到低网速占比,对低速率网络异常情况进行评估,避免直接使用某项参数,不具有代表性,可有效地、准确地确定目标小区是否为低网速现象频繁发生的异常小区。
其中,本实施例中,第一时间段可以是近一周内的时间段,一周的数据量,既可以避免得到的结果具有较大的偶然性,还可以避免处理太多的历史数据。
在本申请另一个实施例的异常小区识别方法中,当基于以上实施例中的方法,确定目标小区在某一时间信息(或者某一场景信息)具有某一异常属性时,为了进一步验证,可以继续基于上一实施例中的方法,确定除了该时间信息(或者该场景信息)以外的剩余时间(或者剩余场景),目标小区是否具有该异常属性。若除了该时间信息(或者该场景信息)以外的剩余时间(或者剩余场景),目标小区不具有该异常属性,则进一步验证为:目标小区在某一时间信息(或者某一场景信息)具有某一异常属性。
例如,对于早时段信息,除掉该时段外的剩余时间就是指一天中除去早时段三个小时外的所有时间;又如,对于休息日信息,除掉该时段外的剩余时间就是指一周中去除周六和周日以外的所有时间。
示例性地,若剩余时间对应的失效率相对增长率和断流用户比增长率总和小于15%,则确定目标小区在对应时间信息具有明显的高异常现象,即具有第一异常属性。
示例性地,若剩余时间对应的低网速占比小于35%,则确定目标小区在对应时间具有明显的低网速现象,即第二异常属性。
从而,基于上述验证,在确定目标小区具有异常属性的情况下,还可以使其所具备的异常属性是具有时间特征的,即在某时间信息下存在明显异常现象,并且在其它时间相对正常;和/或,在确定目标小区具有异常属性的情况下,还可以使其所具备的异常属性是具有空间特征的,即在某场景信息下存在明显异常现象,并且在其它场景相对正常。
在本申请另一个实施例中,可结合以上各个实施例,提供一种异常小区列表的生成方法,从而电子设备可直接从异常小区列表中,确定目标小区具有的属性。
表1
以下以表1所示方案为例,对本实施例进行详细解释。
表1是由第一表格、第二表格和第三表格合并而来的。
在第一表格中,可针对某城市内的各个小区在第一时间段内的网络异常情况,得到一个整体的结果。即在这一表格中,不考虑时间、空间等因素,对小区网络异常情况造成的干扰。
在第二表格中,可针对某城市内的各个小区在第一时间段内的不同时间信息(如早时段信息等)的网络异常情况,得到每个时间信息对应的结果。通常,小区的网络异常情况与人流量较为相关,而不同的人流量又可以通过时间维度体现出来,从而可以单独得到如休息日和工作日这两个时间信息对应的结果,以及早中晚这三个时间信息对应的结果。
在第三表格中,可针对某城市内的各个小区在第一时间段内的不同场景信息(如高铁场景信息等)的网络异常情况,得到每个场景信息对应的结果。通常,小区的网络异常情况与人所处的场景较为相关,而不同的场景又可以通过空间维度体现出来,从而可以单独得到如地铁、高铁、高速、商场这四个场景信息对应的结果。
进一步地,将三个表格进行合并。合并的过程示例性地为:对于其中一个小区,若只出现在第一表格中,则合并后,其对应的时间条件(小时)、时间条件、空间条件中均为“否”;若出现在第一表格和第二表格,或者只出现在第二表格中,则合并后,其对应的时间条件(小时)和/时间条件(天)中至少有一项条件为“是”,且其对应的空间条件中均为“否”;若出现在第一表格和第三表格,或者只出现在第三表格中,则合并后,其对应的空间条件中至少有一项条件为“是”,且其对应的时间条件(小时)和时间条件(天)中均为“否”;若分别出现在第二表格和第三表格,或者分别出现在三个表格中,则合并后,其对应的时间条件(小时)和/时间条件(天)中至少有一项条件为“是”,且其对应的空间条件中至少有一项条件为“是”。
例如,基于某一时间信息,得到任意小区具有第一异常属性时,则在表1中,该小区所在一行中,对应时间条件中的某一些为“是”,对应的类型为“高异常”。
又如,基于某一场景信息,得到任意小区具有第二异常属性时,则在表1中,该小区所在一行中,对应的空间条件中的某项为“是”,对应的类型为“低网速”。
示例性地,可由服务器生成异常小区列表,再将异常小区列表下发至用户终端设备,从而用户终端设备即将接入目标小区时,根据当前自身的时间及空间特征,在异常小区列表中识别目标小区,并判断是否满足目标小区对应的时间条件、空间条件,以进一步确定是否需要执行相应的动作。
一种可选方案为:判断是否满足目标小区对应的时间条件、空间条件时,时间条件(小时)、时间条件(天)、空间条件三个大类之间,至少满足其中一类,则表示需要执行相应的动作,以在更多的现实情况规避异常小区,或者规避异常小区中的网络异常情况。
例如,在表1中的第二个小区,时间条件(小时)和空间条件中,均出现了“是”,根据当前自身的时间及空间特征,如果满足时间条件(小时)和空间条件中的至少一项时,则表示需要执行相应的动作。
另一种可选方案为:判断是否满足目标小区对应的时间条件、空间条件时,时间条件(小时)、时间条件(天)、空间条件三个大类之间,同时满足三类,则表示需要执行相应的动作,以在更精准的现实情况中,帮助用户规避异常小区,从而可以降低动作误执行的概率。
例如,在表1中的第二个小区,时间条件(小时)和空间条件中,均出现了“是”,根据当前自身的时间及空间特征,如果同时满足时间条件(小时)和空间条件时,则表示需要执行相应的动作。
其中,对于任一类条件中的各个子条件,比如时间条件(小时)中的“早、中、晚”三个子条件,判断是否满足时,满足其中一项,则认为满足该类条件。
例如,在表1中的第一个小区,时间条件(小时)的“早、晚”子条件均为“是”,根据当前自身的时间特征,如果满足“早、晚”任一个子条件,则认为满足时间条件(小时)。
可见,在表1中,时间条件(小时)、时间条件(天)和空间条件,之间可以是“与”的关系,各自内部是“或”的关系。基于表1中列举的几个小区若要执行相应的动作,则当前自身的时间特征和空间特征,第一个小区需满足的条件为【早or晚】;第二个小区需满足的条件为【(早or晚)and高铁】;第三个小区需满足的条件为【工作日and地铁】。
另外,在表1中,通过小区标识来区分各个小区。其中,小区标识包括公共陆地移动网(Public Land Mobile Network,简称PLMN)、无线接入类型(Radio Access Type,简称RAT)、跟踪区域码(Tracking Area Code,TAC)、小区ID(CELLID)、物理小区标识(PhysicalCell Identifier,简称PCI)等信息。
在本实施例中,基于网络异常类型这一维度进行考虑,针对不同的异常类型,执行不同的动作;同时,基于对网络异常有影响作用的时间和空间两个维度进行了考虑,对异常小区进行更精细地网络异常现象的分析,同时还挖掘出了更多的异常小区,从而可以生成精细、全面的异常小区列表,进而使得电子设备基于异常小区列表,能够合理地执行相应的动作,以规避异常小区,或者规避异常小区中的网络异常情况。
在本申请更多的实施例中,如果历史众包数据充足,还可以新增一个表格,该表格可以基于设备型号筛选出对应的异常小区,进一步地,将该表格合并至表1中,以对已列入的异常小区进行更精细地网络异常情况分析;同时,可以进一步增加异常小区的覆盖面。
另外,在生成异常小区列表的过程中,可针对性获取各大运营商的锚点小区列表中的小区,以获取各个小区中的低网速占比,从而确保后续在电子设备上设置为双连接模式的有效性。
综上,电子设备中出现网络异常情况,有时并非是信号或者设备的原因,也有可能是电子设备接入的小区本身就有问题。因此,可以通过一些简单的策略来改善用户的网络体验,比如在本地放一套泛化的规则,通过后台的历史大数据识别出一些异常小区,通过服务器下发给电子设备,从而确保电子设备在发生网络异常情况之前,接入其它小区,进而进行规避。
在现有技术中,主要都是针对断流这类网络异常情况,并且采取的各种措施最后都可以归结为重选小区(禁小区、禁频点等)。但随着5G的发展,特别是NR5G-NSA的出现,导致出现了很多可以上网却低网速的4G锚点小区(因为资源被5G小区共享了),对于这部分小区,我们同样可以采取别的措施提高用户的网络体验。同时,小区的好坏跟时间和空间是强相关的,比如某些地铁站的小区,可能在早晚高峰因为高人流而导致出现异常,但是其它时间段非常正常。如果简单地基于大数据统计,对于这部分小区,就会有两种结果:1)由于只有个别时间段高异常,总指标并不高,最终没有被识别出来;2)即便只有个别时间段高异常,总指标依然很高,被识别出来了,电子设备就会在非高峰时期禁用这些其实是正常的小区。这样不仅没有规避异常小区,还有可能将用户设备从一个正常小区引导到一个异常小区。
本申请相比于现有技术,第一方面,不仅考虑了断流网络异常情况,还考虑了低速率网络异常情况,以增加异常小区的覆盖面;第二方面,针对不同类型的网络异常情况,采取了不同的措施,来进行有效规避;第三方面,考虑了时间和空间维度的影响,能够更加精准地进行异常小区的规避。
需要说明的是,本申请实施例提供的异常小区识别方法,执行主体可以为异常小区识别装置,或者该异常小区识别装置中的用于执行异常小区识别方法的控制模块。本申请实施例中以异常小区识别装置执行异常小区识别方法为例,说明本申请实施例提供的异常小区识别装置。
图2示出了本申请另一个实施例的异常小区识别装置的框图,该装置包括:
获取模块10,用于获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比;其中,失效率相对增长率、断流用户比相对增长率、低网速占比均关联于:时间信息和场景信息中的至少一种;
第一确定模块20,用于在目标小区的失效率相对增长率和断流用户比相对增长率的总和大于第一阈值的情况下,确定目标小区具有第一异常属性;
第二确定模块30,用于在目标小区的低网速占比大于第二阈值的情况下,确定目标小区具有第二异常属性。
这样,在本申请的实施例中,基于历史数据中,大量用户终端设备针对目标小区上报的网络异常情况,可以获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比。其中,失效率相对增长率和断流用户比相对增长率的总和用于表示目标小区出现断流网络异常情况的占比信息,低网速占比用于表示目标小区出现低速率网络异常情况的占比信息。进一步地,将得到的两个占比信息,分别与对应的第一阈值和第二阈值进行比较,对应地,当其中一个占比信息大于第一阈值时,认为目标小区较易出现断流网络异常情况,确定目标小区具有第一异常属性;当另外一个占比信息大于第二阈值时,认为目标小区较易出现低速率网络异常情况,确定目标小区具有第二异常属性。可见,基于本申请的异常小区识别方法,至少可以更精细地识别出具有第一异常属性和第二异常属性这两种异常小区,相比于现有技术中仅能笼统地识别出一种异常小区,大大增加了异常小区的覆盖面积。
可选地,装置还包括:
第一执行模块,用于在检测到电子设备接入目标小区的过程中,禁止接入目标小区。
可选地,第一执行模块,包括:
第一获取单元,用于在检测到电子设备接入目标小区的过程中,获取电子设备所处的目标时间信息;
第一匹配单元,用于在目标时间信息匹配于第一异常属性关联的时间信息的情况下,禁止接入目标小区;
其中,目标时间信息包括早时段信息、中时段信息和晚时段信息中的任一种;和/或,工作日信息和休息日信息中的任一种;
或/和,
第二获取单元,用于在检测到电子设备接入目标小区的过程中,获取电子设备所处的目标场景信息;
第二匹配单元,用于在目标场景信息匹配于第一异常属性关联的场景信息的情况下,禁止接入目标小区;
其中,目标场景信息包括高铁场景信息、地铁场景信息、高速场景信息和商场场景信息中的任一种。
可选地,装置还包括:
第二执行模块,用于在检测到电子设备接入目标小区的过程中,接入目标小区,并设置电子设备的连接模式为双连接模式。
可选地,第二执行模块,包括:
第三获取单元,用于在检测到电子设备接入目标小区的过程中,获取电子设备所处的目标时间信息;
第三匹配单元,用于在目标时间信息匹配于第二异常属性关联的时间信息的情况下,接入目标小区,并设置电子设备的连接模式为双连接模式;
其中,目标时间信息包括早时段信息、中时段信息和晚时段信息中的任一种;和/或,工作日信息和休息日信息中的任一种;
或/和,
第四获取单元,用于在检测到电子设备接入目标小区的过程中,获取电子设备所处的目标场景信息;
第四匹配单元,用于在目标场景信息匹配于第二异常属性关联的场景信息的情况下,接入目标小区,并设置电子设备的连接模式为双连接模式;
其中,目标场景信息包括高铁场景信息、地铁场景信息、高速场景信息和商场场景信息中的任一种。
可选地,获取模块10,包括:
第五获取单元,用于根据目标小区的断流事件,获取目标小区的失效率和断流用户比;
第六获取单元,用于根据目标小区所处的目标区域范围的断流事件,获取目标区域范围的总失效率和总断流用户比;
第七获取单元,用于根据失效率和总失效率,获取目标小区的失效率相对增长率,以及根据断流用户比和总断流用户比,获取目标小区的断流用户比增长率;
第八获取单元,用于根据目标小区的网速低于第三阈值的事件,获取目标小区的低网速接入次数和总接入次数;
占比确定单元,用于将低网速接入次数与总接入次数的比值,确定为低网速占比。
本申请实施例中的异常小区识别装置可以是装置,也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的异常小区识别装置可以为具有动作系统的装置。该动作系统可以为安卓(Android)动作系统,可以为ios动作系统,还可以为其他可能的动作系统,本申请实施例不作具体限定。
本申请实施例提供的异常小区识别装置能够实现上述方法实施例实现的各个过程,为避免重复,这里不再赘述。
可选地,如图3所示,本申请实施例还提供一种电子设备100,包括处理器101,存储器102,存储在存储器102上并可在所述处理器101上运行的程序或指令,该程序或指令被处理器101执行时实现上述任一异常小区识别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。
需要说明的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
图4为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备1000包括但不限于:射频单元1001、网络模块1002、音频输出单元1003、输入单元1004、传感器1005、显示单元1006、用户输入单元1007、接口单元1008、存储器1009、以及处理器1010等部件。
本领域技术人员可以理解,电子设备1000还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器1010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。图4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,在此不再赘述。
其中,处理器1010,用于获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比;其中,所述失效率相对增长率、所述断流用户比相对增长率、所述低网速占比均关联于:时间信息和场景信息中的至少一种;在所述目标小区的失效率相对增长率和断流用户比相对增长率的总和大于第一阈值的情况下,确定所述目标小区具有第一异常属性;在所述目标小区的低网速占比大于第二阈值的情况下,确定所述目标小区具有第二异常属性。
这样,在本申请的实施例中,基于历史数据中,大量用户终端设备针对目标小区上报的网络异常情况,可以获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比。其中,失效率相对增长率和断流用户比相对增长率的总和用于表示目标小区出现断流网络异常情况的占比信息,低网速占比用于表示目标小区出现低速率网络异常情况的占比信息。进一步地,将得到的两个占比信息,分别与对应的第一阈值和第二阈值进行比较,对应地,当其中一个占比信息大于第一阈值时,认为目标小区较易出现断流网络异常情况,确定目标小区具有第一异常属性;当另外一个占比信息大于第二阈值时,认为目标小区较易出现低速率网络异常情况,确定目标小区具有第二异常属性。可见,基于本申请的异常小区识别方法,至少可以更精细地识别出具有第一异常属性和第二异常属性这两种异常小区,相比于现有技术中仅能笼统地识别出一种异常小区,大大增加了异常小区的覆盖面积。
可选地,处理器1010,还用于在检测到电子设备接入所述目标小区的过程中,禁止接入所述目标小区。
可选地,处理器1010,还用于在检测到电子设备接入所述目标小区的过程中,获取所述电子设备所处的目标时间信息;在所述目标时间信息匹配于所述第一异常属性关联的时间信息的情况下,禁止接入所述目标小区;其中,所述目标时间信息包括早时段信息、中时段信息和晚时段信息中的任一种;和/或,工作日信息和休息日信息中的任一种;或/和,在检测到电子设备接入所述目标小区的过程中,获取所述电子设备所处的目标场景信息;在所述目标场景信息匹配于所述第一异常属性关联的场景信息的情况下,禁止接入所述目标小区;其中,所述目标场景信息包括高铁场景信息、地铁场景信息、高速场景信息和商场场景信息中的任一种。
可选地,处理器1010,还用于在检测到电子设备接入所述目标小区的过程中,接入所述目标小区,并设置所述电子设备的连接模式为双连接模式。
可选地,处理器1010,还用于在检测到电子设备接入所述目标小区的过程中,获取所述电子设备所处的目标时间信息;在所述目标时间信息匹配于所述第二异常属性关联的时间信息的情况下,接入所述目标小区,并设置所述电子设备的连接模式为双连接模式;其中,所述目标时间信息包括早时段信息、中时段信息和晚时段信息中的任一种;和/或,工作日信息和休息日信息中的任一种;或/和,在检测到电子设备接入所述目标小区的过程中,获取所述电子设备所处的目标场景信息;在所述目标场景信息匹配于所述第二异常属性关联的场景信息的情况下,接入所述目标小区,并设置所述电子设备的连接模式为双连接模式;其中,所述目标场景信息包括高铁场景信息、地铁场景信息、高速场景信息和商场场景信息中的任一种。
可选地,处理器1010,还用于根据所述目标小区的断流事件,获取所述目标小区的失效率和断流用户比;根据所述目标小区所处的目标区域范围的断流事件,获取所述目标区域范围的总失效率和总断流用户比;根据所述失效率和所述总失效率,获取所述目标小区的失效率相对增长率,以及根据所述断流用户比和所述总断流用户比,获取所述目标小区的断流用户比增长率;根据所述目标小区的网速低于第三阈值的事件,获取所述目标小区的低网速接入次数和总接入次数;将所述低网速接入次数与所述总接入次数的比值,确定为所述低网速占比。
本申请相比于现有技术,第一方面,不仅考虑了断流网络异常情况,还考虑了低速率网络异常情况,以增加异常小区的覆盖面;第二方面,针对不同类型的网络异常情况,采取了不同的措施,来进行有效规避;第三方面,考虑了时间和空间维度的影响,能够更加精准地进行异常小区的规避。
应理解的是,本申请实施例中,输入单元1004可以包括图形处理器(GraphicsProcessing Unit,GPU)10041和麦克风10042,图形处理器10041对在视频图像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图像的图像数据进行处理。显示单元1006可包括显示面板10061,可以采用液晶显示器、有机发光二极管等形式来配置显示面板10061。用户输入单元1007包括触控面板10071以及其他输入设备10072。触控面板10071,也称为触摸屏。触控面板10071可包括触摸检测装置和触摸控制器两个部分。其他输入设备10072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、动作杆,在此不再赘述。存储器1009可用于存储软件程序以及各种数据,包括但不限于应用程序和动作系统。处理器1010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动作系统、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1010中。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述异常小区识别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,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述异常小区识别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。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (14)
1.一种异常小区识别方法,其特征在于,所述方法包括:
获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比;其中,所述失效率相对增长率、所述断流用户比相对增长率、所述低网速占比均关联于:时间信息和场景信息中的至少一种;
在所述目标小区的失效率相对增长率和断流用户比相对增长率的总和大于第一阈值的情况下,确定所述目标小区具有第一异常属性;
在所述目标小区的低网速占比大于第二阈值的情况下,确定所述目标小区具有第二异常属性。
2.根据权利要求1所述的方法,其特征在于,在所述目标小区的失效率相对增长率和断流用户比相对增长率的总和大于第一阈值的情况下,确定所述目标小区具有第一异常属性之后,所述方法还包括:
在检测到电子设备接入所述目标小区的过程中,禁止接入所述目标小区。
3.根据权利要求2所述的方法,其特征在于,在检测到电子设备接入所述目标小区的过程中,禁止接入所述目标小区,包括:
在检测到电子设备接入所述目标小区的过程中,获取所述电子设备所处的目标时间信息;
在所述目标时间信息匹配于所述第一异常属性关联的时间信息的情况下,禁止接入所述目标小区;
其中,所述目标时间信息包括早时段信息、中时段信息和晚时段信息中的任一种;和/或,工作日信息和休息日信息中的任一种;
或/和,
在检测到电子设备接入所述目标小区的过程中,获取所述电子设备所处的目标场景信息;
在所述目标场景信息匹配于所述第一异常属性关联的场景信息的情况下,禁止接入所述目标小区;
其中,所述目标场景信息包括高铁场景信息、地铁场景信息、高速场景信息和商场场景信息中的任一种。
4.根据权利要求1所述的方法,其特征在于,在所述目标小区的低网速占比大于第二阈值的情况下,确定所述目标小区具有第二异常属性之后,所述方法还包括:
在检测到电子设备接入所述目标小区的过程中,接入所述目标小区,并设置所述电子设备的连接模式为双连接模式。
5.根据权利要求4所述的方法,其特征在于,在检测到电子设备接入所述目标小区的过程中,接入所述目标小区,并设置所述电子设备的连接模式为双连接模式,包括:
在检测到电子设备接入所述目标小区的过程中,获取所述电子设备所处的目标时间信息;
在所述目标时间信息匹配于所述第二异常属性关联的时间信息的情况下,接入所述目标小区,并设置所述电子设备的连接模式为双连接模式;
其中,所述目标时间信息包括早时段信息、中时段信息和晚时段信息中的任一种;和/或,工作日信息和休息日信息中的任一种;
或/和,
在检测到电子设备接入所述目标小区的过程中,获取所述电子设备所处的目标场景信息;
在所述目标场景信息匹配于所述第二异常属性关联的场景信息的情况下,接入所述目标小区,并设置所述电子设备的连接模式为双连接模式;
其中,所述目标场景信息包括高铁场景信息、地铁场景信息、高速场景信息和商场场景信息中的任一种。
6.根据权利要求1所述的方法,其特征在于,所述获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比,包括:
根据所述目标小区的断流事件,获取所述目标小区的失效率和断流用户比;
根据所述目标小区所处的目标区域范围的断流事件,获取所述目标区域范围的总失效率和总断流用户比;
根据所述失效率和所述总失效率,获取所述目标小区的失效率相对增长率,以及根据所述断流用户比和所述总断流用户比,获取所述目标小区的断流用户比增长率;
根据所述目标小区的网速低于第三阈值的事件,获取所述目标小区的低网速接入次数和总接入次数;
将所述低网速接入次数与所述总接入次数的比值,确定为所述低网速占比。
7.一种异常小区识别装置,其特征在于,所述装置包括:
获取模块,用于获取目标小区的失效率相对增长率、断流用户比相对增长率、低网速占比;其中,所述失效率相对增长率、所述断流用户比相对增长率、所述低网速占比均关联于:时间信息和场景信息中的至少一种;
第一确定模块,用于在所述目标小区的失效率相对增长率和断流用户比相对增长率的总和大于第一阈值的情况下,确定所述目标小区具有第一异常属性;
第二确定模块,用于在所述目标小区的低网速占比大于第二阈值的情况下,确定所述目标小区具有第二异常属性。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第一执行模块,用于在检测到电子设备接入所述目标小区的过程中,禁止接入所述目标小区。
9.根据权利要求8所述的装置,其特征在于,所述第一执行模块,包括:
第一获取单元,用于在检测到电子设备接入所述目标小区的过程中,获取所述电子设备所处的目标时间信息;
第一匹配单元,用于在所述目标时间信息匹配于所述第一异常属性关联的时间信息的情况下,禁止接入所述目标小区;
其中,所述目标时间信息包括早时段信息、中时段信息和晚时段信息中的任一种;和/或,工作日信息和休息日信息中的任一种;
或/和,
第二获取单元,用于在检测到电子设备接入所述目标小区的过程中,获取所述电子设备所处的目标场景信息;
第二匹配单元,用于在所述目标场景信息匹配于所述第一异常属性关联的场景信息的情况下,禁止接入所述目标小区;
其中,所述目标场景信息包括高铁场景信息、地铁场景信息、高速场景信息和商场场景信息中的任一种。
10.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第二执行模块,用于在检测到电子设备接入所述目标小区的过程中,接入所述目标小区,并设置所述电子设备的连接模式为双连接模式。
11.根据权利要求10所述的装置,其特征在于,所述第二执行模块,包括:
第三获取单元,用于在检测到电子设备接入所述目标小区的过程中,获取所述电子设备所处的目标时间信息;
第三匹配单元,用于在所述目标时间信息匹配于所述第二异常属性关联的时间信息的情况下,接入所述目标小区,并设置所述电子设备的连接模式为双连接模式;
其中,所述目标时间信息包括早时段信息、中时段信息和晚时段信息中的任一种;和/或,工作日信息和休息日信息中的任一种;
或/和,
第四获取单元,用于在检测到电子设备接入所述目标小区的过程中,获取所述电子设备所处的目标场景信息;
第四匹配单元,用于在所述目标场景信息匹配于所述第二异常属性关联的场景信息的情况下,接入所述目标小区,并设置所述电子设备的连接模式为双连接模式;
其中,所述目标场景信息包括高铁场景信息、地铁场景信息、高速场景信息和商场场景信息中的任一种。
12.根据权利要求7所述的装置,其特征在于,所述获取模块,包括:
第五获取单元,用于根据所述目标小区的断流事件,获取所述目标小区的失效率和断流用户比;
第六获取单元,用于根据所述目标小区所处的目标区域范围的断流事件,获取所述目标区域范围的总失效率和总断流用户比;
第七获取单元,用于根据所述失效率和所述总失效率,获取所述目标小区的失效率相对增长率,以及根据所述断流用户比和所述总断流用户比,获取所述目标小区的断流用户比增长率;
第八获取单元,用于根据所述目标小区的网速低于第三阈值的事件,获取所述目标小区的低网速接入次数和总接入次数;
占比确定单元,用于将所述低网速接入次数与所述总接入次数的比值,确定为所述低网速占比。
13.一种电子设备,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程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-6任一项所述的异常小区识别方法的步骤。
14.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1-6任一项所述的异常小区识别方法的步骤。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713676.5A CN113453261B (zh) | 2021-06-25 | 2021-06-25 | 异常小区识别方法、装置和电子设备 |
EP22827591.3A EP4362554A1 (en) | 2021-06-25 | 2022-06-22 | Abnormal cell identification method and apparatus, and electronic device |
PCT/CN2022/100290 WO2022268098A1 (zh) | 2021-06-25 | 2022-06-22 | 异常小区识别方法、装置和电子设备 |
US18/393,658 US20240129770A1 (en) | 2021-06-25 | 2023-12-21 | Abnormal cell identification method and apparatus, and electronic device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713676.5A CN113453261B (zh) | 2021-06-25 | 2021-06-25 | 异常小区识别方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113453261A CN113453261A (zh) | 2021-09-28 |
CN113453261B true CN113453261B (zh) | 2022-12-20 |
Family
ID=77813011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110713676.5A Active CN113453261B (zh) | 2021-06-25 | 2021-06-25 | 异常小区识别方法、装置和电子设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240129770A1 (zh) |
EP (1) | EP4362554A1 (zh) |
CN (1) | CN113453261B (zh) |
WO (1) | WO2022268098A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113453261B (zh) * | 2021-06-25 | 2022-12-20 | 维沃移动通信有限公司 | 异常小区识别方法、装置和电子设备 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9439081B1 (en) * | 2013-02-04 | 2016-09-06 | Further LLC | Systems and methods for network performance forecasting |
US20150049737A1 (en) * | 2013-08-19 | 2015-02-19 | Qualcomm Incorporated | Measurement reporting when communicating with weak serving cell |
CN104602277B (zh) * | 2014-12-26 | 2017-12-08 | 大唐移动通信设备有限公司 | 一种异常切换的优化处理方法及系统 |
CN108134703B (zh) * | 2017-12-26 | 2021-03-30 | 北京天元创新科技有限公司 | 网络小区隐患故障预测分析方法及装置 |
CN110536328B (zh) * | 2018-05-23 | 2023-04-25 | 中国移动通信集团浙江有限公司 | 小区故障监测方法及装置 |
CN109661000A (zh) * | 2018-12-19 | 2019-04-19 | 中国联合网络通信集团有限公司 | 低效基站的管理方法、装置、设备及可读存储介质 |
CN111818560A (zh) * | 2019-04-11 | 2020-10-23 | 中国移动通信集团福建有限公司 | 质差小区的确定方法及装置 |
CN111818551B (zh) * | 2019-04-12 | 2022-07-01 | 中国移动通信集团福建有限公司 | Volte掉话原因确定方法及装置 |
CN110769478B (zh) * | 2019-11-07 | 2022-01-11 | 武汉虹信科技发展有限责任公司 | 小区接入方法及终端 |
CN110913455B (zh) * | 2019-11-27 | 2022-03-22 | 维沃移动通信有限公司 | 禁用异常小区的方法、电子设备及服务器 |
CN113453261B (zh) * | 2021-06-25 | 2022-12-20 | 维沃移动通信有限公司 | 异常小区识别方法、装置和电子设备 |
-
2021
- 2021-06-25 CN CN202110713676.5A patent/CN113453261B/zh active Active
-
2022
- 2022-06-22 WO PCT/CN2022/100290 patent/WO2022268098A1/zh active Application Filing
- 2022-06-22 EP EP22827591.3A patent/EP4362554A1/en active Pending
-
2023
- 2023-12-21 US US18/393,658 patent/US20240129770A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4362554A1 (en) | 2024-05-01 |
CN113453261A (zh) | 2021-09-28 |
US20240129770A1 (en) | 2024-04-18 |
WO2022268098A1 (zh) | 2022-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9800826B2 (en) | Method and device for adjusting frame rate of video recording | |
EP4080368A1 (en) | Alarm information generation method and apparatus, electronic device, and storage medium | |
CN110837582B (zh) | 数据关联方法、装置、电子设备和计算机可读存储介质 | |
CN104486138A (zh) | 流量监控方法、装置和监控服务器 | |
US20240129770A1 (en) | Abnormal cell identification method and apparatus, and electronic device | |
CN112035320B (zh) | 业务监控方法、装置、电子设备及可读存储介质 | |
CN112333734B (zh) | 服务小区切换方法及装置 | |
CN108683588B (zh) | 一种消息管理方法、消息管理装置及移动终端 | |
CN112333763A (zh) | 网络选择方法、装置 | |
CN114282169A (zh) | 一种异常数据的检测方法以及相关装置 | |
CN115729783A (zh) | 故障风险监控方法、设备、存储介质及程序产品 | |
CN107766098A (zh) | 应用后台定位管理方法、移动终端及存储介质 | |
CN105429792A (zh) | 用户行为流量获取方法及装置、用户行为分析方法及系统 | |
CN108989548A (zh) | 一种检测移动终端应用耗电量的控制方法及控制装置 | |
CN106482742B (zh) | 计步数据的获取方法及装置 | |
CN113194474A (zh) | 伪基站的定位方法、装置、电子设备及可读存储介质 | |
CN115314962A (zh) | 小区接入方法和装置 | |
JP2024523922A (ja) | 異常セル識別方法、異常セル識別装置、可読記憶媒体、チップ、及びコンピュータプログラム製品 | |
US11544386B2 (en) | Monitoring information-security coverage to identify an exploitable weakness in the information-securing coverage | |
CN114567886B (zh) | 网络规划方法、装置、设备和计算机存储介质 | |
CN115243345A (zh) | 小区选择方法、装置、终端设备及可读存储介质 | |
CN107957942B (zh) | 一种sql脚本的故障修复方法及其终端 | |
CN114025373A (zh) | 网络故障处理方法及装置 | |
CN112601241A (zh) | 网络接入方法及装置 | |
CN106354613A (zh) | 应用程序耗电提示的处理方法及装置 |
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 |