CN113688490A - 网络共建共享处理方法、装置、设备及存储介质 - Google Patents
网络共建共享处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113688490A CN113688490A CN202110989928.7A CN202110989928A CN113688490A CN 113688490 A CN113688490 A CN 113688490A CN 202110989928 A CN202110989928 A CN 202110989928A CN 113688490 A CN113688490 A CN 113688490A
- Authority
- CN
- China
- Prior art keywords
- grid
- data
- network
- construction
- sharing
- 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.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 153
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 57
- 238000013210 evaluation model Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims description 28
- 238000007726 management method Methods 0.000 claims description 19
- 238000003066 decision tree Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 12
- 238000009835 boiling Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims 1
- 230000006855 networking Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种网络共建共享处理方法、装置、设备及存储介质,该方法获取待规划区域的属性信息;根据属性信息,对待规划区域进行网格划分,得到多个网格;针对每个网格,获取网格中的共建共享数据,其中,共建共享数据包括电联账单数据、电联网管数据和电联面向公司潜在需求数据;对共建共享数据进行特征提取处理,得到每个网格的特征数据;将特征数据输入至预设评估模型,输出得到每个网格的网格标签;根据网格标签,确定网络共享共建方案,可有效提高网络的覆盖率和网络质量,可以智能化、自动化地快速确定网络共建共享方案,提高了网络共建共享的效率和质量。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种网络共建共享处理方法、装置、设备及存储介质。
背景技术
第五代移动通信技术(5th Generation Mobile Communication Technology,5G)是具有高速率、低时延和大连接特点的新一代宽带移动通信技术,是实现人机物互联的网络基础设施,5G的基站数量可能是4G的1.5~2倍,预计5G建网成本的投入巨大,加上覆盖密集对站址分布的要求,站址获取的难度增大,为了尽量避免网络基础设施的重复建设,节约网络整体投资,缓解5G网络建设面临的巨额资金压力,各运营商之间建立了网络共建共享。
在实现网络共建共享时,需要确定基站共建共享策略以实现网络价值的最大化,目前,5G基站的共建共享建设主要基于现有的第四代通信技术(the4Generation mobilecommunication technology,4G)建网策略进行建网,或者是依据经验进行网络状况的判断,以确定5G基站的建网策略。
然而现有的共建共享建网策略,难以准确评估建网高价值区域,5G网络共建共享难度大、效率低,无法智能化地建立覆盖范围广、价值高的网络。
发明内容
本申请提供一种网络共建共享处理方法、装置、设备及存储介质,从而解决现有的共建共享建网策略,难以准确评估建网高价值区域,5G网络共建共享难度大、效率低,无法智能化地建立覆盖范围广、价值高的网络的技术问题。
第一方面,本申请提供了一种网络共建共享处理方法,包括:
获取待规划区域的属性信息;
根据所述属性信息,对所述待规划区域进行网格划分,得到多个网格;
针对每个网格,获取所述网格中的共建共享数据,其中,所述共建共享数据包括电联账单数据、电联网管数据和电联面向公司潜在需求数据;
对所述共建共享数据进行特征提取处理,得到每个网格的特征数据;
将所述特征数据输入至预设评估模型,输出得到每个网格的网格标签;
根据所述网格标签,确定网络共享共建方案。
这里,本申请提供了一种智能化的网格价值判别方法,可根据网格价值进行有效、准确的网络共建共享方案的确定,首先针对电联共建共享物理区域,对所有的运营商建立统一的标准,通过属性信息划分为多个网格,可针对网格进行网络价值的判定,获取每个网格进行共建共享的不同运营商下的共建共享数据,通过对共建共享数据的特征提取,得到每个网格的特征数据,将每个网格的特征数据输入至预设评估模型,可快速通过预设评估模型的输出确定每个网格的网格标签,此网格标签可用于反映网格的网络价值,网络价值越高,越适合在此网格区域建立共享共建基站,可有效提高网络的覆盖率和网络质量,可以智能化、自动化地快速确定网络共建共享方案,提高了网络共建共享的效率和质量。
可选地,所述待规划区域的属性信息包括行政区域信息和用户属性聚类信息;
相应的,所述根据所述属性信息,对所述待规划区域进行网格划分,得到多个网格,包括:
根据所述行政区域信息和用户属性聚类信息,对所述待规划区域进行网格划分。
这里,本申请可根据待规划区域的行政区域信息和用户属性聚类信息,对待规划区域进行网格的分类,既考虑到了行政区域信息,也结合了用户属性,通过该方法进行网格的划分,充分结合了用户特性和行政区域特性,从而能够更加准确地划分网格,进一步便于根据网格进行网格标签的确定和网络价值的分析,从而提高了网络共建共享的准确性及效率,提高了共建共享网络的覆盖率和效益。
可选地,所述获取所述网格中的共建共享数据,包括:
通过所述电联账单数据,获取第一运营商和第二运营商的每用户平均收入值、年龄、旗舰终端类型、第四代通信技术用户数量、网龄和用户第四代通信技术流量;
通过所述电联网管数据,获取第一运营商和第二运营商的流量数据和忙时利用率数据;
通过所述电联面向公司潜在需求数据,获取第一运营商和第二运营商的面向公司需求。
其中,本申请在获取每个网格的共建共享数据时,在电联账单数据方向,结合5G终端潜在区域,采集共建共享运营商双方每用户平均收入(average revenue per user,ARPU)值、年龄、旗舰终端类型、4G用户数量、网龄和用户4G流量数据,在电联网管数据方向,结合5G建网初期特点,采集双方流量、忙时利用率数据,在电联面向公司(to business,2B)潜在需求数据方向,从双方内部管控系统采集双方已明确的2B需求,从而全面、准确地结合运营商双方的影响网络的特征,进一步地提高了网络共建共享的准确性及共建共享网络的质量。
可选地,所述对所述共建共享数据进行特征提取处理,得到每个网格的特征数据,包括:
将所述共建共享数据输入至预设数据库中,通过所述预设数据库中的数据分析软件处理,得到每个网格的特征数据,其中,所述特征数据包括第一运营商和第二运营商的常驻用户数、收入密度、热点小区、沸点小区、面向公司需求数量、高价值用户数、高端机数量、年轻人密度和业务关联网格中的至少一个。
这里,本申请可将采集的数据存储到数据库中,搭建数据库开发环境,安装数据分析软件,从而直接可直接进行共建共享数据的特征提取,智能化、自动化地高效提取特征,从而可得到常驻用户数、收入密度、热点小区、沸点小区、面向公司需求数量、高价值用户数、高端机数量、年轻人密度和业务关联网格等与共建共享网络密切相关的特征数据,进一步地提高了预设评估模型评估结果的准确性,进一步地提高了网络共建共享的准确性及共建共享网络的质量。
可选地,在所述将所述特征数据输入至预设评估模型,输出得到每个网格的网格标签之前,还包括:
获取特征数据样本和所述特征数据样本对应的网格标签;
将所述特征数据样本和所述特征数据样本对应的网格标签输入至评估模型进行训练,得到所述预设评估模型。
这里,本申请提供了一种预设评估模型的建立方法,首先获取特征数据样本,对特征数据样本可添加对应的网格标签,将上述特征数据样本和特征数据样本对应的网格标签输入至评估模型进行训练,可以更新评估模型的权重,直至得到符合要求的预设评估模型,将网格的特征数据输入至该训练好的预设评估模型,可以通过预设评估模型的输出结果得到网格的网格标签,提高了网络共建共享的效率及网络共建共享方案确定的准确性,进一步地提高了网络共建共享的准确性及共建共享网络的质量。
可选地,所述评估模型为基于决策树的机器训练模型。
其中,决策树算法需要准备的数据量不大,在训练过程中无需大量数据,节省模型的训练时间,可操作性强,且能够良好处理数字和数据的类别,对网格的网格标签进行良好的分类,得到准确地网格标签,基于决策树的机器训练模型可靠性高,准确性强,进一步地提高了网络共建共享的效率和网络质量、网络覆盖率。
可选地,所述根据所述网格标签,确定网络共享共建方案,包括:
将所有网格的网格标签进行排序处理,按照网格标签顺序确定共享共建方案。
这里,本申请可以按照网格标签的分类结果,从高到低依次安排5G共建共享建设,预先建设网络价值高的网格区域,提高网络共建共享的效率和质量,进一步地提高了5G网络质量。
第二方面,本申请提供了一种网络共建共享处理装置,包括:
第一获取模块,用于获取待规划区域的属性信息;
划分模块,用于根据所述属性信息,对所述待规划区域进行网格划分,得到多个网格;
第二获取模块,用于针对每个网格,获取所述网格中的共建共享数据,其中,所述共建共享数据包括电联账单数据、电联网管数据和电联面向公司潜在需求数据;
处理模块,用于对所述共建共享数据进行特征提取处理,得到每个网格的特征数据;
输入模块,用于将所述特征数据输入至预设评估模型,输出得到每个网格的网格标签;
确定模块,用于根据所述网格标签,确定网络共享共建方案。
可选地,所述待规划区域的属性信息包括行政区域信息和用户属性聚类信息;
相应的,所述划分模块具体用于:
根据所述行政区域信息和用户属性聚类信息,对所述待规划区域进行网格划分。
可选地,所述第二获取模块具体用于:
通过所述电联账单数据,获取第一运营商和第二运营商的每用户平均收入值、年龄、旗舰终端类型、第四代通信技术用户数量、网龄和用户第四代通信技术流量;
通过所述电联网管数据,获取第一运营商和第二运营商的流量数据和忙时利用率数据;
通过所述电联面向公司潜在需求数据,获取第一运营商和第二运营商的面向公司需求。
可选地,所述处理模块具体用于:
将所述共建共享数据输入至预设数据库中,通过所述预设数据库中的数据分析软件处理,得到每个网格的特征数据,其中,所述特征数据包括第一运营商和第二运营商的常驻用户数、收入密度、热点小区、沸点小区、面向公司需求数量、高价值用户数、高端机数量、年轻人密度和业务关联网格中的至少一个。
可选地,在所述输入模块将所述特征数据输入至预设评估模型,输出得到每个网格的网格标签之前,上述装置还包括:
建立模块,用于获取特征数据样本和所述特征数据样本对应的网格标签;将所述特征数据样本和所述特征数据样本对应的网格标签输入至评估模型进行训练,得到所述预设评估模型。
可选地,所述评估模型为基于决策树的机器训练模型。
可选地,所述确定模块具体用于:
将所有网格的网格标签进行排序处理,按照网格标签顺序确定共享共建方案。
第三方面,本申请提供一种网络共建共享处理设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的网络共建共享处理方法。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的网络共建共享处理方法。
第五方面,本发明提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时,实现如上第一方面以及第一方面各种可能的设计所述的网络共建共享处理方法。
本申请提供的网络共建共享处理方法、装置、设备及存储介质,其中该方法可根据网格价值进行有效、准确的网络共建共享方案的确定,首先针对电联共建共享物理区域,对所有的运营商建立统一的标准,通过属性信息划分为多个网格,可针对网格进行网络价值的判定,获取每个网格进行共建共享的不同运营商下的共建共享数据,通过对共建共享数据的特征提取,得到每个网格的特征数据,将每个网格的特征数据输入至预设评估模型,可快速通过预设评估模型的输出确定每个网格的网格标签,此网格标签可用于反映网格的网络价值,网络价值越高,越适合在此网格区域建立共享共建基站,可有效提高网络的覆盖率和网络质量,可以智能化、自动化地快速确定网络共建共享方案,提高了网络共建共享的效率和质量。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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他的附图。
图1为本申请实施例提供的一种网络共建共享处理设备的架构示意图;
图2为本申请实施例提供的一种网络共建共享处理方法的流程示意图;
图3为本申请实施例提供的另一种网络共建共享处理方法的流程示意图;
图4为本申请实施例提供的一种网络共建共享处理装置的结构示意图;
图5为本申请实施例提供的一种网络共建共享处理设备的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的对象,而不必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,以便这里描述的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。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
5G共建共享是指在同一区域内,只有一家运营商建设5G基站并开通共享功能,为两家运营商提供5G网络服务,5G使用更高频段,网络部署需投入更大于3/4G网络的建设资金,因此5G分步建设,建设重点优先选择价值较高的客户分布区域,结合共建共享背景,5G有以下三个不同于现在无线网建设的关键因素:5G建网区域价值判断,5G建网的价值区域和现有4G不同,其价值区域不宜沿用3/4G网格价值;5G网络同时面向2B和面向用户(tocusmer,2C)应用,建网需求综合5G应用特性,需赋予2B因子;面向共建共享,不同运营商各自建设时,按照各自管理模式开展,各自价值区域判别的颗粒度不同,判别方法不同,投资安排顺序不同;但双方合建时,要基于共建模式制定统一规划。
目前,5G基站的共建共享建设主要基于现有的4G建网策略进行建网,或者是依据经验进行网络状况的判断。现有方式将出现价值区域资源投放精准度偏差的问题,因4G网络已完成连续性覆盖,在基于现状的4G高价值区域建网策略中,弱覆盖因素占比较高,如5G建网直接使用4G价值区域分类,会造成存量网络和新增网络价值区域判别的差异;未考虑5G对2B潜在需求的满足度,影响政企业务的响应效率,5G网络和2/3/4G网络最大的不同就在于其高速率、大带宽、低时延的特点,使之服务千行百业,并孵化各类创新业务,如按现有方法,会出现忽略2B潜在需求;待市场反映后再建设,会对业务发展造成延误;电联双方将出现投资分歧,影响共建共享合作基础和质量,双方在投资分配、分配原则、场景区域优先级、市场需求优先级、2B业务优先级、2B、2C协同思路等方面存在诸多差异,方法不统一造成意见分歧,导致共建一张网难度增大;现有价值判别方法是根据经验进行的判断,没有使用AI建立智能判决方法,智能化程度较低。因此,现有的共建共享建网策略,难以准确评估建网高价值区域,5G网络共建共享难度大、效率低,无法智能化地建立覆盖范围广、价值高的网络。
为了解决上述问题,本申请实施例提供一种网络共建共享处理方法、装置、设备及存储介质,其中该方法充分考虑电联共建共享一张网大势、5G网络特性、5G建网阶段特性,在现网划分一致性物理网格的基础上,通过预设评估模型,实现了面向5G共建共享的网格价值智能判决,为运营商5G建设排序提供决策依据。
可选的,图1为本申请实施例提供的一种网络共建共享处理系统架构示意图。在图1中,上述架构包括服务器101、第一运营商系统102和第二运营商系统103,其中,第一运营商系统和第二运营商系统分别与服务器建立通信连接,第一运营商系统和第二运营商系统共同实现网络共建共享。
可以理解的是,这里对第一运营商系统、第二运营商系统不作具体限制。
其中,服务器101可以建设在第一运营商系统102和第二运营商系统103任意一侧,也可以是独立的服务器。
可以理解的是,本申请实施例示意的结构并不构成对网络共建共享处理系统架构的具体限定。在本申请另一些可行的实施方式中,上述架构可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置,具体可根据实际应用场景确定,在此不做限制。图1所示的部件可以以硬件,软件,或软件与硬件的组合实现。
服务器101可以针对电联共建共享物理区域,对所有的运营商建立统一的标准,通过属性信息划分为多个网格,可针对网格进行网络价值的判定,获取每个网格进行共建共享的不同运营商下的共建共享数据,通过对共建共享数据的特征提取,得到每个网格的特征数据,将每个网格的特征数据输入至预设评估模型,可快速通过预设评估模型的输出确定每个网格的网格标签,从而确定网络共建共享方案。
本申请实施例描述的网络架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着网络架构的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
下面结合具体的实施例对本申请的技术方案进行详细的说明:
可选地,图2为本申请实施例提供的一种网络共建共享处理方法的流程示意图。本申请实施例的执行主体可以为图1中的服务器101,具体执行主体可以根据实际应用场景确定。如图2所示,该方法包括如下步骤:
S201:获取待规划区域的属性信息。
可选地,待规划区域的属性信息包括行政区域信息和用户属性聚类信息。
可选地,可以通过运营商的网络管理系统获取属性信息。
S202:根据属性信息,对待规划区域进行网格划分,得到多个网格。
可选地,待规划区域的属性信息包括行政区域信息和用户属性聚类信息;相应的,根据属性信息,对待规划区域进行网格划分,得到多个网格,包括:根据行政区域信息和用户属性聚类信息,对待规划区域进行网格划分。
可选地,在划分网格之后,可以针对每个网格添加标识信息。
在一种可能的实现方式中,将电联共建物理区域划根据行政区域、用户属性聚类等原则分为若干网格,双方使用统一的网格归属和标识,作为双方价值区域的基本单位。
这里,本申请实施例可根据待规划区域的行政区域信息和用户属性聚类信息,对待规划区域进行网格的分类,既考虑到了行政区域信息,也结合了用户属性,通过该方法进行网格的划分,充分结合了用户特性和行政区域特性,从而能够更加准确地划分网格,进一步便于根据网格进行网格标签的确定和网络价值的分析,从而提高了网络共建共享的准确性及效率,提高了共建共享网络的覆盖率和效益。
S203:针对每个网格,获取网格中的共建共享数据。
其中,共建共享数据包括电联账单数据、电联网管数据和电联面向公司潜在需求数据。
可选地,获取网格中的共建共享数据,包括:
通过电联账单数据,获取第一运营商和第二运营商的每用户平均收入值、年龄、旗舰终端类型、第四代通信技术用户数量、网龄和用户第四代通信技术流量;通过电联网管数据,获取第一运营商和第二运营商的流量数据和忙时利用率数据;通过电联面向公司潜在需求数据,获取第一运营商和第二运营商的面向公司需求。
在一种可能的实现方式中,本申请实施例需要对电联双方共同建立机制,建立规范和统一的5G共建共享数据采集模板,在数据获取时取同一时间周期、同样数据字段的内容。
可选地,数据采集模板由运营支撑系统(operation support system,O域)数据、管理支持系统(management support system,B域)数据、2B数据组成,其中,B域有用户数据和业务数据,比如用户的消费习惯、终端信息、ARPU的分组、业务内容,业务受众人群等,O域有网络数据,比如信令、告警、故障、网络资源等,M域有位置信息,比如人群流动轨迹、地图信息等。从三大域进行数据分析和挖掘,能够实现地理化精准营销、成本精算等。
其中,本申请实施例在获取每个网格的共建共享数据时,在电联账单数据方向,结合5G终端潜在区域,采集共建共享运营商双方每用户平均收入ARPU值、年龄、旗舰终端类型、4G用户数量、网龄和用户4G流量数据,在电联网管数据方向,结合5G建网初期特点,采集双方流量、忙时利用率数据,在电联面向公司2B潜在需求数据方向,从双方内部管控系统采集双方已明确的2B需求,从而全面、准确地结合运营商双方的影响网络的特征,进一步地提高了网络共建共享的准确性及共建共享网络的质量。
S204:对共建共享数据进行特征提取处理,得到每个网格的特征数据。
可选地,对共建共享数据进行特征提取处理,得到每个网格的特征数据,包括:
将共建共享数据输入至预设数据库中,通过预设数据库中的数据分析软件处理,得到每个网格的特征数据,其中,特征数据包括第一运营商和第二运营商的常驻用户数、收入密度、热点小区、沸点小区、面向公司需求数量、高价值用户数、高端机数量、年轻人密度和业务关联网格中的至少一个。
具体的,将采集的数据存储到oracle数据库中,搭建数据库开发环境,安装数据分析软件。经数据处理分析,得出每个网格的联通和电信常驻用户数、收入密度、热点小区、沸点小区、2B需求数量、高价值用户数、高端机数量、年轻人密度、业务关联网格等特征数据。
这里,本申请实施例可将采集的数据存储到数据库中,搭建数据库开发环境,安装数据分析软件,从而直接可直接进行共建共享数据的特征提取,智能化、自动化地高效提取特征,从而可得到常驻用户数、收入密度、热点小区、沸点小区、面向公司需求数量、高价值用户数、高端机数量、年轻人密度和业务关联网格等与共建共享网络密切相关的特征数据,进一步地提高了预设评估模型评估结果的准确性,进一步地提高了网络共建共享的准确性及共建共享网络的质量。
S205:将特征数据输入至预设评估模型,输出得到每个网格的网格标签。
可选地,网格标签可以包括A、B、C、D四类结果,分别对应极高、高、一般、低四类网格的网络价值评价。
可选地,网格标签也可以为输出的具体的数值,不同的数值对应不同的结果。
可以理解的是,对于标签的分类的个数,可以根据实际情况确定,本申请实施例对比不做具体限制。
S206:根据网格标签,确定网络共享共建方案。
可选地,根据网格标签,确定网络共享共建方案,包括:将所有网格的网格标签进行排序处理,按照网格标签顺序确定共享共建方案。
本申请实施例可以按照网格标签的分类结果,从高到低依次安排5G共建共享建设,预先建设网络价值高的网格区域,提高网络共建共享的效率和质量,进一步地提高了5G网络质量。
这里,本申请实施例提供了一种智能化的网格价值判别方法,可根据网格价值进行有效、准确的网络共建共享方案的确定,首先针对电联共建共享物理区域,对所有的运营商建立统一的标准,通过属性信息划分为多个网格,可针对网格进行网络价值的判定,获取每个网格进行共建共享的不同运营商下的共建共享数据,通过对共建共享数据的特征提取,得到每个网格的特征数据,将每个网格的特征数据输入至预设评估模型,可快速通过预设评估模型的输出确定每个网格的网格标签,此网格标签可用于反映网格的网络价值,网络价值越高,越适合在此网格区域建立共享共建基站,可有效提高网络的覆盖率和网络质量,可以智能化、自动化地快速确定网络共建共享方案,提高了网络共建共享的效率和质量。
可选地,本申请实施例还可以预先进行预设评估模型的建立,以实现网格标签的输出,相应的,图3为本申请实施例提供的另一种网络共享共建方法的流程示意图,如图3所示,该方法包括:
S301:获取待规划区域的属性信息。
S302:根据属性信息,对待规划区域进行网格划分,得到多个网格。
S303:针对每个网格,获取网格中的共建共享数据。
其中,共建共享数据包括电联账单数据、电联网管数据和电联面向公司潜在需求数据。
S304:对共建共享数据进行特征提取处理,得到每个网格的特征数据。
其中,步骤S301-S304的实现方式与步骤S201-S204的实现方式类似,在此不作赘述。
S305:获取特征数据样本和特征数据样本对应的网格标签。
可选地,这里的特征数据样本和特征数据样本对应的网格标签可以预先进行设置。
可选的,网格标签可以为多个分类或者是多个数值,或者是多个数值范围,这里不做具体限制。
例如A、B、C、D四类,可分别对应网络网格价值的极高、高、一般、低四类网格价值评价。
可选地,将数据输入至评估模型进行训练之前,预先对数据进行处理:
对特征数据样本进行统一处理:数据具有连续特征和离散特征,针对连续型数据,使用离差标准化方法,采用数据归一化的处理;针对离散特征数据,使用独热编码(one-hot)处理,有效解决数据特征之间可比性问题,提升模型的精度和训练速度。
可选地,将特征数据样本按照比例(例如8:2比例)分配到训练集和验证集。
S306:将特征数据样本和特征数据样本对应的网格标签输入至评估模型进行训练,得到预设评估模型。
可选地,评估模型为基于决策树的机器训练模型。
针对上述数据,使用决策树方法,从训练数据中总结出决策规则,并用树状图的结构来呈现这些规则,以解决分类和回归问题。决策树的节点分为测试节点和决策节点,每个测试节点包含一个测试条件,每条边是测试条件的一个输出;每个决策节点包含一个记录类型的的取值。按照网格分类结果,从高到低依次安排5G共建共享建设。决策树的每一个测试节点都包含一个测试条件,其中测试条件是指以某特征对当前数据进行判断分类。模型选用基尼指数作为特征选取方法。
在模型训练过程中,生成决策树:决策树学习的算法通常是一个递归地选择最优特征,并根据该特征对训练数据进行分割,使得各个子数据集有一个最好的分类的过程,这一过程对应着对特征空间的划分,也对应着决策树的构建。首先构建根节点,将所有训练数据都放在根节点,选择一个最优特征,按着这一特征将训练数据集分割成子集,使得各个子集有一个在当前条件下最好的分类;其次,这些子集被基本正确分类后构建叶子节点,并将这些子集分到所对应的叶子节点去;最后,如还有子集未被正确分类,对其选择新的最优特征,继续对其进行分割,构建相应的节点,如果递归进行,直至所有训练数据子集被基本正确的分类,或者没有合适的特征为止。
可选地,在决策树生成之后,进行决策树的优化:决策树算法递归地选择最优特征,并根据该特征对训练数据进行分割,使各个子数据集达到最佳分类,形成训练模型;对生成的决策树进行减枝,剔除低贡献度变量,再次训练,利用验证集调参,参数不断迭代找到最优模型。
优化决策树之后,最终可建立预设评估模型:通过上述过程多次计算训练模型最终得到最优参数,从而得到最终的预设评估模型。可选地,在特征中,选择关联度大于第一预设参数(例如0.1)的特征作为强关联维度;选择了第二预设参数(例如70%)的特征确定为关键特征,并根据关联系数大小确定其权重。
这里的第一预设参数和第二预设参数可根据情况确定,根据不同的要求确定预设评估模型的训练结束。
其中,决策树算法需要准备的数据量不大,在训练过程中无需大量数据,节省模型的训练时间,可操作性强,且能够良好处理数字和数据的类别,对网格的网格标签进行良好的分类,得到准确地网格标签,基于决策树的机器训练模型可靠性高,准确性强,进一步地提高了网络共建共享的效率和网络质量、网络覆盖率。
S307:将特征数据输入至预设评估模型,输出得到每个网格的网格标签。
S308:根据网格标签,确定网络共享共建方案。
本申请实施例提供了一种预设评估模型的建立方法,首先获取特征数据样本,对特征数据样本可添加对应的网格标签,将上述特征数据样本和特征数据样本对应的网格标签输入至评估模型进行训练,可以更新评估模型的权重,直至得到符合要求的预设评估模型,将网格的特征数据输入至该训练好的预设评估模型,可以通过预设评估模型的输出结果得到网格的网格标签,提高了网络共建共享的效率及网络共建共享方案确定的准确性,进一步地提高了网络共建共享的准确性及共建共享网络的质量。
图4为本申请实施例提供的一种网络共建共享处理装置的结构示意图,如图4所示,本申请实施例的装置包括:第一获取模块401、划分模块402、第二获取模块403、处理模块404、输入模块405和确定模块406。这里的网络共建共享处理装置可以是上述服务器101本身,或者是实现服务器101的功能的芯片或者集成电路。这里需要说明的是,第一获取模块401、划分模块402、第二获取模块403、处理模块404、输入模块405和确定模块406的划分只是一种逻辑功能的划分,物理上两者可以是集成的,也可以是独立的。
其中,第一获取模块,用于获取待规划区域的属性信息;
划分模块,用于根据属性信息,对待规划区域进行网格划分,得到多个网格;
第二获取模块,用于针对每个网格,获取网格中的共建共享数据,其中,共建共享数据包括电联账单数据、电联网管数据和电联面向公司潜在需求数据;
处理模块,用于对共建共享数据进行特征提取处理,得到每个网格的特征数据;
输入模块,用于将特征数据输入至预设评估模型,输出得到每个网格的网格标签;
确定模块,用于根据网格标签,确定网络共享共建方案。
可选地,待规划区域的属性信息包括行政区域信息和用户属性聚类信息;
相应的,划分模块具体用于:
根据行政区域信息和用户属性聚类信息,对待规划区域进行网格划分。
可选地,第二获取模块具体用于:
通过电联账单数据,获取第一运营商和第二运营商的每用户平均收入值、年龄、旗舰终端类型、第四代通信技术用户数量、网龄和用户第四代通信技术流量;
通过电联网管数据,获取第一运营商和第二运营商的流量数据和忙时利用率数据;
通过电联面向公司潜在需求数据,获取第一运营商和第二运营商的面向公司需求。
可选地,处理模块具体用于:
将共建共享数据输入至预设数据库中,通过预设数据库中的数据分析软件处理,得到每个网格的特征数据,其中,特征数据包括第一运营商和第二运营商的常驻用户数、收入密度、热点小区、沸点小区、面向公司需求数量、高价值用户数、高端机数量、年轻人密度和业务关联网格中的至少一个。
可选地,在输入模块将特征数据输入至预设评估模型,输出得到每个网格的网格标签之前,上述装置还包括:
建立模块,用于获取特征数据样本和特征数据样本对应的网格标签;将特征数据样本和特征数据样本对应的网格标签输入至评估模型进行训练,得到预设评估模型。
可选地,评估模型为基于决策树的机器训练模型。
可选地,确定模块具体用于:
将所有网格的网格标签进行排序处理,按照网格标签顺序确定共享共建方案。
图5为本申请实施例提供的一种网络共建共享处理设备的结构示意图,该网络共建共享处理设备可以为图1中的服务器101。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不限制本文中描述的和/或者要求的本申请的实现。
如图5所示,该网络共建共享处理设备包括:处理器501和存储器502,各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器501可以对在网络共建共享处理设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。图5中以一个处理器501为例。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的网络共建共享处理设备的方法对应的程序指令/模块(例如,附图4所示的,第一获取模块401、划分模块402、第二获取模块403、处理模块404、输入模块405和确定模块406)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行认证平台的各种功能应用以及数据处理,即实现上述方法实施例中的网络共建共享处理设备的方法。
网络共建共享处理设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与网络共建共享处理设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以是网络共建共享处理设备的显示设备等输出设备。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
本申请实施例的网络共建共享处理设备,可以用于执行本申请上述各方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现上述任一项的网络共建共享处理方法。
本申请实施例还提供一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时,用于实现上述任一项的网络共建共享处理方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种网络共建共享处理方法,其特征在于,包括:
获取待规划区域的属性信息;
根据所述属性信息,对所述待规划区域进行网格划分,得到多个网格;
针对每个网格,获取所述网格中的共建共享数据,其中,所述共建共享数据包括电联账单数据、电联网管数据和电联面向公司潜在需求数据;
对所述共建共享数据进行特征提取处理,得到每个网格的特征数据;
将所述特征数据输入至预设评估模型,输出得到每个网格的网格标签;
根据所述网格标签,确定网络共享共建方案。
2.根据权利要求1所述的方法,其特征在于,所述待规划区域的属性信息包括行政区域信息和用户属性聚类信息;
相应的,所述根据所述属性信息,对所述待规划区域进行网格划分,得到多个网格,包括:
根据所述行政区域信息和用户属性聚类信息,对所述待规划区域进行网格划分。
3.根据权利要求1所述的方法,其特征在于,所述获取所述网格中的共建共享数据,包括:
通过所述电联账单数据,获取第一运营商和第二运营商的每用户平均收入值、年龄、旗舰终端类型、第四代通信技术用户数量、网龄和用户第四代通信技术流量;
通过所述电联网管数据,获取第一运营商和第二运营商的流量数据和忙时利用率数据;
通过所述电联面向公司潜在需求数据,获取第一运营商和第二运营商的面向公司需求。
4.根据权利要求1所述的方法,其特征在于,所述对所述共建共享数据进行特征提取处理,得到每个网格的特征数据,包括:
将所述共建共享数据输入至预设数据库中,通过所述预设数据库中的数据分析软件处理,得到每个网格的特征数据,其中,所述特征数据包括第一运营商和第二运营商的常驻用户数、收入密度、热点小区、沸点小区、面向公司需求数量、高价值用户数、高端机数量、年轻人密度和业务关联网格中的至少一个。
5.根据权利要求1至4任一项所述的方法,其特征在于,在所述将所述特征数据输入至预设评估模型,输出得到每个网格的网格标签之前,还包括:
获取特征数据样本和所述特征数据样本对应的网格标签;
将所述特征数据样本和所述特征数据样本对应的网格标签输入至评估模型进行训练,得到所述预设评估模型。
6.根据权利要求5所述的方法,其特征在于,所述评估模型为基于决策树的机器训练模型。
7.根据权利要求1至4任一项所述的方法,其特征在于,所述根据所述网格标签,确定网络共享共建方案,包括:
将所有网格的网格标签进行排序处理,按照网格标签顺序确定共享共建方案。
8.一种网络共建共享处理装置,其特征在于,包括:
第一获取模块,用于获取待规划区域的属性信息;
划分模块,用于根据所述属性信息,对所述待规划区域进行网格划分,得到多个网格;
第二获取模块,用于针对每个网格,获取所述网格中的共建共享数据,其中,所述共建共享数据包括电联账单数据、电联网管数据和电联面向公司潜在需求数据;
处理模块,用于对所述共建共享数据进行特征提取处理,得到每个网格的特征数据;
输入模块,用于将所述特征数据输入至预设评估模型,输出得到每个网格的网格标签;
确定模块,用于根据所述网格标签,确定网络共享共建方案。
9.一种网络共建共享处理设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的网络共建共享处理方法。
10.一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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至7中任一项所述的网络共建共享处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110989928.7A CN113688490A (zh) | 2021-08-26 | 2021-08-26 | 网络共建共享处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110989928.7A CN113688490A (zh) | 2021-08-26 | 2021-08-26 | 网络共建共享处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113688490A true CN113688490A (zh) | 2021-11-23 |
Family
ID=78583297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110989928.7A Pending CN113688490A (zh) | 2021-08-26 | 2021-08-26 | 网络共建共享处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113688490A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114697996A (zh) * | 2022-03-30 | 2022-07-01 | 中国联合网络通信集团有限公司 | 网络优化处理方法、装置、设备及存储介质 |
CN114710787A (zh) * | 2022-04-28 | 2022-07-05 | 中国联合网络通信集团有限公司 | 网络规划方法、装置、设备及存储设备 |
CN115277001A (zh) * | 2022-06-20 | 2022-11-01 | 中国联合网络通信集团有限公司 | 一种共建共享网络的证书分发方法、装置、系统及介质 |
CN116245260A (zh) * | 2023-05-12 | 2023-06-09 | 国网吉林省电力有限公司信息通信公司 | 基于变电站资源部署5g基站的优化方法 |
-
2021
- 2021-08-26 CN CN202110989928.7A patent/CN113688490A/zh active Pending
Non-Patent Citations (6)
Title |
---|
孙建虎;: "铁塔公司多家运营商共建共享基站的建设方式和思路", 数码世界, no. 12, pages 312 * |
李响: "基于簇网格的多源化大数据5G规建维优一体化部署策略", 《邮电设计技术》, no. 06, pages 2 - 3 * |
李响;张鹤潇;: "基于簇网格的多源化大数据5G规建维优一体化部署策略", 邮电设计技术, no. 06, pages 2 - 3 * |
段树侠;: "电信联通LTE网络共建共享方案探讨", 广东通信技术, no. 06, pages 31 - 35 * |
胡博: "基于大数据和机器算法的规划需求价值评估研究", 《电信工程技术与标准化》, vol. 31, no. 04, pages 0 - 2 * |
赵寅;: "关于铁塔存量站点价值评估模型的研究", 通信与信息技术, no. 01, pages 22 - 25 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114697996A (zh) * | 2022-03-30 | 2022-07-01 | 中国联合网络通信集团有限公司 | 网络优化处理方法、装置、设备及存储介质 |
CN114697996B (zh) * | 2022-03-30 | 2024-04-30 | 中国联合网络通信集团有限公司 | 网络优化处理方法、装置、设备及存储介质 |
CN114710787A (zh) * | 2022-04-28 | 2022-07-05 | 中国联合网络通信集团有限公司 | 网络规划方法、装置、设备及存储设备 |
CN114710787B (zh) * | 2022-04-28 | 2023-06-20 | 中国联合网络通信集团有限公司 | 网络规划方法、装置、设备及存储设备 |
CN115277001A (zh) * | 2022-06-20 | 2022-11-01 | 中国联合网络通信集团有限公司 | 一种共建共享网络的证书分发方法、装置、系统及介质 |
CN116245260A (zh) * | 2023-05-12 | 2023-06-09 | 国网吉林省电力有限公司信息通信公司 | 基于变电站资源部署5g基站的优化方法 |
CN116245260B (zh) * | 2023-05-12 | 2023-08-08 | 国网吉林省电力有限公司信息通信公司 | 基于变电站资源部署5g基站的优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Parwez et al. | Big data analytics for user-activity analysis and user-anomaly detection in mobile wireless network | |
CN113688490A (zh) | 网络共建共享处理方法、装置、设备及存储介质 | |
CN112529204A (zh) | 模型训练方法、装置及系统 | |
CN112118551B (zh) | 设备风险识别方法及相关设备 | |
CN113286315B (zh) | 负载均衡判断方法、装置、设备及存储介质 | |
CN105471647B (zh) | 一种电力通信网故障定位方法 | |
CN114598539B (zh) | 根因定位方法、装置、存储介质及电子设备 | |
CN114760172B (zh) | 射频基带综合特征信号识别方法与装置 | |
CN104391879A (zh) | 层次聚类的方法及装置 | |
CN109743286A (zh) | 一种基于图卷积神经网络的ip类型标记方法及设备 | |
CN113660687B (zh) | 网络差小区处理方法、装置、设备及存储介质 | |
Ouyang et al. | Application behaviors driven self-organizing network (SON) for 4G LTE networks | |
Xiang et al. | A dataset for mobile edge computing network topologies | |
Ding et al. | Measurement-driven modeling for connection density and traffic distribution in large-scale urban mobile networks | |
DeAlmeida et al. | Abnormal behavior detection based on traffic pattern categorization in mobile networks | |
CN114385609A (zh) | 基于标签的政务事件处理系统、方法、设备及存储介质 | |
CN113850669A (zh) | 用户分群方法、装置、计算机设备及计算机可读存储介质 | |
CN113472860A (zh) | 大数据和数字化环境下的业务资源分配方法及服务器 | |
US11775852B2 (en) | Network optimization | |
CN115883392B (zh) | 算力网络的数据感知方法、装置、电子设备及存储介质 | |
CN109978333B (zh) | 众包系统中基于社区发现与链接预测的独立工人选择方法 | |
CN115720212A (zh) | 一种基于多源数据融合的网络流量预测及自动优化均衡方法 | |
CN115629883A (zh) | 资源预测方法、装置、计算机设备及存储介质 | |
CN114205238A (zh) | 网络资源优化、模型训练方法、装置、存储介质及设备 | |
CN114638308A (zh) | 一种获取对象关系的方法、装置、电子设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211123 |