CN113766521A - 一种用于5g网络跟踪区的规划方法 - Google Patents
一种用于5g网络跟踪区的规划方法 Download PDFInfo
- Publication number
- CN113766521A CN113766521A CN202111014957.8A CN202111014957A CN113766521A CN 113766521 A CN113766521 A CN 113766521A CN 202111014957 A CN202111014957 A CN 202111014957A CN 113766521 A CN113766521 A CN 113766521A
- Authority
- CN
- China
- Prior art keywords
- cluster
- cell
- point
- head
- base station
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003064 k means clustering Methods 0.000 claims abstract description 5
- 230000001174 ascending effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000011664 signaling Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 206010038743 Restlessness Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种用于5G网络跟踪区的规划方法,步骤为:获取道路数据信息和小区参数;根据道路数据信息和小区参数确定TA划分数量;根据TA划分数量确定簇的数量,根据基站与道路的距离确定初始簇中心的位置;根据初始簇中心和基站小区相似度,运用K‑means聚类进行TA规划。获取待规划区域的道路数据和基站小区参数,并确定TA可容纳的最大小区数。根据小区至道路的距离优选若干个簇中心,根据相似度进行聚类,获得与簇中心数量相等的簇,每个簇对应一个TA,规避覆盖同一段道路的基站小区被划分到不同TA,将具备相近地理密度分布特征和业务分布特征的基站小区聚类为同一TA,结合了地理特征,考虑用户业务特性,直接输出规划结果,降低手工划分的不合理风险。
Description
技术领域
本发明涉及移动通信领域,更具体地,涉及一种用于5G网络跟踪区的规划方法。
背景技术
随着移动通信数据业务流量呈指数型增长,终端设备数量剧增且移动频繁,极大增加了网络侧对移动性管理,尤其是用户位置管理的难度。在5G网络中,网络覆盖区域被人为划分为多个用户跟踪区(Tracking Area,TA)。其中,每个TA包含一定数量的小区。处于RRC idle空闲状态的终端用户在同一TA范围内移动时,无需频繁地执行位置更新上报操作,仅当终端跨越TA边界时才执行位置更新操作并产生位置更新信令。因此,如果TA划分太小,所包含的小区数及其覆盖面积过小,则终端用户跨越或游走于TA边界的概率增大,可能带来额外的位置更新信令开销。但如果TA划分太大,则当有呼叫到达时,网络需向用户当前位置所述的TA内的所有小区发送寻呼消息,由此带来极大的寻呼资源开销。
现有的5G网络TA规划方法,通常采用直接继承4G网络的TA规划方法,或根据固定小区数/固定面积的方法进行规划。这两类方法均遵循相近的规划原则,即TA在地理上应为一片连续的区域、TA应利用山体和河流等作为边界、TA边界应尽量位于话务量较低的区域、TA的规模应结合现网寻呼负荷等综合评估等。
现有的技术中,中国发明专利CN105323769B公开了“一种跟踪区域规划方法”,公开日为2016年02月10日;获取规划区域话务模型参数和业务服务质量参数,根据上述参数确定单小区单载波用户数的计算值,并通过仿真获取单小区单载波用户数的计算值。根据寻呼帧相关参数确定跟踪区列表的最大用户数,根据规划区域的覆盖因子和受限因子确定单小区用户数。当单小区用户数同时小于单小区单载波用户数的计算值和仿真值时,根据所述最大用户数和单小区用户数确定跟踪区列表中的跟踪区域的覆盖面积。该发明考虑了用户业务特性对TA规模的影响,可以一定程度地提升TA规划的合理性,减少后续网络参数调整产生的性能波动。但也未能结合地理特征,导致规划人员仅有的依据是TA覆盖面积,而无法确定TA在地理上的初步分界。从待规划区域的不同小区开始规划,将导致最终规划结果的不同,进而导致产生不合理规划结果的风险较高。
发明内容
本发明为解决现有的TA规划方法未能结合地理特征进行分界,导致产生不合理规划结果的技术缺陷,提供了一种用于5G网络跟踪区的规划方法。
为实现以上发明目的,采用的技术方案是:
一种用于5G网络跟踪区的规划方法,包括以下步骤:
S1:获取道路数据信息和小区参数;
S2:根据道路数据信息和小区参数确定TA划分数量;
S3:根据TA划分数量确定簇的数量,根据基站与道路的距离确定初始簇中心的位置;
S4:根据初始簇中心和基站小区相似度,运用K-means聚类进行TA规划。
上述方案中,获取待规划区域的道路数据和基站小区参数,并确定TA可容纳的最大小区数。根据小区至道路的距离优选若干个簇中心,进一步根据小区相似度进行聚类,获得与簇中心数量相等的簇,每个簇即对应一个TA,规避覆盖同一段道路的基站小区被划分到不同TA,导致终端位置更新操作频繁,引起不必要的信令开销,将具备相近地理密度分布特征和业务分布特征的基站小区聚类为同一TA,既结合了地理特征,也考虑了用户业务特性,可以获取位置更新开销与寻呼开销的合理平衡,并直接输出TA的规划结果,降低了手工划分的不合理风险。
优选的,在步骤S1中,在规划区域范围内获取地图信息得到道路数据信息;根据5G网络参数规划,采集规划区域范围的所有基站的小区参数。
优选的,所述小区参数包括基站类型、经度、纬度、中心频率、发射功率、归属AMF;基站类型包括室外宏站、室外微小站、室内分布系统。
优选的,在步骤S2中,在确定TA划分数量前,根据小区参数确定单个TA容纳的小区数的最大值,单个TA容纳的小区数量M满足:
其中,Icell为单小区每秒可寻呼次数,Nsub/cell为单小区内服务用户数,NCAPS为设备每秒试呼次数,NRRC/cell为每小区RRC连接用户数;
划分TA的数量k为地域范围内基站小区总数Np与单TA可容纳最大小区数M的比值向上取整:
依据单个TA内的基站数量M与基站平均覆盖面积β,可近似计算单个TA的半径r:
优选的,在步骤S3中,将基站小区视作样本点,记作点p∈P={p1,p2,…,pNp},将道路记作s,s∈S={s1,s2,…,sNs},基站小区与道路的地理距离计算方式为:
对每条道路作切线,作基站小区与道路切线间的垂直线段,该线段长度记作基站p至道路s的距离d(p,s),将集合P内的所有室外宏站记作集合P’,对于每个室外宏站p’,选取其至所有道路的最短距离作为该宏站小区的邻近度指标:
对所有室外宏站的邻近度指标进行升序排序,选取k个室外宏站作为初始簇中心。
优选的,将初始簇中心记作HEAD={head1,head2,…,headk},为避免簇中心相距过近,使各簇中心距离不小于TA直径,即2r;具体选择过程为:
Ⅰ.当i=1,headi为邻近度指标排序首位的室外宏站;
Ⅱ.当1<i≤k,headi为邻近度指标排序次于headi-1的首个与任意HEAD内元素距离大于2r的室外宏站。
优选的,在步骤S4中,包括以下步骤:
S41:对于每个非簇中心的样本点,计算其到各个簇中心的相似度;
S42:将每个非簇中心样本点归属至目标簇;
S43:对于每个簇,重新计算新的簇中心;
S44:若簇中心的集合HEAD发生更新,或有样本点所属簇变更的情况,重复迭代步骤S41-S43,否则迭代终止。
对任意样本点p,其特征值T定义为:该点距簇中心的距离X(p,head)、该点地理分布密度Y(p)和该点业务分布特征Z(p)的加权和,即:
T(p)=w1*X(p,head)+w2*Y(p)+w3*Z(p) (6)
点p距簇中心的距离X(p)计算:依据样本点的经纬度信息,经墨卡托坐标转化得到各点的平面坐标(x(p),y(p));依据平面坐标信息计算各点p到各簇中心的切比雪夫距离,并向上取整:
点p的地理分布密度Y(p)定义为,地域范围内任意两点间距离d之和与点p到其他点距离之和的比值:
点p的业务分布特征Z(p)为该点一定周期内上行UL(p)、下行DL(p)流量比值:
优选的,步骤S42中,将每个非簇中心样本点归属至目标簇,具体步骤为:
Ⅰ.对于某个非簇心样本点,选择与之有最大相似度的簇中心作为目标簇中心headtarget;
Ⅱ.判断样本点与headtarget是否属于同一个归属AMF,若属于,则归属于headtarget所属簇,结束步骤;若不属于,将headtarget剔除出该样本点的选择范围。
优选的,步骤S43中,通过计算簇内各点距簇中心的距离、地理分布密度和业务分布特征,得到各点的特征值,进而计算出簇内的平均特征值,与平均特征值差距最小的点为该簇新的簇中心。
与现有技术相比,本发明的有益效果是:
本发明提供的一种用于5G网络跟踪区的规划方法,获取待规划区域的道路数据和基站小区参数,并确定TA可容纳的最大小区数。根据小区至道路的距离优选若干个簇中心,进一步根据小区相似度进行聚类,获得与簇中心数量相等的簇,每个簇即对应一个TA,规避覆盖同一段道路的基站小区被划分到不同TA,导致终端位置更新操作频繁,引起不必要的信令开销,将具备相近地理密度分布特征和业务分布特征的基站小区聚类为同一TA,既结合了地理特征,也考虑了用户业务特性,可以获取位置更新开销与寻呼开销的合理平衡,并直接输出TA的规划结果,降低了手工划分的不合理风险。
附图说明
图1为本发明的方法流程图;
图2为本发明实施例的方法流程图;
图3为本发明TA规划结果示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
如图1所示,一种用于5G网络跟踪区的规划方法,包括以下步骤:
S1:获取道路数据信息和小区参数;
S2:根据道路数据信息和小区参数确定TA划分数量;
S3:根据TA划分数量确定簇的数量,根据基站与道路的距离确定初始簇中心的位置;
S4:根据初始簇中心和基站小区相似度,运用K-means聚类进行TA规划。
上述方案中,获取待规划区域的道路数据和基站小区参数,并确定TA可容纳的最大小区数。根据小区至道路的距离优选若干个簇中心,进一步根据小区相似度进行聚类,获得与簇中心数量相等的簇,每个簇即对应一个TA,规避覆盖同一段道路的基站小区被划分到不同TA,导致终端位置更新操作频繁,引起不必要的信令开销,将具备相近地理密度分布特征和业务分布特征的基站小区聚类为同一TA,既结合了地理特征,也考虑了用户业务特性,可以获取位置更新开销与寻呼开销的合理平衡,并直接输出TA的规划结果,降低了手工划分的不合理风险。
优选的,在步骤S1中,在规划区域范围内获取地图信息得到道路数据信息;根据5G网络参数规划,采集规划区域范围的所有基站的小区参数。
优选的,所述小区参数包括基站类型、经度、纬度、中心频率、发射功率、归属AMF;基站类型包括室外宏站、室外微小站、室内分布系统。
优选的,在步骤S2中,在确定TA划分数量前,根据小区参数确定单个TA容纳的小区数的最大值,单个TA容纳的小区数量M满足:
其中,Icell为单小区每秒可寻呼次数,Nsub/cell为单小区内服务用户数,NCAPS为设备每秒试呼次数,NRRC/cell为每小区RRC连接用户数;
划分TA的数量k为地域范围内基站小区总数Np与单TA可容纳最大小区数M的比值向上取整:
依据单个TA内的基站数量M与基站平均覆盖面积β,可近似计算单个TA的半径r:
优选的,在步骤S3中,将基站小区视作样本点,记作点p∈P={p1,p2,…,pNp},将道路记作s,s∈S={s1,s2,…,sNs},基站小区与道路的地理距离计算方式为:
对每条道路作切线,作基站小区与道路切线间的垂直线段,该线段长度记作基站p至道路s的距离d(p,s),将集合P内的所有室外宏站记作集合P’,对于每个室外宏站p’,选取其至所有道路的最短距离作为该宏站小区的邻近度指标:
对所有室外宏站的邻近度指标进行升序排序,选取k个室外宏站作为初始簇中心。
优选的,将初始簇中心记作HEAD={head1,head2,…,headk},为避免簇中心相距过近,使各簇中心距离不小于TA直径,即2r;具体选择过程为:
Ⅰ.当i=1,headi为邻近度指标排序首位的室外宏站;
Ⅱ.当1<i≤k,headi为邻近度指标排序次于headi-1的首个与任意HEAD内元素距离大于2r的室外宏站。
优选的,在步骤S4中,包括以下步骤:
S41:对于每个非簇中心的样本点,计算其到各个簇中心的相似度;
S42:将每个非簇中心样本点归属至目标簇;
S43:对于每个簇,重新计算新的簇中心;
S44:若簇中心的集合HEAD发生更新,或有样本点所属簇变更的情况,重复迭代步骤S41-S43,否则迭代终止。
对任意样本点p,其特征值T定义为:该点距簇中心的距离X(p,head)、该点地理分布密度Y(p)和该点业务分布特征Z(p)的加权和,即:
T(p)=w1*X(p,head)+w2*Y(p)+w3*Z(p) (6)
点p距簇中心的距离X(p)计算:依据样本点的经纬度信息,经墨卡托坐标转化得到各点的平面坐标(x(p),y(p));依据平面坐标信息计算各点p到各簇中心的切比雪夫距离,并向上取整:
点p的地理分布密度Y(p)定义为,地域范围内任意两点间距离d之和与点p到其他点距离之和的比值:
点p的业务分布特征Z(p)为该点一定周期内上行UL(p)、下行DL(p)流量比值:
优选的,步骤S42中,将每个非簇中心样本点归属至目标簇,具体步骤为:
Ⅰ.对于某个非簇心样本点,选择与之有最大相似度的簇中心作为目标簇中心headtarget;
Ⅱ.判断样本点与headtarget是否属于同一个归属AMF,若属于,则归属于headtarget所属簇,结束步骤;若不属于,将headtarget剔除出该样本点的选择范围。
优选的,步骤S43中,通过计算簇内各点距簇中心的距离、地理分布密度和业务分布特征,得到各点的特征值,进而计算出簇内的平均特征值,与平均特征值差距最小的点为该簇新的簇中心。
实施例2
如图2和图3所示,本发明实施例TA规划方法包括:
步骤1,获取道路数据信息和小区参数
在规划区域范围内获取地图信息得到道路数据,道路数据包括:道路名称(name)、级别(level)、经度(lon)、纬度(lat)、轮廓类型(shape)和开放街道地图编码(osm_id)等,如表1所示。
表1道路数据
采集规划区域范围的所有基站的小区参数,包括基站类型、经度、纬度、站高、中心频率、发射功率、归属AMF等信息,如表2所示。
表2小区参数
步骤2,确定TA划分数量
根据公式(1)计算单个TA容纳的小区数量M。其中,单小区每秒可寻呼次数Icell根据3GPP规定的寻呼机制及现网参数配置取定为3200,单小区服务用户数Nsub/cell=600,设备每秒试呼次数NCAPS根据运营商要求设定为120,每小区RRC连接用户数NRRC/cell根据设备能力取定为2400。代入公式(1)可得M≤106。
根据公式(2)计算TA划分数量k。其中,待规划区域基站小区总数Np为196个,代入公式(2)可得k=2。
根据公式(3)近似计算单个TA的半径r。其中,基站小区覆盖面积β与小区发射功率、站高、频段和覆盖场景等有关,在覆盖密集城区,总发射功率200W,站高30m,载频为3.5GHz的条件下,小区覆盖面积β约为66510m2。代入公式(3)可得r≈1500m。
步骤3,确定k=2个初始簇中心
计算每个基站小区与道路的地理距离,得到待规划区域内所有基站小区的邻近度。
对所有室外宏站的邻近度指标进行升序排序,选取2个室外宏站作为初始簇中心。选择过程为:将邻近度排序首位的室外宏站记为head1,将邻近度排序次于head1的首个与任意集合HEAD内元素距离大于3000m(即2r)的室外宏站记为head2。
步骤4,K-means聚类实现TA规划
对每个非簇中心的样本点,计算其到前述2个簇中心的相似度。根据公式(7)(8)(9)分别计算样本点与簇中心的切比雪夫距离X(p)、样本点的地理分布密度Y(p)和业务分布特征Z(p),代入公式(6)可得样本点的特征值T(p)。其中,w1、w2和w3为加权系数,可人为调整。更进一步地,根据样本点的特征值T(p)代入公式(5)计算任意两点间的相似度
对于任意非簇心样本点,选择与之有最大相似度的簇中心作为目标簇中心,将该样本点归入到对应簇。随后,对每个簇计算簇内的特征平均值,重新选取k个簇中心。依次迭代,直至簇中心的集合HEAD不再发生更新,且任意点的归属不再变更。
所得基站小区分簇结果,即为TA划分的结果。在本发明实施例中,TA规划结果示意如图3所示。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种用于5G网络跟踪区的规划方法,其特征在于,包括以下步骤:
S1:获取道路数据信息和小区参数;
S2:根据道路数据信息和小区参数确定TA划分数量;
S3:根据TA划分数量确定簇的数量,根据基站与道路的距离确定初始簇中心的位置;
S4:根据初始簇中心和基站小区相似度,运用K-means聚类进行TA规划。
2.根据权利要求1所述的一种用于5G网络跟踪区的规划方法,其特征在于,在步骤S1中,在规划区域范围内获取地图信息得到道路数据信息;根据5G网络参数规划,采集规划区域范围的所有基站的小区参数。
3.根据权利要求2所述的一种用于5G网络跟踪区的规划方法,其特征在于,所述小区参数包括基站类型、经度、纬度、中心频率、发射功率、归属AMF;基站类型包括室外宏站、室外微小站、室内分布系统。
6.根据权利要求5所述的一种用于5G网络跟踪区的规划方法,其特征在于,将初始簇中心记作HEAD={head1,head2,…,headk},为避免簇中心相距过近,使各簇中心距离不小于TA直径,即2r;具体选择过程为:
Ⅰ.当i=1,headi为邻近度指标排序首位的室外宏站;
Ⅱ.当1<i≤k,headi为邻近度指标排序次于headi-1的首个与任意HEAD内元素距离大于2r的室外宏站。
7.根据权利要求6所述的一种用于5G网络跟踪区的规划方法,其特征在于,在步骤S4中,包括以下步骤:
S41:对于每个非簇中心的样本点,计算其到各个簇中心的相似度;
S42:将每个非簇中心样本点归属至目标簇;
S43:对于每个簇,重新计算新的簇中心;
S44:若簇中心的集合HEAD发生更新,或有样本点所属簇变更的情况,重复迭代步骤S41-S43,否则迭代终止。
对任意样本点p,其特征值T定义为:该点距簇中心的距离X(p,head)、该点地理分布密度Y(p)和该点业务分布特征Z(p)的加权和,即:
T(p)=w1*X(p,head)+w2*Y(p)+w3*Z(p) (6)
点p距簇中心的距离X(p)计算:依据样本点的经纬度信息,经墨卡托坐标转化得到各点的平面坐标(x(p),y(p));依据平面坐标信息计算各点p到各簇中心的切比雪夫距离,并向上取整:
点p的地理分布密度Y(p)定义为,地域范围内任意两点间距离d之和与点p到其他点距离之和的比值:
点p的业务分布特征Z(p)为该点一定周期内上行UL(p)、下行DL(p)流量比值:
9.根据权利要求8所述的一种用于5G网络跟踪区的规划方法,其特征在于,步骤S42中,将每个非簇中心样本点归属至目标簇,具体步骤为:
Ⅰ.对于某个非簇中心样本点,选择与之有最大相似度的簇中心作为目标簇中心headtarget;
Ⅱ.判断样本点与headtarget是否属于同一个归属AMF,若属于,则归属于headtarget所属簇,结束步骤;若不属于,将headtarget剔除出该样本点的选择范围。
10.根据权利要求9所述的一种用于5G网络跟踪区的规划方法,其特征在于,步骤S43中,通过计算簇内各点距簇中心的距离、地理分布密度和业务分布特征,得到各点的特征值,进而计算出簇内的平均特征值,与平均特征值差距最小的点为该簇新的簇中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111014957.8A CN113766521A (zh) | 2021-08-31 | 2021-08-31 | 一种用于5g网络跟踪区的规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111014957.8A CN113766521A (zh) | 2021-08-31 | 2021-08-31 | 一种用于5g网络跟踪区的规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113766521A true CN113766521A (zh) | 2021-12-07 |
Family
ID=78792243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111014957.8A Pending CN113766521A (zh) | 2021-08-31 | 2021-08-31 | 一种用于5g网络跟踪区的规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113766521A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102264097A (zh) * | 2011-08-26 | 2011-11-30 | 北京铭润创展科技有限公司 | Gsm移动通信网络终端定位方法 |
CN103810270A (zh) * | 2014-01-28 | 2014-05-21 | 广东省电信规划设计院有限公司 | 跟踪区优化划分方法和装置 |
CN105323769A (zh) * | 2014-06-12 | 2016-02-10 | 中国移动通信集团贵州有限公司 | 一种跟踪区域规划方法及系统 |
CN108834077A (zh) * | 2018-07-04 | 2018-11-16 | 北京邮电大学 | 基于用户移动特性的跟踪区划分方法、装置及电子设备 |
CN110533693A (zh) * | 2019-08-29 | 2019-12-03 | 北京精英路通科技有限公司 | 一种目标跟踪方法及目标跟踪装置 |
WO2019242520A1 (zh) * | 2018-06-20 | 2019-12-26 | 菜鸟智能物流控股有限公司 | 物流配送站点规划方法和服务器 |
-
2021
- 2021-08-31 CN CN202111014957.8A patent/CN113766521A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102264097A (zh) * | 2011-08-26 | 2011-11-30 | 北京铭润创展科技有限公司 | Gsm移动通信网络终端定位方法 |
CN103810270A (zh) * | 2014-01-28 | 2014-05-21 | 广东省电信规划设计院有限公司 | 跟踪区优化划分方法和装置 |
CN105323769A (zh) * | 2014-06-12 | 2016-02-10 | 中国移动通信集团贵州有限公司 | 一种跟踪区域规划方法及系统 |
WO2019242520A1 (zh) * | 2018-06-20 | 2019-12-26 | 菜鸟智能物流控股有限公司 | 物流配送站点规划方法和服务器 |
CN108834077A (zh) * | 2018-07-04 | 2018-11-16 | 北京邮电大学 | 基于用户移动特性的跟踪区划分方法、装置及电子设备 |
CN110533693A (zh) * | 2019-08-29 | 2019-12-03 | 北京精英路通科技有限公司 | 一种目标跟踪方法及目标跟踪装置 |
Non-Patent Citations (1)
Title |
---|
蔡子华等: "5G 集群通信网技术方案探讨", 广东通信技术, no. 5, 15 May 2021 (2021-05-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2892267B1 (en) | Network resource optimization in communication networks | |
CN1070677C (zh) | 定位移动台的方法 | |
WO2019184586A1 (zh) | 基于物理引力模型部署无人机增强基站通信的方法及系统 | |
CN101296477B (zh) | 一种进行网络拓扑规划的方法及装置 | |
CN108181607A (zh) | 基于指纹库的定位方法、装置及计算机可读存储介质 | |
JP2001512940A (ja) | 移動端末位置決定のための楕円形捜索エリアカバレッジを使用するシステムおよび方法 | |
US20140011513A1 (en) | Mobile Device Location Estimation Using Operational Data of a Wireless Network | |
WO2014190528A1 (zh) | 基于业务分布的网络规划、优化方法及装置 | |
CN107241743B (zh) | 电网专网布局建设方法 | |
CN102395136A (zh) | 一种基于邻区场强信息的话务量分布计算方法及系统 | |
Grillo et al. | Teletraffic engineering for mobile personal communications in ITU-T work: The need to match practice and theory | |
CN108696877A (zh) | 跟踪区的边界小区的确认方法和装置 | |
CN107222871B (zh) | 一种td-lte 230无线专网电力基站规划方法 | |
CN112399458A (zh) | 一种移动通信网络流量的大数据分析方法 | |
WO2004107791A1 (en) | Method and system for planning and evaluation of radio networks | |
CN105072685B (zh) | 基于合作的异构无线网络分散资源分配方法 | |
CN113727278B (zh) | 一种路径规划方法、接入网设备及飞行控制设备 | |
CN111954275B (zh) | 一种面向无人机基站网络的用户多连接配置方法 | |
CN107347189B (zh) | 一种td-lte 230无线专网基站规划方法 | |
CN103442346B (zh) | 基于动态模拟方法的应急通信网络实时评估系统 | |
CN113766521A (zh) | 一种用于5g网络跟踪区的规划方法 | |
CN1512811A (zh) | 创建、管理和操作无线电通信网上业务量分布图的方法和系统 | |
CN110493793B (zh) | 基于容量lte规划新建站的方法及系统 | |
CN102457826B (zh) | 通信用户优惠区确定方法及装置 | |
Satwika et al. | eNodeB Position Forecasting of LTE Based On BTS Existing Using Fuzzy C-Means and Harmony Search Methods |
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 |