CN114025375A - 基于蜂窝分布识别技术的5g跟踪区异常检测方法及其系统 - Google Patents
基于蜂窝分布识别技术的5g跟踪区异常检测方法及其系统 Download PDFInfo
- Publication number
- CN114025375A CN114025375A CN202111315304.3A CN202111315304A CN114025375A CN 114025375 A CN114025375 A CN 114025375A CN 202111315304 A CN202111315304 A CN 202111315304A CN 114025375 A CN114025375 A CN 114025375A
- Authority
- CN
- China
- Prior art keywords
- base station
- tac
- type
- adjacent
- cells
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开基于蜂窝分布识别技术的5G跟踪区异常检测方法及其系统,根据基站和小区的TAC地图分布的规律,以基站之间距离和基站中心坐标轴4个象限为切入点,进行主小区和周边邻区TAC关系分析。建立两种TAC基站模型,并根据不同的场景精准识别TAC异常的小区。基于基站和小区的TAC地图分布的规律开展建模,可以根据基站地图实际分布,精准识别TAC异常的小区。本发明快速识别TAC异常的小区,帮助运维人员及时排查移动网络风险隐患。
Description
技术领域
本发明涉及无线/移动网技术领域,尤其涉及基于蜂窝分布识别技术的5G跟踪区异常检测方法及其系统。
背景技术
当前5G网络小区TAC异常问题的判断主要通过运维人员人工识别小区TAC地图分布的合理性,这种方式工作量大,无法精准判断TAC异常问题,且问题判断时间滞后;传统的TAC异常识别方法在准确性、时效性和完整性上很难达到要求。
TAC异常蜂窝分布识别技术基于基站TAC地图分布的规律,使TAC异常小区检测的准确性、完整性和时效性达大幅提升。
发明内容
本发明的目的在于提供基于蜂窝分布识别技术的5G跟踪区异常检测方法及其系统。
本发明采用的技术方案是:
基于蜂窝分布识别技术的5G跟踪区异常检测方法,其包括以下步骤:
步骤1,通过数据采集模块每天采集一次小区TAC的参数数据,并保存至数据仓库;
步骤2,基于基站和小区TAC的参数数据计算不同基站的TAC序列,基站TAC序列等于基站内所有小区TAC值去除重复;
例1如某基站ID为A包含3个小区,小区TAC分别为1,2和1,则基站A对应的TAC序列为(1,2)。
例2如某基站ID为B包含3个小区,小区TAC分别为1,1和1,则基站B对应的TAC序列为(1)。
步骤3,基于小区的TAC是否相同判断基的类型;
步骤4,根据基站蜂窝结构模型,对基站与相邻基站的距离关系进行建模,获取主基站周边最近的6个B类基站及其TAC序列;
步骤5,根据基站蜂窝结构模型,对基站与相邻基站的方位关系进行建模,获取基站周边每四个象限内最近的1个B类基站及其TAC序列,得到4个象限内相邻的B类基站和TAC序列;
步骤6,利用基站间距离分析和基站间方位分析的结果,应用场景判别方法判断TAC异常的小区。
进一步地,步骤3中基站类型分为A类基站和B类基站;当同一个基站内的所有小区的TAC不相同,则该基站为A类型基站;当同一个基站内的所有小区的TAC相同,则该基站为B类型基站。
进一步地,步骤5中建模方法为:
设定X=相邻基站经度-主基站经度,Y=相邻基站纬度-主基站纬度,则:
第一象限内相邻的B类基站=X>0且Y>0范围内与主基站中心点距离最近的一个B类基站;
第二象限内相邻的B类基站=X<0且Y>0范围内与主基站中心点距离最近的一个B类基站;
第三象限内相邻的B类基站=X<0且Y<0范围内与主基站中心点距离最近的一个B类基站;
第四象限内相邻的B类基站=X>0且Y<0范围内与主基站中心点距离最近的一个B类基站。
进一步地,步骤6中具体包括如下步骤:
步骤6-1,获取TAC异常分析模块的输出结果传送至实时流计算引擎;
步骤6-2,计算获取主基站周边4个象限各1个最近的B类型基站和周边最近的6个B类型基站,然后去除重复基站获得周边B类基站TAC序列;
步骤6-3,区分主基站类型,同时将主基站TAC序列和周边B类基站TAC序列进行场景关联;
步骤6-4,根据场景关联结果判断主基站TAC异常情况,生成主基站TAC异常判断结果;
当主基站为A类基站时,获取A类主基站和周边B类基站的TAC交集;将A类主基站减去该TAC交集得异常集合,
当异常集合为空集时,则判定异常集合中均为TAC异常小区;
当异常集合为非空时,则统计TAC交集中TAC的扇区数量,TAC扇区数量少的为TAC异常小区,当不同TAC的扇区数量一致时,随机一个TAC为异常TAC,其对应的小区为TAC异常小区;
当主基站为B类基站时,
当主基站为TAC2且周边B类型基站TAC序列包含TAC2,则对应的主基站正常;
当主基站为TAC2且周边B类型基站为非TAC2,则对应的主基站为TAC异常基站,TAC异常基站中的所有小区均为TAC异常小区。
进一步地,其还包括如下步骤:
步骤7,生成基站小区TAC异常的事件通知推送对应的网管系统,并在基站小区TAC异常时保存事件通知记录。
基于蜂窝分布识别技术的5G跟踪区异常检测系统,其包括以下模块:
数据采集模块:实时获取基站小区TAC的参数数据,
数据存储模块:用于存储历史所有的基站小区TAC参数数据,同时存储TAC异常小区的分析过程和结果;
实时流计算模块:实时处理数据采集模块采集的数据,实时计算各城市的不同基站间距离和基站周边四象限相邻基站,并进行TAC异常检测,将TAC异常的小区推送至5GR网管系统;
数据准备模块:基于基站和小区TAC的参数数据计算不同基站的TAC序列;
基站类型识别模块:基于小区的TAC是否相同判断基站的类型,
基站间距离分析模块:根据基站蜂窝结构模型对基站与相邻基站的距离关系进行建模,获取主基站周边最近的6个B类基站及对应的TAC序列;
基站间方位分析模块:根据基站蜂窝结构模型对基站与相邻基站的方位关系进行建模,获取基站周边每四个象限内最近的1个B类基站及对应的TAC序列,得到4个象限内相邻的B类基站和TAC序列;
小区TAC异常判别模块:利用基站间距离分析和基站间方位分析的结果,应用场景判别方法,判断TAC异常的小区。
进一步地,参数数据包括城市ID、基站ID、小区ID、站址经/纬度、小区TAC值。
进一步地,基站TAC序列等于基站内所有小区TAC值去除重复。
进一步地,基站类型分为A类基站和B类基站;当同一个基站内的所有小区的TAC不相同,则该基站为A类型基站;当同一个基站内的所有小区的TAC相同,则该基站为B类型基站。
进一步地,基站与相邻基站的距离关系模型的结构如下:
假设两个基站A(主基站经度,主基站纬度)、B(相邻基站经度,相邻基站纬度)坐标分别为A(x1,y1),B(x2,y2),则A和B两个基站之间的距离为:
进一步地,基站与相邻基站的方位关系模型的结构如下:
假设X=相邻基站经度-主基站经度,Y=相邻基站纬度-主基站纬度;
第一象限内相邻的B类基站=X>0且Y>0范围内与主基站中心点距离最近的一个B类基站;
第二象限内相邻的B类基站=X<0且Y>0范围内与主基站中心点距离最近的一个B类基站;
第三象限内相邻的B类基站=X<0且Y<0范围内与主基站中心点距离最近的一个B类基站;
第四象限内相邻的B类基站=X>0且Y<0范围内与主基站中心点距离最近的一个B类基站。
进一步地,还包括系统配置模块,系统配置模块责中央处理器运行指令和模型参数。
本发明采用以上技术方案,基于基站工程参数的小区TAC相关数据,提出移动通信网络蜂窝分布识别技术,根据小区TAC地图分布的规律,构建TAC异常小区地图分布模型,采用场景化识别方案,快速判别基站小区TAC异常问题,帮助运维人员及时排查移动网络风险隐患,减轻人工核查的工作强度,提高工作效率,保障移动网络高效、安全和稳定运行。
附图说明
以下结合附图和具体实施方式对本发明做进一步详细说明;
图1为本发明基于蜂窝分布识别技术的5G跟踪区异常检测系统的结构示意图;
图2为本发明基站的类型对比示意图;
图3主基站与相邻基站的距离关系模型的结构示意图;
图4主基站与相邻基站的方位关系模型的结构示意图;
图5为本发明A类主基站场景识别图;
图6为本发明B类主基站场景识别图;
图7为本发明基于蜂窝分布识别技术的5G跟踪区异常检测方法的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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、完整地描述。
如图1至7任一所示,本发明公开了基于蜂窝分布识别技术的5G跟踪区异常检测系统,其包括如下模块:
数据采集模块:该模块实时获取基站小区TAC的相关数据,如城市ID、基站ID、小区ID、站址经/纬度、小区TAC值。
数据存储模块:该模块用于存储历史所有的基站小区TAC相关数据,同时也存储TAC异常小区的分析过程和结果。
实时流计算模块:该模块实时处理数据采集模块采集回来的数据,实时计算各城市的不同基站间距离和基站周边四象限相邻基站,并进行TAC异常检测,对TAC异常的小区推送至5GR网管系统。
数据准备模块:该模块基于基站和小区TAC的参数数据计算不同基站的TAC序列,其中基站TAC序列等于基站内所有小区TAC值去除重复。
基站类型识别模块:该模块用于判断基站的类型,如图2所示,分为A类基站和B类基站两类。当同一个基站内的所有小区的TAC不相同,则该基站为A类型基站。当同一个基站内的所有小区的TAC相同,则该基站为B类型基站。
基站间距离分析模块:根据基站蜂窝结构模型,对基站与相邻基站的距离关系进行建模,获取主基站周边最近的6个B类基站及其TAC序列。基站与相邻基站的距离关系模型的结构如图3,其中:假设两个基站A(主基站经度,主基站纬度)、B(相邻基站经度,相邻基站纬度)坐标分别为A(x1,y1),B(x2,y2),则A和B两个基站之间的距离为:
进而,获取主基站周边最近的6个B类基站及其TAC序列。
基站间方位分析模块:根据基站蜂窝结构模型,对基站与相邻基站的方位关系进行建模,获取基站周边每四个象限内最近的1个B类基站及其TAC序列,共得到4个象限内相邻的B类基站和TAC序列。基站与相邻基站的方位关系模型的结构如图4,其中,假设X=相邻基站经度-主基站经度,Y=相邻基站纬度-主基站纬度。
第一象限内相邻的B类基站=X>0且Y>0范围内与主基站中心点距离最近的一个B类基站
第二象限内相邻的B类基站=X<0且Y>0范围内与主基站中心点距离最近的一个B类基站
第三象限内相邻的B类基站=X<0且Y<0范围内与主基站中心点距离最近的一个B类基站
第四象限内相邻的B类基站=X>0且Y<0范围内与主基站中心点距离最近的一个B类基站进而,获取主基站周边4个象限方位内相邻的4个B类基站及其TAC序列。
小区TAC异常判别模块:该利用基站间距离分析和基站间方位分析的结果,应用场景判别方法,判断TAC异常的小区。判断方法如下:
1)当主基站为A类基站时,关联获取主基站周边4个象限各1个最近的B类型基站和周边最近的6个B类型基站,然后去除重复基站获得周边B类基站TAC序列。比对A类主基站和周边B类基站的关系(参照图5),当场景1和场景2时,TAC1的小区为异常TAC小区。当场景3时,TAC1和TAC2的小区均为TAC异常小区。当场景4、场景5和场景6时,统计该A类型基站中TAC的扇区数量,TAC扇区数量少的为TAC异常小区,当该A类型基站中不同TAC的扇区数量一致时,随机一个TAC为异常TAC,其对应的小区为TAC异常小区。
2)当主基站为B类基站时,关联获取主基站周边4个象限各1个最近的B类型基站和周边最近的6个B类型基站,然后去除重复基站获得相邻B类基站TAC序列。比对B类主基站和周边B类基站的关系(参照图6),当主基站为场景1时,即主基站为TAC2且周边B类型基站TAC序列包含TAC2,则该主基站正常。当主基站为场景2时,即主基站为TAC2且周边B类型基站为非TAC2,则该主基站为TAC异常基站,该TAC异常基站中的所有小区均为TAC异常小区。
系统配置模块:该模块负责中央处理器运行指令和模型参数。
如图7所示,小区TAC异常分析模块实现如下:
步骤1,通过数据采集模块每天采集一次小区TAC的参数数据,并保存至数据仓库;
步骤2,基于基站和小区TAC的参数数据计算不同基站的TAC序列,基站TAC序列等于基站内所有小区TAC值去除重复;
例1如某基站ID为A包含3个小区,小区TAC分别为1,2和1,则基站A对应的TAC序列为(1,2)。
例2如某基站ID为B包含3个小区,小区TAC分别为1,1和1,则基站B对应的TAC序列为(1)。
步骤3,基于小区的TAC是否相同判断基站的类型;基站类型分为A类基站和B类基站;当同一个基站内的所有小区的TAC不相同,则该基站为A类型基站;当同一个基站内的所有小区的TAC相同,则该基站为B类型基站。
步骤4,根据基站蜂窝结构模型,对基站与相邻基站的距离关系进行建模,建模方法为:设定两个基站A(主基站经度,主基站纬度)、B(相邻基站经度,相邻基站纬度)坐标分别为A(x1,y1),B(x2,y2),则A和B两个基站之间的距离为:
进而,获取主基站周边最近的6个B类基站及其TAC序列;
步骤5,根据基站蜂窝结构模型,对基站与相邻基站的方位关系进行建模,建模方法为:设定X=相邻基站经度-主基站经度,Y=相邻基站纬度-主基站纬度,则:
第一象限内相邻的B类基站=X>0且Y>0范围内与主基站中心点距离最近的一个B类基站;
第二象限内相邻的B类基站=X<0且Y>0范围内与主基站中心点距离最近的一个B类基站;
第三象限内相邻的B类基站=X<0且Y<0范围内与主基站中心点距离最近的一个B类基站;
第四象限内相邻的B类基站=X>0且Y<0范围内与主基站中心点距离最近的一个B类基站。
进而,获取基站周边每四个象限内最近的1个B类基站及其TAC序列,得到4个象限内相邻的B类基站和TAC序列;
步骤6,利用基站间距离分析和基站间方位分析的结果,应用场景判别方法判断并生成主基站TAC异常分析结果;
进一步地,主基站TAC异常分析结果输入智能检测模块实现如下步骤:
步骤6-1,获取TAC异常分析模块的输出结果,存数据传送至实时流计算引擎;
步骤6-2、计算获取主基站周边4个象限方位内相邻的4个B类基站和周边最近的6个B类型基站,然后去除重复基站获得周边B类基站TAC序列;
步骤6-3、区分主基站类型,包含A类型主基站和B类型主基站。当同一个主基站内的所有小区的TAC不相同,则该基站为A类型主基站。当同一个基站内的所有小区的TAC相同,则该基站为B类型主基站。主基站TAC序列和周边B类基站TAC序列场景关联,基于不同的主基站类型参照图5和图6开展场景关联。
步骤6-4、根据场景关联结果判断主基站TAC异常情况;生成主基站TAC异常判断结果。
进一步地,还包括步骤7,产生基站小区TAC异常的事件通知;如果基站小区TAC异常,系统保存事件通知记录,并推送至5GR综合网管系统。
本发明采用以上技术方案,基于基站工程参数的小区TAC相关数据,提出移动通信网络蜂窝分布识别技术,根据小区TAC地图分布的规律,构建TAC异常小区地图分布模型,采用场景化识别方案,快速判别基站小区TAC异常问题,帮助运维人员及时排查移动网络风险隐患,减轻人工核查的工作强度,提高工作效率,保障移动网络高效、安全和稳定运行。
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。在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
Claims (10)
1.基于蜂窝分布识别技术的5G跟踪区异常检测方法,其特征在于:其包括以下步骤:
步骤1,通过数据采集模块每天采集一次小区TAC的参数数据,并保存至数据仓库;
步骤2,基于基站和小区TAC的参数数据计算不同基站的TAC序列,基站TAC序列等于基站内所有小区TAC值去除重复;
步骤3,基于小区的TAC是否相同判断基站的类型;基站类型分为A类基站和B类基站;当同一个基站内的所有小区的TAC不相同,则该基站为A类型基站;当同一个基站内的所有小区的TAC相同,则该基站为B类型基站;
步骤4,根据基站蜂窝结构模型,对基站与相邻基站的距离关系进行建模,获取主基站周边最近的6个B类基站及其TAC序列;
步骤5,根据基站蜂窝结构模型,对基站与相邻基站的方位关系进行建模,获取基站周边每四个象限内最近的1个B类基站及其TAC序列,得到4个象限内相邻的B类基站和TAC序列;
步骤6,利用基站间距离分析和基站间方位分析的结果,应用场景判别方法判断TAC异常的小区。
3.根据权利要求1所述的基于蜂窝分布识别技术的5G跟踪区异常检测方法,其特征在于:步骤5中建模方法为:
设定X=相邻基站经度-主基站经度,Y=相邻基站纬度-主基站纬度,则:
第一象限内相邻的B类基站=X>0且Y>0范围内与主基站中心点距离最近的一个B类基站;
第二象限内相邻的B类基站=X<0且Y>0范围内与主基站中心点距离最近的一个B类基站;
第三象限内相邻的B类基站=X<0且Y<0范围内与主基站中心点距离最近的一个B类基站;
第四象限内相邻的B类基站=X>0且Y<0范围内与主基站中心点距离最近的一个B类基站。
4.根据权利要求1所述的基于蜂窝分布识别技术的5G跟踪区异常检测方法,其特征在于:
步骤6中具体包括如下步骤:
步骤6-1,获取TAC异常分析模块的输出结果传送至实时流计算引擎;
步骤6-2,计算获取主基站周边4个象限各1个最近的B类型基站和周边最近的6个B类型基站,然后去除重复基站获得周边B类基站TAC序列;
步骤6-3,区分主基站类型,同时将主基站TAC序列和周边B类基站TAC序列进行场景关联;
步骤6-4,根据场景关联结果判断主基站TAC异常情况,生成主基站TAC异常判断结果;
当主基站为A类基站时,获取A类主基站和周边B类基站的TAC交集;将A类主基站减去该TAC交集得异常集合,
当异常集合为空集时,则判定异常集合中均为TAC异常小区;
当异常集合为非空时,则统计TAC交集中TAC的扇区数量,TAC扇区数量少的为TAC异常小区,当不同TAC的扇区数量一致时,随机一个TAC为异常TAC,其对应的小区为TAC异常小区;
当主基站为B类基站时,
当主基站为TAC2且周边B类型基站TAC序列包含TAC2,则对应的主基站正常;
当主基站为TAC2且周边B类型基站为非TAC2,则对应的主基站为TAC异常基站,TAC异常基站中的所有小区均为TAC异常小区。
5.根据权利要求1所述的基于蜂窝分布识别技术的5G跟踪区异常检测方法,其特征在于:其还包括如下步骤:
步骤7,生成基站小区TAC异常的事件通知推送对应的网管系统,并在基站小区TAC异常时保存事件通知记录。
6.基于蜂窝分布识别技术的5G跟踪区异常检测系统,采用权利要求1至5任一所述的基于蜂窝分布识别技术的5G跟踪区异常检测方法,其特征在于:系统包括以下模块:
数据采集模块:实时获取基站小区TAC的参数数据,参数数据包括城市ID、基站ID、小区ID、站址经/纬度、小区TAC值;
数据存储模块:用于存储历史所有的基站小区TAC参数数据,同时存储TAC异常小区的分析过程和结果;
实时流计算模块:实时处理数据采集模块采集的数据,实时计算各城市的不同基站间距离和基站周边四象限相邻基站,并进行TAC异常检测,将TAC异常的小区推送至5GR网管系统;
数据准备模块:基于基站和小区TAC的参数数据计算不同基站的TAC序列;基站TAC序列等于基站内所有小区TAC值去除重复;
基站类型识别模块:基于小区的TAC是否相同判断基站的类型,
基站间距离分析模块:根据基站蜂窝结构模型对基站与相邻基站的距离关系进行建模,获取主基站周边最近的6个B类基站及对应的TAC序列;
基站间方位分析模块:根据基站蜂窝结构模型对基站与相邻基站的方位关系进行建模,获取基站周边每四个象限内最近的1个B类基站及对应的TAC序列,得到4个象限内相邻的B类基站和TAC序列;
小区TAC异常判别模块:利用基站间距离分析和基站间方位分析的结果,应用场景判别方法,判断TAC异常的小区。
7.根据权利要求6所述的基于蜂窝分布识别技术的5G跟踪区异常检测系统,其特征在于:基站类型分为A类基站和B类基站;当同一个基站内的所有小区的TAC不相同,则该基站为A类型基站;当同一个基站内的所有小区的TAC相同,则该基站为B类型基站。
9.根据权利要求6所述的基于蜂窝分布识别技术的5G跟踪区异常检测系统,其特征在于:基站与相邻基站的方位关系模型的结构如下:
假设X=相邻基站经度-主基站经度,Y=相邻基站纬度-主基站纬度;
第一象限内相邻的B类基站=X>0且Y>0范围内与主基站中心点距离最近的一个B类基站;
第二象限内相邻的B类基站=X<0且Y>0范围内与主基站中心点距离最近的一个B类基站;
第三象限内相邻的B类基站=X<0且Y<0范围内与主基站中心点距离最近的一个B类基站;
第四象限内相邻的B类基站=X>0且Y<0范围内与主基站中心点距离最近的一个B类基站。
10.根据权利要求6所述的基于蜂窝分布识别技术的5G跟踪区异常检测系统,其特征在于:还包括系统配置模块,系统配置模块责中央处理器运行指令和模型参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111315304.3A CN114025375B (zh) | 2021-11-08 | 2021-11-08 | 基于蜂窝分布识别技术的5g跟踪区异常检测方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111315304.3A CN114025375B (zh) | 2021-11-08 | 2021-11-08 | 基于蜂窝分布识别技术的5g跟踪区异常检测方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114025375A true CN114025375A (zh) | 2022-02-08 |
CN114025375B CN114025375B (zh) | 2023-07-04 |
Family
ID=80062448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111315304.3A Active CN114025375B (zh) | 2021-11-08 | 2021-11-08 | 基于蜂窝分布识别技术的5g跟踪区异常检测方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114025375B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114173363A (zh) * | 2022-02-10 | 2022-03-11 | 深圳市优网科技有限公司 | 一种tac规划异常的检测方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107333311A (zh) * | 2017-07-25 | 2017-11-07 | 武汉虹信通信技术有限责任公司 | 一种防止lte终端在空闲态反复发起跟踪区更新流程的方法 |
EP3466146A1 (en) * | 2016-05-23 | 2019-04-10 | Nec Corporation | Communication system |
US20190230532A1 (en) * | 2018-01-23 | 2019-07-25 | T-Mobile Usa, Inc. | Local monitoring of cellular base stations |
CN111935733A (zh) * | 2019-05-13 | 2020-11-13 | 中国移动通信集团湖北有限公司 | 基站位置信息的核查方法、装置、设备及计算机存储介质 |
CN112752270A (zh) * | 2021-04-02 | 2021-05-04 | 华信咨询设计研究院有限公司 | 一种基于切换的5g跟踪区边界优化方法 |
-
2021
- 2021-11-08 CN CN202111315304.3A patent/CN114025375B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3466146A1 (en) * | 2016-05-23 | 2019-04-10 | Nec Corporation | Communication system |
CN107333311A (zh) * | 2017-07-25 | 2017-11-07 | 武汉虹信通信技术有限责任公司 | 一种防止lte终端在空闲态反复发起跟踪区更新流程的方法 |
US20190230532A1 (en) * | 2018-01-23 | 2019-07-25 | T-Mobile Usa, Inc. | Local monitoring of cellular base stations |
CN111935733A (zh) * | 2019-05-13 | 2020-11-13 | 中国移动通信集团湖北有限公司 | 基站位置信息的核查方法、装置、设备及计算机存储介质 |
CN112752270A (zh) * | 2021-04-02 | 2021-05-04 | 华信咨询设计研究院有限公司 | 一种基于切换的5g跟踪区边界优化方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114173363A (zh) * | 2022-02-10 | 2022-03-11 | 深圳市优网科技有限公司 | 一种tac规划异常的检测方法、装置及存储介质 |
CN114173363B (zh) * | 2022-02-10 | 2022-04-15 | 深圳市优网科技有限公司 | 一种tac规划异常的检测方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114025375B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108181607B (zh) | 基于指纹库的定位方法、装置及计算机可读存储介质 | |
CN108513251B (zh) | 一种基于mr数据的定位方法及系统 | |
CN110166991B (zh) | 用于定位电子设备的方法、设备、装置以及存储介质 | |
CN110418285A (zh) | 一种无线电地图的建立方法及装置 | |
CN106845324B (zh) | 路牌信息的处理方法和装置 | |
CN108375363B (zh) | 天线方位角偏转核查方法、装置、设备及介质 | |
US20130065615A1 (en) | Location measuring method and apparatus using access point for wireless local area network service | |
CN111935820B (zh) | 基于无线网络的定位实现方法及相关设备 | |
CN111080501B (zh) | 基于手机信令数据的真实人群密度时空分布估算方法 | |
CN108271157B (zh) | 一种伪基站识别方法及装置 | |
CN109936820B (zh) | 一种用户终端定位方法及装置 | |
CN108416514B (zh) | 基于地理信息系统的邻区规划方法及装置 | |
CN114025375A (zh) | 基于蜂窝分布识别技术的5g跟踪区异常检测方法及其系统 | |
CN108574927B (zh) | 一种移动终端定位方法及装置 | |
CN108540926B (zh) | 一种无线信号指纹的构建方法及装置 | |
CN111212381B (zh) | 移动用户行为数据分析方法、装置、计算机设备和介质 | |
CN112749894A (zh) | 一种缺陷检测模型评价方法以及装置 | |
CN112702761A (zh) | 一种无线传感器网络覆盖空洞检测方法及系统 | |
CN116070807B (zh) | 一种基于空间关系的电站巡检路径规划方法及装置 | |
CN107580329B (zh) | 一种网络分析优化方法及装置 | |
CN115550757A (zh) | 一种电力配电杆塔监测预警系统 | |
CN109493427B (zh) | 一种智能模型训练方法及装置、一种碰撞检测方法及装置 | |
CN107182066B (zh) | 一种基于周期性测量数据的全网站点工参核查方法及装置 | |
CN114040405B (zh) | 位置区码插花小区识别方法及装置 | |
CN104077724A (zh) | 一种面向物联网综合应用的基础空间信息架构方法 |
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 |