CN114205737B - 基站小区位置识别方法、装置及服务器 - Google Patents

基站小区位置识别方法、装置及服务器 Download PDF

Info

Publication number
CN114205737B
CN114205737B CN202111398004.6A CN202111398004A CN114205737B CN 114205737 B CN114205737 B CN 114205737B CN 202111398004 A CN202111398004 A CN 202111398004A CN 114205737 B CN114205737 B CN 114205737B
Authority
CN
China
Prior art keywords
target
cell
base station
neighbor
determining
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
Application number
CN202111398004.6A
Other languages
English (en)
Other versions
CN114205737A (zh
Inventor
何春霞
何文灿
林秋爽
何棱
陈刚
熊金州
邹卫新
张永杰
李铁军
曾昭才
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202111398004.6A priority Critical patent/CN114205737B/zh
Publication of CN114205737A publication Critical patent/CN114205737A/zh
Application granted granted Critical
Publication of CN114205737B publication Critical patent/CN114205737B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • 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)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种基站小区位置识别方法、装置及服务器，该方法包括：获取预设筛选时间段内目标基站小区对应的至少一条目标测量数据，并根据所有的目标测量数据确定所有目标邻区；获取每个目标邻区对应的所有待测邻区的位置信息，并根据所有待测邻区的位置信息对所有目标邻区进行聚类获得目标类簇，根据目标类簇包含的所有目标邻区的位置信息确定目标区域，若判定目标基站小区不在目标区域包含的范围内，则根据目标类簇包含的所有目标邻区的位置信息确定目标基站小区的位置信息，解决了当前人工确定基站小区位置时间长和成本高的问题。

Description

基站小区位置识别方法、装置及服务器
技术领域
本发明涉及通信技术领域，尤其涉及一种基站小区位置识别方法、装置及服务器。
背景技术
随着移动网络的发展，第五代移动通信技术已经规模部署，基站的建设、维护和优化是网络运营中的重要环节，基站小区的位置是影响网络优化、网络规划的重要参数。
现有技术中，一般是通过人工现场测量的方式确认基站小区的位置。网络工程师在基站小区的安装现场，使用GPS测量仪手工测量，以确定该基站小区的准确位置，并根据新的位置信息对关联工参中记录的基站小区的位置参数进行修正。
然而，现有的通过人工测量基站小区位置的方法，不仅需要耗费大量的人力物力，且耗费时间长、成本高，无法满足当前5G大规模网络配置的需求。
发明内容
本发明提供一种基站小区位置识别方法、装置及服务器，通过提供一种利用邻区位置识别基站小区位置的方法，以克服现有人工确定基站小区位置时间长和成本高的问题。
第一方面，本发明提供一种基站小区位置识别方法，包括：
获取预设筛选时间段内目标基站小区对应的至少一条目标测量数据，并根据所有的目标测量数据确定所有目标邻区；
获取每个目标邻区对应的所有待测邻区的位置信息，并根据所述所有待测邻区的位置信息对所有目标邻区进行聚类获得目标类簇，其中所述目标类簇是根据聚类后的各类簇中的目标邻区数量确定的；
根据所述目标类簇包含的所有目标邻区的位置信息确定目标区域，若判定所述目标基站小区不在所述目标区域包含的范围内，则根据所述目标类簇包含的所有目标邻区的位置信息确定目标基站小区的位置信息。
在一种可能的设计中，所述获取每个目标邻区对应的所有待测邻区的位置信息，并根据所述所有待测邻区的位置信息对所有目标邻区进行聚类获得目标类簇，包括：
根据所述目标邻区的位置信息确定对应的预设数量的待测邻区，并根据所述目标邻区对应的所有待测邻区确定所述目标邻区对应的站间距；
根据所有目标邻区对应的站间距确定邻区站间距中位数，并根据所述邻区站间距中位数以及预设比例参数确定聚类半径；
根据所述聚类半径以及预设聚类点数对所有目标邻区进行聚类获得至少一个类簇，并将包含目标邻区数量最大的类簇作为目标类簇。
在一种可能的设计中，根据所述目标邻区的位置信息确定对应的预设数量的待测邻区，并根据所述目标邻区对应的所有待测邻区确定所述目标邻区对应的站间距，包括：
根据所述目标邻区的位置信息以及预设半径确定所述目标邻区对应的待测区域，并将所述待测区域包含的所有邻区作为关联邻区，确定每个关联邻区与所述目标邻区的距离；
将所述每个关联邻区与所述目标邻区的距离进行排序，并按照由小到大的顺序获得所述目标邻区对应的预设数量的待测邻区；
确定每个目标邻区对应的所有待测邻区与所述目标邻区之间距离平均值，并将所述距离平均值作为所述目标邻区对应的站间距。
在一种可能的设计中，在所述根据所有的目标测量数据确定所有目标邻区之后，还包括：
按照预设时间间隔确定所有的目标测量数据对应的至少一条会话数据；
根据所有的会话数据确定每个目标邻区对应的权重系数，其中所述权重系数为每个目标邻区在同一条会话数据中对应的切换次数。
在一种可能的设计中，所述根据所述所有待测邻区的位置信息对所有目标邻区进行聚类获得目标类簇，包括：
根据所述所有待测邻区的位置信息对所有目标邻区进行聚类获得至少一个类簇；
根据所有类簇包含的目标邻区的数量确定最大类簇，若存在两个最大类簇时，则根据每个最大类簇中包含的所有目标邻区对应的权重系数总和确定每个最大类簇对应的类簇参数，并将所述类簇参数大的最大类簇作为目标类簇。
在一种可能的设计中，所述目标邻区的位置信息包含经度参数和纬度参数，在所述根据所述目标类簇包含的所有目标邻区的位置信息确定目标区域之后，还包括：
若判定所述目标基站小区不在所述目标区域包含的范围内，则根据所述目标类簇包含的所有目标邻区的经度参数和权重系数确定目标基站小区的经度参数，并根据所述目标类簇包含的所有目标邻区的纬度参数和权重系数确定目标基站小区的纬度参数。
第二方面，本发明提供一种基站小区位置识别装置，包括：
获取模块，用于获取预设筛选时间段内目标基站小区对应的至少一条目标测量数据，并根据所有的目标测量数据确定所有目标邻区；
聚类模块，用于获取每个目标邻区对应的所有待测邻区的位置信息，并根据所述所有待测邻区的位置信息对所有目标邻区进行聚类获得目标类簇，其中所述目标类簇是根据聚类后的各类簇中的目标邻区数量确定的；
确定模块，用于根据所述目标类簇包含的所有目标邻区的位置信息确定目标区域，若判定所述目标基站小区不在所述目标区域包含的范围内，则根据所述目标类簇包含的所有目标邻区的位置信息确定目标基站小区的位置信息。
第三方面，本发明提供一种服务器，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基站小区位置识别方法。
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基站小区位置识别方法。
本发明提供的基站小区位置识别方法、装置及服务器，该方法通过获取每个目标邻区对应的所有待测邻区的位置信息，并根据所有待测邻区的位置信息对所有目标邻区进行聚类获得包含的邻区数量最多的目标类簇，若判定目标基站小区不在目标类簇对应的目标区域包含的范围内，则根据目标类簇包含的所有目标邻区的位置信息确定目标基站小区的位置信息，解决了当前人工确定基站小区位置时间长和成本高的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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是本发明示例性实施例提供的基站小区位置识别方法的应用场景示意图；
图2为本发明实施例提供的基站小区位置识别方法的流程示意图一；
图3为本发明实施例提供的待测邻区位置示意图；
图4为本发明实施例提供的基站小区位置识别方法的流程示意图二；
图5为本发明实施例提供的基站小区位置识别装置的结构示意图；
图6为本发明实施例提供的服务器的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
随着移动网络的发展，第五代移动通信技术已经规模部署，基站的建设、维护和优化是网络运营中的重要环节，其中基站的位置信息尤为重要，是影响网络优化、网络规划的重要参数。基站位置信息不准确，会导致规划选址错误，邻区漏配和错配，扰码规划、物理基站小区标识配置错误等问题，甚至会误导后台问题分析，误导网络资源的合理配置，对移动网络的规划、维护和优化产生较大影响，严重影响移动网络质量提升。现有技术基于人工测量基站位置信息的方式需要耗费大量的人力物力，且耗费时间长，成本高。而且通过人工解决的问题范围受限，无法覆盖到全网所有基站。因此现有的人工测量基站小区位置的方法无法满足当前日益庞大的网络规模应用的需要。
为了解决上述技术问题，本公开实施例提出以下技术方案：通过获取每个目标邻区对应的所有待测邻区的位置信息，并根据所有待测邻区的位置信息对所有目标邻区进行聚类获得包含的邻区数量最多的目标类簇，若判定目标基站小区不属于目标类簇对应的目标区域包含的范围内，则根据目标类簇包含的所有目标邻区的位置信息确定目标基站小区的位置信息，解决了当前人工测量基站小区位置时间长和成本高的问题。下面采用详细的实施例进行详细说明。
图1是本发明示例性实施例提供的基站小区位置识别方法的应用场景示意图。如图1所示，基站小区102为本方案中需要确认位置的目标基站小区，基站小区102、基站小区103、基站小区104同属于一个核心网下，处于基站小区102、基站小区103以及基站小区104网络覆盖范围内的所有终端向该核心网下的的操作与维护中心(Operations&MaintenanceCenter，OMC)服务器101发送测量报告(Measurement Report，MR)，使得OMC服务器101通过MR测量报告评估基站小区102、基站小区103、基站小区104的无线网络覆盖质量。在本发明中，OMC服务器101通过采用本发明提供的方法，根据位于基站小区103和基站小区104覆盖的网络范围内的终端发送的MR测量报告确认基站小区102的位置，并根据确认后的新的位置信息调整关联工参中记录的基站小区102的位置参数。
图2为本发明实施例提供的基站小区位置识别方法的流程示意图一，本实施例的执行主体可以为图1所示实施例中的服务器，本实施例此处不做特别限制。如图2所示，该方法包括：
S201：获取预设筛选时间段内目标基站小区对应的至少一条目标测量数据，并根据所有的目标测量数据确定所有目标邻区。
在本发明实施例中，获取预设筛选时间段内目标基站小区网络覆盖范围内的终端向所属核心网中的OMC服务器上发MR测量报告，该OMC服务器还接收其他基站小区网络覆盖范围内的终端发送的MR测量报告。示例性的，筛选的时间段为10秒钟。目标测量数据包含测量发生时间、主服务基站标识、基站小区标识、接入和移动性管理标识、接入和移动性管理组标识、接入和移动性管理区域标识以及用户会话标识。
在本发明实施例中，OMC服务器在获得的所有MR测量报告中识别出切换到目标基站小区网络的MR测量报告。并将识别到的MR测量报告进行筛选出接入和移动性管理标识(Access and Mobility Management Function，AMF)、AMF组标识、AMF区域标识以及用户会话标识均不为空的MR测量报告，将筛选后的数据作为目标测量数据。示例性的，每条目标测量数据中还包含测量发生时间、主服务基站标识、基站小区标识。示例性的，目标基站小区对应的主服务基站标识为7823444，对应的基站小区标识为0，通过在获得的所有MR测量报告中筛选目标基站小区对应的所有MR测量数据，获得了用户会话标识为39231947048和73242378764两条MR测量数据。根据该两条MR测量数据实际网络切换时对应的所有MR测量数据获得目标基站小区对应的所有目标测量数据，且目标测量数据中AMF标识、AMF组标识以及AMF区域标识均一致。如表1所示，表1为筛选后获得的7条目标测量数据。
表1
Figure BDA0003370705200000061
在本发明实施例中，在获得了目标基站小区对应的所有目标测量数据之后，根据所有目标测量数据确定与目标基站小区属于邻区关系的目标邻区。如表所示，通过获得的8条目标测量数据确定目标邻区1为主服务基站标识7832045以及基站小区标识1，目标邻区2为主服务基站标识7845342以及基站小区标识1、目标邻区3为主服务基站标识7867843以及基站小区标识1。
S202：获取每个目标邻区对应的所有待测邻区的位置信息，并根据所有待测邻区的位置信息对所有目标邻区进行聚类获得目标类簇，其中目标类簇是根据聚类后的各类簇中的目标邻区数量确定的。
在OMC服务器中存储了所有基站小区的工参数据。在本发明实施例中，在获得了所有目标邻区的主服务基站标识以及基站小区标识之后，在工参数据中筛选出所有目标邻区的位置信息。
示例性的，根据目标邻区的位置信息以及预设半径确定目标邻区对应的待测区域，并将待测区域包含的所有邻区作为关联邻区，确定每个关联邻区与目标邻区的距离；将每个关联邻区与目标邻区的距离进行排序，并按照由小到大的顺序获得目标邻区对应的预设数量的待测邻区；确定每个目标邻区对应的所有待测邻区与目标邻区之间距离平均值，并将距离平均值作为目标邻区对应的站间距。
具体的，图3为本发明实施例提供的待测邻区位置示意图。以目标邻区1为例，如图3所示，根据目标邻区1的位置信息确定对应的预设数量的待测邻区。示例性的，预设数量为6。以目标邻区1为圆心，覆盖半径为5公里，查找属于该范围内的所有关联邻区以及具体的位置信息，并确认该范围内的所有关联邻区与目标邻区1之间的距离。并将与目标邻区1之间的距离最近的6个基站小区作为目标邻区1对应的所有待测邻区，示例性的，6个待测邻区到目标邻区1的距离分别为r1、r2、r3、r4、r5以及r6。根据目标邻区对应的所有待测邻区确定目标邻区对应的站间距。示例性的，目标邻区1与对应的所有待测邻区之间的距离分别为r1、r2、r3、r4、r5以及r6，目标邻区1对应的站间距为r1、r2、r3、r4、r5以及r6的平均值。
在本发明实施例中，在获得了所有目标邻区对应的站间距之后，根据所有目标邻区对应的站间距确定邻区站间距中位数。具体的，将全部目标邻区对应的站间距从小到大依次排列，提取最中间的数为邻区站间距中位数，若邻区个数为偶数，则取中间两个数的平均数为邻区站间距中位数。示例性的，目标基站小区对应了n个目标邻区，该n个目标邻区对应的站间距从小到大顺序排列为d(1)，d(2)，...，d(n)，其中n为正整数。当n为奇数时，邻区站间距中位数D为d(n+1)/2，当n为偶数时，邻区站间距中位数D如公式(1)所示：
Figure BDA0003370705200000081
在本发明实施例中，根据邻区站间距中位数以及预设比例参数确定聚类半径。其中，预设比例参数的取值大于1，示例性的，根据现网实验的结果，预设比例参数的取值可以为1.5。根据聚类半径以及预设聚类点数对所有目标邻区进行聚类获得至少一个类簇，并将包含目标邻区数量最大的类簇作为目标类簇。示例性的，根据现网实验的结果设置预设聚类点数为3。根据聚类半径和最小点数进行DBSCAN密度聚类，找出所有目标邻区的类簇，即为所有目标邻区组合，并从中找出目标邻区数量最大的类簇，将包含目标邻区数量最大的类簇作为目标类簇。示例性的，具体聚类过程如下：
1、示例性的，记录每个目标邻区的位置点为xi＝(lngi,lati)，输入目标邻区集合D＝(x1,x2,...,xn)中，将所有目标邻区的点设置为未标记的状态，其中，邻域参数为Eps(聚类半径，MinPts)，样本距离度量方式为两个目标邻区经纬度距离。其中MinPts为预设聚类点数；
2、随机选择某个目标邻区的点xp作为簇Ci的核心对象，并将该目标邻区标记为已经访问状态；
3、通过距离度量方式找到核心目标邻区的点xp的ε邻域子样本集，如公式(2)所示：
NEps(xp)＝{xi∈D|dist(xi,xp)≤Eps}，|Nε(xj)|≥MinPts (2)
其中，初始点xp的邻域记为N；
4、对于邻域集合Nε(xp)中的每个点P，重复步骤2、3和本步骤，并将Nε(xp)添加到N中，直到下个p点为边界点，其中|Nε(xj)|＜MinPts，此时将N集合作为一个C1类簇集合；
5、如果剩余的、不属于以上C1类簇集合的目标邻区的点m，则将m作为一个新的簇的核心对象，并重复执行2、3和4步骤；
6、直到所有的点都被标记如果当前簇核心对象队列Ωcur不为空，则当前类簇生成完毕，结束聚类过程，输出结果C＝{C1，C2,...,Ck}。
在本发明实施例中，在依据上述聚类过程获得了所有类簇之后，可根据聚类后的各类簇中的目标邻区数量确定目标类簇，即根据各类簇中包含的目标邻区数量以及包含的所有目标邻区的分散情况确定目标类簇。具体的，可将包含的目标邻区数量最多的类簇作为目标类簇。
S203：根据目标类簇包含的所有目标邻区的位置信息确定目标区域，若判定目标基站小区不在目标区域包含的范围内，则根据目标类簇包含的所有目标邻区的位置信息确定目标基站小区的位置信息。
在本发明实施例中，根据目标类簇包含的所有目标邻区的位置信息确定目标区域。获得目标类簇中所有目标邻区的经度参数和维度参数，并根据所有目标邻区的经度参数和维度参数确定目标区域，即以所有目标邻区为边界点确定的一个封闭的区域。若目标基站小区在目标区域包含的范围内，即根据关联工参信息中记录的目标基站小区的位置在目标区域包含的范围内，则说明关联工参信息中记录的目标基站小区的位置准确，不需要修正。若判定目标基站小区不在目标区域包含的范围内，即根据关联工参信息中记录仪的目标基站小区的位置不在目标区域包含的范围内，则根据目标类簇包含的所有目标邻区的位置信息确定目标基站小区的位置信息。具体的，将目标类簇包含的所有目标邻区的经度参数的平均值作为目标基站小区经度参数，将目标类簇包含的所有目标邻区的纬度参数的平均值作为目标基站小区纬度参数。
本实施例提供的基站小区位置识别方法，通过获取每个目标邻区对应的所有待测邻区的位置信息，并根据所有待测邻区的位置信息对所有目标邻区进行聚类获得包含的邻区数量最多的目标类簇，若判定目标基站小区不在目标类簇对应的目标区域包含的范围内，则根据目标类簇包含的所有目标邻区的位置信息确定目标基站小区的位置信息，并根据确认后的新的位置信息调整关联工参中记录的目标基站小区的位置信息。解决了当前人工确定基站小区位置时间长和成本高的问题，满足了5G大规模网络配置需求。
图4为本发明实施例提供的基站小区位置识别方法的流程示意图二。如图4所示，该方法包括：
S401：获取预设筛选时间段内目标基站小区对应的至少一条目标测量数据，并根据所有的目标测量数据确定所有目标邻区。
本步骤与图2实施例中S201实现的方法和效果类似，在此不再赘述。
S402：按照预设时间间隔确定所有的目标测量数据对应的至少一条会话数据；根据所有的会话数据确定每个目标邻区对应的权重系数，其中权重系数为每个目标邻区在同一条会话数据中对应的切换次数。
在本发明实施例中，在获得了所有目标测量数据以及目标邻区的信息之后，按照预设时间间隔确定所有的目标测量数据中包含的所有会话数据，即在所有的目标测量数据中提取用户会话标识相同的所有测量数据作为一条会话数据。示例性的，在表1的基础上识别出2条会话数据，对应的用户会话标识为39231947048以及73242378764。其中用户会话标识为39231947048的会话数据对应了3条目标测量数据，涉及到目标基站小区7823444-0和目标邻区7832045-1，用户会话标识为73242378764的会话数据对应了4条目标测量数据，涉及到目标基站小区7823444-0、目标邻区7845342-1以及目标邻区7867843-1，将每个目标邻区在同一条会话数据中对应的切换次数作为每个目标邻区对应的权重系数。示例性的，在表1记录的目标测量数据中，在39231947048会话数据中，目标邻区7832045-1在2021-08-2100:00:15.220进行了一次网络切换，则目标邻区7832045-1的切换次数为1。在73242378764会话数据中，接入的网络在2021-08-21 00:10:15.120由目标基站小区7823444-0切换至7845342-1，在2021-08-21 00:10:15.220由目标邻区7845342-1切换至目标基站小区7823444-0，则目标邻区7832045-1的切换次数为2，相应的，目标邻区7845343-1的切换次数为1。
S403：获取每个目标邻区对应的所有待测邻区的位置信息。
本步骤与图2实施例中S202实现的方法和效果类似，在此不再赘述。
S404：根据所有待测邻区的位置信息对所有目标邻区进行聚类获得至少一个类簇；根据所有类簇包含的目标邻区的数量确定最大类簇；若存在两个最大类簇时，则根据每个最大类簇中包含的所有目标邻区对应的权重系数总和确定每个最大类簇对应的类簇参数，并将类簇参数大的最大类簇作为目标类簇。
在本发明实施例中，在根据S202的方法获得了多个类簇之后，若存在存在两个最大类簇时，将每个最大类簇中包含的所有目标邻区对应的权重系数总和作为类簇参数，并将类簇参数大的最大类簇作为目标类簇。
S405：根据目标类簇包含的所有目标邻区的位置信息确定目标区域。
本步骤与图2实施例中S203实现的方法和效果类似，在此不再赘述。
S406：若判定目标基站小区不在目标区域包含的范围内，则根据目标类簇包含的所有目标邻区的经度参数和权重系数确定目标基站小区的经度参数，并根据目标类簇包含的所有目标邻区的纬度参数和权重系数确定目标基站小区的纬度参数。
在本发明实施例中，若判定目标基站小区不在目标区域包含的范围内，则根据目标类簇包含的所有目标邻区的位置信息以及权重系数确定目标基站小区的位置信息。具体的，根据目标类簇包含的所有目标邻区的经度参数和权重系数确定目标基站小区的经度参数。示例性的，目标类簇中包含目标邻区A、目标邻区B以及目标邻区C，目标邻区A、目标邻区B以及目标邻区C的位置信息分别为A(Lon_a，Lat_a)、B(Lon_b，Lat_b)、C(Lon_c，Lat_c)，在所有的目标测量数据中目标邻区A、目标邻区B以及目标邻区C对应的权重系数的总和分别为n1、n2和n3。示例性的，其中如公式(3)所示，目标基站小区的经度参数为：
Figure BDA0003370705200000111
目标基站小区的纬度参数为公式(4)所示：
Figure BDA0003370705200000112
本实施例提供的基站小区位置识别方法，将每个目标邻区在同一条会话数据中对应的切换次数作为每个目标邻区对应的权重系数，并根据目标类簇包含的所有目标邻区的纬度参数和权重系数确定目标基站小区的位置信息，提高了确定的目标基站小区的位置的准确性。
图5为本发明实施例提供的基站小区位置识别装置的结构示意图一。如图5所示，该基站小区位置识别装置包括：获取模块501、聚类模块502以及确定模块503。
获取模块501，用于获取预设筛选时间段内目标基站小区对应的至少一条目标测量数据，并根据所有的目标测量数据确定所有目标邻区。
聚类模块502，用于获取每个目标邻区对应的所有待测邻区的位置信息，并根据所述所有待测邻区的位置信息对所有目标邻区进行聚类获得目标类簇，其中所述目标类簇是根据聚类后的各类簇中的目标邻区数量确定的。
确定模块503，用于根据所述目标类簇包含的所有目标邻区的位置信息确定目标区域，若判定所述目标基站小区不在所述目标区域包含的范围内，则根据所述目标类簇包含的所有目标邻区的位置信息确定目标基站小区的位置信息。
在一种可能的实现方式中，所述聚类模块502具体用于：根据所述目标邻区的位置信息确定对应的预设数量的待测邻区，并根据所述目标邻区对应的所有待测邻区确定所述目标邻区对应的站间距；根据所有目标邻区对应的站间距确定邻区站间距中位数，并根据所述邻区站间距中位数以及预设比例参数确定聚类半径；根据所述聚类半径以及预设聚类点数对所有目标邻区进行聚类获得至少一个类簇，并将包含目标邻区数量最大的类簇作为目标类簇。
在一种可能的实现方式中，所述聚类模块502具体用于：根据所述目标邻区的位置信息以及预设半径确定所述目标邻区对应的待测区域，并将所述待测区域包含的所有邻区作为关联邻区，确定每个关联邻区与所述目标邻区的距离；将所述每个关联邻区与所述目标邻区的距离进行排序，并按照由小到大的顺序获得所述目标邻区对应的预设数量的待测邻区；确定每个目标邻区对应的所有待测邻区与所述目标邻区之间距离平均值，并将所述距离平均值作为所述目标邻区对应的站间距。
在一种可能的实现方式中，基站小区位置识别装置还包括确认模块，用于按照预设时间间隔确定所有的目标测量数据对应的至少一条会话数据；根据所有的会话数据确定每个目标邻区对应的权重系数，其中所述权重系数为每个目标邻区在同一条会话数据中对应的切换次数。
在一种可能的实现方式中，所述聚类模块502具体用于：根据所述所有待测邻区的位置信息对所有目标邻区进行聚类获得至少一个类簇；根据所有类簇包含的目标邻区的数量确定最大类簇，若存在两个最大类簇时，则根据每个最大类簇中包含的所有目标邻区对应的权重系数总和确定每个最大类簇对应的类簇参数，并将所述类簇参数大的最大类簇作为目标类簇。
在一种可能的实现方式中，基站小区位置识别装置还包括判定模块，具体用于若判定所述目标基站小区不在所述目标区域包含的范围内，则根据所述目标类簇包含的所有目标邻区的经度参数和权重系数确定目标基站小区的经度参数，并根据所述目标类簇包含的所有目标邻区的纬度参数和权重系数确定目标基站小区的纬度参数。
本实施例提供的装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
图6为本发明实施例提供的服务器的硬件结构示意图。如图6所示，本实施例的服务器包括：处理器601以及存储器602；其中
存储器602，用于存储计算机执行指令；
处理器601，用于执行存储器存储的计算机执行指令，以实现上述实施例中服务器所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选地，存储器602既可以是独立的，也可以跟处理器601集成在一起。
当存储器602独立设置时，该服务器还包括总线603，用于连接所述存储器602和处理器601。
本发明实施例还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，实现如上所述的基站小区位置识别方法。
本发明实施例还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，实现如上所述的基站小区位置识别方法。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，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，例如多个模块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，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行本申请各个实施例所述方法的部分步骤。
应理解，上述处理器可以是中央处理单元(Central Processing Unit，简称CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture，简称ISA)总线、外部设备互连(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (9)

1.一种基站小区位置识别方法，其特征在于，包括：
获取预设筛选时间段内目标基站小区对应的至少一条目标测量数据，并根据所有的目标测量数据确定所有目标邻区；
获取每个目标邻区对应的所有待测邻区的位置信息，并根据所述所有待测邻区的位置信息对所有目标邻区进行聚类获得目标类簇，其中所述目标类簇是根据聚类后的各类簇中的目标邻区数量确定的；
根据所述目标类簇包含的所有目标邻区的位置信息确定目标区域，若判定所述目标基站小区不在所述目标区域包含的范围内，则根据所述目标类簇包含的所有目标邻区的位置信息确定目标基站小区的位置信息；
所述获取每个目标邻区对应的所有待测邻区的位置信息，并根据所述所有待测邻区的位置信息对所有目标邻区进行聚类获得目标类簇，包括：
根据所述目标邻区的位置信息确定对应的预设数量的待测邻区，并根据所述目标邻区对应的所有待测邻区确定所述目标邻区对应的站间距；
根据所有目标邻区对应的站间距确定邻区站间距中位数，并根据所述邻区站间距中位数以及预设比例参数确定聚类半径；
根据所述聚类半径以及预设聚类点数对所有目标邻区进行聚类获得至少一个类簇，并将包含目标邻区数量最大的类簇作为目标类簇。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标邻区的位置信息确定对应的预设数量的待测邻区，并根据所述目标邻区对应的所有待测邻区确定所述目标邻区对应的站间距，包括：
根据所述目标邻区的位置信息以及预设半径确定所述目标邻区对应的待测区域，并将所述待测区域包含的所有邻区作为关联邻区，确定每个关联邻区与所述目标邻区的距离；
将所述每个关联邻区与所述目标邻区的距离进行排序，并按照由小到大的顺序获得所述目标邻区对应的预设数量的待测邻区；
确定每个目标邻区对应的所有待测邻区与所述目标邻区之间距离平均值，并将所述距离平均值作为所述目标邻区对应的站间距。
3.根据权利要求1所述的方法，其特征在于，在所述根据所有的目标测量数据确定所有目标邻区之后，还包括：
按照预设时间间隔确定所有的目标测量数据对应的至少一条会话数据；
根据所有的会话数据确定每个目标邻区对应的权重系数，其中所述权重系数为每个目标邻区在同一条会话数据中对应的切换次数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述所有待测邻区的位置信息对所有目标邻区进行聚类获得目标类簇，包括：
根据所述所有待测邻区的位置信息对所有目标邻区进行聚类获得至少一个类簇；
根据所有类簇包含的目标邻区的数量确定最大类簇，若存在两个最大类簇时，则根据每个最大类簇中包含的所有目标邻区对应的权重系数总和确定每个最大类簇对应的类簇参数，并将所述类簇参数大的最大类簇作为目标类簇。
5.根据权利要求3所述的方法，其特征在于，所述目标邻区的位置信息包含经度参数和纬度参数，在所述根据所述目标类簇包含的所有目标邻区的位置信息确定目标区域之后，还包括：
若判定所述目标基站小区不在所述目标区域包含的范围内，则根据所述目标类簇包含的所有目标邻区的经度参数和权重系数确定目标基站小区的经度参数，并根据所述目标类簇包含的所有目标邻区的纬度参数和权重系数确定目标基站小区的纬度参数。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述目标测量数据包含测量发生时间、主服务基站标识、基站小区标识、接入和移动性管理标识、接入和移动性管理组标识、接入和移动性管理区域标识以及用户会话标识。
7.一种基站小区位置识别装置，其特征在于，包括：
获取模块，用于获取预设筛选时间段内目标基站小区对应的至少一条目标测量数据，并根据所有的目标测量数据确定所有目标邻区；
聚类模块，用于获取每个目标邻区对应的所有待测邻区的位置信息，并根据所述所有待测邻区的位置信息对所有目标邻区进行聚类获得目标类簇，其中所述目标类簇是根据聚类后的各类簇中的目标邻区数量确定的；
确定模块，用于根据所述目标类簇包含的所有目标邻区的位置信息确定目标区域，若判定所述目标基站小区不在所述目标区域包含的范围内，则根据所述目标类簇包含的所有目标邻区的位置信息确定目标基站小区的位置信息；
所述聚类模块，具体用于根据所述目标邻区的位置信息确定对应的预设数量的待测邻区，并根据所述目标邻区对应的所有待测邻区确定所述目标邻区对应的站间距；根据所有目标邻区对应的站间距确定邻区站间距中位数，并根据所述邻区站间距中位数以及预设比例参数确定聚类半径；根据所述聚类半径以及预设聚类点数对所有目标邻区进行聚类获得至少一个类簇，并将包含目标邻区数量最大的类簇作为目标类簇。
8.一种服务器，其特征在于，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权利要求1至6任一项所述的基站小区位置识别方法。
9.一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，当处理器执行所述计算机执行指令时，实现如权利要求1至6任一项所述的基站小区位置识别方法。
CN202111398004.6A 2021-11-23 2021-11-23 基站小区位置识别方法、装置及服务器 Active CN114205737B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111398004.6A CN114205737B (zh) 2021-11-23 2021-11-23 基站小区位置识别方法、装置及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111398004.6A CN114205737B (zh) 2021-11-23 2021-11-23 基站小区位置识别方法、装置及服务器

Publications (2)

Publication Number Publication Date
CN114205737A CN114205737A (zh) 2022-03-18
CN114205737B true CN114205737B (zh) 2023-07-07

Family

ID=80648598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111398004.6A Active CN114205737B (zh) 2021-11-23 2021-11-23 基站小区位置识别方法、装置及服务器

Country Status (1)

Country Link
CN (1) CN114205737B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116095601B (zh) * 2022-05-30 2023-10-20 荣耀终端有限公司 基站小区cell特征库更新方法及相关装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106162652A (zh) * 2016-08-29 2016-11-23 杭州电子科技大学 一种基于路测数据的基站位置定位方法
CN108124267A (zh) * 2016-11-28 2018-06-05 中国移动通信集团湖南有限公司 基站自动规划方法及装置
CN110602713A (zh) * 2018-05-23 2019-12-20 中国联合网络通信集团有限公司 基站建设评估方法及装置
CN111787581A (zh) * 2020-06-28 2020-10-16 中国联合网络通信集团有限公司 邻区优化方法及设备
CN113395707A (zh) * 2021-06-23 2021-09-14 南京华苏科技有限公司 一种基于平均站间距的邻区规划方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210250822A1 (en) * 2015-08-18 2021-08-12 Parallel Wireless, Inc. Neighbor Relations for Moving Cells

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106162652A (zh) * 2016-08-29 2016-11-23 杭州电子科技大学 一种基于路测数据的基站位置定位方法
CN108124267A (zh) * 2016-11-28 2018-06-05 中国移动通信集团湖南有限公司 基站自动规划方法及装置
CN110602713A (zh) * 2018-05-23 2019-12-20 中国联合网络通信集团有限公司 基站建设评估方法及装置
CN111787581A (zh) * 2020-06-28 2020-10-16 中国联合网络通信集团有限公司 邻区优化方法及设备
CN113395707A (zh) * 2021-06-23 2021-09-14 南京华苏科技有限公司 一种基于平均站间距的邻区规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于DBSCAN的基站定位算法;夏天;彭艳兵;张若愚;;计算机与数字工程(第02期);全文 *

Also Published As

Publication number Publication date
CN114205737A (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
CN109996168B (zh) 一种获取终端位置的方法及装置
CN108419277B (zh) 供用户设备使用的小区重选方法及使用其的用户设备
CN114374449B (zh) 一种干扰源确定方法、装置、设备及介质
CN114205737B (zh) 基站小区位置识别方法、装置及服务器
CN112308345A (zh) 通信网络负荷预测方法、装置及服务器
CN112566167B (zh) 网络质量故障识别方法、装置及服务器
CN103581982B (zh) 一种业务热点的检测方法、确定方法、定位方法及装置
CN111356085B (zh) 漫游用户的定位方法、装置、设备和介质
CN109788504B (zh) 天线接反检测方法及装置
CN113973336A (zh) 一种网络中干扰小区的确定方法、装置、设备和存储介质
Tripkovic et al. Unbiased benchmarking in mobile networks: The role of sampling and stratification
CN112085282B (zh) 小区流量预测方法及服务器
CN113840225B (zh) 终端定位方法、装置以及存储介质
CN107517474A (zh) 一种网络分析优化方法及装置
WO2012031633A1 (en) Network element and method of communication in a wireless communication network
CN111294919B (zh) 一种伪基站定位方法、装置、电子设备及存储介质
CN113194426B (zh) 一种指纹库的更新方法、装置、设备及计算机存储介质
CN114071481B (zh) 网络锚点部署方法、装置、服务器及计算机可读存储介质
CN104581790B (zh) 一种低功率无线接入节点的中断检测方法及装置
CN113810992B (zh) 数据处理方法及装置
CN116866938A (zh) Pci优化方法
CN114258066B (zh) 方位角异常检测方法、装置、设备和存储介质
CN109427010B (zh) 通信费用透支额度分配方法、装置、存储介质和计算机设备
CN115623420A (zh) 移动网络定位方法、装置及其介质
CN109963286B (zh) 小区越区覆盖判定方法、装置、设备及介质

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
GR01 Patent grant
GR01 Patent grant