CN114254868A - 建筑物高度指标的测算方法、服务器及存储介质 - Google Patents

Abstract

本申请提供的建筑物高度指标的测算方法、服务器及存储介质，通过获取目标区域内多个目标站点的包括天面类型、扇区天线高度数据集和网络制式的属性数据，并根据各目标站点的天面类型和网络制式确定各目标站点的建筑高度模型，再利用各目标站点的建筑高度模型和扇区天线高度数据集计算目标区域中各目标站点对应的建筑高度，根据目标区域内各目标站点对应的建筑高度计算目标区域的建筑物高度指标，从而实现根据现有的多组站点天线的高度测算目标区域的建筑高度，取代对目标区域内建筑高度逐一测量的方法，提高了建筑物高度测量的效率，降低了测量建筑物的成本。

Description

建筑物高度指标的测算方法、服务器及存储介质

技术领域

本申请涉及测量领域，尤其涉及一种建筑物高度指标的测算方法、服务器及存储介质。

背景技术

建筑物高度指标是无线网络规划的关键指标，是影响无线网络规划结果的决定性因素。

常规的建筑高度数据采集通常为基于测量的方法，精确获得每栋建筑的高度，但因投入成本高、周期长等原因，无法获得全国地市级建筑的高度特征，从而直接影响5G无线网络规划的精确度。

因此，如何高效且低成本地测算建筑物高度指标成为亟待解决的问题。

发明内容

本申请提供一种建筑物高度指标的测算方法、服务器及存储介质，用以解决高效且低成本地测算建筑物高度指标的问题。

第一方面，本申请提供一种建筑物高度指标的测算方法，建筑物附近设置有站点，站点包括多个扇区天线，方法包括：

获取目标区域内多个目标站点的属性数据；其中，属性数据包括天面类型、扇区天线高度数据集和网络制式；

根据各目标站点的天面类型和网络制式确定各目标站点的建筑高度模型；

利用各目标站点的建筑高度模型和扇区天线高度数据集计算目标区域中各目标站点对应的建筑高度；

根据目标区域内各目标站点对应的建筑高度计算目标区域的建筑物高度指标。

在上述技术方案中，根据目标区域内站点的属性数据中的天面类型和网络制式确定建筑高度模型，并根据确定的建筑高度模型和获取的站点的属性数据中的扇区天线高度数据集计算该站点周围的建筑的高度，以实现根据已储存的不同情况的目标站点计算不同区域的建筑高度，从而能够高效且低成本地测算建筑物高度指标的问题。

可选地，扇区天线高度数据集包括目标站点的多个扇区天线的高度数据；利用各目标站点的建筑高度模型和扇区天线高度数据集计算目标区域中各目标站点对应的建筑的高度，具体包括：

将目标站点的各扇区天线的高度数据中的最大值作为目标站点的天线高度；

根据目标站点的天线高度和目标站点的建筑高度模型确定目标站点对应的建筑高度。

可选地，根据各目标站点的天面类型和网络制式确定各目标站点的建筑高度模型，具体包括：

根据各目标站点的天面类型和网络制式确定各目标站点的建筑高度修正值；

根据各目标站点的建筑高度修正值确定各目标站点的建筑高度模型。

可选地，天面类型包括抱杆类型和非抱杆类型，根据各目标站点的天面类型和网络制式确定各目标站点的建筑高度修正值，具体包括：

当天面类型为抱杆类型时，根据网络制式和修正高度映射表确定建筑高度修正值；其中，修正高度映射表表示网络制式和建筑高度修正值间的对应关系；

当天面类型为非抱杆类型时，将建筑高度修正值设为预设值。

可选地，天面类型包括抱杆类型和非抱杆类型，根据各目标站点的天面类型和网络制式确定各目标站点的建筑高度修正值，具体包括：

当天面类型为抱杆类型时，根据网络制式和修正高度映射表确定建筑高度修正值；其中，修正高度映射表表示网络制式和建筑高度修正值间的对应关系；

当天面类型为非抱杆类型时，将建筑高度修正值设为预设值。

可选地，在根据目标区域内各建筑的高度计算建筑物的高度指标之后，方法还包括：

根据建筑平均高度数据和建筑分布情况数据生成城市环境特征向量。

可选地，获取目标区域内多个目标站点的属性数据，具体包括：

根据初始区域内初始站点的密集权重从多个初始站点内确定多个聚类站点；

根据多个聚类站点的自然属性数据确定各个聚类站点的环境类型；其中，自然属性数据包括：经度数据、纬度数据以及行政类型；

根据各个聚类站点的环境类型从初始区域提取目标区域，并获取目标区域内多个目标站点的属性数据。

可选地，根据多个聚类站点的自然属性数据确定各个聚类站点的环境类型，具体包括：

对初始区域内的聚类站点的自然属性数据进行聚类，获得聚类站点的环境类型；

根据聚类站点的经度数据和纬度数据，对聚类站点的环境类型进行校正。

在上述技术方案中，根据目标站点的天面类型确定天线类型，并结合目标站点的网络制式确定各目标站点的建筑高度修正值，从而确定各目标站点对应的建筑高度模型，将根据目标站点的扇区天线高度数据集获取的天线高度代入该建筑高度模型获取目标站点对应的建筑的高度，在此基础上，分别计算城市中属于不同环境类型的区域内建筑高度的平均高度数据和分布情况数据，并生成城市特征向量，以实现根据站点相关数据对城市内不同区域的高度数据的测算，从而高效且低成本地测算建筑物高度指标的问题。

第二方面，本申请提供一种服务器，包括：存储器，以及与处理器通信连接的存储器；

存储器用于存储处理器可执行的计算机指令；

其中，处理器在执行计算机指令时用于实现第一方面涉及的建筑物高度的测算方法。

第三方面，本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机指令，计算机指令被处理器执行时用于实现第一方面涉及的建筑物高度的测算方法。

本申请提供的建筑物高度指标的测算方法、服务器及存储介质，通过获取目标区域内多个目标站点的包括天面类型、扇区天线高度数据集和网络制式的属性数据，并根据各目标站点的天面类型和网络制式确定各目标站点的建筑高度模型，再利用各目标站点的建筑高度模型和扇区天线高度数据集计算目标区域中各目标站点对应的建筑高度，根据目标区域内各目标站点对应的建筑高度计算目标区域的建筑物高度指标，从而实现根据现有的多组站点天线的高度测算目标区域的建筑高度，取代对目标区域内建筑高度逐一测量的方法，提高了建筑物高度测量的效率，降低了测量建筑物的成本。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为本申请根据提供的建筑物高度指标的测算方法的应用场景示意图；

图2为本申请根据一示例性实施例提供的建筑物高度指标的测算方法的流程示意图；

图3为本申请根据另一实施例提供的建筑物高度指标的测算方法的流程示意图；

图4为本申请根据另一实施例提供的建筑物高度指标的测算方法的流程示意图；

图5为本申请一实施例提供的测算装置的结构示意图；

图6为本申请另一实施例提供的服务器的结构示意图。

通过上述附图，已示出本申请明确的实施例，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申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

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申请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、本申请的一些方面相一致的装置和方法的例子。

建筑物高度指标是无线网络规划的关键指标，是影响无线网络规划结果的决定性因素。

常规的建筑高度数据采集通常为基于测量的方法，精确获得每栋建筑的高度，但因投入成本高、周期长等原因，无法获得全国地市级建筑的高度特征，从而直接影响5G无线网络规划的精确度。

因此，如何高效且低成本地测算建筑物高度指标成为亟待解决的问题。

针对上述技术问题，本申请实施例提供一种建筑物高度指标的测算方法、服务器及存储介质，旨在解决高效且低成本地测算建筑物高度指标的问题。本申请的技术构思是：根据基站天线高度与周围建筑高度的关联度，利用已统计的基站天线高度测算周围建筑高度，从而获取属于同一环境类型的目标区域内建筑高度指标和属于不同环境类型的多个目标区域组成的更大范围区域内的建筑高度指标。

图1为本申请提供的建筑物高度指标的测算方法的应用场景示意图，如图1所示，包括建筑物10、基站20和服务器30。其中，建筑物10是处于基站20周围接收无线信号辐射的区域内的建筑，即一个基站20为其周围的多个建筑物10提供无线通信的信号。为了节约基站安装的成本且保证基站天线为周围建筑物提供的无线通信的信号质量，基站高度要比周围建筑的平均高度高第一预设阈值。在目标区域内，基站20的个数为至少一个，建筑物10的个数多于基站20的个数。

基站20上置有多个扇区天线，以实现基站20对周围区域的全方位覆盖地提供信号。在图1所示的实施例中，基站20上置有4个扇区天线，包括第一扇区天线201、第二扇区天线202、第三扇区天线203、第四扇区天线204，每个扇区天线安装的高度各不相同，且每个扇区天线覆盖的角度为90°。在基站20安装时，服务器30获取基站20的相关数据，即在已经安装多个基站的目标区域内，服务器30内已储存上述多个基站的所有相关数据，该相关数据包括基站的扇区天线的高度。服务器30根据上述基站的扇区天线高度确定基站的高度，并根据基站及其周围建筑间的第一预设阈值，确定每个基站周围的建筑的平均高度，从而确定目标区域内的建筑高度分布情况。

图2为本申请根据一示例性实施例提供的建筑物高度指标的测算方法的流程示意图。如图2所示，本申请提供的建筑物高度指标的测算方法，包括：

S201、服务器获取目标区域内多个目标站点的属性数据。

目标区域是指需要测算建筑物高度指标的区域，该区域内建筑周围的环境类型是一致的。其中，环境类型是指建筑高度处于预设高度范围、建筑密度处于预设密度范围的建筑环境。

目标区域内设有多个目标站点，该目标站点是按照预设权重从目标区域内安装的所有站点中挑选的站点。

目标站点的属性数据包括天面类型、扇区天线高度数据集和网络制式。

其中，站点的天面类型是指该站点上设置的天线的安装方式。

站点的扇区天线是用于对目标区域提供全角度覆盖无线通信信号的天线，每个扇区天线辐射预设角度的区域，该区域的形状为扇形。站点的扇区天线的安装位置不同，相对的，扇区天线的高度也不相同，站点的扇区天线高度数据集是指包括同一站点的多个扇区天线的高度的集合。

站点的网络制式是指该站点提供的网络的类型，包括：2G、3G、4G、5G。

多个目标站点的属性数据是服务器在目标站点安装时根据站点安装位置、天线安装与应用情况确定的，并储存在服务器中。

S202、服务器根据各目标站点的天面类型和网络制式确定各目标站点的建筑高度模型。

其中，目标站点的天面类型和网络制式是从步骤S201获取的。

建筑高度模型是根据建筑周围的站点高度计算该建筑高度的模型，站点上安装的天线的天面类型和应用于该天线的网络制式与建筑高度模型呈对应关系，即站点上安装的天线的天面类型和应用于该天线的网络制式不同，建筑高度模型不同。

S203、服务器利用各目标站点的建筑高度模型和扇区天线高度数据集计算目标区域中各目标站点对应的建筑高度。

其中，各目标站点的建筑高度模型是从步骤S202获取的，该建筑高度模型的输入变量为目标站点的高度，建筑高度跟随目标站点的高度的变化而变化。其中，各目标站点的扇区天线高度确定各目标站点的高度，各目标站点的扇区天线高度数据集是从步骤S201获取的。

S204、服务器根据目标区域内各目标站点对应的建筑高度计算目标区域的建筑物高度指标。

其中，目标区域内各目标站点对应的建筑高度是从步骤S203中获取的。

建筑物高度指标是用于表示目标区域内建筑物高度分布状况的指标，该指标是将目标区域内各目标站点对应的建筑高度整合成一组数据，并对该组数据进行统计学计算得到的。

在上述技术方案中，根据目标区域内站点的属性数据中的天面类型和网络制式确定建筑高度模型，并根据确定的建筑高度模型和获取的站点的属性数据中的扇区天线高度数据集计算该站点周围的建筑的高度，以实现根据已储存的不同情况的目标站点的属性数据计算不同区域的建筑高度，从而能够高效且低成本地测算建筑物高度指标的问题。

图3为本申请根据另一实施例提供的建筑物高度指标的测算方法的流程示意图，该方法的执行主体为服务器。如图3所示，本申请提供的建筑物高度指标的测算方法，包括：

S301、根据初始区域内初始站点的密集权重从多个初始站点内确定多个聚类站点。

初始区域是比目标区域的范围更大的区域，其中，目标区域是指待获取建筑物高度指标的区域，在目标区域内的建筑物所处的环境类型相同，初始区域内的建筑物所处的环境类型可以不同。该环境类型是指根据建筑物所处区域内建筑物的建筑密度及建筑物高度分布状况对该区域的分类，其中，环境分类包括：密集市区、市区、郊区、农村和交通线。密集市区内的建筑物平均高度处于第一预设高度范围内，建筑密度处于第一预设密度范围内；市区内的建筑物平均高度处于第二预设高度范围内，建筑密度处于第二预设密度范围内；郊区内的建筑物平均高度处于第三预设高度范围内，建筑密度处于第三预设密度范围内；农村和交通线内的建筑物平均高度处于第四预设高度范围内，建筑密度处于第四预设密度范围内。上述第一预设高度范围、第二预设高度范围、第三预设高度范围、第四预设高度范围及第一预设密度范围、第二预设密度范围、第三预设密度范围、第四预设密度范围均根据实际情况进行改变的，该实际情况包括但不限于时间变化、区域所属行政区域。

由于初始区域内初始站点对建筑物的无线通信的信号提供全覆盖的服务，因此，初始区域内的初始站点的安装密度与建筑物的建筑密度成正比，即建筑物的建筑密度大的区域，无线通信的信号容易受到建筑的遮挡导致信号传输不佳，该区域内初始站点的安装密度跟随建筑物的建筑密度相对提高；建筑物的建筑密度低的区域，无线通信的信号传输距离相较建筑物的建筑密度大的区域内无线通信的信号传输距离远，该区域内的初始站点的安装密度跟随建筑物的建筑密度降低。

初始站点的密度权重是指在预设面积的区域内安装的站点密度与预设比例的乘积。采用相同预设比例时，建筑物的建筑密度大的区域内安装的初始站点多，初始站点的密度权重大；建筑物的建筑密度小的区域内安装的初始站点少，初始站点的密度权重小。密度权重包括第一密度权重，该第一密度权重是站点密度与第一预设比例的乘积。

聚类站点是从初始站点中按照第一密度权重挑选出来的，用于通过聚类算法获取该站点所处区域的环境类型的站点。

服务器获取并记录聚类站点的站点编号。

S302、根据多个聚类站点的自然属性数据确定各个聚类站点的环境类型。

其中，多个聚类站点是从步骤S302中获取的。

聚类站点的自然属性数据包括：经度数据、纬度数据以及行政类型。

根据多个聚类站点的自然属性数据确定各个聚类站点的环境类型的步骤具体包括步骤S3021至S3022：

S3021、获取初始区域内的聚类站点的自然属性数据并进行聚类，获得聚类站点的环境类型。

聚类是指根据多个聚类点的一个或多个参数，计算上述参数组成的空间点间的距离，从而确定每个聚类点所归属的类别。例如：当聚类方法为K均值聚类算法(K-MeansClustering Algorithm，简称：K-Means聚类算法)时，从服务器获取的原始区域内的聚类站点中随机选择k个质心站点，通过计算原始区域内所有的聚类站点到各质心站点的距离来确定新的质心站点并将上述k个新的质心站点进行更新，直至质心站点不再发生变化。其中，将聚类站点的经度数据、纬度数据和行政类型作为聚类站点的三个维度坐标以计算质心站点和聚类站点之间的距离。聚类完成后获得的多个簇即为在空间上连续的具有相同环境类型的聚类站点集合。

进行聚类的聚类站点的自然属性数据根据步骤S301中服务器获取的聚类站点的站点编号在服务器中的自然属性映射表查询获得的，其中，自然属性映射表表示站点的站点编号与该站点的自然属性数据之间的对应关系。

S3022、根据聚类站点的经度数据和纬度数据，对聚类站点的环境类型进行校正。

对聚类站点的环境类型的校正是根据区域的闭合多边形原则进行的。

闭合多边形原则是指在包含具有相同的环境类型的聚类站点的区域只包含一个外边，该外边是由该区域的边缘站点顺次相连组成的闭合多边形。其中，每个聚类站点的位置是由该聚类站点的经度数据和纬度数据在二维平面内确定的。

当上述闭合多边形中包含的部分区域与闭合多边形所围区域的其他区域中聚类站点的环境类型不同时，将上述部分区域记为第一校正区域，将上述其他区域记为第二校正区域，且第一校正区域与第二校正区域的边不相交，从而形成嵌套关系，分别计算两个区域的面积并进行比较，将面积较小的区域内的聚类站点的环境类型校正为面积较大的区域内的聚类站点的环境类型。例如，当聚类后环境类型为密集市区的聚类站点组成的区域的外边为一个五边形，该五边形内有一个三角形区域，该三角形区域内的聚类站点的环境类型为市区，分别计算该三角形和五边形的面积，并比较三角形和五边形去掉三角形后剩余区域的面积，若三角形的面积较大，就将上述五边形内所有的聚类站点的环境类型均更新为市区，否则，则均更新为密集市区。

S303、根据各个聚类站点的经度数据、纬度数据及环境类型从初始区域提取目标区域，并获取目标区域内多个目标站点的属性数据。

其中，各个聚类站点的环境类型是从步骤S302中获取的，各个聚类站点的经度数据和纬度数据是从步骤S302中的自然属性数据中获取的。

基于闭合多边形原则，将经度数据及纬度数据相邻的，具有相同环境类型的聚类站点所属区域进行划分，使得初始区域内包含多个相邻的、属于不同环境类型的区域，从上述多个区域内提取目标区域，其中，目标区域是指待获取建筑物高度指标的区域。

闭合多边形原则已在步骤S3022中详细解释，初始区域与目标区域的关系已在步骤S301中详细解释，此处均不再赘述。

在目标区域内获取目标站点的属性数据包括该站点的天面类型、扇区天线高度数据集和网络制式。其中，天面类型、扇区天线高度数据集和网络制式的解释已在步骤S201中详细解释，此处不再赘述。

目标站点是在初始站点中按照第二聚类密度权重中挑选出来的，且初始站点是包含于聚类站点的。其中，步骤S301中的密度权重还包括第二密度权重，该第二密度权重是站点密度与第二预设比例的乘积。

更具体地，第二预设比例小于步骤S301中的第一密度权重。

S304、根据各目标站点的天面类型和网络制式确定各目标站点的建筑高度修正值。

各目标站点的天面类型和网络制式是从步骤S303中获取的。

天面类型包括抱杆类型和非抱杆类型，其中，抱杆类型用于安装在多运营商共用的、空间紧张的楼顶站点；非抱杆类型包括但不限于楼顶三角塔、单管塔。

建筑高度修正值是指目标站点的天线高度与该站点周围的建筑高度之间的差值，该建筑可通过该天线高度和建筑高度修正值计算获取。

根据天面类型和网络制式确定目标站点的建筑高度修正值的步骤包括步骤S3041至S3042：

S3041、当天面类型为抱杆类型时，根据网络制式和修正高度映射表确定建筑高度修正值。

其中，修正高度映射表表示网络制式和建筑高度修正值间的对应关系。例如，网络制式和建筑高度修正值之间的对应关系可以如表1所示：

表1

网络制式	建筑高度修正值
		5G	2.2m
4G	1.7m
		3G	2.0m
2G	1.5m

网络制式已在步骤S201中详细解释，此处不再赘述。

S3042、当天面类型为非抱杆类型时，将建筑高度修正值设为预设值。

当天面类型为非抱杆类型时，建筑高度修正值与网络制式无关，应用不同类型的网络制式的站点的天线高度与建筑高度之间的差值为相同的预设值。在一实施例中，该预设值为4.5m。

S305、根据各目标站点的建筑高度修正值确定各目标站点的建筑高度模型。

建筑高度模型为站点的天线高度与建筑高度修正值之间的差值，根据步骤S304中获取的不同天面类型和网络制式对应的建筑高度修正值，确定不同天面类型和网络制式对应的建筑高度模型。

S306、将目标站点的各扇区天线的高度数据中的最大值作为目标站点的天线高度。

其中，各扇区天线的高度数据是从步骤S303中的扇区天线高度数据集中获取的。

扇区天线高度数据集中包含多个分布在建筑的不同层的扇区天线的高度，在无线场景应用中，重点关注较高高度建筑的影响，即获取站点的最高高度，该高度可设为多个扇区天线中的最高扇区天线的高度。

S307、根据目标站点的天线高度和目标站点的建筑高度模型确定目标站点对应的建筑高度。

其中，目标站点的天线高度是从步骤S306中获取的，目标站点的建筑高度模型是从步骤S305中获取的，将目标站点的天线高度带入已确定建筑高度修正值的建筑高度模型，计算出目标站点对应的建筑高度，即目标站点的天线高度与建筑高度修正值之差。

S308、根据目标区域内各目标站点对应的建筑高度，计算目标区域内建筑平均高度数据。

其中，各目标站点对应的建筑高度是从步骤S307中获取的，

对目标区域内的多个目标站点对应的建筑高度值求和并除以建筑的个数得到目标区域内建筑平均高度数据。

S309、根据目标区域内各目标站点对应的建筑高度，计算目标区域内建筑分布情况数据。

目标区域内建筑分布情况数据是根据步骤S307中获得的各目标站点对应的建筑高度进行统计学计算得到的，其中，统计学计算方法包括但不限于：求取标准方差、均方差、最小值、最大值、众数。

S310、根据建筑平均高度数据和建筑分布情况数据生成城市环境特征向量。

城市环境特征向量是指对目标城市中多个目标区域内的建筑平均高度数据和建筑分布情况数据的统计向量。其中，建筑平均高度数据是从步骤S308中获取的，建筑分布情况数据是从步骤S309中获取的。

在上述技术方案中，根据目标站点的天面类型确定天线类型，并结合目标站点的网络制式确定各目标站点的建筑高度修正值，从而确定各目标站点对应的建筑高度模型，将根据目标站点的扇区天线高度数据集获取的天线高度代入该建筑高度模型获取目标站点对应的建筑的高度，在此基础上，分别计算城市中属于不同环境类型的区域内建筑高度的平均高度数据和分布情况数据，并生成城市特征向量，以实现根据站点相关数据对城市内不同区域的高度数据的测算，从而高效且低成本地测算建筑物高度指标的问题。

图4为本申请根据另一实施例提供的建筑物高度指标的测算方法的流程示意图，该方法的执行主体为服务器。如图4所示，本身请提供的建筑物高度指标的测算方法，包括：

S401、获取目标城市内聚类站点的自然属性数据。

其中，聚类站点的自然属性数据包括：经度数据、纬度数据以及行政类型。

聚类站点的解释已在步骤S301中详细解释，聚类站点的自然属性数据的获取已在步骤S302中详细解释，此处均不在赘述。

S402、根据聚类站点的自然属性数据圈定目标区域。

其中，聚类站点的自然属性数据是从步骤S401中获取的。

根据聚类站点的自然属性数据圈定目标区域包括：根据聚类站点的自然属性进行聚类获取各聚类站点的环境类型和基于闭合多边形原则圈定目标区域。

根据聚类站点的自然属性进行聚类获取各聚类站点的环境类型已在步骤S302中详细解释，基于闭合多边形原则圈定目标区域已在步骤S303中详细解释，此处均不再赘述。

S403、获取目标区域中目标站点的扇区天线高度数据集、天面类型和天线对应的网络制式。

目标站点是目标区域中根据第二密度权重选择的站点。该目标区域是从步骤S402中获取的。其中，第二密度权重已在步骤S303中详细解释，此处不再赘述。

目标站点的扇区天线高度数据集、天面类型和天线对应的网络制式是从目标站点的属性数据中获取的。该属性数据的获取过程及扇区天线高度数据集、天面类型和网络制式的解释均已在步骤S201中详细解释，此处不再赘述。

S404、根据目标站点的扇区天线高度数据集、天线对应的网络制式、天面类型和修正高度映射表计算站点中抱杆类天线对应的建筑高度。

抱杆类天线对应的建筑需要先根据目标站点的天面类型确定该站点的天线属于抱杆类天线，当确定该站点天线属于抱杆类天线之后，获取该抱杆类天线对应的建筑高度模型，该模型是通过将该天线对应的网络制式在修正高度映射表中查询并获取建筑高度修正值之后确定的，即该模型是对目标站点的天线高度与确定的建筑高度修正值求差值。其中，目标站点的天线高度是目标站点的扇区天线高度数据集中扇区天线的最大值。

其中，目标站点的扇区天线高度数据集、天面类型及天线对应的网络制式是从步骤S403中获取的，修正高度映射表表示网络制式和建筑高度修正值间的对应关系。

更具体地，抱杆类天线对应的建筑高度的计算过程已在步骤S3041、步骤S305至S307中详细解释，此处不再赘述。

S405、根据目标站点的扇区天线高度数据集、天面类型和修正高度映射表计算非抱杆类天线对应的建筑高度。

非抱杆类天线对应的建筑高度需要先根据目标站点的天面类型确定该站点的天线属于非抱杆类天线，当确定该站点天线属于非抱杆类天线之后，获取该抱杆类天线对应的建筑高度模型，该模型是对目标站点的天线高度与确定的建筑高度修正值求差值。其中，建筑高度修正值为预设值，目标站点的天线高度是目标站点的扇区天线高度数据集中扇区天线的最大值。

其中，目标站点的扇区天线高度数据集和天面类型从步骤S403中获取的，修正高度映射表表示网络制式和建筑高度修正值间的对应关系。

更具体地，抱杆类天线对应的建筑高度的计算过程已在步骤S3042、步骤S305至S307中详细解释，此处不再赘述。

S406、计算目标城市内不同区域对应的建筑高度特征。

其中，建筑高度特征包括平均值、标准方差、均方差、最小值、最大值和众数。

建筑高度特征值是对属于相同环境类型的相邻站点组成的区域内多个建筑高度求取的特征值。其中，建筑高度是从步骤S404和S405中获取的。

目标城市中包含多个属于不同环境类型的区域，在每个区域内计算该区域对应的建筑高度特征。

S407、获得目标城市的建筑高度特征。

目标城市的建筑高度特征是对该目标城市中多个区域的建筑高度特征的汇总并生成城市环境特征向量，其中，多个区域的建筑高度特征是从步骤S406中获取的，城市环境特征向量的生成过程已在步骤S310中详细解释，此处不再赘述。

在上述技术方案中，服务器根据获取的目标城市内聚类站点的自然属性数据圈定具有不同环境类型的多个区域，并在每个区域内的多个目标站点内分别计算属于不同天面类型的站点对应的建筑高度，从而实现对多个区域的建筑高度指标的获取与整合，并生成目标城市的建筑高度特征，从而实现根据已有的站点数据高效且低成本地测算建筑物高度指标。

如图5所示，本申请一实施例提供一种测算装置500，该装置500包括：

获取模块501，用于获取目标区域内多个目标站点的属性数据。其中，属性数据包括天面类型、扇区天线高度数据集和网络制式。

处理模块502，用于根据各目标站点的天面类型和网络制式确定各目标站点的建筑高度模型。

在一实施例中，处理模块502具体用于：

根据目标站点的天面类型判断该目标站点是否属于抱杆类型，并当目标站点为抱杆类站点时，根据网络制式和修正高度映射表确定建筑高度修正值以确定该站点对应的建筑高度模型。

当目标站点为非抱杆类站点时，确定建筑高度修正值为预设值并根据该建筑高度修正值确定该站点对应的建筑高度模型。

处理模块502，还用于利用各目标站点的建筑高度模型和扇区天线高度数据集计算目标区域中各目标站点对应的建筑高度。

在一实施例中，处理模块502具体用于：

将目标站点的扇区天线高度数据集中的最大值确定为该目标站点的天线高度，并将该目标站点的天线高度代入建筑高度模型以计算该目标站点周围的建筑高度。

处理模块502，还用于根据目标区域内各目标站点对应的建筑高度计算目标区域的建筑物高度指标。

在一实施例中，处理模块502具体用于：

根据目标区域内多个站点对应的建筑高度计算该目标区域内建筑的平均高度数据和建筑分布情况数据，并在此基础上生成城市环境特征向量。

如图6所示，本申请一实施例提供一种服务器600，服务器600包括存储器601和处理器602。

其中，存储器601用于存储处理器可执行的计算机指令；

处理器602在执行计算机指令时实现上述实施例中建筑物高度指标的测算方法中的各个步骤。具体可以参见前述建筑物高度指标的测算方法实施例中的相关描述。

可选地，上述存储器601既可以是独立的，也可以跟处理器602集成在一起。当存储器601独立设置时，该服务器还包括总线，用于连接存储器601和处理器602。

本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机指令，当处理器执行计算机指令时，实现上述实施例中建筑物高度指标的测算方法中的各个步骤。

本申请实施例还提供一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现上述实施例中建筑物高度指标的测算方法中的各个步骤。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申请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，本申请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，本申请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。本申请的范围仅由所附的权利要求书来限制。

Claims (10)

1.一种建筑物高度指标的测算方法，其特征在于，建筑物附近设置有站点，所述站点包括多个扇区天线，所述方法包括：

获取目标区域内多个目标站点的属性数据；其中，所述属性数据包括天面类型、扇区天线高度数据集和网络制式；

根据各所述目标站点的天面类型和所述网络制式确定各目标站点的建筑高度模型；

利用所述各目标站点的建筑高度模型和所述扇区天线高度数据集计算所述目标区域中各目标站点对应的建筑高度；

根据所述目标区域内各目标站点对应的建筑高度计算所述目标区域的建筑物高度指标。

2.根据权利要求1所述的方法，其特征在于，所述扇区天线高度数据集包括所述目标站点的多个扇区天线的高度数据；利用所述各目标站点的建筑高度模型和所述扇区天线高度数据集计算所述目标区域中各目标站点对应的建筑的高度，具体包括：

将所述目标站点的各扇区天线的高度数据中的最大值作为所述目标站点的天线高度；

根据所述目标站点的天线高度和所述目标站点的建筑高度模型确定所述目标站点对应的建筑高度。

3.根据权利要求2所述的方法，其特征在于，根据各所述目标站点的天面类型和所述网络制式确定各目标站点的建筑高度模型，具体包括：

根据各所述目标站点的天面类型和所述网络制式确定各目标站点的建筑高度修正值；

根据所述各目标站点的建筑高度修正值确定所述各目标站点的建筑高度模型。

4.根据权利要求3所述的方法，其特征在于，所述天面类型包括抱杆类型和非抱杆类型，根据各所述目标站点的天面类型和所述网络制式确定各目标站点的建筑高度修正值，具体包括：

当所述天面类型为抱杆类型时，根据所述网络制式和修正高度映射表确定所述建筑高度修正值；其中，所述修正高度映射表表示所述网络制式和所述建筑高度修正值间的对应关系；

当所述天面类型为非抱杆类型时，将所述建筑高度修正值设为预设值。

5.根据权利要求1所述的方法，其特征在于，根据所述目标区域内各目标站点对应的建筑高度计算所述目标区域的建筑物高度指标，具体包括：

根据所述目标区域内各目标站点对应的建筑高度，计算目标区域内建筑平均高度数据；

根据所述目标区域内各目标站点对应的建筑高度，计算目标区域内建筑分布情况数据。

6.根据权利要求5所述的方法，其特征在于，在根据所述目标区域内各建筑的高度计算建筑物的高度指标之后，所述方法还包括：

根据所述建筑平均高度数据和所述建筑分布情况数据生成城市环境特征向量。

7.根据权利要求1所述的方法，其特征在于，获取目标区域内多个目标站点的属性数据，具体包括：

根据初始区域内初始站点的密集权重从所述多个初始站点内确定多个聚类站点；

根据所述多个聚类站点的自然属性数据确定各个聚类站点的环境类型；其中，所述自然属性数据包括：经度数据、纬度数据以及行政类型；

根据各个聚类站点的经度数据、纬度数据及环境类型从所述初始区域提取所述目标区域，并获取目标区域内多个目标站点的属性数据。

8.根据权利要求7所述的方法，其特征在于，根据所述多个聚类站点的自然属性数据确定各个聚类站点的环境类型，具体包括：

获取所述初始区域内的聚类站点的自然属性数据并进行聚类，获得所述聚类站点的环境类型；

根据所述聚类站点的经度数据和纬度数据，对所述聚类站点的环境类型进行校正。

9.一种服务器，其特征在于，包括：处理器以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至8中任意一项所述的建筑物高度指标的测算方法。

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指令，所述计算机指令被处理器执行时用于实现如权利要求1至8中任意一项所述的建筑物高度指标的测算方法。

Images