CN114363946B - 室分小区网络质量监测方法、装置、设备及存储介质 - Google Patents
室分小区网络质量监测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114363946B CN114363946B CN202111603546.2A CN202111603546A CN114363946B CN 114363946 B CN114363946 B CN 114363946B CN 202111603546 A CN202111603546 A CN 202111603546A CN 114363946 B CN114363946 B CN 114363946B
- Authority
- CN
- China
- Prior art keywords
- target
- floor
- cell
- signal
- terminal device
- 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
Links
- 238000005192 partition Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000005070 sampling Methods 0.000 claims description 147
- 238000005259 measurement Methods 0.000 claims description 26
- 238000009826 distribution Methods 0.000 claims description 16
- 238000012806 monitoring device Methods 0.000 claims description 4
- 230000002861 ventricular Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000032823 cell division Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 7
- 230000003442 weekly effect Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical group OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 2
- 241000760358 Enodes Species 0.000 description 2
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 description 2
- 241001122767 Theaceae Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- UHHHTIKWXBRCLT-VDBOFHIQSA-N (4s,4ar,5s,5ar,6r,12ar)-4-(dimethylamino)-1,5,10,11,12a-pentahydroxy-6-methyl-3,12-dioxo-4a,5,5a,6-tetrahydro-4h-tetracene-2-carboxamide;ethanol;hydrate;dihydrochloride Chemical compound O.Cl.Cl.CCO.C1=CC=C2[C@H](C)[C@@H]([C@H](O)[C@@H]3[C@](C(O)=C(C(N)=O)C(=O)[C@H]3N(C)C)(O)C3=O)C3=C(O)C2=C1O.C1=CC=C2[C@H](C)[C@@H]([C@H](O)[C@@H]3[C@](C(O)=C(C(N)=O)C(=O)[C@H]3N(C)C)(O)C3=O)C3=C(O)C2=C1O UHHHTIKWXBRCLT-VDBOFHIQSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供一种室分小区网络质量监测方法、装置、设备及存储介质。该方法包括：获取至少一个终端设备采集的目标室分小区的信号参数；至少一个终端设备均为目标设备类型；信号参数用于表征目标室分小区的信号质量；目标室分小区覆盖目标建筑物的至少一个楼层；根据至少一个终端设备采集的信号参数、目标设备类型和预设的指纹库，确定至少一个终端设备在目标建筑物内所处的目标楼层；指纹库包括设备类型、信号参数和楼层之间的对应关系；根据至少一个终端设备采集的信号参数和目标楼层对应目标设备类型的信号参数阈值，确定目标室分小区在目标楼层是否发生网络故障；若确定目标楼层发生网络故障，则输出目标楼层发生网络故障的提示信息。
Description
技术领域
本申请涉及通信技术，尤其涉及一种室分小区网络质量监测方法、装置、设备及存储介质。
背景技术
室分系统能够解决电梯、地下室等密闭空间没有移动信号的问题。通过对室分系统进行故障监控，及时发现并解决问题，能够保证室分小区的网络质量。
室分小区的网络质量的显性故障的检测已较为成熟，而隐性故障的排查较为困难。目前，主要通过室分巡检、网管告警、用户投诉等方式对室分小区的隐性故障进行检测。
然而，现有的故障检测方案存在故障检测准确度较低的问题。
发明内容
本申请提供一种室分小区网络质量监测方法、装置、设备及存储介质，用以解决现有的故障检测方案存在故障检测准确度较低的问题。
第一方面，本申请提供一种室分小区网络质量监测方法，包括：获取至少一个终端设备采集的所述目标室分小区的信号参数；所述至少一个终端设备均为目标设备类型；所述信号参数用于表征所述目标室分小区的信号质量；所述目标室分小区覆盖目标建筑物的至少一个楼层；根据所述目标设备类型的至少一个终端设备采集的信号参数、所述目标设备类型和预设的指纹库，确定所述至少一个终端设备在所述目标建筑物内所处的目标楼层；所述指纹库包括设备类型、信号参数和楼层之间的对应关系；根据所述至少一个终端设备采集的信号参数和所述目标楼层对应所述目标设备类型的信号参数阈值，确定所述目标室分小区在所述目标楼层是否发生网络故障；若确定所述目标楼层发生网络故障，则输出所述目标楼层发生网络故障的提示信息。
第二方面，本申请提供一种室分小区网络质量监测装置，包括：获取模块，用于获取至少一个终端设备采集的所述目标室分小区的信号参数；所述至少一个终端设备均为目标设备类型；所述信号参数用于表征所述目标室分小区的信号质量；所述目标室分小区覆盖目标建筑物的至少一个楼层；第一确定模块，用于根据所述目标设备类型的至少一个终端设备采集的信号参数、所述目标设备类型和预设的指纹库，确定所述至少一个终端设备在所述目标建筑物内所处的目标楼层；所述指纹库包括设备类型、信号参数和楼层之间的对应关系；第二确定模块，用于根据所述至少一个终端设备采集的信号参数和所述目标楼层对应所述目标设备类型的信号参数阈值，确定所述目标室分小区在所述目标楼层是否发生网络故障；输出模块，用于若确定所述目标楼层发生网络故障，则输出所述目标楼层发生网络故障的提示信息。
第三方面，本申请提供一种电子设备，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，以实现如第一方面所述的方法。
第四方面，本申请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，所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。
本申请提供的室分小区网络质量监测方法、装置、设备及存储介质，通过获取至少一个终端设备采集的目标室分小区的信号参数；至少一个终端设备均为目标设备类型；信号参数用于表征目标室分小区的信号质量；目标室分小区覆盖目标建筑物的至少一个楼层；根据至少一个终端设备采集的信号参数、目标设备类型和预设的指纹库，确定至少一个终端设备在目标建筑物内所处的目标楼层；指纹库包括设备类型、信号参数和楼层之间的对应关系；根据至少一个终端设备采集的信号参数和目标楼层对应目标设备类型的信号参数阈值，确定目标室分小区在目标楼层是否发生网络故障；若确定目标楼层发生网络故障，则输出目标楼层发生网络故障的提示信息。由于指纹库包括设备类型、信号参数和楼层之间的对应关系，且根据至少一个终端设备采集的信号参数、目标设备类型和预设的指纹库，确定至少一个终端设备在目标建筑物内所处的目标楼层，因此，可以解决同一位置处由于不同设备类型的终端设备的信号参数存在差异，导致楼层定位不准确的问题。
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为本申请实施例提供的应用场景图；
图2为本申请实施例提供的室分小区网络质量监测方法的流程图；
图3为本申请实施例提供的指纹库定位原理示意图；
图4为本申请实施例提供的指纹定位的示例图；
图5为本申请实施例提供的室分小区网络质量监测装置的结构示意图；
图6为本申请实施例提供的电子设备的结构示意图。
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。
室分系统全称为室内信号分布系统，室分系统所覆盖的小区称为室分小区。室分系统能够解决电梯、地下室等密闭空间没有移动信号的问题。室分系统是通过室内天线分布系统将移动基站的信号均匀分布在室内每个角落，从而保证室内每个区域都能达到理想的信号覆盖，改善建筑物内的通话质量，提高移动电话接通率，从而提升移动用户体验。通过对室分系统进行故障监控，及时发现并解决问题，能够保证室分小区的网络质量。下面结合附图对室分系统的工作原理进行介绍：
图1为本申请实施例提供的应用场景图。如图1所示，该应用场景包括：网络设备11、接入网络设备11的多个室分小区12、网络设备11所覆盖的目标建筑物13、多个终端设备14和服务器15；
其中，目标建筑物13包括多层楼层，多个终端设备14可以分布在目标建筑物的不同楼层，多个室分小区12可以覆盖目标建筑物13的不同区域；其中，一个室分小区可以覆盖目标建筑物的2到5层的楼层，或者一个室分小区可以覆盖目标建筑物的2到5层的楼层的部分区域。举例来说，目标建筑物为市政小区大楼，则一个室分小区可以覆盖市政小区大楼的3层楼层，且每层楼层为全面积覆盖；或者，目标建筑物为办公大楼，办公大楼包括会议室、茶水间、办公区，则一个室分小区可以覆盖会议室、茶水间或办公区中任意一个区域。总的来说，就是一个室分小区可以覆盖目标建筑物从高度、长度和宽度上确定的一个空间。
终端设备14可以是智能手机、平板电脑、笔记本电脑、台式电脑、电视机等。
网络设备11也称为室分基站，属于一种微基站，能够为目标建筑物的多个室分小区12中的终端设备提供无线网络，终端设备接入网络设备11的无线网络，能够实现上网等业务。
相关技术中，室分小区网络质量的显性故障检测技术已较为成熟，而隐性故障的排查较为困难。目前，主要通过室分巡检、网管告警、用户投诉等方式对室分小区的隐性故障进行检测。
其中，室分巡检，是依靠运维人员对室分系统进行人工排查。具体排查过程包括：首先，对室分基站从功放输出功率是否低于预设输出功率、接收机灵敏度是否下降、合路器是否出现驻波比告警致使信号损耗大于或等于预设损耗值、射频连线错误等硬件故障问题逐一进行排查。在完成室分基站的硬件故障问题排查后，需要排查无线配置参数设置是否有问题，比如收发单元(TRX)功率等级设置是否一致，射频拉远单元(Remote Radio Unit，RRU)发射功率设置是否合理，小区接入电平大于或等于预设接入电平等。另外，对于在巡检过程中，天线布放不合理的问题，现场排查时首先需要排除弱覆盖是否由天线布放不合理问题引起，如果天线口功率满足设计要求但还是存在弱覆盖问题，则说明天线布放不合理，如果天线口功率不满足设计要求则需要检查有源设备及室内信号分布系统的问题。
网管告警，是通过网管系统，在操作维护中心(OMC，Operation ManagementCenter)监控室分小区的各项监控指标，掉线率是否大于预设掉线率、接通率是否低于预设接通率、切换成功率是否低于预设切换成功率、上传速率是否低于预设上传速率、下载速率是否低于预设下载速率、上行干扰、下行质量是否低于预设质量阈值、时延是否大于预设时延、误块率是否高于预设误块率阈值、流量是否大于预设流量阈值等，根据该些指标进行针对性的排障处理。但是当室内信号分布系统一部分支路出现故障时，可能只有部分指标的轻微变化，将无法通过对网管系统指标的监测判断室内信号分布系统的网络故障。
用户投诉，是在接收到用户的投诉时，才去现场测试逐个排查问题。长期演进(Long Term Evolution，LTE)室分小区包括多个RRU，覆盖面积大，现场排障人员只能通过用户投诉的具体位置开展现场测试，按覆盖区域逐个排查RRU工作状态，效率低下，与此同时，小区整体指标可能会掩盖某个故障RRU，导致网管监控人员无法及时发现故障。
综上，上述三种故障检测方式的故障检测范围较大，导致故障检测的精确度较低，使得运维人员需要对整栋进行测试才能确认故障位置，故障处理效率低。
另外，由于不同设备类型的信号接收强度存在差异，即同一设备类型的终端设备在不同楼层的信号接收强度不同，而不同设备类型的终端设备在不同楼层的信号接收强度可能相同。例如，1个室分小区覆盖了一栋大楼的22楼和23楼，22楼的用户使用设备类型1的终端设备，信号接收强度为-95dbm，而23楼的用户使用设备类型2的终端设备，信号接收强度为-95dbm，则很可能将22楼的用户判定为23楼。因此，现有技术中存在故障定位不准确的问题。
针对上述技术问题，本申请提出如下技术构思：基于不同设备类型的终端设备在同一楼层的信号参数存在差异的特点，可以在指纹库中预先存储楼层、设备类型和信号参数之间的对应关系，从而根据用户的终端设备的设备类型和用户的终端设备所采集的信号参数对用户所在的楼层进行定位，以解决由于不同设备类型的终端设备在同一楼层的信号参数存在差异，导致故障定位不准确的问题。
下面将以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图2为本申请实施例提供的室分小区网络质量监测方法的流程图。如图2所示，该室分小区网络质量监测方法，包括如下步骤：
S201、获取至少一个终端设备采集的目标室分小区的信号参数；至少一个终端设备均为目标设备类型；信号参数用于表征目标室分小区的信号质量；目标室分小区覆盖目标建筑物的至少一个楼层。
本实施例的方法的执行主体可以为图1所示的服务器。
其中，获取至少一个终端设备采集的目标室分小区的信号参数，包括：
步骤a1、获取M个终端设备的MRO测量报告；每个终端设备的MRO测量报告包括每个终端设备接入的网络设备的标识和网络设备对应的室分小区的标识；MRO测量报告还包括每个终端设备的信号参数；M为大于或等于1的整数。
本实施例中的网络设备可以为无线接入网设备。其中，M个终端设备可能位于不同建筑物内，也可能位于同一建筑物内，M个终端设备根据基站下发的频点信息，上报MRO测量报告，MRO测量报告中每个终端设备的信号参数包括每个终端设备的参考信号接收电平(Reference Signal Receiving Power，RSRP)，和/或参考信号接收质量(ReferenceSignal Receiving Quality，RSRQ)。
MRO测量报告中还包括ECI，ECI根据室分小区的基站标识ID(eNode B-ID)和室分小区标识ID(Cell-ID)确定，即ECI＝10进制的eNode B-ID*256+10进制的Cell-ID，ECI可以作为唯一识别室分小区的标识。
步骤a2、根据M个终端设备中每个终端设备接入的网络设备的标识和网络设备对应的室分小区的标识，确定M个终端设备中每个终端设备所在的室分小区。
步骤a3、根据M个终端设备中每个终端设备所在的室分小区，确定位于目标室分小区中的至少一个终端设备。
其中，目标室分小区可以理解为待进行网络质量监测的室分小区，也可以是用户关注的室分小区。
根据ECI能够确定终端设备所在的室分小区，而室分小区和建筑物之间具有对应关系，因而确定终端设备所在的室分小区之后，根据室分小区与建筑物之间的对应关系，可以进一步确定终端设备所在的楼宇位置，即室分小区所在的目标建筑物的位置，其中，目标室分小区是指目标建筑物中待进行网络质量监测的室分小区。
步骤a4、将位于目标室分小区中的至少一个终端设备进行设备类型的划分，得到目标室分小区中的至少一个终端设备的设备类型。
其中，终端设备的设备类型包括终端设备的品牌信息和型号信息，也即终端设备的设备类型根据终端设备的品牌信息和型号信息确定。
举例来说，假设5个终端设备位于目标室分小区中，且5个终端设备的品牌信息分别为品牌1、品牌2、品牌1、品牌3和品牌2，型号信息分别为A1661、MCE8、A1661、VIVOX9S和MCE8，则该5个终端设备可以划分为3种设备类型，即：品牌1+A1661、品牌2+MCE8、品牌3+VIVOX9S。
可选的，MRO测量报告中还包括国际移动设备识别码(International MobileEquipment Identification Number，IMEI)，用于区分终端设备，IMEI储存在移动设备中，可通过终端设备的“设置”->“通用”->“关于本机”栏目获得。其总长为15位，每位数字仅使用0～9的数字。
IMEI与每台终端设备一一对应，IMEI＝TAC+FAC+SNR+SP。其中，前6位数(TAC)是“型号核准号码”，由欧洲型号标准中心分配，代表机型。接着的2位数(FAC)是“最后装配号”，代表产地。之后的6位数(SNR)是“串号”，用于区别同一个TAC和FAC中的每台终端设备，代表生产顺序号。最后1位数(SP)通常是“0”，是备用编码。每台终端设备的TAC码是唯一的，而品牌和型号可能不是唯一的，但TAC和品牌、型号之间具有对应关系，该对应关系存储在IMEI TAC库中。因此，基于TAC标识，可以在IMEI TAC库查询得到终端设备的品牌和型号，从而得到终端设备的设备类型。其中，IMEI TAC库中存储的TAC、品牌信息和型号信息之间的对应关系具体如下表1所示：
表1 TAC、品牌信息和型号信息之间的对应关系
步骤a5、根据M个终端设备中每个终端设备的信号参数，以及目标室分小区中的至少一个终端设备的设备类型中的目标设备类型，确定M个终端设备中目标设备类型的终端设备的信号参数。
请继续参阅步骤a4中的举例，假设目标设备类型为品牌3+VIVOX9S，则步骤a5是获取品牌信息为品牌3，型号信息为VIVOX9S的所有终端设备的信号参数。
S202、根据至少一个终端设备采集的信号参数、目标设备类型和预设的指纹库，确定至少一个终端设备在目标建筑物内所处的目标楼层；指纹库包括设备类型、信号参数和楼层之间的对应关系。
在步骤S202之前，需要获取指纹库。其中，获取指纹库，包括：服务器构建指纹库，或者，服务器接收其他设备构建完成的指纹库，并存储在服务器中。其中，服务器或其他设备构建指纹库，包括：
步骤b1、在目标建筑物的P个楼层中每个楼层未发生网络故障时，获取预设时间段内，通过N个不同设备类型的终端设备对目标建筑物的P个楼层中每个楼层进行信号采集，得到的N个信号参数。
其中，P为大于或等于1的整数，N为大于或等于2的整数。
步骤b2、根据终端设备所采集的目标建筑物的楼层，终端设备的设备类型和终端设备采集的信号参数，得到设备类型、信号参数和楼层之间的对应关系。
在一种可选的实施方式中，可以基于派单测试任务对室分小区的每一层楼进行信号采集，得到指纹库。具体的，可以是通过派遣测试人员携带终端设备前往目标建筑物的具体楼层进行扫楼测试。由于不同设备类型的终端设备的信号接收性能存在差异，即不同设备类型的终端设备的信号参数存在差异，如果目标建筑物的其中一层楼的用户使用不同设备类型的终端设备，若仅考虑其中一种设备类型的信号参数构建指纹库，就会造成由于终端设备上报的信号参数之间的差异，导致在指纹库匹配出现错误，进而导致对用户所在楼层定位不准确的问题。因此，本实施例通过不同设备类型的终端设备或者不同设备类型的终端设备上安装的手机软件(Application，APP)采集每层楼的信号参数，并构建指纹库。
其中，构建的指纹库包括如下信息：
1、室分小区ECI；
2、测试记录时间PC Time；
3、测试的终端设备的设备类型(基于IMEI识别)；
4、室分小区经纬度(Longitude，Latitude)；
5、室分小区主服务小区下行频点EARFCN DL；
6、室分主服务小区扰码(Physical Cell Identifier，PCI)，即物理小区标识；
7、室分主服务小区参考信号接收电平(Reference Signal Receiving Power，RSRP)；
8、室分主服务小区参考信号接收质量(Reference Signal Receiving Quality，RSRQ)；
9、室分小区第1邻区下行频点(lte_ncearfcn1)；
10、室分小区第1邻区扰码PCI(lte_ncpci1)；
11、室分小区第1邻区参考信号接收电平(lte_ncRSRP1)；
12、室分小区第1邻区参考信号接收质量(lte_ncRSRQ1)；
13、室分小区第2邻区下行频点(lte_ncearfcn2)；
14、室分小区第2邻区扰码PCI(lte_ncpci2)；
15、室分小区第2邻区参考信号接收电平(lte_ncRSRP2)；
16、室分小区第2邻区参考信号接收质量(lte_ncRSRQ2)；
…………
n1、室分小区第m’邻区下行频点(lte_ncearfcnm’)；
n2、室分小区第m’邻区扰码PCI(lte_ncpcim’)；
n3、室分小区第m’邻区参考信号接收电平(lte_ncRSRPm’)；
n4、室分小区第m邻区参考信号接收质量(lte_ncRSRQm’)；
其中，m’小于或等于室分小区配置最大邻区数。室分小区ECI，用于标识室分小区相对全球的位置，室分小区PCI用于标识室分小区相对目标建筑物的位置。
其中，楼层、设备类型和指纹之间的对应关系如表2所示：
表2楼层、设备类型和指纹之间的对应关系
其中，指纹包括终端设备所在的主服务小区RSRP参数和/或RSRQ参数，和/或，多个邻小区中每个邻小区的RSRP参数和/或RSRQ参数。以F1的品牌1，型号信息为A1661为例，则M11代表品牌1的A1661型号的终端设备在F1层的参考信号接收电平强度RSRP和/或参考信号接收电平质量RSRQ。
可选的，步骤S202之后，还包括：若确定目标楼层未发生网络故障，则根据至少一个终端设备采集的目标室分小区的信号参数、所处的楼层和设备类型，对指纹库中与至少一个终端设备的设备类型相同的设备类型，且与至少一个终端设备采集的目标建筑物的楼层相同的楼层对应的信号参数进行更新。也即，服务器还可以根据在对室分小区网络质量监测时，若目标楼层未发生网络故障，根据目标楼层的终端设备所采集的MR测量报告更新指纹库。
其中，指纹库定位原理为：用户使用终端设备在室分小区中目标位置点测量得到主服务小区A的参考信号接收电平强度a和邻区B的参考信号接收电平强度b、邻区C的参考信号接收电平强度c，目标位置点构成的特征向量为(Aa，Bb，Cc)，其中，Aa表示目标位置点处主服务小区A的参考信号接收电平强度为a，Bb表示目标位置点处邻区B的参考信号接收电平强度为b，Cc表示目标位置点处邻区C的参考信号接收电平强度为c，则可以通过在指纹库中匹配与用户在目标位置点处的特征向量之间的最短欧式距离对应的目标指纹，并且将目标指纹对应的楼层确定为目标楼层。下面结合附图对指纹库定位原理进行解释说明：
图3为本申请实施例提供的指纹库定位原理示意图。如图3所示，通过选取指纹库中主服务小区及第1至n邻区的RSRP和RSRQ作为信号参数，并抽取室分小区中用户1上报的MR报告中主服务小区及第1至n邻区的RSRP和RSRQ参数；之后，根据指纹库定位原理计算用户1的信号参数与指纹库中不同设备类型对应的信号参数进行相减并求平方和，得到欧式距离；根据欧式距离满足最短原则得到与用户1归属的楼层。如图3所示，通过用户1上报的RSRP和RSRQ参数与指纹库的每层楼对应的所有信号参数进行匹配，得到用户1与楼层1的之间欧式距离最小，因此可以判断该用户1归属楼层1。
图4为本申请实施例提供的指纹定位的示例图。如图4所示，假设有X个用户，则根据M个用户的M个终端设备上报的MR测量报告中的信号参数，在指纹库的m*n个指纹中进行指纹匹配，可以得到M个用户中每个用户所在的楼层。
根据上述过程，可以得到目标建筑物中所有用户的归属楼层。
可选的，为了避免根据RSRP确定的欧式距离最小，而根据RSRQ确定的欧式距离非最小，导致无法确定用户1匹配的楼层，还可以根据平均欧式距离进行指纹匹配，其中，平均欧式距离是指根据RSRP确定的第一欧式距离与根据RSRQ确定的第二欧式距离的平均值。若用户1与楼层1对应的信号参数之间的平均欧式距离最小，则判断用户1归属楼层1。
S203、根据至少一个终端设备针对信号参数的采样点数量和目标楼层对应目标设备类型针对信号参数的采样点数量阈值，确定目标室分小区在目标楼层是否发生网络故障。
其中，步骤S203包括如下三种可选的实施方式：
在一种可选的实施方式中，步骤S203包括：若至少一个终端设备在预设时间段针对所述信号参数的采样点数量，大于目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值，则确定目标室分小区在目标楼层发生网络故障。
在另一种可选的实施方式中，步骤S203包括：若至少一个终端设备在预设时间段针对所述信号参数的采样点数量，大于或等于目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值的次数大于或等于预设次数，则输出目标楼层发生网络故障的提示信息。
在又一种可选的实施方式中，步骤S203包括：若至少一个终端设备在预设时间段针对所述信号参数的采样点数量，大于或等于目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值的时长大于或等于预设时长，则输出目标楼层发生网络故障的提示信息。
示例性地，步骤S203包括：
步骤c1、确定至少一个终端设备在预设时间段采集的位于不同信号区间的采样点数量。
步骤c2、根据至少一个终端设备在预设时间段采集的位于不同信号区间的采样点数量，与不同信号区间对应的采样点数量阈值，确定目标室分小区在目标楼层是否发生网络故障。
示例性地，可以预先设置多个信号区间。可选的，多个信号区间包括第一信号区间、第二信号区间、第三信号区间、第四信号区间、第五信号区间和第六信号区间；其中，第一信号区间是指大于-95dBm的参考信号接收电平强度或参考信号接收质量的信号参数确定的信号参数区间，第二信号区间是指小于或等于-95dbm且大于-100dbm的参考信号接收电平强度或参考信号接收质量的信号参数确定的信号参数区间，第三信号区间是指小于或等于-100dbm且大于-105dbm的参考信号接收电平强度或参考信号接收质量确定的信号参数区间，第四信号区间是指小于或等于-105dbm且大于-110dbm的参考信号接收电平强度或参考信号接收质量确定的信号参数区间，第五信号区间是指小于或等于-110dbm且大于-115dbm的参考信号接收电平强度或参考信号接收质量确定的信号参数区间；第六信号区间是指小于或等于-115dBm的参考信号接收电平强度或参考信号接收质量确定的信号参数区间。
其中，步骤c2包括如下三种可选的实施方式：
在一种可选的实施方式中，步骤S203包括：若至少一个终端设备在预设时间段采集的位于目标信号区间的采样点数量，大于目标信号区间的采样点数量阈值，则确定目标室分小区在目标楼层发生网络故障。其中，目标信号区间可以是多个信号区间中任意的信号区间。
假设多个信号区间包括：第一信号区间、第二信号区间、第三信号区间、第四信号区间、第五信号区间和第六信号区间，则步骤S203可以包括如下六项：
若至少一个终端设备在预设时间段采集的位于第一信号区间内的采样点数量，大于第一信号区间对应的采样点数量阈值，则确定目标室分小区在目标楼层发生网络故障。
若至少一个终端设备在预设时间段采集的位于第二信号区间内的采样点数量，大于第二信号区间对应的采样点数量阈值，则确定目标室分小区在目标楼层发生网络故障。
若至少一个终端设备在预设时间段采集的位于第三信号区间内的采样点数量，大于第三信号区间对应的采样点数量阈值，则确定目标室分小区在目标楼层发生网络故障。
若至少一个终端设备在预设时间段采集的位于第四信号区间内的采样点数量，大于第四信号区间对应的采样点数量阈值，则确定目标室分小区在目标楼层发生网络故障。
若至少一个终端设备在预设时间段采集的位于第五信号区间内的采样点数量，大于第五信号区间对应的采样点数量阈值，则确定目标室分小区在目标楼层发生网络故障。
若至少一个终端设备在预设时间段采集的位于第六信号区间内的采样点数量，大于第六信号区间对应的采样点数量阈值，则确定目标室分小区在目标楼层发生网络故障。
也就是说，若上述六项中至少一项满足时，则确定目标室分小区在目标楼层发生网络故障。在另一种可选的实施方式中，步骤S203包括：至少一个终端设备在预设时间段采集的位于目标信号区间内的采样点数量，大于目标信号区间对应的采样点数量阈值的次数大于或等于预设次数，则确定目标室分小区在目标楼层发生网络故障。
在又一种可选的实施方式中，步骤S203包括：至少一个终端设备在预设时间段采集的位于目标信号区间内的采样点数量，大于目标信号区间的采样点数量阈值的时长大于或等于预设时长，则确定目标室分小区在目标楼层发生网络故障。
确定所有终端设备的楼层位置后，可以对每一层楼的不同设备类型的所有终端设备进行归类统计，然后再对这些终端设备的MR测量报告进行聚类，并根据聚类后的结果确定该楼层是否发生网络故障，下面通过一个具体的示例对归类统计和聚类进行说明：
举例来说，每个楼层的终端设备可以标记如下：楼层m中的用户可以表示为〖User1〗^layerm～〖Usern〗^layerm，表示楼层m存在n个用户；其中，m和n均为大于或等于1的整数。
室分小区下的终端设备在物理层测量小区信号强度后，通过空口发送到网络设备，再由网络设备通过无线接入网网元管理系统(OMC-R)传输至服务器。室分小区中每层楼的用户的终端设备上报的MR测量报告的原始数据如下表3所示：
表3 MR测量报告的原始数据
上表为楼层1的用户1在不同的时间上报的MR测量报告的原始数据，假设用户1是按照每10秒周期上报给网络设备，则每10秒中就记录了该10秒内的参考信号电平值RSRP、参考信号接收质量RSRQ、对应频点、扰码PCI以及该用户的IMSI和手机号码。根据MR原始数据中的信息，可以统计用户1在预设时间段内的不同信号区间内的采样点数量，假设从上表的开始时间点“14:25:10”到时间点“14:26:30”对RSRP进行统计，则大于-95dBm的采样点数量为7个，分别为：
1)14:25:10 RSRP为-75
2)14:25:20 RSRP为-76
3)14:25:30 RSRP为-65
4)14:25:40 RSRP为-94
5)14:25:50 RSRP为-89
6)14:26:00 RSRP为-88
7)14:26:10 RSRP为-85
同样，从开始时间点“14:25:10”到时间点“14:26:30”统计，大于-100dBm的采样点数量为8个，分别为：
1)14:25:10 RSRP为-75
2)14:25:20 RSRP为-76
3)14:25:30 RSRP为-65
4)14:25:40 RSRP为-94
5)14:25:50 RSRP为-89
6)14:26:00 RSRP为-88
7)14:26:10 RSRP为-85
8)14:26:30 RSRP为-99
依次类推，可以分别统计出第一信号区间、第二信号区间、第三信号区间、第四信号区间、第五信号区间和第六信号区间的采样点数量。
之后，在预设时间段内将每层楼中所有终端设备下同一设备类型的终端设备在不同信号区间的采样点数量进行求和。
举例来说，假设该层楼包括10个终端设备，分别记为设备1至设备10，且10个终端设备中设备1至设备5为同一设备类型，设备6至设备10为另一设备类型，则是将设备1至设备5在第一信号区间的采样点数量进行求和，将设备1至设备5在第二信号区间的采样点数量进行求和，将设备1至设备5在第三信号区间的采样点数量进行求和，将设备1至设备5在第四信号区间的采样点数量进行求和，将设备1至设备5在第五信号区间的采样点数量进行求和，将设备1至设备5在第六信号区间的采样点数量进行求和。
以及，将设备6至设备10在第一信号区间的采样点数量进行求和，将设备6至设备10在第二信号区间的采样点数量进行求和，将设备6至设备10在第三信号区间的采样点数量进行求和，将设备6至设备10在第四信号区间的采样点数量进行求和，将设备6至设备10在第五信号区间的采样点数量进行求和，将设备6至设备10在第六信号区间的采样点数量进行求和。
根据上述实施例，可以得到每层楼所有终端设备的指标参数，包括：终端设备在目标室分小区下的楼层m进行信号采集得到的大于-115dbm的采样点数量；终端设备在目标室分小区下的楼层m进行信号采集得到的大于-110dbm的采样点数量；终端设备在目标室分小区下的楼层m进行信号采集得到的大于-105dbm的采样点数量；终端设备在目标室分小区下的楼层m进行信号采集得到的大于-100dbm的采样点数量；终端设备在目标室分小区下的楼层m进行信号采集得到的大于-95dbm的采样点数量；终端设备在目标室分小区下的楼层m进行信号采集得到的总采样点数量。
根据生成的6项指标参数，按照如下的预设规则可以计算得到6个不同信号区间的采样点数量，每个信号区间采样点数量的具体计算步骤如下：
①终端设备在目标室分小区下的楼层m进行信号采集得到的高于-95dbm的采样点数量，等于终端设备在目标室分小区下的楼层m进行信号采集得到的大于-95dbm的采样点数量；
②终端设备在目标室分小区下的楼层m进行信号采集得到的位于[-95dbm，-100dbm)之间的采样点数量，等于终端设备在目标室分小区下的楼层m进行信号采集得到的大于-100dbm的采样点数量，减去终端设备在目标室分小区下的楼层m进行信号采集得到的大于-95dbm的采样点数量；
③终端设备在目标室分小区下的楼层m进行信号采集得到的位于[-100dbm，-105dbm)之间的采样点数量，等于终端设备在目标室分小区下的楼层m进行信号采集得到的大于-105dbm的采样点数量，减去终端设备在目标室分小区下的楼层m进行信号采集得到的大于-100dbm的采样点数量；
④终端设备在目标室分小区下的楼层m进行信号采集得到的位于[-105dbm，-110dbm)之间的采样点数量，等于楼层m室分覆盖大于-110dbm的采样点数量，减去终端设备在目标室分小区下的楼层m进行信号采集得到的大于-105dbm的采样点数量；
⑤终端设备在目标室分小区下的楼层m进行信号采集得到的位于[-110dbm，-115dbm)之间的采样点数量，等于楼层m室分覆盖大于-115dbm的采样点数量，减去终端设备在目标室分小区下的楼层m进行信号采集得到的大于-110dbm的采样点数量；
⑥终端设备在目标室分小区下的楼层m进行信号采集得到的小于或等于-115dbm的采样点数量，等于终端设备在目标室分小区下的楼层m进行信号采集得到的总采样点数量，减去终端设备在目标室分小区下的楼层m进行信号采集得到的大于-115dbm采样点数量。
由此，便可以得到目标建筑物的每个楼层中不同设备类型的终端设备在不同信号区间的采样点数量。
S204、若确定目标楼层发生网络故障，则输出目标楼层发生网络故障的提示信息。
其中，目标楼层发生网络故障，包括如下情形：功放输出功率低于预设输出功率、接收机灵敏度下降、合路器出现驻波比告警致使信号损耗大于或等于预设损耗值、射频连线错误等硬件故障问题；无线配置参数设置存在问题，比如收发单元(TRX)功率等级设置不一致，射频拉远单元(Remote Radio Unit，RRU)发射功率设置不合理，小区接入电平大于或等于预设接入电平等；弱覆盖是否由天线布放不合理问题引起；掉线率大于预设掉线率、接通率低于预设接通率、切换成功率低于预设切换成功率、上传速率低于预设上传速率、下载速率低于预设下载速率、上行干扰、下行质量低于预设质量阈值、时延大于预设时延、误块率高于预设误块率阈值、流量大于预设流量阈值等。
本实施例通过获取至少一个终端设备采集的目标室分小区的信号参数；至少一个终端设备均为目标设备类型；信号参数用于表征目标室分小区的信号质量；目标室分小区覆盖目标建筑物的至少一个楼层；根据至少一个终端设备采集的信号参数、目标设备类型和预设的指纹库，确定至少一个终端设备在目标建筑物内所处的目标楼层；指纹库包括设备类型、信号参数和楼层之间的对应关系；根据至少一个终端设备采集的信号参数和目标楼层对应目标设备类型的信号参数阈值，确定目标室分小区在目标楼层是否发生网络故障；若确定目标楼层发生网络故障，则输出目标楼层发生网络故障的提示信息。由于指纹库包括设备类型、信号参数和楼层之间的对应关系，且根据至少一个终端设备采集的信号参数、目标设备类型和预设的指纹库，确定至少一个终端设备在目标建筑物内所处的目标楼层，因此，可以解决同一位置处由于不同设备类型的终端设备的信号参数存在差异，导致楼层定位不准确的问题。
在上述实施例的基础上，在步骤S203之前，还需要确定目标楼层的目标设备类型的终端设备的信号参数阈值。具体包括：
步骤d1、在目标建筑物的Q个楼层中每个楼层未发生网络故障时，根据在预设时间段内，通过目标设备类型的终端设备对所述目标建筑物的Q个楼层中每个楼层针对所述信号参数进行信号采集得到的采样点数量，确定目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值；所述Q为大于或等于1的整数。
其中，步骤d1具体包括：
步骤d11、在目标建筑物的Q个楼层中每个楼层未发生网络故障时，获取预设时间段内，目标建筑物的Q个楼层中每个楼层的多个终端设备针对所述信号参数进行信号采集得到的采样点数量。
步骤d12、将目标建筑物的Q个楼层中每个楼层的多个终端设备进行聚类，得到Q个楼层中每个楼层的多种设备类型的终端设备在各个采样时间点采集的信号参数。
步骤d13、将Q个楼层中每个楼层的多种设备类型的终端设备在各个采样时间点采集的信号参数进行信号区间划分，得到各个区间范围内的采样点数量和采样点分布占比。
步骤d14、根据各个区间范围内的采样点数量和采样点分布占比，得到当前时间下目标建筑物的Q个楼层中每个楼层的多种设备类型的终端设备的信号参数阈值。
本实施例中，通过Prophet训练模型的时序分解方法，将不同楼层下所有终端设备采集的在不同信号区间的采样点数量分解为三项：趋势项、周期项和误差项，并且针对趋势、周期特征分量，建立Prophet模型进行预测。具体包括如下步骤：
步骤e1、获取第t天目标室分小区的目标楼层对应的目标设备类型的采样点数量阈值St，并采用Prophet模型训练的时序数据分解方法，将第t天采样点数量阈值St分解成趋势项trendt、周期项(dailyt,weeklyt))和误差项ε。
其中，采用Prophet模型训练的时序数据分解方法，将第t天采样点数量阈值St分解成趋势项trendt、周期项(dailyt,weeklyt))和误差项ε可以参见相关技术的介绍，本实施例在此不再介绍。
具体的，可以是获取目标建筑物中不同楼层中所有用户中每个用户的终端设备采集的MR测量报告，并对MR测量报告中的原始数据进行预处理，例如格式转换、空缺值填充和无用信息的去除等。其中，空缺值填充时，若楼层m低于-95dbm的采样点数量不连续，即在空缺值对应的采样时间点没有数值。则可以采用上下均值替代法，即用空缺值对应的采样时间点的前一采样时间点的采样点数量和后一采样时间点的采样点数量的平均值来填补缺失的采样时间点的采样点数量。
步骤e2、根据趋势项trendt和周期项(dailyt,weeklyt)，以及Prophet模型预测第t+3天的趋势预测值trendt+3和第t+3天的周期预测值(dailyt+3,weeklyt+3)。
步骤e3、根据第t+3天的趋势预测值trendt+3、第t+3天的周期预测值(dailyt+3,weeklyt+3)和误差项ε，得到第t+3天目标室分小区的采样点数量预测值St+3，St+3可以采用如下公式(1)表示：
St+3＝trendt+3+dailyt+3+weeklyt+3+ε； (1)
根据上述实施例，可以得到目标室分小区的目标楼层对应的目标设备类型的采样点数量预测值。之后，可以将目标室分小区的目标楼层对应的目标设备类型的采样点数量预测值，与目标室分小区的目标楼层中，目标设备类型的终端设备在不同信号区间的采样点数量相减，得到随机序列；再根据随机序列的标准差和预测值得到目标室分小区的目标楼层对应的目标设备类型的采样点数量阈值。
根据中心极限定理，如果一个事物受到多种因素的影响，不管每个因素本身是什么分布，它们加总后结果的平均值呈现正态分布。因此实际值与预测值的差值即随机序列呈现正态分布。正态分布的标准反映了组内个体间的离散程度。如一个较大的标准差，表示大部分的数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。其中，将目标室分小区的目标楼层对应的目标设备类型的采样点数量预测值，与目标室分小区的目标楼层中，目标设备类型的终端设备在不同信号区间的采样点数量相减，得到随机序列；再根据随机序列的标准差和预测值得到目标室分小区的目标楼层对应的目标设备类型的采样点数量阈值，包括如下步骤：
步骤f1、将St与趋势预测值trendt、周期预测值(dailyt,weeklyt)相减得到随机序列Rt；
其中，随机序列Rt呈现正态分布，随机序列Rt可以表示为如下公式(2)；
Rt＝St-trendt-dailyt-weeklyt； (2)
步骤f2、确定随机序列Rt的标准差σ。
其中，随机序列Rt的标准差反映了实际目标室分小区的目标楼层对应的目标设备类型的采样点数量与目标室分小区的目标楼层对应的目标设备类型的采样点数量的预测值之间的离散程度，则随机序列Rt的标准差σ可以表示为如下公式(3)：
步骤f3、根据第t+3天目标室分小区的目标楼层对应的目标设备类型的采样点数量预测值St+3与随机序列Rt的标准差σ，得到第t+3天小区KPI指标的动态门限d_threst+3。
其中，步骤f3可以表示为如下公式(4)：
d_threst+3＝St+3+σ； (4)
Prophet本质上是一种可分解的加法回归模型，即按时序特征可将时序数据分解为非周期性变化的趋势项、天或周的季节周期项和节假日效应等。因此，Prophet模型可以灵活地对各时序特征的参数进行设置，这些参数值的大小分别表示各个特征对模型预测结果的贡献度。通过分析模型的训练结果，可以调节各特征的参数，以便进一步提升预测精确度。其中，Prophet模型的参数如下表4所示：
表4 Prophet模型的参数
本实施例相较于传统的小区KPI突变检测方法，更容易发现不符合历史规律的KPI数值，同时快速定位出第n层楼层出现了异常，使得运维人员在现场排查时，能够直接针对第n层楼进行故障处理，从而提高故障定位精度和故障处理效率。
在上述实施例中，介绍了根据目标建筑物内的终端设备进行网络故障监测，而这些终端设备所对应的用户中包括目标建筑物的常驻用户和非常驻用户，非常驻用户的MR数据为偶然数据，对于网络故障监测的参考意义较低，因此，本申请还可以将至少一个终端设备设置为常驻用户的终端设备。而关于常驻用户的确定过程，可以参见如下示例介绍，该示例具体包括如下步骤：
步骤g1、根据ECI，与小区工参表中的室分小区覆盖的楼宇信息，确定室分小区所覆盖的目标建筑物的位置。
步骤g2、根据目标建筑物的用户的MRO测量报告中驻留时长，确定用户在该楼宇室分小区下的驻留时长。
具体的，是通过MRO测量报告中的“slicetime”字段，确定用户在该楼宇室分小区下的驻留时长。
其中，由于目标建筑物内存在多个室分小区，用户可能在不同的楼层活动，但是可以通过室分小区的ECI+扰码PCI来判断用户是否在楼宇内。即根据用户的终端设备上传的MRO测量报告中的驻留小区ECI、主服务小区的PCI以及驻留时长，确定目标建筑物内的常驻用户。
其中，可以通过如下预设条件判断目标建筑物内的用户是否为常驻用户：
确定第一预设时间段中，终端设备在目标建筑物中的室分小区中的采样点数量在第二预设时间段中的占比超过预设占比，例如80％。其中，第一预设时间段可以是上午9点至11点或者下午14点至17点，还可以是晚上23点至第2天上午6点。
举例来说，一栋大楼包括3个室分小区，ECI+PCI分别为1088001-487，1088002-488,1088003-489，通过采集MSISDN＝1850876257的用户在上午9点至11点的第一预设时间段的MRO测量报告，并分别统计该用户在3个室分小区下的采样点数量以及在所有室分小区下的MR采样点数量，若该用户在目标建筑物的3个室分小区中的采样点数量之和，与该用户在所有室分小区下的采样数量之和的比值大于或等于预设比值，例如80％，则确定该用户为目标建筑物中的常驻用户。其中，3个室分小区包括该用户所在的主服务小区、第1邻小区和第2邻小区。
若满足上述预设条件的天数大于或等于预设天数，则确定该用户为目标建筑物的常驻用户。
若目标建筑物包括1个室分小区，则统计该室分小区下的MR测量报告，具体如下表5所示：
表5包括1个室分小区的目标建筑物内所有终端设备的MR测量报告
| rate | eci | slicetime |
| 0.5714285714285714 | 10534165 | 20210906 |
| 0.42857142857142855 | 10534195 | 20210906 |
| 0.5555555555555556 | 10534165 | 20210907 |
| 0.4444444444444444 | 10534195 | 20210907 |
| 1.0 | 10534166 | 20210908 |
| 0.5428571428571428 | 10534165 | 20210909 |
| 0.45714285714285713 | 10534195 | 20210909 |
| 0.5294117647058824 | 10534165 | 20210910 |
在表5中，rate代表室分小区下常驻用户的MR采样点数量在室分小区下所有用户的MR采样点数量中的占比。
在上述方法实施例的基础上，图5为本申请实施例提供的室分小区网络质量监测装置的结构示意图。如图5所示，室分小区网络质量监测装置，包括：获取模块51、第一确定模块52、第二确定模块53和输出模块54；
其中，获取模块51，用于获取至少一个终端设备采集的所述目标室分小区的信号参数；所述至少一个终端设备均为目标设备类型；所述信号参数用于表征所述目标室分小区的信号质量；所述目标室分小区覆盖目标建筑物的至少一个楼层；
第一确定模块52，用于根据所述目标设备类型的至少一个终端设备采集的信号参数、所述目标设备类型和预设的指纹库，确定所述至少一个终端设备在所述目标建筑物内所处的目标楼层；所述指纹库包括设备类型、信号参数和楼层之间的对应关系；
第二确定模块53，用于根据所述至少一个终端设备采集的信号参数和所述目标楼层对应所述目标设备类型的信号参数阈值，确定所述目标室分小区在所述目标楼层是否发生网络故障；
输出模块54，用于若确定所述目标楼层发生网络故障，则输出所述目标楼层发生网络故障的提示信息。
在一些实施例中，所述获取模块51获取至少一个终端设备采集的所述目标室分小区的信号参数，具体包括：获取M个终端设备的MRO测量报告；每个所述终端设备的MRO测量报告包括每个所述终端设备接入的网络设备的标识、所述网络设备对应的室分小区的标识和每个所述终端设备的信号参数；所述M为大于或等于1的整数；根据M个所述终端设备中每个所述终端设备接入的网络设备的标识和所述网络设备对应的室分小区的标识，确定M个所述终端设备中每个终端设备所在的室分小区；根据M个所述终端设备中每个终端设备所在的室分小区，确定位于目标室分小区中的至少一个终端设备；将位于所述目标室分小区中的至少一个终端设备进行设备类型的划分，得到所述目标室分小区中的至少一个终端设备的设备类型；根据M个终端设备中每个所述终端设备的信号参数，以及所述目标室分小区中的至少一个终端设备的设备类型中的目标设备类型，确定所述M个终端设备中目标设备类型的终端设备的信号参数。
在一些实施例中，所述装置还包括：指纹库构建模块55，用于在目标建筑物的P个楼层中每个楼层未发生网络故障时，获取预设时间段内，通过N个不同设备类型的终端设备对所述目标建筑物的P个楼层中每个楼层进行信号采集，得到的N个信号参数；根据所述终端设备所采集的目标建筑物的楼层，所述终端设备的设备类型和所述终端设备采集的信号参数，得到所述设备类型、信号参数和楼层之间的对应关系。
在一些实施例中，所述指纹库构建模块55，还用于若确定所述目标楼层未发生网络故障，则根据至少一个终端设备采集的所述目标室分小区的信号参数、所处的楼层和设备类型，对所述指纹库中与所述至少一个终端设备的设备类型相同的设备类型，且与所述至少一个终端设备采集的目标建筑物的楼层相同的楼层对应的信号参数进行更新。
在一些实施例中，所述第二确定模块53，还用于若至少一个终端设备在预设时间段针对所述信号参数的采样点数量，大于目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值，则确定目标室分小区在目标楼层发生网络故障；若至少一个终端设备在预设时间段针对所述信号参数的采样点数量，大于或等于目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值的次数大于或等于预设次数，则输出目标楼层发生网络故障的提示信息；若至少一个终端设备在预设时间段针对所述信号参数的采样点数量，大于或等于目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值的时长大于或等于预设时长，则输出目标楼层发生网络故障的提示信息。
在一些实施例中，所述第二确定模块53，还用于在目标建筑物的Q个楼层中每个楼层未发生网络故障时，根据在预设时间段内，通过目标设备类型的终端设备对所述目标建筑物的Q个楼层中每个楼层针对所述信号参数进行信号采集得到的采样点数量，确定目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值；所述Q为大于或等于1的整数。
在一些实施例中，所述第二确定模块53，用于在目标建筑物的Q个楼层中每个楼层未发生网络故障时，获取预设时间段内，所述目标建筑物的Q个楼层中每个楼层的多个终端设备针对所述信号参数进行信号采集得到的采样点数量；将所述目标建筑物的Q个楼层中每个楼层的多个终端设备进行聚类，得到Q个楼层中每个楼层的多种设备类型的终端设备在各个采样时间点采集的信号参数；将所述Q个楼层中每个楼层的多种设备类型的终端设备在各个采样时间点采集的信号参数进行信号区间划分，得到各个区间范围内的采样点数量和采样点分布占比；根据所述各个区间范围内的采样点数量和采样点分布占比，得到所述当前时间下目标建筑物的Q个楼层中每个楼层的多种设备类型的终端设备的信号参数阈值。
本申请实施例提供的室分小区网络质量监测装置，可用于执行上述实施例中室分小区网络质量监测方法的技术方案，其实现原理和技术效果类似，在此不再赘述。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，第二确定模块53可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上第二确定模块53的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
图6为本申请实施例提供的电子设备的结构示意图。如图6所示，该电子设备可以包括：收发器61、处理器62、存储器63。
处理器62执行存储器存储的计算机执行指令，使得处理器62执行上述实施例中的方案。处理器62可以是通用处理器，包括中央处理器CPU、网络处理器(network processor，NP)等；还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器63通过系统总线与处理器62连接并完成相互间的通信，存储器63用于存储计算机程序指令。
收发器61可以用于接收终端设备上报的MR测量报告。
系统总线可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等。系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。收发器用于实现数据库访问装置与其他计算机(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(randomaccess memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)。
本申请实施例提供的电子设备，可以是上述实施例的终端设备。
本申请实施例还提供一种运行指令的芯片，该芯片用于执行上述实施例中室分小区网络质量监测方法的技术方案。
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指令，当该计算机指令在计算机上运行时，使得计算机执行上述实施例室分小区网络质量监测方法的技术方案。
本申请实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序，其存储在计算机可读存储介质中，至少一个处理器可以从计算机可读存储介质读取计算机程序，至少一个处理器执行计算机程序时可实现上述实施例中室分小区网络质量监测方法的技术方案。
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 (9)
1.一种室分小区网络质量监测方法，其特征在于，包括：
获取至少一个终端设备采集的目标室分小区的信号参数；所述至少一个终端设备均为目标设备类型；所述信号参数用于表征所述目标室分小区的信号质量；所述目标室分小区覆盖目标建筑物的至少一个楼层；
根据至少一个终端设备采集的信号参数、所述目标设备类型和预设的指纹库，确定所述至少一个终端设备在所述目标建筑物内所处的目标楼层；所述指纹库包括设备类型、信号参数和楼层之间的对应关系；
根据所述至少一个终端设备针对所述信号参数的采样点数量和所述目标楼层对应所述目标设备类型针对所述信号参数的采样点数量阈值，确定所述目标室分小区在所述目标楼层是否发生网络故障；
若确定所述目标楼层发生网络故障，则输出所述目标楼层发生网络故障的提示信息；
所述根据所述至少一个终端设备针对所述信号参数的采样点数量和所述目标楼层对应所述目标设备类型针对所述信号参数的采样点数量阈值，确定所述目标室分小区在所述目标楼层是否发生网络故障，包括：
若至少一个终端设备在预设时间段针对所述信号参数的采样点数量，大于目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值，则确定目标室分小区在目标楼层发生网络故障；
若至少一个终端设备在预设时间段针对所述信号参数的采样点数量，大于或等于目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值的次数大于或等于预设次数，则输出目标楼层发生网络故障的提示信息；
若至少一个终端设备在预设时间段针对所述信号参数的采样点数量，大于或等于目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值的时长大于或等于预设时长，则输出目标楼层发生网络故障的提示信息。
2.根据权利要求1所述的方法，其特征在于，所述获取至少一个终端设备采集的所述目标室分小区的信号参数；包括：
获取M个终端设备的MRO测量报告；每个所述终端设备的MRO测量报告包括每个所述终端设备接入的网络设备的标识、所述网络设备对应的室分小区的标识和每个所述终端设备的信号参数；所述M为大于或等于1的整数；
根据M个所述终端设备中每个所述终端设备接入的网络设备的标识和所述网络设备对应的室分小区的标识，确定M个所述终端设备中每个终端设备所在的室分小区；
根据M个所述终端设备中每个终端设备所在的室分小区，确定位于目标室分小区中的至少一个终端设备；
将位于所述目标室分小区中的至少一个终端设备进行设备类型的划分，得到所述目标室分小区中的至少一个终端设备的设备类型；
根据M个终端设备中每个所述终端设备的信号参数，以及所述目标室分小区中的至少一个终端设备的设备类型中的目标设备类型，确定所述M个终端设备中目标设备类型的终端设备的信号参数。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述目标设备类型的至少一个终端设备采集的信号参数、所述目标设备类型和预设的指纹库，确定所述至少一个终端设备在所述目标建筑物内所处的目标楼层之前，还包括：
在目标建筑物的P个楼层中每个楼层未发生网络故障时，获取预设时间段内，通过N个不同设备类型的终端设备对所述目标建筑物的P个楼层中每个楼层进行信号采集，得到的N个信号参数；所述P为大于或等于1的整数，所述N为大于或等于2的整数；
根据所述终端设备所采集的目标建筑物的楼层，所述终端设备的设备类型和所述终端设备采集的信号参数，得到所述设备类型、信号参数和楼层之间的对应关系。
4.根据权利要求3所述的方法，其特征在于，所述根据所述终端设备所采集的目标建筑物的楼层，所述终端设备的设备类型和所述终端设备采集的信号参数，得到所述设备类型、信号参数和楼层之间的对应关系之后，还包括：
若确定所述目标楼层未发生网络故障，则根据至少一个终端设备采集的所述目标室分小区的信号参数、所处的楼层和设备类型，对所述指纹库中与所述至少一个终端设备的设备类型相同的设备类型，且与所述至少一个终端设备采集的目标建筑物的楼层相同的楼层对应的信号参数进行更新。
5.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个终端设备针对所述信号参数的采样点数量和所述目标楼层对应所述目标设备类型针对所述信号参数的采样点数量阈值，确定所述目标室分小区在所述目标楼层是否发生网络故障之前，还包括：
在目标建筑物的Q个楼层中每个楼层未发生网络故障时，根据在预设时间段内，通过目标设备类型的终端设备对所述目标建筑物的Q个楼层中每个楼层针对所述信号参数进行信号采集得到的采样点数量，确定目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值；所述Q为大于或等于1的整数。
6.根据权利要求5所述的方法，其特征在于，所述在目标建筑物的Q个楼层中每个楼层未发生网络故障时，根据在预设时间段内，通过目标设备类型的终端设备对所述目标建筑物的Q个楼层中每个楼层针对所述信号参数进行信号采集得到的采样点数量，确定目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值，包括：
在目标建筑物的Q个楼层中每个楼层未发生网络故障时，获取预设时间段内，所述目标建筑物的Q个楼层中每个楼层的多个终端设备针对所述信号参数进行信号采集得到的采样点数量；
将所述目标建筑物的Q个楼层中每个楼层的多个终端设备进行聚类，得到Q个楼层中每个楼层的多种设备类型的终端设备在各个采样时间点采集的信号参数；
将所述Q个楼层中每个楼层的多种设备类型的终端设备在各个采样时间点采集的信号参数进行信号区间划分，得到各个区间范围内的采样点数量和采样点分布占比；
根据所述各个区间范围内的采样点数量和采样点分布占比，得到所述目标建筑物的Q个楼层中每个楼层的多种设备类型的终端设备的信号参数阈值。
7.一种室分小区网络质量监测装置，其特征在于，包括：
获取模块，用于获取至少一个终端设备采集的目标室分小区的信号参数；所述至少一个终端设备均为目标设备类型；所述信号参数用于表征所述目标室分小区的信号质量；所述目标室分小区覆盖目标建筑物的至少一个楼层；
第一确定模块，用于根据所述目标设备类型的至少一个终端设备采集的信号参数、所述目标设备类型和预设的指纹库，确定所述至少一个终端设备在所述目标建筑物内所处的目标楼层；所述指纹库包括设备类型、信号参数和楼层之间的对应关系；
第二确定模块，用于根据所述至少一个终端设备采集的信号参数和所述目标楼层对应所述目标设备类型的信号参数阈值，确定所述目标室分小区在所述目标楼层是否发生网络故障；
输出模块，用于若确定所述目标楼层发生网络故障，则输出所述目标楼层发生网络故障的提示信息；
所述第二确定模块，还用于若至少一个终端设备在预设时间段针对所述信号参数的采样点数量，大于目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值，则确定目标室分小区在目标楼层发生网络故障；
若至少一个终端设备在预设时间段针对所述信号参数的采样点数量，大于或等于目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值的次数大于或等于预设次数，则输出目标楼层发生网络故障的提示信息；
若至少一个终端设备在预设时间段针对所述信号参数的采样点数量，大于或等于目标楼层的目标设备类型的终端设备针对所述信号参数的采样点数量阈值的时长大于或等于预设时长，则输出目标楼层发生网络故障的提示信息。
8.一种电子设备，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1-6中任一项所述的方法。
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，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1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111603546.2A CN114363946B (zh) | 2021-12-24 | 2021-12-24 | 室分小区网络质量监测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111603546.2A CN114363946B (zh) | 2021-12-24 | 2021-12-24 | 室分小区网络质量监测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114363946A CN114363946A (zh) | 2022-04-15 |
| CN114363946B true CN114363946B (zh) | 2023-06-02 |
Family
ID=81101401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111603546.2A Active CN114363946B (zh) | 2021-12-24 | 2021-12-24 | 室分小区网络质量监测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114363946B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114845331B (zh) * | 2022-05-27 | 2024-09-24 | 中国联合网络通信集团有限公司 | 室分隐形故障定位方法、装置、设备及介质 |
| CN115866628B (zh) * | 2023-02-24 | 2023-05-05 | 北京万和汇通通信科技有限公司 | 一种室内分布系统确定方法、装置、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106358212A (zh) * | 2016-08-31 | 2017-01-25 | 中国联合网络通信集团有限公司 | 室内分布系统的检测方法和装置 |
| CN107027138A (zh) * | 2016-01-29 | 2017-08-08 | 中国移动通信集团福建有限公司 | 一种室分隐性故障排查方法及装置 |
| CN108243441A (zh) * | 2016-12-27 | 2018-07-03 | 中国移动通信集团浙江有限公司 | 室内分布系统故障判定方法及装置 |
| CN111356147A (zh) * | 2018-12-05 | 2020-06-30 | 中国移动通信集团广西有限公司 | 一种室分小区故障定位方法及装置 |
| CN111405598A (zh) * | 2020-03-10 | 2020-07-10 | 中国联合网络通信集团有限公司 | 室分信号外泄检测方法及设备 |
| CN112702194A (zh) * | 2020-12-16 | 2021-04-23 | 中国联合网络通信集团有限公司 | 室分小区故障定位方法、装置及电子设备 |
| CN113766444A (zh) * | 2021-09-23 | 2021-12-07 | 中国联合网络通信集团有限公司 | 故障定位方法、装置及设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11227083B2 (en) * | 2019-09-06 | 2022-01-18 | BeamUp, Ltd. | Structural design systems and methods for semantic enrichment of floor plans for rule-based application of functional requirement to spaces |
-
2021
- 2021-12-24 CN CN202111603546.2A patent/CN114363946B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107027138A (zh) * | 2016-01-29 | 2017-08-08 | 中国移动通信集团福建有限公司 | 一种室分隐性故障排查方法及装置 |
| CN106358212A (zh) * | 2016-08-31 | 2017-01-25 | 中国联合网络通信集团有限公司 | 室内分布系统的检测方法和装置 |
| CN108243441A (zh) * | 2016-12-27 | 2018-07-03 | 中国移动通信集团浙江有限公司 | 室内分布系统故障判定方法及装置 |
| CN111356147A (zh) * | 2018-12-05 | 2020-06-30 | 中国移动通信集团广西有限公司 | 一种室分小区故障定位方法及装置 |
| CN111405598A (zh) * | 2020-03-10 | 2020-07-10 | 中国联合网络通信集团有限公司 | 室分信号外泄检测方法及设备 |
| CN112702194A (zh) * | 2020-12-16 | 2021-04-23 | 中国联合网络通信集团有限公司 | 室分小区故障定位方法、装置及电子设备 |
| CN113766444A (zh) * | 2021-09-23 | 2021-12-07 | 中国联合网络通信集团有限公司 | 故障定位方法、装置及设备 |
Non-Patent Citations (3)
| Title |
|---|
| Anup Vanarse.Neuromorphic engineering — A paradigm shift for future IM technologies.《IEEE Instrumentation & Measurement Magazine》.2019,全文. * |
| 一种高效的室分系统问题定位方法;李连本;《电信工程技术与标准化》;全文 * |
| 结合MR数据设计方案提高TD-LTE室分故障排查效率方法的研究;田桂宾;《电信工程技术与标准化》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114363946A (zh) | 2022-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11012340B2 (en) | Method and system for detecting interference to wireless networks | |
| US10784974B2 (en) | Method and system for isolating related events in the presence of seasonal variations | |
| US11394475B1 (en) | Method and system for interference detection and classification | |
| CN114363946B (zh) | 室分小区网络质量监测方法、装置、设备及存储介质 | |
| US7764959B2 (en) | Analysis of arbitrary wireless network data using matched filters | |
| CN111356147B (zh) | 一种室分小区故障定位方法及装置 | |
| CN106792752B (zh) | 基站信号覆盖自优化方法和系统 | |
| Galindo-Serrano et al. | Automated coverage hole detection for cellular networks using radio environment maps | |
| CN107947968B (zh) | 网络质量投诉信息的处理方法和装置 | |
| US10924944B2 (en) | Apparatus and method for monitoring performance of network device in wireless communication system | |
| CN111459702B (zh) | 基于mdt数据的室内分布系统故障监控方法和装置 | |
| CN107371175B (zh) | 一种使用协作预测的自组织网络故障检测方法 | |
| Chernogorov et al. | N-gram analysis for sleeping cell detection in LTE networks | |
| Asghar et al. | Correlation-based cell degradation detection for operational fault detection in cellular wireless base-stations | |
| KR101597272B1 (ko) | 비콘장치의 자동 관리 방법 및 장치 | |
| EP3598789A1 (en) | Optimized determination method and device for pci confusion | |
| Chernov et al. | Location accuracy impact on cell outage detection in LTE-A networks | |
| CN110225536B (zh) | 外部干扰源的确定方法及设备 | |
| CN110475277B (zh) | 一种识别使用私装直放站的用户终端的方法及装置 | |
| CN115334568A (zh) | 移动通信网络质量评估方法、装置及电子设备 | |
| CN112042242B (zh) | 垂直定位模型构建的方法、垂直定位的方法及装置 | |
| CN108632846B (zh) | 语音容量的评估方法及装置 | |
| CN114095854A (zh) | 基于最小化路测mdt数据的室分网络干扰源定位方法和电子设备 | |
| US20240098529A1 (en) | Analyzing operation of cells of a communications network | |
| CN114760637B (zh) | 小区扩容方法和装置 |
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 |