CN114422949A - 网络质量评估方法、装置、设备及存储介质 - Google Patents
网络质量评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114422949A CN114422949A CN202111649900.5A CN202111649900A CN114422949A CN 114422949 A CN114422949 A CN 114422949A CN 202111649900 A CN202111649900 A CN 202111649900A CN 114422949 A CN114422949 A CN 114422949A
- Authority
- CN
- China
- Prior art keywords
- target
- speed rail
- signal transmission
- cell
- serving cell
- 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 72
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000013441 quality evaluation Methods 0.000 title abstract description 22
- 230000008054 signal transmission Effects 0.000 claims abstract description 163
- 238000005070 sampling Methods 0.000 claims description 68
- 238000012360 testing method Methods 0.000 claims description 38
- 238000012937 correction Methods 0.000 claims description 21
- 230000011664 signaling Effects 0.000 claims description 21
- 238000001303 quality assessment method Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 278
- 230000005540 biological transmission Effects 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 10
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 3
- 239000000725 suspension Substances 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供一种网络质量评估方法、装置、设备及存储介质,该方法包括:将高铁线路按照预设划分规则划分为多个高铁栅格并确定各高铁栅格对应的至少一个服务小区;获取多个目标用户终端在目标时段内对应的目标MR数据;针对每个服务小区,根据服务小区在目标时段内对应的第一平均RSRP和与服务小区匹配的目标信号传输模型,确定服务小区对应的小区信号传输模型;针对每个高铁栅格,根据高铁栅格的服务小区对应的目标RSRP,确定高铁栅格对应的信号强度。本申请可以基于识别的高铁真实用户终端获取真实全面的目标MR数据,利用目标MR数据与目标信号传输模型确定小区信号传输模型,以获取可信度高且针对性强的网络质量评估结果。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种网络质量评估方法、装置、设备及存储介质。
背景技术
随着高铁的快速发展,人们在利用高铁出行的同时,希望能享受稳定、高质量的移动业务服务,因此高铁用户成为各运营商重点关注的用户群体。
在当前移动通信网络的背景下,多使用辅助全球卫星定位系统(Assisted GlobalPositioning System,AGPS)、指纹定位、三角定位等方法,基于测量报告(MeasurementReport,MR)数据对用户终端进行位置渲染,以进行4G网络的虚拟路测评估。其中,AGPS方法根据定位信息进行虚拟路测评估;指纹定位方法利用MR数据中含定位信息的信号特征(如主邻小区、信号强度等)进行机器学习,建立指纹库,基于指纹库预测不含AGPS的MR数据对应的用户终端的位置,以进行虚拟路测评估;三角定位方法基于计算的方式进行虚拟路测评估。
针对AGPS方法以及指纹定位方法而言,由于高铁列车高速移动,致使用户终端中的AGPS定位产生较大偏差(偏差一般在300米以上),不利于准确定位。且目前带AGPS定位信息的MR数据仅占总数据的2%-3%左右,位于狭长高铁线路上的数据量更少,不能覆盖全部高铁线路,因此不能准确的进行高铁网络评估。且目前5G用户终端不支持MR数据上报AGPS经纬度,因此上述两种方法不支持5G虚拟路测。针对三角定位方法而言,同样存在计算准确性不足的问题。
针对AGPS方法、指纹定位方法以及三角定位方法而言,用户终端输出的MR数据,不能区分是高铁列车内用户终端产生还是高铁线周边常驻用户终端产生,即,所获取的MR数据不能反应高铁列车内用户终端的网络真实使用情况。
现有技术中也可以基于远程控制单元(Remote Control Unit,RCU)进行高铁网络质量测量,需要测试人员携带RCU仪器乘坐高铁进行测试,此种方式需要每间隔一段时间进行一次测量,存在网络质量评估费时、费力、费用高,评估结果时效性短的问题,同时不利于及时发现网络质量较差的路段以及网络覆盖盲区。
由此可见,现有技术中在基于MR数据对高铁网络质量进行评估时,存在获取的MR数据不能反应高铁列车内用户终端的网络真实使用情况以及高铁网络评估不准确的问题;在基于RCU进行高铁网络质量评估时,存在网络质量评估费时、费力、费用高,评估结果时效性短,以及不利于及时发现网络质量较差的路段以及网络覆盖盲区的问题。
发明内容
鉴于上述问题,本申请实施例提供一种克服上述问题或者至少部分地解决上述问题的网络质量评估方法、装置、设备及存储介质。
第一方面,本申请实施例提供一种网络质量评估方法,包括:
将高铁线路按照预设划分规则划分为多个高铁栅格,并确定每个所述高铁栅格对应的至少一个服务小区,每个所述高铁栅格对应于一区域范围;
获取多个目标用户终端在目标时段内对应的目标测量报告MR数据,所述目标用户终端为高铁用户终端;
针对每个所述服务小区,根据所述服务小区在所述目标时段内对应的第一平均参考信号接收功率RSRP和与所述服务小区匹配的目标信号传输模型,确定所述服务小区对应的小区信号传输模型,所述第一平均RSRP基于所述服务小区在所述目标时段内对应的目标MR数据确定;
针对每个所述高铁栅格,根据所述高铁栅格的至少一个服务小区分别对应的目标RSRP,确定所述高铁栅格对应的信号强度,所述目标RSRP基于对应的所述小区信号传输模型确定。
第二方面,本申请实施例提供一种网络质量评估装置,包括:
划分确定模块,用于将高铁线路按照预设划分规则划分为多个高铁栅格,并确定每个所述高铁栅格对应的至少一个服务小区,每个所述高铁栅格对应于一区域范围;
第一获取模块,用于获取多个目标用户终端在目标时段内对应的目标测量报告MR数据,所述目标用户终端为高铁用户终端;
第一确定模块,用于针对每个所述服务小区,根据所述服务小区在所述目标时段内对应的第一平均参考信号接收功率RSRP和与所述服务小区匹配的目标信号传输模型,确定所述服务小区对应的小区信号传输模型,所述第一平均RSRP基于所述服务小区在所述目标时段内对应的目标MR数据确定;
第二确定模块,用于针对每个所述高铁栅格,根据所述高铁栅格的至少一个服务小区分别对应的目标RSRP,确定所述高铁栅格对应的信号强度,所述目标RSRP基于对应的所述小区信号传输模型确定。
第三方面,本申请实施例提供一种电子设备,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现第一方面所述的网络质量评估方法的步骤。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现第一方面所述的网络质量评估方法的步骤。
本申请实施例的技术方案,通过将高铁线路划分为多个高铁栅格,确定每个高铁栅格对应的至少一个服务小区,获取多个目标用户终端在目标时段内对应的目标MR数据,基于目标MR数据获取各服务小区在目标时段对应的第一平均RSRP,以确定服务小区对应的小区信号传输模型,基于小区信号传输模型确定服务小区对应的目标RSRP,根据高铁栅格与服务小区的对应关系确定高铁栅格的信号强度,可以实现基于识别的高铁真实用户终端获取真实全面的目标MR数据,利用目标MR数据与目标信号传输模型确定小区信号传输模型,以基于小区信号传输模型确定服务小区对应的目标RSRP,根据服务小区与高铁栅格的对应关系将高铁网络信号质量定位在高铁栅格中,获取可信度相对较高且针对性更强的网络质量评估结果。
且由于基于目标MR数据可以进行目标信号传输模型的修正以确定小区信号传输模型,无需多次确定信号传输模型,节省网络质量评估费用以及时间成本、人力成本;且本申请可以实现4G/5G通用的高铁精准虚拟路测,同时有利于及时发现网络质量较差的路段以及网络覆盖盲区。
附图说明
图1表示本申请实施例提供的网络质量评估方法的示意图;
图2表示本申请实施例提供的天线挂高、天线倾角、天线发射功率对应的档位划分的一具体示意图;
图3表示本申请实施例提供的高铁栅格与关联的服务小区的一具体实例示意图;
图4表示本申请实施例提供的确定高铁栅格对应的信号强度的一具体实例示意图;
图5表示本申请实施例提供的网络质量评估方法的总体流程图;
图6表示本申请实施例提供的网络质量评估装置的示意图;
图7表示本申请实施例提供的电子设备的结构框图。
具体实施方式
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,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。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。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本申请的各种实施例中,应理解,下述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本申请实施例提供一种网络质量评估方法,参见图1所示,包括:
步骤101、将高铁线路按照预设划分规则划分为多个高铁栅格,并确定每个所述高铁栅格对应的至少一个服务小区,每个所述高铁栅格对应于一区域范围。
本申请实施例提供的网络质量评估方法应用于数据处理平台,首先基于预设划分规则将高铁线路划分为多个高铁栅格,多个高铁栅格沿高铁线路依次排列,针对每个高铁栅格,可对应于一区域范围,相邻两个高铁栅格对应的区域范围在地理位置上相连续,各高铁栅格对应的区域范围的面积相等。例如,将高铁线路按照50米乘50米范围、50米乘100米范围或者50米乘150米范围划分为多个沿线高铁栅格。在划分高铁栅格时,可以在高铁线路对应的线路图上进行划分。
在基于预设划分规则将高铁线路划分为多个高铁栅格之后,可以针对每个高铁栅格,确定当前高铁栅格对应的一个或者多个服务小区,当前高铁栅格对应的多个服务小区可以归属于相同或者不同的基站。本实施例中的服务小区为高铁线路对应的服务小区。
步骤102、获取多个目标用户终端在目标时段内对应的目标测量报告MR数据,所述目标用户终端为高铁用户终端。
获取高铁线路上的高铁用户终端在目标时段内对应的目标MR数据,高铁用户终端为沿高铁线路移动的高铁真实用户终端,目标时段对应的时长为预先设定,如,3小时、5小时或者8小时,也可以为一天或者两天。
在获取多个目标用户终端在目标时段内对应的目标MR数据时,首先需要在用户终端集合中筛选出目标用户终端,用户终端集合中可以包括高铁线路沿线的周边常驻用户终端以及高铁真实用户终端,周边常驻用户终端不能反映高铁列车内网络质量情况,因此需要过滤掉这部分用户终端。
步骤103、针对每个所述服务小区,根据所述服务小区在所述目标时段内对应的第一平均参考信号接收功率RSRP和与所述服务小区匹配的目标信号传输模型,确定所述服务小区对应的小区信号传输模型,所述第一平均RSRP基于所述服务小区在所述目标时段内对应的目标MR数据确定。
针对高铁线路对应的多个服务小区中的每一个服务小区,基于服务小区在目标时段内对应的目标MR数据(这里的目标MR数据为经过过滤后的符合要求的数据,具体为与高铁线路关联的MR数据),获取服务小区在目标时段内所对应的第一平均参考信号接收功率(Reference Signal Receiving Power,RSRP)。获取服务小区匹配的目标信号传输模型,以目标信号传输模型为依据,结合服务小区对应的第一平均RSRP,对目标信号传输模型进行修正,以确定服务小区对应的小区信号传输模型。
其中,目标信号传输模型为预设数目个信号传输模型中的某个模型,预设数目个信号传输模型基于RCU在高铁线路上进行网络信号测量时采集的数据确定。
步骤104、针对每个所述高铁栅格,根据所述高铁栅格的至少一个服务小区分别对应的目标RSRP,确定所述高铁栅格对应的信号强度,所述目标RSRP基于对应的所述小区信号传输模型确定。
针对高铁线路上的多个高铁栅格中的每一个,由于高铁栅格对应于至少一个服务小区,可以基于服务小区对应的小区信号传输模型,获取服务小区对应的目标RSRP,针对至少一个服务小区分别对应的目标RSRP,采用预设计算规则进行计算,获取高铁栅格对应的信号强度,将高铁网络质量(网络信号质量)定位在高铁栅格中,实现4G/5G通用的高铁精准虚拟路测,提高网络质量的问题点定位的准确率。
本申请上述实施过程,通过将高铁线路划分为多个高铁栅格,确定每个高铁栅格对应的至少一个服务小区,获取目标用户终端在目标时段内对应的目标MR数据,基于目标MR数据获取各服务小区在目标时段对应的第一平均RSRP,以确定服务小区对应的小区信号传输模型,基于小区信号传输模型确定服务小区对应的目标RSRP,根据高铁栅格与服务小区的对应关系确定高铁栅格的信号强度,可以实现基于识别的高铁真实用户终端获取真实全面的目标MR数据,利用目标MR数据与目标信号传输模型确定小区信号传输模型,以基于小区信号传输模型确定服务小区对应的目标RSRP,根据服务小区与高铁栅格的对应关系将高铁网络信号质量定位在高铁栅格中,获取可信度相对较高且针对性更强的网络质量评估结果。
且由于基于目标MR数据可以进行目标信号传输模型的修正以确定小区信号传输模型,无需多次确定信号传输模型,节省网络质量评估费用以及时间成本、人力成本;且本申请可以实现4G/5G通用的高铁精准虚拟路测,同时有利于及时发现网络质量较差的路段以及网络覆盖盲区。
其中,步骤101确定每个所述高铁栅格对应的至少一个服务小区,包括:
针对每个所述高铁栅格,将所述高铁栅格内的至少一个第一采样地理位置分别对应的服务小区,确定为所述高铁栅格对应的服务小区;
其中,所述第一采样地理位置为远程控制单元RCU在进行网络信号采样时对应的地理位置。
在确定高铁栅格对应的服务小区时,可以针对每个高铁栅格,确定高铁栅格内的至少一个第一采样地理位置,第一采样地理位置为RCU在进行网络信号采样时,基于高精度定位确定的地理位置。在高铁沿对应的高铁线路运行的整个过程中,RCU可以按照特定采样频率进行网络信号采样,每一个采样时刻对应于一个第一采样地理位置。高铁栅格对应的服务小区即为高铁线路上的服务小区。
在针对高铁栅格确定对应的至少一个第一采样地理位置时,可以依据第一采样地理位置的经纬度是否位于高铁栅格内来判断。若第一采样地理位置的经纬度位于高铁栅格内,则将第一采样地理位置对应的服务小区,确定为高铁栅格对应的服务小区,建立高铁栅格与服务小区的对应关系。由于基于高精度定位确定第一采样地理位置,可以保证高铁栅格对应的服务小区确定的准确性。
其中,本实施例中还可以生成高铁栅格信息库,高铁栅格信息库包括高铁栅格ID、高铁栅格所对应的高铁线路、高铁栅格所在的地区、高铁栅格四角对应的经纬度、高铁栅格中心对应的经纬度以及高铁栅格对应的服务小区。针对每一条高铁线路,可以对应于一高铁栅格信息库。
需要说明的是,还可以扫描高铁栅格周边满足距离、方位角条件的服务小区,以进行补充录入,实现高铁栅格信息库的动态更新。其中,在扫描服务小区时,可以按照预设触发条件进行服务小区扫描,如按照预设扫描频率进行扫描。高铁栅格周边满足距离、方位角条件的服务小区,可以为服务小区中心与高铁栅格中心之间的距离小于预设距离、服务小区所属基站对应的天线方位角与高铁线路对应的垂线的夹角小于预设角度(如90度)的小区。
本申请上述实施过程,在将高铁线路划分为多个高铁栅格之后,针对每个高铁栅格,获取高铁栅格对应的至少一个第一采样地理位置,将至少一个第一采样地理位置分别对应的服务小区确定为高铁栅格对应的服务小区,可以实现基于第一采样地理位置的经纬度与高铁栅格的位置关系确定服务小区。
其中,步骤102获取多个目标用户终端在目标时段内对应的目标测量报告MR数据,包括:
基于用户终端发送的深度数据包检测DPI信令,确定所述DPI信令在所述目标时段的至少部分时间区间沿所述高铁线路移动的所述目标用户终端,以获取多个所述目标用户终端;
获取多个所述目标用户终端在所述目标时段内沿所述高铁线路移动时对应的目标MR数据。
在获取多个目标用户终端在目标时段内对应的目标MR数据时,可以首先在用户终端集合中筛选多个目标用户终端,用户终端集合包括目标时段内与当前高铁线路关联的全部用户终端,具体可以包括高铁线路沿线的周边常驻用户终端以及高铁真实用户终端(目标用户终端)。
在筛选多个目标用户终端时,基于用户终端向基站发送的深度数据包检测(Deeppacket inspection,DPI)信令,确定DPI信令在目标时段的至少部分时间区间沿高铁线路移动的目标用户终端,针对每个目标用户终端而言,DPI信令的运动轨迹与高铁线路匹配,即,DPI信令沿高铁线路的至少部分线路移动。其中本实施例中的数据处理平台可以监测用户终端向基站发送的DPI信令。在目标时段内,可以获取至少一个批次的高铁真实用户终端,如,目标时段为一天,高铁线路为从A地至B地,且一天内从A地至B地的高铁有3趟,运行时段分别为9点至11点、12点5分值14点5分、16点30分至18点30分,则可以获取3个批次的真实高铁用户终端,根据获取的3个批次的真实高铁用户终端确定多个目标用户终端。针对4G网络,根据用户终端产生的DPI S1-移动管理实体,(Mobility Management Entity,MME)信令的移动轨迹确定目标用户终端;针对5G网络,根据用户产生的DPI N1N2信令的移动轨迹确定目标用户终端。
其中,在基于DPI信令的轨迹确定目标用户终端时,可以保留DPI信令占用过至少2个不同车站对应的服务小区或者占用过省际边界对应的服务小区的用户终端。例如,统计高铁线路在某一天7点至22点期间对应的DPI信令,基于DPI信令筛选出占用过至少2个不同车站对应的服务小区的用户终端,实现筛选出多个目标用户终端。当然,基于DPI信令的轨迹确定目标用户终端时并不局限于上述方式。
在筛选出多个目标用户终端之后,可以获取多个目标用户终端在目标时段内沿高铁线路移动时对应的MR数据,此时所获取的MR数据即为目标MR数据。在获取多个目标用户终端对应的目标MR数据时,可以获取多个目标用户终端在目标时段内对应的全部MR数据,然后基于多个目标用户终端对高铁线路对应的服务小区的占用情况,筛选出多个目标用户终端在沿高铁线路移动时对应的目标MR数据。在获取多个目标用户终端对应的目标MR数据时,还可以确定目标用户终端在目标时段内对应的目标时间区间(沿高铁线路移动的区间),获取在目标时间区间内对应的MR数据,以获取目标MR数据。
本申请上述实施过程,通过基于信令轨迹沿着高铁线路移动的行为特征,精准识别高铁真实用户终端,筛选出高铁真实用户终端沿高铁线路移动时对应的目标MR数据,可以获取真实全面的目标MR数据,以便于依据真实全面的目标MR数据进行网络质量评估。
在本申请一可选实施例中,在获取多个所述目标用户终端在所述目标时段内对应的目标MR数据之后,该方法还包括:
根据获取的所述目标MR数据,生成高铁用户终端对应的MR统计数据库;
其中,所述MR统计数据库包括所述高铁线路在所述目标时段内关联的多个服务小区分别对应的小区标识、第一平均RSRP、采样点数目、地理位置信息以及基站参数中的至少部分,所述服务小区在所述目标时段内对应的第一平均RSRP基于所述MR统计数据库确定。
在获取多个目标用户终端在目标时段内对应的目标MR数据之后,可以基于所获取的目标MR数据生成高铁用户终端在目标时段对应的MR统计数据库。其中MR统计数据库中的内容根据时段的更新动态更新,目标MR数据包括:用户终端标识(用户终端对应的号码)、访问的服务小区、服务小区对应的RSRP,也可以包括用户终端在进行数据上报时对应的经纬度。由于目标MR数据为目标用户终端沿高铁线路移动时对应的MR数据,本实施例中的服务小区均为高铁线路对应的服务小区。
MR统计数据库中可以包括以下内容中的至少部分:高铁线路在目标时段内关联的多个服务小区分别对应的小区标识,多个服务小区分别对应的第一平均RSRP,多个服务小区分别对应的采样点数目(采样点数目为服务小区对应的目标MR数据的数目),多个服务小区分别对应的地理位置信息,多个服务小区分别对应的基站参数。
由于目标MR数据中可以包括用户终端访问的服务小区,每个服务小区通过小区标识进行区分,因此可以确定目标时段内高铁线路关联的多个服务小区分别对应的小区标识,小区标识可以为小区名称、小区编号。针对高铁线路在目标时段内关联的每个服务小区,服务小区对应的地理位置信息为预先确定的,可以存储于MR统计数据库中。
需要说明的是,目标MR数据可以包括用户终端在进行数据上报时对应的经纬度(在用户终端开启定位功能的情况下可以上报经纬度),这里所上报的经纬度即为用户终端对应的第二采样地理位置,列车高速移动时用户终端的定位易产生偏差,因此第二采样地理位置仅作为参考。针对服务小区而言,可以确定服务小区对应的第二采样地理位置的数目,由于部分目标MR数据中不包括经纬度信息,因此服务小区对应的采样点数目大于第二采样地理位置的数目。
针对每个服务小区而言,还可以获取服务小区对应的基站参数,其中基站参数包括天线挂高、天线倾角、天线支持的最大发射功率。由于所获取的目标MR数据中包括目标用户终端访问的服务小区(高铁线路对应的服务小区)对应的RSRP,根据多个目标用户终端在目标时段内对应的目标MR数据,还可以确定目标时段内每个服务小区(高铁线路对应的服务小区)对应的第一平均RSRP,即,针对每个服务小区(高铁线路对应的服务小区),可以根据目标时段内对应的目标用户终端在访问当前服务小区(高铁线路对应的服务小区)时对应的多个RSRP计算均值,确定第一平均RSRP存储于MR统计数据库中。在获取服务小区(高铁线路对应的服务小区)在目标时段内对应的第一平均RSRP时,可以直接通过MR统计数据库获取。
本申请上述实施过程,在获取多个目标用户终端在目标时段内对应的目标MR数据之后,根据获取的目标MR数据,生成高铁用户终端对应的MR统计数据库,可以对与目标用户终端关联的信息进行存储,以便于后续使用。
在本申请一可选实施例中,所述方法还包括:
获取远程控制单元RCU在所述高铁线路上进行网络信号采样得到的路测数据,所述路测数据至少包括第一采样地理位置、所述第一采样地理位置对应的服务小区以及所述第一采样地理位置对应的RSRP;
根据所述服务小区所归属的基站对应的基站参数,将所述路测数据划分为预设数目个类别,以获取预设数目个第二数据集合;
针对每个所述第二数据集合进行机器学习,获取预设数目个信号传输模型,所述信号传输模型用于表征第一距离与RSRP的映射关系;
其中,所述第一距离为所述第一采样地理位置与目标基站的中心点之间的距离,所述目标基站为所述第一采样地理位置对应的服务小区所归属的基站,所述目标信号传输模型为预设数目个所述信号传输模型中的一个。
由于高铁在沿对应的高铁线路运行的整个过程中,RCU可以按照特定采样频率进行网络信号采样,数据处理平台可以获取RCU进行网络信号采样得到的路测数据,路测数据至少包括第一采样地理位置、第一采样地理位置对应的服务小区以及第一采样地理位置对应的RSRP,由于RCU在高铁运行的过程中进行采样,本实施例中的服务小区为高铁线路对应的服务小区。
由于路测数据包括第一采样地理位置对应的服务小区,因此可以获取服务小区对应的基站参数,在获取路测数据之后,可以根据基站参数,将路测数据划分为预设数目个类别,以获取预设数目个第二数据集合,针对每个第二数据集合而言,包括对应类别的数据。
针对每个第二数据集合而言,根据第二数据集合所对应的数据进行机器学习,确定用于表征第一距离与RSRP映射关系的信号传输模型,以获取预设数目个信号传输模型,目标信号传输模型为预设数目个信号传输模型中的一个。
其中,第一距离为第一采样地理位置与目标基站的中心点之间的距离,目标基站为第一采样地理位置所对应的服务小区所归属的基站,由于路测数据包括第一采样地理位置、第一采样地理位置对应的服务小区以及第一采样地理位置对应的RSRP,因此可以形成距离与RSRP的映射关系。
其中,基站参数包括包括天线挂高、天线倾角、天线支持的最大发射功率,在根据基站参数,将路测数据划分为预设数目个类别时,可以根据上述参数进行类别划分,针对每一项参数而言,可以对应于多个档位,这里的档位可以理解为参数范围,每个档位可对应于一类数据。例如,根据天线挂高(3档)、天线倾角(3档)、天线支持的最大发射功率(3档),将路测数据划分出3x3x3=27种组合,每种组合对应于一类组合数据。
参见图2所示,天线挂高在30米以下对应于第一挂高档位,天线挂高在30米至40米对应于第二挂高档位,天线挂高在40米以上对应于第三挂高档位;天线倾角在3度及以下对应于第一倾角档位,天线倾角在4度至6度对应于第二倾角档位,天线倾角在7度及以上对应于第三倾角档位;天线支持的最大发射功率在40w及以下对应于第一功率档位,天线支持的最大发射功率为60w对应于第二功率档位,天线支持的最大发射功率为80w对应于第三功率档位。根据三种参数(每种参数对应于三个档位)之间的档位组合(每种组合均对应于三种参数),可以得到27种分类。例如,天线挂高小于30米、天线倾角小于或者等于3度、天线支持的最大发射功率为60w对应于一种组合,天线挂高在30米至40米之间、天线倾角小于或者等于3度、天线支持的最大发射功率为80w对应于一种组合,天线挂高大于40米、天线倾角大于3度小于或者等于6度、天线支持的最大发射功率为80w对应于一种组合,对于其他情况这里不再列举。
在获取预设数目个第二数据集合之后,针对每个第二数据集合进行机器学习,获取预设数目个信号传输模型时,包括如下步骤:
针对每个所述第二数据集合,采用预设原则过滤边缘采样地理位置,以进行数据清洗,获取第二目标数据集合;
针对每个所述第二目标数据集合,采用最小二乘法对所述第二目标数据集合进行高次曲线拟合,确定第一曲线;
针对每个所述第一曲线,基于岭回归算法进行过拟合修正,确定所述信号传输模型,所述信号传输模型为表征所述第一距离与RSRP映射关系的第二曲线。
在针对每个第二数据集合进行机器学习以生成对应的信号传输模型时,可以首先针对第二数据集合进行数据清洗,得到第二目标数据集合,针对第二目标数据集合,采用最小二乘进行高次曲线拟合,确定第一曲线,然后基于岭回归算法进行过拟合修正,以得到信号传输模型。
下面针对第二数据集合,对数据清洗、确定第一曲线以及修正第一曲线的过程进行详细介绍。
将天线挂高档位、天线倾角档位、最大发射功率档位相同的路测数据(某个第二数据集合),按特定距离间隔(如200m)划分为多个区间,每个区间内的点按正态分布统计,根据2σ准则(μ-2σ,μ+2σ中的概率为0.9545)进行边缘数据清洗。其中,第二数据集合对应于多组数据,每组数据对应于一地理位置以及一表征信号强度的参数RSRP,特定距离间隔指的是地理位置到对应的基站中心之间的距离,每个区间内的点对应于采样点。通过进行边缘数据清洗,可以过滤掉一部分数据,基于保留下的数据确定第二目标数据集合。
在采用最小二乘法对第二目标数据集合进行高次曲线拟合时,针对任意一组数据(xi,yi)(i=1,2,3……,m)拟合出函数h(x)=w0+w1x+w2x2+…+wnxn。其中,m指代第二目标数据集合对应的数据采样点的数目,针对每一个数据采样点,均对应于一组数据(距离和RSRP),针对每一个数据采样点,可以拟合出函数h(x),w0、w1、w2……以及wn均为系数,通过采用如下公式使得拟合的残差平方和最小,即:
通过上述过程即可拟合出第一曲线。需要说明的是,上述过程中对应的多组数据可以汇聚,使用矩阵X和矩阵Y表示,即基于上述拟合过程,可以建立函数H=WX,其中W是系数的矩阵表示,X是多组数据中x的矩阵表示,H表示基于多个h(x)确定的矩阵,最小化残差平方和的公式表示为:
min(Y-WX)2
基于残差平方和公式对W求偏导数,使其等于0即可得出W(如下所示),进而可拟合出第一曲线。
W=(XTX)-1XTY
其中,在得出第一曲线之后,需要基于岭回归算法对第一曲线进行过拟合修正,确定表征第一距离与RSRP映射关系的第二曲线,这里的第二曲线即为信号传输模型,可以理解为第二曲线为信号传输模型的曲线表示形式。下面对过拟合修正的过程进行阐述:
对最小二乘法中残差平方和加正则化项,即
min[(Y-WX)2+(αIW)2]
其中,I是单位矩阵,α是信号传输模型的超参数,由人为设定。
则W=(XTX+αI)-1XTY
当α等于0时,退化为最小二乘法,针对路测数据容易过拟合的弱点,通过放弃最小二乘法的无偏性,获得回归预测曲线更为符合实际的较低次平滑曲线,即基于该公式,通过选定合适的α取值,可以获得对第一曲线修正后的第二曲线。
本申请上述实施过程,通过获取路测数据,基于基站参数将路测数据划分为预设数目个类别,针对每个类别的数据进行机器学习,以确定预设数目个信号传输模型,可以基于确定的信号传输模型构建小区信号传输模型,以为后续针对性的获取网络质量评估结果奠定基础。
在本申请一可选实施例中,所述针对每个所述服务小区,根据所述服务小区在所述目标时段内对应的第一平均参考信号接收功率RSRP和与所述服务小区匹配的目标信号传输模型,确定所述服务小区对应的小区信号传输模型,包括:
针对每个所述服务小区,根据所述服务小区所归属的基站对应的基站参数,在预设数目个信号传输模型中确定出所述目标信号传输模型,每个所述信号传输模型对应于一类基站参数;
根据所述服务小区在所述目标时段内对应的第一平均RSRP和所述目标信号传输模型对应的第二平均RSRP获取修正参数;
根据所述修正参数和所述目标信号传输模型确定所述服务小区对应的小区信号传输模型;
其中,所述目标信号传输模型对应的第二平均RSRP基于远程控制单元RCU在所述高铁线路上进行网络信号采样得到的路测数据确定。
在确定服务小区对应的小区信号传输模型时,可以首先在预先确定的预设数目个信号传输模型中筛选出与服务小区匹配的目标信号传输模型。在筛选目标信号传输模型时,可以根据服务小区所归属的基站对应的基站参数,在预设数目个信号传输模型中筛选出目标信号传输模型。目标信号传输模型对应的基站参数与当前服务小区对应的基站参数属于同一组合,例如,当前服务小区对应的基站参数中天线挂高大于40米、天线倾角为5度(属于第二倾角档位)、天线支持的最大发射功率为80w,则将对应的天线挂高大于40米、天线倾角属于第二倾角档位、天线支持的最大发射功率为80w的信号传输模型确定为目标信号传输模型。
在确定目标信号传输模型之后,根据服务小区在目标时段内对应的第一平均RSRP和目标信号传输模型对应的第二平均RSRP获取修正参数,目标信号传输模型对应的第二平均RSRP基于路测数据确定,由于路测数据包括多个第一采样地理位置分别对应的RSRP,因此可以计算得到第二平均RSRP。基于第一平均RSRP和第二平均RSRP确定修正参数,具体为基于第一平均RSRP与第二平均RSRP之差确定修正参数。
然后基于修正参数和目标信号传输模型确定服务小区对应的小区信号传输模型。由于目标信号传输模型用于表征距离与RSRP的映射关系,即,目标信号传输模型可以理解为表征距离与RSRP的映射关系的函数,RSRP为因变量,距离为自变量,在目标信号传输模型对应的表达式的基础上加修正参数确定小区信号传输模型对应的表达式。对目标信号传输模型进行修正,即为对目标信号传输模型对应的第二曲线进行上下位移修正。
下面通过一具体实例对上述过程进行阐述,信号传输模型的数量为27个,其中信号传输模型21对应的基站参数为:天线挂高大于40米、天线倾角属于第二倾角档位、天线支持的最大发射功率为80w,当前服务小区对应的基站参数与信号传输模型21对应的基站参数匹配,信号传输模型21为目标信号传输模型。
信号传输模型21对应的第二曲线的函数表达式为y=-163.05x4+392.1x3-343.59x2+105.71x-93.143。当前服务小区对应的第一平均RSRP为-95dbm,信号传输模型21对应的第二平均RSRP为-90dbm,则修正系数E为-5,当前服务小区对应的小区信号传输模型的函数表达式为y=-163.05x4+392.1x3-343.59x2+105.71x-98.143。
本申请上述实施过程,通过基于基站参数,在预设数目个信号传输模型中确定出服务小区匹配的目标信号传输模型,根据服务小区对应的第一平均RSRP和目标信号传输模型对应的第二平均RSRP,确定修正参数,基于修正参数对目标信号传输模型进行修正获取服务小区对应的小区信号传输模型,可以得到服务小区对应的个性化信号传输模型,以保证可以针对性的进行网络质量评估。
在本申请一可选实施例中,所述针对每个所述高铁栅格,根据所述高铁栅格的至少一个服务小区分别对应的目标RSRP,确定所述高铁栅格对应的信号强度,包括:
针对每个所述高铁栅格,获取所述高铁栅格的至少一个服务小区分别对应的目标RSRP,所述服务小区对应的目标RSRP基于第二距离与对应的所述小区信号传输模型确定,所述第二距离为所述高铁栅格的中心点与所述服务小区归属的基站的中心点之间的距离;
确定所述高铁栅格的至少一个服务小区分别对应的小区权重,所述小区权重与所述第二距离负相关;
根据所述高铁栅格的至少一个服务小区分别对应的目标RSRP和小区权重,确定所述高铁栅格对应的信号强度。
针对每一个高铁栅格,在根据高铁栅格的至少一个服务小区分别对应的目标RSRP,确定高铁栅格对应的信号强度时,需要获取至少一个服务小区中每个服务小区对应的小区权重,其中小区权重和高铁栅格的中心点与服务小区归属的基站的中心点之间的第二距离负相关,即第二距离越大则小区权重越小,且各服务小区对应的小区权重之和等于1。例如,根据第二距离对多个小区权重进行设置,或者,根据多个第二距离计算多个小区权重。
服务小区所对应的目标RSRP基于服务小区对应的小区信号传输模型确定,具体为确定高铁栅格中心点距离服务小区所属的基站中心点之间的距离,将确定的距离输入对应的小区信号传输模型,以确定目标RSRP。在确定服务小区对应的目标RSRP、服务小区对应的小区权重之后,根据服务小区对应的目标RSRP和小区权重,确定高铁栅格对应的信号强度。
在基于服务小区对应的目标RSRP和小区权重,确定高铁栅格对应的信号强度时,可以针对各服务小区分别计算目标RSRP和小区权重的乘积,将得到的乘积进行累加得到高铁栅格对应的信号强度,即,高铁栅格对应的信号强度为栅格RSRP。
下面通过一具体实例对上述实施过程进行介绍,参见图3所示,针对高铁栅格101,确定对应的3个服务小区(服务小区A、服务小区B以及服务小区C),其中,高铁栅格101的中心与服务小区A对应的基站的中心之间的距离为150米、高铁栅格101的中心与服务小区B对应的基站的中心之间的距离为90米、高铁栅格101的中心与服务小区C对应的基站的中心之间的距离为350米,且服务小区A、服务小区B以及服务小区C的基站参数均与信号传输模型15的基站参数匹配。
其中,参见图4所示,基于信号传输模型15确定服务小区A、服务小区B以及服务小区C分别对应的小区信号传输模型,然后基于距离(150米)和服务小区A对应的小区信号传输模型确定服务小区A对应的目标RSRP为-92dbm,基于距离(90米)和服务小区B对应的小区信号传输模型确定服务小区B对应的目标RSRP为-88dbm,基于距离(350米)和服务小区C对应的小区信号传输模型确定服务小区C对应的目标RSRP为-101dbm。其中,服务小区A对应的小区权重Pa、服务小区B对应的小区权重Pb、服务小区C对应的小区权重Pc的表达式如下:
其中,Pa等于32%、Pb等于54%、Pc等于14%,则高铁栅格101对应的信号强度为32%*(-92)+54%*(-88)+14%*(-101)=-91dbm。
本申请上述实施过程,通过获取高铁栅格的至少一个服务小区分别对应的目标RSRP以及小区权重,将服务小区的目标RSRP与小区权重进行关联,通过加权平均算法计算高铁栅格对应的信号强度,可以将高铁网络质量定位至高铁栅格中,以获取可信度相对较高且针对性更强的网络质量评估结果。
下面对本申请实施例提供的网络质量评估方法的总体流程进行阐述,参见图5所示,包括如下步骤:
步骤501、将高铁线路按照预设划分规则划分为多个高铁栅格。
步骤502、建立位于高铁栅格内的第一采样地理位置对应的服务小区与高铁栅格之间的关联关系,以确定高铁栅格对应的服务小区。
步骤503、基于用户终端的DPI信令移动轨迹,确定多个目标用户终端。
步骤504、获取多个目标用户终端在目标时段内对应的目标MR数据。
步骤505、将多个目标用户终端在目标时段内对应的目标MR数据与预设数目个信号传输模型进行结合,对信号传输模型进行修正,获取服务小区对应的小区信号传输模型。
步骤506、针对每个高铁栅格,根据小区信号传输模型确定服务小区对应的目标RSRP,根据目标RSRP以及小区权重确定高铁栅格对应的信号强度。
上述实施过程,可以基于信令轨迹沿着高铁线路移动的行为特征,精准识别高铁真实乘客,然后获取对应的目标MR数据,可以获取真实全面的目标MR数据,以便于依据真实全面的目标MR数据进行网络质量评估;通过将信号传输模型与高铁真实乘客的目标MR数据进行结合,基于目标MR数据进行模型修正,实现一小区一模型的精准覆盖;通过依据高铁栅格对应的至少一个服务小区进行运算,将高铁网络质量定位到高铁栅格中,可以实现4/5G通用的高铁精准虚拟路测,提高质差问题点定位准确率。
本申请实施例提供的网络质量评估方法,基于栅格化后的高铁数据可以进行线路指标统计、服务小区拉线分析、质差路段定位,实现高铁线路的实时虚拟路测监控,有效支撑高铁专项优化工作开展(如支撑高铁覆盖质量日常测评,问题点日常派单);且基于本方案可以统计每条线路高铁乘客数量,评估各地市春运、假日返乡人流高峰到达时间和目的地,支撑网络重点保障和节假日通信套餐营销及时启动。
以上为本申请实施例网络质量评估方法的整体实施过程,通过将高铁线路划分为多个高铁栅格,确定每个高铁栅格对应的至少一个服务小区,获取目标用户终端在目标时段内对应的目标MR数据,基于目标MR数据获取各服务小区在目标时段对应的第一平均RSRP,以确定服务小区对应的小区信号传输模型,基于小区信号传输模型确定服务小区对应的目标RSRP,根据高铁栅格与服务小区的对应关系确定高铁栅格的信号强度,可以实现基于识别的高铁真实用户终端获取真实全面的目标MR数据,利用目标MR数据与目标信号传输模型确定小区信号传输模型,以基于小区信号传输模型确定服务小区对应的目标RSRP,根据服务小区与高铁栅格的对应关系将高铁网络信号质量定位在高铁栅格中,获取可信度相对较高且针对性更强的网络质量评估结果。
且由于基于目标MR数据可以进行目标信号传输模型的修正以确定小区信号传输模型,无需多次确定信号传输模型,节省网络质量评估费用以及时间成本、人力成本;且本申请可以实现4G/5G通用的高铁精准虚拟路测,不依赖于MR数据中的AGPS经纬度,即可实现对高铁5G网络评估,同时本申请有利于及时发现网络质量较差的路段以及网络覆盖盲区,以改进网络质量。
本申请实施例还提供一种网络质量评估装置,参见图6所示,该装置包括:
划分确定模块601,用于将高铁线路按照预设划分规则划分为多个高铁栅格,并确定每个所述高铁栅格对应的至少一个服务小区,每个所述高铁栅格对应于一区域范围;
第一获取模块602,用于获取多个目标用户终端在目标时段内对应的目标测量报告MR数据,所述目标用户终端为高铁用户终端;
第一确定模块603,用于针对每个所述服务小区,根据所述服务小区在所述目标时段内对应的第一平均参考信号接收功率RSRP和与所述服务小区匹配的目标信号传输模型,确定所述服务小区对应的小区信号传输模型,所述第一平均RSRP基于所述服务小区在所述目标时段内对应的目标MR数据确定;
第二确定模块604,用于针对每个所述高铁栅格,根据所述高铁栅格的至少一个服务小区分别对应的目标RSRP,确定所述高铁栅格对应的信号强度,所述目标RSRP基于对应的所述小区信号传输模型确定。
可选地,所述划分确定模块进一步用于:
针对每个所述高铁栅格,将所述高铁栅格内的至少一个第一采样地理位置分别对应的服务小区,确定为所述高铁栅格对应的服务小区;
其中,所述第一采样地理位置为远程控制单元RCU在进行网络信号采样时对应的地理位置。
可选地,所述第一获取模块包括:
确定获取子模块,用于基于用户终端发送的深度数据包检测DPI信令,确定所述DPI信令在所述目标时段的至少部分时间区间沿所述高铁线路移动的所述目标用户终端,以获取多个所述目标用户终端;
第一获取子模块,用于获取多个所述目标用户终端在所述目标时段内沿所述高铁线路移动时对应的目标MR数据。
可选地,所述装置还包括:
第二获取模块,用于获取远程控制单元RCU在所述高铁线路上进行网络信号采样得到的路测数据,所述路测数据至少包括第一采样地理位置、所述第一采样地理位置对应的服务小区以及所述第一采样地理位置对应的RSRP;
划分获取模块,用于根据所述服务小区所归属的基站对应的基站参数,将所述路测数据划分为预设数目个类别,以获取预设数目个第二数据集合;
处理模块,用于针对每个所述第二数据集合进行机器学习,获取预设数目个信号传输模型,所述信号传输模型用于表征第一距离与RSRP的映射关系;
其中,所述第一距离为所述第一采样地理位置与目标基站的中心点之间的距离,所述目标基站为所述第一采样地理位置对应的服务小区所归属的基站,所述目标信号传输模型为预设数目个所述信号传输模型中的一个。
可选地,所述处理模块包括:
第二获取子模块,用于针对每个所述第二数据集合,采用预设原则过滤第一边缘采样地理位置,以进行数据清洗,获取第二目标数据集合;
第一确定子模块,用于针对每个所述第二目标数据集合,采用最小二乘法对所述第二目标数据集合进行高次曲线拟合,确定第一曲线;
第二确定子模块,用于针对每个所述第一曲线,基于岭回归算法进行过拟合修正,确定所述信号传输模型,所述信号传输模型为表征所述第一距离与RSRP映射关系的第二曲线。
可选地,所述第一确定模块包括:
第三确定子模块,用于针对每个所述服务小区,根据所述服务小区所归属的基站对应的基站参数,在预设数目个信号传输模型中确定出所述目标信号传输模型,每个所述信号传输模型对应于一类基站参数;
第三获取子模块,用于根据所述服务小区在所述目标时段内对应的第一平均RSRP和所述目标信号传输模型对应的第二平均RSRP获取修正参数;
第四确定子模块,用于根据所述修正参数和所述目标信号传输模型确定所述服务小区对应的小区信号传输模型;
其中,所述目标信号传输模型对应的第二平均RSRP基于远程控制单元RCU在所述高铁线路上进行网络信号采样得到的路测数据确定。
可选地,在获取多个所述目标用户终端在所述目标时段内对应的目标MR数据之后,所述装置还包括:
生成模块,用于根据获取的所述目标MR数据,生成高铁用户终端对应的MR统计数据库;
其中,所述MR统计数据库包括所述高铁线路在所述目标时段内关联的多个服务小区分别对应的小区标识、第一平均RSRP、采样点数目、地理位置信息以及基站参数中的至少部分,所述服务小区在所述目标时段内对应的第一平均RSRP基于所述MR统计数据库确定。
可选地,所述第二确定模块包括:
第四获取子模块,用于针对每个所述高铁栅格,获取所述高铁栅格的至少一个服务小区分别对应的目标RSRP,所述服务小区对应的目标RSRP基于第二距离与对应的所述小区信号传输模型确定,所述第二距离为所述高铁栅格的中心点与所述服务小区归属的基站的中心点之间的距离;
第五确定子模块,用于确定所述高铁栅格的至少一个服务小区分别对应的小区权重,所述小区权重与所述第二距离负相关;
第六确定子模块,用于根据所述高铁栅格的至少一个服务小区分别对应的目标RSRP和小区权重,确定所述高铁栅格对应的信号强度。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
另一方面,本申请实施例还提供了一种电子设备,包括存储器、处理器、总线以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述网络质量评估方法中的步骤。
举例如下,图7示出了一种电子设备的实体结构示意图。
如图7所示,该电子设备可以包括:处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令,处理器710用于执行以下步骤:将高铁线路按照预设划分规则划分为多个高铁栅格,并确定每个所述高铁栅格对应的至少一个服务小区,每个所述高铁栅格对应于一区域范围;获取多个目标用户终端在目标时段内对应的目标测量报告MR数据,所述目标用户终端为高铁用户终端;针对每个所述服务小区,根据所述服务小区在所述目标时段内对应的第一平均参考信号接收功率RSRP和与所述服务小区匹配的目标信号传输模型,确定所述服务小区对应的小区信号传输模型,所述第一平均RSRP基于所述服务小区在所述目标时段内对应的目标MR数据确定;针对每个所述高铁栅格,根据所述高铁栅格的至少一个服务小区分别对应的目标RSRP,确定所述高铁栅格对应的信号强度,所述目标RSRP基于对应的所述小区信号传输模型确定。处理器710还可以执行本方案中的其他步骤,这里不再进行一一阐述。
此外,上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
再一方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各实施例提供的网络质量评估方法中的步骤。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (11)
1.一种网络质量评估方法,其特征在于,包括:
将高铁线路按照预设划分规则划分为多个高铁栅格,并确定每个所述高铁栅格对应的至少一个服务小区,每个所述高铁栅格对应于一区域范围;
获取多个目标用户终端在目标时段内对应的目标测量报告MR数据,所述目标用户终端为高铁用户终端;
针对每个所述服务小区,根据所述服务小区在所述目标时段内对应的第一平均参考信号接收功率RSRP和与所述服务小区匹配的目标信号传输模型,确定所述服务小区对应的小区信号传输模型,所述第一平均RSRP基于所述服务小区在所述目标时段内对应的目标MR数据确定;
针对每个所述高铁栅格,根据所述高铁栅格的至少一个服务小区分别对应的目标RSRP,确定所述高铁栅格对应的信号强度,所述目标RSRP基于对应的所述小区信号传输模型确定。
2.根据权利要求1所述的网络质量评估方法,其特征在于,所述确定每个所述高铁栅格对应的至少一个服务小区,包括:
针对每个所述高铁栅格,将所述高铁栅格内的至少一个第一采样地理位置分别对应的服务小区,确定为所述高铁栅格对应的服务小区;
其中,所述第一采样地理位置为远程控制单元RCU在进行网络信号采样时对应的地理位置。
3.根据权利要求1所述的网络质量评估方法,其特征在于,所述获取多个目标用户终端在目标时段内对应的目标测量报告MR数据,包括:
基于用户终端发送的深度数据包检测DPI信令,确定所述DPI信令在所述目标时段的至少部分时间区间沿所述高铁线路移动的所述目标用户终端,以获取多个所述目标用户终端;
获取多个所述目标用户终端在所述目标时段内沿所述高铁线路移动时对应的目标MR数据。
4.根据权利要求1所述的网络质量评估方法,其特征在于,所述方法还包括:
获取远程控制单元RCU在所述高铁线路上进行网络信号采样得到的路测数据,所述路测数据至少包括第一采样地理位置、所述第一采样地理位置对应的服务小区以及所述第一采样地理位置对应的RSRP;
根据所述服务小区所归属的基站对应的基站参数,将所述路测数据划分为预设数目个类别,以获取预设数目个第二数据集合;
针对每个所述第二数据集合进行机器学习,获取预设数目个信号传输模型,所述信号传输模型用于表征第一距离与RSRP的映射关系;
其中,所述第一距离为所述第一采样地理位置与目标基站的中心点之间的距离,所述目标基站为所述第一采样地理位置对应的服务小区所归属的基站,所述目标信号传输模型为预设数目个所述信号传输模型中的一个。
5.根据权利要求4所述的网络质量评估方法,其特征在于,所述针对每个所述第二数据集合进行机器学习,获取预设数目个信号传输模型,包括:
针对每个所述第二数据集合,采用预设原则过滤第一边缘采样地理位置,以进行数据清洗,获取第二目标数据集合;
针对每个所述第二目标数据集合,采用最小二乘法对所述第二目标数据集合进行高次曲线拟合,确定第一曲线;
针对每个所述第一曲线,基于岭回归算法进行过拟合修正,确定所述信号传输模型,所述信号传输模型为表征所述第一距离与RSRP映射关系的第二曲线。
6.根据权利要求1所述的网络质量评估方法,其特征在于,所述针对每个所述服务小区,根据所述服务小区在所述目标时段内对应的第一平均参考信号接收功率RSRP和与所述服务小区匹配的目标信号传输模型,确定所述服务小区对应的小区信号传输模型,包括:
针对每个所述服务小区,根据所述服务小区所归属的基站对应的基站参数,在预设数目个信号传输模型中确定出所述目标信号传输模型,每个所述信号传输模型对应于一类基站参数;
根据所述服务小区在所述目标时段内对应的第一平均RSRP和所述目标信号传输模型对应的第二平均RSRP获取修正参数;
根据所述修正参数和所述目标信号传输模型确定所述服务小区对应的小区信号传输模型;
其中,所述目标信号传输模型对应的第二平均RSRP基于远程控制单元RCU在所述高铁线路上进行网络信号采样得到的路测数据确定。
7.根据权利要求6所述的网络质量评估方法,其特征在于,在获取多个所述目标用户终端在所述目标时段内对应的目标MR数据之后,还包括:
根据获取的所述目标MR数据,生成高铁用户终端对应的MR统计数据库;
其中,所述MR统计数据库包括所述高铁线路在所述目标时段内关联的多个服务小区分别对应的小区标识、第一平均RSRP、采样点数目、地理位置信息以及基站参数中的至少部分,所述服务小区在所述目标时段内对应的第一平均RSRP基于所述MR统计数据库确定。
8.根据权利要求1所述的网络质量评估方法,其特征在于,所述针对每个所述高铁栅格,根据所述高铁栅格的至少一个服务小区分别对应的目标RSRP,确定所述高铁栅格对应的信号强度,包括:
针对每个所述高铁栅格,获取所述高铁栅格的至少一个服务小区分别对应的目标RSRP,所述服务小区对应的目标RSRP基于第二距离与对应的所述小区信号传输模型确定,所述第二距离为所述高铁栅格的中心点与所述服务小区归属的基站的中心点之间的距离;
确定所述高铁栅格的至少一个服务小区分别对应的小区权重,所述小区权重与所述第二距离负相关;
根据所述高铁栅格的至少一个服务小区分别对应的目标RSRP和小区权重,确定所述高铁栅格对应的信号强度。
9.一种网络质量评估装置,其特征在于,包括:
划分确定模块,用于将高铁线路按照预设划分规则划分为多个高铁栅格,并确定每个所述高铁栅格对应的至少一个服务小区,每个所述高铁栅格对应于一区域范围;
第一获取模块,用于获取多个目标用户终端在目标时段内对应的目标测量报告MR数据,所述目标用户终端为高铁用户终端;
第一确定模块,用于针对每个所述服务小区,根据所述服务小区在所述目标时段内对应的第一平均参考信号接收功率RSRP和与所述服务小区匹配的目标信号传输模型,确定所述服务小区对应的小区信号传输模型,所述第一平均RSRP基于所述服务小区在所述目标时段内对应的目标MR数据确定;
第二确定模块,用于针对每个所述高铁栅格,根据所述高铁栅格的至少一个服务小区分别对应的目标RSRP,确定所述高铁栅格对应的信号强度,所述目标RSRP基于对应的所述小区信号传输模型确定。
10.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至8任一项所述的网络质量评估方法的步骤。
11.一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上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的网络质量评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111649900.5A CN114422949A (zh) | 2021-12-29 | 2021-12-29 | 网络质量评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111649900.5A CN114422949A (zh) | 2021-12-29 | 2021-12-29 | 网络质量评估方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114422949A true CN114422949A (zh) | 2022-04-29 |
Family
ID=81268997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111649900.5A Pending CN114422949A (zh) | 2021-12-29 | 2021-12-29 | 网络质量评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114422949A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115119176A (zh) * | 2022-06-01 | 2022-09-27 | 中国联合网络通信集团有限公司 | 高铁用户终端识别方法、装置及存储介质 |
CN115297506A (zh) * | 2022-10-10 | 2022-11-04 | 中通服建设有限公司 | 一种基于大数据的地铁线路网络智能测评方法和系统 |
CN115334568A (zh) * | 2022-07-13 | 2022-11-11 | 中国电信股份有限公司 | 移动通信网络质量评估方法、装置及电子设备 |
CN115551028A (zh) * | 2022-05-13 | 2022-12-30 | 中国移动通信集团四川有限公司 | 小区切换方法、装置、电子设备及存储介质 |
CN116390147A (zh) * | 2023-04-14 | 2023-07-04 | 诺优信息技术(上海)有限公司 | 一种无线网络质量的评估方法、装置和电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108207009A (zh) * | 2017-12-21 | 2018-06-26 | 中国联合网络通信集团有限公司 | 轨道网络质量测试方法及装置 |
CN109561446A (zh) * | 2017-09-27 | 2019-04-02 | 中国移动通信集团设计院有限公司 | 一种高铁高速场景下无线网络优化的方法及装置 |
CN109996278A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团四川有限公司 | 道路网络质量评估方法、装置、设备及介质 |
CN110430552A (zh) * | 2019-07-08 | 2019-11-08 | 北京市天元网络技术股份有限公司 | 一种高铁网络质差区域识别方法以及装置 |
CN112601247A (zh) * | 2020-11-19 | 2021-04-02 | 中国联合网络通信集团有限公司 | 基站小区的业务质量监测方法、装置和系统 |
WO2021174960A1 (zh) * | 2020-03-02 | 2021-09-10 | 华为技术有限公司 | 一种功率分配方法及装置 |
-
2021
- 2021-12-29 CN CN202111649900.5A patent/CN114422949A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109561446A (zh) * | 2017-09-27 | 2019-04-02 | 中国移动通信集团设计院有限公司 | 一种高铁高速场景下无线网络优化的方法及装置 |
CN108207009A (zh) * | 2017-12-21 | 2018-06-26 | 中国联合网络通信集团有限公司 | 轨道网络质量测试方法及装置 |
CN109996278A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团四川有限公司 | 道路网络质量评估方法、装置、设备及介质 |
CN110430552A (zh) * | 2019-07-08 | 2019-11-08 | 北京市天元网络技术股份有限公司 | 一种高铁网络质差区域识别方法以及装置 |
WO2021174960A1 (zh) * | 2020-03-02 | 2021-09-10 | 华为技术有限公司 | 一种功率分配方法及装置 |
CN112601247A (zh) * | 2020-11-19 | 2021-04-02 | 中国联合网络通信集团有限公司 | 基站小区的业务质量监测方法、装置和系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115551028A (zh) * | 2022-05-13 | 2022-12-30 | 中国移动通信集团四川有限公司 | 小区切换方法、装置、电子设备及存储介质 |
CN115119176A (zh) * | 2022-06-01 | 2022-09-27 | 中国联合网络通信集团有限公司 | 高铁用户终端识别方法、装置及存储介质 |
CN115334568A (zh) * | 2022-07-13 | 2022-11-11 | 中国电信股份有限公司 | 移动通信网络质量评估方法、装置及电子设备 |
CN115334568B (zh) * | 2022-07-13 | 2023-12-15 | 中国电信股份有限公司 | 移动通信网络质量评估方法、装置及电子设备 |
CN115297506A (zh) * | 2022-10-10 | 2022-11-04 | 中通服建设有限公司 | 一种基于大数据的地铁线路网络智能测评方法和系统 |
CN116390147A (zh) * | 2023-04-14 | 2023-07-04 | 诺优信息技术(上海)有限公司 | 一种无线网络质量的评估方法、装置和电子设备 |
CN116390147B (zh) * | 2023-04-14 | 2024-02-06 | 诺优信息技术(上海)有限公司 | 一种无线网络质量的评估方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114422949A (zh) | 网络质量评估方法、装置、设备及存储介质 | |
US20030060213A1 (en) | Location method for mobile netwoks | |
EP1301055A1 (en) | Processing of geographical and movement data for locating a mobile terminal in a mobile network | |
CN110430578B (zh) | 基于移动终端数据实现小区方位角预测的方法 | |
CN111787488B (zh) | 一种用户定位方法及系统 | |
CN109996278A (zh) | 道路网络质量评估方法、装置、设备及介质 | |
CN104684014B (zh) | 移动通信网络传输测试方法 | |
CN110727752B (zh) | 位置指纹库处理方法、设备及计算机可读存储介质 | |
CN113133046A (zh) | 网络覆盖评估方法及装置、电子设备和计算机存储介质 | |
CN106535113A (zh) | 确定可信wifi接入点的方法、装置及设备定位方法 | |
CN114723480B (zh) | 一种针对乡村旅游的客流量预测方法及货物调度系统 | |
CN107889210B (zh) | 楼宇用户定位方法和系统 | |
CN103945433B (zh) | 一种网络弱覆盖区域确定方法及装置 | |
CN111582641A (zh) | 一种车联网面向众包服务的任务分配方法及系统 | |
CN110491090B (zh) | 基于手机终端的中老年人群监护方法 | |
CN108024327B (zh) | 用户定位方法以及装置 | |
CN108260142B (zh) | 一种高铁模拟路测数据获取方法和装置 | |
CN112351394A (zh) | 一种基于手机信令数据的交通出行模型构建方法 | |
CN113132947A (zh) | 基于高铁用户的位置信息处理方法 | |
CN113947123B (zh) | 人员轨迹识别方法、系统、存储介质和设备 | |
AT&T | Route Classification using Cellular Handoff Patterns | |
CN108990095B (zh) | 一种无线网络覆盖盲区检测方法 | |
CN112784423A (zh) | 基于复杂网络的城市区域特征分析方法 | |
CN116866976B (zh) | 用于农村区域移动网络服务的方法及电子设备 | |
CN113573236B (zh) | 定位结果的置信度的评估方法和装置 |
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 |