CN114630365B - 小区健康状态检测的方法及装置 - Google Patents
小区健康状态检测的方法及装置 Download PDFInfo
- Publication number
- CN114630365B CN114630365B CN202210395104.1A CN202210395104A CN114630365B CN 114630365 B CN114630365 B CN 114630365B CN 202210395104 A CN202210395104 A CN 202210395104A CN 114630365 B CN114630365 B CN 114630365B
- Authority
- CN
- China
- Prior art keywords
- cell
- cluster
- index
- determining
- terminals
- 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
- 230000036541 health Effects 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 230000002776 aggregation Effects 0.000 claims abstract description 21
- 238000004220 aggregation Methods 0.000 claims abstract description 21
- 230000003862 health status Effects 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000011084 recovery Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种小区健康状态检测的方法及装置，其中该方法包括：获取小区的性能指标，以及在所述小区覆盖范围内的所有终端的性能指标；基于层次凝聚聚类算法，对所述终端进行聚类合并，确定每个聚类所属的目标小区；基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态。本发明提供的小区健康状态检测的方法，使用层次凝聚聚类算法对终端进行聚类合并，收敛速度快，确定小区健康状态时，综合考虑多个典型指标，提高判断准确度。可以迅速的发现并定位中断小区，为之后的检修恢复提供技术支持。
Description
技术领域
本发明涉及通信网络技术领域，尤其涉及一种小区健康状态检测的方法及装置。
背景技术
随着智能终端和可穿戴设备的飞速发展，多元化的移动数字媒体工作业务需要急剧增加，无线分组数据信息业务的工作量按照系数逐步递增。迅速增加的移动多数字媒体工作业务具备“突发、局部、热点化”等特点，工作业务及推广使用在地区上分布不均匀，在客户大量聚集的热点地区，工作业务数据信息量呈系数增加，基站和中心网的荷载产生较大增长，致使出现网络超载、工作业务时长增加等问题。为了满足剧增的移动多媒体业务需求，目前产业界提出了一种融合节约能源减少排放、全面集中全面处理、合作式无线电的云端技术连接到互联网，构成云接入网络(Cloud Radio Access Network，C-RAN)。C-RAN具有很好的灵活性、高性能、低能耗、低成本等特征，是第五代移动通信(the 5th generationmobile communication，5G)的代表性技术之一。
C-RAN应用全面集中全面处理的模式来综合管理基站，这类模式能够减少降低基站的数目，减少能源消耗。然而，当一个小区由于故障而无法传输流量时，尽快识别中断的小区以将网络影响降至最低非常重要。在C-RAN架构下，基站数量大且覆盖面积大，若采用人工干预恢复错误的方式，将会给运营商带来不小的人力成本。实现网络自主管理的关键点在于应用高效的小区健康状态检测算法准确及时的发现中断小区。
目前国内外关于小区中断检测技术的研究层出不穷，多种智能算法都被用于实现该技术，在实际应用场景中这些算法也都各有长处。然而传统检测方法并不重视网络参数间的相关性，为了更加及时并准确地发现诊断潜在中断，需要提出一种考虑用户参数时空关联性的主动式小区健康状态检测方法。就现有的研究来看，基本上都将小区状态分为两个状态：正常与不正常，将小区健康状态的检测问题退化为统计假设问题，而忽略掉了一些特殊情况，很容易造成结果误报。
发明内容
针对现有技术存在的问题，本发明提供一种小区健康状态检测的方法及装置。
第一方面，本发明提供一种小区健康状态检测的方法，包括：
获取小区的性能指标，以及在所述小区覆盖范围内的所有终端的性能指标；
基于层次凝聚聚类算法，对所述终端进行聚类合并，确定每个聚类所属的目标小区；
基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态；
所述小区的性能指标包括：流量指标、掉话率和基站切换成功率；所述终端的性能指标包括参考信号接收功率RSRP，以及信号与干扰加噪声比SINR。
可选地，所述基于层次凝聚聚类算法，对所述终端进行聚类合并，确定每个聚类所属的目标小区，包括：
基于马哈拉诺比斯距离，确定第一集合中任意两个终端之间的马哈拉洛比斯距离；所述第一集合是由每个所述终端的特征值构成的，每个所述终端的特征值包括所述终端的性能指标以及所述终端的地理位置；
以所述马哈拉洛比斯距离最小，确定所述终端所属的第一聚类，以及所述第一聚类的特征值；所述第一聚类的特征值为属于所述第一聚类的所有所述终端特征值的平均值；
循环确定所述第一集合中所有所述终端所属的第一聚类，直至满足聚类合并的终止条件；
确定与所述第一聚类中所有所述终端的中心位置距离最近的小区，作为所述第一聚类所属的目标小区；
所述聚类合并的终止条件为任意两个所述第一聚类之间的所述马哈拉洛比斯距离大于预设门限值；
或，在任一小区的覆盖范围内，任意两个所述第一聚类中，任意两终端之间的所述马哈拉洛比斯距离的最大值大于所述任一小区的最大服务距离的2倍。
可选地，所述马哈拉诺比斯距离的公式为：
其中，xi，xj分别表示任意两个所述终端的特征值，S是所述终端xi和xj的特征值的协方差矩阵，S-1是S的逆矩阵，(xi-xj)T表示矩阵(xi-xj)的转置。
可选地，所述基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态，包括：
基于所述第一聚类中每个终端实际为其提供服务的小区为所述目标小区的终端的个数，以及所述第一聚类中所有终端的个数，确定所述第一聚类的用户指标；
基于所述第一聚类的用户指标，所述第一聚类所属的目标小区的性能指标，以及各指标和等级范围的对应规则，确定所述第一聚类所属的目标小区的健康状态；
其中，所述各指标和等级范围的对应规则包括所述用户指标和与其对应的多个等级范围、所述流量指标和与其对应的多个等级范围、所述掉话率和与其对应的多个等级范围、以及所述基站切换成功率和与其对应的多个等级范围，每个所述等级范围对应一个等级值。
可选地，所述基于所述第一聚类的用户指标，所述第一聚类所属的目标小区的性能指标，以及各指标和等级范围的对应规则，确定所述第一聚类所属的目标小区的健康状态，包括：
基于所述第一聚类的用户指标的值，所述第一聚类所属的目标小区的性能指标的值，以及各指标和等级范围的对应规则，确定所述第一聚类的各指标对应的等级值；
基于所述第一聚类中每个所述指标对应的等级值，以及每个所述指标的影响因子，确定所述第一聚类所属的目标小区的健康得分；所有所述指标的影响因子之和为一；
基于所述第一聚类所属的目标小区的健康得分，以及健康得分与小区健康状态的对应规则，确定所述第一聚类所属的目标小区的健康状态；
所述健康状态包括健康、亚健康和中断。
可选地，所述第一聚类所属的目标小区的性能指标中的流量指标是基于所述小区的平均流量以及流量公式确定的；
若所述小区的当前流量小于等于所述小区的平均流量，则根据所述小区的平均流量和所述小区的当前流量的差值，与所述小区的当前流量的比值，更新所述小区的流量指标；
若所述小区的当前流量大于所述小区的平均流量，则确定所述小区的流量指标对应最小等级值。
第二方面，本发明还提供一种小区健康状态检测的装置，包括：
获取模块，用于获取小区的性能指标，以及在所述小区覆盖范围内的所有终端的性能指标；
聚类模块，用于基于层次凝聚聚类算法，对所述终端进行聚类合并，确定每个聚类所属的目标小区；
中断模块，用于基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态；
所述小区的性能指标包括：流量指标、掉话率和基站切换成功率；所述终端的性能指标包括参考信号接收功率RSRP，以及信号与干扰加噪声比SINR。
可选地，所述聚类模块还用于：
基于马哈拉诺比斯距离，确定第一集合中任意两个终端之间的马哈拉洛比斯距离；所述第一集合是由每个所述终端的特征值构成的，每个所述终端的特征值包括所述终端的性能指标以及所述终端的地理位置；
以所述马哈拉洛比斯距离最小，确定所述终端所属的第一聚类，以及所述第一聚类的特征值；所述第一聚类的特征值为属于所述第一聚类的所有所述终端特征值的平均值；
循环确定所述第一集合中所有所述终端所属的第一聚类，直至满足聚类合并的终止条件；
确定与所述第一聚类中所有所述终端的中心位置距离最近的小区，作为所述第一聚类所属的目标小区；
所述聚类合并的终止条件为任意两个所述第一聚类之间的所述马哈拉洛比斯距离大于预设门限值；
或，在任一小区的覆盖范围内，任意两个所述第一聚类中，任意两终端之间的所述马哈拉洛比斯距离的最大值大于所述任一小区的最大服务距离的2倍。
第三方面，本发明还提供一种电子设备，包括存储器，收发机，处理器；
存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并实现如上所述第一方面所述小区健康状态检测的方法。
第四方面，本发明还提供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如上所述第一方面所述的小区健康状态检测的方法。
第五方面，本发明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第一方面所述的小区健康状态检测的方法。
本发明提供的小区健康状态检测的方法及装置，使用层次凝聚聚类算法对终端进行聚类合并，收敛速度快，确定小区健康状态时，综合考虑多个典型指标，提高判断准确度。可以迅速的发现并定位中断小区，为之后的检修恢复提供技术支持。
附图说明
为了更清楚地说明本发明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的前提下，还可以根据这些附图获得其他的附图。
图1是相关技术中5G C-RAN小区场景的示意图；
图2是本申请实施例提供的小区健康状态检测的方法的流程示意图；
图3是本申请实施例提供的一个小区健康状态检测场景的示意图；
图4是本申请实施例提供的小区健康状态检测的完整流程示意图；
图5是本申请实施例提供的一种小区健康状态检测的装置的结构示意图；
图6是本发明提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
下面以图1至图6来说明本申请实施例提供的小区健康状态检测的方法及装置。
图1是相关技术中5G C-RAN小区场景的示意图，如图1所示，每一个蜂窝为一个六边形区域，对应一个小区。每一个基站的覆盖区域包括三个六边形区域所示。所示网络组成结构下，每个基站对应一个服务范围，该范围中的用户终端自动连入该基站，基站可以收集接入的用户的数据，并统计接入用户的数量，并将自身网络侧的数据和用户数据一并传回运营管理和维护中心(Operation Administration and Maintenance，OAM)进行分析，OAM进行一系列的算法计算确定基站状态。在此场景下部署本申请实施例提供的小区健康状态检测的方法，能够准确确定小区的健康状态，并定位到中断小区具体位置。
图2是本申请实施例提供的小区健康状态检测的方法的流程示意图，如图2所示，该方法包括：
步骤201、获取小区的性能指标，以及在所述小区覆盖范围内的所有终端的性能指标；
步骤202、基于层次凝聚聚类算法，对所述终端进行聚类合并，确定每个聚类所属的目标小区；
步骤203、基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态；
所述小区的性能指标包括：流量指标、掉话率和基站切换成功率；所述终端的性能指标包括参考信号接收功率RSRP，以及信号与干扰加噪声比SINR。
具体地，在配备有自愈功能的移动网络中，具有诸如终端(User Equipment，UE)、演进型网络设备(evolutional Node B，eNodeB)和运营管理和维护中心OAM之类的监视和测量能力的设备被周期性地激活或事件触发以收集可用的测量数据，例如相关的无线电参数、计数器、关键绩效指标(Key Performance Indicator，KPI)等，然后将其输入OAM等分析模块。因此，网络能够收集测量数据并自动分析，以监测当前监测期间发生的任何异常情况。
对于典型的5G C-RAN网络，基站在运行过程中有一定概率的中断。当中断发生时，该中断小区对应的基站能够接收微弱信号并上传至OAM。假设OAM中集成了小区中断检测机制，智能地利用终端采集的参考信号接收功率(Reference Signal Receiving Power，RSRP)和信号与干扰加噪声比(Signal to Interference plus Noise Ratio，SINR)等性能数据和基站自身的网络性能数据来监测异常情况。用户终端周期性地向基站，基站周期性地向OAM传送其相关小区的参考信号。
OAM首先将UE、eNodeB测量并上传的数据信息收集整理起来之后，选取其中最具代表性，能表征小区状态的相关信息，之后对上述数据信息展开综合处理研究分析，判定小区的健康状态。
对于收集的数据中关键指标的选择通常遵守如下多个原则：指标要选用那些对自动输出最终结果影响大的并且方便搜集整理的指标；指标之间的关联性要小；初始的数据信息比较冗杂，通常要求在各种参数中挑选出少数具有代表性的指标作为判定小区状态的依据。
通常小区性能表现指标一般分为：覆盖类，切换类，容量类，资源利用类以及服务质量类等。本申请考虑通讯量以及数据信号质量，在这几个类别中选取了能够预测，具有时序特征且相互之间关联度较小的5个关键参数进行分析。在用户侧，选取了参考信号接收功率RSRP、信号与干扰加噪声比SINR两个参数，在网络侧，选取了流量指标β、掉话率γ、基站切换成功率δ三个参数。各参数介绍如下：
1)参考信号接收功率(RSRP)：该参数属于覆盖类，是长期演进(Long TermEvolution，LTE)网里能够代表无线数据信号作用强度的核心所在系数以及物理层测量确定需要之一，是在某一个代表符号内承担参照数据信号的每一个资源单元(ResourceElement，RE)上自动接收到的数据信号额定功率的平均有效数值。是衡量系统无线网络覆盖率的重要指标。
2)信号与干扰加噪声比(SINR)：该参数属于服务质量类，指的是接收到的有用数据信号的作用强度和自动接收到的干扰数据信号(噪音与干扰)的作用强度的比重；能够简易的理解和认识为“信噪比”。
3)流量指标：该参数指在小区范围内用户使用网络进行上传下载的流量，小区流量一般是一条随时间平稳变化的曲线，当一个小区的流量发生突然增加或突然降低的情况时，即考虑自身或者周边小区发生故障。
4)掉话率：该参数属于呼叫保持类，表现体系的通信维持水平、体系的稳定安全性与可行性，是客户直接感受的重要性能标准之一。
5)基站切换成功率：该参数表示终端切换出去成功次数与发出切换请求总次数之比，以小区为单位，统计固定周期内的切换出去的成功次数，和发出切换请求的次数比值，属于切换类，可以有效体现UE在小区间切换时可能出现的邻区漏配、切换慢、乒乓切换等问题，一定程度上可表征小区的网络性能。
基于上述确定的能够预测，具有时序特征且相互之间关联度较小的5个关键参数，确定了系统模型。按照系统模型，获取小区的性能指标，该小区的性能指标包括流量指标、掉话率和基站切换成功率；并同时获取在小区的覆盖范围内的终端的性能指标，该终端的性能指标包括参考信号接收功率RSRP，以及信号与干扰加噪声比SINR。
采用层次凝聚聚类算法HAC，对上述所有的终端进行聚类合并，HAC算法具有参数设定较少计算速度较快的优点。以用户侧的两个参数结合终端位置作为对终端进行聚类合并的依据，根据聚类结果得到用户指标α。网络侧三个参数由基站直接获取，最后综合用户指标α，流量指标β、掉话率γ、基站切换成功率δ四个指标得到小区健康状态的判定结果。
假定网络环境中，存在K个小区，在这K个小区的覆盖范围内连接的终端有H个。根据这H个终端的特征，对终端进行聚类合并，具体通过RSRP、SINR和终端位置坐标三个指标作为每个终端的特征，通过流量指标、掉话率、基站切换成功率和小区位置坐标四个指标作为每个小区的特征。则所有小区的集合可表示为其中yj(j＝1,2...K)代表第j个小区的特征，k表示小区的个数。第j个小区的特征yj＝(B1,B2,B3,B4)，四个参数B1、B2、B3和B4分别表示流量指标，掉话率，基站切换成功率和小区位置。连接的H个终端集合可表示为/>其中xi(i＝1,2...H)代表第i个终端的特征，H表示所有终端的个数。第i个终端的特征xi＝(A1,A2,A3)，A1、A2和A3分别表示RSRP，SINR和终端位置。通过层次凝聚聚类算法，将上述终端划分成不同的聚类(簇)，并在每个簇中选择一个指定小区，作为该聚类所属的目标小区。通常该指定小区是以离每个簇中心距离最近的小区，或者确定每个簇的覆盖范围和小区的覆盖范围重合度最大的小区，当然可以通过其他方式来确定，在此不做限定。
确定每个聚类所属的目标小区后，结合上述各指标，获得各指标的测量值，按照各指标与等级范围的对应规则，确定各指标落入哪个等级范围，进而确定每个聚类所属的目标小区的健康状态。
本发明提供的小区健康状态检测的方法，使用层次凝聚聚类算法对终端进行聚类合并，收敛速度快，确定小区健康状态时，综合考虑多个典型指标，提高判断准确度。可以迅速的发现并定位中断小区，为之后的检修恢复提供技术支持。
可选地，所述基于层次凝聚聚类算法，对所述终端进行聚类合并，确定每个聚类所属的目标小区，包括：
基于马哈拉诺比斯距离，确定第一集合中任意两个终端之间的马哈拉洛比斯距离；所述第一集合是由每个所述终端的特征值构成的，每个所述终端的特征值包括所述终端的性能指标以及所述终端的地理位置；
以所述马哈拉洛比斯距离最小，确定所述终端所属的第一聚类，以及所述第一聚类的特征值；所述第一聚类的特征值为属于所述第一聚类的所有所述终端特征值的平均值；
循环确定所述第一集合中所有所述终端所属的第一聚类，直至满足聚类合并的终止条件；
确定与所述第一聚类中所有所述终端的中心位置距离最近的小区，作为所述第一聚类所属的目标小区；
所述聚类合并的终止条件为任意两个所述第一聚类之间的所述马哈拉洛比斯距离大于预设门限值；
或，在任一小区的覆盖范围内，任意两个所述第一聚类中，任意两终端之间的所述马哈拉洛比斯距离的最大值大于所述任一小区的最大服务距离的2倍。
具体地，在确定终端聚类结果，以及每个聚类所属的目标小区时，采用层次凝聚聚类算法，主要的步骤包括：
1)首先对于每一个单独的终端，通过其接入的基站，得到其RSRP，SINR和位置数据，作为聚类合并依据。
2)初始化，将单独的终端视为一个聚类，此时聚类数量为所有终端的数量H，对于每一个聚类，计算其和周边其它聚类的相似度，将相似度最高的两个聚类进行合并，形成新的聚类，并得到新聚类的特征值：RSRP，SINR和聚类位置。相似度使用马哈拉诺比斯距离(马氏距离)来衡量，两个聚类之间的马氏距离越近，代表其相似度越高。
将马氏距离最小的终端作为一个聚类，并确定该聚类的特征值，通常是将属于该聚类的所有终端的特征值进行平均得到，或者采用加权求和等方式得到。
循环确定每个终端所属的聚类，直至满足聚类何从的终止条件；该终止条件具体包括：
任意两个聚类之间的马氏距离均大于与预设门限值；该预设门限值可以是预先随机设定，并根据聚类合并结果动态调整，或者是根据之前统计分析的结论设定。
或，在任一小区的覆盖范围内，任意两个聚类中的各取一个终端，确定这两个终端之间的最大距离，这个最大距离大于该小区的最大服务距离的2倍，其中该小区的最大服务距离是以该小区的中心为圆心，画圆，整个圆和该小区覆盖范围基本重合，则这个圆的半径就是该小区的最大服务距离。
完成所有终端的聚类合并后，对于分好的每一个聚类，寻找距离聚类中心位置最近的小区，作为该聚类所属的目标小区，且该聚类的中心位置到目标小区之间的距离d小于该小区的最大服务距离。聚类和小区的对应关系可以是多对一或者一对一，即一个小区的覆盖范围内可能存在一个或者多个聚类。
可选地，所述马哈拉诺比斯距离的公式为：
其中，xi，xj分别表示任意两个所述终端的特征值，S是所述终端xi和xj的特征值的协方差矩阵，S-1是S的逆矩阵，(xi-xj)T表示矩阵(xi-xj)的转置。
具体地，计算任意两个终端之间的马氏距离时，采用马哈拉诺比斯距离的公式为：
其中，任意两个终端的特征值为和/>S是用户xi和xj的协方差矩阵，S-1是其逆矩阵，(xi-xj)T表示矩阵(xi-xj)的转置。
其中
为和/>的协方差。
当确定了相似度最高的两个聚类后，将两个聚类的特征值进行合并，作为新聚类的特征值，具体表示为：
xk＝(xi+xj)/2；
可选地，所述基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态，包括：
基于所述第一聚类中每个终端实际为其提供服务的小区为所述目标小区的终端的个数，以及所述第一聚类中所有终端的个数，确定所述第一聚类的用户指标；
基于所述第一聚类的用户指标，所述第一聚类所属的目标小区的性能指标，以及各指标和等级范围的对应规则，确定所述第一聚类所属的目标小区的健康状态；
其中，所述各指标和等级范围的对应规则包括所述用户指标和与其对应的多个等级范围、所述流量指标和与其对应的多个等级范围、所述掉话率和与其对应的多个等级范围、以及所述基站切换成功率和与其对应的多个等级范围，每个所述等级范围对应一个等级值。
具体地，确定每个终端所属的第一聚类以及该第一聚类所属的目标小区后，确定该终端实际为其提供服务的小区为该目标小区的终端的个数，以及该第一聚类中所有终端的个数，确定该第一聚类的用户指标α。
对于一个聚类中的所有终端，设定一个门限比例a％和b％且a>b，对于每一对确定的‘聚类-小区’组合。该聚类中有大于a％的用户被此基站服务，则用户指标α为等级一的等级值，在a％-b％间的用户被此基站服务则用户指标α为等级二的等级值，小于b％的用户被此基站服务，用户指标α为等级三的等级值。
若存在某个基站没有和任何聚类对应，则将该小区的最大服务距离R内的所有终端重新划分为一个新的聚类，对该聚类中的终端根据上述步骤的门限比例确定用户指标。
若存在某个基站和2个及以上的聚类对应，且根据不同聚类，得到的用户指标α的等级不一致，则分析时将这多个聚类再次合并得到新的聚类，根据上述步骤中的门限比例确定用户指标α。
再根据该第一聚类的用户指标α和第一聚类所属的目标小区的性能指标(流量指标β、掉话率γ、基站切换成功率δ)，以及上述各指标和等级范围的对应规则，确定该第一聚类所属的目标小区的健康状态。
上述各指标和等级范围的对应规则可表示为如下表1所示：
上述四个指标在正常范围内根据优良程度可分为三个等级。A3，B3，C3，D3对应等级值3；A2，B2，C2，D2对应等级值2；A1，B1，C1，D1对应等级值1。当然也可以反过来。其中，等级值1、等级值2和等级值3可以表示任意的数值，且等级值1、等级值2和等级值3对应的数值依次增大。
可选地，所述基于所述第一聚类的用户指标，所述第一聚类所属的目标小区的性能指标，以及各指标和等级范围的对应规则，确定所述第一聚类所属的目标小区的健康状态，包括：
基于所述第一聚类的用户指标的值，所述第一聚类所属的目标小区的性能指标的值，以及各指标和等级范围的对应规则，确定所述第一聚类的各指标对应的等级值；
基于所述第一聚类中每个所述指标对应的等级值，以及每个所述指标的影响因子，确定所述第一聚类所属的目标小区的健康得分；所有所述指标的影响因子之和为一；
基于所述第一聚类所属的目标小区的健康得分，以及健康得分与小区健康状态的对应规则，确定所述第一聚类所属的目标小区的健康状态；
所述健康状态包括健康、亚健康和中断。
具体地，确定了第一聚类所属目标小区的四个指标用户指标α、流量指标β、掉话率γ、基站切换成功率δ对应的等级值之后，结合每个指标对应的影响因子，确定该第一聚类所属小区的健康得分，计算公式可表示为：
Δ＝A∝1+B∝2+C∝3+D∝4,∝1+∝2+∝3+∝4＝1
其中，A、B、C和D分别表示用户指标α、流量指标β、掉话率γ、基站切换成功率δ为不同取值时，对应的等级值。
根据小区的健康水平，本申请通过设定两个边界值δ1和δ2，这两个边界值可以初始设定之后，根据最后的统计结果进行动态调整将小区的健康状态分为三类，依次对应健康、亚健康与中断，根据Δ的值确定输出，Δ值越小代表小区的健康状态越好，反之，Δ值越大代表小区的健康状态越差。具体定义如表2所示。
表2
| 判定依据 | 作用功能 | 输出 | |
| 健康 | 1≤Δ<δ1 | 通讯体系性能正常 | 01 |
| 亚健康 | δ1≤Δ<δ2 | 通讯体系性能降低，但是对通信影响不是很大 | 10 |
| 中断 | δ2≤Δ | 通信系统中发生中断 | 11 |
当然为了更精确的对小区的健康状态进行检测，也可以多设定几个边界值，将小区的健康水平划分为更多的类，具体实现可参考上述方法。
可选地，所述第一聚类所属的目标小区的性能指标中的流量指标是基于所述小区的平均流量以及流量公式确定的；
若所述小区的当前流量小于等于所述小区的平均流量，则根据所述小区的平均流量和所述小区的当前流量的差值，与所述小区的当前流量的比值，更新所述小区的流量指标；
若所述小区的当前流量大于所述小区的平均流量，则确定所述小区的流量指标对应最小等级值。
具体地，流量指标β的等级由其和历史平均值的变化幅度确定，对于一个确定的基站，在确定的时间段中流量是基本稳定的，当出现流量突然降低的情况，则基站可能出现问题，假设在某时刻由统计得到的基站的历史平均流量为τ，当前流量指标为σ，则
β＝(τ-σ)/σ*100％
当σ<τ，流量指标降低表明基站可能出现问题，流量指标β由上式计算得到，参照表1中流量指标β等级范围的取值范围，确定其对应的等级；
当σ>τ时，表明接入该基站的用户增多，流量指标β自动定为等级1，即B1。
掉话率γ、基站切换成功率δ两个参数可由基站直接得到。
确定了小区的健康状态之后，可以根据小区位置信息，定位对应的基站，对基站进行检修恢复。
本发明提供的小区健康状态检测的方法，使用层次凝聚聚类算法对终端进行聚类合并，收敛速度快，确定小区健康状态时，综合考虑多个典型指标，提高判断准确度。可以迅速的发现并定位中断小区，为之后的检修恢复提供技术支持。
图3是本申请实施例提供的一个小区健康状态检测场景的示意图，如图3所示，将小区的健康状态分为健康，亚健康，中断三个状态。通过将场景中的终端用户进行聚类分析，在结合基站自身收集到的网络测数据，由OAM进行分析快速准确判定基站状态。在正常情况下，每个基站会服务自己区域内的用户终端，当基站处于亚健康状态时，区域边缘的用户就无法被该基站服务到，可能会连入周边其它健康基站进行服务补偿，当基站处于中断状态时，区域内大部分用户断连，部分用户可能连入周边基站，由周边基站进行服务补偿。
以上仅是对本申请提供的小区健康状态检测方法中小区健康状态值的示例性说明，具体的小区健康状态可能包括更多种状态值，根据实际需求具体设置，在此不做具体限定。
图4是本申请实施例提供的小区健康状态检测的完整流程示意图，如图4所示，该小区健康状态检测的完成流程包括：
步骤401、运营管理和维护中心(简称网管中心)OAM周期性检测所有基站信息，终端将用户侧数据发送给基站，基站回馈至网管中心；
步骤402、筛选关键参数，要求能够预测，具有时序特征且相互关联度较低；其中，网络侧小区的关键指标：流量指标、掉话率和基站切换成功率；用户侧的关键指标：参考信号接收功率RSRP，以及信号与干扰加噪声比SINR。
步骤403、遍历范围内所有终端，通过层次凝聚聚类算法(HAC)将终端分为不同的聚类；
步骤404、将每个聚类对应一个小区，得到每个小区的用户指标；
步骤405、网管中心根据收集的信息得到每个小区的流量指标，掉话率和基站切换成功率三项指标；
步骤406、利用各指标和等级范围对应规则，判定小区的用户指标，流量指标，掉话率，基站切换成功率四项指标的等级值；
步骤407、确定小区的健康状态，根据四项指标对应健康值，确定小区的健康状态，健康、亚健康与中断。
图5是本申请实施例提供的一种小区健康状态检测的装置的结构示意图，如图5所示，该装置包括：
获取模块501，用于获取小区的性能指标，以及在所述小区覆盖范围内的所有终端的性能指标；
聚类模块502，用于基于层次凝聚聚类算法，对所述终端进行聚类合并，确定每个聚类所属的目标小区；
健康状态模块503，用于基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态；
所述小区的性能指标包括：流量指标、掉话率和基站切换成功率；所述终端的性能指标包括参考信号接收功率RSRP，以及信号与干扰加噪声比SINR。
可选地，所述聚类模块502在基于层次凝聚聚类算法，对所述终端进行聚类合并，确定每个聚类所属的目标小区的过程中，还用于：
基于马哈拉诺比斯距离，确定第一集合中任意两个终端之间的马哈拉洛比斯距离；所述第一集合是由每个所述终端的特征值构成的，每个所述终端的特征值包括所述终端的性能指标以及所述终端的地理位置；
以所述马哈拉洛比斯距离最小，确定所述终端所属的第一聚类，以及所述第一聚类的特征值；所述第一聚类的特征值为属于所述第一聚类的所有所述终端特征值的平均值；
循环确定所述第一集合中所有所述终端所属的第一聚类，直至满足聚类合并的终止条件；
确定与所述第一聚类中所有所述终端的中心位置距离最近的小区，作为所述第一聚类所属的目标小区；
所述聚类合并的终止条件为任意两个所述第一聚类之间的所述马哈拉洛比斯距离大于预设门限值；
或，在任一小区的覆盖范围内，任意两个所述第一聚类中，任意两终端之间的所述马哈拉洛比斯距离的最大值大于所述任一小区的最大服务距离的2倍。
可选地，所述马哈拉诺比斯距离的公式为：
其中，xi，xj分别表示任意两个所述终端的特征值，S是所述终端xi和xj的特征值的协方差矩阵，S-1是S的逆矩阵，(xi-xj)T表示矩阵(xi-xj)的转置。
可选地，健康状态模块503在基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态的过程中，还用于：
基于所述第一聚类中每个终端实际为其提供服务的小区为所述目标小区的终端的个数，以及所述第一聚类中所有终端的个数，确定所述第一聚类的用户指标；
基于所述第一聚类的用户指标，所述第一聚类所属的目标小区的性能指标，以及各指标和等级范围的对应规则，确定所述第一聚类所属的目标小区的健康状态；
其中，所述各指标和等级范围的对应规则包括所述用户指标和与其对应的多个等级范围、所述流量指标和与其对应的多个等级范围、所述掉话率和与其对应的多个等级范围、以及所述基站切换成功率和与其对应的多个等级范围，每个所述等级范围对应一个等级值。
可选地，聚类模块502在基于所述第一聚类的用户指标，所述第一聚类所属的目标小区的性能指标，以及各指标和等级范围的对应规则，确定所述第一聚类所属的目标小区的健康状态的过程中，还用于：
基于所述第一聚类的用户指标的值，所述第一聚类所属的目标小区的性能指标的值，以及各指标和等级范围的对应规则，确定所述第一聚类的各指标对应的等级值；
基于所述第一聚类中每个所述指标对应的等级值，以及每个所述指标的影响因子，确定所述第一聚类所属的目标小区的健康得分；所有所述指标的影响因子之和为一；
基于所述第一聚类所属的目标小区的健康得分，以及健康得分与小区健康状态的对应规则，确定所述第一聚类所属的目标小区的健康状态；
所述健康状态包括健康、亚健康和中断。
可选地，所述第一聚类所属的目标小区的性能指标中的流量指标是基于所述小区的平均流量以及流量公式确定的；
若所述小区的当前流量小于等于所述小区的平均流量，则根据所述小区的平均流量和所述小区的当前流量的差值，与所述小区的当前流量的比值，更新所述小区的流量指标；
若所述小区的当前流量大于所述小区的平均流量，则确定所述小区的流量指标对应最小等级值。
具体地，本申请实施例提供的上述小区健康状态检测的装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图6是本发明提供的一种电子设备的结构示意图；如图6所示，该电子设备，包括存储器620，收发机610和处理器600；其中，处理器600与存储器620也可以物理上分开布置。
存储器620，用于存储计算机程序；收发机610，用于在处理器600的控制下收发数据。
具体地，收发机610用于在处理器600的控制下接收和发送数据。
其中，在图6中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器600代表的一个或多个处理器和存储器620代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本申请不再对其进行进一步描述。总线接口提供接口。收发机610可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元，这些传输介质包括无线信道、有线信道、光缆等传输介质。
处理器600负责管理总线架构和通常的处理，存储器620可以存储处理器600在执行操作时所使用的数据。
处理器600可以是中央处理器(Central Processing Unit，CPU)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或复杂可编程逻辑器件(Complex Programmable LogicDevice，CPLD)，处理器也可以采用多核架构。
处理器600通过调用存储器620存储的计算机程序，用于按照获得的可执行指令执行本申请实施例提供的任一所述方法，例如：
获取小区的性能指标，以及在所述小区覆盖范围内的所有终端的性能指标；
基于层次凝聚聚类算法，对所述终端进行聚类合并，确定每个聚类所属的目标小区；
基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态；
所述小区的性能指标包括：流量指标、掉话率和基站切换成功率；所述终端的性能指标包括参考信号接收功率RSRP，以及信号与干扰加噪声比SINR。
在此需要说明的是，本申请实施例提供的上述电子设备，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各实施例所提供的小区健康状态检测的方法。
另一方面，本申请实施例还提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行上述各实施例提供的小区健康状态检测的方法。
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
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发明的技术方案，而非对其限制；尽管参照前述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精神和范围。
Claims (9)
1.一种小区健康状态检测的方法，其特征在于，包括：
获取小区的性能指标，以及在所述小区覆盖范围内的所有终端的性能指标；
基于层次凝聚聚类算法，对所述终端进行聚类合并，确定每个聚类所属的目标小区；
基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态；
所述小区的性能指标包括：流量指标、掉话率和基站切换成功率；所述终端的性能指标包括参考信号接收功率RSRP，以及信号与干扰加噪声比SINR；
所述基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态，包括：
基于第一聚类中每个终端实际为其提供服务的小区为所述目标小区的终端的个数，以及所述第一聚类中所有终端的个数，确定所述第一聚类的用户指标；
基于所述第一聚类的用户指标、所述第一聚类所属的目标小区的性能指标、以及各指标和等级范围的对应规则，确定所述第一聚类所属的目标小区的健康状态；
其中，所述各指标和等级范围的对应规则包括所述用户指标和与其对应的多个等级范围、所述流量指标和与其对应的多个等级范围、所述掉话率和与其对应的多个等级范围、以及所述基站切换成功率和与其对应的多个等级范围，每个所述等级范围对应一个等级值。
2.根据权利要求1所述的小区健康状态检测的方法，其特征在于，所述基于层次凝聚聚类算法，对所述终端进行聚类合并，确定每个聚类所属的目标小区，包括：
基于马哈拉诺比斯距离，确定第一集合中任意两个终端之间的马哈拉洛比斯距离；所述第一集合是由每个所述终端的特征值构成的，每个所述终端的特征值包括所述终端的性能指标以及所述终端的地理位置；
以所述马哈拉洛比斯距离最小，确定所述终端所属的第一聚类，以及所述第一聚类的特征值；所述第一聚类的特征值为属于所述第一聚类的所有所述终端特征值的平均值；
循环确定所述第一集合中所有所述终端所属的第一聚类，直至满足聚类合并的终止条件；
确定与所述第一聚类中所有所述终端的中心位置距离最近的小区，作为所述第一聚类所属的目标小区；
所述聚类合并的终止条件为任意两个所述第一聚类之间的所述马哈拉洛比斯距离大于预设门限值；
或，在任一小区的覆盖范围内，任意两个所述第一聚类中，任意两终端之间的所述马哈拉洛比斯距离的最大值大于所述任一小区的最大服务距离的2倍。
3.根据权利要求2所述的小区健康状态检测的方法，其特征在于，所述马哈拉诺比斯距离的公式为：
其中，xi，xj分别表示任意两个所述终端的特征值，S是所述终端xi和xj的特征值的协方差矩阵，S-1是S的逆矩阵，(xi-xj)T表示矩阵(xi-xj)的转置。
4.根据权利要求1所述的小区健康状态检测的方法，其特征在于，所述基于所述第一聚类的用户指标、所述第一聚类所属的目标小区的性能指标、以及各指标和等级范围的对应规则，确定所述第一聚类所属的目标小区的健康状态，包括：
基于所述第一聚类的用户指标的值、所述第一聚类所属的目标小区的性能指标的值、以及各指标和等级范围的对应规则，确定所述第一聚类的各指标对应的等级值；
基于所述第一聚类中每个所述指标对应的等级值，以及每个所述指标的影响因子，确定所述第一聚类所属的目标小区的健康得分；所有所述指标的影响因子之和为一；
基于所述第一聚类所属的目标小区的健康得分，以及健康得分与小区健康状态的对应规则，确定所述第一聚类所属的目标小区的健康状态；
所述健康状态包括健康、亚健康和中断。
5.根据权利要求4所述的小区健康状态检测的方法，其特征在于，所述第一聚类所属的目标小区的性能指标中的流量指标是基于所述小区的平均流量以及流量公式确定的；
若所述小区的当前流量小于等于所述小区的平均流量，则根据所述小区的平均流量和所述小区的当前流量的差值，与所述小区的当前流量的比值，更新所述小区的流量指标；
若所述小区的当前流量大于所述小区的平均流量，则确定所述小区的流量指标对应最小等级值。
6.一种小区健康状态检测的装置，其特征在于，包括：
获取模块，用于获取小区的性能指标，以及在所述小区覆盖范围内的所有终端的性能指标；
聚类模块，用于基于层次凝聚聚类算法，对所述终端进行聚类合并，确定每个聚类所属的目标小区；
中断模块，用于基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态；
所述小区的性能指标包括：流量指标、掉话率和基站切换成功率；所述终端的性能指标包括参考信号接收功率RSRP，以及信号与干扰加噪声比SINR；
所述基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态，包括：
基于第一聚类中每个终端实际为其提供服务的小区为所述目标小区的终端的个数，以及所述第一聚类中所有终端的个数，确定所述第一聚类的用户指标；
基于所述第一聚类的用户指标、所述第一聚类所属的目标小区的性能指标、以及各指标和等级范围的对应规则，确定所述第一聚类所属的目标小区的健康状态；
其中，所述各指标和等级范围的对应规则包括所述用户指标和与其对应的多个等级范围、所述流量指标和与其对应的多个等级范围、所述掉话率和与其对应的多个等级范围、以及所述基站切换成功率和与其对应的多个等级范围，每个所述等级范围对应一个等级值。
7.根据权利要求6所述的小区健康状态检测的装置，其特征在于，所述聚类模块还用于：
基于马哈拉诺比斯距离，确定第一集合中任意两个终端之间的马哈拉洛比斯距离；所述第一集合是由每个所述终端的特征值构成的，每个所述终端的特征值包括所述终端的性能指标以及所述终端的地理位置；
以所述马哈拉洛比斯距离最小，确定所述终端所属的第一聚类，以及所述第一聚类的特征值；所述第一聚类的特征值为属于所述第一聚类的所有所述终端特征值的平均值；
循环确定所述第一集合中所有所述终端所属的第一聚类，直至满足聚类合并的终止条件；
确定与所述第一聚类中所有所述终端的中心位置距离最近的小区，作为所述第一聚类所属的目标小区；
所述聚类合并的终止条件为任意两个所述第一聚类之间的所述马哈拉洛比斯距离大于预设门限值；
或，在任一小区的覆盖范围内，任意两个所述第一聚类中，任意两终端之间的所述马哈拉洛比斯距离的最大值大于所述任一小区的最大服务距离的2倍。
8.一种电子设备，其特征在于，包括存储器，收发机，处理器；
存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并执行以下操作：
获取小区的性能指标，以及在所述小区覆盖范围内的所有终端的性能指标；
基于层次凝聚聚类算法，对所述终端进行聚类合并，确定每个聚类所属的目标小区；
基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态；
所述小区的性能指标包括：流量指标、掉话率和基站切换成功率；所述终端的性能指标包括参考信号接收功率RSRP，以及信号与干扰加噪声比SINR；
所述基于各指标与等级范围的对应规则，确定所述每个聚类所属的目标小区的健康状态，包括：
基于第一聚类中每个终端实际为其提供服务的小区为所述目标小区的终端的个数，以及所述第一聚类中所有终端的个数，确定所述第一聚类的用户指标；
基于所述第一聚类的用户指标、所述第一聚类所属的目标小区的性能指标、以及各指标和等级范围的对应规则，确定所述第一聚类所属的目标小区的健康状态；
其中，所述各指标和等级范围的对应规则包括所述用户指标和与其对应的多个等级范围、所述流量指标和与其对应的多个等级范围、所述掉话率和与其对应的多个等级范围、以及所述基站切换成功率和与其对应的多个等级范围，每个所述等级范围对应一个等级值。
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存储有计算机程序，所述计算机程序用于使计算机执行权利要求1至5任一项所述的小区健康状态检测的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210395104.1A CN114630365B (zh) | 2022-04-14 | 2022-04-14 | 小区健康状态检测的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210395104.1A CN114630365B (zh) | 2022-04-14 | 2022-04-14 | 小区健康状态检测的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114630365A CN114630365A (zh) | 2022-06-14 |
| CN114630365B true CN114630365B (zh) | 2024-02-06 |
Family
ID=81905451
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210395104.1A Active CN114630365B (zh) | 2022-04-14 | 2022-04-14 | 小区健康状态检测的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114630365B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102932826A (zh) * | 2012-11-30 | 2013-02-13 | 北京邮电大学 | 蜂窝移动通信系统网络自组织中的小区中断探测定位方法 |
| WO2015188497A1 (zh) * | 2014-06-10 | 2015-12-17 | 中兴通讯股份有限公司 | 基于lte的集群通信系统重建恢复方法和用户终端 |
| CN110753369A (zh) * | 2019-10-23 | 2020-02-04 | 中国联合网络通信集团有限公司 | 一种中断小区检测方法及装置 |
| WO2021057382A1 (zh) * | 2019-09-23 | 2021-04-01 | 中兴通讯股份有限公司 | 一种异常检测方法、装置、终端及存储介质 |
| WO2022017483A1 (zh) * | 2020-07-24 | 2022-01-27 | 深圳市万普拉斯科技有限公司 | 乒乓切换抑制方法、装置、终端及可读存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10552710B2 (en) * | 2009-09-28 | 2020-02-04 | Oracle International Corporation | Hierarchical sequential clustering |
| KR20130127668A (ko) * | 2012-05-15 | 2013-11-25 | 삼성전자주식회사 | 멀티 셀 무선 네트워크에서 기지국 그룹간 간섭을 제어하는 방법 및 장치 |
| US10548032B2 (en) * | 2018-01-26 | 2020-01-28 | Verizon Patent And Licensing Inc. | Network anomaly detection and network performance status determination |
-
2022
- 2022-04-14 CN CN202210395104.1A patent/CN114630365B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102932826A (zh) * | 2012-11-30 | 2013-02-13 | 北京邮电大学 | 蜂窝移动通信系统网络自组织中的小区中断探测定位方法 |
| WO2015188497A1 (zh) * | 2014-06-10 | 2015-12-17 | 中兴通讯股份有限公司 | 基于lte的集群通信系统重建恢复方法和用户终端 |
| WO2021057382A1 (zh) * | 2019-09-23 | 2021-04-01 | 中兴通讯股份有限公司 | 一种异常检测方法、装置、终端及存储介质 |
| CN110753369A (zh) * | 2019-10-23 | 2020-02-04 | 中国联合网络通信集团有限公司 | 一种中断小区检测方法及装置 |
| WO2022017483A1 (zh) * | 2020-07-24 | 2022-01-27 | 深圳市万普拉斯科技有限公司 | 乒乓切换抑制方法、装置、终端及可读存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| An Energy-Efficient Cell Outage Detection Algorithm for Self-Organizing Networks;Layla Majzoobi et al.;《2020 10th International Symposium onTelecommunications (IST)》;全文 * |
| LTE-Advanced系统的网络自治愈技术;马昱 等;《中兴通讯技术》;正文第1-3节 * |
| Self-Organized Cell Outage Detection Architecture and Approach for 5G H-CRAN;Peng Yu et al.;《Wireless Communications and Mobile Computing》;全文 * |
| 基于空中基站的小区中断补偿机制;张涛;《中国优秀博士学位论文全文数据库》 信息科技辑;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114630365A (zh) | 2022-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11451971B2 (en) | Networking method, networking apparatus, network access method, and user equipment for coordinated multiple points transmission/reception | |
| CN106714239B (zh) | 一种lte网络负载自动均衡的方法和系统 | |
| CN106792752B (zh) | 基站信号覆盖自优化方法和系统 | |
| CN111901814A (zh) | 无线网络健康评估方法、装置、电子设备及存储介质 | |
| CN111263403B (zh) | Lte网络下多频小区间负荷均衡方法和装置 | |
| CN102547910A (zh) | 无线接入点选择方法及无线接入点 | |
| CN110784894B (zh) | Lte系统负载均衡方法和装置 | |
| CN111954224B (zh) | 一种同频干扰的处理方法及装置 | |
| US20240064631A1 (en) | Communication processing method, communication apparatus, and communication system | |
| CN103188715B (zh) | 无线资源自动监控调度的方法及装置 | |
| CN112020098A (zh) | 负荷均衡方法、装置、计算设备及计算机存储介质 | |
| CN103002495A (zh) | 无线网络结构的评估方法及装置 | |
| CN105933923B (zh) | 一种超密集组网小区分簇方法 | |
| CN111263389A (zh) | 一种Volte语音质量问题的自动化定位的方法及装置 | |
| WO2018184667A1 (en) | Apparatus and method for performing network optimization | |
| CN108243429A (zh) | 一种用于室内分布系统的网络覆盖检测方法及系统 | |
| CN113891336A (zh) | 通信网络减频退网方法、装置、计算机设备和存储介质 | |
| CN114630365B (zh) | 小区健康状态检测的方法及装置 | |
| CN110753369B (zh) | 一种中断小区检测方法及装置 | |
| CN113747556B (zh) | 室内分布系统节能方法、设备及计算机可读存储介质 | |
| CN107708124B (zh) | Lte230电力系统专网主备核心网稳定性优化方法 | |
| CN112203325B (zh) | 一种参数上报方法及装置 | |
| CN112153679B (zh) | 一种转网方法及装置 | |
| EP3662694A1 (en) | Optimizing cell outage mitigation in a communications network | |
| Fontana et al. | SMASH: a SMArt Slicing Heterogeneous 5G network selection algorithm |
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 |