CN114698005A - 异常小区的识别方法、装置、设备及可读介质 - Google Patents

Abstract

本申请提供一种异常小区的识别方法、装置、设备及可读介质。该方法包括：获取待测的高铁线上的用户终端接入的小区清单，其中，小区包括高铁线专用小区和非专用小区，然后从高铁线上的用户终端接入的小区清单中筛选出非专用小区和专用小区，并根据高铁线上的用户终端接入情况，从筛选出的非专用小区中识别出越区覆盖的小区，从专用小区中识别出网络故障小区。本申请的方法，根据高铁线上的用户终端接入情况识别异常小区的方式，识别结果准确率高，且操作成本低，时效性好。

Description

异常小区的识别方法、装置、设备及可读介质

技术领域

本申请涉及通信技术领域，尤其涉及一种异常小区的识别方法、装置、设备及可读介质。

背景技术

高速铁路(高铁)通信网络是高铁重要的组成部分，一般在铁路沿线会配置有高铁线专用小区，而高铁线通信网络质量的优劣将直接影响高铁用户的网络体验。

在高铁场景的移动通信网络中，常见的一种情况是高铁线非专用小区侵入到高铁线专用小区的覆盖范围，即非专用小区出现越区覆盖，而越区覆盖容易导致高铁线上的用户网络出现错误的切换，以及无切换关系引起掉话等的问题。另一种情况是高铁线专用小区出现网络故障，导致高铁线上的用户接收不到信号或接收到信号质量较差等问题。目前，对高铁线异常小区的识别一般是通过路测分析方法进行，通过测试人员到待测试高铁线上乘坐高铁，沿线采集特定时刻、特定地点的瞬时网络数据，并根据采集到的网络数据识别出异常小区。

但是现有技术识别高铁线异常小区的方式，识别结果准确率低且操作成本高，时效性差。

发明内容

本申请提供一种异常小区的识别方法、装置、设备及可读介质，用以解决现有技术识别高铁线异常小区的方式，存在识别结果准确率低且操作成本高，时效性差的问题。

第一方面，本申请提供一种异常小区的识别方法，包括：

获取待测的高铁线上的用户终端接入的小区清单，所述小区包括高铁线专用小区和非专用小区；

从所述高铁线上的用户终端接入的小区清单中筛选出所述非专用小区和专用小区；

根据所述高铁线上的用户终端接入情况，从筛选出的所述非专用小区中识别出越区覆盖的小区，并从所述专用小区中识别出网络故障小区。

可选的，所述根据所述高铁线上的用户终端接入情况，从筛选出的所述非专用小区中识别出越区覆盖的小区，包括：

获取筛选出的所述非专用小区被所述高铁线上的用户终端接入的次数；

根据所述非专用小区被所述高铁线上的用户终端接入的次数，判断所述接入的次数是否超过第一预设阈值；

若超过所述第一预设阈值，则所述非专用小区被识别为越区覆盖的小区。

可选的，所述根据所述高铁线上的用户终端接入情况，从筛选出的所述专用小区中识别出网络故障的小区，包括：

获取筛选出的所述专用小区被所述高铁线上的用户终端接入的次数；

根据所述专用小区被所述高铁线上的用户终端接入的次数，判断所述接入的次数是否低于第二预设阈值；

若低于所述第二预设阈值，则所述专用小区被识别为网络故障的小区。

可选的，所述根据所述高铁线上的用户终端接入情况，从筛选出的所述专用小区中识别出网络故障的小区，包括：

获取筛选出的所述专用小区被所述高铁线上的用户终端接入的次数；

获取筛选出的所述专用小区未发生网络故障时被所述高铁线上的用户终端接入的次数；

根据所述专用小区被所述高铁线上的用户终端接入的次数和所述专用小区未发生网络故障时被所述高铁线上的用户终端接入的次数，计算所述专用小区接入的次数的下降幅度；

根据所述专用小区接入的次数的下降幅度，判断所述下降幅度是否超过预设幅度阈值；

若超过所述预设幅度阈值，则所述专用小区被识别为网络故障的小区。

可选的，所述高铁线上的用户终端为依次连续占用至少预设数量的所述高铁线专用小区。

第二方面，本申请提供一种异常小区的识别装置，包括：

获取模块，用于获取待测的高铁线上的用户终端接入的小区清单，所述小区包括高铁线专用小区和非专用小区；

筛选模块，用于从所述高铁线上的用户终端接入的小区清单中筛选出所述非专用小区和专用小区；

识别模块，用于根据所述高铁线上的用户终端接入情况，从筛选出的所述非专用小区中识别出越区覆盖的小区，并从所述专用小区中识别出网络故障小区。

可选的，所述识别模块，具体用于：

获取筛选出的所述非专用小区被所述高铁线上的用户终端接入的次数；

根据所述非专用小区被所述高铁线上的用户终端接入的次数，判断所述接入的次数是否超过第一预设阈值；

若超过所述第一预设阈值，则所述非专用小区被识别为越区覆盖的小区。

可选的，

所述识别模块，具体还用于：

获取筛选出的所述专用小区被所述高铁线上的用户终端接入的次数；

根据所述专用小区被所述高铁线上的用户终端接入的次数，判断所述接入的次数是否低于第二预设阈值；

若低于所述第二预设阈值，则所述专用小区被识别为网络故障的小区。

第三方面，本申请提供一种异常小区的识别设备，包括：处理器，以及与所述处理器通信连接的存储器、收发器；

所述处理器控制所述收发器的接收动作和发送动作；

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，以执行第一方面任一项异常小区的识别方法。

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第一方面任一项异常小区的识别方法。

本申请提供的一种异常小区的识别方法、装置、设备及可读介质。通过获取待测高铁线上的用户终端接入的小区清单，其中，小区包括高铁线专用小区和非专用小区。然后从接入的小区清单中筛选出高铁线非专用小区和专用小区，并根据高铁线上的用户终端接入情况，从筛选出的非专用小区中，识别出越区覆盖的小区，从专用小区中识别出网络故障小区。本申请根据高铁线上的用户终端接入情况，识别出异常小区的方式，使得识别结果准确率更高，且操作成本低，时效性好。

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为本申请提供的一种应用场景示意图；

图2为本申请实施例一提供的一种异常小区的识别方法的流程示意图；

图3为本申请实施例二提供的一种越区覆盖小区的识别方法的流程示意图；

图4为本申请实施例三提供的一种网络故障小区的识别方法的流程示意图；

图5为本申请实施例三提供的又一种网络故障小区的识别方法的流程示意图；

图6为本申请实施例四提供的一种异常小区识别装置的结构示意图；

图7为本申请实施例五提供的一种异常小区识别设备的结构示意图。

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。

首先对本申请所涉及的名词进行解释：

越区覆盖：是指由于基站天线挂高过高或者俯仰角过小引起的该小区覆盖距离过远，从而越区覆盖到其它站点覆盖的区域。

高速铁路沿线为保证高速铁路上用户的正常通信，一般会在沿线配置专用的小区，而高铁通信网络质量的优劣将直接影响高铁上用户的网络体验。

在高铁场景的移动通信网络中，常见的一种情况是高铁线非专用小区侵入到高铁线专用小区的覆盖范围，即非专用小区出现越区覆盖，这种情况在高铁用户途径密集城区时更为明显，而越区覆盖容易导致高铁线上的用户网络出现错误的切换，以及无切换关系引起掉话等的问题。另一种情况是高铁线专用小区出现网络故障，导致高速、高铁用户接收不到信号或接收到信号质量较差等问题。其中，网络故障大致可以分为硬件类故障和软件类故障，例如，硬件类故障可以是网络线路传输媒介故障、接插件故障、收发器故障、交换机和端口故障、网卡故障等。例如，软件类故障可以是小区参数配置错误、射频资源故障、基带资源故障、链路故障、带宽不足等。

目前，对高铁线异常小区的识别一般是通过路测分析方法进行，通过测试人员到待测试高铁线上乘坐高铁，沿线采集特定时刻、特定地点的瞬时网络数据，其中，采集的瞬时网络数据包括但不限于以下几种：接入基站小区地址(Identification，ID)、上/下行速率、参考信号接收功率(Reference Signal Receiving Power，RSRP)、信号与干扰加噪声比(Signal to Interference plus Noise Ratio，SINR)及信令信息等，并根据采集到的网络数据识别出异常小区。

示例性的，若测试人员在A点位置，采集到接入的小区ID是非高速、高铁小区，说明该小区有可能发生了越区覆盖。若测试人员在B点位置，采集到高速、高铁专用小区的上/下行速率等参数明显低于正常运行时的速率，说明该小区有可能出现了网络故障。

但是现有技术识别高铁线异常小区的方式，由于依据的是瞬时数据，存在偶然性，导致判别结果准确率低；且需要测试人员到达现场测试较长时间，造成操作成本高，时效性差。

因此，针对现有技术的上述技术问题，本申请提出一种异常小区的识别方法、装置、设备及可读介质。通过获取待测的高铁线上的用户终端接入的小区清单，然后从接入的小区清单中筛选出高铁线专用小区和非专用小区，进而根据清单中各小区被高铁线上的用户终端接入的次数，分别从筛选出的非专用小区中识别出越区覆盖的小区和从专用小区中识别出网络故障的小区。本申请根据高铁线上的用户终端接入情况，识别出异常小区的方式，使得识别结果准确率更高，且操作成本低，时效性好。

以高铁线上的用户为例，举例说明本申请的应用场景，如图1所示，图1为本申请提供的一种应用场景示意图，在高铁沿线会设置有多个高铁专用小区101，当高铁用户102位于高铁专用小区101的覆盖范围时，可接入高铁专用小区101，当高铁用户102经过城区时，由于城区设置的其它非高铁专用小区103增多，若非高铁专用小区出现越区覆盖，导致高铁用户102有可能接入非高铁专用小区103，使高铁用户102接收的网络质量出现问题。可以理解的是，本申请所提供的一种异常小区的识别方法，包括但不限于所示例场景，例如，还可以应用于高速公路对异常小区的识别等，因此所举示例不作为对本申请的限制。

下面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。

如图2所示，图2为本申请实施例一提供的一种异常小区的识别方法的流程示意图，该方法可以包括以下步骤：

S201、获取待测的高铁线上的用户终端接入的小区清单，小区包括高铁线专用小区和非专用小区。

高铁线专用小区是指专门用于高铁上的用户进行通信而设置的小区，一般设置在高铁线沿线区域，通常是由一个基站或基站的一部分(扇形天线)所覆盖，在这个区域内的用户终端可以通过无线信道可靠地与基站进行通信。

非专用小区是指并非专门用于高铁上的用户进行通信而设置的小区，例如，可以是指设置于密集城区的小区，该小区主要用于该城区范围内的用户进行通信。

本申请中，首先要确定待测的高铁线，然后从运营商数据管理后台获取到待测的高铁线上的用户终端接入的小区清单。其中，高铁线上的用户终端为依次连续占用至少预设数量的高铁线专用小区的终端。

S202、从高铁线上的用户终端接入的小区清单中筛选出非专用小区和专用小区。

可以理解的是，在高铁线沿线虽设置有专用小区，但是其它非专用小区发生越区覆盖，也可能使高铁线上的用户终端接入到非专用小区。

例如，在距离待测高铁线很远的某位置上，有一个非专用小区A，由于某种原因A在高铁线专用小区B的覆盖范围内，产生了A的高强信号区域，当高铁线上的用户终端途径该区域时，会接入到该非专用小区A。

因此，需要从高铁线上的用户终端接入的小区清单中筛选出非专用小区和专用小区，从而获取到非专用小区清单和专用小区清单。

S203、根据高铁线上的用户终端接入情况，从筛选出的非专用小区中识别出越区覆盖的小区，并从专用小区中识别出网络故障小区。

经过步骤S202筛选出非专用小区和专用小区后，分别获取各个非专用小区被高铁线上的用户终端接入的情况，和各个专用小区被高铁线上的用户终端接入的情况，其中，接入情况可以是接入的次数。

并根据高铁线上的用户终端接入情况，从筛选出的非专用小区中识别出越区覆盖的小区，从专用小区中识别出网络故障小区。

在本申请的上述实施例一中，通过获取待测的高铁线上的用户终端接入的小区清单，其中，小区包括高铁线专用小区和非专用小区，然后从高铁线上的用户终端接入的小区清单中筛选出非专用小区和专用小区。最后，根据高铁线上的用户终端接入情况，从筛选出的非专用小区中识别出越区覆盖的小区，并从专用小区中识别出网络故障小区。本实施例根据高铁线上的用户终端接入情况，识别出异常小区的方式，使得识别结果准确率更高，且操作成本低，时效性好。

进一步的，在上述实施例的基础之上，下面。通过实施例二来详细说明步骤S203中根据高铁线上的用户终端接入情况，从筛选出的非专用小区中识别出越区覆盖的小区的过程。如图3所示，图3为本申请实施例二提供的一种越区覆盖小区的识别方法的流程示意图。该方法可以包括以下步骤：

S301、获取筛选出的非专用小区被高铁线上的用户终端接入的次数。

以预设周期连续获取各个非专用小区被高铁线上的用户终端接入的次数，其中，预设周期可以为一天，或者几小时。

S302、根据非专用小区被高铁线上的用户终端接入的次数，判断接入的次数是否超过第一预设阈值。

S303、若超过第一预设阈值，则非专用小区被识别为越区覆盖的小区。

根据获取的各个非专用小区被高铁线上的用户终端接入的次数，判断各个非专用小区接入的次数是否超过相应的预设阈值。其中，预设阈值可以根据当季度、当月或当天的客运量灵活进行设置，各个非专用小区预设阈值可以相同，也可以不同。

若某个非专用小区被高铁线上的用户终端接入的次数，超过该非专用小区预设阈值，则该小区为越区覆盖的小区。

示例性的，若非专用小区C一天内被高铁线上的用户终端接入的次数是5000，大于预设阈值4000，则非专用小区C发生越区覆盖的风险较大。

进一步的，运营商根据识别结果，对非专用小区C进行查看优化。通常情况下，引起越区覆盖的原因主要有两种：

一种可能的原因是，天线性能不好；

另一种可能的原因是，天线高度过高、倾角不足等。

因此，通过查看非专用小区引起越区覆盖的原因，采取相应措施进行优化。

具体的，若天线性能不好，更换性能好的天线。若天线高度过高、倾角不足，调整天线高度和倾角，从而防止其覆盖距离过远。

在本申请的上述实施例二中，通过获取筛选出的非专用小区被高铁线上的用户终端接入的次数，判断接入的次数是否超过第一预设阈值，若超过第一预设阈值，则非专用小区被识别为越区覆盖的小区。本实施例根据高铁线上的用户终端接入的次数，识别出越区覆盖小区的方式，使得识别结果准确率更高，且操作成本低，时效性好。

相应的，下面，通过实施例三来详细说明步骤S203中根据高铁线上的用户终端接入情况，从筛选出的专用小区中识别出网络故障的小区的过程。在本实施例中，有两种可能的实施方式。

一种可行的实施方式为：

如图4所示，图4为本申请实施例三提供的一种网络故障小区的识别方法的流程示意图。该方法可以包括以下步骤：

S401、获取筛选出的专用小区被高铁线上的用户终端接入的次数。

以预设周期连续获取各个专用小区被高铁线上的用户终端接入的次数，其中，预设周期可以为一天，或者几小时。

S402、根据专用小区被高铁线上的用户终端接入的次数，判断接入的次数是否低于第二预设阈值。

S403、若低于第二预设阈值，则专用小区被识别为网络故障的小区。

根据获取的各个专用小区被高铁线上的用户终端接入的次数，判断各个专用小区接入的次数是否低于相应的预设阈值。其中，预设阈值可以根据当季度、当月或当天的客运量灵活进行设置，各个专用小区预设阈值可以相同，也可以不同。

若某个专用小区被高铁线上的用户终端接入的次数，低于该专用小区预设阈值，则该小区为网络故障的小区。

示例性的，若专用小区D一天内被高铁线上的用户终端接入的次数是1000甚至是0，明显低于预设阈值4500，则专用小区D发生网络故障的风险较大。

进一步的，运营商根据识别结果，对专用小区D进行查看优化。通常情况下，引起网络故障的原因主要有两种：

一种可能的原因是，专用小区出现硬件故障。

例如，网络线路传输媒介故障、接插件故障、收发器故障、交换机和端口故障、网卡故障等；

另一种可能的原因是，专用小区出现软件故障。

例如，小区参数配置错误、射频资源故障、基带资源故障、链路故障、带宽不足等。

因此，通过查看专用小区引起网络故障的原因，采取相应措施进行优化。

具体的，若接插件故障，则更换接插件，若小区参数配置错误，修正小区参数配置。

另一种可行的实施方式为：

如图5所示，图5为本申请实施例三提供的又一种网络故障小区的识别方法的流程示意图。该方法可以包括以下步骤：

S501、获取筛选出的专用小区被高铁线上的用户终端接入的次数。

S502、获取筛选出的专用小区未发生网络故障时被高铁线上的用户终端接入的次数。

需要注意的是，从运营商数据管理后台，获取筛选出的专用小区未发生网络故障时被高铁线上的用户终端接入的次数时，需要考虑专用小区未发生网络故障时客运量是否与当前S501步骤的客运量相同或接近。

此外，步骤S501和S502没有前后的时序顺序，可以先进行步骤S501再S502，或者，先进行步骤S502再S501，或者，同步进行。本申请对两者的时序不进行限定。

S503、根据专用小区被高铁线上的用户终端接入的次数和专用小区未发生网络故障时被高铁线上的用户终端接入的次数，计算专用小区接入的次数的下降幅度。

S504、根据专用小区接入的次数的下降幅度，判断下降幅度是否超过预设幅度阈值。

S505、若超过预设幅度阈值，则专用小区被识别为网络故障的小区。

示例性的，若专用小区E被高铁线上的用户终端接入的次数的下降幅度是90％，远超过预设幅度阈值40％，则专用小区D发生网络故障的风险较大。

进一步的，运营商根据识别结果，对专用小区进行查看优化。具体的优化方法在本实施例已进行说明，在此不进行赘述。

在本申请的上述实施例三中，通过获取筛选出的专用小区被高铁线上的用户终端接入的次数，判断接入的次数是否低于第二预设阈值，若低于第二预设阈值，则专用小区被识别为网络故障的小区。又或者，获取筛选出的专用小区未发生网络故障时被高铁线上的用户终端接入的次数，进而计算出专用小区接入的次数的下降幅度，若下降幅度超过预设幅度阈值，则专用小区被识别为网络故障的小区。本实施例识别出网络故障小区的方式，使得识别结果准确率更高，且操作成本低，时效性好。

图6为本申请实施例四提供的一种异常小区识别装置的结构示意图，如图6所示，该装置包括：获取模块601、筛选模块602、识别模块603。

获取模块601，用于获取待测的高铁线上的用户终端接入的小区清单，小区包括高铁线专用小区和非专用小区。

筛选模块602，用于从高铁线上的用户终端接入的小区清单中筛选出非专用小区和专用小区。

识别模块603，用于根据高铁线上的用户终端接入情况，从筛选出的非专用小区中识别出越区覆盖的小区，并从专用小区中识别出网络故障小区。

在一种可能的实现方式中，识别模块603，具体用于：

获取筛选出的非专用小区被高铁线上的用户终端接入的次数。

根据非专用小区被高铁线上的用户终端接入的次数，判断接入的次数是否超过第一预设阈值。

若超过第一预设阈值，则非专用小区被识别为越区覆盖的小区。

在一种可能的实现方式中，识别模块603，具体还用于：

获取筛选出的专用小区被高铁线上的用户终端接入的次数。

根据专用小区被高铁线上的用户终端接入的次数，判断接入的次数是否低于第二预设阈值。

若低于第二预设阈值，则专用小区被识别为网络故障的小区。

图7为本申请实施例五提供的一种异常小区识别设备的结构示意图。如图7所示，该设备可以包括：至少一个收发器701、处理器702和存储器703。图7示出的是以一个处理器为例的电子设备。

其中，存储器703，用于存放程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。

存储器703可能包含高速随机存取存储器(random access memory，RAM)存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

处理器702用于执行存储器703存储的计算机执行指令，并控制收发器701的接收动作和发送动作，以实现异常小区的识别方法。

其中，处理器702可能是一个中央处理器(Central Processing Unit，CPU)，或者是特定集成电路(Application Specific Integrated Circuit，ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路，处理器702通过运行存储器703中存储的指令以实现异常小区的识别方法。

可选的，在具体实现上，如果收发器701、处理器702和存储器703独立实现，则收发器701、处理器702和存储器703可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等，但并不为仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果收发器701、处理器702和存储器703集成在一块芯片上实现，则收发器701、处理器702和存储器703可以通过内部接口完成通信。

本申请实施例六还提供了一种计算机可读存储介质，该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、磁盘或者光盘等各种可以存储程序代码的介质，具体的，该计算机可读存储介质中存储有程序信息，程序信息用于异常小区的识别。

本申请实施例七还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。电子设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得电子设备实施上述的各种实施方式提供的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (10)

1.一种异常小区的识别方法，其特征在于，包括：

获取待测的高铁线上的用户终端接入的小区清单，所述小区包括高铁线专用小区和非专用小区；

从所述高铁线上的用户终端接入的小区清单中筛选出所述非专用小区和专用小区；

根据所述高铁线上的用户终端接入情况，从筛选出的所述非专用小区中识别出越区覆盖的小区，并从所述专用小区中识别出网络故障小区。

2.根据权利要求1所述的方法，其特征在于，所述根据所述高铁线上的用户终端接入情况，从筛选出的所述非专用小区中识别出越区覆盖的小区，包括：

获取筛选出的所述非专用小区被所述高铁线上的用户终端接入的次数；

根据所述非专用小区被所述高铁线上的用户终端接入的次数，判断所述接入的次数是否超过第一预设阈值；

若超过所述第一预设阈值，则所述非专用小区被识别为越区覆盖的小区。

3.根据权利要求2所述的方法，其特征在于，所述根据所述高铁线上的用户终端接入情况，从筛选出的所述专用小区中识别出网络故障的小区，包括：

获取筛选出的所述专用小区被所述高铁线上的用户终端接入的次数；

根据所述专用小区被所述高铁线上的用户终端接入的次数，判断所述接入的次数是否低于第二预设阈值；

若低于所述第二预设阈值，则所述专用小区被识别为网络故障的小区。

4.根据权利要求2所述的方法，其特征在于，所述根据所述高铁线上的用户终端接入情况，从筛选出的所述专用小区中识别出网络故障的小区，包括：

获取筛选出的所述专用小区被所述高铁线上的用户终端接入的次数；

获取筛选出的所述专用小区未发生网络故障时被所述高铁线上的用户终端接入的次数；

根据所述专用小区被所述高铁线上的用户终端接入的次数和所述专用小区未发生网络故障时被所述高铁线上的用户终端接入的次数，计算所述专用小区接入的次数的下降幅度；

根据所述专用小区接入的次数的下降幅度，判断所述下降幅度是否超过预设幅度阈值；

若超过所述预设幅度阈值，则所述专用小区被识别为网络故障的小区。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述高铁线上的用户终端为依次连续占用至少预设数量的所述高铁线专用小区的终端。

6.一种异常小区的识别装置，其特征在于，包括：

获取模块，用于获取待测的高铁线上的用户终端接入的小区清单，所述小区包括高铁线专用小区和非专用小区；

筛选模块，用于从所述高铁线上的用户终端接入的小区清单中筛选出所述非专用小区和专用小区；

识别模块，用于根据所述高铁线上的用户终端接入情况，从筛选出的所述非专用小区中识别出越区覆盖的小区，并从所述专用小区中识别出网络故障小区。

7.根据权利要求6所述的装置，其特征在于，所述识别模块，具体用于：

获取筛选出的所述非专用小区被所述高铁线上的用户终端接入的次数；

根据所述非专用小区被所述高铁线上的用户终端接入的次数，判断所述接入的次数是否超过第一预设阈值；

若超过所述第一预设阈值，则所述非专用小区被识别为越区覆盖的小区。

8.根据权利要求7所述的装置，其特征在于，所述识别模块，具体还用于：

获取筛选出的所述专用小区被所述高铁线上的用户终端接入的次数；

根据所述专用小区被所述高铁线上的用户终端接入的次数，判断所述接入的次数是否低于第二预设阈值；

若低于所述第二预设阈值，则所述专用小区被识别为网络故障的小区。

9.一种异常小区的识别设备，包括：处理器，以及与所述处理器通信连接的存储器、收发器；

所述处理器控制所述收发器的接收动作和发送动作；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至5中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，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至5中任一项所述的方法。

Images