CN115065955A - 高铁5g无线通信网络覆盖规划方法、装置、设备和介质 - Google Patents
高铁5g无线通信网络覆盖规划方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN115065955A CN115065955A CN202210994266.7A CN202210994266A CN115065955A CN 115065955 A CN115065955 A CN 115065955A CN 202210994266 A CN202210994266 A CN 202210994266A CN 115065955 A CN115065955 A CN 115065955A
- Authority
- CN
- China
- Prior art keywords
- wireless communication
- communication network
- network coverage
- target
- speed rail
- 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.)
- Granted
Links
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开涉及无线通信技术领域,提供了一种高铁5G无线通信网络覆盖规划方法、装置、设备和介质,包括基于目标高铁铁路信息以及目标高铁环境信息进行预测仿真,生成初始无线通信网络覆盖模型,其中,初始无线通信网络覆盖模型是由至少两个初始无线通信网络覆盖射线组成,初始无线通信网络覆盖射线对应的属性信息至少包括至少一个位置测量点的第一预测场强、第一传输损耗、第一初始视线角以及第一目的视线角;根据目标校正因子、以及初始无线通信网络覆盖模型,得到目标无线通信网络覆盖模型。采用该方式能得到实现高铁5G无线通信网络覆盖规划的目标无线通信网络覆盖模型,解决目前使用的网络传播模型无法适用于高铁5G无线通信网络覆盖规划的问题。
Description
技术领域
本公开涉及无线通信技术领域,特别是涉及一种高铁5G无线通信网络覆盖规划方法、装置、设备和介质。
背景技术
近年来,由于第五代移动通信技术(5th Generation Mobile CommunicationTechnology,5G)具有大带宽、大连接和低时延等特征,可与多种的铁路场景融合,以此优化客货运信息传输服务,提高旅客的出行体验。目前,我国铁路即将向智能铁路转型升级,催生了智慧车站、8 k视频监控等大量铁路相关业务,而5G-R是满足铁路新业务与新需求的关键系统。具体的,对于高铁5G无线通信网络覆盖进行规划时,需要根据地形选择合适的无线信号的传播模型,以此保证高铁的通信质量,避免用户在接收通信信号时存在无线信号质量差的问题。
目前,常使用网络传播模型如Hata模型,用来实现铁路数字移动通信系统中的无线通信网络覆盖规划,而对于高铁5G无线通信网络覆盖进行规划时,由于5G网络与铁路数字移动通信系统的现网运营的网络如2G、3G等,在网络架构、组网模式、设备选型和设计等方面有极大的改进和提升,因此存在目前常使用网络传播模型无法适用于高铁5G无线通信网络覆盖规划的问题。
发明内容
基于此,有必要针对上述技术问题,提供了一种高铁5G无线通信网络覆盖规划方法、装置、设备和介质。
本公开实施例提供了一种高铁5G无线通信网络覆盖规划方法,所述方法包括:
基于目标高铁铁路信息以及目标高铁环境信息进行预测仿真,生成初始无线通信网络覆盖模型,其中,所述初始无线通信网络覆盖模型是由至少两个初始无线通信网络覆盖射线组成,所述初始无线通信网络覆盖射线对应的属性信息至少包括至少一个位置测量点的第一预测场强、第一传输损耗、第一初始视线角以及第一目的视线角;
根据目标校正因子、以及所述初始无线通信网络覆盖模型,得到目标无线通信网络覆盖模型,其中,所述目标校正因子是根据至少一个位置测量点的实际场强和所述第一预测场强确定的,所述目标无线通信网络覆盖模型用来实现高铁5G无线通信网络覆盖规划。
在一个实施例中,所述基于目标高铁铁路信息以及目标高铁环境信息进行预测仿真,生成初始无线通信网络覆盖模型之前,所述方法还包括:
获取三维可视化铁路地图;
基于所述三维可视化铁路地图,获取初始高铁铁路信息以及初始高铁环境信息,其中,所述初始高铁铁路信息至少包括轨道几何信息、枕木几何信息,所述初始高铁环境信息至少包括人工建筑、绿色植被;
对所述初始高铁铁路信息以及所述初始高铁环境信息进行预设处理,得到所述目标高铁铁路信息以及所述目标高铁环境信息。
在一个实施例中,所述预设处理包括数据三角化处理、坐标统一化以及数据格式化处理。
在一个实施例中,所述根据目标校正因子、以及所述初始无线通信网络覆盖模型,得到目标无线通信网络覆盖模型,包括:
根据所述目标校正因子、以及所述初始无线通信网络覆盖射线,得到对应的目标无线通信网络覆盖射线;
根据至少两个所述目标无线通信网络覆盖射线,确定所述目标无线通信网络覆盖模型。
在一个实施例中,所述根据所述目标校正因子、以及所述初始无线通信网络覆盖射线,得到对应的目标无线通信网络覆盖射线,包括:
根据所述目标校正因子、以及所述初始无线通信网络覆盖射线对应的属性信息,确定中间无线通信网络覆盖射线;
基于所述中间无线通信网络覆盖射线,确定所述位置测量点的中间预测场强;
根据所述中间预测场强和所述实际场强的误差与第一预设误差阈值的关系,确定所述目标无线通信网络覆盖射线。
在一个实施例中,所述目标校正因子是根据至少一个位置测量点的实际场强和所述第一预测场强确定的,包括:
计算至少一个位置测量点的实际场强和所述第一预测场强的第一误差;
根据多径传播模型,通过无监督梯度下降法调整所述多径传播模型中对应的传播参数,当确定所述传播参数为最优传播参数时,得到所述第一误差对应的第一子误差;
当所述第一子误差大于第二预设误差阈值时,根据至少一个位置测量点的历史场强数据以及深度强化学习方法,校正所述第一子误差,得到第二子误差,当所述第二子误差小于所述第一子误差时,得到目标奖励,当所述目标奖励大于或等于预设奖励阈值时,返回执行根据至少一个所述位置测量点的历史场强数据以及深度强化学习方法,校正所述第一子误差,得到第二子误差,当所述第二子误差小于所述第一子误差时,得到目标奖励,直至所述目标奖励小于所述预设奖励阈值时,获取目标校正因子。
第二方面,本公开实施例提供了一种高铁5G无线通信网络覆盖规划装置,包括:
初始无线通信网络覆盖模型生成模块,用于基于目标高铁铁路信息以及目标高铁环境信息进行预测仿真,生成初始无线通信网络覆盖模型,其中,所述初始无线通信网络覆盖模型是由至少两个初始无线通信网络覆盖射线组成,所述初始无线通信网络覆盖射线对应的属性信息至少包括至少一个位置测量点的第一预测场强、第一传输损耗、第一初始视线角以及第一目的视线角;
目标无线通信网络覆盖模型得到模块,用于根据目标校正因子、以及所述初始无线通信网络覆盖模型,得到目标无线通信网络覆盖模型,其中,所述目标校正因子是根据至少一个位置测量点的实际场强和所述第一预测场强确定的,所述目标无线通信网络覆盖模型用来实现高铁5G无线通信网络覆盖规划。
在一个实施例中,所述装置还包括获取模块;所述获取模块包括地图获取单元、初始信息获取单元以及目标信息获取单元;
所述地图获取单元,用于获取三维可视化铁路地图;
所述初始信息获取单元,用于基于所述三维可视化铁路地图,获取初始高铁铁路信息以及初始高铁环境信息,其中,所述初始高铁铁路信息至少包括轨道几何信息、枕木几何信息,所述初始高铁环境信息至少包括人工建筑、绿色植被;
所述目标信息获取单元,用于对所述初始高铁铁路信息以及所述初始高铁环境信息进行预设处理,得到所述目标高铁铁路信息以及所述目标高铁环境信息。
第三方面,本公开实施例提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面中任一所述的方法。
第四方面,本公开实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一所述的方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
本公开实施例所提供的高铁5G无线通信网络覆盖规划方法、装置、设备和介质,通过基于目标高铁铁路信息以及目标高铁环境信息进行预测仿真,生成初始无线通信网络覆盖模型,其中,初始无线通信网络覆盖模型是由至少两个初始无线通信网络覆盖射线组成,初始无线通信网络覆盖射线对应的属性信息至少包括至少一个位置测量点的第一预测场强、第一传输损耗、第一初始视线角以及第一目的视线角;根据目标校正因子、以及初始无线通信网络覆盖模型,得到目标无线通信网络覆盖模型,其中,目标校正因子是根据至少一个位置测量点的实际场强和第一预测场强确定的,目标无线通信网络覆盖模型用来实现高铁5G无线通信网络覆盖规划。这样,通过综合目标高铁铁路信息以及目标高铁环境信息进行仿真,得到初始无线通信网络覆盖模型,并进一步的,利用目标校正因子对初始无线通信网络覆盖模型进行不断的修正,以此得到用来实现高铁5G无线通信网络覆盖规划的目标无线通信网络覆盖模型,以解决现有技术中存在目前常使用的网络传播模型无法适用于高铁5G无线通信网络覆盖规划的问题。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例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简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的一种高铁5G无线通信网络覆盖规划方法的流程示意图;
图2为本公开实施例提供的另一种高铁5G无线通信网络覆盖规划方法的流程示意图;
图3为本公开实施例提供的再一种高铁5G无线通信网络覆盖规划方法的流程示意图;
图4为本公开实施例提供的一种高铁5G无线通信网络覆盖规划装置的结构示意图;
图5为本公开实施例提供的电子设备的内部结构图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
近年来,由于第五代移动通信技术(5th Generation Mobile CommunicationTechnology,5G)具有大带宽、大连接和低时延等特征,可与多种的铁路场景融合,以此优化客货运信息传输服务,提高旅客的出行体验。目前,我国铁路即将向智能铁路转型升级,催生了智慧车站、8 k视频监控等大量铁路相关业务,而5G-R是满足铁路新业务与新需求的关键系统。具体的,对于高铁5G无线通信网络覆盖进行规划时,需要根据地形选择合适的无线信号的传播模型,以此保证高铁的通信质量,避免用户在接收通信信号时存在无线信号质量差的问题。
目前,常使用网络传播模型如Hata模型,用来实现铁路数字移动通信系统中的无线通信网络覆盖规划,而对于高铁5G无线通信网络覆盖进行规划时,由于5G网络与铁路数字移动通信系统的现网运营的网络如2G、3G等,在网络架构、组网模式、设备选型和设计等方面有极大的改进和提升,因此存在目前常使用网络传播模型无法适用于高铁5G无线通信网络覆盖规划的问题。
基于此,本公开提供了一种高铁5G无线通信网络覆盖规划方法、装置、设备和介质,通过基于目标高铁铁路信息以及目标高铁环境信息进行预测仿真,生成初始无线通信网络覆盖模型,其中,初始无线通信网络覆盖模型是由至少两个初始无线通信网络覆盖射线组成,初始无线通信网络覆盖射线对应的属性信息至少包括至少一个位置测量点的第一预测场强、第一传输损耗、第一初始视线角以及第一目的视线角;根据目标校正因子、以及初始无线通信网络覆盖模型,得到目标无线通信网络覆盖模型,其中,目标校正因子是根据至少一个位置测量点的实际场强和第一预测场强确定的,目标无线通信网络覆盖模型用来实现高铁5G无线通信网络覆盖规划。这样,通过综合目标高铁铁路信息以及目标高铁环境信息进行仿真,得到初始无线通信网络覆盖模型,并进一步的,利用目标校正因子对初始无线通信网络覆盖模型进行不断的修正,以此得到用来实现高铁5G无线通信网络覆盖规划的目标无线通信网络覆盖模型,以解决现有技术中存在目前常使用的网络传播模型无法适用于高铁5G无线通信网络覆盖规划的问题。
本公开提供的高铁5G无线通信网络覆盖规划方法可以应用在高铁5G无线通信网络覆盖规划装置,该装置可以为各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等电子设备,可选的,该装置还可以为这些电子设备中可以实现数据处理方法的功能模块或者功能实体。
在一个实施例中,如图1所示,图1为本公开实施例提供的一种高铁5G无线通信网络覆盖规划方法的流程示意图,具体包括以下步骤:
S11:基于目标高铁铁路信息以及目标高铁环境信息进行预测仿真,生成初始无线通信网络覆盖模型。
其中,初始无线通信网络覆盖模型是由至少两个初始无线通信网络覆盖射线组成,初始无线通信网络覆盖射线对应的属性信息至少包括至少一个位置测量点的第一预测场强、第一传输损耗、第一初始视线角以及第一目的视线角。
上述目标高铁铁路信息例如可以是轨道的几何信息、枕木的几何信息,但不限于此,本公开不具体限制,本领域技术人员可根据实际情况具体设置。
上述目标高铁环境信息例如可以是人工建筑、绿色植被,其中,人工建筑可以是高架桥、铁路周围的建筑、隧道等,绿色植被可以是森林、草坪以及农田的被覆盖的区域,当然,目标高铁环境信息还可以包括山丘、平原、池塘、河流、溪流等,但不限于此,本公开不具体限制,本领域技术人员可根据实际情况具体设置。
上述位置测量点是指研究人员在规划基站建设过程中,在高铁铁路沿线进行测量场强、信号强度的位置点,该位置点可以是根据等间距设置、也可以是根据高铁铁路沿线对于人工建筑较多、或者是在绿色植被处、山丘、平原等进行设置的测量位置点,但不限于此,对于测量位置点的选取,本公开不具体限制,本领域技术人员可根据实际情况具体设置。
上述第一预测场强指的是对于每一个位置测量点,均会被初始无线通信网络覆盖射线覆盖,仿真模块在进行仿真过程中,能够根据覆盖位置测量点的初始无线通信网络覆盖射线计算出位置测量点对应的第一预测场强,该第一预测场强能够用来表示当前测量位置点的高铁无线通信网络信号的强弱。
上述第一传输损耗是在构建高铁无线通信网络覆盖模型的重要因素,即传输损耗越大,对于无线通信信号的传播影响越大,主要表现为对预测场强的影响,因此,对于高铁无线通信网络覆盖的研究在于无线网络通信信号的传输损耗。
上述第一初始视线角以及第一目的视线角是指用来确定每一个初始无线通信网络覆盖射线发射方向的,初始视线角包括初始水平发射角以及初始俯仰发射角,目的视线角包括到达水平接收角以及到达俯仰接收角。
需要说明的是,由于高铁附近的环境对于高铁的无线通信网络信号传播的影响较大,基于此,获取多个目标高铁环境信息以及目标高铁铁路信息,结合目标高铁环境信息以及目标高铁铁路信息进行仿真,以此获取初始无线通信网络覆盖模型,能够在仿真时,较全面的根据高铁周边的信息,提高对高铁5G无线通信网络覆盖规划的准确性。
具体的,根据获取得到的目标高铁铁路信息、目标高铁环境信息,利用仿真模块进行仿真,生成高铁铁路对应的初始无线通信网络覆盖模型,该初始无线通信网络覆盖模型包括多个初始无线通信网络覆盖射线,且根据每一个初始无线通信网络覆盖射线能够获取其对应的第一传输损耗、第一初始视线角以及第一目的视线角,并且对于每一个位置测量点,能够根据初始无线通信网络覆盖射线计算得到对应的第一预测场强。
可选的,图2是本公开实施例提供的另一种高铁5G无线通信网络覆盖规划方法的流程示意图,图2是在图1的基础上,进一步的,如图2所示,在执行S11之前好包括:
S21:获取三维可视化铁路地图。
其中,三维可视化铁路地图可以是通过三维建模软件构建的,三维可视化铁路地图例如可以是高铁建筑信息模型(Building Information Modeling,BIM),但不限于此,本公开不具体限制,本领域人员可根据具体情况设置。
上述BIM技术是一种应用于工程设计、建造、管理的数据化工具,通过对建筑的数据化和信息化模型整合,通过在项目策划、运行和维护的全生命周期过程中进行共享和传递,使工程技术人员对各种建筑信息做出正确理解和高效应对,为设计团队以及包括建筑、运营单位在内的各方建设主体提供协同工作的基础,在提高生产效率、节约成本和缩短工期方面发挥重要作用。
S22:基于三维可视化铁路地图,获取初始高铁铁路信息以及初始高铁环境信息。
其中,所述初始高铁铁路信息至少包括轨道几何信息、枕木几何信息,所述初始高铁环境信息至少包括人工建筑、绿色植被,示例性的,承接上述记载,高铁环境信息例如可以是人工建筑如高架桥、铁路周围的建筑、隧道等,绿色植被如森林、草坪以及农田被覆盖的区域,还可以包括山丘、平原、池塘、河流、溪流等,但不限于此,本公开不具体限制,本领域技术人员可根据实际情况具体设置。
具体的,三维可视化铁路地图包括了高铁铁路信息和高铁环境信息,基于此,能够在三维可视化铁路地图中,获取高铁对应的初始高铁铁路信息以及初始高铁环境信息。
S23:对初始高铁铁路信息以及初始高铁环境信息进行预设处理,得到目标高铁铁路信息以及目标高铁环境信息。
其中,预设处理包括数据三角化处理、坐标统一化处理以及数据格式化处理,上述数据三角化处理、坐标统一化处理能够使得初始高铁铁路信息以及初始高铁环境信息具有相同的坐标范围,便于在进行仿真时能够更好的进行仿真,数据格式化处理是指对初始高铁铁路信息以及初始高铁环境信息进行数据处理,以使得初始高铁铁路信息以及初始高铁环境信息能够转换为具有轻量级的数据交换格式,以此减少在进行仿真时的计算量。
具体的,对初始高铁铁路信息以及初始高铁环境信息进行三角化处理,并同时将初始高铁铁路信息以及初始高铁环境信息进行坐标统一化处理,以得到在同一坐标下具有同一数据范围内的初始高铁铁路信息以及初始高铁环境信息,进一步的,将处理后的初始高铁铁路信息以及初始高铁环境信息进行格式化处理,从而得到目标高铁铁路信息以及目标高铁环境信息。
这样,本公开实施例提供的高铁5G无线通信网络覆盖规划方法,通过对根据三维可视化铁路地图,获取的初始高铁铁路信息以及初始高铁环境信息进行数据三角化处理、坐标统一化处理,以此剔除异常的信息,例如,不在测量初始高铁铁路信息以及初始高铁环境信息范围内的其他数据信息,进一步的进行格式化处理以此得到获取计算量少的目标高铁铁路信息以及目标高铁环境信息,从而能够提高铁路的5G无线通信网络覆盖规划的效率。
S12:根据目标校正因子、以及初始无线通信网络覆盖模型,得到目标无线通信网络覆盖模型。
其中,目标校正因子是根据至少一个位置测量点的实际场强和第一预测场强确定的,目标无线通信网络覆盖模型用来实现高铁5G无线通信网络覆盖规划,示例性的,利用目标无线通信网络覆盖模型规划基站建设的位置,但不限于此,本公开不具体限制,本领域技术人员可根据实际情况设置。
可选的,在上述实施例的基础上,在本公开一些示例中,目标校正因子的一种确定方式可以是:
步骤A:计算至少一个位置测量点的实际场强和所述第一预测场强的第一误差。
步骤B:根据多径传播模型,通过无监督梯度下降法调整多径传播模型中对应的传播参数,当确定传播参数为最优传播参数时,得到第一误差对应的第一子误差。
其中,多径传播模型是指用来获取初始无线通信网络覆盖模型的,该多径传播模型例如可以是基于反射的多径传播模型、基于散射的多径传播模型、基于透射的多径传播模型、或者是基于绕射的多径传播模型,但不限于此,本公开不具体限制,本领域技术人员可根据实际情况进行设置。
上述传播参数是指针对不同的多径传播模型,在获取初始无线通信网络覆盖模型时,所需要进行调整的传播参数。
具体的,根据初始无线通信网络覆盖射线计算位置测量点的第一预测场强,并在对应的位置测量点人工测量实际场强之后,计算位置测量点的第一预测场强与人工测量的实际场强的第一误差,在确定第一误差之后,通过多径传播模型,利用无监督梯度下降法调整多径传播模型中对应的传播参数,在确定传播参数为最优传播参数,得到第一误差为对应的第一子误差。
步骤C:当第一子误差大于第二预设误差阈值时,根据至少一个位置测量点的历史场强数据以及深度强化学习方法,校正第一子误差,得到第二子误差,当第二子误差小于第一子误差时,得到目标奖励,当目标奖励大于或等于预设奖励阈值时,返回执行根据至少一个位置测量点的历史场强数据以及深度强化学习方法,校正第一子误差,得到第二子误差,当第二子误差小于第一子误差时,得到目标奖励,直至目标奖励小于预设奖励阈值时,获取目标校正因子。
其中,历史场强数据包括但不限于历史人工测量的每个位置点的实际场强。
具体的,在得到至少一个位置测量点的实际场强和第一预测场强的第一误差对应的最小化第一子误差之后,判断第一子误差是否大于第二预设误差阈值,在确定第一子误差大于第二预设误差阈值时,根据多个历史场强数据,利用深度强化学习方法校正第一子误差,得到第二子误差,每得到一个第二子误差时,判断第二子误差是否小于第一子误差,即在校正第一子误差的过程中,第一子误差是否减小,在确定第二子误差小于第一子误差时,得到目标奖励,在得到目标奖励之后,判断该目标奖励是否小于预设奖励阈值,当确定目标奖励小于预设奖励阈值时,则获取目标校正因子,并结束校正。
可选的,图3是本公开实施例提供的再一种高铁5G无线通信网络覆盖规划方法的流程示意图,图3是在图2的基础上,进一步的,如图3所示,S12的一种实现方式可以是:
S121:根据目标校正因子、以及初始无线通信网络覆盖射线,得到对应的目标无线通信网络覆盖射线。
可选的,在上述实施例的基础上,在本公开的一些实施例中,S121的一种可以实现的方式为:
S121-A:根据目标校正因子、以及初始无线通信网络覆盖射线对应的属性信息,确定中间无线通信网络覆盖射线。
其中,属性信息是指决定每条初始无线通信网络覆盖射线的发射方向、或者是角度的信息,例如初始视线角、目的视线角,但不限于此,本公开不具体限制,本领域技术人员可根据实际情况设置。
具体的,通过目标校正因子,对初始无线通信网络覆盖射线对应的属性信息如第一初始视线角以及第一目的视线角进行校正,以此得到中间无线通信网络覆盖射线。
需要说明的是,中间无线通信网络覆盖射线可以是进行一次校正确定的,也可是进行多次校正得到的。
S121-B:基于中间无线通信网络覆盖射线,确定位置测量点的中间预测场强。
具体的,根据当前校正后的中间无线通信网络覆盖射线,计算位置测量点的中间预测场强。
S121-C:根据中间预测场强和实际场强的误差与第一预设误差阈值的关系,确定目标无线通信网络覆盖射线。
其中,第一预设误差阈值是指用来确定当前中间无线通信网络覆盖射线是否为最优的无线通信网络覆盖射线的,即是否能够根据当前无线通信网络覆盖射线获取具有较高精确度的高铁5G无线通信网络覆盖规划所设置的参数值,对于第一预设误差阈值的取值,本公开不具体限制,本领域技术人员可根据实际情况设置。
具体的,可以计算中间预测场强和实际场强的误差,在当前的误差小于第一预设误差阈值时,确定当前的中间无线通信网络覆盖射线为目标无线通信网络覆盖射线,但不限于此,本公开不具体限制,本领域技术人员可根据实际情况设置。
S122:根据至少两个目标无线通信网络覆盖射线,确定目标无线通信网络覆盖模型。
具体的,通过确定的目标校正因子,对多个初始无线通信网络覆盖射线进行迭代校正,以得到对应的目标无线通信网络覆盖射线,进一步的,基于多个目标无线通信网络覆盖射线,从而确定目标无线通信网络覆盖模型。
这样,本公开实施例提供的高铁5G无线通信网络覆盖规划方法,通过基于目标高铁铁路信息以及目标高铁环境信息进行预测仿真,生成初始无线通信网络覆盖模型,其中,初始无线通信网络覆盖模型是由至少两个初始无线通信网络覆盖射线组成,初始无线通信网络覆盖射线对应的属性信息至少包括至少一个位置测量点的第一预测场强、第一传输损耗、第一初始视线角以及第一目的视线角;根据目标校正因子、以及初始无线通信网络覆盖模型,得到目标无线通信网络覆盖模型,其中,目标校正因子是根据至少一个位置测量点的实际场强和第一预测场强确定的,目标无线通信网络覆盖模型用来实现高铁5G无线通信网络覆盖规划。这样,通过综合目标高铁铁路信息以及目标高铁环境信息进行仿真,得到初始无线通信网络覆盖模型,并进一步的,利用目标校正因子对初始无线通信网络覆盖模型进行不断的修正,以此得到用来实现高铁5G无线通信网络覆盖规划的目标无线通信网络覆盖模型,以解决现有技术中存在目前常使用的网络传播模型无法适用于高铁5G无线通信网络覆盖规划的问题。
图4为本公开实施例提供的一种高铁5G无线通信网络覆盖规划装置,包括:初始无线通信网络覆盖模型生成模块11以及目标无线通信网络覆盖模型得到模块12。
其中,初始无线通信网络覆盖模型生成模块11,用于基于目标高铁铁路信息以及目标高铁环境信息进行预测仿真,生成初始无线通信网络覆盖模型,其中,初始无线通信网络覆盖模型是由至少两个初始无线通信网络覆盖射线组成,初始无线通信网络覆盖射线对应的属性信息至少包括至少一个位置测量点的第一预测场强、第一传输损耗、第一初始视线角以及第一目的视线角。
目标无线通信网络覆盖模型得到模块12,用于根据目标校正因子、以及所述初始无线通信网络覆盖模型,得到目标无线通信网络覆盖模型,其中,所述目标校正因子是根据至少一个位置测量点的实际场强和所述第一预测场强确定的,所述目标无线通信网络覆盖模型用来实现高铁5G无线通信网络覆盖规划。
在上述实施例中,所述装置还包括获取模块;获取模块包括地图获取单元、初始信息获取单元以及目标信息获取单元;
地图获取单元,用于获取三维可视化铁路地图;
初始信息获取单元,用于基于三维可视化铁路地图,获取初始高铁铁路信息以及初始高铁环境信息,其中,初始高铁铁路信息至少包括轨道几何信息、枕木几何信息,初始高铁环境信息至少包括人工建筑、绿色植被。
目标信息获取单元,用于对初始高铁铁路信息以及初始高铁环境信息进行预设处理,得到目标高铁铁路信息以及目标高铁环境信息。
在上述实施例中,预设处理包括数据三角化处理、坐标统一化以及数据格式化处理。
在上述实施例中,目标无线通信网络覆盖模型得到模块12,具体用于根据目标校正因子、以及初始无线通信网络覆盖射线,得到对应的目标无线通信网络覆盖射线。根据至少两个目标无线通信网络覆盖射线,确定目标无线通信网络覆盖模型。
在上述实施例中,目标无线通信网络覆盖模型得到模块12,具体还用于根据目标校正因子、以及初始无线通信网络覆盖射线对应的属性信息,确定中间无线通信网络覆盖射线。基于中间无线通信网络覆盖射线,确定位置测量点的中间预测场强。根据中间预测场强和实际场强的误差与第一预设误差阈值的关系,确定目标无线通信网络覆盖射线。
在上述实施例中,目标无线通信网络覆盖模型得到模块12,具体还用于计算至少一个位置测量点的实际场强和第一预测场强的第一误差;根据多径传播模型,通过无监督梯度下降法调整多径传播模型中对应的传播参数,当确定传播参数为最优传播参数时,得到第一误差对应的第一子误差;当第一子误差大于第二预设误差阈值时,根据至少一个位置测量点的历史场强数据以及深度强化学习方法,校正第一子误差,得到第二子误差,当第二子误差小于第一子误差时,得到目标奖励,当目标奖励大于或等于预设奖励阈值时,返回执行根据至少一个位置测量点的历史场强数据以及深度强化学习方法,校正第一子误差,得到第二子误差,当第二子误差小于所述第一子误差时,得到目标奖励,直至目标奖励小于所述预设奖励阈值时,获取目标校正因子。
这样,本实施例通过初始无线通信网络覆盖模型生成模块11,用于基于目标高铁铁路信息以及目标高铁环境信息进行预测仿真,生成初始无线通信网络覆盖模型,其中,初始无线通信网络覆盖模型是由至少两个初始无线通信网络覆盖射线组成,初始无线通信网络覆盖射线对应的属性信息至少包括至少一个位置测量点的第一预测场强、第一传输损耗、第一初始视线角以及第一目的视线角。目标无线通信网络覆盖模型得到模块12,用于根据目标校正因子、以及初始无线通信网络覆盖模型,得到目标无线通信网络覆盖模型,其中,目标校正因子是根据至少一个位置测量点的实际场强和第一预测场强确定的,目标无线通信网络覆盖模型用来实现高铁5G无线通信网络覆盖规划。这样,通过综合目标高铁铁路信息以及目标高铁环境信息进行仿真,得到初始无线通信网络覆盖模型,并进一步的,利用目标校正因子对初始无线通信网络覆盖模型进行不断的修正,以此得到用来实现高铁5G无线通信网络覆盖规划的目标无线通信网络覆盖模型,以解决现有技术中存在目前常使用的网络传播模型无法适用于高铁5G无线通信网络覆盖规划的问题。
本发明实施例所提供的装置可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
图5是本公开实施例提供的一种电子设备的结构示意图,如图5所示,该电子设备包括处理器510、存储器520、输入装置530和输出装置540;计算机设备中处理器510的数量可以是一个或多个,图5中以一个处理器510为例;电子设备中的处理器510、存储器520、输入装置530和输出装置540可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器520作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中方法对应的程序指令/模块。处理器510通过运行存储在存储器520中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现本发明实施例所提供的方法。
存储器520可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器520可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器520可进一步包括相对于处理器510远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置530可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入,可以包括键盘、鼠标等。输出装置540可包括显示屏等显示设备。
本公开实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于实现本发明实施例所提供的方法,方法包括:
基于目标高铁铁路信息以及目标高铁环境信息进行预测仿真,生成初始无线通信网络覆盖模型,其中,初始无线通信网络覆盖模型是由至少两个初始无线通信网络覆盖射线组成,初始无线通信网络覆盖射线对应的属性信息至少包括至少一个位置测量点的第一预测场强、第一传输损耗、第一初始视线角以及第一目的视线角;
根据目标校正因子、以及初始无线通信网络覆盖模型,得到目标无线通信网络覆盖模型,其中,目标校正因子是根据至少一个位置测量点的实际场强和第一预测场强确定的,目标无线通信网络覆盖模型用来实现高铁5G无线通信网络覆盖规划。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的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,如计算机的软盘、只读存储器(Read-Only Memory, ROM)、随机存取存储器(RandomAccess Memory, RAM)、闪存(FLASH)、硬盘或光盘等,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)执行本发明各个实施例所述的方法。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种高铁5G无线通信网络覆盖规划方法,其特征在于,所述方法包括:
基于目标高铁铁路信息以及目标高铁环境信息进行预测仿真,生成初始无线通信网络覆盖模型,其中,所述初始无线通信网络覆盖模型是由至少两个初始无线通信网络覆盖射线组成,所述初始无线通信网络覆盖射线对应的属性信息至少包括至少一个位置测量点的第一预测场强、第一传输损耗、第一初始视线角以及第一目的视线角;
根据目标校正因子、以及所述初始无线通信网络覆盖模型,得到目标无线通信网络覆盖模型,其中,所述目标校正因子是根据至少一个位置测量点的实际场强和所述第一预测场强确定的,所述目标无线通信网络覆盖模型用来实现高铁5G无线通信网络覆盖规划。
2.根据权利要求1所述的方法,其特征在于,所述基于目标高铁铁路信息以及目标高铁环境信息进行预测仿真,生成初始无线通信网络覆盖模型之前,所述方法还包括:
获取三维可视化铁路地图;
基于所述三维可视化铁路地图,获取初始高铁铁路信息以及初始高铁环境信息,其中,所述初始高铁铁路信息至少包括轨道几何信息、枕木几何信息,所述初始高铁环境信息至少包括人工建筑、绿色植被;
对所述初始高铁铁路信息以及所述初始高铁环境信息进行预设处理,得到所述目标高铁铁路信息以及所述目标高铁环境信息。
3.根据权利要求2所述的方法,其特征在于,所述预设处理包括数据三角化处理、坐标统一化以及数据格式化处理。
4.根据权利要求1所述的方法,其特征在于,所述根据目标校正因子、以及所述初始无线通信网络覆盖模型,得到目标无线通信网络覆盖模型,包括:
根据所述目标校正因子、以及所述初始无线通信网络覆盖射线,得到对应的目标无线通信网络覆盖射线;
根据至少两个所述目标无线通信网络覆盖射线,确定所述目标无线通信网络覆盖模型。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标校正因子、以及所述初始无线通信网络覆盖射线,得到对应的目标无线通信网络覆盖射线,包括:
根据所述目标校正因子、以及所述初始无线通信网络覆盖射线对应的属性信息,确定中间无线通信网络覆盖射线;
基于所述中间无线通信网络覆盖射线,确定所述位置测量点的中间预测场强;
根据所述中间预测场强和所述实际场强的误差与第一预设误差阈值的关系,确定所述目标无线通信网络覆盖射线。
6.根据权利要求1所述的方法,其特征在于,所述目标校正因子是根据至少一个位置测量点的实际场强和所述第一预测场强确定的,包括:
计算至少一个位置测量点的实际场强和所述第一预测场强的第一误差;
根据多径传播模型,通过无监督梯度下降法调整所述多径传播模型中对应的传播参数,当确定所述传播参数为最优传播参数时,得到所述第一误差对应的第一子误差;
当所述第一子误差大于第二预设误差阈值时,根据至少一个位置测量点的历史场强数据以及深度强化学习方法,校正所述第一子误差,得到第二子误差,当所述第二子误差小于所述第一子误差时,得到目标奖励,当所述目标奖励大于或等于预设奖励阈值时,返回执行根据至少一个所述位置测量点的历史场强数据以及深度强化学习方法,校正所述第一子误差,得到第二子误差,当所述第二子误差小于所述第一子误差时,得到目标奖励,直至所述目标奖励小于所述预设奖励阈值时,获取目标校正因子。
7.一种高铁5G无线通信网络覆盖规划装置,其特征在于,包括:
初始无线通信网络覆盖模型生成模块,用于基于目标高铁铁路信息以及目标高铁环境信息进行预测仿真,生成初始无线通信网络覆盖模型,其中,所述初始无线通信网络覆盖模型是由至少两个初始无线通信网络覆盖射线组成,所述初始无线通信网络覆盖射线对应的属性信息至少包括至少一个位置测量点的第一预测场强、第一传输损耗、第一初始视线角以及第一目的视线角;
目标无线通信网络覆盖模型得到模块,用于根据目标校正因子、以及所述初始无线通信网络覆盖模型,得到目标无线通信网络覆盖模型,其中,所述目标校正因子是根据至少一个位置测量点的实际场强和所述第一预测场强确定的,所述目标无线通信网络覆盖模型用来实现高铁5G无线通信网络覆盖规划。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括获取模块;所述获取模块包括地图获取单元、初始信息获取单元以及目标信息获取单元;
所述地图获取单元,用于获取三维可视化铁路地图;
所述初始信息获取单元,用于基于所述三维可视化铁路地图,获取初始高铁铁路信息以及初始高铁环境信息,其中,所述初始高铁铁路信息至少包括轨道几何信息、枕木几何信息,所述初始高铁环境信息至少包括人工建筑、绿色植被;
所述目标信息获取单元,用于对所述初始高铁铁路信息以及所述初始高铁环境信息进行预设处理,得到所述目标高铁铁路信息以及所述目标高铁环境信息。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至6中任一项所述的高铁5G无线通信网络覆盖规划方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至6中任一项所述的高铁5G无线通信网络覆盖规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210994266.7A CN115065955B (zh) | 2022-08-18 | 2022-08-18 | 高铁5g无线通信网络覆盖规划方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210994266.7A CN115065955B (zh) | 2022-08-18 | 2022-08-18 | 高铁5g无线通信网络覆盖规划方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115065955A true CN115065955A (zh) | 2022-09-16 |
CN115065955B CN115065955B (zh) | 2022-12-13 |
Family
ID=83208509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210994266.7A Active CN115065955B (zh) | 2022-08-18 | 2022-08-18 | 高铁5g无线通信网络覆盖规划方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115065955B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160337888A1 (en) * | 2013-12-24 | 2016-11-17 | Ranplan Wireless Network Design Ltd | Method of positioning problem regions covered with indoor wireless network |
CN108566646A (zh) * | 2018-03-29 | 2018-09-21 | 中国联合网络通信集团有限公司 | 用于覆盖高铁线路的无线网络的规划方法及装置 |
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 |
CN110933685A (zh) * | 2020-01-22 | 2020-03-27 | 北京中铁建电气化设计研究院有限公司 | 基于机器学习和射线跟踪的高铁网络覆盖预测方法及装置 |
CN111416676A (zh) * | 2020-03-23 | 2020-07-14 | 北京中铁建电气化设计研究院有限公司 | 基于射线跟踪的高铁铁路交叉并线区段场强预测方法 |
WO2020253613A1 (zh) * | 2019-06-17 | 2020-12-24 | 华为技术有限公司 | 通信的方法和通信装置 |
CN114422061A (zh) * | 2022-03-31 | 2022-04-29 | 中铁第四勘察设计院集团有限公司 | 一种针对铁路环境下无线信号传播自适应预测方法 |
-
2022
- 2022-08-18 CN CN202210994266.7A patent/CN115065955B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160337888A1 (en) * | 2013-12-24 | 2016-11-17 | Ranplan Wireless Network Design Ltd | Method of positioning problem regions covered with indoor wireless network |
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 |
CN108566646A (zh) * | 2018-03-29 | 2018-09-21 | 中国联合网络通信集团有限公司 | 用于覆盖高铁线路的无线网络的规划方法及装置 |
WO2020253613A1 (zh) * | 2019-06-17 | 2020-12-24 | 华为技术有限公司 | 通信的方法和通信装置 |
CN110933685A (zh) * | 2020-01-22 | 2020-03-27 | 北京中铁建电气化设计研究院有限公司 | 基于机器学习和射线跟踪的高铁网络覆盖预测方法及装置 |
CN111416676A (zh) * | 2020-03-23 | 2020-07-14 | 北京中铁建电气化设计研究院有限公司 | 基于射线跟踪的高铁铁路交叉并线区段场强预测方法 |
CN114422061A (zh) * | 2022-03-31 | 2022-04-29 | 中铁第四勘察设计院集团有限公司 | 一种针对铁路环境下无线信号传播自适应预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115065955B (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107333232B (zh) | 一种终端定位方法及网络设备 | |
Liu et al. | Research on workshop‐based positioning technology based on Internet of Things in big data background | |
CN104270816A (zh) | Led可见光室内定位系统的自适应动态指纹库构建方法 | |
US20130179207A1 (en) | Method and Apparatus for High Performance Design of a Project | |
US20140180938A1 (en) | License application processor for telecommunications equipment | |
CN108462965A (zh) | 一种铁塔需求站址共享规划方法 | |
CN108242962B (zh) | 一种基于测量报告的室内信号传播损耗计算方法及装置 | |
CN108259097A (zh) | 基于mr数据的修正无线传播模型的方法及装置 | |
CN110502802B (zh) | 基于bim技术的铁路网络建设方法及装置 | |
CN104113849A (zh) | 传播模型的校正方法 | |
CN117806340B (zh) | 基于强化学习的空域训练飞行路径自动规划方法和装置 | |
CN117390590B (zh) | 一种基于cim模型的数据管理方法及系统 | |
CN113141570A (zh) | 地下场景定位方法、装置、计算设备及计算机存储介质 | |
CN112287503B (zh) | 用于交通需求预测的动态空间网络构建方法 | |
CN104349326A (zh) | 网络规划方法 | |
CN115065955B (zh) | 高铁5g无线通信网络覆盖规划方法、装置、设备和介质 | |
Yuan et al. | Construction schedule early warning from the perspective of probability and visualization | |
CN110019625A (zh) | 文本标准地址空间化方法和装置、计算机可读存储介质 | |
CN106469346B (zh) | 一种基于区域的风险控制方法和设备 | |
CN112995893A (zh) | 一种指纹定位方法、系统、服务器和存储介质 | |
CN114444987B (zh) | 一种户型图的自动化分析方法及装置 | |
CN109165598A (zh) | 一种野外核查验证方法及装置 | |
CN114091133A (zh) | 一种城市信息模型建模方法、装置、终端设备及存储介质 | |
CN110062458B (zh) | 一种无线信号指纹库优化更新方法和装置 | |
CN116317110B (zh) | 考虑源荷双侧波动的电网调度操作预演方法和系统 |
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 |