CN115278706A - 一种网络结构评估方法、装置、设备及计算机存储介质 - Google Patents

一种网络结构评估方法、装置、设备及计算机存储介质 Download PDF

Info

Publication number
CN115278706A
CN115278706A CN202110477508.0A CN202110477508A CN115278706A CN 115278706 A CN115278706 A CN 115278706A CN 202110477508 A CN202110477508 A CN 202110477508A CN 115278706 A CN115278706 A CN 115278706A
Authority
CN
China
Prior art keywords
covering layer
matrix
network structure
determining
evaluation
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
Application number
CN202110477508.0A
Other languages
English (en)
Other versions
CN115278706B (zh
Inventor
刘方
韩斌杰
崔亮
刘红星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Group Hebei Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Hebei Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, China Mobile Group Hebei Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202110477508.0A priority Critical patent/CN115278706B/zh
Publication of CN115278706A publication Critical patent/CN115278706A/zh
Application granted granted Critical
Publication of CN115278706B publication Critical patent/CN115278706B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W16/22—Traffic simulation tools or models
    • 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
    • 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
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本申请实施例提供一种网络结构评估方法、装置、设备及计算机存储介质及计算机存储介质，涉及无线网络优化领域，用于基于多种网络特征指标对网络结构进行全面评估，提高评估结果的准确性。所述方法包括：根据多个逻辑小区的业务量属性，对多个逻辑小区进行划分，形成多个覆盖层；根据目标覆盖层的多个特征指标，确定目标覆盖层的特征向量，其中，目标覆盖层为多个覆盖层中的任一个；根据标准矩阵和每一覆盖层的特征向量，确定决策矩阵，其中，标准矩阵为对每一覆盖层的多个特征指标进行量纲化处理后所形成的矩阵；根据决策矩阵，分别确定每一覆盖层的评估分数，评估分数用于表征覆盖层网络结构的优劣程度。

Description

一种网络结构评估方法、装置、设备及计算机存储介质
技术领域
本申请属于无线网络优化领域，尤其涉及一种网络结构评估方法、装置、设备及计算机存储介质。
背景技术
随着智能终端的发展，提升用户体验成为运营商竞争的必要手段。网络结构是评估网络质量的基础，把控新入网5G站址的质量并结合5G建设对现网的网络结构问题站址进行调整，是改善网络结构和网络性能从而提高用户体验的重要步骤。
现有的网络结构的评估手段主要依靠工程参数对高度以及距离的计算开展，这种评估方法对工参的可靠性要求较高，且没有考虑到网络质量和网络覆盖情况对网络结构的影响程度。
发明内容
本申请实施例提供一种网络结构评估方法、装置、设备及计算机存储介质，用于基于多种网络特征指标对网络结构进行全面评估，提高评估结果的准确性。
第一方面，本申请实施例提供一种网络结构评估方法，方法包括：
根据多个逻辑小区的业务量属性，对多个逻辑小区进行划分，形成多个覆盖层，其中，多个覆盖层包括基础覆盖层、容量覆盖层和延伸覆盖层中的至少两个，多个逻辑小区是通过测量报告数据确定的；
根据目标覆盖层的多个特征指标，确定目标覆盖层的特征向量，其中，特征向量用于表征每一特征指标对目标覆盖层产生影响的权重系数，目标覆盖层为多个覆盖层中的任一个；
根据标准矩阵和每一覆盖层的特征向量，确定决策矩阵，其中，标准矩阵为对每一覆盖层的多个特征指标进行量纲化处理后所形成的矩阵；
根据决策矩阵，分别确定每一覆盖层的评估分数，评估分数用于表征覆盖层网络结构的优劣程度。
第二方面，本申请实施例提供一种网络结构评估装置，装置包括：
划分模块，用于根据多个逻辑小区的业务量属性，对多个逻辑小区进行划分，形成多个覆盖层，其中，多个覆盖层包括基础覆盖层、容量覆盖层和延伸覆盖层中的至少两个，多个逻辑小区是通过测量报告数据确定的；
第一确定模块，用于根据目标覆盖层的多个特征指标，确定目标覆盖层的特征向量，其中，特征向量用于表征每一特征指标对目标覆盖层产生影响的权重系数，目标覆盖层为多个覆盖层中的任一个；
第二确定模块，用于根据标准矩阵和每一覆盖层的特征向量，确定决策矩阵，其中，标准矩阵为对每一覆盖层的多个特征指标进行量纲化处理后所形成的矩阵；
第三确定模块，用于根据决策矩阵，分别确定每一覆盖层的评估分数，评估分数用于表征覆盖层网络结构的优劣程度。
第三方面，本申请实施例提供了一种网络结构评估设备，设备包括：
处理器，以及存储有计算机程序指令的存储器；处理器读取并执行计算机程序指令，以实现如本申请实施例第一方面所提供的网络结构评估方法。
第四方面，本申请实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如本申请实施例第一方面所提供的网络结构评估方法。
本申请实施例的网络结构评估方法、装置、设备及计算机存储介质，在对多个逻辑小区进行覆盖层划分后，结合每一覆盖层的多个特征指标以及表征上述多个特征指标权重系统的特征向量，生成决策矩阵；根据上述决策矩阵确定每一所述覆盖层的评估分数。相比于现有技术，通过每一覆盖层的多个特征指标，建立对每一覆盖层的多个评估标准，以便于从多个维度评估覆盖层网络结构的优劣性，同时基于决策矩阵，实现多目标决策分析的有效评估，充分考虑了网络质量、网络覆盖情况等网络特征对覆盖层网络结构的影响程度，提高对每一覆盖层的网络结构评估结果的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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是本申请实施例提供的一种网络结构评估方法的流程示意图；
图2是本申请实施例提供的一种逻辑小区覆盖栅格的结构示意图；
图3是本申请实施例提供的一种逻辑小区覆盖层划分的结构示意图；
图4是本申请实施例提供的一种网络结构评估装置的流程示意图；
图5是本申请实施例提供的一种网络结构评估设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
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……”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。
随着智能终端的发展，提升用户体验成为运营商竞争的必要手段。网络结构是一张网络质量的基础，把控新入网5G站址的质量并结合5G建设对现网的网络结构问题站址进行调整，是改善网络结构和网络性能从而提高用户体验的重要步骤。
4G网络在大规模建设后网络已经基本趋于成熟和平稳，目前城区铁塔负重较大、站址协调难度也逐步增大，网络结构问题站址不可避免，单纯从高度以及距离方面的评估不能满足需求，因此如何更加精确的评估网络结构对于网络性能的影响是现在的主要研究趋势。
现有的网络结构的评估手段主要依靠工程参数对高度以及距离的计算开展，这种评估方法对工程参数的可靠性要求较高，且没有考虑到网络质量和网络覆盖情况对网络结构的影响程度。
针对上述问题，本申请实施例提供一种网络结构评估方法，基于用户的测量报告数据(Measurement Report，MR)、最小化路侧数据(Minimization Drive Test，MDT)以及现网业务数据，将网络结构结合多个特征指标，在多个维度上对网络结构进行评估。
如图1所示，本申请实施例提供一种网络结构评估方法，方法包括：
S101，根据多个逻辑小区的业务量属性，对多个逻辑小区进行划分，形成多个覆盖层，多个覆盖层包括基础覆盖层、容量覆盖层和延伸覆盖层中的至少两个，其中，多个逻辑小区是通过测量报告数据确定的。
在一些实施例中，通过对MDT&MR数据的采集，获取多个逻辑小区，进一步基于每一逻辑小区的业务量属性对其进行分层。
需要说明的是，在对多个逻辑小区进行分层处理时，其判断指标除了业务量指标，至少还可以包括覆盖范围指标，物理位置指标。
具体地，通过各逻辑小区的覆盖栅格数据，计算每个小区的栅格化覆盖范围，基于对每一栅格内某小区的采样点数量的判断，确定该栅格是否被该小区有效覆盖，所有有效覆盖栅格即为小区的覆盖范围。
通过上述逻辑小区的形成以及对多个逻辑小区的划分，避免只从高度及距离上对逻辑小区的网络结构进行评估，有利于对现网逻辑小区网络结构中的问题站址进行综合评估，以对网络覆盖性能劣化程度较高的问题站址进行整治，同时基于对现网逻辑小区网络结构的评估，为新入网5G站址提供数据支撑。
S102，根据目标覆盖层的多个特征指标，确定目标覆盖层的特征向量，其中，特征向量用于表征每一特征指标对目标覆盖层产生影响的权重系数，目标覆盖层为多个覆盖层中的任一个。
由于在对多个覆盖层进行评估的过程中，每一覆盖层的特征指标有多个，因此基于层次分析法将多个逻辑小区按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，以在此基础之上对逻辑小区的网络结构进行定性和定量分析。
需要说明的是，层次分析法(Analytic Hierarchy Process，AHP)常被运用于多目标、多准则、多要素、多层次的非结构化的复杂决策问题，特别是战略决策问题，可以较好地解决多要素相互关联、相互制约的复杂系统的评价，具有十分广泛的实用性，是一种新型简洁且实用的研究方法。
具体地，将目标覆盖层的多个特征指标，以两两相互比较的方式，采用相对尺度进行评估，以尽可能减少性质不同的多个特征指标之间相互比较的困难。
S103，根据标准矩阵和每一覆盖层的特征向量，确定决策矩阵，其中，标准矩阵为对每一覆盖层的多个特征指标进行量纲化处理后所形成的矩阵。
在决策矩阵的确定过程中，需要将进行量纲化处理后的标准矩阵与特征向量相乘，以将多个特征指标在评估逻辑小区网络结构中的权重系数体现在决策矩阵中，进一步提高对网络结构评估的准确性。
S104，根据决策矩阵，分别确定每一覆盖层的评估分数，评估分数用于表征覆盖层网络结构的优劣程度。
在一些实施例中，决策矩阵中包含有多个评价对象以及每一评价对象对应的多个评价指标信息，其中多个评价对象为多个覆盖层，多个评价指标为多个特征指标。首先，定义上述决策矩阵中的最大值和最小值，也就是多个特征指标的理想解和反理想解，进一步计算每一覆盖层与理想解和反理想解之间的距离，确定其与理想解的贴近度，以此作为每一覆盖层的评估分数，评价其网络结构的优劣程度。
另外，在具体实施时，由于决策矩阵中所包含的每一指标信息，都是经过量纲化处理后的指标信息，因此在对每一覆盖层进行评估时，避免了不同量纲之间对评估结果产生影响，进一步提高了网络结构评估的准确性。
本申请实施例提供的网络结构评估方法，通过每一覆盖层的多个特征指标，建立对每一覆盖层的多个评估标准，以便于从多个维度评估覆盖层网络结构的优劣性；结合上述多个特征指标所形成的特征向量，以及经过量纲化处理后的标准矩阵，形成决策矩阵，由于特征向量表征特征指标对覆盖层网络性能产生影响的权重系统，因此基于决策向量，可以更大程度上实现多目标决策分析的有效评估，充分考虑了网络质量、网络覆盖情况等网络特征对覆盖层网络结构的影响程度，提高对每一覆盖层的网络结构评估结果的准确性。
在一些实施例中，根据多个逻辑小区的业务量属性，对多个逻辑小区进行划分，形成多个覆盖层，可以包括：将位于边缘城区的至少一个逻辑小区，划分为延伸覆盖层，边缘城区是基于预先确定的城区划分标准确定的；将位于非边缘城区、且业务量大于预设业务量阈值的至少一个逻辑小区，划分为容量覆盖层；将位于非边缘城区、且业务量不大于预设业务量阈值的至少一个逻辑小区，划分为基础覆盖层。
在一个示例中，如图2所示，建立各逻辑小区的覆盖栅格数据，并计算每个小区的栅格化覆盖范围，基于对每一栅格内某小区的采样点数量的判断，确定该栅格是否被该小区有效覆盖，所有有效覆盖栅格即为小区的覆盖范围。
在上述覆盖栅格中，由于边缘城区中逻辑小区的网络结构分布较为分散，且对网络性能的需求并不高，因此，如图3所示，将位于边缘城区城区的至少一个逻辑小区确定为延伸覆盖层；对于延伸覆盖层之外的其他逻辑小区，基于其业务量的多少，划分为容量覆盖层和基础覆盖层。
通过上述对多个逻辑小区的划分，避免只从高度及距离上对逻辑小区的网络结构进行评估，有利于对现网逻辑小区网络结构中的问题站址进行综合评估，以对网络覆盖性能劣化程度较高的问题站址进行整治，同时基于对现网逻辑小区网络结构的评估，为新入网5G站址提供数据支撑。
在一些实施例中，根据目标覆盖层的多个特征指标，确定目标覆盖层的特征向量，可以包括：
根据目标覆盖层的多个特征指标，建立目标覆盖层的判断矩阵，其中，判断矩阵用于对不同特征指标之间以两两比较的方式进行特征评估；
对判断矩阵进行归一化处理，确定目标覆盖层的特征向量。
具体实施时，采用AHP进行多准则决策判断，这种方法的特点是把复杂问题中的各种因素通过划分为相互联系的有序层次使之条理化，根据对一定客观现实的主观判断结构(主要是两两比较)把专家意见和分析者的客观判断结果直接而有效地结合起来，将一层次元素两两比较的重要性进行定量描述。而后，利用数学方法计算反映每一层次元素的相对重要性次序的权值，通过所有层次之间的总排序计算所有元素的相对权重并进行排序。
在一个示例中，目标覆盖层的多个特征指标可以是该覆盖层的覆盖率、覆盖范围、挂高、站间距以及业务量。对每一覆盖层的多个特征指标进行两两比较，从而建立针对每一覆盖层的判断矩阵。如下表1-表3，分别为上述基础覆盖层、容量覆盖层和延伸覆盖层的判断矩阵。
表1基础覆盖层判断矩阵
Figure BDA0003047651650000071
表2容量覆盖层判断矩阵
Figure BDA0003047651650000072
表3延伸覆盖层判断矩阵
Figure BDA0003047651650000081
在构建上述判断矩阵，确定各层次各因素之间的权重时，如果只是定性的结果，则常常不容易被别人接受，因此采用一致矩阵法，即：不把所有因素放在一起比较，而是两两比较；对此时采用相对尺度，以尽可能减少性质不同的诸因素相互比较的困难，以提高准确性。
成对比较矩阵是表示本层所有因素针对上一层某一个因素的相对重要性的比较。成对比较矩阵的元素Aij表示的是第i个因素相对于第j个因素的比较结果，这个值使用的是1-9标度方法给出，具体标度方式如表4所示。
表4 AHP判断矩阵标度依据
Figure BDA0003047651650000082
在对每一覆盖层建立上述判断矩阵之后，对判断矩阵中每行元素进行归一化处理，以确定对每一覆盖层网络性能产生影响的各特征指标之间的权重系数Wi，具体计算方法如下述公式1所示：
Figure BDA0003047651650000083
Figure BDA0003047651650000084
Wi＝Vi/(∑Vi) 公式1
其中，Mi表示判断矩阵每行元素的乘积；在计算Mi的n次方根后，对其进行归一化计算，得到Wi。
通过上述公式1计算后，确定每一覆盖层的特征向量为：
W容量覆盖层＝(0.29,0.10,0.03,0.06,0.52)
W基础覆盖层＝(0.49,0.13,0.13,0.07,0.18)
W延伸覆盖层＝(0.33,0.21,0.21,0.21,0.04)
在一些实施例中，在根据标准矩阵和每一覆盖层的特征向量，确定决策矩阵之前，可以包括：
基于每一特征指标的指标属性，分别对每一覆盖层的每一特征指标进行正向化处理，形成正向矩阵，其中，正向化处理用于统一不同特征指标之间的评估趋势；
对正向矩阵进行标准化处理，形成标准矩阵，其中，标准化处理用于统一不同特征指标之间的量纲。
需要说明的是，在多指标综合评价中，有些是指标值越大评价越好的指标，称为正向指标(也称效益型指标或极大型指标)，例如成绩、GDP增速、企业利润等；有些是指标值越小评价越好的指标，称为逆向指标(也称成本型指标或极小型指标)，例如费用、坏频率、污染程度等；有些是指标值越接近某个值越好的指标，称为中间型指标，例如水质评估中的PH值；还有些是期望落在某个期间最好的指标，称为区间型指标，例如体温、水中植物性营养物含量。
结合上述分析可知，由于多种指标的评价趋势均不相同，因此对某一评价对象进行多指标多维度评估时，必须将指标同趋势化，一般是将逆向指标和适度指标转化为正向指标，即对多个指标进行正向化处理。
在一些实施例中，多个特征指标中至少包括至少一个极大型指标，和至少一个区间型指标；
基于每一特征指标的指标属性，分别对每一覆盖层的每一特征指标进行正向化处理，形成正向矩阵，可以包括：
对每一覆盖层的多个特征指标，分别执行以下过程：
分别对至少一个区间型指标进行极大化处理，确定至少一个正向化指标；
根据至少一个正向化指标和至少一个极大型指标和，形成正向矩阵。
在一个示例中，多个特征指标分别为：覆盖率、覆盖范围、挂高、站间距以及业务量。其中，覆盖率和业务量为极大型指标，覆盖范围、挂高、站间距为区间型指标。
具体地，区间型指标可以通过公式2及公式3进行极大化处理，从而转换为正向化指标，其中公式2、公式3如下所示：
M＝max{a-min{xi}，max{xi}-b} 公式2
Figure BDA0003047651650000101
其中，[a，b]为X取值的最优区间，该区间是基于现网工参及MR&MDT数据确定的。
在一些实施例中，根据标准矩阵和每一覆盖层的特征向量，确定决策矩阵，可以包括：
根据每一覆盖层的特征向量，生成原始矩阵；
将标准矩阵与原始矩阵相乘，确定决策矩阵。
本申请实施例中，通过将进行量纲化处理后的标准矩阵与特征向量相乘，以将多个特征指标在评估逻辑小区网络结构中的权重系数体现在决策矩阵中，进一步提高对网络结构评估的准确性。
在一个示例中，标准矩阵记为V，V中每一元素Vij可以通过公式4来表示，进一步对标准矩阵进行加权标准化，形成决策矩阵Z，Z中每一元素Zij可以通过公式5来表示：
Figure BDA0003047651650000102
Zij＝Vij*Wij 公式5
在一些实施例中，根据决策矩阵，分别确定每一覆盖层的评估分数，可以包括：
根据决策矩阵，分别确定表征覆盖层网络结构最优的理想解、和表征覆盖层网络结构最劣的反理想解；
基于优劣解距离法，通过计算每一覆盖层与理想解和反理想解之间的距离，确定每一覆盖层的评估分数。
本申请实施例中所提供的基于优劣解距离TOPSIS算法，评估覆盖层网络结构的方法，是一种根据有限个评价对象与理想化目标的接近程度进行排序的方法，即在现有的对象中进行相对优劣的评价。理想化目标有两个，一是肯定的理想目标或者称为最优目标，一个是否定的理性目标或者最劣目标，评价最好的对象应该是与最优目标的距离最近，而与最劣目标最远的目标。距离常用的就是欧氏距离。因此，TOPSIS法是一种理想目标相似性的顺序选优技术，在多目标决策分析中是一种非常有效的方法。
在一个示例中，决策矩阵可以表示为公式6：
Figure BDA0003047651650000111
根据优劣解距离法，定义理想解Z+由Z中每列元素的最大值构成，具体由公式7表示：
Figure BDA0003047651650000112
定义理想解Z-由Z中每列元素的最小值构成，具体由公式8表示：
Figure BDA0003047651650000113
定义第i(i＝1,2,···，n)个评价对象与理想解的距离，可以由公式9来表示：
Figure BDA0003047651650000114
定义第i(i＝1,2,···，n)个评价对象与反理想解的距离，可以由公式10来表示：
Figure BDA0003047651650000121
计算每一覆盖层与理想解和反理想解之间的距离，确定每一覆盖层的评估分数Si，具体可以由公式11来表示：
Figure BDA0003047651650000122
本申请实施例提供的网络结构评估方法，通过每一覆盖层的多个特征指标，建立对每一覆盖层的多个评估标准，以便于从多个维度评估覆盖层网络结构的优劣性；结合上述多个特征指标所形成的特征向量，以及经过量纲化处理后的标准矩阵，形成决策矩阵，由于特征向量表征特征指标对覆盖层网络性能产生影响的权重系统，因此基于决策向量，可以更大程度上实现多目标决策分析的有效评估，充分考虑了网络质量、网络覆盖情况等网络特征对覆盖层网络结构的影响程度，提高对每一覆盖层的网络结构评估结果的准确性。
基于上述相同发明构思，本申请实施例提供一种网络结构评估装置。
如图4所示，本申请实施例提供一种网络结构评估装置，装置可以包括：
划分模块401，用于根据多个逻辑小区的业务量属性，对多个逻辑小区进行划分，形成多个覆盖层，多个覆盖层包括基础覆盖层、容量覆盖层和延伸覆盖层中的至少两个，其中，多个逻辑小区是通过测量报告数据确定的；
第一确定模块402，用于根据目标覆盖层的多个特征指标，确定目标覆盖层的特征向量，其中，特征向量用于表征每一特征指标对目标覆盖层产生影响的权重系数，目标覆盖层为多个覆盖层中的任一个；
第二确定模块403，用于根据标准矩阵和每一覆盖层的特征向量，确定决策矩阵，其中，标准矩阵为对每一覆盖层的多个特征指标进行量纲化处理后所形成的矩阵；
第三确定模块404，用于根据决策矩阵，分别确定每一覆盖层的评估分数，评估分数用于表征覆盖层网络结构的优劣程度。
在一些实施例中，划分模块具体可以包括：
第一划分单元，用于将位于边缘城区的至少一个逻辑小区，划分为延伸覆盖层，边缘城区是基于预先确定的城区划分标准确定的；
第二划分单元，用于将位于非边缘城区、且业务量大于预设业务量阈值的至少一个逻辑小区，划分为容量覆盖层；
第三划分单元，用于将位于非边缘城区、且业务量不大于预设业务量阈值的至少一个逻辑小区，划分为基础覆盖层。
在一些实施例中，第一确定模块具体可以包括：
建立单元，用于根据目标覆盖层的多个特征指标，建立目标覆盖层的判断矩阵，其中，判断矩阵用于对不同特征指标之间以两两比较的方式进行特征评估；
处理单元，用于对判断矩阵进行归一化处理，确定目标覆盖层的特征向量。
在一些实施例中，装置还可以包括：
第一处理模块，用于基于每一特征指标的指标属性，分别对每一覆盖层的每一特征指标进行正向化处理，形成正向矩阵，其中，正向化处理用于统一不同特征指标之间的评估趋势；
第二处理模块，用于对正向矩阵进行标准化处理，形成标准矩阵，其中，标准化处理用于统一不同特征指标之间的量纲。
在一些实施例中，第一处理模块具体可以用于：
对每一覆盖层的多个特征指标，分别执行以下过程：
分别对至少一个区间型指标进行极大化处理，确定至少一个正向化指标；
根据至少一个正向化指标和至少一个极大型指标，形成正向矩阵。
在一些实施例中，第二确定模块具体可以包括：
生成单元，用于根据每一覆盖层的特征向量，生成原始矩阵；
计算单元，用于将标准矩阵与原始矩阵相乘，确定决策矩阵。
在一些实施例中，第二确定模块具体可以包括：
第一确定单元，用于根据决策矩阵，分别确定表征覆盖层网络结构最优的理想解、和表征覆盖层网络结构最劣的反理想解；
第二确定单元，用于基于优劣解距离法，通过计算每一覆盖层与理想解和反理想解之间的距离，确定每一覆盖层的评估分数。
根据本申请实施例提供的网络结构评估装置的其他细节与以上结合图1描述的根据本申请实施例的网络结构评估方法类似，在此不再赘述。
图5示出了本申请实施例提供的网络结构评估的硬件结构示意图。
结合图1、图4描述的根据本申请实施例提供的网络结构评估方法和装置可以由网络结构评估设备来实现。图5是示出根据发明实施例的网络结构评估设备的硬件结构500示意图。
在网络结构评估设备中可以包括处理器501以及存储有计算机程序指令的存储器502。
具体地，上述处理器501可以包括中央处理器(Central Processing Unit，CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器502可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器502可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在一个实例中，存储器502可以包括可移除或不可移除(或固定)的介质，或者存储器502是非易失性固态存储器。存储器502可在综合网关容灾设备的内部或外部。
在一个实例中，存储器502可以是只读存储器(Read Only Memory，ROM)。在一个实例中，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器501通过读取并执行存储器502中存储的计算机程序指令，以实现图1所示实施例中的方法/步骤S101至S104，并达到图1所示实例执行其方法/步骤达到的相应技术效果，为简洁描述在此不再赘述。
在一个示例中，网络结构评估设备还可包括通信接口503和总线510。其中，如图5所示，处理器501、存储器502、通信接口503通过总线510连接并完成相互间的通信。
通信接口503，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线510包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(Accelerated Graphics Port，AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，EISA)总线、前端总线(Front Side Bus，FSB)、超传输(Hyper Transport，HT)互连、工业标准架构(Industry Standard Architecture，ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线510可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
本申请实施例提供的网络结构评估设备，通过每一覆盖层的多个特征指标，建立对每一覆盖层的多个评估标准，以便于从多个维度评估覆盖层网络结构的优劣性；结合上述多个特征指标所形成的特征向量，以及经过量纲化处理后的标准矩阵，形成决策矩阵，由于特征向量表征特征指标对覆盖层网络性能产生影响的权重系统，因此基于决策向量，可以更大程度上实现多目标决策分析的有效评估，充分考虑了网络质量、网络覆盖情况等网络特征对覆盖层网络结构的影响程度，提高对每一覆盖层的网络结构评估结果的准确性。
另外，结合上述实施例中的网络结构评估方法，本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种网络结构评估方法。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RadioFrequency，RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种网络结构评估方法，其特征在于，所述方法包括：
根据多个逻辑小区的业务量属性，对多个所述逻辑小区进行划分，形成多个覆盖层，其中，所述多个覆盖层包括基础覆盖层、容量覆盖层和延伸覆盖层中的至少两个，所述多个逻辑小区是通过测量报告数据确定的；
根据目标覆盖层的多个特征指标，确定所述目标覆盖层的特征向量，其中，所述特征向量用于表征每一所述特征指标对所述目标覆盖层产生影响的权重系数，所述目标覆盖层为所述多个覆盖层中的任一个；
根据标准矩阵和每一所述覆盖层的特征向量，确定决策矩阵，其中，所述标准矩阵为对每一所述覆盖层的多个特征指标进行量纲化处理后所形成的矩阵；
根据所述决策矩阵，分别确定每一所述覆盖层的评估分数，所述评估分数用于表征覆盖层网络结构的优劣程度。
2.根据权利要求1所述的方法，其特征在于，所述根据多个逻辑小区的业务量属性，对多个所述逻辑小区进行划分，形成多个覆盖层，包括：
将位于边缘城区的至少一个逻辑小区，划分为所述延伸覆盖层，所述边缘城区是基于预先确定的城区划分标准确定的；
将位于非边缘城区、且所述业务量大于预设业务量阈值的至少一个逻辑小区，划分为所述容量覆盖层；
将位于非边缘城区、且所述业务量不大于预设业务量阈值的至少一个逻辑小区，划分为所述基础覆盖层。
3.根据权利要求1所述的方法，其特征在于，所述根据目标覆盖层的多个特征指标，确定所述目标覆盖层的特征向量，包括：
根据目标覆盖层的所述多个特征指标，建立所述目标覆盖层的判断矩阵，其中，所述判断矩阵用于对不同特征指标之间以两两比较的方式进行特征评估；
对所述判断矩阵进行归一化处理，确定所述目标覆盖层的特征向量。
4.根据权利要求1所述的方法，其特征在于，在所述根据标准矩阵和每一所述覆盖层的特征向量，确定决策矩阵之前，包括：
基于每一所述特征指标的指标属性，分别对每一所述覆盖层的每一特征指标进行正向化处理，形成正向矩阵，其中，所述正向化处理用于统一不同特征指标之间的评估趋势；
对所述正向矩阵进行标准化处理，形成标准矩阵，其中，所述标准化处理用于统一不同特征指标之间的量纲。
5.根据权利要求4所述的方法，其特征在于，所述多个特征指标中至少包括至少一个极大型指标，和至少一个区间型指标；
所述基于每一所述特征指标的指标属性，分别对每一所述覆盖层的每一特征指标进行正向化处理，形成正向矩阵，包括：
对每一所述覆盖层的多个特征指标，分别执行以下过程：
分别对所述至少一个区间型指标进行极大化处理，确定至少一个正向化指标；
根据所述至少一个正向化指标和所述至少一个极大型指标，形成正向矩阵。
6.根据权利要求1所述的方法，其特征在于，所述根据标准矩阵和每一所述覆盖层的特征向量，确定决策矩阵，包括：
根据每一所述覆盖层的特征向量，生成原始矩阵；
将所述标准矩阵与所述原始矩阵相乘，确定决策矩阵。
7.根据权利要求1所述的方法，其特征在于，所述根据所述决策矩阵，分别确定每一所述覆盖层的评估分数，包括：
根据所述决策矩阵，分别确定表征所述覆盖层网络结构最优的理想解、和表征所述覆盖层网络结构最劣的反理想解；
基于优劣解距离法，通过计算每一所述覆盖层与所述理想解和所述反理想解之间的距离，确定每一所述覆盖层的评估分数。
8.一种网络结构评估装置，其特征在于，所述装置包括：
划分模块，用于根据多个逻辑小区的业务量属性，对多个所述逻辑小区进行划分，形成多个覆盖层，所述多个覆盖层包括基础覆盖层、容量覆盖层和延伸覆盖层中的至少两个，其中，所述多个逻辑小区是通过测量报告数据确定的；
第一确定模块，用于根据目标覆盖层的多个特征指标，确定所述目标覆盖层的特征向量，其中，所述特征向量用于表征每一所述特征指标对所述目标覆盖层产生影响的权重系数，所述目标覆盖层为所述多个覆盖层中的任一个；
第二确定模块，用于根据标准矩阵和每一所述覆盖层的特征向量，确定决策矩阵，其中，所述标准矩阵为对每一所述覆盖层的多个特征指标进行量纲化处理后所形成的矩阵；
第三确定模块，用于根据所述决策矩阵，分别确定每一所述覆盖层的评估分数，所述评估分数用于表征覆盖层网络结构的优劣程度。
9.一种网络结构评估设备，其特征在于，所述设备包括：处理器，以及存储有计算机程序指令的存储器；所述处理器读取并执行所述计算机程序指令，以实现如权利要求1-7任意一项所述的网络结构评估方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述的网络结构评估方法。
CN202110477508.0A 2021-04-29 2021-04-29 一种网络结构评估方法、装置、设备及计算机存储介质 Active CN115278706B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110477508.0A CN115278706B (zh) 2021-04-29 2021-04-29 一种网络结构评估方法、装置、设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110477508.0A CN115278706B (zh) 2021-04-29 2021-04-29 一种网络结构评估方法、装置、设备及计算机存储介质

Publications (2)

Publication Number Publication Date
CN115278706A true CN115278706A (zh) 2022-11-01
CN115278706B CN115278706B (zh) 2023-08-15

Family

ID=83745521

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110477508.0A Active CN115278706B (zh) 2021-04-29 2021-04-29 一种网络结构评估方法、装置、设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN115278706B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115941502A (zh) * 2022-11-24 2023-04-07 中国联合网络通信集团有限公司 一种网络运维能力的确定方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102149171A (zh) * 2011-04-01 2011-08-10 北京邮电大学 一种基于融合的异构无线接入网络的网络选择方法及装置
CN109768989A (zh) * 2019-02-27 2019-05-17 重庆邮电大学 基于lahp-igfnn的网络安全态势评估模型
CN110062409A (zh) * 2019-03-11 2019-07-26 广州瀚信通信科技股份有限公司 一种基于移动通信网络栅格化的终端性能评估方法
WO2020191001A1 (en) * 2019-03-18 2020-09-24 Triad National Security, Llc Real-world network link analysis and prediction using extended probailistic maxtrix factorization models with labeled nodes

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102149171A (zh) * 2011-04-01 2011-08-10 北京邮电大学 一种基于融合的异构无线接入网络的网络选择方法及装置
CN109768989A (zh) * 2019-02-27 2019-05-17 重庆邮电大学 基于lahp-igfnn的网络安全态势评估模型
CN110062409A (zh) * 2019-03-11 2019-07-26 广州瀚信通信科技股份有限公司 一种基于移动通信网络栅格化的终端性能评估方法
WO2020191001A1 (en) * 2019-03-18 2020-09-24 Triad National Security, Llc Real-world network link analysis and prediction using extended probailistic maxtrix factorization models with labeled nodes

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
朱宁: "移动通信网络风险评价指标体系的分析与模型建立", 《重庆工商大学学报(自然科学版)》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115941502A (zh) * 2022-11-24 2023-04-07 中国联合网络通信集团有限公司 一种网络运维能力的确定方法及装置

Also Published As

Publication number Publication date
CN115278706B (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
CN112911627B (zh) 无线网络性能检测方法、装置以及存储介质
CN115659284B (zh) 一种大数据融合平台
CN112307927A (zh) 基于bp网络针对非合作通信中mpsk信号的识别研究
CN111291822A (zh) 基于模糊聚类最优k值选择算法的设备运行状态判断方法
CN117078048A (zh) 基于数字孪生的智慧城市资源管理方法及系统
CN116596095A (zh) 基于机器学习的碳排放量预测模型的训练方法及装置
CN113988558B (zh) 基于盲区识别和电气坐标系扩展的电网动态安全评估方法
CN115907461A (zh) 一种基于机理推导方程的电力工程方法
CN114676749A (zh) 一种基于数据挖掘的配电网运行数据异常判定方法
CN115278706B (zh) 一种网络结构评估方法、装置、设备及计算机存储介质
CN108830506A (zh) 城网供电能力的评估方法、装置和实现装置
CN115441457A (zh) 新能源电力系统的快速可靠性评估方法、设备及存储介质
CN105303302A (zh) 一种电网评价指标关联性分析方法、设备以及计算设备
CN107274025B (zh) 一种实现用电模式智能识别与管理的系统和方法
CN113569345A (zh) 一种基于多源信息融合的数控系统可靠性建模方法与装置
CN108665376B (zh) 一种空间负荷预测中确定元胞负荷最大值的核密度估计方法
CN116539994A (zh) 基于多源时间序列数据的变电站主设备运行状态检测方法
CN114339855B (zh) 无线网络覆盖率评估方法、装置及计算设备
CN114757291A (zh) 基于机器学习算法的单相故障识别优化方法、系统及设备
CN115169089A (zh) 基于核密度估计和copula的风电功率概率预测方法和装置
CN115130602A (zh) 密度不均匀数据聚类方法、装置、电子设备及存储介质
CN111654853B (zh) 一种基于用户信息的数据分析方法
CN112529303A (zh) 基于模糊决策的风险预测方法、装置、设备和存储介质
CN112258338A (zh) 一种基于最近邻算法的基站费用自动化稽核方法
CN109993388B (zh) 劣化小区主因判断方法、装置、设备及介质

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