CN115618290A - 小区场景识别方法、装置、设备及存储介质 - Google Patents

小区场景识别方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115618290A
CN115618290A CN202110745707.5A CN202110745707A CN115618290A CN 115618290 A CN115618290 A CN 115618290A CN 202110745707 A CN202110745707 A CN 202110745707A CN 115618290 A CN115618290 A CN 115618290A
Authority
CN
China
Prior art keywords
cell
network performance
classification model
performance index
index data
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
Application number
CN202110745707.5A
Other languages
English (en)
Inventor
赵诣欣
孙宏
季凯
汪剑桥
袁伟
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 United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group 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 United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202110745707.5A priority Critical patent/CN115618290A/zh
Publication of CN115618290A publication Critical patent/CN115618290A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请提供一种小区场景识别方法、装置、设备及存储介质，该方法获取待识别小区的网络性能指标数据；确定特定时间段，根据特定时间段获取待识别小区在特定时间段的网络性能指标数据；将特定时间段的网络性能指标数据输入至预设分类模型，预设分类模型通过预设网络性能指标数据训练样本和小区场景类别标签训练得到；通过预设分类模型的输出结果，得到待识别小区的小区场景标签，提高了小区场景识别的准确性，同时，与人工识别相比，提高了效率。

Description

小区场景识别方法、装置、设备及存储介质
技术领域
本发明涉及通信技术领域，尤其涉及一种小区场景识别方法、装置、设备及存储介质。
背景技术
随着信息传输速率的不断提升和第五代移动通信技术(5th generation mobilenetworks，5G)网络中网络场景日益多样化，通信需求也随之增多，对不同小区进行场景划分是定制规划建设方案、确定网络优化策略的重要基础，特别是在无线通信领域中，由于电磁环境复杂多变，信号具有多样化和高速变化的特性，网络行为和性能因素较过去更加动态和不可预测。
传统方法中，小区场景类别的划分主要依靠专家，根据小区的地理位置、覆盖因素等情况结合规则判决，对小区进行人为的划分。
然而现有技术中，依据专家经验对小区场景进行划分，难以针对复杂的通信环境进行小区场景的有效识别，小区场景识别的效率低、准确性差。
发明内容
本申请提供一种小区场景识别方法、装置、设备及存储介质，从而解决现有技术难以针对复杂的通信环境进行小区场景的有效识别，小区场景识别的效率低、准确性差的技术问题。
第一方面，本申请提供一种小区场景识别方法，包括：
获取待识别小区的网络性能指标数据；
确定特定时间段，根据所述特定时间段获取所述待识别小区在特定时间段的网络性能指标数据；
将所述特定时间段的网络性能指标数据输入至预设分类模型，所述预设分类模型通过预设网络性能指标数据训练样本和小区场景类别标签训练得到；
通过预设分类模型的输出结果，得到所述待识别小区的小区场景标签。
这里，本申请实施例将特定时间段的待识别小区的网络性能指标数据输入至预设分类模型中，以得到待识别小区场景分类标签，从而实现对小区场景的分类，由于预设分类模型通过预设网络性能指标数据训练样本和小区场景类别标签训练得到，其结合了大量小区的网络性能指标数据与小区场景的关系，仅需获取小区的网络性能指标，就能够准确根据待识别小区的网络性能指标数据进行复杂小区的场景识别，还结合了特定时间段数据，将小时粒度的时间因素考虑到了场景识别中，提高了小区场景识别的准确性，同时，与人工识别相比，提高了效率。
可选地，在所述将所述特定时间段的网络性能指标数据输入至预设分类模型之前，还包括：
获取多个小区在特定时间段的网络性能指标数据，得到预设网络性能指标数据训练样本，并获取所述多个小区对应的小区场景标签；
将所述网络性能指标数据和所述多个小区对应的小区场景标签输入至分类模型进行训练，得到预设分类模型。
这里，本申请实施例提供了一种预设分类模型的训练方法，通过获取多个小区在特定时间段的网络性能指标数据与其对应的小区场景标签，来训练分类模型，结合了小时粒度、不同场景小区的网络性能指标数据，从而能够得到准确分类的预设分类模型。
可选地，所述获取多个小区在特定时间段的网络性能指标数据，得到预设网络性能指标数据训练样本，包括：
获取多个小区在特定时间段的所有网络性能指标数据；
对所述所有网络性能指标数据进行筛选，得到与小区场景强相关的相关网络性能指标数据；
相应的，所述将所述网络性能指标数据和所述多个小区对应的小区场景标签输入至分类模型进行训练包括：
将所述相关网络性能指标数据和所述多个小区对应的小区场景标签输入至分类模型进行训练。
这里，本申请实施例在获取到多个小区在特定时间段的所有网络性能指标数据之后，针对与小区场景的相关性，对网络性能指标进行了数据清洗，筛选出与小区场景强相关的指标，便于模型提取特征进行分类，也节省了运行内存，提高了模型训练及小区分类的效率。
可选地，在所述将所述网络性能指标数据和所述多个小区对应的小区场景标签输入至分类模型进行训练，得到预设分类模型之后，还包括：
调整所述预设分类模型的参数，对所述预设分类模型进行优化，得到优化预设分类模型；
相应的，所述将所述特定时间段的网络性能指标数据输入至预设分类模型，包括：
将所述特定时间段的网络性能指标数据输入至优化预设分类模型。
这里，本申请实施例还可以在得到预设分类模型之后，对预设分类模型进行参数的调整，从而对模型进行优化，以通过该模型得到更加准确的分类结果，进一步地提高了小区场景识别的准确性。
可选地，所述预设分类模型为梯度提升树分类模型。
其中，本申请实施例采用梯度提升树分类模型进行分类，能够实现精准高效分类。
可选地，在所述通过预设分类模型的输出结果，得到所述待识别小区的小区场景标签之后，还包括：
根据所述待识别小区的小区场景标签，制定所述待识别小区的网络优化策略。
这里，本申请实施例可以针对小区场景标签确定小区的场景，针对不同的小区场景制定不同的网络优化策略，能够有效地对小区进行网络优化，进一步地提高了网络质量，提高了用户体验。
第二方面，本申请实施例提供一种小区场景识别装置，包括：
第一获取模块，用于获取待识别小区的网络性能指标数据；
第一处理模块，用于确定特定时间段，根据所述特定时间段获取所述待识别小区在特定时间段的网络性能指标数据；
输入模块，用于将所述特定时间段的网络性能指标数据输入至预设分类模型，所述预设分类模型通过预设网络性能指标数据训练样本和小区场景类别标签训练得到；
第二处理模块，用于通过预设分类模型的输出结果，得到所述待识别小区的小区场景标签。
可选地，在所述输入模块将所述特定时间段的网络性能指标数据输入至预设分类模型之前，上述装置还包括：
建立模块，用于获取多个小区在特定时间段的网络性能指标数据，得到预设网络性能指标数据训练样本，并获取所述多个小区对应的小区场景标签；将所述网络性能指标数据和所述多个小区对应的小区场景标签输入至分类模型进行训练，得到预设分类模型。
可选地，所述建立模块具体用于：
获取多个小区在特定时间段的所有网络性能指标数据；
对所述所有网络性能指标数据进行筛选，得到与小区场景强相关的相关网络性能指标数据；
将所述相关网络性能指标数据和所述多个小区对应的小区场景标签输入至分类模型进行训练。
可选地，在所述建立模块将所述网络性能指标数据和所述多个小区对应的小区场景标签输入至分类模型进行训练，得到预设分类模型之后，上述装置还包括：
优化模块，用于调整所述预设分类模型的参数，对所述预设分类模型进行优化，得到优化预设分类模型；
相应的，所述输入模块用于将所述特定时间段的网络性能指标数据输入至优化预设分类模型。
可选地，所述预设分类模型为梯度提升树分类模型。
可选地，在所述第二处理模块通过预设分类模型的输出结果，得到所述待识别小区的小区场景标签之后，上述装置还包括：
制定模块，用于根据所述待识别小区的小区场景标签，制定所述待识别小区的网络优化策略。
第三方面，本申请实施例提供一种小区场景识别设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的小区场景识别方法。
第四方面，本发明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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的小区场景识别方法。
第五方面，本发明实施例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，实现如上第一方面以及第一方面各种可能的设计所述的小区场景识别方法。
本申请实施例提供的小区场景识别方法、装置、设备及存储介质，其中该方法将特定时间段的待识别小区的网络性能指标数据输入至预设分类模型中，以得到待识别小区场景分类标签，从而实现对小区场景的分类，由于预设分类模型通过预设网络性能指标数据训练样本和小区场景类别标签训练得到，其结合了大量小区的网络性能指标数据与小区场景的关系，仅需获取小区的网络性能指标，就能够准确根据待识别小区的网络性能指标数据进行复杂小区的场景识别，还结合了特定时间段数据，将小时粒度的时间因素考虑到了场景识别中，提高了小区场景识别的准确性，同时，与人工识别相比，提高了效率。
附图说明
为了更清楚地说明本申请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，下面描述中的附图仅仅是本申请的一些实施例，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为本申请实施例提供的一种小区场景识别系统架构示意图；
图2为本申请实施例提供的一种小区场景识别方法的流程示意图；
图3为本申请实施例提供的一种训练预设分类模型的流程示意图；
图4为本申请实施例提供的一种小区场景识别装置的结构示意图；
图5为本申请实施例提供的一种小区场景识别设备的结构示意图。
通过上述附图，已示出本公开明确的实施例，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公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
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公开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、本公开的一些方面相一致的装置和方法的例子。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
随着信息传输速率的不断提升和5G网络中网络场景日益多样化，通信需求也随之增多，对不同小区进行场景划分是定制规划建设方案、确定网络优化策略的重要基础，特别是在无线通信领域中，由于电磁环境复杂多变，信号具有多样化和高速变化的特性，网络行为和性能因素较过去更加动态和不可预测。
细分场景并进行有针对性的优化是通信网络优化重点关注的方向之一，依赖于专家知识库与人工判决规则的技术方案逐渐暴露出可扩展性较低的弊端，将智能化方法引入通信系统已成为趋势。因此需要结合场景的网络性能表现，快速的识别基站小区覆盖的主要场景，进而有针对性的进行资源、参数配置，达到场景网络性能体验最优，亟待引入新的智能化方法便于实现复杂的通信环境的自主学习识别与对不同的通信场景的智能感知，进而为网络提供智能决策，从而提升无线网络性能。传统方法中，小区场景类别的划分主要依靠专家，根据小区的地理位置、覆盖因素等情况结合规则判决，对小区进行人为的划分。
然而现有技术存在难以针对复杂的通信环境进行小区场景的有效识别，小区场景识别的效率低、准确性差的技术问题。
为了解决上述问题，本申请实施例提供一种小区场景识别方法、装置、设备及存储介质，将特定时间段的待识别小区的网络性能指标数据输入至预设分类模型中，以得到待识别小区场景分类标签，从而实现对小区场景的分类。
可选地，图1为本申请实施例提供的一种小区场景识别系统架构示意图。在图1中，上述架构包括接收装置101、处理器102和显示装置103中至少一种。
可以理解的是，本申请实施例示意的结构并不构成对小区场景识别系统架构的具体限定。在本申请另一些可行的实施方式中，上述架构可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置，具体可根据实际应用场景确定，在此不做限制。图1所示的部件可以以硬件，软件，或软件与硬件的组合实现。
在具体实现过程中，接收装置101可以是输入/输出接口，也可以是通信接口。
处理器102可以将特定时间段的待识别小区的网络性能指标数据输入至预设分类模型中，以得到待识别小区场景分类标签，从而实现对小区场景的分类。
显示装置103可以用于对上述结果等进行显示。
显示装置还可以是触摸显示屏，用于在显示的上述内容的同时接收用户指令，以实现与用户的交互。
应理解，上述处理器可以通过处理器读取存储器中的指令并执行指令的方式实现，也可以通过芯片电路实现。
另外，本申请实施例描述的网络架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着网络架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
下面结合具体的实施例对本申请的技术方案进行详细的说明：
可选地，图2为本申请实施例提供的一种小区场景识别方法的流程示意图。本申请实施例的执行主体可以为图1中的处理器102，具体执行主体可以根据实际应用场景确定。如图2所示，该方法包括如下步骤：
S201：获取待识别小区的网络性能指标数据。
其中，网络性能指标数据包括时间、小区身份标识号(Identity D ocument，ID)、空口下行业务流量、小区平均发射功率、平均每物理资源块(Physical Resource Block，PRB)干扰噪声功率、下行单用户平均感知速率、无线资源控制(Radio Resource Control，RRC)连接平均数、上行单用户平均感知速率、电路域回落(Circuit Switched Fallback，CSFB)触发的RRC连接释放次数、空口下行业务流量中的至少一个。
可选地，可以预先获取待识别小区的所有网络性能指标数据，根据专家经验选取多个与小区场景强相关的指标作为数据集特征的指标，成为与小区场景相关的网络性能指标的数据库，为下一步建立小区场景识别模型打下数据基础。
S202：确定特定时间段，根据特定时间段获取待识别小区在特定时间段的网络性能指标数据。
其中，这里的特定时间段是具有针对性的时间段，以便根据特定时间段的数据对场景进行明确分类，其确定可以根据实际情况确定，本申请实施例对此不做具体限制。
示范性的，可以区分早晚忙时，分别提取到每天上午10点、晚上20点以及全天平均时段的网络性能指标数据。
S203：将特定时间段的网络性能指标数据输入至预设分类模型。
其中，预设分类模型通过预设网络性能指标数据训练样本和小区场景类别标签训练得到。
可选地，预设分类模型为梯度提升树分类模型。
在一种可能的实现方式中，可以选择极端梯度提升(eXtreme GradientBoosting，XGBoost)分类模型。
其中，本申请实施例采用梯度提升树分类模型进行分类，能够实现精准高效分类。
本申请实施例还提供了一种建立预设分类模型的方法：
可选地，在将特定时间段的网络性能指标数据输入至预设分类模型之前，还包括：
获取多个小区在特定时间段的网络性能指标数据，得到预设网络性能指标数据训练样本，并获取多个小区对应的小区场景标签。
将网络性能指标数据和多个小区对应的小区场景标签输入至分类模型进行训练，得到预设分类模型。
其中，小区对应的小区场景标签可以是预先设置的，也可以是获取人工标定的小区场景，从而得到小区场景标签。
可选地，获取多个小区在特定时间段的网络性能指标数据，得到预设网络性能指标数据训练样本，包括：
获取多个小区在特定时间段的所有网络性能指标数据；对所有网络性能指标数据进行筛选，得到与小区场景强相关的相关网络性能指标数据。
其中，可以根据专家经验确定筛选规则，对所有网络性能指标数据进行筛选。
其中，网络性能指标数据包括时间、小区ID、空口下行业务流量、小区平均发射功率、平均每，PRB干扰噪声功率、下行单用户平均感知速率、，RRC连接平均数、上行单用户平均感知速率、CSFB触发的RRC连接释放次数、空口下行业务流量中的至少一个。
相应的，将网络性能指标数据和多个小区对应的小区场景标签输入至分类模型进行训练包括：
将相关网络性能指标数据和多个小区对应的小区场景标签输入至分类模型进行训练。
这里，本申请实施例在获取到多个小区在特定时间段的所有网络性能指标数据之后，针对与小区场景的相关性，对网络性能指标进行了数据清洗，筛选出与小区场景强相关的指标，便于模型提取特征进行分类，也节省了运行内存，提高了模型训练及小区分类的效率。
在一种可能的实现方式中，本申请实施例还可以对预设分类模型进行优化：
可选地，在将网络性能指标数据和多个小区对应的小区场景标签输入至分类模型进行训练，得到预设分类模型之后，还包括：
调整预设分类模型的参数，对预设分类模型进行优化，得到优化预设分类模型；
相应的，将特定时间段的网络性能指标数据输入至预设分类模型，包括：
将特定时间段的网络性能指标数据输入至优化预设分类模型。
示范性的，不断优化调整参数，得到模型的各个参数为决策树的最大深度max_depth＝8、学习率learning_rate＝0.1、随机森林参数n_estimators＝150、显示器参数gamma＝0.1、权重C＝0.01时达到最优拟合效果，保存模型。
这里，本申请实施例还可以在得到预设分类模型之后，对预设分类模型进行参数的调整，从而对模型进行优化，以通过该模型得到更加准确的分类结果，进一步地提高了小区场景识别的准确性。
示范性的，图3为本申请实施例提供的一种训练预设分类模型的流程示意图，如图3所示，在训练分类模型时，经过了对网络性能参数的数据清洗，从而得到了与小区场景相关的网络性能指标的数据库，再通过上述数据获取标签，通过特征提取、数据标签，得到生产数据集，根据数据集训练分类模型，经过测试和优化得到预设分类模型。
本申请实施例提供了一种预设分类模型的训练方法，通过获取多个小区在特定时间段的网络性能指标数据与其对应的小区场景标签，来训练分类模型，结合了小时粒度、不同场景小区的网络性能指标数据，从而能够得到准确分类的预设分类模型。
S204：通过预设分类模型的输出结果，得到待识别小区的小区场景标签。
可选地，预设分类模型的输出结果即为小区场景标签；或者，预设分类模型的输出结果为一个数值，根据数据的范围确定小区场景标签。对于小区场景标签的形式以及输出结果的类型，本申请实施例不作具体限制。
可选地，在通过预设分类模型的输出结果，得到待识别小区的小区场景标签之后，还包括：
根据待识别小区的小区场景标签，制定待识别小区的网络优化策略。
这里，本申请实施例可以针对小区场景标签确定小区的场景，针对不同的小区场景制定不同的网络优化策略，能够有效地对小区进行网络优化，进一步地提高了网络质量，提高了用户体验。
本申请实施例将特定时间段的待识别小区的网络性能指标数据输入至预设分类模型中，以得到待识别小区场景分类标签，从而实现对小区场景的分类，由于预设分类模型通过预设网络性能指标数据训练样本和小区场景类别标签训练得到，其结合了大量小区的网络性能指标数据与小区场景的关系，仅需获取小区的网络性能指标，就能够准确根据待识别小区的网络性能指标数据进行复杂小区的场景识别，还结合了特定时间段数据，将小时粒度的时间因素考虑到了场景识别中，提高了小区场景识别的准确性，同时，与人工识别相比，提高了效率。
图4为本申请实施例提供的一种小区场景识别装置的结构示意图，如图4所示，本申请实施例的装置包括：第一获取模块401、第一处理模块402、输入模块403和第二处理模块404。这里的小区场景识别装置可以是上述处理器102本身，或者是实现处理器102的功能的芯片或者集成电路。这里需要说明的是，第一获取模块401、第一处理模块402、输入模块403和第二处理模块404的划分只是一种逻辑功能的划分，物理上两者可以是集成的，也可以是独立的。
其中，第一获取模块401，用于获取待识别小区的网络性能指标数据；
第一处理模块402，用于确定特定时间段，根据特定时间段获取待识别小区在特定时间段的网络性能指标数据；
输入模块403，用于将特定时间段的网络性能指标数据输入至预设分类模型，预设分类模型通过预设网络性能指标数据训练样本和小区场景类别标签训练得到；
第二处理模块404，用于通过预设分类模型的输出结果，得到待识别小区的小区场景标签。
可选地，在输入模块403将特定时间段的网络性能指标数据输入至预设分类模型之前，上述装置还包括：
建立模块，用于获取多个小区在特定时间段的网络性能指标数据，得到预设网络性能指标数据训练样本，并获取多个小区对应的小区场景标签；将网络性能指标数据和多个小区对应的小区场景标签输入至分类模型进行训练，得到预设分类模型。
可选地，建立模块具体用于：
获取多个小区在特定时间段的所有网络性能指标数据；
对所有网络性能指标数据进行筛选，得到与小区场景强相关的相关网络性能指标数据；
将相关网络性能指标数据和多个小区对应的小区场景标签输入至分类模型进行训练。
可选地，在建立模块将网络性能指标数据和多个小区对应的小区场景标签输入至分类模型进行训练，得到预设分类模型之后，上述装置还包括：
优化模块，用于调整预设分类模型的参数，对预设分类模型进行优化，得到优化预设分类模型；
相应的，输入模块403用于将特定时间段的网络性能指标数据输入至优化预设分类模型。
可选地，预设分类模型为梯度提升树分类模型。
可选地，在第二处理模块404通过预设分类模型的输出结果，得到待识别小区的小区场景标签之后，上述装置还包括：
制定模块，用于根据待识别小区的小区场景标签，制定待识别小区的网络优化策略。
图5为本申请实施例提供的一种小区场景识别设备的结构示意图。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不限制本文中描述的和/或者要求的本申请的实现。
如图5所示，该小区场景识别设备包括：处理器501和存储器502，各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器501可以对在小区场景识别设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。图5中以一个处理器501为例。
存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的小区场景识别设备的方法对应的程序指令/模块(例如，附图4所示的，第一获取模块401、第一处理模块402、输入模块403和第二处理模块404)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的小区场景识别设备的方法。
小区场景识别设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与小区场景识别设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以是小区场景识别设备的显示设备等输出设备。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
本申请实施例的小区场景识别设备，可以用于执行本申请上述各方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现上述任一项所述的小区场景识别方法。
本申请实施例还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时，用于实现上述任一项所述的小区场景识别方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开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，本公开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，本公开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。本公开的范围仅由所附的权利要求书来限制。

Claims (10)

1.一种小区场景识别方法，其特征在于，包括：
获取待识别小区的网络性能指标数据；
确定特定时间段，根据所述特定时间段获取所述待识别小区在特定时间段的网络性能指标数据；
将所述特定时间段的网络性能指标数据输入至预设分类模型，所述预设分类模型通过预设网络性能指标数据训练样本和小区场景类别标签训练得到；
通过预设分类模型的输出结果，得到所述待识别小区的小区场景标签。
2.根据权利要求1所述的方法，其特征在于，在所述将所述特定时间段的网络性能指标数据输入至预设分类模型之前，还包括：
获取多个小区在特定时间段的网络性能指标数据，得到预设网络性能指标数据训练样本，并获取所述多个小区对应的小区场景标签；
将所述网络性能指标数据和所述多个小区对应的小区场景标签输入至分类模型进行训练，得到预设分类模型。
3.根据权利要求2所述的方法，其特征在于，所述获取多个小区在特定时间段的网络性能指标数据，得到预设网络性能指标数据训练样本，包括：
获取多个小区在特定时间段的所有网络性能指标数据；
对所述所有网络性能指标数据进行筛选，得到与小区场景强相关的相关网络性能指标数据；
相应的，所述将所述网络性能指标数据和所述多个小区对应的小区场景标签输入至分类模型进行训练包括：
将所述相关网络性能指标数据和所述多个小区对应的小区场景标签输入至分类模型进行训练。
4.根据权利要求2所述的方法，其特征在于，在所述将所述网络性能指标数据和所述多个小区对应的小区场景标签输入至分类模型进行训练，得到预设分类模型之后，还包括：
调整所述预设分类模型的参数，对所述预设分类模型进行优化，得到优化预设分类模型；
相应的，所述将所述特定时间段的网络性能指标数据输入至预设分类模型，包括：
将所述特定时间段的网络性能指标数据输入至优化预设分类模型。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述预设分类模型为梯度提升树分类模型。
6.根据权利要求1至4任一项所述的方法，其特征在于，在所述通过预设分类模型的输出结果，得到所述待识别小区的小区场景标签之后，还包括：
根据所述待识别小区的小区场景标签，制定所述待识别小区的网络优化策略。
7.一种小区场景识别装置，其特征在于，包括：
第一获取模块，用于获取待识别小区的网络性能指标数据；
第一处理模块，用于确定特定时间段，根据所述特定时间段获取所述待识别小区在特定时间段的网络性能指标数据；
输入模块，用于将所述特定时间段的网络性能指标数据输入至预设分类模型，所述预设分类模型通过预设网络性能指标数据训练样本和小区场景类别标签训练得到；
第二处理模块，用于通过预设分类模型的输出结果，得到所述待识别小区的小区场景标签。
8.一种小区场景识别设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至6任一项所述的小区场景识别方法。
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6任一项所述的小区场景识别方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述的小区场景识别方法。
CN202110745707.5A 2021-06-30 2021-06-30 小区场景识别方法、装置、设备及存储介质 Pending CN115618290A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110745707.5A CN115618290A (zh) 2021-06-30 2021-06-30 小区场景识别方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110745707.5A CN115618290A (zh) 2021-06-30 2021-06-30 小区场景识别方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115618290A true CN115618290A (zh) 2023-01-17

Family

ID=84856047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110745707.5A Pending CN115618290A (zh) 2021-06-30 2021-06-30 小区场景识别方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115618290A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116528282A (zh) * 2023-07-04 2023-08-01 亚信科技（中国）有限公司 覆盖场景识别方法、装置、电子设备和可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116528282A (zh) * 2023-07-04 2023-08-01 亚信科技（中国）有限公司 覆盖场景识别方法、装置、电子设备和可读存储介质
CN116528282B (zh) * 2023-07-04 2023-09-22 亚信科技（中国）有限公司 覆盖场景识别方法、装置、电子设备和可读存储介质

Similar Documents

Publication Publication Date Title
CN108681667A (zh) 一种设备型号识别方法、装置及处理设备
CN107742290A (zh) 植物病害识别预警方法及装置
CN111163482B (zh) 数据的处理方法、设备及存储介质
CN112800165B (zh) 一种基于聚类算法的产业集群定位方法、装置及电子设备
CN112307886A (zh) 行人重识别方法和装置
CN105812175B (zh) 一种资源管理方法及资源管理设备
CN105867902A (zh) 一种多媒体信息的分享方法及装置
CN109635211A (zh) 推广页面的实现方法及服务器
CN110109899A (zh) 物联网数据填补方法、装置及系统
CN108664665A (zh) 数据格式转化方法、装置、设备及可读存储介质
CN106445850A (zh) 一种智能硬件的连接方法及装置
CN115618290A (zh) 小区场景识别方法、装置、设备及存储介质
CN109993562B (zh) 一种满意度仿真方法、装置及终端设备
CN113660687A (zh) 网络差小区处理方法、装置、设备及存储介质
CN104182470B (zh) 一种基于svm的移动终端应用分类系统和方法
CN106484409A (zh) 一种页面控件管理方法及装置
CN111123728A (zh) 无人车仿真方法、装置、设备及计算机可读介质
CN116229188B (zh) 图像处理显示方法、分类模型的生成方法及其设备
CN104301170A (zh) 基于特征分类的移动终端应用友好性评判方法
CN106850762A (zh) 一种消息推送方法、服务器及消息推送系统
CN110781878B (zh) 目标区域的确定方法及装置、存储介质、电子装置
CN105374131A (zh) 一种自动化测试的方法及装置
CN112948251B (zh) 软件自动测试方法及装置
CN108932704A (zh) 图片处理方法、图片处理装置及终端设备
CN106131885B (zh) 一种无线测量报告mr会话关联方法及装置

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