CN115734264A

CN115734264A - 5g网络覆盖评估方法、装置、计算机可读介质及电子设备

Info

Publication number: CN115734264A
Application number: CN202111012418.0A
Authority: CN
Inventors: 秦世鹏; 陈思; 陈守益; 黄辉; 史光耀; 卿晓春; 黄莉
Original assignee: China Telecom Corp Ltd
Current assignee: China Telecom Corp Ltd
Priority date: 2021-08-31
Filing date: 2021-08-31
Publication date: 2023-03-03

Abstract

本申请属于网络覆盖规划技术领域，具体涉及一种5G网络覆盖评估方法、装置、可读介质以及电子设备；本申请通过5G网络覆盖换算模型将待评估区域的4G网络覆盖数据和4G网络和5G网络的差异特征数据组合作为输入，得到待评估区域的5G网络覆盖数据，本申请在进行5G网络覆盖预测时加入了差异特征数据这一重要特征，降低了5G网络覆盖预测结果与实际结果的误差，得出的5G网络覆盖结果准确性更高，而且，本申请的评估步骤简单，不需要进行额外的步骤，效率高；同时，本申请模型训练时直接使用路测的数据和测量报告数据，不需要通过仿真地图的形式，成本低，有利于对待评估区域进行5G网络的精准部署。

Description

5G网络覆盖评估方法、装置、计算机可读介质及电子设备

技术领域

本申请属于网络覆盖评估与规划技术领域，具体涉及一种5G网络覆盖评估方法、5G网络覆盖评估装置、计算机可读介质以及电子设备。

背景技术

在现阶段的5G网络规划过程中，普遍采取的方式和手段为使用运行在硬件配置较高的服务器上的5G仿真软件进行5G网络覆盖预测和仿真，输出规划结果。

但是利用以上方法进行5G网络覆盖评估存在成本高、效率低、误差大等问题，从而无法有效地指导5G网络的精准部署。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本申请的目的在于提供一种5G网络覆盖评估方法、5G网络覆盖评估装置、计算机可读介质以及电子设备，至少在一定程度上克服相关技术中5G网络覆盖评估存在成本高、效率低、误差大等技术问题。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的一个方面，提供一种5G网络覆盖评估方法，包括：

提取路测的4G网络覆盖数据、5G网络覆盖数据和差异特征数据，所述4G网络覆盖数据用于评估4G网络覆盖质量，所述5G网络覆盖数据用于评估5G网络覆盖质量，所述差异特征数据包括4G网络和5G网络在网络覆盖上的特征差异集合；

以所述4G网络覆盖数据和所述差异特征数据组合作为输入样本，以对应于所述4G网络覆盖数据的5G网络覆盖数据作为输出样本，对预设的机器学习模型进行训练，得到5G网络覆盖换算模型；

通过4G测量报告数据提取待评估区域的4G网络覆盖数据，提取待评估区域的差异特征数据，将所述待评估区域的4G网络覆盖数据以及所述待评估区域的差异特征数据输入到所述5G网络覆盖换算模型中，得到待评估区域的5G网络覆盖数据。

根据本申请实施例的一个方面，提供一种5G网络覆盖评估装置，包括：

提取模块，被配置为提取路测的4G网络覆盖数据、5G网络覆盖数据和差异特征数据，所述4G网络覆盖数据用于评估4G网络覆盖质量，所述5G网络覆盖数据用于评估5G网络覆盖质量，所述差异特征数据包括4G网络和5G网络在网络覆盖上的特征差异集合；

模型建立模块：被配置为以所述4G网络覆盖数据和所述差异特征数据组合作为输入样本，以对应于所述4G网络覆盖数据的5G网络覆盖数据作为输出样本，对预设的机器学习模型进行训练，得到5G网络覆盖换算模型；

评估模块：被配置为通过4G测量报告数据提取待评估区域的4G网络覆盖数据，提取待评估区域的差异特征数据，将所述待评估区域的4G网络覆盖数据以及所述待评估区域的差异特征数据输入到所述5G网络覆盖换算模型中，得到待评估区域的5G网络覆盖数据。

在本申请的一些实施例中，基于以上技术方案，所述4G测量报告数据包括数据定位和4G网络覆盖数据内容，所述评估模块包括：

数据获取单元，所述数据获取单元被配置为获取所述4G测量报告数据的数据定位，所述数据定位用于表示所述待评估区域的位置信息；

获取与所述数据定位对应的4G网络覆盖数据内容。

在本申请的一些实施例中，基于以上技术方案，所述数据获取单元包括位置获取单元，所述位置获取单元被配置为获取地图以及与所述地图对应的指纹库，所述指纹库用于建立接收信号强度样本与地图位置信息的映射关系；

根据所述4G测量报告数据，获取所述待评估区域的接收信号强度；

将所述待评估区域的接收信号强度与所述指纹库中的接收信号强度样本进行匹配检测，将匹配成功的所述接收信号强度对应的地图位置信息作为所述待评估区域的位置信息。

在本申请的一些实施例中，基于以上技术方案，所述位置获取单元包括匹配单元，所述匹配单元被配置为当所述待评估区域的接收信号强度与所述指纹库中的接收信号强度样本相同或者所述待评估区域的接收信号强度与所述指纹库中的接收信号强度的相似度在预设的阈值范围内时，将所述指纹库中的接收信号强度对应的位置信息作为所述待评估区域的位置信息。

在本申请的一些实施例中，基于以上技术方案，所述待评估区域包括主小区区域和邻小区区域，所述匹配单元包括相似度计算单元，所述相似度计算单元被配置为根据以下公式计算待评估区域的接收信号强度与所述指纹库中的接收信号强度的相似度，具体公式如下：

其中，s_i(i＝1,...M)表示所述4G测量报告数据中第i个邻小区区域接收信号强度与所述指纹库中的接收信号强度的强度误差，所述强度误差的计算公式如下：

其中，g(i)表示所述4G测量报告数据中相对于主小区区域的不同邻小区区域的权重，P_i表示第i个邻小区区域的接收信号强度，

表示所述指纹库中与第i个邻小区区域的绝对无线频率信道号和物理层小区标识分别相同的区域对应的接收信号强度，σ表示预设值，当所述指纹库中不存在与所第i个邻小区区域的绝对无线频率信道号和物理层小区标识分别相同的区域时，s_i的取值为σ。

在本申请的一些实施例中，基于以上技术方案，所述模型建立模块包括数据接收单元、数据预处理单元和模型训练单元，

所述数据接收单元被配置为接收路测的4G参考信号接收功率、4G发射功率、4G天线增益、4G频段和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、5G频段和5G手机接收天线数量；

所述数据预处理单元被配置为将所述4G参考信号接收功率、4G发射功率、4G天线增益、4G频段和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、5G频段和5G手机接收天线数量进行预处理以便输入机器学习模型进行训练；

所述模型训练单元被配置为以预处理后的所述4G参考信号接收功率和所述4G发射功率与5G发射功率差异、4G天线增益与5G天线增益差异、4G频段和5G频段差异、4G手机接收天线数量与5G手机接收天线数量差异组合作为输入样本，以预处理后的所述5G参考信号接收功率作为输出样本，利用预设的机器学习模型进行训练，得到5G网络覆盖换算模型。

在本申请的一些实施例中，基于以上技术方案，所述数据预处理单元包括标准化单元和编码单元，

所述标准化单元被配置为将4G参考信号接收功率、4G发射功率、4G天线增益和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、和5G手机接收天线数量进行标准化处理；

所述编码单元被配置为将4G频段和5G频段采用独热编码处理。

根据本申请实施例的一个方面，提供一种计算机可读介质，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以上技术方案中的5G网络覆盖评估方法。

根据本申请实施例的一个方面，提供一种电子设备，该电子设备包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器被配置为经由执行所述可执行指令来执行如以上技术方案中的5G网络覆盖评估方法。

根据本申请实施例的一个方面，提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行如以上技术方案中的5G网络覆盖评估方法。

在本申请实施例提供的技术方案中，本申请通过提取路测的4G网络覆盖数据和4G网络和5G网络的差异特征数据组合作为输入样本，通过提取路测的5G网络覆盖数据作为输出样本，对预设的机器学习模型进行训练，得到5G网络覆盖换算模型，利用5G网络覆盖换算模型将待评估区域的4G网络覆盖数据和待评估区域的4G网络和5G网络的差异特征数据组合输入，得到待评估区域的5G网络覆盖数据的结果，本申请在进行5G网络覆盖预测时加入了差异特征数据这一重要特征，降低了5G网络覆盖预测结果与实际结果的误差，而且，当5G网络覆盖换算模型训练完成之后，直接将4G网络覆盖数据和差异特征数据输入就可以获得待评估区域5G网络覆盖数据，不需要进行额外的步骤，效率高，同时，本申请模型训练时直接使用路测的数据和测量报告数据，而不需要通过仿真地图的形式，成本低，有利于对待评估区域进行5G网络的精准部署。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

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。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的前提下，还可以根据这些附图获得其他的附图。

图1示意性地示出了应用本申请技术方案的示例性系统架构框图。

图2示意性地示出了本申请5G网络覆盖评估方法的流程图。

图3示意性地示出了本申请差异特征数据的获取方法流程图。

图4示意性地示出了4G和5G发射功率对比表。

图5示意性地示出了本申请5G网络覆盖换算模型建立方法流程图。

图6示意性地示出了本申请获取4G测量报告数据的数据定位的方法流程图。

图7示意性的示出了本申请将各个邻小区区域和主小区区域的5G参考信号接收功率合并的效果图。

图8示意性的示出了本申请图7中待评估区域栅格的放大图。

图9示意性的示出了本申请5G网络覆盖评估装置的结构框图。

图10示意性地示出了用于实现本申请实施例的电子设备的计算机系统结构框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

随着5G网络的发展，对于各个区域5G网络的规划显得尤为重要。而对于5G网络的规划的重点是需要评估该区域的5G网络覆盖情况，根据覆盖情况进行不同的规划和部署。

而对于5G网络覆盖情况的获取可以使用运行在硬件配置较高的服务器上的5G仿真软件进行覆盖预测和仿真，输出规划结果。该方法的具体步骤如下：

第一步：地图解析，在仿真工具中，导入网络所在区域三维地图信息。一般导入包含：地形的海拔地图、地物分类地图和矢量地图；

第二步：基础数据导入，在仿真工具中导入相关的基础数据，主要包括工参数据、天线数据、测试数据等；

第三部：选择、校正传播模型：针对网络的频率，以及网络传播地形地貌等信息，选择合适的传播模型，如标准传播模型、射线追踪模型。模型校正需要针对具体的无线环境进行典型的测试，得到一些实际传播损耗数据，然后以这些数据为依据对原始传播预测模型进行校正；

第四步：无线网络仿真，使用仿真工具对仿真区域的路损进行计算，然后根据发射功率、天线增益等得到该区域的覆盖仿真、干扰仿真等结果；

第五步：仿真结果输出，统计仿真区域的各项覆盖指标及输出相关的渲染图层。

利用以上的方法获取5G网络覆盖情况存在以下问题：第一，需要专用的仿真地图使得成本较高，且很多郊区农村区域缺乏仿真地图完全无法进行规划；第二，导入的静态三维地图存在误差，现在国内基建速度很快，可能几个月，某些地方地貌就会发生巨大变化，比如，盖一栋楼或者建一座立交桥，或者棚户区拆迁等。因此用老旧的地图来进行计算，某些地方会至少带来3～6dB以上的误差，导致得到5G网络覆盖结果误差较大；第三，传播模型存在误差，传播模型的标准差城市环境下为8～10dB，就算采用路测进行传播模型校正，也将还存在6dB左右的误差，也会导致5G网络覆盖结果误差较大；第四，整个步骤非常繁琐，效率很低。因此，利用以上方法进行5G网络覆盖情况的获取存在误差大，成本高，效率低的问题，从而无法有效地指导5G网络的精准部署，不利于5G网络的部署和发展。

为了解决以上的技术问题，本申请提供了一种5G网络覆盖评估方法、5G网络覆盖评估装置、计算机可读介质以及电子设备。下面将具体公开各个方面具体的内容。

如图1所示，系统架构100可以包括终端设备110、网络120和服务器130。终端设备110可以包括智能手机、平板电脑、笔记本电脑、台式电脑等各种电子设备。服务器130可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。网络120可以是能够在终端设备110和服务器130之间提供通信链路的各种连接类型的通信介质，例如可以是有线通信链路或者无线通信链路。

根据实现需要，本申请实施例中的系统架构可以具有任意数目的终端设备、网络和服务器。例如，服务器130可以是由多个服务器设备组成的服务器群组。另外，本申请实施例提供的技术方案可以应用于终端设备110，也可以应用于服务器130，或者可以由终端设备110和服务器130共同实施，本申请对此不做特殊限定。

以上部分介绍了本申请系统架构的组成，接下来介绍本申请具体的实现方法。

根据本申请实施例的一个方面，本申请公开了一种5G网络覆盖评估方法，如图2所示，图2示意性地示出了本申请5G网络覆盖评估方法的流程图，包括步骤S210-步骤S230，具体如下：

在步骤S210中：提取路测的4G网络覆盖数据、5G网络覆盖数据和差异特征数据，4G网络覆盖数据用于评估4G网络覆盖质量，5G网络覆盖数据用于评估5G网络覆盖质量，差异特征数据包括4G网络和5G网络在网络覆盖上的特征差异集合。

其中，4G网络覆盖数据和5G网络覆盖数据是分别用于评价4G网络和5G网络的网络覆盖质量的数据。实际使用时，可以用参考信号接收功率(RSRP)作为网络覆盖质量的评估数据。而参考信号接收功率(RSRP)的获得方式可以通过路测进行获得，也可以通过测量报告获得。参考信号接收功率是LTE(长期演进技术)网络中可以代表无线信号强度的关键参数以及物理层测量需求之一，是在某个符号内承载参考信号的所有RE(资源粒子)上接收到的信号功率的平均值。根据参考信号接收功率的大小就可以得到对应的网络覆盖质量。当参考信号接收功率的值大于-85dBm，就认为该位置的网络覆盖质量较好，可获得中等以上速率的数据业务。室内能发起各种业务，可获得低速率以上的数据业务。而当参考信号接收功率的值小于-85dBm，表明网络覆盖质量较差，掉话率高，如果参考信号接收功率的值小于-110m，则表明该区域等同于没有网络覆盖，业务基本无法起呼。

本申请路测的4G网络覆盖数据、5G网络覆盖数据可以来自于预先路测好的数据，例如运营商通过路测得到的特定区域的4G参考信号接收功率和5G参考信号接收功率。也可以是通过实际进行路测得到的4G网络覆盖数据、5G网络覆盖数据。而对于路测的范围应该确定为一个尽可能大的区域，可以以面积为十五公里的一个区域作为基准。这样所得到的路测的4G网络覆盖数据、5G网络覆盖数据才有建立换算模型的价值，可以避免出现区域太小导致最终的5G换算模型换算偏差太大。

而本申请的差异特征数据指的是4G网络和5G网络在网络覆盖上的特征差异集合。从网络覆盖的角度来说，共站的4G和5G基站有着几乎相同的无线环境，两者在覆盖上的差异主要来自于频段、功率、终端、波束增益等因素。因此，本申请基于网络建设初期4G和5G基站基本都为共站建设的情况，将4G网络和5G网络在网络覆盖主要集中在了频段、功率、终端和波束增益这几个方面，对于其他方面的差异特征数据在4G和5G基站共站的情况下本申请暂不考虑。

下面具体分析4G网络和5G网络在网络覆盖上的特征差异的内容，并公开得到差异特征数据的过程，在本申请的一个实施例中，如图3所示，图3示意性地示出了本申请差异特征数据的获取方法流程图。差异特征数据的获取方法包括步骤S310-步骤S340。

步骤S310：获取4G频段和5G频段，计算4G频段和5G频段差异范围，将4G频段和5G频段差异范围作为第一差异特征数据。

频段是无线通信中无线电波的频率范围。频段的获得一般根据基站的配置。如果4G和5G处于同一频段，则4G和5G的传播路径损耗基本一致，则不需要考虑频段间的差异。但如果4G和5G处于不同频段，则需要考虑频段间的基础差异。目前各个运营商都有自己的频段标准和名称，虽然各个运营商的频段名称不同，但是，其对应的频率范围都存在重合的情况。例如中国电信使用的4G频段中有一个名称为1800的，对应的频率范围是1860-1880MHz；电信使用的5G频段的频率范围是3300-3400MHz。因此，这两个频段就存在差异，对应的差异特征数据就是频段的差异范围，而差异范围的计算方法有多种，可以将5G频段对应频段范围中的最大值减去5G频段对应频段范围中的最小值得到频段差异范围，例如以上中国电信的4G频段和5G频段的频段差异范围是3400-1860＝1540MHz，因此，通过以上方法，就可以得出频段差异范围，将频段差异范围作为第一差异特征数据。

步骤S320：获取4G发射功率和5G发射功率，计算4G发射功率和5G发射功率的差值，将4G发射功率和5G发射功率的差值作为第二差异特征数据。

网络中基站的发射功率是平均到每个子载波上的，对应于每个子载波均分基站的发射功率，因此，每个子载波的发射功率受到配置的系统带宽的影响，带宽越大，每个子载波的功率越小，发射功率通过基站的配置来获取。如图4所示，图4示意性地示出了4G和5G发射功率对比表。对于4G网络使用的是LTE(长期演进技术)系统，带宽是20MHz，对应的子载波间隔为15KHz，系统带宽为20MHz，有效子载波数为1200，天线功率为40w，单子载波功率为15.2dBm。而以上的4G网络的发射功率数据仅仅是采用LTE(长期演进技术)系统，带宽是20MHz的数据，对于其他的4G网络可以通过其网络形式查出对应的发射功率。

而5G网络使用的是NR(新空口)系统，NR系统又分成两种，分别是NR1和NR2，NR1对应的发射功率数据为子载波间隔为30KHz，系统带宽为100MHz，子载波间隔配置为1，有效子载波数为3264，天线功率为200w，单子载波功率为17.9dBm。NR2对应的发射功率数据为子载波间隔为60KHz，系统带宽为100MHz，子载波间隔配置为2，有效子载波数为1620，天线功率为200w，单子载波功率为20.9dBm。因此，通过以上数据可以得出，对于NR1系统的5G网络，4G发射功率和5G发射功率的差值为2.7dBm，对于NR2系统的5G网络，4G发射功率和5G发射功率的差值为5.7dBm。因此，就可以将计算得到的4G发射功率和5G发射功率的差值作为第二差异特征数据。因此，实际的路测数据对应的4G发射功率和5G发射功率的差值可以参考上述的方法，在获得4G网络和5G网络的单子载波功率后得到4G发射功率和5G发射功率的差值。

步骤S330：获取4G接收天线数量和5G接收天线数量，计算4G接收天线数量和5G接收天线数量的天线差值，根据天线差值计算接收电平差值，将接收电平差值作为第三差异特征数据。

4G网络和5G网络的接收天线数量一般不同，接收天线数量是预设好的确定值，对于LTE终端，接收天线数量为两个，而对于5GNR终端接收天线数量为4个，那对应的天线差值为2，而接收天线的作用是进行分集接收，以增加上行接收信号的电平和质量，因此，考虑到多天线的接收增益，根据天线差值计算接收电平差值，得出5GNR终端在接收电平比4GLTE终端高3dB，即得到接收电平差值为3dB。

步骤S340：获取4G天线增益和5G天线增益，计算4G天线增益和5G天线增益的差值，将4G天线增益和5G天线增益的差值作为第四差异特征数据。

在确定4G天线增益和5G天线增益需要先确定4G波速和5G波速的差异，波速是指单位时间内一定的振动状态所传播的距离。由于5G网络引入了大规模密集型多输入多输出天线阵列(MassiveMIMO)及波束管理技术，网络覆盖相比4G在水平及垂直维度提供了更强的覆盖能力和灵活性。其中5G使用的是窄波速，4G使用的是宽波速，5G的多个窄波束覆盖能力强于4G单个宽波束的覆盖能力。

而天线增益的计算方法是通过实际天线的水平和垂直方向图来确定的，首先通过坐标变换计算出空间中任意一点在天线水平和垂直方向图坐标中的水平角和垂直角，根据天线方向图读出水平增益和垂直增益，再通过三维线形插值方法就可以计算出空间中任意一点的增益，得到4G天线增益。在实际使用中可以直接通过获取已经计算好的4G天线增益。

而5G相比于4G由于波速不同，5G天线增益计算时首先计算出每个窄波束n的增益Gn，计算方法同4G天线增益计算方法一致，然后根据计算出的增益选择增益最大的波束作为该点的5G覆盖波速，增益最大的Gn就为该点的5G天线增益。在实际使用中可以直接通过获取已经计算好的5G天线增益也可以通过以上的计算方法进行计算获得，将4G天线增益和5G天线增益的差值作为第四差异特征数据。

通过步骤S210提取路测的4G网络覆盖数据、5G网络覆盖数据和差异特征数据之后，就可以对这些数据进行训练，具体的训练方法如步骤S220。

在步骤S220中：以4G网络覆盖数据和差异特征数据组合作为输入样本，以对应于4G网络覆盖数据的5G网络覆盖数据作为输出样本，对预设的机器学习模型进行训练，得到5G网络覆盖换算模型。

将步骤S210中对应的数据代入到4G网络覆盖数据、差异特征数据和5G网络覆盖数据中，具体的5G网络覆盖换算模型建立方法如如图5所示，图5示意性地示出了本申请5G网络覆盖换算模型建立方法流程图。包括：步骤S510-步骤S530。

步骤S510：接收路测的4G参考信号接收功率、4G发射功率、4G天线增益、4G频段和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、5G频段和5G手机接收天线数量。

其中，4G参考信号接收功率和5G参考信号接收功率分别对应的是4G网络覆盖数据和5G网络覆盖数据。而对于差异特征数据，结合上述步骤S310-步骤S340，将4G频段和5G频段差异范围作为第一差异特征数据；将4G发射功率和5G发射功率的差值作为第二差异特征数据；计算4G接收天线数量和5G接收天线数量的天线差值，根据天线差值计算接收电平差值，将接收电平差值作为第三差异特征数据；将4G天线增益和5G天线增益的差值作为第四差异特征数据，通过第一差异特征数据、第二差异特征数据、第三差异特征数据和第四差异特征数据组合形成差异特征数据。

步骤S520：将4G参考信号接收功率、4G发射功率、4G天线增益、4G频段和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、5G频段和5G手机接收天线数量进行预处理以便输入机器学习模型进行训练。

在本申请的一个实施例中，本申请对以上数据进行预处理前，可以根据4G频段和5G频段得到第一差异特征数据；根据4G发射功率和5G发射功率得到第二差异特征数据；根据4G接收天线数量和5G接收天线数量的天线差值得到第三差异特征数据；根据4G天线增益和5G天线增益的差值得到第四差异特征数据，因此，实际上进行预处理的数据可以是：4G参考信号接收功率、5G参考信号接收功率、第一差异特征数据、第二差异特征数据、第三差异特征数据和第四差异特征数据。

其中，预处理的过程是为了方便机器学习模型对这些数据进行训练，而对以上数据进行预处理之前，一般还会对这些数据进行数据清洗。

在本申请的一个实施例中，在对4G参考信号接收功率、4G发射功率、4G天线增益、4G频段和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、5G频段和5G手机接收天线数量进行预处理之前，还包括对以上数据进行数据清洗，具体的数据清洗方法可以包括：

缺失值处理：在通过路测数据获得以上数据的过程中，由于环境等因素影响，可能很多区域会缺失特定的数据，因此，缺失值处理的思路是利用最可能的值填补遗漏值；本申请可以利用回归分析、贝叶斯计算公式或决策树推断出该条记录特定属性的最大可能的取值，从而补齐对应的取值。例如，通过某个区域进行路测，由于特定原因，得不到4G参考信号接收功率的值，这时就可以通过回归分析、贝叶斯计算公式或决策树推断出该条记录特定属性的最大可能的取值，从而直接进行填补，避免出现缺失值，导致后续的5G网络覆盖换算模型出错。

异常值处理：在通过路测数据获得以上数据的过程中，可能有些数据明显是错误的，因此，需要对这些错误的数据进行排除。本申请使用的方法是通过聚类算法来帮助发现异常数据。将相似或相邻近的数据利用聚类算法聚合在一起形成了各个聚类集合，而那些位于这些聚类集合之外的数据对象，自然而然就被认为是异常数据，可以进行排除处理。

除了以上的数据清洗方法外，还可以其它方法对以上数据进行清洗，以进一步提高5G网络覆盖换算模型的准确性，避免出现错误。尤其是避免5G网络覆盖换算模型有数据输入而识别不出该数据或者有数据输入而得不到对应的输出数据的情况。

将以上数据进行数据清洗之后，就可以进行数据预处理，而数据预处理的方法基于不同的数据有不同的处理方法。

在本申请的一个实施例中，本申请对于数据预处理的方法包括：

将4G参考信号接收功率、4G发射功率、4G天线增益和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、和5G手机接收天线数量进行标准化处理。

在多指标评价体系中，由于各评价指标的性质不同，通常具有不同的量纲和数量级。当各指标间的水平相差很大时，如果直接用原始指标值进行分析，就会突出数值较高的指标在综合分析中的作用，相对削弱数值水平较低指标的作用。因此，为了保证结果的可靠性，需要对原始指标数据进行标准化处理。而本申请对应的5G网络覆盖换算模型也是一个多指标评价体系，里面存在有4G参考信号接收功率、4G发射功率、4G天线增益和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、和5G手机接收天线数量这些指标值。因此，还需要对这些值进行标准化处理，而本申请具体进行标准化处理时。

标准化处理是将数据按比例缩放，使之落入一个小的特定区间。将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。具体标准化处理的公式如下：

x＝(X-mean)/std

其中，x是标准化后的值，X是原始值，mean为均值，std为标准差。

以4G参考信号接收功率为例，本申请通过路测采集了一千个4G参考信号接收功率，而mean就可以代表这一千个4G参考信号接收功率的平均值，std代表这一千个4G参考信号接收功率的标准差。而标准化后的值为x，那么x＝(X-mean)/std，因此，利用该公式就可以将所有的一千个4G参考信号接收功率都进行标准化处理。同样的，本申请还将对应的一千个第一差异特征数据进行同样的处理，以实现标准化。最后使得4G参考信号接收功率、5G参考信号接收功率、第二差异特征数据、第三差异特征数据和第四差异特征数据都落入一个小的特定区间。

而对于频段的预处理方式有所不同，本申请对频段的预处理是通过将4G频段和5G频段采用独热编码处理。独热编码是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。对频段进行独热编码处理后，就可以得到第一差异特征数据。

通过以上的方法可以得到数据清洗和预处理后的4G参考信号接收功率、5G参考信号接收功率、第一差异特征数据、第二差异特征数据、第三差异特征数据和第四差异特征数据。就可以进行步骤S530。

步骤S530：以预处理后的4G参考信号接收功率和4G发射功率与5G发射功率差异、4G天线增益与5G天线增益差异、4G频段和5G频段差异、4G手机接收天线数量与5G手机接收天线数量差异组合作为输入样本，以预处理后的5G参考信号接收功率作为输出样本，利用预设的机器学习模型进行训练，得到5G网络覆盖换算模型。

本申请具体在训练时还可以将预处理后的4G参考信号接收功率、第一差异特征数据、第二差异特征数据、第三差异特征数据和第四差异特征数据组合作为输入样本，以预处理后的5G参考信号接收功率作为输出样本，利用预设的机器学习模型进行训练，得到5G网络覆盖换算模型。

其中，机器学习模型可以使用LightGBM模型，LightGBM模型拥有更快的训练效率；采用lightGBM算法对模型预测，sparkMLlib支持该模型，可以用spark引擎对以上的数据进行模型的训练和调用，Spark是专为大规模数据处理而设计的快速通用的计算引擎。工程上实现方便，模型训练可以是离线，训练完成之后，可做到批量快速预测。

在本申请的一个实施例中，本申请还可以引入栅格位置来实现数据的绑定关系，栅格位置是将实际的地图经纬度加高度转换为墨卡托坐标系后的位置。一个栅格位置对应地图上的一片区域，而一个栅格位置上存在一组4G参考信号接收功率、第一差异特征数据、第二差异特征数据、第三差异特征数据、第四差异特征数据和5G参考信号接收功率。而且5G参考信号接收功率是与4G参考信号接收功率、第一差异特征数据、第二差异特征数据、第三差异特征数据、第四差异特征数据的组合相互对应的。因此，引入栅格位置可以快速的定位地理位置，便于5G参考信号接收功率是与4G参考信号接收功率、第一差异特征数据、第二差异特征数据、第三差异特征数据、第四差异特征数据的组合建立连接关系。

下面将举例进一步说明以上的内容，采集面积为十五公里的路测数据，可能得到了一万个栅格位置，对应一万组4G参考信号接收功率、第一差异特征数据、第二差异特征数据、第三差异特征数据、第四差异特征数据和5G参考信号接收功率数据。将这一万组4G参考信号接收功率、第一差异特征数据、第二差异特征数据、第三差异特征数据、第四差异特征数据和5G参考信号接收功率数据，以4G参考信号接收功率、第一差异特征数据、第二差异特征数据、第三差异特征数据、第四差异特征数据作为输入样本，以对应的5G参考信号接收功率数据作为输出样本，输入到lightGBM模型中进行训练，就可以得到本申请的5G网络覆盖换算模型。其中，5G参考信号接收功率数据的对应关系就是基于栅格位置，同处于一个栅格位置内的4G参考信号接收功率、第一差异特征数据、第二差异特征数据、第三差异特征数据和第四差异特征数据组合与5G参考信号接收功率数据存在对应关系。

通过以上步骤训练好模型之后，就可以进行5G网络覆盖数据的评估，具体如步骤S230。

在步骤S230中：通过4G测量报告数据提取待评估区域的4G网络覆盖数据，提取待评估区域的差异特征数据，将待评估区域的4G网络覆盖数据以及待评估区域的差异特征数据输入到5G网络覆盖换算模型中，得到待评估区域的5G网络覆盖数据。

测量报告是指信息在业务信道上每480ms(信令信道上470ms)发送一次数据，这些数据可用于网络评估和优化。测量报告数据主要来自用户设备和基站。测量数据以统计数据形式(可以在基站无线接入网网元管理系统(OMC-R)上实现统计)报送到OMC-R进行存储或者直接报送到OMC-R以样本数据形式进行存储。

通过4G测量报告数据提取待评估区域的4G网络覆盖数据就可以得到待评估区域对应的4G参考信号接收功率，而待评估区域的差异特征数据的计算方法同步骤S310-步骤S340，此处不再赘述。将待评估区域的4G参考信号接收功率以及待评估区域的差异特征数据输入到5G网络覆盖换算模型中，就可以得到待评估区域的5G网络覆盖数据。其中，该步骤在输入时，同样对待评估区域的4G参考信号接收功率以及待评估区域的差异特征数据进行了数据清洗和数据预处理。利用该步骤就可以得到待评估区域的5G参考信号接收功率，利用5G参考信号接收功率可以确定待评估区域的5G网络覆盖质量。

其中，4G测量报告数据以统计数据形式的形式对进行存储，因此，在4G测量报告数据中包括许多位置信息和对应该位置信息的数据内容。位置信息就指代的是数据定位，而4G测量报告中保存有4G网络覆盖数据内容。

在本申请的一个实施例中，通过4G测量报告数据提取待评估区域的4G网络覆盖数据的方法，包括：

获取4G测量报告数据的数据定位，数据定位用于表示待评估区域的位置信息；

获取与数据定位对应的4G网络覆盖数据内容。

例如，需要评估A地区的5G网络覆盖情况，那么就可以获取4G测量报告数据中A地区对应的数据定位，然后根据该数据定位获取到4G网络覆盖数据内容，得到4G参考信号接收功率。而对于位置信息可以利用经纬度确定位置，也可以利用栅格位置，当利用栅格位置进行匹配时，具体的方法是：将待评估区域的地图经纬度和高度转换为墨卡托坐标系后的位置作为待评估区域栅格位置，匹配待评估区域栅格位置和4G测量报告数据中的栅格位置，将匹配成功的4G测量报告数据中的栅格位置作为待评估区域栅格位置。利用以上方法就可以得到待评估区域的数据定位，然后根据该数据定位就可以获得5G参考信号接收功率。

在本申请的一个实施例中，本申请进行获取4G测量报告数据的数据定位的方法是利用测量报告指纹库的方法，图6示意性地示出了本申请获取4G测量报告数据的数据定位的方法流程图。如图6所示，获取4G测量报告数据的数据定位的方法包括步骤S610-步骤S630。

步骤S610：获取地图以及与地图对应的指纹库，指纹库用于建立接收信号强度样本与地图位置信息的映射关系。

地图可以使用高精度地图，也可以使用现有的普通地图。而与地图对应的指纹库是地图中的位置和某种“指纹”联系起来，一个位置对应一个独特的指纹。这个指纹可以是单维或多维的，比如待定位设备在接收或者发送信息，那么指纹可以是这个信息或信号的一个特征或多个特征(最常见的是信号强度)。而本申请所使用的指纹对应的就是接收信号强度。

接收信号强度(RSS)取决于接收器的位置。RSS的获取很简单，因为它是大多数无线通信设备正常运行中所必需的。很多通信系统需要RSS信息用来感知链路的质量，实现切换，适应传输速率等功能。RSS不受信号带宽的影响，没必要高的带宽，因此RSS是一个很受欢迎的信号特征，并广泛应用于定位中，可以直接通过测量报告获取。

而本申请将接收信号强度样本与地图位置信息建立映射关系，即一个接收信号强度信息对应一个地图位置信息，而如此映射的原因是基于信号的多径结构这一特性。信号的多径结构是指无线电信号传播时，这些“射线”可以在光滑的平面(比如建筑物的墙壁、地板)上进行反射，遇到锐利的边缘会发生衍射，遇到小型的物体(比如树叶)会发生散射。发射源发出的无线电信号可以通过多条路径传播到同一位置，因此在一个位置上会接收到多条射线，每条射线有不同的能量强度和时延。每条到达接收器的射线称为一个多径分量，信道的多径结构指的是这一组(多条射线)信号强度和时延。如果信号的带宽足够大(比如使用直接序列扩频技术或者超宽带技术)，那么在接收器上可以分解和处理各个多径分量。因此，某个位置上得到的多径结构取决于实际的环境，能够被用来作为位置指纹。即各个位置的接收信号强度都是独特的，因此，可以先建立接收信号强度和位置信息的映射关系，得到指纹库。

得到指纹库之后，就可以进行数据定位的获取，执行步骤S620。

步骤S620：根据4G测量报告数据，获取待评估区域的接收信号强度。

4G测量报告数据中可以直接获得待评估区域的接收信号强度大小，接收信号强度还可以通过以下公式获取：

RSS＝Pt-K-10αlog10d

其中，α称为路径损耗指数，Pt为发送功率，K是一个取决于环境和频率的常数，RSS代表接收信号强度大小。

获得接收信号强度之后就可以将该数据输入到指纹库中，进行数据定位的获取，具体如步骤S630。

步骤S630：将待评估区域的接收信号强度与指纹库中的接收信号强度样本进行匹配检测，将匹配成功的接收信号强度对应的地图位置信息作为待评估区域的位置信息。

由于指纹库已经建立了很多位置信息和接收信号强度的映射关系，因此，当指纹库中的接收信号强度与将待评估区域的接收信号强度匹配上时，就可以将匹配成功的接收信号强度对应的位置信息作为待评估区域的位置信息。其中此处的位置信息对应的是栅格位置信息。

例如，指纹库中包含了一万组映射关系，其中有一组的接收信号强度RSS为-65dbm，对应的栅格位置信息为(1,0)，若将待评估区域的接收信号强度也为-65dbm，那么就可以得到待评估区域的栅格位置也(1,0)，将栅格位置转换成经纬度位置，这样就可以获得待评估区域的位置信息。

而对于接收信号强度的匹配，本申请使用的方法如下，在本申请的一个实施例中，将待评估区域的接收信号强度与指纹库中的接收信号强度样本进行匹配检测的方法，包括：

当待评估区域的接收信号强度与指纹库中的接收信号强度样本相同或者待评估区域的接收信号强度与指纹库中的接收信号强度的相似度在预设的阈值范围内时，将指纹库中的接收信号强度对应的位置信息作为待评估区域的位置信息。

其中，预设的阈值范围的设定可以根据指纹库的数据样本数量，如果指纹库的数据样本很少，说明匹配成功几率小，那么该预设的阈值范围就可以设定为较大的范围，相反，如果指纹库的数据样本较多，该阈值范围就可以调低，以提高匹配的准确度。

利用以上方法就可以得到待评估区域的位置信息，然而，在实际使用中，利用步骤S630得到的位置信息还不够准确，这是因为待评估区域包括主小区区域和邻小区区域，而利用步骤S630得到的位置信息往往只是主小区区域的位置信息。

对于一个区域来说，为了提高该区域的网络覆盖，都会在该区域安装无线接入点(无线AP)，它用于无线网络的无线交换机。无线AP是移动计算机用户进入有线网络的接入点，主要用于宽带家庭、大楼内部以及园区内部，可以覆盖几十米至上百米。而4G测量报告生成的过程中，得到的接收信号强度往往是待评估区域内各个小区的接收信号强度最大值，即是与无线接入点连接关系最好的位置，通常将与无线接入点连接关系最好的位置区域称为主小区区域，而待评估区域的其它小区都是邻小区区域，因此，通过步骤S630得到的位置信息仅仅可以代表主小区区域的位置信息，而在实际网络覆盖的部署中，为了更好的提供网络服务，往往还需要考虑邻小区区域的网络覆盖情况。因此，本申请在进行接收信号强度场强匹配的过程中考虑到了邻小区区域的信号情况，具体是计算了待评估区域的接收信号强度与指纹库中的接收信号强度的相似度，具体的公式如下：

其中，s_i(i＝1，...M)表示4G测量报告数据中第i个邻小区区域接收信号强度与指纹库中的接收信号强度的强度误差，将每个邻小区区域的强度误差进行相乘，就得到了待评估区域的接收信号强度与指纹库中的接收信号强度的相似度，就可以基于该相似度进行匹配性判断。

其中，强度误差的计算公式如下：

其中，g(i)表示4G测量报告数据中相对于主小区区域的不同邻小区区域的权重，是一个预设值，根据不同的小区可以设定不同的值，其中，越靠前的邻区权重越高。例如g(1)会大于g(2)。

Pi表示第i个邻小区区域的接收信号强度，可以根据步骤S620中对应的接收信号强度公式来计算获得。

表示指纹库中与第i个邻小区区域的绝对无线频率信道号和物理层小区标识分别相同的区域对应的接收信号强度，即在指纹库中判断是否有一个区域的绝对无线频率信道号(earfcn)和物理层小区标识都相同，那么将该区域对应的接收信号强度作为

无线频率信道号(PCI)和物理层小区标识都是确定的值，可以通过运营商查询获得。因此，利用该方法就可以得到强度误差s_i的值。

σ表示预设值，当指纹库中不存在与所第i个邻小区区域的绝对无线频率信道号和物理层小区标识分别相同的区域时，s_i的取值为σ。σ的取值一般是一个极小值。

利用以上的方法就可以得到待评估区域较为精确的位置信息，从而可以基于该精确的位置信息获得更加精确的4G参考信号接收功率和差异特征数据，实现输出的5G参考信号接收功率更加准确。

在本申请的一个实施例中，得到待评估区域的5G网络覆盖数据的方法，还包括：

根据接收信号强度与指纹库中的接收信号强度的相似度的计算公式得到待评估区域中邻小区区域的数据定位。具体的计算方式是根据不同的s_i信息确定不同的信号接收强度，再根据信号接收强度与指纹库对比，得到不同邻小区区域的数据定位。

根据数据定位获得待评估区域中各个邻小区区域的4G参考信号接收功率和差异特征数据。当确定了各个邻小区区域的数据定位后，就可以测量得到各个邻小区区域的4G参考信号接收功率和差异特征数据。

将邻小区区域的4G参考信号接收功率和差异特征数据输入到5G网络覆盖换算模型中得到邻小区区域的5G参考信号接收功率。

将各个邻小区区域的5G参考信号接收功率和主小区区域的5G参考信号接收功率合并得到所述待评估区域的5G参考信号接收功率。

其中，主小区区域的5G参考信号接收功率的是通过步骤S230计算得到的5G参考信号接收功率。而将各个邻小区区域的5G参考信号接收功率和主小区区域的5G参考信号接收功率合并指的是将对应的5G参考信号接收功率标注在待评估区域的主小区区域和各个邻小区区域上，如图7所示，图7示意性的示出了本申请将各个邻小区区域和主小区区域的5G参考信号接收功率合并的效果图。通过将各个邻小区区域的5G参考信号接收功率和主小区区域的5G参考信号接收功率合并到对应待评估区域的栅格上。如图8所示，图8示意性的示出了本申请图7中待评估区域栅格的放大图。由图中可知，一个待评估区域对应的栅格中包含了主小区区域A和四个邻小区区域B、C、D和E，其中，主小区区域A距离AP设备最近。对于5G参考信号接收功率合并可以将主小区区域A和四个邻小区区域B、C、D和E的5G参考信号接收功率标注在对应的栅格中的区域上，也可以通过柱状图等形式直观的表示待评估区域的5G网络覆盖情况。

下面具体公开一种实际应用的实施例。申请人根据本申请的方法收集测试区域的4G测量报告数据，在此基础上推算5G覆盖能力，得出5G网络覆盖数据，其中测试区域对应本申请的待评估区域。

测试区域主要信息如下：测试区域宏站数量：102个，覆盖面积：18.3Km2，覆盖建筑数：4189，建筑平均高度：18.43m，平均站间距：455m。

收集完测试区域的信息后，开始进行5G网络覆盖的评估。首先，收集测试区域3天的4G测量报告数据清洗后入库；生成指纹库数据，并通过路测数据对指纹库进行校正；利用指纹库定位算法得到定位后的测量报告数据，提取出测量报告数据中的4G参考信号接收功率，以及差异特征数据，然后，将4G参考信号接收功率，以及差异特征数据输入到预先训练好的5G网络覆盖换算模型中，得到5G参考信号接收功率，根据5G参考信号接收功率就可以得出测试区域的网络覆盖情况。

具体的以上测试区域最终的网络覆盖结果如下：网络总覆盖率：97％，网络总覆盖率是计算5G参考信号接收功率的大小，将5G参考信号接收功率大于设定值的区域定位有网络覆盖的区域，而网络总覆盖率就是有网络覆盖的区域与整个待评估区域的面积比值。室内覆盖率为95％，室外覆盖率为100％，其中室内覆盖率和室外覆盖率的计算方法和网络总覆盖率相似，都是通过测量报告数据定位确定室内位置和室外位置，对应的求出所有室内中有网络覆盖的面积与所有室内面积的比值或所有室外中有网络覆盖的面积与所有室外面积的比值。平均覆盖电平为-86.49dBm，平均覆盖电平是将得到的所有5G参考信号接收功率求平均值后的结果。室内平均覆盖电平为-95.40dBm；室外平均覆盖电平为-77.85dBm，室内平均覆盖电平和室外平均覆盖电平的计算方法和平均覆盖电平相似，都是通过测量报告数据定位确定室内位置和室外位置，对应的求出所有室内5G参考信号接收功率的平均值或所有室外5G参考信号接收功率的平均值。其中，本申请进行统计时，是以覆盖率以电平大于-110dBm作为有网络覆盖。因此，通过本申请的5G网络覆盖评估方法，就可以得出测试区域的网络覆盖情况。

本申请通过提取路测的4G网络覆盖数据和4G网络和5G网络的差异特征数据组合作为输入样本，通过提取路测的5G网络覆盖数据作为输出样本，对预设的机器学习模型进行训练，得到5G网络覆盖换算模型，利用5G网络覆盖换算模型就可以将待评估区域的4G网络覆盖数据和待评估区域的4G网络和5G网络的差异特征数据组合输入，得到待评估区域的5G网络覆盖数据的结果。本申请在进行5G网络覆盖预测时加入了差异特征数据这一重要特征，降低了5G网络覆盖预测结果与实际结果的误差，而且，当5G网络覆盖换算模型训练完成之后，对于待评估区域直接将4G网络覆盖数据和差异特征数据输入就可以直接获得待评估区域5G网络覆盖数据，效率极高，不需要进行额外的步骤，同时，本申请模型训练时直接使用路测的数据和测量报告数据，而不需要通过仿真地图的形式，成本低；本申请采用现网4G数据结合机器学习算法使得结果更加真实有效，得出的覆盖数据比原先的纯仿真方法要准确；而且本申请在没有仿真地图的区域依然可以进行5G覆盖预估，覆盖效果更广。有利于对待评估区域进行5G网络的精准部署。

以上部分公开了本申请5G网络覆盖评估方法的内容，接下来继续公开本申请其它方面内容。

根据本申请实施例的一个方面，本申请提供一种5G网络覆盖评估装置900，如图9所示，图9示意性的示出了本申请5G网络覆盖评估装置的结构框图。包括：

提取模块910，被配置为提取路测的4G网络覆盖数据、5G网络覆盖数据和差异特征数据，4G网络覆盖数据用于评估4G网络覆盖质量，5G网络覆盖数据用于评估5G网络覆盖质量，差异特征数据包括4G网络和5G网络在网络覆盖上的特征差异集合；

模型建立模块920：被配置为以4G网络覆盖数据和差异特征数据组合作为输入样本，以对应于4G网络覆盖数据的5G网络覆盖数据作为输出样本，对预设的机器学习模型进行训练，得到5G网络覆盖换算模型；

评估模块930：被配置为通过4G测量报告数据提取待评估区域的4G网络覆盖数据，提取待评估区域的差异特征数据，将待评估区域的4G网络覆盖数据以及待评估区域的差异特征数据输入到5G网络覆盖换算模型中，得到待评估区域的5G网络覆盖数据。

在本申请的一些实施例中，基于以上技术方案，4G测量报告数据包括数据定位和4G网络覆盖数据内容，评估模块930包括：

数据获取单元，数据获取单元被配置为获取4G测量报告数据的数据定位，数据定位用于表示待评估区域的位置信息；

获取与数据定位对应的4G网络覆盖数据内容。

在本申请的一些实施例中，基于以上技术方案，数据获取单元包括位置获取单元，位置获取单元被配置为获取地图以及与地图对应的指纹库，指纹库用于建立接收信号强度样本与地图位置信息的映射关系；

根据4G测量报告数据，获取待评估区域的接收信号强度；

将待评估区域的接收信号强度与指纹库中的接收信号强度样本进行匹配检测，将匹配成功的接收信号强度对应的地图位置信息作为待评估区域的位置信息。

在本申请的一些实施例中，基于以上技术方案，位置获取单元包括匹配单元，匹配单元被配置为当待评估区域的接收信号强度与指纹库中的接收信号强度样本相同或者待评估区域的接收信号强度与指纹库中的接收信号强度的相似度在预设的阈值范围内时，将指纹库中的接收信号强度对应的位置信息作为待评估区域的位置信息。

在本申请的一些实施例中，基于以上技术方案，待评估区域包括主小区区域和邻小区区域，匹配单元包括相似度计算单元，相似度计算单元被配置为根据以下公式计算待评估区域的接收信号强度与指纹库中的接收信号强度的相似度，具体公式如下：

其中，s_i(i＝1,...M)表示4G测量报告数据中第i个邻小区区域接收信号强度与指纹库中的接收信号强度的强度误差，强度误差的计算公式如下：

其中，g(i)表示4G测量报告数据中相对于主小区区域的不同邻小区区域的权重，P_i表示第i个邻小区区域的接收信号强度，

表示指纹库中与第i个邻小区区域的绝对无线频率信道号和物理层小区标识分别相同的区域对应的接收信号强度，σ表示预设值，当指纹库中不存在与所第i个邻小区区域的绝对无线频率信道号和物理层小区标识分别相同的区域时，s_i的取值为σ。

在本申请的一些实施例中，基于以上技术方案，模型建立模块920包括数据接收单元、数据预处理单元和模型训练单元，

数据接收单元被配置为接收路测的4G参考信号接收功率、4G发射功率、4G天线增益、4G频段和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、5G频段和5G手机接收天线数量；

数据预处理单元被配置为将4G参考信号接收功率、4G发射功率、4G天线增益、4G频段和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、5G频段和5G手机接收天线数量进行预处理以便输入机器学习模型进行训练；

模型训练单元被配置为以预处理后的4G参考信号接收功率和4G发射功率与5G发射功率差异、4G天线增益与5G天线增益差异、4G频段和5G频段差异、4G手机接收天线数量与5G手机接收天线数量差异组合作为输入样本，以预处理后的5G参考信号接收功率作为输出样本，利用预设的机器学习模型进行训练，得到5G网络覆盖换算模型。

在本申请的一些实施例中，基于以上技术方案，数据预处理单元包括标准化单元和编码单元，

标准化单元被配置为将4G参考信号接收功率、4G发射功率、4G天线增益和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、和5G手机接收天线数量进行标准化处理；

编码单元被配置为将4G频段和5G频段采用独热编码处理。

本申请各实施例中提供的5G网络覆盖评估装置的具体细节已经在对应的方法实施例中进行了详细的描述，此处不再赘述。

根据本申请实施例的一个方面，提供一种电子设备，该电子设备包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器被配置为经由执行所述可执行指令来执行如以上技术方案中的5G网络覆盖评估方法。

需要说明的是，图10示出的电子设备的计算机系统1000仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图10所示，计算机系统1000包括中央处理器1001(Central Processing Unit，CPU)，其可以根据存储在只读存储器1002(Read-Only Memory，ROM)中的程序或者从存储部分1008加载到随机访问存储器1003(Random Access Memory，RAM)中的程序而执行各种适当的动作和处理。在随机访问存储器1003中，还存储有系统操作所需的各种程序和数据。中央处理器1001、在只读存储器1002以及随机访问存储器1003通过总线1004彼此相连。输入/输出接口1005(Input/Output接口，即I/O接口)也连接至总线1004。

以下部件连接至输入/输出接口1005：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管(Cathode Ray Tube，CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分1007；包括硬盘等的存储部分1008；以及包括诸如局域网卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至输入/输出接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入存储部分1008。

特别地，根据本申请的实施例，各个方法流程图中所描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被中央处理器1001执行时，执行本申请的系统中限定的各种功能。

需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。

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。

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来限制。

Claims

1.一种5G网络覆盖评估方法，其特征在于，包括：

2.根据权利要求1所述的5G网络覆盖评估方法，其特征在于，所述4G测量报告数据包括数据定位和4G网络覆盖数据内容，通过4G测量报告数据提取待评估区域的4G网络覆盖数据，包括：

获取所述4G测量报告数据的数据定位，所述数据定位用于表示所述待评估区域的位置信息；

获取与所述数据定位对应的4G网络覆盖数据内容。

3.根据权利要求2所述的5G网络覆盖评估方法，其特征在于，获取所述4G测量报告数据的数据定位，包括：

获取地图以及与所述地图对应的指纹库，所述指纹库用于建立接收信号强度样本与地图位置信息的映射关系；

4.根据权利要求3所述的5G网络覆盖评估方法，其特征在于，

将所述待评估区域的接收信号强度与所述指纹库中的接收信号强度样本进行匹配检测，包括：

当所述待评估区域的接收信号强度与所述指纹库中的接收信号强度样本相同或者所述待评估区域的接收信号强度与所述指纹库中的接收信号强度的相似度在预设的阈值范围内时，将所述指纹库中的接收信号强度对应的位置信息作为所述待评估区域的位置信息。

5.根据权利要求4所述的5G网络覆盖评估方法，其特征在于，所述待评估区域包括主小区区域和邻小区区域，所述待评估区域的接收信号强度与所述指纹库中的接收信号强度的相似度的计算公式如下：

6.根据权利要求1所述的5G网络覆盖评估方法，其特征在于，以所述4G网络覆盖数据和所述差异特征数据组合作为输入样本，以对应于所述4G网络覆盖数据的5G网络覆盖数据作为输出样本，对预设的机器学习模型进行训练，得到5G网络覆盖换算模型；包括：

接收路测的4G参考信号接收功率、4G发射功率、4G天线增益、4G频段和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、5G频段和5G手机接收天线数量；

将所述4G参考信号接收功率、4G发射功率、4G天线增益、4G频段和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、5G频段和5G手机接收天线数量进行预处理以便输入机器学习模型进行训练；

以预处理后的所述4G参考信号接收功率和所述4G发射功率与5G发射功率差异、4G天线增益与5G天线增益差异、4G频段和5G频段差异、4G手机接收天线数量与5G手机接收天线数量差异组合作为输入样本，以预处理后的所述5G参考信号接收功率作为输出样本，利用预设的机器学习模型进行训练，得到5G网络覆盖换算模型。

7.根据权利要求6所述的5G网络覆盖评估方法，其特征在于，将4G参考信号接收功率、4G发射功率、4G天线增益、4G频段和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、5G频段和5G手机接收天线数量进行预处理；包括：

将4G参考信号接收功率、4G发射功率、4G天线增益和4G手机接收天线数量、5G参考信号接收功率、5G发射功率、5G天线增益、和5G手机接收天线数量进行标准化处理；

将4G频段和5G频段采用独热编码处理。

8.一种5G网络覆盖评估装置，其特征在于，包括：

9.一种计算机可读介质，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权利要求1至7中任意一项所述的5G网络覆盖评估方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任意一项所述的5G网络覆盖评估方法。