CN115866627A - 高价值网络区域识别方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了一种高价值网络区域识别方法、装置、电子设备及存储介质，涉及无线通信技术领域。其中，高价值网络区域识别方法包括：获取目标区域内各个小区的网络数据和用户数据，其中，目标区域包含多个栅格；将网络数据和用户数据与目标区域中相应的栅格关联，确定每个栅格的价值信息，其中，价值信息包含栅格的价值类别，价值类别为高价值或低价值；基于每个栅格的价值信息，对目标栅格进行聚类，确定目标区域内高价值网络区域，其中，目标栅格为目标区域内价值类别为高价值的栅格。本公开提高了高价值网络区域识别的准确率，有效为站点建设提供重要依据。

Description

高价值网络区域识别方法、装置、电子设备及存储介质

技术领域

本公开涉及无线通信技术领域，尤其涉及一种高价值网络区域识别方法、装置、电子设备及存储介质。

背景技术

随着5G(5th Generation Mobile Communication Technology，第五代移动通信技术)商用牌照的发放，中国的移动通信正式进入5G时代。如何更好地构建5G网络，与现有4G(the 4th generation mobile communication technology，第四代移动通信技术)网络实现更好的协同，确保满足业务需求的同时，实现资源价值的最大化，是5G时代带给运营商和设备商的重要课题。为了实现资源价值的最大化，需要精准识别高价值网络区域，以支撑高价值网络区域的5G建设和市场发展。

目前，识别高价值网络区域尚且停留在对区域内无线网络基础覆盖内容分析层面，并且在分析过程中，通常采用人工筛选分析，因此，现有技术中对高价值网络区域的识别过程存在较多的漏洞与误差，可信度并不是很高，从而高价值网络区域识别的准确率无法满足实际需求。

基于此，如何提高识别高价值网络区域的准确率成为了亟需解决的技术问题。

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公开的背景的理解，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

本公开提供一种高价值网络区域识别方法、装置、电子设备及存储介质，至少在一定程度上克服相关技术中高价值网络区域识别准确率低的问题。

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

根据本公开的一个方面，提供一种高价值网络区域识别方法，包括：获取目标区域内各个小区的网络数据和用户数据，其中，目标区域包含多个栅格；将所述网络数据和所述用户数据与所述目标区域中相应的栅格关联，确定每个栅格的价值信息，其中，所述价值信息包含栅格的价值类别，所述价值类别为高价值或低价值；基于每个栅格的价值信息，对目标栅格进行聚类，确定目标区域内高价值网络区域，其中，目标栅格为目标区域内价值类别为高价值的栅格。

在本公开的一个实施例中，将所述网络数据和所述用户数据与所述目标区域中相应的栅格关联，确定每个栅格的价值信息，包括：将所述网络数据和所述用户数据与所述目标区域中相应的栅格关联，得到每个栅格的栅格化网络数据和栅格化用户数据；基于每个栅格的栅格化网络数据和栅格化用户数据，对每个栅格进行价值评估，得到每个栅格的价值信息。

在本公开的一个实施例中，所述网络数据包含小区的流量数据和MR(MeasurementReport，MR，测量报告)数据，所述用户数据包含小区内每个用户的业务信息、小区的用户数信息、每个用户的套餐信息和小区的5G终端数信息；将所述网络数据和所述用户数据与所述目标区域中相应的栅格关联，得到每个栅格的栅格化网络数据和栅格化用户数据，包括：获取每个栅格内所有小区的MR数据的数量根据每个栅格内所有小区的MR数据的数量，计算每个栅格的MR数据占比；基于所述每个栅格的MR数据占比，将所述流量数据、所述业务信息、所述用户数信息、所述套餐信息和所述5G终端数信息分别映射至相应的栅格中，得到每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息。

在本公开的一个实施例中，基于每个栅格的栅格化网络数据和栅格化用户数据，对每个栅格进行价值评估，得到每个栅格的价值信息，包括：基于每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息，确定每个栅格的价值信息。

在本公开的一个实施例中，基于每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息，确定每个栅格的价值信息，包括：基于每个栅格的栅格化流量数据与预设流量阈值，确定目标区域内的高价值流量栅格；基于每个栅格的栅格化业务信息与预设业务类型，确定目标区域内的高价值业务栅格；基于每个栅格的栅格化用户数信息与预设用户数阈值，确定目标区域内的高价值用户数栅格；基于每个栅格的栅格化套餐信息，计算每个栅格的用户价值，根据所述每个栅格的用户价值与预设价值阈值，确定目标区域内的高价值套餐栅格，其中，所述用户价值为栅格内所有用户的套餐价值的总和；基于每个栅格的栅格化5G终端数信息与预设终端数阈值，确定目标区域内高价值终端数栅格；将目标区域内符合预设栅格条件的栅格的价值类别确定为高价值，将剩余的栅格的价值类别确定为低价值，得到目标区域内每个栅格的价值信息，其中，预设栅格条件为同时满足高价值流量栅格、高价值业务栅格、高价值用户数栅格、高价值套餐栅格以及高价值终端数栅格的条件。

在本公开的一个实施例中，基于每个栅格的价值信息，对目标栅格进行聚类，确定目标区域内高价值网络区域，包括：计算目标栅格与多个邻近目标栅格之间的距离，得到每个目标栅格的平均距离，其中，平均距离为目标栅格与多个邻近目标栅格之间距离总和的平均值；基于每个目标栅格的平均距离，确定离散的目标栅格；按照所述平均距离的大小依次剔除所述离散的目标栅格，在每次剔除所述离散的目标栅格后，计算离散比例，直至所述离散比例小于预设比例阈值时，停止剔除离散的目标栅格，对剩余的目标栅格进行聚类，得到目标区域内高价值网络区域，其中，所述离散比例为目标区域内剩余离散的目标栅格与目标栅格总数的比值。

在本公开的一个实施例中，在将所述网络数据和所述用户数据与所述目标区域中相应的栅格关联，确定每个栅格的价值信息之后，所述方法还包括：获取目标区域的地理化图像数据；对目标区域内的栅格进行梯度划分，得到栅格的梯度信息；基于每个栅格的梯度信息，在目标区域的地理化图像数据中按照预设颜色与梯度对应关系呈现每个栅格。

根据本公开的另一个方面，提供一种高价值网络区域识别装置，包括：数据获取模块，用于获取目标区域内各个小区的网络数据和用户数据，其中，目标区域包含多个栅格；价值确定模块，用于将所述网络数据和所述用户数据与所述目标区域中相应的栅格关联，确定每个栅格的价值信息，其中，所述价值信息包含栅格的价值类别，所述价值类别为高价值或低价值；高价值网络区域确定模块，用于基于每个栅格的价值信息，对目标栅格进行聚类，确定目标区域内高价值网络区域，其中，目标栅格为目标区域内价值类别为高价值的栅格。

在本公开的一个实施例中，上述价值确定模块，还用于将所述网络数据和所述用户数据与所述目标区域中相应的栅格关联，得到每个栅格的栅格化网络数据和栅格化用户数据；基于每个栅格的栅格化网络数据和栅格化用户数据，对每个栅格进行价值评估，得到每个栅格的价值信息。

在本公开的一个实施例中，所述网络数据包含小区的流量数据和MR数据，所述用户数据包含小区内每个用户的业务信息、小区的用户数信息、每个用户的套餐信息和小区的5G终端数信息；上述价值确定模块，还用于获取每个栅格内所有小区的MR数据的数量根据每个栅格内所有小区的MR数据的数量，计算每个栅格的MR数据占比；基于所述每个栅格的MR数据占比，将所述流量数据、所述业务信息、所述用户数信息、所述套餐信息和所述5G终端数信息分别映射至相应的栅格中，得到每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息。

在本公开的一个实施例中，上述价值确定模块，还用于基于每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息，确定每个栅格的价值信息。

在本公开的一个实施例中，上述价值确定模块，还用于基于每个栅格的栅格化流量数据与预设流量阈值，确定目标区域内的高价值流量栅格；基于每个栅格的栅格化业务信息与预设业务类型，确定目标区域内的高价值业务栅格；基于每个栅格的栅格化用户数信息与预设用户数阈值，确定目标区域内的高价值用户数栅格；基于每个栅格的栅格化套餐信息，计算每个栅格的用户价值，根据所述每个栅格的用户价值与预设价值阈值，确定目标区域内的高价值套餐栅格，其中，所述用户价值为栅格内所有用户的套餐价值的总和；基于每个栅格的栅格化5G终端数信息与预设终端数阈值，确定目标区域内高价值终端数栅格；将目标区域内符合预设栅格条件的栅格的价值类别确定为高价值，将剩余的栅格的价值类别确定为低价值，得到目标区域内每个栅格的价值信息，其中，预设栅格条件为同时满足高价值流量栅格、高价值业务栅格、高价值用户数栅格、高价值套餐栅格以及高价值终端数栅格的条件。

在本公开的一个实施例中，上述高价值网络区域确定模块，还用于计算目标栅格与多个邻近目标栅格之间的距离，得到每个目标栅格的平均距离，其中，平均距离为目标栅格与多个邻近目标栅格之间距离总和的平均值；基于每个目标栅格的平均距离，确定离散的目标栅格；按照所述平均距离的大小依次剔除所述离散的目标栅格，在每次剔除所述离散的目标栅格后，计算离散比例，直至所述离散比例小于预设比例阈值时，停止剔除离散的目标栅格，对剩余的目标栅格进行聚类，得到目标区域内高价值网络区域，其中，所述离散比例为目标区域内剩余离散的目标栅格与目标栅格总数的比值。

在本公开的一个实施例中，上述装置还包括图像化显示模块，该图像化显示模块用于获取目标区域的地理化图像数据；对目标区域内的栅格进行梯度划分，得到栅格的梯度信息；基于每个栅格的梯度信息，在目标区域的地理化图像数据中按照预设颜色与梯度对应关系呈现每个栅格。

根据本公开的再一个方面，提供一种电子设备，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，所述处理器配置为经由执行所述可执行指令来执行上述的高价值网络区域识别方法。

根据本公开的又一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的高价值网络区域识别方法。

本公开的实施例所提供的一种高价值网络区域识别方法、装置、电子设备及存储介质，其中，方法包括：获取目标区域内各个小区的网络数据和用户数据，其中，目标区域包含多个栅格；将网络数据和用户数据与目标区域中相应的栅格关联，确定每个栅格的价值信息，其中，价值信息包含栅格的价值类别，价值类别为高价值或低价值；基于每个栅格的价值信息，对目标栅格进行聚类，确定目标区域内高价值网络区域，其中，目标栅格为目标区域内价值类别为高价值的栅格。本公开提高了高价值网络区域识别的准确率，有效为站点建设提供重要依据。

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，并不能限制本公开。

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。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示出本公开实施例中一种高价值网络区域识别方法流程图；

图2示出本公开实施例中另一种高价值网络区域识别方法流程图；

图3示出本公开实施例中另一种高价值网络区域识别方法流程图；

图4示出本公开实施例中一种高价值网络区域识别方法示意图；

图5示出本公开实施例中另一种高价值网络区域识别方法示意图；

图6示出本公开实施例中另一种高价值网络区域识别方法示意图；

图7示出本公开实施例中另一种高价值网络区域识别方法示意图；

图8示出本公开实施例中另一种高价值网络区域识别方法示意图；

图9示出本公开实施例中另一种高价值网络区域识别方法流程图；

图10示出本公开实施例中另一种高价值网络区域识别方法流程图；

图11示出本公开实施例中另一种高价值网络区域识别方法示意图；

图12示出本公开实施例中另一种高价值网络区域识别方法流程图；

图13示出本公开实施例中另一种高价值网络区域识别方法示意图；

图14示出本公开实施例中一种高价值网络区域识别装置示意图；和

图15示出本公开实施例中一种电子设备的结构框图。

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公开将更加全面和完整，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。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方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。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。

正如背景技术中所提及的，目前，识别高价值网络区域尚且停留在对区域内无线网络基础覆盖内容分析层面，并且在分析过程中，通常采用人工筛选分析，因此，现有技术中对高价值网络区域的识别过程存在较多的漏洞与误差，可信度并不是很高，从而高价值网络区域识别的准确率无法满足实际需求。

基于此，本公开实施例中提供了一种高价值网络区域识别方法、装置、电子设备及存储介质，通过将目标区域内各个小区的网络数据和用户数据，与目标区域内相应的栅格相关联，确定每个栅格的价值信息，将对价值类别为高价值的栅格进行聚类，确定目标区域内高价值网络区域，本公开提高了高价值网络区域识别的准确率，有效为站点建设提供重要依据。

本公开可以利用区域流量、用户、业务、用户价值、5G终端等数据，结合MR栅格数据，实现流量、用户、业务、用户价值、5G终端的地理栅格化，再通过大数据机器学习算法，实现用户、流量栅格的聚类，获得高价值网络区域。

本公开基于O域的PM数据、MR数据、xDR数据等网络数据，B域的资费数据、套餐数据、终端数据等经营数据，从这些数据中提取网络流量、用户数、业务、用户价值、5G终端数，然后将网络流量、用户数、业务、用户价值、5G终端数与MR关联进行栅格化处理，并通过多种识别规则，识别出高价值的栅格，再通过数据挖掘聚类算法进行栅格聚类，消除离散的栅格，形成栅格连片区域，得到移动网络高价值区域。本公开可以提升高价值网络区域识别的准确性，精准指导站址规划、网络优化、市场营销等工作。

为了便于理解，下面首先对本公开涉及到的几个名词进行解释如下：

O域，即operation support system的数据域，又称运营域，简称OSS。O域有网络数据，比如信令、告警、故障、网络资源等。运营支撑系统(OSS)主要是面向资源(网络、设备、计算系统)的后台支撑系统，包括专业网络管理系统、综合网络管理系统、资源管理系统、业务开通系统、服务保障系统等，为网络可靠、安全和稳定运行提供支撑手段。

B域，即business support system的数据域，又称业务域，简称BSS。B域有用户数据和业务数据，比如用户的消费习惯、终端信息、ARPU的分组、业务内容，业务受众人群等。业务支持系统(BSS)主要实现了对电信业务、电信资费、电信营销的管理，以及对客户的管理和服务的过程，它所包含的主要系统包括：计费系统、结算系统、账务系统、经营分析系统、客服系统等。

下面结合附图及实施例对本示例实施方式进行详细说明。

首先，本公开实施例中提供了一种高价值网络区域识别方法，该方法可以由任意具备计算处理能力的电子设备执行。

图1示出本公开实施例中一种高价值网络区域识别方法流程图，如图1所示，本公开实施例中提供的高价值网络区域识别方法包括如下步骤：

S102，获取目标区域内各个小区的网络数据和用户数据，其中，目标区域包含多个栅格；

需要说明的是，目标区域可以是任意具有通信网络用户的区域，网络数据可以包含小区的流量数据、网络覆盖数据、区域覆盖数据、区域流量数据、区域PRB(PhysicalResource Block，物理资源块)利用率、各个用户的入网时间数据、PM(PerformanceManagement，性能管理)数据、xDR数据和MR数据等数据，用户数据可以包含用户的业务信息、套餐信息、5G终端数信息和各种网络用户数等信息。

在本公开的一个实施例中，在获取目标区域内各个小区的网络数据和用户数据之前，可以获取目标区域的O(Operation support system，运营支撑系统)域数据和B(Business support system，业务支撑系统)域数据，其中，O域数据包括PM数据、xDR(external Data Representation，外部数据表示法)数据和MR数据等网络数据，B域数据包括资费数据、套餐数据、终端数据等经营数据，可以从O域数据和B域数据中提取目标区域内各个小区的网络数据和用户数据，例如，从PM数据中提取小区的流量数据，从xDR数据中提取小区的用户数信息，从xDR数据中清洗出小区内各个用户的业务信息，从资费数据和套餐数据中提取小区内各个用户的套餐信息，从终端数据中提取小区的5G终端数信息。

S104，将网络数据和用户数据与目标区域中相应的栅格关联，确定每个栅格的价值信息，其中，价值信息包含栅格的价值类别，价值类别为高价值或低价值；

需要说明的是，可以分别将网络数据和用户数据与目标区域中相应的栅格关联，将网络数据和用户数据映射至相应的栅格内，得到栅格化网络数据和栅格化用户数据。根据每个栅格的栅格化网络数据和栅格化用户数据，确定每个栅格的价值信息。

S106，基于每个栅格的价值信息，对目标栅格进行聚类，确定目标区域内高价值网络区域，其中，目标栅格为目标区域内价值类别为高价值的栅格。

需要说明的是，可以先计算每个目标栅格与预设范围内其他目标栅格之间的距离，得到每个目标栅格与预设范围内其他目标栅格之间的平均距离，根据每个栅格的平均距离，确定离散的目标栅格，按照离散的目标栅格的平均距离，依次剔除离散的目标栅格后，对目标区域内上剩余的目标栅格进行聚类，得到目标区域内高价值网络区域。

本公开实施例中提供的高价值网络区域识别方法，通过将目标区域内各个小区的网络数据和用户数据，与目标区域内相应的栅格相关联，确定每个栅格的价值信息，将对价值类别为高价值的栅格进行聚类，确定目标区域内高价值网络区域，本公开提高了高价值网络区域识别的准确率，有效为站点建设提供重要依据。另外，本公开提供的高价值网络区域识别方法可以适用于所有移动通信运营商的高价值网络区域的识别。

在本公开的一个实施例中，本公开还可以对区域的B域和O域数据进行栅格化处理，识别出高价值的栅格，并汇聚得到高价值区域。该方法效率和准确性高、无需人工现场测试，使网络规划、优化、市场等部门掌握高价值区域情况，可以更加精准的进行站址规划、网络优化、市场营销，大大提高建设、优化和营销的有效性，减少低价值区域的资源投放、营销成本，真正实现降本增效。

在本公开的一个实施例中，可以通过图2公开的步骤实现将网络数据和用户数据与目标区域中相应的栅格关联，确定每个栅格的价值信息，参见图2所示的另一种高价值网络区域识别方法流程图，可以包括以下步骤：

S202，将网络数据和用户数据与目标区域中相应的栅格关联，得到每个栅格的栅格化网络数据和栅格化用户数据；

S204，基于每个栅格的栅格化网络数据和栅格化用户数据，对每个栅格进行价值评估，得到每个栅格的价值信息。

需要说明的是，栅格化网络数据为栅格内所有小区的网络数据加权值，栅格用户数据为栅格内所有小区的用户信息的加权值。

在本公开的一个实施例中，网络数据包含小区的流量数据和MR数据，用户数据包含小区内每个用户的业务信息、小区的用户数信息、每个用户的套餐信息和小区的5G终端数信息；需要说明的是，业务信息为常驻用户办理的业务类型，如支付业务、游戏业务、可扩展业务、语音业务、流类业务和交互类业务等等；用户数信息为小区内常驻用户的数量；套餐信息为常驻用户的月资费数据或月套餐数据；5G终端数信息为小区内使用5G移动网络的终端设备的数量。常驻用户为在N天内至少有P天每天M小时使用移动网络或发生过业务的用户，其中，N、P、M均为正整数，N大于P。

在本公开的一个实施例中，可以通过图3公开的步骤实现将网络数据和用户数据与目标区域中相应的栅格关联，得到每个栅格的栅格化网络数据和栅格化用户数据，参见图3所示的另一种高价值网络区域识别方法流程图，可以包括以下步骤：

S302，获取每个栅格内所有小区的MR数据的数量；

需要说明的是，将小区的MR数据映射至栅格中，并按预设周期汇总，得到每个栅格内所有小区的MR数据的数量。

S304，根据每个栅格内所有小区的MR数据的数量，计算每个栅格的MR数据占比；

需要说明的是，MR数据占比为栅格内所有小区的MR数据的数量与目标区域内所有小区的MR数据的数量的比值。

S306，基于每个栅格的MR数据占比，将流量数据、业务信息、用户数信息、套餐信息和5G终端数信息分别映射至相应的栅格中，得到每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息。

在本公开的一个实施例中，将网络数据和用户数据与目标区域中相应的栅格关联，得到每个栅格的栅格化网络数据和栅格化用户数据，包括：将流量数据、业务信息、用户数信息、套餐信息和5G终端数信息，分别与目标区域中相应的栅格关联，得到每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息。

需要说明的是，将流量数据、业务信息、用户数信息、套餐信息和5G终端数信息，分别与目标区域中相应的栅格关联，得到每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息，可以包括：分别对流量数据、业务信息、用户数信息、套餐信息和5G终端数信息进行栅格化，得到每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息。

在本公开的一个实施例中，对流量数据进行栅格化，包括：将栅格内小区的流量数据与该栅格关联，将流量数据映射至对应栅格中，得到栅格化流量数据，栅格化流量数据可支持地理化流量呈现。具体实施时，参见图4所示的一种高价值网络区域识别方法示意图，可以将小区的流量数据按预设周期进行汇聚，得到小区的周期流量数据，预设周期可以是任意时长，如一天、一周、一个月等等。再将小区的MR数据映射至栅格中，并按预设周期汇总，得到每个栅格内所有小区的MR数据的数量，将小区的周期流量数据按照每个栅格的MR数据占比加权分配至对应栅格内，将每个栅格内所有小区加权后的流量数据累加，得到每个栅格的栅格化流量数据。

在本公开的一个实施例中，对业务信息进行栅格化，包括：将栅格内包含的用户的业务信息与该栅格关联，将用户信息映射至栅格中，得到每个栅格的栅格化用户信息，栅格化用户信息支持地理化业务呈现。具体实施时，参见图5所示的另一种高价值网络区域识别方法示意图，可以将小区内用户的业务信息按预设周期进行汇聚，得到小区的周期业务信息。再将小区的MR数据映射至栅格中，并按预设周期汇总，得到每个栅格内所有小区的MR数据的数量，将小区的周期业务信息按照每个栅格的MR数据占比加权分配至对应栅格内，将每个栅格内所有小区加权后的业务信息累加，得到每个栅格的栅格化业务信息。

在本公开的一个实施例中，对用户数信息进行栅格化，包括：将栅格内小区的用户数信息与该栅格关联，将用户数信息映射至栅格中，得到栅格化用户数据信息，栅格化用户数据支持地理化用户数呈现。具体实施时，参见图6所示的另一种高价值网络区域识别方法示意图，将小区的用户数信息按周期进行汇聚，得到小区的周期用户数信息。再将小区的MR数据映射至栅格中，并按预设周期汇总，得到每个栅格内所有小区的MR数据的数量，将小区的周期用户数信息按照每个栅格的MR数据占比加权分配至对应栅格内，将每个栅格内所有小区加权后的用户数信息累加，得到每个栅格的栅格化用户数信息。

在本公开的一个实施例中，对套餐信息进行栅格化，包括：可以将栅格内用户的套餐数据与该栅格关联，将用户的套餐数据映射至栅格中，得到栅格化套餐数据，栅格化套餐数据支持地理化套餐呈现。具体实施时，参见图7所示的另一种高价值网络区域识别方法示意图，可以根据用户的套餐数据，计算用户的用户价值，其中，套餐数据可以包含用户的月资费数据或月套餐数据，可以根据用户的月资费数据或月套餐数据计算用户的用户价值，对小区内用户的用户价值进行求和，得到小区的用户价值数据。将小区的用户价值数据按照预设周期进行汇聚，得到小区的周期用户价值数据。再将小区的MR数据映射至栅格中，并按预设周期汇总，得到每个栅格内所有小区的MR数据的数量，将小区的周期用户数信息按照每个栅格的MR数据占比加权分配至对应栅格内，将每个栅格内所有小区加权后的用户价值数据累加，得到每个栅格的栅格化套餐信息。

在本公开的一个实施例中，对5G终端数信息进行栅格化，包括：将栅格内小区的5G终端数信息与该栅格关联，将5G终端数信息映射至栅格中，得到栅格化5G终端数信息。具体实施时，参见图8所示的另一种高价值网络区域识别方法示意图，将小区的5G终端数信息按周期进行汇聚，得到小区的周期5G终端数信息。再将小区的MR数据映射至栅格中，并按预设周期汇总，得到每个栅格内所有小区的MR数据的数量，将小区的周期5G终端数信息按照每个栅格的MR数据占比加权分配至对应栅格内，将每个栅格内所有小区加权后的5G终端数信息累加，得到每个栅格的栅格化5G终端数信息。

在本公开的一个实施例中，可以通过图9中公开的步骤实现基于每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息，确定每个栅格的价值信息，参见图9公开的另一种高价值网络区域识别方法流程图，可以包括以下步骤：

S902，基于每个栅格的栅格化流量数据与预设流量阈值，确定目标区域内的高价值流量栅格；

需要说明的是，预设流量阈值T_flux可以是任意正数，通过比较每个栅格的栅格化流量数据与预设流量阈值T_flux，确定目标区域内的高价值流量栅格，例如，当栅格的栅格化流量数据大于预设流量阈值T_flux时，确定该栅格为高价值流量栅格，当栅格的栅格化流量数据小于或等于预设流量阈值T_flux时，确定该栅格为低价值流量栅格。

S904，基于每个栅格的栅格化业务信息与预设业务类型，确定目标区域内的高价值业务栅格；

需要说明的是，栅格化业务信息中可以包含业务类型和业务流量，预设业务类型可以包括支付业务、游戏业务和可扩展业务等等，当栅格的格式化业务信息中的业务类型属于预设业务类型中的一种时，将该栅格确定为高价值业务栅格，否则，确定该栅格为低价值业务栅格。

在本公开的一个实施例中，可以设置一个业务流量门限T_trafficflux，该业务流量门限T_trafficflux可以为任意正数。判断栅格的栅格化业务信息中的业务类型是否属于预设业务类型中的一种，同时，判断栅格的栅格化业务信息中的业务流量是否大于业务流量门限T_trafficflux。当栅格化业务信息中的业务类型属于预设业务类型中的一种，且栅格的栅格化业务信息中的业务流量大于业务流量门限T_trafficflux时，确定该栅格为高价值业务栅格；当栅格化业务信息中的业务类型不属于预设业务类型中的一种，或者栅格的栅格化业务信息中的业务流量小于或等于业务流量门限T_trafficflux时，确定该栅格为低价值业务栅格。

S906，基于每个栅格的栅格化用户数信息与预设用户数阈值，确定目标区域内的高价值用户数栅格；

需要说明的是，栅格化用户数信息包含栅格内使用移动网络的用户的总数，预设用户数阈值T_users可以是任意正数，通过比较每个栅格的栅格化用户数信息与预设用户数阈值T_users，确定目标区域内的高价值用户数栅格。例如，当栅格的栅格化用户数信息大于预设用户数阈值T_users时，确定该栅格为高价值用户数栅格；当栅格的栅格化用户数信息小于或等于预设用户数阈值T_users时，确定该栅格为低价值用户数栅格。

S908，基于每个栅格的栅格化套餐信息，计算每个栅格的用户价值，根据每个栅格的用户价值与预设价值阈值，确定目标区域内的高价值套餐栅格，其中，用户价值为栅格内所有用户的套餐价值的总和；

需要说明的是，栅格化套餐信息中包含栅格内所有用户的月资费数据或套餐资费数据；预设价值阈值T_usrvalue可以是任意正数。可以根据栅格化套餐信息计算栅格内所有用户的月资费或套餐资费的总价值，得到每个栅格的用户价值。通过比较每个栅格的用户价值与预设价值阈值T_usrvalue，确定目标区域内高价值套餐栅格，例如，当栅格的用户价值大于预设价值阈值T_usrvalue时，确定该栅格为高价值套餐栅格；当栅格的用户价值小于或等于预设价值阈值T_usrvalue时，确定该栅格为低价值套餐栅格。

S910，基于每个栅格的栅格化5G终端数信息与预设终端数阈值，确定目标区域内高价值终端数栅格；

需要说明的是，栅格化5G终端数信息包含栅格内所有使用5G移动网络的终端设备的总数；预设终端数阈值T_5gterminals可以是任意正数。通过比较每个栅格的栅格化5G终端数信息与预设终端数阈值T_5gterminals，确定目标区域内高价值终端数栅格，例如，当栅格的栅格化5G终端数信息大于预设终端数阈值T_5gterminals时，确定该栅格为高价值终端数栅格；当栅格的栅格化5G终端数信息小于或等于预设终端数阈值T_5gterminals时，确定该栅格为低价值终端数栅格。

S912，将目标区域内符合预设栅格条件的栅格的价值类别确定为高价值，将剩余的栅格的价值类别确定为低价值，得到目标区域内每个栅格的价值信息，其中，预设栅格条件为同时满足高价值流量栅格、高价值业务栅格、高价值用户数栅格、高价值套餐栅格以及高价值终端数栅格的条件。

需要说明的是，价值类别为高价值的栅格需要同时满足高价值流量栅格、高价值业务栅格、高价值用户数栅格、高价值套餐栅格以及高价值终端数栅格的条件。

在本公开的一个实施例中，可以通过图10公开的步骤实现基于每个栅格的价值信息，对目标栅格进行聚类，确定目标区域内高价值网络区域，参见图10所示的另一种高价值网络区域识别方法流程图，可以包括以下步骤：

S1002，计算目标栅格与多个邻近目标栅格之间的距离，得到每个目标栅格的平均距离，其中，平均距离为目标栅格与多个邻近目标栅格之间距离总和的平均值；

S1004，基于每个目标栅格的平均距离，确定离散的目标栅格；

S1006，按照平均距离的大小依次剔除离散的目标栅格，在每次剔除离散的目标栅格后，计算离散比例，直至离散比例小于预设比例阈值时，停止剔除离散的目标栅格，对剩余的目标栅格进行聚类，得到目标区域内高价值网络区域，其中，离散比例为目标区域内剩余离散的目标栅格与目标栅格总数的比值。

需要说明的是，邻近目标栅格为目标栅格预设范围内的目标栅格，预设范围可以是任意大小图形的面积，如圆形、正方形等面积；离散比例阈值可以是任意百分数，如70％、80％、90％等等。在本公开的一个实施例中，参见图11所示的另一种高价值网络区域识别方法示意图，先计算目标栅格与多个邻近目标栅格之间的距离，根据目标栅格与多个邻近目标栅格之间的距离，计算每个目标栅格的平均距离，根据每个目标栅格的平均距离，识别目标区域内离散的目标栅格，并根据每个目标栅格的平均距离，依次按照平均距离的大小，去除离散的目标栅格，在每次剔除离散的目标栅格后，计算目标区域的离散比例，直至离散比例小于预设比例阈值时，停止剔除离散的目标栅格，对剩余的目标栅格进行聚类，得到目标区域内高价值网络区域。

在本公开的一个实施例中，在将网络数据和用户数据与目标区域中相应的栅格关联，确定每个栅格的价值信息之后，方法还可以包括图12公开的步骤，参见图12所示的另一种高价值网络区域识别方法流程图，可以包括以下步骤：

S1202，获取目标区域的地理化图像数据；

S1204，对目标区域内的栅格进行梯度划分，得到栅格的梯度信息；

S1206，基于每个栅格的梯度信息，在目标区域的地理化图像数据中按照预设颜色与梯度对应关系呈现每个栅格。

需要说明的是，梯度可以划分为预设个数的等级，如当预设个数为3时，梯度信息可以为第一梯度、第二梯度或高价值，其中，第一梯度的栅格为同时满足高价值流量栅格、高价值业务栅格、高价值用户数栅格、高价值套餐栅格以及高价值终端数栅格中任意3个或3个以上条件的栅格；第二梯度的栅格为同时满足高价值流量栅格、高价值业务栅格、高价值用户数栅格、高价值套餐栅格以及高价值终端数栅格中任意2个条件的栅格；第二梯度的栅格为满足高价值流量栅格、高价值业务栅格、高价值用户数栅格、高价值套餐栅格以及高价值终端数栅格中任意1个条件的栅格。参可以预设颜色与梯度的对应关系，如第一梯度对应红色，第二梯度对应橙色，第三梯度对应绿色，在目标区域的地理化图像数据中，可以将第一梯度的栅格显示为红色，将第二梯度的栅格显示为橙色，将第三梯度的栅格显示为绿色，见图13所示的另一种高价值网络区域识别方法示意图，图中颜色最深的为第一梯度的栅格，颜色次深的为第三梯度的栅格，颜色最浅的为第二梯度的栅格。

本公开通过根据栅格的梯度信息在地图上以热力图直观呈现，以便使用者直观掌握高价值网络区域情况，为制定决策提供更有力的支撑。

在本公开的一个实施例中，为了使高价值区域识别方法适用于全国31个省份，提高高价值网络区域识别方法的适用范围，可以对模型算法进行优化，可以根据每个省份的指标数据进行调整，指标数据包括业务量、用户信息、地理环境信息、经济发达程度信息等指标，为满足不同地域的具体情况，使高价值区域更加准确、合理，提供多种模型供适配。

全国模型：全国统一模型算法，适用于识别全国最有价值的区域：Model_全国；

省模型：分省建立模型；根据省份的具体指标情况为省份定制模型算法：Model_省；

地市模型：Model_市；

混合模型：Model_全国、Model_省、Model_市的加权。

在本公开的一个实施例中，以下表1公开了目标区域内小区的流量数据和用户数信息的示例：

表1

cell_key	enb_id	cell_id	flux_4g	users_4g	p_provincecode
						472493_49	472493	49	21.92872887	55	360000
463182_1	463182	1	1177.541849	434	360000
						847931_147	847931	147	592.6594972	827	360000
452358_5	452358	5	25.6507522	13	360000
						848473_145	848473	145	199.106264	138	360000
466253_49	466253	49	98.52835993	49	360000
						456121_2	456121	2	79.92655945	28	360000
829466_149	829466	149	276.6824873	102	360000
						828420_146	828420	146	76.73094957	28	360000

其中，cell_key为小区标识，enb_id为基站ID，cell_id为小区ID，flux_4g为4G流量，users_4g为4G用户数，p_provincecode为省分区。

在本公开的一个实施例中，以下表2公开了栅格化流量数据的示例：

表2

其中，citycode为地市编码，districtcode为区县编码，regionid为区域ID，x_offset_20为x轴偏移量，y_offset_20为y轴偏移量，center_lon为中心经度，center_lat为中心纬度，mrtimes为MR数量，avgrsrp为平均RSRP，flux为流量，p_proyincecode为省编码，p_date为数据获取日期。

在本公开的一个实施例中，以下表3公开了栅格化用户数信息的示例：

表3

其中，flux_4g为4G流量，flux_5g为5G流量，record_4g为4G话单数，record_5g为5G话单数，users_4g为4G用户数，users_5g为5G用户数。

在本公开的一个实施例中，以下表4公开了目标栅格的数据信息示例：

表4

其中，city_id为城市ID，city_name为城市名称，regionid为区域ID，longitude_left_up为栅格左上方经度，latitude_left_up为栅格左上方纬度，longitude_right_down为栅格右下方经度，latitude_right_down为栅格右下方纬度，score_level为得分级别。

基于同一发明构思，本公开实施例中还提供了一种高价值网络区域识别装置，如下面的实施例。由于该装置实施例解决问题的原理与上述方法实施例相似，因此该装置实施例的实施可以参见上述方法实施例的实施，重复之处不再赘述。

图14示出本公开实施例中一种高价值网络区域识别装置示意图，如图14所示，该装置包括：

数据获取模块1410，用于获取目标区域内各个小区的网络数据和用户数据，其中，目标区域包含多个栅格；

价值确定模块1420，用于将网络数据和用户数据与目标区域中相应的栅格关联，确定每个栅格的价值信息，其中，价值信息包含栅格的价值类别，价值类别为高价值或低价值；

高价值网络区域确定模块1430，用于基于每个栅格的价值信息，对目标栅格进行聚类，确定目标区域内高价值网络区域，其中，目标栅格为目标区域内价值类别为高价值的栅格。

在本公开的一个实施例中，上述价值确定模块1420，还用于将网络数据和用户数据与目标区域中相应的栅格关联，得到每个栅格的栅格化网络数据和栅格化用户数据；基于每个栅格的栅格化网络数据和栅格化用户数据，对每个栅格进行价值评估，得到每个栅格的价值信息。

在本公开的一个实施例中，网络数据包含小区的流量数据和MR数据，用户数据包含小区内每个用户的业务信息、小区的用户数信息、每个用户的套餐信息和小区的5G终端数信息；上述价值确定模块1420，还用于获取每个栅格内所有小区的MR数据的数量根据每个栅格内所有小区的MR数据的数量，计算每个栅格的MR数据占比；基于每个栅格的MR数据占比，将流量数据、业务信息、用户数信息、套餐信息和5G终端数信息分别映射至相应的栅格中，得到每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息。

在本公开的一个实施例中，上述价值确定模块1420，还用于基于每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息，确定每个栅格的价值信息。

在本公开的一个实施例中，上述价值确定模块1420，还用于基于每个栅格的栅格化流量数据与预设流量阈值，确定目标区域内的高价值流量栅格；基于每个栅格的栅格化业务信息与预设业务类型，确定目标区域内的高价值业务栅格；基于每个栅格的栅格化用户数信息与预设用户数阈值，确定目标区域内的高价值用户数栅格；基于每个栅格的栅格化套餐信息，计算每个栅格的用户价值，根据每个栅格的用户价值与预设价值阈值，确定目标区域内的高价值套餐栅格，其中，用户价值为栅格内所有用户的套餐价值的总和；基于每个栅格的栅格化5G终端数信息与预设终端数阈值，确定目标区域内高价值终端数栅格；将目标区域内符合预设栅格条件的栅格的价值类别确定为高价值，将剩余的栅格的价值类别确定为低价值，得到目标区域内每个栅格的价值信息，其中，预设栅格条件为同时满足高价值流量栅格、高价值业务栅格、高价值用户数栅格、高价值套餐栅格以及高价值终端数栅格的条件。

在本公开的一个实施例中，上述高价值网络区域确定模块1430，还用于计算目标栅格与多个邻近目标栅格之间的距离，得到每个目标栅格的平均距离，其中，平均距离为目标栅格与多个邻近目标栅格之间距离总和的平均值；基于每个目标栅格的平均距离，确定离散的目标栅格；按照平均距离的大小依次剔除离散的目标栅格，在每次剔除离散的目标栅格后，计算离散比例，直至离散比例小于预设比例阈值时，停止剔除离散的目标栅格，对剩余的目标栅格进行聚类，得到目标区域内高价值网络区域，其中，离散比例为目标区域内剩余离散的目标栅格与目标栅格总数的比值。

在本公开的一个实施例中，上述装置还包括图像化显示模块，该图像化显示模块用于获取目标区域的地理化图像数据；对目标区域内的栅格进行梯度划分，得到栅格的梯度信息；基于每个栅格的梯度信息，在目标区域的地理化图像数据中按照预设颜色与梯度对应关系呈现每个栅格。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图15来描述根据本公开的这种实施方式的电子设备1500。图15显示的电子设备1500仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图15所示，电子设备1500以通用计算设备的形式表现。电子设备1500的组件可以包括但不限于：上述至少一个处理单元1510、上述至少一个存储单元1520、连接不同系统组件(包括存储单元1520和处理单元1510)的总线1530。

其中，存储单元存储有程序代码，程序代码可以被处理单元1510执行，使得处理单元1510执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，处理单元1510可以执行上述方法实施例的如下步骤：获取目标区域内各个小区的网络数据和用户数据，其中，目标区域包含多个栅格；将网络数据和用户数据与目标区域中相应的栅格关联，确定每个栅格的价值信息，其中，价值信息包含栅格的价值类别，价值类别为高价值或低价值；基于每个栅格的价值信息，对目标栅格进行聚类，确定目标区域内高价值网络区域，其中，目标栅格为目标区域内价值类别为高价值的栅格。

存储单元1520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)15201和/或高速缓存存储单元15202，还可以进一步包括只读存储单元(ROM)15203。

存储单元1520还可以包括具有一组(至少一个)程序模块15205的程序/实用工具15204，这样的程序模块15205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线1530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备1500也可以与一个或多个外部设备1540(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1500交互的设备通信，和/或与使得该电子设备1500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1550进行。并且，电子设备1500还可以通过网络适配器1560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1560通过总线1530与电子设备1500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

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，根据本公开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、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，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是可读信号介质或者可读存储介质。其上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

本公开中的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(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

在本公开中，计算机可读存储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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。

可选地，计算机可读存储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、光缆、RF等等，或者上述的任意合适的组合。

在具体实施时，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

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，根据本公开的实施方式，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。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上实施方式的描述，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，根据本公开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、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开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所附的权利要求指出。

Claims (10)

1.一种高价值网络区域识别方法，其特征在于，包括：

获取目标区域内各个小区的网络数据和用户数据，其中，目标区域包含多个栅格；

将所述网络数据和所述用户数据与所述目标区域中相应的栅格关联，确定每个栅格的价值信息，其中，所述价值信息包含栅格的价值类别，所述价值类别为高价值或低价值；

基于每个栅格的价值信息，对目标栅格进行聚类，确定目标区域内高价值网络区域，其中，目标栅格为目标区域内价值类别为高价值的栅格。

2.根据权利要求1所述的高价值网络区域识别方法，其特征在于，将所述网络数据和所述用户数据与所述目标区域中相应的栅格关联，确定每个栅格的价值信息，包括：

将所述网络数据和所述用户数据与所述目标区域中相应的栅格关联，得到每个栅格的栅格化网络数据和栅格化用户数据；

基于每个栅格的栅格化网络数据和栅格化用户数据，对每个栅格进行价值评估，得到每个栅格的价值信息。

3.根据权利要求2所述的高价值网络区域识别方法，其特征在于，所述网络数据包含小区的流量数据和MR数据，所述用户数据包含小区内每个用户的业务信息、小区的用户数信息、每个用户的套餐信息和小区的5G终端数信息；

将所述网络数据和所述用户数据与所述目标区域中相应的栅格关联，得到每个栅格的栅格化网络数据和栅格化用户数据，包括：

获取每个栅格内所有小区的MR数据的数量；

根据每个栅格内所有小区的MR数据的数量，计算每个栅格的MR数据占比；

基于所述每个栅格的MR数据占比，将所述流量数据、所述业务信息、所述用户数信息、所述套餐信息和所述5G终端数信息分别映射至相应的栅格中，得到每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息。

4.根据权利要求3所述的高价值网络区域识别方法，其特征在于，基于每个栅格的栅格化网络数据和栅格化用户数据，对每个栅格进行价值评估，得到每个栅格的价值信息，包括：

基于每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息，确定每个栅格的价值信息。

5.根据权利要求4所述的高价值网络区域识别方法，其特征在于，基于每个栅格的栅格化流量数据、栅格化业务信息、栅格化用户数信息、栅格化套餐信息和栅格化5G终端数信息，确定每个栅格的价值信息，包括：

基于每个栅格的栅格化流量数据与预设流量阈值，确定目标区域内的高价值流量栅格；

基于每个栅格的栅格化业务信息与预设业务类型，确定目标区域内的高价值业务栅格；

基于每个栅格的栅格化用户数信息与预设用户数阈值，确定目标区域内的高价值用户数栅格；

基于每个栅格的栅格化套餐信息，计算每个栅格的用户价值，根据所述每个栅格的用户价值与预设价值阈值，确定目标区域内的高价值套餐栅格，其中，所述用户价值为栅格内所有用户的套餐价值的总和；

基于每个栅格的栅格化5G终端数信息与预设终端数阈值，确定目标区域内高价值终端数栅格；

将目标区域内符合预设栅格条件的栅格的价值类别确定为高价值，将剩余的栅格的价值类别确定为低价值，得到目标区域内每个栅格的价值信息，其中，预设栅格条件为同时满足高价值流量栅格、高价值业务栅格、高价值用户数栅格、高价值套餐栅格以及高价值终端数栅格的条件。

6.根据权利要求1所述的高价值网络区域识别方法，其特征在于，基于每个栅格的价值信息，对目标栅格进行聚类，确定目标区域内高价值网络区域，包括：

计算目标栅格与多个邻近目标栅格之间的距离，得到每个目标栅格的平均距离，其中，平均距离为目标栅格与多个邻近目标栅格之间距离总和的平均值；

基于每个目标栅格的平均距离，确定离散的目标栅格；

按照所述平均距离的大小依次剔除所述离散的目标栅格，在每次剔除所述离散的目标栅格后，计算离散比例，直至所述离散比例小于预设比例阈值时，停止剔除离散的目标栅格，对剩余的目标栅格进行聚类，得到目标区域内高价值网络区域，其中，所述离散比例为目标区域内剩余离散的目标栅格与目标栅格总数的比值。

7.根据权利要求1所述的高价值网络区域识别方法，其特征在于，在将所述网络数据和所述用户数据与所述目标区域中相应的栅格关联，确定每个栅格的价值信息之后，所述方法还包括：

获取目标区域的地理化图像数据；

对目标区域内的栅格进行梯度划分，得到栅格的梯度信息；

基于每个栅格的梯度信息，在目标区域的地理化图像数据中按照预设颜色与梯度对应关系呈现每个栅格。

8.一种高价值网络区域识别装置，其特征在于，包括：

数据获取模块，用于获取目标区域内各个小区的网络数据和用户数据，其中，目标区域包含多个栅格；

价值确定模块，用于将所述网络数据和所述用户数据与所述目标区域中相应的栅格关联，确定每个栅格的价值信息，其中，所述价值信息包含栅格的价值类别，所述价值类别为高价值或低价值；

高价值网络区域确定模块，用于基于每个栅格的价值信息，对目标栅格进行聚类，确定目标区域内高价值网络区域，其中，目标栅格为目标区域内价值类别为高价值的栅格。

9.一种电子设备，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1～7中任意一项所述高价值网络区域识别方法。

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，所述计算机程序被处理器执行时实现权利要求1～7中任意一项所述的高价值网络区域识别方法。

Images