CN116257774A - 区域分类方法、装置及存储介质 - Google Patents
区域分类方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116257774A CN116257774A CN202310012822.0A CN202310012822A CN116257774A CN 116257774 A CN116257774 A CN 116257774A CN 202310012822 A CN202310012822 A CN 202310012822A CN 116257774 A CN116257774 A CN 116257774A
- Authority
- CN
- China
- Prior art keywords
- target
- data
- simulation
- area
- measurement
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000004088 simulation Methods 0.000 claims abstract description 202
- 238000005259 measurement Methods 0.000 claims abstract description 124
- 238000004891 communication Methods 0.000 claims abstract description 32
- 238000007621 cluster analysis Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000015654 memory Effects 0.000 description 30
- 230000006870 function Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052956 cinnabar Inorganic materials 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本申请提供一种区域分类方法、装置及存储介质,涉及通信技术领域,能够解决现有的区域分类技术成本高、效率低下的问题。该方法包括:获取N个仿真数据以及N个测量数据;仿真数据包括仿真区域的仿真经纬度、仿真接收功率以及仿真信噪比;测量数据包括测量区域的测量经纬度、测量接收功率以及测量信噪比;N为正整数;对比N个仿真数据以及N个测量数据,得到N个目标数据;目标数据包括目标区域对应的仿真接收功率与测量接收功率的差值,以及仿真信噪比与测量信噪比的差值;将目标数据进行聚类分析,得到每个仿真区域的区域分类结果;区域分类结果用于表征仿真区域的场景信息。本申请能够高效、低成本地对区域进行分类。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种区域分类方法、装置及存储介质。
背景技术
在无线仿真技术中,基站的地理场景分类属于关键的基础参数。地理场景是指一定时空范围内的各种自然要素、人文要素相互联系、相互作用所构成的具有特定结构和功能的地域综合体。
现有的地理场景分类技术主要通过人工经验划分以及通过从三维数字地图的场景类型数据中读取。其中,人工经验划分主要通过对城市级别、地理环境较为熟悉的人员对地理场景进行划分。人工经验划分的方法存在人力成本较大,效率低的问题。遥感图像绘制三维地图,从三维数字地图的场景类型数据中读取处理,此方法要求全国所有城市必须有三维数字地图,而三维数字地图采集的成本较高。
发明内容
本申请提供一种区域分类方法、装置及存储介质,解决了现有的区域分类技术成本高、效率低下的问题,能够高效、低成本地对区域进行分类。
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请提供一种区域分类方法,该方法包括:获取N个仿真数据以及N个测量数据;仿真数据包括仿真区域的仿真经纬度、仿真接收功率以及仿真信噪比;测量数据包括测量区域的测量经纬度、测量接收功率以及测量信噪比;N为正整数;对比N个仿真数据以及N个测量数据,得到N个目标数据;目标数据包括目标区域对应的仿真接收功率与测量接收功率的差值,以及仿真信噪比与测量信噪比的差值;将目标数据进行聚类分析,得到每个仿真区域的区域分类结果;区域分类结果用于表征仿真区域的场景信息。
上述方案至少带来以下有益效果:基于上述技术方案,本申请提供的区域分类方法,区域分类装置首先获取N个仿真数据以及N个测量数据,并通过对比N个仿真数据以及N个测量数据,得到N个目标数据。然后区域分类装置将目标数据进行聚类分析,得到每个仿真区域的区域分类结果。相比于现有技术要通过人工经验划分以及通过从三维数字地图的场景类型数据中读取,成本较大,效率低的问题。上述技术方案可以低成本、且高效精确地划分区域。
结合上述第一方面,在一种可能的实现方式中,该方法还包括:针对仿真区域内多个第一区域中的每个第一区域,获取第一区域对应的基站数据;确定仿真模型的仿真参数;仿真参数包括频点数据、带宽数据以及发射功率;将仿真区域内各个第一区域对应的基站数据输入仿真模型中,得到仿真数据。
结合上述第一方面,在一种可能的实现方式中,该方法还包括:在仿真区域的仿真经纬度与测量区域的测量经纬度相同的情况下,确定仿真区域与所述测量区域为同一个所述目标区域;针对N个目标区域,计算每个目标区域对应的仿真区域的仿真接收功率与测量区域的测量接收功率的差值;针对N个目标区域,计算每个目标区域对应的仿真区域的仿真信噪比与测量区域的测量信噪比的差值。
结合上述第一方面,在一种可能的实现方式中,该方法还包括:确定N个目标数据中的K个目标数据为K个第一目标质心;K小于等于N;基于K个第一目标质心,将N个目标数据进行聚类,得到K个目标集合;其中,一个目标集合包括M个目标数据;M为正整数;M小于等于N;确定仿真区域的区域分类结果为对应的目标集合的类别;目标集合的类别用于表征仿真区域的场景信息。
结合上述第一方面,在一种可能的实现方式中,该方法还包括:重复执行第一操作,以使得K个第一距离均小于预设阈值,确定K个目标集合;第一操作包括:针对N个目标数据中的每个目标数据,计算目标数据分别与每个第一目标质心之间的欧式距离,得到目标数据对应的K个第一欧氏距离;针对N个目标数据中的每个目标数据,确定目标数据对应的K个第一欧氏距离中值最小的第二欧式距离;基于每个目标数据的第二欧氏距离,确定K个第一数据集合;K个第一数据集合与K个第一目标质心一一对应;第一数据集合中的任一个目标数据的第二欧氏距离为目标数据与第一数据集合对应的第一目标质心之间的欧氏距离;针对K个第一数据集合中的每个第一数据集合,将第一数据集合中的目标数据的中心点作为第二目标质心;针对K个第一数据集合中的每个第一数据集合,计算第一数据集合对应的第一目标质心与第二目标质心之间的距离,得到K个第一距离;将第一数据集合对应的第二目标质心作为第一目标质心。
第二方面,本申请提供一种区域分类装置,该装置包括:通信单元以及处理单元;通信单元,用于获取N个仿真数据以及N个测量数据;仿真数据包括仿真区域的仿真经纬度、仿真接收功率以及仿真信噪比;测量数据包括测量区域的测量经纬度、测量接收功率以及测量信噪比;N为正整数;处理单元,用于对比N个仿真数据以及N个测量数据,得到N个目标数据;目标数据包括目标区域对应的仿真接收功率与测量接收功率的差值,以及仿真信噪比与测量信噪比的差值;处理单元,还用于将目标数据进行聚类分析,得到每个仿真区域的区域分类结果;区域分类结果用于表征仿真区域的场景信息。
结合上述第二方面,在一种可能的实现方式中,通信单元,还用于针对仿真区域内多个第一区域中的每个第一区域,获取第一区域对应的基站数据;处理单元,还用于确定仿真模型的仿真参数;仿真参数包括频点数据、带宽数据以及发射功率;处理单元,还用于将仿真区域内各个第一区域对应的基站数据输入仿真模型中,得到仿真数据。
结合上述第二方面,在一种可能的实现方式中,处理单元还用于:在仿真区域的仿真经纬度与测量区域的测量经纬度相同的情况下,确定仿真区域与测量区域为同一个目标区域;针对N个目标区域,计算每个目标区域对应的仿真区域的仿真接收功率与测量区域的测量接收功率的差值;针对N个目标区域,计算每个目标区域对应的仿真区域的仿真信噪比与测量区域的测量信噪比的差值。
结合上述第二方面,在一种可能的实现方式中,处理单元还用于:确定N个目标数据中的K个目标数据为K个第一目标质心;K小于等于N;基于K个第一目标质心,将N个目标数据进行聚类,得到K个目标集合;其中,一个目标集合包括M个目标数据;M为正整数;M小于等于N;确定仿真区域的区域分类结果为对应的目标集合的类别;目标集合的类别用于表征仿真区域的场景信息。
结合上述第二方面,在一种可能的实现方式中,处理单元还用于:重复执行第一操作,以使得K个第一距离均小于预设阈值,确定K个目标集合;第一操作包括:针对N个目标数据中的每个目标数据,计算目标数据分别与每个第一目标质心之间的欧式距离,得到目标数据对应的K个第一欧氏距离;针对N个目标数据中的每个目标数据,确定目标数据对应的K个第一欧氏距离中值最小的第二欧式距离;基于每个目标数据的第二欧氏距离,确定K个第一数据集合;K个第一数据集合与K个第一目标质心一一对应;第一数据集合中的任一个目标数据的第二欧氏距离为目标数据与第一数据集合对应的第一目标质心之间的欧氏距离;针对K个第一数据集合中的每个第一数据集合,将第一数据集合中的目标数据的中心点作为第二目标质心;针对K个第一数据集合中的每个第一数据集合,计算第一数据集合对应的第一目标质心与第二目标质心之间的距离,得到K个第一距离;将第一数据集合对应的第二目标质心作为第一目标质心。
第三方面,本申请提供了一种区域分类装置,该装置包括:处理器和通信接口;通信接口和处理器耦合,处理器用于运行计算机程序或指令,以实现如第一方面和第一方面的任一种可能的实现方式中所描述的区域分类方法。
第四方面,本申请提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当指令在终端上运行时,使得终端执行如第一方面和第一方面的任一种可能的实现方式中描述的区域分类方法。
第五方面,本申请提供一种包含指令的计算机程序产品,当计算机程序产品在区域分类装置上运行时,使得区域分类装置执行如第一方面和第一方面的任一种可能的实现方式中所描述的区域分类方法。
第六方面,本申请提供一种芯片,芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行计算机程序或指令,以实现如第一方面和第一方面的任一种可能的实现方式中所描述的区域分类方法。
具体的,本申请中提供的芯片还包括存储器,用于存储计算机程序或指令。
需要说明的是,上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中,计算机可读存储介质可以与装置的处理器封装在一起的,也可以与装置的处理器单独封装,本申请对此不作限定。
第七方面,本申请提供一种区域分类系统,包括:区域分类装置和数据服务器,其中区域分类装置用于执行如第一方面和第一方面的任一种可能的实现方式中所描述的区域分类方法。
本申请中第二方面至第七方面的描述,可以参考第一方面的详细描述;并且,第二方面至第七方面的描述的有益效果,可以参考第一方面的有益效果分析,此处不再赘述。
在本申请中,上述区域分类装置的名字对设备或功能模块本身不构成限定,在实际实现中,这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本申请类似,属于本申请权利要求及其等同技术的范围之内。
本申请的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
图1为本申请实施例提供的一种区域分类系统的架构示意图;
图2为本申请实施例提供的一种区域分类方法的流程图;
图3为本申请实施例提供的另一种区域分类方法的流程图;
图4为本申请实施例提供的一种区域分类装置的结构示意图;
图5为本申请实施例提供的另一种区域分类装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象,或者用于区别对同一对象的不同处理,而不是用于描述对象的特定顺序。
此外,本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请的描述中,除非另有说明,“多个”的含义是指两个或两个以上。
在无线仿真技术中,基站的地理场景分类属于关键的基础参数。地理场景是指一定时空范围内的各种自然要素、人文要素相互联系、相互作用所构成的具有特定结构和功能的地域综合体。
现有的地理场景分类技术主要通过人工经验划分以及通过从三维数字地图的场景类型数据中读取。其中,人工经验划分主要通过对城市级别、地理环境较为熟悉的人员对地理场景进行划分。人工经验划分的方法存在人力成本较大,效率低的问题。遥感图像绘制三维地图,从三维数字地图的场景类型数据中读取处理,此方法要求全国所有城市必须有三维数字地图,而三维数字地图采集的成本较高。
基于此,本申请提出了一种区域分类方法,区域分类装置首先获取N个仿真数据以及N个测量数据,并通过对比N个仿真数据以及N个测量数据,得到N个目标数据。然后区域分类装置将目标数据进行聚类分析,得到每个仿真区域的区域分类结果。相比于现有技术要通过人工经验划分以及通过从三维数字地图的场景类型数据中读取,成本较大,效率低的问题。上述技术方案可以低成本、且高效精确地划分区域。
下面将结合说明书附图,对本申请实施例的实施方式进行详细描述。
图1为本申请实施例提供的一种区域分类系统10的架构图。如图1所示,该区域分类系统10包括:区域分类装置101以及数据服务器102。
其中,区域分类装置101以及数据服务器102可以为一个,也可以为多个,为便于理解,图1中仅示出一个。
区域分类装置101以及数据服务器102通过通信链路连接。该通信链路可以为有线通信链路,也可以为无线通信链路,本申请对此不做限定。
上述区域分类装置101以及数据服务器102包括:
处理器,处理器可以是一个通用中央处理器(central processing unit,CPU),微处理器,特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制本申请方案程序执行的集成电路。
收发器,收发器可以是使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless localarea networks,WLAN)等。
存储器,存储器可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过通信线路与处理器相连接。存储器也可以和处理器集成在一起。
一种可能的实现方式,区域分类装置101根据每个第一区域的基站数据进行网络仿真得到仿真数据,并将仿真结果与数据服务器102提供的测量朱据进行对比,得到对比结果。然后区域分类装置101将对比结果的差值进行聚类分析,通过聚类的结果得到区域分类结果。
一种可能的实现方式,数据服务器102用于向区域分类装置101提供测量数据以及多个第一区域中,每个第一区域的基站数据。
示例性的,数据服务器102在存储器中保存有运营商提供的测量(MeasurementReport,MR)数据,以及每个第一区域的基站数据。数据服务器102向区域分类装置101发送MR数据以及基站数据用于区域分类。
需要指出的是,本申请各实施例之间可以相互借鉴或参考,例如,相同或相似的步骤,方法实施例、系统实施例和装置实施例之间,均可以相互参考,不予限制。
图2为本申请实施例提供的一种区域分类方法的流程图。如图2所示,该方法包括以下步骤:
S201、区域分类装置获取N个仿真数据以及N个测量数据。
其中,仿真数据包括仿真区域的仿真经纬度、仿真接收功率以及仿真信噪比,测量数据包括测量区域的测量经纬度、测量接收功率以及测量信噪比。N为正整数。
一种可能的实现方式,S201中的区域分类装置获取N个仿真数据可以通过以下S2011-S2013实现。
S2011、针对仿真区域内多个第一区域中的每个第一区域,获取第一区域对应的基站数据。
示例性的,如表1所示,区域分类装置获取仿真区域范围内各个小区的基站的经度、纬度、方向角、下倾角以及挂高等核心基本数据以及省份、地市以及行政区等范围参数。
其中,小区为城市线网5G、4G或3G等网络制式中逻辑小区最多制式对应的相关配置。
表1小区基站参数表
S2012、区域分类装置确定仿真模型的仿真参数。
其中,仿真参数包括频点数据、带宽数据以及发射功率。
一种可能的实现方式,区域分类装置根据链路预算对应的频点数据、带宽数据以及发射功率,并在仿真模型中设置发射功率。
示例性的,区域分类装置根据链路预算对应的频点、子载波带宽进行使用频段/频点建模,针对小区基站参数,设置子载波带宽以及主同步信号(PSS)发射功率,并在仿真模型中设置PSS发射功率。
S2013、区域分类装置将仿真区域内各个第一区域对应的基站数据输入仿真模型中,得到仿真数据。
示例性的,区域分类装置将仿真区域范围内各个小区的基站的经度、纬度、方向角、下倾角以及挂高等核心基本数据以及省份、地市以及行政区等范围参数,输入到仿真模型中进行仿真计算,得到尺寸为50m×50m栅格化处理的仿真数据。如表2所示,包括3个仿真区域的仿真数据,仿真数据包括仿真区域中每个栅格的省份、地市、中心经度、中心纬度、平均接收功率以及平均信噪比等数据。
表2仿真数据汇总表
一种可能的实现方式,区域分类装置获取目标尺寸的测量数据。
示例性的,以N个测量数据为MR数据为例。区域分类装置获取来自运营商提供的大小为50m×50m栅格化处理的MR数据。如表3所示,包括3个测量区域的测量数据,其中,每条测量数据包括测量区域中每个栅格的省份、地市、中心经度、中心纬度、平均接收功率以及平均信噪比等数据。
表3测量数据汇总表
S202、区域分类装置对比N个仿真数据以及N个测量数据,得到N个目标数据。
其中,目标数据包括目标区域对应的仿真接收功率与测量接收功率的差值,以及仿真信噪比与测量信噪比的差值。
一种可能的实现方式,上述区域分类装置对比N个仿真数据以及N个测量数据,得到N个目标数据可以通过以下S2021-S2023实现。
S2021、区域分类装置在仿真区域的仿真经纬度与测量区域的测量经纬度相同的情况下,确定仿真区域与测量区域为同一个目标区域。
一种可能的实现方式,区域分类装置对比N个仿真区域的仿真经纬度与N个测量区域的测量经纬度是否相同。在仿真区域的仿真经纬度与测量区域的测量经纬度相同的情况下,区域分类装置确定仿真区域与侧两区域为同一个目标区域。
示例性的,区域分类装置将仿真栅格1的中心经度及中心纬度、仿真栅格2的中心经度及中心纬度、以及仿真栅格3的中心经度及中心纬度,与测量栅格1的中心经度及中心纬度、测量栅格2的中心经度及中心纬度、以及测量栅格3的中心经度及中心纬度进行对比。
示例性的,仿真栅格1的中心经度及中心纬度为115.7464及33.7999。测量栅格1的中心经度及中心纬度为115.7464及33.7999。因此,区域分类装置确定仿真栅格1与测量栅格1为同一个目标区域的栅格。
S2022、区域分类装置针对N个目标区域,计算每个目标区域对应的仿真区域的仿真接收功率与测量区域的测量接收功率的差值。
示例性的,以N个目标区域为3个目标区域,仿真栅格1的仿真接收功率为-96.6045、仿真栅格2的仿真接收功率为-110.324、测量栅格1的测量接收功率为-83.2164、测量栅格2的测量接收功率为-98.2496为例。区域分类装置计算目标区域1对应仿真栅格1的仿真接收功率与测量栅格1的测量接收功率的差值为-13.3881。区域分类装置计算目标区域2对应仿真栅格2的仿真接收功率与测量栅格2的测量接收功率的差值为-12.0744。
S2023、区域分类装置针对N个目标区域,计算每个目标区域对应的仿真区域的仿真信噪比与测量区域的测量信噪比的差值。
示例性的,以N个目标区域为3个目标区域,仿真栅格1的仿真信噪比为2.5412、仿真栅格2的仿真信噪比为3.1756、测量栅格1的测量信噪比为1.8764、测量栅格2的测量信噪比为0.2451为例。区域分类装置计算目标区域1对应仿真栅格1的仿真信噪比与测量栅格1的测量信噪比的差值为0.6648。区域分类装置计算目标区域2对应仿真栅格2的仿真信噪比与测量栅格2的测量信噪比的差值为2.9305。
S203、区域分类装置将目标数据进行聚类分析,得到每个仿真区域的区域分类结果。
其中,区域分类结果用于表征仿真区域的场景信息。
一种可能的实现方式,区域分类装置将N个目标数据通过K均值聚类算法(k-meansclustering algorithm)进行聚类分析,得到K个类别的目标数据。区域分类装置将每条目标数据所对应的目标集合的类别作为区域分类结果。
一种可能的实现方式,区域分类装置将目标数据进行聚类分析,得到每个仿真区域的区域分类结果可以通过以下S2031-S2033实现。
S2031、区域分类装置确定N个目标数据中的K个目标数据为K个第一目标质心。
其中,K小于等于N。
示例性的,区域分类装置根据用户确定的K值,从N个目标数据中随机选定K个目标数据作为K个第一目标质心。
S2032、区域分类装置基于K个第一目标质心,将N个目标数据进行聚类,得到K个目标集合。
其中,一个目标集合包括M个目标数据,M为正整数,M小于等于N。
示例性的,基于K个第一目标质心,区域分类装置将N个目标数据通过K均值聚类算法聚类为K个目标集合。
S2033、区域分类装置确定仿真区域的区域分类结果为对应的目标集合的类别。
其中,目标集合的类别用于表征仿真区域的场景信息。
一种可能的实现方式,区域分类装置确定目标数据的区域分类结果为目标数据所在的目标集合的类别。
示例性的,以用户确定的K值为3为例,3个目标集合分别对应类型1、类型2以及类型3。目标集合1中的M条目标数据的区域分类结果为类型1。目标集合2中的M条目标数据的区域分类结果为类型2。目标集合3中的M条目标数据的区域分类结果为类型3。
示例性的,如表4所示,栅格编号1对应的目标数据为目标集合1中的数据,因此,栅格编号1对应的目标数据的区域分类结果为类型1。栅格编号2对应的目标数据为目标集合2中的数据,因此,栅格编号2对应的目标数据的区域分类结果为类型2。栅格编号3对应的目标数据为目标集合3中的数据,因此,栅格编号3对应的目标数据的区域分类结果为类型3。
表4区域分类结果汇总表
省份 | 地市 | 栅格编号 | 中心经度 | 中心经度 | 聚类场景 |
XX | XX | 1 | 115.7464 | 33.7999 | 类型1 |
XX | XX | 2 | 118.3725 | 31.31351 | 类型2 |
XX | XX | 3 | 115.7245 | 33.8424 | 类型3 |
基于上述技术方案,区域分类装置首先获取N个仿真数据以及N个测量数据,并通过对比N个仿真数据以及N个测量数据,得到N个目标数据。然后区域分类装置将目标数据进行聚类分析,得到每个仿真区域的区域分类结果。相比于现有技术要通过人工经验划分以及通过从三维数字地图的场景类型数据中读取,成本较大,效率低的问题。上述技术方案可以低成本、且高效精确地划分区域。
作为本申请的一种可能的实施例,如图3所示,上述区域分类装置基于K个第一目标质心,将N个目标数据进行聚类,得到K个目标集合可以通过以下S301实现。
S301、区域分类装置重复执行第一操作,以使得K个第一距离均小于预设阈值,确定K个目标集合。
一种可能的实现方式,区域分类装置重复执行第一操作,计算K个第一距离。在K个第一距离均小于预设阈值的情况下,确定K个目标集合。
示例性的,以K值为4,K个第一距离分别为1.5、2.2、2、0.4,预设阈值为3为例。区域分类装置确定4个第一距离均小于预设阈值,确定4个目标集合。
一种可能的实现方式,第一操作可以通过以下S302-S306实现。
S302、区域分类装置针对N个目标数据中的每个目标数据,计算目标数据分别与每个第一目标质心之间的欧式距离,得到目标数据对应的K个第一欧氏距离。
示例性的,以K值为3为例。区域分类装置针对N个目标数据中的每个目标数据,计算目标数据分别与每个第一目标质心之间的欧式距离,得到目标数据对应的3个第一欧式距离。欧式距离的计算公式如下所示:
其中,D为欧式距离,Ri为目标数据的接收功率,Rc为第一目标质心的接收功率,Si为目标数据的信噪比,Sc为第一目标质心的信噪比。
S303、区域分类装置针对N个目标数据中的每个目标数据,确定目标数据对应的K个第一欧氏距离中值最小的第二欧式距离。
示例性的,以K值为3,3个第一欧式距离分别为30、32以及35为例。针对N个目标数据中的每个目标数据,区域分类装置从目标数据的3个第一欧式距离中,确定目标数据对应的值最小的第一欧式距离30为第二欧式距离。
S304、区域分类装置基于每个目标数据的第二欧氏距离,确定K个第一数据集合。
其中,K个第一数据集合与K个第一目标质心一一对应,第一数据集合中的任一个目标数据的第二欧氏距离为目标数据与第一数据集合对应的第一目标质心之间的欧氏距离。
示例性的,基于目标数据的第二欧式距离,区域分类装置将目标数据归类到第二欧式距离对应的第一目标质心,并将每个第一目标质心对应的M条目标数据确定为一个第一数据集合。
S305、区域分类装置针对K个第一数据集合中的每个第一数据集合,将第一数据集合中的目标数据的中心点作为第二目标质心。
S306、区域分类装置针对K个第一数据集合中的每个第一数据集合,计算第一数据集合对应的第一目标质心与第二目标质心之间的距离,得到K个第一距离,将第一数据集合对应的第二目标质心作为第一目标质心。
示例性的,以第一数据集合对应的第一目标质心的位置为(1,2,3),第一数据集合对应的第二目标质心的位置为(3,2,3)为例。区域分类装置计算第一数据集合对应的第一目标质心的位置与第一数据集合对应的第二目标质心的位置之间的距离为2。
基于上述技术方案,区域分类装置通过重复执行第一操作,以使得K个第一距离均小于预设阈值,确定K个目标集合。并且,区域分类装置通过针对N个目标数据中的每个目标数据,计算目标数据分别与每个第一目标质心之间的欧式距离,得到目标数据对应的K个第一欧氏距离,针对N个目标数据中的每个目标数据,确定目标数据对应的K个第一欧氏距离中值最小的第二欧式距离。然后,区域分类装置基于每个目标数据的第二欧氏距离,确定K个第一数据集合,针对K个第一数据集合中的每个第一数据集合,将第一数据集合中的目标数据的中心点作为第二目标质心,针对K个第一数据集合中的每个第一数据集合,计算第一数据集合对应的第一目标质心与第二目标质心之间的距离,得到K个第一距离,将第一数据集合对应的第二目标质心作为第一目标质心。因此,上述技术方案中区域分类装置可以通过使用K均值迭代的算法,可以高效准确地确定K个目标集合。
本申请实施例可以根据上述方法示例对区域分类装置进行功能模块或者功能单元的划分,例如,可以对应各个功能划分各个功能模块或者功能单元,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块或者功能单元的形式实现。其中,本申请实施例中对模块或者单元的划分是示意性的,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。
如图4所示,为本申请实施例提供的一种区域分类装置40的结构示意图,该区域分类装置40包括:通信单元401以及处理单元402。
通信单元401,用于获取N个仿真数据以及N个测量数据;仿真数据包括仿真区域的仿真经纬度、仿真接收功率以及仿真信噪比;测量数据包括测量区域的测量经纬度、测量接收功率以及测量信噪比;N为正整数。
处理单元402,用于对比N个仿真数据以及N个测量数据,得到N个目标数据;目标数据包括目标区域对应的仿真接收功率与测量接收功率的差值,以及仿真信噪比与测量信噪比的差值。
处理单元402,还用于将目标数据进行聚类分析,得到每个仿真区域的区域分类结果;区域分类结果用于表征仿真区域的场景信息。
通信单元401,还用于针对仿真区域内多个第一区域中的每个第一区域,获取第一区域对应的基站数据。
处理单元402,还用于确定仿真模型的仿真参数;仿真参数包括频点数据、带宽数据以及发射功率。
处理单元402,还用于将仿真区域内各个第一区域对应的基站数据输入仿真模型中,得到仿真数据。
处理单元402,还用于在仿真区域的仿真经纬度与测量区域的测量经纬度相同的情况下,确定仿真区域与测量区域为同一个目标区域;针对N个目标区域,计算每个目标区域对应的仿真区域的仿真接收功率与测量区域的测量接收功率的差值;针对N个目标区域,计算每个目标区域对应的仿真区域的仿真信噪比与测量区域的测量信噪比的差值。
处理单元402,还用于确定N个目标数据中的K个目标数据为K个第一目标质心;K小于等于N;基于K个第一目标质心,将N个目标数据进行聚类,得到K个目标集合;其中,一个目标集合包括M个目标数据;M为正整数;M小于等于N;确定仿真区域的区域分类结果为对应的目标集合的类别;目标集合的类别用于表征仿真区域的场景信息。
处理单元402,还用于重复执行第一操作,以使得K个第一距离均小于预设阈值,确定K个目标集合;第一操作包括:针对N个目标数据中的每个目标数据,计算目标数据分别与每个第一目标质心之间的欧式距离,得到目标数据对应的K个第一欧氏距离;针对N个目标数据中的每个目标数据,确定目标数据对应的K个第一欧氏距离中值最小的第二欧式距离;基于每个目标数据的第二欧氏距离,确定K个第一数据集合;K个第一数据集合与K个第一目标质心一一对应;第一数据集合中的任一个目标数据的第二欧氏距离为目标数据与第一数据集合对应的第一目标质心之间的欧氏距离;针对K个第一数据集合中的每个第一数据集合,将第一数据集合中的目标数据的中心点作为第二目标质心;针对K个第一数据集合中的每个第一数据集合,计算第一数据集合对应的第一目标质心与第二目标质心之间的距离,得到K个第一距离;将第一数据集合对应的第二目标质心作为第一目标质心。
一种可能的实现方式中,区域分类装置40还可以包括存储单元403(图4中以虚线框示出),该存储单元403存储有程序或指令,当处理单元402执行该程序或指令时,使得区域分类装置40可以执行上述方法实施例所述的区域分类方法。
在通过硬件实现时,本申请实施例中的通信单元401可以集成在通信接口上,处理单元402可以集成在处理器上。具体实现方式如图5所示。
图5示出了上述实施例中所涉及的区域分类装置的又一种可能的结构示意图。该区域分类装置包括:处理器502和通信接口501。处理器502用于对区域分类装置的动作进行控制管理,例如,执行上述处理单元402执行的步骤,和/或用于执行本文所描述的技术的其它过程。通信接口501用于支持区域分类装置与其他网络实体的通信,例如,执行上述通信单元401执行的步骤。区域分类装置还可以包括存储器503和总线504,存储器503用于存储区域分类装置的程序代码和数据。
其中,存储器503可以是区域分类装置中的存储器等,该存储器可以包括易失性存储器,例如随机存取存储器;该存储器也可以包括非易失性存储器,例如只读存储器,快闪存储器,硬盘或固态硬盘;该存储器还可以包括上述种类的存储器的组合。
上述处理器502可以是实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。该处理器可以是中央处理器,通用处理器,数字信号处理器,专用集成电路,现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。该处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线504可以是扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。总线504可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
图5中的区域分类装置还可以为芯片。该芯片包括一个或两个以上(包括两个)处理器502和通信接口501。
在一些实施例中,该芯片还包括存储器503,存储器503可以包括只读存储器和随机存取存储器,并向处理器502提供操作指令和数据。存储器503的一部分还可以包括非易失性随机存取存储器(non-volatile random access memory,NVRAM)。
在一些实施方式中,存储器503存储了如下的元素,执行模块或者数据结构,或者他们的子集,或者他们的扩展集。
在本申请实施例中,通过调用存储器503存储的操作指令(该操作指令可存储在操作系统中),执行相应的操作。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置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。
本申请实施例提供一种包含指令的计算机程序产品,当该计算机程序产品在计算机上运行时,使得该计算机执行上述方法实施例中的区域分类方法。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当该指令在计算机上运行时,使得该计算机执行上述方法实施例所示的方法流程中的区域分类方法。
其中,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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、寄存器、硬盘、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、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(Application Specific Integrated Circuit,ASIC)中。在本申请实施例中,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。
由于本申请的实施例中的区域分类装置、计算机可读存储介质、计算机程序产品可以应用于上述方法,因此,其所能获得的技术效果也可参考上述方法实施例,本申请实施例在此不再赘述。
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、设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,设备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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
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。
以上,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (12)
1.一种区域分类方法,其特征在于,所述方法包括:
获取N个仿真数据以及N个测量数据;所述仿真数据包括仿真区域的仿真经纬度、仿真接收功率以及仿真信噪比;所述测量数据包括测量区域的测量经纬度、测量接收功率以及测量信噪比;N为正整数;
对比所述N个仿真数据以及所述N个测量数据,得到N个目标数据;所述目标数据包括目标区域对应的所述仿真接收功率与所述测量接收功率的差值,以及所述仿真信噪比与所述测量信噪比的差值;
将所述目标数据进行聚类分析,得到每个仿真区域的区域分类结果;所述区域分类结果用于表征所述仿真区域的场景信息。
2.根据权利要求1所述的方法,其特征在于,所述仿真数据通过以下步骤确定:
针对所述仿真区域内多个第一区域中的每个第一区域,获取所述第一区域对应的基站数据;
确定仿真模型的仿真参数;所述仿真参数包括频点数据、带宽数据以及发射功率;
将所述仿真区域内各个第一区域对应的基站数据输入所述仿真模型中,得到仿真数据。
3.根据权利要求1所述的方法,其特征在于,所述对比所述N个仿真数据以及所述N个测量数据,得到N个目标数据,包括:
在所述仿真区域的仿真经纬度与所述测量区域的测量经纬度相同的情况下,确定所述仿真区域与所述测量区域为同一个所述目标区域;
针对N个所述目标区域,计算每个所述目标区域对应的所述仿真区域的仿真接收功率与所述测量区域的测量接收功率的差值;
针对N个所述目标区域,计算每个所述目标区域对应的所述仿真区域的仿真信噪比与所述测量区域的测量信噪比的差值。
4.根据权利要求1所述的方法,其特征在于,所述将所述目标数据进行聚类分析,得到每个仿真区域的区域分类结果,包括:
确定N个所述目标数据中的K个所述目标数据为K个第一目标质心;K小于等于N;
基于K个所述第一目标质心,将所述N个目标数据进行聚类,得到K个目标集合;其中,一个所述目标集合包括M个所述目标数据;M为正整数;M小于等于N;
确定所述仿真区域的区域分类结果为对应的所述目标集合的类别;所述目标集合的类别用于表征所述仿真区域的场景信息。
5.根据权利要求4所述的方法,其特征在于,所述基于K个所述第一目标质心,将所述N个目标数据进行聚类,得到K个目标集合,包括:
重复执行第一操作,以使得K个第一距离均小于预设阈值,确定K个所述目标集合;
所述第一操作包括:
针对所述N个目标数据中的每个目标数据,计算所述目标数据分别与每个所述第一目标质心之间的欧式距离,得到所述目标数据对应的K个第一欧氏距离;
针对所述N个目标数据中的每个目标数据,确定所述目标数据对应的K个第一欧氏距离中值最小的第二欧式距离;
基于每个所述目标数据的第二欧氏距离,确定K个第一数据集合;所述K个第一数据集合与所述K个第一目标质心一一对应;所述第一数据集合中的任一个目标数据的第二欧氏距离为所述目标数据与所述第一数据集合对应的第一目标质心之间的欧氏距离;
针对所述K个第一数据集合中的每个第一数据集合,将所述第一数据集合中的目标数据的中心点作为所述第二目标质心;
针对所述K个第一数据集合中的每个第一数据集合,计算所述第一数据集合对应的第一目标质心与第二目标质心之间的距离,得到K个第一距离;将所述第一数据集合对应的第二目标质心作为第一目标质心。
6.一种区域分类装置,其特征在于,所述装置包括:通信单元以及处理单元;
所述通信单元,用于获取N个仿真数据以及N个测量数据;所述仿真数据包括仿真区域的仿真经纬度、仿真接收功率以及仿真信噪比;所述测量数据包括测量区域的测量经纬度、测量接收功率以及测量信噪比;N为正整数;
所述处理单元,用于对比所述N个仿真数据以及所述N个测量数据,得到N个目标数据;所述目标数据包括目标区域对应的所述仿真接收功率与所述测量接收功率的差值,以及所述仿真信噪比与所述测量信噪比的差值;
所述处理单元,还用于将所述目标数据进行聚类分析,得到每个仿真区域的区域分类结果;所述区域分类结果用于表征所述仿真区域的场景信息。
7.根据权利要求6所述的装置,其特征在于,
所述通信单元,还用于针对所述仿真区域内多个第一区域中的每个第一区域,获取所述第一区域对应的基站数据;
所述处理单元,还用于确定仿真模型的仿真参数;所述仿真参数包括频点数据、带宽数据以及发射功率;
所述处理单元,还用于将所述仿真区域内各个第一区域对应的基站数据输入所述仿真模型中,得到仿真数据。
8.根据权利要求6所述的装置,其特征在于,所述处理单元还用于:
在所述仿真区域的仿真经纬度与所述测量区域的测量经纬度相同的情况下,确定所述仿真区域与所述测量区域为同一个所述目标区域;
针对N个所述目标区域,计算每个所述目标区域对应的所述仿真区域的仿真接收功率与所述测量区域的测量接收功率的差值;
针对N个所述目标区域,计算每个所述目标区域对应的所述仿真区域的仿真信噪比与所述测量区域的测量信噪比的差值。
9.根据权利要求6所述的装置,其特征在于,所述处理单元还用于:
确定N个所述目标数据中的K个所述目标数据为K个第一目标质心;K小于等于N;
基于K个所述第一目标质心,将所述N个目标数据进行聚类,得到K个目标集合;其中,一个所述目标集合包括M个所述目标数据;M为正整数;M小于等于N;
确定所述仿真区域的区域分类结果为对应的所述目标集合的类别;所述目标集合的类别用于表征所述仿真区域的场景信息。
10.根据权利要求9所述的装置,其特征在于,所述处理单元还用于:
重复执行第一操作,以使得K个第一距离均小于预设阈值,确定K个所述目标集合;
所述第一操作包括:
针对所述N个目标数据中的每个目标数据,计算所述目标数据分别与每个所述第一目标质心之间的欧式距离,得到所述目标数据对应的K个第一欧氏距离;
针对所述N个目标数据中的每个目标数据,确定所述目标数据对应的K个第一欧氏距离中值最小的第二欧式距离;
基于每个所述目标数据的第二欧氏距离,确定K个第一数据集合;所述K个第一数据集合与所述K个第一目标质心一一对应;所述第一数据集合中的任一个目标数据的第二欧氏距离为所述目标数据与所述第一数据集合对应的第一目标质心之间的欧氏距离;
针对所述K个第一数据集合中的每个第一数据集合,将所述第一数据集合中的目标数据的中心点作为所述第二目标质心;
针对所述K个第一数据集合中的每个第一数据集合,计算所述第一数据集合对应的第一目标质心与第二目标质心之间的距离,得到K个第一距离;将所述第一数据集合对应的第二目标质心作为第一目标质心。
11.一种区域分类装置,其特征在于,包括:处理器和通信接口;所述通信接口和所述处理器耦合,所述处理器用于运行计算机程序或指令,以实现如权利要求1-5中任一项所述的区域分类方法。
12.一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指令,当计算机执行所述指令时,所述计算机执行如权利要求1-5中任一项所述的区域分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310012822.0A CN116257774A (zh) | 2023-01-05 | 2023-01-05 | 区域分类方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310012822.0A CN116257774A (zh) | 2023-01-05 | 2023-01-05 | 区域分类方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116257774A true CN116257774A (zh) | 2023-06-13 |
Family
ID=86678566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310012822.0A Pending CN116257774A (zh) | 2023-01-05 | 2023-01-05 | 区域分类方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116257774A (zh) |
-
2023
- 2023-01-05 CN CN202310012822.0A patent/CN116257774A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107547633B (zh) | 一种用户常驻点的处理方法、装置和存储介质 | |
CN109992633B (zh) | 基于用户位置的地理围栏确定方法、装置、电子设备 | |
CN108181607B (zh) | 基于指纹库的定位方法、装置及计算机可读存储介质 | |
US10034141B2 (en) | Systems and methods to identify home addresses of mobile devices | |
CN109905892B (zh) | 用户定位方法和装置 | |
WO2020119372A1 (zh) | 场强预测方法、装置、设备及存储介质 | |
CN111918298B (zh) | 基于聚类的站点规划方法、装置、电子设备和存储介质 | |
CN109413565B (zh) | 覆盖场景的服务小区的确定方法、装置及电子设备 | |
CN110298687B (zh) | 一种区域吸引力评估方法及设备 | |
CN104809572A (zh) | 一种基于夜晚灯光数据反演人口密度的方法 | |
CN110351665B (zh) | 用户惯常地的识别方法、设备及计算机可读存储介质 | |
CN109936820B (zh) | 一种用户终端定位方法及装置 | |
CN105188030A (zh) | 一种移动网络数据进行地理栅格映射的方法 | |
CN109688532A (zh) | 一种划分城市功能区域的方法及装置 | |
CN111757464A (zh) | 一种区域轮廓提取方法及装置 | |
CN109885638B (zh) | 一种三维立体空间索引方法及系统 | |
CN112887910B (zh) | 异常覆盖区域的确定方法、装置和计算机可读存储介质 | |
CN116257774A (zh) | 区域分类方法、装置及存储介质 | |
CN112738725A (zh) | 半封闭区域目标人群的实时识别方法、装置、设备和介质 | |
CN115588086A (zh) | 地图划分方法、装置、计算机可读存储介质及处理器 | |
CN109982246A (zh) | 一种蜂窝小区功率的调整方法、装置及介质 | |
CN113593244A (zh) | 一种流量确定方法、装置、存储介质及电子装置 | |
CN115087098B (zh) | 通信基站的基站扇区归属识别方法、系统和可读存储介质 | |
CN110618997B (zh) | 身份数据统一方法和相关装置 | |
CN114867033B (zh) | 一种小区位置的确定方法和装置 |
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 |