CN116633797B - 一种基于大数据的网络优化采集分析系统及方法 - Google Patents

一种基于大数据的网络优化采集分析系统及方法 Download PDF

Info

Publication number
CN116633797B
CN116633797B CN202310582923.1A CN202310582923A CN116633797B CN 116633797 B CN116633797 B CN 116633797B CN 202310582923 A CN202310582923 A CN 202310582923A CN 116633797 B CN116633797 B CN 116633797B
Authority
CN
China
Prior art keywords
base station
signal
network
terminal
abnormal
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.)
Active
Application number
CN202310582923.1A
Other languages
English (en)
Other versions
CN116633797A (zh
Inventor
张大业
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.)
Nanjing Shunsheng Communication Technology Co ltd
Original Assignee
Nanjing Shunsheng Communication Technology 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 Nanjing Shunsheng Communication Technology Co ltd filed Critical Nanjing Shunsheng Communication Technology Co ltd
Priority to CN202310582923.1A priority Critical patent/CN116633797B/zh
Publication of CN116633797A publication Critical patent/CN116633797A/zh
Application granted granted Critical
Publication of CN116633797B publication Critical patent/CN116633797B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • 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

本发明涉及网络管理技术领域，具体为一种基于大数据的网络优化采集分析系统及方法，包括：采集所有通信基站的信息、利用目标基站进行通信的终端IP信息和对应的网络信号数据并进行存储；确认信号异常时间段，并根据信号异常时间段分析终端网络异常范围，从而分析网络信号异常率；根据目标基站的网络信号异常率智能选择增大发射功率的通信基站，并根据选择的通信基站信息分析发射功率的增值大小；实时显示各个通信基站的发射功率和网络信号异常率；有利于提高对基站异常的预警能力。

Description

一种基于大数据的网络优化采集分析系统及方法
技术领域
本发明涉及网络管理技术领域，具体为一种基于大数据的网络优化采集分析系统及方法。
背景技术
通信基站是无线电台站的一种形式，是指在一定的无线电覆盖区中，通过移动通信交换中心，与移动电话终端之间进行信息传递的无线电收发信电台；他的建立和广泛应用对电信产业改革、经济增长、自主创新和社会生活都产生了深远的影响。
然而随着使用无线通信的用户激增导致用户对保证通信需求的要求越来越高，当用户接收基站信号弱且持续了较长时间时，严重影响了用户对网络的使用感受；同时，当覆盖整个区域的无线网络出现大面积信号弱时，存在基站故障的可能性，此时若无法及时对通信基站进行异常评估和管理，不仅严重影响用户的生活，甚至对国家也会造成一定影响。因此，如何在日常生活中对基站进行异常评估，实现网络优化成为亟待解决的问题。
发明内容
本发明的目的在于提供一种基于大数据的网络优化采集分析系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的网络优化采集分析方法，包括以下步骤：
步骤S100：采集目标区域内所有通信基站的信息，形成信息集，其中通信基站的信息包括基站编号、基站发射功率、覆盖范围和终端数量阈值；将信息集中任意通信基站信息设为目标基站，实时采集所有利用目标基站进行通信的终端IP信息和对应的网络信号数据，分别形成终端数据集和信号变化集；对所有采集的数据进行存储；
步骤S200：根据信号变化集分析任意终端在各个时间段内的网络信号变化，确认所有终端的信号异常时间段；根据信息集中目标基站的覆盖范围和终端数量阈值分析在信号异常时间段内发生信号异常的终端网络异常范围；则根据终端网络异常范围分析各个时间段时目标基站的网络信号异常率；
步骤S300：根据目标基站的网络信号异常率智能选择增大发射功率的通信基站，并根据选择的通信基站信息分析发射功率的增值大小；
步骤S400：实时显示各个通信基站的发射功率和网络信号异常率。
进一步的，步骤S100包括：
步骤S110：对目标区域内所有通信基站的信息进行采集，形成信息集A＝{a1,a2,…,an}，其中a1,a2,…,an表示第1,2,…,n个通信基站的基站信息；将信息集A中任意通信基站的基站信息ai设为目标基站ai，采集所有利用目标基站ai进行通信的终端IP地址信息，形成终端数据集B＝{b1,b2,…,bm}，其中b1,b2,…,bm表示使用目标基站ai的第1,2,…,m个终端地址信息；
步骤S120：利用定时算法实时采集终端数据集B中任意终端bj的网络信号数据，形成信号变化集Cj＝{c1,c2,…,cd}，其中c1,c2,…,cd表示任意终端bj在第1,2,…,d个时间点时的网络信号数据；其中，定时算法属于本领域技术人员的常规技术手段，因此在本申请中就不再做出过多的赘述；
步骤S130：对采集到的信息集A、终端数据集B和信号变化集C进行数据存储。
进一步的，步骤S200包括：
步骤S210：根据任意终端bj的信号变化集Cj建立以时间-信号强度为X-Y轴的二维平面坐标系，形成坐标集(Tj,Cj)＝{(t1,c1),(t2,c2),…,(td,cd)}，其中(t1,c1),(t2,c2),…,(td,cd)表示在时间点t1,t2,…,td时任意终端bj的信号强度值为c1,c2,…,cd；基于坐标集(Tj,Cj)，计算任意相邻坐标点的斜率为
ke＝[c(e+1)-ce]/[t(e+1)-te]，其中e＝1,2,…,d-1；当ke小于斜率阈值α且c(e+1)小于信号阈值β时，确认任意终端bj在时间段te～t(e+1)时发生信号异常；反之，当ke大于斜率阈值α或c(e+1)大于所设阈值β时，信号正常；遍历坐标集(Tj,Cj)将连续发生信号异常的时间段进行重叠，并将重叠时间段数量大于数量阈值γ的时间段作为有效异常时间段，从而形成任意终端bj的信号异常时间段集合Pj；此时若存在有效异常时间段，但判定基站正常说明存在偶然因素导致所述终端发生网络异常，并不能决定基站的异常；
通过分析信号变化集中各个相邻时间点的斜率变化和信号强度变化值，并根据信号异常持续时间对异常时间段进行筛选，从而确认各个终端的信号异常时间段，有利于后续对网络异常范围进行分析，提高对基站异常分析的准确性；
步骤S220：遍历终端数据集B，根据任意终端bj的信号异常时间段集合Pj形成所有终端的信号异常时间段集合P＝{p1,p2,…,pf}，其中p1,p2,…,pf表示在时间段1,2,…,f时发生异常的所有终端数量和相应的IP信息；根据信号异常时间段集合P中任意时间段g时所有异常终端的IP信息确认各个异常终端的位置坐标，则分别以各个异常终端的位置坐标为圆心构建不同的圆形区域，所述圆形区域的半径由0逐步增加，直至容纳其他所有异常终端的位置坐标；基于不同的圆形区域筛选出最小半径为rg的圆形区域sg＝π*(rg)2，并确认圆心坐标为(a,b)，此时将圆形区域sg确认为目标基站ai在任意时间段g时的终端网络异常范围；
通过确认各个异常时间段内异常终端的数量和IP信息，根据各个异常终端建立的圆形区域筛选出最小半径的区域作为终端网络异常范围，以最小的圆形区域涵盖所有异常终端位置，提高终端网络异常范围的准确性，有利于后续对基站在各个时间段的网络信号异常率的分析。
步骤S230：根据信息集A获取目标基站ai的覆盖范围Si和终端数量阈值Di，根据信号异常时间段集合P确认目标基站ai在任意时间段g的异常终端数量为pg，则得到目标基站ai在任意时间段g的网络信号异常率为kg＝u*sg*pg/(Si*Di)，其中u表示通信基站的异常指标；基于任意时间段g的网络信号异常率kg，得到目标基站ai在所有异常时间段的网络信号异常率集合Ki＝{k1,k2,…,kf}，其中k1,k2,…,kf表示在时间段1,2,…,f时目标基站ai的网络信号异常率。
进一步的，步骤S300包括：
步骤S310：当任意时间段g的网络信号异常率kg<λ时，其中λ表示信号正常阈值，表示目标基站ai的网络信号正常；
步骤S320：当λ<kg<ρ时，其中ρ表示信号异常阈值，说明目标基站ai在任意时间段g时网络信号弱；利用位置比较法获取距离目标基站ai最近的终端IP信息，确认所述终端的位置坐标为(x1,y1)并根据信号变化集Cj确认所述终端在时间段g的末时间点时的信号强度值为cz；同时获取终端网络异常范围中pg个异常终端在任意时间段g的末时间点时的所有信号强度值，计算得到信号强度均值为*c；基于所述终端的位置坐标(x1,y1)和圆心坐标(a,b)得到距离长度d＝√[(a-x1)2+(b-y1)2]；此时，基于距离长度d、信号强度值cz和信号强度均值*c得到目标基站ai的网络损耗速率v＝η*|cz-*c|/d，其中η表示损耗因子，进一步根据任意时间段g的时长τ确认对目标基站ai的发射功率增大v*τ倍；其中位置比较法属于本领域技术人员的常规技术手段，因此在本申请中就不再做出过多的赘述；
通过确认基站的网络信号异常率大小，当异常率介于信号正常阈值和信号异常阈值之间时，判断可能因为天气或地形等原因造成信号覆盖弱的现象，此时增大基站的发射功率从而提高网络异常范围的信号强度。
步骤S330：当kg>ρ时，目标基站ai在任意时间段g时网络信号发生故障；则遍历信息集A，基于目标基站ai在任意时间段g的网络信号异常率kg，得到所有通信基站的网络信号异常率；此时，获取目标基站ai的所有相邻基站信息，对所有相邻基站信息中网络信号异常率小于信号正常阈值λ进行筛选，根据筛选后的相邻基站IP信息将距离目标基站ai最近的相邻基站a(i+1)设为应急基站a(i+1)并确认两个基站之间的距离为h；此时基于目标基站ai的覆盖范围Si和应急基站a(i+1)的覆盖范围S(i+1)将应急基站的发射功率增大[d+√(Si/π)]/√[S(i+1)/π]倍，同时关闭目标基站ai，通知相关人员进行检测用于对目标基站ai进行网络信号覆盖。
当异常率大于信号异常阈值，判断存在基站故障的可能性，此时获取正常工作的相邻基站信息，通过增大相邻基站的发射功率来暂时覆盖故障基站的信号范围，并对故障基站进行及时检测和维修，提高对基站异常的预警能力。
网络优化采集分析系统，系统包括：数据采集模块、数据库、网络分析模块、网络控制模块和数据反馈模块；
通过数据采集模块采集目标区域内所有通信基站的信息，形成信息集，其中通信基站的信息包括基站编号、基站发射功率、覆盖范围和用户数量阈值；将信息集中任意通信基站信息设为目标基站，实时采集所有利用目标基站进行通信的终端IP信息和对应的网络信号数据，分别形成终端数据集和信号变化集；对所有采集的数据进行存储；
通过数据库对所有采集的数据进行存储；
通过网络分析模块根据信号变化集分析任意终端在各个时间段内的网络信号变化，确认所有终端的信号异常时间段；根据信息集中目标基站的覆盖范围和终端数量阈值分析在信号异常时间段内发生信号异常的终端网络异常范围；则根据终端网络异常范围分析各个时间段时目标基站的网络信号异常率；
通过网络控制模块根据目标基站的网络信号异常率智能选择增大发射功率的通信基站，并根据选择的通信基站信息分析发射功率的增值大小；
通过数据反馈模块实时显示各个通信基站的发射功率和网络信号异常率。
进一步的，数据采集模块包括信息采集单元、终端数据采集单元和信号变化采集单元；
信息采集单元用于采集目标区域内所有通信基站的信息，形成信息集；终端数据采集单元用于将信息集中任意通信基站信息设为目标基站，采集所有利用目标基站进行通信的终端IP地址信息，形成终端数据集；信号变化采集单元用于实时采集终端数据集中任意终端的网络信号数据，形成信号变化集。
进一步的，网络分析模块包括异常时间段分析单元、异常范围分析单元和异常率分析单元；
异常时间段分析单元用于根据信号变化集分析任意终端在各个时间段内的网络信号变化，确认所有终端的信号异常时间段；异常范围分析单元用于根据信息集中目标基站的覆盖范围和终端数量阈值分析在信号异常时间段内发生信号异常的终端网络异常范围；异常率分析单元用于根据终端网络异常范围分析各个时间段时目标基站的网络信号异常率。
进一步的，网络控制模块包括基站选择单元和增值分析单元；
基站选择单元用于根据目标基站的网络信号异常率智能选择增大发射功率的通信基站；增值分析单元用于根据选择的通信基站信息分析发射功率的增值大小。
与现有技术相比，本发明所达到的有益效果是：
本发明通过确认基站的网络信号异常率大小，当异常率介于信号正常阈值和信号异常阈值之间时，判断可能因为天气或地形等原因造成信号覆盖弱的现象，此时增大基站的发射功率从而提高网络异常范围的信号强度；当异常率大于信号异常阈值，判断存在基站故障的可能性，此时获取正常工作的相邻基站信息，通过增大相邻基站的发射功率来暂时覆盖故障基站的信号范围，并对故障基站进行及时检测和维修，提高对基站异常的预警能力。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的网络优化采集分析系统的结构图；
图2是本发明一种基于大数据的网络优化采集分析方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案：网络优化采集分析系统，系统包括：数据采集模块、数据库、网络分析模块、网络控制模块和数据反馈模块；
通过数据采集模块采集目标区域内所有通信基站的信息，形成信息集，其中通信基站的信息包括基站编号、基站发射功率、覆盖范围和用户数量阈值；将信息集中任意通信基站信息设为目标基站，实时采集所有利用目标基站进行通信的终端IP信息和对应的网络信号数据，分别形成终端数据集和信号变化集；对所有采集的数据进行存储；
数据采集模块包括信息采集单元、终端数据采集单元和信号变化采集单元；
信息采集单元用于采集目标区域内所有通信基站的信息，形成信息集；终端数据采集单元用于将信息集中任意通信基站信息设为目标基站，采集所有利用目标基站进行通信的终端IP地址信息，形成终端数据集；信号变化采集单元用于实时采集终端数据集中任意终端的网络信号数据，形成信号变化集。
通过数据库对所有采集的数据进行存储；
通过网络分析模块根据信号变化集分析任意终端在各个时间段内的网络信号变化，确认所有终端的信号异常时间段；根据信息集中目标基站的覆盖范围和终端数量阈值分析在信号异常时间段内发生信号异常的终端网络异常范围；则根据终端网络异常范围分析各个时间段时目标基站的网络信号异常率；
网络分析模块包括异常时间段分析单元、异常范围分析单元和异常率分析单元；
异常时间段分析单元用于根据信号变化集分析任意终端在各个时间段内的网络信号变化，确认所有终端的信号异常时间段；异常范围分析单元用于根据信息集中目标基站的覆盖范围和终端数量阈值分析在信号异常时间段内发生信号异常的终端网络异常范围；异常率分析单元用于根据终端网络异常范围分析各个时间段时目标基站的网络信号异常率。
通过网络控制模块根据目标基站的网络信号异常率智能选择增大发射功率的通信基站，并根据选择的通信基站信息分析发射功率的增值大小；
网络控制模块包括基站选择单元和增值分析单元；
基站选择单元用于根据目标基站的网络信号异常率智能选择增大发射功率的通信基站；增值分析单元用于根据选择的通信基站信息分析发射功率的增值大小。
通过数据反馈模块实时显示各个通信基站的发射功率和网络信号异常率。
请参阅图2，本发明提供技术方案：一种基于大数据的网络优化采集分析方法，包括以下步骤：
步骤S100：采集目标区域内所有通信基站的信息，形成信息集，其中通信基站的信息包括基站编号、基站发射功率、覆盖范围和终端数量阈值；将信息集中任意通信基站信息设为目标基站，实时采集所有利用目标基站进行通信的终端IP信息和对应的网络信号数据，分别形成终端数据集和信号变化集；对所有采集的数据进行存储；
步骤S100包括：
步骤S110：对目标区域内所有通信基站的信息进行采集，形成信息集A＝{a1,a2,…,an}，其中a1,a2,…,an表示第1,2,…,n个通信基站的基站信息；将信息集A中任意通信基站的基站信息ai设为目标基站ai，采集所有利用目标基站ai进行通信的终端IP地址信息，形成终端数据集B＝{b1,b2,…,bm}，其中b1,b2,…,bm表示使用目标基站ai的第1,2,…,m个终端地址信息；
步骤S120：利用定时算法实时采集终端数据集B中任意终端bj的网络信号数据，形成信号变化集Cj＝{c1,c2,…,cd}，其中c1,c2,…,cd表示任意终端bj在第1,2,…,d个时间点时的网络信号数据；其中，定时算法属于本领域技术人员的常规技术手段，因此在本申请中就不再做出过多的赘述；
步骤S130：对采集到的信息集A、终端数据集B和信号变化集C进行数据存储。
步骤S200：根据信号变化集分析任意终端在各个时间段内的网络信号变化，确认所有终端的信号异常时间段；根据信息集中目标基站的覆盖范围和终端数量阈值分析在信号异常时间段内发生信号异常的终端网络异常范围；则根据终端网络异常范围分析各个时间段时目标基站的网络信号异常率；
步骤S200包括：
步骤S210：根据任意终端bj的信号变化集Cj建立以时间-信号强度为X-Y轴的二维平面坐标系，形成坐标集(Tj,Cj)＝{(t1,c1),(t2,c2),…,(td,cd)}，其中(t1,c1),(t2,c2),…,(td,cd)表示在时间点t1,t2,…,td时任意终端bj的信号强度值为c1,c2,…,cd；基于坐标集(Tj,Cj)，计算任意相邻坐标点的斜率为
ke＝[c(e+1)-ce]/[t(e+1)-te]，其中e＝1,2,…,d-1；当ke小于斜率阈值α且c(e+1)小于信号阈值β时，确认任意终端bj在时间段te～t(e+1)时发生信号异常；反之，当ke大于斜率阈值α或c(e+1)大于所设阈值β时，信号正常；遍历坐标集(Tj,Cj)将连续发生信号异常的时间段进行重叠，并将重叠时间段数量大于数量阈值γ的时间段作为有效异常时间段，从而形成任意终端bj的信号异常时间段集合Pj；此时若存在有效异常时间段，但判定基站正常说明存在偶然因素导致所述终端发生网络异常，并不能决定基站的异常；
通过分析信号变化集中各个相邻时间点的斜率变化和信号强度变化值，并根据信号异常持续时间对异常时间段进行筛选，从而确认各个终端的信号异常时间段，有利于后续对网络异常范围进行分析，提高对基站异常分析的准确性；
步骤S220：遍历终端数据集B，根据任意终端bj的信号异常时间段集合Pj形成所有终端的信号异常时间段集合P＝{p1,p2,…,pf}，其中p1,p2,…,pf表示在时间段1,2,…,f时发生异常的所有终端数量和相应的IP信息；根据信号异常时间段集合P中任意时间段g时所有异常终端的IP信息确认各个异常终端的位置坐标，则分别以各个异常终端的位置坐标为圆心构建不同的圆形区域，所述圆形区域的半径由0逐步增加，直至容纳其他所有异常终端的位置坐标；基于不同的圆形区域筛选出最小半径为rg的圆形区域sg＝π*(rg)2，并确认圆心坐标为(a,b)，此时将圆形区域sg确认为目标基站ai在任意时间段g时的终端网络异常范围；
通过确认各个异常时间段内异常终端的数量和IP信息，根据各个异常终端建立的圆形区域筛选出最小半径的区域作为终端网络异常范围，以最小的圆形区域涵盖所有异常终端位置，提高终端网络异常范围的准确性，有利于后续对基站在各个时间段的网络信号异常率的分析。
步骤S230：根据信息集A获取目标基站ai的覆盖范围Si和终端数量阈值Di，根据信号异常时间段集合P确认目标基站ai在任意时间段g的异常终端数量为pg，则得到目标基站ai在任意时间段g的网络信号异常率为kg＝u*sg*pg/(Si*Di)，其中u表示通信基站的异常指标；基于任意时间段g的网络信号异常率kg，得到目标基站ai在所有异常时间段的网络信号异常率集合Ki＝{k1,k2,…,kf}，其中k1,k2,…,kf表示在时间段1,2,…,f时目标基站ai的网络信号异常率。
步骤S300：根据目标基站的网络信号异常率智能选择增大发射功率的通信基站，并根据选择的通信基站信息分析发射功率的增值大小；
步骤S300包括：
步骤S310：当任意时间段g的网络信号异常率kg<λ时，其中λ表示信号正常阈值，表示目标基站ai的网络信号正常；
步骤S320：当λ<kg<ρ时，其中ρ表示信号异常阈值，说明目标基站ai在任意时间段g时网络信号弱；利用位置比较法获取距离目标基站ai最近的终端IP信息，确认所述终端的位置坐标为(x1,y1)并根据信号变化集Cj确认所述终端在时间段g的末时间点时的信号强度值为cz；同时获取终端网络异常范围中pg个异常终端在任意时间段g的末时间点时的所有信号强度值，计算得到信号强度均值为*c；基于所述终端的位置坐标(x1,y1)和圆心坐标(a,b)得到距离长度d＝√[(a-x1)2+(b-y1)2]；此时，基于距离长度d、信号强度值cz和信号强度均值*c得到目标基站ai的网络损耗速率v＝η*|cz-*c|/d，其中η表示损耗因子，进一步根据任意时间段g的时长τ确认对目标基站ai的发射功率增大v*τ倍；其中位置比较法属于本领域技术人员的常规技术手段，因此在本申请中就不再做出过多的赘述；
通过确认基站的网络信号异常率大小，当异常率介于信号正常阈值和信号异常阈值之间时，判断可能因为天气或地形等原因造成信号覆盖弱的现象，此时增大基站的发射功率从而提高网络异常范围的信号强度。
步骤S330：当kg>ρ时，目标基站ai在任意时间段g时网络信号发生故障；则遍历信息集A，基于目标基站ai在任意时间段g的网络信号异常率kg，得到所有通信基站的网络信号异常率；此时，获取目标基站ai的所有相邻基站信息，对所有相邻基站信息中网络信号异常率小于信号正常阈值λ进行筛选，根据筛选后的相邻基站IP信息将距离目标基站ai最近的相邻基站a(i+1)设为应急基站a(i+1)并确认两个基站之间的距离为h；此时基于目标基站ai的覆盖范围Si和应急基站a(i+1)的覆盖范围S(i+1)将应急基站的发射功率增大[d+√(Si/π)]/√[S(i+1)/π]倍，同时关闭目标基站ai，通知相关人员进行检测用于对目标基站ai进行网络信号覆盖。
步骤S400：实时显示各个通信基站的发射功率和网络信号异常率。
例如：步骤S100包括：
步骤S110：对目标区域内所有通信基站的信息进行采集，形成信息集A＝{a1,a2,…,a30}，其中a1,a2,…,a30表示第1,2,…,30个通信基站的基站信息；将信息集A中任意通信基站的基站信息ai设为目标基站ai，采集所有利用目标基站ai进行通信的终端IP地址信息，形成终端数据集B＝{b1,b2,…,b2700}，其中b1,b2,…,b2700表示使用目标基站ai的第1,2,…,2700个终端地址信息；
步骤S120：利用定时算法实时采集终端数据集B中任意终端bj的网络信号数据，形成信号变化集Cj＝{c1,c2,…,c24}，其中c1,c2,…,c24表示任意终端bj在第1,2,…,24个时间点时的网络信号数据；
步骤S130：对采集到的信息集A、终端数据集B和信号变化集C进行数据存储。
以通信基站a2为例：
步骤S200包括：
步骤S210：根据任意终端bj的信号变化集Cj建立以时间-信号强度为X-Y轴的二维平面坐标系，形成坐标集(Tj,Cj)＝{(t1,c1),(t2,c2),…,(t24,c24)}，其中(t1,c1),(t2,c2),…,(t24,c24)表示在时间点t1,t2,…,t24时任意终端bj的信号强度值为c1,c2,…,c24；基于坐标集(Tj,Cj)，计算任意相邻坐标点的斜率为
ke＝[c(e+1)-ce]/[t(e+1)-te]，其中e＝1,2,…,23；当ke小于斜率阈值α＝-2且c(e+1)小于信号阈值β＝-85dB时，确认任意终端bj在时间段te～t(e+1)时发生信号异常；遍历坐标集(Tj,Cj)将连续发生信号异常的时间段进行重叠，并将重叠时间段数量大于数量阈值γ＝2的时间段作为有效异常时间段，从而形成任意终端bj的信号异常时间段集合Pj；
步骤S220：遍历终端数据集B，根据任意终端bj的信号异常时间段集合Pj形成所有终端的信号异常时间段集合P＝{p1,p2,…,p6}，其中p1,p2,…,p6表示在时间段1,2,…,6时发生异常的所有终端数量和相应的IP信息；根据信号异常时间段集合P中时间段1时所有异常终端的IP信息确认各个异常终端的位置坐标，则分别以各个异常终端的位置坐标为圆心构建不同的圆形区域，所述圆形区域的半径由0逐步增加，直至容纳其他所有异常终端的位置坐标；基于不同的圆形区域筛选出最小半径为r1＝1km的圆形区域s1＝π*(1)2＝π，并确认圆心坐标为(a,b)＝(500,600)，此时将圆形区域s1确认为目标基站a2在时间段1时的终端网络异常范围；
步骤S230：根据信息集A获取目标基站a2的覆盖范围S2＝5πkm2和终端数量阈值D2＝1200，根据信号异常时间段集合P确认目标基站a2在任意时间段1的异常终端数量为p1＝100，则得到目标基站a2在任意时间段1的网络信号异常率为k1＝u*s1*p1/(S2*D2)＝40*π*100/(5π*1200)＝2/3，其中u表示通信基站的异常指标。
步骤S300包括：
步骤S330：当k1＝2/3>ρ＝0.5时，目标基站a2在任意时间段1时网络信号发生故障；则遍历信息集A，基于目标基站a2在任意时间段1的网络信号异常率k1＝2/3，得到所有通信基站的网络信号异常率；此时，获取目标基站a2的所有相邻基站信息，对所有相邻基站信息中网络信号异常率小于信号正常阈值λ＝0.3进行筛选，根据筛选后的相邻基站IP信息将距离目标基站a2最近的相邻基站a3设为应急基站a3并确认两个基站之间的距离为h＝10km；此时基于目标基站a2的覆盖范围S2和应急基站a3的覆盖范围S3＝6πkm2将应急基站的发射功率增大[10+√5]/√6倍；同时关闭目标基站ai，通知相关人员进行检测。
步骤S400：实时显示各个通信基站的发射功率和网络信号异常率。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于大数据的网络优化采集分析方法，其特征在于：包括以下步骤：
步骤S100：采集目标区域内所有通信基站的信息，形成信息集；将信息集中任意通信基站信息设为目标基站，实时采集所有利用目标基站进行通信的终端IP信息和对应的网络信号数据，分别形成终端数据集和信号变化集；对所有采集的数据进行存储；
步骤S200：根据信号变化集分析任意终端在各个时间段内的网络信号变化，确认所有终端的信号异常时间段；根据信息集中目标基站的覆盖范围和终端数量阈值分析在信号异常时间段内发生信号异常的终端网络异常范围；则根据终端网络异常范围分析各个时间段时目标基站的网络信号异常率；
步骤S300：根据目标基站的网络信号异常率智能选择增大发射功率的通信基站，并根据选择的通信基站信息分析发射功率的增值大小；
步骤S400：实时显示各个通信基站的发射功率和网络信号异常率。
2.根据权利要求1所述的一种基于大数据的网络优化采集分析方法，其特征在于：所述步骤S100包括：
步骤S110：对目标区域内所有通信基站的信息进行采集，形成信息集A＝{a1,a2,…,an}，其中a1,a2,…,an表示第1,2,…,n个通信基站的基站信息；将信息集A中任意通信基站的基站信息ai设为目标基站ai，采集所有利用目标基站ai进行通信的终端IP地址信息，形成终端数据集B＝{b1,b2,…,bm}，其中b1,b2,…,bm表示使用目标基站ai的第1,2,…,m个终端地址信息；
步骤S120：利用定时算法实时采集终端数据集B中任意终端bj的网络信号数据，形成信号变化集Cj＝{c1,c2,…,cd}，其中c1,c2,…,cd表示任意终端bj在第1,2,…,d个时间点时的网络信号数据；
步骤S130：对采集到的信息集A、终端数据集B和信号变化集C进行数据存储。
3.根据权利要求2所述的一种基于大数据的网络优化采集分析方法，其特征在于：所述步骤S200包括：
步骤S210：根据任意终端bj的信号变化集Cj建立以时间-信号强度为X-Y轴的二维平面坐标系，形成坐标集(Tj,Cj)＝{(t1,c1),(t2,c2),…,(td,cd)}，其中
(t1,c1),(t2,c2),…,(td,cd)表示在时间点t1,t2,…,td时任意终端bj的信号强度值为c1,c2,…,cd；基于坐标集(Tj,Cj)，计算任意相邻坐标点的斜率为ke＝[c(e+1)-ce]/[t(e+1)-te]，其中e＝1,2,…,d-1；当ke小于斜率阈值α且c(e+1)小于信号阈值β时，确认任意终端bj在时间段te～t(e+1)时发生信号异常；遍历坐标集(Tj,Cj)将连续发生信号异常的时间段进行重叠，并将重叠时间段数量大于数量阈值γ的时间段作为有效异常时间段，从而形成任意终端bj的信号异常时间段集合Pj；
步骤S220：遍历终端数据集B，根据任意终端bj的信号异常时间段集合Pj形成所有终端的信号异常时间段集合P＝{p1,p2,…,pf}，其中p1,p2,…,pf表示在时间段1,2,…,f时发生异常的所有终端数量和相应的IP信息；根据信号异常时间段集合P中任意时间段g时所有异常终端的IP信息确认各个异常终端的位置坐标，则分别以各个异常终端的位置坐标为圆心构建不同的圆形区域，所述圆形区域的半径由0逐步增加，直至容纳其他所有异常终端的位置坐标；基于不同的圆形区域筛选出最小半径为rg的圆形区域sg＝π
*(rg)2，并确认圆心坐标为(a,b)，此时将圆形区域sg确认为目标基站ai在任意时间段g时的终端网络异常范围；
步骤S230：根据信息集A获取目标基站ai的覆盖范围Si和终端数量阈值Di，根据信号异常时间段集合P确认目标基站ai在任意时间段g的异常终端数量为pg，则得到目标基站ai在任意时间段g的网络信号异常率为kg＝u*sg*pg/(Si*Di)，其中u表示通信基站的异常指标。
4.根据权利要求3所述的一种基于大数据的网络优化采集分析方法，其特征在于：所述步骤S300包括：
步骤S310：当任意时间段g的网络信号异常率kg<λ时，其中λ表示信号正常阈值，表示目标基站ai的网络信号正常；
步骤S320：当λ<kg<ρ时，其中ρ表示信号异常阈值，说明目标基站ai在任意时间段g时网络信号弱；利用位置比较法获取距离目标基站ai最近的终端IP信息，确认所述终端的位置坐标为(x1,y1)并根据信号变化集Cj确认所述终端在时间段g的末时间点时的信号强度值为cz；同时获取终端网络异常范围中pg个异常终端在任意时间段g的末时间点时的所有信号强度值，计算得到信号强度均值为*c；基于所述终端的位置坐标(x1,y1)和圆心坐标(a,b)得到距离长度d＝√[(a-x1)2+(b-y1)2]；此时，基于距离长度d、信号强度值cz和信号强度均值*c得到目标基站ai的网络损耗速率v＝η*|cz-*c|/d，其中η表示损耗因子，进一步根据任意时间段g的时长τ确认对目标基站ai的发射功率增大v*τ倍；
步骤S330：当kg>ρ时，目标基站ai在任意时间段g时网络信号发生故障；则遍历信息集A，基于目标基站ai在任意时间段g的网络信号异常率kg，得到所有通信基站的网络信号异常率；此时，获取目标基站ai的所有相邻基站信息，对所有相邻基站信息中网络信号异常率小于信号正常阈值λ进行筛选，根据筛选后的相邻基站IP信息将距离目标基站ai最近的相邻基站a(i+1)设为应急基站a(i+1)并确认两个基站之间的距离为h；此时基于目标基站ai的覆盖范围Si和应急基站a(i+1)的覆盖范围S(i+1)将应急基站的发射功率增大[d+√(Si/π)]/√[S(i+1)/π]倍；同时关闭目标基站ai，通知相关人员进行检测。
5.用于实现权利要求1-4中任一项所述的一种基于大数据的网络优化采集分析方法的网络优化采集分析系统，其特征在于：所述系统包括：数据采集模块、数据库、网络分析模块、网络控制模块和数据反馈模块；
通过所述数据采集模块采集目标区域内所有通信基站的信息，形成信息集；将信息集中任意通信基站信息设为目标基站，实时采集所有利用目标基站进行通信的终端IP信息和对应的网络信号数据，分别形成终端数据集和信号变化集；对所有采集的数据进行存储；
通过所述数据库对所有采集的数据进行存储；
通过所述网络分析模块根据信号变化集分析任意终端在各个时间段内的网络信号变化，确认所有终端的信号异常时间段；根据信息集中目标基站的覆盖范围和终端数量阈值分析在信号异常时间段内发生信号异常的终端网络异常范围；则根据终端网络异常范围分析各个时间段时目标基站的网络信号异常率；
通过所述网络控制模块根据目标基站的网络信号异常率智能选择增大发射功率的通信基站，并根据选择的通信基站信息分析发射功率的增值大小；
通过所述数据反馈模块实时显示各个通信基站的发射功率和网络信号异常率。
6.根据权利要求5所述的一种基于大数据的网络优化采集分析系统，其特征在于：所述数据采集模块包括信息采集单元、终端数据采集单元和信号变化采集单元；
所述信息采集单元用于采集目标区域内所有通信基站的信息，形成信息集；所述终端数据采集单元用于将信息集中任意通信基站信息设为目标基站，采集所有利用目标基站进行通信的终端IP地址信息，形成终端数据集；所述信号变化采集单元用于实时采集终端数据集中任意终端的网络信号数据，形成信号变化集。
7.根据权利要求5所述的一种基于大数据的网络优化采集分析系统，其特征在于：所述网络分析模块包括异常时间段分析单元、异常范围分析单元和异常率分析单元；
所述异常时间段分析单元用于根据信号变化集分析任意终端在各个时间段内的网络信号变化，确认所有终端的信号异常时间段；所述异常范围分析单元用于根据信息集中目标基站的覆盖范围和终端数量阈值分析在信号异常时间段内发生信号异常的终端网络异常范围；所述异常率分析单元用于根据终端网络异常范围分析各个时间段时目标基站的网络信号异常率。
8.根据权利要求5所述的一种基于大数据的网络优化采集分析系统，其特征在于：所述网络控制模块包括基站选择单元和增值分析单元；
所述基站选择单元用于根据目标基站的网络信号异常率智能选择增大发射功率的通信基站；所述增值分析单元用于根据选择的通信基站信息分析发射功率的增值大小。
CN202310582923.1A 2023-05-23 2023-05-23 一种基于大数据的网络优化采集分析系统及方法 Active CN116633797B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310582923.1A CN116633797B (zh) 2023-05-23 2023-05-23 一种基于大数据的网络优化采集分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310582923.1A CN116633797B (zh) 2023-05-23 2023-05-23 一种基于大数据的网络优化采集分析系统及方法

Publications (2)

Publication Number Publication Date
CN116633797A CN116633797A (zh) 2023-08-22
CN116633797B true CN116633797B (zh) 2023-10-20

Family

ID=87596730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310582923.1A Active CN116633797B (zh) 2023-05-23 2023-05-23 一种基于大数据的网络优化采集分析系统及方法

Country Status (1)

Country Link
CN (1) CN116633797B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116916357B (zh) * 2023-09-13 2023-12-08 中赣通信(集团)有限公司 基于多源数据分析的基站智能预警方法及系统
CN116991341B (zh) * 2023-09-22 2024-01-02 美恒通智能电子(广州)股份有限公司 一种基于物联网的智能打印设备管理系统及方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101282554A (zh) * 2007-04-05 2008-10-08 周健 移动通信网络信号强度及通信质量的定点采集分析方法
WO2009082973A1 (fr) * 2007-12-27 2009-07-09 Huawei Technologies Co., Ltd. Procédé, appareil et système pour détecter une couverture réseau
KR20100050895A (ko) * 2008-11-06 2010-05-14 주식회사 케이티 측정 데이터를 이용한 규칙 기반의 무선망 최적화 방법
JP2013048475A (ja) * 2012-10-29 2013-03-07 Kyocera Corp 制御方法及び無線基地局装置
CN105813184A (zh) * 2016-03-07 2016-07-27 惠州Tcl移动通信有限公司 增强网络信号的系统及其增强网络信号的方法
CN107682879A (zh) * 2017-08-30 2018-02-09 深圳市盛路物联通讯技术有限公司 一种基于天线接收信号强度的频率调节方法及移动终端
WO2018082711A1 (zh) * 2016-11-07 2018-05-11 北京佰才邦技术有限公司 一种基站部署方法、网络服务器及无人机
WO2019024797A1 (zh) * 2017-07-31 2019-02-07 中兴通讯股份有限公司 物理信道资源配置方法、装置及实现信息处理的装置
CN110830557A (zh) * 2019-10-22 2020-02-21 北京市天元网络技术股份有限公司 基于信令大数据分析工具的应急和预警公告方法以及装置
CN114342456A (zh) * 2020-06-28 2022-04-12 北京小米移动软件有限公司 测量的方法、基站、多模终端、通信设备及存储介质
CN114375035A (zh) * 2021-12-29 2022-04-19 中国电信股份有限公司 一种基站参数调整方法、装置、电子设备及可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3216261B1 (en) * 2014-11-07 2021-06-23 Parallel Wireless, Inc. Self-calibrating and self-adjusting network

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101282554A (zh) * 2007-04-05 2008-10-08 周健 移动通信网络信号强度及通信质量的定点采集分析方法
WO2009082973A1 (fr) * 2007-12-27 2009-07-09 Huawei Technologies Co., Ltd. Procédé, appareil et système pour détecter une couverture réseau
KR20100050895A (ko) * 2008-11-06 2010-05-14 주식회사 케이티 측정 데이터를 이용한 규칙 기반의 무선망 최적화 방법
JP2013048475A (ja) * 2012-10-29 2013-03-07 Kyocera Corp 制御方法及び無線基地局装置
CN105813184A (zh) * 2016-03-07 2016-07-27 惠州Tcl移动通信有限公司 增强网络信号的系统及其增强网络信号的方法
WO2018082711A1 (zh) * 2016-11-07 2018-05-11 北京佰才邦技术有限公司 一种基站部署方法、网络服务器及无人机
WO2019024797A1 (zh) * 2017-07-31 2019-02-07 中兴通讯股份有限公司 物理信道资源配置方法、装置及实现信息处理的装置
CN107682879A (zh) * 2017-08-30 2018-02-09 深圳市盛路物联通讯技术有限公司 一种基于天线接收信号强度的频率调节方法及移动终端
CN110830557A (zh) * 2019-10-22 2020-02-21 北京市天元网络技术股份有限公司 基于信令大数据分析工具的应急和预警公告方法以及装置
CN114342456A (zh) * 2020-06-28 2022-04-12 北京小米移动软件有限公司 测量的方法、基站、多模终端、通信设备及存储介质
CN114375035A (zh) * 2021-12-29 2022-04-19 中国电信股份有限公司 一种基站参数调整方法、装置、电子设备及可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
尚丽 ; 李铖 ; .LTE网络优化方法研究与分析.无线互联科技.2016,(13),全文. *
苏恭超 ; 陈彬 ; 林晓辉 ; 王晖 ; 李乐民 ; .异构蜂窝网络中用户关联与基站功率的协同优化.电讯技术.2016,(01),全文. *

Also Published As

Publication number Publication date
CN116633797A (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
CN116633797B (zh) 一种基于大数据的网络优化采集分析系统及方法
CN102149103B (zh) 网络优化系统及方法
CN102939779B (zh) 无线通信系统、相邻小区列表优化系统、以及基站
CN112543465B (zh) 一种异常检测方法、装置、终端及存储介质
CN106792752B (zh) 基站信号覆盖自优化方法和系统
JP2924793B2 (ja) 移動通信システムおよび自動周波数配置方法
JP6982719B2 (ja) オーバーシュートセルの自動識別および最適化のためのシステムおよび方法
CN1164950A (zh) 蜂窝系统中使用位置数据来提供智能化小区选择的方法和系统
JPH04504038A (ja) 無線セルを設計するための方法
CN102487523B (zh) 用户投诉分析方法及装置
CN101577918A (zh) 一种基于手机测量报告的干扰矩阵建立方法
JP5119951B2 (ja) 移動通信システム、ハンドオーバ性能監視方法及び管理装置
CN103888961A (zh) 一种用户监控方法及装置
CN113938928A (zh) 一种用于内陆湖泊观测网的通讯系统
CN117217460A (zh) 一种巡检方案生成方法、装置、电子设备及存储介质
CN112995893B (zh) 一种指纹定位方法、系统、服务器和存储介质
GB2455703A (en) Frequency planning for a cellular communication system
EP3598789A1 (en) Optimized determination method and device for pci confusion
CN110753369B (zh) 一种中断小区检测方法及装置
CN116419154A (zh) 一种指纹地图构建方法、平台及存储介质
KR100447698B1 (ko) 네트워크 성능 최적화를 위한 분석 장치 및 그 방법
CN113316162A (zh) 网络覆盖连续性的确定方法、装置、设备及存储介质
CN111290405B (zh) 突发任务的农情获取边缘服务器移动机器人调度方法及系统
CN114038187B (zh) 一种路段状态更新方法、装置、设备及介质
CN117979351A (zh) 一种基于智能无线通信的网络资源管理系统及方法

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