CN117156468A - 过覆盖识别方法、装置、电子设备及介质 - Google Patents
过覆盖识别方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN117156468A CN117156468A CN202311122618.0A CN202311122618A CN117156468A CN 117156468 A CN117156468 A CN 117156468A CN 202311122618 A CN202311122618 A CN 202311122618A CN 117156468 A CN117156468 A CN 117156468A
- Authority
- CN
- China
- Prior art keywords
- tadv
- cell
- sampling points
- empty
- value
- 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 32
- 238000005070 sampling Methods 0.000 claims abstract description 177
- 230000015654 memory Effects 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 7
- 238000010295 mobile communication Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种过覆盖识别方法、装置及介质，涉及通信技术领域，用于解决如何识别过覆盖的问题，所述方法包括：统计小区的MR采样数据中的Tadv参数分布，Tadv参数分布包括小区的每个Tadv值对应的采样点个数；获取小区的Tadv参数分布中存在的空区间，空区间是指连续的采样点个数为空的Tadv值的每一段区间；响应于小区存在Tadv值的个数大于等于第一门限的第一空区间，获取小区在第一段第一空区间之外的远端采样点个数；响应于小区的远端采样点个数在小区的总采样点个数中的占比大于等于第二门限，判定小区为待优化的过覆盖小区。本发明可以快速得到准确、客观的过覆盖评估结果。
Description
技术领域
本发明至少涉及通信技术领域，尤其涉及一种过覆盖识别方法、过覆盖识别装置、电子设备以及计算机可读存储介质。
背景技术
在移动通信无线网络中，过覆盖问题是指小区的实际覆盖范围超过了设定的覆盖范围，甚至越过了相邻的小区，也称为越区覆盖或过远覆盖。实践中，由于规划不当、天线过高或优化的原因，经常会出现过覆盖现象，进而导致网络出现一些问题，如过覆盖小区对邻区造成了较强干扰，导致信令拥塞以及由于干扰带来的掉话/掉线和切换频繁。因此，在网络优化工作中，必须将这种问题识别出来并加以解决。
发明内容
本发明所要解决的技术问题是针对上述不足，提供一种过覆盖识别方法、过覆盖识别装置、电子设备以及计算机可读存储介质，以解决如何识别过覆盖的问题。
第一方面，本发明提供一种过覆盖识别方法，包括：
统计小区的MR采样数据中的Tadv参数分布，Tadv参数分布包括小区的每个Tadv值对应的采样点个数；
获取小区的Tadv参数分布中存在的空区间，空区间是指连续的采样点个数为空的Tadv值的每一段区间；
响应于小区存在Tadv值的个数大于等于第一门限的第一空区间，获取小区在第一段第一空区间之外的远端采样点个数；
响应于小区的远端采样点个数在小区的总采样点个数中的占比大于等于第二门限，判定小区为待优化的过覆盖小区；
其中，MR指测量报告，Tadv指时间提前量上报值。
进一步地，所述Tadv参数分布包括Tadv参数分布表和/或Tadv参数分布图；
Tadv参数分布表和/或Tadv参数分布图中包括小区的采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间所有Tadv值对应的采样点个数。
进一步地，统计小区的MR采样数据中的Tadv参数分布，Tadv参数分布包括小区的每个Tadv值对应的采样点个数，具体包括：
获取基站多个小区在过去预设时间段的MR采样数据，MR采样数据中每个小区的采样点个数不少于1000个；
采用数据透视表功能统计MR采样数据中每个小区的每个Tadv值对应的采样点个数，并形成Tadv参数分布。
进一步地，获取小区的Tadv参数分布中存在的空区间，空区间是指连续的采样点个数为空的Tadv值的每一段区间，具体包括：
根据小区的Tadv参数分布判断小区的采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间，是否存在采样点个数为空的Tadv值；
响应于判断出小区的Tadv参数分布中存在采样点个数为空的Tadv值，获取小区的采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间的每一段空区间。
进一步地，响应于小区存在Tadv值的个数大于等于第一门限的第一空区间，获取小区在第一段第一空区间之外的远端采样点个数，具体包括：
判断小区的每一段空区间对应的Tadv值的个数是否大于等于第一门限；
响应于判断出存在至少一段Tadv值的个数大于等于第一门限的第一空区间，获取第一段第一空区间的最大Tadv值；
统计小区的Tadv参数分布中大于第一段第一空区间的最大Tadv值的Tadv值对应的采样点个数为远端采样点个数。
进一步地，响应于小区的远端采样点个数在小区的总采样点个数中的占比大于等于第二门限，判定小区为待优化的过覆盖小区，具体包括：
根据小区的Tadv参数分布获取小区在采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间的总采样点个数；
计算并判断小区的远端采样点个数与小区的总采样点个数之比是否大于等于第二门限，响应于判断结果为是判定小区为待优化的过覆盖小区。
第二方面，本发明提供一种过覆盖识别装置，包括：
分布模块，用于统计小区的MR采样数据中的Tadv参数分布，Tadv参数分布包括小区的每个Tadv值对应的采样点个数；
区间模块，与分布模块连接，用于获取小区的Tadv参数分布中存在的空区间，空区间是指连续的采样点个数为空的Tadv值的每一段区间；
远端模块，与区间模块连接，用于响应于小区存在Tadv值的个数大于等于第一门限的第一空区间，获取小区在第一段第一空区间之外的远端采样点个数；
占比模块，与远端模块连接，用于响应于小区的远端采样点个数在小区的总采样点个数中的占比大于等于第二门限，判定小区为待优化的过覆盖小区；
其中，MR指测量报告，Tadv指时间提前量上报值。
进一步地，所述Tadv参数分布包括Tadv参数分布表和/或Tadv参数分布图；
Tadv参数分布表和/或Tadv参数分布图中包括小区的采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间所有Tadv值对应的采样点个数。
第三方面，本发明提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行如上所述的过覆盖识别方法。
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器运行时，实现如上所述的过覆盖识别方法。
本发明提供一种过覆盖识别方法、过覆盖识别装置、电子设备以及计算机可读存储介质，基于小区的MR采样数据中的Tadv参数的分布情况，判定小区是否为过覆盖小区，包括根据小区存在采样点个数为空的Tadv值的空区间以及空区间的连续状态和空区间之外的远端状态判断小区过覆盖的严重程度，将过覆盖问题比较严重的小区识别出来，以作为需要优化解决过覆盖问题的待优化小区，可以快速得到准确、客观的过覆盖小区评估结果，为网络优化工作提供依据。
附图说明
图1是本发明实施例的一种过覆盖识别方法的流程图；
图2是本发明实施例的第一小区的Tadv参数分布示例图；
图3是本发明实施例的第四小区的Tadv参数分布示例图；
图4是本发明实施例的第八小区的Tadv参数分布示例图；
图5是本发明实施例的第十一小区的Tadv参数分布示例图；
图6是本发明实施例的一种过覆盖识别装置的结构示意图；
图7是本发明实施例的一种电子设备的结构示意图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案，下面将结合附图对本发明实施方式作进一步地详细描述。
可以理解的是，此处描述的具体实施例和附图仅仅用于解释本发明，而非对本发明的限定。
可以理解的是，在不冲突的情况下，本发明中的各实施例及实施例中的各特征可相互组合。
可以理解的是，为便于描述，本发明的附图中仅示出了与本发明相关的部分，而与本发明无关的部分未在附图中示出。
可以理解的是，本发明的实施例中所涉及的每个单元、模块可仅对应一个实体结构，也可由多个实体结构组成，或者，多个单元、模块也可集成为一个实体结构。
可以理解的是，在不冲突的情况下，本发明的流程图和框图中所标注的功能、步骤可根据不同于附图中所标注的顺序发生。
可以理解的是，本发明的流程图和框图中，示出了根据本发明各实施例的系统、装置、设备、方法的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可代表一个单元、模块、程序段、代码，其包含用于实现规定的功能的可执行指令。而且，框图和流程图中的每个方框或方框的组合，可用实现规定的功能的基于硬件的系统实现，也可用硬件与计算机指令的组合来实现。
可以理解的是，本发明实施例中所涉及的单元、模块可通过软件的方式实现，也可通过硬件的方式来实现，例如单元、模块可位于处理器中。
实施例1：
如图1所示，本发明提供一种过覆盖识别方法，包括：
S1、统计小区的MR采样数据中的Tadv参数分布，Tadv参数分布包括小区的每个Tadv值对应的采样点个数；
S2、获取小区的Tadv参数分布中存在的空区间，空区间是指连续的采样点个数为空的Tadv值的每一段区间；
S3、响应于小区存在Tadv值的个数大于等于第一门限的第一空区间，获取小区在第一段第一空区间之外的远端采样点个数；
S4、响应于小区的远端采样点个数在小区的总采样点个数中的占比大于等于第二门限，判定小区为待优化的过覆盖小区；
其中，MR指测量报告，Tadv指时间提前量上报值。
具体而言，在本实施例中，为了简捷有效地识别过覆盖/越区覆盖/过远覆盖小区，通过一个小区的MR(测量报告，Measurement Report)采样数据中Tadv(时间提前量，Timeadvanced)参数的分布情况识别小区是否为过覆盖小区，具体可以是，基于OMC(操作维护中心，Operation and Maintenance Center)收集的UE(用户设备，User Equipment)上报的测量报告信息，其中包含本小区的信号强度RSRP(Reference Signal Receiving Power，参考信号接收功率)、RSRQ(Reference Signal Receiving Quality，参考信号接收质量)、SINR(信号与干扰加噪声比，Signal to Interference plus Noise Ratio)、时间提前量Tadv和邻小区的信号强度RSRP，选择其中的时间提前量Tadv作为识别参数，所需要的数据源是基站/小区的MR原始数据(Measurement Report，测量报告)，不需要基站/小区的工参数据，也不要求有采样点的经纬度，仅根据基站采集的MR数据即可计算获得识别结果，可适用于4G(第四代移动通信技术，4th Generation Mobile Communication Technology)、5G(第五代移动通信技术，5th Generation Mobile Communication Technology)等多种网络，适用于城区、县城、乡村等各类场景宏站小区，并且经过采集大量小区实际工参数据、MR数据进行验证后，证实可以取得良好的识别结果。
其原理说明如下：
在基站/小区的每条MR数据中都有Tadv参数，表示了UE到小区的距离，实际上是一个区间值及距离的范围，具体Tadv上报值与距离的对应关系，4G和5G有一定差别，其中4G的Tadv上报值范围为0-44，与距离的关系如下表1所示。
表1 4G网络中Tadv值与距离的关系示例表
在5G中，Tadv上报值范围是0-3846，与距离的关系与u有关，一般2.1G频段的u取值0，3.5G频段的u取值1，具体参见表2所示：
表2 5G网络中Tadv值与距离的关系示例表
| 测量数据区间分布(单位Ts) | u值 | NR_Tadv上报值 | TA中间点Ts | 中间点距离Km |
| TADV<16/2u | 0 | 0 | 8 | 0.0390625 |
| 16/2u<＝TADV<32/2u | 0 | 1 | 24 | 0.1171875 |
| 32/2u<＝TADV<48/2u | 0 | 2 | 40 | 0.1953125 |
| 48/2u<＝TADV<64/2u | 0 | 3 | 56 | 0.2734375 |
| ... | 0 | ... | ... | ... |
| 61504/2u<＝TADV<61520/2u | 0 | 3844 | 61512 | 300.3515625 |
| 61520/2u<＝TADV<61536/2u | 0 | 3845 | 61528 | 300.4296875 |
| 61536/2u<＝TADV | 0 | 3846 | 61544 | 300.5078125 |
| TADV<16/2u | 1 | 0 | 4 | 0.01953125 |
| 16/2u￡TADV<32/2u | 1 | 1 | 12 | 0.05859375 |
| 32/2u<＝TADV<48/2u | 1 | 2 | 20 | 0.09765625 |
| 48/2u<＝TADV<64/2u | 1 | 3 | 28 | 0.13671875 |
| ... | 1 | ... | ... | ... |
| 61504/2u<＝TADV<61520/2u | 1 | 3844 | 30756 | 150.1757813 |
| 61520/2u<＝TADV<61536/2u | 1 | 3845 | 30764 | 150.2148438 |
| 61536/2u<＝TADV | 1 | 3846 | 30772 | 150.2539063 |
表中：Lte是长期演进(Long Term Evolution)；NR就是5G的无线网(New Radio)，也被称为新无线/新空口；Ts＝1/(15000*2048)秒，是LTE中基本时间单位；u是5G一个无线参数，2u表示2的u次方；TADV、Tadv、TA物理意义相同，都是指时间提前量(TimingAdvance)，在MR中使用Tadv作为字段名称，也可以写作TADV，TA是常用的缩写，本申请是使用表1和2中Tadv这一列值。
进一步地，所述Tadv参数分布包括Tadv参数分布表和/或Tadv参数分布图；
Tadv参数分布表和/或Tadv参数分布图中包括小区的采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间所有Tadv值对应的采样点个数。
具体而言，在本实施例中，统计每个小区的Tadv参数分布情况，是指统计每个Tadv值的上报次数(对应的采样点个数)，统计的结果(仅列出少量示例)可以采用表格记录，如表3和4所示，也可以采用统计分布图展示，如图2-5所示。
表3第一至第六小区的Tadv参数分布示例表
| tadv\小区 | cell01 | cell02 | cell03 | cell04 | cell05 | cell06 |
| 0 | 165 | 16 | 308 | 101 | 407 | 22 |
| 1 | 260 | 78 | 624 | 604 | 379 | 36 |
| 2 | 238 | 61 | 228 | 437 | 127 | 140 |
| 3 | 77 | 52 | 58 | 42 | 118 | 141 |
| 4 | 92 | 132 | 22 | 4 | 112 | 182 |
| 5 | 164 | 153 | 2 | 18 | 270 | |
| 6 | 142 | 175 | 3 | 104 | ||
| 7 | 74 | 280 | 28 | 5 | 21 | |
| 8 | 13 | 139 | 8 | 9 | ||
| 9 | 13 | 46 | 1 | 12 | ||
| 10 | 130 | 22 | 1 | 5 | ||
| 11 | 14 | 33 | 1 | 11 | ||
| 12 | 6 | 1 | 12 | 38 | ||
| 13 | 7 | 2 | 3 | 14 | ||
| 14 | 2 | 4 | ||||
| 15 | 1 | 38 | ||||
| 16 | 11 | 23 | ||||
| 17 | 2 | |||||
| 采样点数 | 1398 | 1243 | 1242 | 1227 | 1184 | 1030 |
| 空区间个数 | 0 | 0 | 0 | 2 | 4 | 2 |
表4第七至第十二小区的Tadv参数分布示例表
| tadv\小区 | cell07 | cell08 | cell09 | cell10 | cell11 | cell12 |
| 0 | 126 | 3 | 4 | 430 | ||
| 1 | 41 | 60 | 6 | 101 | ||
| 2 | 309 | 8 | 32 | 13 | ||
| 3 | 520 | 1 | 50 | 50 | 45 | 1 |
| 4 | 537 | 44 | 202 | 31 | 50 | 12 |
| 5 | 125 | 121 | 36 | 84 | 17 | 23 |
| 6 | 38 | 56 | 186 | 109 | 7 | 192 |
| 7 | 8 | 204 | 120 | 279 | 7 | 150 |
| 8 | 1 | 105 | 150 | 138 | 17 | 30 |
| 9 | 325 | 148 | 131 | 65 | 30 | |
| 10 | 46 | 32 | 279 | 1 | 10 | |
| 11 | 96 | 8 | 96 | 1 | 4 | |
| 12 | 43 | 10 | 211 | |||
| 13 | 96 | 2 | 446 | |||
| 14 | 62 | 123 | ||||
| 15 | 1 | 5 | ||||
| 16 | 29 | 1 | 19 | |||
| 17 | 11 | 10 | ||||
| 18 | 5 | 2 | 6 | |||
| 19 | 3 | 5 | ||||
| 20 | 7 | 24 | ||||
| 21 | 48 | 215 | ||||
| 22 | 41 | 238 | ||||
| 23 | 1 | 119 | ||||
| 24 | 3 | 15 | 3 | |||
| 25 | 4 | 1 | ||||
| 26 | 3 | 6 | 32 | |||
| 27 | 4 | 16 | 114 | |||
| 28 | 3 | 2 | 17 | 31 | ||
| 29 | 4 | 24 | 9 | |||
| 30 | 6 | 14 | 21 | |||
| 31 | 1 | 2 | 33 | |||
| 32 | 2 | 24 | 1 | |||
| 33 | 8 | 26 | 1 | |||
| 34 | 7 | 4 | 185 | |||
| 35 | 2 | 2 | 27 | |||
| 36 | 15 | 23 | ||||
| 37 | 9 | 30 | ||||
| 38 | 86 | |||||
| 39 | 7 | |||||
| 40 | 3 | 3 | ||||
| 41 | 18 | 122 | ||||
| 42 | 6 | 420 | ||||
| 43 | 99 | |||||
| 44 | 3 | |||||
| 45 | 3 | |||||
| 采样点数 | 1750 | 1336 | 1084 | 2502 | 1419 | 1347 |
| 空区间个数 | 7 | 9 | 14 | 9 | 6 | 12 |
| 远端采样点个数 | 45 | 64 | 98 | 386 | 665 | 895 |
| 远端采样点占比 | 3％ | 5％ | 9％ | 15％ | 47％ | 66％ |
图与表中，cell指小区，tadv对应的是Tadv上报值，TA值是对Tadv上报值的简写，tadv也可以写成sctadv，是指服务小区的Tadv，sc是service cell的缩写。
进一步地，统计小区的MR采样数据中的Tadv参数分布，Tadv参数分布包括小区的每个Tadv值对应的采样点个数，具体包括：
获取基站多个小区在过去预设时间段的MR采样数据，MR采样数据中每个小区的采样点个数不少于1000个；
采用数据透视表功能统计MR采样数据中每个小区的每个Tadv值对应的采样点个数，并形成Tadv参数分布。
具体而言，在本实施例中，为了避免MR采样点过少造成误判，可累计多天的MR采用数据，例如一周、双周等的MR数据，可以依据至少保证每个小区的MR采样点数不少于1000个作为标准，具体的统计方法可使用EXCEL或WPS表格中的数据透视表功能，获得如表3和4、和/或图2-5所示的结果。
进一步地，获取小区的Tadv参数分布中存在的空区间，空区间是指连续的采样点个数为空的Tadv值的每一段区间，具体包括：
根据小区的Tadv参数分布判断小区的采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间，是否存在采样点个数为空的Tadv值；
响应于判断出小区的Tadv参数分布中存在采样点个数为空的Tadv值，获取小区的采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间的每一段空区间。
具体而言，在本实施例中，观察每个小区的Tadv参数分布，判断从第一个采样点数非空的Tadv到最大Tadv，中间是否有为空的区间，如表3所列分为2种情况，一是没有空区间，如第一小区cell01，其示例也可见图2，二是有空区间，如图3所示的第四小区cell04，其中Tadv＝5、6没有采样点存在。没有空区间的小区，说明UE连续分布，没有其他小区的覆盖区的插入，不是过覆盖小区(需要说明的是，没有空区间不能绝对证明没有任何的过覆盖的采样点，但说明过覆盖的采样点不多，达不到过覆盖的门限，可以暂不处理)。有空区间的小区统计其空区间，和每一个空区间连续的Tadv值个数，需要根据空区间的连续程度进一步判定。
进一步地，响应于小区存在Tadv值的个数大于等于第一门限的第一空区间，获取小区在第一段第一空区间之外的远端采样点个数，具体包括：
判断小区的每一段空区间对应的Tadv值的个数是否大于等于第一门限；
响应于判断出存在至少一段Tadv值的个数大于等于第一门限的第一空区间，获取第一段第一空区间的最大Tadv值；
统计小区的Tadv参数分布中大于第一段第一空区间的最大Tadv值的Tadv值对应的采样点个数为远端采样点个数。
具体而言，在本实施例中，对于有空区间的小区，统计其第一段连续空区间对应的Tadv值的个数，例如图3所示第四小区cell04，空区间连续个数为2，图3所示第八小区cell08，空区间连续个数为9，空区间连续个数少于门限A的(如示例为5，对于青藏高原、山区、沙漠等人口稀少的地区，一个小区的区间正常情况下，也可能存在不连续的情况，对于市区、县城、平原等人口较多的地区，小区的区间应该是连续的，门限A可以根据地区不同而设置不同的值)，不判定为过覆盖小区，大于等于门限A的，需进一步判定。
进一步地，响应于小区的远端采样点个数在小区的总采样点个数中的占比大于等于第二门限，判定小区为待优化的过覆盖小区，具体包括：
根据小区的Tadv参数分布获取小区在采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间的总采样点个数；
计算并判断小区的远端采样点个数与小区的总采样点个数之比是否大于等于第二门限，响应于判断结果为是判定小区为待优化的过覆盖小区。
具体而言，在本实施例中，对于空区间连续个数大于等于门限A的小区，统计其远端采样点个数(即在连续空区间以外的采样点)，计算其远端采样点占总采样点数的比例，该占比>＝门限B(如设置为10％)的小区，判定为过覆盖小区，远端采样点占比情况的统计结果参见表4，表4中可见cell07、cell08、cell09的占比低于10％，说明远端覆盖点数量不多，过覆盖问题不严重，不判定为过覆盖小区，如图4所示的cell08，可以看出，采样点主要分布在空区间以内的近端，远端采样点分布不多，说明过覆盖问题不严重，可以暂不处理；另外3个小区cell10、cell11、cell12的占比高于15％，说明远端覆盖点数量较多，过覆盖问题比较严重，需要加以解决，因此判定为待优化的过覆盖小区，其中cell11的Tadv分布如图5所示，从图5中可见有大量UE分布在远端，中间的空白是其他基站的覆盖区，形成了严重的过覆盖。
按照上述算法对大量基站进行了统计计算，结果与人工判断方法得出的过覆盖结果相吻合，实践证明所提出的基于小区的MR采样数据中Tadv参数的分布情况，判定小区是否为过覆盖小区的方法，可以快速得到准确、客观的评估结果，为优化工作提供依据，该方法可以采用软件实现，比现有的人工方法简捷有效，避免了人工识别费时费力、容易遗漏的缺点，比现有的计算机软件基于路测或网络运行的切换次数等数据判断过覆盖的方法，方法更简单，大大节约了计算量。
实施例2：
如图6所示，本发明提供一种过覆盖识别装置，包括：
分布模块1，用于统计小区的MR采样数据中的Tadv参数分布，Tadv参数分布包括小区的每个Tadv值对应的采样点个数；
区间模块2，与分布模块1连接，用于获取小区的Tadv参数分布中存在的空区间，空区间是指连续的采样点个数为空的Tadv值的每一段区间；
远端模块3，与区间模块2连接，用于响应于小区存在Tadv值的个数大于等于第一门限的第一空区间，获取小区在第一段第一空区间之外的远端采样点个数；
占比模块4，与远端模块3连接，用于响应于小区的远端采样点个数在小区的总采样点个数中的占比大于等于第二门限，判定小区为待优化的过覆盖小区；
其中，MR指测量报告，Tadv指时间提前量上报值。
进一步地，所述Tadv参数分布包括Tadv参数分布表和/或Tadv参数分布图；
Tadv参数分布表和/或Tadv参数分布图中包括小区的采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间所有Tadv值对应的采样点个数。
进一步地，分布模块1，具体包括：
采样数据单元，用于获取基站多个小区在过去预设时间段的MR采样数据，MR采样数据中每个小区的采样点个数不少于1000个；
分布统计单元，与采样数据单元连接，用于采用数据透视表功能统计MR采样数据中每个小区的每个Tadv值对应的采样点个数，并形成Tadv参数分布。
进一步地，区间模块2，具体包括：
第一判断单元，与分布统计单元连接，用于根据小区的Tadv参数分布判断小区的采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间，是否存在采样点个数为空的Tadv值；
区间统计单元，与第一判断单元连接，用于响应于判断出小区的Tadv参数分布中存在采样点个数为空的Tadv值，获取小区的采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间的每一段空区间。
进一步地，远端模块3，具体包括：
第二判断单元，与区间统计单元连接，用于判断小区的每一段空区间对应的Tadv值的个数是否大于等于第一门限；
区间分析单元，与第二判断单元连接，用于响应于判断出存在至少一段Tadv值的个数大于等于第一门限的第一空区间，获取第一段第一空区间的最大Tadv值；
远端统计单元，与区间分析单元连接，用于统计小区的Tadv参数分布中大于第一段第一空区间的最大Tadv值的Tadv值对应的采样点个数为远端采样点个数。
进一步地，占比模块4，具体包括：
总数统计单元，与分布统计单元连接，用于根据小区的Tadv参数分布获取小区在采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间的总采样点个数；
第三判断单元，与远端统计单元和总数统计单元连接，用于计算并判断小区的远端采样点个数与小区的总采样点个数之比是否大于等于第二门限，响应于判断结果为是判定小区为待优化的过覆盖小区。
实施例3：
如图7所示，本发明实施例3提供一种电子设备，包括存储器10和处理器20，所述存储器10中存储有计算机程序，当所述处理器20运行所述存储器10存储的计算机程序时，所述处理器20执行如实施例1所述的过覆盖识别方法。
其中，存储器10与处理器20连接，存储器10可采用闪存或只读存储器或其他存储器，处理器20可采用中央处理器或单片机。
实施例4：
本发明实施例4提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器运行时，实现如实施例1所述的过覆盖识别方法。
所述计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于RAM(Random Access Memory，随机存取存储器)，ROM(Read-Only Memory，只读存储器)，EEPROM(Electrically ErasableProgrammable read only memory，带电可擦可编程只读存储器)、闪存或其他存储器技术、CD-ROM(Compact Disc Read-Only Memory，光盘只读存储器)，数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。
本发明实施例1-4提供一种过覆盖识别方法、过覆盖识别装置、电子设备以及计算机可读存储介质，基于小区的MR采样数据中的Tadv参数的分布情况，判定小区是否为过覆盖小区，包括根据小区存在采样点个数为空的Tadv值的空区间以及空区间的连续状态和空区间之外的远端状态判断小区过覆盖的严重程度，将过覆盖问题比较严重的小区识别出来，以作为需要优化解决过覆盖问题的待优化小区，可以快速得到准确、客观的过覆盖小区评估结果，为网络优化工作提供依据。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种过覆盖识别方法，其特征在于，包括：
统计小区的MR采样数据中的Tadv参数分布，Tadv参数分布包括小区的每个Tadv值对应的采样点个数；
获取小区的Tadv参数分布中存在的空区间，空区间是指连续的采样点个数为空的Tadv值的每一段区间；
响应于小区存在Tadv值的个数大于等于第一门限的第一空区间，获取小区在第一段第一空区间之外的远端采样点个数；
响应于小区的远端采样点个数在小区的总采样点个数中的占比大于等于第二门限，判定小区为待优化的过覆盖小区；
其中，MR指测量报告，Tadv指时间提前量上报值。
2.根据权利要求1所述的方法，其特征在于，所述Tadv参数分布包括Tadv参数分布表和/或Tadv参数分布图；
Tadv参数分布表和/或Tadv参数分布图中包括小区的采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间所有Tadv值对应的采样点个数。
3.根据权利要求1或2所述的方法，其特征在于，统计小区的MR采样数据中的Tadv参数分布，Tadv参数分布包括小区的每个Tadv值对应的采样点个数，具体包括：
获取基站多个小区在过去预设时间段的MR采样数据，MR采样数据中每个小区的采样点个数不少于1000个；
采用数据透视表功能统计MR采样数据中每个小区的每个Tadv值对应的采样点个数，并形成Tadv参数分布。
4.根据权利要求1或2所述的方法，其特征在于，获取小区的Tadv参数分布中存在的空区间，空区间是指连续的采样点个数为空的Tadv值的每一段区间，具体包括：
根据小区的Tadv参数分布判断小区的采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间，是否存在采样点个数为空的Tadv值；
响应于判断出小区的Tadv参数分布中存在采样点个数为空的Tadv值，获取小区的采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间的每一段空区间。
5.根据权利要求1或2所述的方法，其特征在于，响应于小区存在Tadv值的个数大于等于第一门限的第一空区间，获取小区在第一段第一空区间之外的远端采样点个数，具体包括：
判断小区的每一段空区间对应的Tadv值的个数是否大于等于第一门限；
响应于判断出存在至少一段Tadv值的个数大于等于第一门限的第一空区间，获取第一段第一空区间的最大Tadv值；
统计小区的Tadv参数分布中大于第一段第一空区间的最大Tadv值的Tadv值对应的采样点个数为远端采样点个数。
6.根据权利要求1或2所述的方法，其特征在于，响应于小区的远端采样点个数在小区的总采样点个数中的占比大于等于第二门限，判定小区为待优化的过覆盖小区，具体包括：
根据小区的Tadv参数分布获取小区在采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间的总采样点个数；
计算并判断小区的远端采样点个数与小区的总采样点个数之比是否大于等于第二门限，响应于判断结果为是判定小区为待优化的过覆盖小区。
7.一种过覆盖识别装置，其特征在于，包括：
分布模块，用于统计小区的MR采样数据中的Tadv参数分布，Tadv参数分布包括小区的每个Tadv值对应的采样点个数；
区间模块，与分布模块连接，用于获取小区的Tadv参数分布中存在的空区间，空区间是指连续的采样点个数为空的Tadv值的每一段区间；
远端模块，与区间模块连接，用于响应于小区存在Tadv值的个数大于等于第一门限的第一空区间，获取小区在第一段第一空区间之外的远端采样点个数；
占比模块，与远端模块连接，用于响应于小区的远端采样点个数在小区的总采样点个数中的占比大于等于第二门限，判定小区为待优化的过覆盖小区；
其中，MR指测量报告，Tadv指时间提前量上报值。
8.根据权利要求7所述的装置，其特征在于，所述Tadv参数分布包括Tadv参数分布表和/或Tadv参数分布图；
Tadv参数分布表和/或Tadv参数分布图中包括小区的采样点个数为非空的最小Tadv值至采样点个数为非空的最大Tadv值之间所有Tadv值对应的采样点个数。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行如权利要求1-6中任一项所述的过覆盖识别方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器运行时，实现如权利要求1-6中任一项所述的过覆盖识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311122618.0A CN117156468A (zh) | 2023-09-01 | 2023-09-01 | 过覆盖识别方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311122618.0A CN117156468A (zh) | 2023-09-01 | 2023-09-01 | 过覆盖识别方法、装置、电子设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117156468A true CN117156468A (zh) | 2023-12-01 |
Family
ID=88883818
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311122618.0A Pending CN117156468A (zh) | 2023-09-01 | 2023-09-01 | 过覆盖识别方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117156468A (zh) |
-
2023
- 2023-09-01 CN CN202311122618.0A patent/CN117156468A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108156626B (zh) | 轨道交通无线网络质量评估方法、装置及介质 | |
| US9591455B2 (en) | Methods and apparatus to determine a base station location | |
| CN106792752B (zh) | 基站信号覆盖自优化方法和系统 | |
| EP2250832B1 (en) | Method and system for optimizing the configuration of a wireless mobile communications network | |
| JP2005522156A (ja) | 隣接セルリストを最適にするための方法およびシステム | |
| CN111325561A (zh) | 智能投诉处理方法、装置、电子设备及存储介质 | |
| CN110798804B (zh) | 一种室内定位方法和装置 | |
| CN111263389B (zh) | 一种Volte语音质量问题的自动化定位的方法及装置 | |
| CN107438251B (zh) | 一种用于室内外用户区分的方法和装置 | |
| US10517007B2 (en) | Received signal strength based interferer classification of cellular network cells | |
| CN109246587B (zh) | 一种高铁网络干扰分析方法及装置 | |
| CN111866847B (zh) | 移动通信网络数据分析方法、设备及计算机存储介质 | |
| CN102026236B (zh) | 一种检测天馈设备接反的小区的方法和装置 | |
| EP3598789A1 (en) | Optimized determination method and device for pci confusion | |
| CN103686895A (zh) | 切换控制方法、无线网络控制器和接入节点 | |
| JP6107957B2 (ja) | 情報処理装置、無線通信システム及び端末位置推定方法 | |
| CN114071517B (zh) | 一种过覆盖基站识别方法、装置、电子设备及存储介质 | |
| CN117156468A (zh) | 过覆盖识别方法、装置、电子设备及介质 | |
| CN102461290B (zh) | 基站设备、边缘用户估计方法及程序 | |
| CN112752272A (zh) | 信息发送、测量配置方法、网管系统、基站及存储介质 | |
| CN113923666B (zh) | 一种过覆盖基站识别方法、装置、电子设备及存储介质 | |
| CN111491255B (zh) | 一种回填经纬度定位扩量方法、系统及存储介质 | |
| CN111130831A (zh) | 一种目标网络质量评估方法及装置 | |
| CN115529605B (zh) | 一种小区配置直放站的识别方法、装置及电子设备 | |
| CN113133049B (zh) | 确定主覆盖小区的方法、装置、设备及介质 |
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 |