CN117880864A - 问题高铁路段根因检测方法、装置及存储介质 - Google Patents

Abstract

本申请提供了一种问题高铁路段根因检测方法、装置及存储介质，涉及通信技术领域，能够用于提高高铁无线网络问题的检测效率和准确性。该方法包括：获取问题高铁路段的多个目标采样点的关键性能指标数据；基于多个目标采样点的关键性能指标，确定问题高铁路段的问题类型；基于问题类型，匹配问题高铁路段对应的目标检测算法；基于目标检测算法，确定问题高铁路段的问题根因。本申请用于提高高铁无线网络问题的检测效率和准确性。

Description

问题高铁路段根因检测方法、装置及存储介质

技术领域

本申请涉及通信技术领域，尤其涉及一种问题高铁路段根因检测方法、装置及存储介质。

背景技术

随着高速铁路“八纵八横”的不断延伸，高铁出行成为了我国最重要的出行方式之一。为了保障高铁场景用户感知和打造高铁精品网，对高铁无线网络开展问题诊断和质量提升工作成为高速铁路发展的重要需求。目前，面对海量的高铁测试数据，传统的数据分析方式一般采用人工分析。这不仅导致数据分析的时间长、成本高，而且效率低。因此，如何提高高铁无线网络问题的检测效率和准确性成为亟待解决的技术问题。

发明内容

本申请提供一种问题高铁路段根因检测方法、装置及存储介质，能够进行问题高铁路段根因检测。

为达到上述目的，本申请采用如下技术方案：

第一方面，本申请提供了一种问题高铁路段根因检测方法，方法包括：获取问题高铁路段的多个目标采样点的关键性能指标数据；基于多个目标采样点的关键性能指标，确定问题高铁路段的问题类型；基于问题类型，匹配问题高铁路段对应的目标检测算法；基于目标检测算法，确定问题高铁路段的问题根因。

结合上述第一方面，在一种可能的实现方式中，多个关键性能指标包括：接收信号参考功率RSRP、信号干扰噪声比SINR；基于多个关键性能指标，确定问题高铁路段的问题类型，包括：基于关键性能指标，确定问题高铁路段是否满足预设条件；预设条件包括：第一预设条件和第二预设条件；其中，第一预设条件是指问题高铁路段中RSRP满足第一预设阈值的采样点的占比超过第一预设比例；第二预设条件是指问题高铁路段中SINR满足第二预设阈值的采样点的占比超过第二预设比例；若满足第一预设条件，则确定问题高铁路段为问题类型第一问题类型；第一问题类型用于表征问题高铁路段为弱覆盖问题路段；若满足第二预设条件，则确定问题高铁路段的问题类型为第二问题类型；第二问题类型用于表征问题高铁路段为高干扰问题路段。

结合上述第一方面，在一种可能的实现方式中，在问题类型为第一问题类型的情况下，目标检测算法包括：覆盖空洞检测算法、故障小区检测算法、射频RF检测算法、近距离弱覆盖检测算法、切换问题检测算法、主服小区检测算法、覆盖间距检测算法、远距离弱覆盖检测算法；

基于目标检测算法，确定问题高铁路段的问题根因，包括：基于覆盖空洞检测算法，确定多个采样点中的目标采样点的占比是否满足第三预设比例；若目标采样点的占比满足第三预设比例，则确定问题高铁路段的问题根因为覆盖空洞；若目标采样点的占比不满足第三预设比例，则基于故障小区检测算法，确定多个采样点是否满足第三预设条件；若多个采样点满足第三预设条件，则确定问题高铁路段的问题根因为小区故障；若多个采样点不满足第三预设条件，则基于RF检测算法或近距离弱覆盖检测算法，确定问题高铁路段是否满足第四预设条件；若满足第四预设条件，则确定问题高铁路段的问题根因为天馈故障；若不满足第四预设条件，则确定问题高铁路段中的多个切换段是否切换正常；切换段是指基于信令节点进行切割的弱覆盖路段；若切换正常，则基于主服小区检测算法，确定问题高铁路段对应的主服小区是否为高铁小区；若主服小区不是高铁小区，则确定问题高铁路段的问题根因为公网专网结构问题；若主服小区为高铁小区，则基于覆盖间距检测算法和远距离弱覆盖检测算法，确定问题高铁路段的问题根因。

结合上述第一方面，在一种可能的实现方式中，若不满足第四预设条件，则确定问题高铁路段中的多个切换段是否切换正常，还包括：若多个切换段切换不正常，则确定问题高铁路段的源小区是否为高铁小区；若源小区为高铁小区，则确定高铁小区是否为公网小区；若为公网小区，则确定高铁小区为公网小区的问题根因。

结合上述第一方面，在一种可能的实现方式中，目标检测算法还包括：邻区漏配检测算法、高负荷小区检测算法、上行干扰检测算法、下行质差检测算法；基于覆盖间距检测算法和远距离弱覆盖检测算法，确定问题高铁路段的问题根因之前，还包括：若主服小区为高铁小区，则基于邻区漏配检测算法、高负荷小区检测算法、上行干扰检测算法、下行质差检测算法，对高铁小区进行检测，确定高铁小区是否满足第五预设条件；若满足第五预设条件，则确定问题高铁路段的问题根因。结合上述第一方面，在一种可能的实现方式中，在问题类型为第二问题类型的情况下，目标检测算法还包括：重叠覆盖检测算法、主控小区检测算法、三态信息调制MOD3干扰算法；

基于目标检测算法，确定问题高铁路段的问题根因，包括：基于重叠覆盖检测算法，确定问题高铁路段的重叠覆盖采样点数量；若重叠覆盖采样点数量满足第四预设阈值，则确定问题高铁路段的问题根因为重叠覆盖；基于主控小区检测算法，确定问题高铁路段的无主控采样点数量；若无主控采样点数量满足第五预设阈值，则确定问题高铁路段的问题根因为无主控小区；基于MOD3干扰算法，确定问题高铁路段的MOD3干扰采样点数量；若MOD3干扰采样点数量满足第六预设阈值，则确定问题高铁路段的问题根因为MOD3干扰。

第二方面，本申请提供了一种问题高铁路段根因检测装置，装置包括：处理单元；处理单元，用于获取问题高铁路段的多个目标采样点的关键性能指标数据；处理单元，还用于基于多个目标采样点的关键性能指标，确定问题高铁路段的问题类型；处理单元，还用于基于问题类型，匹配问题高铁路段对应的目标检测算法；处理单元，还用于基于目标检测算法，确定问题高铁路段的问题根因。

结合上述第二方面，在一种可能的实现方式中，处理单元，具体用于：基于关键性能指标，确定问题高铁路段是否满足预设条件；预设条件包括：第一预设条件和第二预设条件；其中，第一预设条件是指问题高铁路段中RSRP满足第一预设阈值的采样点的占比超过第一预设比例；第二预设条件是指问题高铁路段中SINR满足第二预设阈值的采样点的占比超过第二预设比例；若满足第一预设条件，则确定问题高铁路段为问题类型第一问题类型；第一问题类型用于表征问题高铁路段为弱覆盖问题路段；若满足第二预设条件，则确定问题高铁路段的问题类型为第二问题类型；第二问题类型用于表征问题高铁路段为高干扰问题路段。

结合上述第二方面，在一种可能的实现方式中，处理单元，还具体用于：基于覆盖空洞检测算法，确定多个采样点中的目标采样点的占比是否满足第三预设比例；若目标采样点的占比满足第三预设比例，则确定问题高铁路段的问题根因为覆盖空洞；若目标采样点的占比不满足第三预设比例，则基于故障小区检测算法，确定多个采样点是否满足第三预设条件；若多个采样点满足第三预设条件，则确定问题高铁路段的问题根因为小区故障；若多个采样点不满足第三预设条件，则基于RF检测算法或近距离弱覆盖检测算法，确定问题高铁路段是否满足第四预设条件；若满足第四预设条件，则确定问题高铁路段的问题根因为天馈故障；若不满足第四预设条件，则确定问题高铁路段中的多个切换段是否切换正常；切换段是指基于信令节点进行切割的弱覆盖路段；若切换正常，则基于主服小区检测算法，确定问题高铁路段对应的主服小区是否为高铁小区；若主服小区不是高铁小区，则确定问题高铁路段的问题根因为公网专网结构问题；若主服小区为高铁小区，则基于覆盖间距检测算法和远距离弱覆盖检测算法，确定问题高铁路段的问题根因。

结合上述第二方面，在一种可能的实现方式中，处理单元，还具体用于：若多个切换段切换不正常，则确定问题高铁路段的源小区是否为高铁小区；若源小区为高铁小区，则确定高铁小区是否为公网小区；若为公网小区，则确定高铁小区为公网小区的问题根因。

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：若主服小区为高铁小区，则基于邻区漏配检测算法、高负荷小区检测算法、上行干扰检测算法、下行质差检测算法，对高铁小区进行检测，确定高铁小区是否满足第五预设条件；若满足第五预设条件，则确定问题高铁路段的问题根因。

结合上述第二方面，在一种可能的实现方式中，处理单元，还具体用于：基于重叠覆盖检测算法，确定问题高铁路段的重叠覆盖采样点数量；若重叠覆盖采样点数量满足第四预设阈值，则确定问题高铁路段的问题根因为重叠覆盖；基于主控小区检测算法，确定问题高铁路段的无主控采样点数量；若无主控采样点数量满足第五预设阈值，则确定问题高铁路段的问题根因为无主控小区；基于MOD3干扰算法，确定问题高铁路段的MOD3干扰采样点数量；若MOD3干扰采样点数量满足第六预设阈值，则确定问题高铁路段的问题根因为MOD3干扰。

第三方面，本申请提供了一种问题高铁路段根因检测装置，该问题高铁路段根因检测装置包括：处理器以及存储器；其中，存储器用于存储计算机执行指令，当问题高铁路段根因检测装置运行时，处理器执行存储器存储的计算机执行指令，以使问题高铁路段根因检测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描述的问题高铁路段根因检测方法。

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，当计算机可读存储介质中的指令由问题高铁路段根因检测装置的处理器执行时，使得问题高铁路段根因检测装置能够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问题高铁路段根因检测方法。

第五方面，本申请提供了一种包含指令的计算机程序产品，当计算机程序产品在问题高铁路段根因检测装置上运行时，使得问题高铁路段根因检测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问题高铁路段根因检测方法。

第六方面，本申请提供了一种芯片，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问题高铁路段根因检测方法。

具体的，本申请实施例中提供的芯片还包括存储器，用于存储计算机程序或指令。

在本申请中，上述问题高铁路段根因检测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。

本申请提供的技术方案至少带来以下有益效果：获取问题高铁路段的多个关键性能指标；基于多个关键性能指标，确定问题高铁路段的问题类型；基于问题类型，匹配问题高铁路段对应的目标检测算法；基于目标检测算法，确定问题高铁路段的问题根因。这样，通过获取问题高铁路段的多个关键性能指标，能够全面地了解和评估高铁路段的状态和性能，能更准确地识别和定位问题高铁路段的根因问题，从而避免漏检或误检。进一步的，基于关键性能指标确定问题类型，该方法能够针对性地选择适合的目标检测算法，能够这提高检测效率和准确性，和自动化地确定问题高铁路段的问题根因，于减少人工干预和错误，提高工作效率和准确性。

附图说明

图1为本申请实施例提供的一种问题高铁路段根因检测装置结构示意图；

图2为本申请实施例提供的种问题高铁路段根因检测方法的流程示意图；

图3为本申请实施例提供的又一种问题高铁路段根因检测方法的流程示意图；

图4为本申请实施例提供的又一种问题高铁路段根因检测方法的流程示意图；

图5为本申请实施例提供的又一种问题高铁路段根因检测方法的流程示意图；

图6为本申请实施例提供的又一种问题高铁路段根因检测方法的流程示意图；

图7为本申请实施例提供的又一种问题高铁路段根因检测方法的流程示意图；

图8为本申请实施例提供的一种问题高铁路段根因检测装置的结构示意图。

具体实施方式

下面结合附图对本申请施例提供的问题高铁路段根因检测方法、装置及存储介质进行详细地描述。

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。

随着高速铁路“八纵八横”的不断延伸，高铁出行成为了我国最重要的出行方式之一。为了保障高铁场景用户感知和打造高铁精品网，对高铁无线网络开展问题诊断和质量提升工作成为高速铁路发展的重要需求。目前，面对海量的高铁测试数据，传统的数据分析方式一般采用人工分析。这不仅导致数据分析的时间长、成本高，而且效率低。

相关技术中，如专利号为CN201220153583.8的基于TD-LTE的无线网络优化系统中，遍历各个区域的路测，并通过数据分析计算模块分析计算采集到的路测数据，若不符合指标要求，则按优先级找出弱覆盖、交叉覆盖区域，逐点编号并给出解决方案，确保在覆盖区域内TD-LTE无线网络覆盖率满足RSRP＞-105dbm、RSRQ＞-13.8db、PDCCHSINR＞-1.6db的概率均＞95％。但是，该专利主要针对路测区域的覆盖进行优化，未对影响用户感知的还包括干扰、速率、容量、切换等其他因素进行检测和优化。

再如专利号为CN202011600538.8的一种无线网络优化方法，通过步骤S1、前期准备；S2、网优前评估；S3、问题分析及定位；S4、网优方案确定；S5、网优后评估。对网优前评估、问题分析及定位、网优方案确定和网优后评估进行优化，且能够对网络问题进行优化解决。但是，该专利主要由人工完成分析，受个人专业技术水平程度不同影响，没有统一的分析标准，且时效差、成本高、组织难。

再如专利号为CN201657329U的一种无线网络优化计算机分析系统，主要由数据源、数据导入、无线网络性能智能分析、无线网络覆盖面状分析、无线覆盖区域地理信息数据、无线网络小区级精细分析GIS平台和解决方案及所需原始数据导出模块组成。但是，目前移动通信往主要以4/5G为主流，2/3G已逐步淘汰。高铁是比较特殊的场景，需真实模拟高铁用户感知，通过深层解析测试数据，详细分析信令事件详情，解决影响高铁用户感知的根因问题。

目前，传统高铁无线网络问题诊断工作采用人工分析方式，通常由集团、省份组织，采用专项、集中优化的形式来分析和制定优化方案，并将优化方案下发到地市。但是，上述方法明显存在以下问题：

(1)任务重耗时长：在分析和制定优化方案的过程中需要逐个对问题点、问题路段进行诊断和分析。这导致诊断分析过程不仅任务量大、耗费时间长，而且无法保证诊断结果有效性；

(2)无标准易疏漏：由于人工分析方案标准的不统一，使得诊断结构易受人员技能和主观判断影响，从而导致问题分析结果出错。

(3)门栏高难下沉：人工分析技术门槛高，不利于高铁问题诊断工作下沉到一线常态化持续开展，导致诊断分析工作成本高。

因此，如何提高高铁无线网络问题的检测效率和准确性成为亟待解决的技术问题。

为了解决上述技术问题，本申请提供了一种问题高铁路段根因检测方法，该方法包括：获取问题高铁路段的多个关键性能指标；基于多个关键性能指标，确定问题高铁路段的问题类型；基于问题类型，匹配问题高铁路段对应的目标检测算法；基于目标检测算法，确定问题高铁路段的问题根因。这样，通过获取问题高铁路段的多个关键性能指标，能够全面地了解和评估高铁路段的状态和性能，能更准确地识别和定位问题高铁路段的根因问题，从而避免漏检或误检。进一步的，基于关键性能指标确定问题类型，该方法能够针对性地选择适合的目标检测算法，能够这提高检测效率和准确性，和自动化地确定问题高铁路段的问题根因，于减少人工干预和错误，提高工作效率和准确性。

如图1所示为本申请实施例提供的一种问题高铁路段根因检测装置的结构示意图，该问题高铁路段根因检测装置100包括至少一个处理器101，通信线路102，以及至少一个通信接口104，还可以包括存储器103。其中，处理器101，存储器103以及通信接口104三者。之间可以通过通信线路102连接。

处理器101可以是一个中央处理器(central processing unit，CPU)，也可以是特定集成电路(application specific integrated circuit，ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路，例如：一个或多个数字信号处理器(digital signalprocessor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)。

通信线路102可以包括一通路，用于在上述组件之间传送信息。

通信接口104，用于与其他设备或通信网络通信，可以使用任何收发器一类的装置，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103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(electricallyerasable programmable read-only memory，EEPROM)、只读光盘(compact disc 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、或者能够用于包括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。

一种可能的设计中，存储器103可以独立于处理器101存在，即存储器103可以为处理器101外部的存储器，此时，存储器103可以通过通信线路102与处理器101相连接，用于存储执行指令或者应用程序代码，并由处理器101来控制执行，实现本申请下述实施例提供的空间测量确定方法。又一种可能的设计中，存储器103也可以和处理器101集成在一起，即存储器103可以为处理器101的内部存储器，例如，该存储器103为高速缓存，可以用于暂存一些数据和指令信息等。

作为一种可能的实现方式，处理器101可以包括一个或多个CPU，例如图1中的CPU0和CPU1。作为另一种可实现方式，问题高铁路段根因检测装置100可以包括多个处理器，例如图1中的处理器101和处理器107。作为再一种可实现方式，问题高铁路段根因检测装置100还可以包括输出设备105和输入设备106。

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，即将网络节点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，模块和网络节点的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

图2为本申请实施例提供的一种问题高铁路段根因检测方法的流程示意图，应用于问题高铁路段根因检测装置。如图2所示，本申请实施例提供的问题高铁路段根因检测可以通过以下步骤201至步骤204实现。

步骤201、获取问题高铁路段的多个目标采样点的关键性能指标。

一种可能的实现方式中，问题高铁路段根因检测装置获取问题高铁的多个关键性能指标。其中，多个关键性能指标包括但不限于：接收信号参考功率(reference signalreceived power，RSRP)、信号干扰噪声比(signal to interference plus noise ratio，SINR)等。

需要说明的是，RSRP和SINR是两个用于衡量设备和基站之间信号质量的关键性能指标。

具体的，RSRP用于表征终端设备与最近的一个基站之间的信号强度，即终端设备接收到基站发射的信号功率水平。RSRP直接影响终端设备接收信号的质量和速率，因此需要维护一个较高的RSRP值。

SINR用于表征无线信号的指令和通信系统的可靠性，即通过SINR可以评估无线网络的覆盖范围和质量。其中，SINR值越高，则表示信号质量越好，且用户在通信过程中的误码率越低。

步骤202、基于多个目标采样点的关键性能指标，确定问题高铁路段的问题类型。

一种可能的实现方式中，问题高铁路段根因检测装置根据获取的多个关键性能指标进行分析，确定问题高铁路段的问题类型。

一种示例，问题高铁路段根因检测装置确定预设范围内的问题高铁路段中的多个采样点的RSRP。其中，若多个采样点中存在一定比例的RSRP满足预设阈值，则确定问题高铁路段的问题类型为弱覆盖路段。

具体的，若连续400米及以上的问题高铁路段中存在85％以上的采样点的RSRP<-105dBm，则问题高铁路段根因检测装置确定该问题高铁路段的问题类型为弱覆盖路段。

可选的，问题高铁路段根因检测装置确定预设范围内的问题高铁路段中的多个采样点的SINR。其中，若多个采样点中存在一定比例的SINR满足预设阈值，则问题高铁路段根因检测装置确定问题高铁路段的问题类型为弱覆盖路段。

具体的，若连续400米及以上的问题高铁路段中存在85％以上的采样点的SINR<0dBm，则问题高铁路段根因检测装置确定该问题高铁路段的问题类型为高干扰路段。

步骤203、基于问题类型，匹配问题高铁路段对应的目标检测算法。

一种可能的实现方式中，问题高铁路段根因检测装置根据问题高铁路段的问题类型，匹配高铁路段对应的目标检测算法。

一种示例，若问题高铁路段对应的问题类型为弱覆盖路段，则匹配的目标检测算法为弱覆盖路段检测分析算法；若问题高铁路段对应的问题类型为高干扰路段，则匹配目标检测算法为高干扰检测分析算法。

需要说明的是，弱覆盖路段检测分析算法和高干扰检测分析算法中均包含了多个子分析算法，用于检测问题高铁路段的问题根因。

步骤204、基于目标检测算法，确定问题高铁路段的问题根因。

一种可能的实现方式中，问题高铁路段根因检测装置根据不同的目标检测算法，对不同问题类型的问题高铁路段进行分析和检测，确定问题高铁路段的问题根因。

一种示例，问题类型为弱覆盖路段和高干扰路段，对应的问题根因包括但不限于：覆盖空洞、小区故障、天馈张、切换问题、近距离或远距离间距过大等。

上述方案至少带来以下有益效果：获取问题高铁路段的多个关键性能指标；基于多个关键性能指标，确定问题高铁路段的问题类型；基于问题类型，匹配问题高铁路段对应的目标检测算法；基于目标检测算法，确定问题高铁路段的问题根因。这样，通过获取问题高铁路段的多个关键性能指标，能够全面地了解和评估高铁路段的状态和性能，能更准确地识别和定位问题高铁路段的根因问题，从而避免漏检或误检。进一步的，基于关键性能指标确定问题类型，该方法能够针对性地选择适合的目标检测算法，能够这提高检测效率和准确性，和自动化地确定问题高铁路段的问题根因，于减少人工干预和错误，提高工作效率和准确性。

结合图2，如图3所示，上述步骤202、基于多个采样点的关键性能指标，确定问题高铁路段的问题类型，具体可以步骤301-步骤303实现：

步骤301、基于关键性能指标，确定问题高铁路段是否满足预设条件。

一种可能的实现方式中，问题高铁路段根因检测装置根据获取的关键性能指标，确定问题高铁路段是否满足预设条件。其中，预设条件包括：第一预设条件和第二预设条件。第一预设条件是指问题高铁路段中RSRP满足第一预设阈值的采样点的占比超过第一预设比例；第二预设条件是指问题高铁路段中SINR满足第二预设阈值的采样点的占比超过第二预设比例。

一种示例，第一预设条件为连续400米及以上的问题高铁路段中存在85％以上的采样点的RSRP<-105dBm；第二预设条件为连续400米及以上的问题高铁路段中存在85％以上的采样点的SINR<0dBm。

步骤302、若满足第一预设条件，则确定问题高铁路段为问题类型第一问题类型。

其中，第一问题类型用于表征问题高铁路段为弱覆盖问题路段。

一种可能的实现方式中，若多个关键性能指标满足第一预设条件，则问题高铁路段根因检测装置确定问题高铁路段的问题类型为第一问题类型。

一种示例，若连续400米及以上的问题高铁路段中存在85％以上的采样点的RSRP<-105dBm，则问题高铁路段根因检测装置确定该问题高铁路段的问题类型为弱覆盖问题路段。

步骤303、若满足第二预设条件，则确定问题高铁路段的问题类型为第二问题类型。

其中，第二问题类型用于表征问题高铁路段为高干扰问题路段。

一种可能的实现方式中，若多个关键性能指标满足第二预设条件，则问题高铁路段根因检测装置确定问题高铁路段的问题类型为第二问题类型。

一种示例，若第二预设条件为连续400米及以上的问题高铁路段中存在85％以上的采样点的SINR<0dBm，则问题高铁路段根因检测装置确定该问题高铁路段的问题类型为高干扰问题路段。

上述方案至少带来以下有益效果：问题高铁路段根因检测装置基于关键性能指标，确定高铁路段是否满足预设条件。其中，预设条件包括：第一预设条件和第二预设条件；其中，第一预设条件是指问题高铁路段中RSRP满足第一预设阈值的采样点的占比超过第一预设比例；第二预设条件是指问题高铁路段中SINR满足第二预设阈值的采样点的占比超过第二预设比例；若满足第一预设条件，则确定问题高铁路段为问题类型第一问题类型；第一问题类型用于表征问题高铁路段为弱覆盖问题路段；若满足第二预设条件，则确定问题高铁路段的问题类型为第二问题类型；第二问题类型用于表征问题高铁路段为高干扰问题路段。这样，通过设定第一预设条件和第二预设条件，可以更准确地判断问题高铁路段是否存在弱覆盖或高干扰问题。这种精确的检测方法有助于及时发现并解决问题，提高铁路运营的稳定性和安全性。同时，通过问题高铁路段中RSRP和SINR的采样点占比来判断问题类型，可以更直观地了解问题所在的具体路段，便于问题的定位和解决。

结合图2，如图4所示，在问题类型为第一问题类型的情况下，上述步骤204、基于目标检测算法，确定问题高铁路段的问题根因。具体可以通过以下步骤401-步骤4010实现：

其中，在第一问题类型的情况下，目标检测算法包括：覆盖空洞检测算法、故障小区检测算法、射频RF检测算法、近距离弱覆盖检测算法、切换问题检测算法、主服小区检测算法、覆盖间距检测算法、远距离弱覆盖检测算法；

步骤401、基于覆盖空洞检测算法，确定多个采样点中的目标采样点的占比是否满足第三预设比例。

一种可能的实现方式中，在问题高铁路段的为第一问题类型的情况下，即问题高铁路段的问题类型为弱覆盖问题路段时，问题高铁路段根因检测装置基于覆盖空洞检测算法，确定目标采样点的占比是否满足第三预设比例。

一种示例，问题高铁路段根因检测装置基于覆盖空洞检测算法，遍历问题路段中的高铁工参小区中的服务小区以及高铁专网邻小区内电平均小于-105dBm的采样点。进一步的，问题高铁路段根因检测装置以上述采样点为圆心，半径400米的城区，或半径为800米的非城区的范围内，确定是否存在高铁基站。若不存在高铁基站，则确定该采样点为目标采样点，如“覆盖空洞采样点”。

进一步的，问题高铁路段根因检测装置确定问题高铁路段中的多个采样的点占比是否满足第三预设比例，例如问题高铁路段中的多个采样点的占比是否大于30％。

步骤402、若目标采样点的占比满足第三预设比例，则确定问题高铁路段的问题根因为覆盖空洞。

一种可能的实现方式中，若问题高铁路段中的目标采样点的占比满足第三预设比例，则问题高铁路段根因检测装置确定问题高铁路段的问题根因为覆盖空洞。

一种示例，若问题高铁路段中的“覆盖空洞采样点”的占比超过30％，则问题高铁路段根因检测装置确定问题高铁路段的问题根因为覆盖空洞。

步骤403、若目标采样点的占比不满足第三预设比例，则基于故障小区检测算法，确定多个采样点是否满足第三预设条件。

一种可能的实现方式中，若问题高铁路段中的目标采样点的占比不满足第三预设比例，则问题高铁路段检测装置根据故障小区检测算法，确定多个采样点是否满足第三预设阈值。

一种示例，若目标采样点的占比不满足第三预设条件，则问题高铁路段检测装置根据故障小区检测算法，遍历弱覆盖路段中的多个采样点，并确定每个以每个采样点为圆心，半径500内的多个小区的设备配置表示符(equipment configuration identifier，ECI)。进一步的，问题高铁路段检测装置以每个小区的ECI为索引，查询同一时间段高铁小区的关键性能指标(key performance indicators，KPI)表，确定上述小区的业务量是否满足第三预设条件。

可选的，问题高铁路段检测装置基于故障小区检测算法，获取预设范围内小区的端到端网络标识(end-to-end network ID，ENBID)。基于获取的ENBID，提取同一时间段的路测时段告警，确定提取的时段告警是否满足第三预设条件。

步骤404、若多个采样点满足第三预设条件，则确定问题高铁路段的问题根因为小区故障。

一种可能的实现方式中，若多个采样点满足第三预设条件，则问题高铁路段检测装置确定问题高铁路段的问题根因为小区故障。

一种示例，若小区对应的KPI表中的业务量为0时，则确定该小区为退服小区。进一步的，问题高铁路段检测装置确定该弱覆盖问题路段的问题根因为小区故障。

可选的，若同一时间段内存在影响用户感知的告警，或截止测试时间内存在未消除的影响用户感知的告警，则问题高铁路段检测装置确定弱覆盖问题路段的问题根因为小区故障。

步骤405、若多个采样点不满足第三预设条件，则基于RF检测算法或近距离弱覆盖检测算法，确定问题高铁路段是否满足第四预设条件。

一种可能的实现方式中，若问题高铁路段中的多个采样点不满足第三预设阈值，则问题高铁路段根因检测装置根据射频(radio frequency，RF)检测算法和近距离弱覆盖算法，确定问题高铁路段是否满足第四预设条件。

一种示例，问题高铁路段根因检测装置基于RF检测算法，提取路测时段高铁4G主服专网小区和增加的500个专网小区的测量报告(measurement report，MR)数据。其中，MR数据是用户终端所测量的网络原始数据，其中包括上行和下行无线链路的相关信息。进一步的，问题高铁路段根因检测装置根据MR数据的多个采样点所在的经纬度，确定RF的覆盖范围。其中，多个采样点所在范围包括弱覆盖路段范围内、弱覆盖路段前后3000米的路测采样点，以及路测采样点外扩100米的矩形框内的小区的MR采样点。

进一步的，第四预设条件包括以下至少一种：

(1)MR采样点的占比为0，且问题高铁路段中的任一小区采样点的总数大于500；

(2)MR采样点的占比大于0,且小于0.2％；

(3)在采集范围内的MR采样点的RSRP平均值小于-105dBm；

(4)MR采样点RSRP小于-105dBm占总的MR采样点的30％以上。

可选的，问题高铁路段根因检测装置基于近距离弱覆盖算法，确定多个近距离弱覆盖采样点。其中，近距离过覆盖采样点是指弱覆盖采样点和高铁主覆盖小区距离小于200米(城区)/400米(非城区)的采样点。进一步的，若近距离弱覆盖采样点的数量占问题高铁路段中任一小区的总的弱覆盖采样点数量的50％以上，则问题高铁路段根因检测装置确定满足第四预设条件。

步骤406、若满足第四预设条件，则确定问题高铁路段的问题根因为天馈故障。

一种可能的实现方式中，若MR采样点或近距离弱覆盖采样点满足第四预设条件，则问题高铁路段根因检测装置确定问题高铁路段的问题根因为天馈故障。其中，天馈故障包括：疑似小区遮挡、天馈不合理、设备天馈隐性故障问题。

一种示例，若MR采样点满足第四预设条件中的任一条件，则问题高铁路段根因检测装置确定问题高铁路段的问题根因为天馈故障；若近距离弱覆盖采样点满足第四预设条件，则问题高铁路段根因检测装置确定问题高铁路段的问题根因为天馈故障。

步骤407、若不满足第四预设条件，则确定问题高铁路段中的多个切换段是否切换正常。

一种可能的实现方式中，若问题高铁路段的采样点不满足第四预设条件，则问题高铁路段根因检测装置确定问题高铁路段中的多个切换断是否切换正常。其中，切换段是指基于信令节点进行切割的弱覆盖路段。

一种示例，问题高铁路段根因检测装置在采样点不满足第四预设条件的情况下，确定问题高铁路段中的多个切换段是否切换正常。其中，切换段是指基于信令节点进行切割的弱覆盖路段。其中，信令节点包括以下至少一种：切换成功、无线资源控制(radioresource control，RRC)重建成功、RCC连接成功。

具体的，问题高铁路段根因检测装置从弱覆盖路段开始的第一条信令向前检索，当检索到上述三条信令中任意一条信令时，将该信令记为第一个切换段的起始点；从该起始点继续向后检索，当检索到上述三条信令中的任意一条信令时，记为第一个切换段的结束点，标记为切换1；以切换1的结束点做为第二个切换段的起始点，继续向后检索，当检索到下一个上面三条信令中的任意一条时，记为第二个切换段的结束点，标记为切换2.以此类推，直到检索到该弱覆盖路段的最后一条信令，一共有n个切换段，就标记为切换n。

进一步的，问题高铁路段根因检测装置确定问题高铁路段中的多个切换段是否切换正常的方法包括：

(1)在切换段末端确定切换成功时，查询该切换段的多个事件，例如事件，A3、A4、A5。若上述每个事件上报的次数均小于3次，则确定该切换断切换成功。

(2)终端所处的无线环境不满足切换的条件，如切换段中未出现A3、A4、A5事件，也未切换成功，则确定该切换段为切换正常。

步骤408、若切换正常，则基于主服小区检测算法，确定问题高铁路段对应的主服小区是否为高铁小区。

一种可能的实现方式中，若切换正常，则问题高铁路段根因检测装置根据主服小区检测算法，确定问题高铁路段对应的主服小区是否为高铁小区。

一种示例，问题高铁路段根因检测装置以切换段为单位，遍历每个采样点服务小区的ECI。问题高铁路段根因检测装置基于采样点服务小区的ECI，确定该服务小区是否在高铁工参表中，即该主服小区是否为高铁小区。

步骤409、若主服小区不是高铁小区，则确定问题高铁路段的问题根因为公网专网结构问题。

一种可能的实现方式中，若主服小区不是高铁小区，则问题高铁路段根因检测装置确定问题高铁路段的问题根因为公网专网结构问题。

一种示例，若主服小区的ECI未出现在高铁工参表中，则问题高铁路段根因检测装置确定问题高铁路段的问题根因为公网专网结构问题。

步骤4010、若主服小区为高铁小区，则基于覆盖间距检测算法和远距离弱覆盖检测算法，确定问题高铁路段的问题根因。

一种可能的实现方式中，若主服小区为高铁小区，则问题高铁路段根因检测装置基于覆盖间距检测算法和远距离弱覆盖检测算法，确定问题高铁路段的问题根因。

一种示例，问题高铁路段根因检测装置基于覆盖间距检测算法，获取多个远距离弱覆盖采样点。其中，远距离弱覆盖采样点是指弱覆盖采样点距离主覆盖小区距离大于600米(城区)/1200米(非城区)的采样点。当远距离弱覆盖采样点占总的弱覆盖采样点50％以上时，确定问题高铁路段对应的问题根因为“疑似间距过大”。

可选的，问题高铁路段根因检测装置基于远距离弱覆盖算法，获取多个远距离弱覆盖采样点。其中，远距离弱覆盖采样点是指采样点距离主覆盖小区距离大于600米(城区)/1200米(非城区)的采样点。当问题高铁路段中的任一小区的远距离弱覆盖采样点的数量占该小区总的弱覆盖采样点数量的50％以上，则确定该问题高铁路段的问题根因为远距离弱覆盖问题根因。

上述方案至少带来以下有益效果：问题高铁路段根因检测装置基于覆盖空洞检测算法，确定多个采样点中的目标采样点的占比是否满足第三预设比例；若目标采样点的占比满足第三预设比例，则确定问题高铁路段的问题根因为覆盖空洞；若目标采样点的占比不满足第三预设比例，则基于故障小区检测算法，确定多个采样点是否满足第三预设条件；若多个采样点满足第三预设条件，则确定问题高铁路段的问题根因为小区故障；若多个采样点不满足第三预设条件，则基于RF检测算法或近距离弱覆盖检测算法，确定问题高铁路段是否满足第四预设条件；若满足第四预设条件，则确定问题高铁路段的问题根因为天馈故障；若不满足第四预设条件，则确定问题高铁路段中的多个切换段是否切换正常；切换段是指基于信令节点进行切割的弱覆盖路段；若切换正常，则基于主服小区检测算法，确定问题高铁路段对应的主服小区是否为高铁小区；若主服小区不是高铁小区，则确定问题高铁路段的问题根因为公网专网结构问题；若主服小区为高铁小区，则基于覆盖间距检测算法和远距离弱覆盖检测算法，确定问题高铁路段的问题根因。这样，该装置基于不同的检测算法，从覆盖空洞、小区故障、天馈故障、切换正常性、主服小区类型以及覆盖间距等多个方面全面地检测问题高铁路段的问题根因。通过预设比例和条件，能够快速有效地确定问题高铁路段的问题根因，提高检测和处理的效率。

结合图4，如图5所示，上述步骤407、若不满足第三预设条件，则确定问题高铁路段中的多个切换段是否切换正常。具体还可以通过以下步骤501-步骤503实现：

步骤501、若多个切换段切换不正常，则确定问题高铁路段的源小区是否为高铁小区。

一种可能的实现方式中，若问题高铁路段的多个切换段切换不正常，则问题高铁路段根因检测装置确定问题高铁路段的源小区是否为高铁小区。

一种示例，切换不成功的问题高铁路段满足以下至少一个条件：

(1)高铁路段的服务小区满足切换的条件，但是由于邻区没有满足切换条件的小区，导致无法切换；

(2)高铁路段的服务小区满足切换条件，且该服务小区已发起切换请求。但是，由于某种原因导致切换失败；

(3)高铁路段的服务小区满足切换条件，并且检测到邻区包含满足切换条件的小区。但是，由于某种原因未及时触发切换，导致切换不及时。

进一步的，若问题高铁路段的多个切换段不正常，则问题高铁路段根因检测装置获取问题高铁路段的源小区的ECI。基于源小区的ECI，匹配高铁工参表中是否存在该源小区的ECI。若不存在则确定该问题高铁路段的问题根因为“服务小区占用公网”。若该源小区存在于高铁工参表中，则获取该源小区中的多个事件对应的检测报告和重配置完成信令，确定源小区的物理小区标识(physical cell identifier，PCI)和频点。通过源小区的PCI和频点判断该小区是否为高铁小区。

步骤502、若所述源小区为所述高铁小区，则确定所述高铁小区是否为公网小区。

一种可能的实现方式中，若源小区为高铁小区，则问题高铁路段根因检测装置确定该高铁小区是否为公网小区。

步骤503、若为所述公网小区，则确定所述高铁小区为所述公网小区的问题根因。

一种可能的实现方式中，若高铁小区为公网小区，则问题高铁路段根因检测装置确定不同类型切换失败的问题高铁路段对应的问题根因。

一种示例，若不同类型切换失败的切换段中存在多个事件，如A3、A4、A5对应的小区为公网小区，则问题高铁路段根因检测装置将A3、A4、A5中对应的公网小区的RSRP与源专网小区的RSRP进行比较。若任一公网小区的RSRP均值强于专网均值，则确定该问题高铁路段的一级问题根因为“公网专网结构问题”，二级问题根因为“高铁小区为公网小区”。若所有公网小区的RSRP均值小于源专网小区RSRP均值，则确定该问题高铁路段的问题根因为“切换链问题”。

上述方案至少带来以下有益效果：问题高铁路段根因检测装置若多个切换段切换不正常，则确定问题高铁路段的源小区是否为高铁小区；若源小区为高铁小区，则确定高铁小区是否为公网小区；若为公网小区，则确定高铁小区为公网小区的问题根因。通过检查多个切换段的切换是否正常，进一步确定问题高铁路段的源小区是否为高铁小区。再进一步，如果源小区是高铁小区，则确定它是否为公网小区。这样的逐层深入的问题定位方法能够更准确地找到问题的根源。同时，通过一系列的检测步骤，能够快速、准确地确定问题高铁路段的问题根因。这种实用性有助于提高通信网络的维护效率，减少故障时间，提高用户满意度。

结合图2，如图6所示，上述步骤4010、若主服小区为高铁小区，则基于覆盖间距检测算法和远距离弱覆盖检测算法，确定问题高铁路段的问题根因之前，还包括以下步骤601-步骤602：

其中，目标检测算法还包括：邻区漏配检测算法、高负荷小区检测算法、上行干扰检测算法、下行质差检测算法；

步骤601、若主服小区为高铁小区，则基于邻区漏配检测算法、高负荷小区检测算法、上行干扰检测算法、下行质差检测算法，对高铁小区进行检测，确定高铁小区是否满足第五预设条件。

一种可能的实现方式中，若主服小区为高铁小区，则问题高铁路段检测装置基于邻区漏配检测算法、高负荷小区检测算法、上行干扰检测算法、下行质差检测算法，对高铁小区进行检测，进一步检测问题高铁路段中的高铁小区是否满足第五预设条件。

一种示例，问题高铁路段根因检测装置基于邻区漏配检测算法，确定切换段内A3、A4、A5事件对应的目标小区的有效接入频点(effective access frequency point，EARFCN)和PCI。进一步的，根据EARFCN和PCI检索采样点坐标3公里内的高铁小区工参，匹配得到相应邻区的ECI。若未匹配到目标小区，则不进行邻区漏配判断；若匹配到目标小区，则以服务小区ECI和邻区ECI为索引(如：7383716_7462123)，查询邻区配置表。若未查询到，则问题高铁路段根因检测装置输出根因“邻区漏配”。

可选的，问题高铁路段根因检测装置基于高负荷小区检测算法，获取目标小区的KPI数据。若目标小区路测时段的综合(上或下行任意出现)PRB利用率>60％，且总流量(空口上下行流量相加)＞2.5G，则输出根因：“业务信道容量问题”；若RRC连接最大用户数大于主覆盖小区工参内"基站配置RRC连接用户数(License配置最大RRC连接用户数)"的95％，则输出根因：“RRC用户数超限”。若目标小区路测时段的上行CCE分配失败比例>30％或者上行CCE利用率>70％，则输出根因：“控制信道容量问题”。

可选的，问题高铁路段根因检测装置基于上行干扰检测算法，获取目标小区的KPI数据。若目标小区路测时段的上行物理上行共享信道(physical uplink shared channel，PUSCH)干扰>-105dBm同时上行PRB平均利用率<20％，则输出根因：“上行PUSCH干扰”，如果上行PUCCH干扰>-100dBm同时上行PRB平均利用率<20％则输出根因“上行PUCCH干扰”。

可选的，问题高铁路段根因检测装置基于下行质差检测算法,获取目标小区的KPI数据。若目标小区路测时段的"信道质量信息(channel quality indicator，CQI)>＝7"占比<85％，则输出根因：“下行质差”。

步骤602、若满足第五预设条件，则确定问题高铁路段的问题根因。

上述方案至少带来以下有益效果：若主服小区为高铁小区，则问题高铁路段检测装置基于邻区漏配检测算法、高负荷小区检测算法、上行干扰检测算法、下行质差检测算法，对高铁小区进行检测，进一步检测问题高铁路段中的高铁小区是否满足第五预设条件。若满足第五预设条件，则确定问题高铁路段的问题根因。这样，通过使用多种算法对高铁小区进行检测，能够更精细化地定位问题。邻区漏配检测算法可以检测高铁小区与邻区之间的配置是否正确；高负荷小区检测算法可以检测高铁小区的负载情况；上行干扰检测算法可以检测高铁小区是否受到上行干扰；下行质差检测算法可以检测高铁小区的下行质量。这些算法的组合使用能够更全面地了解高铁小区的状态，从而更准确地定位问题。同时，通过结合多种算法和预设条件，能够更全面地评估高铁小区的状态，从而更准确地确定问题根因。

结合图6，如图7所示，在问题类型为第二问题类型的情况下，上述步骤204、基于目标检测算法，确定问题高铁路段的问题根因。还包括以下步骤701-步骤706：

其中，在问题类型为第二问题类型的情况下，目标检测算法还包括：重叠覆盖检测算法、主控小区检测算法、三态信息调制MOD3干扰算法。

步骤701、基于重叠覆盖检测算法，确定问题高铁路段的重叠覆盖采样点数量。

一种可能的实现方式中，问题高铁路段根因检测装置基于重叠覆盖算法，确定问题高铁路段中的重叠覆盖采样点的数量。

一种示例，问题高铁路段根因检测装置根据200ms采样点列表遍历问题路段的每个高干扰采样点。其中，高干扰点是指SINR<0的采样点。进一步的，问题高铁路段根因检测装置确定主服务小区与邻小区电平相差6dB以内，且EARFCN相同的小区数(包含主服务小区)≥3的采样点为重叠覆盖采样点。

步骤702、若重叠覆盖采样点数量满足第四预设阈值，则确定问题高铁路段的问题根因为重叠覆盖。

一种可能的实现方式中，若重叠覆盖采样点的数量满足第四预设阈值，则问题高铁路段根因检测装置确定问题高铁路段的问题根因为重叠覆盖。

一种示例，若重叠覆盖的采样点数量占高干扰采样点数量的30％以上，则问题高铁路段根因检测装置确定该问题高铁路段的问题根因为高干扰。

步骤703、基于主控小区检测算法，确定问题高铁路段的无主控采样点数量。

一种可能的实现方式中，问题高铁路段根因检测装置基于主控小区检测算法，确定问题高铁路段中的无主控采样点数量。

一种示例，问题高铁路段根因检测装置根据200ms采样点列表遍历问题路段的每个高干扰采样点。其中，高干扰点是指SINR<0的采样点。进一步的，问题高铁路段根因检测装置确定主服务小区与任一邻小区电平相差3dB以内，且EARFCN相同的采样点为无主控采样点。

步骤704、若无主控采样点数量满足第五预设阈值，则确定问题高铁路段的问题根因为无主控小区。

一种可能的实现方式中，若无主控采样点的数量满足第五预设阈值，则问题高铁路段根因检测装置确定问题高铁路段的问题根因为无主控小区。

一种示例，若无主控采样点数量占高干扰采样点数量的30％以上，则问题高铁路段根因检测装置确定该问题高铁路段的问题根因为无主控小区。

步骤705、基于MOD3干扰算法，确定问题高铁路段的MOD3干扰采样点数量。

一种可能的实现方式中，问题高铁路段根因检测装置基于MOD3干扰算法，确定问题高铁路段中的MOD3干扰采样点数量。

一种示例，问题高铁路段根因检测装置根据200ms采样点列表遍历问题路段的每个高干扰采样点。其中，高干扰点是指SINR<0的采样点。进一步的，问题高铁路段根因检测装置确定服务小区与任一邻区RSRP相差6dB以内，且EARFCN相同且PCI除3之后的余数相同的采样点为MOD3干扰采样点。

步骤706、若MOD3干扰采样点数量满足第六预设阈值，则确定问题高铁路段的问题根因为MOD3干扰。

一种可能的实现方式中，若MOD3干扰采样点的数量满足第六预设阈值，则问题高铁路段根因检测装置确定问题高铁路段的问题根因为MOD3干扰。

一种示例，若MOD3干扰采样点数量占高干扰采样点数量的30％以上，则问题高铁路段根因检测装置确定该问题高铁路段的问题根因为MOD3干扰。

上述方案至少带来以下有益效果：问题高铁路段根因检测装置基于重叠覆盖检测算法，确定问题高铁路段的重叠覆盖采样点数量；若重叠覆盖采样点数量满足第四预设阈值，则确定问题高铁路段的问题根因为重叠覆盖；基于主控小区检测算法，确定问题高铁路段的无主控采样点数量；若无主控采样点数量满足第五预设阈值，则确定问题高铁路段的问题根因为无主控小区；基于MOD3干扰算法，确定问题高铁路段的MOD3干扰采样点数量；若MOD3干扰采样点数量满足第六预设阈值，则确定问题高铁路段的问题根因为MOD3干扰。这样，通过使用多种算法对高铁小区进行检测，能够更精细化地定位问题。邻区漏配检测算法可以检测高铁小区与邻区之间的配置是否正确；高负荷小区检测算法可以检测高铁小区的负载情况；上行干扰检测算法可以检测高铁小区是否受到上行干扰；下行质差检测算法可以检测高铁小区的下行质量。这些算法的组合使用能够更全面地了解高铁小区的状态，从而更准确地定位问题。

以上，对本申请实施例涉及到的问题高铁路段根因检测装置，以及问题高铁路段根因检测装置的各个设备的功能，设备之间的交互进行了详细说明。

可以看出，上述主要从方法的角度对本申请实施例提供的技术方案进行了介绍。为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本申请实施例可以根据上述方法示例对问题高铁路段根因检测装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，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的形式实现。可选的，本申请实施例中对模块的划分是示意性的，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。

本申请实施例提供了一种问题高铁路段根因检测装置，用于执行上述问题高铁路段根因检测系统中任一设备所需执行的方法。该问题高铁路段根因检测装置可以为本申请中涉及的问题高铁路段根因检测装置，或者问题高铁路段根因检测装置中的模块；或者是问题高铁路段根因检测装置中的芯片，也可以是其他用于执行问题高铁路段根因检测方法的装置，本申请对此不做限定。

图8所示，为本申请实施例提供的一种问题高铁路段根因检测装置的结构示意图，该装置包括：处理单元801和通信单元802。

处理单元801，用于获取问题高铁路段的多个目标采样点的关键性能指标数据；处理单元801，还用于基于多个目标采样点的关键性能指标，确定问题高铁路段的问题类型；处理单元801，还用于基于问题类型，匹配问题高铁路段对应的目标检测算法；处理单元801，还用于基于目标检测算法，确定问题高铁路段的问题根因。

处理单元801，具体用于：基于关键性能指标，确定问题高铁路段是否满足预设条件；预设条件包括：第一预设条件和第二预设条件；其中，第一预设条件是指问题高铁路段中RSRP满足第一预设阈值的采样点的占比超过第一预设比例；第二预设条件是指问题高铁路段中SINR满足第二预设阈值的采样点的占比超过第二预设比例；若满足第一预设条件，则确定问题高铁路段为问题类型第一问题类型；第一问题类型用于表征问题高铁路段为弱覆盖问题路段；若满足第二预设条件，则确定问题高铁路段的问题类型为第二问题类型；第二问题类型用于表征问题高铁路段为高干扰问题路段。

处理单元801，还具体用于：基于覆盖空洞检测算法，确定多个采样点中的目标采样点的占比是否满足第三预设比例；若目标采样点的占比满足第三预设比例，则确定问题高铁路段的问题根因为覆盖空洞；若目标采样点的占比不满足第三预设比例，则基于故障小区检测算法，确定多个采样点是否满足第三预设条件；若多个采样点满足第三预设条件，则确定问题高铁路段的问题根因为小区故障；若多个采样点不满足第三预设条件，则基于RF检测算法或近距离弱覆盖检测算法，确定问题高铁路段是否满足第四预设条件；若满足第四预设条件，则确定问题高铁路段的问题根因为天馈故障；若不满足第四预设条件，则确定问题高铁路段中的多个切换段是否切换正常；切换段是指基于信令节点进行切割的弱覆盖路段；若切换正常，则基于主服小区检测算法，确定问题高铁路段对应的主服小区是否为高铁小区；若主服小区不是高铁小区，则确定问题高铁路段的问题根因为公网专网结构问题；若主服小区为高铁小区，则基于覆盖间距检测算法和远距离弱覆盖检测算法，确定问题高铁路段的问题根因。

处理单元801，还具体用于：若多个切换段切换不正常，则确定问题高铁路段的源小区是否为高铁小区；若源小区为高铁小区，则确定高铁小区是否为公网小区；若为公网小区，则确定高铁小区为公网小区的问题根因。

处理单元801，还用于：若主服小区为高铁小区，则基于邻区漏配检测算法、高负荷小区检测算法、上行干扰检测算法、下行质差检测算法，对高铁小区进行检测，确定高铁小区是否满足第五预设条件；若满足第五预设条件，则确定问题高铁路段的问题根因。

处理单元801，还具体用于：基于重叠覆盖检测算法，确定问题高铁路段的重叠覆盖采样点数量；若重叠覆盖采样点数量满足第四预设阈值，则确定问题高铁路段的问题根因为重叠覆盖；基于主控小区检测算法，确定问题高铁路段的无主控采样点数量；若无主控采样点数量满足第五预设阈值，则确定问题高铁路段的问题根因为无主控小区；基于MOD3干扰算法，确定问题高铁路段的MOD3干扰采样点数量；若MOD3干扰采样点数量满足第六预设阈值，则确定问题高铁路段的问题根因为MOD3干扰。

本申请实施例提供了一种问题高铁路段根因检测装置，用于执行上述问题高铁路段根因检测系统中任一设备所需执行的方法。该问题高铁路段根因检测装置可以为本申请中涉及的问题高铁路段根因检测装置，或者问题高铁路段根因检测装置中的模块；或者是问题高铁路段根因检测装置中的芯片，也可以是其他用于执行问题高铁路段根因检测方法的装置，本申请对此不做限定。

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，当计算机执行该指令时，该计算机执行上述方法实施例所示的方法流程中的各个步骤。

本申请的实施例提供一种包含指令的计算机程序产品，当指令在计算机上运行时，使得计算机执行上述方法实施例中的问题高铁路段根因检测方法。

本申请的实施例提供一种芯片，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，以实现如上述方法实施例中的问题高铁路段根因检测方法。

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、或者上述的人以合适的组合、或者本领域数值的任何其他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装置、设备、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。

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 (10)

1.一种问题高铁路段根因检测方法，其特征在于，所述方法包括：

获取问题高铁路段的多个目标采样点的关键性能指标数据；

基于所述多个目标采样点的关键性能指标，确定所述问题高铁路段的问题类型；

基于所述问题类型，匹配所述问题高铁路段对应的目标检测算法；

基于所述目标检测算法，确定问题高铁路段的问题根因。

2.根据权利要求1所述的方法，其特征在于，所述多个关键性能指标包括：接收信号参考功率RSRP、信号干扰噪声比SINR；所述基于所述多个关键性能指标，确定所述问题高铁路段的问题类型，包括：

基于所述关键性能指标，确定所述问题高铁路段是否满足预设条件；所述预设条件包括：第一预设条件和第二预设条件；其中，所述第一预设条件是指所述问题高铁路段中RSRP满足第一预设阈值的采样点的占比超过第一预设比例；所述第二预设条件是指所述问题高铁路段中SINR满足第二预设阈值的采样点的占比超过第二预设比例；

若满足所述第一预设条件，则确定所述问题高铁路段为问题类型第一问题类型；所述第一问题类型用于表征所述问题高铁路段为弱覆盖问题路段；

若满足所述第二预设条件，则确定所述问题高铁路段的问题类型为第二问题类型；所述第二问题类型用于表征所述问题高铁路段为高干扰问题路段。

3.根据权利要求1所述的方法，其特征在于，在所述问题类型为所述第一问题类型的情况下，所述目标检测算法包括：覆盖空洞检测算法、故障小区检测算法、射频RF检测算法、近距离弱覆盖检测算法、切换问题检测算法、主服小区检测算法、覆盖间距检测算法、远距离弱覆盖检测算法；

所述基于所述目标检测算法，确定问题高铁路段的问题根因，包括：

基于所述覆盖空洞检测算法，确定所述多个采样点中的目标采样点的占比是否满足第三预设比例；

若所述目标采样点的占比满足所述第三预设比例，则确定所述问题高铁路段的问题根因为覆盖空洞；

若所述目标采样点的占比不满足所述第三预设比例，则基于故障小区检测算法，确定所述多个采样点是否满足第三预设条件；

若所述多个采样点满足所述第三预设条件，则确定所述问题高铁路段的问题根因为小区故障；

若所述多个采样点不满足所述第三预设条件，则基于所述RF检测算法或近距离弱覆盖检测算法，确定所述问题高铁路段是否满足第四预设条件；

若满足所述第四预设条件，则确定所述问题高铁路段的问题根因为天馈故障；

若不满足所述第四预设条件，则确定所述问题高铁路段中的多个切换段是否切换正常；所述切换段是指基于信令节点进行切割的弱覆盖路段；

若切换正常，则基于所述主服小区检测算法，确定所述问题高铁路段对应的所述主服小区是否为高铁小区；

若所述主服小区不是所述高铁小区，则确定所述问题高铁路段的问题根因为公网专网结构问题；

若所述主服小区为所述高铁小区，则基于所述覆盖间距检测算法和所述远距离弱覆盖检测算法，确定所述问题高铁路段的问题根因。

4.根据权利要求3所述的方法，其特征在于，所述若不满足所述第四预设条件，则确定所述问题高铁路段中的多个切换段是否切换正常，还包括：

若所述多个切换段切换不正常，则确定所述问题高铁路段的源小区是否为所述高铁小区；

若所述源小区为所述高铁小区，则确定所述高铁小区是否为公网小区；

若为所述公网小区，则确定所述高铁小区为所述公网小区的问题根因。

5.根据权利要求4所述的方法，其特征在于，所述目标检测算法还包括：邻区漏配检测算法、高负荷小区检测算法、上行干扰检测算法、下行质差检测算法；

所述基于所述覆盖间距检测算法和所述远距离弱覆盖检测算法，确定所述问题高铁路段的问题根因之前，还包括：

若所述主服小区为所述高铁小区，则基于所述邻区漏配检测算法、所述高负荷小区检测算法、上行干扰检测算法、下行质差检测算法，对所述高铁小区进行检测，确定所述高铁小区是否满足第五预设条件；

若满足所述第五预设条件，则确定所述问题高铁路段的问题根因。

6.根据权利要求5所述的方法，其特征在于，在所述问题类型为所述第二问题类型的情况下，所述目标检测算法还包括：重叠覆盖检测算法、主控小区检测算法、三态信息调制MOD3干扰算法；

所述基于所述目标检测算法，确定问题高铁路段的问题根因，包括：

基于所述重叠覆盖检测算法，确定所述问题高铁路段的重叠覆盖采样点数量；

若所述重叠覆盖采样点数量满足第四预设阈值，则确定所述问题高铁路段的问题根因为重叠覆盖；

基于所述主控小区检测算法，确定所述问题高铁路段的无主控采样点数量；

若所述无主控采样点数量满足第五预设阈值，则确定所述问题高铁路段的问题根因为无主控小区；

基于所述MOD3干扰算法，确定所述问题高铁路段的MOD3干扰采样点数量；

若所述MOD3干扰采样点数量满足第六预设阈值，则确定所述问题高铁路段的问题根因为MOD3干扰。

7.一种问题高铁路段根因检测装置，其特征在于，所述装置包括：处理单元；

所述处理单元，用于获取问题高铁路段的多个目标采样点的关键性能指标数据；

所述处理单元，还用于基于所述多个目标采样点的关键性能指标，确定所述问题高铁路段的问题类型；

所述处理单元，还用于基于所述问题类型，匹配所述问题高铁路段对应的目标检测算法；

所述处理单元，还用于基于所述目标检测算法，确定问题高铁路段的问题根因。

8.根据权利要求7所述的装置，其特征在于，所述多个关键性能指标包括：接收信号参考功率RSRP、信号干扰噪声比SINR；所述处理单元，具体用于：

基于所述关键性能指标，确定所述问题高铁路段是否满足预设条件；所述预设条件包括：第一预设条件和第二预设条件；其中，所述第一预设条件是指所述问题高铁路段中RSRP满足第一预设阈值的采样点的占比超过第一预设比例；所述第二预设条件是指所述问题高铁路段中SINR满足第二预设阈值的采样点的占比超过第二预设比例；

若满足所述第一预设条件，则确定所述问题高铁路段为问题类型第一问题类型；所述第一问题类型用于表征所述问题高铁路段为弱覆盖问题路段；

若满足所述第二预设条件，则确定所述问题高铁路段的问题类型为第二问题类型；所述第二问题类型用于表征所述问题高铁路段为高干扰问题路段。

9.一种问题高铁路段根因检测装置，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1-6任一项中所述的问题高铁路段根因检测方法。

10.一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指令，其特征在于，当计算机执行该指令时，该计算机执行上述权利要求1-6任一项中所述的问题高铁路段根因检测方法。