CN117882419A - 用于确定移动电信网络的地上覆盖的方法和装置 - Google Patents
用于确定移动电信网络的地上覆盖的方法和装置 Download PDFInfo
- Publication number
- CN117882419A CN117882419A CN202280057819.4A CN202280057819A CN117882419A CN 117882419 A CN117882419 A CN 117882419A CN 202280057819 A CN202280057819 A CN 202280057819A CN 117882419 A CN117882419 A CN 117882419A
- Authority
- CN
- China
- Prior art keywords
- ground
- locations
- coverage
- location
- subset
- 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 100
- 238000012549 training Methods 0.000 claims abstract description 124
- 238000005259 measurement Methods 0.000 claims description 152
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 52
- 238000004891 communication Methods 0.000 description 24
- 238000013145 classification model Methods 0.000 description 17
- 230000000694 effects Effects 0.000 description 13
- 238000010801 machine learning Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 238000000926 separation method Methods 0.000 description 10
- 230000010006 flight Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000007637 random forest analysis Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000013213 extrapolation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000700159 Rattus Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- 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
- H04W24/04—Arrangements for maintaining operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种确定移动电信网络的地上覆盖的方法。接收表示所述移动电信网络在多个地基位置处的覆盖的数据。识别要针对其而确定所述移动电信网络的覆盖的地上位置。选择表示所述多个地基位置处的覆盖的数据的子集,其中所述子集包括表示所述移动电信网络在所述地基位置的子集处的覆盖的数据。选择所述子集包括依照所述地基位置相对于所识别的地上位置的位置来选择所述地基位置的子集。将所识别的地上位置和表示地基位置处的覆盖的数据的所选择的子集的特性作为输入提供给预测模型。所述预测模型通过训练而被配置成依照表示所述移动电信网络在一个或多个地基位置处的覆盖的数据来确定移动电信网络在地上位置处的覆盖。实现所述预测模型以依照所提供的输入来生成输出,其中所述模型的输出表示所述移动电信网络在所识别的地上位置处的覆盖。
Description
技术领域
本公开涉及用于确定移动电信网络的地上(above ground)覆盖的方法、装置和软件。本公开进一步涉及用于训练用于确定移动电信网络的地上覆盖的预测模型的装置、方法和软件。
背景技术
移动电信网络(诸如,蜂窝网络)典型地提供了到基本上位于地平面处的设备的网络连接性。例如,典型地,连接到移动电信网络的绝大多数设备基本上位于地平面处,诸如被位于地平面处外部或位于地基(ground based)建筑物内部的用户使用的设备。因此,由移动电信网络提供的覆盖的考虑典型地聚焦于基本上在地平面处提供的覆盖。
此外,考虑到在基本上位于地平面处的同时连接到网络的设备的大数目,作出表示由网络在地平面处提供的覆盖的测量结果是相对容易的。例如,移动设备(其典型地基本上位于地平面处)可以有规律地作出指示例如下述各项的测量结果:从网络部件(例如,基站)接收的信号的功率、从网络部件接收的信号的质量、和/或在网络部件与设备之间交换的信号的传播时间。这种测量结果可以被报告给网络且可以用于提供由网络在地平面处提供的覆盖的指示。例如,由基本上在地平面处操作的设备作出的测量结果可以用于确定诸如下述各项之类的因素:由网络提供的覆盖的地理限度、在不同地理位置处提供的信号功率、在不同地理位置处提供的信号质量和/或与由网络对覆盖的提供相关的任何其他因素。
尽管连接到移动电信网络的绝大多数设备典型地基本上位于地平面处,但越来越多地针对在地平面以上操作的移动网络连接设备而发现用途。一个这种示例用途是在高海拔处(即,在地平面以上)飞行的网络连接无人机的使用。网络连接无人机可能能够自由地且在不需要维持与单个控制设备的无线电通信的情况下飞行。例如,不同于传统无人机,维持网络连接无人机与地基控制设备之间的视觉视线可能不是必要的,这是由于可以通过到移动电信网络的连接来提供控制和通信。
对于这种网络连接无人机的控制和/或监视,具有移动电信网络在地平面以上的位置(例如,空运设备可在其处寻找到网络的连接的位置)处的覆盖的指示可能是有用的。例如,具有在其处在地平面以上提供可靠网络覆盖的地理区和经扩展在其处极少或没有可靠网络覆盖可用的地理区的知识可能是期望的。这种知识可以用于限制在其中操作无人机的地理区,以便避免网络连接性的损失。
由移动电信网络在地上位置处提供的覆盖的知识可以附加地或可替换地用于单独使用网络数据来确定空运设备的位置,例如,作为使用全球定位系统(GPS)的可替换方案。例如,如果作为地上位置的函数的网络覆盖的一个或多个度量(例如信号功率、信号质量等)是已知的,那么由空运设备取得的对应特性的测量结果可以用于确定其位置。
尽管上面已经提供了地上位置处的网络覆盖的知识的示例应用,但应当理解,可以存在这种知识的附加和/或可替换应用。
考虑到地平面以上的网络连接设备的有限使用,表示地平面以上的网络覆盖的少得多的测量结果(相对于表示基本上地平面处的网络覆盖的测量结果)由在网络中操作的设备作出。因此,不足的测量结果可以可用以直接确定地平面以上的充足数目的位置处的网络覆盖。
为了确定地上位置处的网络覆盖,可以使空运设备的专用航班直接测量网络覆盖。然而,这种航班典型地是昂贵的、耗时的且提供有限地理范围内的测量结果。
本申请中包含的主题正是在该上下文中设计的。
发明内容
已经发现,在地基位置处作出的网络覆盖的测量结果可以用于确定地上位置处的网络覆盖的对应度量。例如,由在地基位置处操作的网络设备作出的(例如,在网络上传输且在网络设备处接收的信号的)测量结果可以用于确定在地基位置处作出的测量结果附近的地上位置处的网络覆盖的一个或多个度量。特别地,已经发现,在地上位置和地基位置处作出的测量结果可以用于训练用于基于地基测量结果确定地上位置处的网络覆盖的预测模型。
根据本公开的第一方面,提供了一种确定移动电信网络的地上覆盖的计算机实现方法,所述方法包括:接收表示所述移动电信网络在多个地基位置处的覆盖的数据;识别要针对其而确定所述移动电信网络的覆盖的地上位置;选择表示所述多个地基位置处的覆盖的数据的子集,其中所述子集包括表示所述移动电信网络在所述地基位置的子集处的覆盖的数据,并且其中选择所述子集包括依照所述地基位置相对于所识别的地上位置的位置来选择所述地基位置的子集;将所识别的地上位置和表示地基位置处的覆盖的数据的所选择的子集的特性作为输入提供给预测模型,所述预测模型通过训练而被配置成依照表示所述移动电信网络在一个或多个地基位置处的覆盖的数据来确定移动电信网络在地上位置处的覆盖;以及实现所述预测模型以依照所提供的输入来生成输出,其中所述模型的输出表示所述移动电信网络在所识别的地上位置处的覆盖。
该多个地基位置可以包括基本上位于地平面处的位置。例如,该多个地基位置可以包括基本上在地平面处的位置(例如,地基用户可在其处操作设备的位置)和/或地基建筑物内部的位置。例如,该多个地基位置可以包括设备可在其处由地基建筑物支撑的位置。该多个地基位置可以包括处于局部地平面以上但仍为地基的位置。例如,该多个地基位置可以包括由地基建筑物(诸如,多层地基建筑物)支撑的一个或多个位置。
地上位置可以包括不可从地面或地基结构或其他对象访问的位置。例如,地上位置可以包括可经由空运平台(诸如,无人机)访问的空中位置。
移动电信网络可以包括蜂窝网络。网络可以包括多个基站。每个基站可以包括:至少一个天线,被配置成在空中接口上与位于由基站服务的地理覆盖区域(例如,小区)内的终端交换通信(例如,射频信号)。
表示移动电信网络的覆盖的数据可以包括指示在相关位置处提供的网络覆盖的一个或多个特性的数据。例如,表示移动电信网络的覆盖的数据可以包括指示在相关位置处接收的与网络相关联的信号功率和/或质量的数据。在相关位置处接收的与网络相关联的信号功率和/或质量可以包括由网络部件(诸如,基站)发射且在相关位置处接收的信号的功率和/或质量。表示移动电信网络的覆盖的数据可以基于在移动电信网络上接收的信号的测量结果。例如,表示移动电信网络在多个地基位置处的覆盖的数据可以基于在一个或多个地基位置处接收(已在移动电信网络上传输,例如从基站)的信号的测量结果。
表示移动电信网络在所识别的地上位置处的覆盖的模型的输出可以包括:至少一个特性,其对应于表示移动电信网络在多个地基位置处的覆盖的数据所基于的至少一个特性。例如,模型的输出可以包括所识别的位置处的接收信号的特性(例如,接收信号功率和/或接收信号质量)。对应地,表示移动电信网络在多个地基位置处的覆盖的数据可以至少基于该多个地基位置处的接收信号的特性。例如,表示移动电信网络在该多个地基位置处的覆盖的数据可以基于该多个地基位置处的接收信号的测量结果。
作为输入而提供给预测模型的所识别的地上位置的特性可以包括所识别的地上位置的海拔。附加地或可替换地,作为输入而提供给预测模型的所识别的地上位置的特性可以包括所识别的地上位置的纬度和经度中的至少一个。
如上所描述,表示该多个地基位置处的覆盖的数据的所选择的子集包括表示移动电信网络在地基位置的子集处的覆盖的数据。地基位置的子集可以包括该多个地基位置中的一个或多个。也就是说,在一些示例中,子集可以包括单个地基位置。在其他示例中,子集可以包括多个地基位置。
预测模型可以包括回归模型。例如,预测模型的输出可以包括表示移动电信网络在所识别的地上位置处的覆盖的一个或多个数值。表示移动电信网络的覆盖的一个或多个数值可以例如包括与移动电信网络相关联的接收信号功率、接收信号质量和/或定时提前的度量。
预测模型可以包括分类模型。例如,预测模型的输出可以包括表示移动电信网络在所识别的地上位置处的覆盖的一个或多个分类。该一个或多个分类可以包括表示移动电信网络的覆盖的定性标签。这种分类可以例如包括诸如低、中、高和/或差、中、好等之类的标签。这种标签可以与网络覆盖的具体度量(诸如,信号功率和/或信号质量)相关联,或可以提供网络覆盖的更一般分类。
预测模型可以包括机器学习模型。例如,预测模型可以是使用任何合适机器学习算法来训练和/或实现的。这种合适算法的示例可以例如包括K最近邻算法、线性预测算法、支持向量机(例如,支持向量群集算法)、决策树算法、随机森林算法、自适应提升(AdaBoost)算法、梯度提升算法、投票算法和/或堆栈算法。在一些示例中,预测模型可以包括人工神经网络。
依照地基位置相对于所识别的地上位置的位置来选择地基位置的子集可以包括:选择作为所述多个地基位置中与所识别的地上位置最近的N个的N个地基位置的子集,其中N是等于或大于1的整数。
所述方法可以包括:确定所识别的地上位置与每个地基位置之间的距离度量。距离度量可以包括地基位置与地上位置之间的直接距离(即,最短距离)。距离度量可以包括地基位置与地面上与所识别的地上位置最近的位置之间的距离。地面上与所识别的地上位置最近的位置可以包括地面上的具有与所识别的地上位置基本上相同的纬度和经度的位置。
距离度量可以是针对相对于所识别的地上位置的地基位置中的每一个而确定的。地基位置的子集可以被选择为具有到所识别的地上位置的最小距离度量的N个地基位置。也就是说,地基位置的所选择的子集可以表示与所识别的地上位置最近的N个地基位置。N可以是等于或大于1的任何合适整数。例如,N可以是1、2、3、4、5、6、7……等。
依照所述地基位置相对于所识别的地上位置的位置来选择所述地基位置的子集可以包括:选择位于所识别的地上位置的距离阈值内的所有地基位置。
所述方法可以包括:确定所识别的地上位置与每个地基位置之间的距离度量。距离度量可以包括地基位置与地上位置之间的直接距离(即,最短距离)。距离度量可以包括地基位置与地面上与所识别的地上位置最近的位置之间的距离。地面上与所识别的地上位置最近的位置可以包括地面上的具有与所识别的地上位置基本上相同的纬度和经度的位置。
距离度量可以是针对相对于所识别的地上位置的地基位置中的每一个而确定的。地基位置的子集可以被选择为下述地基位置:其到所识别的地上位置的距离度量小于距离阈值。子集中包括的地基位置的数目可以针对不同的所识别的地上位置而不同,且可以取决于有多少地基位置位于与所识别的地上位置相对接近处。例如,子集中包括的地基位置的数目可以是1或大于1。
表示移动电信网络在多个地基位置处的覆盖的数据可以基于在一个或多个地基位置处测量的接收信号的测量结果。接收信号可以是在移动电信网络上传输的。接收信号可以是在位于地基位置处的一个或多个设备(例如,终端)处接收且由其测量的。接收信号可以由形成移动电信网络的一部分的基站发射。在一些示例中,接收信号可以由位于地基位置处的基站接收且由其测量。在这种示例中,接收信号可以由另一基站发射或可以由在网络中操作的另一设备(诸如,终端)发射。在网络上传输的接收信号的测量结果取决于在网络中操作的至少两个设备之间的信号传播。因此,接收信号的测量结果捕获比例如诸如从基站发射的信号的发射功率(其不包括与信号如何通过网络覆盖区域进行传播有关的任何信息)之类的特性更多的与网络覆盖有关的信息。
表示移动电信网络在多个地基位置处的覆盖的数据可以基于在多个地基位置处作出的指示移动电信的覆盖的测量结果。在多个地基位置处作出的指示移动电信网络的覆盖的测量结果可以包括在地基位置处作出的接收信号的测量结果。
测量结果可以例如由在网络中操作的终端作出。例如,终端可以在位于地基位置处的同时连接到移动电信网络或以其他方式在移动电信网络上通信。作为地基位置处的终端的操作的一部分,可以作出指示由移动电信网络提供的覆盖的测量结果。例如,终端可以测量在网络上(例如,由形成网络的一部分的基站)传输且在终端处接收的一个或多个参考信号。指示由移动电信网络提供的覆盖的一个或多个特性可以是基于这种测量结果来确定的。
表示移动电信网络的覆盖的数据可以包括在多个地基位置处作出的测量结果。表示移动电信网络的覆盖的数据可以包括依照在多个地基位置处作出的测量结果而确定的一个或多个特性。在其处作出测量结果的多个地基位置可以与地基位置相同。附加地或可替换地,在其处作出测量结果的多个地基位置中的至少一些可以与地基位置不同。例如,在不同地基位置处作出的测量结果可以用于确定(例如,通过外推)表示地基位置处的网络覆盖的数据。测量结果可以包括地基位置处的接收信号的测量结果。
所述预测模型可以是通过使用多个训练数据记录的监督训练来配置的,所述多个训练数据记录是从在地基位置和地上位置两者处作出的指示移动电信的覆盖的测量结果导出的。
每个训练数据记录可以与地上位置相关联,且可以包括表示移动电信网络在地上位置处的覆盖的数据和表示移动电信在针对地上位置而选择的地基位置处的覆盖的数据。表示移动电信网络的覆盖的数据可以是从在地上位置和地基位置处作出的测量结果导出的。在地上位置和/或地基位置处作出的测量结果可以包括接收信号的测量结果。表示移动电信网络的覆盖的数据可以包括一个或多个数值(例如,当预测模型是回归模型时)和/或一个或多个分类,诸如定性标签(例如,当预测模型是分类模型时)。
表示地基位置的子集处的覆盖的数据的所选择的子集可以包括地基位置的子集中的每个地基位置处的接收信号功率、接收信号质量和定时提前中的至少一个。
接收信号功率可以与在地基位置处接收的信号的功率相关。信号可以是在移动电信网络上(例如,由基站)广播或以其他方式传输的,且可以是在地基位置处(例如,由终端)接收和测量的。可以测量接收信号的功率以确定接收信号功率。信号可以包括在移动电信网络上(例如,由基站)传输的参考信号。接收信号功率可以被确定为参考信号接收功率(RSRP)。RSRP可以被视为终端在其上进行接收的每资源元素的平均功率。
接收信号质量可以与在地基位置处接收的信号的所确定的质量相关。信号可以是在移动电信网络上(例如,由基站)广播或以其他方式传输的,且可以是在地基位置处(例如,由终端)接收和测量的。可以测量接收信号以确定接收信号的质量。信号可以包括在移动电信网络上(例如,由基站)传输的参考信号。接收信号质量可以被确定为参考信号接收质量(RSRQ)。RSRQ可以被视为一个或多个接收参考信号的信号与干扰加噪声比。
定时提前可以指示信号在网络部件(例如,基站)与地基位置之间传播的传播时间。定时提前可以在网络中用于在一时隙前面从一个通信方(例如,终端或基站)发射信号,该时隙被分配给在另一通信方(例如,终端或基站中的另一个)处信号的接收。
表示地基位置的子集处的覆盖的数据的所选择的子集可以包括表示由服务小区在地基位置的子集中的每个地基位置处提供的网络覆盖的数据。
移动电信网络典型地使用将网络覆盖提供给不同地理区域的多个小区来进行操作。在其上网络覆盖由每个小区提供的地理区域可以至少部分地重叠。在给定位置处,确定(例如,通过测量)由多个小区中的每一个提供的网络覆盖可以是可能的。例如,可以针对多个小区中的每一个而确定(例如,通过测量)诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前之类的特性。
连接到网络或以其他方式在网络上通信的终端可以在一个或多个小区上与网络建立连接。例如,终端可以在主小区上建立连接,且可以后续在一个或多个辅小区上建立通信。在其上终端与网络通信的小区中的每一个被视为服务小区。(一个或多个)服务小区至少包括主小区,且可以包括一个或多个辅小区(例如,其中终端被配置用于载波聚合)。
表示该多个地基位置处的覆盖的数据的所选择的子集可以包括表示由至少服务小区在该位置处提供的网络覆盖的数据。在一些示例中,表示该多个地基位置处的覆盖的数据的所选择的子集包括表示由多个服务小区提供的网络覆盖的数据。例如,表示地基位置的子集处的覆盖的数据的所选择的子集可以包括表示由主小区和至少一个辅小区提供的网络覆盖的数据。
表示地基位置的子集处的覆盖的数据的所选择的子集可以包括表示由多个小区在地基位置的子集中的每个地基位置处提供的网络覆盖的数据。
如上所解释,在给定位置处,确定由多个小区中的每一个提供的网络覆盖可以是可能的。例如,可以针对多个小区中的每一个而确定(例如,通过测量)诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前之类的特性。这种测量结果可以被包括在表示该多个地基位置处的覆盖的数据的所选择的子集中。该多个小区可以包括至少一个服务小区(其可以例如包括主小区和/或至少一个辅小区)。该多个小区可以包括与该至少一个服务小区相邻的小区。
所述方法可以进一步包括:将至少一个进一步输入提供给所述预测模型,其中所述至少一个进一步输入基于所识别的地上位置的地理位置和/或所述地基位置的所选择的子集的地理位置。
除所识别的地上位置和表示地基位置处的覆盖的数据的所选择的子集的特性外,还可以给预测模型提供一个或多个进一步输入。该进一步输入可以例如与所识别的地上位置的地理位置和/或地基位置的所选择的子集的地理位置相关。例如,该进一步输入可以包括所识别的地上位置的绝对和/或相对地理位置和/或地基位置的所选择的子集的地理位置的度量。所识别的地上位置的绝对地理位置和/或地基位置的所选择的子集的地理位置的度量可以包括相关位置的纬度、经度和海拔中的一个或多个。所识别的地上位置的相对地理位置和/或地基位置的所选择的子集的地理位置的度量可以包括所识别的地上位置与地基位置的所选择的子集之间的距离度量。
所述方法可以进一步包括:基于表示地基位置处的覆盖的数据的所选择的子集来执行特征工程,以确定对预测模型的至少一个进一步输入。
特征工程可以用于基于可用数据来导出对预测模型的一个或多个进一步输入。例如,执行特征工程可以包括:基于表示地基位置处的覆盖的数据的特征的组合来导出一个或多个特征。例如,可以基于与给定位置相关联的诸如接收信号功率、接收信号质量和定时提前之类的特征中的多于一个来导出一个或多个特征。
根据本公开的第二方面,提供了一种用于确定移动电信网络的地上覆盖的装置,所述装置包括:一个或多个处理器;以及存储器,存储:预测模型,通过训练而被配置成依照表示所述移动电信网络在多个地基位置处的覆盖的数据来确定移动电信网络在地上位置处的覆盖;以及指令,其在由所述一个或多个处理器执行时使所述装置:接收表示所述移动电信网络在多个地基位置处的覆盖的数据;识别要针对其而确定所述移动电信网络的覆盖的地上位置;选择表示地基位置处的覆盖的数据的子集,其中所述子集包括表示所述移动电信网络在所述地基位置的子集处的覆盖的数据,并且其中选择所述子集包括依照所述地基位置相对于所识别的地上位置的位置来选择所述地基位置的子集;将所识别的地上位置和表示地基位置处的覆盖的数据的所选择的子集的特性作为输入提供给所述预测模型;以及实现所述预测模型以依照所提供的输入来生成输出,其中所述模型的输出表示所述移动电信网络在所识别的地上位置处的覆盖。
根据本公开的第三方面,提供了一种训练用于确定移动电信网络的地上覆盖的预测模型的计算机实现方法,所述方法包括:接收表示所述移动电信网络在多个地基位置处的覆盖的数据;接收表示所述移动电信网络在多个地上位置处的覆盖的数据;对于所述多个地上位置中的每一个,依照所述地基位置相对于所述地上位置的位置来选择所述地基位置的子集;形成多个训练数据记录,每个训练数据记录与地上位置相关联,且包括表示所述移动电信网络在所述地上位置处的覆盖的接收数据和表示移动电信在地基位置处的覆盖的数据的子集,其中数据的子集包括表示所述移动电信网络在针对所述地上位置而选择的地基位置的子集处的覆盖的数据;以及使用所述多个训练数据记录来训练用于确定移动电信网络的地上覆盖的预测模型。
该多个地基位置可以包括基本上位于地平面处的位置。例如,该多个地基位置可以包括基本上在地平面处的位置(例如,地基用户可在其处操作设备的位置)和/或地基建筑物内部的位置。例如,该多个地基位置可以包括设备可在其处由地基建筑物支撑的位置。该多个地基位置可以包括处于局部地平面以上但仍为地基的位置。例如,该多个地基位置可以包括由地基建筑物(诸如,多层地基建筑物)支撑的一个或多个位置。
该多个地上位置可以包括不可从地面或地基结构或其他对象访问的位置。例如,地上位置可以包括可经由空运平台(诸如,无人机)访问的空中位置。
移动电信网络可以包括蜂窝网络。网络可以包括多个基站。每个基站可以包括:至少一个天线,被配置成在空中接口上与位于由基站服务的地理覆盖区域(例如,小区)内的终端交换通信(例如,射频信号)。
表示移动电信网络的覆盖的数据可以包括指示在相关位置处提供的网络覆盖的一个或多个特性的数据。例如,表示移动电信网络的覆盖的数据可以包括指示在相关位置处接收的与网络相关联的信号功率和/或质量的数据。在相关位置处接收的与网络相关联的信号功率和/或质量可以包括由网络部件(诸如,基站)发射且在相关位置处接收的信号的功率和/或质量。
表示移动电信网络的覆盖的数据可以基于接收信号的测量结果。例如,表示移动电信网络在多个地基位置处的覆盖的数据可以基于在一个或多个地基位置处测量的接收信号的测量结果。表示移动电信网络在多个地上位置处的覆盖的数据可以基于在一个或多个地上位置处测量的接收信号的测量结果。接收信号可以是在移动电信网络上传输的。接收信号可以是在网络中操作的一个或多个设备(例如,终端)处接收且由其测量的。接收信号可以由形成移动电信网络的一部分的基站发射。在一些示例中,接收信号可以由基站接收和测量。在这种示例中,接收信号可以由另一基站发射或可以由在网络中操作的另一设备(诸如,终端)发射。在网络上传输的接收信号的测量结果取决于在网络中操作的至少两个设备之间的信号传播。因此,接收信号的测量结果捕获比例如诸如从基站发射的信号的发射功率(其不包括与信号如何通过网络覆盖区域进行传播有关的任何信息)之类的特性更多的与网络覆盖有关的信息。
表示移动电信网络在多个地基位置处的覆盖的数据可以包括:至少一个特性,其对应于表示移动电信网络在多个地上位置处的覆盖的数据中包括的至少一个特性。例如,表示移动电信网络在多个地基位置处的覆盖的数据可以基于在该多个地基位置处作出的(例如,接收信号的)测量结果。对应地,表示移动电信网络在多个地上位置处的覆盖的数据可以基于在该多个地上位置处作出的(例如,接收信号的)对应测量结果。例如,表示移动电信网络在多个地基位置处的覆盖的数据可以包括诸如接收信号功率、接收信号质量和/或定时提前之类的一个或多个特性。对应地,表示移动电信网络在多个地上位置处的覆盖的数据可以包括诸如接收信号功率、接收信号质量和/或定时提前之类的对应一个或多个特性。
地基位置的所选择的子集可以包括该多个地基位置中的一个或多个。也就是说,在一些示例中,子集可以包括单个地基位置。在其他示例中,子集可以包括多个地基位置。
训练预测模型可以包括:使用训练数据记录来执行预测模型的监督学习。训练预测模型可以包括:执行机器学习算法。预测模型的监督学习可以涉及:基于训练数据记录来训练模型以将输入映射到输出。对预测模型的输入包括表示多个地基位置处的网络覆盖的数据,并且输出包括表示地上位置处的网络覆盖的数据。
预测模型可以包括回归模型。例如,预测模型的输出可以包括表示移动电信网络在所识别的地上位置处的覆盖的一个或多个数值。表示移动电信网络的覆盖的一个或多个数值可以例如包括与移动电信网络相关联的接收信号功率、接收信号质量和/或定时提前的度量。
预测模型可以包括分类模型。例如,预测模型的输出可以包括表示移动电信网络在所识别的地上位置处的覆盖的一个或多个分类。也就是说,形成训练数据记录的一部分的本文地上位置处的网络覆盖的数据可以包括定性标签或其他形式的分类。该一个或多个分类可以包括表示移动电信网络在地上位置处的覆盖的定性标签。这种分类可以例如包括诸如低、中、高和/或差、中、好等之类的标签。这种标签可以与网络覆盖的具体度量(诸如,信号功率和/或信号质量)相关联,或可以提供网络覆盖的更一般分类。
预测模型可以包括机器学习模型。例如,预测模型可以是使用任何合适机器学习算法来训练和/或实现的。这种合适算法的示例可以例如包括K最近邻算法、线性预测算法、支持向量机(例如,支持向量群集算法)、决策树算法、随机森林算法、自适应提升(AdaBoost)算法、梯度提升算法、投票算法和/或堆栈算法。在一些示例中,预测模型可以包括人工神经网络。
表示移动电信网络在地上位置处的覆盖的数据可以包括一个或多个数值(例如,当预测模型是回归模型时)和/或一个或多个分类,诸如定性标签(例如,当预测模式是分类模型时)。
依照所述地基位置相对于地上位置的位置来选择地基位置的子集可以包括:选择作为所述多个地基位置中与所述地上位置最近的N个的N个地基位置的子集,其中N是等于或大于1的整数。
所述方法可以包括:确定地上位置与每个地基位置之间的距离度量。距离度量可以包括地基位置与地上位置之间的直接距离(即,最短距离)。距离度量可以包括地基位置与地面上与地上位置最近的位置之间的距离。地面上与地上位置最近的位置可以包括地面上的具有与地上位置基本上相同的纬度和经度的位置。
距离度量可以是针对相对于地上位置的地基位置中的每一个而确定的。地基位置的子集可以被选择为具有到地上位置的最小距离度量的N个地基位置。也就是说,地基位置的所选择的子集可以表示与地上位置最近的N个地基位置。N可以是等于或大于1的任何合适整数。例如,N可以是1、2、3、4、5、6、7……等。
依照所述地基位置相对于所述地上位置的位置来选择所述地基位置的子集可以包括:选择位于所述地上位置的距离阈值内的所有地基位置。
所述方法可以包括:确定所识别的地上位置与每个地基位置之间的距离度量。距离度量可以包括地基位置与地上位置之间的直接距离(即,最短距离)。距离度量可以包括地基位置与地面上与地上位置最近的位置之间的距离。地面上与地上位置最近的位置可以包括地面上的具有与所识别的地上位置基本上相同的纬度和经度的位置。
距离度量可以是针对相对于地上位置的地基位置中的每一个而确定的。地基位置的子集可以被选择为下述地基位置:其到地上位置的距离度量小于距离阈值。子集中包括的地基位置的数目可以针对不同地上位置而不同,且可以取决于有多少地基位置位于与地上位置相对接近处。例如,子集中包括的地基位置的数目可以是1或大于1。
表示所述移动电信网络在多个地基位置处的覆盖的数据可以基于在多个地基位置处作出的指示移动电信的覆盖的测量结果。测量结果可以包括在多个地基位置处作出的接收信号的测量结果。
测量结果可以例如由在网络中操作的终端作出。例如,终端可以在位于地基位置处的同时连接到移动电信网络或以其他方式在移动电信网络上通信。作为地基位置处的终端的操作的一部分,可以作出指示由移动电信网络提供的覆盖的测量结果。例如,终端可以测量在网络上(例如,由形成网络的一部分的基站)传输且在终端处接收的一个或多个参考信号。指示由移动电信网络提供的覆盖的一个或多个特性可以是基于这种测量结果来确定的。
表示移动电信网络的覆盖的数据可以包括在多个地基位置处作出的测量结果。表示移动电信网络的覆盖的数据可以包括依照在多个地基位置处作出的测量结果而确定的一个或多个特性。在其处作出测量结果的多个地基位置可以与地基位置相同。附加地或可替换地,在其处作出测量结果的多个地基位置中的至少一些可以与地基位置不同。例如,在不同地基位置处作出的测量结果可以用于确定(例如,通过外推)表示地基位置处的网络覆盖的数据。测量结果可以包括地基位置处的接收信号的测量结果。
表示所述移动电信网络在多个地上位置处的覆盖的数据可以基于在多个地上位置处作出的指示移动电信的覆盖的测量结果。测量结果可以包括地上位置处的接收信号的测量结果。
测量结果可以例如由位于空运平台(诸如,无人机)上的一个或多个设备(例如,终端)作出。例如,可以实施一个或多个专用航班,以便测量指示地上位置处的网络的覆盖的特性。例如,位于空运平台上的设备可以测量在网络上(例如,由形成网络的一部分的基站)传输且在设备上接收的一个或多个参考信号。可以基于这种测量结果来确定指示由移动电信网络提供的覆盖的一个或多个特性。
表示移动电信网络的覆盖的数据可以包括在多个地上位置处作出的测量结果。表示移动电信网络的覆盖的数据可以包括依照在多个地上位置处作出的测量结果而确定的一个或多个特性。在其处作出测量结果的多个地上位置可以与地上位置相同。附加地或可替换地,在其处作出测量结果的多个地上位置中的至少一些可以与地上位置不同。例如,在不同地上位置处作出的测量结果可以用于确定(例如,通过外推)表示地基位置处的网络覆盖的数据。测量结果可以包括地上位置处的接收信号的测量结果。
表示移动电信网络在多个地上位置处的覆盖的数据可以包括与网络覆盖相关联的一个或多个分类,诸如网络覆盖的定性标签。
表示所述多个地基位置处的覆盖的接收数据和/或表示所述多个地上位置处的覆盖的接收数据可以包括位置中的每一个处的接收信号功率、接收信号质量和定时提前中的至少一个。
接收信号功率可以与在地上位置或地基位置处接收的信号的功率相关。信号可以是在移动电信网络上(例如,由基站)广播或以其他方式传输的,且可以是在地上位置或地基位置处(例如,由终端)接收和测量的。可以测量接收信号的功率以确定接收信号功率。信号可以包括在移动电信网络上(例如,由基站)传输的参考信号。接收信号功率可以被确定为参考信号接收功率(RSRP)。RSRP可以被视为终端在其上进行接收的每资源元素的平均功率。
接收信号质量可以与在地上位置或地基位置处接收的信号的所确定的质量相关。信号可以是在移动电信网络上(例如,由基站)广播或以其他方式传输的,且可以是在地上位置或地基位置处(例如,由终端)接收和测量的。可以测量接收信号以确定接收信号的质量。信号可以包括在移动电信网络上(例如,由基站)传输的参考信号。接收信号质量可以被确定为参考信号接收质量(RSRQ)。RSRQ可以被视为一个或多个接收参考信号的信号与干扰加噪声比。
定时提前可以指示信号在网络部件(例如,基站)与地上位置或地基位置之间传播的传播时间。定时提前可以在网络中用于在一时隙前面从一个通信方(例如,终端或基站)发射信号,该时隙被分配给在另一通信方(例如,终端或基站中的另一个)处信号的接收。
表示移动电信网络在多个地上位置处的覆盖的数据可以包括从位置中的每一个处的接收信号功率、接收信号质量和定时提前中的至少一个导出的一个或多个分类(诸如,定性标签)。
表示所述多个地基位置处的覆盖的接收数据和/或表示所述多个地上位置处的覆盖的接收数据可以包括表示由服务小区在位置中的每一个处提供的网络覆盖的数据。
移动电信网络典型地使用将网络覆盖提供给不同地理区域的多个小区来进行操作。在其上网络覆盖由每个小区提供的地理区域可以至少部分地重叠。在给定位置处,确定(例如,通过测量)由多个小区中的每一个提供的网络覆盖可以是可能的。例如,可以针对多个小区中的每一个而确定(例如,通过测量)诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前之类的特性。
连接到网络或以其他方式在网络上通信的终端可以在一个或多个小区上与网络建立连接。例如,终端可以在主小区上建立连接,且可以后续在一个或多个辅小区上建立通信。在其上终端与网络通信的小区中的每一个被视为服务小区。(一个或多个)服务小区至少包括主小区,且可以包括一个或多个辅小区(例如,其中终端被配置用于载波聚合)。
表示该多个地基位置和/或地上位置处的覆盖的数据包括表示由至少服务小区在该位置处提供的网络覆盖的数据。在一些示例中,表示该多个地基位置和/或地上位置处的覆盖的数据包括表示由多个服务小区提供的网络覆盖的数据。例如,数据可以包括表示由主小区和至少一个辅小区提供的网络覆盖的数据。
表示所述多个地基位置处的覆盖的接收数据和/或表示所述多个地上位置处的覆盖的接收数据可以包括表示由多个小区在位置中的每一个处提供的网络覆盖的数据。
如上所解释,在给定位置处,确定(例如,通过测量)由多个小区中的每一个提供的网络覆盖可以是可能的。例如,可以针对多个小区中的每一个而确定(例如,通过测量)诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前之类的特性。这种测量结果可以被包括在表示该多个地基位置和/或地上位置处的覆盖的数据中。该多个小区可以包括至少一个服务小区(其可以例如包括主小区和/或至少一个辅小区)。该多个小区可以包括与该至少一个服务小区相邻的小区。
所述多个训练记录中的至少一个训练记录可以进一步包括基于所述地上位置的地理位置和/或所述地基位置的所选择的子集的地理位置的至少一个特性。
除表示网络在地上位置处的覆盖的数据、表示地基位置处的覆盖的数据的所选择的子集外,训练记录还可以包括一个或多个进一步数据字段。该进一步数据字段可以例如与地上位置的地理位置和/或地基位置的所选择的子集的地理位置相关。例如,该进一步数据字段可以包括地上位置的绝对和/或相对地理位置和/或地基位置的所选择的子集的地理位置的度量。地上位置的绝对地理位置和/或地基位置的所选择的子集的地理位置的度量可以包括相关位置的纬度、经度和海拔中的一个或多个。地上位置的相对地理位置和/或地基位置的所选择的子集的地理位置的度量可以包括地上位置与地基位置的所选择的子集之间的距离度量。
所述方法可以进一步包括:基于表示地基位置处的覆盖的数据的所选择的子集来执行特征工程,以确定训练数据记录的至少一个进一步字段。
特征工程可以用于基于可用数据来导出训练数据记录中包括的一个或多个进一步数据字段。例如,执行特征工程可以包括:基于表示地基位置处的覆盖的数据的特征的组合来导出一个或多个特征。例如,可以基于与给定位置相关联的诸如接收信号功率、接收信号质量和定时提前之类的特征中的多于一个来导出一个或多个特征。
根据本公开的第四方面,提供了用于训练用于确定移动电信网络的地上覆盖的预测模型的装置,所述装置包括:一个或多个处理器;以及存储指令的存储器,所述指令在由所述一个或多个处理器执行时使所述装置:接收表示所述移动电信网络在多个地基位置处的覆盖的数据;接收表示所述移动电信网络在多个地上位置处的覆盖的数据;对于所述多个地上位置中的每一个,依照所述地基位置相对于所述地上位置的位置来选择所述地基位置的子集;形成多个训练数据记录,每个训练数据记录与地上位置相关联,且包括表示所述移动电信网络在所述地上位置处的覆盖的接收数据和表示移动电信在地基位置处的覆盖的数据的子集,其中数据的子集包括表示所述移动电信网络在针对所述地上位置而选择的地基位置的子集处的覆盖的数据;以及使用所述多个训练数据记录来训练用于确定移动电信网络的地上覆盖的预测模型。
根据本公开的第五方面,提供了一种包括指令的计算机程序,所述指令在被执行时使根据第一方面的方法或根据第三方面的方法得以实现。
计算机程序可以被存储在计算机可读介质上。计算机可读介质可以包括非瞬变计算机可读介质。
在本申请的范围内,明确意图是:在前述段落中、在权利要求书中和/或在以下描述和附图中阐述的各种方面、实施例、示例和可替换方案以及特别地其个体特征可以是独立地或以任何组合采取的。也就是说,可以以任何方式和/或组合对所有示例和/或任何示例的特征进行组合,除非这种特征不兼容。申请人保留了改变任何原始提交的权利要求或相应地提交任何新权利要求的权利,包括将任何原始提交的权利要求修改成从属于任何其他权利要求和/或并入有任何其他权利要求的任何特征的权利,尽管未以该方式原始要求保护。
附图说明
在附图中仅作为示例示意性地示出了本发明的一个或多个实施例,在附图中:
-图1是移动电信网络可在其中操作的环境的示意图示;
-图2是用于训练用于确定移动电信网络的地上覆盖的模型的示例方法的流程图;
-图3A和3B是可在图2的方法的示例中使用的位置的示意表示;
-图4是用于使用经训练的预测模型确定移动电信网络的地上覆盖的示例方法的流程图;
-图5A和5B是地上位置处的网络覆盖的确定的结果的表示;以及
-图6是可以用于实现本文描述的任何方法的全部或部分的示例电子设备的示意图示。
具体实施方式
在描述本发明的特定示例之前,应当理解,本公开不限于本文描述的特定示例。还应当理解,本文使用的术语仅用于描述特定示例,而不意在限制权利要求书的范围。
在描述和要求保护本发明的装置和方法时,将使用以下术语:单数形式“一”、“一个”和“该”包括复数形式,除非上下文以其他方式清楚地规定。因此,例如,对“终端”的引用包括对这种元件中的一个或多个的引用。
图1是电信网络可在其中操作的环境100的示意图示。图1中所示的描绘包括地平面101的描绘,地平面101表示环境100中的陆地的表面,但可以等同地被视为水域(诸如河、湖、海等)的表面。一般地,本文对地平面的引用可以被视为陆地和/或水的表面水平。如可在图1中看出的那样,地平面101作为所描绘的环境100中的位置的函数而变化。特别地,在图1中描绘的环境100的左手侧上示出了增加的高程(相对于环境100的剩余部分的地平面)的区。也就是说,与图1中描绘的环境100的右手侧上的地平面相比,图1的环境100的左手侧上的地平面位于海平面以上更大的高程处。
在图1中还示出了位于环境102中的多个建筑物102。建筑物102都是地基的,这是因为它们基本上从地平面101延伸建筑物高度。
在图1中还示出了形成在环境100中操作的移动电信网络的一部分的多个基站103。基站103被配置成在空中接口上发射和接收通信信号。例如,每个基站103可以包括:至少一个天线,被配置成在空中接口121上与位于由基站103服务的地理覆盖区域(例如,小区)内的终端104交换通信(例如,射频信号)。每个基站103可以通过在给由基站103使用的无线电接入技术(RAT)指派的一个或多个频带中发射和/或接收通信并利用针对RAT而指定的通信协议(例如,针对RAT的标准化通信协议),来交换通信。合适RAT可以包括例如全球移动通信系统(GSM)、通用移动电信系统(UMTS)、长期演进(LTE)和/或5G新无线电(NR)。基站103可以采取任何合适形式,且可以例如包括GMS和/或UMTS兼容基站,诸如节点B、演进NodeB(eNB)和/或5G NR gNodeB。基站103典型地具有与电信网络的用户注册到的一个或多个核心网(未示出)的回程连接。
每个基站103可以具有:至少一个地理覆盖区域,在其上,它可以可靠地与位于地理覆盖区域内的终端104通信。这种地理覆盖区域可以被称作小区。在至少一些示例中,单个基站103可以在多个小区中进行发射和接收。例如,基站103可以同时操作服务于不同地理覆盖区域的多个天线。这种基站103可以被视为操作多个不同小区。
与基站103相关联的小区可以在地理上与关联于其他相邻基站的小区和/或由相同基站103操作的另一小区分离。可替换地,在由相同或不同基站103操作的不同小区之间可以存在一些地理重叠。给定终端104可以位于单个小区、多个小区的地理覆盖内,或可以位于其中不提供网络覆盖的区域中(即,终端不位于任何小区的覆盖区域内)。
终端104可以是能够连接到移动电信网络或以其他方式与移动电信网络通信的任何合适电子设备。如本文所提及的终端104的合适示例可以包括:用户装备设备(UE),诸如移动电话、平板、个人计算机等;和/或其他形式的终端设备,其可以不被用户直接使用。例如,连接到移动电信网络且在移动电信网络上通信的终端104可以包括或可以不包括允许与终端104的直接用户交互的用户接口。
如图1中所示,终端104可以位于环境100内的多个不同位置中。例如,图1中所示的终端104中的一些基本上位于地平面101处。这种终端104可以位于地平面101外且基本上位于地平面101处,和/或可以位于建筑物内部(例如,位于建筑物102的一层上)。应当领会,不是所有基本上位于地平面101处的终端104都可以位于相对于某个参考高度的相同高度或海拔(例如,海平面以上的高度)处。例如,图1中所示的终端104之一位于在环境100的左手侧上示出的增加高程的区中。该终端104基本上位于局部地平面处,但由于该区中的地平面101的增加高程,终端104与图1中所示的其他终端104中的至少一些相比位于更大的高度(例如,海平面以上的高度)处。
在图1中还示出了位于地平面101以上的终端104。例如,图1中的被标记为104’的终端可以位于多层建筑物102内部且位于建筑物102的一层以上。图1中被标记为104”的终端可以位于建筑物102外但由建筑物102支撑。例如,终端104”可以位于建筑物104”的房顶或阳台上,或可以以其他方式由建筑物102在地平面101以上的高度处支撑。
在图1中所示的环境100中,被加标签104的所有终端(包括终端104’、104”)位于地基位置处。如上所解释,这种地基终端104可以包括位于相对于公共参考(诸如,海平面)的不同高度处的终端。例如,位于增加高程的区中的终端104与位于环境100的其他区中的地平面处的其他终端104相比位于海平面以上更大的高度处。此外,由建筑物102在局部地平面101以上支撑的终端104’、104”与位于地平面101处的附近终端104相比位于海平面以上更大的高度处。出于本公开的目的,术语“地基位置”被视为涵盖由地面支撑的所有位置。地基位置可以包括建筑物或其他人工结构内部或外部的位置,且可以包括地基运输模式(诸如,地基交通工具)内部或外部的位置。位于地基位置处的终端可以包括由用户支撑的终端,用户自身由地面和/或地基结构或对象支撑。一般地,地基位置可以被视为终端可在不是空运的情况下所位于的所有位置。
典型地,连接到移动电信网络且在移动电信网络上通信的绝大多数终端104位于地基位置处。能够连接到移动电信网络且在移动电信网络上通信的终端104典型地能够作出一个或多个测量结果,该一个或多个测量结果指示由移动电信网络在终端在作出该一个或多个测量结果时所位于的位置处提供的覆盖。例如,终端104可以被配置成:作为终端104的例程操作的一部分,测量指示网络覆盖的一个或多个特性。测量结果可以包括在终端104处接收的信号的测量结果。
在至少一些示例中,基站103可以出于由终端104对参考信号的测量的目的而例行地发射参考信号。终端可以作出参考信号的测量结果,且可以例如确定指示参考信号(由终端104接收)的测量结果的一个或多个变量。例如,终端可以确定在终端104处接收的一个或多个参考信号的功率的度量。这种度量的典型示例是参考信号接收功率(RSRP),其可以例如由根据LTE协议进行操作的终端确定。更具体地,RSRP可以被视为终端在其上进行接收的每资源元素的平均功率。附加地或可替换地,终端104可以确定在终端104处接收的一个或多个参考信号的质量的度量。这种度量的典型示例是参考信号接收质量(RSRQ),其可以例如由根据LTE协议进行操作的终端确定。更具体地,RSRQ可以被视为一个或多个接收参考信号的信号与干扰加噪声比。
诸如接收信号功率(例如,RSRP)和/或接收信号质量(例如,RSRQ)之类的测量结果可以被终端104出于多个不同目的(诸如,小区选择)而利用。例如,终端104可以接收在多个不同小区上发射的参考信号。终端可以测量接收参考信号并确定多个不同小区的参考信号的一个或多个特性,诸如接收信号功率(例如,RSRP)和/或接收信号质量(例如,RSRQ)。这种特性可以在终端的例程操作期间用于选择要在其上与网络通信的小区。例如,具有超过给定阈值的RSRP和/或RSRQ的小区可以被终端选择为终端的主或辅小区。
针对终端104而确定的接收信号功率(例如,RSRP)和/或接收信号质量(RSRQ)可以与特定基站103和/或小区相关联。在一些示例中,对于给定终端104,可以确定多个不同接收信号功率和/或接收信号质量。每个所确定的接收信号功率和/或接收信号质量可以与不同的小区相关联。例如,终端104可以基于在第一小区上发射的参考信号来确定第一接收信号功率和/或第一接收信号质量,且可以基于在第二小区上发射的参考信号来确定第二接收信号功率和/或第二接收信号质量。第一小区和第二小区可以由相同或不同基站103操作。
诸如接收信号功率(例如,RSRP)和/或接收信号质量(例如,RSRQ)之类的特性是表示移动电信网络的覆盖的特性的示例。除接收信号功率和/或接收信号质量外或者对接收信号功率和/或接收信号质量来说可替换地,可以确定(例如,通过测量)表示移动电信网络的覆盖的一个或多个其他特性。例如,基站103和/或终端104可以确定与在基站103和/或终端104之间交换的信号相关联的传播时间。这种传播时间一般至少是终端104与基站103之间的距离的函数。基站103与终端104之间的传播时间的典型度量是定时提前。可以确定并使用与基站103和终端104相关联的定时提前,以在一时隙前面从一个通信方(例如,终端104或基站103)发射信号,该时隙被分配给在另一通信方(例如,终端104或基站103中的另一个)处信号的接收。类似于接收信号功率和/或接收信号质量,与终端104相关联的定时提前可以是在移动电信网络中的终端104的操作期间例行确定的度量。针对终端104而确定的定时提前可以与特定基站103和/或小区相关联。在一些示例中,对于给定终端104,可以确定多个不同定时提前,每一个与不同的基站103和/或小区相关联。
如上所描述,在移动电信网络中操作的终端104和/或基站103可以测量或以其他方式确定与由网络提供的覆盖相关联的一个或多个特性(诸如,接收信号功率、接收信号质量和/或定时提前)。所确定的特性可以基于接收信号的测量结果。这种所确定的特性可以与终端104所位于的地理位置相关联。与一个或多个位置处的网络覆盖相关联的所确定的特性可以被报告给网络,例如,被报告给基站103和/或核心网。
可以对与在多个不同位置处确定的网络覆盖相关联的特性进行整理,以提供表示移动电信网络在多个不同位置处的覆盖的数据。如上所解释,典型地,连接到移动电信网络的绝大多数终端104位于地基位置(例如,图1中终端104所位于的位置)处。因此,表示移动电信网络的覆盖的数据可能在地基位置处相对丰富。表示地基位置处的网络覆盖的数据的相对丰富性可以允许关于在不同地基位置处提供的网络覆盖作出相对准确且高分辨率的确定。这种确定可以是基于由终端104作出的新测量结果来随时间(例如,周期性地)更新的。这可以例如允许网络操作者监视地基位置处的网络覆盖。
如上所解释,越来越多地,连接到移动电信网络和/或在移动电信网络上通信的终端设备可以位于非地基位置处。例如,终端可以位于可在地面以上(即,在高海拔处)飞行的空运平台(诸如,无人机)上。多个示例空运终端105的位置在图1中由被加标签105的叉号描绘。空运终端105所位于的地上位置与地基终端104所位于的地基位置的不同之处在于:地上位置不是由地面或任何地基结构支撑的。因此,要求空运平台(诸如,无人机)以便将终端105定位在地上位置处。
一般地,术语“地上位置”在本文中用于指代仅可由空运平台访问的位置。也就是说,地上位置意在指代在局部地平面101以上某个海拔处且不可经由地基结构(诸如,建筑物102)访问的位置。
网络连接无人机或其他空运平台可以包括:终端设备105,能够以与位于地基位置处的终端104相同的方式连接到移动电信网络并在移动电信网络上通信。这种终端105可以以与地基终端104相似的方式测量和确定与由网络提供的覆盖相关联的特性。例如,这种终端105可以测量在终端105处接收的信号(其可能已经由基站发射)。例如,诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前之类的特性可以由地上终端105以与地基终端104相同的方式测量或以其他方式确定。
然而,典型地,与存在位于地基位置中的终端104相比,存在在网络中操作且位于地上位置中的少得多的终端105。因此,与地基位置相比,可能存在表示地上位置处的网络覆盖的显著更少的测量数据可用。因此,从在地上位置处测量的数据构建起来地上位置处的网络覆盖的准确且足够高分辨率的表示可能是非常困难的或不可能的。
此外,在给定纬度和经度处,可能仅存在可针对其而确定网络覆盖的有限数目的地基位置。例如,对于给定纬度和经度,地基网络覆盖可能仅是在该纬度和经度处基本上在局部地平面处测量或以其他方式确定的。然而,对于给定纬度和经度,可能存在与在其处可能期望确定网络覆盖的不同海拔相对应的多个不同地上位置。此外,网络覆盖可以作为给定纬度和经度处的海拔的函数而显著变化。为了构建起来地上位置处的网络覆盖的表示(基于在地上位置处作出的测量结果),获得在不同海拔处以及在不同纬度和经度处取得的测量结果可能是必要的。
可改进地上位置处的网络覆盖数据的可用性的一种方式是:飞行空运设备(例如,包括终端设备105的无人机)的专用航班,以便获得多个不同地上位置处的测量结果。这种航班已经被实施且已经被使用,以准确地确定在其中已经实施航班的地理区中的地上网络覆盖。然而,使用该方法对地上网络覆盖的确定不限于已在其处飞行空运终端的位置。因此,使用该方法获得跨网络的整个覆盖区域的数据可能要求进行非常大数目的专用航班。这种航班典型地是昂贵且耗时的,并在一些区域中不实际。
对直接测量与地上位置处的网络覆盖相关联的特性来说可替换地,已经认识到,表示地基位置处的网络覆盖的数据可以用于准确地确定对应地上位置处的网络覆盖。如上所解释,可以在网络中的地基终端104的正常操作期间在地基位置处作出(例如,接收信号的)测量结果。因此,地基位置处的测量结果可以跨广泛地理范围而可用。因此,使用在地基位置处作出的测量结果以确定地上位置处的网络覆盖可以允许在先前未在其处作出测量结果的地上位置处确定网络覆盖。
已经认识到,基于(例如,接收信号的)地基测量结果确定范围广泛的地上位置处的网络覆盖的有效方式是:利用在相同的附近处取得的地基测量结果和地上测量结果。例如,在相同的附近处取得的地基测量结果和地上测量结果可以用于在地基位置处的网络覆盖与地基位置附近的地上位置处的网络覆盖之间建立关系。这种关系可以是通过下述操作来捕获的:训练用于基于地基位置处的网络覆盖确定地上位置处的网络覆盖的模型。这种模型可以是在其中地上测量结果可用的区中使用在(例如,接收信号的)地基位置和(例如,接收信号的)地上位置处作出的测量结果来训练的。经训练的模型然后可以用于基于地上位置附近的地基测量结果来确定针对其而言极少或没有地上测量结果可用的地上位置处的网络覆盖。
例如从图1中所示的示例环境中应当领会,多个不同因素可能影响不同位置处的网络覆盖的特性。例如,诸如与最接近的基站103的距离以及基站103的特性之类的因素将影响给定位置处的诸如接收信号强度、接收信号质量和定时提前之类的因素。此外,局部环境的特征可能影响网络覆盖的特性。例如,人工结构(诸如,建筑物)可能服务于阻碍在网络上传播的无线电信号或使该无线电信号失真。特别地,这可能是针对使用相对高频率(诸如,在5G NR实现中使用的那些)发射的无线电信号的情况。附加地或可替换地,自然障碍物(诸如,增加高程和/或植物的区)可能也服务于阻碍无线电信号或使无线电信号失真,且因而将影响不同位置处的网络覆盖。
对由网络在不同位置处提供的覆盖的各种影响(诸如,上面描述的效应中的一个或多个)可能难以捕获、监视和建模。由此,地上位置处的网络覆盖的准确预测可能难以实现。例如,使用网络部件(例如,基站)的知识对地上网络覆盖进行建模的任何尝试以及例如对从网络部件发射的信号的传播进行建模可能是复杂且相对不准确的。例如,这种建模方案可能不能在没有具体环境的非常详细知识和建模的情况下捕获局部环境的特征(诸如,障碍物)的效应。例如,即使从基站发射的信号的功率是已知的,这也不提供与所发射的信号如何通过周围环境进行传播有关的信息。
尽管有上面解释的复杂性,但已经发现,在地基位置处作出的网络覆盖的测量结果(诸如,在网络连接设备的例行操作期间作出的测量结果)中捕获确定地上位置处的网络覆盖所需的许多信息。特别地,地基位置处的接收信号的所作出的测量结果取决于信号如何通过网络环境进行传播,且可以捕获确定地上位置处的网络覆盖所需的信息。例如,将影响地上覆盖的局部环境(诸如,自然或人工障碍物)的效应还将影响在地基位置处作出的测量结果,并且因此,这种效应是在(例如,接收信号的)地基测量结果中捕获的。因此,地基测量结果可以用于提供地上覆盖的准确确定。然而,地基覆盖到地上覆盖的映射可能不简单。然而,已经发现,通过如本文描述的预测模型的训练和实现,可以基于在(例如,接收信号的)地基位置处作出的测量结果来获得地上网络覆盖的准确确定。
图2是用于训练用于确定移动电信网络的地上覆盖的模型的示例方法的流程图。该方法可以是在任何合适计算设备上实现的。在一些示例中,每个方法步骤可以是在相同计算设备上实现的。在其他示例中,该方法的不同部分可以是在可彼此通信的不同计算设备上实现的。图3A和3B是可在图2的方法的示例中使用的位置的示意表示。
在图2的步骤201中,接收表示移动电信网络在多个地基位置处的覆盖的数据。如上参考图1所解释,表示移动电信网络的覆盖的数据可以由地基位置处的在网络中操作的终端104测量或以其他方式确定。例如,位于地基位置处的终端104可以测量由终端104接收的信号。位于地基位置处的终端104可以确定一个或多个特性,诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前。如上所解释,该一个或多个所确定的特性可以与特定小区和/或基站相关联。在一些示例中,可以针对多个不同小区或基站而确定所确定的特性(例如,接收信号功率、接收信号质量和/或定时提前)中的一个或多个。所确定的特性可以与小区或它与之相关联的基站的标识符相关联。例如,所确定的特性(例如,接收信号功率、接收信号质量和/或定时提前)可以与该特性与之相关联的小区的物理小区标识符(PCI)相关联。
在网络中操作的终端104可以选择与其建立它到网络的主要连接的小区。这种小区可以被视为终端的服务小区。在一些示例中,终端104可以具有多个服务小区。例如,在终端104被配置用于载波聚合的情况下,终端的服务小区可以包括主小区和/或一个或多个辅小区。在一些示例中,终端104可以测量或以其他方式确定针对其服务小区(其可以是单个服务小区或多个服务小区)中的每一个的一个或多个特性,诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前。附加地或可替换地,终端104可以测量或以其他方式确定针对不是终端104的服务小区的其他相邻小区的一个或多个特性,诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前。
对于地基位置中的至少一些,表示移动电信网络在多个地基位置处的覆盖的数据可以包括表示由多个小区提供的网络覆盖的数据。例如,对于至少一些地基位置,数据可以包括指示由服务或主小区提供的网络覆盖的一个或多个特性。对于至少一些地基位置,数据可以包括指示由一个或多个附加小区提供的网络覆盖的一个或多个特性,该一个或多个附加小区可以是相邻小区(例如,与服务或主小区相邻)。
指示多个不同地基位置处的网络覆盖的一个或多个特性可以由位于不同地基位置处的不同终端104确定(例如,通过接收信号的测量)。在一些示例中,给定终端104可以在不同地基位置之间移动,且可以确定指示多个不同位置处的网络覆盖的一个或多个特性。
在图3A中所示的表示中,示出了多个地基位置302,每一个基本上位于地平面301处。地基位置302中的每一个可以表示下述位置:在该位置处,表示该位置处的网络覆盖的数据可用。例如,可能已经针对图3A中所示的地基位置302中的每一个而确定(例如,通过测量)与一个或多个基站103相关联的特性,诸如,接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前。
为了便于图示,在图3A的表示中,地平面301由平面表示。然而,如上所描述,高度(例如,海平面以上的高度)可以作为位置的函数而变化。此外,地基位置302中的每一个被示作位于地平面301处。然而,如上所描述,地基位置302可以包括精确地位于地平面301处的至少一些位置。例如,地基建筑物内部的位置(例如,一层水平以上)也被视为地基位置302。
在图3A的表示中,地基位置302被示作位于基本上均匀的网格上。例如,在图3A的表示中,距离分离度在每个地基位置302与其周围地基位置302之间大致相同。尽管这种均匀布置已经在图3A中示出,但在至少一些示例中,已在其处确定指示网络覆盖的一个或多个特性的地基位置302可以分布在非均匀布置中。例如,已在其处确定指示网络覆盖的一个或多个特性的地基位置302可以对应于终端104已在正常操作期间所位于(且已作出接收信号的测量结果)的位置。这种位置可能不必然符合均匀布置。在一些示例中,由分布在不符合均匀布置的地基位置处的终端104作出的测量结果可以被外推到以均匀方式布置的位置上。例如,可以对在终端104在正常操作期间所位于的分布式地基位置处作出的测量结果进行外推,以确定可与在其处作出了测量结果的位置不同的地基位置302处的对应特性。例如,可以将测量结果外推到地基位置302(诸如,图3A中示意性地示出的那些)的均匀布置上。这种所外推的特性仍基于在地基位置处作出的(例如,接收信号的)测量结果。
地基位置302可以以任何合适密度和分离度而分布。在一些示例中,相邻地基位置之间的分离度可以是数十米量级的。例如,相邻地基位置之间的分离度可以大于约10米。相邻地基位置之间的分离度可以小于约100米。
在步骤201处接收的表示移动电信网络的覆盖的数据可以包括由一个或多个终端104作出的(例如,接收信号的)测量结果。附加地或可替换地,数据可以包括依照由一个或多个终端作出的测量结果而确定的特性。在步骤201中接收数据可以采取任何合适形式。例如,接收数据可以包括:从存储器读取数据和/或从在其处存储数据的另一设备接收数据。
在图2中的步骤202处,接收表示移动电信网络在多个地上位置处的覆盖的数据。如上参考图1所解释,表示移动电信网络的覆盖的数据可以由位于空运平台上的一个或多个设备(例如,终端104)测量或以其他方式确定(例如,基于接收信号的测量结果)。例如,一个或多个设备可以位于无人机或其他空运平台上,且可以飞到不同地上位置,以便测量指示不同地上位置处的网络覆盖的一个或多个特性。在不同地上位置处确定的一个或多个特性可以包括与在地基位置302处确定的那些特性相同或不同的特性。例如,在不同地上位置处确定的一个或多个特性可以包括与一个或多个基站103相关联的接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前。
如上参考针对地基位置302而确定的特性所解释,在地上位置处确定的一个或多个所确定的特性可以与特定小区和/或基站相关联。在某个示例中,可以针对多个不同小区或基站而确定所确定的特性(例如,接收信号功率、接收信号质量和/或定时提前)中的一个或多个。所确定的特性可以与小区或它与之相关联的基站的标识符相关联。例如,所确定的特性(例如,接收信号功率、接收信号质量和/或定时提前)可以与该特性与之相关联的小区的物理小区标识符(PCI)相关联。
对于地上位置中的至少一些,表示移动电信网络在多个地上位置处的覆盖的数据可以包括表示由多个小区提供的网络覆盖的数据。例如,对于至少一些地上位置,数据可以包括指示由服务或主小区提供的网络覆盖的一个或多个特性。对于至少地上位置,数据可以包括指示由一个或多个附加小区提供的网络覆盖的一个或多个特性,该一个或多个附加小区可以是相邻小区(例如,与服务或主小区相邻)。
在图3A中所示的表示中,示出了多个地上位置304,每一个位于地平面301以上一定海拔处。地上位置304可以包括位于地平面301以上多个不同海拔303a-303d处的位置。例如,在图3A的示意描绘中,位置304被示作位于在图3A中被表示为平面的四个不同海拔水平303a-303d上。
图3A中所示的地上位置304中的每一个可以表示下述位置:在该位置处,表示该位置处的网络覆盖的数据可用。例如,可能已经针对图3A中所示的地上位置304中的每一个而确定与一个或多个基站103相关联的特性,诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前。
类似于地基位置302,可以基本上均匀地布置或可以在非均匀布置中布置地上位置304。在图3A的表示中,地上位置304被示作位于基本上均匀的网格上。例如,在图3A的表示中,距离分离度在每个地上位置304与其周围地上位置304之间大致相同。尽管这种均匀布置已经在图3A中示出,但在至少一些示例中,已在其处确定指示网络覆盖的一个或多个特性的地上位置304可以分布在非均匀布置中。类似于地基位置302,地上位置可以包括已在其处测量指示网络覆盖的特性的测量结果的位置,和/或可以包括所测量的特性被外推到其上的位置。一般地,对于地上位置304,可以存在关于在其处测量特性的位置的更大灵活性,这是由于这种测量结果典型地是在空运平台(例如,无人机)的专用航班期间作出的,该专用航班可以被导向到具体位置以便作出期望位置处的测量结果。这种所外推的特性仍基于在地上位置处作出的(例如,接收信号的)测量结果。
地上位置304可以以任何合适密度和分离度而分布。在一些示例中,相邻地上位置之间的分离度可以是数十米量级的。例如,相邻地上位置之间的分离度可以大于约10米。相邻地上位置之间的分离度可以小于约100米。
在步骤202处接收的表示移动电信网络的覆盖的数据可以包括由位于空运平台上的一个或多个终端104作出的(例如,接收信号的)测量结果。附加地或可替换地,数据可以包括依照由位于空运平台上的一个或多个终端作出的(例如,接收信号的)测量结果而确定的特性。在步骤202中接收数据可以采取任何合适形式。例如,接收数据可以包括:从存储器读取数据和/或从在其处存储数据的另一设备接收数据。
在步骤202处接收的表示移动电信网络的覆盖的数据可以包括数值,例如属于值的连续范围。例如,可以以一个或多个数值的形式对特性(诸如,接收信号功率、接收信号质量和/或定时提前)进行量化。在一些示例中,在步骤202处接收的表示移动电信网络的覆盖的数据可以包括与网络覆盖相关联的一个或多个分类。例如,可以指定一个或多个定性标签以表示网络覆盖。合适定性标签可以例如包括诸如“低”、“中”、“高”和/或“差”、“中”、“好”等之类的标签。这种标签可以与网络覆盖的具体度量(诸如,信号功率和/或信号质量)相关联,或可以提供网络覆盖的更一般分类。这种标签可以是例如基于指示网络覆盖的一个或多个特性的测量结果来确定的。
如图3A中所示,在步骤201中针对其而接收数据的地基位置302和在步骤202中针对其而接收数据的地上位置304对应于基本上相同的地理区域。例如,地基位置302和地上位置304可以覆盖大致相同纬度和经度的区。也就是说,地上位置304可以基本上位于地基位置302以上。应当领会,每个地上位置304的精确纬度和经度可以不直接与对应地基位置302的纬度和经度相对应。然而,一般地,在步骤201处接收的地基位置302所覆盖的纬度和经度的范围将至少与在步骤202处接收的地上位置304所覆盖的纬度和经度的范围重叠。由于数据在地基位置302处一般更丰富地可用,因此地基位置可以比地上位置覆盖更广泛的地理区域。例如,地基位置302所覆盖的纬度和经度的范围可以大于地上位置304所覆盖的纬度和经度的范围。
在图2的步骤203处,对于地上位置304中的每一个,可以选择地基位置302的子集。针对给定地上位置304而选择的地基位置302的子集可以包括在其处网络覆盖对给定地上位置304处的网络覆盖起决定性作用的位置。例如,地基位置302的所选择的子集可以对应于与给定地上位置304接近且在相同邻近处的位置。
图3B示出了要针对其而选择地基位置302的子集的给定地上位置304’。地上位置304’在图3B中位于被加标签303a的海拔处,但可以等同地被视为位于任何海拔处的任何地上位置304。对于给定地上位置304’,可以使用多个不同方法以选择地基位置302的子集。在至少一些示例中,可以如图3B中所示的线306所图示的那样识别地面301上与地上位置304’最近的位置。例如,可以识别地面上的具有与地上位置304’基本上相同纬度和经度的位置307。位置307可以基本上对应于网络覆盖数据在其处可用的地基位置302,或可以被定位在网络覆盖数据在其处可用的地基位置302之间。
在至少一些示例中,地基位置302的子集可以被选择为与地面上与地上位置304’最近的位置307最近的N个地基位置302,其中N是等于或大于1的整数。例如,可以计算每个地基位置302与地面上与地上位置304’最近的位置307之间的距离。地基位置302与地面上与地上位置304’最近的位置307之间的一个这种距离308在图3B中被加标签308。然后,具有到地面上与地上位置304’最近的位置307的最小N个距离的N个地基位置302可以被选择为地基位置302的子集。
在至少一些示例中,可以选择均落在地面上与地上位置304’最近的位置307的距离阈值内的地基位置302的子集。例如,可以计算每个地基位置302与地面上与地上位置304’最近的位置307之间的距离308。然后,地基位置302的子集可以被选择为下述所有地基位置:针对该地基位置,地基位置302与地面上与地上位置304’最近的位置307之间的距离308小于距离阈值。
在一些示例中,地基位置302的子集可以是根据地上位置304’与地基位置302之间的直接距离来选择的。例如,可以计算每个地基位置302与地上位置304’之间的直接距离。地基位置302与地上位置304’之间的一个这种距离309在图3B中被加标签309。应当领会,地基位置302与地上位置304’之间的直接距离309可以由于地面上与地上位置304’最近的位置307与地上位置304’之间的海拔方面的差异而不同于地基位置302与位置307之间的距离308。
在一些示例中,地基位置302的子集可以被选择为与地上位置304’最近的N个地基位置302,其中N是等于或大于1的整数。也就是说,具有到地上位置304’的最小N个距离309的N个地基位置302可以被选择为地基位置302的子集。
在一些示例中,可以选择均落在地上位置304’的距离阈值内的地基位置302的子集。例如,可以计算每个地基位置302与地上位置304’之间的距离309。然后,地基位置302的子集可以被选择为下述所有地基位置302:针对该地基位置,地基位置302与地上位置304’之间的距离309小于距离阈值。
上面已经描述了用于针对给定地上位置304选择地基位置302的子集的多个不同方法。一般地,地基位置302的子集可以是依照它们相对于给定地上位置304的位置来选择的。例如,地基位置302的所选择的子集可以表示与地上位置304最近(在所有可用地基位置302当中)的位置。在一些示例中,可以选择预定数目N个最近地基位置302。在一些示例中,可以选择位于地上位置304的距离阈值内的地基位置302。
在其中使用距离阈值以选择地基位置的示例中,所选择的子集中包括的地基位置302的数目可以针对不同地上位置304而不同。例如,第一地面位置304可以具有它的距离阈值内的第一数目的地基位置302,而第二地上位置304可以具有它的距离阈值内的第二数目的地基位置302,其中第一数目不同于第二数目。在其中针对每个地上位置304选择N个最近地基位置302的示例中,子集中包括的地基位置302的数目可以针对每个地上位置304而相同。在一些示例中,子集可以包括单个地基位置302(例如,在其中仅单个地基位置302位于地上位置304的距离阈值内的场景中)。在一些示例中,子集可以包括多个地基位置302。
在图2的步骤204处,创建多个训练记录。每个训练记录与地上位置304相关联。如上所解释,对于每个地上位置304,在步骤203中选择了地基位置302的子集。每个训练记录可以至少包括:表示移动电信网络在训练记录与之相关联的地上位置304处的覆盖的接收数据;以及表示移动电信网络在地基位置302处的覆盖的数据的子集。表示移动电信网络在地基位置302处的覆盖的数据的子集由表示移动电信网络在针对地上位置而选择的地基位置302的子集处的覆盖的数据形成。也就是说,选择在步骤201处接收的数据的子集,以形成针对地上位置304的训练数据记录的一部分,其中数据的子集与在步骤203中针对地上位置304而选择的地基位置302的子集相关。
如上所解释,针对每个地上位置而选择地基位置302的子集,使得地上位置304处的网络覆盖以某种方式与地基位置302的所选择的子集处的网络覆盖相关。因此,每个训练数据记录中包括的数据的子集提供了对地基位置和关联的地上位置处的网络覆盖之间的关系的深刻理解。如下面将进一步详细描述的那样,因此,训练数据记录可以用于训练模型以基于表示地基位置处的网络覆盖的数据来确定地上位置处的网络覆盖。
训练数据记录可以被视为包括至少一个输入字段和至少一个输出字段。该至少一个输出字段表示使用训练数据而训练的模型的期望输出。该至少一个输入字段表示要提供给经训练的模型以便确定模型输出的输入。根据本文想到的示例,每个训练数据记录的至少一个输出字段包括表示移动电信网络在训练数据记录与之相关联的地上位置处的覆盖的数据。该至少一个输出字段可以包括一个或多个数值(例如,属于值的连续范围)和/或可以包括一个或多个分类,诸如一个或多个定性标签。
每个训练数据记录的至少一个输入字段包括表示针对数据记录与之相关联的地上位置而选择的地基位置的子集处的网络覆盖的数据。该至少一个输入字段进一步包括地上位置的至少一个特性。地上位置的至少一个特性可以例如包括地上位置的海拔、地上位置的经度和/或地上位置的纬度。
如上所解释,表示地基位置302处的网络覆盖的数据和表示地上位置304处的网络覆盖的数据可以包括每个位置处的特性,诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前。因此,示例训练记录可以包括针对训练记录与之相关联的地上位置的特性,诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前。这种训练记录可以进一步包括对于针对训练记录与之相关联的地上位置而选择的地基位置的子集中的每个地基位置的特性,诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前。
如上所解释,表示地基位置和/或地上位置处的网络覆盖的数据可以包括与一个或多个小区相关联的数据。例如,数据可以包括与服务或主小区相关联的特性(诸如,接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前),且可以附加地包括与其他相邻小区相关联的对应特性。在至少一些示例中,与多个不同小区相关联的数据可以被包括在训练数据记录中。例如,训练数据记录可以包括指示由服务或主小区和一个或多个相邻小区提供的网络覆盖的特性(例如,接收信号质量、接收信号功率和/或定时提前)。对于地基位置302的子集中的至少一些地基位置302,表示移动电信网络在地基位置302处的覆盖的数据的子集可以包括表示由多个小区(例如,服务或主小区和一个或多个相邻小区)提供的覆盖的数据(例如,接收信号质量、接收信号功率和/或定时提前)。数据的子集可以附加地包括数据与之相关联的小区的标识符(例如,PCI)。附加地或可替换地,表示移动电信网络在训练数据记录与之相关联的地上位置处的覆盖的数据可以包括由多个小区(例如,服务或主小区和一个或多个相邻小区)提供的覆盖的一个或多个特性(例如,接收信号质量、接收信号功率和/或定时提前)。数据可以附加地包括该一个或多个特性与之相关联的小区的标识符(例如,PCI)。
在一些示例中,训练数据记录可以包括附加数据。例如,训练数据记录可以包括基于地上位置的地理位置和/或地基位置的所选择的子集的地理位置的一个或多个进一步特性。基于地理位置的特性可以包括例如相关位置的海拔、经度和/或纬度。例如,训练数据记录可以至少包括训练记录与之相关联的地上位置的海拔。训练数据记录可以包括诸如地上位置的纬度和经度和/或地基位置的子集的纬度和经度之类的进一步特性。然而,由于地基位置的子集是基于它们相对于地上位置的位置来选择的,因此将与位置相关的进一步信息包括在训练数据记录中可能不是必要的。
在一些示例中,训练数据记录可以包括与地上位置和地基位置的子集的相对地理位置相关的特性。例如,可以确定地上位置与地基位置的子集中的每个地基位置之间的距离度量,并将该距离度量包括在训练数据记录中。如上所解释,合适距离度量可以包括地上位置与地基位置之间的直接距离。附加地或可替换地,合适距离度量可以包括地面上与地上位置最近的位置与地基位置之间的距离。在一些示例中,训练数据记录可以包括地上位置与地基位置的子集中的每个地基位置之间的海拔方面的差异。在一些示例中,训练数据记录可以包括地基位置的子集之间的距离度量。出于形成训练记录的目的,位置之间的距离度量可以比位置的绝对地理位置对于训练目的而言更有益。
在一些示例中,可以执行特征工程的过程,以生成要包括在训练数据记录中的进一步数据。特征工程可以基于表示移动电信网络在地基位置的子集处的覆盖的数据的子集,和/或可以基于表示训练记录与之相关联的地上位置处的网络覆盖的数据。特征工程可以基于表示地基位置和/或地上位置处的覆盖的数据的特征的组合来导出一个或多个特征。例如,可以基于与给定位置相关联的特征(诸如,接收信号功率、接收信号质量和定时提前)中的多于一个来导出一个或多个特征。通过特征工程而导出的任何特征可以被包括在训练数据记录中。
在一些示例中,通过特征工程而导出的一个或多个特征可以包括在不同特征之间取得的比例、比率和/或积。例如,对于给定地上位置,可以针对地基位置的所选择的子集中的一个或多个地基位置而导出特征,诸如,地基位置处的接收信号功率(例如,服务小区RSRP)与地上位置和地基位置之间的距离(D)之间的比率。这种特征可以例如被导出为RSRP/(1+D)。可能特征的进一步示例可以包括地基位置处的接收信号质量(例如,服务小区RSRQ)与地上位置和地基位置之间的距离(D)之间的比率。这种特征可以例如被导出为RSRQ/(1+D)。可能特征的进一步示例可以包括地基位置处的接收信号功率(例如,服务小区RSRP)与地上位置和地基位置之间的距离(D)之间的积。这种特征可以例如被导出为RSRP*(1+D)。可能特征的进一步示例可以包括地基位置处的接收信号质量(例如,服务小区RSRQ)与地上位置和地基位置之间的距离(D)之间的积。这种特征可以例如被导出为RSRQ*(1+D)。要包括在训练数据集中的可能特征的以上示例是仅作为示例而提供的,应当领会,可以导出附加或可替换特征。
在图2的步骤205处,使用在步骤204处制订的多个训练数据记录来训练预测模型。预测模型被训练,以用于依照表示移动电信网络在多个地基位置处的覆盖的数据来确定移动电信网络的地上覆盖。预测模型可以包括机器学习模型。预测模型的训练可以包括:应用监督机器学习训练算法以训练机器学习模型。
如本领域技术人员应当领会的那样,预测模型的监督学习涉及:基于训练数据记录来训练模型以将输入映射到输出。在该实例中,对预测模型的输入包括表示多个地基位置处的网络覆盖的数据,并且输出包括表示地上位置处的网络覆盖的数据。在步骤204中形成的训练数据记录形成在预测模型的监督学习中使用的训练数据。预测模型的监督训练可以包括:确定将训练数据记录的输入字段映射到训练数据记录的输出字段的预测模型的参数,到期望准确度。
可以使用任何合适预测模型和训练算法。在一些示例中,预测模型包括回归模型。例如,回归模型的输出可以包括属于值的连续范围的一个或多个数值。在一些示例中,预测模型包括分类模型。例如,分类模型的输出可以包括表示网络覆盖的一个或多个分类(例如,以定性标签的形式)。
合适算法的示例可以包括K最近邻、线性回归算法、支持向量机(例如,支持向量群集算法)、决策树算法、随机森林算法、自适应提升(AdaBoost)算法、梯度提升算法、投票算法和/或堆栈算法。在一些示例中,可以使用深度学习算法以训练人工神经网络。
训练过程的输出典型地包括将训练数据的输入字段最佳地匹配到训练数据的输出字段的预测模型的多个所确定的参数。如下面将进一步详细描述,预测模型的所确定的参数可以用于实现预测模型以依照被提供给预测模型的输入来生成输出。
在至少一些示例中,可以针对准确度而评估经训练的预测模型。例如,可以使用可用训练记录的第一子集以训练预测模型。然后可以使用可用训练记录的第二子集以针对准确度而评估经训练的预测模型。经训练的预测模型的评估可以包括:将训练记录的第二子集的输入字段作为输入提供给经训练的预测模型;以及实现经训练的预测模型以生成取决于输入的输出。然后可以将预测模型的输出与训练记录的第二子集的输出字段进行比较。
如果经训练的预测模型具有完美准确度,那么所实现的预测模型的输出将匹配于用于将输入提供给预测模型的训练记录的输出字段。然而,实际上,没有模型具有完美准确度,并且在模型输出与训练记录的输出字段之间将存在某个误差差异。可以分析和使用模型误差以评定经训练的预测模型的准确度。然后可以在下述区中使用经训练的模型:在该区中,地上覆盖的极少或没有测量结果可用以基于表示地基覆盖的数据来确定地上覆盖。
图4是用于使用经训练的预测模型确定移动电信网络的地上覆盖的示例方法的流程图。该方法可以是在任何合适计算设备上实现的。在一些示例中,每个方法步骤可以是在相同计算设备上实现的。在其他示例中,该方法的不同部分可以是在可彼此通信的不同计算设备上实现的。
图4的方法可以例如是针对下述地理区而实现的:在该地理区中,网络的地上覆盖不是已知的,但其中,表示地基位置处的覆盖的数据可用(例如,已经作出地基位置处的接收信号的测量结果)。因此,该方法允许确定地上覆盖,而无需在地上位置处作出测量结果。
在图4的步骤401处,接收表示移动电信网络在多个地基位置处的覆盖的数据。图4的方法的步骤401类似于图2的方法的步骤201,并且结合图2的步骤201而描述的相同特征还可以适用于图4的步骤401。
如上所解释,表示移动电信网络的覆盖的数据可以由地基位置处的在网络中操作的终端104测量或以其他方式确定。例如,地基位置处的在网络中操作的终端104可以测量在终端104处接收的信号。位于地基位置处的终端104可以确定一个或多个特性,诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前。如上所解释,该一个或多个所确定的特性可以与特定小区和/或基站相关联。在某个示例中,可以针对多个不同小区或基站而确定所确定的特性(例如,接收信号功率、接收信号质量和/或定时提前)中的一个或多个。所确定的特性可以与小区或它与之相关联的基站的标识符相关联。例如,所确定的特性(例如,接收信号功率、接收信号质量和/或定时提前)可以与该特性与之相关联的小区的物理小区标识符(PCI)相关联。
在一些示例中,终端104可以测量或以其他方式确定针对其服务小区(其可以是单个服务小区或多个服务小区)中的每一个的一个或多个特性,诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前。附加地或可替换地,终端104可以测量或以其他方式确定针对不是终端104的服务小区的其他相邻小区的一个或多个特性,诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前。
对于地基位置中的至少一些,表示移动电信网络在多个地基位置处的覆盖的数据可以包括表示由多个小区提供的网络覆盖的数据。例如,对于至少一些地基位置,数据可以包括指示由服务或主小区提供的网络覆盖的一个或多个特性。对于至少一些地基位置,数据可以包括指示由一个或多个附加小区提供的网络覆盖的一个或多个特性,该一个或多个附加小区可以是相邻小区(例如,与服务或主小区相邻)。
在步骤401处接收的表示移动电信网络的覆盖的数据可以包括由一个或多个终端104作出的(例如,接收信号的)测量结果。附加地或可替换地,数据可以包括依照由一个或多个终端作出的(例如,接收信号的)测量结果而确定的特性。在步骤401中接收数据可以采取任何合适形式。例如,接收数据可以包括:从存储器读取数据和/或从在其处存储数据的另一设备接收数据。
在图4的方法中,在步骤401处接收的数据用于通过使用经训练的预测模型来预测所选地上位置处的网络覆盖。在图4的步骤402处,识别要针对其而确定移动电信网络的覆盖的地上位置。所识别的位置可以是要针对其而确定网络覆盖的任何地上位置。所识别的位置将典型地处于在步骤401处针对其而接收了数据的地基位置的地理范围内。例如,在步骤401处针对其而接收数据的地基位置可以覆盖纬度和经度的范围。在步骤402处识别的地上位置可以位于由地基位置覆盖的纬度和经度的范围内。这可以确保充足地基数据可用,以便确定所识别的地上位置处的网络覆盖。
可以识别地上位置,例如借由用户输入选择要针对其而确定网络覆盖的地上位置。附加地或可替换地,可以识别地上位置,例如通过软件例程选择要针对其而确定网络覆盖的地上位置。
在图4的步骤S403处,选择表示多个地基位置处的覆盖的数据(在步骤401处接收)的子集。数据的所选择的子集包括表示移动电信网络在地基位置的子集处的覆盖的数据。因此,步骤403可以包括:选择地基位置的子集;以及选择表示地基位置的所选择的子集处的网络覆盖的数据,作为数据的所选择的子集。地基位置的子集是依照它们相对于所识别的地上位置的位置来选择的。
针对所识别的地上位置而对地基位置的子集的选择可以类似于如上参考图2的步骤203描述的地基位置的子集的选择(针对给定地上位置)。上面参考图2的步骤203描述的特征中的任一个还可以适用于地基位置的子集的选择,以便在图4的步骤403处选择表示网络覆盖的数据的子集。例如,地基位置的所选择的子集可以包括在其处网络覆盖对在步骤402处识别的地上位置处的网络覆盖起决定性作用的位置。地基位置的所选择的子集可以对应于与所识别的地上位置接近且在相同邻近处的位置。
在一些示例中,地基位置的子集可以被选择为与所识别的地上位置最近的N个地基位置,其中N是等于或大于1的整数。也就是说,具有到所识别的地上位置的最小N个距离的N个地基位置可以被选择为地基位置的子集。
在一些示例中,可以选择均落在所识别的地上位置的距离阈值内的地基位置的子集。例如,可以计算每个地基位置与所识别的地上位置之间的距离。然后,地基位置的子集可以被选择为下述所有地基位置:针对该地基位置,地基位置与所识别的地上位置之间的距离小于距离阈值。
地基位置的所选择的子集用于选择表示地基位置的覆盖的数据的子集。例如,数据的子集可以被选择为表示地基位置的所选择的子集处的覆盖的数据。
在图4的步骤404处,将输入提供给经训练的预测模型。输入至少包括在步骤403处选择的数据的所选择的子集和所识别的地上位置的至少一个特性。预测模型通过训练而被配置成:依照表示地基位置处的网络覆盖的数据来确定移动电信网络在地上位置处的覆盖。预测模型可以包括使用上面参考图2描述的方法中的任一个而训练的模型。
在一些示例中,预测模型包括回归模型。例如,回归模型的输出可以包括属于值的连续范围的一个或多个数值。在一些示例中,预测模型包括分类模型。例如,分类模型的输出可以包括表示网络覆盖的一个或多个分类(例如,以定性标签的形式)。
预测模型可以包括机器学习模型。可能已经通过应用监督机器学习训练算法以训练机器学习模型,来训练预测模型。可以使用任何合适预测模型和训练算法。合适算法的示例可以包括K最近邻、线性预测算法、支持向量机(例如,支持向量群集算法)、决策树算法、随机森林算法、自适应提升(AdaBoost)算法、梯度提升算法、投票算法和/或堆栈算法。在一些示例中,可以使用深度学习算法以训练人工神经网络。
所识别的地上位置的至少一个特性可以包括所识别的地上位置的海拔。在一些示例中,所识别的地上位置的至少一个特性可以包括所识别的地上位置的附加或可替换特性,诸如所识别的位置的纬度和/或经度。然而,由于地基位置的子集是基于它们相对于地上位置的位置来选择的,因此将与所识别的地上位置相关的进一步信息包括在对预测模型的输入中可能不是必要的。
对预测模型的输入一般可以对应于用于训练预测模型的训练数据记录的输入字段。因此,与上面被描述为形成训练数据记录的输入字段的一部分的特性中的任一个相对应的特性可以被包括在给预测模型提供的输入中。
例如,对预测模型的输入可以包括附加数据,诸如,基于所识别的地上位置的地理位置和/或地基位置的所选择的子集的地理位置的一个或多个进一步特性。基于地理位置的特性可以包括例如相关位置的海拔、经度和/或纬度。例如,对预测模型的输入可以包括进一步特性,诸如,地上位置的纬度和经度和/或地基位置的子集的纬度和经度。
在一些示例中,对预测模型的输入可以包括与所识别的地上位置和地基位置的子集的相对地理位置相关的特性。例如,可以确定所识别的地上位置与地基位置的子集中的每个地基位置之间的距离度量,并将该距离度量作为输入提供给预测模型。如上所解释,合适距离度量可以包括所识别的地上位置与地基位置之间的直接距离。附加地或可替换地,直接距离度量可以包括地面上与所识别的地上位置最近的位置与地基位置之间的距离。在一些示例中,对预测模型的输入可以包括地基位置的子集之间的距离度量。
在一些示例中,可以执行特征工程的过程以生成对预测模型的进一步输入。特征工程可以基于表示移动电信网络在地基位置的子集处的覆盖的数据的子集,和/或可以基于所识别的地上位置。特征工程可以基于表示地基位置和/或所识别的地上位置处的覆盖的数据的特征的组合来导出一个或多个特征。例如,可以基于与给定地基位置相关联的特征(诸如,接收信号功率、接收信号质量和定时提前)中的多于一个来导出一个或多个特征。可以将通过特征工程而导出的任何特征作为输入提供给预测模型。
在一些示例中,通过特征工程而导出的一个或多个特征可以包括在不同特征之间取得的比例、比率和/或积。例如,对于给定地上位置,可以针对地基位置的所选择的子集中的一个或多个地基位置而导出特征,诸如,地基位置处的接收信号功率(例如,服务小区RSRP)与地上位置和地基位置之间的距离(D)之间的比率。这种特征可以例如被导出为RSRP/(1+D)。可能特征的进一步示例可以包括地基位置处的接收信号质量(例如,服务小区RSRQ)与地上位置和地基位置之间的距离(D)之间的比率。这种特征可以例如被导出为RSRQ/(1+D)。可能特征的进一步示例可以包括地基位置处的接收信号功率(例如,服务小区RSRP)与地上位置和地基位置之间的距离(D)之间的积。这种特征可以例如被导出为RSRP*(1+D)。可能特征的进一步示例可以包括地基位置处的接收信号质量(例如,服务小区RSRQ)与地上位置和地基位置之间的距离(D)之间的积。这种特征可以例如被导出为RSRQ*(1+D)。要作为对预测模型的输入而包括的可能特征的以上示例是仅作为示例而提供的,应当领会,可以导出附加或可替换特征。
在图4的步骤405处,实现预测模型以生成表示移动电信网络在所识别的地上位置处的覆盖的输出。预测模型的输出取决于在步骤404处提供的输入。
预测模型的输出一般可以对应于用于训练预测模型的训练数据记录的输出字段。因此,与上面被描述为形成训练数据记录的输出字段的一部分的特性中的任一个相对应的特性可以被包括在由预测模型提供的输出中。例如,预测模型的输出可以包括指示由移动电信网络在所识别的地上位置处提供的覆盖的一个或多个特性。该一个或多个特性可以包括诸如接收信号功率(例如,RSRP)、接收信号质量(例如,RSRQ)和/或定时提前之类的特性。在一些示例中,(例如,当预测模型包括分类模型时),预测模型的输出可以包括表示网络覆盖的一个或多个分类,诸如定性标签。例如,预测模型的输出可以包括诸如“低”、“中”、“高”和/或“差”、“中”、“好”等之类的标签。这种标签可以与网络覆盖的具体度量(诸如,信号功率和/或信号质量)相关联,或可以提供网络覆盖的更一般分类。这种标签可以是例如基于指示网络覆盖的一个或多个特性的测量结果来确定的。
预测模型的输出可以包括针对单个小区(例如,服务或主小区)或针对多个小区而输出的一个或多个特性。例如,可以针对多个小区中的每一个而输出一个或多个特性,诸如接收信号功率、接收信号质量和/或定时提前。该多个小区可以包括主小区和一个或多个辅小区。附加地或可替换地,该多个小区可以包括与主或服务小区相邻的一个或多个小区。在至少一些示例中,预测模型的输出可以包括该一个或多个特性与之相关的小区的指示。小区的指示可以例如包括PCI。
如上所解释,可以实施图4的方法,以便确定由移动电信网络在所识别的地上位置处提供的覆盖。在至少一些示例中,可以实施图4的方法,并且可以针对多个不同地上位置而实现预测模型。例如,该方法可以是针对不同海拔处的地上位置而实施的。附加地或可替换地,该方法可以是针对不同纬度和/或经度处的地上位置而实施的。通过针对多个不同地上位置而实施该方法,映射由移动电信网络跨空中位置的范围而提供的覆盖构造,而无需测量空中位置的范围处的网络覆盖。
如上所解释,空中的地上位置处的网络覆盖的确定可以具有不同使用的范围。例如,空中的网络覆盖的知识(其可以是使用上面描述的方法来获取的)可以在操作位于空运平台(诸如,网络连接无人机)上的网络连接设备时有用。在至少一些示例中,空中的网络覆盖的知识可以用于单独使用网络数据来确定空运设备的位置,例如,作为使用全球定位系统(GPS)的可替换方案。例如,如果使用上面描述的方法来确定作为地上位置的函数的网络覆盖的一个或多个度量(例如信号功率、信号质量等),那么由空运设备取得的对应特性的测量结果可以用于准确地确定其位置。
已经发现,本文描述的方法在确定地上位置处的网络覆盖的特性时特别有效。此外,已经发现,本文描述的方法能够比一个或多个可替换建模技术更准确地确定地上位置处的网络覆盖。其他潜在建模技术可以包括:基于网络部件(诸如,基站)的位置和/或特性的知识来进行建模。例如,在网络中使用的基站的位置和/或特性的知识可以用于对由基站在可能包括地上位置的位置处提供的期望覆盖进行建模(例如,使用传播建模)。然而,这种建模要求随时间改变的网络部件和周围环境的详细知识。此外,这种建模可能不捕获局部效应,诸如,由基站周围的环境的方面对信号的阻碍。例如,在网络中使用的基站的位置和/或特性的知识提供了极少与从基站发射的信号将如何通过周围环境进行传播有关的信息。
已经示出本文描述的其中使用在地基位置处作出的网络覆盖的测量结果以确定地上位置处的覆盖的方案,以成功捕获网络状况和周围环境的影响。特别地,接收信号的测量结果的使用包括与在不同位置之间的信号传播有关的信息,且已经被发现为成功捕获网络状况和周围环境的影响。例如,在一些设置中,局部环境的建筑物和/或其他特征的存在可能导致在网络上传输的信号的阻碍或失真。特别地,这是针对使用相对高频率(诸如,在5G NR实现中使用的那些)而发射的无线电信号的情况。这种效应可能在预测网络覆盖时非常难以建模。例如,局部障碍物可能导致网络状况中的大改变,其中不容易在模型中捕获位置中的小改变。
然而,已经发现,这种效应典型地是在地基位置处作出的(例如,接收信号的)测量结果(诸如,由在网络中操作的终端例行作出的测量结果)中捕获的。本文描述的其中这种地基测量结果用于确定地上覆盖的方法已经被发现为成功捕获可由其他建模方案糟糕地表示的效应。例如,地基测量结果的使用已经被发现为在确定地上位置处的覆盖时成功捕获局部障碍物对无线电信号的影响,这是由于这种影响是在确定中使用的(例如,接收信号的)地基测量结果中成功捕获的。
本文描述的方法的准确度可能受用于形成用于训练预测模型的训练数据记录的数据影响。因此,使用充足训练数据记录来训练预测模型可能是期望的。此外,使用与不同状况的范围相关的训练数据记录来训练预测模型可能是期望的。例如,地基网络覆盖与地上网络覆盖之间的关系可以取决于人工结构(诸如,建筑物)的存在和密度。因此,地基网络覆盖与地上网络覆盖之间的关系可以在包括相对高密度的人工结构的城市环境中到在包括较低密度的人工结构的乡村环境中不同。此外,地基网络覆盖与地上网络覆盖之间的关系可能受诸如地平面的起伏之类的因素影响。例如,地基网络覆盖与地上网络覆盖之间的关系可以在其中地平面相对平坦的环境中到在包括局部地平面中的相对大起伏的环境中不同。此外,地基网络覆盖与地上网络覆盖之间的关系可能受诸如天气状况之类的因素影响。因此,地基网络覆盖与地上网络覆盖之间的关系可以在不同天气状况中不同。
在本文想到的至少一些示例中,用于形成训练数据记录的数据可以包括与多种不同环境和/或状况相对应的数据。例如,空运平台的专用航班可以在多种不同环境和/或状况中飞行,以便出于训练目的而收集多种不同环境和/或状况中的地上覆盖测量结果。例如,可以在城市环境、乡村环境、相对平坦环境和/或相对起伏环境中收集数据,以便形成训练数据记录的多种多样的收集。附加地或可替换地,可以在不同类型的天气状况中收集数据,以便形成训练数据记录的多种多样的收集。使用训练数据记录的这种多种多样的收集以训练预测模型可以在确定不同环境和/或状况的范围中的地上网络覆盖时改进预测模型的性能。
上面已经描述了用于训练预测模型并实现用于确定地上位置处的网络覆盖的经训练的预测模型的方法。为了说明本文描述的方法的优点,现在将描述说明性示例。
图5A和5B是在英国的乡村区域中实施的地上位置处的网络覆盖的确定的结果的表示。在其中作出了确定的区域包括大致1.5km×3km区。实施了网络连接无人机的专用航班,以便测量地上位置处的网络覆盖。还在相同区中由位于地基位置处的终端作出了测量结果。在包括地基位置和地上位置两者的总共4143个位置处作出了网络覆盖测量结果。
测量结果的大致三分之二被用于根据本文参考图2描述的方法来训练用于确定地上覆盖的预测模型。在所描绘的示例中,随机森林算法被用于训练和实现采取了回归模型的形式的预测模型。
测量结果的其余三分之一被用于评估经训练的预测模型。经训练的预测模型是通过下述操作来评估的:使用在地基位置处作出的测量结果,以根据本文参考图3描述的方法,使用经训练的预测模型来确定地上位置处的网络覆盖。然后,将通过使用经训练的预测模型而确定的地上位置处的网络覆盖与在相同地上位置处作出的网络覆盖的测量结果进行了比较。
图5A是通过使用经训练的预测模型而在不同地上位置处确定的网络覆盖的表示。图5B是在图5A中针对其而示出所确定的网络覆盖的相同地上位置处的所测量的网络覆盖的对应表示。在图5A和5B两者中,在不同位置处示出的柱的高度标示那些位置处的RSRP值。也就是说,在图5A中,柱的高度标示使用经训练的预测模型而确定的RSRP值,并且在图5B中,柱的高度标示在相同地上位置处测量的RSRP值。在图5A和5B两者中,在不同位置处示出的柱的灰度梯度标示那些位置处的RSRQ值。也就是说,在图5A中,柱的灰度梯度标示使用经训练的预测模型而确定的RSRQ值,并且在图5B中,柱的灰度梯度标示在相同地上位置处测量的RSRQ值。
图5A和5B的简单比较示出了:经训练的预测模型在基于在地基位置处作出的网络覆盖测量结果确定网络覆盖的度量(即,RSRP和RSRQ)时是成功的,达到高准确度。
应当领会,根据本文想到的不同示例,可以使用不同特征以确定地上位置处的网络覆盖。例如,在第一示例中,可以使用特征的相对小集合以训练和实现预测模型。特别地,在形成用于训练预测模型的训练数据记录时,可以针对每个地基位置而使用服务小区RSRP值、服务小区RSRQ值和地基位置与地上位置之间的距离。也就是说,针对给定地上位置的每个训练数据记录可以包括与N个地基位置相对应的数据。与每个地基位置相对应的数据可以包括服务小区RSRP值、服务小区RSRQ值和地上位置与地基位置之间的距离。每个训练记录可以附加地包括训练记录与之相关联的地上位置的海拔。
类似地,在模型评估阶段中实现经训练的预测模型时,对于每个地上位置,可以针对N个最接近的地基位置而提供输入数据。针对每个地基位置的输入数据可以包括服务小区RSRP值、服务小区RSRQ值和地上位置与地基位置之间的距离。输入数据可以进一步包括要针对其而确定网络覆盖的所识别的地上位置的海拔。
在第一示例中,可以使用随机森林算法或其他合适机器学习算法以使用上面描述的数据来训练和实现预测模型。
在第二说明性示例中,可以使用特征的更大组以训练和实现预测模型。例如,除上面结合第一示例描述的特征外,还可以在针对每个地上位置的训练数据记录中包括多个进一步特征。特别地,针对给定地上位置的每个训练数据记录可以包括针对地上位置的N个最近地基位置中的每一个的附加特征。附加特征可以包括服务小区的PCI、针对服务小区的定时提前、以及地基位置的经度、纬度和海拔。此外,针对给定地上位置的每个训练记录可以附加地包括训练记录与之相关联的地上位置的经度和纬度(以及在第一示例中使用的海拔)。
类似地,在第二实验的模型实现阶段中实现经训练的预测模型时,对于每个地上位置,可以针对N个最接近的地基位置而提供输入数据。除用于第一实验的数据外,针对每个地基位置的输入数据还可以包括服务小区的PCI、针对服务小区的定时提前、以及地基位置的经度、纬度和海拔。输入数据可以进一步包括要针对其而确定网络覆盖的所识别的地上位置的纬度和经度(以及在第一示例中使用的海拔)。
在第二示例中,可以使用随机森林算法或其他合适机器学习算法以使用上面描述的数据来训练和实现预测模型。
本文已经描述若干示例,其中训练和实现回归模型以确定表示网络覆盖的数值。然而,还如本文所提及,分类模型可以被用作对预测模型来说的可替换方案。例如,可以训练和实现分类模型以确定表示网络覆盖的一个或多个定性标签。例如,分类模型的输出可以以诸如“低”、“中”、“高”和/或“差”、“中”、“好”等之类的一个或多个定性标签的形式存在。
如本文想到的分类模型可以被配置成:如本文描述的那样,接收表示地基位置处的网络覆盖的输入,其与对回归模型的对应输入类似或相同。然而,分类模型的输出与回归模型的不同之处可能在于:与如回归模型那样属于值的连续范围的数值形成对照,它们可以包括定性分类。
分类模型可以在本文描述的方法的可能应用的子集中具有用途。例如,分类模型可以用于确定经历差网络覆盖的地上位置。这种确定可以例如用于确定在其中不飞行网络连接无人机的位置。这种应用将不必然要求由回归模型输出的网络覆盖的定量度量,并且因此,分类模型可以是适当的。
上面已经描述了各种计算机实现方法和设备。一般地,可以在一个或多个电子设备上实现本文描述的任何方法。图6是可以用于实现本文描述的任何方法的全部或部分的示例电子设备的示意图示。图6中描绘的设备的一般结构可以适用于任何终端、基站和/或本文想到的任何其他电子设备。
设备1000可以包括至少一个处理单元1001、存储器1002和输入/输出(I/O)接口1000。处理单元1001可以包括任何合适处理器和/或处理器组合。例如,处理单元1001可以包括中央处理单元(CPU)和图形处理单元(GPU)中的一个或多个。存储器1002可以包括易失性存储器和/或非易失性/持久存储器。存储器1002可以例如用于存储数据,诸如操作系统、要由处理单元执行的指令(例如,以要由处理单元执行的软件的形式)、与设备1000相关的配置信息、与网络中的任何其他设备、节点或模块相关联的会话信息和/或配置或注册信息。例如,存储器1002可以用于存储表示移动电信网络在一个或多个地基位置或地上位置处的覆盖的数据。在一些示例中,存储器1002可以用于存储用于执行本文公开的方法中的任一个的指令。
至少处理单元1001连接到输入/输出(I/O)接口1003。I/O接口100促进与网络中的一个或多个其他设备、网络节点或模块的通信。例如,I/O接口1003可以可操作成向/从网络中的其他设备发射和/或接收通信。在一些示例中,I/O接口1003可以可操作成在空中接口上发射和/或接收通信。例如,I/O接口1003可以包括用于发射和/或接收无线通信(例如,射频信号)的发射机和/或接收机。在一些示例中,I/O接口1003可以包括被配置成接收和发射无线通信(例如,射频信号)的收发器。在一些示例中,I/O接口1003可以可操作成附加地或可替换地在一个或多个有线连接上通信。
可选地,设备1000可以进一步包括显示器1004。例如,在设备1000是UE的情况下,UE可以包括用于将信息显示给UE的用户的显示器1004。显示器1004可以包括任何合适电子显示器,诸如触摸敏感显示器。显示器1004可以连接到至少处理单元1001。处理单元1001可以生成显示信号,其被发送到显示器1004以便导致显示信息。
为了简要,不是所有落在本公开范围内的可能可替换方案都已在本文中明确讨论。如本领域技术人员应当领会的那样,在本公开中,从可操作成完成动作的元件的角度讨论的任何方面还从包括与该动作相对应的方法步骤的方法的角度公开了相同特征。类似地,从方法步骤的角度呈现的任何讨论还从可操作或被配置成实施该方法步骤中的一些或全部的任何一个或多个合适元件的角度公开了相同特征。在本公开内还可想到,对于任何(一个或多个)方法步骤,可以存在被配置成在被执行时实施该(一个或多个)方法步骤的计算机程序。
在本公开的上下文内,设备(诸如,终端)、基站或者网络模块或节点一般从逻辑角度被视为实施适当功能的元件。可以使用被视为适当的一个或多个物理元件来实现任何这种设备。例如,它可以是在下述各项中的一个(或多个)中实现的:独立物理设备、在两个或更多个分离物理设备中、在分布式系统中、在使用任何合适硬件或硬件组合的虚拟环境中等等。
应当领会,可以以硬件、软件或硬件和软件的组合的形式实现本发明的实施例。可以以易失性或非易失性储存器的形式(诸如例如储存设备,像ROM,不论是否可擦除或可重写)或者以存储器的形式(诸如例如RAM、存储器芯片、设备或集成电路)或者在光学或磁可读介质(诸如例如CD、DVD、磁盘或磁带)上存储任何这种软件。应当领会,储存设备和储存介质是适于存储一个或多个程序的机器可读储存器的实施例,该一个或多个程序在被执行时实现本发明的实施例。相应地,实施例提供了包括用于实现如任何前述权利要求中要求保护的系统和方法的代码的程序以及存储这种程序的机器可读储存器。再进一步,可以经由诸如在有线或无线连接上承载的通信信号之类的任何介质以电子方式传达本发明的实施例,并且实施例合适地涵盖该介质。
结合本发明的特定方面、实施例或示例而描述的特征、整数、特性或组应被理解为适用于本文描述的任何其他方面、实施例或示例,除非与其不兼容。可以以任何组合对在本说明书(包括任何所附权利要求、摘要和附图)中公开的所有特征和/或如此公开的任何方法或过程的所有步骤进行组合,这种特征和/或步骤中的至少一些在其中互斥的组合除外。本发明不限于任何前述示例的细节。本发明扩展到在本说明书(包括任何所附权利要求、摘要和附图)中公开的特征中的任何新特征或任何新组合,或扩展到如此公开的任何方法或过程的步骤中的任何新步骤或任何新组合。
Claims (23)
1.一种确定移动电信网络的地上覆盖的计算机实现方法,所述方法包括:
接收表示所述移动电信网络在多个地基位置处的覆盖的数据;
识别要针对其而确定所述移动电信网络的覆盖的地上位置;
选择表示所述多个地基位置处的覆盖的数据的子集,其中所述子集包括表示所述移动电信网络在所述地基位置的子集处的覆盖的数据,并且其中选择所述子集包括依照所述地基位置相对于所识别的地上位置的位置来选择所述地基位置的子集;
将所识别的地上位置和表示地基位置处的覆盖的数据的所选择的子集的特性作为输入提供给预测模型,所述预测模型通过训练而被配置成依照表示所述移动电信网络在一个或多个地基位置处的覆盖的数据来确定移动电信网络在地上位置处的覆盖;以及
实现所述预测模型以依照所提供的输入来生成输出,其中所述模型的输出表示所述移动电信网络在所识别的地上位置处的覆盖。
2.如权利要求1所述的方法,其中依照所述地基位置相对于所识别的地上位置的位置来选择地基位置的子集包括:选择作为所述多个地基位置中与所识别的地上位置最近的N个的N个地基位置的子集,其中N是等于或大于1的整数。
3.如权利要求1或2所述的方法,其中依照所述地基位置相对于所识别的地上位置的位置来选择所述地基位置的子集包括:选择位于所识别的地上位置的距离阈值内的所有地基位置。
4.如任何前述权利要求所述的方法,其中表示所述移动电信网络在多个地基位置处的覆盖的数据基于在多个地基位置处作出的指示所述移动电信网络的覆盖的测量结果。
5.如任何前述权利要求所述的方法,其中所述预测模型是通过使用多个训练数据记录的监督训练来配置的,所述多个训练数据记录是从在地基位置和地上位置两者处作出的指示移动电信的覆盖的测量结果导出的。
6.如任何前述权利要求所述的方法,其中表示地基位置的子集处的覆盖的数据的所选择的子集包括所述地基位置的子集中的每个地基位置处的接收信号功率、接收信号质量和定时提前中的至少一个。
7.如任何前述权利要求所述的方法,其中表示所述多个地基位置处的覆盖的数据的所选择的子集包括表示由服务小区在所述地基位置的子集中的每个地基位置处提供的网络覆盖的数据。
8.如任何前述权利要求所述的方法,其中表示地基位置的子集处的覆盖的数据的所选择的子集包括表示由多个小区在所述地基位置的子集中的每个地基位置处提供的网络覆盖的数据。
9.如任何前述权利要求所述的方法,进一步包括:将至少一个进一步输入提供给所述预测模型,其中所述至少一个进一步输入基于所识别的地上位置的地理位置和/或所述地基位置的所选择的子集的地理位置。
10.如任何前述权利要求所述的方法,进一步包括:基于表示地基位置处的覆盖的数据的所选择的子集来执行特征工程,以确定对预测模型的至少一个进一步输入。
11.用于确定移动电信网络的地上覆盖的装置,所述装置包括:
一个或多个处理器;以及
存储器,存储:
预测模型,通过训练而被配置成依照表示所述移动电信网络在多个地基位置处的覆盖的数据来确定移动电信网络在地上位置处的覆盖;以及
指令,其在由所述一个或多个处理器执行时使所述装置:
接收表示所述移动电信网络在多个地基位置处的覆盖的数据;
识别要针对其而确定所述移动电信网络的覆盖的地上位置;
选择表示地基位置处的覆盖的数据的子集,其中所述子集包括表示所述移动电信网络在所述地基位置的子集处的覆盖的数据,并且其中选择所述子集包括依照所述地基位置相对于所识别的地上位置的位置来选择所述地基位置的子集;
将所识别的地上位置和表示地基位置处的覆盖的数据的所选择的子集的特性作为输入提供给所述预测模型;以及
实现所述预测模型以依照所提供的输入来生成输出,其中所述模型的输出表示所述移动电信网络在所识别的地上位置处的覆盖。
12.一种训练用于确定移动电信网络的地上覆盖的预测模型的计算机实现方法,所述方法包括:
接收表示所述移动电信网络在多个地基位置处的覆盖的数据;
接收表示所述移动电信网络在多个地上位置处的覆盖的数据;
对于所述多个地上位置中的每一个,依照所述地基位置相对于所述地上位置的位置来选择所述地基位置的子集;
形成多个训练数据记录,每个训练数据记录与地上位置相关联,且包括表示所述移动电信网络在所述地上位置处的覆盖的接收数据和表示移动电信在地基位置处的覆盖的数据的子集,其中数据的子集包括表示所述移动电信网络在针对所述地上位置而选择的地基位置的子集处的覆盖的数据;以及
使用所述多个训练数据记录来训练用于确定移动电信网络的地上覆盖的预测模型。
13.如权利要求12所述的方法,其中依照所述地基位置相对于地上位置的位置来选择地基位置的子集包括:选择作为所述多个地基位置中与所述地上位置最近的N个的N个地基位置的子集,其中N是等于或大于1的整数。
14.如权利要求12或13所述的方法,其中依照所述地基位置相对于所述地上位置的位置来选择所述地基位置的子集包括:选择位于所述地上位置的距离阈值内的所有地基位置。
15.如权利要求12-14中任一项所述的方法,其中表示所述移动电信网络在多个地基位置处的覆盖的数据基于在多个地基位置处作出的指示移动电信的覆盖的测量结果。
16.如权利要求12-15中任一项所述的方法,其中表示所述移动电信网络在多个地上位置处的覆盖的数据基于在多个地上位置处作出的指示移动电信的覆盖的测量结果。
17.如权利要求12-16中任一项所述的方法,其中表示所述多个地基位置处的覆盖的接收数据和/或表示所述多个地上位置处的覆盖的接收数据包括位置中的每一个处的接收信号功率、接收信号质量和定时提前中的至少一个。
18.如权利要求12-17中任一项所述的方法,其中表示所述多个地基位置处的覆盖的接收数据和/或表示所述多个地上位置处的覆盖的接收数据包括表示由服务小区在位置中的每一个处提供的网络覆盖的数据。
19.如权利要求12-18中任一项所述的方法,其中表示所述多个地基位置处的覆盖的接收数据和/或表示所述多个地上位置处的覆盖的接收数据包括表示由多个小区在位置中的每一个处提供的网络覆盖的数据。
20.如权利要求12-19中任一项所述的方法,其中所述多个训练记录中的至少一个训练记录进一步包括基于所述地上位置的地理位置和/或所述地基位置的所选择的子集的地理位置的至少一个特性。
21.如权利要求12-20中任一项所述的方法,进一步包括:基于表示地基位置处的覆盖的数据的所选择的子集来执行特征工程,以确定训练数据记录的至少一个进一步字段。
22.用于训练用于确定移动电信网络的地上覆盖的预测模型的装置,所述装置包括:
一个或多个处理器;以及
存储指令的存储器,所述指令在由所述一个或多个处理器执行时使所述装置:
接收表示所述移动电信网络在多个地基位置处的覆盖的数据;
接收表示所述移动电信网络在多个地上位置处的覆盖的数据;
对于所述多个地上位置中的每一个,依照所述地基位置相对于所述地上位置的位置来选择所述地基位置的子集;
形成多个训练数据记录,每个训练数据记录与地上位置相关联,且包括表示所述移动电信网络在所述地上位置处的覆盖的接收数据和表示移动电信在地基位置处的覆盖的数据的子集,其中数据的子集包括表示所述移动电信网络在针对所述地上位置而选择的地基位置的子集处的覆盖的数据;以及
使用所述多个训练数据记录来训练用于确定移动电信网络的地上覆盖的预测模型。
23.一种包括指令的计算机程序,所述指令在被执行时使如权利要求1-11或12-21中任一项所述的方法得以实现。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB2112080.3 | 2021-08-23 | ||
GB2112080.3A GB2610182A (en) | 2021-08-23 | 2021-08-23 | Methods and apparatus for determining above ground coverage of a mobile telecommunications network |
PCT/GB2022/052126 WO2023026024A2 (en) | 2021-08-23 | 2022-08-16 | Methods and apparatus for determining above ground coverage of a mobile telecommunications network |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117882419A true CN117882419A (zh) | 2024-04-12 |
Family
ID=77913990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280057819.4A Pending CN117882419A (zh) | 2021-08-23 | 2022-08-16 | 用于确定移动电信网络的地上覆盖的方法和装置 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN117882419A (zh) |
GB (1) | GB2610182A (zh) |
WO (1) | WO2023026024A2 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117615387B (zh) * | 2023-11-30 | 2024-05-03 | 亿海蓝(北京)数据技术股份公司 | 基站信号覆盖范围的确定方法、确定装置和电子设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9818303B2 (en) * | 2015-06-16 | 2017-11-14 | Verizon Patent And Licensing Inc. | Dynamic navigation of UAVs using three dimensional network coverage information |
US10431103B2 (en) * | 2017-04-11 | 2019-10-01 | T-Mobile Usa, Inc. | Three-dimensional network coverage modeling for UAVs |
EP3751756A1 (en) * | 2019-06-14 | 2020-12-16 | Dimetor GmbH | Apparatus and method for guiding unmanned aerial vehicles |
-
2021
- 2021-08-23 GB GB2112080.3A patent/GB2610182A/en active Pending
-
2022
- 2022-08-16 WO PCT/GB2022/052126 patent/WO2023026024A2/en active Application Filing
- 2022-08-16 CN CN202280057819.4A patent/CN117882419A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
GB2610182A (en) | 2023-03-01 |
GB202112080D0 (en) | 2021-10-06 |
WO2023026024A2 (en) | 2023-03-02 |
WO2023026024A3 (en) | 2023-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Air-to-air path loss prediction based on machine learning methods in urban environments | |
EP3751901B1 (en) | Apparatus and method for guiding unmanned aerial vehicles | |
EP3227707B1 (en) | Supporting positioning quality assurance | |
US9426044B2 (en) | Radio access network geographic information system with multiple format | |
US20160295547A1 (en) | Methods and systems of assigning estimated positions and attributes to wireless access points in a positioning system | |
US10976405B2 (en) | Method and system for geolocating a terminal of a wireless communication system | |
US20060199546A1 (en) | Electro-magnetic propagation modeling | |
US11044613B2 (en) | Method of processing image, computer-readable storage medium recording method, and apparatus for processing image | |
CN101621808B (zh) | 一种确定小区覆盖范围的方法和装置 | |
Hadiwardoyo et al. | 3D simulation modeling of UAV-to-car communications | |
CN117882419A (zh) | 用于确定移动电信网络的地上覆盖的方法和装置 | |
CN114828026A (zh) | 基站规划方法、装置、设备、存储介质及程序产品 | |
Zhang et al. | Large-scale cellular coverage simulation and analyses for follow-me UAV data relay | |
EP3751755B1 (en) | Apparatus and method for guiding unmanned aerial vehicles | |
Ahmed et al. | 3D simulation model for IoD-to-vehicles communication in IoD-assisted VANET | |
US20220095267A1 (en) | LINE OF SIGHT (LoS)/NON-LINE OF SIGHT (NLoS) POINT IDENTIFICATION IN WIRELESS COMMUNICATION NETWORKS USING ARTIFICIAL INTELLIGENCE | |
Tennekes et al. | Bayesian location estimation of mobile devices using a signal strength model | |
Kumbhar et al. | 3D Unmanned Aerial Vehicle Placement for Public Safety Communications | |
CN115022961B (zh) | 定位方法及设备 | |
WO2023187336A1 (en) | Methods and apparatus for determining a geographic location of an electronic device | |
Wieland et al. | Comparing Path Loss Prediction Methods for Low Altitude UAS Flights | |
Waheed et al. | DeepChannel: Robust Multimodal Outdoor Channel Model Prediction in LTE Networks Using Deep Learning | |
Kürner et al. | Propagation models for wireless network planning | |
US20240098509A1 (en) | Network expansion optimization | |
CN111433624B (zh) | 用于对占据特定地理位置的终端进行地理定位的方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |