CN118102322A - 跟踪区重规划方法、装置、设备和介质 - Google Patents

跟踪区重规划方法、装置、设备和介质 Download PDF

Info

Publication number
CN118102322A
CN118102322A CN202410162058.XA CN202410162058A CN118102322A CN 118102322 A CN118102322 A CN 118102322A CN 202410162058 A CN202410162058 A CN 202410162058A CN 118102322 A CN118102322 A CN 118102322A
Authority
CN
China
Prior art keywords
cell
tracking area
target
determining
measurement report
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
Application number
CN202410162058.XA
Other languages
English (en)
Inventor
沈保华
王建斌
厉家骏
吴松
张勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Telecom Corp Ltd
Original Assignee
China Telecom Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Telecom Corp Ltd filed Critical China Telecom Corp Ltd
Priority to CN202410162058.XA priority Critical patent/CN118102322A/zh
Publication of CN118102322A publication Critical patent/CN118102322A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请提供了一种跟踪区重规划方法、装置、设备和介质，属于通信技术领域，该方法包括：确定各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区，所述测量报告包括用户终端测量到的主服务小区的信息和相邻小区的信息；对于每个所述主服务小区，确定所述主服务小区所关联的测量报告中第一测量报告的第一数量占比，所述第一测量报告为所关联的相邻小区与所关联的主服务小区所属的跟踪区不同的测量报告；将第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区确定为各个目标小区，并对所述各个目标小区重新规划跟踪区。

Description

跟踪区重规划方法、装置、设备和介质
技术领域
本申请涉及通信技术领域，特别是涉及一种跟踪区重规划方法、装置、设备和介质。
背景技术
随着网络的不断建设和用户的发展，原有的跟踪区规划将随着时间的推移渐渐不再适应当前的网络环境，此时需要对跟踪区进行重新规划，以对设置不合理的跟踪区进行调整。
相关技术中，主要依据跟踪区更新次数或异频占比来评判跟踪区的边界合理性，进而找到所需进行重规划的跟踪区并以此为指导进行重规划，但上述方式易受网络侧寻呼策略或组网网络结构的影响，难以准确评判跟踪区的边界合理性，进而影响跟踪区的重规划效果。
发明内容
鉴于上述问题，本申请实施例提供了一种跟踪区重规划方法、装置、设备和介质，以便克服上述问题或者至少部分地解决上述问题。
本申请实施例的第一方面，提供了一种跟踪区重规划方法，所述方法包括：
确定各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区，所述测量报告包括用户终端测量到的主服务小区的信息和相邻小区的信息；
对于每个所述主服务小区，确定所述主服务小区所关联的测量报告中第一测量报告的第一数量占比，所述第一测量报告为所关联的相邻小区与所关联的主服务小区所属的跟踪区不同的测量报告；
将第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区确定为各个目标小区，并对所述各个目标小区重新规划跟踪区。
本申请实施例的第二方面，提供了一种跟踪区重规划装置，所述装置包括：
第一处理模块，用于确定各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区，所述测量报告包括用户终端测量到的主服务小区的信息和相邻小区的信息；
第二处理模块，用于对于每个所述主服务小区，确定所述主服务小区所关联的测量报告中第一测量报告的第一数量占比，所述第一测量报告为所关联的相邻小区与所关联的主服务小区所属的跟踪区不同的测量报告；
第一重规划模块，用于将第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区确定为各个目标小区，并对所述各个目标小区重新规划跟踪区。
本申请实施例的第三方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的跟踪区重规划方法的步骤。
本申请实施例的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现如第一方面所述的跟踪区重规划方法的步骤。
本申请实施例包括以下优点：利用测量报告合理确定小区所属跟踪区，并通过引入第一数量占比以对主服务小区与周边其他跟踪区的交互频度实现衡量，该第一数量占比越大则表示该主服务小区越容易和周边其他跟踪区出现跟踪区切换等交互，该主服务小区也就越可能存在跟踪区边界异常问题，故通过将第一数量占比与第一设定值进行比较，即可对跟踪区的边界合理性实现评判，进而找到所需进行重规划的目标小区，整个评判过程不受网络侧寻呼策略或组网网络结构的影响，具有更高的准确性，从而能够改善跟踪区的重规划效果，减少频繁更新跟踪区、寻呼失败等情况的发生。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例中的一种跟踪区重规划方法的实施流程图；
图2是本申请实施例中的一种跟踪区重规划方法的实现过程的示意图；
图3是本申请实施例中的一种小区跨TAC栅格的示意图；
图4是本申请实施例中的一种目标小区的确定过程的示意图；
图5是本申请实施例中的一种栅格地理化呈现的示意图；
图6是本申请实施例中的一种基于KNN的跟踪区重规划过程的示意图；
图7是本申请实施例中的一种K个近邻的示意图；
图8是本申请实施例中的一种实施前后RRC建立请求次数的对比示意图；
图9是本申请实施例中的一种跟踪区重规划装置的结构示意图；
图10是本申请实施例中的一种电子设备的示意图；
图11是本申请实施例中的一种跟踪区重规划系统的组成示意图；
图12是本申请实施例中的一种跟踪区重规划系统的设备结构示意图；
图13是本申请实施例中的一种跟踪区重规划系统的软件集成模块示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
首先，为了便于理解本申请实施例提供的跟踪区重规划方案，现对如下内容进行介绍。
1、跟踪区(Tracking Area，TA)
TA为第四代移动通信技术(the 4th Generation mobile communicationtechnology，4G)系统或第五代移动通信技术(the 5th Generation mobilecommunication technology，5G)系统为用户终端的位置管理新设立的概念，其为用来进行寻呼和位置更新的区域，类似于第二代手机通信技术规格(2-Generation wirelesstelephone technology，2G)系统或第三代移动通信技术(3rd-Generation，3G)系统中的位置区码(Location Area Code，LAC)。
核心网络能够知道处于空闲状态的用户终端所在的跟踪区，且当处于空闲状态的用户终端需要被寻呼时，核心网络必须在其所注册的跟踪区的所有小区进行寻呼，其中，TA可以包含一个或多个4G小区或5G小区。
2、跟踪区码(Tracking Area Code，TAC)
TAC用于唯一标识公共陆地移动网(Public Land Mobile Network，PLMN)内的跟踪区。
3、跟踪区标识(Tracking Area Identity，TAI)
TAI由PLMN及跟踪区码TAC组成，用于在全球范围内唯一标识跟踪区。
4、测量报告(Measurement Report，MR)
测量报告是用户终端在业务过程中，按一定规律向网络发送的测量数据，这些数据主要包括用户终端测量到的无线链路相关信息，如信号强度、位置信息等，可用于无线网络的评估和优化。
5、最近邻(K-Nearest Neighbors，KNN)
最近邻算法是分类算法的一种，可用于将数据进行分类。其核心思想是：如果一个样本在特征空间中的K个最相邻的样本中的大多数均属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。
最近邻算法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别，即KNN主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分类样本集来说，KNN较其他方法更为适合。
6、跟踪区更新(Tracking Area Update，TAU)
跟踪区更新是用户终端变更跟踪区后的一种信令通知方式，用于向网络通知用户终端的位置变化和当前所处的跟踪区，以便后续网络能够寻呼到用户。
在蜂窝移动通信无线网络中，会按一定地理范围划分跟踪区，并通过TAC进行标识，其中，一个跟踪区可以包含一个或多个蜂窝移动小区。移动通信网络通过在跟踪区范围内广播寻呼消息来寻呼移动用户，跟踪区作为网络寻呼的基本范围，当用户终端(UserEquipment，UE)从一个跟踪区进入另一个跟踪区时，需要在新的跟踪区上重新进行位置登记，以通知网络更改它所存储的用户终端位置信息，这个过程被称为跟踪区更新。
7、跟踪区列表(Tracking Area List，TAL)
4G或5G移动通信网络引入了跟踪区列表概念，一个TAL内包含多个TA，用户终端在当前TAL所包含TA内移动时，不需要执行TA更新，当用户终端移动至当前TAL未包含的TA时，才执行TA更新。
例如，UE当前属于TAL1，TAL1包含TA1、TA2和TA3。当用户在TA1、TA2和TA3内进行移动的时候，无需执行TAU(即无需执行TA更新)；当用户终端移动到TA4后，由于TA4不属于TAL1，所以终端会执行TAU。当UE执行TAU成功后，UE属于TAL2，即UE属于TAL2所包含的TA2、TA3和TA4。
TAL是在用户终端附着、TAU(TA更新)或者全球唯一临时用户终端标识(GloballyUnique Temporary Identity，GUTI)重分配过程中，由核心网分配给用户终端。用户可以在这个列表内所有TA的小区间自由移动，而不用再让核心网更新其对应位置信息，由此可以减少TAC边界的终端移动所带来的信令开销。
可以理解的是，若用户上次驻留的TA在用户当前所处TAL的范围之外，通过将该上次驻留的TA添加到TAL，能够减少用户在TAL边界活动时可能导致的频繁TAU；但TAL所包含TA的增多，也会相应扩大对空闲态用户的寻呼范围，这可能会增加核心网及无线设备的寻呼开销。因此，TAL中TA的数目不宜过多。
跟踪区的设置是4G或5G移动通信网络规划和优化的重点和难点，一方面，如果跟踪区设置过大，则可能导致寻呼消息排队时间过长，甚至引起寻呼信道拥塞、寻呼消息滞后，使得寻呼消息不能及时到达用户甚至被丢弃，从而严重影响用户体验，同时也降低了网络资源的使用效率；另一方面，如果跟踪区域设置过小，当用户处于移动状态时，会存在较大概率无法接收到寻呼消息，从而严重影响业务可靠性和用户体验，并且，跟踪区域设置过小还可能会导致用户终端位置更新频繁，进而导致网络负荷加重、以及用户终端能耗增加等问题。
随着网络的不断建设和用户的发展，原有的跟踪区规划将随着时间的推移渐渐不再适应当前的网络环境，如部分基站小区会出现跟踪区边界异常问题，造成跟踪区边界周边用户频繁TAU，甚至寻呼失败，此时需找出这部分基站小区并对其重新规划跟踪区，以减少跟踪区边界的周边用户频繁TAU或寻呼失败等情况的发生。
此外，随着业务的增长和站点的增加，部分跟踪区的负荷随之增长，到一定阶段可能需要进行跟踪区分裂，将涉及到的分裂的跟踪区中所有小区进行跟踪区重规划，因此，如何准确找到存在边界异常问题的小区、以及如何对小区实现合理的跟踪区重规划，是亟需解决的问题。
目前的跟踪区规划优化主要由以下方法实现：
1、基于地理化工具(Geographic Information System)，结合现网站点规模、位置、性能指标和地物特征进行一次性的规划设计，新入网站点则以就近原则纳入到附近的已规划TA。
2、提取跟踪区TAU更新数据，将TAU次数进行栅格量化，以定位高业务量高TAU次数的栅格内高TAU次数的基站，将该基站作为中心基站，并将预定距离范围内的基站按照预定梯度分段划分，获得每个分段的初始TAC边界，再分别比较每一分段内新TAC边界相对于初始TAC边界新增的栅格总业务量，以总业务量最小的分段内的新TAC边界作为最优TAC边界。
3、根据MR的异频测量数据获取各小区在异频测量中的次数占比，对占比高的小区模拟多次分配TAC，计算各小区每次分配TAC后对归属于其他TAC的小区的相互干扰系数，将干扰系数最大的小区作为异TAC强干扰小区，并统计每次分配TAC后该小区的异TAC强干扰小区数量，选择干扰小区数量最少的TA作为目标TAC。
对于方法1，其采用一次性规划设计，且根据就近原则对新入网站点设置跟踪区，未考虑小区的真实覆盖范围、以及与周边小区的重叠覆盖情况，随着时间的改变和站点规模的变化、以及受到规划人员规划经验欠缺等个体因素影响，可能会导致被规划区域出现多TAC边界增加、部分TA跟踪区负荷大量增加、TAC插花等情况。
对于方法2，当网络侧寻呼策略为TAL时，相对于不采用TAL策略，TAC边界的用户TAU次数会大量减少，且当TAL的TA数量越多，TA变更的TAU次数减少幅度越大，因此基于TAU难以准确评判跟踪区的边界合理性，进而也难以为跟踪区重规划中边界异常问题小区的选择、以及重规划是否合理的评估提供可靠的指导。
对于方法3，其需要基于MR异频测量数据统计的异频占比来选择待优化小区，在单频组网的网络结构或者零星不连片的多频组网的网络结构下难以正常实现。
针对上述相关技术中存在的问题，本申请实施例提出一种跟踪区重规划方案，利用测量报告合理确定小区所属跟踪区，并通过引入第一数量占比以对主服务小区与周边其他跟踪区的交互频度实现衡量，通过将第一数量占比与第一设定值进行比较，即可对跟踪区的边界合理性实现评判，进而找到所需进行重规划的目标小区，整个评判过程不受网络侧寻呼策略或组网网络结构的影响，具有更高的准确性，从而能够改善跟踪区的重规划效果，减少频繁TAU、寻呼失败等情况的发生。
下面结合附图，通过一些实施例及其应用场景对本申请实施例提供的跟踪区重规划方法、装置、设备和介质进行详细地说明。
第一方面，参照图1所示，为本申请实施例所提供的一种跟踪区重规划方法的实施流程图，该方法可以包括以下步骤：
步骤S11：确定各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区。
其中，所述测量报告包括用户终端测量到的主服务小区的信息和相邻小区的信息。
在具体实施时，可以对设定的地理区域范围内(如所需进行跟踪区分裂的各个小区所在的地理区域范围内)的各个用户终端上报的各个MR进行采集，通过对各个MR各自所包含的信息进行分析，以确定每个MR所测量的主服务小区和相邻小区，进而将该主服务小区和相邻小区各自所属的跟踪区，作为相应MR所关联的主服务小区和相邻小区各自所属的跟踪区。
需要说明的是，上述测量报告所关联的主服务小区可以为该测量报告上报时服务于用户终端的蜂窝移动小区，也可以为该测量报告上报时服务于用户终端的物理站点(如基站)所包含的所有蜂窝移动小区的集合。
步骤S12：对于每个所述主服务小区，确定所述主服务小区所关联的测量报告中第一测量报告的第一数量占比。
其中，所述第一测量报告为所关联的相邻小区与所关联的主服务小区所属的跟踪区不同的测量报告。
在具体实施时，对于某个主服务小区，从上述各个测量报告中筛选出所包含的主服务小区的信息(如小区标识)与该主服务小区相匹配的多个测量报告，将该多个测量报告的数量记为n1，再从该多个测量报告中筛选出关联两个及其以上跟踪区(即包含多个跟踪区所属小区的信息)的测量报告，将这部分测量报告作为第一测量报告，并将第一测量报告的数量记为n2，则该主服务小区所关联的第一测量报告的第一数量占比为(n2/n1)。
步骤S13：将第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区确定为各个目标小区，并对所述各个目标小区重新规划跟踪区。
在具体实施时，该第一设定值可以根据实际需求灵活设置，如可以设置为5％。在确定出各个目标小区之后，即可依据个人经验结合性能指标、业务量等信息，有针对性地对各个存在跟踪区边界异常问题的目标小区重新规划跟踪区，以便实现更加合理的跟踪区重规划。
采用本申请实施例的技术方案，利用测量报告合理确定小区所属跟踪区，并通过引入第一数量占比以对主服务小区与周边其他跟踪区的交互频度实现衡量，该第一数量占比越大则表示该主服务小区越容易和周边其他跟踪区出现跟踪区切换等交互，该主服务小区也就越可能存在跟踪区边界异常问题，故通过将第一数量占比与第一设定值进行比较，即可对跟踪区的边界合理性实现评判，进而找到所需进行重规划的目标小区，整个评判过程不受网络侧寻呼策略或组网网络结构的影响，具有更高的准确性，从而能够改善跟踪区的重规划效果，减少频繁更新跟踪区、寻呼失败等情况的发生。
作为一种可能的实施方式，所述确定各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区，包括：
将各个基站的站点配置数据与所述各个测量报告进行匹配，得到所述各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区；
其中，所述站点配置数据包括所述基站中的各个小区的信息和所述各个小区各自所属的跟踪区的信息。
在具体实施时，预先对各个基站采集包含基站名称、基站标识、小区名称、小区标识和跟踪区等信息的站点配置数据，再根据采集到的测量报告所包含的主服务小区和相邻小区的基站标识和小区标识等信息，从各个站点配置数据中找到与该测量报告包含相同基站标识或小区标识等信息的站点配置数据(即找到相匹配的测量报告)。根据该相匹配的站点配置数据所包含的跟踪区等信息，即可确定该测量报告所关联的主服务小区和相邻小区所属的跟踪区。
作为一种可能的实施方式，在所述确定各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区之前，所述方法还包括：
对于每个所述测量报告，将参考信号接收功率低于设置的功率阈值的相邻小区的信息从所述测量报告中去除。
在具体实施时，由于测量报告中参考信号接收功率较低(即信号较弱)的相邻小区的信息具有较大概率出现信息错误，故将测量报告中参考信号接收功率较低的相邻小区的信息预先从测量报告中去除，可以避免这类信号较弱的相邻小区的信息因存在信息错误，而影响后续的跟踪区边界合理性评判的准确性，由此可以提高边界异常识别准确度和运算效率。
可选地，在一个实施例中，通过以下步骤对单个所述目标小区重新规划跟踪区：
从单个所述目标小区的相邻小区中确定出各个目标近邻；
根据所述各个目标近邻各自的第一指标参数，确定所述各个目标近邻所属的各个跟踪区各自对应的预测分类概率；
根据所述各个跟踪区各自对应的预测分类概率，从所述各个跟踪区中确定出目标跟踪区；
将单个所述目标小区所属的跟踪区调整为所述目标跟踪区；
其中，所述第一指标参数包括以下至少一项：
与单个所述目标小区之间的距离；
覆盖电平；
所关联的测量报告在单个所述目标小区所关联的测量报告中的数量占比。
在具体实施时，可以将属于同一跟踪区的各个目标近邻的第一指标参数的加权和，确定为该跟踪区对应的预测分类概率，并将预测分类概率最大的跟踪区确定为目标跟踪区。
通过将目标近邻与单个目标小区之间的距离作为第一指标参数，以提高离目标小区较近的跟踪区所对应的预测分类概率(即上述距离与预测分类概率负相关)，由此使得目标小区能够有更大概率被调整至距离更近的跟踪区，可以减少TAC插花等情况；将覆盖电平作为第一指标参数，以提高覆盖电平较大(即信号强度较大)的跟踪区所对应的预测分类概率(即上述覆盖电平与预测分类概率正相关)，由此使得目标小区能够有更大概率被调整至信号强度较大(即更容易被用户感知到)的跟踪区；通过将所关联的测量报告在目标小区所关联的测量报告中的数量占比作为第一指标参数，以提高在目标小区所关联的MR中出现次数较多的跟踪区所对应的预测分类概率(即上述数量占比与预测分类概率正相关)，由此使得目标小区能够有更大概率被调整至在本小区内出现次数较多(即被更多用户实际感知到)的跟踪区。
作为一种可能的实施方式，所述从单个所述目标小区的相邻小区中确定出各个目标近邻，包括：
对于单个所述目标小区的每个相邻小区，确定单个所述目标小区所关联的测量报告中所述相邻小区所关联的测量报告的第二数量占比；
将第二数量占比大于第二设定值的各个所述相邻小区确定为所述各个目标近邻。
在具体实施时，该第二设定值根据实际需求灵活设置，如可以设置为1％。对于某个目标小区，将以该目标小区为主服务小区的多个测量报告的数量记为n3，再对于该目标小区的某个相邻小区，将该多个测量报告中包含该相邻小区的信息的测量报告的数量记为n4，则该相邻小区所关联的第二数量占比为(n4/n3)。
在确定出该目标小区的每个相邻小区所关联的第二数量占比之后，将第二数量占比大于第二设定值的每个相邻小区分别确定为目标近邻，随后可以仅针对确定出的目标近邻进行预测分类概率的确定等计算操作，由此可以减少计算开销，提高运算效率；且通过引入第二数量占比来筛选目标近邻，使得目标小区内采样数据占比(即实际覆盖率)较大的相邻小区有更大概率作为目标近邻，由此可以提升确定出的目标跟踪区的合理性。
作为一种可能的实施方式，所述根据所述各个目标近邻各自的第一指标参数，确定所述各个目标近邻所属的各个跟踪区各自对应的预测分类概率，包括：
根据所述各个目标近邻各自的第一指标参数、以及设置的权重参数，确定所述各个目标近邻所属的各个跟踪区各自对应的预测分类概率；
在所述根据所述各个跟踪区各自对应的预测分类概率，从所述各个跟踪区中确定出目标跟踪区之后，所述方法还包括：
在所述各个测量报告中将单个所述目标小区所属的跟踪区修改为所述目标跟踪区；
根据修改后的所述各个测量报告，预测单个所述目标小区的跟踪区规划优化情况；
根据预测的所述跟踪区规划优化情况，对所述权重参数进行调整。
在具体实施时，可以对不同类型的第一指标参数或不同的目标近邻分别设置对应的权重参数，根据该设置的权重参数，对每个跟踪区所属的各个目标近邻各自的各个第一指标参数分别确定加权和，得到各个跟踪区各自对应的预测分类概率。
在根据上述得到的预测分类概率确定出目标小区的跟踪区规划建议(即目标跟踪区)之后，在之前获取的各个测量报告中，将该目标小区所属的跟踪区修改为目标跟踪区。根据修改后的各个测量报告，确定第一数量占比、下述第三数量占比等能够评判跟踪区的边界合理性的相关参数，由此预测得到跟踪区规划优化情况，再根据该跟踪区规划优化情况对设置的权重参数进行合理调整，以提高确定出的跟踪区规划建议的合理性，从而进一步改善重规划效果。
作为一种可能的实施方式，所述将单个所述目标小区所属的跟踪区调整为所述目标跟踪区，包括：
生成用于在单个所述目标小区所关联的站点配置数据中将单个所述目标小区所属的跟踪区修改为所述目标跟踪区的目标脚本；
将所述目标脚本经过南向接口发送至网管设备，以使所述网管设备通过所述目标脚本将单个所述目标小区所属的跟踪区调整为所述目标跟踪区。
在具体实施时，在得到目标小区的跟踪区规划建议之后，确定该目标小区所关联的站点配置数据，并生成用于对该站点配置数据中目标小区所属的跟踪区进行修改的目标脚本，将该目标脚本经过南向接口发送给网管设备自动完成修改，接收网管设备返回的修改结果，由此实现对网络的自动管理、维护和更新。
可选地，在一个实施例中，所述将第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区确定为各个目标小区，并对所述各个目标小区重新规划跟踪区，包括：
根据所述各个测量报告，确定各个第一小区所覆盖的地理区域中各个栅格各自所关联的主服务小区，所述各个第一小区包括第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的各个主服务小区；
对于每个所述第一小区，确定所述第一小区所覆盖的栅格中第一栅格的第三数量占比，所述第一栅格包括所关联的各个主服务小区属于多个跟踪区的栅格；
将第三数量占比大于第三设定值的每个所述第一小区分别确定为所述目标小区，并对确定出的目标小区重新规划跟踪区。
在具体实施时，将之前得到的各个MR按栅格进行汇聚，对与周边其他跟踪区的交互频度较高的小区(即第一小区)，找到该第一小区所覆盖的地理区域范围内的各个栅格，将该各个栅格的数量记为n5，并将该各个栅格中存在跨跟踪区情况的栅格(即第一栅格)的数量记为n6，则该第一小区的第三数量占比为(n6/n5)。
在该实施例中，通过引入第三数量占比，对小区可能存在TAU的覆盖面积实现了量化，通过将第三数量占比与第三设定值进行比较，即可进一步对各个第一小区的跟踪区边界合理性实现评判，由此可以提高对待规划区域内各小区的跟踪区边界合理性评判的可靠性，从而能够更加准确地找到所需进行重规划的目标小区。
作为一种可能的实施方式，所述对于每个所述第一小区，确定所述第一小区所覆盖的栅格中第一栅格的第三数量占比，包括：
对于每个所述第一小区，确定所述第一小区所覆盖的第二栅格中第一栅格的第三数量占比；
其中，所述第二栅格包括第四数量占比大于第四设定值的栅格，所述第四数量占比为：所述栅格所关联的以所述第一小区为主服务小区的测量报告，在所述第一小区所覆盖的所有栅格所关联的以所述第一小区为主服务小区的测量报告中的数量占比。
在具体实施时，第四设定值根据实际需求灵活设置，如可以设置为1％。根据该第四设定值，对第一小区所覆盖的栅格中该第一小区所关联的MR采样数量占比较少(其通常为小区覆盖边缘的栅格，所关联MR的信息可靠性较低)进行过滤，得到该第一小区的有效覆盖栅格(即第二栅格)，基于存在跨跟踪区情况的栅格(即第一栅格)在该有效覆盖栅格中第三数量占比，能够更加准确地找到所需进行重规划(即存在跟踪区边界异常问题)的目标小区。
示例性地，上述第四数量占比可以通过以下公式确定：
其中，GridMRNum_Ratio表示第四数量占比；CellMRNumi表示第一小区的第i个栅格中以该小区为主服务小区Scell的MR数量；表示该第一小区的所有栅格中以该小区为主服务小区Scell的MR数量之和，CellMRNumj表示第一小区的第j个栅格中以该小区为主服务小区Scell的MR数量，n表示该第一小区的所有栅格的数量。
作为一种可能的实施方式，所述将第三数量占比大于第三设定值的每个所述第一小区分别确定为所述目标小区，并对确定出的目标小区重新规划跟踪区，包括：
将所覆盖的第二栅格的数量大于设置的数量阈值的每个第二小区分别确定为所述目标小区，并对确定出的目标小区重新规划跟踪区；
其中，所述第二小区为第三数量占比大于第三设定值的所述第一小区。
在具体实施时，上述数量阈值根据实际需求灵活设置，如可以设置为10。将包含较多有效覆盖栅格(即第二栅格)的第二小区作为目标小区，可以保证确定出的所需进行重规划(即存在跟踪区边界异常问题)的目标小区的准确性，减少误判。对于含较少有效覆盖栅格的第二小区，可以对该小区重新采集MR后，再进行基于第一数量占比和第三数量占比的跟踪区边界合理性评判。
可选地，在一个实施例中，所述将第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区确定为各个目标小区，并对所述各个目标小区重新规划跟踪区，包括：
根据所述各个目标小区各自的第二指标参数、以及所述第二指标参数所对应的使用优先级，确定所述各个目标小区各自的规划优先级；
根据所述各个目标小区各自的规划优先级，对所述各个目标小区重新规划跟踪区；
其中，所述第二指标参数包括以下至少一项：
所覆盖的栅格中所关联的各个主服务小区属于多个跟踪区的栅格的数量占比；
相邻小区所属的跟踪区中与所述目标小区所属的跟踪区不同的跟踪区的数量；
所述第一数量占比。
在具体实施时，可以对所覆盖的栅格中所关联的各个主服务小区属于多个跟踪区的栅格的数量占比(即上述第三数量占比)、相邻小区所属的跟踪区中与所述目标小区所属的跟踪区不同的跟踪区的数量、以及第一数量占比设置由高到低的使用优先级。随后，会先根据第三数量占比，确定各个目标小区各自的规划优先级，在存在相同规划优先级的目标小区的情况下，则采样下一使用优先级(即相邻小区所属的跟踪区中与所述目标小区所属的跟踪区不同的跟踪区的数量)，重新确定该相同规划优先级的目标小区各自的规划优先级，由此在后续按照规划优先级由高到低的顺序对目标小区调整跟踪区时，可以避免相同规划优先级小区的调整顺序冲突，由此保证跟踪区重规划的正常执行。
可选地，在一个实施例中，在所述确定各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区之后，所述方法还包括：
根据所述各个测量报告，确定各个所述主服务小区所覆盖的地理区域中各个栅格各自所关联的主服务小区；
根据所述各个栅格各自所关联的主服务小区所属的跟踪区的数量，对所述各个栅格进行地理化呈现；
所述将第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区确定为各个目标小区，包括：
根据地理化呈现后的各个栅格，从第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区中，确定出所述各个目标小区。
在具体实施时，可以将所关联的主服务小区所属的跟踪区的数量大于1(即存在跨跟踪区情况)的栅格在地图上进行标注，由此地理化呈现存在跟踪区边界异常问题的具体位置区域。用户根据该地理化呈现的具体位置区域，可以很方便地对该第一数量占比大于第一设定值的各个第一测量报告各自所关联的主服务小区进行筛选，以更加准确地得到跟踪区设置不合理的目标小区。
在进行地理化呈现时，还可以根据栅格中出现的不同跟踪区的数目、各不同跟踪区的数量占比等进行热力图渲染，以便辅助用户判断跟踪区设置不合理的小区。
参照图2，示出了本申请实施例提供的一种跟踪区重规划方法的实现过程的示意图，该实现过程包括以下步骤：
(1)对待规划区域采集工程参数、测量报告、性能数据和站点配置数据等数据。
在该步骤中，可以对待规划区域中的MR进行收集，并对该待规划区域中的各个基站采集基站名称、基站标识、小区名称、小区标识、跟踪区等站点配置数据、基站标识、小区标识、经度、纬度、高度、方位角、场景等工程参数、以及接入性能指标、基站中央处理器(Central Processing Unit，CPU)负荷等性能数据，以便后续进行小区所属跟踪区的确定、地理化定位和栅格化、以及跟踪区重规划前后网络寻呼性能、基站负荷等的优化情况评估等操作。
其中，上述接入性能指标可以包含寻呼性能、话务量、无线资源控制(RadioResource Control，RRC)连接等可用于描述网络寻呼性能的指标；上述MR可以包括相邻小区和主服务小区的基站标识、小区标识、频点、物理小区标识(Physical Cell Identifier，PCI)、参考信号接收功率(Reference Signal Received Power，RSRP)、时间提前量(Timeing Advance，Tadv)、以及用户终端上报的带有经纬度信息的最小路测(Minimization of Drive Tests，MDT)等字段信息。
(2)对采集到的数据进行MR数据清洗、地理化定位和栅格化、确定小区所属跟踪区等数据预处理。
在该步骤中，首先将MR中RSRP低于-110分贝毫瓦(dBm)的相邻小区的信息过滤掉，由此实现MR数据清洗。再根据MR中上报的主服务小区和相邻小区的小区标识、覆盖电平(如RSRP)等信息，结合站点配置数据，将主服务小区和相邻小区的所属TAC关联出来，得到如下表1所示的信息。
表1关联TAC后的MR中的部分信息字段示例。
在表1中，Scell、Ncell可以由相关基站标识与小区标识的组合分别进行表示；用户测量报告上报位置(Longitude1和Latitude1)可以由MR中的MDT确定，或者结合工程参数通过地理化算法进行定位得到。
随后，按照MR所关联的主服务小区，对关联TAC后的各个MR分别进行栅格化，得到单小区栅格级信息字段，如下表2所示。
表2某小区的栅格级信息字段示例。
(3)根据预处理后的数据，从待规划区域中的各个小区中筛选出目标小区。
在该步骤中，可以先对待规划区域中的各个小区进行越区覆盖和过覆盖的评估，将存在明显过覆盖、越区覆盖的小区进行优化后再基于MR进行跟踪区重规划，以提高处理效率。
在完成上述初始优化后，找出所关联主服务小区和所关联相邻小区的TAC不一致的MR(即第一测量报告)。对于每个主服务小区，确定该主服务小区所关联的第一测量报告的数量与该主服务小区所有的MR数量之间的比值，得到MR异TAC占比(即第一数量占比)，将MR异TAC占比大于5％的主服务小区作为待规划的TAC边界小区。
在确定出待规划的TAC边界小区的情况下，可以进一步找出所关联MR中出现了多个不同TAC的相邻小区的主服务小区，将找出的该各个主服务小区的栅格进行地理化呈现，以辅助目标小区的确定。
参照图3所示的小区跨TAC栅格的示意图，小区1(TAC＝4923136)的栅格(或有效覆盖栅格)，与小区2(TAC＝4923392)的栅格，会形成存在2个不同TAC小区覆盖的重叠栅格。类似地，小区1的栅格也会与小区3、小区4、小区5等小区的栅格形成重叠覆盖的栅格，将这些重叠栅格都列为小区1的单小区MR跨TAC的栅格(即第一栅格)，通过该栅格的数量与该小区1所有栅格的数量占比(即第三数量占比)，可以知晓小区1可能存在TAU更新的覆盖面积大小，由此可以将待规划的TAC边界小区中该占比高的小区作为目标小区。
示例性地，参照如图4所示的目标小区的确定过程的示意图，该确定过程报告以下步骤：
步骤S301：计算每个主服务小区中属于某一跟踪区的相邻小区的出现次数占所有相邻小区出现次数的比例。
在该步骤中，基于上表1，首先按照以下公式确定每个主服务小区中属于某一跟踪区的相邻小区的出现次数占所有相邻小区出现次数的比例：
其中，表示主服务小区Scell中关联第i个跟踪区码N_TAC(i)的相邻小区的出现次数占所有相邻小区出现次数的比例；∑(Count_Ncell)表示主服务小区Scell的MR中关联该第i个跟踪区码的相邻小区的出现次数；M表示主服务小区Scell中所有相邻小区的出现总次数。
需要说明的是，上述出现次数是指在主服务小区所关联MR中的出现次数(或被测量到的次数)；上述比例在一定程度上代表了当前主服务小区与周边某个TAC边界的亲密度。
将表1与上述得到的出现次数占比等信息进行汇聚，可以得到包含如下信息字段的表格3。
表3包含出现次数占比的汇聚后信息字段示例。
步骤S302：根据每个主服务小区中属于某一跟踪区的相邻小区的出现次数占所有相邻小区出现次数的比例，确定每个主服务小区的MR异TAC占比。
在该步骤中，可以根据每个主服务小区中属于某一跟踪区的相邻小区的出现次数占所有相邻小区出现次数的比例，将主服务小区Scell邻区中TAC与服务小区TAC不一致的邻区出现次数总占比确定为该主服务小区的MR异TAC占比。
可选地，上述MR异TAC占比可以通过以下公式确定：
ψ＝1-∑(Count_Ncell_SameTac)/M
其中，ψ表示MR异TAC占比；∑(Count_Ncell_SameTac)表示主服务小区MR中与主服务小区TAC一致的相邻小区的出现次数；M表示主服务小区MR中所有相邻小区的出现次数。
可以理解的是，上述MR异TAC占比可以在一定程度上表征当前主服务小区与周边其他TAC的交互频度，其值越接近1，代表该主服务小区越容易和周边TAC的小区有切换、TAU更新等交互。
步骤S303：以小区维度统计主服务小区Scell中相邻跟踪区数量和MR异TAC占比。
在该步骤中，可以根据表3，剔除N_TAC占比φ低于一定门限(如1％)的相邻小区所属跟踪区码，再确定相邻小区中所属TAC出现了多少个与服务小区不同的TAC，由此得到主服务小区Scell中相邻跟踪区数量。
上述主服务小区Scell中相邻跟踪区数量可以通过以下公式确定：
N_tac_num(Scell)＝|{N_TAC|Ncell(j)∈Ncell,S_TAC≠N_TAC}|
其中，该公式的含义是：对于主服务小区Scell和其相邻小区集合Ncell中的第j个相邻小区Ncell(j)，如果该相邻小区的TAC不等于服务小区Scell的TAC，则将该相邻小区的TAC加入一个集合中，最终返回该集合的元素数量，也即是返回主服务小区Scell中相邻跟踪区数量N_tac_num(Scell)；S_TAC表示主服务小区的TAC；N_TAC表示相邻小区的TAC；符号“|”表示集合中元素的数量，即集合的基数。
以小区维度统计主服务小区Scell中相邻跟踪区数量和MR异TAC占比，得到下表4所示的信息字段。
表4包含主服务小区Scell中相邻跟踪区数量和MR异TAC占比的信息字段示例。
步骤S304：根据小区级MR栅格，过滤小区覆盖边缘低MR数的栅格，并保留采样点占比＞1％的有效覆盖栅格。
在该步骤中，基于过滤后的有效覆盖栅格(即采样点占比(第四数量占比)＞1％的栅格)，对之前得到的单小区栅格级信息字段进行过滤，过滤后的信息字段如下表5所示。再确定单小区MR跨TAC的有效覆盖栅格数与该小区的所有有效覆盖栅格数的占比(即第三数量占比)，其反馈了小区可能存在TAU更新的覆盖面积大小，并将该占比高的小区列为优先待规划优化小区。
表5过滤后的某小区的栅格级信息字段示例。
步骤S305：统计各有效覆盖栅格中TAC数量，并进行地理化呈现。
在该步骤中，按照GridID对过滤后的单小区栅格级信息字段进行汇聚，得到包含各栅格的栅格TAC数TAC_Count的信息字段，如表6所示。
表6包含各栅格的栅格TAC数TAC_Count的信息字段示例。
栅格标识 栅格中心经度 栅格中心纬度 栅格TAC数
GridID Longitude2 Latitude2 TAC_Count
在得到TAC_Count之后，即可在地理信息系统(Geographic Information System，GIS)地图上根据TAC_Count对栅格进行地理化呈现。如图5所示的栅格地理化呈现的示意图，按TAC数量在地图上对栅格所覆盖区域采用不同颜色进行渲染以呈现TAC边界，可直观看到TAC边界的重叠覆盖面(即TAC_Count>＝2的栅格覆盖区域)以及多个TAC交叠的区域。
进一步地，根据以下公式确定栅格中某TAC的MR采样点占比：
其中，Grid_TAC_MRNum_Ratio表示标识为Gridid的栅格(或有效覆盖栅格)中跟踪区码s_tac的MR采样点占比；表示标识为Gridid的栅格(或有效覆盖栅格)中跟踪区码s_tac的MR数量，其可以按GridID和S_TAC的组合对表5中所有行的CellMRNum1字段汇总求和得到；表示标识为Gridid的栅格(或有效覆盖栅格)中所有跟踪区码的MR数量，其可以通过对表5中所有行的CellMRNum1字段按GridID汇总求和得到；CellMRNumi表示标识为Gridid的栅格中的第i个主服务小区在该栅格的MR数量；n表示标识为Gridid的栅格中的主服务小区数量。
根据以下公式确定栅格中某T AC的加权平均电平：
其中，W_Avg_TacRSRP表示标识为Gridid的栅格(或有效覆盖栅格)中跟踪区码s_tac的加权平均电平；表示标识为Gridid的栅格(或有效覆盖栅格)中跟踪区码s_tac的所有主服务小区所对应的栅格内MR数量总和；表示标识为Gridid的栅格(或有效覆盖栅格)中跟踪区码s_tac的每个主服务小区的平均参考信号接收功率CellRSRPi与该小区所对应的栅格内MR数量CellMRNumi之间的加权和；n表示标识为Gridid的栅格中的主服务小区数量。
根据上述得到的加权平均电平和MR采样点占比，可以得到栅格中TAC相关汇聚信息字段，如表7所示。
表7栅格中TAC相关汇聚信息字段示例。
步骤S306：按小区统计跨TAC栅格比例。
在该步骤中，可以根据表5和表6，统计出单小区MR跨TAC的栅格数与该小区所有栅格数的占比，再通过将表格6中的GridID与表格5中的GridID进行关联，以按照主服务小区Scell对进行汇聚，得到跨TAC栅格比例。
主服务小区的跨TAC栅格比例可以通过以下公式确定：
M_TAC_Count_Ratio＝Grid_M_TAC_Count/Grid_Count
其中，M_TAC_Count_Ratio表示跨TAC栅格比例；Grid_Count表示主服务小区Scell的有效覆盖栅格数量，Grid_M_TAC_Count表示该有效覆盖栅格中跨TAC栅格(TAC数量>＝2的栅格)数量。可以理解的是，上述M_TAC_Count_Ratio越大，说明相关主服务小区覆盖区域所存在的跨TAC信号重叠覆盖面越大。
在得到跨TAC栅格比例，可以得到如表8所示的包含跨TAC栅格比例的汇聚信息字段。
表8栅格中包含跨TAC栅格比例的汇聚信息字段示例。
步骤S307：将上述得到的小区相邻TAC数量、MR异TAC占比、跨TAC栅格比例进行汇总。
在该步骤中，汇总后的信息字段如下表9所示。
表9汇总后的信息字段示例。
在上表9中，N_tac_num描述了主服务小区Scell的MR中，邻区归属的不同TAC数量(其不含Scell所属TAC)；MR异TAC占比Ψ描述了Scell的MR中，与Scell归属不同TAC的邻区采样点占比；Grid_Count描述了Scell的有效覆盖总栅格数；M_TAC_Count_Ratio描述了Scell的有效覆盖栅格中存在2个及以上TAC的栅格占比。
步骤S308：根据以上得到的信息，确定各目标小区的规划优先级。
根据上述信息，可以筛选出Grid_Count>10且M_TAC_Count_Ratio>5％的各个主服务小区作为各个目标小区，并按照M_TAC_Count_Ratio、N_tac_num和MR异TAC占比Ψ的使用优先级由高到低的顺序，得到该各个目标小区的规划优先级。
(4)根据距离、覆盖电平、以及采样点占比计算权重参数，利用加权的KNN对目标小区进行跟踪区重规划。
参照如图6所示的基于KNN的跟踪区重规划过程的示意图，该跟踪区重规划过程包括以下步骤：
步骤S501：动态确定K个近邻。
在该步骤中，从目标小区的所有相邻小区中，筛选出邻区采样点与所有邻区总采样点的数量占比(即第二数量占比)≥1％的各个相邻小区，从该相邻小区中剔除与目标小区同站的其他扇区邻区，将剩下的相邻小区作为目标近邻(即KNN中的K个近邻)，并将目标近邻的数量确定为KNN的K值。
可以理解的是，上述K值根据目标小区周边的实际覆盖情况(其由邻区采样点占比描述)动态生成，克服了固定K值的KNN算法在点密度不均衡情况下精度较低的问题。
步骤S502：近邻向量矩阵构建。
在该步骤中，参照如图7所示的K个近邻的示意图，对上述K个近邻分别构建距离向量d、平均RSRP向量r和采样点占比向量p，由此得到包含向量d、r和p的向量矩阵。
其中，向量d为每个近邻到目标小区的距离，通过关联小区工参经纬度即可计算得到；向量r为近邻对应相邻小区在目标小区的MR中的平均接收电平；向量p为近邻对应相邻小区在目标小区的MR中的出现次数的占比。
步骤S503：各近邻的权重计算。
在该步骤中，通过以下公式确定各近邻的权重：
其中，w(Scell,Ncelli)表示第i个近邻的权重；Scell表示目标小区；λ表示核宽度调节参数；Ncelli表示目标小区的第i个近邻所对应小区，每个近邻包含3个影响TAC分类的矩阵向量，分别是距离向量d、平均RSRP向量r、和采样点占比向量p(其数值范围区间为0～1)。
由于上述三个向量的数值范围不同，需对向量d和r进行归一化，使其范围在0～1。
上述向量d可以通过如下公式进行归一化处理：
d'＝d/dmax
其中，d'表示归一化后的向量d；dmax表示K个近邻的向量d中的最大距离(或设置的较大固定距离，如与目标小区的1.5倍站间距)。
上述向量r可以通过如下公式进行归一化处理：
其中，r'表示归一化后的向量r；rmax表示最大平均RSRP，rmin表示最小平均RSRP。
示例性地，在5G网络中，rmax可设置为-31，rmin可设置为-156，则此时归一化后的向量r通过以下公式确定：
r'＝(r-(-156))/(-31-(-156))＝(r+156)/125
类似地，在4G网络中，归一化后的向量r可以通过以下公式确定：
r'＝(r-(-140))/(-44-(-140))＝(r+140)/96
可选地，考虑到上述三个向量的重要性可能不同，故可以引入权重系数进行控制，此时可以通过以下公式确定各近邻的权重：
w(Scell,Ncelli)＝exp(-λ*(α*d'+β*(1-r')+γ*(1-p))2)
其中，w(Scell,Ncelli)表示第i个近邻的权重；Scell表示目标小区；λ表示核宽度调节参数；Ncelli表示目标小区的第i个近邻所对应小区，每个近邻包含3个影响TAC分类的矩阵向量，分别是距离向量d、平均RSRP向量r、和采样点占比向量p；α为归一化后的距离向量d(即d')的权重系数，β为归一化后的平均RSRP向量r(即r')的权重系数，γ为采样点占比向量p的权重系数。
基于上述公式，距离更小、平均RSRP更大且采样点占比更高的近邻，其所对应的d'+(1-r')+(1-p)的值会更小，即上述exp函数(以自然常数e为底的指数函数)内的值会更大，进而使得该近邻对应的权重w(Scell,Ncelli)也就更大，也即使得KNN的最终预测结果更倾向于距离更近、采样点更多、RSRP更高的TAC。
可以理解的是，通过调节权重系数α、β和γ，以及核宽度调节参数(kernel width)λ，可以灵活控制各向量在计算上述近邻权重计算中的作用。
在本实施例中，λ的值主要用于控制近邻权重计算所关联的高斯核函数的“宽窄”，也就是控制近邻的权重随目标小区与近邻之间距离(其由该近邻的上述三个向量描述)变化的增减幅度。
为了给距离更小、平均RSRP值更大、采样点占比更高的近邻赋予更大的权重，通常选择较小的λ值，如λ为0.1或0.01。
较小的λ值意味着当|Scell-Ncelli|的值变化较小时，高斯核函数的值会有较大变化，即意味着“高斯曲线”较窄，主要集中在目标小区附近，所以各近邻中与目标小区较近的近邻会得到较大的权重。且通过在指数幂Exponent内部，添加了各向量的加权和，故加权和的变化也会对近邻的权重有较大的影响，也即是说，平均RSRP和采样点占比较大的近邻，其权重也会更大。
总之，较小的λ值使得核(kernel)函数更加“敏感”，这使得较小的变化都会明显影响到权重的计算结果。使得距离较近、RSRP和占比较大的近邻获得较大的权重，使其更符合边界小区TAC规划需求。
然而，λ的值也不宜取太小(如0.001以下)，因为过小的λ会使得权重的计算过于局部，忽略了更全局的样本之间的关系。对于当前场景，可以设置λ在0.1到0.3之间进行取值，且权重α，β和γ可以分别设置为0.6，0.2，0.2。
步骤S504：基于KNN计算TAC的预测分类概率，将预测分类概率最大的TAC作为目标TAC。
在该步骤中，将目标小区的K个近邻(即目标近邻)，按照TAC进行上述近邻所对应权重的汇聚，并通过如下公式得到KNN中单个TAC的预测分类概率：
其中，Pr(x|Scell)表示某个跟踪区码xi的预测分类概率；Scell表示主服务小区；n表示近邻的数量；w(Scell,Ncelli)为高斯核函数，用于表示第i个近邻的权重；表示目标小区的近邻中跟踪区码为xi(即x＝xi)的近邻的权重之和；表示目标小区的所有k个近邻的权重之和；上述指示函数δ(x,xi)可以表示如下：
即当近邻的跟踪区码x等于xi时，上述指示函数取1，否则取0。
(5)根据KNN输出的TAC调整建议，对MR进行回填，以预测重规划效果。
在该步骤中，根据KNN对目标小区输出的TAC调整建议(即目标TAC)，在原MR中更新对应小区的TAC，并重新统计更新TAC后的表3至表9，以分析相应小区的邻TAC数量N_tac_num、MR异TAC采样点占比、跨TAC栅格占比M_TAC_Count_Ratio是否减少或者降低，并预测所有目标小区的跨TAC栅格占比改善情况，由此对各向量权重系数以及核宽度调节参数λ进行适当调整，并采用跨TAC栅格占比降低最多的向量权重参数和核宽度调节参数λ适配现网。
随后，根据上述基于跨TAC栅格占比降低最多的向量权重参数和核宽度调节参数λ确定出的TAC调整建议，关联相关站点配置数据，并将用于修改所涉及的站内小区TAC、站外小区TAC配置等的目标脚本由南向接口发送给网管设备以自动完成修改，由此实现对网络的管理、维护和更新。
基于上述示例及实施例，本申请所提供的跟踪区重规划方案至少存在以下优点：
1、通过对比MR中主服务小区与相邻小区的归属TAC，将TAC不一致的MR进行地理化呈现和栅格化，以实现TAC边界的可视化和量化，由此可以提高跟踪区边界合理性评判的准确性。
2、提供了基于三维矩阵向量加权的KNN方法，不仅考虑了距离，还考虑了K个近邻在目标小区MR中的覆盖电平和邻区采样点占比，由此实现对小区及周边实际覆盖的综合考虑，使得KNN输出的TAC调整建议更科学准确，可以达到多TAC栅格减少、TAC边界双TAC栅格占比降低的重规划效果，弥补了传统需要人工采集各类数据，凭个人经验规划，无法掌握实际覆盖情况，以致调整效率低的缺点，从而可以提高网络性能和用户感知，降低网络负荷。
3、小区MR中上报的邻区情况生成动态的K值，由于该动态K值根据目标小区周边的实际覆盖情况生成，可以解决样本稀疏问题，且可以克服固定K值的KNN算法在点密度不均衡(如因密集城区和郊县农村站间距存在的较大差异所导致的不均衡)情况下的精度问题。且由于K个近邻已经确定，可以避免KNN算法中使用全部样本权重计算而导致的计算量开销大的问题，由此可以大幅提升运算效率。
本本申请基于Z省H市现网的MR对小区TAC规划合理性做了验证，如下表10至12所示。
表10本申请所提供重规划方案的实施前后效果对比示例。
指标对比 优化前 优化后 增益
MR异TAC占比 12.3％ 9.8％ 2.5pp
双TAC栅格占比 12.8％ 8.6％ 4.2pp
多TAC栅格占比 1.2％ 0.3％ 0.9pp
表11各方案优化精细度对比示例。
方案对比 优化精细度
基于切换话统的优化 60％～65％
基于TAU栅格量化的优化 60％～65％
本申请基于MR的加权KNN优化 90％～95％
表12不同K值的运算效率示例。
方案对比(6万小区) 内存占用 CPU占用 耗时
固定K值 6G 85％ 10小时
有效邻小区数动态K值 0.8G 35％ 1.2小时
本申请所提供的重规划方案在多TAC栅格、双TAC栅格占比等方面均取得了不错的优化效果，且相比于以往的规划优化方法，本申请能够提升TAC边界优化精细度，且降低了优化成本。
参照图8所示的实施前后RRC建立请求次数的对比示意图，基于上述方法，本实施例基于Z省H市优化了256个TAC边界TOP小区，调整后，全网触发MO-Signalling原因(按照协议的定义，MO-Signalling主要是用于TAU或者NAS过程中Attach和Detach)的RRC连接请求次数(主要为TAU产生的连接请求次数)明显减少，网络话务模型变化不大的情况下，附着(Attach)和分离(Detach)的次数保持稳定。
对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。
第二方面，图9是本申请实施例的一种跟踪区重规划装置的结构示意图，所述装置包括：
第一处理模块100，用于确定各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区，所述测量报告包括用户终端测量到的主服务小区的信息和相邻小区的信息；
第二处理模块200，用于对于每个所述主服务小区，确定所述主服务小区所关联的测量报告中第一测量报告的第一数量占比，所述第一测量报告为所关联的相邻小区与所关联的主服务小区所属的跟踪区不同的测量报告；
第一重规划模块300，用于将第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区确定为各个目标小区，并对所述各个目标小区重新规划跟踪区。
采用本申请实施例的技术方案，利用测量报告合理确定小区所属跟踪区，并通过引入第一数量占比以对主服务小区与周边其他跟踪区的交互频度实现衡量，该第一数量占比越大则表示该主服务小区越容易和周边其他跟踪区出现跟踪区切换等交互，该主服务小区也就越可能存在跟踪区边界异常问题，故通过将第一数量占比与第一设定值进行比较，即可对跟踪区的边界合理性实现评判，进而找到所需进行重规划的目标小区，整个评判过程不受网络侧寻呼策略或组网网络结构的影响，具有更高的准确性，从而能够改善跟踪区的重规划效果，减少频繁更新跟踪区、寻呼失败等情况的发生。
可选地，所述第一重规划模块300包括：
第一确定模块，用于从单个所述目标小区的相邻小区中确定出各个目标近邻；
第二确定模块，用于根据所述各个目标近邻各自的第一指标参数，确定所述各个目标近邻所属的各个跟踪区各自对应的预测分类概率；
第三确定模块，用于根据所述各个跟踪区各自对应的预测分类概率，从所述各个跟踪区中确定出目标跟踪区；
第一调整模块，用于将单个所述目标小区所属的跟踪区调整为所述目标跟踪区；
其中，所述第一指标参数包括以下至少一项：
与单个所述目标小区之间的距离；
覆盖电平；
所关联的测量报告在单个所述目标小区所关联的测量报告中的数量占比。
可选地，所述第一确定模块包括：
第一确定子模块，用于对于单个所述目标小区的每个相邻小区，确定单个所述目标小区所关联的测量报告中所述相邻小区所关联的测量报告的第二数量占比；
第二确定子模块，用于将第二数量占比大于第二设定值的各个所述相邻小区确定为所述各个目标近邻。
可选地，所述第二确定模块包括：
第三确定子模块，用于根据所述各个目标近邻各自的第一指标参数、以及设置的权重参数，确定所述各个目标近邻所属的各个跟踪区各自对应的预测分类概率；
所述装置还包括：
第一修改模块，用于在所述各个测量报告中将单个所述目标小区所属的跟踪区修改为所述目标跟踪区；
第一预测模块，用于根据修改后的所述各个测量报告，预测单个所述目标小区的跟踪区规划优化情况；
参数调整模块，用于根据预测的所述跟踪区规划优化情况，对所述权重参数进行调整。
可选地，所述第一调整模块包括：
第一生成模块，用于生成用于在单个所述目标小区所关联的站点配置数据中将单个所述目标小区所属的跟踪区修改为所述目标跟踪区的目标脚本；
第一发送模块，用于将所述目标脚本经过南向接口发送至网管设备，以使所述网管设备通过所述目标脚本将单个所述目标小区所属的跟踪区调整为所述目标跟踪区。
可选地，所述第一重规划模块300包括：
第一规划子模块，用于根据所述各个测量报告，确定各个第一小区所覆盖的地理区域中各个栅格各自所关联的主服务小区，所述各个第一小区包括第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的各个主服务小区；
第二规划子模块，用于对于每个所述第一小区，确定所述第一小区所覆盖的栅格中第一栅格的第三数量占比，所述第一栅格包括所关联的各个主服务小区属于多个跟踪区的栅格；
第三规划子模块，用于将第三数量占比大于第三设定值的每个所述第一小区分别确定为所述目标小区，并对确定出的目标小区重新规划跟踪区。
可选地，所述第二规划子模块包括：
第四规划子模块，用于对于每个所述第一小区，确定所述第一小区所覆盖的第二栅格中第一栅格的第三数量占比；
其中，所述第二栅格包括第四数量占比大于第四设定值的栅格，所述第四数量占比为：所述栅格所关联的以所述第一小区为主服务小区的测量报告，在所述第一小区所覆盖的所有栅格所关联的以所述第一小区为主服务小区的测量报告中的数量占比。
可选地，所述第三规划子模块包括：
第五规划子模块，用于将所覆盖的第二栅格的数量大于设置的数量阈值的每个第二小区分别确定为所述目标小区，并对确定出的目标小区重新规划跟踪区；
其中，所述第二小区为第三数量占比大于第三设定值的所述第一小区。
可选地，所述第一重规划模块300包括：
第六规划子模块，用于根据所述各个目标小区各自的第二指标参数、以及所述第二指标参数所对应的使用优先级，确定所述各个目标小区各自的规划优先级；
第七规划子模块，用于根据所述各个目标小区各自的规划优先级，对所述各个目标小区重新规划跟踪区；
其中，所述第二指标参数包括以下至少一项：
所覆盖的栅格中所关联的各个主服务小区属于多个跟踪区的栅格的数量占比；
相邻小区所属的跟踪区中与所述目标小区所属的跟踪区不同的跟踪区的数量；
所述第一数量占比。
可选地，所述装置还包括：
第三处理模块，用于根据所述各个测量报告，确定各个所述主服务小区所覆盖的地理区域中各个栅格各自所关联的主服务小区；
第四处理模块，用于根据所述各个栅格各自所关联的主服务小区所属的跟踪区的数量，对所述各个栅格进行地理化呈现；
所述第一重规划模块300包括：
第二重规划模块，用于根据地理化呈现后的各个栅格，从第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区中，确定出所述各个目标小区。
可选地，所述第一处理模块100包括：
第一处理子模块，用于将各个基站的站点配置数据与所述各个测量报告进行匹配，得到所述各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区；
其中，所述站点配置数据包括所述基站中的各个小区的信息和所述各个小区各自所属的跟踪区的信息。
可选地，所述装置还包括：
第一去除模块，用于对于每个所述测量报告，将参考信号接收功率低于设置的功率阈值的相邻小区的信息从所述测量报告中去除。
需要说明的是，装置实施例与方法实施例相近，故描述的较为简单，相关之处参见方法实施例即可。
本申请实施例还提供了一种电子设备，参照图10，图10是本申请实施例提出的电子设备的示意图。如图10所示，电子设备100包括：存储器110和处理器120，存储器110与处理器120之间通过总线通信连接，存储器110中存储有计算机程序，该计算机程序可在处理器120上运行，进而实现本申请实施例公开的跟踪区重规划方法中的步骤。
本申请实施例还提供了一种跟踪区重规划系统，参照图11，图11是本申请实施例提出的一种跟踪区重规划系统的组成示意图。该跟踪区重规划系统700包括处理单元701和通信单元702。可选的，还包括存储单元703。
处理单元701用于对跟踪区重规划系统700的动作进行控制管理，例如，处理单元701用于执行如第一方面所述的跟踪区重规划方法中的步骤。处理单元701可以通过通信单元702与其他网络实体通信。存储单元703可用于存储跟踪区重规划系统700的程序代码、原始数据、过程数据以及结果数据等。
示例性的，跟踪区重规划系统700可以为一个设备也可以为软件集成的功能模块。
当跟踪区重规划系统700为一个设备时，处理单元701可以是处理器；通信单元702可以是通信接口、收发器，或输入输出接口、或相关电路等。如图12示出的一种跟踪区重规划系统的设备结构示意图，包括：
采集单元801，用于通过I1接口采集上述站点配置数据、MR测量报告、性能数据和外部其他接口导入的工程参数。
分析单元802，用于实现上述数据预处理、目标小区的确定、加权KNN进行TAC分类预测、以及预测优化调整后效果等步骤的分析功能。
确定单元803，用于根据上述TAC分类预测结果，输出小区的跟踪区修改命令脚本，并通过无线网管南向接口，发送给无线网管以执行小区跟踪区的变更和同步。
当跟踪区重规划系统700为软件集成的功能模块时，可以集成在设备厂家的无线网管中，如图13示出的一种跟踪区重规划系统的软件集成模块示意图，包括：
采集单元901，由于站点配置数据、MR测量报告、性能数据都已经在无线网管中存在，无需额外采集，其主要用于从外部其他接口采集工程参数。
分析单元902，用于实现上述数据预处理、目标小区的确定、加权KNN进行TAC分类预测、以及预测优化调整后效果等步骤的分析功能。
执行单元903，用于根据上述TAC分类预测结果，输出小区的跟踪区修改命令脚本，并通过无线网管南向接口，发送给无线网管以执行小区跟踪区的变更和同步。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现如本申请实施例公开的所述跟踪区重规划方法。
本申请实施例还提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如本申请实施例公开的所述跟踪区重规划方法。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、系统、设备、存储介质及程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种跟踪区重规划方法、装置、设备和介质，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (15)

1.一种跟踪区重规划方法，其特征在于，所述方法包括：
确定各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区，所述测量报告包括用户终端测量到的主服务小区的信息和相邻小区的信息；
对于每个所述主服务小区，确定所述主服务小区所关联的测量报告中第一测量报告的第一数量占比，所述第一测量报告为所关联的相邻小区与所关联的主服务小区所属的跟踪区不同的测量报告；
将第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区确定为各个目标小区，并对所述各个目标小区重新规划跟踪区。
2.根据权利要求1所述的方法，其特征在于，通过以下步骤对单个所述目标小区重新规划跟踪区：
从单个所述目标小区的相邻小区中确定出各个目标近邻；
根据所述各个目标近邻各自的第一指标参数，确定所述各个目标近邻所属的各个跟踪区各自对应的预测分类概率；
根据所述各个跟踪区各自对应的预测分类概率，从所述各个跟踪区中确定出目标跟踪区；
将单个所述目标小区所属的跟踪区调整为所述目标跟踪区；
其中，所述第一指标参数包括以下至少一项：
与单个所述目标小区之间的距离；
覆盖电平；
所关联的测量报告在单个所述目标小区所关联的测量报告中的数量占比。
3.根据权利要求2所述的方法，其特征在于，所述从单个所述目标小区的相邻小区中确定出各个目标近邻，包括：
对于单个所述目标小区的每个相邻小区，确定单个所述目标小区所关联的测量报告中所述相邻小区所关联的测量报告的第二数量占比；
将第二数量占比大于第二设定值的各个所述相邻小区确定为所述各个目标近邻。
4.根据权利要求2所述的方法，其特征在于，所述根据所述各个目标近邻各自的第一指标参数，确定所述各个目标近邻所属的各个跟踪区各自对应的预测分类概率，包括：
根据所述各个目标近邻各自的第一指标参数、以及设置的权重参数，确定所述各个目标近邻所属的各个跟踪区各自对应的预测分类概率；
在所述根据所述各个跟踪区各自对应的预测分类概率，从所述各个跟踪区中确定出目标跟踪区之后，所述方法还包括：
在所述各个测量报告中将单个所述目标小区所属的跟踪区修改为所述目标跟踪区；
根据修改后的所述各个测量报告，预测单个所述目标小区的跟踪区规划优化情况；
根据预测的所述跟踪区规划优化情况，对所述权重参数进行调整。
5.根据权利要求2所述的方法，其特征在于，所述将单个所述目标小区所属的跟踪区调整为所述目标跟踪区，包括：
生成用于在单个所述目标小区所关联的站点配置数据中将单个所述目标小区所属的跟踪区修改为所述目标跟踪区的目标脚本；
将所述目标脚本经过南向接口发送至网管设备，以使所述网管设备通过所述目标脚本将单个所述目标小区所属的跟踪区调整为所述目标跟踪区。
6.根据权利要求1所述的方法，其特征在于，所述将第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区确定为各个目标小区，并对所述各个目标小区重新规划跟踪区，包括：
根据所述各个测量报告，确定各个第一小区所覆盖的地理区域中各个栅格各自所关联的主服务小区，所述各个第一小区包括第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的各个主服务小区；
对于每个所述第一小区，确定所述第一小区所覆盖的栅格中第一栅格的第三数量占比，所述第一栅格包括所关联的各个主服务小区属于多个跟踪区的栅格；
将第三数量占比大于第三设定值的每个所述第一小区分别确定为所述目标小区，并对确定出的目标小区重新规划跟踪区。
7.根据权利要求6所述的方法，其特征在于，所述对于每个所述第一小区，确定所述第一小区所覆盖的栅格中第一栅格的第三数量占比，包括：
对于每个所述第一小区，确定所述第一小区所覆盖的第二栅格中第一栅格的第三数量占比；
其中，所述第二栅格包括第四数量占比大于第四设定值的栅格，所述第四数量占比为：所述栅格所关联的以所述第一小区为主服务小区的测量报告，在所述第一小区所覆盖的所有栅格所关联的以所述第一小区为主服务小区的测量报告中的数量占比。
8.根据权利要求7所述的方法，其特征在于，所述将第三数量占比大于第三设定值的每个所述第一小区分别确定为所述目标小区，并对确定出的目标小区重新规划跟踪区，包括：
将所覆盖的第二栅格的数量大于设置的数量阈值的每个第二小区分别确定为所述目标小区，并对确定出的目标小区重新规划跟踪区；
其中，所述第二小区为第三数量占比大于第三设定值的所述第一小区。
9.根据权利要求1所述的方法，其特征在于，所述将第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区确定为各个目标小区，并对所述各个目标小区重新规划跟踪区，包括：
根据所述各个目标小区各自的第二指标参数、以及所述第二指标参数所对应的使用优先级，确定所述各个目标小区各自的规划优先级；
根据所述各个目标小区各自的规划优先级，对所述各个目标小区重新规划跟踪区；
其中，所述第二指标参数包括以下至少一项：
所覆盖的栅格中所关联的各个主服务小区属于多个跟踪区的栅格的数量占比；
相邻小区所属的跟踪区中与所述目标小区所属的跟踪区不同的跟踪区的数量；
所述第一数量占比。
10.根据权利要求1所述的方法，其特征在于，在所述确定各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区之后，所述方法还包括：
根据所述各个测量报告，确定各个所述主服务小区所覆盖的地理区域中各个栅格各自所关联的主服务小区；
根据所述各个栅格各自所关联的主服务小区所属的跟踪区的数量，对所述各个栅格进行地理化呈现；
所述将第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区确定为各个目标小区，包括：
根据地理化呈现后的各个栅格，从第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区中，确定出所述各个目标小区。
11.根据权利要求1-10任一所述的方法，其特征在于，所述确定各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区，包括：
将各个基站的站点配置数据与所述各个测量报告进行匹配，得到所述各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区；
其中，所述站点配置数据包括所述基站中的各个小区的信息和所述各个小区各自所属的跟踪区的信息。
12.根据权利要求1-10任一所述的方法，其特征在于，在所述确定各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区之前，所述方法还包括：
对于每个所述测量报告，将参考信号接收功率低于设置的功率阈值的相邻小区的信息从所述测量报告中去除。
13.一种跟踪区重规划装置，其特征在于，所述装置包括：
第一处理模块，用于确定各个测量报告各自所关联的主服务小区所属的跟踪区、以及所述各个测量报告各自所关联的相邻小区所属的跟踪区，所述测量报告包括用户终端测量到的主服务小区的信息和相邻小区的信息；
第二处理模块，用于对于每个所述主服务小区，确定所述主服务小区所关联的测量报告中第一测量报告的第一数量占比，所述第一测量报告为所关联的相邻小区与所关联的主服务小区所属的跟踪区不同的测量报告；
第一重规划模块，用于将第一数量占比大于第一设定值的各个所述第一测量报告各自所关联的主服务小区确定为各个目标小区，并对所述各个目标小区重新规划跟踪区。
14.一种电子设备，包括存储器、处理器及存储在所述存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如权利要求1至12中任一项所述的跟踪区重规划方法。
15.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如权利要求1至12中任一项所述的跟踪区重规划方法。
CN202410162058.XA 2024-02-04 2024-02-04 跟踪区重规划方法、装置、设备和介质 Pending CN118102322A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410162058.XA CN118102322A (zh) 2024-02-04 2024-02-04 跟踪区重规划方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410162058.XA CN118102322A (zh) 2024-02-04 2024-02-04 跟踪区重规划方法、装置、设备和介质

Publications (1)

Publication Number Publication Date
CN118102322A true CN118102322A (zh) 2024-05-28

Family

ID=91162641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410162058.XA Pending CN118102322A (zh) 2024-02-04 2024-02-04 跟踪区重规划方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN118102322A (zh)

Similar Documents

Publication Publication Date Title
US9503919B2 (en) Wireless communication network using multiple key performance indicators and deviations therefrom
CN107204894B (zh) 网络业务质量的监控方法及装置
EP2785095B1 (en) Site selection method and device
CN105744553B (zh) 一种网络关联分析方法及装置
CN106792752B (zh) 基站信号覆盖自优化方法和系统
CN109327846B (zh) 波束测量上报的方法、装置、终端及存储介质
CN108307427B (zh) 一种lte网络覆盖分析、预测方法及系统
KR102655903B1 (ko) 기지국의 에너지를 절약하기 위한 처리 방법 및 처리 장치
EP3952420B1 (en) Fingerprint library creation and application methods and apparatuses, centralized processing device and base station
CN103581982B (zh) 一种业务热点的检测方法、确定方法、定位方法及装置
CN101296477A (zh) 一种进行网络拓扑规划的方法及装置
CN111356147A (zh) 一种室分小区故障定位方法及装置
CN111741427A (zh) 业务投诉的处理方法、装置及设备
CN109587721B (zh) 一种小区网络覆盖评估方法及装置
CN103686895A (zh) 切换控制方法、无线网络控制器和接入节点
CN111491255B (zh) 一种回填经纬度定位扩量方法、系统及存储介质
CN106792783A (zh) 一种网络自优化的方法及装置
CN111246498B (zh) 一种eSRVCC异常分析方法和装置
CN118102322A (zh) 跟踪区重规划方法、装置、设备和介质
CN112637770A (zh) 基于最小化路测的小区状态判断方法、装置及计算设备
US20230318684A1 (en) Apparatus, methods and computer programs
CN114745289A (zh) 网络性能数据的预测方法、装置、存储介质及设备
CN114079617A (zh) 网络数据分析方法、网络数据分析功能网元和通信系统
CN115396908B (zh) 网络评估方法、装置及存储介质
US20080254789A1 (en) Cellular mobile communication network operating method and system

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