WO2010048780A1 - 一种话务量预测方法及装置 - Google Patents

一种话务量预测方法及装置 Download PDF

Info

Publication number
WO2010048780A1
WO2010048780A1 PCT/CN2009/001173 CN2009001173W WO2010048780A1 WO 2010048780 A1 WO2010048780 A1 WO 2010048780A1 CN 2009001173 W CN2009001173 W CN 2009001173W WO 2010048780 A1 WO2010048780 A1 WO 2010048780A1
Authority
WO
WIPO (PCT)
Prior art keywords
grid
reported
predicted
time period
neighboring cell
Prior art date
Application number
PCT/CN2009/001173
Other languages
English (en)
French (fr)
Inventor
杨晓范
王文明
吴晓梅
周莅涛
王晋龙
李欣然
乔琳
郭同文
马云飞
刘莉莉
高翔
黄卫正
孙向光
王鹏
Original Assignee
中国移动通信集团北京有限公司
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
Priority to CN200810225394.5 priority Critical
Priority to CN2008102253945A priority patent/CN101453747B/zh
Application filed by 中国移动通信集团北京有限公司 filed Critical 中国移动通信集团北京有限公司
Publication of WO2010048780A1 publication Critical patent/WO2010048780A1/zh

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W24/00Supervisory, monitoring or testing arrangements
    • H04W24/08Testing, supervising or monitoring using real traffic
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W28/00Network traffic or resource management
    • H04W28/02Traffic management, e.g. flow control or congestion control

Description

技术领域

本发明涉及移动通信领域, 尤其涉及一种基于测量艮告 (Measurement Report, MR ) 的话务量预测方法及装置。 背景技术

由于移动通信网络中终端的移动性, 移动通信网络的用户业务的分布是 二维的, 也就是有时间和空间两个维度, 而预测移动通信网络的话务量分布 是当前的移动通信网络规划和保障的一个关键问题。

现阶段对于移动通信网络的话务量预测主要是时间维度的预测, 数据依 据是操作与维护中心 (Operations & Maintenance Center, OMC )统计的计数 器的计数值, 这些计数值是按照时间序列的格式存储的。

而这些计数值的空间粒度通常是小区 (cell )粒度的, 甚至有时候是基站 控制器(Base Station Controller, BSC )级别的, 比如通话次数, 切换次数等, 小区的覆盖面积通常有几平方公里, 甚至几十平方公里, 因此其空间的精细 粒度不够。 同时, 一个 cell 的覆盖面积是十分不规则的, 其面积的大小差异 很大。 且这种 cell的空间标识和实际的地理位置不能十分精确对应, 一个 cell 虽然有经炜度, 但是由于主控区域的形状的不规则性和面积的不确定性, 从 而导致不能具体反映一个地理区域的话务量情况。

另外, 这些计数值的时间粒度通常也比较大, 一般是半个小时, 甚至是 一个小时。 而小时级别的时间粒度对于话务量的突发情况 /事件不能很敏感的 反映出来。

在以 0MC统计的计数值为数据依据的基础上,预测工具也是时间序列的 预测工具, 比如分析历史的、 长期的数值时间序列走势, 预测下阶段的话务 量的走势, 在 cell粒度的基础上, 按照小时汇总, 作为一个更大区域的话务 量预测值。 在进行话务量预测时, 这些数据依据是要经过时间平滑过滤的, 因此这种算法对于突发的网络话务量情况的变化很难反映出来; 且由于其数 据依据是 cell级别的, 因此导致预测精度较低,只能预测级别大于 cell的网元 的话务量变化情况。

现有的移动网络的预测算法只能作为一个离线的预测工具使用, 比如今 天预测明天的几点的话务量, 不能作为一个实时(小于一个小时, 甚至达到 分钟等更细粒度的)的预测工具使用。 发明内容

本发明实施例提供一种话务量预测方法及装置, 实现了实时、 细粒度、 高精度的话务量预测。

一种话务量预测方法, 包括:

获取待预测栅格中当前时间段的相邻前 M个时间段上报的 MR数量, 所 述待预测栅格为预先对待预测话务量的地理区域进行划分后得到的;

根据待预测栅格中当前时间段的相邻前 M个时间段上报的 MR数量变 化, 计算得到待预测栅格当前时间段的话务量预测值, 其中 M为大于 1的正 整数。

根据本发明的上述方法, 还包括对计算得到的待预测栅格当前时间段的 话务量预测值进行优化的步骤:

统计待预测栅格的相邻栅格在当前时间段的相邻前 N个时间段上报的 MR数量, N为正整数;

根据待预测栅格与其相邻栅格的相关度, 及相邻栅格在相邻前 N个时间 段上报的 MR数量变化, 对所述话务量预测值进行优化。

根据本发明的上述方法, 所述相关度根据待预测栅格及其相邻栅格中上 报的 MR所涉及到的主小区和相邻小区确定。

根据本发明的上述方法, 所述 N为 2, 统计待预测栅格的相邻栅格在当 前时间段的前一个时间段及再前一个时间段上报的 MR数量;

所述相关度根据当前时间段的前一个时间段上待预测栅格及其相邻栅格 中上报的 MR所涉及到的主小区和相邻小区确定。

根据本发明的上述方法, 确定所 目关度具体包括:

统计所述前一个时间段上待预测栅格与各个相邻栅格中上报的 MR所涉 及到的小区, 所述小区包括主小区和邻小区;

分别计算各个相邻栅格中所述所涉及到的小区与待预测栅格中所涉及到 的小区的相似度, 得到前一个时间段上待预测栅格与各个相邻栅格的相关度。

根据本发明的上述方法, 对所述待预测栅格的话务量预测值进行优化具 体包括:

分别计算各个相邻栅格对应的相关度与该栅格的所述 MR数量的变化量 的乘积, 并计算得到的所有乘积的代数和;

将所述代数和与所述话务量预测值相加, 得到优化后的话务量预测值。 根据本发明的上述方法, 获取待预测栅格中当前时间段的相邻前 M个时 间段上报的 MR数量包括:

根据接收到的测量报告 MR的上报位置, 确定所述 MR上报时所在的栅 格;

根据所述 MR的上报时间和所在的栅格, 统计出每个栅格中各个时间段 内上报的 MR数量, 从而获得待预测栅格中当前时间段的相邻前 M个时间段 上报的 MR数量。

根据本发明的上述方法, 所述根据接收到的测量报告 MR的上报位置, 确定所述 MR上报时所在的栅格, 包括:

根据所述 MR,查询静态配置表,确定所述每个 MR上报时所在的所述上 报位置的经纬度值;

查询所述经纬度值所在的栅格, 确定出所述每个 MR上 4艮时所在的在栅 格。

根据本发明的上述方法, 确定 MR上报时所在的上报位置的经纬度值, 具体包括:

根据 MR中包含的各邻小区广播控制信道 BCCH和基站识别码 BSIC,将 P T/CN2009/001173 查询静态配置表得到的与 BCCH和 BSIC相匹配的位置区码 LAC和小区标识 CI确定为各邻小区的 LAC和 CI;

根据 MR中包含的邻小区的下行电平, 采用设定的算法, 查询所述静态 配置表, 计算出该 MR上报位置到距各个邻小区基站的距离;

根据该 MR上报时距各个邻小区基站的距离及通过所述各邻小区的 LAC 和 CI查得的各邻小区基站所在位置的经纬度, 通过三角定位算法, 得到每个 MR上报时所在的上报位置的经纬度值。

根据本发明的上述方法, 当查询静态配置表得到的与 BCCH和 BSIC相 匹配的 LAC和 CI数量大于实际的邻小区数量时, 根据 MR中包含的主小区 的 LAC和 CI,确定 BCCH和 BSIC所匹配的 LAC和 CI中位置最靠近主小区 的 LAC和 CI的实际邻小区数量个 LAC和 C, 为各部小区的 LAC和 CI。

根据本发明的上述方法, 所述根据 MR中包含的邻小区的下行电平, 采 用设定的算法, 查询所述静态配置表, 计算出该 MR上报位置到各邻小区基 站的距离, 具体包括:

根据所述各邻小区的 LAC和 CI, 查询静态配置表,得到各邻小区天线的 发射功率, 计算每个邻小区天线的发射功率的电平与对应的所述下行电平之 差的绝对值, 得到与每个邻小区对应的路径损耗;

根据所述路径损耗, 查询静态配置表, 确定该 MR上报位置到每个邻小 区基站的距离。 根据本发明的上述方法, 所述确定每个 MR上报时所在的栅格之后, 还 包括:

生成每个栅格中各个时间段上报的所有 MR的信息记录; 所述信息记录 中包括每个 MR上报时的主小区、 相邻小区和上报位置的经纬度值。

一种话务量预测装置, 包括:

数量统计模块, 用于获取待预测栅格中当前时间段的相邻前 M个时间段 上报的 MR数量, 所述待预测栅格为预先对待预测话务量的地理区域进行划 分后得到的;

预测模块, 用于根据待预测栅格中当前时间段的相邻前 M个时间段上报 的 MR数量变化, 采用时间序列预测算法, 计算得到待预测栅格当前时间段 的话务量预测值, 其中 M为大于 1的正整数。

根据本发明的上述装置, 还包括用于对计算得到的待预测栅格当前时间 段的话务量预测值进行优化的优化模块, 其包括:

相关度确定单元, 用于确定待预测栅格与其相邻栅格的相关度; 变化量确定单元, 用于统计待预测栅格的相邻栅格在当前时间段的相邻 前 N个时间段上报的 MR数量, 获^目邻栅格在相邻前 N个时间段上报的 MR数量变化, N为正整数;

优化单元, 用于根据待预测栅格与其相邻栅格的相关度, 及相邻栅格在 相邻前 N个时间段上报的 MR数量变化, 对所述话务量预测值进行优化。

根据本发明的上述装置, 所述相关度确定单元用于根据待预测栅格及其 相邻栅格中上报的 MR所涉及到的主小区和相邻小区确定所述相关度。

根据本发明的上述装置, 所述变化量确定单元, 用于统计待预测栅格的 相邻栅格在当前时间段的前一个时间段及再前一个时间段上 4艮的 MR数量; 所述相关度确定单元根据当前时间段的前一个时间段上待预测栅格及其 相邻栅格中上报的 MR所涉及到的主小区和相邻小区确定所述相关度。

根据本发明的上述装置, 所述数量统计模块包括:

栅格确定模块, 用于根据接收到的测量报告 MR的上报位置, 确定所述 MR上报时所在的栅格;

计数模块, 用于根据所述 MR的上报时间和所在的栅格, 统计出每个栅 格中各个时间段内上报的 MR数量, 从而获得待预测栅格中当前时间段的相 邻前 M个时间段上报的 MR数量。

根据本发明的上述装置, 所述栅格确定模块包括:

邻区确定单元, 用于根据 MR中包含的各邻小区广播控制信道 BCCH和 基站识别码 BSIC, 将查询静态配置表得到与 BCCH和 BSIC相匹配的位置区 2009/001173 码 LAC和小区标识 CI确定为各邻小区的 LAC和 CI;

距离计算单元, 用于根据 MR中包含的邻小区的下行电平, 采用设定的 算法, 查询所述静态配置表, 计算出该 MR上报位置到距各个邻小区基站的 距离;

经締度确定单元, 用于根据该 MR上报时距各个邻小区基站的距离及通 过所述各邻小区的 LAC和 CI查得的各邻小区基站所在位置的经纬度, 通过 三角定位算法, 得到每个 MR上报时所在的上报位置的经纬度值;

栅格确定单元, 用于查询所述上报位置的经纬度值所在的栅格, 确定出 所述每个 MR上 时所在的栅格。

本发明的上述装置, 还包括: 记录生成模块, 用于生成每个栅格中各个 时间段上报的所有 MR的信息记录; 所述信息记录中包括每个 MR上报时的 主小区、 相邻小区和上报位置的经纬度值。

本发明实施例提供的话务量预测方法及装置, 通过本发明实施里提供的 话务量预测方法及装置, 通过对接收到的海量 MR进行分析处理, 确定其上 报位置及所属栅格; 统计出每个栅格中各个时间段内上报的 MR数量; 并通 过每个栅格中已知的当前时间段的相邻前 M个时间段上报的 MR数量, 预测 每个栅格当前时间段的话务量预测值。 本发明方法可以应用于在线的网络负 荷实时监控的系统中, 实时预测下阶段话务量分布, 通过定义地理栅格及划 分时间段实现了更精细粒度、 更准确的实时话务预测。 附图说明

图 1为本发明实施例中话务量预测方法的流程图;

图 2为本发明实施例中确定 MR上报时所在上报位置的流程图; 图 3a为本发明实施例中三角定位算法的原理示意图;

图 3b为本发明实施例中三角定位算法的位置关系图;

图 4为本发明实施例提供的话务量预测方法中优化预测值的流程图; 图 5为本发明实施例中三角定位算法的原理示意图; 图 6为本发明实施例中相邻栅格中 MR数量变化量的示意图; 图 7为本发明实施例中话务量预测装置的结构示意图。 具体实施方式

本发明实施例提供的话务量预测方法, 基于对海量测量报告 MR分析处 理, 对未来时空上的话务量(或其他关键指标)进行预测。 其中, 时空的定 义是一维的时间序列和二维的地理栅格。 MR是移动终端上报的信道质量的测 量数据, 通过慢速联合控制信道(Slow Associated Control Channel, SACCH ) 传送, 用作网络切换和功率控制的判决依据。 MR包括主服务小区 (Serving Cell, 简称主小区)和邻小区(Neighbour Cell )的测量数据。 测量 4艮告的默认 上传周期是 0.48S, 由于基站收发信台 (Base Transceiver Station, BTS )与基 站控制器( Base Station Controller, BSC )之间的通信接口—— Abis接口不是 标准接口, 因此不同的设备厂家的 MR数据传送方式不同, 包括: 完整传送、 按照多个周期平均或釆样等。

本发明方法的流程如图 1所示, 其执行步骤如下:

步骤 S10: 对接收到的大量测量报告 MR进行处理, 确定每个 MR上报 时的上报位置。 具体为: 根据所述 MR及静态配置表中包含的主小区及邻小 区的各种参数, 确定每个 MR上报时所在的上报位置的经纬度值。

确定每个 MR上报时所在的上报位置的过程, 如图 2所示, 包括下列步 骤:

S101、 逐一荻取 MR。 其中, MR的数据结构如下:

typedef struct

{

time timestamp;

int LAC; //服务小区的 LAC

int CI; //服务小区的 CI

int DL_LEV_ServingCell; //服务小区的下行电平 int DL_QUAL_ServingCell; //服务小区的下行盾量

int UL_LEV_ServingCell; //服务小区的上行电平

int UL_QUAL_ServingCell; //服务小区的上行质量

int TA; 务小区的 timing advance

intBSIC_NB[6]; //六个最强邻小区的 BSIC

int BCCH_NB[6]; //六个最强邻小区的 BCCH

int DL_LEV_NB[6]; //六个最强邻小区的下行电平

}_MR;

其中: LAC为位置区码(Location Area Code , LAC );

CI为小区标识( Cell Identity, CI );

BSIC为基站识别码 ( Base Station Identity Code, BSIC );

BCCH为广播控制信道( Broadcast Control Channel, BCCH )。

S102、 确定 MR上报时的邻小区的 LAC和 CI。 具体为:

根据 MR中包含的各邻小区 BCCH和 BSIC, 将查询静态配置表得到的 与 BCCH和 BSIC相匹配的 LAC和 CI确定为各邻小区的 LAC和 CI。

由于移动终端测量报告中不包含邻小区的 LAC和 CI信息,只包含 BCCH 和 BSI。 而 BCCH和 BSIC在网络中是可以重复的, 不能唯一标识某一小区, LAC和 CI才是小区的唯一标识。 因此需要根据邻小区的 BCCH和 BSIC, 查 询静态配置表, 确定符合与 MR中包含的 BCCH和 BSIC相匹配的 LAC和 CI为邻小区的 LAC和 CI。

特别的, 当查询静态配置表得到的与 BCCH和 BSIC相匹配的 LAC和 CI 数量大于实际的邻小区数量时,根据 MR中包含的主小区的 LAC和 CI,确定 BCCH和 BSIC所匹配的 LAC和 CI中位置最靠近主小区的 LAC和 CI的实际 邻小区数量个 LAC和 CI, 为各部小区的 LAC和 CI。 上述实际的邻小区数量 可以采用现有方法从静态配置表中获得。

其中, 基站的静态配置表的数据结构如下:

typedef struct {

int LAC; 〃小区的 LAC

int CI; //小区的 CI

double Longtitude; 〃小区的经度

double Latitude; //小区的纬度

double POW; 〃小区的天线发射功率

double Height; 〃小区的天线高度

double Dir; 〃小区的天线方向角

double TILT; //小区的天线下倾角

double Antenna_Corr; //小区的天线定向增益因子

int Frequency一 BAND; 〃小区的频段

int Geography_TYPE; //小区的地理类型, 城区 /郊区等等

}_CELLINFO;

S103、 才艮据 MR中包含的邻小区的下行电平, 采用设定的算法, 查询静 态配置表, 计算出该 MR上报位置到距各个邻小区基站的距离。

首先, 获取各邻小区天线的发射功率的电平和 MR中包含的邻小区的下 行电平, 确定与每个邻小区对应的路径损耗。

其中, 根据每个邻小区的 LAC和 CI, 查询静态配置表, 可以得到各邻小 区的天线发射功率; 计算天线发射功率的电平与 MR中包含的对应邻小区的 下行电平之差的绝对值, 得到与每个邻小区对应的路径损耗的值。

特别的, 在实际中还会考虑基站天线的方向、 移动终端接收天线的增益、 移动终端接收天线的分集增益和双极化天线的计划损耗等因素对路径损耗的 影响。 考虑上述因素后的路径损耗计算公式如下:

Lpdown = PoutBTS + Cori + GaMS + GdMS - LslantBTS一 PinMS

其中, LPdown为路径损耗;

PinMS 为移动终端接收到的功率的电平 (即下行电平); PoutBTS为 BTS天线的发射功率的电平(应包含合路器, 馈线等 损耗和天线增益);

Cori为基站天线的方向系数;

GaMS为移动终端接收天线的增益;

GdMS为移动终端接收天线的分集增益;

LslantBTS为双极化天线的极化损耗。

然后, 根据确定出的路径损耗, 查询静态配置表, 采用奥村 Okumura电 波传播衰减计算模式, 确定移动终端上报 MR时到每个邻小区基站的距离。 具体为:

根据每个邻小区的 LAC和 CI, 从静态配置表中查得奥村(Okumura ) 电 波传播衰减计算模式中所需要的参数, 例如: 每个邻小区基站的天线高度、 天线增益因子、 工作频率及移动终端的天线高度等, 再将计算得到的与每个 邻小区路径损耗代入奥村(Okumura )电波传播衰减计算模式, 确定 MR上报 时到每个邻小区基站的距离。

特别的, 在实际应用中可以根据具体传播环境和地形条件等因素对计算 公式中的校正因子进行修正。

S104、 根据 MR上报时距各个邻小区基站的距离及各邻小区基站所在位 置的经纬度, 通过三角定位算法, 得到每个 MR上报时所在的上报位置的经 纬度值。

其中, 各邻小区基站所在位置的经纬度, 通过各邻小区的 LAC和 CI查 询静态配置表得到。

特别的, 当邻小区的数目比较多时, 也可以使用所有的邻小区, 也可以 从测量报告中涉及到的邻小区中选出三个, 通过移动终端上报 MR时到这三 个邻小区基站的距离, 确定出移动终端上报测量报告时的上报位置信息。

特别的, 选择三个区域, 可以是任意选择也可以选择相关性最高的小区。 根据移动终端上报 MR时到这三个邻小区基站的距离, 以及每两个基站 之间的实际距离, 采用三角定位算法进行多重定位, 可以确定出移动终端上 报测量报告时的上报位置信息。 三角定位算法的原理如图 3a和图 3b所示。 其中, dl-d3、 dl-d2和 d2-d3分别表示两个基站之间的距离。 图 3b中为以基 站为圆心的位置关系示意图, 阴影部分为为确定出 MR上报时的区域位置。

其中, 每两个基站之间的实际距离, 可以通过查询静态配置表, 查的每 个邻小区的 LAC和 CI所对应的基站位置的经纬度值, 可以计算出每两个基 站之间的实际距离。 三角确定算法确定出的可能是一个准确的点, 也可能是一个区域, 当确定 出的是一个区域时, 确定该区域的中点为上报测量报告时的上报位置, 即经玮 度。

S105、 输出 MR上报时所在的经纬度位置。

例如, 步骤 S10在实际操作中, 具体可以通过下列函数实现:

—Located— MR Get一 MR— Position ( MR input, —CELLINFO data )

{

一 Located一 MR output return output;

}

而定位后的 MR数据结构如下:

typedef struct

{

int MR_longtitude;

int MR一 latitude;

time timestamp;

int LAC; //服务小区的 LAC

int CI; //服务小区的 CI

int DL—LEV一 ServingCell; //服务小区的下行电平

int DL_QUAL_ServingCell; //服务小区的下行质量

int UL_LEV_ServingCell; //服务小区的上行电平 int UL_QUAL_ServingCell; //服务小区的上行质量

int TA; 〃月^务小区的 timing advance

int BSIC_NB[6]; //六个最强邻小区的 BSIC

int BCCH一 NB[6]; //六个最强邻小区的 BCCH

int DL一 LEV— NB[6]; 〃六个最强邻小区的下行电平

}_Located_MR;

步骤 S11: 根据每个 MR的上报位置, 确定其上报时所在的栅格。

其中, 栅格是预先对待预测话务量的地理区域进行划分后得到的, 其大 小可以根据需要设定, 并通过经纬度来定义,例如可以设定栅格的大小为 100 米 * 100米等。

通过确定每个 MR的上报位置, 例如: 经纬度信息, 查询经纬度值所在 的栅格, 即可以确定出每个 MR所在的栅格。

步骤 S12:每个 MR的上报时间和上报时所在的栅格,生成每个栅格中各 个时间段上报的所有 MR的信息记录,

由于对单个 MR对于时空话务量预测是没有明显意义的, 需要对海量的 MR进行分析处理, 获得 MR在宏观意义上的量化指标。 为了能够对海量 MR 进行处理,需要将确定所属栅格后的 MR数据录入数据库中。可以通过 ODBC 通用数据接口, 将定位后的 MR保存至数据库, 以备使用。

根据确定出的每个 MR上报时所处的空间和对应的该 MR的上报时间, 以上报时间所在的时间段为依据, 生成海量 MR在时间和二维空间上的数据 模型 (即信息记录表), 并存入数据库中。

其中, 信息记录中包括每个 MR上报时的主小区、 相邻小区和经纬度等 信息。

信息记录的格式可以如下表所示 时间 主小 邻小 邻小 邻小 邻小 邻小 邻小 经度 纬度 属性 1 属性 2

Time 区 Cell 区 1 区 2 区 3 区 4 区 5 区 6 Lat Lon Attributel Attribute2

NB1 NB2 NB3 NB4 NB5 NB6 9: 10 小区 1 小区 小区 9小区 5小区 小区 6小区 2 XX YY

9: 10 小区 2小区 小区 6小区 5小区 小区 1 小区 8 XX YY

例如: 实际操作中,将 MR录入数据库时, 具体可以通过下列函数实现:

Int Store_MR_to_DB (_Located_MR data)

{

Return 0;

}

步骤 S13:根据所述 MR的上报时间和所在的栅格,统计出每个栅格中各 个时间段内上报的 MR数量。

步骤 S14: 获取每个栅格中当前时间段的相邻前 M个时间段上报的 MR 数量, 采用时间序列预测算法, 计算得到每个栅格当前时间段的话务量预测 值。

针对每个栅格, 其话务量在时间序列上都会有一个 MR数量的统计值序 列记录。 例如当每个时间段的长度为 1分钟时, 则这个统计值序列是一个按 照分钟粒度存储的数值序列。

测当前时间段的话务量。 其中 M为大于 1的正整数, 具体可以通过下列公式 计算:

话务量预测值 =基数 +∑变化'趋势 *时间粒度 +抖动因素

其中, 基数为与当前时间段相邻得前一时间段上报的 MR的数量; 变化趋势为所述前 M个时间段中, 每个时间段上报的 MR相对与其前一 个时间段上报的 MR的数量变化值;

时间粒度为时间段的长度;

抖动因素为相邻两次数量变化值之差的平均值。

例如: 取前 10个时间段中上报的 MR数量的记录, 预测当前时间段的话 务量预测值。

上述是对每个栅格中的话务量进行时间序列上的预测, 在进行时间序列 上的预测后, 还可以根据二维空间统计变化规律, 对计算得到每个栅格当前 时间段的话务量预测值进行优化进行进一步修正和优化, 使其更接近于真实 值。 对计算得到的待预测栅格当前时间段的话务量预测值进行优化包括步骤: 量, N为正整数; 根据待预测栅格与其相邻栅格的相关度, 及相邻栅格在相 邻前 N个时间段上报的 MR数量变化, 对所述话务量预测值进行优化。 所述 相关度根据待预测栅格及其相邻栅格中上报的 MR所涉及到的主小区和相邻 小区确定。

下面步骤就是优化时间序列上的话务量预测值的过程, 以优化一个栅格 (被优化的栅格)中当前时间段的话务量预测值进行说明,本实施例中上述 N 优选取 2, 如图 4所示, 包括下列步骤:

步骤 S20:确定当前时间段的前一个时间段上各个相邻栅格与被优化的栅 格的相关度。

其中, 相关度根据每个栅格中上报的 MR所涉及到的主小区和相邻小区 确定, 具体包括:

( 1 )根据信息记录, 统计前一个时间段上被优化的栅格与各个相邻栅格 中上报的 MR所涉及到的小区, 其中小区包括主小区和邻小区。

( 2 )分别计算各个相邻栅格中所涉及到的小区与被优化的栅格中所涉及 到的小区的相似度, 得到前一个时间段上各个相邻栅格与被优化的栅格的相 关度。

其中, 相同的小区越多相关度越大, 若全部相同, 则相关度为 100%, 若 一个也不相同, 则为 0。

相关度以空间矢量的形式表现出来, 表征栅格确定后, 在栅格的二维空 间里, 栅格与栅格之间涉及到的小区的相似性, 以此来反映两个栅格之间的 话务量流动与交叉的量化值。 针对每个时间段, 根据信息记录统计每个栅格内上报的 MR所涉及到的 小区, 例如: Grid ( I, j ), Cell ( celll , cell2, cell3, ... ); I, j代表经纬度。

计算每个栅格内涉及到的小区的相关度,相关度的取值范围为 0 - 100 %。 例如, 可以如图 5所示, 为每个相邻栅格与中间栅格的相关度。 空间矢量的 最后表现形式为稀疏矩阵, 定义了栅格之间的联系量, 或者说话务量渗透量。

步驟 S21: 根据步骤 S12统计出的每个栅格中每个时间段上报的 MR数 量, 确定各个相邻栅格中所述当前时间段的前一个时间段相对于再前一个时 间段上报的 MR数量的变化量, 其中, 变化量可以是正值、 负值或零。

从数据库中获取统计数据, 确定出上述两个时间段, 各相邻栅格内上报 的 MR数量的变化情况。

例如: 针对每个相邻栅格当前时间段的前一个时间段相对于再前一个时 间段上报的 MR数量的变化量可以如图 6所示。

例如: 实际操作中, 可以通过下列函数实现:

Int Store_MRVector_to_DB (int Vector—X , int Vector一 Y)

{

Return 0;

}

步骤 S22:根据得到的上述相关度和变化量,对被优化的栅格的话务量预 测值进行优化, 得到优化后的话务量预测值。

分别计算各个相邻栅格对应的相关度与该栅格的 MR数量变化量的乘积, 并计算得到的所有乘积的代数和。

将计算得到的代数和与步骤 S14中得到的时间序列上的该被优化的栅格 的话务量预测值相加, 得到优化后的话务量预测值。 即时空话务量预测值。

根据本发明的上述话务量预测方法, 可以构建一种话务量预测装置, 如 图 7所示, 包括: 数量统计模块 10, 用于获取待预测栅格中当前时间段的相 邻前 M个时间段上报的 MR数量, 所述待预测栅格为预先对待预测话务量的 地理区域进行划分后得到的; 预测模块 20, 用于根据待预测栅格中当前时间 段的相邻前 M个时间段上报的 MR数量变化, 采用时间序列预测算法, 计算 得到待预测栅格当前时间段的话务量预测值, 其中 M为大于 1的正整数。

较佳的,所述数量统计模块 10包括:栅格确定模块 101和计数模块 102。 栅格确定模块 101, 用于才艮据接收到的测量 4艮告 MR的上 位置, 确定

MR上报时所在的栅格;其中,栅格为预先对待预测话务量的地理区域进行划 分后得到的。

较佳的, 栅格确定模块 101进一步可以包括: 邻区确定单元 1011、 距离 计算单元 1012、 经纬度确定单元 1013和栅格确定单元 1014。

邻区确定单元 1011,用于根据 MR中包含的各邻小区广播控制信道 BCCH 和基站识别码 BSIC, 将查询静态配置表得到与 BCCH和 BSIC相匹配的位置 区码 LAC和小区标识 CI确定为各邻小区的 LAC和 CI。

距离计算单元 1012, 用于根据 MR中包含的邻小区的下行电平, 采用设 定的算法, 查询静态配置表, 计算出该 MR上报位置到距各个邻小区基站的 距离。

经纬度确定单元 1013, 用于根据该 MR上报时距各个邻小区基站的距离 及通过各邻小区的 LAC和 CI查得的各邻小区基站所在位置的经纬度, 通过 三角定位算法, 得到每个 MR上报时所在的上报位置的经纬度值。

栅格确定单元 1014, 用于查询上报位置的经纬度值所在的栅格, 确定出 每个 MR上艮时所在的栅格。

计数模块 102,用于根据 MR的上报时间和所在的栅格,统计出每个栅格 中各个时间段内上报的 MR数量。

上述话务量预测装置, 还包括: 优化模块 30, 用于对计算得到待预测栅 格当前时间段的话务量预测值进行优化。

较佳的, 优化模块 30进一步可以包括: 相关度确定单元 301、 变化量确 定单元 302和优化单元 303。

相关度确定单元 301,用于确定待预测栅格与其相邻栅格的相关度,优选 根据待预测栅格及其相邻栅格中上报的 MR所涉及到的主小区和相邻小区确 定所述相关度。 本实施例中相关度确定单元 301根据当前时间段的前一个时 间段上待预测栅格及其相邻栅格中上报的 MR所涉及到的主小区和相邻小区 确定所述相关度。

变化量确定单元 302,用于统计待预测栅格的相邻栅格在当前时间段的相 邻前 N个时间段上报的 MR数量, 获取相邻栅格在相邻前 N个时间段上报的 MR数量变化, N为正整数。 本实施例中 N为 2, 所述变化量确定单元 302用 于统计待预测栅格的相邻栅格在当前时间段的前一个时间段及再前一个时间 段上报的 MR数量, 确定待预测栅格各个相邻栅格中当前时间段的前一个时 间段相对于再前一个时间段上报的 MR数量的变化量。

优化单元 303,用于根据相关度确定单元 301确定出的待预测栅格与其相 邻栅格的相关度和变化量确定单元 302确定出的相邻栅格在相邻前 N个时间 段上报的 MR数量变化量对话务量预测值进行优化, 得到优化后的话务量预 测值。

上述话务量预测装置, 还包括: 记录生成模块 40, 用于生成每个栅格中 各个时间段上报的所有 MR的信息记录; 其中, 信息记录中包括每个 MR上 4艮时的主小区、 相邻小区和上艮位置的经纬度值。

本发明实施例提供的话务量预测方法及装置, 通过对接收到的海量 MR 进行分析处理, 确定其上报位置及所属栅格; 统计出每个栅格中各个时间段 内上报的 MR数量; 并通过每个栅格中已知的当前时间段的相邻前 M个时间 段上报的 MR数量, 预测每个栅格当前时间段的话务量预测值。 本发明方法 可以应用于在线的网络负荷实时监控的系统中, 实时预测下阶段话务量分布, 通过定义地理栅格及划分时间段实现了时间序列上更精细粒度、 更准确的实 时话务预测。 例如: lOOm x 100m的区域、 以分钟为单位的时间粒度等。

在时间序列这一个维度对预测数据的拉动因素是不准确的, 需要综合多 个维度空间联系拉动因素, 最终输出每个栅格话务量负荷的更准确的预测值。 本发明进一步提供了基于对海量数据二维空间变化规律的分析归纳, 来优化 通过从时间序列上预测得到的话务量预测值, 实现了时间和空间两个维度相 结合的话务量预测, 通过实际序列上的已知数据进行初步预测, 通过空间上 的变化规律进行优化, 实现了更准确、 合理、 科学的预测。

且本发明方法既可以提供在线预测, 即可以移植到 MR采集和定位系统 中, 根据最新的网络情况, 实时的计算下一个时间段的话务量分布情况, 分 析数据特征, 自动校偏; 还可以用于离线预测的场景中, 通用性强。

现有的技术通常实现的是在空间上小区级别 (几平方公里)和 BSC级别 (几十平方公里)、 在时间上小时级别话务量预测, 精度不能满足实际的使用 需求; 并且不能根据当前最新的情况, 自动调整预测模型的数据源和模型的 参数。 本发明克服了上述缺点, 实现了在 MR数据的采集和定位的基础上, 时间和空间两个维度更细粒度(空间 lOOm x lOOm, 置信度大于 70%, 时间可 以到达 1分钟, 预测精度大于 80% ) 的时空话务量预测, 且是根据最新的网 络变化情况实时、 在线的预测网络的话务量负荷, 从而将移动通信网络话务 量预测带入一个新的阶段。

以上所述, 仅为本发明较佳的具体实施方式, 但本发明的保护范围并不 局限于此, 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内, 可 轻易想到的变化、 替换或应用到其他类似的装置, 都应涵盖在本发明的保护 范围之内。 因此, 本发明的保护范围应该以权利要求书的保护范围为准。

Claims

权 利 要 求
1、 一种话务量预测方法, 其特征在于, 包括:
获取待预测栅格中当前时间段的相邻前 M个时间段上报的 MR数量, 所 述待预测栅格为预先对待预测话务量的地理区域进行划分后得到的;
根据待预测栅格中当前时间段的相邻前 M个时间段上报的 MR数量变 化, 计算得到待预测栅格当前时间段的话务量预测值, 其中 M为大于 1的正 整数。
2、 如权利要求 1所述的方法, 其特征在于, 还包括对计算得到的待预测 栅格当前时间段的话务量预测值进行优化的步骤:
统计待预测栅格的相邻栅格在当前时间段的相邻前 N个时间段上报的 MR数量, N为正整数;
根据待预测栅格与其相邻栅格的相关度, 及相邻栅格在相邻前 N个时间 段上报的 MR数量变化, 对所述话务量预测值进行优化。
3、 如权利要求 2所述的方法, 其特征在于,
所述相关度根据待预测栅格及其相邻栅格中上报的 MR所涉及到的主小 区和相邻小区确定。
4、 如权利要求 3所述的方法, 其特征在于,
所述 N为 2, 统计待预测栅格的相邻栅格在当前时间段的前一个时间段 及再前一个时间段上报的 MR数量;
所述相关度根据当前时间段的前一个时间段上待预测栅格及其相邻栅格 中上报的 MR所涉及到的主小区和相邻小区确定。
5、 如权利要求 4所述的方法, 其特征在于, 确定所 目关度具体包括: 统计所述前一个时间段上待预测栅格与各个相邻栅格中上报的 MR所涉 及到的小区, 所述小区包括主小区和邻小区;
分别计算各个相邻栅格中所述所涉及到的小区与待预测栅格中所涉及到 的小区的相似度, 得到前一个时间段上待预测栅格与各个相邻栅格的相关度。
6、 如权利要求 5所述的方法, 其特征在于, 对所述待预测栅格的话务量 预测值进行优化具体包括:
分别计算各个相邻栅格对应的相关度与该栅格的所述 MR数量的变化量 的乘积, 并计算得到的所有乘积的代数和;
将所述代数和与所述话务量预测值相加 , 得到优化后的话务量预测值。
7、 如权利要求 1所述的方法, 其特征在于, 获取待预测栅格中当前时间 段的相邻前 M个时间段上报的 MR数量包括:
根据接收到的测量报告 MR的上报位置, 确定所述 MR上报时所在的栅 格; 根据所述 MR的上报时间和所在的栅格, 统计出每个栅格中各个时间段 内上报的 MR数量。
8、 如权利要求 7所述的方法, 其特征在于, 所述根据接收到的测量报告 MR的上报位置, 确定所述 MR上报时所在的栅格, 包括:
根据所述 MR,查询静态配置表,确定所述每个 MR上报时所在的所述上 报位置的经纬度值;
查询所述经玮度值所在的栅格, 确定出所述每个 MR上报时所在的在栅 格。
9、 如权利要求 8所述的方法, 其特征在于, 确定 MR上报时所在的上报 位置的经纬度值, 具体包括:
根据 MR中包含的各邻小区广播控制信道 BCCH和基站识别码 BSIC,将 查询静态配置表得到的与 BCCH和 BSIC相匹配的位置区码 LAC和小区标识 CI确定为各邻小区的 LAC和 CI;
根据 MR中包含的邻小区的下行电平, 采用设定的算法, 查询所述静态 配置表, 计算出该 MR上报位置到距各个邻小区基站的距离;
根据该 MR上报时距各个邻小区基站的距离及通过所述各邻小区的 LAC 和 CI查得的各邻小区基站所在位置的经纬度, 通过三角定位算法, 得到每个 MR上报时所在的上报位置的经纬度值。
10、 如权利要求 9所述的方法, 其特征在于, 当查询静态配置表得到的 与 BCCH和 BSIC相匹配的 LAC和 CI数量大于实际的邻小区数量时, 根据 MR中包含的主小区的 LAC和 CI, 确定 BCCH和 BSIC所匹配的 LAC和 CI 中位置最靠近主小区的 LAC和 CI的实际邻小区数量个 LAC和 CI为各邻小 区的 LAC和 CI。
11、 如权利要求 10所述的方法, 其特征在于, 所述根据 MR中包含的邻 小区的下行电平, 采用设定的算法, 查询所述静态配置表, 计算出该 MR上 报位置到各邻小区基站的距离, 具体包括:
根据所述各邻小区的 LAC和 CI,查询静态配置表,得到各邻小区天线的 发射功率, 计算每个邻小区天线的发射功率的电平与对应的所述下行电平之 差的绝对值, 得到与每个邻小区对应的路径损耗;
才艮据所述路径损耗, 查询静态配置表, 确定该 MR上报位置到每个邻小 区基站的] ί巨离。
12、 如权利要求 7-11任一所述的方法, 其特征在于, 所述确定每个 MR 上报时所在的栅格之后, 还包括:
生成每个栅格中各个时间段上报的所有 MR的信息记录; 所述信息记录 中包括每个 MR上报时的主小区、 相邻小区和上报位置的经纬度值。
13、 一种话务量预测装置, 其特征在于, 包括:
数量统计模块, 用于获^ 预测栅格中当前时间段的相邻前 M个时间段 上报的 MR数量, 所述待预测栅格为预先对待预测话务量的地理区域进行划 分后得到的;
预测模块, 用于根据待预测栅格中当前时间段的相邻前 M个时间段上报 的 MR数量变化, 采用时间序列预测算法, 计算得到待预测栅格当前时间段 的话务量预测值, 其中 M为大于 1的正整数。
14、 如权利要求 13所述的装置, 其特征在于, 还包括: 用于对计算得到 的待预测栅格当前时间段的话务量预测值进行优化的优化模块, 其包括: 相关度确定单元, 用于确定待预测栅格与其相邻栅格的相关度; 变化量确定单元, 用于统计待预测栅格的相邻栅格在当前时间段的相邻 前 N个时间段上报的 MR数量, 获^ f目邻栅格在相邻前 N个时间段上报的 MR数量变化, N为正整数;
优化单元, 用于根据待预测栅格与其相邻栅格的相关度, 及相邻栅格在 相邻前 N个时间段上报的 MR数量变化, 对所述话务量预测值进行优化。
15、 如权利要求 14所述的装置, 其特征在于, 涉及到的主小区和相邻小区确定所述相关度。
16、 如权利要求 15所述的装置, 其特征在于,
所述变化量确定单元, 用于统计待预测栅格的相邻栅格在当前时间段的 前一个时间段及再前一个时间段上报的 MR数量;
所述相关度确定单元根据当前时间段的前一个时间段上待预测栅格及其 相邻栅格中上报的 MR所涉及到的主小区和相邻小区确定所述相关度。
17、 如权利要求 13所述的装置, 其特征在于, 所述数量统计模块包括: 栅格确定模块, 用于根据接收到的测量报告 MR的上报位置, 确定所述
MR上报时所在的栅格;
计数模块, 用于根据所述 MR的上报时间和所在的栅格, 统计出每个栅 格中各个时间段内上报的 MR数量。
18、 如权利要求 17所述的装置, 其特征在于, 所述栅格确定模块包括: 邻区确定单元, 用于根据 MR中包含的各邻小区广播控制信道 BCCH和 基站识别码 BSIC, 将查询静态配置表得到与 BCCH和 BSIC相匹配的位置区 码 LAC和小区标识 CI确定为各邻小区的 LAC和 CI;
距离计算单元, 用于根据 MR中包含的邻小区的下行电平, 采用设定的 算法, 查询所述静态配置表, 计算出该 MR上报位置到距各个邻小区基站的 距离;
经纬度确定单元, 用于根据该 MR上报时距各个邻小区基站的距离及通 过所述各邻小区的 LAC和 CI查得的各邻小区基站所在位置的经纬度, 通过 三角定位算法, 得到每个 MR上报时所在的上报位置的经纬度值; 栅格确定单元, 用于查询所述上报位置的经纬度值所在的栅格, 确定出 所述每个 MR上报时所在的栅格。
19、 如权利要求 17或 18所述的装置, 其特征在于, 还包括:
记录生成模块, 用于生成每个栅格中各个时间段上报的所有 MR的信息 记录; 所述信息记录中包括每个 MR上报时的主小区、 相邻小区和上报位置 的经纬度值。
PCT/CN2009/001173 2008-10-31 2009-10-23 一种话务量预测方法及装置 WO2010048780A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN200810225394.5 2008-10-31
CN2008102253945A CN101453747B (zh) 2008-10-31 2008-10-31 一种话务量预测方法及装置

Publications (1)

Publication Number Publication Date
WO2010048780A1 true WO2010048780A1 (zh) 2010-05-06

Family

ID=40735711

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2009/001173 WO2010048780A1 (zh) 2008-10-31 2009-10-23 一种话务量预测方法及装置

Country Status (2)

Country Link
CN (1) CN101453747B (zh)
WO (1) WO2010048780A1 (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101453747B (zh) * 2008-10-31 2010-09-08 中国移动通信集团北京有限公司 一种话务量预测方法及装置
CN101888640A (zh) * 2010-07-09 2010-11-17 广州杰赛科技股份有限公司 一种城市移动台定位方法
CN102655654A (zh) * 2011-03-04 2012-09-05 中兴通讯股份有限公司 一种话务统计方法和装置、组网方法和装置
CN103179583B (zh) * 2011-12-26 2015-07-29 中国移动通信集团设计院有限公司 一种网络仿真方法以及装置
CN102612071B (zh) 2012-02-24 2014-11-05 华为技术有限公司 室内话务地图呈现方法及装置
CN102625351A (zh) * 2012-02-28 2012-08-01 北京拓明科技有限公司 一种基于a接口信令的仿真基站定位方法
CN103379510B (zh) * 2012-04-23 2018-09-25 中兴通讯股份有限公司 一种利用mr数据进行小区规划的方法及装置
CN103458434B (zh) * 2012-05-30 2017-04-12 华为技术服务有限公司 一种确定天馈参数的方法及装置
CN102883352B (zh) * 2012-09-10 2015-09-09 北京拓明科技有限公司 基于话务建模与话务预测的gsm小区参数优化方法
CN103906121B (zh) * 2012-12-28 2017-11-21 中国移动通信集团内蒙古有限公司 一种定位外部干扰的方法及装置
CN103916868B (zh) * 2012-12-31 2017-10-27 中国移动通信集团浙江有限公司 位置区优化方法及系统
CN103916887B (zh) * 2012-12-31 2017-11-03 中国移动通信集团浙江有限公司 基于栅格定位的邻区漏配定位方法
CN104254083B (zh) * 2013-06-28 2017-12-22 华为技术有限公司 预测业务热点的方法及装置
CN103987056A (zh) * 2014-05-30 2014-08-13 南京华苏科技有限公司 基于大数据统计模型的无线网络话务量预测方法
CN107005889A (zh) * 2015-05-18 2017-08-01 华为技术有限公司 通信方法和设备
CN106255126B (zh) * 2015-06-09 2019-10-25 中国移动通信集团湖北有限公司 一种识别基站位置区插花的方法及装置
CN107466043B (zh) * 2016-06-03 2020-11-27 中国移动通信集团河北有限公司 一种确定基站天线的方位角的方法和设备
CN108243466B (zh) * 2016-12-27 2020-10-30 中国移动通信集团设计院有限公司 一种识别驻留在高铁专网中的低速用户设备的方法及装置
CN107155172A (zh) * 2017-04-01 2017-09-12 广州逸信电子科技有限公司 移动用户的定位系统及方法
CN108495256A (zh) * 2018-03-09 2018-09-04 深圳市网信联动通信技术股份有限公司 一种基于4/5g移动通信网络测量潮汐效应的方法及系统
TWI697863B (zh) * 2018-12-14 2020-07-01 中華電信股份有限公司 站台布建順序之系統與方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101083831A (zh) * 2006-05-29 2007-12-05 大唐移动通信设备有限公司 一种生成邻小区的方法
CN101159976A (zh) * 2007-08-24 2008-04-09 中国移动通信集团设计院有限公司 一种预测话务量及信道配置的方法及装置
US20080188242A1 (en) * 2007-02-05 2008-08-07 Andrew Corporation System and method for optimizing location estimate of mobile unit
CN101299867A (zh) * 2007-12-27 2008-11-05 华为技术有限公司 一种网络覆盖检测的方法、装置和系统
CN101453747A (zh) * 2008-10-31 2009-06-10 中国移动通信集团北京有限公司 一种话务量预测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101083831A (zh) * 2006-05-29 2007-12-05 大唐移动通信设备有限公司 一种生成邻小区的方法
US20080188242A1 (en) * 2007-02-05 2008-08-07 Andrew Corporation System and method for optimizing location estimate of mobile unit
CN101159976A (zh) * 2007-08-24 2008-04-09 中国移动通信集团设计院有限公司 一种预测话务量及信道配置的方法及装置
CN101299867A (zh) * 2007-12-27 2008-11-05 华为技术有限公司 一种网络覆盖检测的方法、装置和系统
CN101453747A (zh) * 2008-10-31 2009-06-10 中国移动通信集团北京有限公司 一种话务量预测方法及装置

Also Published As

Publication number Publication date
CN101453747B (zh) 2010-09-08
CN101453747A (zh) 2009-06-10

Similar Documents

Publication Publication Date Title
US10091668B2 (en) Mobile phone network management systems
EP3087776B1 (en) Rapid indoor wireless signal fingerprint database creation through calibration of ray-tracing propagation model
US10440503B2 (en) Machine learning-based geolocation and hotspot area identification
CN104853379B (zh) 一种无线网络质量评估方法及装置
JP4100320B2 (ja) 位置検出システムおよび装置
KR100645355B1 (ko) 파일롯 셀 데이터베이스를 이용한 네트워크 기반의측위방법 및 시스템
US8125388B2 (en) Method for calibrating an AOA location system for all frequencies in a frequency hopping signal
CN101060689B (zh) 通信系统网络规划的方法和设备
US8818399B2 (en) Methods and nodes in a wireless communication network
US8289210B2 (en) Location measurement acquisition adaptive optimization
US8700069B2 (en) Systems and methods for mobile terminal location determination using radio signal parameter measurements
US10306415B2 (en) Method for positioning using wireless signal and positioning server
EP2523497B1 (en) Wireless communication system, radio terminal, radio network, wireless communication method and program
CN102149103B (zh) 网络优化系统及方法
US7379019B2 (en) Method for angle of arrival determination on frequency hopping air interfaces
CN103068035B (zh) 一种无线网络定位方法、装置及系统
Ficco et al. Calibrating indoor positioning systems with low efforts
EP1859293B1 (en) Enhanced mobile location method and system
JP5335895B2 (ja) 測位されたワイヤレス測定報告に基づくロケーションサービス
US8559978B2 (en) Method and apparatus for geo-locating mobile station
US6442384B1 (en) System and method for identification of uplink/downlink interference sources
KR20020008744A (ko) 무선 신호 전파를 지형 통계적으로 분석하는 장치 및 방법
US8175061B2 (en) Path loss polygon positioning
US20040180671A1 (en) Location estimation of wireless terminals based on combinations of signal strength measurements and geometry-of-arrival measurements
US20040203717A1 (en) Method, system and radio network management functionality for radio data mapping to physical location in a cellular telecommunications network

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 09822973

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase in:

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1)EPC

122 Ep: pct application non-entry in european phase

Ref document number: 09822973

Country of ref document: EP

Kind code of ref document: A1