[发明专利]一种覆盖异常小区识别方法和装置有效
申请号: | 201710561738.9 | 申请日: | 2017-07-11 |
公开(公告)号: | CN109246728B | 公开(公告)日: | 2022-04-08 |
发明(设计)人: | 邵锐;韩增富 | 申请(专利权)人: | 中国移动通信集团山东有限公司;中国移动通信集团公司 |
主分类号: | H04W24/02 | 分类号: | H04W24/02;H04W24/08 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 王莹;曹杰 |
地址: | 250001 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 覆盖 异常 小区 识别 方法 装置 | ||
本发明公开了一种覆盖异常小区识别方法和装置,该方法包括:根据各个小区对应的测量报告,获取各小区对应的覆盖特征向量;其中,所述覆盖特征向量包括所述小区对应的属性指标,以及所述小区中的多个区域所分别对应的评估指标,所述评估指标根据归属于所述区域的测量报告获得;根据所述覆盖特征向量和预设聚类算法,将各小区划分至若干个小区聚类中,并获取各小区聚类所对应的覆盖特征向量;根据各小区聚类所对应的覆盖特征向量,确定符合覆盖异常条件的目标小区聚类,将所述目标小区聚类中所包括的所有小区识别为覆盖异常小区。应用本发明提供的方案,可更为准确地识别出覆盖异常的小区,且提高覆盖异常小区的识别效率。
技术领域
本发明实施例涉及通信技术领域,具体涉及一种覆盖异常小区识别方法和装置。
背景技术
随着网络技术的不断发展,无线网络的覆盖区域越来越广泛,网络结构日益复杂,业务量也大幅上升,网管统计数据、MR(Measurement Result,测量报告)测量数据、信令监测数据等形成了庞大的数据来源;而利用海量数据挖掘网络中存在的潜在知识,并利用知识指导网络优化成为当前发展趋势。
事实上,当网络中某个小区的覆盖异常时,可能会导致该小区中通信链路的通信质量下降。例如,当小区覆盖方向异常,出现天馈方向背向高业务量区域时,将会导致该小区中高业务量区域内终端容量减少,从而降低该区域内终端用户的通信质量。因此,有必要挖掘网络中潜在的存在覆盖异常问题的小区,并针对覆盖异常小区进行优化,以保障小区通信质量。
目前,现有可以采用人工识别的方法,针对每个小区,根据小区内各区域的覆盖效果进行人工统计分析,确定是否存在覆盖异常。然而,由于无线网络的覆盖区域广泛,无线网络中的小区规模是非常庞大的,人工识别的方案存在人力成本高,且识别效率低的不足。
现有还提供了一种覆盖异常的方法,主要是统计小区内用户的通话异常信息,比如,掉话率、丢包率等;根据通话异常信息的统计结果来判断小区是否存在覆盖异常。然而,事实上,用户通信异常除了可能是小区覆盖异常导致的,也有可能是其他原因导致的,比如用户终端本身的收发问题、天气环境等;小区覆盖异常只是造成用户通信异常的可能原因之一,如果仅根据用户的通信异常判断小区存在覆盖异常,该判断结果不够准确。
因此,有必要提供一种能够准确定位覆盖异常,且提高识别效率的覆盖异常小区的识别方案。
发明内容
鉴于现有技术中的上述缺陷或不足,期望提供一种覆盖异常小区识别方案,能够更为准确地识别出覆盖异常的小区,且提高覆盖异常小区的识别效率。
第一方面,本发明实施例提供了一种覆盖异常小区识别方法,包括:
根据各个小区对应的测量报告,获取各小区对应的覆盖特征向量;其中,所述覆盖特征向量包括所述小区对应的属性指标,以及所述小区中的多个区域所分别对应的评估指标,所述评估指标根据归属于所述区域的测量报告获得;
根据所述覆盖特征向量和预设聚类算法,将各小区划分至若干个小区聚类中,并获取各小区聚类所对应的覆盖特征向量;
根据各小区聚类所对应的覆盖特征向量,确定符合覆盖异常条件的目标小区聚类,将所述目标小区聚类中所包括的所有小区识别为覆盖异常小区。
第二方面,本发明实施例还提供了一种覆盖异常小区识别装置,包括:
特征获取模块,用于根据各个小区对应的测量报告,获取各小区对应的覆盖特征向量;其中,所述覆盖特征向量包括所述小区对应的属性指标,以及所述小区中的多个区域所分别对应的评估指标,所述评估指标根据归属于所述区域的测量报告获得;
小区聚类模块,用于根据所述覆盖特征向量和预设聚类算法,将各小区划分至若干个小区聚类中,并获取各小区聚类所对应的覆盖特征向量;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国移动通信集团山东有限公司;中国移动通信集团公司,未经中国移动通信集团山东有限公司;中国移动通信集团公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710561738.9/2.html,转载请声明来源钻瓜专利网。