[发明专利]一种忙时忙区预测方法及装置

权利要求书

1.一种忙时忙区预测方法，其特征在于，包括：

获取目标小区在预设周期内同一指定时间段的历史话务数据，其中，所述历史话务数据的数据类别包括：有效RRC用户数、PRB利用率、业务消耗流量中至少一类话务指标；

针对每个所述数据类别，根据该数据类别下的所述历史话务数据，确定在所述指定时间段内用于表征该数据类别的数据变化趋势的斜率；

根据所述历史话务数据和各所述数据类别对应的所述斜率，判断所述目标小区是否满足预设扩容条件；

若判断结果为是，则将所述目标小区确定为忙时忙区；

在将所述目标小区确定为忙时忙区之后，还包括：

针对所述预设周期内每个监控日期，判断该监控日期对应的偶发识别参数是否大于预设阈值，其中，所述偶发识别参数是通过公式确定的，X表示所述监控日期内的历史话务数据，X'表示所述预设周期内多个监控日期的历史话务数据的平均值，σ表示所述预设周期内多个监控日期的历史话务数据的标准差；

若所述预设周期内至少预设数量个所述偶发识别参数大于预设阈值，则将所述目标小区由忙时忙区变更为非忙时忙区。

2.根据权利要求1所述的方法，其特征在于，所述针对每个所述数据类别，根据该数据类别下的所述历史话务数据，确定在所述指定时间段内用于表征该数据类别的数据变化趋势的斜率，包括：

针对每个所述数据类别，在预先建立的多个斜率预测模型中，选取与该数据类别对应的目标斜率预测模型；

将所述数据类别下的所述历史话务数据输入至所述目标斜率预测模型，得到在所述指定时间段内用于表征该数据类别的数据变化趋势的斜率。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

针对每个数据类别，获取与该数据类别对应的多组样本数据；

利用预设曲线拟合原理确定各组所述样本数据对应的斜率拟合值，建立所述数据类别对应的斜率预测模型。

4.根据权利要求3所述的方法，其特征在于，所述利用预设曲线拟合原理确定各组所述样本数据对应的斜率拟合值，建立所述数据类别对应的斜率预测模型，包括：

利用预设曲线拟合原理确定各组所述样本数据对应的斜率拟合值，建立所述数据类别对应的初始预测模型；

确定所述数据类别对应的斜率校正因子；

基于所述斜率校正因子，对所述初始预测模型进行优化，得到目标预测模型；

将所述目标预测模型确定为所述数据类别对应的斜率预测模型。

5.根据权利要求4所述的方法，其特征在于，所述确定所述数据类别对应的斜率校正因子，包括：

根据各组所述样本数据对应的斜率拟合值和公式确定所述数据类别对应的斜率校正因子，其中，i表示第二样本数据的序号，n表示第二样本数据的组数，S_i表示第i组第二样本数据的斜率拟合值，表示斜率拟合值的平均值，β表示斜率校正因子。

6.根据权利要求1所述的方法，其特征在于，所述根据所述历史话务数据和各所述数据类别对应的所述斜率，判断所述目标小区是否满足预设扩容条件，包括：

针对每个所述数据类别，从该数据类别下的所述历史话务数据选取目标话务数据；

判断各所述数据类别对应的所述目标话务数据是否大于相应的预设门限阈值；以及，

判断各所述数据类别对应的所述斜率是否大于零；

若判断结果均为是，则确定所述目标小区满足预设扩容条件。