[发明专利]基于移动终端数据实现小区方位角预测的方法

权利要求书

1.一种基于移动终端数据实现小区方位角预测的方法，包括

S10、采集设定时间段内智能终端上报的带有位置的无线环境数据集S1，所述无线环境数据集S1的记录包括信号电平RSRP、时延TA、AOA维度数据；根据AOA维度数据的统计分布，计算AOA维度数据的中心值AOA_mid；

S20、提取无线环境数据集S1中的AOA维度数据值等于AOA_mid的记录形成无线环境数据集S2；

S30、对无线环境数据集S2的TA值和采样点到小区位置的实际距离dis值指标建立回归模型进行训练，拟合TA值与采样点到小区位置的实际距离dis值之间的关系；

S40、根据训练好的回归模型预测TA值，对比查找异常的TA值，删除TA值异常的用户数据，形成数据集S3；

S50、使用聚类算法对数据集S3进行聚类，将数据聚类分成K类，每类计算电平RSRP的均值，选择电平RSRP均值最大的一类用户数据作为K_i类数据；

S60、计算K_i类数据的中心点，该中心点与小区位置的正北方向夹角即为预测的小区方位角。

2.如权利要求1所述的基于移动终端数据实现小区方位角预测的方法，其特征在于，所述S10中的无线环境数据集S1中的数据包括OTT、MDT和MR数据中的一种或多种的组合。

3.如权利要求1所述的基于移动终端数据实现小区方位角预测的方法，其特征在于，所述S10中的设定时间为连续30-60天。

4.如权利要求1所述的基于移动终端数据实现小区方位角预测的方法，其特征在于，所述S30中建立回归模型的方法包括下述步骤：

S31、设一共有n条无线环境数据集S2的用户数据记录，即有n个样本，使用指标：TA值、dis值，x＝{x₁，x₂...x_n}为dis值，y＝{y₁，y₂...y_n}为TA值；

S32、对TA值、dis值两个指标进行0-1标准化处理，并分别划分为训练样本集和测试样本集：

其中min和max分别是对应组数据中的最小值和最大值；

S33、用曼哈顿距离公式计算测试样本集数据与各个训练样本集数据之间的距离：

其中i和j分别代表i样本和j样本，p是指标的个数，本模型中p＝1；

S34、将S33获得的各个距离按照从小到大排序，选择距离最小的K个样本，所述K为多次迭代选择最优的K；计算所述K个样本的TA平均值或加权平均值，所述TA平均值或加权平均值即为回归模型的TA预测值。

5.如权利要求1所述的基于移动终端数据实现小区方位角预测的方法，其特征在于，所述S40中异常的TA值具体为：TA值乘以78大于采样点与基站的实际距离。

6.如权利要求1所述的基于移动终端数据实现小区方位角预测的方法，其特征在于，所述S50具体包括下述步骤：

S51、设定一共有n条用户数据记录，即有n个样本，x＝{x₁，x₂...x_n}为dis值，每个样本包含5个指标，指标：RSRP、TA、AOA、用户经度、用户纬度；

S52、随机选取K个样本作为初始中心点S_m，m＝1，2，3...K；

S53、采用欧几里得距离公式分别计算所有样本到K个样本中心点的距离：

其中i和j分别代表第i个样本和第j个样本，p是指标的个数，本模型中p＝5；

S54、根据S53计算的距离判断，如果样本离中心点最近，那么这个样本属于点群，如果到多个中心点的距离相等，则可划分到任意组中；

S55、按距离对所有样本分完组之后，重新计算每类中样本各个指标的平均值，作为新的中心点；

S56、分配每个样本到最近的新的中心点；

S57、重复步骤S55和S56直到所有的样本不在被分配或是达到最大的迭代次数。

7.权利要求6所述的基于移动终端数据实现小区方位角预测的方法，其特征在于，所述S57中的最大的迭代次数为30。