[发明专利]基于AI模型检测睡眠小区的方法

说明书

本发明公开一种基于AI模型检测睡眠小区的方法，包括：步骤1，网管周期性采集小区话务相关的关键性能指标KPI；步骤2，根据关键性能指标KPI构建小区话务模型；步骤3，将小区话务出现异常小区加入到实时监控列表中；步骤4，根据实时监控列表对小区话务出现异常的小区进行监控；步骤5，将睡眠小区的判定结果上报到网管；步骤6，更新话务模型。所述方法能够根据不同小区的话务情况、相同小区在不同时间段预测小区的话务模型的话务曲线、高峰时间段、忙时话务量等特征，并根据话务模型的特征检测出睡眠小区，解决了现有技术中检测参数固定无法适配不同小区话务特征导致的误检及漏检的技术问题。

技术领域

本发明涉及移动通信技术领域，具体涉及一种基于AI模型检测睡眠小区的方法。

背景技术

在通信技术的长期演进(Long Term Evolution，LTE)和NR系统中，小区是提供服务的基本单位，而随着用户数的增加，网络的不断扩容，小区的数目也成级数的增长，因此小区的智能运维至关重要，小区在运行过程中经常会由于射频、软件故障导致小区的用户接入困难，长期无话务且不产生任何告警，成为睡眠小区，此类睡眠小区长期无法提供业务，又较难被维护人员通过常规运维的手段发现，是当前运维的痛点，因此智能而快速的检测出睡眠小区能有效降低网络运维的复杂度及成本。

现有的睡眠小区检测机制主要有两种思路，一种是通过配置固定的检测参数或者阈值进行判断，另一种方式是在基站侧通过一定的自检测方式，如由基站自行发送寻呼检测是否有UE接入，前一种检测机制的缺点是检测参数及阈值固定不灵活，不同的小区话务情况不同，即使相同的小区在不同的时间段，如工作日的潮汐效应、节假日也呈现不同的话务特征，使用固定参数判断很容易造成漏检和误检，后一种方式需要在网管侧配置UE的寻呼ID，因此需要在检测前预先获知接入小区的UE ID信息，在日常运维中很难实施。

基于现有技术存在的上述技术问题，本发明提出一种基于AI模型检测睡眠小区的方法。

发明内容

本发明提供一种基于AI模型检测睡眠小区的方法。

为达到上述目的，本发明采用以下技术方案：

一种基于AI模型检测睡眠小区的方法，包括：

步骤1，网管周期性采集小区话务相关的关键性能指标KPI；

步骤2，根据关键性能指标KPI构建小区话务模型；

步骤3，根据小区话务模型检测小区话务，对于小区话务出现异常的小区，将小区话务出现异常的小区加入到实时监控列表中；

步骤4，根据实时监控列表对小区话务出现异常的小区进行监控，根据小区话务模型对小区是否为睡眠小区进行判定；

步骤5，将睡眠小区的判定结果上报到网管；

步骤6，更新话务模型。

进一步地，步骤2中，将关键性能指标KPI按照采集的时间特征进行分类。

进一步地，步骤2中，话务模型能够反映小区时间段与所统计的KPI对应话务量分布。

进一步地，步骤3中，通过话务曲线表征小区话务是否出现异常，当话务曲线的拟合度低于预设的监控门限，认为小区话务出现异常，将话务出现异常的小区加入到实时监控列表中。

进一步地，步骤1中，关键性能指标KPI包括RRC连接建立尝试次数、RRC平均用户数及切入用户数。

进一步地，步骤1中，话务采集时对关键性能指标KPI的时间段进行标识，标注出节假日时间段。

进一步地，步骤1中，网管采集关键性能指标KPI时，根据基站上报关键性能指标KPI的粒度进行采集。