CN102098710B - 路网质量仿真***与方法 - Google Patents
路网质量仿真***与方法 Download PDFInfo
- Publication number
- CN102098710B CN102098710B CN201110042685.2A CN201110042685A CN102098710B CN 102098710 B CN102098710 B CN 102098710B CN 201110042685 A CN201110042685 A CN 201110042685A CN 102098710 B CN102098710 B CN 102098710B
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- community
- module
- road network
- Prior art date
- Legal status (The legal status 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 status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种路网质量仿真***,至少包括:公共数据模块,用于对扫频仪测得的路网扫频数据进行预处理;质量仿真模块,用于根据所述预处理后的扫频数据,分析计算得到路网的质量仿真结果。优选的是,所述质量仿真模块还包括切换风险仿真模块、掉话风险仿真模块、质差风险仿真模块及接入风险仿真模块,可分别计算得到切换风险仿真结果、掉话风险仿真结果、质差风险仿真结果及接入风险仿真结果。本发明还相应的提供一种路网质量仿真方法。借此,本发明可以通过仿真算法查找路网存在的各种质量隐患,能够大大提高网络优化阶段工作效果和效率。
Description
技术领域
本发明涉及无线网络的质量检测,尤其涉及一种路网质量仿真***与方法。
背景技术
近年来,随着蜂窝通信技术的飞速发展,蜂窝网络被广泛使用。在蜂窝网络中,由于站点规划、网络参数配置不合理或者地理环境等因素的影响,使得蜂窝网络存在掉话、切换失败、接入失败、语音质量差等各种网络质量问题,为了解决这些问题就需要对蜂窝网络进行网络优化工作。网络优化就是对投入运行的网络进行问题查找、问题原因定位、最后通过技术手段做相应调整使网络达到最佳运行状态的过程。其中,问题查找是网络优化工作的基础环节,如何准确且高效地找出网络中存在的会影响用户主观感受的网络质量问题,是直接影响整个网络优化阶段工作的投入与产出的关键所在。
一种常用的查找网络问题的方法是基于常规终端模拟用户通话的路测数据进行分析。经过多年的实际应用经验表明,上述方法存在以下问题:需要专门的测试设备和人员采集海量的测试数据,费时费力,成本高,且优化效果不佳。造成这种情况的主要原因在于,测试行为(例如车速)和测试终端性能(例如BSIC解码时间)等不可控因素决定了每次的测试结果只能反映网络所有问题中的极少部分,为了获得比较全面的数据需要大量反复的测试,而每次测试由于网络覆盖范围比较大需要占用专业技术人员大量的时间,因此大大降低了工作效率,提高了成本,同时也给后续的问题原因定位和优化调整方案制定工作带来较大困难,进而影响最终的网络优化效果。
综上可知,现有的无线网络测试技术,在实际使用上显然存在不便与缺陷,所以有必要加以改进。
发明内容
针对上述的缺陷,本发明的目的在于提供一种路网质量仿真***与方法,可以通过仿真算法查找路网存在的各种质量隐患,能够大大提高网络优化阶段工作效果和效率。
为了实现上述目的,本发明提供一种路网质量仿真***,至少包括:
公共数据模块,用于对扫频仪测得的路网扫频数据进行预处理;
质量仿真模块,用于根据所述预处理后的扫频数据,分析计算得到路网的质量仿真结果。
根据本发明的路网质量仿真***,所述公共数据模块包括:
数据栅格化模块,用于对扫频数据进行处理得到不同车速下的数据序列;
主覆盖模型模块,用于对所述数据序列进行计算分析得到主覆盖小区,建立主小区重叠覆盖模型;
风险小区计算模块,用于根据所述扫频数据及主覆盖模型计算得到风险小区。
根据本发明的路网质量仿真***,所述质量仿真模块包括:
切换风险仿真模块,用于处理分析第一输入数据得到切换风险仿真结果;
掉话风险仿真模块,用于处理分析第一输入数据得到掉话风险仿真结果;
质差风险仿真模块,用于处理分析第一输入数据得到质差风险仿真结果;
接入风险仿真模块,用于处理分析第二输入数据得到接入风险仿真结果。
根据本发明的路网质量仿真***,所述切换风险仿真模块、掉话风险仿真模块及质差风险仿真模块均采用Active排序算法,所述第一输入数据包括扫频数据、TCH话务数据、爱立信切换参数、小区占用概率、测试车速及终端性能参数。
根据本发明的路网质量仿真***,所述接入风险仿真模块采用Idle排序算法,所述第二输入数据包括扫频数据、SD拥塞话务数据、爱立信重选参数、小区占用概率、测试车速及终端性能参数。
本发明相应的提供一种路网质量仿真方法,通过如前所述的仿真***实现,所述方法至少包括以下步骤:
数据预处理步骤:预处理测得的路网扫频数据;
路网质量仿真步骤:分析计算所述扫频数据得到路网的质量仿真结果。
根据本发明的路网质量仿真方法,所述数据预处理步骤进一步包括:
处理扫频数据,得到不同车速下的数据序列;
计算分析所述数据序列得到主覆盖小区,建立主小区重叠覆盖模型;
根据所述扫频数据及小区覆盖模型计算得到风险小区。
根据本发明的路网质量仿真方法,所述质量仿真步骤进一步包括:
处理分析第一输入数据,分别得到切换风险仿真结果、掉话风险仿真结果及质差风险仿真结果;
处理分析第二输入数据,得到接入风险仿真结果。
根据本发明的路网质量仿真方法,采用Active排序算法处理分析第一输入数据,所述第一输入数据包括扫频数据、TCH话务数据、爱立信切换参数、小区占用概率、测试车速及终端性能参数。
根据本发明的路网质量仿真方法,采用Idle排序算法处理分析第二输入数据,所述第二输入数据包括扫频数据、SD拥塞话务数据、爱立信重选参数、小区占用概率、测试车速及终端性能参数。
本发明通过公共数据模块对扫频仪路测的扫频数据进行预处理,具体的,其通过数据栅格化模块对扫频数据进行处理得到不同车速下的数据序列,再分别通过主覆盖模型模块和风险小区计算模块得到主小区重叠覆盖模型和风险小区,进一步的,***根据公共数据模块的各种数据信息通过质量仿真模块分析计算得到路网的质量仿真结果。借此,本发明可以通过仿真算法查找路网存在的各种质量隐患,能够大大提高网络优化阶段工作效果和效率。
附图说明
图1是本发明的路网质量仿真***的结构示意图;
图2是本发明的路网质量仿真***一实施例的结构示意图;
图3是本发明一实施例路网质量仿真***主覆盖模型示意图;
图4是本发明一实施例路网质量仿真***的风险小区示意图;
图5是本发明一实施例路网质量仿真***的切换风险仿真结果呈现图;
图6是本发明一实施例路网质量仿真***的掉话风险仿真结果呈现图;
图7是本发明一实施例路网质量仿真***的质差风险仿真结果呈现图;
图8是本发明一实施例路网质量仿真***的接入风险仿真结果呈现图;
图9是本发明的路网质量仿真方法流程图;
图10是本发明的路网质量仿真方法的原理结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1是本发明路网质量仿真***的基本结构示意图,路网质量仿真***100至少包括公共模块10和质量仿真模块20,
公共数据模块10,用于对扫频仪测得的路网扫频数据进行预处理。基于扫频仪的精确扫频数据,该公共数据模块10可以对其处理分析,借此提供质量仿真所需的输入数据。
质量仿真模块20,用于根据所述预处理后的扫频数据,分析计算得到路网的质量仿真结果。该质量仿真模块20主要通过公共数据模块10的数据进行路网的质量仿真,并将仿真结果以地理化方式输出,让用户有直观感受。
图2是本发明路网质量仿真***一具体实施例的结构示意图,在本实施例中,公共数据模块10包括数据栅格化模块11、主覆盖模型模块12和风险小区计算模块13。其中:
数据栅格化模块11,用于对扫频数据进行处理以得到不同车速下的数据序列。实际应用中,相同测试轨道在不同的车速下测得的小区占用序列会发生变化,从而影响网络质量和网络指标,带给用户不同的主观感受。因此,该数据栅格化模块11对原始数据进行处理可得到不同车速下的数据序列,借此可仿真出不同车速下的路网质量。
具体的,数据栅格化模块11采用的算法如下所述:
扫频仪在车速低于20Km/h时进行数据采集,获取尽可能多的采样点。数据栅格化模块11通过对原始扫频数据做栅格化处理,按不同的距离间隔采样取得不同车速下的数据并在软件数据库中保存成不同的文件。软件中车速做为变量参数,输入不同的值(20,40,……,20*N)分别调取相应的数据做质量仿真计算。例如,距离间隔取5.5m/s进行采样,可以得到车速为5.5m/s*3600s≈20km/h的数据序列。距离间隔取5.5m/s*2=11m/s进行采样,可以得到车速为11m/s*3600s≈40km/h的数据序列。依次类推,即可得到车速为20的不同倍数的数据序列。
主覆盖模型模块12,用于对数据栅格化模块11处理得到的数据序列进行计算分析得到主覆盖小区,进而建立主小区重叠覆盖模型。实际应用中,主覆盖模型模块12利用Active/Idle排序算法,根据扫频数据中各小区的RSSI和网络相关参数(Layer、Layerthr、Accmin、CR和PT)进行小区排序,筛选出每个采样点的排序值前六的小区,借此得到测试区域内的所有主覆盖小区,建立主小区重叠覆盖模型。
具体的,Active/Idle排序算法描述如下:
Active(通话模式)算法下,以下情况为主覆盖小区:1)最强1层小区RSSI(信号强度指示)>=layerthr(切换电平)时,此小区为第1主覆盖小区;2)所有1层小区RSSI<layerthr时,最强小区为第1主覆盖小区。第2~10小区主覆盖小区算法如第1主覆盖小区算法一致,在此不再赘述。
以某个某个采样点有十个小区的信号,Active排序前信息如下表。
排序值 | 小区名 | RSSI | Layer | Layerthr |
1强 | F | -50 | 2 | -80 |
2强 | G | -55 | 2 | -80 |
3强 | H | -60 | 2 | -80 |
4强 | I | -65 | 2 | -80 |
5强 | A | -70 | 1 | -80 |
6强 | B | -72 | 1 | -80 |
7强 | C | -74 | 1 | -80 |
8强 | D | -78 | 1 | -80 |
9强 | E | -79 | 1 | -80 |
10强 | J | -82 | 1 | -80 |
首先对layer=1的小区,RSSI与Layerthr进行比较,如果RSSI>Layerthr,则按RSSI从大到小排序;RSSI<Layerthr的小区与layer=2的小区放在一起按RSSI大小进行排序。排序处理完后的结果如下表:
Idle(空闲模式)算法下,以下小区为主覆盖小区:1)RSSI>accmin(本小区最小接入电平);2)C2最大小区为主覆盖小区,第2~10主覆盖小区依次类推;3)C2计算,当pt=0,C2=RSSI+accmin+2*cro,当pt≠0,C2=RSSI+accmin-2*cro;4)3层小区不能做IDLE主覆盖。根据以上规则,可推算出各主覆盖小区。需要说明的是,本发明的实施例中,在仿真掉话、切换和质差风险时采用Active排序算法,在仿真接入风险时采用Idle排序算法。
以某个采样点有十个小区的信号,Active排序前信息如下表:
排序值 | 小区名 | RSSI | Accmin | C2 |
6强 | F | -50 | -100 | 13 |
7强 | G | -55 | -100 | 11 |
8强 | H | -60 | -100 | 9 |
9强 | I | -65 | -100 | 7 |
1强 | A | -70 | -100 | 23 |
2强 | B | -72 | -100 | 21 |
3强 | C | -74 | -100 | 19 |
4强 | D | -78 | -100 | 17 |
5强 | E | -79 | -100 | 15 |
10强 | J | -82 | -100 | 5 |
首先RSSI与Accmin进行比较,对于RSSI>Accmin的小区,按照C2值从大到小进行排序;对于RSSI<Accmin的小区,按照RSSI值从大到小进行排序。
Idle排序处理完之后的结果如下:
根据Active/Idle排序算法得到的主覆盖模型如图3所示,图示中测试轨迹表示自左至右的行车方向,A~F代表不同的小区。
风险小区计算模块13,用于根据扫频数据及主覆盖模型计算得到风险小区。需要说明的是,根据通信原理,路网中发生掉话、切换失败、接入失败等不同类型的网络质量问题根源在于小区的无线链路质量发生恶化进而引起解码失败,而扫频数据中小区的C/I(载干比)可以表征无线链路质量。因此,需要筛选出存在连续C/I低的主覆盖小区,这些小区称之为风险小区。
本发明的一实施例中,风险小区的判定算法如下:在主覆盖模型基础上对所有前6强小区进行判断,若有连续N1(默认为6)个以上的采样点C/I<Q(Q默认为9)将被定义为质量风险小区;若有连续N2(默认为2)个以上的采样点RSSI<R(R默认为-90dbm)将被定义为弱信号风险小区。
其中,对于质量风险小区的算法,本发明一实施例中某连续六个采样点前六强小区信息如下:
由上表可知D小区连续6个采样点C/I<9,据此判定,该D小区为质量风险小区。
对于弱信号风险小区判定算法处理过程,在本发明的一实施例中,假设某弱覆盖区域连续四个采样点前六强小区信息如下:
由上表可知F小区连续3个采样点RSSI<-90dbm,据此判定该F小区为弱信号风险小区。
公共数据模块10通过各模块对数据信息处理后得到相关的数据序列、主小区覆盖模型和风险小区,借由这些数据,质量仿真模块20可对切换风险、质差风险、掉话风险及接入风险进行仿真,并能以地理化方式输出,借此让用户有直观的感受。
更好的,质量仿真模块20包括切换风险仿真模块21、掉话风险仿真模块22、质差风险仿真模块23和接入风险仿真模块24。各模块在具体仿真时,切换风险仿真模块21、掉话风险仿真模块22和质差风险仿真模块23均采用Active排序算法,且这几个模块需要的输入数据包括扫频数据、TCH话务数据、爱立信切换参数、小区占用概率、测试车速及终端性能参数;接入风险仿真模块24采用Idle排序算法,其输入数据包括扫频数据、SD拥塞话务数据、爱立信重选参数、小区占用概率、测试车速及终端性能参数。
切换风险仿真模块21用于处理分析相关的输入数据得到切换风险仿真结果,为方便后续描述,在此先将切换风险的三种场景及相关概念加以说明。
第一种场景:以所有有重叠覆盖的主覆盖小区对作为考察对象,根据输入的邻区配置表判断,当某对有重叠覆盖的小区间没有定义邻区,将会被判定存在邻区漏配切换风险,即0级切换风险。
第二种场景:以质量风险小区作为考察对象,与连续质差区域有重叠覆盖的小区做为切换源小区,当质量风险小区连续质差时间大于切换失败时间(T1+T2+T3),则判定该小区对存在一般切换风险;一般切换风险级别与风险小区排序值一致。如风险小区排序为1强小区,则切换风险级别对应为1级切换风险;如风险小区排序为2强小区,则切换风险级别对应为2级切换风险,依此类推。
第三种场景:以弱信号风险小区作为考察对象,与连续弱覆盖区域有重叠覆盖的小区作为切换源小区,当弱信号风险小区连续弱覆盖时间大于切换完成时间(T1+T2),则判定该小区对存在弱信号切换风险,即7级切换风险。
源小区:切换前的服务小区;目标小区:切换后的服务小区;切换成功所需时间:BSIC解码时间T1+切换判决时间T2;切换失败所需时间:切换成功所需时间+切换失败定时器T3。
本发明的一具体实施例中,邻区漏配切换风险算法处理过程说明如下:某区域主覆盖模型如图3所示,主覆盖小区共有6个。为方便说明,在此假定A小区与C小区未定义邻区,则由主覆盖模型可知A小区与C小区存在重叠覆盖关系。进一步的,由以上条件可以判定A与C小区存在邻区漏配风险,即0级切换风险。
结合图4,某区域质量风险小区为D小区,S1~S2范围为D小区质差区域。同时假设:S1~S2采样时间为10s,切换失败所需时间T1+T2+T3为6s,即连续质差时间大于切换失败时间,则由主覆盖模型可知A、B、C、E、F五个小区覆盖范围均与质差区域存在重叠关系;D小区质差时排序为第6强;由以上条件可以判定A、B、C、E和F小区切换至D小区时存在6级切换风险。
继续参见图4,图示中某区域弱信号风险小区为A小区,S3~S4范围为A小区弱覆盖区域。假定S3~S4采样时间为5s,切换完成所需时间T1+T2为4s,即连续弱覆盖时间大于切换完成时间,则由主覆盖模型可知B、C、D、E、F五个小区覆盖范围均与弱覆盖区域存在重叠关系;进一步的,由以上条件可以判定小区A、B、C、E和F切换到小区D存在弱信号切换风险,即7级切换风险。
本发明一实施例切换风险的仿真结果如图5所示,该图示中显示总采样点数为706,其中存在0级风险(代表漏配邻区)的采样点数为37,存在6级风险的采样点数为125,存在8级风险(多种级别风险叠加定义为8级)的采样点数为175。信息框内容显示源小区“陈屋3”、“陈屋村口1”、“陈屋村口2”、“陈屋村口3”切换到目标小区“陈屋金莹路3”存在切换风险。
掉话风险仿真模块22用于处理分析相关的输入数据得到掉话风险仿真结果,实际应用中,掉话风险可分以下两种情景:1)孤岛掉话风险:以风险小区(包括质量风险小区和弱信号风险小区)作为源小区进行考察,当源小区连续质差或者弱覆盖时间大于掉话定时时间T6,且连续质差或者弱覆盖区域内没有可切换的目标小区,此时将发生掉话,掉话风险级别为源小区的排序值;2)切换掉话风险:以风险小区(包括质量风险小区和弱信号风险小区)作为目标小区进行考察,且掉话风险算法与切换风险算法原理一致,掉话风险级别定义与切换风险定义一致。
再参见图4,本发明的一实施例中,某区域质量风险小区为D小区,S1~S2范围为D小区弱覆盖区域,假定:S1~S2范围内采样时间为10秒,掉话定时器参数T6为8s;D小区与A、B、C、E和F五个小区没有单项邻区关系,即D小区无法切换到A、B、C、E和F中的任一小区;D小区质差时排序为第6强;根据以上条件可以判定D小区存在6级掉话风险,切换掉话风险仿真算法与切换风险算法一致,在此不再赘述。
本发明一实施例的掉话风险的仿真结果如图6所示,图示显示总采样点数为706,其中存在6级风险的采样点数为124,存在8级风险(多种级别风险叠加定义为8级)的采样点数为48。信息框内容显示源小区“陈屋3”、“陈屋村口1”切换到目标小区“陈屋村口3”存在掉话风险。
质差风险仿真模块23用于处理分析相关的输入数据得到质差风险仿真结果。具体的,质差风险仿真模块23对所有主覆盖小区的C/I进行判断,如果有连续Z(默认为3)个采样点C/I小于质差门限Q(默认为9),则判定对应区域存在质差风险,风险程度为质差小区的排序值。其算法处理过程如下:
参见图4,某区域S1~S2范围内为D小区质差区域。假定:S1~S2区域内所有采样点C/I<9,质差门限Q=9;S1~S2采样点数为5,连续点数参数Z=3;D小区质差时排序为第6强;由以上条件可以判定D小区存在6级质差风险。
本发明一实施例的质差风险的仿真结果如图7所示,图示中显示总采样点数为706,存在7级风险的采样点数为228。信息框内容显示源小区“陈屋金莹路1”存在质差风险。
接入风险仿真模块24,用于处理分析第二输入数据得到接入风险仿真结果,为方便说明,在此先将相关概念及接入风险的三种场景加以描述:接入风险:空闲状态下小区重选接入失败;源小区:小区重选前的服务小区;目标小区:小区重选后的服务小区;小区重选起始点:源小区的覆盖边缘最后一个采样点;小区重选成功所需时间:BSIC解码时间T1+切换判决时间T4;小区重选失败所需时间:小区重选成功所需时间+小区重选接入失败定时器T5。
第一种接入风险场景:以所有有重叠覆盖的主覆盖小区对作为考察对象,根据输入的邻区配置表判断,当某对有重叠覆盖的小区间没有定义邻区,将会被判定存在邻区漏配接入风险,即0级切换风险。
第二种接入风险场景:以质量风险小区作为考察对象,与连续质差区域有重叠覆盖的小区作为切换源小区,当质量风险小区连续质差时间大于小区重选失败时间(T1+T4+T5),则判定该小区对存在一般接入风险;一般接入风险级别与风险小区排序值一致。如果风险小区排序为1强小区,则接入风险级别对应为1级接入风险;如果风险小区排序为2强小区,则接入风险级别对应为2级接入风险,依此类推。
第三种接入风险场景:以弱信号风险小区作为考察对象,与连续弱覆盖区域有重叠覆盖的小区作为小区重选源小区,当弱信号风险小区连续弱覆盖时间大于小区重选失败时间(T1+T4),则判定该小区对存在弱信号接入风险,即7级接入风险。
邻区漏配接入风险算法处理过程描述如下:参见图3所示的某区域主覆盖模型,主覆盖小区共有6个。假定A小区与C小区未定义邻区,由主覆盖模型可知A小区与C小区存在重叠覆盖关系,根据以上条件可以判定A与C小区存在邻区漏配风险,即0级接入风险。
一般切换风险算法处理过程说明如下:参见图4,某区域质量风险小区为D小区,S1~S2范围为D小区质差区域。假定S1~S2采样时间为10s,切换失败所需时间T1+T2+T3为7s,即连续质差时间大于小区重选失败时间;由主覆盖模型可知A、B、C、E、F五个小区覆盖范围均与质差区域存在重叠关系;D小区质差时排序为第6强;根据以上条件可以判定A、B、C、E和F小区切换到D小区时存在6级接入风险。
弱信号切换风险算法处理过程说明如下:请续参见图4,某区域弱信号风险小区为A小区,S3~S4范围为A小区弱覆盖区域。假定S3~S4采样时间为8s,小区重选完成所需时间T1+T2为6s,即连续弱覆盖时间大于小区重选完成时间;由主覆盖模型可知B、C、D、E、F五个小区覆盖范围均与弱覆盖区域存在重叠关系;根据以上条件可以判定A、B、C、E和F小区切换到D小区时存在弱信号接入风险,即7级接入风险。
本发明一实施例的接入风险的仿真结果如图8所示,图示中显示总采样点数为706,其中存在6级风险的采样点数为208,存在8级风险(多种级别风险叠加定义为8级)的采样点数为595。信息框内容显示源小区“陈屋村口1”、“陈屋村口3”、“陈屋金莹路3”重选到目标小区“陈屋金莹路1”存在接入风险。
图9是本发明的路网质量仿真方法流程图,其可以通过如前所述的路网质量仿真***100实现,至少包括以下步骤:
步骤S901,预处理测得的路网扫频数据,该步骤由公共数据模块10实现。具体的,其首先通过数据栅格化模块11处理扫频数据,借此得到不同车速下的数据序列;再通过主覆盖模型模块12计算分析所述数据序列得到主覆盖小区,建立主小区重叠覆盖模型;最后通过风险小区计算模块13根据所述扫频数据及小区覆盖模型计算得到风险小区。
步骤S902,分析计算扫频数据得到路网的质量仿真结果,该步骤由质量仿真模块20实现。具体的,结合图10,质量仿真模块20通过采用Active排序算法处理分析第一输入数据可分别得到切换风险仿真结果、掉话风险仿真结果及质差风险仿真结果,其中,第一输入数据包括由公共数据模块10获取的扫频数据、TCH话务数据、爱立信切换参数、小区占用概率、测试车速及终端性能参数。同时,质量仿真模块20还通过Idle排序算法处理分析第二输入数据得到接入风险仿真结果,其中,第二输入数据包括扫频数据、SD拥塞话务数据、爱立信重选参数、小区占用概率、测试车速及终端性能参数。
综上所述,本发明通过公共数据模块对扫频仪路测的扫频数据进行预处理,具体的,其通过数据栅格化模块对扫频数据进行处理得到不同车速下的数据序列,再分别通过主覆盖模型模块和风险小区计算模块得到主小区重叠覆盖模型和风险小区,进一步的,***根据公共数据模块的各种数据信息通过质量仿真模块分析计算得到路网的质量仿真结果。借此,本发明可以通过仿真算法查找路网存在的各种质量隐患,能够大大提高网络优化阶段工作效果和效率。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (2)
1.一种路网质量仿真***,其特征在于,至少包括:
公共数据模块,用于对扫频仪测得的路网扫频数据进行预处理;
所述公共数据模块包括:
数据栅格化模块,用于对扫频数据进行处理,得到不同车速下的数据序列;
主覆盖模型模块,用于对所述数据序列进行计算分析得到主覆盖小区,建立主小区重叠覆盖模型;
风险小区计算模块,用于根据所述扫频数据及主覆盖模型计算得到风险小区;
质量仿真模块,用于根据所述预处理后的扫频数据,分析计算得到路网的质量仿真结果;
所述质量仿真模块包括:
切换风险仿真模块,用于处理分析第一输入数据得到切换风险仿真结果;
掉话风险仿真模块,用于处理分析第一输入数据得到掉话风险仿真结果;
质差风险仿真模块,用于处理分析第一输入数据得到质差风险仿真结果;
接入风险仿真模块,用于处理分析第二输入数据得到接入风险仿真结果;
所述切换风险仿真模块、掉话风险仿真模块及质差风险仿真模块均采用Active排序算法,所述第一输入数据包括扫频数据、TCH话务数据、爱立信切换参数、小区占用概率、测试车速及终端性能参数;
所述接入风险仿真模块采用Idle排序算法,所述第二输入数据包括扫频数据、SD拥塞话务数据、爱立信重选参数、小区占用概率、测试车速及终端性能参数。
2.一种路网质量仿真方法,通过如权利要求1所述仿真***实现,其特征在于,所述方法至少包括以下步骤:
数据预处理步骤:预处理测得的路网扫频数据;
该数据预处理步骤进一步包括:
处理扫频数据,得到不同车速下的数据序列;
计算分析所述数据序列得到主覆盖小区,建立主小区重叠覆盖模型;
根据所述扫频数据及小区覆盖模型计算得到风险小区;
路网质量仿真步骤:分析计算所述扫频数据得到路网的质量仿真结果;
该路网质量仿真步骤进一步包括:
处理分析第一输入数据,分别得到切换风险仿真结果、掉话风险仿真结果及质差风险仿真结果;
处理分析第二输入数据,得到接入风险仿真结果;
所述第一输入数据采用Active排序算法处理分析,所述第一输入数据包括扫频数据、TCH话务数据、爱立信切换参数、小区占用概率、测试车速及终端性能参数;
所述第二输入数据采用Idle排序算法处理分析,所述第二输入数据包括扫频数据、SD拥塞话务数据、爱立信重选参数、小区占用概率、测试车速及终端性能参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110042685.2A CN102098710B (zh) | 2011-02-22 | 2011-02-22 | 路网质量仿真***与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110042685.2A CN102098710B (zh) | 2011-02-22 | 2011-02-22 | 路网质量仿真***与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102098710A CN102098710A (zh) | 2011-06-15 |
CN102098710B true CN102098710B (zh) | 2014-03-26 |
Family
ID=44131528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110042685.2A Expired - Fee Related CN102098710B (zh) | 2011-02-22 | 2011-02-22 | 路网质量仿真***与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102098710B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103179594A (zh) * | 2011-12-21 | 2013-06-26 | 北京亿阳信通科技有限公司 | 基于路测数据的无线网络优化方法和装置 |
CN102869063B (zh) * | 2012-09-10 | 2015-10-14 | 大唐移动通信设备有限公司 | 空中接口调整方法与装置 |
CN108738041A (zh) * | 2017-04-24 | 2018-11-02 | 中兴通讯股份有限公司 | 通信网络优化方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101835182A (zh) * | 2010-02-04 | 2010-09-15 | 西安方诚通讯技术服务有限公司 | 一种无线网络优化计算机分析***及分析方法 |
CN101925072A (zh) * | 2009-06-12 | 2010-12-22 | 大唐移动通信设备有限公司 | 一种参考符号信道的覆盖检测方法及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0229544D0 (en) * | 2002-12-18 | 2003-01-22 | Dehghan Fatemeh S | Wireless communications network simulation method |
-
2011
- 2011-02-22 CN CN201110042685.2A patent/CN102098710B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101925072A (zh) * | 2009-06-12 | 2010-12-22 | 大唐移动通信设备有限公司 | 一种参考符号信道的覆盖检测方法及设备 |
CN101835182A (zh) * | 2010-02-04 | 2010-09-15 | 西安方诚通讯技术服务有限公司 | 一种无线网络优化计算机分析***及分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102098710A (zh) | 2011-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102480742B (zh) | 一种检测无线网络过覆盖的方法及装置 | |
CN102149103B (zh) | 网络优化***及方法 | |
CN106804046A (zh) | 基于测量报告的移动台定位方法及装置 | |
CN102883348B (zh) | 一种将智能终端作为无线网网络测试的***及方法 | |
CN109391513B (zh) | 一种基于大数据的网络感知智能预警与提升方法 | |
CN109982352B (zh) | Tdd-lte网络中的异频切换方法及装置 | |
CN103037424B (zh) | 一种3g网络覆盖的评估方法及装置 | |
CN104320795A (zh) | 一种多维度的无线网络健康度评估方法 | |
CN103826235B (zh) | 构建小区关系矩阵的***及其构建小区关系矩阵的方法 | |
CN102457853B (zh) | 一种划分小区簇的方法及装置 | |
CN108243435B (zh) | 一种lte小区场景划分中的参数优化方法及装置 | |
CN101577918A (zh) | 一种基于手机测量报告的干扰矩阵建立方法 | |
CN104125580A (zh) | 一种网络规划方法及装置 | |
CN103686818A (zh) | 一种仿真测试方法及设备 | |
CN105163344A (zh) | 一种td-lte***内干扰的定位方法 | |
CN103796227A (zh) | 进行无线信号覆盖分析的方法和*** | |
CN102075902A (zh) | 一种确定服务小区的新邻区的方法及装置 | |
CN104349364A (zh) | 一种划分小区簇的方法和装置 | |
CN102098710B (zh) | 路网质量仿真***与方法 | |
CN103079221A (zh) | 一种利用扫频仪和测试手机联合分析移动网络状况的方法 | |
CN105813092A (zh) | 一种基于话单的楼宇网络覆盖优化方法和装置 | |
CN103686762B (zh) | 一种wcdma***小区覆盖评估方法及装置 | |
CN108696888A (zh) | 一种确定重叠覆盖小区的方法及装置 | |
CN107438264A (zh) | 小区性能分析方法及装置 | |
CN102883332A (zh) | 一种确定基站站址的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140326 Termination date: 20190222 |
|
CF01 | Termination of patent right due to non-payment of annual fee |