CN102726089A

CN102726089A - Wi-Fi热点部署规划阶段的精确选点方法及模型

Info

Publication number: CN102726089A
Application number: CN2011800025361A
Authority: CN
Inventors: 任波; 郝应涛; 钱苏敏; 任翠红
Original assignee: Huawei Technologies Co Ltd
Current assignee: Huawei Technologies Co Ltd
Priority date: 2011-11-25
Filing date: 2011-11-25
Publication date: 2012-10-10
Also published as: WO2013075330A1

Abstract

一种Wi-Fi热点部署规划阶段的精确选点方法及模型，所述方法包括：采集统计周期内各候选区域的统计数据；根据业务类指标对各候选区域的统计数据进行评估，得到业务评估得分；根据用户行为类指标和终端类指标这两者中的一类或两类对各候选区域的统计数据进行评估，得到用户行为评估得分或/和终端渗透率评估得分；根据对应各候选区域的各类评估得分进行汇总计算，得到每个候选区域的热度值；将热度值大于设定的阈值的候选区域作为Wi-Fi热点区域。

Description

Wi-Fi热点部署规划阶段的精确选点方法及模型

技术领域

本发明涉及通信技术领域，具体涉及一种Wi-Fi热点部署规划阶段的精确选点方法及模型。

背景技术

电信运营商的数据业务迅猛增长，导致网络管道化现象严重，网络建设投资收益降低。随着智能终端不断普及，用户数据业务需求的不断增长，将进一步加剧蜂窝网络的负担。在此形势下，WLAN(Wireless Local Area Networks，无线局域网络)普遍被移动运营商认为是为宏网络分流的重要手段。

Wi-Fi(Wireless Fidelity，无线保真)是一种可以将个人电脑、手持设备(如PDA、终端)等终端以无线方式互相连接的技术，它是当前应用最为广泛的WLAN标准。能够通过Wi-Fi接入互联网网络的地方被称为Wi-Fi热点，精确部署Wi-Fi热点是宏网络健康发展及WLAN正常运营必须要考虑的问题。

在现有技术中，通常有两种方式来确定是否需要部署Wi-Fi热点：一种是通过蜂窝网络小区数据流量高低来确定该小区是否适合部署Wi-Fi热点，另一种是通过地理化的数据业务流量地图来判断潜在的Wi-Fi热点位置的经纬度。

无论上述哪种方式，仅仅考虑了数据业务的流量，导致判断结果会有较大误差，比如：

(1)在某些区域，比如在学校，学生终端上网需求大导致这类小区的数据业务流量统计很高。但学生人群中使用的都是中低端终端，支持Wi-Fi的比例低，从分流的角度来看，这类小区实际上并不适合部署Wi-Fi热点。

(2)从运营商对于WLAN的定位来看，普遍希望WLAN能够分流蜂窝网络中的低价值业务。所谓低价值业务，指的是流量高但收益低、或者过多消耗网络资源的业务，如QQ等即时通讯业务的流量很小，但消耗网络资源极高。此类业务是WLAN网络的重点分流对象，仅依靠流量高低无法判断。

发明内容

本发明实施例提供一种Wi-Fi热点部署规划阶段的精确选点方法及模型，以提高Wi-Fi热点部署的精确性。

为了解决以上技术问题，本发明实施例采取的技术方案是：

一种Wi-Fi热点部署规划阶段的精确选点方法，包括：

采集统计周期内各候选区域的统计数据；

根据业务类指标对各候选区域的统计数据进行评估，得到业务评估得分；

根据用户行为类指标和终端类指标这两者中的一类或两类对各候选区域的统计数据进行评估，得到用户行为评估得分或/和终端渗透率评估得分；

根据对应各候选区域的各类评估得分进行汇总计算，得到每个候选区域的热度值；

将热度值大于设定的阈值的候选区域作为Wi-Fi热点区域。

一种Wi-Fi热点部署规划阶段的精确选点模型，包括：

数据采集单元，用于采集统计周期内各候选区域的统计数据；

业务指标评估单元，根据业务类指标对各候选区域的统计数据进行评估，得到业务评估得分；

其它指标评估单元，用于根据用户行为类指标和终端类指标这两者中的一类或两类对各候选区域的统计数据进行评估，得到用户行为评估得分或/和终端渗透率评估得分；

计算单元，用于根据所述业务指标评估单元和所述其它指标评估单元得到的对应各候选区域的各类评估得分进行汇总计算，得到每个候选区域的热度值；

热点区域确定单元，用于将热度值大于设定的阈值的候选区域作为Wi-Fi热点区域。

本发明实施例Wi-Fi热点部署规划阶段的精确选点方法及模型，对于各候选区域的业务类指标、以及用户行为类指标和终端类指标这两者中的一类或两类进行综合评估，根据评估结果计算各候选区域的热度值，从而快速准确地识别和确定最佳的Wi-Fi部署地点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例Wi-Fi热点部署规划阶段的精确选点方法的流程图；

图2是本发明实施例Wi-Fi热点部署规划阶段的精确选点模型的一种结构示意图；

图3是本发明实施例Wi-Fi热点部署规划阶段的精确选点模型的另一种结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。

本发明实施例Wi-Fi热点部署规划阶段的精确选点Wi-Fi热点部署规划阶段的精确选点方法及模型，对于各候选区域的业务类指标、以及用户行为类指标或/和终端类指标的统计指标套用模型进行综合评估，根据评估结果计算各候选区域的热度值，从而快速准确地识别和确定最佳的Wi-Fi部署地点。

如图1所示，是本发明实施例Wi-Fi热点部署规划阶段的精确选点方法的流程图，包括以下步骤：

步骤101，采集统计周期内各候选区域的统计数据。

上述统计周期可以任意设定，比如三天到一周。所述候选区域是指现有的网蜂窝网络的候选区域，可以是小区级的或栅格级(例如25米×25米，50米×50米，100米×100米等粒度的栅格)的区域。

上述统计数据可以包括以下任意一种或多种：数据业务统计数据、用户的运营或运维统计数据、不同品牌终端统计数据，当然，根据需要，还可以包括其它数据，对此本发明实施例不做限定。

步骤102，根据业务类指标对各候选区域的统计数据进行评估，得到业务评估得分。

在实际应用中，根据业务的不同，可以设定不同的业务类指标，比如，对于小区级的候选区域，所述业务类指标可以包括以下任意一项或多项：无线资源利用率、忙时数据业务流量、数据业务信道承载效率、数据业务信道拥塞率、数据业务信道资源占用率、低价值业务比例；对于栅格级的候选区域，所述业务类指标可以包括上述指标中可以细化到栅格级的任意一项或多项。

需要说明的是，针对上述每项业务类指标需要设定一个门限值，其值可以参考全网小区平均值来设定，比如可以是全网小区平均值的1.2倍，也可以根据使用人员的期望进行设定，以适应不同场景需要。

在根据业务类指标对一个候选区域的统计数据进行评估时，可以首先将该候选区域的统计数据中与相应的业务类指标对应的门限值进行比较，如果小于或等于对应的门限值，则不被考虑，业务评估得分为0；如果大于对应的门限值，则计算评估得分。评估得分为实际统计数据与对应的业务类指标对应的门限值的比值乘以一定的权重。每个指标的权重可以根据实际需要来设定，权重越大表明该指标的重要性越高。

步骤103，根据用户行为类指标和终端类指标这两者中的一类或两类对各候选区域的统计数据进行评估，得到用户行为评估得分或/和终端渗透率评估得分。

比如，对于小区级的候选区域，所述用户行为类指标可以包括以下任意一项或多项：高端用户的比例、使用Wi-Fi流量套餐的用户比例、经常使用Wi-Fi的用户比例、使用不支持Wi-Fi终端的用户的平均数据流量、使用支持Wi-Fi终端的用户的平均数据流量、支持Wi-Fi的终端贡献的总PS(Packet Switch，分组交换)流量占小区总数据流量的比例；所述终端类指标可以包括以下任意一项或多项：支持Wi-Fi的终端比例、明星终端比例、数据卡比例。

同样，针对上述每项业务类指标需要设定一个门限值，其值可以参考全网小区平均值来设定，比如可以是全网小区平均值的1.2倍，也可以根据使用人员的期望进行设定，以适应不同场景需要。

在根据用户行为类指标对一个候选区域的统计数据进行评估时，可以首先将该候选区域的统计数据中与用户行为相关的统计数据与相应的用户行为类指标的门限值进行比较，如果小于或等于相应的用户行为类指标对应的门限值，则不被考虑，业务评估得分为0；如果大于对应的门限值，则计算评估得分。评估得分为实际统计数据与对应的门限值的比值乘以一定的权重。每个指标的权重可以根据实际需要来设定，权重越大表明该指标的重要性越高。

同样，根据终端类指标对一个候选区域的统计数据进行评估的过程与上述类似，在此不再详细说明。

步骤104，根据对应各候选区域的各类评估得分进行汇总计算，得到每个候选区域的热度值。

对于每个候选区域，在得到对应该候选区域的各项评估得分后，可以将这些不同类指标项的评估得分进行加权平均，得到对应候选区域的热度值。每个指标项的评估得分的权重可以根据实际需要来设定，不同指标项对应的权重可以相同，也可以不同，当然，可以是正数，也可以是负数。

步骤105，将热度值大于设定的阈值的候选区域作为Wi-Fi热点区域。

另外，为了方便用户的使用，在本发明实施例中，还可根据各候选区域的热度值生成Wi-Fi潜在热点分布图，从而更直观地体现Wi-Fi潜在热点分布。

下面举例进一步详细说明本发明实施例Wi-Fi热点部署规划阶段的精确选点方法针对不同粒度的候选区域的热度确定原则。

例1：针对小区粒度的候选区域

例2：针对栅格粒度的候选区域

需要说明的是，在实际应用中，为了进一步保证确定的Wi-Fi热点区域的准确性，还可以对上述步骤104得到的各候选区域的热度值进行修正，比如，将得分完整性参数作为修正系数，即热度值*得分完整性参数＝修正后的热度值。然后，再根据修正后的热度值确定Wi-Fi热点区域。

上述得分完整性参数的设定原则可以通过一个或多个方面来体现，比如：

(1)排除少数用户的极端数据业务行为导致的得分虚高的伪数据热点

比如，若本小区的前5位用户贡献了95％的数据流量，则得分完整性参数值为0。当然，具体原则可以根据网络实际情况进行合理调整。

(2)体现各指标分类维度全面得分的优势

比如，若业务类，用户行为类、终端渗透率类三类指标中都至少有一项指标得分，则得分完整性参数值为1；若有一类指标中各项指标均未得分，则得分完整性参数值为2/3；若有两类指标中各项指标均未得分，则得分完整性参数值为1/3。当然，具体原则可以根据网络实际情况进行合理调整。

当然，还可以从其它方面对各候选区域的热度值进行修正，对此本发明实施例不做限定。

可见，本发明实施例Wi-Fi热点部署规划阶段的精确选点方法，对采集的各候选区域的统计数据，根据业务指标、以及用户行为指标和终端渗透率指标这两者中的一类或两类进行综合评估，根据评估结果计算各候选区域的热度值，从而快速准确地识别和确定最佳的Wi-Fi部署地点。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

相应地，本发明实施例还提供一种Wi-Fi热点部署规划阶段的精确选点模型，如图2所示，是该模型的一种结构示意图。

在该实施例中，所述模型包括：

数据采集单元201，用于采集统计周期内各候选区域的统计数据；

业务指标评估单元202，根据业务类指标对各候选区域的统计数据进行评估，得到业务评估得分；

其它指标评估单元203，用于根据用户行为类指标和终端类指标这两者中的一类或两类对各候选区域的统计数据进行评估，得到用户行为评估得分或/和终端渗透率评估得分；

计算单元204，用于根据业务指标评估单元202和其它指标评估单元203得到的对应各候选区域的各类评估得分进行汇总计算，得到每个候选区域的热度值；

热点区域确定单元205，用于将热度值大于设定的阈值的候选区域作为Wi-Fi热点区域。

上述统计周期可以任意设定，比如三天到一周。所述候选区域是指现有的网蜂窝网络的候选区域，可以是小区级的或栅格级的区域。

上述各类指标具体可以根据候选区域的地理位置、环境等因素来确定，而且，针对不同粒度的候选区域，设定不同的指标项，具体可参照前面本发明实施例Wi-Fi热点部署规划阶段的精确选点方法中的描述，在此不再赘述。

上述业务指标评估单元202在根据业务类指标对一个候选区域的统计数据进行评估时，可以首先将该候选区域的统计数据中与业务相关的统计数据与相应的业务类指标对应的门限值进行比较，如果小于或等于对应的门限值，则不被考虑，业务评估得分为0；如果大于对应的门限值，再计算评估得分，具体计算方法可以有多种，比如可以是实际统计数据与对应的门限值的比值，或者是实际统计数据与对应的门限值的差值等，对此本发明实施例不做限定。

同样，其它指标评估单元203根据用户行为类指标和终端类指标这两者中的一类或两类对各候选区域的统计数据进行评估的过程与上述业务指标评估单元202的处理类似，在此不再赘述。

上述计算单元204具体用于分别对每个候选区域的各项评估得分进行加权平均，得到对应候选区域的热度值。每个指标项的评估得分的权重可以根据实际需要来设定，不同指标项对应的权重可以相同，也可以不同，当然，可以是正数，也可以是负数。

可见，本发明实施例Wi-Fi热点部署规划阶段的精确选点模型，对采集的各候选区域的统计数据，根据业务指标、以及用户行为指标和终端渗透率指标这两者中的一项或两项进行综合评估，根据评估结果计算各候选区域的热度值，从而快速准确地识别和确定最佳的Wi-Fi部署地点。

如图3所示，是本发明实施例Wi-Fi热点部署规划阶段的精确选点模型的另一种结构示意图。

与图2所示实施例不同的是，在该实施例中，所述模型还进一步包括：

分布图生成单元301，用于根据计算单元204得到的各候选区域的热度值生成Wi-Fi热点分布图。

这样，可以更直观地体现Wi-Fi热点分布，方便用户的使用。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于模型实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及***实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims

1.一种Wi-Fi热点部署规划阶段的精确选点方法，其特征在于，包括：

采集统计周期内各候选区域的统计数据；

将热度值大于设定的阈值的候选区域作为Wi-Fi热点区域。

2.如权利要求1所述的方法，其特征在于，所述统计数据包括以下任意一种或多种：

数据业务统计数据、用户的运营或运维统计数据、不同品牌终端统计数据。

3.如权利要求1所述的方法，其特征在于，所述候选区域的粒度为小区级；

所述业务类指标包括以下任意一项或多项：无线资源利用率、忙时数据业务流量、数据业务信道承载效率、数据业务信道拥塞率、数据业务信道资源占用率、低价值业务比例；

所述用户行为类指标包括以下任意一项或多项：高端用户的比例、使用Wi-Fi流量套餐的用户比例、经常使用Wi-Fi的用户比例、使用不支持Wi-Fi终端的用户的平均数据流量、使用支持Wi-Fi终端的用户的平均数据流量、支持Wi-Fi的终端贡献的总分组交换流量占小区总数据流量的比例；

所述终端类指标包括以下任意一项或多项：支持Wi-Fi的终端比例、明星终端比例、数据卡比例。

4.如权利要求1所述的方法，其特征在于，所述候选区域的粒度为栅格级；

所述业务类指标包括以下任意一项或多项：数据业务流量、RRC拥塞率、低价值业务比例；

所述用户行为类指标包括以下任意一项或多项：栅格内的固定用户数、固定用户中高端用户的比例、固定用户中使用Wi-Fi流量套餐的用户比例、固定用户中经常使用Wi-Fi的用户比例、固定用户中使用不支持Wi-Fi终端的用户的平均数据流量、使用支持Wi-Fi终端的用户的平均数据流量、支持Wi-Fi的终端贡献的总分组交换流量占栅格内总数据流量的比例；

5.如权利要求1所述的方法，其特征在于，所述根据对应各候选区域的各类评估得分进行汇总计算，得到每个候选区域的热度值包括：

分别对每个候选区域的各类评估得分进行加权平均，得到对应候选区域的热度值。

6.如权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：

根据各候选区域的热度值生成Wi-Fi热点分布图。

7.一种Wi-Fi热点部署规划阶段的精确选点模型，其特征在于，包括：

8.如权利要求1所述的模型，其特征在于，所述候选区域的粒度为小区级或栅格级。

9.如权利要求1所述的模型，其特征在于，

所述计算单元，具体用于分别对每个候选区域的各类评估得分进行加权平均，得到对应候选区域的热度值。

10.如权利要求6至9任一项所述的模型，其特征在于，所述模型还包括：

分布图生成单元，用于根据所述计算单元得到的各候选区域的热度值生成Wi-Fi热点分布图。