CN110602741A - 网络弱覆盖的识别方法、装置、设备及存储介质 - Google Patents

Abstract

本发明实施例提供了网络弱覆盖的识别方法、装置、设备及存储介质。该方法包括：获取网络覆盖信息；根据所述网络覆盖信息识别网络弱覆盖区域，并确定所述网络弱覆盖区域的覆盖范围信息；其中，所述网络覆盖信息包括：话务统计、OTT、测量报告MR、用户历史投诉信息和网络黑点库。本发明实施例能够精确地确定弱覆盖区域的位置，进而确定弱覆盖区域所出现问题的严重程度以及出现问题的弱覆盖区域范围大小。

Description

网络弱覆盖的识别方法、装置、设备及存储介质

技术领域

本发明涉及无线网络技术领域，尤其涉及一种网络弱覆盖的识别方法、装置、设备及存储介质。

背景技术

农村网络整体覆盖评估以及网络弱覆盖村庄识别，是农村网络广覆盖提升的基础。有了精准的农村网络覆盖评估结果后，还需要根据农村网络覆盖评估结果确定农村网络覆盖的优化方案。

目前***移动通信技术(the 4th Generation mobile communicationtechnology，4G)移动网络农村区域无线网络覆盖质量的评估、弱覆盖区域的识别主要依靠测量报告(Measurement Report，MR)数据、用户反馈和实地测试的方法。通过MR数据可简单判断基站扇区周围是否存在弱覆盖区域，无法确定弱覆盖区域的具***置，较难提出弱覆盖区域解决方案。通过用户反馈也只能大致确定弱覆盖区域的位置，进而导致无法确定弱覆盖区域所出现问题的严重程度以及出现问题的弱覆盖区域范围大小。

发明内容

本发明实施例提供了一种网络弱覆盖的识别方法、装置、设备及存储介质，能够解决无法确定弱覆盖区域的位置，进而导致无法确定弱覆盖区域所出现问题的严重程度以及出现问题的弱覆盖区域范围大小的技术问题。

第一方面，本发明实施例提供了一种网络弱覆盖的优化方法，该方法包括：

获取网络覆盖信息；

根据网络覆盖信息识别网络弱覆盖区域，并确定网络弱覆盖区域的覆盖范围信息；其中，网络覆盖信息包括：话务统计、OTT、测量报告(Measurement Report，MR)、用户历史投诉信息和网络黑点库。

在一个可能的实现中，该方法还包括：

获取基站的资源利用率、信号发射功率、OTT采样点和参数；

根据覆盖范围信息、基站的配置信息和参数，确定网络弱覆盖区域的弱覆盖场景类型；

根据弱覆盖场景类型，确定优化网络弱覆盖的方案。

在一个可能的实现中，根据网络覆盖信息识别网络弱覆盖区域，包括：

使用网络弱覆盖算法，分别计算话务统计、OTT、MR、用户历史投诉信息和网络黑点库对应的评估分数；

根据评估分数和网络覆盖信息中每一项信息对应的权重，计算网络覆盖得分；

确定网络覆盖得分满足预设的阈值的区域为网络弱覆盖区域。

在一个可能的实现中，根据覆盖范围信息、基站的配置信息和参数，确定网络弱覆盖区域的弱覆盖场景类型，包括：

获取MR覆盖区域中的用户位置信息；

根据参数，确定网络弱覆盖区域的基站天线倾角和方位角的大小；

根据基站的配置信息，确定基站的参考信号CRS的功率；

根据覆盖范围信息，确定网络弱覆盖区域与基站主瓣覆盖范围的距离，基站主瓣是基站的最大辐射波束；

根据基站天线倾角和方位角的大小、CRS的功率和距离，确定网络弱覆盖区域的弱覆盖场景类型。

在一个可能的实现中，弱覆盖场景类型包括网络弱覆盖区域的基站天线倾角是否满足第一预设条件；

根据参数和网络弱覆盖区域内用户位置信息，确定网络弱覆盖区域的基站天线倾角是否满足第一预设条件；

其中，包括：

获取基站的位置信息；

根据用户位置信息和基站的位置信息，确定用户与基站之间的距离；

根据参数中基站的俯仰角，确定网络弱覆盖区域的基站天线倾角；

以基站为中心点，根据泰森多边形算法生成泰森多边形，并计算中心点到泰森多边形中每个边的平均值，作为泰森多边形间距；

天线倾角的大小满足预设的倾角阈值、用户与基站之间的距离满足预设的距离条件，且泰森多边形间距满足预设的间距阈值，确定网络弱覆盖区域的基站天线倾角满足第一预设条件。

在一个可能的实现中，弱覆盖场景类型包括网络弱覆盖区域的基站天线方位角是否满足第二预设条件；

类型确定模块，具体用于根据参数和网络弱覆盖区域内用户位置信息，确定网络弱覆盖区域的基站天线方位角是否满足第二预设条件；

其中，包括：

获取基站的参数中的基站天线的方位角以及位置信息；

根据用户位置信息和基站的位置信息，确定用户与基站之间的距离；

基于用户位置信息，在基站的覆盖方位内确定用户分布的方位信息和用户的分布密度；

根据用户分布的方位信息、用户与基站的距离和用户的分布密度，确定用户平均分布方位角；

基站天线方位角与用户平均分布方位角之间的差值小于预设的方位角阈值，确定网络弱覆盖区域的基站天线的方位角满足第二预设条件。

第二方面，本发明实施例提供一种网络弱覆盖的优化装置，该装置包括：

信息获取模块，用于获取网络覆盖信息；

信息确定模块，用于根据网络覆盖信息识别网络弱覆盖区域，并确定网络弱覆盖区域的覆盖范围信息；其中，网络覆盖信息包括：话务统计、OTT、测量报告MR、用户历史投诉信息和网络黑点库。

在一个可能的实现中，该装置还包括：

信息获取模块，还用于获取基站的资源利用率、信号发射功率、OTT采样点和参数；

类型确定模块，用于根据覆盖范围信息、基站的配置信息和参数，确定网络弱覆盖区域的弱覆盖场景类型；

方案确定模块，用于根据弱覆盖场景类型，确定优化网络弱覆盖的方案。

在一个可能的实现中，信息确定模块，用于根据网络覆盖信息识别网络弱覆盖区域，包括：

使用网络弱覆盖算法，分别计算话务统计、OTT、MR、用户历史投诉信息和网络黑点库对应的评估分数；

根据评估分数和网络覆盖信息中每一项信息对应的权重，计算网络覆盖得分；

确定网络覆盖得分满足预设的阈值的区域为网络弱覆盖区域。

在一个可能的实现中，类型确定模块，用于根据覆盖范围信息、基站的资源利用率、信号发射功率、OTT采样点和参数，确定网络弱覆盖区域的弱覆盖场景类型，包括：

获取MR覆盖区域中的用户位置信息；

根据参数，确定网络弱覆盖区域的基站天线倾角和方位角的大小；

根据基站的资源利用率、信号发射功率、OTT采样点和参数，确定基站的参考信号CRS的功率；

根据覆盖范围信息，确定网络弱覆盖区域与基站主瓣覆盖范围的距离，基站主瓣是基站的最大辐射波束；

根据基站天线倾角和方位角的大小、CRS的功率和距离，确定网络弱覆盖区域的弱覆盖场景类型。

在一个可能的实现中，弱覆盖场景类型包括网络弱覆盖区域的基站天线倾角是否满足第一预设条件；

类型确定模块，具体用于根据参数和网络弱覆盖区域内用户位置信息，确定网络弱覆盖区域的基站天线倾角是否满足第一预设条件；

其中，包括：

获取基站的位置信息；

根据用户位置信息和基站的位置信息，确定用户与基站之间的距离；

根据参数中基站的俯仰角，确定网络弱覆盖区域的基站天线倾角；

以基站为中心点，根据泰森多边形算法生成泰森多边形，并计算中心点到泰森多边形中每个边的平均值，作为泰森多边形间距；

天线倾角的大小满足预设的倾角阈值、用户与基站之间的距离满足预设的距离条件，且泰森多边形间距满足预设的间距阈值，确定网络弱覆盖区域的基站天线倾角满足第一预设条件。

在一个可能的实现中，弱覆盖场景类型包括网络弱覆盖区域的基站天线方位角是否满足第二预设条件；

类型确定模块，具体用于根据参数和网络弱覆盖区域内用户位置信息，确定网络弱覆盖区域的基站天线方位角是否满足第二预设条件；

其中，包括：

获取基站的参数中的基站天线的方位角以及基站的位置信息；

根据用户位置信息和基站的位置信息，确定用户与基站之间的距离；

基于用户位置信息，在基站的覆盖方位内确定用户分布的方位信息和用户的分布密度；

根据用户分布的方位信息、用户与基站的距离和用户的分布密度，计算用户平均分布方位角；

基站天线方位角与用户平均分布方位角之间的差值小于预设的方位角阈值，确定网络弱覆盖区域的基站天线的方位角满足第二预设条件。

第三方面，本发明实施例提供了一种计算设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面或者第一方面任一可能实现方式的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面或者第一方面任一可能实现方式的方法。

本发明实施例提供了网络弱覆盖的识别方法、装置、设备及存储介质。该方法包括：获取网络覆盖信息；根据网络覆盖信息识别网络弱覆盖区域，并确定网络弱覆盖区域的覆盖范围信息；其中，网络覆盖信息包括：话务统计、OTT、测量报告MR、用户历史投诉信息和网络黑点库。本发明实施例能够精确地确定弱覆盖区域的位置，进而确定弱覆盖区域所出现问题的严重程度以及出现问题的弱覆盖区域范围大小。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，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示出了根据本发明一些实施例提供的一种网络弱覆盖的识别方法的流程图；

图2示出了根据本发明一些实施例提供的一种网络弱覆盖的识别方法中确定网络弱覆盖区域的弱覆盖场景类型方法的流程图；

图3示出了根据本发明一些实施例提供的一种弱覆盖用户位置方位角算法的示意图；

图4示出了根据本发明一些实施例提供的一种天线下倾角与覆盖范围图解的示意图；

图5示出了根据本发明一些实施例提供的一种网络弱覆盖的识别装置的结构图；

图6示出了根据本发明一些实施例提供的一种计算设备的结构示意图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，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描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

农村整体覆盖评估以及弱覆盖村庄识别，是农村广覆盖提升的基础。有了精准的农村覆盖评估结果后，如何对应不同场景应用合理、高效、经济的覆盖提升方案，是解决农村弱覆盖区域的难点和重点。目前，***移动通信技术(the 4th Generation mobilecommunication technology，4G)移动网络农村区域无线覆盖质量的评估、弱覆盖区域的识别主要依靠MR数据、用户反馈和实地测试的方法。通过MR数据可简单判断基站扇区周围是否存在弱覆盖区域，但是无法确定具***置，较难提出解决方案。通过用户反馈也仅仅能够大致确定具***置，更不可能确定弱覆盖问题的程度、问题区域范围大小，无法确定采用何种解决方案最佳措施。只有通过实地的详细测试可确定弱覆盖区域、范围、及弱覆盖问题程度，可确定最优方案，但是投入的人力、物力、时间较大，无法在大范围内进行实施。

综上，目前的网络弱覆盖区域的识别以及优化过程中，数据源相对单一，缺乏相互的关联性分析，弱覆盖区域问题识别只能是定性分析，无法准确识别具***置(具体村庄、经纬度)、弱覆盖区域大小、具体覆盖强度等一系列定量性指标；无法快速、高效、准确的识别全网的农村弱覆盖区域，给优化调整、确定最优解决方案带来一定困难，优化难度增加，需要投入大量人力、车辆、时间进行排查测试，耗时、费力、且效率低下。农村区域弱覆盖问题识别判断结果与优化解决方案没有精准的匹配模型与算法，不能做到分场景、分类型的弱覆盖问题与最佳解决方案的一一对应，问题解决及优化效率低下。

因此，本发明实施例提供的一种网络弱覆盖的识别方法、装置、设备及存储介质，可以能够降低采购成本，提高产品利用率。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种网络弱覆盖的识别方法进行详细介绍。

参见图1所示，本发明实施例提供了一种网络弱覆盖的识别方法，包括：S101-S102。

S101：获取网络覆盖信息。

在本发明的一个实施例中，为了能够精准识别网络弱覆盖区域，从农村区域整体覆盖评估为切入点，以覆盖和价值两个维度定义网络弱覆盖区域，并通过利用话务统计、OTT、MR、用户历史投诉信息和网络黑点库五个关键维度信息，实现全部村庄4G覆盖现状评估的五元组法。因此，在确定网络弱覆盖区域之前需要获取网络覆盖信息，其中，网络覆盖信息包括话务统计、OTT、MR、用户历史投诉信息和网络黑点库，进而增加了评估网络弱覆盖的数据多元化。

S102：根据网络覆盖信息识别网络弱覆盖区域，并确定网络弱覆盖区域的覆盖范围信息。

在本发明的一个实施例中，利用话务统计、OTT、MR、用户历史投诉信息和网络黑点库五个关键维度信息能够识别出网络弱覆盖区域，例如，网络弱覆盖信息中的五个关键维度信息在评估区域是否为网络弱覆盖区域的时候占有不同的权重，根据五个关键维度信息的权重，能够精准的识别网络弱覆盖的区域或村庄。

具体的，参见图2所示，本发明实施例提供了根据网络覆盖信息识别网络弱覆盖区域的方法，包括：

使用网络弱覆盖算法，分别计算话务统计、OTT、MR、用户历史投诉信息和网络黑点库对应的评估分数；

根据评估分数和网络覆盖信息中每一项信息对应的权重，计算网络覆盖得分；

确定网络覆盖得分满足预设的阈值的区域为网络弱覆盖区域。

在本发明的一个实施例中，首先，根据网络弱覆盖算法确定每一个五毒信息的评估分数，而根据MR可以确定MR的在被识别是否是网络弱覆盖区域的覆盖率，不同的MR的覆盖率在确定MR在评估网络弱覆盖区域的时候，其对应的评估分数是不同的，例如，可以是当MR的覆盖率是90％-100％时，MR在评估网络弱覆盖区域的评估分数为50分，当MR的覆盖率是75％-89％时，MR在评估网络弱覆盖区域的评估分数为60分，当MR的覆盖率是50％-74％时，MR在评估网络弱覆盖区域的评估分数为80分，当MR的覆盖率是0％-49％时，MR在评估网络弱覆盖区域的评估分数为100分。

根据每一个网络覆盖信息对应的评估分数以及网络覆盖信息中每一项信息对应的权重，计算网络覆盖得分。例如，话务统计的评估分数为68分，权重占比为10％；MR的评估分数为56分，权重占比为30％；OTT的评估分数为53分，权重占比为50％；用户历史投诉信息的评估分数为100，权重占比10％；网络黑点库的评估分数为0，在这里，网络黑点库没有权重占比。其中，网络黑点库是指没有覆盖或弱覆盖的概率极高的区域的信息库。根据网络覆盖信息中各个维度信息的评估分数和权重，可得网络覆盖得分F为：F＝68×10％+56×30％+53×50％+100×10％+0＝57.1。

假设预设的阈值为0-50，而网络覆盖得分F为57.1不能够满足预设的阈值，因此，该区域为网络弱覆盖区域。

识别确定网络弱覆盖区域后，还需要对网络弱覆盖区域进行优化，那么就需要确定网络弱覆盖区域存在的问题，进而确定弱覆盖场景类型，得到优化网络弱覆盖的方案。

具体地，本发明实施例提供的网络弱覆盖的识别方法，还包括：

获取基站的资源利用率、信号发射功率、OTT采样点和参数；

根据覆盖范围信息、基站的资源利用率、信号发射功率、OTT采样点和参数，确定网络弱覆盖区域的弱覆盖场景类型；

根据弱覆盖场景类型，确定优化网络弱覆盖的方案。

在本发明的一个实施例中，为了能够快速确定优化网络弱覆盖的方案，需要预先根据基站的参数、MR、OTT采样点、基站覆盖的区域的资源利用率以及基站的功率确定弱覆盖场景类型，其中，基站覆盖的区域的资源可以是在基站覆盖区域内的软硬件的配置、License配置许可。OTT可以是指通过互联网向用户提供各种应用服务，例如，微信、支付宝、滴滴等应用服务，OTT采样点是指对应OTT的使用用户存在网络弱覆盖情况的采样点。

参见图2所示，本发明实施例提供的网络弱覆盖的识别方法中，根据覆盖范围信息、基站的资源利用率、信号发射功率、OTT采样点和参数，确定网络弱覆盖区域的弱覆盖场景类型，包括：

S201：获取MR覆盖区域中的用户位置信息；

S202：根据参数，确定网络弱覆盖区域的基站天线倾角和方位角的大小；

S203：根据基站的资源利用率、信号发射功率、OTT采样点和参数，确定基站的CRS的功率；

S204：根据覆盖范围信息，确定网络弱覆盖区域与基站主瓣覆盖范围的距离，基站主瓣是基站的最大辐射波束；

S205：根据基站天线倾角和方位角的大小、CRS的功率和距离，确定网络弱覆盖区域的弱覆盖场景类型。

在本发明的一个实施例中，覆盖范围信息是指网络弱覆盖的具体覆盖的范围。确定网络弱覆盖区域对应的网络弱覆盖场景类型需要先对网络弱覆盖区域内的基站进行评估，例如，评估基站的各种参数配置是否合理等。其中，弱覆盖场景类型如下述表一所示：

表一

对应每种弱覆盖场景类型有如表二所示的优化网络弱覆盖的方案。

表二

首先，在S201中，需要根据获取的基站参数，确定基站天线的倾角和方位角的大小，例如，基站天线的俯仰角对应每个小区的实际总倾角，包含电子倾角与机械倾角，俯仰角小于6度是倾角过小判断的必要条件，俯仰角大于10度是判断过大的首要条件。

具体地，弱覆盖场景类型包括网络弱覆盖区域的基站天线倾角是否满足第一预设条件；

根据参数和网络弱覆盖区域内用户位置信息，确定网络弱覆盖区域的基站天线倾角是否满足第一预设条件；

其中，包括：

获取基站的位置信息；

根据用户位置信息和基站的位置信息，确定用户与基站之间的距离；

根据参数中基站的俯仰角，确定网络弱覆盖区域的基站天线倾角；

以基站为中心点，根据泰森多边形算法生成泰森多边形，并计算中心点到泰森多边形中每个边的平均值，作为泰森多边形间距；

天线倾角的大小满足预设的倾角阈值、用户与基站之间的距离满足预设的距离条件，且泰森多边形间距满足预设的间距阈值，确定网络弱覆盖区域的基站天线倾角满足第一预设条件。

在本发明的一个实施例中，为了确定基站天线的倾角是否是影响网络弱覆盖的因素，需要获取网络弱覆盖区域中用户位置信息以及基站的位置信息，根据基站的位置信息和用户位置信息能够确定用户与基站之间的距离，由于基站天线的俯仰角对应每个小区的实际总倾角，包含电子倾角与机械倾角，因此，根据基站的参数，确定网络弱覆盖区域的基站天线倾角。另外，还需要结合泰森多边形间距以及用户与基站之间的距离共同确定基站天线倾角的大小是否是影响网络弱覆盖的因素。也即，天线倾角的合理性满足下述算法(1)：

T_{倾角合理性}＝f(T_倾角，MRTA_分布，D_{泰林多边形站间距}) (1)

其中，T_倾角表示基站天线的倾角，MRTA_分布表示用户在小区MR覆盖区域内的位置信息，D_{泰林多边形站间距}表示泰森多边形间距。

其中，天线倾角合理则表示天线倾角不是影响网络弱覆盖的因素。

其中，泰森多边形间距通过下述方法建立：以基站为中心点根据泰森多边形算法生成泰森多边形，中心点到泰森多边形每个边距离的平均值定义为泰森多边形站间距。此外，根据泰森多边形站间距结合用户采样点分布情况判断用户是否在网络弱覆盖范围内均衡分布或是否超过覆盖范围用户过多。

根据上述算法(1)能够确定得到基站天线倾角的大小，用户在小区MR覆盖区域内的位置信息，泰森多边形间距，进而确定基站天线倾角的合理性，例如，天线倾角的合理性包括下述三种情况：

其一，倾角过小。

当基站天线的倾角小于6度，同时MRTA采样点中40％用户位置距离基站位置大于泰森多边形站间距1.5倍，则确定基站天线倾角过小，则需要重新调整基站天线的倾角。

其二，倾角过大。

当泰森多边形站间距大于2Km小于10Km，同时基站天线的倾角大于10度且MRTA采样点中90％用户位置距离基站位置小于泰森多边形站间距0.2倍，则确定基站天线倾角过大，则需要重新调整基站天线的倾角。

其三，倾角合理，也就是基站的天线倾角满足第一预设条件。

除了倾角过大和倾角过小中的判断条件，则认为基站天线倾角合理。

除了基站天线的倾角能够影响网络弱覆盖之外，基站天线的方位角也是影响网络弱覆盖的因素之一。

具体地，本发明实施例提供的网络弱覆盖的识别方法中，弱覆盖场景类型包括网络弱覆盖区域的基站天线方位角是否满足第二预设条件，包括：

获取基站的参数中的基站天线的方位角以及基站的位置信息；

根据用户位置信息和基站的位置信息，确定用户与基站之间的距离；

基于用户位置信息，在基站的覆盖方位内确定用户分布的方位信息和用户的分布密度；

根据用户分布的方位信息、用户与基站的距离和用户的分布密度，确定用户平均分布方位角；

基站天线方位角与用户平均分布方位角之间的差值小于预设的方位角阈值，确定网络弱覆盖区域的基站天线的方位角满足第二预设条件。

在本发明的一个实施例中，基站天线的方位角若满足第二预设条件，即基站天线的方位角满足条件：基站天线方位角与用户平均分布方位角之间的差值小于预设的方位角阈值，则基站天线的方位角不是影响网络弱覆盖的因素。那么，首先，我们需要先根据用户的位置信息，确定用户分布的方位信息以及用户的分布密度，根据用户分布的方位信息、用户与基站的距离和用户的分布密度，合成用户平均分布方位和用户之间分布的距离。计算基站天线方位角与用户平均分布方位角之间的差值，若基站天线方位角与用户平均分布方位角之间的差值小于预设的方位角阈值，则基站天线的方位角不是影响网络弱覆盖区域的因素。例如，方位角阈值为30度，若基站天线方位角与用户平均分布方位角之间的差值大于30度，则基站天线的方位角不是合理的，需要调整天线的方位角。

除此之外，基站的CRS的功率和网络弱覆盖区域与基站主瓣覆盖范围的距离也是影响网络弱覆盖的重要因素，因此，还需要确定基站的CRS的功率和网络弱覆盖区域与基站主瓣覆盖范围的距离。

根据MR小区覆盖区域的MRTA采样点分析，输出小区覆盖区间采样点占比，将基站小区MR统计的MRTA为00至47字段之间的所有采样点，按如下距离分段区间：500米以内[0，500]，500至1000米[501，1000]，1Km至2Km[1001，2000]，2Km以上[2001，+∞]，以距离分段区间判断小区当前主要用户群的分布及主瓣覆盖范围，将用户的群分布最多的距离分段区间作为覆盖中心点，得到主瓣覆盖中心点LA(栅格区域)。

根据基站小区软硬件配置、License配置许可，评估小区CRS参考信号功率配置合理性，是否可以通过提升功率配置来减少网络弱覆盖区域，其中，功率License配置值>功率License使用值，即CRS参考信号的功率有提升余地；F频段小区RRU绑定小区数<2或者D频段RRU绑定小区数<2，则CRS功率配置有余量，可提升功率配置。

根据小区PRB资源利用率、RRC用户数等评估小区资源利用率及负荷情况。MAX(上行PUSCH利用率,下行PDSCH利用率,下行PDCCH利用率)>50％或者RRC有效连接用户数>200即为资源利用率高，且为高负荷小区。

通过OTT覆盖采样点评估，计算小区主瓣覆盖中的OTT采样点占比，确定小区工参数据合理性，具体评估算法：利用小区统计到的精准OTT采样点的RSRP覆盖电平，判断小于-110dBm的OTT采样点占比，评估小区覆盖率指标，如覆盖率大于或等于90％，则网络覆盖为覆盖良好，工参配置合理；如覆盖率下雨90％，则为网络弱覆盖小区，工参有可能不合理，进一步判断，将覆盖率小于90％OTT采样点位置(经纬度数据)与基站进行距离判断，如弱覆盖采样点平均距离大于2Km，则为工参不合理，否则合理。

另一方面，通过OTT采样点评估，筛选弱覆盖采样点，具体是通过合并聚类，利用自定义函数Mean(U)确定弱覆盖栅格及弱覆盖中心精确坐标L1，然后通过弱覆盖中心坐标L₁(X₁,Y₁)与基站坐标L₂(X₂,Y₂)，利用自定义的弱覆盖方位判定函数f_Dir(L₁,L₂)，输出弱覆盖位于主服务小区的方位角，然后评估弱覆盖区域与主瓣覆盖范围的距离关系，判定采用何种覆盖提升措施。

具体地，弱覆盖中心精确坐标L1满足下述公式(2)：

L1＝Mean(U) (2)

其中，U表示OTT用户中弱覆盖采样点的位置信息。

其中，

通过OTT用户中弱覆盖采样点的位置信息和基站的位置信息网络弱覆盖区域的方位角。

例如，如图3所示，为弱覆盖用户位置方位角算法的示意图，其中，D1为OTT用户中弱覆盖采样点与基站的距离，而基站的主覆盖小区的方位角为90°±∠a，而根据三角函数原理能够计算得到∠a。

参见图4所示，为天线下倾角与覆盖范围图解，根据图示可知，主瓣覆盖距离分别为AB、AC；主瓣覆盖宽度为BC；水平半功率角：θe。根据可以计算小区主瓣覆盖距离。

其中，θ表示天线的下倾角，h表示天线的高度，R表示小区的覆盖半径，A表示天线的垂直平面半功率角。主瓣覆盖边界宽度范围：

在确定弱覆盖场景类型后，需要对应确定的弱覆盖场景类型，从表二中确定优化网络弱覆盖的方案。

本发明实施例提供的网络弱覆盖的识别方法，通过多维度数据源联合分析，问题定位更快、更准；实现农村区域弱覆盖村庄和弱覆盖区域的精准位置识别，实现经纬度级的弱覆盖问题位置定位，实现定量识别。并通过工参合理性评估，可判断现网基站参数设置是否合理，为优化网络质量提供重要依据。

其次，实现了农村所有弱覆盖问题类型的7种场景模型分类，问题原因识别更精准，为优化解决方案选择提供重要依据。

最后，实现了农村弱覆盖问题精准识别、原因定位、最佳方案选择的自动化处理过程，大提升网络优化效率，节省人力、物力、时间的投入，经济效率显著。

参见图5所示，本发明实施例提供了一种网络弱覆盖的识别装置，该装置包括：

信息获取模块501，用于获取网络覆盖信息；

信息确定模块502，用于根据网络覆盖信息识别网络弱覆盖区域，并确定网络弱覆盖区域的覆盖范围信息；其中，网络覆盖信息包括：话务统计、OTT、测量报告MR、用户历史投诉信息和网络黑点库。

在一个可能的实现中，该装置还包括：

信息获取模块501，还用于获取基站的资源利用率、信号发射功率、OTT采样点和参数；

类型确定模块503，用于根据覆盖范围信息、基站的配置信息和参数，确定网络弱覆盖区域的弱覆盖场景类型；

方案确定模块504，用于根据弱覆盖场景类型，确定优化网络弱覆盖的方案。

在一个可能的实现中，信息确定模块502，用于根据网络覆盖信息识别网络弱覆盖区域，包括：

使用网络弱覆盖算法，分别计算话务统计、OTT、MR、用户历史投诉信息和网络黑点库对应的评估分数；

根据评估分数和网络覆盖信息中每一项信息对应的权重，计算网络覆盖得分；

确定网络覆盖得分满足预设的阈值的区域为网络弱覆盖区域。

在一个可能的实现中，类型确定模块503，用于根据覆盖范围信息、基站的资源利用率、信号发射功率、OTT采样点和参数，确定网络弱覆盖区域的弱覆盖场景类型，包括：

获取MR覆盖区域中的用户位置信息；

根据参数，确定网络弱覆盖区域的基站天线倾角和方位角的大小；

根据基站的资源利用率、信号发射功率、OTT采样点和参数，确定基站的参考信号CRS的功率；

根据覆盖范围信息，确定网络弱覆盖区域与基站主瓣覆盖范围的距离，基站主瓣是基站的最大辐射波束；

根据基站天线倾角和方位角的大小、CRS的功率和距离，确定网络弱覆盖区域的弱覆盖场景类型。

在一个可能的实现中，弱覆盖场景类型包括网络弱覆盖区域的基站天线倾角是否满足第一预设条件；

类型确定模块503，具体用于根据参数和网络弱覆盖区域内用户位置信息，确定网络弱覆盖区域的基站天线倾角是否满足第一预设条件；

其中，包括：

获取基站的位置信息；

根据用户位置信息和基站的位置信息，确定用户与基站之间的距离；

根据参数中基站的俯仰角，确定网络弱覆盖区域的基站天线倾角；

以基站为中心点，根据泰森多边形算法生成泰森多边形，并计算中心点到泰森多边形中每个边的平均值，作为泰森多边形间距；

天线倾角的大小满足预设的倾角阈值、用户与基站之间的距离满足预设的距离条件，且泰森多边形间距满足预设的间距阈值，确定网络弱覆盖区域的基站天线倾角满足第一预设条件。

在一个可能的实现中，弱覆盖场景类型包括网络弱覆盖区域的基站天线方位角是否满足第二预设条件；

类型确定模块503，具体用于根据参数和网络弱覆盖区域内用户位置信息，确定网络弱覆盖区域的基站天线方位角是否满足第二预设条件；

其中，包括：

获取基站的参数中的基站天线的方位角以及基站的位置信息；

根据用户位置信息和基站的位置信息，确定用户与基站之间的距离；

基于用户位置信息，在基站的覆盖方位内确定用户分布的方位信息和用户的分布密度；

根据用户分布的方位信息、用户与基站的距离和用户的分布密度，计算用户平均分布方位角；

基站天线方位角与用户平均分布方位角之间的差值小于预设的方位角阈值，确定网络弱覆盖区域的基站天线的方位角满足第二预设条件。

另外，本发明实施例的方法可以由计算设备来实现。图6示出了本发明实施例提供的计算设备的硬件结构示意图。

计算设备可以包括处理器601以及存储有计算机程序指令的存储器602。

具体地，上述处理器601可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。

存储器602可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器602可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器602可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器602可在数据处理装置的内部或外部。在特定实施例中，存储器602是非易失性固态存储器。在特定实施例中，存储器602包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。

处理器601通过读取并执行存储器602中存储的计算机程序指令，以实现上述实施例中的任意一种网络弱覆盖的识别方法。

在一个示例中，计算设备还可包括通信接口603和总线610。其中，如图6所示，处理器601、存储器602、通信接口603通过总线610连接并完成相互间的通信。

通信接口603，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。

总线610包括硬件、软件或两者，将计算设备的部件彼此耦接在一起。举例来说而非限制，总线可包括增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、***组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线610可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。

另外，结合上述实施例中的网络弱覆盖的识别方法，本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种网络弱覆盖的识别方法。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或***。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的***、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种网络弱覆盖的识别方法，其特征在于，所述方法包括：

获取网络覆盖信息；

根据所述网络覆盖信息识别网络弱覆盖区域，并确定所述网络弱覆盖区域的覆盖范围信息；其中，所述网络覆盖信息包括：话务统计、OTT、测量报告MR、用户历史投诉信息和网络黑点库。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取基站的资源利用率、信号发射功率、OTT采样点和参数；

根据所述覆盖范围信息、所述基站的资源利用率、信号发射功率、OTT采样点和参数，确定所述网络弱覆盖区域的弱覆盖场景类型；

根据所述弱覆盖场景类型，确定优化网络弱覆盖的方案。

3.根据权利要求1所述的方法，其特征在于，所述根据所述网络覆盖信息识别网络弱覆盖区域，包括：

使用网络弱覆盖算法，分别计算所述话务统计、所述OTT、所述MR、所述用户历史投诉信息和所述网络黑点库对应的评估分数；

根据所述评估分数和所述网络覆盖信息中每一项信息对应的权重，计算网络覆盖得分；

确定所述网络覆盖得分满足预设的阈值的区域为网络弱覆盖区域。

4.根据权利要求2所述的方法，其特征在于，所述根据所述覆盖范围信息、所述基站的资源利用率、信号发射功率、OTT采样点和参数，确定所述网络弱覆盖区域的弱覆盖场景类型，包括：

获取所述MR覆盖区域中的用户位置信息；

根据所述参数，确定所述网络弱覆盖区域的基站天线倾角和方位角的大小；

根据所述基站的资源利用率、信号发射功率、OTT采样点和参数，确定所述基站的参考信号CRS的功率；

根据所述覆盖范围信息，确定所述网络弱覆盖区域与基站主瓣覆盖范围的距离，所述基站主瓣是所述基站的最大辐射波束；

根据所述基站天线倾角和方位角的大小、所述CRS的功率和所述距离，确定所述网络弱覆盖区域的弱覆盖场景类型。

5.根据权利要求4所述的方法，其特征在于，所述弱覆盖场景类型包括所述网络弱覆盖区域的基站天线倾角是否满足第一预设条件；

根据所述参数和所述网络弱覆盖区域内用户位置信息，确定所述网络弱覆盖区域的基站天线倾角是否满足第一预设条件；

其中，包括：

获取所述基站的位置信息；

根据所述用户位置信息和所述基站的位置信息，确定所述用户与所述基站之间的距离；

根据所述参数中基站的俯仰角，确定所述网络弱覆盖区域的基站天线倾角；

以所述基站为中心点，根据泰森多边形算法生成泰森多边形，并计算所述中心点到所述泰森多边形中每个边的平均值，作为泰森多边形间距；

所述天线倾角的大小满足预设的倾角阈值、所述用户与所述基站之间的距离满足预设的距离条件，且所述泰森多边形间距满足预设的间距阈值，确定所述网络弱覆盖区域的基站天线倾角满足第一预设条件。

6.根据权利要求4所述的方法，其特征在于，所述弱覆盖场景类型包括所述网络弱覆盖区域的基站天线方位角是否满足第二预设条件；

类型确定模块，具体用于根据参数和网络弱覆盖区域内用户位置信息，确定网络弱覆盖区域的基站天线方位角是否满足第二预设条件；

其中，包括：

获取所述基站的参数中的基站天线的方位角以及所述基站的位置信息；

根据所述用户位置信息和所述基站的位置信息，确定所述用户与所述基站之间的距离；

基于所述用户位置信息，在所述基站的覆盖方位内确定用户分布的方位信息和所述用户的分布密度；

根据所述用户分布的方位信息、所述用户与所述基站的距离和所述用户的分布密度，计算所述用户平均分布方位角；

所述基站天线方位角与所述用户平均分布方位角之间的差值小于预设的方位角阈值，确定所述网络弱覆盖区域的基站天线的方位角满足第二预设条件。

7.一种网络弱覆盖的识别装置，其特征在于，所述装置包括：

信息获取模块，用于获取网络覆盖信息；

信息确定模块，用于根据所述网络覆盖信息识别网络弱覆盖区域，并确定所述网络弱覆盖区域的覆盖范围信息；其中，所述网络覆盖信息包括：话务统计、OTT、MR、用户历史投诉信息和网络黑点库。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

所述信息获取模块，还用于获取基站的资源利用率、信号发射功率、OTT采样点和参数；

类型确定模块，用于根据所述覆盖范围信息、所述基站的配置信息和所述参数，确定所述网络弱覆盖区域的弱覆盖场景类型；

方案确定模块，用于根据所述弱覆盖场景类型，确定优化网络弱覆盖的方案。

9.一种计算设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-6中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-6中任一项所述的方法。