CN112637880A - 问题小区处理方法以及装置 - Google Patents
问题小区处理方法以及装置 Download PDFInfo
- Publication number
- CN112637880A CN112637880A CN202011541687.1A CN202011541687A CN112637880A CN 112637880 A CN112637880 A CN 112637880A CN 202011541687 A CN202011541687 A CN 202011541687A CN 112637880 A CN112637880 A CN 112637880A
- Authority
- CN
- China
- Prior art keywords
- cell
- historical
- problem cell
- characteristic
- current
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种问题小区处理方法以及装置,该方法包括:根据当前问题小区的特征,确定当前问题小区对应的问题类别;在问题类别对应的历史问题小区集合中,确定最近似历史问题小区;参照最近似历史问题小区对应的处理方案,确定当前问题小区处理方案。本发明的有益效果在于:先找准当前问题小区对应的问题类别,再在问题类别对应的历史问题小区集合中,确定最近似历史问题小区,采用了两步法找到最近似历史问题小区。相较于直接在海量历史问题小区中确定最近似历史问题小区,本发明的计算量更小、效率更高,能够参考历史经验为当前问题小区提供合理的处理方案。
Description
技术领域
本发明涉及通信领域,具体涉及一种问题小区处理方法以及装置。
背景技术
目前,随着通信技术的快速发展,长期演进(Long Term Evolution,LTE)网络中问题小区的数量与日俱增,对于问题小区的处理成为了尤为关键的问题。
现在处理问题小区的方式可以依赖专门的优化人员实现,需要凭借优化人员的经验判断问题小区的问题类型,再针对问题类型提出相应的优化解决方案。然而,这种方式强依赖于人工,经常会出现因为人工差错导致确定出的优化解决方案并非最优解,存在着对问题小区处理效果差的问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种问题小区处理方法以及装置,以至少提高问题小区处理效果。
为实现上述目的,本发明采用的技术方案如下:
根据本发明实施例的一个方面,提供了一种问题小区处理方法,包括:根据当前问题小区的特征,确定上述当前问题小区对应的问题类别;在上述问题类别对应的历史问题小区集合中,确定最近似历史问题小区;参照上述最近似历史问题小区对应的处理方案,确定当前问题小区处理方案。
作为一种可选的实施方式,上述根据当前问题小区的特征,确定上述当前问题小区对应的问题类别的步骤包括:建立特征坐标系,并且获取各个问题类别的重心坐标;根据上述当前问题小区的特征确定上述当前问题小区特征坐标;分别计算各个问题类别的重心坐标与上述当前问题小区特征坐标的第一特征距离;选择上述第一特征距离最小值者对应的问题类别,作为上述当前问题小区对应的问题类别。
作为一种可选的实施方式,上述在上述问题类别对应的历史问题小区集合中,确定最近似历史问题小区,包括:确定上述问题类别对应的历史问题小区集合中的各个历史问题小区对应的历史问题小区特征坐标;分别计算各个上述历史问题小区特征坐标与上述当前问题小区特征坐标的第二特征距离;选择上述第二特征距离最小值者对应的历史问题小区,作为最近似历史问题小区。
作为一种可选的实施方式,上述问题类别包括:干扰类别、告警类别、参数类别、资源类别、覆盖类别、邻区类别。
作为一种可选的实施方式,上述当前问题小区的特征的数量为20至50,上述当前问题小区的特征选自如下项目中的多个:RRC连接平均数、RRC连接最大数、RRC连接建立请求次数、RRC连接建立成功次数、RRC连接重建请求次数、E-RAB建立请求数、E-RAB建立成功数、eNB请求释放的E-RAB数、正常的eNB请求释放的E-RAB数、切出失败的E-RAB数、遗留E-RAB个数、初始上下文建立成功次数、eNB请求释放上下文数、正常的eNB请求释放上下文数、eNB间S1切换出请求次数、eNB间S1切换出成功次数、eNB间X2切换出请求次数、eNB间X2切换出成功次数、eNB内切换出请求次数、eNB内切换出成功次数、小区用户面上行字节数、小区用户面下行字节数、有效RRC连接平均数、RRC连接重建成功次数、遗留上下文个数、切换入成功次数、有效RRC连接最大数、RRC连接平均建立时长、RRC连接最大建立时长、RRC连接重建成功次数。
根据本发明实施例的另一方面,还提供了一种问题小区处理装置,包括:问题类别确定单元,用于根据当前问题小区的特征,确定上述当前问题小区对应的问题类别;最近似小区确定单元,用于在上述问题类别对应的历史问题小区集合中,确定最近似历史问题小区;处理方案确定单元,用于参照上述最近似历史问题小区对应的处理方案,确定当前问题小区处理方案。
作为一种可选的实施方式,上述问题类别确定单元进一步用于:建立特征坐标系,并且获取各个问题类别的重心坐标;根据上述当前问题小区的特征确定上述当前问题小区特征坐标;分别计算各个问题类别的重心坐标与上述当前问题小区特征坐标的第一特征距离;选择上述第一特征距离最小值者对应的问题类别,作为上述当前问题小区对应的问题类别。
作为一种可选的实施方式,上述最近似小区确定单元进一步用于:确定上述问题类别对应的历史问题小区集合中的各个历史问题小区对应的历史问题小区特征坐标;分别计算各个上述历史问题小区特征坐标与上述当前问题小区特征坐标的第二特征距离;选择上述第二特征距离最小值者对应的历史问题小区,作为最近似历史问题小区。
作为一种可选的实施方式,上述问题类别包括:干扰类别、告警类别、参数类别、资源类别、覆盖类别、邻区类别。
作为一种可选的实施方式,上述装置还包括:上述当前问题小区的特征的数量为20至50,上述当前问题小区的特征选自如下项目中的多个:RRC连接平均数、RRC连接最大数、RRC连接建立请求次数、RRC连接建立成功次数、RRC连接重建请求次数、E-RAB建立请求数、E-RAB建立成功数、eNB请求释放的E-RAB数、正常的eNB请求释放的E-RAB数、切出失败的E-RAB数、遗留E-RAB个数、初始上下文建立成功次数、eNB请求释放上下文数、正常的eNB请求释放上下文数、eNB间S1切换出请求次数、eNB间S1切换出成功次数、eNB间X2切换出请求次数、eNB间X2切换出成功次数、eNB内切换出请求次数、eNB内切换出成功次数、小区用户面上行字节数、小区用户面下行字节数、有效RRC连接平均数、RRC连接重建成功次数、遗留上下文个数、切换入成功次数、有效RRC连接最大数、RRC连接平均建立时长、RRC连接最大建立时长、RRC连接重建成功次数第五确定单元,用于根据上述候选类别确定上述特征指标。
本发明的有益效果在于:先找准当前问题小区对应的问题类别,再在问题类别对应的历史问题小区集合中,确定最近似历史问题小区,采用了两步法找到最近似历史问题小区。相较于直接在海量历史问题小区中确定最近似历史问题小区,本发明的计算量更小、效率更高,能够参考历史经验为当前问题小区提供合理的处理方案。
附图说明
图1是根据本发明实施例的问题小区处理方法的流程图;
图2是根据本发明实施例的问题类别的重心坐标确定示意图;
图3是根据本发明实施例的当前问题小区特征坐标与问题类别的重心坐标的距离示意图;
图4是根据本发明实施例的问题小区处理装置的结构示意图;
图5是根据本发明实施例的问题小区处理设备的结构示意图。
具体实施方式
下面结合说明书附图与具体实施方式对本发明做进一步的详细说明。
本发明实施例提供了一种可选的问题小区处理方法,如图1所示,该问题小区处理方法包括:
S101,根据当前问题小区的特征,确定当前问题小区对应的问题类别。
本发明实施例中,当前问题小区为LTE网络中出现问题且问题尚未解决的小区。
作为一种可选的实施方式,问题类别包括:干扰类别、告警类别、参数类别、资源类别、覆盖类别、邻区类别。本发明实施例中,将本发明应用到LTE问题小区的应用场景,科学地划分了干扰、告警、参数、资源、覆盖、邻区六类标签,分类粒度适中,并全面地覆盖了常见问题。
作为一种可选的实施方式,当前问题小区的特征的数量为20至50,当前问题小区的特征选自如下项目中的多个:RRC连接平均数、RRC连接最大数、RRC连接建立请求次数、RRC连接建立成功次数、RRC连接重建请求次数、E-RAB建立请求数、E-RAB建立成功数、eNB请求释放的E-RAB数、正常的eNB请求释放的E-RAB数、切出失败的E-RAB数、遗留E-RAB个数、初始上下文建立成功次数、eNB请求释放上下文数、正常的eNB请求释放上下文数、eNB间S1切换出请求次数、eNB间S1切换出成功次数、eNB间X2切换出请求次数、eNB间X2切换出成功次数、eNB内切换出请求次数、eNB内切换出成功次数、小区用户面上行字节数、小区用户面下行字节数、有效RRC连接平均数、RRC连接重建成功次数、遗留上下文个数、切换入成功次数、有效RRC连接最大数、RRC连接平均建立时长、RRC连接最大建立时长、RRC连接重建成功次数。本发明实施例中,可根据现场实际情况增加或减少特征,特征选取越多,计算量越大,分析过程的效率越低;特征选取越少,不同类别的问题之间的差异性减少,分析结果的准确性越低。通常根据服务器处理能力,特征的数量N=20至50。这一过程能够合理地确定特征指标数量的取值(N=20~50),兼顾计算效率和分类准确率。并且,在具体LTE问题小区的应用场景中,科学地选取了RRC连接平均数、RRC连接最大数等三十个特征指标,这些指标组合与六类经典问题标签有相对高的逻辑相关性,组合使用效果更优。作为一种可选的实施方式,根据当前问题小区的特征,确定当前问题小区对应的问题类别的步骤包括:建立特征坐标系,并且获取各个问题类别的重心坐标;根据当前问题小区的特征确定当前问题小区特征坐标;分别计算各个问题类别的重心坐标与当前问题小区特征坐标的第一特征距离;选择第一特征距离最小值者对应的问题类别,作为当前问题小区对应的问题类别。
参照图2,图2是一种问题类别的重心坐标确定示意图,假设特征包括特征A和特征B,问题小区样本数据包括问题小区样本数据1、问题小区样本数据2、问题小区样本数据3,具体数据如表一。
表一
特征A | 特征B | |
问题小区样本数据1 | 100 | 88 |
问题小区样本数据2 | 21 | 26 |
问题小区样本数据3 | 50 | 93 |
重心坐标 | 57 | 69 |
由表一记载的数据,可以计算得到特征A的算术平均值为(100+21+50)/3=57,特征B的算术平均值为(88+26+93)/3=69。
具体的,根据某类型问题小区的n个样本数据,计算该问题类别的重心坐标,可以按照以下公式计算得出:
其中,n为该类问题小区样本数据数量,Ak为第k个问题小区样本数据的特征值。
如图2所示,将问题小区样本数据1映射到二维坐标轴上,得到(100,88),将问题小区样本数据2映射到二维坐标轴上,得到(21,56),将问题小区样本数据3映射到二维坐标轴上,得到(50,93),将上述计算得到的特征A的算术平均值和特征B的算术平均值映射到二维坐标轴上,得到问题类别的重心坐标(57,69)。
如图3所示,本发明实施例中,已知每个问题类别的重心坐标之后,计算当前问题小区特征坐标与该问题类别的重心坐标的距离,得到每个问题类别的重心坐标对应的距离可以参照以下距离公式计算:
其中,dist(X,Y)表示距离,n表示特征的数量,X=(x1,x2,x3,…,xn),Y=(y1,y2,y3,…,yn)。
参照图3,图3是一种当前问题小区特征坐标与问题类别的重心坐标的距离示意图,如图3所示,当前问题小区特征坐标为图3中问题小区坐标,也即是(56,61),预设的各个问题类别的重心坐标包括告警维度重心(89,93)、邻区维度重心(19,93)、干扰维度重心(57,69)、资源维度重心(101,31)、覆盖维度重心(21,12)以及参数维度重心(62,12)。当前问题小区特征坐标(56,61)距离干扰重心(57,69)最近,故将干扰类别确定为当前问题小区对应的问题类别。图3中仅仅示范了二维特征坐标的情况,但这仅是出于举例,并不构成技术方案的限制。特征数量可以为多个(N>2),需要建立多维的特征坐标***。
S102,在问题类别对应的历史问题小区集合中,确定最近似历史问题小区。
本发明实施例中,历史数据库中可以存储有各个问题类别以及该问题类别对应的历史问题小区集合,对历史问题小区集合中的每个历史问题小区,可以计算该历史问题小区与当前问题小区之间的相似度,对于相似度的计算方式,可以根据历史问题小区的特征坐标与当前问题小区的特征坐标,计算坐标之间的距离值,根据距离值确定出相似度。其中,距离值越小,相似度越高,距离值越大,相似度越低。
作为一种可选的实施方式,在问题类别对应的历史问题小区集合中,确定最近似历史问题小区,包括:确定问题类别对应的历史问题小区集合中的各个历史问题小区对应的历史问题小区特征坐标;分别计算各个历史问题小区特征坐标与当前问题小区特征坐标的第二特征距离;选择第二特征距离最小值者对应的历史问题小区,作为最近似历史问题小区。
S103,参照最近似历史问题小区对应的处理方案,确定当前问题小区处理方案。
本发明实施例中,上述历史数据库中还可以存储有历史问题小区对应的处理方案,可以将该处理方案确定为当前问题小区处理方案,或者,可选的,根据当前问题小区与历史问题小区之间的差异值,对该处理方案进行直接运用或者细微调整,得到当前问题小区处理方案。可选的,可以输出当前问题小区处理方案,以按照当前问题小区处理方案对当前问题小区进行处理。例如可以向优化人员所使用的终端设备输出该当前问题小区处理方案,以使优化人员按照当前问题小区处理方案对当前问题小区进行处理。
为使本领域技术人员更好地理解,下面详细举例说明。预先确定特征数量N=30个特征,如表二。
表二
获取干扰、告警、参数、资源、覆盖、邻区的六大类别的重心坐标点对应的特征坐标,如表三。
表三
再将当前问题小区的当前问题小区特征坐标和每个类别的问题类别的重心坐标进行比对,计算当前问题小区特征坐标和每个类别的问题类别的重心坐标的第一特征距离值,得到的第一特征距离值如表四。
表四
分类标签 | 干扰 | 告警 | 参数 | 资源 | 覆盖 | 邻区 |
第一特征距离 | 24 | 289 | 464 | 121 | 266 | 134 |
其中,干扰类别对应的距离值最小,因此将当前问题小区对应的问题类别确定为干扰类别。针对干扰类别,再将归类为干扰类别的历史问题小区逐一与当前问题小区计算第一特征距离,第二特征距离越小代表相似度越高。计算结果见表五。
表五
历史问题小区 | 第二特征距离 |
干扰标签历史问题小区1 | 21 |
干扰标签历史问题小区2 | 33 |
干扰标签历史问题小区3 | 48 |
干扰标签历史问题小区4 | 50 |
干扰标签历史问题小区5 | 65 |
干扰标签历史问题小区6 | 78 |
干扰标签历史问题小区7 | 82 |
干扰标签历史问题小区8 | 92 |
干扰标签历史问题小区9 | 105 |
干扰标签历史问题小区10 | 113 |
进一步的,可以将距离最小的、相似度最高的问题小区的历史解决方案输出,作为当前问题小区处理方案。最终输出的当前问题小区处理方案可以如表六。
表六
当前小区名 | 最相似小区 | 最相似历史小区的解决方案明细 |
问题小区 | 干扰标签历史问题小区1 | 将下倾角调整为6度 |
在本发明实施例中,可以先找准当前问题小区对应的问题类别,再在问题类别对应的历史问题小区集合中,确定最近似历史问题小区,采用了两步法找到最近似历史问题小区。相较于直接在海量历史问题小区中确定最近似历史问题小区,本发明的计算量更小、效率更高。此外,将本发明应用到LTE问题小区的应用场景,科学地划分了干扰、告警、参数、资源、覆盖、邻区六类标签,分类粒度适中,并全面地覆盖了常见问题。以及,能够合理地确定特征指标数量的取值(N=20~50),兼顾计算效率和分类准确率。并且,在具体LTE问题小区的应用场景中,科学地选取了RRC连接平均数、RRC连接最大数等三十个特征指标,这些指标组合与六类经典问题标签有相对高的逻辑相关性,组合使用效果更优。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
根据本发明实施例的另一个方面,还提供了一种用于实施上述问题小区处理方法的问题小区处理装置,如图4所示,包括:
问题类别确定单元401,用于根据当前问题小区的特征,确定当前问题小区对应的问题类别。
本发明实施例中,当前问题小区为LTE网络中出现问题且问题尚未解决的小区。
最近似小区确定单元402,用于在问题类别对应的历史问题小区集合中,确定最近似历史问题小区。
处理方案确定单元403,用于参照最近似历史问题小区对应的处理方案,确定当前问题小区处理方案。
本发明实施例中,上述历史数据库中还可以存储有历史问题小区对应的处理方案,可以将该处理方案确定为当前问题小区处理方案,或者,可选的,根据当前问题小区与历史问题小区之间的差异值,对该处理方案进行直接运用或者细微调整,得到当前问题小区处理方案。可选的,可以输出当前问题小区处理方案,以按照当前问题小区处理方案对当前问题小区进行处理。例如可以向优化人员所使用的终端设备输出该当前问题小区处理方案,以使优化人员按照当前问题小区处理方案对当前问题小区进行处理。
作为一种可选的实施方式,问题类别确定单元401进一步用于:建立特征坐标系,并且获取各个问题类别的重心坐标;根据当前问题小区的特征确定当前问题小区特征坐标;分别计算各个问题类别的重心坐标与当前问题小区特征坐标的第一特征距离;选择第一特征距离最小值者对应的问题类别,作为当前问题小区对应的问题类别。
作为一种可选的实施方式,最近似小区确定单元402进一步用于:确定问题类别对应的历史问题小区集合中的各个历史问题小区对应的历史问题小区特征坐标;分别计算各个历史问题小区特征坐标与当前问题小区特征坐标的第二特征距离;选择第二特征距离最小值者对应的历史问题小区,作为最近似历史问题小区。
本发明实施例中,历史数据库中可以存储有各个问题类别以及该问题类别对应的历史问题小区集合,对历史问题小区集合中的每个历史问题小区,可以计算该历史问题小区与当前问题小区之间的相似度,对于相似度的计算方式,可以根据历史问题小区的特征坐标与当前问题小区的特征坐标,计算坐标之间的距离值,根据距离值确定出相似度。其中,距离值越小,相似度越高,距离值越大,相似度越低。
作为一种可选的实施方式,问题类别包括:干扰类别、告警类别、参数类别、资源类别、覆盖类别、邻区类别。
作为一种可选的实施方式,当前问题小区的特征的数量为20至50,当前问题小区的特征选自如下项目中的多个:RRC连接平均数、RRC连接最大数、RRC连接建立请求次数、RRC连接建立成功次数、RRC连接重建请求次数、E-RAB建立请求数、E-RAB建立成功数、eNB请求释放的E-RAB数、正常的eNB请求释放的E-RAB数、切出失败的E-RAB数、遗留E-RAB个数、初始上下文建立成功次数、eNB请求释放上下文数、正常的eNB请求释放上下文数、eNB间S1切换出请求次数、eNB间S1切换出成功次数、eNB间X2切换出请求次数、eNB间X2切换出成功次数、eNB内切换出请求次数、eNB内切换出成功次数、小区用户面上行字节数、小区用户面下行字节数、有效RRC连接平均数、RRC连接重建成功次数、遗留上下文个数、切换入成功次数、有效RRC连接最大数、RRC连接平均建立时长、RRC连接最大建立时长、RRC连接重建成功次数。
本发明实施例中,可根据现场实际情况增加或减少特征,特征选取越多,计算量越大,分析过程的效率越低;特征选取越少,不同类别的问题之间的差异性减少,分析结果的准确性越低。通常根据服务器处理能力,特征的数量N=20至50。
在本发明实施例中,可以先找准当前问题小区对应的问题类别,再在问题类别对应的历史问题小区集合中,确定最近似历史问题小区,采用了两步法找到最近似历史问题小区。相较于直接在海量历史问题小区中确定最近似历史问题小区,本发明的计算量更小、效率更高。此外,将本发明应用到LTE问题小区的应用场景,科学地划分了干扰、告警、参数、资源、覆盖、邻区六类标签,分类粒度适中,并全面地覆盖了常见问题。以及,能够合理地确定特征指标数量的取值(N=20~50),兼顾计算效率和分类准确率。并且,在具体LTE问题小区的应用场景中,科学地选取了RRC连接平均数、RRC连接最大数等三十个特征指标,这些指标组合与六类经典问题标签有相对高的逻辑相关性,组合使用效果更优。
根据本发明实施例的又一个方面,还提供了一种用于实施上述问题小区处理方法的问题小区处理设备,如图5所示,该问题小区处理设备包括存储器502和处理器504,该存储器502中存储有计算机程序,该处理器504被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述问题小区处理设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:S1,根据当前问题小区的特征,确定当前问题小区对应的问题类别;S2,在问题类别对应的历史问题小区集合中,确定最近似历史问题小区;S3,参照最近似历史问题小区对应的处理方案,确定当前问题小区处理方案。
可选地,本领域普通技术人员可以理解,图5所示的结构仅为示意,问题小区处理设备也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图5其并不对上述问题小区处理设备的结构造成限定。例如,问题小区处理设备还可包括比图5中所示更多或者更少的组件(如网络接口等),或者具有与图5所示不同的配置。
其中,存储器502可用于存储软件程序以及模块,如本发明实施例中的模块构建方法和装置对应的程序指令/模块,处理器504通过运行存储在存储器502内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的问题小区处理方法。存储器502可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器502可进一步包括相对于处理器504远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中,存储器502具体可以但不限于用于存储操作指令等信息。作为一种示例,如图5所示,上述存储器502中可以但不限于包括上述问题小区处理装置中的问题类别确定单元401、最近似小区确定单元402以及处理方案确定单元403。此外,还可以包括但不限于上述问题小区处理装置中的其他模块单元,本示例中不再赘述。
可选地,上述的传输装置506用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置506包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置506为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
此外,上述问题小区处理设备还包括:显示器508,用于显示上述显示内容;和连接总线510,用于连接上述问题小区处理设备中的各个模块部件。
根据本发明的实施例的又一方面,还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,根据当前问题小区的特征,确定所述当前问题小区对应的问题类别;
S2,在所述问题类别对应的历史问题小区集合中,确定最近似历史问题小区;
S3,参照所述最近似历史问题小区对应的处理方案,确定当前问题小区处理方案。
可选地,在本实施例中,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。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或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种问题小区处理方法,其特征在于,包括:
根据当前问题小区的特征,确定所述当前问题小区对应的问题类别;
在所述问题类别对应的历史问题小区集合中,确定最近似历史问题小区;
参照所述最近似历史问题小区对应的处理方案,确定当前问题小区处理方案。
2.根据权利要求1所述的方法,其特征在于,所述根据当前问题小区的特征,确定所述当前问题小区对应的问题类别的步骤包括:
建立特征坐标系,并且获取各个问题类别的重心坐标;
根据所述当前问题小区的特征确定所述当前问题小区特征坐标;
分别计算各个问题类别的重心坐标与所述当前问题小区特征坐标的第一特征距离;
选择所述第一特征距离最小值者对应的问题类别,作为所述当前问题小区对应的问题类别。
3.根据权利要求2所述的方法,其特征在于,所述在所述问题类别对应的历史问题小区集合中,确定最近似历史问题小区的步骤包括:
确定所述问题类别对应的历史问题小区集合中的各个历史问题小区对应的历史问题小区特征坐标;
分别计算各个所述历史问题小区特征坐标与所述当前问题小区特征坐标的第二特征距离;
选择所述第二特征距离最小值者对应的历史问题小区,作为最近似历史问题小区。
4.根据权利要求1所述的方法,其特征在于,所述问题类别包括:干扰类别、告警类别、参数类别、资源类别、覆盖类别、邻区类别。
5.根据权利要求1所述的方法,其特征在于,所述当前问题小区的特征的数量为20至50,所述当前问题小区的特征选自如下项目中的多个:RRC连接平均数、RRC连接最大数、RRC连接建立请求次数、RRC连接建立成功次数、RRC连接重建请求次数、E-RAB建立请求数、E-RAB建立成功数、eNB请求释放的E-RAB数、正常的eNB请求释放的E-RAB数、切出失败的E-RAB数、遗留E-RAB个数、初始上下文建立成功次数、eNB请求释放上下文数、正常的eNB请求释放上下文数、eNB间S1切换出请求次数、eNB间S1切换出成功次数、eNB间X2切换出请求次数、eNB间X2切换出成功次数、eNB内切换出请求次数、eNB内切换出成功次数、小区用户面上行字节数、小区用户面下行字节数、有效RRC连接平均数、RRC连接重建成功次数、遗留上下文个数、切换入成功次数、有效RRC连接最大数、RRC连接平均建立时长、RRC连接最大建立时长、RRC连接重建成功次数。
6.一种问题小区处理装置,其特征在于,包括:
问题类别确定单元,用于根据当前问题小区的特征,确定所述当前问题小区对应的问题类别;
最近似小区确定单元,用于在所述问题类别对应的历史问题小区集合中,确定最近似历史问题小区;
处理方案确定单元,用于参照所述最近似历史问题小区对应的处理方案,确定当前问题小区处理方案。
7.根据权利要求6所述的装置,其特征在于,所述问题类别确定单元进一步用于:
建立特征坐标系,并且获取各个问题类别的重心坐标;
根据所述当前问题小区的特征确定所述当前问题小区特征坐标;
分别计算各个问题类别的重心坐标与所述当前问题小区特征坐标的第一特征距离;
选择所述第一特征距离最小值者对应的问题类别,作为所述当前问题小区对应的问题类别。
8.根据权利要求7所述的装置,其特征在于,所述最近似小区确定单元进一步用于:
确定所述问题类别对应的历史问题小区集合中的各个历史问题小区对应的历史问题小区特征坐标;
分别计算各个所述历史问题小区特征坐标与所述当前问题小区特征坐标的第二特征距离;
选择所述第二特征距离最小值者对应的历史问题小区,作为最近似历史问题小区。
9.根据权利要求6所述的装置,其特征在于,所述问题类别包括:干扰类别、告警类别、参数类别、资源类别、覆盖类别、邻区类别。
10.根据权利要求6所述的装置,其特征在于,所述当前问题小区的特征的数量为20至50,所述当前问题小区的特征选自如下项目中的多个:RRC连接平均数、RRC连接最大数、RRC连接建立请求次数、RRC连接建立成功次数、RRC连接重建请求次数、E-RAB建立请求数、E-RAB建立成功数、eNB请求释放的E-RAB数、正常的eNB请求释放的E-RAB数、切出失败的E-RAB数、遗留E-RAB个数、初始上下文建立成功次数、eNB请求释放上下文数、正常的eNB请求释放上下文数、eNB间S1切换出请求次数、eNB间S1切换出成功次数、eNB间X2切换出请求次数、eNB间X2切换出成功次数、eNB内切换出请求次数、eNB内切换出成功次数、小区用户面上行字节数、小区用户面下行字节数、有效RRC连接平均数、RRC连接重建成功次数、遗留上下文个数、切换入成功次数、有效RRC连接最大数、RRC连接平均建立时长、RRC连接最大建立时长、RRC连接重建成功次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011541687.1A CN112637880B (zh) | 2020-12-23 | 2020-12-23 | 问题小区处理方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011541687.1A CN112637880B (zh) | 2020-12-23 | 2020-12-23 | 问题小区处理方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112637880A true CN112637880A (zh) | 2021-04-09 |
CN112637880B CN112637880B (zh) | 2022-11-15 |
Family
ID=75321765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011541687.1A Active CN112637880B (zh) | 2020-12-23 | 2020-12-23 | 问题小区处理方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112637880B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023245620A1 (en) * | 2022-06-24 | 2023-12-28 | Telefonaktiebolaget Lm Ericsson (Publ) | Handover failure cause classification |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063458A (zh) * | 2014-06-26 | 2014-09-24 | 北京奇虎科技有限公司 | 一种对终端故障问题提供对应解决方案的方法及装置 |
CN104486411A (zh) * | 2014-12-15 | 2015-04-01 | 四川长虹电器股份有限公司 | 一种推荐方法及云端服务器 |
CN107707392A (zh) * | 2017-09-26 | 2018-02-16 | 厦门集微科技有限公司 | 通道修复方法及装置、终端 |
US20180115455A1 (en) * | 2015-04-24 | 2018-04-26 | Telefonaktiebolaget Lm Ericsson (Publ) | Fault Diagnosis in Networks |
CN108271176A (zh) * | 2016-12-30 | 2018-07-10 | ***通信集团福建有限公司 | 确定基站小区质差根因的方法和*** |
CN108444713A (zh) * | 2018-05-09 | 2018-08-24 | 济南大学 | 一种基于d氏小波能量基的滚动轴承故障特征提取方法 |
US20180343689A1 (en) * | 2017-05-26 | 2018-11-29 | Mediatek Inc. | Method And Apparatus For Handling Problem Cell In Mobile Communications |
CN109996284A (zh) * | 2017-12-31 | 2019-07-09 | ***通信集团贵州有限公司 | 移动通信故障投诉工单处理方法、装置、设备及介质 |
CN111126824A (zh) * | 2019-12-19 | 2020-05-08 | ***通信集团江苏有限公司 | 多指标关联模型训练方法及多指标异常分析方法 |
CN111160582A (zh) * | 2019-12-31 | 2020-05-15 | 科大讯飞(苏州)科技有限公司 | 设备故障识别方法、装置及计算机可读存储介质 |
CN111710406A (zh) * | 2020-06-10 | 2020-09-25 | 深圳市好克医疗仪器股份有限公司 | 医疗设备的远程维护方法、设备及可读存储介质 |
CN111865702A (zh) * | 2020-08-04 | 2020-10-30 | 北京航空航天大学 | 基于卷积神经网络的网络故障诊断方法及装置 |
-
2020
- 2020-12-23 CN CN202011541687.1A patent/CN112637880B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063458A (zh) * | 2014-06-26 | 2014-09-24 | 北京奇虎科技有限公司 | 一种对终端故障问题提供对应解决方案的方法及装置 |
CN104486411A (zh) * | 2014-12-15 | 2015-04-01 | 四川长虹电器股份有限公司 | 一种推荐方法及云端服务器 |
US20180115455A1 (en) * | 2015-04-24 | 2018-04-26 | Telefonaktiebolaget Lm Ericsson (Publ) | Fault Diagnosis in Networks |
CN108271176A (zh) * | 2016-12-30 | 2018-07-10 | ***通信集团福建有限公司 | 确定基站小区质差根因的方法和*** |
US20180343689A1 (en) * | 2017-05-26 | 2018-11-29 | Mediatek Inc. | Method And Apparatus For Handling Problem Cell In Mobile Communications |
CN107707392A (zh) * | 2017-09-26 | 2018-02-16 | 厦门集微科技有限公司 | 通道修复方法及装置、终端 |
CN109996284A (zh) * | 2017-12-31 | 2019-07-09 | ***通信集团贵州有限公司 | 移动通信故障投诉工单处理方法、装置、设备及介质 |
CN108444713A (zh) * | 2018-05-09 | 2018-08-24 | 济南大学 | 一种基于d氏小波能量基的滚动轴承故障特征提取方法 |
CN111126824A (zh) * | 2019-12-19 | 2020-05-08 | ***通信集团江苏有限公司 | 多指标关联模型训练方法及多指标异常分析方法 |
CN111160582A (zh) * | 2019-12-31 | 2020-05-15 | 科大讯飞(苏州)科技有限公司 | 设备故障识别方法、装置及计算机可读存储介质 |
CN111710406A (zh) * | 2020-06-10 | 2020-09-25 | 深圳市好克医疗仪器股份有限公司 | 医疗设备的远程维护方法、设备及可读存储介质 |
CN111865702A (zh) * | 2020-08-04 | 2020-10-30 | 北京航空航天大学 | 基于卷积神经网络的网络故障诊断方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023245620A1 (en) * | 2022-06-24 | 2023-12-28 | Telefonaktiebolaget Lm Ericsson (Publ) | Handover failure cause classification |
Also Published As
Publication number | Publication date |
---|---|
CN112637880B (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2986048B1 (en) | Network optimization method, device and apparatus | |
JP2017523485A (ja) | ロケーション・ベースの情報をサーバ制御によりタイリングするための技法 | |
CN105338537B (zh) | 一种新增基站站址共享分析的方法及终端 | |
US11334758B2 (en) | Method and apparatus of data processing using multiple types of non-linear combination processing | |
CN112020098A (zh) | 负荷均衡方法、装置、计算设备及计算机存储介质 | |
CN108021690A (zh) | 倒排Voronoi索引 | |
CN107623924A (zh) | 一种验证影响关键质量指标kqi相关的关键性能指标kpi的方法和装置 | |
CN112637880B (zh) | 问题小区处理方法以及装置 | |
CN106921978B (zh) | 一种位置分布确定方法及装置 | |
Aronov et al. | Batched point location in SINR diagrams via algebraic tools | |
US20140032642A1 (en) | Controlling server response based on client performance | |
CN112966054A (zh) | 基于企业图谱节点间关系的族群划分方法和计算机设备 | |
CN108021689A (zh) | 使用基于MapReduce的IVkNN算法进行查询的方法 | |
KR102012564B1 (ko) | 주식 정보 제공 방법 | |
CN113795032B (zh) | 室分隐形故障的判断方法、装置、存储介质及设备 | |
CN113628256B (zh) | 一种数据处理方法和装置 | |
US20190281497A1 (en) | Load balancing in cellular networks | |
US20210304884A1 (en) | Medical data processing method, cluster processing system and method thereof | |
CN107766496A (zh) | 基于MapReduce与倒排泰森多边形的大规模近邻查询*** | |
US20220094609A1 (en) | Systems and methods for generating a cognitive analytics hub and predictive actions from distributed data models | |
CN111190964B (zh) | 数据对接方法、装置、设备及存储介质 | |
TW201800966A (zh) | 相似度處理方法、對象篩選方法和裝置 | |
CN110362603B (zh) | 一种特征冗余性分析方法、特征选择方法和相关装置 | |
CN103987052A (zh) | 基站配置方法及基站、协调器 | |
US20170248916A1 (en) | Method and system for image processing and data transmission in network-based multi-camera environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |