CN113301503B - 弱覆盖区域检测方法及装置 - Google Patents
弱覆盖区域检测方法及装置 Download PDFInfo
- Publication number
- CN113301503B CN113301503B CN202110529748.0A CN202110529748A CN113301503B CN 113301503 B CN113301503 B CN 113301503B CN 202110529748 A CN202110529748 A CN 202110529748A CN 113301503 B CN113301503 B CN 113301503B
- Authority
- CN
- China
- Prior art keywords
- cell
- coverage area
- coverage
- weak coverage
- weak
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本说明书一个或多个实施例提供一种弱覆盖区域检测方法及装置,包括:对弱覆盖点进行聚类,得到至少一个弱覆盖簇;其中,弱覆盖点为性能指标未达到预定值的路测点;根据路测点的位置信息及路测点所属主服务小区的站点位置信息,确定所述主服务小区的小区覆盖区域;根据所述弱覆盖簇中各弱覆盖点与所述小区覆盖区域之间的位置关系,确定所述弱覆盖簇的优化小区集合;根据所述优化小区集合中各小区覆盖区域的覆盖范围,利用凸包法提取弱覆盖区域。本实施例能够准确检测弱覆盖区域。
Description
技术领域
本说明书一个或多个实施例涉及通信技术领域,尤其涉及一种弱覆盖区域检测方法及装置。
背景技术
随着5G通信网络建设工作的推进,初期规划基站已经初步建设完成,为了提升网络质量,需要对网络中存在的弱覆盖问题进行优化,而解决弱覆盖问题的首要任务是准确检测出弱覆盖区域。
发明内容
有鉴于此,本说明书一个或多个实施例的目的在于提出一种弱覆盖区域检测方法及装置,用于检测弱覆盖区域。
基于上述目的,本说明书一个或多个实施例提供了弱覆盖区域检测方法,包括:
对弱覆盖点进行聚类,得到至少一个弱覆盖簇;其中,所述弱覆盖点为性能指标未达到预定值的路测点;
根据路测点的位置信息及路测点所属主服务小区的站点位置信息,确定所述主服务小区的小区覆盖区域;
根据所述弱覆盖簇中各弱覆盖点与所述小区覆盖区域之间的位置关系,确定所述弱覆盖簇的优化小区集合;
根据所述优化小区集合中各小区覆盖区域的覆盖范围,利用凸包法提取弱覆盖区域。
可选的,所述对弱覆盖点进行聚类之前,还包括:
获取路测数据和小区工参数据;所述路测数据包括路测点的性能指标;
对所述路测数据和小区工参数据进行预处理,得到预处理后的路测数据和小区工参数据;
根据预处理后的路测点的性能指标,将所述性能指标未达到所述预定值的路测点作为所述弱覆盖点。
可选的,所述路测数据包括路测点的位置信息、路测点所属主服务小区的标识,所述小区工参数据包括站点位置信息、小区标识;所述位置信息和站点位置信息为GPS坐标;
对所述路测数据和小区工参数据进行预处理,包括:
删除位置信息缺失的路测点;
对位置信息重复的路测点进行去重处理;
将所述GPS坐标转换为UTM坐标。
可选的,所述对弱覆盖点进行聚类,得到至少一个弱覆盖簇为:利用基于密度的空间聚类方法对所述弱覆盖点进行聚类,得到至少一个弱覆盖簇。
可选的,所述站点位置信息包括小区方位角;所述根据路测点的位置信息及路测点所属主服务小区的站点位置信息,确定所述主服务小区的小区覆盖区域,包括:
根据所述位置信息及站点位置信息,确定距离所述主服务小区最远的路测点,以及该最远的路测点与所述主服务小区之间的最大距离;
以所述主服务小区的基站为圆心,以所述主服务小区的小区方位角为基准确定扇形的圆心角,以所述最大距离为扇形的半径,确定呈扇形的小区覆盖区域。
可选的,所述确定呈扇形的小区覆盖区域之后,还包括:
划分包括所述小区覆盖区域的中间仿真区域;
对所述中间仿真区域进行栅格化处理;
根据所述小区覆盖区域与各栅格之间的位置关系,建立所述小区覆盖区域与各栅格之间的索引关系。
可选的,根据所述弱覆盖簇中各弱覆盖点与所述小区覆盖区域之间的位置关系,确定所述弱覆盖簇的优化小区集合,包括:
根据所述弱覆盖点与所述小区覆盖区域之间的位置关系,判断所述弱覆盖点是否在所述小区覆盖区域之内;
如果所述弱覆盖点在所述小区覆盖区域之内,将所述小区覆盖区域添加于所述优化小区集合中;
将所述弱覆盖点所属主服务小区的小区覆盖区域添加于所述优化小区集合中。
可选的,根据所述弱覆盖点与所述小区覆盖区域之间的位置关系,判断所述弱覆盖点是否在所述小区覆盖区域之内,包括:
确定所述弱覆盖点所在栅格;
根据所述索引关系,确定与所述弱覆盖点所在栅格具有关联关系的小区覆盖区域;
利用射线法判断所述弱覆盖点是否在所述具有关联关系的小区覆盖区域之内。
可选的,所述确定呈扇形的小区覆盖区域之后,还包括:
将所述呈扇形的小区覆盖区域处理为呈多边形的小区覆盖区域。
本说明书还提供一种弱覆盖区域检测装置,包括:
聚类模块,用于对弱覆盖点进行聚类,得到至少一个弱覆盖簇;其中,所述弱覆盖点为性能指标未达到预定值的路测点;
区域确定模块,用于根据路测点的位置信息及路测点所属主服务小区的站点位置信息,确定所述主服务小区的小区覆盖区域;
优化小区确定模块,用于根据所述弱覆盖簇中各弱覆盖点与所述小区覆盖区域之间的位置关系,确定所述弱覆盖簇的优化小区集合;
区域提取模块,用于根据所述优化小区集合中各小区覆盖区域的覆盖范围,利用凸包法提取弱覆盖区域。
从上面所述可以看出,本说明书一个或多个实施例提供的弱覆盖区域检测方法及装置,通过对弱覆盖点进行聚类,得到至少一个弱覆盖簇,根据路测点的位置信息及路测点所属主服务小区的站点位置信息,确定主服务小区的小区覆盖区域,根据弱覆盖簇中各弱覆盖点与小区覆盖区域之间的位置关系,确定弱覆盖簇的优化小区集合,根据优化小区集合中各小区覆盖区域的覆盖范围,利用凸包法提取弱覆盖区域。本实施例能够准确检测弱覆盖区域,提高资源利用率。
附图说明
为了更清楚地说明本说明书一个或多个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说明书一个或多个实施例,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为本说明书一个或多个实施例的方法流程示意图;
图2为本说明书一个或多个实施例的小区覆盖区域示意图;
图3为本说明书一个或多个实施例的中间仿真区域示意图;
图4为本说明书一个或多个实施例的栅格与小区覆盖区域之间的索引关系示意图;
图5为本说明书一个或多个实施例的射线法确定优化小区的示意图;
图6为网络覆盖质量分布示意图;
图7为本说明书一个或多个实施例的扇形的小区覆盖区域示意图;
图8为小区覆盖区域的外接矩形仿真区域示意图;
图9为本说明书一个或多个实施例的优化小区集合中各优化小区的覆盖范围示意图;
图10为栅格处理后的各优化小区的覆盖范围示意图;
图11为本说明书一个或多个实施例的弱覆盖区域示意图;
图12为栅格处理后的弱覆盖区域示意图;
图13为本说明书一个或多个实施例的装置结构示意图;
图14为本说明书一个或多个实施例的电子设备结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
需要说明的是,除非另外定义,本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
如背景技术部分所述,在5G通信网络的建设阶段,需要解决弱覆盖问题以提升通信质量。5G通信网络引入了大规模天线(Massive MIMO,mMIMO)技术和波束赋形技术,增加了天线工参优化的复杂度,而且,5G通信网络的基站数量是传统通信网络的基站数量的三倍,大幅增加了天线工参优化的工作量。为此,运营商提出了关联小区簇mMIMO权值联合优化与覆盖仿真评估相结合的优化方案,以降低工作量和成本。
其中,该优化方案的一般过程是:将采集的路测点的路测数据导入网络可视化软件,根据用于评估网络覆盖质量的KPI指标对路测点进行弱覆盖划分,人工选择弱覆盖点较为密集的区域;针对选取出的区域中的弱覆盖点,将弱覆盖点所在的主服务小区作为优化小区,统计得到小区簇;根据选取出的区域和小区簇,人工选取两部分的外接矩形作为仿真区域,用于网络覆盖质量评估与优化目标。
上述优化方案中,一方面,在人工选取弱覆盖点密集的区域的过程中,由于不同区域内的弱覆盖点密度差异性较大,且存在大量孤立的噪点,对弱覆盖问题的分析产生干扰,增加了人工分析难度,人力成本较高,效率不高。第二方面,以弱覆盖点所在的主服务小区为优化小区,仅考虑了接收信号的强度,未考虑小区的实际覆盖范围,无法准确发现覆盖范围不合理的小区,优化小区的选取不够准确。目前对于小区覆盖范围的评估主要有两种方法,一种是利用泰森多边形划分区域内不同站点的覆盖范围,该方法隐含了两个假设,几个基站采用全向天线且覆盖范围之间互斥,然而实际无线环境中站点的布局为了满足蜂窝模型和无缝覆盖要求,各基站覆盖范围之间不可避免的存在重叠,一般为10%-15%的重叠缓冲区域,且基站的定向天线受方向角和半功率波瓣宽度的限制,基站发射信号并不是全方位覆盖,故规划覆盖范围与实际覆盖范围之间存在差异;第二种是假设基站的覆盖范围是以基站为中心半径为400米的圆形区域,将其描述为理想全向天线的覆盖范围,而实际网络中,基站划分不同小区使用定向天线对不同方向进行覆盖,并且受不同小区的天线工参配置影响,不同的覆盖范围存在差异,故该方法无法准确描述小区的实际覆盖范围。第三方面,提取仿真区域过程中,需要对仿真区域进行栅格化处理,计算复杂度和栅格数量成正相关,使用外接矩形法提取的仿真区域中包含了大量的冗余栅格,消耗大量计算资源,资源利用不合理。
有鉴于此,本说明书实施例提供一种弱覆盖区域检测方法,通过对弱覆盖点进行聚类得到弱覆盖簇,可以降低分析难度,提高效率;通过路测点的位置信息及其所属主服务小区的位置信息,确定主服务小区的小区覆盖区域,根据弱覆盖点与小区覆盖区域之间的位置关系,确定弱覆盖簇的优化小区集合,能够准确定位需要提升网络质量的优化目标;对于优化小区集合中的各小区覆盖区域,利用凸包法提取弱覆盖区域,能够减少冗余栅格,降低计算复杂度,提高资源利用率。
以下,通过具体的实施例进一步详细说明本公开的技术方案。
如图1所示,本说明书实施例提供一种弱覆盖区域检测方法,包括:
S101:对弱覆盖点进行聚类,得到至少一个弱覆盖簇;其中,弱覆盖点为性能指标未达到预定值的路测点;
本实施例中,根据采集的路测点的性能指标,判断性能指标是否达到预定值,将未达到预定值的路测点归类为弱覆盖点;对所有的弱覆盖点进行聚类处理,得到至少一个弱覆盖点密集的弱覆盖簇。通过聚类处理,能够消除孤立噪声点的干扰,准确识别弱覆盖簇。
S102:根据路测点的位置信息及路测点所属主服务小区的站点位置信息,确定主服务小区的小区覆盖区域;
本实施例中,可获取的路测数据包括若干路测点的相关信息,每个路测点的相关信息包括路测点的位置信息、路测点所属主服务小区的标识,根据该标识可确定路测点所属主服务小区。可获取的小区工参数据包括若干小区的相关信息,每个小区的相关信息包括小区的站点位置信息、小区标识等。根据小区标识和路测点所属主服务小区的标识,可确定同一个主服务小区所包含的所有路测点,对于主服务小区所包含的所有路测点,根据各路测点的位置信息与主服务小区的站点位置信息,可确定主服务小区的小区覆盖区域,该小区覆盖区域能够较为准确的表征小区的实际覆盖范围。
S103:根据弱覆盖簇中各弱覆盖点与小区覆盖区域之间的位置关系,确定弱覆盖簇的优化小区集合;
本实施例中,确定至少一个弱覆盖簇和各小区的小区覆盖区域之后,根据弱覆盖簇中每个弱覆盖点与各小区的小区覆盖区域之间的位置关系,将覆盖了弱覆盖点的小区覆盖区域添加于优化小区集合中,得到弱覆盖簇的优化小区集合。由于综合考虑小区的实际覆盖范围和弱覆盖点的位置,确定需要进行网络质量优化的优化小区集合,能够准确定位优化目标。
S104:根据优化小区集合中各小区覆盖区域的覆盖范围,利用凸包法提取弱覆盖区域。
本实施例中,对于优化小区集合中的各小区覆盖区域,利用凸包法提取弱覆盖区域,相较于外接矩形提取方法,能够减少冗余,降低计算复杂度,避免浪费计算资源。
本实施例提供的弱覆盖区域检测方法,包括对弱覆盖点进行聚类,得到至少一个弱覆盖簇,根据路测点的位置信息及路测点所属主服务小区的站点位置信息,确定主服务小区的小区覆盖区域,根据弱覆盖簇中各弱覆盖点与小区覆盖区域之间的位置关系,确定弱覆盖簇的优化小区集合,根据优化小区集合中各小区覆盖区域的覆盖范围,利用凸包法提取弱覆盖区域。利用本实施例的方法检测弱覆盖区域,能够降低分析难度,提高效率,准确定位需要提升网络质量的优化目标,合理利用资源。
可以理解,该方法可以通过任何具有计算、处理能力的装置、设备、平台、设备集群来执行。
一些实施例中,在对弱覆盖点进行聚类之前,还包括:
获取路测数据和小区工参数据;路测数据包括路测点的性能指标;
对路测数据和小区工参数据进行预处理,得到预处理后的路测数据和小区工参数据;
根据预处理后的路测点的性能指标,将性能指标未达到预定值的路测点作为弱覆盖点。
本实施例中,首先获取路测数据和小区工参数据,基于获取的路测数据和小区工参数据,进行处理以检测出弱覆盖区域。其中,路测数据包括若干路测点的相关信息,每个路测点的相关信息包括路测点的性能指标。由于获取的原始的路测数据和小区工参数据可能存在缺失、重复等问题,不便于后续的统一处理,因而,需要对获取的路测数据和小区工参数据进行预处理,基于预处理后的路测数据,根据路测点的性能指标,判定路测点的性能指标是否达到预定值,对于未达到预定值的路测点,认为其网络覆盖质量较差,将该类路测点作为弱覆盖点,用于网络覆盖质量的优化提升。
一些方式中,路测点的性能指标包括但不限于信噪比(Signal to Interferenceplus Noise Ratio,SINR)、参考信号接收功率(Reference Signal Receiving Power,RSRP)等能够评估信号接收性能的指标。可选的,根据路测点的信噪比和/或参考信号接收功率,如果满足RSRP<-93dBm或SINR<0dB,则将该路测点归类为弱覆盖点。需要说明的是,性能指标的选取及取值仅用于示例性说明,不用于对技术方案进行限定。
一些实施例中,路测数据包括路测点的位置信息、路测点所属主服务小区的标识,小区工参数据包括站点位置信息、小区标识;位置信息和站点位置信息为GPS坐标;
对路测数据和小区工参数据进行预处理,包括:
删除位置信息缺失的路测点;
对位置信息重复的路测点进行去重处理;
将GPS坐标转换为UTM坐标。
本实施例中,获取的路测数据包括若干路测点的相关信息,每个路测点的相关信息包括路测点的位置信息、路测点所属主服务小区的标识;获取的小区工参数据包括若干小区的相关信息,每个小区的相关信息包括小区的站点位置信息、小区标识。其中,基站覆盖至少一个小区的通信范围,小区的站点位置信息为覆盖小区通信范围的基站的位置信息,路测点的位置信息和小区的站点位置信息均为包括经度和纬度的GPS坐标。小区的标识唯一,可利用小区标识与路测点所属主服务小区的标识,建立路测点与其所属主服务小区的关联关系,即,若小区标识和路测点所属主服务小区的标识相同,路测点的主服务小区为小区标识对应的小区。
对获取的路测数据和小区工参数据进行预处理包括:对各路测点的位置信息进行筛选,确定位置信息存在缺失的路测点(例如,缺少纬度和/或经度),将位置信息存在缺失的路测点删除掉;确定位置信息存在重复的路测点,对位置信息重复的路测点进行去重处理,仅保留位置信息唯一的路测点,例如,存在至少两组位置信息相同、性能指标相同或不同的路测点,去重处理时,计算各组路测点的性能指标的均值,保留位置信息不变、性能指标为该均值的一个路测点;对于删除和去重处理之后的路测点,将路测点的GPS坐标形式的位置信息以及小区的GPS坐标形式的站点位置信息转换为UTM坐标形式,便于后续数据处理。
一些实施例中,对弱覆盖点进行聚类,得到至少一个弱覆盖簇为:利用基于密度的空间聚类方法对弱覆盖点进行聚类,得到至少一个弱覆盖簇。
本实施例中,确定出若干网络覆盖质量较差的弱覆盖点之后,对所有的弱覆盖点进行聚类,得到至少一个弱覆盖点密集的弱覆盖簇。一些方式中,聚类算法采用基于密度的空间聚类方法,该空间聚类方法根据输入的所有弱覆盖点的位置信息,将所有弱覆盖点划分为至少一个弱覆盖点密度较大的弱覆盖簇。由于空间聚类方法的聚类效果与算法参数有关,为确定最优的聚类效果,以轮廓系数作为聚类效果的评价指标,衡量不同算法参数下所取得的聚类效果,选取轮廓系数达到最大值所对应的算法参数作为空间聚类方法的算法参数,利用确定了算法参数的空间聚类方法对弱覆盖点进行聚类处理。
可选的,利用DBSCAN算法对所有弱覆盖点进行聚类处理,DBSCAN算法的算法参数为邻域距离阈值∈和样本的距离为邻域距离阈值的邻域中样本个数的阈值MinPts,∈表示定义样本密度时的邻域半径,MinPts表示某个样本在∈内的最小样本数量。为确定最优的算法参数,对于邻域距离阈值,设置其取值区间为[60,150],步长为10,对于MinPts,设置其取值区间为[5,10],步长为1,循环计算两种参数在不同参数取值组合的情况下DBSCAN算法所得到的轮廓系数,循环结束后,确定轮廓系数达到最大值的参数组合,将该参数组合作为DBSCAN算法的最优参数组合,利用最优参数组合的DBSCAN算法对所有弱覆盖点进行聚类处理,得到至少一个弱覆盖簇,每个弱覆盖簇由若干较为密集的弱覆盖点组成。本实施例中,利用DBSCAN算法对弱覆盖点进行聚类,能够识别孤立噪声点,消除孤立噪声点的干扰,准确发现任意形状的弱覆盖簇,有效解决弱覆盖点密度分布不同导致分析难度大、人力成本高的问题,同时,通过选取最优的算法参数,可进一步提高识别弱覆盖簇的准确性。
一些实施例中,站点位置信息包括小区方位角;根据路测点的位置信息及路测点所属主服务小区的站点位置信息,确定主服务小区的小区覆盖区域,包括:
根据位置信息及站点位置信息,确定距离主服务小区最远的路测点,以及该最远的路测点与主服务小区之间的最大距离;
以主服务小区的基站为圆心,以小区方位角为基准确定扇形的圆心角,以最大距离为扇形的半径,确定呈扇形的小区覆盖区域。
本实施例中,根据小区标识及路测点所属主服务小区的标识,可确定出归属于同一主服务小区的若干路测点,根据各路测点的位置信息与主服务小区的站点位置信息,分别计算每个路测点到主服务小区的基站的距离,计算之后,确定出距离主服务小区最远的路测点,以及该路测点与主服务小区的最大距离。之后,确定主服务小区的小区覆盖区域,具体是,以主服务小区的基站为扇形的圆心,以最大距离为扇形的半径,以主服务小区的小区方位角为基准确定扇形的圆心角,构建呈扇形的小区覆盖区域,该小区覆盖区域考虑了小区的实际覆盖范围。
如表1所示,对获取的路测数据和小区工参数据进行预处理后得到各路测点的UTM坐标和各小区的UTM坐标,根据路测点所属主服务小区的标识和小区标识,建立路测点与主服务小区的关联关系,确定主服务小区所覆盖的若干路测点。例如,小区标识为cell1的小区覆盖的路测点为三个,三个路测点的UTM坐标分别为(x1,y1)、(x2,y2)、(x3,y3),小区标识为cell1的小区的基站UTM坐标为(xcell1,ycell1);小区标识为cell2的小区覆盖的路测点为两个,两个路测点的UTM坐标分别为(x4,y4)、(x5,y5),小区标识为cell2的小区的基站UTM坐标为(xcell2,ycell2);小区标识为cell3的小区覆盖的路测点为两个,两个路测点的UTM坐标分别为(x6,y6)、(x7,y7),小区标识为cell2的小区的基站UTM坐标为(xcell3,ycell3)。
表1路测数据与小区工参数据示例
序号 | 路测点的UTM坐标 | 小区标识 | 小区的基站UTM坐标 |
1 | (x<sub>1</sub>,y<sub>1</sub>) | cell<sub>1</sub> | (x<sub>cell1</sub>,y<sub>cell1</sub>) |
2 | (x<sub>2</sub>,y<sub>2</sub>) | cell<sub>1</sub> | (x<sub>cell1</sub>,y<sub>cell1</sub>) |
3 | (x<sub>3</sub>,y<sub>3</sub>) | cell<sub>1</sub> | (x<sub>cell1</sub>,y<sub>cell1</sub>) |
4 | (x<sub>4</sub>,y<sub>4</sub>) | cell<sub>2</sub> | (x<sub>cell2</sub>,y<sub>cell2</sub>) |
5 | (x<sub>5</sub>,y<sub>5</sub>) | cell<sub>2</sub> | (x<sub>cell2</sub>,y<sub>cell2</sub>) |
6 | (x<sub>6</sub>,y<sub>6</sub>) | cell<sub>3</sub> | (x<sub>cell3</sub>,y<sub>cell3</sub>) |
7 | (x<sub>7</sub>,y<sub>7</sub>) | cell<sub>3</sub> | (x<sub>cell3</sub>,y<sub>cell3</sub>) |
以小区标识为cell2的小区为例,确定该小区的实际覆盖范围时,根据该小区覆盖的三个路测点的UTM坐标与基站UTM坐标,分别计算三个路测点到小区的欧式距离,计算之后,得到距离小区最远的路测点,同时确定该最远的路测点到小区的最大距离;之后,以基站UTM坐标为扇形的圆心,以最大距离为扇形的半径,以小区的小区方位角为基准确定扇形的圆心角,构建扇形区域,将该扇形区域作为小区的小区覆盖区域。
一些实施方式中,为便于计算,在确定呈扇形的小区覆盖区域之后,将扇形的小区覆盖区域处理为呈多边形的小区覆盖区域。结合图2所示,一些方式中,基于呈扇形的小区覆盖区域,在扇形的圆弧上按序等弧度选取9个点{v2,v3,v4,v5,v6,v7,v8,v9,v10},将扇形处理为由扇形的圆心v0、扇形的两个顶点v1、v11、以及圆弧上选取的9个点所确定出的十二边形,该十二边形的顶点集合为Vi={v0,v1,v2,v3,v4,v5,v6,v7,v8,v9,v10},利用该十二边形表示第i个小区的小区覆盖区域,便于后续计算处理。
一些实施例中,确定呈扇形的小区覆盖区域之后,还包括:
划分包括小区覆盖区域的中间仿真区域;
对中间仿真区域进行栅格化处理;
根据小区覆盖区域与各栅格之间的位置关系,建立小区覆盖区域与各栅格之间的索引关系。
本实施例中,为优化数据存储结构,提高数据处理效率,在确定小区覆盖区域之后,划分包括小区覆盖区域的中间仿真区域,并对中间仿真区域栅格化处理,得到多个栅格,根据各栅格与小区覆盖区域的位置关系,建立小区覆盖区域与各栅格之间的索引关系。
结合图3所示,一些实施方式中,对获取的路测数据和小区工参数据进行处理后,确定出三个小区的小区覆盖区域S1、S2、S3,基于三个小区覆盖区域,划分包括三个小区覆盖区域的中间仿真区域。如图所示,初步划分出能够覆盖三个小区覆盖区域的初始区域,初始区域的长为700m,宽为650m;为便于栅格化处理,将中间仿真区域设置为正方形,设中间仿真区域的栅格尺寸为200m(每个栅格的边长为200m),需在初始区域的基础上进行填充,得到边长为800m的正方形区域,将该正方形区域作为中间仿真区域。
之后,对中间仿真区域进行栅格化处理,得到4×4的栅格阵列,并对各栅格进行编号,得到各栅格的位置信息,其中,栅格的位置信息包括了栅格的四个顶点的坐标,如表2所示:
表2栅格编号及位置信息示例
在本示例中,共划分出16个栅格,在XOY坐标系下,记录每个栅格的横坐标上限xmax、横坐标下限xmin,纵坐标上限ymax、纵坐标下限ymin,通过上述坐标能够确定每个栅格的四个顶点的坐标。
中间仿真区域栅格化处理之后,可以看出,有些面积较小的小区覆盖区域整***于一个栅格中,有些面积较小的小区覆盖区域位于多个栅格中,有些面积较大的小区覆盖区域位于多个栅格中。根据各小区覆盖区域及各栅格的位置信息,建立栅格与小区覆盖区域之间的索引关系,便于数据存储,提高查找等数据处理效率。
一些实施方式中,对于正方形的中间仿真区域,栅格尺寸越小,栅格精度越高,划分出的栅格数量越多,后续建立栅格与小区覆盖区域之间索引关系的复杂度越高,占用内存资源越多,对应的检测精度也越高;相反的,栅格尺寸越大,栅格精度越低,划分出的栅格数量越少,建立索引关系的复杂度越小,占用内存资源越少,对应得到的检测精度也会降低。可选的,为均衡检测结果准确性和成本因素,同时考虑小区的覆盖区域半径通常为400m,可设置栅格尺寸不小于100m,栅格尺寸的设置不做具体限定,可根据小区实际覆盖范围以及设计要求进行具体设定。
结合图3、4所示,建立栅格与小区覆盖区域之间的索引关系的方法是,根据小区覆盖区域的位置信息及各栅格的位置信息,确定小区覆盖区域与栅格的位置关系,根据小区覆盖区域与栅格的位置关系,建立小区覆盖区域与栅格的索引关系。
具体的,根据呈多边形的小区覆盖区域的各个顶点的坐标与每个栅格的四个顶点的坐标,确定小区覆盖区域与各栅格的位置关系;如果小区覆盖区域的所有顶点的坐标均位于同一个栅格的四个顶点的坐标范围之内,判定该小区覆盖区域位于该栅格之内,建立该小区覆盖区域与该栅格之间的关联关系;如果小区覆盖区域的不同顶点的坐标位于不同栅格的四个顶点的坐标范围之内,判定该小区覆盖区域分布位于不同栅格中,不同栅格与该小区覆盖区域存在部分重叠,建立存在部分重叠的各栅格与该小区覆盖区域之间的关联关系。
其中,对于小区覆盖区域整***于一个栅格内的情况,根据小区覆盖区域的任意一个顶点的坐标以及中间仿真区域的范围,计算该小区覆盖区域所处栅格的编号的方法是:
其中,Xmin表示中间仿真区域的横坐标下限,Xmax表示中间仿真区域的横坐标上限,Ymin表示中间仿真区域的纵坐标下限,scale表示栅格尺寸;(x,y)为待测点的坐标,在判断小区覆盖区域与栅格的位置关系时,待测点为多边形的小区覆盖区域的任意一个顶点,在判断弱覆盖点与栅格的位置关系时,待测点为弱覆盖点。
在图3、4所示示例中,按照上述建立索引关系的方法,可得到小区覆盖区域S1整***于栅格1中,小区覆盖区域S1与栅格1存在关联关系;小区覆盖区域S2分布位于栅格5、6、7、9、10、11中,小区覆盖区域S2与栅格5、6、7、9、10、11存在关联关系;小区覆盖区域S3分布位于栅格3、4、7、中,小区覆盖区域S3与栅格3、4、7存在关联关系。可选的,栅格与小区覆盖区域之间的索引关系可按照哈希表结构存储,可优化数据存储结构,便于数据快速查找。
一些实施例中,根据弱覆盖簇中各弱覆盖点与小区覆盖区域之间的位置关系,确定弱覆盖簇的优化小区集合,包括:
根据弱覆盖点与小区覆盖区域之间的位置关系,判断弱覆盖点是否在小区覆盖区域之内;
如果弱覆盖点在小区覆盖区域之内,将小区覆盖区域添加于优化小区集合中;
将弱覆盖点所属主服务小区的小区覆盖区域添加于优化小区集合中。
本实施例中,在确定至少一个弱覆盖簇与各小区的小区覆盖区域之后,根据弱覆盖簇中每个弱覆盖点与小区覆盖区域之间的位置关系,当判断弱覆盖点位于小区覆盖区域之内时,认为该小区覆盖区域覆盖了该弱覆盖点,将该小区覆盖区域作为需要进行网络质量优化的小区添加于优化小区集合中,另外,弱覆盖点所属的主服务小区也作为需要优化的小区添加于优化小区集合,最终得到覆盖了弱覆盖簇中每个弱覆盖点的小区的优化小区集合。本实施例中,对于网络质量优化目标的选取,不仅考虑了弱覆盖点所属的主服务小区,也结合小区的实际覆盖范围,将覆盖了弱覆盖点的其他小区也列为需要优化的关联小区,能够准确定位优化目标,精准提升网络覆盖质量。
一些实施例中,根据弱覆盖点与小区覆盖区域之间的位置关系,判断弱覆盖点是否在小区覆盖区域之内,包括:
确定弱覆盖点所在栅格;
根据索引关系,确定与弱覆盖点所在栅格具有关联关系的小区覆盖区域;
利用射线法判断弱覆盖点是否在具有关联关系的小区覆盖区域之内。
本实施例中,对于弱覆盖簇中的每个弱覆盖点,根据每个弱覆盖点与小区覆盖区域之间的位置关系(可根据公式1确定,其中的待测点为弱覆盖点),判断弱覆盖点是否在小区覆盖区域之内。借助于中间仿真区域所划分的栅格,首先根据弱覆盖点的位置信息及栅格的四个顶点的位置信息,确定弱覆盖点所在栅格;之后,根据已建立的栅格与小区覆盖区域的索引关系,确定弱覆盖点所在栅格所关联的小区覆盖区域,由此确定出弱覆盖点与该小区覆盖区域之间的关联关系;然后,利用射线法判断弱覆盖点与该小区覆盖区域之间的位置关系,具体是,由弱覆盖点向该小区覆盖区域做射线,如果该射线与该小区覆盖区域具有奇数个交点,可判定弱覆盖点位于该小区覆盖区域之内,如果该射线与该小区覆盖区域具有偶数个交点,可判定弱覆盖点位于该小区覆盖区域之外。
结合图4、5所示,一些实施方式中,设弱覆盖簇中包含三个弱覆盖点A、B、C。对于弱覆盖点A,根据其坐标及栅格的顶点坐标,判定其位于栅格2中,查询栅格与小区覆盖区域的索引关系,确定没有与栅格2具有关联关系的小区覆盖区域,即,小区覆盖区域S1、S2、S3均未覆盖到弱覆盖点A。对于弱覆盖点B,根据其坐标判定其位于栅格7中,查询索引关系,确定与栅格7具有关联关系的小区覆盖区域S2、S3,之后,以弱覆盖点B为起点做射线,确定出该射线与小区覆盖区域S2、S3的交点,由于该射线与小区覆盖区域S3的交点个数为2,与小区覆盖区域S2的交点个数为0,所以弱覆盖点B在小区覆盖区域S2、S3之外,即小区覆盖区域S2、S3均未覆盖弱覆盖点B。对于弱覆盖点C,根据其坐标判定其位于栅格6中,查询索引关系,确定与栅格6具有关联关系的小区覆盖区域S2,之后,以弱覆盖点C为起点,向小区覆盖区域S2做射线,确定出射线与小区覆盖区域S2的交点,由于交点个数为1,所以弱覆盖点C在小区覆盖区域S2之内,将小区覆盖区域S2列为需要进行网络覆盖质量优化的优化小区,添加于优化小区集合中,至此,弱覆盖簇中的所有弱覆盖点均已遍历并确定出了覆盖有弱覆盖点的优化小区集合R={Cell2},其中,cell2为小区覆盖区域S2所对应的小区的小区标识。
考虑到小区覆盖区域为理想条件下的扇形覆盖区域,有可能存在弱覆盖点不在特定小区覆盖区域,而特定小区覆盖区域为该弱覆盖点的主服务小区的情况,因此,将弱覆盖簇中每个弱覆盖点的主服务小区也作为需要进行网络覆盖质量优化的优化小区,添加于优化小区集合中,从而得到最终的优化小区集合。结合图4、5所示示例,设弱覆盖点A、C的主服务小区为cell2,弱覆盖点B的主服务小区的小区标识为Cell3,由于cell2已经在优化小区集合中,所以需将Cell3添加于优化小区集合中,得到最终的优化小区集合R={Cell2,Cell3}。
一些实施例中,在确定了优化小区集合之后,根据优化小区集合所包含的各小区所对应的小区覆盖区域,确定各小区覆盖区域的覆盖范围,基于各小区覆盖区域的覆盖范围,利用凸包法提取弱覆盖区域。
以下对弱覆盖区域的提取方法进行具体说明。
如图6所示,在小区覆盖范围之内(粗线区域)存在接收信号良好区域(斜线区域)、接收信号一般区域(竖线区域)以及接收信号较差区域(横线区域),结合图7所示,如果以确定出的扇形的小区覆盖区域为准评估网络覆盖质量,将无法发现接收信号较差区域,不利于定位需要进行网络覆盖质量优化的区域;结合图8所示,如果将各小区覆盖区域的外接矩形区域(基于各小区覆盖区域的所有顶点,提取覆盖各小区覆盖区域的外接矩形)为准全面评估网络覆盖质量,能够及时发现接收信号较差区域,并制定针对性的优化方案,从而提升网络覆盖质量,然而,为保证全面评估,整个区域又包含有冗余区域,需要额外占用资源。
结合图9-12所示,本实施例中,基于优化小区集合中的各小区覆盖区域,提取各小区覆盖区域的顶点构成顶点集合,利用凸包算法计算顶点集合中各顶点的凸包,作为弱覆盖区域的外轮廓,相较于仅考虑小区覆盖区域提取出的区域(如图10所示),覆盖范围更大,能够避免遗漏接收信号较差区域,相较于将各小区覆盖区域的外接矩形作为提取出的区域,能够减少冗余区域,避免浪费计算资源,提高资源利用率。可选的,利用Graham Scan算法计算凸包,用于提取弱覆盖区域,所使用的凸包法不限于此算法。
本实施例提供的弱覆盖区域检测方法,一方面,将所有弱覆盖点聚类为至少一个弱覆盖簇,降低分析难度,降低人工成本,提高效率。第二方面,不仅考虑了弱覆盖点的接收信号性能,而且考虑小区的实际覆盖范围,通过路测数据统计小区的实际覆盖范围,将弱覆盖点与小区覆盖区域之间的位置关系转换为几何元素位置关系进行关系判断,利用射线法确定覆盖了弱覆盖点的关联小区,将关联小区与弱覆盖点的主服务小区作为需要进行网络覆盖质量优化的优化目标,能够准确找出覆盖区域规划不合理的小区,准确定位出需要优化的优化小区,为网络覆盖质量优化提供准确方向;同时,利用中间仿真区域的栅格化,建立栅格与小区覆盖区域之间的索引关系,快速查找弱覆盖点所关联的小区覆盖区域,优化数据存储结构,提高资源利用率及数据处理效率。第三方面,基于确定出的优化小区,利用凸包法提取弱覆盖区域,能够减少冗余区域,提高资源利用率。利用本实施例的方法检测出的弱覆盖区域,能够为5G网络的网络覆盖质量提升提供基础和依据。
需要说明的是,本说明书一个或多个实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
如图13所示,本说明书一个或多个实施例还提供一种弱覆盖区域检测装置,包括:
聚类模块,用于对弱覆盖点进行聚类,得到至少一个弱覆盖簇;其中,弱覆盖点为性能指标未达到预定值的路测点;
区域确定模块,用于根据路测点的位置信息及路测点所属主服务小区的站点位置信息,确定主服务小区的小区覆盖区域;
优化小区确定模块,用于根据弱覆盖簇中各弱覆盖点与小区覆盖区域之间的位置关系,确定弱覆盖簇的优化小区集合;
区域提取模块,用于根据优化小区集合中各小区覆盖区域的覆盖范围,利用凸包法提取弱覆盖区域。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
图14示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作***和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本公开的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本说明书一个或多个实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本说明书一个或多个实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本公开的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本说明书一个或多个实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (9)
1.弱覆盖区域检测方法,其特征在于,包括:
对弱覆盖点进行聚类,得到至少一个弱覆盖簇;其中,所述弱覆盖点为性能指标未达到预定值的路测点;
根据所述路测点的位置信息及路测点所属主服务小区的站点位置信息,确定距离所述主服务小区最远的路测点,以及所述最远的路测点与所述主服务小区之间的最大距离;所述站点位置信息包括小区方位角;
以所述主服务小区的基站为圆心,以所述小区方位角为基准确定扇形的圆心角,以所述最大距离为扇形的半径,确定呈扇形的小区覆盖区域;
根据所述弱覆盖簇中各弱覆盖点与所述小区覆盖区域之间的位置关系,确定所述弱覆盖簇的优化小区集合;
根据所述优化小区集合中各小区覆盖区域的覆盖范围,利用凸包法提取弱覆盖区域。
2.根据权利要求1所述的方法,其特征在于,所述对弱覆盖点进行聚类之前,还包括:
获取路测数据和小区工参数据;所述路测数据包括路测点的性能指标;
对所述路测数据和小区工参数据进行预处理,得到预处理后的路测数据和小区工参数据;
根据预处理后的路测点的性能指标,将所述性能指标未达到所述预定值的路测点作为所述弱覆盖点。
3.根据权利要求2所述的方法,其特征在于,所述路测数据包括路测点的位置信息、路测点所属主服务小区的标识,所述小区工参数据包括站点位置信息、小区标识;所述位置信息和站点位置信息为GPS坐标;
对所述路测数据和小区工参数据进行预处理,包括:
删除位置信息缺失的路测点;
对位置信息重复的路测点进行去重处理;
将所述GPS坐标转换为UTM坐标。
4.根据权利要求1-3中任意一项所述的方法,其特征在于,所述对弱覆盖点进行聚类,得到至少一个弱覆盖簇为:利用基于密度的空间聚类方法对所述弱覆盖点进行聚类,得到至少一个弱覆盖簇。
5.根据权利要求1所述的方法,其特征在于,所述确定呈扇形的小区覆盖区域之后,还包括:
划分包括所述小区覆盖区域的中间仿真区域;
对所述中间仿真区域进行栅格化处理;
根据所述小区覆盖区域与各栅格之间的位置关系,建立所述小区覆盖区域与各栅格之间的索引关系。
6.根据权利要求5所述的方法,其特征在于,根据所述弱覆盖簇中各弱覆盖点与所述小区覆盖区域之间的位置关系,确定所述弱覆盖簇的优化小区集合,包括:
根据所述弱覆盖点与所述小区覆盖区域之间的位置关系,判断所述弱覆盖点是否在所述小区覆盖区域之内;
如果所述弱覆盖点在所述小区覆盖区域之内,将所述小区覆盖区域添加于所述优化小区集合中;
将所述弱覆盖点所属主服务小区的小区覆盖区域添加于所述优化小区集合中。
7.根据权利要求6所述的方法,其特征在于,根据所述弱覆盖点与所述小区覆盖区域之间的位置关系,判断所述弱覆盖点是否在所述小区覆盖区域之内,包括:
确定所述弱覆盖点所在栅格;
根据所述索引关系,确定与所述弱覆盖点所在栅格具有关联关系的小区覆盖区域;
利用射线法判断所述弱覆盖点是否在所述具有关联关系的小区覆盖区域之内。
8.根据权利要求1、6-7中任意一项所述的方法,其特征在于,所述确定呈扇形的小区覆盖区域之后,还包括:
将所述呈扇形的小区覆盖区域处理为呈多边形的小区覆盖区域。
9.弱覆盖区域检测装置,其特征在于,包括:
聚类模块,用于对弱覆盖点进行聚类,得到至少一个弱覆盖簇;其中,所述弱覆盖点为性能指标未达到预定值的路测点;
区域确定模块,用于根据所述路测点的位置信息及路测点所属主服务小区的站点位置信息,确定距离所述主服务小区最远的路测点,以及所述最远的路测点与所述主服务小区之间的最大距离;所述站点位置信息包括小区方位角;以所述主服务小区的基站为圆心,以所述小区方位角为基准确定扇形的圆心角,以所述最大距离为扇形的半径,确定呈扇形的小区覆盖区域;
优化小区确定模块,用于根据所述弱覆盖簇中各弱覆盖点与所述小区覆盖区域之间的位置关系,确定所述弱覆盖簇的优化小区集合;
区域提取模块,用于根据所述优化小区集合中各小区覆盖区域的覆盖范围,利用凸包法提取弱覆盖区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110529748.0A CN113301503B (zh) | 2021-05-14 | 2021-05-14 | 弱覆盖区域检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110529748.0A CN113301503B (zh) | 2021-05-14 | 2021-05-14 | 弱覆盖区域检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113301503A CN113301503A (zh) | 2021-08-24 |
CN113301503B true CN113301503B (zh) | 2022-07-15 |
Family
ID=77322165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110529748.0A Active CN113301503B (zh) | 2021-05-14 | 2021-05-14 | 弱覆盖区域检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113301503B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115413022B (zh) * | 2022-08-25 | 2024-04-16 | 中国联合网络通信集团有限公司 | 基站位置的识别方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102572858A (zh) * | 2012-02-16 | 2012-07-11 | 大唐移动通信设备有限公司 | 一种网络弱覆盖自动检测方法及装置 |
CN106507378A (zh) * | 2016-11-18 | 2017-03-15 | 中国联合网络通信集团有限公司 | 一种小区覆盖范围的管理方法及装置 |
CN109495899A (zh) * | 2017-09-13 | 2019-03-19 | ***通信集团设计院有限公司 | 天线的参数优化方法、装置、电子设备和存储介质 |
CN110677859A (zh) * | 2018-07-03 | 2020-01-10 | 中国电信股份有限公司 | 弱覆盖区域的确定方法、装置和计算机可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103888972B (zh) * | 2012-12-21 | 2017-08-08 | ***通信集团浙江有限公司 | 一种弱覆盖区域的确定方法及装置 |
CN103906104B (zh) * | 2012-12-31 | 2018-03-23 | ***通信集团内蒙古有限公司 | 一种定位覆盖空洞的方法及装置 |
US10827361B2 (en) * | 2018-07-02 | 2020-11-03 | BI Nordic AB | Method in a radio communication network |
CN111031550B (zh) * | 2018-10-09 | 2022-08-30 | ***通信集团甘肃有限公司 | 一种无线网络弱覆盖区域的判别方法及装置 |
CN112235720B (zh) * | 2020-11-03 | 2022-07-15 | 嘉环科技股份有限公司 | 室内三维mr弱覆盖定位方法、***与计算机可读介质 |
-
2021
- 2021-05-14 CN CN202110529748.0A patent/CN113301503B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102572858A (zh) * | 2012-02-16 | 2012-07-11 | 大唐移动通信设备有限公司 | 一种网络弱覆盖自动检测方法及装置 |
CN106507378A (zh) * | 2016-11-18 | 2017-03-15 | 中国联合网络通信集团有限公司 | 一种小区覆盖范围的管理方法及装置 |
CN109495899A (zh) * | 2017-09-13 | 2019-03-19 | ***通信集团设计院有限公司 | 天线的参数优化方法、装置、电子设备和存储介质 |
CN110677859A (zh) * | 2018-07-03 | 2020-01-10 | 中国电信股份有限公司 | 弱覆盖区域的确定方法、装置和计算机可读存储介质 |
Non-Patent Citations (3)
Title |
---|
基于大数据的4G网络弱覆盖智能测评方案研究;许盛宏;《网规网优》;20190815;全文 * |
基于聚类算法的5G网络覆盖问题智能定位;朱佳佳;《网络规划》;20200815;全文 * |
平面上不相交线段集的最小边界长凸包求解研究;李楠;《中国优秀硕士学位论文全文库》;20200615;7-18页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113301503A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108271165B (zh) | 一种基站网络信号覆盖状态的预测方法及*** | |
CN104469676B (zh) | 一种移动终端的定位方法及*** | |
CN105163337B (zh) | 一种基于覆盖预测仿真的移动网络数据地理映射的方法 | |
CN105338498A (zh) | 一种WiFi室内定位***中指纹库的构建方法 | |
JP5273664B2 (ja) | 通信特性解析システム、通信特性解析方法、及び通信特性解析プログラム | |
CN112203293B (zh) | 小区过覆盖识别方法、装置、设备及计算机存储介质 | |
WO2012011147A1 (ja) | 通信特性解析システム、通信特性解析方法、及び通信特性解析プログラム | |
CN108271171B (zh) | 建筑物网络状况统计方法及装置 | |
US11044613B2 (en) | Method of processing image, computer-readable storage medium recording method, and apparatus for processing image | |
CN113329437A (zh) | 无线网络信号传播路径损耗预测方法及电子设备 | |
CN106921989B (zh) | 一种通信网络场强分布确定方法及装置 | |
CN111163476A (zh) | 一种基于无线传播模型的电力无线专网覆盖和干扰确定方法 | |
CN112950243A (zh) | 一种5g站址规划方法、装置、电子设备及存储介质 | |
CN112199453A (zh) | 话务热点聚类方法、装置、设备及计算机存储介质 | |
CN113301503B (zh) | 弱覆盖区域检测方法及装置 | |
JP2018032939A (ja) | 品質推定装置及び品質推定方法 | |
CN111062525A (zh) | 扩容小区的基站选址方法、装置、设备及存储介质 | |
CN112526572A (zh) | 室内外无缝导航的网络切换方法与定位*** | |
CN108416514A (zh) | 基于地理信息***的邻区规划方法及装置 | |
US20160245896A1 (en) | Method and device for positioning terminal location | |
CN112203318B (zh) | 网络覆盖分析方法及装置 | |
CN112566143B (zh) | 负载均衡方法、装置及计算设备 | |
CN114786199B (zh) | 一种网络问题点的确定方法、装置、设备及存储介质 | |
CN115002795A (zh) | 波束赋形方法、装置、电子设备及可读存储介质 | |
CN113141570A (zh) | 地下场景定位方法、装置、计算设备及计算机存储介质 |
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 |