CN114173356B - 网络质量的检测方法、装置、设备及存储介质 - Google Patents
网络质量的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114173356B CN114173356B CN202111301109.5A CN202111301109A CN114173356B CN 114173356 B CN114173356 B CN 114173356B CN 202111301109 A CN202111301109 A CN 202111301109A CN 114173356 B CN114173356 B CN 114173356B
- Authority
- CN
- China
- Prior art keywords
- network
- grid
- road
- data
- grids
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000002159 abnormal effect Effects 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 35
- 230000008447 perception Effects 0.000 claims abstract description 33
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims description 34
- 230000005540 biological transmission Effects 0.000 claims description 23
- 239000013598 vector Substances 0.000 claims description 22
- 238000005259 measurement Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 abstract description 43
- 230000000875 corresponding effect Effects 0.000 description 17
- 238000010998 test method Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 7
- 230000011664 signaling Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供一种网络质量的检测方法、装置、设备及存储介质。该方法包括:采集待检测区域内的MR数据,根据MR数据,对待检测区域进行栅格化处理,以确定待检测区域内的道路,并对道路进行分段处理,得到多个道路分段,将XDR数据和多个道路分段中的每个道路分段对应的MR数据进行关联,得到每个道路分段的网络问题类型,网络问题类型包括网络覆盖问题、异常事件问题、用户感知问题或网络质量问题中的至少一个,根据道路分段的网络问题类型,确定网络问题严重度,最终显示待检测区域内道路的网络问题严重度。本申请可以精准的确定出待检测区域内的网络问题类型和网络问题严重度,使得工作人员可以有针对性的进行网络优化,提高了网络优化的效率。
Description
技术领域
本申请涉及通信技术,尤其涉及一种网络质量的检测方法、装置、设备及存储介质。
背景技术
随着移动通信业务的快速发展,业务种类、用户数量等也随之不断增多,对于网络优化和业务质量提出了更高的要求。路测(Drive Test,DT)是网络优化工作中不可缺少的一部分,其中虚拟路测方法的高效性和准确性为用户带来了极大的方便。
目前,虚拟路测方法主要为最小化路测方法(Minimization Of Drive Tests,MDT),即通过采集终端用户上报的海量测量报告(Measurement Report,MR)数据,并根据MR数据中经纬度信息以准确、高效获取网络覆盖分析的参数信息,然后将数据拟合到地理信息***(Geographic Information System,GIS)的道路进行显示。
然而,现有的基于MDT虚拟路测方法只能获取基本的无线采集数据信息进行网络覆盖分析,无法精准获取具体的网络问题类型和严重度,以供网络优化人员快速定位问题类型并针对性提出优化方案,造成网络优化效率低。
发明内容
本申请提供一种网络质量的检测方法、装置、设备及存储介质,用以解决现有的基于 MDT虚拟路测方法只能进行网络覆盖分析,无法精准获取具体的网络问题类型和位置现象,该方法可以精准的确定出待检测区域内的网络问题类型和网络问题严重度,使得工作人员可以有针对性的进行网络优化,提高了网络优化的效率。
第一方面,本申请提供一种网络质量的检测方法,包括:
采集待检测区域内的测量报告MR数据。
根据MR数据,对待检测区域进行栅格化处理,以确定待检测区域内的道路,并对道路进行分段处理,得到多个道路分段。
将XDR数据和多个道路分段中的每个道路分段对应的MR数据进行关联,得到每个道路分段的网络问题类型,网络问题类型包括网络覆盖问题、异常事件问题、用户感知问题或网络质量问题中的至少一个。
根据道路分段的网络问题类型,确定网络问题严重度。
显示待检测区域内道路的网络问题严重度。
在一种可能的实现方式中,对MR数据进行栅格化处理,以确定待检测区域内的道路,包括:
对MR数据进行栅格化处理,得到多个栅格和多个栅格各自的栅格标识。
根据高精度地图中的矢量信息和栅格标识,确定每个栅格的道路属性。
将道路属性相同的栅格进行归类,得到待检测区域内的道路。
在一种可能的实现方式中,将XDR数据和多个道路分段中的每个道路分段对应的MR数据进行关联,得到每个道路分段的网络问题类型,包括:
获取每个道路分段内的多个栅格。
根据多个栅格各自对应的XDR和MR数据进行关联后得到的关联数据,确定各栅格的网络参数,网络参数包括网络覆盖参数、异常事件参数、用户感知参数或网络质量参数至少一个。
根据各栅格的网络参数,确定道路分段的网络问题类型。
在一种可能的实现方式中,网络参数包括网络覆盖参数,网络覆盖参数包括RSRP;
根据各栅格的网络参数,确定道路分段的网络问题类型,包括:
根据关联数据,确定各栅格内的多个采样点,并获取各栅格内的多个采样点的RSRP。
针对每个栅格,确定RSRP小于第一预设值的采样点的占比。
将占比大于第二预设值的栅格确定为第一目标栅格。
若第一目标栅格与道路分段内的所有栅格的比值大于第三预设值,则确定道路分段存在网络覆盖问题。
在一种可能的实现方式中,网络参数包括异常事件参数,异常事件参数包括Volte掉话率和Volte接通率;
根据各栅格的网络参数,确定道路分段的网络问题类型,包括:
根据各栅格的Volte掉话率和Volte接通率,确定Volte掉话率大于第四预设值和Volte 接通率小于第五预设值的第二目标栅格。
若第二目标栅格与道路分段内的所有栅格的比值大于第六预设值,则确定道路分段存在异常事件问题。
在一种可能的实现方式中,网络参数包括用户感知参数,用户感知参数包括数据包的平均传输速率;
根据各栅格的网络参数,确定道路分段的网络问题类型,包括:
根据各栅格的平均传输速率,确定平均传输速率小于第七预设值的第三目标栅格。
若第三目标栅格与道路分段内的所有栅格的比值大于第八预设值,则确定道路分段存在用户感知问题。
在一种可能的实现方式中,网络参数包括网络质量参数,网络质量参数包括RSRP和 MOD3干扰率;
根据各栅格的网络参数,确定道路分段的网络问题类型,包括:
针对每个栅格,确定栅格内主控小区的RSRP大于第九预设值、与邻区的电平差小于第十预设值,且MOD3干扰率为第十一预设值的采样点的占比。
将占比大于第十二预设值的栅格确定为第四目标栅格。
若第四目标栅格与道路分段内的所有栅格的比值大于第十三预设值,则确定道路分段存在网络质量问题。
第二方面,本申请提供一种网络质量的检测装置,包括:
采集模块,用于采集待检测区域内的测量报告MR数据。
处理模块,用于根据MR数据,对待检测区域进行栅格化处理,以确定待检测区域内的道路,并对道路进行分段处理,得到多个道路分段。
关联模块,用于将XDR数据和多个道路分段中的每个道路分段对应的MR数据进行关联,得到每个道路分段的网络问题类型,网络问题类型包括网络覆盖问题、异常事件问题、用户感知问题或网络质量问题中的至少一个。
确定模块,用于根据道路分段的网络问题类型,确定网络问题严重度。
显示模块,用于显示待检测区域内道路的网络问题严重度。
在一种可能的实现方式中,处理模块,具体用于:
根据MR数据,对待检测区域进行栅格化处理,得到多个栅格和多个栅格各自的栅格标识。
根据高精度地图中的矢量信息和栅格标识,确定每个栅格的道路属性。
将道路属性相同的栅格进行归类,得到待检测区域内的道路。
在一种可能的实现方式中,关联模块,具体用于:
获取每个道路分段内的多个栅格。
根据多个栅格各自对应的XDR和MR数据进行关联后得到的关联数据,确定各栅格的网络参数,网络参数包括网络覆盖参数、异常事件参数、用户感知参数或网络质量参数至少一个。
根据各栅格的网络参数,确定道路分段的网络问题类型。
在一种可能的实现方式中,网络参数包括网络覆盖参数,网络覆盖参数包括RSRP;
确定模块,具体用于:根据关联数据,确定各栅格内的多个采样点,并获取各栅格内的多个采样点的RSRP。
针对每个栅格,确定RSRP小于第一预设值的采样点的占比。
将占比大于第二预设值的栅格确定为第一目标栅格。
若第一目标栅格与道路分段内的所有栅格的比值大于第三预设值,则确定道路分段存在网络覆盖问题。
在一种可能的实现方式中,网络参数包括异常事件参数,异常事件参数包括Volte掉话率和Volte接通率;
确定模块,具体用于:
根据各栅格的Volte掉话率和Volte接通率,确定Volte掉话率大于第四预设值和Volte 接通率小于第五预设值的第二目标栅格。
若第二目标栅格与道路分段内的所有栅格的比值大于第六预设值,则确定道路分段存在异常事件问题。
在一种可能的实现方式中,网络参数包括用户感知参数,用户感知参数包括数据包的平均传输速率;
确定模块,具体用于:根据各栅格的平均传输速率,确定平均传输速率小于第七预设值的第三目标栅格。
若第三目标栅格与道路分段内的所有栅格的比值大于第八预设值,则确定道路分段存在用户感知问题。
在一种可能的实现方式中,网络参数包括网络质量参数,网络质量参数包括RSRP和 MOD3干扰率;
确定模块,具体用于:针对每个栅格,确定栅格内主控小区的RSRP大于第九预设值、与邻区的电平差小于第十预设值,且MOD3干扰率为第十一预设值的采样点的占比。
将占比大于第十二预设值的栅格确定为第四目标栅格。
若第四目标栅格与道路分段内的所有栅格的比值大于第十三预设值,则确定道路分段存在网络质量问题。
第三方面,本申请提供一种电子设备,该电子设备可以包括处理器,以及与所述处理器通信连接的存储器;其中,
存储器,用于存储计算机程序。
处理器,用于读取存储器存储的计算机程序,并根据存储器中的计算机程序执行上述第一方面任一种可能的实现方式中的网络质量的检测方法。
第四方面,本申请提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现上述第一方面任一种可能的实现方式中的网络质量的检测方法。
本申请实施例提供的一种网络质量的检测方法,通过采集待检测区域内的测量报告 MR数据,对MR数据进行栅格化处理,以确定待检测区域内的道路,并对道路进行分段处理,得到多个道路分段,然后将XDR数据和多个道路分段中的每个道路分段对应的 MR数据进行关联,得到每个道路分段的网络问题类型,网络问题类型包括网络覆盖问题、异常事件问题、用户感知问题或网络质量问题中的至少一个,再根据道路分段的网络问题类型,确定网络问题严重度,最终显示待检测区域内道路的网络问题严重度。该方法通过将道路分为多个道路分段,然后统计并分析每个道路分段中XDR数据与MR数据关联形成的关联数据以获取网络参数。通过多个网络参数便可确定该道路分段存在网络问题类型,可以避免现有技术中只能获取MR数据中的网络参数以实现一个区域的网络覆盖分析,不能快速定位出现网络问题的道路分段的现象,从而可以快速定位问题道路分段位置以及具体存在的网络问题类型,进而有助于网络优化人员通过网络问题道路分段的具***置以及存在的网络问题类型,提出网络优化方案,提高了网络优化的效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。通过下述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本申请实施例提供的网络质量的检测方法的***架构图;
图2为本申请实施例提供的一种网络质量的检测方法的流程示意图;
图3为本申请实施例提供的一种栅格化方法过程示意图;
图4为本申请实施例提供的一种数据关联过程示意图;
图5为本申请实施例提供的一种网络质量的检测装置的结构示意图;
图6为本申请实施例提供的一种终端设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了帮助本领域技术人员更好地理解本申请的技术方案,下面将对本申请技术方案涉及的相关内容进行介绍。(1)优先语音服务(Voice Over Long Term Evolution,Volet):是通过LTE网络来提供高清语音业务。(2)物理小区标识(physical cellidentity,PCI):用于区分不同小区的无线信号,以保证在相关小区覆盖范围内没有相同的物理小区标识。
(3)信令数据:(X Data Recording,XDR)信令数据由呼叫数据记录(Call DataRecording,CDR)演变而来,是根据应用层需要对原始信令数据进行解析、处理、关联后提取出的呼叫详细记录和事务详细记录。其中,信令为在不同通信设备之间的接口上传递的控制信息。
本申请实施例提供的网络质量的检测方法,可以应用于网络优化人员获取并分析待评估区域内的无线网络数据,并根据获取的无线网络数据实现网络问题优化与管控的应用场景中。例如,网络优化人员为获取待评估区域内的网络现状,需要获取并分析待评估区域内网络情况所需的无线网络数据,然后根据获取的数据分析待评估区域内存在的网络问题类型,最终对于网络问题类型提出针对性方案,快速实现网络问题优化及管控。
现有技术中,路测的方法可分为传统路测方法和虚拟路测方法。其中,传统路测方法是通过专业测试人员驾车,然后使用专业测试仪器对驾驶通过的整个路段进行测试,实地测试以获取网络覆盖数据对网络质量进行分析。然而,传统路测方法测试成本高,网络优化效率较低。为了解决这一问题,现有技术中,还可以通过MDT虚拟路测方法评估待检测区域的网络情况,其具体实现方法为采集用户设备(User Equipment,UE)向基站传送的海量MR数据,并获取MR数据中包含的经纬度信息及相关的网络参数,根据网络参数可分析待检测区域的网络覆盖情况。但是,现有的基于MDT虚拟路测方法局限于MR数据上报的信息,即MR数据中只包含了基本的网络参数,例如:参考信号接收功率(Reference SignalReceiving Power,RSRP)、参考信号接收质量(Reference Signal Receiving Quality,RSRQ)、功率余量报告(Power Headroom Report,PHR)、到达角度测距(Angle Of Arrival,AOA)、最大时间提前量(Time Advanced,TA)和邻服务小区等。通过这些网络参数只能对待检测区域进行网络覆盖分析,具体为确认待检测区域内的弱覆盖区域或过覆盖区域等,缺少对待检测区域的网络事件分析、吞吐率分析等重要网络参数,从而不能准确判定待检测区域实际的网络问题类型,网络优化人员无法快速定位网络问题类型及问题严重度,并针对性提出优化方案,进而导致网络优化效率低。因此无法完全替代传统路测方法,需要在路测时结合传统路测方法与MDT虚拟路测方法完成网络优化工作。
本申请实施例考虑到上述问题,提出一种网络质量的检测方法,该方法将待检测区域内的道路进行分段形成多个道路分段进行处理,并将MR数据与XDR数据关联获取每个道路分段的多个网络参数,进而从覆盖问题、质量问题、感知问题和异常事件问题等多个维度来分析每个道路分段存在的网络问题类型,并确定网络问题的严重度,从而帮助网络优化人员及时根据网络问题的严重度和网络问题类型快速制定网络优化方案,提高网络优化的效率。该方法可以完全替代传统路测方法,从而以更低的成本和更高的效率打造了更优质的网络。
图1为本申请实施例提供的网络质量的检测方法的***架构图,如图1所示,该***中包括用户设备101、基站102和服务器103和核心网(未示出),服务器103 中部署有数据库104。其中,基站102可实时收集覆盖区域内用户设备101上报的MR 数据,并将MR数据发送到服务器103,并将其存储到数据库104中。
具体的,用户设备101自动向基站102周期性的上传MR数据,同时用户设备101 还可发送业务请求,例如:视频、语音通话业务请求。基站102接收到业务请求后,转发到核心网105,进而与外部网络建立业务联系,并在核心网105的各接口处可获取XDR数据。将获取的MR数据与XDR数据传送到服务器103,服务器103将XDR数据与MR数据关联,从而将MR数据中确定的位置信息填写到存储XDR感知数据表中,获取多个网络参数,以完成待检测区域的网络问题类型和问题严重度分析,帮助网络优化人员快速定位网络问题类型及问题严重度,提出针对性方案,进而提高网络优化的效率。
应该理解,在图1所示的***架构中,用户设备101、基站102、服务器103和数据库104的数目仅仅是示例性的,更多或更少的数量都属于本申请的保护范畴。并且,在上述示例运行场景中,用户设备101例如可以是个人计算机、服务器、掌上电脑(Personal DigitalAssistant,PDA)、笔记本或其它任何具有联网功能的计算设备。服务器103可以为一台服务器,可以为多台服务器组成的服务器集群。数据库104可以为Redis数据库、结构化查询语言(Structured Query Language,SQL)数据库或其他类型的数据库。用户设备101、基站102、服务器103和数据库104之间的通信网络可以包括各种类型的有线和无线网络,例如但不局限于:互联网、局域网、无线保真(Wireless Fidelity,WIFI)、无线局域网(Wireless LocalArea Networks,WLAN)、蜂窝通信网络(通用分组无线服务技术(General Packet RadioService,GPRS)、码分多址(Code Division Multiple Access,CDMA)、 2G/3G/4G/5G蜂窝网络)、卫星通信网络等等。
在了解了本申请的***架构后,结合图2对本申请的网络质量的检测方法的方案进行详细说明。
图2为本申请实施例提供的一种网络质量的检测方法的流程示意图,本申请实施例提供了一种网络质量的检测方法,该方法可以由任意执行网络质量的检测方法的装置来执行,该装置可以通过软件和/或硬件实现。本实施例中,该装置可以集成在如图1所示的用户设备101中。如图2所示,本申请实施例提供的网络质量的检测方法包括如下步骤:
步骤201:采集待检测区域内的测量报告MR数据。
其中,MR数据为UE在无线资产管理过程中产生的测量报告,MR数据中包含了上传MR数据时刻UE所在的经度、纬度信息,以及进行网络覆盖分析的网络参数,例如: RSRP、RSRQ、PHR、AOA、TA值和邻服务小区等。
可选的,基站收集覆盖区域内所有UE上传的MR数据,并传送到服务器中,服务器将待测区域内所有基站传送的MR数据以样本数据形式存储在数据库中。终端设备可以从该数据库中获取待检测区域内的MR数据。
应该理解的是,根据第三代合作伙伴计划(3rd Generation PartnershipProject,3GPP) 协议规范,只有处于激活态的UE才会上报MR数据,并按照一定周期上传MR数据。 MR数据的采集可以选择全部激活态UE上报,也可以选择部分激活态UE抽样上报,这里不做具体限定。
步骤202:根据MR数据,对待检测区域进行栅格化处理,以确定待检测区域内的道路,并对道路进行分段处理,得到多个道路分段。
具体的,栅格化为使用设定边长的规则图形栅格,将待检测区域划分为多个栅格的组合,例如:正方形栅格。然后保留待检测区域中道路部分的栅格,以进行路测分析
示例性的,在确定待检测区域内的道路时,可以根据MR数据,对待检测区域进行栅格化处理,得到多个栅格和多个栅格各自的栅格标识,然后根据高精度地图中的矢量信息和栅格标识,确定每个栅格的道路属性,最终将道路属性相同的栅格进行归类,得到待检测区域内的道路。
其中,高精度地图为定位精度高、矢量信息更加丰富的地图,例如:5米高精准地图。矢量信息指地物矢量,例如:道路、市区、城区、高层建筑、工厂、森林、绿地、湿地等多种类型,同时地物矢量中还包含了每个类型具体的信息,例如道路类型的级别、宽度、车道线位置、以及车道周边的固定对象信息,固定对象信息包括交通信号灯、交通标志、障碍物、路边地标等。
接下来,将结合图3对待测区域进行栅格化处理的过程进行详细说明。图3为本申请实施例提供的一种栅格化方法过程示意图。
如图3所示,待检测区域通常为一个形状不规则的区域,可如图3(a)所示,选取将整个待检测区域包含在内部的矩形框图,再进行栅格化处理。具体实现方法为,将待检测区域北面延伸最外侧与纬线相切的点作为第一切点,并确定待检测区域西面延伸最外侧与经线相切的点作为第二切点。然后将经过北面第一切点的纬线与经过西面第二切点的经线相交的点,作为栅格化处理的起始点。其中,确定第一切点和第二切点的顺序不受限制。例如:待检测区域为不规则形状,其北方向轮廓最突出的点作为第一切点,西方向轮廓最突出的点作为第二切点,然后经过第一切点纬线向西延伸,经过第二切点经线向北延伸,直至交于一点,确定该点为起始点。确定起始点所在栅格的中心经度为(X,Y),其中横坐标X为纬度,纵坐标Y为经度。
确定好起始点的中心经度后,可通过软件生成边长固定的正方形栅格,栅格的边长可按照自身需求设定。然后根据待检测区域大小和正方形栅格边长大小,计算起始点向南和向东方向对角线最外侧第M个栅格的中心经纬度(Xm,Ym)。
确定起始点与对角线最外侧第M个栅格的中心经纬度后,便可按照图3(b)所示,从起始点栅格开始,并保持起始点栅格的纬度不变,以经线方向向南扩充一列栅格,直至栅格的中心经度小于或等于Ym,停止继续向南扩充。然后保持一列栅格的经度不变,以纬线向东扩充,直至栅格的中心纬度小于或等于Xm,停止继续向东扩充。此时待检测区域被分为多个栅格的组合。向外扩充栅格的顺序不做具体限定,可以优先以经线方向向南扩充一列栅格,再向东扩充;也可以优先以维线方向向东扩充一列栅格,再向南扩充。
应该理解的是,等距离的扩充栅格可计算每一个新增栅格的中心经纬度,而新增栅格与上一个相邻栅格的中心经度或中心纬度会发生偏置。例如:在以经线方向向南扩充新栅格的过程中,会保持扩充的新栅格与起始点所在栅格的中心纬度均为X。当以栅格边长为 k进行扩充栅格1时,栅格1的中心经度为Y+k+P,其中Y为起始点的中心经度值,P为起始点栅格与栅格1的中心经度在转换为距离时的经度偏置。同理以维线方向向东扩充新栅格时,则在相邻两个栅格的中心经纬度在转换为距离时产生纬度偏置。
在本实例中,通过选取边长确定的正方形栅格,对待检测区域进行栅格化处理,可以将不规则的待检测区域转换为多个规则形状的集合。便可将对道路定位问题转换为对栅格的处理,提高了定位道路对象的效率,进一步提高了分析道路网络问题的效率。
进一步的,将待检测区域划分为多个栅格的组合后,便可为每一个栅格添加唯一的标识信息。然后获取高精度地图的矢量信息,最后关联矢量信息和栅格的标识信息,确定每个栅格的道路属性。
如表1所示,高精度地图中的矢量信息可分为多种矢量类型。由于路测的研究对象为待检测区域内的道路,则将多种矢量类型分为两种属性类别,分别为道路和非道路,则多个栅格可对应分为道路匹配栅格和非道路匹配栅格。具体的,道路匹配栅格对应的矢量类型为一、二、三、四级道路及高速道路5种类型,而非道路匹配栅格对应的矢量类型市区、城区、高层建筑、工厂和商场、村庄等14种类型。
表1
可选的,将每个栅格赋予的唯一标识与高精度地图中的矢量信息关联,以确定待检测区域内每个栅格的属性。若当前栅格的属性为道路栅格属性,则保留当前栅格,若当前栅格的属性为非道路栅格属性,则删除当前栅格。然后,根据矢量类型以及道路栅格属性将不同的栅格归类,最后形成闭环边框以生成多条不同的道路,并为每条道路中不同栅格添加标识。例如:有相邻5个栅格,编号分别为001、002、003、004和005,若001、002、 003、004的栅格属性为道路栅格,005的栅格属性为非道路栅格,则保留001、002、003、 004的栅格,删除005栅格。若001、002的矢量类型为一级道路,003、004的矢量类型为高速道路。然后将001、002归类为一条道路,003、004归类为另一条道路,并分别结合道路信息为001、002、003、004进行标识。可以理解的是,删除非道路栅格属性的栅格,也将该栅格内的MR数据删除。
可选的,为每条道路中的不同栅格添加标识,可使用如下规则:
一级道路的道路ID编号:Pro-City-level 1-000001~N(N最大为6位数,999999),其中Pro为省份,City为城市归属省份,level 1为一级道路。
二级道路的道路ID编号:Pro-City-level 2-000001~N(N最大为6位数,999999),其中Pro为省份,City为城市归属省份,level 2为二级道路。
三级道路的道路ID编号:Pro-City-level 3-000001~N(N最大为6位数,999999),其中Pro为省份,City为城市归属省份,level 3为三级道路。
四级道路的道路ID编号:Pro-City-level 4-000001~N(N最大为6位数,999999),其中Pro为省份,City为城市归属省份,level 4为四级道路。
高速道路ID编号:Pro-City-Expressway-000001~N(N最大为4位数,9999),其中Pro为省份,City为城市归属省份,Expressway为高速道路。
在本方式中,通过将待检测区域进行栅格化处理,并将栅格标识与高精度地图中的矢量信息结合,从而可快速确定待检测区域内的道路部分,以便进行路测获取网络参数,进而分析网络问题。
在得到待检测区域内的所有道路后,便可针对每条道路闭环区域,从道路起点开始,以栅格长度为基准对每个道路按照不同标准长度进行切割,从而实现分段处理,进而得到多个道路分段,并为每个道路分段分配标识信息。
可选的,考虑到用户越多的区域,网络优化工作更加迫切,所以可结合密集市区、一般城区、郊区等不同场景以及栅格长度、道路长度,选择不同的标准长度进行道路分段处理。例如,道路长度为600米,一个栅格的长度10米*10米,则对于密集城区选择标准长度为50米切割,获得12个道路分段,一般城区选择标准长度为100米进行切割,得到6个道路分段,郊区选择标准长度为200米进行切割,得到3个道路分段。
完成道路分段后,便可对分段后的每一个道路分段进行编号,编号规则可使用道路名称-标准长度路段标识-栅格路段ID号(000001~999999)。例如:某密集区域,可选择标准长度为50米进行分段处理,其道路名称为A,则可将该道路分段标识为 A-50-000001。
步骤203:将XDR数据和多个道路分段中的每个道路分段对应的MR数据进行关联,得到每个道路分段的网络问题类型,网络问题类型包括网络覆盖问题、异常事件问题、用户感知问题或网络质量问题中的至少一个。
其中,XDR数据为信令数据,当UE发送业务请求时,通过基站将业务请求发送到核心网,便可在核心网的各接口获取XDR数据,例如:核心网的各接口可以为 S1_MME、S1_U等。XDR数据中包含了用户业务信息、用户身份信息以及话单信息等,话单信息具体为接通率、掉话率、通话时长等信息。
可选的,在确定每个道路分段的网络问题类型时,可以通过获取每个道路分段内的多个栅格,然后根据多个栅格各自对应的XDR数据和MR数据进行关联后得到的关联数据,确定各栅格的网络参数,网络参数包括网络覆盖参数、异常事件参数、用户感知参数或网络质量参数至少一个,最后根据各栅格的网络参数,确定道路分段的网络问题类型。
具体的,通过采集落入各栅格的MR数据以及对应的XDR数据,并将XDR和 MR数据进行关联,便可通过关联后的关联数据确定各栅格的网络参数。接下来,将结合图4对XDR数据与MR数据进行关联后,得到关联数据的过程进行详细说明。
图4为本申请实施例提供的一种数据关联过程示意图。XDR数据与MR数据进行关联,可根据XDR数据来源分别是MME数据、HTTP数据和S1_COMMON数据分为3种关联方式,分别为MME_MR关联、HTTP_MR关联和COMMON_MR关联,且3种关联方式的过程相同。故图4以MME_MR关联方式为例,对XDR数据与MR 数据关联过程进行详细说明。
在进行XDR数据与MR数据关联之前,可进行数据清洗,清理无效数据,以保留有效数据进行关联。其中,无效数据可以为小区全局标识符(E-Utran Cell GlobalIdentifier,ECGI)为空、开始时间(TIME)不合理、结束时间(TIME)不合理等数据。
在进行XDR数据与MR数据关联时,需要满足的条件为MME_Code、MME_Group ID与长码MME_UE_S1AP_ID相同,且XDR数据的TIME在MR数据的开始时间和结束时间之间。实现关联需要两个过程:第一个过程是使用关联字段MME_UE_S1AP_ID对XDR数据和MR数据进行关联,第二个过程是针对第一个过程中没有关联的MR数据和XDR数据进行第二次关联。其中,第一个过程具体为挑选出满足关联条件的XDR数据和MR数据,然后计算XDR数据与MR数据的时间差,并按照时间差从小到大进行排序,最后挑选出时间差最小的XDR数据作为可信的关联记录,实现XDR数据与MR数据的第一次关联。第二个过程在MR数据的开始时间、结束时间前后的一段时间内,分别进行滑窗搜索,向前滑窗搜索结果和向后滑窗搜索结果进行合并、去重,以完成MR数据的开始时间和结束时间之间的未实现关联的XDR数据均与相应MR数据进行关联,实现第二次关联记录。最后可将第一次关联记录与第二次关联记录进行对比、去重操作,从而得到XDR数据与MR数据的关联记录。
完成XDR数据与MR数据关联后,可通过回填操作,将MR数据中的第一网络参数、位置信息填写到存储XDR数据的表中,进而完成XDR数据与MR数据的整个关联过程。然后可将XDR数据中的第二网络参数与MR数据中的第一网络参数、位置信息相结合,获取每个栅格的网络参数。最后根据各栅格的网络参数,确定每个道路分段存在的网络问题类型。其中,各栅格的网络参数包含第一网络参数和第二网络参数。
在本方式中,通过XDR数据和MR数据进行关联,可将XDR数据中的第二网络参数与MR数据中的第一网络参数、位置信息相结合,从而在每个栅格中同时获取第一网络参数和第二网络参数,以对道路分段进行多维度分析确定网络问题类型,有助于网络优化人员针对网络问题类型快速制定优化方案,提高网络优化效率。
可选的,网络参数包括网络覆盖参数、异常事件参数、用户感知参数或网络质量参数至少一个,所以可以通过网络覆盖参数确定该道路分段是否存在网络覆盖问题,其中,网络覆盖参数包括RSRP。示例性的,可根据关联数据,确定各栅格内的多个采样点,并获取各栅格内的多个采样点的RSRP,然后针对每个栅格,确定RSRP小于第一预设值的采样点的占比,并将占比大于第二预设值的栅格确定为第一目标栅格。若第一目标栅格与道路分段内的所有栅格的比值大于第三预设值,则确定道路分段存在网络覆盖问题。
其中,当UE在某个坐标位置向基站传送一次MR数据,该UE所在位置坐标为一个采样点。可以理解的是,同一个位置坐标可能存在多个UE上传MR数据,可根据上传MR数据的时间和UE的用户标识信息区分不同的采样点。且关联数据中包含了每个采样点的RSRP值。
具体的,选定一周时间内的采样点均大于固定数值的栅格为有效栅格,然后统计有效栅格内总的采样点数以及RSRP小于第一预设值的采样点数,以确定RSRP小于第一预设值的采样点的占比,若占比大于第二预设值,则确认该栅格存在网络覆盖问题,并确定该栅格为第一目标栅格。再统计该道路分段内,第一目标栅格的占比大于第三预设值,则确定该道路分段存在网络覆盖问题。例如:在道路分段a中,共计栅格50个,有效栅格20 个,此时有效栅格占比为20/50*100%=40%,基本满足要求,可确定该道路分段为有效道路分段。在有效栅格中,将RSRP小于-100dBm的占比大于30%的栅格确认为存在网络覆盖问题的栅格,即第一目标栅格。假设第一目标栅格为5个,则该道路分段中,存在网络覆盖问题的栅格占比为5/20*100%=25%,大于20%的第三预设值,因此该道路分段存在网络覆盖问题。
其中,第一预设值、第二预设值和第三预设值可以根据实际情况或者经验设置,例如可以分别为-100dBm、30%、20%,对于第一预设值、第二预设值和第三预设值的具体取值,本申请实施例在此不做限制。
在本示例中,通过统计道路分段内存在网络覆盖问题的栅格占比,确定是否存在网络覆盖问题,从而快速定位存在网络覆盖问题的道路分段,进而有助于网络优化人员快速制定网络优化方案,提高网络优化的效率。
可选的,可以通过异常事件参数确定该道路分段是否存在网络异常事件问题,其中,异常事件参数包括Volte掉话率和Volte接通率。示例性的,可以根据各栅格的Volte 掉话率和Volte接通率,确定Volte掉话率大于第四预设值和Volte接通率小于第五预设值的第二目标栅格,若第二目标栅格与道路分段内的所有栅格的比值大于第六预设值,则确定道路分段存在异常事件问题。
其中,Volte掉话率为掉话次数/成功建立呼叫次数*100%,Volte接通率为语音业务无线资源控制(Radio Resource Control,RRC)建立成功次数或演进的无线接入承载(Evolved Radio Access Bearer,E-RAB)建立成功次数/语音业务RRC建立请求次数*100%,根据Volte接通率可计算Volte未接通率,即Volte未接通率=1-Volte接通率。且关联数据中包含了Volte掉话率和Volte接通率的次数。
具体的,选定一周时间内的采样点均大于固定数值的栅格为有效栅格,然后统计有效栅格内Volte掉话次数和Volte接通次数,若Volte掉话率大于第四预设值和Volte接通率小于第五预设值,则确定该栅格存在异常事件问题。再统计存在异常事件问题的栅格与道路分段内的所有栅格的比值大于第六预设值,则确定道路分段存在异常事件问题。例如:在道路分段b中,共计栅格60个,有效栅格40个,此时有效栅格占比为40/60*100%,约为67%,基本满足要求,可确定该道路分段为有效的道路分段。在有效栅格中,通过Volte掉话次数确定Volte掉话率,Volte接通次数确定Volte接通率,然后Volte掉话率大于56%和Volte接通率小于80%的栅格确认为存在异常事件问题的栅格,即第二目标栅格。假设第二目标栅格为15个,则该道路分段中,存在异常事件问题的栅格占比为15/40*100%=37.5%,大于20%的第六预设值,因此该道路分段存在异常事件问题。
其中,第四预设值、第五预设值和第六预设值可以根据实际情况或者经验设置,例如可以分别为20%、90%、20%,对于第四预设值、第五预设值和第六预设值的具体取值,本申请实施例在此不做限制。
在本示例中,通过统计道路分段内存在异常事件问题的栅格占比,确定是否存在异常事件问题,从而快速定位存在异常事件问题的道路分段,进而有助于网络优化人员快速制定网络优化方案,提高网络优化的效率。
可选的,可以通过用户感知参数确定该道路分段是否存在网络感知问题,其中,用户感知参数包括数据包的平均传输速率。示例性的,可以根据各栅格的平均传输速率,确定平均传输速率小于第七预设值的第三目标栅格,若第三目标栅格与道路分段内的所有栅格的比值大于第八预设值,则确定道路分段存在用户感知问题。
其中,用户感知问题通过传输大数据包时的平均传输速率体现,各栅格的平均传输速率=每个传输大数据样本的网络速率之和/栅格中大数据样本的数量,且关联数据中包含了平均传输速率。
具体的,统计连续一周时间内传输大数据样本数量大于一个固定数值的栅格为有效栅格。在有效栅格内,确定各栅格的平均传输速率小于第七预设值的有效栅格为第三目标栅格,若第三目标栅格与道路分段内的所有栅格的比值大于第八预设值,则确定道路分段存在用户感知问题。例如:连续一周时间内传输大数据样本包数量大于50个的栅格为有效栅格,将各栅格的平均传输速率小于5Mbps判定为低速率传输问题栅格,即存在用户感知问题的栅格,最后通过存在用户感知问题的栅格与有效栅格的比值是否超过 20%,以判断道路分段是否存在用户感知问题。
其中,第七预设值、第八预设值可以根据实际情况或者经验设置,例如可以分别为5Mbps、20%,对于第七预设值、第八预设值的具体取值,本申请实施例在此不做限制。
在本示例中,通过统计道路分段内,确定低速率传输问题数据包个数与全部的大数据样本包个数比值判断栅格是否存在用户感知问题,进而判断道路分段是否存在用户感知问题。从而快速定位存在用户感知问题的道路分段,进而有助于网络优化人员快速制定网络优化方案,提高网络优化的效率。
可选的,可以通过网络质量参数确定该道路分段是否存在网络质量问题,其中,网络质量参数包括RSRP和MOD3干扰率。示例性的,可以针对每个栅格,确定栅格内主控小区的RSRP大于第九预设值、与邻区的RSRP差小于第十预设值,且PCI的MOD3 干扰率为第十一预设值的采样点的占比,然后将占比大于第十二预设值的栅格确定为第四目标栅格,若第四目标栅格与道路分段内的所有栅格的比值大于第十三预设值,则确定道路分段存在网络质量问题。
其中,判断网络质量问题需要获取RSRP以及主控小区与邻区的干扰率参数,关联数据中包含了RSRP与PCI的MOD3干扰率。PCI用于区分每个小区,当主控小区与邻区的PCI的MOD3时,便会造成干扰。
具体的,选定一周时间内的采样点均大于固定数值的栅格为有效栅格,若有效栅格占比合理,则可将该道路分段确定为有效道路分段。然后统计有效栅格内主控小区的RSRP 大于第九预设值,满足于主控小区的RSRP与邻区的RSRP差小于第十预设值,则认为主控小区与邻区存在较大重复覆盖率。若同时PCI满足MOD3干扰率为第十一预设值的采样点占总采样点大于第十二预设值的栅格可确定为存在网络质量问题的栅格,即第四目标栅格。若第四目标栅格与道路分段内的所有栅格的比值大于第十三预设值,便可确定该道路分段存在网络质量问题。例如:在道路分段c中,共计栅格60个,有效栅格40个,统计主控小区的RSRP≥-115dBm,且主控小区的RSRP与邻区的RSRP差小于6dB,同时PCI满足MOD3等于1的采样点占总采样点的比值大于5%的栅格为存在质量问题的栅格,并确定存在质量问题的栅格为第四目标栅格,若第四目标栅格占有效栅格比值大于 20%,判定该道路分段存在网络质量问题。
应该理解的是,有效栅格在该道路分段总栅格中的占比大于设定的比例,才可将该道路分段作为分析网络问题类型的研究对象。
其中,第九预设值、第十预设值、第十一预设值、第十二预设值和第十三预设值可以根据实际情况或者经验设置,例如可以分别为-115dBm、6dB、1、5%、20%,对于第九预设值、第十预设值、第十一预设值、第十二预设值和第十三预设值的具体取值,本申请实施例在此不做限制。
在本示例中,通过统计道路分段内,存在网络质量问题的栅格在所有栅格中占比,判断道路分段是否存在网络质量问题。从而快速定位存在网络质量问题的道路分段,进而有助于网络优化人员快速制定网络优化方案,提高网络优化的效率。
在一种可能实现的方式中,还可以在关联数据中获取MOS值、SINR值,并通过统计有效栅格内MOS值、信号与干扰加噪声比(Signal-to-Interference and Noise Ratio,SINR)值分别小于第十四预设值、第十五预设值的采样点在全部采样点的占比,以确定存在低MOS问题、低信噪比问题的栅格,再通过获取低MOS问题、低信噪比问题的栅格在该道路分段总栅格的占比判定是否为低MOS问题道路分段或低信噪比问题道路分段。
步骤204:根据道路分段的网络问题类型,确定网络问题严重度。
其中,确定每个道路分段存在的网络问题类型后,便可通过整合多种问题类型确定该路段的网络问题严重度,同时根据网络问题的严重度进行自动排序。且每个道路分段可存在网络覆盖问题、异常事件问题、用户感知问题或网络质量问题中的至少一个。
可选的,网络问题严重度可通过该路段内存在的不同网络问题类型进行标注与所占权重结合进行网络问题打分的形式展现,然后以分数的高低决定网络问题严重度,分数越高,代表网络问题越严重。其中,对不同网络问题类型进行标注具体为,若满足任意一个问题路段定义则在对应的道路栅格路段唯一标识编号后面标注“1”,不满足则标注“0”。而问题路段分数可以为覆盖问题*权重系数+质量问题*权重系数+ 感知问题*权重系数+异常事件问题*权重系数。例如:总分数为100分,某问题路段仅存在覆盖问题、异常事件问题,则覆盖问题、异常事件问题的标注为1,质量问题、感知问题标注为0,且各网络问题类型的权重系数分别为25,则此时该路段的分数为 1*25+0*25+0*25+1*25=50分。
可选的,在进行网络问题打分前,可按照聚焦、非聚焦、省份、地市、区县、行政区、单元维度进行展示,用户可选择待检测区域内每一条道路的路段分段存在的具体网络问题类型,也可宏观查看整个待检测区域的网络情况或某个维度的网络问题类型。例如:用户可以查看A省所有道路的网络问题类型,也可以查看B区C路的网络问题类型。
步骤205:显示待检测区域内道路的网络问题严重度。
具体的,可根据每周XDR数据与MR数据的数据实时更新该路段的网络问题类型以及得分情况,来自动判断该道路分段历史存在的网络问题类型是否恢复正常,从而形成道路分段的网络问题类型管控表。该网络问题类型管控表支持按区域显示,并将网络问题解决情况、未解决网络问题分布及排名等情况进行直观呈现,以随时查看网络优化的成果。
网络问题类型管控表可根据不同的网络问题类型展示,即网络覆盖问题、异常事件问题、用户感知问题、网络质量问题及低MOS问题、低信噪比问题等,可自动统计全部路段数、问题路段数、已解决某个问题类型路段数、新增某个问题类型路段数等,从而形成某个问题类型路段管控表,以支持多维度查看问题类型路段管控表。也可以根据多个网络参数显示,即主控小区PCI、MOD3干扰、平均MOS、Volte接通率、 Volte掉话率、SINR等。例如自动统计选定的网络参数导致问题路段数、已解决问题路段数、新增问题路段数等,从而形成问题类型路段管控表。并支持按照聚焦某个路段、整体查看整个待检测区域、地市、区县、行政区、单元等多维度进行显示。同时新增某个问题类型路段、已解决某个问题类型路段,可通过自动统计当前周期与上一周期某个问题类型路段情况,并基于道路分段标识可识别是否为同一问题类型路段,具体为若当前周期有,而上一周期无,则为新增覆盖问题类型路段。若当前周期无,而上一周期有,则为已解决覆盖问题类型路段。
在本实施例中,按照不同网络参数以及道路分段的网络问题类型显示待检测区域内道路的网络问题严重度,可以帮助网络优化人员根据自身需求了解特定路段的网络类型问题,然后针对网络问题类型提出网络优化方案,提高了网络优化的效率。
本申请实施例提供的一种网络质量的检测方法,通过采集待检测区域内的测量报告MR数据,对MR数据进行栅格化处理,以确定待检测区域内的道路,并对道路进行分段处理,得到多个道路分段,然后将XDR数据和多个道路分段中的每个道路分段对应的MR数据进行关联,得到每个道路分段的网络问题类型,网络问题类型包括网络覆盖问题、异常事件问题、用户感知问题或网络质量问题中的至少一个,再根据道路分段的网络问题类型,确定网络问题严重度,最终显示待检测区域内道路的网络问题严重度。该方法通过将道路分为多个道路分段,然后统计并分析每个道路分段中 XDR数据与MR数据关联形成的关联数据以获取网络参数。通过多个网络参数便可确定该道路分段存在网络问题类型,可以避免现有技术中只能获取MR数据中的网络参数以实现一个区域的网络覆盖分析,不能快速定位出现网络问题的道路分段的现象,从而可以快速定位问题道路分段位置以及具体存在的网络问题类型,进而有助于网络优化人员通过网络问题道路分段的具***置以及存在的网络问题类型,提出网络优化方案,提高了网络优化的效率。
图5为本申请实施例提供的一种网络质量的检测装置50的结构示意图,示例的,请参见图5所示,该网络质量的检测装置50可以包括:
采集模块501,用于采集待检测区域内的测量报告MR数据。
处理模块502,用于根据MR数据,对待检测区域进行栅格化处理,以确定待检测区域内的道路,并对道路进行分段处理,得到多个道路分段。
关联模块503,用于将XDR数据和多个道路分段中的每个道路分段对应的MR数据进行关联,得到每个道路分段的网络问题类型,网络问题类型包括网络覆盖问题、异常事件问题、用户感知问题或网络质量问题中的至少一个。
确定模块504,用于根据道路分段的网络问题类型,确定网络问题严重度。
显示模块505,用于显示待检测区域内道路的网络问题严重度。
可选的,处理模块502,具体用于:
对MR数据进行栅格化处理,得到多个栅格和多个栅格各自的栅格标识。
根据高精度地图中的矢量信息和栅格标识,确定每个栅格的道路属性。
将道路属性相同的栅格进行归类,得到待检测区域内的道路。
可选的,关联模块503,具体用于:
获取每个道路分段内的多个栅格。
根据多个栅格各自对应的XDR和MR数据进行关联后得到的关联数据,确定各栅格的网络参数,网络参数包括网络覆盖参数、异常事件参数、用户感知参数或网络质量参数至少一个。
根据各栅格的网络参数,确定道路分段的网络问题类型。
可选的,网络参数包括网络覆盖参数,网络覆盖参数包括RSRP;
确定模块504,具体用于:根据关联数据,确定各栅格内的多个采样点,并获取各栅格内的多个采样点的RSRP。
针对每个栅格,确定RSRP小于第一预设值的采样点的占比。
将占比大于第二预设值的栅格确定为第一目标栅格。
若第一目标栅格与道路分段内的所有栅格的比值大于第三预设值,则确定道路分段存在网络覆盖问题。
可选的,网络参数包括异常事件参数,异常事件参数包括Volte掉话率和Volte接通率;
确定模块504,具体用于:根据各栅格的网络参数,确定道路分段的网络问题类型,
根据各栅格的Volte掉话率和Volte接通率,确定Volte掉话率大于第四预设值和Volte 接通率小于第五预设值的第二目标栅格。
若第二目标栅格与道路分段内的所有栅格的比值大于第六预设值,则确定道路分段存在异常事件问题。
可选的,网络参数包括用户感知参数,用户感知参数包括数据包的平均传输速率;
确定模块504,具体用于:根据各栅格的平均传输速率,确定平均传输速率小于第七预设值的第三目标栅格。
若第三目标栅格与道路分段内的所有栅格的比值大于第八预设值,则确定道路分段存在用户感知问题。
可选的,网络参数包括网络质量参数,网络质量参数包括RSRP和MOD3干扰率;
确定模块504,具体用于:针对每个栅格,确定栅格内主控小区的RSRP大于第九预设值、与邻区的电平差小于第十预设值,且MOD3干扰率为第十一预设值的采样点的占比。
将占比大于第十二预设值的栅格确定为第四目标栅格。
若第四目标栅格与道路分段内的所有栅格的比值大于第十三预设值,则确定道路分段存在网络质量问题。
本申请实施例提供的网络质量的检测装置50,可以执行上述任一实施例中的网络质量的检测方法的技术方案,其实现原理以及有益效果与网络质量的检测方法的实现原理及有益效果类似,可参见网络质量的检测方法的实现原理及有益效果,此处不再进行赘述。
图6为本申请实施例提供的一种终端设备60的结构示意图,示例的,请参见图6所示,该终端设备可以包括处理器601和存储器602;其中,
存储器602,用于存储计算机程序。
处理器601,用于读取存储器602存储的计算机程序,并根据存储器602中的计算机程序执行上述任一实施例中的网络质量的检测方法的技术方案。
可选地,存储器602既可以是独立的,也可以跟处理器601集成在一起。当存储器602是独立于处理器601之外的器件时,终端设备还可以包括:总线,用于连接存储器602 和处理器601。
可选地,本实施例还包括:通信接口,该通信接口可以通过总线与处理器601连接。处理器601可以控制通信接口来实现上述终端设备的获取和发送的功能。
本申请实施例所示的终端设备,可以执行上述任一实施例中的网络质量的检测方法的技术方案,其实现原理以及有益效果与网络质量的检测方法的实现原理及有益效果类似,可参见网络质量的检测方法的实现原理及有益效果,此处不再进行赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现上述任一实施例中的网络质量的检测方法的技术方案,其实现原理以及有益效果与网络质量的检测方法的实现原理及有益效果类似,可参见网络质量的检测方法的实现原理及有益效果,此处不再进行赘述。
本申请实施例还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时,实现上述任一实施例中的网络质量的检测方法的技术方案,其实现原理以及有益效果与网络质量的检测方法的实现原理及有益效果类似,可参见网络质量的检测方法的实现原理及有益效果,此处不再进行赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,所展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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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,作为单元展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,在本申请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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,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)或处理器(英文:processor)执行本申请各个实施例方法的部分步骤。
应理解的是,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称: CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital SignalProcessor,简称:DSP)、专用集成电路(英文:Application Specific IntegratedCircuit,简称:ASIC) 等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述计算机可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (9)
1.一种网络质量的检测方法,其特征在于,包括:
采集待检测区域内的测量报告MR数据;
根据所述MR数据,对所述待检测区域进行栅格化处理,以确定所述待检测区域内的道路,并对所述道路进行分段处理,得到多个道路分段;
将XDR数据和多个道路分段中的每个道路分段对应的MR数据进行关联,得到每个道路分段的网络问题类型,所述网络问题类型包括网络覆盖问题、异常事件问题、用户感知问题或网络质量问题中的至少一个;
根据所述道路分段的网络问题类型,确定网络问题严重度;
显示所述待检测区域内道路的网络问题严重度;
所述根据所述MR数据,对所述待检测区域进行栅格化处理,以确定所述待检测区域内的道路,包括:
根据所述MR数据,对所述待检测区域进行栅格化处理,得到多个栅格和所述多个栅格各自的栅格标识;
根据高精度地图中的矢量信息和所述栅格标识,确定每个栅格的道路属性;
将所述道路属性相同的栅格进行归类,得到所述待检测区域内的道路;
所述对所述待检测区域进行栅格化处理,包括:
将所述待检测区域北面延伸最外侧与纬线相切的点作为第一切点,并确定所述待检测区域西面延伸最外侧与经线相切的点作为第二切点;
将经过北面第一切点的纬线与经过西面第二切点的经线相交的点,作为栅格化处理的起始点;
通过软件生成边长固定的正方形栅格;
根据所述待检测区域大小和所述正方形栅格边长大小,计算所述起始点向南和向东方向对角线最外侧第M个栅格的中心经纬度(Xm,Ym);
从所述起始点栅格开始,并保持所述起始点栅格的纬度不变,以经线方向向南扩充一列栅格,直至栅格的中心经度小于或等于Ym,停止继续向南扩充;
保持一列栅格的经度不变,以纬线向东扩充,直至栅格的中心纬度小于或等于Xm,停止继续向东扩充,以将所述待检测区域分为多个栅格的组合。
2.根据权利要求1所述的方法,其特征在于,所述将XDR数据和多个道路分段中的每个道路分段对应的MR数据进行关联,得到每个道路分段的网络问题类型,包括:
获取每个道路分段内的多个栅格;
根据所述多个栅格各自对应的所述XDR数据和所述MR数据进行关联后得到的关联数据,确定各栅格的网络参数,所述网络参数包括网络覆盖参数、异常事件参数、用户感知参数或网络质量参数至少一个;
根据所述各栅格的网络参数,确定所述道路分段的网络问题类型。
3.根据权利要求2所述的方法,其特征在于,所述网络参数包括所述网络覆盖参数,所述网络覆盖参数包括RSRP;
所述根据所述各栅格的网络参数,确定所述道路分段的网络问题类型,包括:
根据所述关联数据,确定所述各栅格内的多个采样点,并获取所述各栅格内的多个采样点的RSRP;
针对每个栅格,确定RSRP小于第一预设值的采样点的占比;
将所述占比大于第二预设值的栅格确定为第一目标栅格;
若所述第一目标栅格与所述道路分段内的所有栅格的比值大于第三预设值,则确定所述道路分段存在所述网络覆盖问题。
4.根据权利要求2所述的方法,其特征在于,所述网络参数包括所述异常事件参数,所述异常事件参数包括Volte掉话率和Volte接通率;
所述根据所述各栅格的网络参数,确定所述道路分段的网络问题类型,包括:
根据各栅格的Volte掉话率和Volte接通率,确定Volte掉话率大于第四预设值和Volte接通率小于第五预设值的第二目标栅格;
若所述第二目标栅格与所述道路分段内的所有栅格的比值大于第六预设值,则确定所述道路分段存在所述异常事件问题。
5.根据权利要求2所述的方法,其特征在于,所述网络参数包括所述用户感知参数,所述用户感知参数包括数据包的平均传输速率;
所述根据所述各栅格的网络参数,确定所述道路分段的网络问题类型,包括:
根据各栅格的平均传输速率,确定所述平均传输速率小于第七预设值的第三目标栅格;
若所述第三目标栅格与所述道路分段内的所有栅格的比值大于第八预设值,则确定所述道路分段存在所述用户感知问题。
6.根据权利要求2所述的方法,其特征在于,所述网络参数包括所述网络质量参数,所述网络质量参数包括RSRP和MOD3干扰率;
所述根据所述各栅格的网络参数,确定所述道路分段的网络问题类型,包括:
针对每个栅格,确定所述栅格内主控小区的RSRP大于第九预设值、与邻区的电平差小于第十预设值,且MOD3干扰率为第十一预设值的采样点的占比;
将所述占比大于第十二预设值的栅格确定为第四目标栅格;
若所述第四目标栅格与所述道路分段内的所有栅格的比值大于第十三预设值,则确定所述道路分段存在所述网络质量问题。
7.一种网络质量的检测装置,包括:
采集模块,采集待检测区域内的测量报告MR数据;
确定模块,对所述MR数据进行栅格化处理,以确定所述待检测区域内的道路,并对所述道路进行分段处理,得到多个道路分段;
关联模块,将XDR数据和多个道路分段中的每个道路分段对应的MR数据进行关联,得到每个道路分段的网络问题类型,所述网络问题类型包括网络覆盖问题、异常事件问题、用户感知问题或网络质量问题中的至少一个;
所述确定模块,根据所述道路分段的网络问题类型,确定网络问题严重度;
显示模块,显示所述待检测区域内道路的网络问题严重度;
所述确定模块,具体用于:
根据所述MR数据,对所述待检测区域进行栅格化处理,得到多个栅格和所述多个栅格各自的栅格标识;
根据高精度地图中的矢量信息和所述栅格标识,确定每个栅格的道路属性;
将所述道路属性相同的栅格进行归类,得到所述待检测区域内的道路;
所述对所述待检测区域进行栅格化处理,包括:
将所述待检测区域北面延伸最外侧与纬线相切的点作为第一切点,并确定所述待检测区域西面延伸最外侧与经线相切的点作为第二切点;
将经过北面第一切点的纬线与经过西面第二切点的经线相交的点,作为栅格化处理的起始点;
通过软件生成边长固定的正方形栅格;
根据所述待检测区域大小和所述正方形栅格边长大小,计算所述起始点向南和向东方向对角线最外侧第M个栅格的中心经纬度(Xm,Ym);
从所述起始点栅格开始,并保持所述起始点栅格的纬度不变,以经线方向向南扩充一列栅格,直至栅格的中心经度小于或等于Ym,停止继续向南扩充;
保持一列栅格的经度不变,以纬线向东扩充,直至栅格的中心纬度小于或等于Xm,停止继续向东扩充,以将所述待检测区域分为多个栅格的组合。
8.一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器,存储计算机执行指令;
所述处理器,执行所述存储器存储的计算机执行指令,以实现如权利要求1至6中任一项所述的网络质量的检测方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至6任一项所述的网络质量的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111301109.5A CN114173356B (zh) | 2021-11-04 | 2021-11-04 | 网络质量的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111301109.5A CN114173356B (zh) | 2021-11-04 | 2021-11-04 | 网络质量的检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114173356A CN114173356A (zh) | 2022-03-11 |
CN114173356B true CN114173356B (zh) | 2024-01-09 |
Family
ID=80478058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111301109.5A Active CN114173356B (zh) | 2021-11-04 | 2021-11-04 | 网络质量的检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114173356B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114885369A (zh) * | 2022-06-09 | 2022-08-09 | 中国联合网络通信集团有限公司 | 网络覆盖质量检测处理方法、装置、电子设备和存储介质 |
CN115175100B (zh) * | 2022-07-06 | 2024-04-02 | 中国联合网络通信集团有限公司 | 网络覆盖问题处理方法、装置、服务器及存储介质 |
CN115278531B (zh) * | 2022-07-18 | 2024-04-09 | 中国联合网络通信集团有限公司 | 语音业务的异常检测方法、装置、设备及存储介质 |
CN115396908B (zh) * | 2022-08-25 | 2023-09-08 | 中国联合网络通信集团有限公司 | 网络评估方法、装置及存储介质 |
CN115767582A (zh) * | 2022-09-23 | 2023-03-07 | 中国联合网络通信集团有限公司 | 道路网络问题处理方法、装置、服务器及存储介质 |
CN115941517B (zh) * | 2022-10-12 | 2024-07-02 | 中国电信股份有限公司 | 用户感知的评价方法、装置以及电子设备 |
CN115835261A (zh) * | 2022-11-04 | 2023-03-21 | 中国联合网络通信集团有限公司 | 一种道路覆盖的评估方法、装置、服务器及介质 |
CN115865618A (zh) * | 2022-11-24 | 2023-03-28 | 中国联合网络通信集团有限公司 | 异常路段的异常根因确定方法、装置、设备及存储介质 |
CN115834436B (zh) * | 2022-11-24 | 2024-05-03 | 中国联合网络通信集团有限公司 | 网络连通性检测方法、装置及存储介质 |
CN115988522B (zh) * | 2022-12-20 | 2024-04-09 | 中国联合网络通信集团有限公司 | 网络速率确定方法、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101426206A (zh) * | 2008-11-26 | 2009-05-06 | ***通信集团广东有限公司 | 一种通信网络话务分布网格化的方法及*** |
WO2015170289A1 (en) * | 2014-05-09 | 2015-11-12 | Vodafone Omnitel B.V. | Method and system for vehicular traffic prediction |
CN108024263A (zh) * | 2016-11-01 | 2018-05-11 | ***通信集团公司 | 一种模拟路测方法及装置 |
CN108156626A (zh) * | 2017-12-21 | 2018-06-12 | 重庆玖舆博泓科技有限公司 | 轨道交通无线网络质量评估方法、装置及介质 |
CN109996278A (zh) * | 2017-12-30 | 2019-07-09 | ***通信集团四川有限公司 | 道路网络质量评估方法、装置、设备及介质 |
CN109996186A (zh) * | 2017-12-29 | 2019-07-09 | ***通信集团陕西有限公司 | 一种网络覆盖问题识别方法及装置、可读取存储介质 |
CN111182575A (zh) * | 2019-12-25 | 2020-05-19 | 广东飞企互联科技股份有限公司 | 一种基于ott大数据的道路质量评估方法 |
CN113408812A (zh) * | 2021-06-30 | 2021-09-17 | 北京红山信息科技研究院有限公司 | 一种网络优化方法、装置、计算机设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130033999A1 (en) * | 2011-08-05 | 2013-02-07 | Telefonaktiebolaget Lm Ericsson (Publ) | Node and methods therein for enhanced positioning with complementary positioning information |
JP6972119B2 (ja) * | 2016-09-15 | 2021-11-24 | オラクル・インターナショナル・コーポレイション | ストリームデータにおける空間変化検出器 |
-
2021
- 2021-11-04 CN CN202111301109.5A patent/CN114173356B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101426206A (zh) * | 2008-11-26 | 2009-05-06 | ***通信集团广东有限公司 | 一种通信网络话务分布网格化的方法及*** |
WO2015170289A1 (en) * | 2014-05-09 | 2015-11-12 | Vodafone Omnitel B.V. | Method and system for vehicular traffic prediction |
CN108024263A (zh) * | 2016-11-01 | 2018-05-11 | ***通信集团公司 | 一种模拟路测方法及装置 |
CN108156626A (zh) * | 2017-12-21 | 2018-06-12 | 重庆玖舆博泓科技有限公司 | 轨道交通无线网络质量评估方法、装置及介质 |
CN109996186A (zh) * | 2017-12-29 | 2019-07-09 | ***通信集团陕西有限公司 | 一种网络覆盖问题识别方法及装置、可读取存储介质 |
CN109996278A (zh) * | 2017-12-30 | 2019-07-09 | ***通信集团四川有限公司 | 道路网络质量评估方法、装置、设备及介质 |
CN111182575A (zh) * | 2019-12-25 | 2020-05-19 | 广东飞企互联科技股份有限公司 | 一种基于ott大数据的道路质量评估方法 |
CN113408812A (zh) * | 2021-06-30 | 2021-09-17 | 北京红山信息科技研究院有限公司 | 一种网络优化方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
一种基于路测的无线网络智能优化应用***;王胜;陈骁锋;刘小溪;;信息通信(07);全文 * |
大数据分析在LTE无线网规划建设中的应用;程功利;张南国;;移动通信(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114173356A (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114173356B (zh) | 网络质量的检测方法、装置、设备及存储介质 | |
CN109996186B (zh) | 一种网络覆盖问题识别方法及装置、可读取存储介质 | |
CN108156626B (zh) | 轨道交通无线网络质量评估方法、装置及介质 | |
CN110677859B (zh) | 弱覆盖区域的确定方法、装置和计算机可读存储介质 | |
CN106572495B (zh) | 基于信令和mr数据的网络质量监测方法和覆盖评估方法 | |
CN111901750B (zh) | 一种定位方法、装置、电子设备以及存储介质 | |
CN107580337B (zh) | 一种热点区域识别方法和装置 | |
US20120220274A1 (en) | Position information analysis device and position information analysis method | |
CN108377468B (zh) | 无线网络场景化评估方法、装置、设备及介质 | |
CN111372183B (zh) | 一种识别质差终端的方法、装置、设备及存储介质 | |
CN105472644A (zh) | 基于用户行为特征的深度覆盖网络质量评估方法和*** | |
EP2600302A1 (en) | Information analysis device and information analysis method | |
CN114885369A (zh) | 网络覆盖质量检测处理方法、装置、电子设备和存储介质 | |
CN114257957B (zh) | 网络规划方法及装置、计算设备和计算机可读存储介质 | |
CN112566167A (zh) | 网络质量故障识别方法、装置及服务器 | |
JP2013153286A (ja) | 情報処理装置およびクラスタ生成方法 | |
CN113645625B (zh) | 伪基站定位方法、装置、电子设备和可读介质 | |
CN110727752A (zh) | 位置指纹库处理方法、设备及计算机可读存储介质 | |
KR100911478B1 (ko) | 위치 등록 메시지를 이용한 도로 통행 속도 분석 방법 및장치 | |
CN109982373B (zh) | Lte频繁回落点分析方法、装置、计算设备及存储介质 | |
CN115580828A (zh) | 业务区域定位方法、装置、设备及存储介质 | |
CN110621027B (zh) | 短驻留用户发现和短驻留原因分析方法 | |
CN111294820B (zh) | 一种获取场景小区信息的方法及装置 | |
CN113133049B (zh) | 确定主覆盖小区的方法、装置、设备及介质 | |
CN114371116B (zh) | 一种基于渗透率的路测质量评估方法 |
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 |