CN115835261A - 一种道路覆盖的评估方法、装置、服务器及介质 - Google Patents
一种道路覆盖的评估方法、装置、服务器及介质 Download PDFInfo
- Publication number
- CN115835261A CN115835261A CN202211376187.6A CN202211376187A CN115835261A CN 115835261 A CN115835261 A CN 115835261A CN 202211376187 A CN202211376187 A CN 202211376187A CN 115835261 A CN115835261 A CN 115835261A
- Authority
- CN
- China
- Prior art keywords
- road
- grid
- evaluated
- closed
- area
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 104
- 238000004458 analytical method Methods 0.000 claims description 32
- 238000005457 optimization Methods 0.000 claims description 16
- 230000008447 perception Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 23
- 230000000875 corresponding effect Effects 0.000 description 63
- 238000005070 sampling Methods 0.000 description 49
- 210000004027 cell Anatomy 0.000 description 48
- 238000004422 calculation algorithm Methods 0.000 description 34
- 238000011156 evaluation Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 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
- 210000004287 null lymphocyte Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Landscapes
- Instructional Devices (AREA)
Abstract
本申请提供一种道路覆盖的评估方法、装置、服务器及介质,包括:对第一待评估的地理区域进行栅格化处理;获取相关的MR数据并与栅格进行匹配处理,以获取匹配后的第二待评估的地理区域;采用边框生成原理,对第二待评估的地理区域进行外扩栅格处理获取外扩后的第三待评估的地理区域;确定第三待评估的地理区域中的每个栅格的属性信息;从第三待评估的地理区域中获取多条道路的闭环区域;确定道路的闭环区域下多个道路栅格路段并获取相关XDR数据,将XDR数据与对应的MR数据进行关联处理,对道路指标进行分析处理,确定存在覆盖问题的路段。相较于现有技术,本申请提升路测效率,降低成本。
Description
技术领域
本申请涉及无线路测技术领域,尤其涉及一种道路覆盖的评估方法、装置、服务器及介质。
背景技术
随着移动通信业务的快速发展,无线网络覆盖的质量直接影响用户体验,因此无线网络覆盖测试及问题的分析是关键性的工作之一。
现有技术中,网络优化通常采用传统路测模式来完成。具体的,在传统路测模式中,专业测试人员驾车经过目标路线,通过实地测试获取网络覆盖数据。
但传统路测效率低下,成本较高,数据的采样具有一定的局限性,无法精准定位网络中问题,导致部分网络问题无法被发现,同时也无法先于用户发现,不能全面反映客户感知,用户投诉后不能快速定位,及时解决,影响用户感知。
发明内容
本申请提供一种道路覆盖的评估方法、装置、服务器及介质,用以解决现有技术中路测效率低下,成本较高,对弱覆盖严重区域难以精准管控及缺少对道路覆盖问题的分析过程和定位手段的问题。
一方面,本申请提供一种道路覆盖的评估方法,包括:
对第一待评估的地理区域进行栅格化处理,以获取多个栅格。
获取与所述第一待评估的地理区域相关的MR数据,并分别根据每个所述MR数据中的经纬度信息,将每个MR数据与栅格进行匹配处理,以获取匹配后的第二待评估的地理区域。
采用边框生成原理,对所述第二待评估的地理区域进行外扩栅格处理,以获取外扩后的第三待评估的地理区域。
将5米高精准地图中的地物矢量与所述第三待评估的地理区域相关联,并分别确定所述第三待评估的地理区域中的每个栅格的属性信息。
采用所述边框生成原理,并根据属性信息为道路栅格属性信息的栅格,从所述第三待评估的地理区域中获取多条道路的闭环区域。
对于每条道路的闭环区域,确定所述道路的闭环区域下多个道路栅格路段。
对于每条道路的闭环区域,获取与所述道路的闭环区域相关XDR数据,并将所述XDR数据与所述道路的闭环区域对应的MR数据进行关联处理,以分别将获取到的多个关联数据与所述道路的闭环区域的道路栅格路段进行匹配处理。
对于每条道路的闭环区域,根据所述道路的闭环区域中每个道路栅格路段对应的关联数据,对所述道路的闭环区域的道路指标进行分析处理,以确定所述道路的闭环区域中存在覆盖问题的路段。
在一种具体实施方式中,所述方法还包括:
对于每条道路的闭环区域,确定所述道路的闭环区域中的存在覆盖问题的路段对应的优先级,并根据优先级从高到低的顺序,依次对存在覆盖问题的路段进行根因分析处理,以获取对应的优化方案。
在一种具体实施方式中,所述将5米高精准地图中的地物矢量与所述第三待评估的地理区域相关联,并分别确定所述第三待评估的地理区域中的每个栅格的属性信息,包括:
将所述5米高精准地图中的地物矢量与所述第三待评估的地理区域相关联。
若所述第三待评估的地理区域中的栅格所关联的对应的物理矢量为道路属性,则确定所述栅格的属性信息为道路栅格属性信息。
若所述第三待评估的地理区域中的栅格所关联的对应的物理矢量为非道路属性,则确定所述栅格的属性信息为非道路栅格属性信息。
在一种具体实施方式中,所述道路属性包括如下一种或者几种组合:一级道路、二级道路、三级道路、四级道路和高速道路。
所述非道路属性包括如下一种或者几种组合:市区、城区、高层建筑、工厂、商场和村庄。
在一种具体实施方式中,还包括:
确定所述第三待评估的地理区域的场景类型。
则所述对于每条道路的闭环区域,确定所述道路的闭环区域下多个道路栅格路段,包括:
对于每条道路的闭环区域,根据所述场景类型匹配的栅格路段长度,对所述道路的闭环区域进行划分,以获取所述道路的闭环区域下多个道路栅格路段。
在一种具体实施方式中,所述场景类型包括如下一种或者几种组合:密集市区、一般城区、郊区和农村。
在一种具体实施方式中,所述将所述XDR数据与所述道路的闭环区域对应的MR数据进行关联处理,包括:
将MR数据中的位置信息和所述XDR数据中的感知信息进行结合处理。
第二方面,本申请提供一种道路覆盖的评估装置,包括:
栅格处理模块,用于对第一待评估的地理区域进行栅格化处理,以获取多个栅格。
所述栅格处理模块,还用于获取与所述第一待评估的地理区域相关的MR数据,并分别根据每个所述MR数据中的经纬度信息,将每个MR数据与栅格进行匹配处理,以获取匹配后的第二待评估的地理区域。
所述栅格处理模块,还用于采用边框生成原理,对所述第二待评估的地理区域进行外扩栅格处理,以获取外扩后的第三待评估的地理区域。
关联处理模块,用于将5米高精准地图中的地物矢量与所述第三待评估的地理区域相关联,并分别确定所述第三待评估的地理区域中的每个栅格的属性信息。
所述关联处理模块,还用于采用所述边框生成原理,并根据属性信息为道路栅格属性信息的栅格,从所述第三待评估的地理区域中获取多条道路的闭环区域。
所述关联处理模块,还用于对于每条道路的闭环区域,确定所述道路的闭环区域下多个道路栅格路段。
所述关联处理模块,还用于对于每条道路的闭环区域,获取与所述道路的闭环区域相关XDR数据,并将所述XDR数据与所述道路的闭环区域对应的MR数据进行关联处理,以分别将获取到的多个关联数据与所述道路的闭环区域的道路栅格路段进行匹配处理。
分析处理模块,用于对于每条道路的闭环区域,根据所述道路的闭环区域中每个道路栅格路段对应的关联数据,对所述道路的闭环区域的道路指标进行分析处理,以确定所述道路的闭环区域中存在覆盖问题的路段。
在一种具体实施方式中,所述分析处理模块,还用于对于每条道路的闭环区域,确定所述道路的闭环区域中的存在覆盖问题的路段对应的优先级,并根据优先级从高到低的顺序,依次对存在覆盖问题的路段进行根因分析处理,以获取对应的优化方案。
在一种具体实施方式中,所述关联处理模块具体用于:
将所述5米高精准地图中的地物矢量与所述第三待评估的地理区域相关联。
若所述第三待评估的地理区域中的栅格所关联的对应的物理矢量为道路属性,则确定所述栅格的属性信息为道路栅格属性信息。
若所述第三待评估的地理区域中的栅格所关联的对应的物理矢量为非道路属性,则确定所述栅格的属性信息为非道路栅格属性信息。
在一种具体实施方式中,所述道路属性包括如下一种或者几种组合:一级道路、二级道路、三级道路、四级道路和高速道路。
所述非道路属性包括如下一种或者几种组合:市区、城区、高层建筑、工厂、商场和村庄。
在一种具体实施方式中,还包括:
确定模块,用于确定所述第三待评估的地理区域的场景类型。
所述关联处理模块具体用于:
对于每条道路的闭环区域,根据所述场景类型匹配的栅格路段长度,对所述道路的闭环区域进行划分,以获取所述道路的闭环区域下多个道路栅格路段。
在一种具体实施方式中,所述场景类型包括如下一种或者几种组合:密集市区、一般城区、郊区和农村。
在一种具体实施方式中,所述关联处理模块具体用于:
将MR数据中的位置信息和所述XDR数据中的感知信息进行结合处理。
第三方面,本申请提供一种服务器,包括:
处理器,存储器,通信接口;
所述存储器用于存储所述处理器可执行的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行如第一方面所述的道路覆盖的评估方法。
第四方面,本申请提供一种可读存储介质,其上存储有计算机程序,在于,所述计算机程序被处理器执行时实现第一方面所述的道路覆盖的评估方法。
本申请提供一种道路覆盖的评估方法、装置、服务器及介质,对第一待评估的地理区域进行栅格化处理,以获取多个栅格;获取与所述第一待评估的地理区域相关的MR数据,并分别根据每个所述MR数据中的经纬度信息,将每个MR数据与栅格进行匹配处理,以获取匹配后的第二待评估的地理区域;采用边框生成原理,对所述第二待评估的地理区域进行外扩栅格处理,以获取外扩后的第三待评估的地理区域;将5米高精准地图中的地物矢量与所述第三待评估的地理区域相关联,并分别确定所述第三待评估的地理区域中的每个栅格的属性信息;采用所述边框生成原理,并根据属性信息为道路栅格属性信息的栅格,从所述第三待评估的地理区域中获取多条道路的闭环区域;对于每条道路的闭环区域,确定所述道路的闭环区域下多个道路栅格路段;对于每条道路的闭环区域,获取与所述道路的闭环区域相关XDR数据,并将所述XDR数据与所述道路的闭环区域对应的MR数据进行关联处理,以分别将获取到的多个关联数据与所述道路的闭环区域的道路栅格路段进行匹配处理;对于每条道路的闭环区域,根据所述道路的闭环区域中每个道路栅格路段对应的关联数据,对所述道路的闭环区域的道路指标进行分析处理,以确定所述道路的闭环区域中存在覆盖问题的路段。相较于现有技术中通过传统路测模式获取网络覆盖数据效率低,成本高,且定位不准确和不及时而言,本申请通过对道路属性栅格区域划分成道路栅格路段,匹配关联XDR数据和MR数据,根据关联数据确定覆盖问题的路段,提升路测效率,以及定位的准确性,同时也实现了成本的降低。
附图说明
为了更清楚地说明本申请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,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请提供的一种道路覆盖的评估方法实施例一的流程示意图;
图2为XDR数据关联MR数据图;
图3为本申请提供的一种道路覆盖的评估方法实施例二的流程示意图;
图4为道路闭环区域下的多个道路栅格路段;
图5为本申请提供的一种道路覆盖的评估装置实施例的结构示意图;
图6为本申请提供的一种服务器的结构示意图。
通过上述附图,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。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在根据本实施例的启示下作出的所有其他实施例,都属于本申请保护的范围。
本申请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”“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,以便这里描述的本申请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、***、产品或服务器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、产品或服务器固有的其它步骤或单元。
首先对本申请所涉及的名词进行解释:
测量报告(Measurement Report;简称:MR)数据:是用户终端所测量的网络原始数据,测量报告携带了上下行无线链路的相关信息。基于MR的深入分析,是网络问题定位、网络覆盖分析和邻区优化等网络性能评估和优化的有效手段之一。
外部数据表示法(External Data Representation;简称:XDR)数据:是开放网络计算环境的一种功能。XDR提供了一种与体系结构无关的表示数据,解决了数据字节排序的差异、数据字节大小、数据表示和数据对准的方式。使用XDR的应用程序,可以在异构硬件***上交换数据。
参考信号接收功率(Reference Signal Receiving Power;简称:RSRP):是LTE网络中可以代表无线信号强度的关键参数以及物理层测量需求之一,是在某个符号内承载参考信号的所有RE(资源粒子)上接收到的信号功率的平均值。
最大时间提前量(Time Advanced;简称:TA):是指移动台信号到达基站的实际时间和假设该移动台与基站距离为0时移动台信号到达基站的时间的差值。
地理信息***(geographic information system;简称:GIS):是一种特定的十分重要的空间信息***。它是在计算机硬、软件***支持下,对整个或部分地球表层(包括大气层)空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术***。
现有技术中,网络优化通常采用传统路测模式来完成。具体的,在传统路测模式中,专业测试人员驾车经过目标路线,通过实地测试获取网络覆盖数据,存在路测效率低,成本高的问题,基于此,本申请技术构思在于如何提升路测效率,降低成本。
下面,通过具体实施例对本申请的技术方案进行详细说明。需要说明的是,下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图1为本申请提供的一种道路覆盖的评估方法实施例一的流程示意图;如图1所示,该道路覆盖的评估方法具体包括以下步骤:
步骤S101:对第一待评估的地理区域进行栅格化处理,以获取多个栅格。
在本实施例中,MR栅格化主要是利用GIS技术建立道路栅格,通过高精度定位算法,可以将栅格大小设置为10米*10米或者20米*20米甚至50米*50米。
步骤S102:获取与第一待评估的地理区域相关的MR数据,并分别根据每个MR数据中的经纬度信息,将每个MR数据与栅格进行匹配处理,以获取匹配后的第二待评估的地理区域。
在本实施例中,MR数据由基站收集,网管负责数据文件生成,同时在无线网管进行相关的规则配置。根据第三代合作伙伴计划协议(3rd GeneraTIon Partnership Project;简称:3GPP)规范,上报激活态用户MR,通常情况下为减少对用户的影响,一般选择部分用户抽样上报。MR采样规则主要包括MR抽样用户数、数据上报周期、数据上报次数等。
具体的,目标区域电子地图转GIS文本信息,电子地图MAPINFO-TAB转KML格式,编辑后转化jsp格式;JOSN化制作平台GIS文本信息,Josn是javscript对象表示法,能够进行文本数据交换格式,通过基于Net开发的的wisdomanalysis程序进行格式转换,集成到4G平台功能模块中;栅格化的切片信息关联MR海量数据。
在本实施例中,基站采集区域内手机用户的MR数据,通过MR汇聚,用户到达角(Angle Of Arrival;简称AOA)估计,基于拓扑关系射线求交,基于置信度修正和地图匹配四种算法,将MR数据与其所属栅格的经纬度信息进行匹配,进而获取第二待评估的地理区域。
步骤S103:采用边框生成原理,对第二待评估的地理区域进行外扩栅格处理,以获取外扩后的第三待评估的地理区域。
在本实施例中,通过软件生成边长可自行设定的正方形栅格框图,对每个栅格赋予唯一编号,确定第二待评估的地理区域北面延伸最外侧与纬线相切的点作为第一切点,第二待评估的地理区域西面延伸最外侧与经线相切的点作为第二切点,第一切点的纬线与第二切点的经线相交的点作为第三待评估的地理区域的起始点。确定起始点所属栅格的中心经度(X,Y),根据第三待评估的地理区域面积和正方形栅格边长,获取起始点向南和向东外扩对角线最外侧第M个栅格的中心经纬度(Xm,Ym)。起始点栅格的纬度不变,以经线方向往南以设置固定的正方形边长(k*k)外扩栅格,根据等距离的外扩边长计算出下一个栅格的中心经纬度,将下一个栅格的中心经度Yn(n∈1,2,……,M-1)与外扩对角线最外侧第M个栅格的中心经度Ym进行比较。若Yn小于或等于Ym,则继续外扩第至下一个栅格,且中心经度Yn1=Yn+P(P为两个相邻栅格中心经纬度间距离转化的经度偏置),n1范围(2,3……,M),继续比较Yn1与Ym,直至满足Yn>Ym。起始点栅格以纬线向东外扩,且中心纬度Xg1=Xg+Q(Q为相邻栅格中心经纬度间距离转化的纬度偏置),g范围(1,2,……,M-1),g1范围(2,3,……,M),外扩后的栅格中心维度是否满足Xg≤Xm,若是则继续外扩,若否则结束外扩,并对外扩后的栅格赋予唯一标识。
步骤S104:将5米高精准地图中的地物矢量与第三待评估的地理区域相关联,并分别确定第三待评估的地理区域中的每个栅格的属性信息。
步骤S105:采用边框生成原理,并根据属性信息为道路栅格属性信息的栅格,从第三待评估的地理区域中获取多条道路的闭环区域。
步骤S106:对于每条道路的闭环区域,确定道路的闭环区域下多个道路栅格路段。
步骤S107:对于每条道路的闭环区域,获取与道路的闭环区域相关XDR数据,并将XDR数据与道路的闭环区域对应的MR数据进行关联处理,以分别将获取到的多个关联数据与道路的闭环区域的道路栅格路段进行匹配处理。
在本实施例中,通过XDR数据与MR数据关联,将MR数据中的位置信息填写到存储XDR感知数据表中,对道路闭环区域中MR数据的关键参数和XDR数据中关键参数进行统计。主要通过关联字段MME_UE_S1AP_ID将同一时间、同一地点和同一用户的XDR数据和MR数据联系起来,并回填所要分析的信令字段和业务字段,并在此基础上进行相关指标的统计及分析。其中XDR与MR数据的关联方法有3种,分别为MME_MR关联、HTTP_MR关联和COMMON_MR关联。每种关联的区别在于XDR数据不同,分别是MME数据、HTTP数据和S1_COMMON数据。如图2所示的XDR数据关联MR数据图,XDR数据中关键参数包括国际移动用户识别码(International Mobile Subscriber Identification Number;简称IMSI)、E-UTRAN小区全局标识符(E-UTRAN Cell Global Identifier;简称ECGI)、MME Group ID、MME数据、MMEUE S1AP ID、时间;MR数据中关键参数包括MME Group ID、MME数据、MME UE S1AP ID、AOA角度、TA值、时间、经度、纬度;可通过4类关键字段实现XDR数据和MR数据关联,4类关键字段包括MME Group ID、MME数据、MME UE S1AP ID、时间,XDR数据关联MR数据后可获取TA值、AOA角度、MME UE S1AP ID、MME数据、MME Group ID、E-UTRAN小区全局标识符、国际移动用户识别码、纬度、经度。
具体的,数据关联之前,清洗小区号为空、开始时间不合理、结束时间不合理等无效数据,保留有效的数据进行关联,以此提高数据关联的效率,保证关联所得到数据的有效性;使用关联字段MME_UE_S1AP_ID对XDR数据和MR数据进行关联,其中,数据关联的条件是站号相等、长码MME_UE_S1AP_ID相同,同时挑选出开始时间在MR的开始时间和结束时间之间的XDR信令数据,计算XDR与MR的时间差,按照时间差进行排序,挑选出时间差最小的XDR数据作为可信的关联记录,对于没有关联上的部分,对MR数据的开始、结束时间前后的20分钟分别进行滑窗搜索,向前滑窗搜索结果和向后滑窗搜索结果进行合并、去重,得到XDR数据与MR数据的关联记录;根据关联部分得到的关联记录,将一一对应的MR数据中的测量信息、位置信息填写到存储XDR感知数据的表中。
在本实施例中,关联XDR数据和MR数据,结合MR数据中的位置信息和XDR数据中的关键参数,根据关联数据中的位置信息进行关键质量指标或关键绩效指标的栅格化。从而获取道路闭环边框区域内关键质量指标或关键绩效指标等的统计分析。
关联XDR数据后可获取相关覆盖指标,其中平均RSRP定义为道路闭环边框区域内所包含栅格内所有采样点的主服务小区RSRP电平值取平均值;良好覆盖率定义为道路闭环边框区域内所包含栅格内,RSRP≥-100dBm采样点与总采样点之比;弱覆盖率定义为道路闭环边框区域内所包含栅格内,RSRP≤-100dBm的采样点占比大于20%的栅格数量与有效栅格数量之比;满足弱覆盖率的道路栅格路段定义为覆盖问题的路段。具体的,如表一覆盖指标所示:
表一覆盖指标
在本实施例中,指标统计维度可按照聚焦、非聚焦、省份、地市、区县、行政区、单元进行展示。
步骤S108:对于每条道路的闭环区域,根据道路的闭环区域中每个道路栅格路段对应的关联数据,对道路的闭环区域的道路指标进行分析处理,以确定道路的闭环区域中存在覆盖问题的路段。
在本实施例中,根据道路闭环边框区域内所包含栅格的评估结果判断栅格路段是否为存在覆盖问题的路段。具体的,栅格内的采样点指标汇聚到栅格,通过不同指标的栅格定义判断该栅格是否属于覆盖问题栅格,再根据覆盖问题栅格汇聚到栅格路段中,通过不同类型的存在覆盖问题的路段的定义标注道路问题对象,由传统单个事件问题点转换为基于地理栅格化存在覆盖问题的路段识别网络问题,便于聚焦处理事件集中的问题严重路段。
在本实施例中,存在覆盖问题的路段支持按照不同区域进行统计,便于网格经理及网络优化人员直观的掌握自己负责区域内的不同属性的问题分布情况,制定有针对性的解决方案。
在本实施例中,有效栅格定义为满足连续一周采样点数大于300个采样点的栅格(采样点数可调整);覆盖问题栅格定义为有效栅格中,RSRP<-100的采样点占比大于30%的栅格(RSRP区间范围和区间范围的采样点占比可调整);存在覆盖问题的路段定义为栅格路段内,覆盖问题栅格占比(覆盖问题栅格数量/栅格路段内的所有有效栅格)大于20%的栅格路段。例如:100米路段宽50米,其中地理栅格50个,有效栅格20个(满足连续一周采样数大于300的栅格),其中弱覆盖栅格5个(有效栅格中,弱覆盖比例大于30%的栅格),前提还应满足20/50=40%,应大于20%,成为分析路段对象,该路段弱覆盖栅格占比达到25%,大于20%门限,因此识别为存在覆盖问题的路段。
在本实施例中,通过对第一待评估的地理区域进行栅格化处理,以获取多个栅格;获取与第一待评估的地理区域相关的MR数据,并分别根据每个MR数据中的经纬度信息,将每个MR数据与栅格进行匹配处理,以获取匹配后的第二待评估的地理区域;采用边框生成原理,对第二待评估的地理区域进行外扩栅格处理,以获取外扩后的第三待评估的地理区域;将5米高精准地图中的地物矢量与第三待评估的地理区域相关联,并分别确定第三待评估的地理区域中的每个栅格的属性信息;采用边框生成原理,并根据属性信息为道路栅格属性信息的栅格,从第三待评估的地理区域中获取多条道路的闭环区域;对于每条道路的闭环区域,确定道路的闭环区域下多个道路栅格路段;对于每条道路的闭环区域,获取与道路的闭环区域相关XDR数据,并将XDR数据与道路的闭环区域对应的MR数据进行关联处理,以分别将获取到的多个关联数据与道路的闭环区域的道路栅格路段进行匹配处理;对于每条道路的闭环区域,根据道路的闭环区域中每个道路栅格路段对应的关联数据,对道路的闭环区域的道路指标进行分析处理,以确定道路的闭环区域中存在覆盖问题的路段。相较于现有技术,网络优化通常采用传统路测模式来完成。具体的,在传统路测模式中,专业测试人员驾车经过目标路线,通过实地测试获取网络覆盖数据,本申请通过对道路属性栅格区域划分成道路栅格路段,匹配关联XDR数据和MR数据,根据关联数据确定覆盖问题的路段,提升路测效率,降低成本,避免采样数据具有局限性,精准定位网络中问题,并根据相关指标对问题进行分析诊断,全面反映用户感知,有效掌握全网的事件问题聚焦区域,对于相关覆盖问题可早于用户发现,及时解决相关问题,提升用户使用感受。
图3为本申请提供的一种道路覆盖的评估方法实施例二的流程示意图,如图2所示,该道路覆盖的评估方法具体包括以下步骤:
步骤S201:对第一待评估的地理区域进行栅格化处理,以获取多个栅格。
步骤S202:获取与第一待评估的地理区域相关的MR数据,并分别根据每个MR数据中的经纬度信息,将每个MR数据与栅格进行匹配处理,以获取匹配后的第二待评估的地理区域。
步骤S203:采用边框生成原理,对第二待评估的地理区域进行外扩栅格处理,以获取外扩后的第三待评估的地理区域。
步骤S204:将5米高精准地图中的地物矢量与第三待评估的地理区域相关联,并分别确定第三待评估的地理区域中的每个栅格的属性信息。
在本实施例中,将5米高精准地图中的地物矢量与第三待评估的地理区域相关联;若第三待评估的地理区域中的栅格所关联的对应的物理矢量为道路属性,则确定栅格的属性信息为道路栅格属性信息;若第三待评估的地理区域中的栅格所关联的对应的物理矢量为非道路属性,则确定栅格的属性信息为非道路栅格属性信息。属性信息为道路栅格属性信息的栅格作为道路指标统计和问题点管控的分析对象。
其中,道路属性包括如下一种或者几种组合:一级道路、二级道路、三级道路、四级道路和高速道路;非道路属性包括如下一种或者几种组合:市区、城区、高层建筑、工厂、商场和村庄。具体的,举例来说,属性信息与栅格所关联的对应的物理矢量如下表二属性信息与物理矢量所示:
表二属性信息与物理矢量
步骤S205:采用边框生成原理,并根据属性信息为道路栅格属性信息的栅格,从第三待评估的地理区域中获取多条道路的闭环区域。
在本实施例中,对道路的闭环区域赋予唯一ID号进行标识,道路的闭环区域赋予ID规则如下:
一级道路闭环区域ID编号:Pro-City-level 1-000001~N(N最大为6位数,999999),Pro为省份,City为城市归属省份;二级道路闭环区域ID编号:Pro-City-level 2-000001~N(N最大为6位数,999999),Pro为省份,City为城市归属省份;三级道路闭环区域ID编号:Pro-City-level 3-000001~N(N最大为6位数,999999),Pro为省份,City为城市归属省份;四级道路闭环区域ID编号:Pro-City-level 4-000001~N(N最大为6位数,999999),Pro为省份,City为城市归属省份;高速道路ID编号:Pro-City-Expressway-000001~N(N最大为4位数,9999),Pro为省份,City为城市归属省份。举例,如下表三道路闭环区域ID编号与属性信息所示:
表三道路闭环区域ID编号与属性信息
步骤S206:对于每条道路的闭环区域,确定道路的闭环区域下多个道路栅格路段。
在本实施例中,确定第三待评估的地理区域的场景类型;对于每条道路的闭环区域,根据场景类型匹配的栅格路段长度,对道路的闭环区域进行划分,以获取道路的闭环区域下多个道路栅格路段。
其中,场景类型包括如下一种或者几种组合:密集市区、一般城区、郊区和农村。
具体的,根据道路的闭环区域从道路起点开始,根据栅格长度(5米*5米、10米*10米、20米*20米、50米*50米),结合密集市区、一般城区、郊区、农村等不同场景,确定栅格路段长度,其中栅格路段长度可设置为50米、100米、200米、300米。由传统单个事件问题点转换为基于地理栅格路段来识别网络问题,便于聚焦处理事件集中的问题严重路段。
一般来说,对于场景类型为密集市区的道路的闭环区域,按照50米或100米的栅格路段长度对该闭环区域进行划分;对于场景类型为一般城区的道路的闭环区域,按照100米或200米的栅格路段长度对该闭环区域进行划分;对于场景类型为郊区或农村的道路的闭环区域,按照300米的栅格路段长度对该闭环区域进行划分。
在本实施例中,对闭环区域下的多个道路栅格路段赋予唯一标识。举例来说,如图4道路闭环区域下的多个道路栅格路段所示,图中从道路的闭环区域起点开始到道路终点,道路的闭环区域总长度600米,栅格长度10米*10米为例,对于密集市区按照50米的栅格路段长度对该闭环区域进行划分,可获取12个道路栅格路段,如图4(a)栅格路段长度为50米的道路栅格路段所示,每个栅格为10米*10米,栅格路段长度为50米,其中,栅格路段长度可视为标准长度路段,道路栅格路段编号规则如下:道路名称-标准长度路段标识(50米)-栅格路段ID号(000001~999999),则(a)中从道路起点至道路终点方向,第一个道路栅格路段编号为道路栅格路段编号:中山路-50-000001,第二个道路栅格路段编号为道路栅格路段编号:中山路-50-000002,第三个道路栅格路段编号为道路栅格路段编号:中山路-50-000003,以此类推,第十一个道路栅格路段编号为道路栅格路段编号:中山路-50-000011,第十二个道路栅格路段编号为道路栅格路段编号:中山路-50-000012;对于密集市区或一般城区按照100米的栅格路段长度对该闭环区域进行划分,可获取6个道路栅格路段,如图4(b)栅格路段长度为100米的道路栅格路段所示,每个栅格为10米*10米,栅格路段长度为1000米,其中,栅格路段长度可视为标准长度路段,道路栅格路段编号规则如下:道路名称-标准长度路段标识(100米)-栅格路段ID号(000001~999999),则(b)中从道路起点至道路终点方向,第一个道路栅格路段编号为道路栅格路段编号:中山路-100-000001,第二个道路栅格路段编号为道路栅格路段编号:中山路-100-000002,以此类推,第五个道路栅格路段编号为道路栅格路段编号:中山路-100-000005,第六个道路栅格路段编号为道路栅格路段编号:中山路-100-000006;对于一般城区按照200米的栅格路段长度对该闭环区域进行划分,可获取3个道路栅格路段,如图4(c)栅格路段长度为200米的道路栅格路段所示,每个栅格为10米*10米,栅格路段长度为200米,其中,栅格路段长度可视为标准长度路段,道路栅格路段编号规则如下:道路名称-标准长度路段标识(200米)-栅格路段ID号(000001~999999),则(c)中从道路起点至道路终点方向,第一个道路栅格路段编号为道路栅格路段编号:中山路-200-000001,以此类推,第三个道路栅格路段编号为道路栅格路段编号:中山路-200-000003;对于郊区或农村按照300米的栅格路段长度对该闭环区域进行划分,可获取2个道路栅格路段,如图4(d)栅格路段长度为300米的道路栅格路段所示,每个栅格为10米*10米,栅格路段长度为300米,其中,栅格路段长度可视为标准长度路段,道路栅格路段编号规则如下:道路名称-标准长度路段标识(300米)-栅格路段ID号(000001~999999),则(d)中从道路起点至道路终点方向,第一个道路栅格路段编号为道路栅格路段编号:中山路-300-000001,第二个道路栅格路段编号为道路栅格路段编号:中山路-300-000002。
步骤S207:对于每条道路的闭环区域,获取与道路的闭环区域相关XDR数据,并将XDR数据与道路的闭环区域对应的MR数据进行关联处理,以分别将获取到的多个关联数据与道路的闭环区域的道路栅格路段进行匹配处理。
在本实施例中,将MR数据中的位置信息和XDR数据中的感知信息进行结合处理。
步骤S208:对于每条道路的闭环区域,根据道路的闭环区域中每个道路栅格路段对应的关联数据,对道路的闭环区域的道路指标进行分析处理,以确定道路的闭环区域中存在覆盖问题的路段。
步骤S209:对于每条道路的闭环区域,确定道路的闭环区域中的存在覆盖问题的路段对应的优先级,并根据优先级从高到低的顺序,依次对存在覆盖问题的路段进行根因分析处理,以获取对应的优化方案。
在本实施例中,根据满足采样点条件,对不同长度的道路栅格路段按照覆盖定义采样点占比进行排序,基于分位数原理对存在覆盖问题的路段打分,完成对覆盖问题路段处理优先级的自动排序。
当道路问题分类完成后,可利用道路栅格路段的唯一标识编号,栅格内的采样点指标汇聚到栅格,通过不同指标的栅格定义判断是否属于覆盖问题栅格,再借助覆盖问题栅格汇聚到带有唯一标识编号的栅格路段中,可以从时间、空间和问题分类3个维度进行聚类评估,基于分位数原理实现对覆盖问题路段的打分,完成对覆盖问题路段处理优先级的自动排序,帮助网格经理及网优人员快速掌握道路问题最为严重的路段及长度,集中资源优先处理优先级最高且问题最严重的覆盖问题路段,提升问题解决效率也及时保障了用户感知。
具体的,基于每条道路的道路栅格路段唯一标识编号,基于概率分布的分位数算法,利用已有的历史数据,获取覆盖问题路段指标得分。具体来讲,对所选取的某条道路的闭环区域内的每一个道路栅格路段的历史数据从小到大排序,计算其分位数,确定不同门限对应的具体阈值。覆盖问题路段指标采用百分制计算评分,每项指标定义了6个门限,分别是零分门限、20分门限、40分门限、60分门限、80分门限和100分门限,不同门限对应的覆盖问题路段指标基于概率分布的分位数算法得出。指标差于零分门限得零分,优于100分门限得100分,其他区间基于前后门限值线性计算得分。举例来说,某一条路有44个栅格路段ID,覆盖问题路段指标Q1的排序=(44+1)*20%=45*20%=9,则取排序第9的覆盖问题路段对应指标为20分门限,假设排序第9的覆盖问题路段的对应指标为3.2%;覆盖问题路段指标Q2的排序=(44+1)*40%=45*40%=18,则取排序第18的覆盖问题路段对应指标为40分门限,假设排序第18的覆盖问题路段的对应指标为15.58%;覆盖问题路段指标Q3的排序=(44+1)*60%=45*60%=27,则取排序第27的覆盖问题路段对应指标为60分门限,假设排序第27的覆盖问题路段的对应指标为32.65%;覆盖问题路段指标Q4的排序=(44+1)*80%=45*80%=36,则取排序第36的覆盖问题路段对应指标为80分门限,假设排序第36的覆盖问题路段的对应指标为47.92%,具体的,如表四示例覆盖问题路段对应门限所示:
表四示例覆盖问题路段对应门限
对于不同门限间的线性计算得分,在本示例中,当某个栅格路段ID的覆盖问题路段指标为12.62%时,因12.62%处于门限1和门限2之间,则
因此该栅格路段ID的覆盖问题路段指标为12.62%的门限分数为35.22分。
每条道路的闭环区域道路栅格路段ID对应的覆盖问题路段分数范围为0~100分,分数越高表明该栅格路段ID存在覆盖问题越严重,需要重点优先关注处理,举例来说,如表五覆盖问题路段对应的得分所示:
表五覆盖问题路段对应的得分
在表二覆盖问题路段对应的得分中,中山路50-000001得分最高,应优先关注处理。
在本实施例中,可按照聚焦、非聚焦、省份、地市、区县、行政区、单元等维度对第三待评估的地理区域内每一条道路的覆盖问题路段的分类汇聚结果进行展示。
在本实施例中,根据专家经验对覆盖问题路段进行根因定位,通过引入AI算法提炼存在覆盖问题的路段的根因分析结论,优化根因的定位规则,同时根据一线人员现场处理反馈结果来验证现有的根因算法是否合理,通过AI算法实现对道路无线覆盖问题根因定位算法的迭代优化,提高道路覆盖问题解决方案的自动输出准确度,且输出的道路覆盖问题解决方案可作为提供给一线人员现场处理的参考分析意见。
道路覆盖问题的原因是无线网络覆盖范围不合理,一般基于宏站场景下无线网络覆盖问题主要分为弱覆盖、过覆盖、近覆盖和重叠覆盖四类。根据关联经纬度的MR数据中主服务小区TA、主服务小区RSRP及邻区RSRP构造的重叠覆盖率等指标来联合定位以上四类道路覆盖问题。
其中,TA表征的是用户与基站之间的距离,基于TA值可实现小区的覆盖分析,判断是否需要对小区天线做出调整,考察基站的覆盖区域是否合理,是否存在过覆盖和覆盖阴影区等问题,还可以利用TA辅助提供位置服务。
具体计算方法为:在随机接入过程,基站通过测量接收到导频信号来确定时间提前值,时间提前量取值范围为(0,1,2,……,1282)×16Ts;在无线资源控制协议(RadioResource Control;简称:RRC)连接状态下,基站基于测量对应用户的上行传输来确定每个UE的TA调整值,这个调整值的范围为(0,1,2,……,63)×16Ts;本次得到的最新的时间提前量即为上次记录的时间提前量与本次基站测量得到的调整值之和。1Ts对应的时间提前量距离为4.89m,可由下式获得:
距离=传播速度(光速)*[1Ts/2(上下行路径和)]
参照1Ts计算TA命令值对应的距离,具体的,TA取值范围及换算覆盖距离范围如表六TA取值范围及换算覆盖距离范围所示:从0到192Ts每16Ts为一个区间,对应MR.Tadv.00到MR.Tadv.11;从192Ts到1024Ts每32Ts为一个区间,对应MR.Tadv.12到MR.Tadv.37;从1024Ts到2048Ts每256Ts为一个区间,对应MR.Tadv.38到MR.Tadv.41;从2048Ts到4096Ts每1048Ts为一个区间,对应MR.Tadv.42和MR.Tadv.43;大于4096Ts为一个区间,对应MR.Tadv.44。
表六TA取值范围及换算覆盖距离范围
可通过TA值分析小区覆盖情况,对是否需要对小区天线做出调整进行判断,考察基站的覆盖区域是否合理,还可以利用TA辅助提供位置服务。
MR数据中包含TA值,具体的,如表七MR数据关联经纬度的部分具体内容所示:
表七MR数据关联经纬度的部分具体内容
其中,enb_id表示基站ID,eci表示演进通用陆地无线接入网络小区标识,orig_times表示时间,lte_scrsrp表示RSRP值,ltesctadv表示TA值,longitude表示经度,latitude表示纬度。
根据栅格中采样点的TA值,汇聚获取栅格的TA,利用测量数据区间分布和换算覆盖距离区间分布对应的换算关系,统计出栅格中不同覆盖范围的比例。
在本实施例中,重叠覆盖采样点定义为在覆盖道路的采样点RSRP大于-100dBm前提下,邻区间电平与MR采样点所属当前主服务小区的差值小于6dB的数量大于或等于3的采样点,如果MR采样点当前主服务小区与邻区间电平差值小于6dB的邻区数量等于3,这该MR采样点定义为重叠覆盖度为1,如果MR采样点当前主服务小区与邻区间电平差值小于6dB的邻区数量等于4,这该MR采样点定义为重叠覆盖度为2,依次类推,如果MR采样点当前主服务小区与邻区间电平差值小于6dB的邻区数量=n,这该MR采样点定义为重叠覆盖度为(n-2)。
具体的,如表八MR数据表所示,MR数据表中包含主服务小区电平强度和电平强度差值在6db以内邻区数量。
表八MR数据表
计算采样点的重叠覆盖度,根据栅格中每个采样点的重叠覆盖度,汇聚获取栅格的重叠覆盖度比例,统计栅格中不同重叠覆盖度占比。
在本实施例中,根据MR中主服务小区TA、主服务小区RSRP及邻区RSRP构造的重叠覆盖率等指标,结合宏站覆盖范围的站间距,制定道路覆盖类问题的室分覆盖、过覆盖、覆盖过近以及重叠覆盖等根因定位算法。
其中,在覆盖问题路段的所有覆盖问题栅格中,属于室分主服务小区属性的MR采样点所占比例大于或等于60%,则判断该覆盖问题路段的根因定位为室分覆盖;在覆盖问题路段的所有覆盖问题栅格中,TA大于2千米的MR采样点所占比例大于40%,则判断该覆盖问题路段的根因定位为过覆盖;在覆盖问题路段的所有覆盖问题栅格中,TA小于0.078千米的MR采样点所占比例大于40%,则判断该覆盖问题路段的根因定位为覆盖过近;在覆盖问题路段的所有覆盖问题栅格中,重叠覆盖度大于或等于1的MR采样点所占比例大于40%,则判断该覆盖问题路段的根因定位为重叠覆盖。如表九根因算法判断规则所示:
表九根因算法判断规则
具体的,存在覆盖问题的路段定义为栅格路段内,覆盖问题栅格占比(覆盖问题栅格数量/栅格路段内的所有有效栅格)大于20%的栅格路段,其中覆盖问题栅格定义为有效栅格中,RSRP<-100的采样点占比大于30%的栅格(RSRP区间范围和区间范围的采样点占比可调整),有效栅格定义为满足连续一周采样点数大于300个采样点的栅格(采样点数可调整)。对于室分覆盖的根因分析,可通过关联覆盖问题路段中的所有覆盖问题栅格里面的MR采样点的服务小区唯一标识(E-UTRAN Cell Identifier;简称:ECI)与小区工参的ECI,获取小区工参表中的服务小区ECI对应小区站点类型,判断MR采样点是否为室分小区;根据所有覆盖问题栅格中判断为室分主服务小区的MR采样点数量之和与所有覆盖问题栅格MR总采样点数量的比值,判断该比值是否大于或等于60%,从而判断该覆盖问题路段是否为室分覆盖导致的弱覆盖问题,具体的,服务小区ECI对应表八MR数据表中“sc_lcrid”。对于过覆盖的根因分析,可通过获取覆盖问题路段中的所有覆盖问题栅格里面的MR采样点的服务小区TA值,根据所有覆盖问题栅格中TA大于2千米的MR采样点数量之和与所有覆盖问题栅格MR总采样点数量的比值,判断该比值是否大于或等于40%,从而判断该覆盖问题路段是否为过覆盖导致的弱覆盖问题,其中,根据表六TA取值范围及换算覆盖距离范围可知,TA>2km对应MR_Tadv≥19,对应覆盖距离范围为2034米<TADV<2190米。对于覆盖过近的根因分析,可通过获取覆盖问题路段中的所有覆盖问题栅格里面的MR采样点的服务小区TA值,根据所有覆盖问题栅格中TA小于0.078千米的MR采样点数量之和与所有覆盖问题栅格MR总采样点数量的比值,判断该比值是否大于40%,从而判断该覆盖问题路段是否为覆盖过近导致的弱覆盖问题,其中,根据表六TA取值范围及换算覆盖距离范围可知,TA<78米对应MR_Tadv≤0,对应覆盖距离范围TADV<78米。对于重叠覆盖的根因分析,可通过获取覆盖问题路段中的所有覆盖问题栅格里面的MR采样点的重叠覆盖度,根据所有覆盖问题栅格中重叠覆盖度大于或等于1的MR采样点数量之和与所有覆盖问题栅格MR总采样点数量的比值,判断该比值是否大于40%,从而判断该覆盖问题路段是否为重叠覆盖导致的弱覆盖问题。
在本实施例中,对于以上专家经验设置的根因定位算法,通过引入AI算法中的极端梯度提升算法(Extreme Gradient Boosting;简称:XGboost),实现对覆盖道路问题的分拣,优化根因的判断规则,根据一线人员现场处理反馈结果来验证现有的根因算法是否合理,通过AI算法实现对道路无线覆盖问题根因定位算法的迭代优化,逐步实现道路覆盖问题解决方案的自动输出,作为提供给一线人员现场处理的参考分析意见。
其中,XGBoost在绝大多数的回归和分类问题上与传统的提升算法Boosting如梯度提升树算法(Gradient Boosting Decision Tree;简称:GBDT)比较,XGBoost算法优点在于:GBDT只利用了一阶导数的信息,而XGBoost对损失函数做了二阶泰勒展开,并且在目标函数中加入了正则项,用来权衡目标函数和模型的复杂程度,防止过拟合;Boost是串行过程,不能并行化且计算复杂度较高,也不适合高维稀疏特征,而XGBoost在特征粒度上可并行化计算且考虑训练数据为稀疏值的情况。
具体的,将MR数据和XDR数据作为XGBoost模型的输入数据;清洗整理MR和XDR原始数据中无效数据、空值数据以及超出范围的错误数据;筛选对道路覆盖问题根因定位产生影响的所有特征值,并对特征值进行特征处理,构建出所需数据集;根据数据集获取训练集和测试集,其中训练集用于XGboost模型训练,测试集用于校验完成训练的XGboost模型,XGboost模型的输出为道路覆盖问题的根因定位结果;将基于AI算法输出的道路覆盖问题根因定位结果,提供给一线人员处理,根据一线人员现场处理反馈结果验证现有的根因算法是否合理,若与现场人员的反馈结果基本一致,则证明输出根因定位结果准确,若不一致,则通过调整XGboost算法中的参数以及特征值范围,实现对道路无线覆盖问题根因定位算法的迭代优化,提升道路覆盖问题解决方案的自动输出准确度。
其中,特征值包括用于室分覆盖根因算法判断的服务小区ECI、用于过覆盖和覆盖过近根因算法判断的服务小区TA、用于重叠覆盖根因算法判断的电平强度差值再6db以内邻区数量以及XDR与MR数据关联回填。服务小区ECI对应MR数据中的sc_eci,服务小区TA对应MR数据中的sc_tadv,电平强度差值再6db以内邻区数量对应MR数据中的cell_cnt_in6db_count,XDR与MR数据关联回填数据,回填部分是根据关联部分得到的关联记录,将一一对应的MR数据中的测量信息、位置信息填写到存储XDR感知数据的表中。
在本实施例中,一线人员基于AI算法自动输出根因定位的道路覆盖问题定位原因完成覆盖问题路段处理后,根据XDR数据关联MR数据的汇聚结果自动判断该存在覆盖问题的路段是否恢复正常,形成道路栅格路段的问题点管控表,支持按区域统计,可以将问题解决情况、未解决问题分布、严重问题、遗留问题直观呈现,随时了解道路覆盖问题的解决进展。根据每周的指标统计,自动更新环比上周的新增问题路段数量、闭环问题路段数量以及全周期所有问题路段,形成全量覆盖问题路段管控表。全量覆盖问题路段管控表可按照聚焦、非聚焦、地市、区县、行政区、单元维度进行分区展示。其中,自动统计当前周期与上一周期覆盖问题路段环比,覆盖问题路段闭环率为覆盖问题路段闭环数量与各类问题路段数量之比;基于道路栅格路段唯一标识识别是否为同一问题路段,当前周期存在,上周期不存在,为新增覆盖问题路段,当前周期不存在,上一周期存在,为闭环覆盖问题路段,周期时间可根据需要自行设置。如表十全量覆盖问题路段管控表所示:
表十全量覆盖问题路段管控表
在本实施例中,可选择不同图层、不同区域、不同栅格路段场景类型以及栅格路段长度呈现覆盖类特征指标和覆盖问题路段,实现道路覆盖问题评估的虚拟路测地理化快速呈现,替代原有传统耗时耗力的人工分分析模式。
在本实施例中,通过将带有MR数据的栅格与5米精准地图匹配,汇聚栅格形成栅格路段,根据覆盖问题栅格判断所属路段判断是否为覆盖问题路段,对优先级高的覆盖问题路段进行根因定位,具体的,根据覆盖问题路段中的覆盖问题栅格获取该覆盖问题路段的根因定位,引入AI算法,实现对道路覆盖问题的根因分析结论的提炼,优化根因的定位规则,同时根据一线人员现场处理反馈结果验证现有的根因算法是否合理,通过AI算法实现对道路无线覆盖问题根因定位算法的迭代优化,提高道路覆盖问题解决方案的自动输出准确度。相较于现有技术通过网络优化通常采用传统路测模式来完成。具体的,在传统路测模式中,专业测试人员驾车经过目标路线,通过实地测试获取网络覆盖数据本申请提升路测效率,降低成本,避免采样数据具有局限性,精准定位网络中问题,并根据相关指标对问题进行分析诊断,全面反映用户感知,有效掌握全网的事件问题聚焦区域,对于相关覆盖问题可早于用户发现,及时解决相关问题,提升用户使用感受。
图5为本申请提供的一种道路覆盖的评估装置实施例的结构示意图,如图5所示,该道路覆盖的评估装置30包括:栅格处理模块31、关联处理模块32、分析处理模块33;其中栅格处理模块31,用于对第一待评估的地理区域进行栅格化处理,以获取多个栅格;栅格处理模块31,还用于获取与第一待评估的地理区域相关的MR数据,并分别根据每个MR数据中的经纬度信息,将每个MR数据与栅格进行匹配处理,以获取匹配后的第二待评估的地理区域;栅格处理模块31,还用于采用边框生成原理,对第二待评估的地理区域进行外扩栅格处理,以获取外扩后的第三待评估的地理区域;关联处理模块32,用于将5米高精准地图中的地物矢量与第三待评估的地理区域相关联,并分别确定第三待评估的地理区域中的每个栅格的属性信息;关联处理模块32,还用于采用边框生成原理,并根据属性信息为道路栅格属性信息的栅格,从第三待评估的地理区域中获取多条道路的闭环区域;关联处理模块32,还用于对于每条道路的闭环区域,确定道路的闭环区域下多个道路栅格路段;关联处理模块32,还用于对于每条道路的闭环区域,获取与道路的闭环区域相关XDR数据,并将XDR数据与道路的闭环区域对应的MR数据进行关联处理,以分别将获取到的多个关联数据与道路的闭环区域的道路栅格路段进行匹配处理;分析处理模块33,用于对于每条道路的闭环区域,根据道路的闭环区域中每个道路栅格路段对应的关联数据,对道路的闭环区域的道路指标进行分析处理,以确定道路的闭环区域中存在覆盖问题的路段。
本实施例中的对水坑攻击的处理装置可以执行上述图1所示的方法实例的,其实现原理和技术效果相类似,此处不再赘述。
在一种可能的实施方案中,分析处理模块33,还用于对于每条道路的闭环区域,确定道路的闭环区域中的存在覆盖问题的路段对应的优先级,并根据优先级从高到低的顺序,依次对存在覆盖问题的路段进行根因分析处理,以获取对应的优化方案。
在一种可能的实施方案中,关联处理模块具体用于:
将5米高精准地图中的地物矢量与第三待评估的地理区域相关联。
若第三待评估的地理区域中的栅格所关联的对应的物理矢量为道路属性,则确定栅格的属性信息为道路栅格属性信息。
若第三待评估的地理区域中的栅格所关联的对应的物理矢量为非道路属性,则确定栅格的属性信息为非道路栅格属性信息。
在一种可能的实施方案中,道路属性包括如下一种或者几种组合:一级道路、二级道路、三级道路、四级道路和高速道路。
非道路属性包括如下一种或者几种组合:市区、城区、高层建筑、工厂、商场和村庄。
在一种可能的实施方案中,还包括:确定模块34,用于确定第三待评估的地理区域的场景类型;
关联处理模块32具体用于:
对于每条道路的闭环区域,根据场景类型匹配的栅格路段长度,对道路的闭环区域进行划分,以获取道路的闭环区域下多个道路栅格路段。
在一种可能的实施方案中,场景类型包括如下一种或者几种组合:密集市区、一般城区、郊区和农村。
在一种可能的实施方案中,关联处理模块32具体用于:
将MR数据中的位置信息和XDR数据中的感知信息进行结合处理。
图6本申请提供的一种服务器的结构示意图,如图6所示,该服务器40包括:处理器41,存储器42,以及通信接口43;其中,存储器42用于存储处理器41可执行的可执行指令;处理器41配置为经由执行可执行指令来执行前述任一方法实施例中的技术方案。
可选的,存储器42既可以是独立的,也可以跟处理器41集成在一起。
可选的,当存储器42是独立于处理器41之外的器件时,服务器40还可以包括:总线,用于将上述器件连接起来。
该服务器用于执行前述任一方法实施例中的技术方案,其实现原理和技术效果类似,在此不再赘述。
本申请实施例还提供一种可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现前述任一实施例提供的技术方案。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
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,或对其中部分或全部技术特征进行等同替换;而这些修改或替换,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 (16)
1.一种道路覆盖的评估方法,其特征在于,包括:
对第一待评估的地理区域进行栅格化处理,以获取多个栅格;
获取与所述第一待评估的地理区域相关的MR数据,并分别根据每个所述MR数据中的经纬度信息,将每个MR数据与栅格进行匹配处理,以获取匹配后的第二待评估的地理区域;
采用边框生成原理,对所述第二待评估的地理区域进行外扩栅格处理,以获取外扩后的第三待评估的地理区域;
将5米高精准地图中的地物矢量与所述第三待评估的地理区域相关联,并分别确定所述第三待评估的地理区域中的每个栅格的属性信息;
采用所述边框生成原理,并根据属性信息为道路栅格属性信息的栅格,从所述第三待评估的地理区域中获取多条道路的闭环区域;
对于每条道路的闭环区域,确定所述道路的闭环区域下多个道路栅格路段;
对于每条道路的闭环区域,获取与所述道路的闭环区域相关XDR数据,并将所述XDR数据与所述道路的闭环区域对应的MR数据进行关联处理,以分别将获取到的多个关联数据与所述道路的闭环区域的道路栅格路段进行匹配处理;
对于每条道路的闭环区域,根据所述道路的闭环区域中每个道路栅格路段对应的关联数据,对所述道路的闭环区域的道路指标进行分析处理,以确定所述道路的闭环区域中存在覆盖问题的路段。
2.根据权利要求1所述的道路覆盖的评估方法,其特征在于,所述方法还包括:
对于每条道路的闭环区域,确定所述道路的闭环区域中的存在覆盖问题的路段对应的优先级,并根据优先级从高到低的顺序,依次对存在覆盖问题的路段进行根因分析处理,以获取对应的优化方案。
3.根据权利要求1所述的道路覆盖的评估方法,其特征在于,所述将5米高精准地图中的地物矢量与所述第三待评估的地理区域相关联,并分别确定所述第三待评估的地理区域中的每个栅格的属性信息,包括:
将所述5米高精准地图中的地物矢量与所述第三待评估的地理区域相关联;
若所述第三待评估的地理区域中的栅格所关联的对应的物理矢量为道路属性,则确定所述栅格的属性信息为道路栅格属性信息;
若所述第三待评估的地理区域中的栅格所关联的对应的物理矢量为非道路属性,则确定所述栅格的属性信息为非道路栅格属性信息。
4.根据权利要求3所述的道路覆盖的评估方法,其特征在于,所述道路属性包括如下一种或者几种组合:一级道路、二级道路、三级道路、四级道路和高速道路;
所述非道路属性包括如下一种或者几种组合:市区、城区、高层建筑、工厂、商场和村庄。
5.根据权利要求1至4任一所述的道路覆盖的评估方法,其特征在于,还包括:
确定所述第三待评估的地理区域的场景类型;
则所述对于每条道路的闭环区域,确定所述道路的闭环区域下多个道路栅格路段,包括:
对于每条道路的闭环区域,根据所述场景类型匹配的栅格路段长度,对所述道路的闭环区域进行划分,以获取所述道路的闭环区域下多个道路栅格路段。
6.根据权利要求5所述的道路覆盖的评估方法,其特征在于,所述场景类型包括如下一种或者几种组合:密集市区、一般城区、郊区和农村。
7.根据权利要求1至4任一所述的道路覆盖的评估方法,其特征在于,所述将所述XDR数据与所述道路的闭环区域对应的MR数据进行关联处理,包括:
将MR数据中的位置信息和所述XDR数据中的感知信息进行结合处理。
8.一种道路覆盖的评估装置,其特征在于,包括:
栅格处理模块,用于对第一待评估的地理区域进行栅格化处理,以获取多个栅格;
所述栅格处理模块,还用于获取与所述第一待评估的地理区域相关的MR数据,并分别根据每个所述MR数据中的经纬度信息,将每个MR数据与栅格进行匹配处理,以获取匹配后的第二待评估的地理区域;
所述栅格处理模块,还用于采用边框生成原理,对所述第二待评估的地理区域进行外扩栅格处理,以获取外扩后的第三待评估的地理区域;
关联处理模块,用于将5米高精准地图中的地物矢量与所述第三待评估的地理区域相关联,并分别确定所述第三待评估的地理区域中的每个栅格的属性信息;
所述关联处理模块,还用于采用所述边框生成原理,并根据属性信息为道路栅格属性信息的栅格,从所述第三待评估的地理区域中获取多条道路的闭环区域;
所述关联处理模块,还用于对于每条道路的闭环区域,确定所述道路的闭环区域下多个道路栅格路段;
所述关联处理模块,还用于对于每条道路的闭环区域,获取与所述道路的闭环区域相关XDR数据,并将所述XDR数据与所述道路的闭环区域对应的MR数据进行关联处理,以分别将获取到的多个关联数据与所述道路的闭环区域的道路栅格路段进行匹配处理;
分析处理模块,用于对于每条道路的闭环区域,根据所述道路的闭环区域中每个道路栅格路段对应的关联数据,对所述道路的闭环区域的道路指标进行分析处理,以确定所述道路的闭环区域中存在覆盖问题的路段。
9.根据权利要求8所述的道路覆盖的评估装置,其特征在于,所述分析处理模块,还用于对于每条道路的闭环区域,确定所述道路的闭环区域中的存在覆盖问题的路段对应的优先级,并根据优先级从高到低的顺序,依次对存在覆盖问题的路段进行根因分析处理,以获取对应的优化方案。
10.根据权利要求8所述的道路覆盖的评估装置,其特征在于,所述关联处理模块具体用于:
将所述5米高精准地图中的地物矢量与所述第三待评估的地理区域相关联;
若所述第三待评估的地理区域中的栅格所关联的对应的物理矢量为道路属性,则确定所述栅格的属性信息为道路栅格属性信息;
若所述第三待评估的地理区域中的栅格所关联的对应的物理矢量为非道路属性,则确定所述栅格的属性信息为非道路栅格属性信息。
11.根据权利要求10所述的道路覆盖的评估装置,其特征在于,所述道路属性包括如下一种或者几种组合:一级道路、二级道路、三级道路、四级道路和高速道路;
所述非道路属性包括如下一种或者几种组合:市区、城区、高层建筑、工厂、商场和村庄。
12.根据权利要求8至11任一所述的道路覆盖的评估装置,其特征在于,还包括:
确定模块,用于确定所述第三待评估的地理区域的场景类型;
所述关联处理模块具体用于:
对于每条道路的闭环区域,根据所述场景类型匹配的栅格路段长度,对所述道路的闭环区域进行划分,以获取所述道路的闭环区域下多个道路栅格路段。
13.根据权利要求12所述的道路覆盖的评估装置,其特征在于,所述场景类型包括如下一种或者几种组合:密集市区、一般城区、郊区和农村。
14.根据权利要求8至11任一所述的道路覆盖的评估装置,其特征在于,所述关联处理模块具体用于:
将MR数据中的位置信息和所述XDR数据中的感知信息进行结合处理。
15.一种服务器,其特征在于,包括:
处理器,存储器,通信接口;
所述存储器用于存储所述处理器可执行的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任一项所述的道路覆盖的评估方法。
16.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的道路覆盖的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211376187.6A CN115835261A (zh) | 2022-11-04 | 2022-11-04 | 一种道路覆盖的评估方法、装置、服务器及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211376187.6A CN115835261A (zh) | 2022-11-04 | 2022-11-04 | 一种道路覆盖的评估方法、装置、服务器及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115835261A true CN115835261A (zh) | 2023-03-21 |
Family
ID=85526618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211376187.6A Pending CN115835261A (zh) | 2022-11-04 | 2022-11-04 | 一种道路覆盖的评估方法、装置、服务器及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115835261A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114173356A (zh) * | 2021-11-04 | 2022-03-11 | 中国联合网络通信集团有限公司 | 网络质量的检测方法、装置、设备及存储介质 |
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 |
-
2022
- 2022-11-04 CN CN202211376187.6A patent/CN115835261A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114173356A (zh) * | 2021-11-04 | 2022-03-11 | 中国联合网络通信集团有限公司 | 网络质量的检测方法、装置、设备及存储介质 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110677859B (zh) | 弱覆盖区域的确定方法、装置和计算机可读存储介质 | |
CN114173356B (zh) | 网络质量的检测方法、装置、设备及存储介质 | |
CN109982366B (zh) | 基于大数据的目标价值区域分析方法、装置、设备及介质 | |
CN105744535B (zh) | 移动网络小区信息侦测与覆盖标定方法 | |
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 | |
CN102332210B (zh) | 基于手机定位数据的实时城市道路交通流数据提取方法 | |
CN106658399B (zh) | 一种基于手机用户位置指纹进行手机位置定位的方法 | |
US10306415B2 (en) | Method for positioning using wireless signal and positioning server | |
CN111901750B (zh) | 一种定位方法、装置、电子设备以及存储介质 | |
CN107333232A (zh) | 一种终端定位方法及网络设备 | |
US20140274149A1 (en) | System and Method for Localizing Wireless Devices | |
CN109246592A (zh) | 一种用户终端位置信息的获取方法及装置 | |
CN105472644A (zh) | 基于用户行为特征的深度覆盖网络质量评估方法和*** | |
JPWO2012105516A1 (ja) | 端末数推計装置及び端末数推計方法 | |
CN103929751B (zh) | 一种确定不同网络中覆盖共同区域的小区对的方法及装置 | |
CN105206057A (zh) | 基于浮动车居民出行热点区域的检测方法及*** | |
US12047902B2 (en) | Method and apparatus for obtaining emission probability, method and apparatus for obtaining transition probability, and sequence positioning method and apparatus | |
CN108632832B (zh) | 网络覆盖分析方法及*** | |
CN111787488B (zh) | 一种用户定位方法及*** | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、***及电子设备 | |
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 | |
CN108307316A (zh) | 基于s1-mme数据的快速移动用户高精度判别方法 | |
CN110727752B (zh) | 位置指纹库处理方法、设备及计算机可读存储介质 | |
CN115835261A (zh) | 一种道路覆盖的评估方法、装置、服务器及介质 | |
CN107182062A (zh) | Lte网络中物理小区优化方法及装置 |
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 |