热点区域自动识别方法和装置制造方法及图纸

本发明专利技术涉及热点区域自动识别方法和装置。该方法包括：在出现用户数大于第一门限和/或业务量大于第二门限的待识别小区的情况下，触发针对待识别小区的热点区域识别步骤。热点区域识别步骤包括：获取待识别小区的共站邻区和各邻站邻区在相同时刻下的相关业务数据；以共站邻区为中心原点，连接到各邻站邻区确定覆盖面积；根据共站邻区、各邻站邻区的业务数据、覆盖面积，计算覆盖面积对应的业务密度数据；从覆盖面积内共站邻区和各邻站邻区的历史周期的业务密度数据中提取有效数据，计算对应的动态基线；根据动态基线和预先设置的容忍度，确定热点原始区域；基于热点原始区域构成热点区域。本发明专利技术可以自动进行热点区域识别，准确性高，效率高。

【技术实现步骤摘要】

本专利技术涉及通信
，尤其涉及一种热点区域自动识别方法和装置。
技术介绍
当前移动无线网络处于快速发展阶段，网络负荷开始面临大业务量考验，在局部热点区域已呈现出高用户密度、高并发、大流量的特征。及时掌握并确保热点区域的业务质量与客户感知，是网络运营工作的重点。现有的热点区域监控能力主要通过事先划定好可能发生业务热点的范围，人工梳理出需要重点关注的网元，在保障期间进行持续关注。该方法能够将网络监控范围精准到热点区域，解决对日常可预见性的热点区域业务负荷及网络质量的监控能效。但是人工干预设定热点区域具有一定的局限性，人工梳理及手工配置的人力成本消耗高，立足于该方案的信令大数据分析热点区域自动捕获能力更加凸显高效。根据当前信令数据采集能力，要实现热点区域自动捕获及业务质量监控，存在的问题与缺陷，有以下几点：1、信令大数据实时采集能力目前有待进一步提升，特别针对指标数据的时延控制能力存在缺口，该缺口伴随着采集范围的扩大存在加大恶化的表现。数据时延将直接影响到对热点区域突然并发问题的捕获能力。2、底层数据来源多样性，涉及信令、网管、拨测、路测，将对上层数据汇聚提高难度，将不同数据源、不同时间维度、不同时延、进行汇聚复合运算，对数据处理层的逻辑运算能力有很高的要求。3、热点识别采用动态基线，横向比对算法，生成动态基线的历史数据都是基于5分钟采集、全网小区粒度，同时因热点区域的突发性，无法提前约定需要横向比对的数据范围，故全部动态基线都将是实时触发计算，这种计算方法的效率较低。
技术实现思路
技术问题有鉴于此，本专利技术要解决的技术问题是，如何自动识别热点区域。解决方案本专利技术提供一种热点区域自动识别方法，包括：在出现用户数大于第一门限和/或业务量大于第二门限的待识别小区的情况下，触发针对所述待识别小区的热点区域识别步骤；所述热点区域识别步骤包括：获取所述待识别小区的共站邻区和各邻站邻区在相同时刻下的相关业务数据；以所述共站邻区为中心原点，连接到所述共站邻区周边的各所述邻站邻区，以确定覆盖面积；根据所述共站邻区的业务数据、各所述邻站邻区的业务数据和所述覆盖面积，计算出所述覆盖面积对应的业务密度数据；从所述覆盖面积内的全部所述共站邻区和各所述邻站邻区的历史周期的业务密度数据中，提取出有效数据，并计算出对应的动态基线；根据所述动态基线和预先设置的容忍度，确定所述覆盖面积是否属于热点原始区域；基于所述热点原始区域构成热点区域。对于上述方法，在一种可能的实现方式中，基于所述热点原始区域构成热点区域包括：在存在多个热点原始区域的情况下，将边界相邻的热点原始区域进行合并以构成热点区域。对于上述方法，在一种可能的实现方式中，从所述覆盖面积内的全部所述共站邻区和各所述邻站邻区的历史周期的业务密度数据中，提取出有效数据，并计算出对应的动态基线，包括：从所述覆盖面积内的所述共站邻区和各所述邻站邻区中提取用户数和/或业务量在d天内的历史周期的业务密度数据；根据预先设定的有效值的百分比a％，从所提取的历史周期的业务密度数据中选取d*a％个有效数据，其中，所述有效数据为所提取的历史周期的业务密度数据中方差最小的d*a％个数据；计算所选取的d*a％个有效数据的平均值E和方差sigma，并采用式M＝E+sigma计算所述动态基线M。对于上述方法，在一种可能的实现方式中，根据所述动态基线和预先设置的容忍度确定所述覆盖面积是否属于热点原始区域，包括：采用式M*(1+rn)来计算第n级的业务波动门限，其中，rn为业务波动级别为n级的容忍度，n为正整数；将所述覆盖面积的历史周期的业务密度数据的波动情况和业务波动门限进行比较，确定所述覆盖面积是否属于热点原始区域。对于上述方法，在一种可能的实现方式中，还包括：根据所述覆盖面积所属的业务波动级别，在GIS地图上采用相应颜色进行渲染。本专利技术还提供一种热点区域自动识别方法，包括：根据预先设定的小区业务质量指标劣化门限，触发针对待识别小区的热点区域识别步骤；所述热点区域识别步骤包括：根据所述待识别小区的共站邻区与在所述共站邻区周边的各邻站邻区的相同业务质量指标劣化的情况，查找各同质劣化小区；根据所查找到的同质劣化小区的数量相对于本次热点识别过程中所分析的关联邻区的占比，触发热点区域确定过程，所述触发热点区域确定过程包括将本次热点识别过程中的所分析的关联邻区进行封闭连接以形成热点区域。对于上述方法，在一种可能的实现方式中，根据所述待识别小区的共站邻区与在所述共站邻区周边的各邻站邻区的相同业务质量指标劣化的情况，查找各同质劣化小区，包括：在所述待识别小区的共站邻区与各邻站邻区存在相同业务质量指标劣化的情况下，查找是否存在所述待识别小区的同质劣化小区；如果存在，则根据当前查找到的同质劣化小区执行查找步骤，所述查找步骤包括：查找所述当前查找到的同质劣化小区的共站邻区与邻站邻区中是否存在当前查找到的同质劣化小区的同质劣化小区；如果存在，则根据当前查找到的同质劣化小区继续执行所述查找步骤，直至查找不到当前查找到的同质劣化小区的同质劣化小区为止。对于上述方法，在一种可能的实现方式中，还包括：根据所述热点区域内各小区的业务质量劣化级别，在GIS地图上采用相应颜色进行渲染。本专利技术还提供一种热点区域自动识别装置，包括：触发模块，用于在出现用户数大于第一门限和/或业务量大于第二门限的待识别小区的情况下，触发热点区域识别模块对所述待识别小区进行热点区域识别；所述热点区域识别模块包括：业务数据获取单元，用于获取所述待识别小区的共站邻区和各邻站邻区在相同时刻下的业务数据；覆盖面积确定单元，用于以所述共站邻区为中心原点，连接到所述共站邻区周边的各所述邻站邻区，以确定覆盖面积；业务密度计算单元，用于根据所述共站邻区的业务数据、各所述邻站邻区的业务数据和所述覆盖面积，计算出所述覆盖面积对应的业务密度数据；动态基线计算单元，用于从所述覆盖面积内的全部所述共站邻区和各所述邻站邻区的历史周期的业务密度数据中，提取出有效数据，并计算出对应的动态基线；热点区域确定单元，用于根据所述动态基线和预先设置的容忍度，确定所述覆盖面积是否属于热点原始区域；基于所述热点原始区域构成热点区域。对于上述装置，在一种可能的实现方式中，所述热点区域确定单元还用于在存在多个热点原始区域的情况下，将边界相邻的热点原始区域进行合并以构成热点区域。对于上述装置，在一种可能的实现方式中，所述动态基线计算单元还用于：从所述覆盖面积内的所述共站邻区和各所述邻站邻区中提取用户数和/或业务量在d天内的历史周期的业务密度数据；根据预先设定的有效值的百分比a％，从所提取的历史周期的业务密度数据中选取d*a％个有效数据，其中，所述有效数据为所提取的历史周期的业务密度数据中方差最小的d*a％个数据；计算所选取的d*a％个有效数据的平均值E和方差sigma，并采用式M＝E+sigma计算所述动态基线M。对于上述装置，在一种可能的实现方式中，所述热点区域确定单元还用于：采用式M*(1+rn)来计算第n级的业务波动门限，其中，rn为业务波动级别为n级的容忍度，n为正整数；将所述覆盖面积的历史周期的业务密度数据的波动情况和业务波动门限进行比较，确定所述覆盖面积是否属于热点原始区域。对于上述装置本文档来自技高网...

【技术保护点】
一种热点区域自动识别方法，其特征在于，包括：在出现用户数大于第一门限和/或业务量大于第二门限的待识别小区的情况下，触发针对所述待识别小区的热点区域识别步骤；所述热点区域识别步骤包括：获取所述待识别小区的共站邻区和各邻站邻区在相同时刻下的相关业务数据；以所述共站邻区为中心原点，连接到所述共站邻区周边的各所述邻站邻区，以确定覆盖面积；根据所述共站邻区的业务数据、各所述邻站邻区的业务数据和所述覆盖面积，计算出所述覆盖面积对应的业务密度数据；从所述覆盖面积内的全部所述共站邻区和各所述邻站邻区的历史周期的业务密度数据中，提取出有效数据，并计算出对应的动态基线；根据所述动态基线和预先设置的容忍度，确定所述覆盖面积是否属于热点原始区域；基于所述热点原始区域构成热点区域。

【技术特征摘要】
1.一种热点区域自动识别方法，其特征在于，包括：在出现用户数大于第一门限和/或业务量大于第二门限的待识别小区的情况下，触发针对所述待识别小区的热点区域识别步骤；所述热点区域识别步骤包括：获取所述待识别小区的共站邻区和各邻站邻区在相同时刻下的相关业务数据；以所述共站邻区为中心原点，连接到所述共站邻区周边的各所述邻站邻区，以确定覆盖面积；根据所述共站邻区的业务数据、各所述邻站邻区的业务数据和所述覆盖面积，计算出所述覆盖面积对应的业务密度数据；从所述覆盖面积内的全部所述共站邻区和各所述邻站邻区的历史周期的业务密度数据中，提取出有效数据，并计算出对应的动态基线；根据所述动态基线和预先设置的容忍度，确定所述覆盖面积是否属于热点原始区域；基于所述热点原始区域构成热点区域。2.根据权利要求1所述的方法，其特征在于，基于所述热点原始区域构成热点区域包括：在存在多个热点原始区域的情况下，将边界相邻的热点原始区域进行合并以构成热点区域。3.根据权利要求1或2所述的方法，其特征在于，从所述覆盖面积内的全部所述共站邻区和各所述邻站邻区的历史周期的业务密度数据中，提取出有效数据，并计算出对应的动态基线，包括：从所述覆盖面积内的所述共站邻区和各所述邻站邻区中提取用户数和/或业务量在d天内的历史周期的业务密度数据；根据预先设定的有效值的百分比a％，从所提取的历史周期的业务密度数据中选取d*a％个有效数据，其中，所述有效数据为所提取的历史周期的业务密度数据中方差最小的d*a％个数据；计算所选取的d*a％个有效数据的平均值E和方差sigma，并采用式M＝E+sigma计算所述动态基线M。4.根据权利要求3所述的方法，其特征在于，根据所述动态基线和预先设置的容忍度确定所述覆盖面积是否属于热点原始区域，包括：采用式M*(1+rn)来计算第n级的业务波动门限，其中，rn为业务波动级别为n级的容忍度，n为正整数；将所述覆盖面积的历史周期的业务密度数据的波动情况和业务波动门限进行比较，确定所述覆盖面积是否属于热点原始区域。5.根据权利要求4所述的方法，其特征在于，还包括：根据所述覆盖面积所属的业务波动级别，在GIS地图上采用相应颜色进行渲染。6.一种热点区域自动识别方法，其特征在于，包括：根据预先设定的小区业务质量指标劣化门限，触发针对待识别小区的热点区域识别步骤；所述热点区域识别步骤包括：根据所述待识别小区的共站邻区与在所述共站邻区周边的各邻站邻区的相同业务质量指标劣化的情况，查找各同质劣化小区；根据所查找到的同质劣化小区的数量相对于本次热点识别过程中所分析的关联邻区的占比，触发热点区域确定过程，所述触发热点区域确定过程包括将本次热点识别过程中的所分析的关联邻区进行封闭连接以形成热点区域。7.根据权利要求6所述的方法，其特征在于，根据所述待识别小区的共站邻区与在所述共站邻区周边的各邻站邻区的相同业务质量指标劣化的情况，查找各同质劣化小区，包括：在所述待识别小区的共站邻区与各邻站邻区存在相同业务质量指标劣化的情况下，查找是否存在所述待识别小区的同质劣化小区；如果存在，则根据当前查找到的同质劣化小区执行查找步骤，所述查找步骤包括：查找所述当前查找到的同质劣化小区的共站邻区与邻站邻区中是否存在当前查找到的同质劣化小区的同质劣化小区；如果存在，则根据当前查找到的同质劣化小区继续执行所述查找步骤，直至查找不到当前查找到的同质劣化小区的同质劣化小区为止。8.根据权利要求7所述的方法，其特征在于，还包括：根据所述热点区域内各小区的业务质量劣化级别，在GIS地图上采用相应颜色进行渲...

【专利技术属性】
技术研发人员：鲁向东，
申请(专利权)人：鲁向东，
类型：发明
国别省市：北京;11