用于基站节能的处理方法和处理装置制造方法及图纸

本公开提供了一种用于基站节能的处理方法和处理装置。该方法包括：获取基站的工参数据和MR数据，工参数据包括测量得到的基站经纬度数据，MR数据包括用户终端上报的终端经纬度数据；对MR数据进行栅格化处理以得到栅格MR数据，并根据栅格MR数据计算得到基站的经纬度数据的计算值，其中，栅格MR数据包括栅格经纬度；将基站的经纬度数据的计算值与工参数据中的基站经纬度数据进行对比以选择得到用于输入负载预测模型的基站的工参数据；将所选择的基站的工参数据输入负载预测模型以进行负载预测模型的训练和预测；以及根据负载流量预测模型的预测结果下发相应的节电关断策略。型的预测结果下发相应的节电关断策略。型的预测结果下发相应的节电关断策略。

【技术实现步骤摘要】
用于基站节能的处理方法和处理装置


[0001]本公开涉及通信
，特别涉及一种用于基站节能的处理方法和处理装置。

技术介绍

[0002]在5G(5th generation mobile communication technology，第五代移动通信技术)时代，MIMO(multiple input multiple output，多进多出)等新技术的引进将使得5G网络功耗超过4G网络功耗的5-12倍，而且网络操维难度增加。基站主设备的高能耗问题是运营商迫切解决的问题。目前较为流行的一种基站节能方案是，利用AI(Artificial Intelligence，人工智能)技术进行负载预测，提前制定基站射频关断策略，达到节能的目的。

技术实现思路

[0003]本公开的专利技术人发现，在相关技术中利用AI技术进行负载预测实现射频节能的方法存在如下技术问题：基于AI技术进行负载预测时，没有提前对工参(即工程参数)中的经纬度进行校验，工参数据存在错误或者更新不及时的问题，如不进行提前校验，会降低模型预测的准确性，进而影响节能效果。
[0004]鉴于此，本公开的实施例提供了一种用于基站节能的处理方法，以提高模型预测的准确性。
[0005]根据本公开的一个方面，提供了一种用于基站节能的处理方法，包括：获取基站的工参数据和测量报告MR数据，所述工参数据包括测量得到的基站经纬度数据，所述MR数据包括用户终端上报的终端经纬度数据；对所述MR数据进行栅格化处理以得到栅格MR数据，并根据所述栅格MR数据计算得到所述基站的经纬度数据的计算值，其中，所述栅格MR数据包括栅格经纬度；将所述基站的经纬度数据的计算值与所述工参数据中的基站经纬度数据进行对比以选择得到用于输入负载预测模型的基站的工参数据；将所选择的基站的工参数据输入所述负载预测模型以进行负载预测模型的训练和预测；以及根据所述负载流量预测模型的预测结果下发相应的节电关断策略。
[0006]在一些实施例中，所述工参数据还包括测量得到的所述基站的方向角数据，所述MR数据还包括所述用户终端上报的终端所在的方向角数据，所述栅格MR数据还包括栅格方向角；所述处理方法还包括：根据所选择的基站的工参数据中的方向角数据和与所选择的基站对应的栅格MR数据中的栅格方向角选择用于判定共覆盖小区的基站的工参数据；以及根据用于判定共覆盖小区的基站的工参数据获取共覆盖小区；所述下发相应的节电关断策略的步骤包括：根据所述负载流量预测模型的预测结果和所获取的共覆盖小区下发相应的节电关断策略。
[0007]在一些实施例中，所述栅格MR数据还包括：基站类型、平均参考信号接收功率RSRP、基站标识、栅格方向角和栅格内MR数量；根据所述栅格MR数据计算得到所述基站的经纬度数据的计算值的步骤包括：选择基站类型为室外基站、与包含预定个数小区的基站对
应的且所述平均RSRP大于第一阈值的栅格MR数据；根据所述基站标识和所述基站的方向角数据对所述栅格MR数据进行分组，以将所述栅格MR数据分到相应的小区；对每个小区内的栅格MR数据进行异常点检测，以去除异常的栅格MR数据；根据剩余的栅格MR数据中的栅格经纬度计算每个基站的每个小区的平均经纬度；以及根据每个基站的每个小区的平均经纬度计算该基站的平均经纬度，即为所述基站的经纬度数据的计算值。
[0008]在一些实施例中，将所述基站的经纬度数据的计算值与所述工参数据中的基站经纬度数据进行对比的步骤包括：按照距离计算方法计算所述基站的经纬度的计算值与所述工参数据中的所述基站经纬度数据之间的距离关系值；选择所述距离关系值小于第二阈值的基站的工参数据作为用于输入所述负载预测模型的基站的工参数据。
[0009]在一些实施例中，对每个小区内的栅格MR数据进行异常点检测的步骤包括：设定临界点K值为K＝第三阈值＊每个小区中的栅格内MR数量的总和，其中，第三阈值为百分比；利用所述临界点K值计算每个小区内各个栅格MR数据的局部离群因子LOF值；以及去除所述LOF值大于第四阈值的栅格MR数据。
[0010]在一些实施例中，根据所选择的基站的工参数据中的方向角数据和与所选择的基站对应的栅格MR数据中的栅格方向角选择用于判定共覆盖小区的基站的工参数据的步骤包括：对所选择的基站的栅格MR数据按照基站标识和所述基站的方向角数据进行分组，计算每组中每个栅格内的MR数量与所述每组中的MR数量的总数的比值，并去除比值小于第五阈值的栅格MR数据；按照基站标识将剩余的栅格MR数据再次分组，并利用高斯核密度函数将再次分组后的每组内的栅格MR数据进行小区分类；利用经过小区分类所得到的每个小区内的每个栅格MR数据的栅格经纬度计算每个栅格的方向角数据；根据每个小区内的每个栅格的方向角数据计算每个小区的方向角数据的平均值，作为每个小区的方向角；计算基站的所述每个小区的方向角和所述工参数据中的所述基站的方向角数据的差值，并计算所述差值的平均值；以及将所述差值的平均值小于第六阈值的基站的工参数据作为用于判定共覆盖小区的基站的工参数据。
[0011]在一些实施例中，将所选择的基站的工参数据输入所述负载预测模型以进行负载预测模型的训练和预测的步骤包括：对所选择的基站的工参数据进行异常点去除处理；利用密度聚类算法对所述工参数据中的基站经纬度数据所表示的预测点进行聚类并构造用于负载预测模型训练的特征，挖掘所述预测点之间的密度关系，以表征所述预测点之间的聚类关系；以及在对所述预测点进行聚类并构造所述特征之后，利用所选择的基站的工参数据、所述特征和相应的性能指标数据基于机器学习算法进行模型训练，并进行模型准确率评估。
[0012]在一些实施例中，所述基站的工参数据还包括基站的频段；根据用于判定共覆盖小区的基站的工参数据获取共覆盖小区的步骤包括：根据频段将多个小区两两组合，分别得到与两个频段对应的两个小区；根据与所述两个小区对应的两个用于判定共覆盖小区的基站的工参数据中的基站经纬度数据计算所述两个小区的距离，并计算与所述两个小区对应的两个用于判定共覆盖小区的基站的工参数据中的基站的方向角数据的差值；以及在所述两个小区的距离小于第七阈值且所述方向角数据的差值小于第八阈值的情况下，确定所述两个小区为共覆盖小区。
[0013]在一些实施例中，所述处理方法还包括：以用户感知指标为优化目标，对所述负载
流量预测模型的预测结果和节电关断策略进行迭代。
[0014]根据本公开的另一个方面，提供了一种用于基站节能的处理装置，包括：获取单元，用于获取基站的工参数据和测量报告MR数据，所述工参数据包括测量得到的基站经纬度数据，所述MR数据包括用户终端上报的终端经纬度数据；数据处理单元，用于对所述MR数据进行栅格化处理以得到栅格MR数据，并根据所述栅格MR数据计算得到所述基站的经纬度数据的计算值，其中，所述栅格MR数据包括栅格经纬度；参数选择单元，用于将所述基站的经纬度数据的计算值与所述工参数据中的基站经纬度数据进行对比以选择得到用于输入负载预测模型的基站的工参数据；训练预测单元，用于将所选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于基站节能的处理方法，包括：获取基站的工参数据和测量报告MR数据，所述工参数据包括测量得到的基站经纬度数据，所述MR数据包括用户终端上报的终端经纬度数据；对所述MR数据进行栅格化处理以得到栅格MR数据，并根据所述栅格MR数据计算得到所述基站的经纬度数据的计算值，其中，所述栅格MR数据包括栅格经纬度；将所述基站的经纬度数据的计算值与所述工参数据中的基站经纬度数据进行对比以选择得到用于输入负载预测模型的基站的工参数据；将所选择的基站的工参数据输入所述负载预测模型以进行负载预测模型的训练和预测；以及根据所述负载流量预测模型的预测结果下发相应的节电关断策略。2.根据权利要求1所述的处理方法，其中，所述工参数据还包括测量得到的所述基站的方向角数据，所述MR数据还包括所述用户终端上报的终端所在的方向角数据，所述栅格MR数据还包括栅格方向角；所述处理方法还包括：根据所选择的基站的工参数据中的方向角数据和与所选择的基站对应的栅格MR数据中的栅格方向角选择用于判定共覆盖小区的基站的工参数据；以及根据用于判定共覆盖小区的基站的工参数据获取共覆盖小区；所述下发相应的节电关断策略的步骤包括：根据所述负载流量预测模型的预测结果和所获取的共覆盖小区下发相应的节电关断策略。3.根据权利要求2所述的处理方法，其中，所述栅格MR数据还包括：基站类型、平均参考信号接收功率RSRP、基站标识、栅格方向角和栅格内MR数量；根据所述栅格MR数据计算得到所述基站的经纬度数据的计算值的步骤包括：选择基站类型为室外基站、与包含预定个数小区的基站对应的且所述平均RSRP大于第一阈值的栅格MR数据；根据所述基站标识和所述基站的方向角数据对所述栅格MR数据进行分组，以将所述栅格MR数据分到相应的小区；对每个小区内的栅格MR数据进行异常点检测，以去除异常的栅格MR数据；根据剩余的栅格MR数据中的栅格经纬度计算每个基站的每个小区的平均经纬度；以及根据每个基站的每个小区的平均经纬度计算该基站的平均经纬度，即为所述基站的经纬度数据的计算值。4.根据权利要求3所述的处理方法，其中，将所述基站的经纬度数据的计算值与所述工参数据中的基站经纬度数据进行对比的步骤包括：按照距离计算方法计算所述基站的经纬度的计算值与所述工参数据中的所述基站经纬度数据之间的距离关系值；选择所述距离关系值小于第二阈值的基站的工参数据作为用于输入所述负载预测模型的基站的工参数据。5.根据权利要求3所述的处理方法，其中，对每个小区内的栅格MR数据进行异常点检测的步骤包括：设定临界点K值为K＝第三阈值*每个小区中的栅格内MR数量的总和，其中，第三阈值为百分比；
利用所述临界点K值计算每个小区内各个栅格MR数据的局部离群因子LOF值；以及去除所述LOF值大于第四阈值的栅格MR数据。6.根据权利要求3所述的处理方法，其中，根据所选择的基站的工参数据中的方向角数据和与所选择的基站对应的栅格MR数据中的栅格方向角选择用于判定共覆盖小区的基站的工参数据的步骤包括：对所选择的基站的栅格MR数据按照基站标识和所述基站的方向角数据进行分组，计算每组中每个栅格内的MR数量与所述每组中的MR数量的总数的比值，并去除比值小于第五阈值的栅格MR数据；按照基站标识将剩余的栅格MR数据再次分组，并利用高斯核密度函数将再次分组后的每组内的栅格MR数据进行小区分类；利用经过小区分类所得到的每个小区内的每个栅格MR数据的栅格经纬度计算每个栅格的方向角数据；根据每个小区内的每个栅格的方向角数据计算每个小区的方向角数据的平均值，作为每个小区的方向角；计算基站的所述每个小区的方向角和所述工参数据中的所述基站的方向角数据的差值，并计算所述差值的平均值；以及将所述差值的平均值小于第六阈值的基站的工参数据作为用于判定共覆盖小区的基站的工参数据。7.根据权利要求1所述的处理方法，其中，将所选择的基站的工参数据输入所述负载预测模型以进行负载预测模型的训练和预测的步骤包括：对所选择的基站的工参数据进行异常点去除处理；利用密度聚类算法对所述工参数据中的基站经纬度数据所表示的预测点进行聚类并构造用于负载预测模型训练的特征，挖掘所述预测点之间的密度关系，以表征所述预测点之间的聚类关系；以及在对所述预测点进行聚类并构造所述特征之后，利用所选择的基站的工参数据、所述特征和相应的性能指标数据基于机器学习算法进行模型训练，并进行模型准确率评估。8.根据权利要求2或6所述的处理方法，其中，所述基站的工参数据还包括基站的频段；根据用于判定共覆盖小区的基站的工参数据获取共覆盖小区的步骤包括：根据频段将多个小区两两组合，分别得到与两个频段对应的两个小区；根据与所述两个小区对应的两个用于判定共覆盖小区的基站的工参数据中的基站经纬度数据计算所述两个小区的距离，并计算与所述两个小区对应的两个用于判定共覆盖小区的基站的工参数据中的基站的方向角数据的差值；以及在所述两个小区的距离小于第七阈值且所述方向角数据的差值小于第八阈值的情况下，确定所述两个小区为共覆盖小区。9.根据权利要求2所述的处理方法，还包括：以用户感知指标为优化目标，对所述负载流量预测模型的预测结果和节电关断策略进行迭代。10.一种用于基站节能的处理装置，...

【专利技术属性】
技术研发人员：袁晶晶，陆中远，张乐，王迎，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：