【技术实现步骤摘要】
共覆盖小区对智能识别方法、装置、设备及存储介质
[0001]本公开属于网络通信
,尤其涉及一种共覆盖小区对智能识别方法和装置。
技术介绍
[0002]MDT(inimization Drive Test,最小化路测)数据是UE(User Equipment,用户设备)主动上报的GPS(Global Positioning System,全球定位系统)经纬度数据,用于据此进行共覆盖小区的覆盖识别。
[0003]传统共覆盖小区覆盖识别采用MDT数据进行简单的地图展示,由人工分析两小区是否共覆盖,这种方案存在以下不足:
[0004]效率低下:传统方式需要大量网络优化工程师对小区覆盖情况进行识别,效率低,一天1人只能判断100对小区;
[0005]准确率低,传统方法过度依赖于工程师经验,难以得到一个准确结果;
[0006]智能化程度低,这种传统的人工识别方式,无法做到自动化批量识别共覆盖小区对。
[0007]有鉴于此,特提出本公开。
技术实现思路
[0008]本公开实施例提供一种共覆盖小区对智能识别方法、装置、设备及计算机存储介质,能够实现对共覆盖小区的智能识别。
[0009]一方面,本公开实施例提供一种共覆盖小区对智能识别方法,方法包括步骤:
[0010]获取对若干个小区区域的采样数据,形成样本集,采样数据包括基站工参和MDT数据;
[0011]对样本集中对应的小区区域进行格网划分,并将样本集中的MDT数据采样点聚类到格网中;
[ ...
【技术保护点】
【技术特征摘要】
1.一种共覆盖小区对智能识别方法,其特征在于,包括步骤:获取对若干个小区区域的采样数据,形成样本集,采样数据包括基站工参和MDT数据;对样本集中对应的小区区域进行格网划分,并将样本集中的MDT数据采样点聚类到格网中;根据样本集中的小区基站工参,构造小区对数据集;根据格网内的采样点得到各小区覆盖范围;根据小区覆盖范围,计算构造的小区对的重复覆盖面积,并进行共覆盖识别。2.根据权利要求1所述的共覆盖小区对智能识别方法,其特征在于,获取的所述MDT数据中至少包括小区经度、纬度、小区标识以及参考信号接收功率;所述基站工参至少包括基站号和基站小区号。3.根据权利要求1所述的共覆盖小区对智能识别方法,其特征在于,所述对样本集中对应的小区区域进行格网划分,并将样本集中的MDT数据采样点聚类到格网中,包括:确定聚类尺寸:设置小区覆盖压缩尺寸,将小区区域划分为若干该尺寸长宽的格网;将样本集中MDT数据对应的采样点聚类压缩,根据样本集中采样点的经纬度坐标、小区边界经纬度坐标以及格网编码的初始化坐标,聚类得出任意采样点映射到格网中的坐标,得到关于小区覆盖的格网信息数据。4.根据权利要求3所述的共覆盖小区对智能识别方法,其特征在于,所述将样本集中MDT数据对应的采样点聚类压缩时,其聚类函数为:其中(x
i
,y
i
)为采样点经纬度坐标,(x
max
,y
max
)、(x
min
,y
min
)为小区的边界经纬度,(r0,l0)为格网编码的初始坐标,(r
i
,l
i
)为采样点i映射的格网坐标;循环遍历小区MDT数据的采样点,得到关于小区覆盖的格网信息数据。5.根据权利要求1所述的共覆盖小区对智能识别方法,其特征在于,所述根据样本集中的小区基站工参,构造小区对数据集,包括:采用穷举式搜索算法,对样本集中所有基站号相同的小区构造小区对,得到小区对数据集。6.根据权利要求1所述的共覆盖小区对智能识别方法,其特征在于,所述根据格网内的采样点得到各小区覆盖范围,包括:根据单个小区内的采样点分布,采用凸包算法构造各小区的最大凸多边形;采用切分法计算各小区的面积;基于小区对的共有边界点搜索算法计算两个小区的重叠区域;利用二维象限法计算两个小区是否共覆盖。7.根据权利要求6所述的共覆盖小区对智能识别方法,其特征在于,所述采用切分法计算各小区的面积,包括:以格网中小区对应的凸多边形中的一个角点为顶点,把凸多边形切分成多个不相交的三角形;
按照以下公式计算每个三角形的面积:其中ΔABC表示设当前三角形顶点分别是A、B、C时的面积,A顶点在格网中的坐标为(x1,y1),B点在格网中的坐标为(x2,y2),C点在格网中的坐标为(x3,y3)。8.根据权利要求6所述的共覆盖小区对智能识别方法,其特征在于,所述基于小区对的共有边界点搜索算...
【专利技术属性】
技术研发人员:刘阳,吴强,高爱丽,刘桓,李泽尘,
申请(专利权)人:中国移动通信集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。