一种基于大数据的网络优化采集分析系统及方法技术方案

本发明专利技术涉及网络管理技术领域，具体为一种基于大数据的网络优化采集分析系统及方法，包括：采集所有通信基站的信息、利用目标基站进行通信的终端IP信息和对应的网络信号数据并进行存储；确认信号异常时间段，并根据信号异常时间段分析终端网络异常范围，从而分析网络信号异常率；根据目标基站的网络信号异常率智能选择增大发射功率的通信基站，并根据选择的通信基站信息分析发射功率的增值大小；实时显示各个通信基站的发射功率和网络信号异常率；有利于提高对基站异常的预警能力。有利于提高对基站异常的预警能力。有利于提高对基站异常的预警能力。

【技术实现步骤摘要】
一种基于大数据的网络优化采集分析系统及方法


[0001]本专利技术涉及网络管理
，具体为一种基于大数据的网络优化采集分析系统及方法。

技术介绍

[0002]通信基站是无线电台站的一种形式，是指在一定的无线电覆盖区中，通过移动通信交换中心，与移动电话终端之间进行信息传递的无线电收发信电台；他的建立和广泛应用对电信产业改革、经济增长、自主创新和社会生活都产生了深远的影响。
[0003]然而随着使用无线通信的用户激增导致用户对保证通信需求的要求越来越高，当用户接收基站信号弱且持续了较长时间时，严重影响了用户对网络的使用感受；同时，当覆盖整个区域的无线网络出现大面积信号弱时，存在基站故障的可能性，此时若无法及时对通信基站进行异常评估和管理，不仅严重影响用户的生活，甚至对国家也会造成一定影响。因此，如何在日常生活中对基站进行异常评估，实现网络优化成为亟待解决的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种基于大数据的网络优化采集分析系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据的网络优化采集分析方法，包括以下步骤：
[0006]步骤S100：采集目标区域内所有通信基站的信息，形成信息集，其中通信基站的信息包括基站编号、基站发射功率、覆盖范围和终端数量阈值；将信息集中任意通信基站信息设为目标基站，实时采集所有利用目标基站进行通信的终端IP信息和对应的网络信号数据，分别形成终端数据集和信号变化集；对所有采集的数据进行存储；
[0007]步骤S200：根据信号变化集分析任意终端在各个时间段内的网络信号变化，确认所有终端的信号异常时间段；根据信息集中目标基站的覆盖范围和终端数量阈值分析在信号异常时间段内发生信号异常的终端网络异常范围；则根据终端网络异常范围分析各个时间段时目标基站的网络信号异常率；
[0008]步骤S300：根据目标基站的网络信号异常率智能选择增大发射功率的通信基站，并根据选择的通信基站信息分析发射功率的增值大小；
[0009]步骤S400：实时显示各个通信基站的发射功率和网络信号异常率。
[0010]进一步的，步骤S100包括：
[0011]步骤S110：对目标区域内所有通信基站的信息进行采集，形成信息集A＝{a1,a2,
…
,an}，其中a1,a2,
…
,an表示第1,2,
…
,n个通信基站的基站信息；将信息集A中任意通信基站的基站信息ai设为目标基站ai，采集所有利用目标基站ai进行通信的终端IP地址信息，形成终端数据集B＝{b1,b2,
…
,bm}，其中b1,b2,
…
,bm表示使用目标基站ai的第1,2,
…
,m个终端地址信息；
[0012]步骤S120：利用定时算法实时采集终端数据集B中任意终端bj的网络信号数据，形成信号变化集Cj＝{c1,c2,
…
,cd}，其中c1,c2,
…
,cd表示任意终端bj在第1,2,
…
,d个时间点时的网络信号数据；其中，定时算法属于本领域技术人员的常规技术手段，因此在本申请中就不再做出过多的赘述；
[0013]步骤S130：对采集到的信息集A、终端数据集B和信号变化集C进行数据存储。
[0014]进一步的，步骤S200包括：
[0015]步骤S210：根据任意终端bj的信号变化集Cj建立以时间
‑
信号强度为X
‑
Y轴的二维平面坐标系，形成坐标集(Tj,Cj)＝{(t1,c1),(t2,c2),
…
,(td,cd)}，其中(t1,c1),(t2,c2),
…
,(td,cd)表示在时间点t1,t2,
…
,td时任意终端bj的信号强度值为c1,c2,
…
,cd；基于坐标集(Tj,Cj)，计算任意相邻坐标点的斜率为
[0016]ke＝[c(e+1)
‑
ce]/[t(e+1)
‑
te]，其中e＝1,2,
…
,d
‑
1；当ke小于斜率阈值α且c(e+1)小于信号阈值β时，确认任意终端bj在时间段te～t(e+1)时发生信号异常；反之，当ke大于斜率阈值α或c(e+1)大于所设阈值β时，信号正常；遍历坐标集(Tj,Cj)将连续发生信号异常的时间段进行重叠，并将重叠时间段数量大于数量阈值γ的时间段作为有效异常时间段，从而形成任意终端bj的信号异常时间段集合Pj；此时若存在有效异常时间段，但判定基站正常说明存在偶然因素导致所述终端发生网络异常，并不能决定基站的异常；
[0017]通过分析信号变化集中各个相邻时间点的斜率变化和信号强度变化值，并根据信号异常持续时间对异常时间段进行筛选，从而确认各个终端的信号异常时间段，有利于后续对网络异常范围进行分析，提高对基站异常分析的准确性；
[0018]步骤S220：遍历终端数据集B，根据任意终端bj的信号异常时间段集合Pj形成所有终端的信号异常时间段集合P＝{p1,p2,
…
,pf}，其中p1,p2,
…
,pf表示在时间段1,2,
…
,f时发生异常的所有终端数量和相应的IP信息；根据信号异常时间段集合P中任意时间段g时所有异常终端的IP信息确认各个异常终端的位置坐标，则分别以各个异常终端的位置坐标为圆心构建不同的圆形区域，所述圆形区域的半径由0逐步增加，直至容纳其他所有异常终端的位置坐标；基于不同的圆形区域筛选出最小半径为rg的圆形区域sg＝π*(rg)2，并确认圆心坐标为(a,b)，此时将圆形区域sg确认为目标基站ai在任意时间段g时的终端网络异常范围；
[0019]通过确认各个异常时间段内异常终端的数量和IP信息，根据各个异常终端建立的圆形区域筛选出最小半径的区域作为终端网络异常范围，以最小的圆形区域涵盖所有异常终端位置，提高终端网络异常范围的准确性，有利于后续对基站在各个时间段的网络信号异常率的分析。
[0020]步骤S230：根据信息集A获取目标基站ai的覆盖范围Si和终端数量阈值Di，根据信号异常时间段集合P确认目标基站ai在任意时间段g的异常终端数量为pg，则得到目标基站ai在任意时间段g的网络信号异常率为kg＝u*sg*pg/(Si*Di)，其中u表示通信基站的异常指标；基于任意时间段g的网络信号异常率kg，得到目标基站ai在所有异常时间段的网络信号异常率集合Ki＝{k1,k2,
…
,kf}，其中k1,k2,
…
,kf表示在时间段1,2,
…
,f时目标基站ai的网络信号异常率。
[0021]进一步的，步骤S300包括：
[0022]步骤S310：当任意时间段g的网络信号异常率kg本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的网络优化采集分析方法，其特征在于：包括以下步骤：步骤S100：采集目标区域内所有通信基站的信息，形成信息集；将信息集中任意通信基站信息设为目标基站，实时采集所有利用目标基站进行通信的终端IP信息和对应的网络信号数据，分别形成终端数据集和信号变化集；对所有采集的数据进行存储；步骤S200：根据信号变化集分析任意终端在各个时间段内的网络信号变化，确认所有终端的信号异常时间段；根据信息集中目标基站的覆盖范围和终端数量阈值分析在信号异常时间段内发生信号异常的终端网络异常范围；则根据终端网络异常范围分析各个时间段时目标基站的网络信号异常率；步骤S300：根据目标基站的网络信号异常率智能选择增大发射功率的通信基站，并根据选择的通信基站信息分析发射功率的增值大小；步骤S400：实时显示各个通信基站的发射功率和网络信号异常率。2.根据权利要求1所述的一种基于大数据的网络优化采集分析方法，其特征在于：所述步骤S100包括：步骤S110：对目标区域内所有通信基站的信息进行采集，形成信息集A＝{a1,a2,
…
,an}，其中a1,a2,
…
,an表示第1,2,
…
,n个通信基站的基站信息；将信息集A中任意通信基站的基站信息ai设为目标基站ai，采集所有利用目标基站ai进行通信的终端IP地址信息，形成终端数据集B＝{b1,b2,
…
,bm}，其中b1,b2,
…
,bm表示使用目标基站ai的第1,2,
…
,m个终端地址信息；步骤S120：利用定时算法实时采集终端数据集B中任意终端bj的网络信号数据，形成信号变化集Cj＝{c1,c2,
…
,cd}，其中c1,c2,
…
,cd表示任意终端bj在第1,2,
…
,d个时间点时的网络信号数据；步骤S130：对采集到的信息集A、终端数据集B和信号变化集C进行数据存储。3.根据权利要求2所述的一种基于大数据的网络优化采集分析方法，其特征在于：所述步骤S200包括：步骤S210：根据任意终端bj的信号变化集Cj建立以时间
‑
信号强度为X
‑
Y轴的二维平面坐标系，形成坐标集(Tj,Cj)＝{(t1,c1),(t2,c2),
…
,(td,cd)}，其中(t1,c1),(t2,c2),
…
,(td,cd)表示在时间点t1,t2,
…
,td时任意终端bj的信号强度值为c1,c2,
…
,cd；基于坐标集(Tj,Cj)，计算任意相邻坐标点的斜率为ke＝[c(e+1)
‑
ce]/[t(e+1)
‑
te]，其中e＝1,2,
…
,d
‑
1；当ke小于斜率阈值α且c(e+1)小于信号阈值β时，确认任意终端bj在时间段te～t(e+1)时发生信号异常；遍历坐标集(Tj,Cj)将连续发生信号异常的时间段进行重叠，并将重叠时间段数量大于数量阈值γ的时间段作为有效异常时间段，从而形成任意终端bj的信号异常时间段集合Pj；步骤S220：遍历终端数据集B，根据任意终端bj的信号异常时间段集合Pj形成所有终端的信号异常时间段集合P＝{p1,p2,
…
,pf}，其中p1,p2,
…
,pf表示在时间段1,2,
…
,f时发生异常的所有终端数量和相应的IP信息；根据信号异常时间段集合P中任意时间段g时所有异常终端的IP信息确认各个异常终端的位置坐标，则分别以各个异常终端的位置坐标为圆心构建不同的圆形区域，所述圆形区域的半径由0逐步增加，直至容纳其他所有异常终端的位置坐标；基于不同的圆形区域筛选出最小半径为rg的圆形区域sg＝π*(rg)2，并确认圆心坐标为(a,b)，此时将圆形区域sg确认为目标基站ai在任意时间段g时的终端网络异常范
围；步骤S230：根据信息集A获取目标基站ai的覆盖范围Si和终端数量阈值Di，根据信号异常时间段集合P确认目标基站ai在任意时间段g的异常终端数量为pg，则得到目标基站ai在任意时间段g的网络信号异常率为kg＝u*sg*pg/(Si*Di)，其...

【专利技术属性】
技术研发人员：张大业，
申请(专利权)人：南京顺盛通信科技有限责任公司，
类型：发明
国别省市：