预测地铁通信网络SINR的方法和装置制造方法及图纸

本公开公开了一种预测地铁通信网络SINR的方法和装置，涉及移动通信网络数据分析技术领域。该方法包括：基于样本地铁通信网络测试数据建立并训练机器学习模型，得到SINR预测模型，其中，样本地铁通信网络测试数据中包括样本MR数据和样本MR数据对应的样本SINR数据；基于SINR预测模型，根据地铁基站的MR数据预测对应的SINR数据。本公开能够实现SINR数据的预测。另外，本公开还能够实现地铁用户的有效识别，以及MR数据的地理化呈现。

Method and Device for Predicting SINR of Metro Communication Network

【技术实现步骤摘要】
预测地铁通信网络SINR的方法和装置
本公开涉及移动通信网络数据分析
，尤其涉及一种预测地铁通信网络SINR的方法和装置。
技术介绍
随着移动通信网络的发展，用户对网络质量和业务感知的要求越来越高。在发达的现代地下交通网成为日常生活不可或缺的时代，地铁网络质量和用户感知的保障逐渐成为室内地下场景中移动网络深度覆盖优化的重点之一。传统LTE网络路测数据采集的方式为，通过地铁路测完成LTE网络RSRP(ReferenceSignalReceivingPower，参考信号接收功率)和SINR(SignaltoInterferenceplusNoiseRatio，信号与干扰加噪声比)等覆盖率相关重要指标的获取和分析。不仅成本投入高，优化周期长，而且无法实时有效的反映目标场景、目标用户群体的业务质量和感知水平；同时室内场景下，数据采集常为手动打点，地理位置获取不便且不准确，已经不具备用于准实时、地理化业务分析的条件。现有LTE网络技术中常用MR(MeasurementReport，LTE终端上报的测量报告)或MDT(MinimizationofDriveTests，是3GPP在LTE系统中引入的通过网络配置对普通用户/商用终端进行测量数据采集、上报的自动化路测技术)数据作为地理化网络覆盖分析的数据源。但目前LTE网络的MR/MDT信息中不含体现网络质量的重要指标SINR值，无法全面客观评估实际网络信号质量。
技术实现思路
本公开要解决的一个技术问题是，提供一种预测地铁通信网络SINR的方法和装置，能够实现SINR数据的预测。根据本公开一方面，提出一种预测地铁通信网络SINR的方法，包括：基于样本地铁通信网络测试数据建立并训练机器学习模型，得到SINR预测模型，其中，样本地铁通信网络测试数据中包括样本测量报告MR数据和样本MR数据对应的样本SINR数据；基于SINR预测模型，根据地铁基站的MR数据预测对应的SINR数据。在一个实施例中，根据MR数据中的关键字段对地铁基站的MR数据进行分组；基于MR数据中的时间戳信息，将每组内MR数据中的相邻两次上报时间的差值小于等于时间阈值的MR数据作为同一地铁用户的数据，以便对MR数据设置用户标识。在一个实施例中，判断属于同一地铁用户的MR数据对应的服务小区的个数是否大于小区个数阈值，若大于，则确定该地铁用户为有效地铁用户，以便基于有效地铁用户的MR数据预测对应的SINR数据。在一个实施例中，根据有效地铁用户的MR数据中的时间戳信息、占用服务小区信息和地铁双向隧道小区集合确定有效地铁用户所在地铁线路以及移动方向；根据有效地铁用户的MR数据中的时间戳信息、小区驻留时长、有效地铁用户移动方向和地铁双向隧道小区集合中服务小区的覆盖范围，确定有效地铁用户的MR数据的经纬度信息。在一个实施例中，根据地铁双向隧道轨迹校正有效地铁用户的MR数据的经纬度信息。在一个实施例中，确定有效地铁用户所在地铁线路以及移动方向包括：基于地铁双向隧道小区集合，根据有效地铁用户的MR数据中的时间戳信息和占用服务小区信息，确定有效地铁用户所在地铁线路号，以及有效地铁用户的MR数据对应的初始服务小区和最后服务小区的排序编号；若有效地铁用户在初始时刻所在地铁线路号与最后时刻所在地铁线路号相同，则根据初始服务小区和最后服务小区的排序编号确定有效地铁用户的移动方向。根据本公开的另一方面，还提出一种预测地铁通信网络SINR的装置，包括：模型训练模块，被配置为基于样本地铁通信网络测试数据建立并训练机器学习模型，得到SINR预测模型，其中，样本地铁通信网络测试数据中包括样本测量报告MR数据和样本MR数据对应的样本SINR数据；预测模型模块，被配置为基于SINR预测模型，根据地铁基站的MR数据预测对应的SINR数据。在一个实施例中，用户标识计算模块，被配置为根据MR数据中的关键字段对地铁基站的MR数据进行分组；基于MR数据中的时间戳信息，将每组内MR数据中的相邻两次上报时间的差值小于等于时间阈值的MR数据作为同一地铁用户的数据，以便对MR数据设置用户标识。在一个实施例中，有效地铁用户识别模块，被配置为判断属于同一地铁用户的MR数据对应的服务小区的个数是否大于小区个数阈值，若大于，则确定该地铁用户为有效地铁用户，以便基于有效地铁用户的MR数据预测对应的SINR数据。在一个实施例中，用户移动方向确定模块，被配置为根据有效地铁用户的MR数据中的时间戳信息、占用服务小区信息和地铁双向隧道小区集合确定有效地铁用户所在地铁线路以及移动方向；MR数据经纬度确定模块，被配置为根据有效地铁用户的MR数据中的时间戳信息、小区驻留时长、有效地铁用户移动方向和地铁双向隧道小区集合中服务小区的覆盖范围，确定有效地铁用户的MR数据的经纬度信息。在一个实施例中，经纬度校正模块，被配置为根据地铁双向隧道轨迹校正有效地铁用户的MR数据的经纬度信息。根据本公开的另一方面，还提出一种预测地铁通信网络SINR的装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的方法。根据本公开的另一方面，还提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的方法。与现有技术相比，本公开基于样本MR数据和该样本MR数据对应的样本SINR数据对机器学习模型进行训练，得到SINR预测模型，然后将地铁基站的MR数据输入至该SINR预测模型，能够实现SINR数据的预测。通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。附图说明构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：图1为本公开预测地铁通信网络SINR的方法的一个实施例的流程示意图。图2为本公开预测地铁通信网络SINR的方法的另一个实施例的流程示意图。图3为本公开预测地铁通信网络SINR的方法的另一个实施例的流程示意图。图4为本公开预测地铁通信网络SINR的方法的另一个实施例的流程示意图。图5为本公开对MR数据进行预处理过程的一个实施例的流程示意图。图6为本公开对MR数据进行分组处理并设置用户标识的一个实施例的流程示意图。图7为本公开识别有效地铁用户移动方向的一个实施例的流程示意图。图8为本公开确定有效地铁用户的MR数据经纬度及栅格的一个实施例的流程示意图。图9为本公开占用服务小区覆盖范围示意图。图10为本公开校正有效地铁用户的MR数据的经纬度信息的一个实施例的流程示意图。图11为本公开地铁曲线段MR栅格映射示意图。图12为本公开确定SINR预测模型的一个实施例的流程示意图。图13为本公开地铁测试数据特征相关性示意图。图14为本公开地铁LTE网络覆盖地理化呈现示意图。图15为本公开预测地铁通信网络SINR的装置的一个实施例的结构示意图。图16为本公开预测地铁通信网络SINR的装置的另一个实施例的结构示意图。图17为本公开预测地铁通信网络SINR的装置的另一个实施例的结构示意图。图18为本公开预测地铁通信网络SINR的装置的另一个实施例的结构示意图。具体实施方式现在将参照附图来详细描述本公开的各种示例性实施例。应本文档来自技高网...

【技术保护点】
1.一种预测地铁通信网络信号与干扰加噪声比SINR的方法，包括：基于样本地铁通信网络测试数据建立并训练机器学习模型，得到SINR预测模型；其中，所述样本地铁通信网络测试数据中包括样本测量报告MR数据和所述样本MR数据对应的样本SINR数据；基于所述SINR预测模型，根据地铁基站的MR数据预测对应的SINR数据。

【技术特征摘要】
1.一种预测地铁通信网络信号与干扰加噪声比SINR的方法，包括：基于样本地铁通信网络测试数据建立并训练机器学习模型，得到SINR预测模型；其中，所述样本地铁通信网络测试数据中包括样本测量报告MR数据和所述样本MR数据对应的样本SINR数据；基于所述SINR预测模型，根据地铁基站的MR数据预测对应的SINR数据。2.根据权利要求1所述的方法，还包括：根据MR数据中的关键字段对所述地铁基站的MR数据进行分组；基于MR数据中的时间戳信息，将每组内MR数据中的相邻两次上报时间的差值小于等于时间阈值的MR数据作为同一地铁用户的数据，以便对MR数据设置用户标识。3.根据权利要求2所述的方法，还包括：判断属于同一地铁用户的MR数据对应的服务小区的个数是否大于小区个数阈值，若大于，则确定该地铁用户为有效地铁用户，以便基于所述有效地铁用户的MR数据预测对应的SINR数据。4.根据权利要求3所述的方法，还包括：根据所述有效地铁用户的MR数据中的时间戳信息、占用服务小区信息和地铁双向隧道小区集合确定所述有效地铁用户所在地铁线路以及移动方向；根据所述有效地铁用户的MR数据中的时间戳信息、小区驻留时长、有效地铁用户移动方向和地铁双向隧道小区集合中服务小区的覆盖范围，确定所述有效地铁用户的MR数据的经纬度信息。5.根据权利要求4所述的方法，还包括：根据地铁双向隧道轨迹校正所述有效地铁用户的MR数据的经纬度信息。6.根据权利要求4所述的方法，其中，确定所述有效地铁用户所在地铁线路以及移动方向包括：基于地铁双向隧道小区集合，根据所述有效地铁用户的MR数据中的时间戳信息和占用服务小区信息，确定所述有效地铁用户所在地铁线路号，以及所述有效地铁用户的MR数据对应的初始服务小区和最后服务小区的排序编号；若所述有效地铁用户在初始时刻所在地铁线路号与最后时刻所在地铁线路号相同，则根据初始服务小区和最后服务小区的排序编号确定所述有效地铁用户的移动方向。7.一种预测地铁通信网络信号...

【专利技术属性】
技术研发人员：安新朝，郝立杰，蔡俊青，李兵，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：北京,11