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