预警区域识别方法、装置、计算设备及计算机存储介质制造方法及图纸

本发明专利技术实施例涉及大数据技术领域，公开了一种预警区域识别方法、装置、计算设备及计算机存储介质，该方法包括：采集现网数据和历史数据，包括：连接用户数、邻区关系以及经纬度信息；根据所述现网数据和所述历史数据中小区的所述连接用户数计算小区的预测值用户数和基准值用户数；将小区的所述预测值用户数和所述基准值用户数输入线性回归模型获取预警小区；应用泰森多边形根据所述邻区关系以及所述经纬度信息对所述预警小区进行汇聚和覆盖区域识别，输出预警区域。通过上述方式，本发明专利技术实施例能够提前精准发现预警小区，对高负荷小区分析提供有效支撑，提升整体网络运行质量，优化用户对通信网络的使用感知。用户对通信网络的使用感知。用户对通信网络的使用感知。

【技术实现步骤摘要】
预警区域识别方法、装置、计算设备及计算机存储介质


[0001]本专利技术实施例涉及大数据
，具体涉及一种预警区域识别方法、装置、计算设备及计算机存储介质。

技术介绍

[0002]目前对于突发性人流聚集区域的识别，主要依靠全网后台指标监控，通过发现时间段内的高负荷小区，依靠基站经纬度信息，人工结合电子地图，输出预警区域，开展优化工作。
[0003]在突发性人流聚集区域识别上，主要包括两个方面，一是预警小区识别，二是活动区域的识别。在对突发重大活动中预警小区识别中，首先需要人工对全网指标监控，然后人工根据高负荷规则对全网小区进行删选，确定高负荷小区，整个过程时间较长，既耗费人力且时效性较差。突发活动区域识别时，人工先根据高负荷小区的经纬度、工参、电子地图确定基站位置，然后根据站点类别(宏站、室分)和优化经验，确定活动区域，整个过程人工处理，效率和准确性都难以保证。
[0004]可见，现阶段预警小区和活动区域的识别均需要人工完成，耗时、费力且预警小区的时效性和活动区域精准度不高，如一旦出现活动信息获取遗漏，将会严重影响客户对通信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预警区域识别方法，其特征在于，所述方法包括：采集现网数据和历史数据，包括：连接用户数、邻区关系以及经纬度信息；根据所述现网数据和所述历史数据中小区的所述连接用户数计算小区的预测值用户数和基准值用户数；将小区的所述预测值用户数和所述基准值用户数输入线性回归模型获取预警小区；应用泰森多边形根据所述邻区关系以及所述经纬度信息对所述预警小区进行汇聚和覆盖区域识别，输出预警区域。2.根据权利要求1所述的方法，其特征在于，所述根据所述现网数据和所述历史数据中小区的所述连接用户数计算预测值用户数和基准值用户数，包括：根据所述现网数据和所述历史数据中小区的所述连接用户数采用长短期记忆网络算法获取小区的所述预测值用户数；据所述历史数据中小区的所述连接用户数采用K-MEANS聚类算法和阿波罗尼奥斯定理计算小区的所述基准值用户数。3.根据权利要求2所述的方法，其特征在于，所述根据所述现网数据和所述历史数据中小区的所述连接用户数采用长短期记忆网络算法获取小区的所述预测值用户数，还包括：采用长短期记忆网络算法根据一周粒度以15分钟时间对所述现网数据和所述历史数据进行切片建立模型，并根据所述历史数据对所述模型进行修正优化；根据所述现网数据和所述历史数据中小区的所述连接用户数应用所述模型预测以15分钟粒度的未来多个时段的所述预测值用户数。4.根据权利要求2所述的方法，其特征在于，所述据所述历史数据中小区的所述连接用户数采用K-MEANS聚类算法和阿波罗尼奥斯定理计算小区的所述基准值用户数，包括：根据15分钟粒度的所述历史数据，随机选取3个点，将每个15分钟粒度的所述连接用户数设置为簇C1、C2、C3，根据K-Means算法将所述历史数据汇聚成3个区域E：其中，质心μi是簇Ci的均值向量，k，i＝1、2、3，将3个质心连接形成三角形；根据阿波罗尼奥斯定理计算所述三角形的三条中线的交叉点对应的所述连接用户数，确定为小区的所述基准值用户数。5.根据权利要求1所述的方法，其特征在于，所述将小区的所述预测值用户数和所述基准值用户数输入线性回归模型获取预警小区，包括：根据历史重大活动日常连接用户数和活动期间连接用户数建立线性回归模型；将所述预测值用户数和所...

【专利技术属性】
技术研发人员：郑亚平，贾磊，张璐岩，张立杰，杜犇，
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：