本发明专利技术公开了一种服务小区之间的重叠覆盖状况确定方法及装置。方法包括：获取第一小区及第二小区共同覆盖范围内的用户终端的测量报告数据；基于该测量报告数据，生成第一集合及第二集合；针对第一集合及第二集合中的采样点进行聚类处理，以获得与第一集合对应的至少一个第一子集合以及与第二集合对应的至少一个第二子集合；将任一第一子集合及任一第二子集合所对应的预设类型参数输入至构建的机器学习模型中，获得第一小区与第二小区的重叠覆盖结果。本方案通过对用户测量报告数据的聚合处理，利用机器学习算法实现了第一小区与第二小区的重叠覆盖状况的准确预测，大幅提升确定效率，降低人工成本，提高确定精度，适于大规模应用与实施。模应用与实施。模应用与实施。
【技术实现步骤摘要】
服务小区之间的重叠覆盖状况确定方法及装置
[0001]本专利技术涉及通信
，具体涉及一种服务小区之间的重叠覆盖状况确定方法及装置。
技术介绍
[0002]目前，为保障某些区域(尤其是某些热点区域，如高校、商业购物中心、热门风景区等)的正常网络通信，通常会由多个服务小区来对该区域进行网络覆盖。然而，在此场景中，通常会产生因多个服务小区负荷失衡而引起的用户感知度差或系统资源浪费的弊端。由此，实现服务小区之间的资源负载均衡显得尤为重要。
[0003]为实现服务小区之间的资源负载均衡，通常需先确定出服务小区之间的重叠覆盖状况。目前，服务小区之间的重叠覆盖状况确定方式通常有两种：其一为现场测试方式，即由测试人员使用无线测试设备到现场进行锁频测试等，以根据测试结果得到服务小区之间的重叠覆盖状况；其二为基于数据的人工确定方式，即获取多层网小区站型、工程参数等，通过人工分析确定服务小区之间的重叠覆盖状况(如人工确定出宏站站间距小于50米、小区方位角偏差小于10度的小区为同覆盖小区)。
[0004]然而，专利技术人在实施过程中发现，现有技术中存在如下缺陷：采用现场测试的确定方式，不仅耗费大量测试时间，确定效率低，而且不利于大规模应用与实施；而采用基于数据的人工确定方式，往往因多层网小区站型、工程参数数据量巨大，而使得处理效率低下，并且该方法与人工依赖度较高，精确度低，不适于大规模应用。
技术实现思路
[0005]鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的服务小区之间的重叠覆盖状况确定方法及装置。
[0006]根据本专利技术的一个方面，提供了一种服务小区之间的重叠覆盖状况确定方法，包括：
[0007]获取第一小区及第二小区共同覆盖范围内的用户终端的测量报告数据；
[0008]基于所述测量报告数据，生成第一集合及第二集合；其中，第一集合中的采样点所对应的第一小区电平与第二小区电平的差值小于第一预设阈值；第二集合中的采样点对应的第二小区电平与第一小区电平的差值小于第二预设阈值；
[0009]分别针对于第一集合及第二集合中的采样点进行聚类处理，以获得与第一集合对应的至少一个第一子集合以及与第二集合对应的至少一个第二子集合；
[0010]将任一第一子集合及任一第二子集合所对应的预设类型参数输入至构建的机器学习模型中，以获得第一小区与第二小区的重叠覆盖结果。
[0011]可选的，所述分别针对于第一集合及第二集合中的采样点进行聚类处理进一步包括：
[0012]分别针对于第一集合及第二集合中的任一采样点，将该采样点对应的时间提前量
及到达方位角作为该采样点的坐标值；
[0013]基于采样点的坐标值，分别针对于第一集合及第二集合中的采样点进行聚类处理。
[0014]可选的，在所述基于采样点的坐标值，分别针对于第一集合及第二集合中的采样点进行聚类处理之前，所述方法还包括：将采样点的坐标值进行坐标系转换；
[0015]所述基于采样点的坐标值，针对于第一集合及第二集合中的采样点进行聚类处理进一步包括：基于坐标系转换后的采样点的坐标值，针对于第一集合及第二集合中的采样点进行聚类处理。
[0016]可选的，所述将任一第一子集合及任一第二子集合所对应的预设类型参数输入至构建的机器学习模型中进一步包括：
[0017]将任一第一子集合及任一第二子集合所对应的质心坐标输入至构建的机器学习模型中。
[0018]可选的，在所述分别针对于第一集合及第二集合中的采样点进行聚类处理之前，所述方法还包括：
[0019]统计第一小区及第二小区所对应的总采样点个数，以及统计第一集合与第二集合交集中的采样点的个数；计算所述第一集合与第二集合交集中的采样点的个数与所述总采样点个数的比值；
[0020]则所述分别针对于第一集合及第二集合中的采样点进行聚类处理进一步包括：当所述比值大于第三预设阈值时，分别针对于第一集合及第二集合中的采样点进行聚类处理。
[0021]可选的，所述构建的机器学习模型包含输入层、隐藏层及输出层。
[0022]可选的，所述第一小区及第二小区共同覆盖范围内的用户终端具体包括：
[0023]在同一时间范围内，接收到第一小区及第二小区信号的用户终端。
[0024]根据本专利技术的另一方面，提供了一种服务小区之间的重叠覆盖状况确定装置，包括：
[0025]获取模块，适于获取第一小区及第二小区共同覆盖范围内的用户终端的测量报告数据；
[0026]集合生成模块，适于基于所述测量报告数据，生成第一集合及第二集合；其中，第一集合中的采样点所对应的第一小区电平与第二小区电平的差值小于第一预设阈值；第二集合中的采样点对应的第二小区电平与第一小区电平的差值小于第二预设阈值；
[0027]聚类模块，适于分别针对于第一集合及第二集合中的采样点进行聚类处理，以获得与第一集合对应的至少一个第一子集合以及与第二集合对应的至少一个第二子集合；
[0028]预测模块，适于将任一第一子集合及任一第二子集合所对应的预设类型参数输入至构建的机器学习模型中，以获得第一小区与第二小区的重叠覆盖结果。
[0029]可选的，所述聚类模块进一步适于：分别针对于第一集合及第二集合中的任一采样点，将该采样点对应的时间提前量及到达方位角作为该采样点的坐标值；
[0030]基于采样点的坐标值，分别针对于第一集合及第二集合中的采样点进行聚类处理。
[0031]可选的，所述装置还包括：坐标转换模块(图中未示出)，适于在所述基于采样点的
坐标值，分别针对于第一集合及第二集合中的采样点进行聚类处理之前，将采样点的坐标值进行坐标系转换；
[0032]所述聚类模块进一步适于：基于坐标系转换后的采样点的坐标值，针对于第一集合及第二集合中的采样点进行聚类处理。
[0033]可选的，所述预测模块进一步适于：将任一第一子集合及任一第二子集合所对应的质心坐标输入至构建的机器学习模型中。
[0034]可选的，所述方法还包括：判断模块(图中未示出)，适于在所述分别针对于第一集合及第二集合中的采样点进行聚类处理之前，统计第一小区及第二小区所对应的总采样点个数，以及统计第一集合与第二集合交集中的采样点的个数；计算所述第一集合与第二集合交集中的采样点的个数与所述总采样点个数的比值；
[0035]则所述聚类模块进一步适于：当所述比值大于第三预设阈值时，分别针对于第一集合及第二集合中的采样点进行聚类处理。
[0036]可选的，所述构建的机器学习模型包含输入层、隐藏层及输出层。
[0037]可选的，所述第一小区及第二小区共同覆盖范围内的用户终端具体包括：
[0038]在同一时间范围内，接收到第一小区及第二小区信号的用户终端。
[0039]根据本专利技术的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种服务小区之间的重叠覆盖状况确定方法，其特征在于，包括：获取第一小区及第二小区共同覆盖范围内的用户终端的测量报告数据；基于所述测量报告数据，生成第一集合及第二集合；其中，第一集合中的采样点所对应的第一小区电平与第二小区电平的差值小于第一预设阈值；第二集合中的采样点对应的第二小区电平与第一小区电平的差值小于第二预设阈值；分别针对于第一集合及第二集合中的采样点进行聚类处理，以获得与第一集合对应的至少一个第一子集合以及与第二集合对应的至少一个第二子集合；将任一第一子集合及任一第二子集合所对应的预设类型参数输入至构建的机器学习模型中，以获得第一小区与第二小区的重叠覆盖结果。2.根据权利要求1所述的方法，其特征在于，所述分别针对于第一集合及第二集合中的采样点进行聚类处理进一步包括：分别针对于第一集合及第二集合中的任一采样点，将该采样点对应的时间提前量及到达方位角作为该采样点的坐标值；基于采样点的坐标值，分别针对于第一集合及第二集合中的采样点进行聚类处理。3.根据权利要求2所述的方法，其特征在于，在所述基于采样点的坐标值，分别针对于第一集合及第二集合中的采样点进行聚类处理之前，所述方法还包括：将采样点的坐标值进行坐标系转换；所述基于采样点的坐标值，针对于第一集合及第二集合中的采样点进行聚类处理进一步包括：基于坐标系转换后的采样点的坐标值，针对于第一集合及第二集合中的采样点进行聚类处理。4.根据权利要求1-3中任一项所述的方法，其特征在于，所述将任一第一子集合及任一第二子集合所对应的预设类型参数输入至构建的机器学习模型中进一步包括：将任一第一子集合及任一第二子集合所对应的质心坐标输入至构建的机器学习模型中。5.根据权利要求1-3中任一项所述的方法，其特征在于，在所述分别针对于第一集合及第二集合中的采样点进行聚类处理之前，所述方法还包括：统计第一小区及第二小区所对应的总采样点个数，以及统计第一集合与...
【专利技术属性】
技术研发人员：成昊，刘浩明，周守义，樊庆灿，张欣，周到，翟俊昌，赵舒，
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。