基站数据分析方法、装置和计算机可读存储介质制造方法及图纸

本公开提出一种基站数据分析方法、装置和计算机可读存储介质，涉及大数据技术领域。本公开的一种基站数据分析方法，包括：根据目标潮汐周期获取基站负荷数据；基于改进的DBSCAN算法获取以基站负荷数据中每个数据点为核心的簇的列表，其中，改进的DBSCAN算法为在DBSCAN算法的基础上，仅依次向前和向后扫描，且簇内新增点与核心点的差值在预定范围内；根据簇的列表中每个簇的基站负荷数据，以及预定簇负荷阈值、预定潮汐系数阈值和预定最小连续时段阈值，确定目标潮汐周期下的节能时段。通过这样的方法，能够提高基站潮汐负荷确定的准确度，优化基站节能的差异化和精细化管理。优化基站节能的差异化和精细化管理。优化基站节能的差异化和精细化管理。

【技术实现步骤摘要】
基站数据分析方法、装置和计算机可读存储介质


[0001]本公开涉及大数据
，特别是一种基站数据分析方法、装置和计算机可读存储介质。

技术介绍

[0002]由于高频、大带宽、大规模天线等新特性，5G基站能耗是4G基站能耗至少3-4倍以上，5G基站节能降耗需求十分紧迫。实际上4G基站普遍存在过覆盖以及负荷偏低的问题，也有迫切的基站节能需求，目前也正在实施4G基站节能措施。
[0003]现有基站节能方案主要利用基站负荷的潮汐效应，在汐时段实施节能策略，但是目前对潮汐没有较完整的定义，对节能时段还处于粗放管理阶段，譬如是在凌晨1点-6点对所有基站实施节能策略。

技术实现思路

[0004]本公开的一个目的在于提高基站潮汐负荷确定的准确度，提高节能效果。
[0005]根据本公开的一些实施例的一个方面，提出一种基站数据分析方法，包括：根据目标潮汐周期获取基站负荷数据；基于改进的DBSCAN(基于密度的具有噪声的应用空间聚类，Density-Based Spatial Clustering of Application with Noise)算法获取以基站负荷数据中每个数据点为核心的簇的列表，其中，改进的DBSCAN算法为在DBSCAN算法的基础上，仅依次向前和向后扫描，且簇内新增点与核心点的差值在预定范围内；根据簇的列表中每个簇的基站负荷数据，以及预定簇负荷阈值、预定潮汐系数阈值和预定最小连续时段阈值，确定目标潮汐周期下的节能时段。
[0006]在一些实施例中，根据目标潮汐周期获取基站负荷数据包括：根据目标潮汐周期确定采集周期；根据采集周期内的负荷数据通过预定策略，确定目标潮汐周期对应的基站负荷数据，其中，每个采集周期对应一个数据点。
[0007]在一些实施例中，根据簇的列表中每个簇的基站负荷数据，以及预定簇负荷阈值、预定潮汐系数阈值和预定最小连续时段阈值，确定目标潮汐周期下的节能时段包括：确定簇的列表中数据点数量最多的簇为候选目标簇；确定候选目标簇的簇负荷和潮汐系数；从簇的列表中剔除候选目标簇中包含的数据点，继续执行确定候选目标簇的操作，直至簇的列表中每个簇中的数据点数量小于预定最小连续时段阈值对应的数据点数量；确定候选目标簇中，簇负荷小于等于预定簇负荷阈值，且潮汐系数小于等于预定潮汐系数阈值的簇对应的时段，为目标潮汐周期下的节能时段。
[0008]在一些实施例中，基于改进的DBSCAN算法获取以基站负荷数据中每个数据点为核心的簇的列表包括，针对每个数据点为起始点和核心点依次执行：判断当前数据点与向前或向后的相邻数据点的值的差值是否在预定差值范围内；在确定当前数据点与相邻数据点的值的差值在预定差值范围内的情况下，判断相邻数据点与核心点的差值是否在预定差值范围内；在相邻数据点与核心点的差值在预定范围内的情况下，将相邻数据点纳入以当前
核心点为核心点的簇，且将相邻数据点作为当前数据点，继续执行判断当前数据点与相邻数据点的值的差值是否在预定差值范围内的操作；否则，相邻数据点不归属于以当前核心点为核心点的簇，以当前核心点为核心点的簇确定完成。
[0009]在一些实施例中，基站数据分析方法还包括：依次指定目标潮汐周期，以便根据目标潮汐周期确定对应的基站负荷数据，确定对应目标潮汐周期的节能时段。
[0010]在一些实施例中，目标潮汐周期包括年周期、季度周期、月周期或日周期中的一种或多种。
[0011]在一些实施例中，基站数据分析方法还包括：配置基站在节能时段处于节能供给模式。
[0012]通过这样的方法，能够基于改进的DBSCAN实现基站负荷时段分类，在各类周期时段分类场景下分析潮汐，输出相应的节能时段，提高基站潮汐负荷确定的准确度，优化基站节能的差异化和精细化管理。
[0013]根据本公开的一些实施例的一个方面，提出一种基站数据分析装置，包括：数据获取单元，被配置为根据目标潮汐周期获取基站负荷数据；聚类单元，被配置为基于改进的DBSCAN算法获取以基站负荷数据中每个数据点为核心的簇的列表，其中，改进的DBSCAN算法为在DBSCAN算法的基础上，仅依次向前和向后扫描，且簇内新增点与核心点的差值在预定范围内；节能时段确定单元，被配置为根据簇的列表中每个簇的基站负荷数据，以及预定簇负荷阈值、预定潮汐系数阈值和预定最小连续时段阈值，确定目标潮汐周期下的节能时段。
[0014]在一些实施例中，基站数据分析装置还包括：目标修改单元，被配置为依次指定目标潮汐周期，以便节能时段确定单元确定对应目标潮汐周期的节能时段。
[0015]根据本公开的一些实施例的一个方面，提出一种基站数据分析装置，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上文中任意一种基站数据分析方法。
[0016]这样的基站数据分析装置能够基于改进的DBSCAN实现基站负荷时段分类，在各类周期时段分类场景下分析潮汐，输出相应的节能时段，提高基站潮汐负荷确定的准确度，优化基站节能的差异化和精细化管理。
[0017]根据本公开的一些实施例的一个方面，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文中任意一种基站数据分析方法的步骤。
[0018]通过执行这样的计算机可读存储介质上的指令，能够基于改进的DBSCAN实现基站负荷时段分类，在各类周期时段分类场景下分析潮汐，输出相应的节能时段，提高基站潮汐负荷确定的准确度，优化基站节能的差异化和精细化管理。
附图说明
[0019]此处所说明的附图用来提供对本公开的进一步理解，构成本公开的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
[0020]图1为本公开的基站数据分析方法的一些实施例的流程图。
[0021]图2为本公开的基站数据分析方法中确定节能时段的一些实施例的流程图。
[0022]图3为本公开的基站数据分析方法中的确定簇的列表的一些实施例的流程图。
[0023]图4为本公开的基站数据分析方法的一些实施例的示意图。
[0024]图5为本公开的基站数据分析方法的另一些实施例的示意图。
[0025]图6为本公开的基站数据分析装置的一些实施例的示意图。
[0026]图7为本公开的基站数据分析装置的另一些实施例的示意图。
[0027]图8为本公开的基站数据分析装置的又一些实施例的示意图。
具体实施方式
[0028]下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
[0029]本公开的基站数据分析方法的一些实施例的流程图如图1所示。
[0030]在步骤101中，根据目标潮汐周期获取基站负荷数据。在一些实施例中，目标潮汐周期可以包括年周期、季度周期、月周期和日周期，针对每种目标潮汐周期，基站负荷数据中每个数据点对应的数据采集周期不同。例如，对于目标潮汐周期为日周期的情况，可以取一个小时或半小时内的采样数据基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基站数据分析方法，包括：根据目标潮汐周期获取基站负荷数据；基于改进的基于密度的具有噪声的应用空间聚类DBSCAN算法获取以所述基站负荷数据中每个数据点为核心的簇的列表，其中，所述改进的DBSCAN算法为在DBSCAN算法的基础上，仅依次向前和向后扫描，且簇内新增点与核心点的差值在预定范围内；根据所述簇的列表中每个簇的基站负荷数据，以及预定簇负荷阈值、预定潮汐系数阈值和预定最小连续时段阈值，确定目标潮汐周期下的节能时段。2.根据权利要求1所述的方法，其中，所述根据目标潮汐周期获取基站负荷数据包括：根据所述目标潮汐周期确定采集周期；根据所述采集周期内的负荷数据通过预定策略，确定所述目标潮汐周期对应的基站负荷数据，其中，每个所述采集周期对应一个数据点。3.根据权利要求1所述的方法，其中，所述根据所述簇的列表中每个簇的基站负荷数据，以及预定簇负荷阈值、预定潮汐系数阈值和预定最小连续时段阈值，确定目标潮汐周期下的节能时段包括：确定所述簇的列表中数据点数量最多的簇为候选目标簇；确定所述候选目标簇的簇负荷和潮汐系数；从所述簇的列表中剔除所述候选目标簇中包含的数据点，继续执行确定候选目标簇的操作，直至所述簇的列表中每个簇中的数据点数量小于预定最小连续时段阈值对应的数据点数量；确定所述候选目标簇中，簇负荷小于等于预定簇负荷阈值，且潮汐系数小于等于所述预定潮汐系数阈值的簇对应的时段，为所述目标潮汐周期下的节能时段。4.根据权利要求1所述的方法，其中，所述基于改进的DBSCAN算法获取以所述基站负荷数据中每个数据点为核心的簇的列表包括，针对每个数据点为起始点和核心点依次执行：判断当前数据点与向前或向后的相邻数据点的值的差值是否在预定差值范围内；在确定当前数据点与相邻数据点的值的差值在预定差值范围内的情况下，判断所述相邻数据点与所述核心点的差值是否在预定差值范围内；...

【专利技术属性】
技术研发人员：张慧嫦，李力卡，王敏，郑佳欢，赖琮霖，张海平，张青，马泽雄，许盛宏，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：