基于测量报告的定位方法、设备、装置及存储介质制造方法及图纸

本申请实施例公开了一种基于测量报告的定位方法、设备、装置及存储介质，所述方法包括：根据待进行定位的测量报告MR数据，确定MR数据所属的小区类别；将MR数据输入至与小区类别对应的定位预测模型中，得到MR数据的定位结果；其中，与小区类别对应的定位预测模型是指利用与小区类别相同的小区的最小化路测MDT历史数据作为输入样本，以及利用与MDT历史数据对应的定位结果数据作为输出样本，进行训练后得到的。本申请实施例将待进行定位的MR数据输入至由MDT历史数据训练的定位预测模型中，能够准确的获取定位MR数据，且实时性较好。且实时性较好。且实时性较好。

【技术实现步骤摘要】
基于测量报告的定位方法、设备、装置及存储介质


[0001]本申请涉及通信
，具体涉及一种基于测量报告的定位方法、设备、装置及存储介质。

技术介绍

[0002]测量报告MR(Measurement Report)的无线优化方法在无线网络中应用广泛，其中MR数据的位置定位尤为重要，MR的位置信息可以真实的反应用户的感知，便于了解现网的真实情况，还可以快速定位网络中的问题并及时处理，实现网络精准优化及规划。
[0003]现有的MR位置定位采用指纹库定位算法，即将用户所在位置的MR信息与位置指纹的样本数据集(指纹库)进行匹配；该算法的指纹库一般通过通信仿真来得到指纹库，算法的核心在于匹配设计，一般采用欧几里得距离、马氏距离以及余弦相似度作为栅格匹配门限。
[0004]然而，实际应用中的指纹库是通过仿真来实现，再用互联网电视OTT的数据进行校准指纹库。由于仿真是通过传播计算出的结果，虽然非常全面但它是一个理论计算值，与实际现网还是有很大差距，其中OTT校准只是少部分的数据，所以指纹库中MR的位置信息的准确率就不够高，这样就会导致定位准确率比较低。此外，指纹库的核心算法是通过欧几里得距离、马氏距离以及余弦相似度等方式匹配设计，将单条MR信息与指纹库进行匹配计算出结果，当面临现网中海量的MR数据计算时，计算量较大需要存储内存也很大，最终的结果就是效率低且耗资源。

技术实现思路

[0005]由于现有方法存在上述问题，本申请实施例提供一种基于测量报告的定位方法、设备、装置及存储介质。
[0006]具体的，本申请实施例提供了以下技术方案：
[0007]第一方面，本申请实施例提供一种基于测量报告的定位方法，包括：
[0008]根据待进行定位的测量报告MR数据，确定所述MR数据所属的小区类别；
[0009]将所述MR数据输入至与所述小区类别对应的定位预测模型中，得到所述MR数据的定位结果；
[0010]其中，与所述小区类别对应的定位预测模型是指利用与所述小区类别相同的小区的最小化路测MDT历史数据作为输入样本，以及利用与所述MDT历史数据对应的定位结果数据作为输出样本，进行训练后得到的。
[0011]可选的，所述根据待进行定位的测量报告MR数据，确定所述MR数据所属的小区类别，包括：
[0012]根据待进行定位的测量结果MR数据，确定所述MR数据所属的小区；
[0013]根据所述小区的特征信息采用Kmeans算法对所述小区进行聚类，得到所述小区所属的小区类别。
[0014]可选的，所述小区的特征信息包括：位置、性质、室分、频点、方向角和挂高中的一种或多种。
[0015]可选的，与所述小区类别对应的定位预测模型的训练过程包括：
[0016]获取与所述小区类别相同的小区的最小化路测MDT历史数据，以及与所述MDT历史数据对应的定位结果数据；
[0017]对所述MDT历史数据进行独热编码，得到编码后的数据，并以所述MDT历史数据所在小区为单元，按照小区对编码后的数据进行标准化处理，得到经过标准化处理后的输入数据；
[0018]对所述定位结果数据，按照小区进行标准化处理，得到经过标准化处理后的输出数据；
[0019]将所述输入数据作为输入样本，将所述输出数据作为输出样本，基于XGBoost算法进行模型训练后得到与所述小区类别对应的定位预测模型。
[0020]可选的，所述MDT历史数据包括小区标识、主小区电平、主小区物理标识PCI、前4个邻区的电平、前4个邻区的PCI，以及前4个邻区的时间提前量TADV中的一种或多种；
[0021]与所述MDT历史数据对应的定位结果数据包括经度和纬度中的一种或多种。
[0022]可选的，在对所述MDT历史数据进行独热编码之前，所述方法还包括：
[0023]对所述MDT历史数据进行数据清洗；其中，所述数据清洗包括：对缺失值的异常处理和/或对数据位置漂移的异常处理。
[0024]可选的，所述对缺失值的异常处理，包括：对不同类型的缺失数据采用与相应类型对应的预设值进行填充；
[0025]和/或，
[0026]所述对数据位置漂移的异常处理，包括：
[0027]确定单小区经度和纬度上四分位和下四分位；其中，上四分位为U，表示的是所有样本中只有1/4的数值大于U，下四分位为L，表示的是所有样本中只有1/4的数值小于L；
[0028]确定上界和下界；其中，上四分位与下四分位的差值为四分位间距IQR，IQR＝U
‑
L；上界为U+1.5IQR，下界为L
‑
1.5IQR；
[0029]将经度和纬度均按照所述上界和所述下界选取并取交集，将交集之外的部分作为异常数据去除，将交集内的部分作为训练用的有效数据。
[0030]可选的，将所述MR数据输入至与所述小区类别对应的定位预测模型中，得到所述MR数据的定位结果，包括：
[0031]将所述MR数据中包括的小区标识、主小区电平、主小区PCI、前4个邻区的电平、前4个邻区的PCI，以及前4个邻区的TADV中的一种或多种信息输入至与所述小区类别对应的定位预测模型中，得到所述MR数据的经度和/或纬度定位结果。
[0032]第二方面，本申请实施例还提供了一种数据定位设备，包括存储器，收发机，处理器：
[0033]存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并执行时实现如第一方面所述的基于测量报告的定位方法的步骤。
[0034]第三方面，本申请实施例还提供了一种数据定位装置，包括：
[0035]第一处理模块，用于根据待进行定位的测量报告MR数据，确定所述MR数据所属的小区类别；
[0036]第二处理模块，用于将所述MR数据输入至与所述小区类别对应的定位预测模型中，得到所述MR数据的定位结果；
[0037]其中，与所述小区类别对应的定位预测模型是指利用与所述小区类别相同的小区的最小化路测MDT历史数据作为输入样本，以及利用与所述MDT历史数据对应的定位结果数据作为输出样本，进行训练后得到的。
[0038]第四方面，本申请实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的基于测量报告的定位方法的步骤。
[0039]由上面技术方案可知，本申请实施例基于测量报告的定位方法一方面根据待进行定位的MR数据所属的小区类别，调用该小区类别的定位预测模型输出定位结果，由于模型的训练阶段都是前期完成的，因此，当面临海量MR数据时可以较快的进行定位计算，实时性较好。另一方面，将最小化路测MDT历史数据作为训练集样本准确率较高，能够很好保证定位预测模型的精确度，进一步提高了MR数据定位的准确率。
附图说明
[0040]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于测量报告的定位方法，其特征在于，包括：根据待进行定位的测量报告MR数据，确定所述MR数据所属的小区类别；将所述MR数据输入至与所述小区类别对应的定位预测模型中，得到所述MR数据的定位结果；其中，与所述小区类别对应的定位预测模型是指利用与所述小区类别相同的小区的最小化路测MDT历史数据作为输入样本，以及利用与所述MDT历史数据对应的定位结果数据作为输出样本，进行训练后得到的。2.根据权利要求1所述的基于测量报告的定位方法，其特征在于，所述根据待进行定位的测量报告MR数据，确定所述MR数据所属的小区类别，包括：根据待进行定位的测量结果MR数据，确定所述MR数据所属的小区；根据所述小区的特征信息采用Kmeans算法对所述小区进行聚类，得到所述小区所属的小区类别。3.根据权利要求2所述的基于测量报告的定位方法，其特征在于，所述小区的特征信息包括：位置、性质、室分、频点、方向角和挂高中的一种或多种。4.根据权利要求1所述的基于测量报告的定位方法，其特征在于，与所述小区类别对应的定位预测模型的训练过程包括：获取与所述小区类别相同的小区的最小化路测MDT历史数据，以及与所述MDT历史数据对应的定位结果数据；对所述MDT历史数据进行独热编码，得到编码后的数据，并以所述MDT历史数据所在小区为单元，按照小区对编码后的数据进行标准化处理，得到经过标准化处理后的输入数据；对所述定位结果数据，按照小区进行标准化处理，得到经过标准化处理后的输出数据；将所述输入数据作为输入样本，将所述输出数据作为输出样本，基于XGBoost算法进行模型训练后得到与所述小区类别对应的定位预测模型。5.根据权利要求4所述的基于测量报告的定位方法，其特征在于，所述MDT历史数据包括小区标识、主小区电平、主小区物理标识PCI、前4个邻区的电平、前4个邻区的PCI，以及前4个邻区的时间提前量TADV中的一种或多种；与所述MDT历史数据对应的定位结果数据包括经度和纬度中的一种或多种。6.根据权利要求4所述的基于测量报告的定位方法，其特征在于，在对所述MDT历史数据进行独热编码之前，所述方法还包括：对所述MDT历史数据进行数据清洗；其中，所述数据清洗包括：对缺失值的异常处理和/或对数据位...

【专利技术属性】
技术研发人员：赵春芹，张建明，
申请(专利权)人：上海大唐移动通信设备有限公司，
类型：发明
国别省市：