一种基于多参数多周期特征的基站分类方法及系统技术方案

本发明专利技术涉及一种基于多参数多周期特征的基站分类方法及系统，其方法包括：获取移动用户与基站交互产生的多个通信参数记录，得到基站原始数据集；采用分组聚类算法对单参数短周期时序数据进行第一层聚类；以类簇质心间的相似度构造单参数长周期时序数据的特征向量并进行第二层聚类；基于基站的多周期特征构造多维参数的特征向量并进行第三层聚类，可以得到基于多参数多周期特征的基站模式分类结果。本发明专利技术提供的方法可以帮助移动运营商更好地识别基站模式的多周期变化规律，从而提高基站模式预测的准确性，为基站运维优化策略的制定提供数据支撑。供数据支撑。供数据支撑。

【技术实现步骤摘要】
一种基于多参数多周期特征的基站分类方法及系统


[0001]本专利技术涉及无线通信
，具体涉及一种基于多参数多周期特征的基站分类方法及系统。

技术介绍

[0002]随着5G网络建设的稳步推进和人们对蜂窝网络资源需求的指数式增加，基站的建设规模不断扩大。基站作为用户与移动蜂窝网络的连接媒介，承载了巨大的数据量与用户信息。
[0003]由于用户的移动性和对资源的需求不同，基站的通信模式实际上是非常复杂的，我们通常不知道应该为来自数千座塔楼的数据确定多少个主要模式。另外，基站的运行模式并非一成不变的，即使是同一个基站，在不同的时间段也表现出不同的模式特征，存在多周期特征。
[0004]目前，对基站模式的研究大多集中在对蜂窝网络流量值的分析上，而一个基站收集到的通信数据不仅仅包含流量值(上行流量、下行流量)单一指标，还包括RRC平均用户数、RRC最大用户数、上行利用率、下行利用率以及PDCCH利用率多项通信参数。又因为人类出行活动的不规律性和缺乏专业运维经验导致直接提取能描述基站通信模式的特征集是很困难的。因此，如何拆解并重构具有多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多参数多周期特征的基站分类方法，其特征在于，包括：步骤S1：获取移动用户与基站塔交互产生的多个通信参数记录，作为基站原始数据集；提取所述基站原始数据集中的短周期时序数据进行第一层分组聚类，得到基于单参数短周期特征的基站模式分类结果，并根据所述单参数短周期特征的基站模式分类结果剔除所述基站原始数据集中偏离数据和模糊数据；步骤S2：计算所述基于单参数短周期特征的基站模式分类结果的各个类簇质心间的相似度，得到以相似度表达的基站短周期模式特征；基于所述基站短周期模式特征，按照时间顺序构造基站长周期时序数据的特征向量，并进行第二层聚类，得到基于单参数多周期特征的基站模式分类结果；步骤S3：根据所述基于单参数多周期特征的基站模式分类结果，构造基站多参数时序数据的特征向量并进行第三层聚类，得到基于多参数多周期特征的基站模式分类。2.根据权利要求1所述的基于多参数多周期特征的基站分类方法，其特征在于，所述步骤S1：获取移动用户与基站塔交互产生的多个通信参数记录，作为基站原始数据集；提取所述基站原始数据集中的短周期时序数据进行第一层分组聚类，得到基于单参数短周期特征的基站模式分类结果，并根据所述单参数短周期特征的基站模式分类结果剔除所述基站原始数据集中偏离数据和模糊数据，具体包括：步骤S11：获取移动用户与基站塔交互产生的多个通信参数记录，作为基站原始数据集，其中所述通信参数包括：上行流量、下行流量、RRC平均用户数、RRC最大用户数、上行利用率、下行利用率以及PDCCH利用率；基于所述基站原始数据集中包含多周期的时序数据，构建长周期时序数据集和短周期时序数据集；步骤S12：根据所述短周期时序数据集进行第一层分组聚类，得到基于单参数短周期特征的基站模式分类结果；步骤S13：剔除所述基于单参数短周期特征的基站模式分类结果中的偏离数据和模糊数据。3.根据权利要求2所述的基于多参数多周期特征的基站分类方法，其特征在于，所述步骤S12：根据所述短周期时序数据集进行第一层分组聚类，得到基于单参数短周期特征的基站模式分类结果，具体包括：步骤S121：从所述短周期时序数据集获取基站各个通信参数的短周期时序数据：其中，代表基站bs
i
第d天的短周期时序数据；基站通信参数p
j
对应的短周期时序数据集为：包括N个基站D天的短周期时序数据；步骤S122：基于K
‑
means++算法，利用加权概率分布从所述短周期时序数据集中随机选择预设的K个样本数据作为初始聚类质心；步骤S123：标准化所述短周期时序数据集并拆分成G个组，每组g
i
包含M条样本数据；对各组进行初始化，使各个组具有相同的初始类簇质心和聚类数目K；
步骤S124：计算组g
i
内每个短周期时序数据到每个类簇质心的相似度距离d(x,y)，将短周期时序数据划分到距离最近的类簇中，并重新计算类簇质心；步骤S125：判断新的类簇划分与上一类簇划分是否一致，若不一致则循环执行步骤S124，直到收敛或者达到最大迭代次数，最终组g
i
的聚类结果为：其中，代表类簇cluster
j
的最终质心；步骤S126：利用各组聚类最终质心，构造聚类结果集：重复步骤S124～S125进行组间聚类，设置聚类数目k∈[k
min
,k
max
]，其中，k
min
＝K
‑
K
×
0.75,k
max
＝K+K
×
0.75；结合时序曲线的增减变化趋势和轮廓系数SC，确定最佳聚类数目进而得到第一层分组聚类结果，即单参数短周期特征的基站模式分类结果：每条短周期时序数据类簇归属类簇质心和标签集4.根据权利要求3所述的基于多参数多周期特征的基站分类方法，其特征在于，所述步骤S13：剔除所述基于单参数短周期特征的基站模式分类结果中的偏离数据和模糊数据，具体包括：步骤S131...

【专利技术属性】
技术研发人员：诸彤宇，赵熙，王海泉，唐修博，
申请(专利权)人：北京航空航天大学云南创新研究院，
类型：发明
国别省市：