邻区关系预测方法技术

本发明专利技术公开了一种邻区关系预测方法

【技术实现步骤摘要】
邻区关系预测方法、装置、设备及存储介质


[0001]本专利技术涉及通信网络
，尤其涉及一种邻区关系预测方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]目前，自动化邻区关系配置可以是指自组织网络
(SON
，
Self Organized Networks)
中的邻区自配置
(ANR
，
Automatic Neighbor Relation)
功能，该功能通过分析小区下选定用户上报的测量结果，针对未配置邻区但信号质量较好的频点进行相应邻区关系的配置，更新小区邻区列表
。
虽然，可以通过自动化手段完成邻区关系配置，但是，仅通过少量用户在较短时间内的测量信息进行邻区关系配置，准确性较差
。

技术实现思路

[0003]有鉴于此，本专利技术实施例期望提供一种邻区关系预测方法
、
装置
、
设备及存储介质
。
[0004]本专利技术实施例的技术方案是这样实现的：
[0005]本专利技术的至少一个实施例提供了一种邻区关系预测方法，所述方法包括：
[0006]利用预先训练的目标模型对第一数据进行预测，得到邻区关系；所述第一数据包括各个第一小区的用户级测量数据
、
用户级业务特征数据
、
小区级互操作性能数据和小区级工参数据中至少之一；
[0007]其中，所述目标模型是基于第二数据和各个第二小区的邻区关系标签训练得到，所述第二数据包括各个第二小区的用户级测量数据
、
用户级业务特征数据
、
小区级互操作性能数据和小区级工参数据中至少之一
。
[0008]此外，根据本专利技术的至少一个实施例，所述方法还包括：
[0009]获取所述第二数据和第三数据；所述第三数据包括各个第二小区的小区邻区列表信息；
[0010]利用所述第二数据，确定所述各个第二小区之间的配对关系；
[0011]利用所述第三数据，确定初始的邻区关系，并对所述初始的邻区关系进行纠偏，得到所述邻区关系标签；
[0012]将所述各个第二小区之间的配对关系和所述邻区关系标签作为训练数据，并将所述训练数据输入至预测模型进行训练，得到用于预测邻区关系的目标模型
。
[0013]此外，根据本专利技术的至少一个实施例，所述利用所述第二数据，确定所述各个第二小区之间的配对关系，包括：
[0014]在预设时间窗口内，对所述第二数据包括的各个第二小区的用户级测量数据
、
用户级业务特征数据
、
小区级互操作性能数据和小区级工参数据中至少之一进行统计，得到与各个第二小区分别对应的特征数据；
[0015]利用在所述预设时间窗口内得到的与各个第二小区分别对应的特征数据，确定在
所述预设时间窗口内的所述各个第二小区之间的配对关系
。
[0016]此外，根据本专利技术的至少一个实施例，
[0017]对各个第二小区的小区级工参数据进行统计，得到多个网络制式相同的特征数据；
[0018]或者，
[0019]对各个第二小区的小区级工参数据进行统计，得到多个网络制式不同的特征数据
。
[0020]此外，根据本专利技术的至少一个实施例，所述利用所述第二数据，确定所述各个第二小区之间的配对关系，包括：
[0021]在各个预设时间窗口内，分别对所述第二数据包括的各个第二小区的用户级测量数据
、
用户级业务特征数据
、
小区级互操作性能数据和小区级工参数据中至少之一进行统计，得到与各个第二小区分别对应的特征数据；
[0022]利用在各个预设时间窗口内分别得到的与各个第二小区分别对应的特征数据，确定在各个预设时间窗口内的所述各个第二小区之间的配对关系
。
[0023]此外，根据本专利技术的至少一个实施例，所述对所述初始的邻区关系进行纠偏，得到所述邻区关系标签，包括：
[0024]检测初始的邻区关系中第
N
个邻区关系是否满足预设邻区关系条件；
[0025]当检测第
N
个邻区关系未满足预设邻区关系条件时，修改所述第
N
个邻区关系；
[0026]以此类推，直至所述初始的邻区关系中各个邻区关系均满足预设邻区关系条件；将满足预设邻区关系条件的各个邻区关系作为所述邻区关系标签；
[0027]其中，
N
＝1，
…
，
M
，
M
为大于1的正整数
。
[0028]此外，根据本专利技术的至少一个实施例，所述方法还包括：
[0029]对预测得到的邻区关系中的小区对进行排序，得到排序结果；
[0030]利用所述排序结果中满足预设排序条件的小区对，生成小区邻区列表；
[0031]输出所述小区邻区列表
。
[0032]本专利技术的至少一个实施例提供一种邻区关系预测装置，包括：
[0033]处理单元，用于利用预先训练的目标模型对第一数据进行预测，得到邻区关系；所述第一数据包括各个第一小区的用户级测量数据
、
用户级业务特征数据
、
小区级互操作性能数据和小区级工参数据中至少之一；
[0034]其中，所述目标模型是基于第二数据和各个第二小区的邻区关系标签训练得到，所述第二数据包括各个第二小区的用户级测量数据
、
用户级业务特征数据
、
小区级互操作性能数据和小区级工参数据中至少之一
。
[0035]本专利技术的至少一个实施例提供一种通信设备，包括：
[0036]通信接口，
[0037]处理器，用于处理单元，用于利用预先训练的目标模型对第一数据进行预测，得到邻区关系；所述第一数据包括各个第一小区的用户级测量数据
、
用户级业务特征数据
、
小区级互操作性能数据和小区级工参数据中至少之一；
[0038]其中，所述目标模型是基于第二数据和各个第二小区的邻区关系标签训练得到，所述第二数据包括各个第二小区的用户级测量数据
、
用户级业务特征数据
、
小区级互操作
性能数据和小区级工参数据中至少之一
。
[0039]本专利技术的至少一个实施例提供一种通信设备，包括处理器和用于存储能够在处理器上运行的计算机程序的存储器，
[0040]其中，所述处理器用于运行所述计算机程序时，执行上述终端侧任一方法的步骤
。
[0041]本专利技术的至少一个实施例提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法的步骤
。
[0042]本专利技术实施例提供的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种邻区关系预测方法，其特征在于，所述方法包括：利用预先训练的目标模型对第一数据进行预测，得到邻区关系；所述第一数据包括各个第一小区的用户级测量数据
、
用户级业务特征数据
、
小区级互操作性能数据和小区级工参数据中至少之一；其中，所述目标模型是基于第二数据和各个第二小区的邻区关系标签训练得到，所述第二数据包括各个第二小区的用户级测量数据
、
用户级业务特征数据
、
小区级互操作性能数据和小区级工参数据中至少之一
。2.
根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述第二数据和第三数据；所述第三数据包括各个第二小区的小区邻区列表信息；利用所述第二数据，确定所述各个第二小区之间的配对关系；利用所述第三数据，确定初始的邻区关系，并对所述初始的邻区关系进行纠偏，得到所述邻区关系标签；将所述各个第二小区之间的配对关系和所述邻区关系标签作为训练数据，并将所述训练数据输入至预测模型进行训练，得到用于预测邻区关系的目标模型
。3.
根据权利要求2所述的方法，其特征在于，所述利用所述第二数据，确定所述各个第二小区之间的配对关系，包括：在预设时间窗口内，对所述第二数据包括的各个第二小区的用户级测量数据
、
用户级业务特征数据
、
小区级互操作性能数据和小区级工参数据中至少之一进行统计，得到与各个第二小区分别对应的特征数据；利用在所述预设时间窗口内得到的与各个第二小区分别对应的特征数据，确定在所述预设时间窗口内的所述各个第二小区之间的配对关系
。4.
根据权利要求3所述的方法，其特征在于，对各个第二小区的小区级工参数据进行统计，得到多个网络制式相同的特征数据；或者，对各个第二小区的小区级工参数据进行统计，得到多个网络制式不同的特征数据
。5.
根据权利要求2所述的方法，其特征在于，所述利用所述第二数据，确定所述各个第二小区之间的配对关系，包括：在各个预设时间窗口内，分别对所述第二数据包括的各个第二小区的用户级测量数据
、
用户级业务特征数据
、
小区级互操作性能数据和小区级工参数据中至少之一进行统计，得到与各个第二小区分别对应的特征数据；利用在各个预设时间窗口内分别得到的与各个第二小区分别对应的特征数据，确定在各个预设时间窗口内的所述各个第二小区之间的配对关系
。6.
根据权利要求2所述的方法，其特征在于，所述对所述初...

【专利技术属性】
技术研发人员：李光宇，曹汐，梁燕萍，余立，冯俊兰，
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：