【移动通信编辑部 基于大数据的异网覆盖智能测评方案】10

【移动通信编辑部 基于大数据的异网覆盖智能测评方案】10

『【】摘要_本文是 移动通信编辑部 基于大数据的异网覆盖智能测评方案 10』的最新详细内容。许盛宏1,宫云平1,姚彦强2【关键词】4G;大数据;异网覆盖;智能测评doi:10.3969/j.issn.1006-1010.2020.09.016中图分类号:TN915.81文献标志码:A文章编号:1006-1010(2020)09-0092-05引用格式:许盛宏|宫云平|姚彦强.基于大数据的异网覆盖智能测评方案[J]….

按关键词阅读:

10基于大数据的异网覆盖智能测评方案许盛宏1 , 宫云平1 , 姚彦强2【关键词】4G;大数据;异网覆盖;智能测评doi:10.3969/j.issn.1006-1010.2020.09.016中图分类号:TN915.81文献标志码:A文章编号:1006-1010(2020)09-优博app_最新官网0092-05引用格式:许盛宏,宫云平,姚彦强.基于大数据的异网覆盖智能测评方案[J].移动通信,2020,44(9):92-96.随着移动业务竞争优博app_最新版官网下载带来压力 , 移动用户感知质量需要迫切提升 。 由于网络设备投入资源有限、规划站点部署不足将会导致移动网络弱覆盖、覆盖盲区等方面问题 , 严重影响用户感知的提升 。 为了支撑移动网络合理而精准的规划、优化 , 提升网络覆盖质量和业务服务竞争力 , 往往需要掌优博娱乐_官方最新版握异网(其他运营商)网络部署规模以及覆盖质量等竞争信息 , 实现有限资源的精准投放 , 重点保障和快速提升重要区域的客户感知 , 因此很有必要掌握异网覆盖指标 。 1现有解决方案为了获取4G异网覆盖指标 , 需要其他运营商的卡通过路测专用设备进行拉网测试 , 显然这种方式资源消耗大、成本高且效率低 。 MR为用户终端上报的测量报告 , 本方案所指MR均为用户终端周期性上报测试报告MRO 。 当前 , 全网通的4G终端周期性上报的MR包含AGPS(MDT-GPS经纬度) , 也包括主接入小区和邻区覆盖指标 , 其中主接入小区即为本网接入小区 , 而邻区包含本网小区和异网小区 。 所以 , 通过本网用户上报MR采集异网覆盖指标 , 成为一种可行的解决方案 。 目前技术方案存在的问题如下:(1)MR上报邻区数量有限 , 收集异网频点不全 , 导致测评很不准确 。 (2)不区分频点进行分析 , 无法反映现网根据最优频点信号接入网络的实际情况 。 因此 , 很有必要研究一种解决当前技术问题的方案 , 实现高效的、准确的、及时的自动化测评 。 目前技术方优博电竞_最新官网案的实现流程如图1所示:文章图片2智能测评方案2.1总体实现思路针对目前每条MR上报异网的邻区上报数量有限、频点收集不全、覆盖测评不准确的问题 , 提出了基于大数据的异网覆盖智能测评的方法 。 首先通过基站网管分批次监测异网所有频点 , 通过海量MR数据采集处理 , 然后每条MR按照频点分组提取RSRP最优值 , 将含有友商的MR进行栅格化 , 同时提取含有友商的MR , 根据频点出现次数分布统计其他运营商的主频点 , 再分运营商计算每个栅格所有MR的频点以及每个频点对应算术平均值 , 提取运营商频点的RSRP均值高者作为栅格覆盖指标 , 过滤掉不含主频点的友商栅格 , 最后通过聚类算法实现问题栅格自动连片得到覆盖问题区域 , 实现了通过本网用户对优博_官方唯一网站异网覆盖进行准确而自动测评 , 可进一步实现多个运营商覆盖指标同时同地对比分析 。 具体实现步骤如图2所示:文章图片2.2相关算法研究(1)空间聚合算法空间聚合通过地理化空间对网络指标进行聚合分析[1] 。 由于栅格数据结构简单 , 便于网络指标的空间聚合分析 , 可以对测评区域进行栅格化 。 栅格数据就是将空间分割成有规律的网格 , 每一个网格称为一个单元 , 并在各单元上赋予相应的属性值来表示实体的一种形式 , 格网单元大小决定了栅格数据模型的分辨率 。 采用地理化栅格指标进行聚合分析 , 可满足异网覆盖指标地理化评估分析的需求[2] 。 (2)密度聚类算法聚类算法包括划分、层次、密度、网格等聚类算法[3] 。 其中密度聚类算法最为代表的为DBSCAN , 该算法采用空间索引技术来搜索对象的邻域 , 引入了“核心对象”和“密度可达”等概念 , 从核心对象出发 , 把所有密度可达的对象组成一个簇[4] 。 为了实现覆盖质量差的地理区域查找 , 通过地理化栅格对异网覆盖指标进行分析 , 将满足弱覆盖的栅格自动连片 , 由于所要的目标区域大小和形状都不固定 , 通过采用密度聚类算法 , 从样本密度的角度出发 , 基于可连接样本不断扩展聚类簇 , 以获得最终的聚类结果 。 DBSCN算法包括扫描半径(R)和最小包含对象数(minPts) , 其中扫描半径R为相邻对象之间的最大距离 , 最小包含对象数为一个簇所需要最小对象的个数[5] 。

发表评论

电子邮件地址不会被公开。 必填项已用*标注