一種室內弱覆蓋的確定方法及裝置與流程

本發明涉及無線通信技術領域，尤指一種室內弱覆蓋的確定方法及裝置。

背景技術：

弱覆蓋是基站所需要覆蓋面積大、基站間距過大、或者建筑物遮擋而導致的邊界區域信號較弱，弱覆蓋直接影響網絡性能以及通話質量。

傳統的發現室內弱覆蓋的方法，一般都通過室內測試、投訴等手段去實現。其中，室內測試方法，即由測試人員攜帶移動筆記本電腦、測試終端等測試設備，在室內不同樓層和區域進行遍歷測試，并將測試位置、信號電平、干擾等數據以打點方式記錄下來，之后，再由優化分析人員進行測試數據分析，如rsrp(referencesignalreceivingpower，參考信號接收功率)分布情況，來發現室內弱覆蓋。通過投訴手段來判斷室內弱覆蓋的方法，即搜集用戶投訴信息，篩選來源于室內場景的投訴，了解投訴記錄信息，有必要的還要結合復測結果，來判斷投訴是否是由于室內弱覆蓋導致。

然而，在現有技術中，確定室內弱覆蓋位置的方法存在以下缺陷：

現場測試手段只能采集某些樓宇的網絡情況，即只能發現被測試的樓宇的網絡覆蓋情況，而對于大多數遍布于城市中的樓宇，其網絡覆蓋情況則不得而知。同樣的，基于投訴手段發現的網絡覆蓋問題，雖然可以較為精準的定位到有弱覆蓋問題的樓宇，但要依賴于有客戶去投訴反饋問題。然而大多數弱覆蓋的樓宇是不會被客戶上報投訴的，那么問題就不會被發現，造成在大多樓宇內，用戶實際使用網絡時發生的接入失敗、掉線掉話、速率低等問題，未被及時發現并解決，影響網絡性能，降低用戶體驗。

技術實現要素：

本發明實施例提供一種室內弱覆蓋的確定方法及裝置，用以解決現有技術中存在無法快速定位室內弱覆蓋區域的問題。

因此，本發明實施例提供的一種室內弱覆蓋的確定方法，包括：

獲取室內網絡各接口的數據，將所述數據按照通信流程進行關聯；

根據選定的通信事件在已關聯的所述數據中篩選與所述通信事件相關的待挖掘數據；

對所述待挖掘數據進行聚類；

對所述聚類的結果進行分析，確定導致所述通信事件發生的屬性信息；

根據所述屬性信息定位室內弱覆蓋的區域。

在一種可能的實現方式中，在本發明實施例提供的上述方法中，所述通信事件通過以下方式選定：

在確定已經發生網絡問題時，根據確定的已經發生的網絡問題以及網絡問題分析索引，選定與已經發生的網絡問題對應的通信事件作為與室內弱覆蓋相關的通信事件。

在一種可能的實現方式中，在本發明實施例提供的上述方法中，所述通信事件通過以下方式選定：

在未確定已經發生網絡問題時，選定網絡通信流程中出現問題次數超過預設范圍的通信事件。

在一種可能的實現方式中，在本發明實施例提供的上述方法中，在將所述數據按照通信流程進行關聯之后，且在根據選定的通信事件在已關聯的所述數據中篩選與所述通信事件相關的待挖掘數據之前，還包括：

去除已關聯的所述數據中非有效值、奇點值和不合理的數據。

在一種可能的實現方式中，在本發明實施例提供的上述方法中，所述對所述待挖掘數據進行聚類，包括：

對所述待挖掘數據按照分類算法、關聯算法、聚類算法或預測算法進行聚 類。

本發明實施例還提供了一種室內弱覆蓋的確定裝置，包括：

數據獲取模塊，用于獲取室內網絡各接口的數據，將所述數據按照通信流程進行關聯；

第一數據篩選模塊，用于根據選定的通信事件在已關聯的所述數據中篩選與所述通信事件相關的待挖掘數據；

數據挖掘模塊，用于對所述待挖掘數據進行聚類；

結果分析模塊，用于對所述聚類的結果進行分析，確定導致所述通信事件發生的屬性信息；

定位模塊，用于根據所述屬性信息定位室內弱覆蓋的區域。

在一種可能的實現方式中，在上述裝置中，所述裝置還包括通信事件確定模塊，用于在確定已經發生網絡問題時，根據確定的已經發生的網絡問題以及網絡問題分析索引，選定與已經發生的網絡問題對應的通信事件作為與室內弱覆蓋相關的通信事件。

在一種可能的實現方式中，在上述裝置中，所述通信事件確定模塊還用于在未確定已經發生網絡問題時，選定網絡通信流程中出現問題次數超過預設范圍的通信事件。

在一種可能的實現方式中，在上述裝置中，所述裝置還包括第二數據篩選模塊，用于去除已關聯的所述數據中非有效值、奇點值和不合理的數據。

在一種可能的實現方式中，在上述裝置中，所述數據挖掘模塊，具體用于對所述待挖掘數據按照分類算法、關聯算法、聚類算法或預測算法進行聚類。本發明實施例的有益效果包括：

本發明實施例提供的一種室內弱覆蓋的確定方法，通過獲取室內網絡各接口的數據，將所述數據按照通信流程進行關聯；根據選定的通信事件在已關聯的所述數據中篩選與所述通信事件相關的待挖掘數據；對所述待挖掘數據進行聚類；對所述聚類的結果進行分析，確定導致所述通信事件發生的屬性信息； 根據所述屬性信息定位室內弱覆蓋的區域。通過室內網絡各接口的數據和選定的通信事件，對待挖掘數據進行聚類后可以得到導致該通信事件發生的屬性信息，并可以快速定位室內弱覆蓋的區域，避免了人為實地測量，并且可以全面分析網絡覆蓋范圍內的室內弱覆蓋情況。

附圖說明

圖1為本發明實施例提供的一種室內弱覆蓋的確定方法的流程圖之一；

圖2為本發明實施例提供的一種室內弱覆蓋的確定方法的流程圖之二；

圖3為本發明實施例提供的一種室內弱覆蓋的確定裝置的結構示意圖。

具體實施方式

下面結合附圖，對本發明實施例提供的室內弱覆蓋的確定方法及裝置的具體實施方式進行詳細地說明。

具體地，本發明實施例提供的一種室內弱覆蓋的確定方法，如圖1所示，具體包括以下步驟：

s101、獲取室內網絡各接口的數據，將數據按照通信流程進行關聯；

s102、根據選定的通信事件在已關聯的數據中篩選與通信事件相關的待挖掘數據；

s103、對待挖掘數據進行聚類；

s104、對聚類的結果進行分析，確定導致所述通信事件發生的屬性信息；

s105、根據屬性信息定位室內弱覆蓋的區域。

本發明實施例提供的室內弱覆蓋的確定方法，通過室內網絡各接口的數據和選定的通信事件，對待挖掘數據進行聚類后可以得到導致該通信事件發生的屬性信息，并可以快速定位室內弱覆蓋的區域，避免了人為實地測量，并且可以全面分析網絡覆蓋范圍內的室內弱覆蓋情況。

下面對上述各步驟的具體實現方式進行詳細的說明。

在上述步驟s101中，獲取室內網絡各接口的數據，可以通過采集lte(longtermevolution，通用移動通信技術的長期演進)網絡接口的數據實現，例如可以通過采集lte網絡接口uu、x2、s1-mme、s1-u、s10/11、s6a、s5/8等接口的數據。將獲取到的數據按照通信流程進行關聯，是指將獲取到的室內網絡各接口的數據按照各接口協議棧規范進行解析，對每一個通信流程，將涉及到的各單接口信令流程關聯合成為完整的流程記錄。

具體地，在上述步驟s101中，獲取室內網絡各接口的數據，具體可以包括：

根據輸入的硬采數據、軟采數據以及測量報告數據，獲取室內網絡各接口相關的數據。

進一步地，在上述步驟102中，分析與選定的通信事件相關的屬性信息，并在已關聯的數據中篩選出與該通信事件相關數據作為待挖掘數據，以便后續分析影響選定的通信事件的原因。

具體地，上述待挖掘數據按照來源形式的不同，包括可以從xdr直接讀取的信息，例如時間、位置、終端型號等屬性信息；可以從mr(measurementreport，測量報告)數據中得到的信息，例如場強、干擾等屬性信息；以及可以統計與該通信流程相關的問題分析索引而生成的信息，例如業務請求(servicerequest)成功率、失敗原因等信息。

進一步地，在上述步驟102中的通信事件可以通過以下方式選定：

在確定已經發生網絡問題時，根據確定的已經發生的網絡問題以及網絡問題分析索引，選定與已經發生的網絡問題對應的通信事件作為與室內弱覆蓋相關的通信事件。這樣可以針對已經發生的網絡問題有目的的進行分析。例如，確定已經發生的網絡問題為業務請求建立成功率低，則根據該網絡問題以及網絡問題分析索引，可以選定通信事件業務請求失敗作為與室內弱覆蓋相關的通信事件。

具體地，上述網絡問題分析索引可以通過dpi(deeppacketinspection，深 度報文檢測)系統中基于網絡信令統計生成，生成的網絡問題分析索引可以如表1所示：

表1通信事件及相關網絡問題分析索引

進一步地，在未確定已經發生網絡問題時，選定網絡通信流程中出現問題次數超過預設范圍的通信事件。這樣可以發現未體現在網絡問題索引中的隱含問題。例如，發現選定的網絡通信流程中，業務承載e-rab釋放異常次數多、發起volte呼叫失敗次數多、servicerequest發起失敗次數多等，可以通過這些網絡問題，選定對應的通信事件。

進一步地，在步驟s101之后，且在步驟s102之前，還可以包括：

去除已關聯的所述數據中非有效值、奇點值和不合理的數據。以便減少后續數據處理過程中的計算量。

具體的，在上述步驟103可以具體包括：

對待挖掘數據按照分類算法、關聯算法、聚類算法或預測算法進行聚類。上述分類算法、關聯算法、聚類算法和預測算法都屬于數據挖掘算法，其中，分類算法可以包括貝葉斯分類器、人工神經網絡、支持向量機等算法，關聯算法可以包括apriori、fp增長算法等，聚類算法可以包括k均值、dbscan等，預測算法可以包括多元回歸等。當然，也可以使用其他具有聚類效果的算法進行數據挖掘。通過對待挖掘數據進行數據挖掘，可以將選定的通信事件的不同 類別的屬性信息進行聚類，得到的聚類結果為影響該通信事件發生的屬性信息。

具體地，上述步驟s103中對待挖掘數據的聚類過程可以基于spss、modoler、中國移動蘇研院的大數據處理平臺等平臺實現，也可以通過其他數據挖掘平臺實現。

進一步地，上述步驟s103可以得到如下聚類結果：經緯度信息的聚類結果、小區標識的聚類結果、終端型號的聚類結果以及其他聚類結果。

具體的，在上述步驟104中，分析聚類的結果中的屬性信息與哪些因素有關，從而確定導致該通信事件發生的屬性信息。若聚類結果產生了多個導致該通信事件發生的屬性信息，則分析多個屬性信息之間是否存在邏輯上的聯系，若有些屬性信息與該通信事件發生不可能有關，則需要剔除該屬性信息重新進行數據挖掘。

具體地，在上述步驟s105中，在導致通信事件發生的屬性信息中，重點分析這些屬性信息中包含位置信息的屬性信息，例如經緯度信息的聚類結果，以經緯度作為樣本點，該聚類結果為一簇簇的樣本點，這些樣品點即各個集中的室內弱覆蓋位置的集合，再結合地理圖層，將這些樣本點投射到對應的樓宇位置，即得到室內弱覆蓋的位置。此處只是以經緯度信息的聚類結果進行舉例，也可以通過其他位置信息定位室內弱覆蓋的區域。

進一步地，為了得到更加可信的聚類結果，可以對多種類型的數據進行分析，或者嘗試采用多種挖掘算法，或者每一種挖掘算法嘗試多種算法參數的設置，也可以將這幾種方式結合到一起進行挖掘分析。

下面通過以選定的通信事件為業務請求(servicerequest)失敗，并且挖掘算法采用k均值聚類算法為例，說明本發明實施例提供的室內弱覆蓋的確定方法。

其具體實現流程如圖2所示，具體包括以下幾個步驟：

s201、獲取室內網絡各接口的數據，將數據按照通信流程進行關聯；

s202、去除已關聯的數據中非有效值、奇點值和不合理的數據；

s203、在已關聯的所述數據中篩選與業務請求失敗相關的待挖掘數據；

s204、采用k均值聚類算法對待挖掘數據進行聚類；

s205、對聚類的結果進行分析，確定導致業務請求失敗發生的屬性信息；

s206、根據屬性信息定位室內弱覆蓋的區域。

具體地，上述步驟s201可以具體包括：

獲取一段時間內(例如一周、半個月等)室內網絡各接口的數據，將這些數據按照通信流程進行關聯。

進一步地，上述步驟s203可以具體包括：

在已關聯的數據中，篩選出業務請求失敗的所有通信記錄樣本，定義為“樣本集合”；

過濾該樣本集合中，已關聯的mr數據中rsrp﹤-120dbm的采樣點，定義為“數據處理集合”，即待挖掘數據。

進一步地，上述步驟s204可以具體包括：

對“數據處理集合”中采樣點的屬性信息進行k均值聚類，該屬性信息如表2所示：

表2“數據處理集合”中采樣點的屬性信息

對k均值聚類的聚類結果進行分析，查找該聚類結果中，是否存在表2中的某個字段值按照一定的聚類效果形成的一類明顯的聚類，將所有這樣的字 段值篩選出來，作為“疑似聚類集合”，定義為集合m。

不限制rsrp的取值，對“樣本集合”重復上述聚類過程，得到“原始聚類集合”，定義為集合n。

將集合m和集合n進行比較，取集合m且不屬于集合n的那部分，定義為r，即該集合r為數據挖掘得到的聚類結果。

進一步地，上述步驟s205可以具體包括：

上述聚類結果(集合r)中包含如下聚類結果：經緯度信息的聚類結果、小區標識的聚類結果、終端型號的聚類結果以及其他聚類結果，這些屬性信息即影響該通信事件發生的主要屬性信息。

重點分析集合r中包含位置信息的屬性信息，例如經緯度信息的聚類結果，以經緯度作為樣本點，該聚類結果為一簇簇的樣本點，這些樣品點即各個集中的室內弱覆蓋位置的集合，定義為集合l。

進一步地，上述步驟s206可以具體包括：

對于集合l，結合地理圖層，將集合l中的樣本點投射到對應的樓宇位置，即得到室內弱覆蓋的位置。此處只是以經緯度信息的聚類結果進行舉例，也可以通過其他位置信息定位室內弱覆蓋的區域。

基于同一發明構思，本發明實施例還提供了一種室內弱覆蓋的確定裝置，由于該裝置解決問題的原理與前述一種室內弱覆蓋的確定方法相似，因此該裝置的實施可以參見方法的實施，重復之處不再贅述。

本發明實施例提供的一種室內弱覆蓋的確定裝置，如圖3所示，包括：

數據獲取模塊301，用于獲取室內網絡各接口的數據，將所述數據按照通信流程進行關聯；

第一數據篩選模塊302，用于根據選定的通信事件在已關聯的所述數據中篩選與所述通信事件相關的待挖掘數據；

數據挖掘模塊303，用于對所述待挖掘數據進行聚類；

結果分析模塊304，用于對所述聚類的結果進行分析，確定導致所述通信 事件發生的屬性信息；

定位模塊305，用于根據所述屬性信息定位室內弱覆蓋的區域。

具體地，在上述裝置中，所述裝置還包括通信事件確定模塊，用于在確定已經發生網絡問題時，根據確定的已經發生的網絡問題以及網絡問題分析索引，選定與已經發生的網絡問題對應的通信事件作為與室內弱覆蓋相關的通信事件。

具體地，在上述裝置中，所述通信事件確定模塊還用于在未確定已經發生網絡問題時，選定網絡通信流程中出現問題次數超過預設范圍的通信事件。

具體地，在上述裝置中，所述裝置還包括第二數據篩選模塊，用于去除已關聯的所述數據中非有效值、奇點值和不合理的數據。

具體地，在上述裝置中，所述數據挖掘模塊303，具體用于對所述待挖掘數據按照分類算法、關聯算法、聚類算法或預測算法進行聚類。具體地，可以在數據挖掘模塊303中進行數據挖掘應用，該模塊可以提供數據挖掘的工具平臺，包括各類挖掘算法的調用流程的圖形化呈現，每類挖掘算法以及每類挖掘算法中的具體挖掘算法都可以用一種圖標的形式呈現，通過該模塊，用戶只需拖拽各個圖標，搭建其所設計的流程算法，則該模塊會自動按照用戶設計好的流程順序，執行挖掘算法程序。在數據挖掘過程中，對每一次挖掘應用，可以嘗試多種類型的數據輸入，并且，每種類型的數據輸入，也可以嘗試多種挖掘算法，每種挖掘算法，可以嘗試多種算法參數的設置。

具體地，可以通過結果分析模塊304對數據挖掘模塊303得到的聚類結果進行分析，分析聚類得到的屬性信息是否能夠導致通信事件發生，若聚類結果產生了多個導致通信事件發生的屬性信息，則分析多個屬性信息之間是否存在邏輯上的聯系，若有些屬性信息與該通信事件發生不可能有關，則需要剔除該屬性信息重新進行數據挖掘。

若通過數據挖掘算法進行多次聚類，則分析多個聚類結果中哪個結果對該通信事件影響更大，即更符合室內弱覆蓋的場景，從而重點分析該聚類結果， 進而找到避免該通信事件發生的方案。

對多個通信事件進行多次大數據挖掘分析，將分析每一個通信事件時使用的挖掘算法以及影響每一個通信事件發生的屬性信息進行固化，形成固定的專題功能模塊，方便之后同類問題的大數據挖掘分析，進而優化室內網絡質量。

本發明實施方式提供的一種室內弱覆蓋的確定方法及裝置，可以構架于搭建了網絡各接口采集、解析、關聯的信令數據處理平臺，例如，可以構架于中國移動統一dpi系統。

本發明實施方式提供的一種室內弱覆蓋的確定方法及裝置，通過室內網絡各接口的數據和選定的通信事件，對待挖掘數據進行聚類后可以得到導致該通信事件發生的屬性信息，并可以快速定位室內弱覆蓋的區域，避免了人為實地測量，節約了測試成本，以及彌補了人為測量只能測試重點樓宇、投訴樓宇，而忽略掉大多數樓宇網絡問題的缺陷，可以全面分析網絡覆蓋范圍內的室內弱覆蓋情況。在未確定已經發生網絡問題時，選定網絡通信流程中出現問題次數超過預設范圍的通信事件進行挖掘分析，可以摸索其中未知規律以及可能的網絡性能問題，有利于解決潛在的影響網絡性能的問題、故障等。

顯然，本領域的技術人員可以對本發明進行各種改動和變型而不脫離本發明的精神和范圍。這樣，倘若本發明的這些修改和變型屬于本發明權利要求及其等同技術的范圍之內，則本發明也意圖包含這些改動和變型在內。