本公開涉及無線通信,尤其涉及一種小區的效能評估方法及裝置。
背景技術:
1、相關技術中心,針對4、5g負載能力的評估,主要采用區分業務(或數據業務的大小包)和帶寬、頻段,使用上下行利用率、流量、用戶數的固定門限來進行是否高負荷小區的判斷。然而,現有對于負載能力的評估缺乏從實際業務吸收效能的維度進行客觀評估,且分類粗、門限單一,無法準確反映資源訴求的程度。因此,如何準確評估小區效能,從而實現移動網絡資源優配是亟待解決的問題。
技術實現思路
1、為克服相關技術中存在的問題,本公開提供一種小區的效能評估方法及裝置。
2、根據本公開實施例的第一方面,提供一種小區的效能評估方法,包括:
3、獲取待測小區的多個第一特征各自的第一特征值;
4、根據多個所述第一特征值在多個小區簇中確定所述待測小區所屬的第一小區簇;
5、從所述多個小區簇的多個標準效能曲線中確定所述第一小區簇的標準效能曲線;所述標準效能曲線用于表征小區效能在不同平均激活用戶數區間的分布;
6、獲取所述待測小區在多個時間點的第一效能和第一平均激活用戶數;
7、根據所述第一效能和所述第一平均激活用戶數,生成第一效能曲線;
8、確定所述第一小區簇的標準效能曲線與所述第一效能曲線之間的第一偏移量,并根據所述第一偏移量對所述待測小區進行效能評估。
9、在本公開一些實施例中,所述多個第一特征通過以下方式確定:獲取第一樣本小區在多個時間點的第一樣本實際效能和多個特征各自的第一樣本特征值;基于所述樣本實際效能、所述多個特征各自的樣本特征值和預先訓練的基于gbdt回歸的小區效能預測模型,確定所述多個特征各自的重要性系數;所述小區效能預測模型具有根據所述樣本實際效能預測所述多個特征各自的重要性系數的能力;根據所述多個特征各自的重要性系數,在所述多個特征中確定所述多個第一特征。
10、在本公開一些實施例中,所述多個小區簇的多個標準效能曲線通過以下方式確定:確定所述多個第一特征各自的取值類別;根據所述多個第一特征各自的取值類別,確定多個小區類;其中,每個小區類對應一種所述多個第一特征取值類別的組合;獲取多個第二樣本小區的所述多個第一特征各自的第二樣本特征值;根據所述第二樣本特征值確定各個所述第二樣本小區所屬的小區類;針對每個小區類中的第二樣本小區,獲取所述第二樣本小區在多個時間點的第二樣本實際效能和樣本平均激活用戶數;根據所述每個小區類中所述第二樣本小區在多個時間點的第二樣本實際效能和樣本平均激活用戶數,生成所述每個小區類的標準效能曲線;對多個所述小區類的標準效能曲線進行聚類,獲得所述多個小區簇的多個標準效能曲線。
11、在本公開一些實施例中,所述對多個所述小區類的標準效能曲線進行聚類,獲得所述多個小區簇的多個標準效能曲線,包括:采用k-means聚類算法對多個所述小區類的標準效能曲線進行聚類,獲得所述多個小區簇的多個標準效能曲線;其中,k-means聚類算法采用j-s散度作為距離函數。
12、在本公開一些實施例中,所述確定所述第一小區簇的標準效能曲線與所述第一效能曲線之間的第一偏移量,包括:計算所述第一小區簇的標準效能曲線與所述第一效能曲線的第一j-s散度;將所述第一j-s散度作為所述第一偏移量。
13、在本公開一些實施例中,所述根據所述第一偏移量對所述待測小區進行效能評估,包括:響應于所述第一偏移量大于或等于第一偏移量閾值,確定所述待測小區為高負荷小區;或者,響應于所述第一偏移量小于或等于第二偏移量閾值,確定所述待測小區為高負荷小區;或者,響應于所述第一偏移量小于所述第一偏移量閾值且大于所述第二偏移量閾值,確定所述待測小區為正常負荷小區;其中,所述第一偏移量閾值大于所述第二偏移量閾值。
14、根據本公開實施例的第二方面,提供一種小區的效能評估裝置裝置,包括:
15、第一獲取模塊,用于獲取待測小區的多個第一特征各自的第一特征值;
16、第一確定模塊,用于根據多個所述第一特征值在多個小區簇中確定所述待測小區所屬的第一小區簇;
17、第二確定模塊,用于從所述多個小區簇的多個標準效能曲線中確定所述第一小區簇的標準效能曲線;所述標準效能曲線用于表征小區效能在不同平均激活用戶數區間的分布;
18、第二獲取模塊,用于獲取所述待測小區在多個時間點的第一效能和第一平均激活用戶數;
19、生成模塊,用于根據所述第一效能和所述第一平均激活用戶數,生成第一效能曲線;
20、評估模塊,用于確定所述第一小區簇的標準效能曲線與所述第一效能曲線之間的第一偏移量,并根據所述第一偏移量對所述待測小區進行效能評估。
21、在本公開一些實施例中,所述裝置還包括:特征確定模塊;其中,所述特征確定模塊用于:獲取第一樣本小區在多個時間點的第一樣本實際效能和多個特征各自的第一樣本特征值;基于所述樣本實際效能、所述多個特征各自的樣本特征值和預先訓練的基于gbdt回歸的小區效能預測模型,確定所述多個特征各自的重要性系數;所述小區效能預測模型具有根據所述樣本實際效能預測所述多個特征各自的重要性系數的能力;根據所述多個特征各自的重要性系數,在所述多個特征中確定所述多個第一特征。
22、本公開的實施例提供的技術方案可以包括以下有益效果:基于待測小區第一特征值準確確定待測小區所屬的第一小區簇。利用第一小區簇的標準效能曲線與待測小區的第一效能曲線,可對待測小區進行準確的效能評估,快速甄別現網高、低效能小區,準確反映資源訴求的程度。對于低效能小區,可開展效能優化,提升用戶感知及網絡收益。
23、應當理解的是,以上的一般描述和后文的細節描述僅是示例性和解釋性的,并不能限制本公開。
1.一種小區的效能評估方法,其特征在于,包括:
2.根據權利要求1所述的方法,其特征在于,所述多個第一特征通過以下方式確定:
3.根據權利要求1所述的方法,其特征在于,所述多個小區簇的多個標準效能曲線通過以下方式確定:
4.根據權利要求3所述的方法,其特征在于,所述對多個所述小區類的標準效能曲線進行聚類,獲得所述多個小區簇的多個標準效能曲線,包括:
5.根據權利要求1所述的方法,其特征在于,所述確定所述第一小區簇的標準效能曲線與所述第一效能曲線之間的第一偏移量,包括:
6.根據權利要求1所述的方法,其特征在于,所述根據所述第一偏移量對所述待測小區進行效能評估,包括:
7.一種小區的效能評估裝置,其特征在于,包括:
8.根據權利要求7所述的裝置,其特征在于,所述裝置還包括:特征確定模塊;其中,所述特征確定模塊用于:
9.一種電子設備,其特征在于,包括:存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序,所述處理器執行所述程序時,實現如權利要求1至6所述的方法。
10.一種計算機可讀存儲介質,其上存儲有計算機程序,其特征在于,所述計算機程序被處理器執行時實現如權利要求1至6所述的方法。