一种网络覆盖评估方法及装置与流程

本发明涉及通信技术领域，特别是指一种网络覆盖评估方法及装置。

背景技术：

在无线通信领域中，为了便于运营商分析网络覆盖情况，需要根据网络运行中的数据对网络覆盖情况进行评估，以便工作人员依据评估结果判断网络中是否需要添加站点、减少站点或修改站点的配置参数等。而在实际网络运营中，很多用户投诉是由于“不良用户感知”积累所致，但是现有技术方案在进行网络覆盖评估时是以小区维度为入口的，没有考虑用户的实际感受。

技术实现要素：

本发明的目的在于提供一种网络覆盖评估方法及装置，解决了现有技术中仅以小区维度为入口评估网络覆盖、忽略用户实际感知导致网络服务质量降低的问题。

为了达到上述目的，本发明实施例提供一种网络覆盖评估方法，包括：

获取待评估区域中的测量报告数据；

对获取的测量报告数据进行数据分离，确定所述待评估区域中用户的测量报告数据；

根据用户的测量报告数据，对用户的网络覆盖进行评估。

其中，所述根据用户的测量报告数据，对用户的网络覆盖进行评估的步骤，包括：

根据用户的测量报告数据，分别确定用户的平均覆盖强度以及用户的覆盖强度变化率；

根据用户的平均覆盖强度以及用户的覆盖强度变化率，对用户的网络覆盖进行评估确定用户的覆盖感知度。

其中，所述根据用户的测量报告数据，分别确定用户的平均覆盖强度以及用户的覆盖强度变化率的步骤，包括：

对用户的测量报告数据进行采样分析，确定多个采样点上的覆盖强度；

根据多个采样点上的覆盖强度，确定用户的平均覆盖强度和用户的覆盖强度变化率。

其中，根据多个采样点上的覆盖强度，确定用户的平均覆盖强度的步骤包括：

通过平均覆盖强度公式：确定用户的平均覆盖强度；

其中，Raver为用户的平均覆盖强度；Rn为第n个采样点上的覆盖强度，k为总的采样点数，n大于或者等于0且小于或者等于k。

其中，根据多个采样点上的覆盖强度，确定用户的覆盖强度变化率的步骤包括：

通过覆盖强度变化率公式：确定用户的覆盖强度变化率；

其中，Rvar为用户的覆盖强度变化率；Rn+1为第n+1个采样点上的覆盖强度，Rn为第n个采样点上的覆盖强度；k为总的采样点数，n大于或者等于0且小于或者等于k。

其中，所述根据用户的平均覆盖强度以及用户的覆盖强度变化率，对用户的网络覆盖进行评估确定用户的覆盖感知度的步骤，包括：

根据用户的平均覆盖强度以及用户的覆盖强度变化率对待评估区域内的用户进行聚类处理，确定用户的第一聚类参数和第二聚类参数；

根据用户的所述第一聚类参数和所述第二聚类参数，确定用户的覆盖感知度。

其中，第一聚类参数x_array＝np.array(Raver,Rvar)；

第二聚类参数y_pred＝KMeans(n_clusters＝X).fit_predict(x_array)；

其中，Raver为用户的平均覆盖强度；Rvar为用户的覆盖强度变化率；np.array、fit_predict分别为聚类函数；KMeans(n_clusters＝X)表示利用K-Means聚类方法将待评估区域内的用户分为X个聚类簇，X为大于或者等于1的整数。

其中，所述根据用户的所述第一聚类参数和所述第二聚类参数，确定用户的覆盖感知度的步骤，包括：

确定用户的覆盖感知度P＝M*x_array+(1-M)*y_pred；

其中，P为用户覆盖感知度，x_array为第一聚类参数，y_pred为第二聚类参数，M为大于0小于1的小数或分数。

本发明实施例还提供一种网络覆盖评估装置，包括：

数据获取模块，用于获取待评估区域中的测量报告数据；

数据分离模块，用于对获取的测量报告数据进行数据分离，确定所述待评估区域中用户的测量报告数据；

评估模块，用于根据用户的测量报告数据，对用户的网络覆盖进行评估。

其中，所述评估模块包括：

第一评估子模块，用于根据用户的测量报告数据，分别确定用户的平均覆盖强度以及用户的覆盖强度变化率；

第二评估子模块，用于根据用户的平均覆盖强度以及用户的覆盖强度变化率，对用户的网络覆盖进行评估确定用户的覆盖感知度。

其中，所述第一评估子模块包括：

采样单元，用于对用户的测量报告数据进行采样分析，确定多个采样点上的覆盖强度；

确定单元，用于根据多个采样点上的覆盖强度，确定用户的平均覆盖强度和用户的覆盖强度变化率。

其中，所述第二评估子模块包括：

聚类单元，用于根据用户的平均覆盖强度以及用户的覆盖强度变化率对待评估区域内的用户进行聚类处理，确定用户的第一聚类参数和第二聚类参数；

感知度确定单元，用于根据用户的所述第一聚类参数和所述第二聚类参数，确定用户的覆盖感知度。

本发明的上述技术方案至少具有如下有益效果：

本发明实施例的网络覆盖评估方法及装置中，通过对测量报告数据进行用户级的数据分离来得到用户的测量报告数据，从而对用户的测量报告数据进行评估来确定用户的网络覆盖情况；由于本发明实施例在进行网络覆盖评估时考虑到了用户对于网络覆盖的感知，进而可使网络覆盖优化结果更贴近用户实际的需求，提高网络服务质量，提升用户感知水平。

附图说明

图1表示本发明的第一实施例提供的网络覆盖评估方法的步骤流程图；

图2表示本发明的第一实施例提供的网络覆盖评估方法中的聚类结果示意图；

图3表示本发明的第二实施例提供的网络覆盖评估装置的结构示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

第一实施例

如图1所示，本发明的第一实施例提供一种网络覆盖评估方法，包括：

步骤11，获取待评估区域中的测量报告数据。

本步骤中可以通过对通信网络中不同格式或者相同格式的测量报告SA进行解析，从而得到待评估区域中的测量报告数据。具体的可采用信令软采的方式周期性采集测量报告数据。

步骤12，对获取的测量报告数据进行数据分离，确定所述待评估区域中用户的测量报告数据。

步骤13，根据用户的测量报告数据，对用户的网络覆盖进行评估。

本发明的上述实施例中，步骤12为用户级的数据分离，即对待评估区域内的测量报告数据进行预处理，将测量报告数据划分为各个用户的测量报告数据。从而对用户的测量报告数据进行评估来确定用户的网络覆盖情况。

具体的，本发明的上述实施例中步骤12包括：

步骤121，根据S1接口的用户标识，对获取的测量报告数据进行数据分离，确定所述待评估区域中用户的测量报告数据。

即根据S1接口的用户标识可以从测量报告数据中区分中不同用户的测量报告数据。

较佳的，本发明的上述实施例中，用户级网络覆盖评估包括：用户覆盖强度和用户覆盖变化率的计算、聚类以及用户覆盖感知度计算。

进一步的，本发明的上述实施例中步骤13包括：

步骤131，根据用户的测量报告数据，分别确定用户的平均覆盖强度以及用户的覆盖强度变化率；

步骤132，根据用户的平均覆盖强度以及用户的覆盖强度变化率，对用户的网络覆盖进行评估确定用户的覆盖感知度。

且步骤131包括：

步骤1311，对用户的测量报告数据进行采样分析，确定多个采样点上的覆盖强度；

步骤1312，根据多个采样点上的覆盖强度，确定用户的平均覆盖强度和用户的覆盖强度变化率。

其中，通过平均覆盖强度公式：确定用户的平均覆盖强度；

其中，Raver为用户的平均覆盖强度；Rn为第n个采样点上的覆盖强度，k为总的采样点数，n大于或者等于0且小于或者等于k。

通过覆盖强度变化率公式：确定用户的覆盖强度变化率；

其中，Rvar为用户的覆盖强度变化率；Rn+1为第n+1个采样点上的覆盖强度，Rn为第n个采样点上的覆盖强度；k为总的采样点数，n大于或者等于0且小于或者等于k。

较佳的，步骤132包括：

步骤1321，根据用户的平均覆盖强度以及用户的覆盖强度变化率对待评估区域内的用户进行聚类处理，确定用户的第一聚类参数和第二聚类参数；

步骤1322，根据用户的所述第一聚类参数和所述第二聚类参数，确定用户的覆盖感知度。

其中，第一聚类参数x_array＝np.array(Raver,Rvar)；

第二聚类参数y_pred＝KMeans(n_clusters＝X).fit_predict(x_array)；

其中，Raver为用户的平均覆盖强度；Rvar为用户的覆盖强度变化率；np.array、fit_predict分别为聚类函数；KMeans(n_clusters＝X)表示利用K-Means聚类方法将待评估区域内的用户分为X个聚类簇，X为大于或者等于1的整数。

如图2所示，X等于8，即利用K-Means聚类方法将待评估区域内的用户分为8个聚类簇；具体的，第1簇中的用户：平均覆盖强度较好，覆盖强度变化率较低；第2簇中的用户：平均覆盖强度较高，覆盖强度变化率幅度大；第3簇中的用户：平均覆盖强度一般，覆盖强度变化率较低；第4簇中的用户：平均覆盖强度一般，覆盖强度变化率较高；第5簇中的用户：平均覆盖强度较差，覆盖强度变化率较低；第6簇中的用户：平均覆盖强度较差，覆盖强度变化率较高；第7簇中的用户：平均覆盖强度很差，覆盖强度变化率较低；第8簇中的用户：平均覆盖强度非常差，覆盖强度变化率幅度大。

并确定用户的覆盖感知度P＝M*x_array+(1-M)*y_pred；

其中，P为用户覆盖感知度，x_array为第一聚类参数，y_pred为第二聚类参数，M为大于0小于1的小数或分数。较佳的，M等于0.5。

综上，本发明的第一实施例中基于用户级测量报告数据计算用户平均覆盖强度以及用户覆盖强度变化率，并对用户覆盖强度和用户覆盖强度变化率进行聚类处理，最后根据聚类后的数据来计算确定用户覆盖感知度；实现了用户级覆盖感知的评估，同时采用大数据关联分析法聚类进行数据挖掘，提升结果的可信度。且由于本发明实施例在进行网络覆盖评估时考虑到了用户对于网络覆盖的感知，进而可使网络覆盖优化结果更贴近用户实际的需求，提高网络服务质量，提升用户感知水平。

第二实施例

如图3所示，本发明的的第二实施例提供一种网络覆盖评估装置，包括：

数据获取模块31，用于获取待评估区域中的测量报告数据；

数据分离模块32，用于对获取的测量报告数据进行数据分离，确定所述待评估区域中用户的测量报告数据；

评估模块33，用于根据用户的测量报告数据，对用户的网络覆盖进行评估。

具体的，本发明的第二实施例中所述数据分离模块包括：

数据分离子模块，用于根据S1接口的用户标识，对获取的测量报告数据进行数据分离，确定所述待评估区域中用户的测量报告数据。

具体的，本发明的第二实施例中所述评估模块包括：

第一评估子模块，用于根据用户的测量报告数据，分别确定用户的平均覆盖强度以及用户的覆盖强度变化率；

第二评估子模块，用于根据用户的平均覆盖强度以及用户的覆盖强度变化率，对用户的网络覆盖进行评估确定用户的覆盖感知度。

具体的，本发明的第二实施例中所述第一评估子模块包括：

采样单元，用于对用户的测量报告数据进行采样分析，确定多个采样点上的覆盖强度；

确定单元，用于根据多个采样点上的覆盖强度，确定用户的平均覆盖强度和用户的覆盖强度变化率。

具体的，本发明的第二实施例中所述确定单元包括：

第一确定子单元，用于通过平均覆盖强度公式：确定用户的平均覆盖强度；

其中，Raver为用户的平均覆盖强度；Rn为第n个采样点上的覆盖强度，k为总的采样点数，n大于或者等于0且小于或者等于k。

具体的，本发明的第二实施例中所述确定单元包括：

第二确定子单元，用于通过覆盖强度变化率公式：确定用户的覆盖强度变化率；

其中，Rvar为用户的覆盖强度变化率；Rn+1为第n+1个采样点上的覆盖强度，Rn为第n个采样点上的覆盖强度；k为总的采样点数，n大于或者等于0且小于或者等于k。

具体的，本发明的第二实施例中所述第二评估子模块包括：

聚类单元，用于根据用户的平均覆盖强度以及用户的覆盖强度变化率对待评估区域内的用户进行聚类处理，确定用户的第一聚类参数和第二聚类参数；

感知度确定单元，用于根据用户的所述第一聚类参数和所述第二聚类参数，确定用户的覆盖感知度。

具体的，本发明的第二实施例中第一聚类参数x_array＝np.array(Raver,Rvar)；

第二聚类参数y_pred＝KMeans(n_clusters＝X).fit_predict(x_array)；

其中，Raver为用户的平均覆盖强度；Rvar为用户的覆盖强度变化率；np.array、fit_predict分别为聚类函数；KMeans(n_clusters＝X)表示利用K-Means聚类方法将待评估区域内的用户分为X个聚类簇，X为大于或者等于1的整数。

具体的，本发明的第二实施例中，所述感知度确定单元包括：

感知度确定子单元，用于确定用户的覆盖感知度P＝M*x_array+(1-M)*y_pred；

其中，P为用户覆盖感知度，x_array为第一聚类参数，y_pred为第二聚类参数，M为大于0小于1的小数或分数。

综上，本发明的第二实施例提供的装置能够基于用户级测量报告数据计算用户平均覆盖强度以及用户覆盖强度变化率，并对用户覆盖强度和用户覆盖强度变化率进行聚类处理，最后根据聚类后的数据来计算确定用户覆盖感知度；实现了用户级覆盖感知的评估，同时采用大数据关联分析法聚类进行数据挖掘，提升结果的可信度。且由于本发明实施例在进行网络覆盖评估时考虑到了用户对于网络覆盖的感知，进而可使网络覆盖优化结果更贴近用户实际的需求，提高网络服务质量，提升用户感知水平。

需要说明的是，本发明的第二实施例提供的网络覆盖评估装置是能够应用上述网络覆盖评估方法的评估装置，则上述网络覆盖评估方法的所有实施例均适用于该装置，且均能达到相同或相似的有益效果。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。