本发明涉及数据处理技术，尤其涉及一种业务及网络质量数据的可视化处理方法及装置。
背景技术：
在数据处理的一个场景中，采用真实终端的业务拨测、无线信号测量等方式可采集基于地理位置的业务及网络质量数据，包含终端、网络制式、业务等多维度信息。此类数据的可视化处理是解决业务质量监测、网络质量差点排查等问题的重要手段。
现有技术中，对于这类信息的可视化处理，仅限于测试结果的散点呈现，即测试地理位置信息标注测试结果，未能充分发挥数据可视化的效果。
具体的，采用现有技术存在的问题是：1)测试数据存在偶然性，某个维度(如地理位置)的数据信息需要大量相同场景的测试结果进行综合评价，才能反映该维度的总体质量，现有散点呈现的方式只能列举各个测试的情况，无法实现同类数据的综合评价；另外，对于测试数据分布密度情况，现有散点呈现的方式也不能有效体现；2)在业务及网络质量可视化分析方面，存在不同地理范围的分析需求，如全国级、省级、市级、县区级、街道级等，而现有呈现方式仅适用于街道级，无法反映较大地理范围的质量分布情况。此外在大的地理范围内得到的海量数据(如百万量级样本数)，因数据量超过巨大无法通过散点方式呈现。
然而，相关技术中，对于该问题，尚无有效解决方案。
技术实现要素：
有鉴于此，本发明实施例希望提供一种业务及网络质量数据的可视化处理方法及装置，至少解决了现有技术存在的问题。
本发明实施例的技术方案是这样实现的：
本发明实施例的一种业务及网络质量数据的可视化处理方法，所述方法包括：
采集业务及网络质量数据，将所述业务及网络质量数据基于地理位置进行网格化划分，得到网格数据；
将所述网格数据中满足聚合策略的数据进行聚合处理，得到面向多级地理位置区域的聚合数据，所述聚合数据以多维度的显示参数来表征综合指标；
将所述聚合数据以热力图进行呈现时，解析出第一维度的显示参数和第二维度的显示参数；
以所述第一维度的显示参数来表征区域质量指标；
以所述第二维度的显示参数来表征样本密度指标。
上述方案中，所述将所述业务及网络质量数据基于地理位置进行网格化划分，包括：
获取所述业务及网络质量数据所隶属的地理位置级别；
根据所述地理位置级别，将所述业务及网络质量数据按照当前地理位置所对应的经纬度进行网格化划分。
上述方案中，所述地理位置级别包括：全国级、省级、市级、县区级、街道级中的至少一种。
上述方案中，将所述网格数据中满足聚合策略的数据进行聚合处理，包括：
查询所述网格数据中属于相同质量范围和/或相同地理位置区域的数据，得到满足聚合策略的数据，并将所述数据确定为待聚合的目标数据；
所述目标数据中包含的测试点属于同类和/或同区域；
根据所述目标数据中各个测试点的质量分布位置及聚合阈值进行加权聚合处理，将所述测试点以点状分布状态转化为以区域质量状态进行显示。
上述方案中，所述方法还包括：
将所述聚合数据以热力图进行呈现时，根据地理范围选择相应的聚合阈值；
根据所述聚合阈值得到对应的聚合数据，将所述聚合数据根据所述地理范围进行分级呈现。
本发明实施例的一种业务及网络质量数据的可视化处理装置，所述装置包括：
采集单元，用于采集业务及网络质量数据，将所述业务及网络质量数据基于地理位置进行网格化划分，得到网格数据；
聚合处理单元，用于将所述网格数据中满足聚合策略的数据进行聚合处理，得到面向多级地理位置区域的聚合数据，所述聚合数据以多维度的显示参数来表征综合指标；
解析单元，用于将所述聚合数据以热力图进行呈现时，解析出第一维度的显示参数和第二维度的显示参数；
显示单元，用于：
以所述第一维度的显示参数来表征区域质量指标；
以所述第二维度的显示参数来表征样本密度指标。
上述方案中，所述采集单元，进一步用于：
获取所述业务及网络质量数据所隶属的地理位置级别；
根据所述地理位置级别，将所述业务及网络质量数据按照当前地理位置所对应的经纬度进行网格化划分。
上述方案中，所述地理位置级别包括：全国级、省级、市级、县区级、街道级中的至少一种。
上述方案中，所述聚合处理单元，进一步用于：
查询所述网格数据中属于相同质量范围和/或相同地理位置区域的数据，得到满足聚合策略的数据，并将所述数据确定为待聚合的目标数据；
所述目标数据中包含的测试点属于同类和/或同区域；
根据所述目标数据中各个测试点的质量分布位置及聚合阈值进行加权聚合处理，将所述测试点以点状分布状态转化为以区域质量状态进行显示。
上述方案中，所述显示单元，进一步用于：
将所述聚合数据以热力图进行呈现时，根据地理范围选择相应的聚合阈值；
根据所述聚合阈值得到对应的聚合数据，将所述聚合数据根据所述地理范围进行分级呈现。
本发明实施例的业务及网络质量数据的可视化处理方法包括：采集业务及网络质量数据，将所述业务及网络质量数据基于地理位置进行网格化划分，得到网格数据；将所述网格数据中满足聚合策略的数据进行聚合处理，得到面向多级地理位置区域的聚合数据，所述聚合数据以多维度的显示参数来表征综合指标；将所述聚合数据以热力图进行呈现时，解析出第一维度的显示参数和第二维度的显示参数；以所述第一维度的显示参数来表征区域质量指标；以所述第二维度的显示参数来表征样本密度指标。
采用本发明实施例，将所述业务及网络质量数据基于地理位置进行网格化划分，能有效解决测试数据偶然性分布问题，实现综合质量呈现；将所述网格数据中满足聚合策略的数据进行聚合处理，得到面向多级地理位置区域的聚合数据，实现质量及数据分布密度两个方面的一体化呈现。通过数据网格化预处理和数据聚合提升可视化效率，实现海量数据可视化，解决数据在各类地理范围的多级可视化难题。
附图说明
图1为本发明实施例一的方法实现流程图；
图2为应用本发明实施例一应用场景的数据聚合处理流程图；
图3-图5为应用本发明实施例一应用场景的数据呈现示意图；
图6为应用本发明实施例一应用场景的采集、预处理、聚合及呈现的全程处理流程图。
具体实施方式
下面结合附图对技术方案的实施作进一步的详细描述。
实施例一：
本发明实施例的一种业务及网络质量数据的可视化处理方法，如图1所示，所述方法包括：
步骤101、采集业务及网络质量数据，将所述业务及网络质量数据基于地理位置进行网格化划分，得到网格数据；
步骤102、将所述网格数据中满足聚合策略的数据进行聚合处理，得到面向多级地理位置区域的聚合数据，所述聚合数据以多维度的显示参数来表征综合指标；
步骤103、将所述聚合数据以热力图进行呈现时，解析出第一维度的显示参数和第二维度的显示参数；
步骤104、以所述第一维度的显示参数来表征区域质量指标；
步骤105、以所述第二维度的显示参数来表征样本密度指标。
在现有技术中，是以散点方式呈现业务及网络质量的可视化形式。而本发明实施例，通过上述步骤101-105，将所述业务及网络质量数据基于地理位置进行网格化划分，得到网格数据，是基于地理位置网格化预处理，可以有效减少因测试偶发因素导致的质量评价偏差，并减轻海量数据聚合及可视化的复杂度。也就是说，可以有效解决测试数据偶然性分布问题，实现综合质量呈现。将所述网格数据中满足聚合策略的数据进行聚合处理，得到面向多级地理位置区域的聚合数据，可以实现质量及数据分布密度两个方面的一体化呈现。从而通过数据网格化预处理和数据聚合处理，可以提升可视化效率，实现海量数据可视化。
而且，所述聚合数据以多维度的显示参数来表征综合指标，这样，后续在将所述聚合数据以热力图进行呈现时，可以解析出第一维度的显示参数(如颜色)和第二维度的显示参数(如亮度)，并以所述第一维度的显示参数(如颜色)来表征区域质量指标，以所述第二维度的显示参数(如亮度)来表征样本密度指标，实现面向多级呈现的智能化热力呈现。这里需要指出的是，并不限于通过图像颜色或亮度来显示多维度的综合指标，只要显示参数可以综合评价基于地理位置的业务及网络质量测试或监测总体状况即可，解决了数据在各类地理范围的多级可视化难题。
实施例二：
本发明实施例的一种业务及网络质量数据的可视化处理方法，包括：
步骤201、采集业务及网络质量数据；
步骤202、获取所述业务及网络质量数据所隶属的地理位置级别；
步骤203、根据所述地理位置级别，将所述业务及网络质量数据按照当前地理位置所对应的经纬度进行网格化划分，得到网格数据；
步骤204、将所述网格数据中满足聚合策略的数据进行聚合处理，得到面向多级地理位置区域的聚合数据，所述聚合数据以多维度的显示参数来表征综合指标；
步骤205、将所述聚合数据以热力图进行呈现时，解析出第一维度的显示参数和第二维度的显示参数；
步骤206、以所述第一维度的显示参数来表征区域质量指标；
步骤207、以所述第二维度的显示参数来表征样本密度指标。
采用本发明实施例，通过上述步骤201-203，采集业务及网络质量数据，及获取所述业务及网络质量数据所隶属的地理位置级别，可以根据地理位置级别，将所述业务及网络质量数据按照当前地理位置所对应的经纬度进行网格化划分，实现了将所述业务及网络质量数据基于地理位置进行网格化划分，得到网格数据。这里需要指出的是，所述地理位置级别包括：全国级、省级、市级、县区级、街道级中的至少一种。基于该地理位置级别的数据网格化预处理中，海量测试数据可以依据可视化呈现的该地理位置级别，进行地理位置网格化预处理，数据预处理的一个实际应用中，可以对同一网格内的业务及网络质量数据进行综合评价(如加权平均)，一个实例中，通过综合评价可以得到该网格的质量及测试次数。
通过步骤204-207，聚合数据以多维度的显示参数来表征综合指标，这样，后续在将所述聚合数据以热力图进行呈现时，可以解析出第一维度的显示参数(如颜色)和第二维度的显示参数(如亮度)，并以所述第一维度的显示参数(如颜色)来表征区域质量指标，以所述第二维度的显示参数(如亮度)来表征样本密度指标，实现面向多级呈现的智能化热力呈现。这里需要指出的是，并不限于通过图像颜色或亮度来显示多维度的综合指标，只要显示参数可以综合评价基于地理位置的业务及网络质量测试或监测总体状况即可，解决了数据在各类地理范围的多级可视化难题。
实施例三：
本发明实施例的一种业务及网络质量数据的可视化处理方法，包括：
步骤301、采集业务及网络质量数据；
步骤302、获取所述业务及网络质量数据所隶属的地理位置级别；
步骤303、根据所述地理位置级别，将所述业务及网络质量数据按照当前地理位置所对应的经纬度进行网格化划分，得到网格数据；
步骤304、查询所述网格数据中属于相同质量范围和/或相同地理位置区域的数据，得到满足聚合策略的数据，并将所述数据确定为待聚合的目标数据；
步骤305、根据所述目标数据中各个测试点的质量分布位置及聚合阈值进行加权聚合处理，将所述测试点以点状分布状态转化为以区域质量状态进行显示，将所述网格数据中满足聚合策略的数据进行聚合处理后，得到面向多级地理位置区域的聚合数据，所述聚合数据以多维度的显示参数来表征综合指标；
步骤306、将所述聚合数据以热力图进行呈现时，解析出第一维度的显示参数和第二维度的显示参数；
步骤307、以所述第一维度的显示参数来表征区域质量指标；
步骤308、以所述第二维度的显示参数来表征样本密度指标。
采用本发明实施例，通过上述步骤301-303，采集业务及网络质量数据，及获取所述业务及网络质量数据所隶属的地理位置级别，可以根据地理位置级别，将所述业务及网络质量数据按照当前地理位置所对应的经纬度进行网格化划分，实现了将所述业务及网络质量数据基于地理位置进行网格化划分，得到网格数据。这里需要指出的是，所述地理位置级别包括：全国级、省级、市级、县区级、街道级中的至少一种。基于该地理位置级别的数据网格化预处理中，海量测试数据可以依据可视化呈现的该地理位置级别，进行地理位置网格化预处理。步骤304中，通过查询所述网格数据中属于相同质量范围和/或相同地理位置区域的数据，得到满足聚合策略的数据，并将所述数据确定为待聚合的目标数据。这里，所述目标数据中包含的测试点属于同类和/或同区域。步骤305中，根据所述目标数据中各个测试点的质量分布位置及聚合阈值进行加权聚合处理，也就是说，是将同类及同区域的测试点进行加权聚合，实现海量测试的点状分布至区域质量代表的转化，以便将所述测试点以点状分布状态转化为以区域质量状态进行显示。
在一个实际应用中，以网格数据为基础，将相同质量范围，相同地域的数据按指定经纬度间隔阈值进行聚合，形成多个级别阈值的聚合数据。以第一步生成的数据为基础，设经度阈值为lngrange，纬度阈值为latrange，聚合数据agregate(m,n)的中心点gps坐标为(m,n)，聚合数据结果为agregate_speed(m,n)，该聚合测试次数为agregate_count(m,n)，聚合数据网格数为agregate_grids(m,n)。将网格数据按照x+y顺序排列，以第一条数据为起点，遍历数据，查找同一业务质量区间，同一行政区划，且与当前点经纬度在同一阈值范围内的数据进行聚合处理，生成聚合数据agregate(m0,n0)，然后以此聚合数据为起点，进入下一次遍历，直到找不到满足条件的点，则将生成的聚合数据agregate(mj,nj)保存，继续处理其他数据，直至数据全部处理完成，即完成数据聚合处理流程。
通过步骤305-308，聚合数据以多维度的显示参数来表征综合指标，这样，后续在将所述聚合数据以热力图进行呈现时，可以解析出第一维度的显示参数(如颜色)和第二维度的显示参数(如亮度)，并以所述第一维度的显示参数(如颜色)来表征区域质量指标，以所述第二维度的显示参数(如亮度)来表征样本密度指标，实现面向多级呈现的智能化热力呈现。可以通过图形的颜色反映业务质量优劣，通过图形的亮度反映测试数据分布密度，以综合评价基于地理位置的业务及网络质量测试或监测总体状况。
这里需要指出的是，并不限于通过图像颜色或亮度来显示多维度的综合指标，只要显示参数可以综合评价基于地理位置的业务及网络质量测试或监测总体状况即可，解决了数据在各类地理范围的多级可视化难题。
基于上述各个实施例，本发明实施例的一种业务及网络质量数据的可视化处理方法，还包括：将所述聚合数据以热力图进行呈现时，根据地理范围选择相应的聚合阈值；根据所述聚合阈值得到对应的聚合数据，将所述聚合数据根据所述地理范围进行分级呈现。
实施例四：
本发明实施例的一种业务及网络质量数据的可视化处理装置，所述装置包括：采集单元，用于采集业务及网络质量数据，将所述业务及网络质量数据基于地理位置进行网格化划分，得到网格数据；聚合处理单元，用于将所述网格数据中满足聚合策略的数据进行聚合处理，得到面向多级地理位置区域的聚合数据，所述聚合数据以多维度的显示参数来表征综合指标；解析单元，用于将所述聚合数据以热力图进行呈现时，解析出第一维度的显示参数和第二维度的显示参数；显示单元，用于：以所述第一维度的显示参数来表征区域质量指标，以所述第二维度的显示参数来表征样本密度指标。
在现有技术中，是以散点方式呈现业务及网络质量的可视化形式。而本发明实施例，通过将所述业务及网络质量数据基于地理位置进行网格化划分，得到网格数据，是基于地理位置网格化预处理，可以有效减少因测试偶发因素导致的质量评价偏差，并减轻海量数据聚合及可视化的复杂度。也就是说，可以有效解决测试数据偶然性分布问题，实现综合质量呈现。将所述网格数据中满足聚合策略的数据进行聚合处理，得到面向多级地理位置区域的聚合数据，可以实现质量及数据分布密度两个方面的一体化呈现。从而通过数据网格化预处理和数据聚合处理，可以提升可视化效率，实现海量数据可视化。
而且，所述聚合数据以多维度的显示参数来表征综合指标，这样，后续在将所述聚合数据以热力图进行呈现时，可以解析出第一维度的显示参数(如颜色)和第二维度的显示参数(如亮度)，并以所述第一维度的显示参数(如颜色)来表征区域质量指标，以所述第二维度的显示参数(如亮度)来表征样本密度指标，实现面向多级呈现的智能化热力呈现。这里需要指出的是，并不限于通过图像颜色或亮度来显示多维度的综合指标，只要显示参数可以综合评价基于地理位置的业务及网络质量测试或监测总体状况即可，解决了数据在各类地理范围的多级可视化难题。
在本发明实施例一实施方式中，所述采集单元，进一步用于：获取所述业务及网络质量数据所隶属的地理位置级别；根据所述地理位置级别，将所述业务及网络质量数据按照当前地理位置所对应的经纬度进行网格化划分。
在本发明实施例一实施方式中，所述地理位置级别包括：全国级、省级、市级、县区级、街道级中的至少一种。
在本发明实施例一实施方式中，所述聚合处理单元，进一步用于：查询所述网格数据中属于相同质量范围和/或相同地理位置区域的数据，得到满足聚合策略的数据，并将所述数据确定为待聚合的目标数据；所述目标数据中包含的测试点属于同类和/或同区域；根据所述目标数据中各个测试点的质量分布位置及聚合阈值进行加权聚合处理，将所述测试点以点状分布状态转化为以区域质量状态进行显示。也就是说，是将同类及同区域的测试点进行加权聚合，实现海量测试的点状分布至区域质量代表的转化。
在本发明实施例一实施方式中，所述显示单元，进一步用于：将所述聚合数据以热力图进行呈现时，根据地理范围选择相应的聚合阈值；根据所述聚合阈值得到对应的聚合数据，将所述聚合数据根据所述地理范围进行分级呈现。
以一个现实应用场景为例对本发明实施例阐述如下：
在业务及网络质量的可视化场景中，采用真实终端的业务拨测、无线信号测量等方式可采集基于地理位置的业务及网络质量数据，包含终端、网络制式、业务等多维度信息。此类数据的可视化是解决业务质量监测、网络质量差点排查等问题的重要手段。一种方式是：这类信息的可视化仅限于测试结果的散点呈现，是以散点方式呈现业务及网络质量的可视化形式。即：测试地理位置信息标注测试结果，未能充分发挥数据可视化的价值。
采用本发明实施例，针对上述场景中采用以散点方式呈现业务及网络质量的可视化形式的问题，提出一种业务及网络质量大数据可视化方式，是基于地理位置网格化预处理及聚合的数据处理方案，可以面向多级呈现的智能化热力呈现。
在业务及网络质量的可视化场景中，采用本发明实施例，包括如下内容：
一、基于地理位置的质量数据网格化预处理
将业务及网络质量数据按照经纬度进行网格化划分，同一网格内的业务及网络质量进行综合评价(如加权平均)，得到该网格的质量及测试次数。以下载速率测试为例，设每个点的测试位置gps为(lng，lat)，该点的测试结果为t_speed(lng,lat)；设网格大小为经度范围lnginterval，纬度范围latinterval，网格grid(x,y)的中心点gps坐标为(x,y)，该网格综合结果为grid_speed(x,y)，该网格测试次数为grid_count(x,y)，则网格化预处理算法如下：
如满足x-lnginterval/2<lng<x+lnginterval/2且y-latinterval/2<lat<x+latinterval/2条件的测试点有n个，则有如下2个公式：
grid_speed(x,y)＝(t_speed(lng0，lat0)+t_speed(lng1,lat1)+…+t_speed(lngn,latn))/n；(1)
grid_count(x,y)＝n；(2)
二、质量数据聚合处理
以网格数据为基础，将相同质量范围，相同地域的数据按指定经纬度间隔阈值进行聚合，形成多个级别阈值的聚合数据。以第一步生成的数据为基础，设经度阈值为lngrange，纬度阈值为latrange，聚合数据agregate(m,n)的中心点gps坐标为(m,n)，聚合数据结果为agregate_speed(m,n)，该聚合测试次数为agregate_count(m,n)，聚合数据网格数为agregate_grids(m,n)。将网格数据按照x+y顺序排列，以第一条数据为起点，遍历数据，查找同一业务质量区间，同一行政区划，且与当前点经纬度在同一阈值范围内的数据进行聚合处理，生成聚合数据agregate(m0,n0)，然后以此聚合数据为起点，进入下一次遍历，直到找不到满足条件的点，则将生成的聚合数据agregate(mj,nj)保存，继续处理其他数据，直至数据全部处理完成，即完成数据聚合处理流程。具体聚合处理流程及算法如图2所示，包括：
步骤401、按照x+y顺序对数据进行排列；
步骤402、以第一条数据为起点，遍历其他数据；
步骤403、判断是否存在下一条数据，如果是，则执行步骤404，否则，执行步骤407；
步骤404、判断业务质量是否为同一区间，如果是，则执行步骤405，否则，执行步骤403；
步骤405、判断数据是否为同一行政区划，如果是，则执行步骤406，否则，执行步骤403；
步骤406、判断经纬度是否在阈值范围内：m-x<lngrange&&n-latrange<y，如果是，则执行步骤409，否则，执行步骤403；
步骤407、保存聚合数据；
步骤408、判断是否为最后一条数据，如果是，则结束当前流程，否则，转入执行步骤402；
步骤409、进行数据聚合处理；
这里，具体聚合处理过程详见后续的数据聚合算法描述。
步骤410、删除已聚合网格数据。
数据聚合算法中，首次聚合数据生成算法包括如下内容：
m0＝(x0*grid_count(x0,y0)+xi*grid_count(xi,yi))/(grid_count(x0,y0)+grid_count(xi,yi))；
n0＝(y0*grid_count(x0,y0)+yi*grid_count(xi,yi))/(grid_count(x0,y0)+grid_count(xi,yi))；
agregate_speed(m0,n0)＝(grid_speed(x0,y0)*grid_count(x0,y0)+grid_speed(xi,yi)*grid_count(xi,yi))/(grid_count(x0,y0)+grid_count(xi,yi))；
agregate_count(m0,n0)＝grid_count(x0,y0)+grid_count(xi,yi)；
agregate_grids(m0,n0)＝2；
数据聚合算法中，聚合数据生成算法包括如下内容：
mj＝(m*agregate_count(mj-1,nj-1)+xi*grid_count(xi,yi))/(agregate_count(mj-1,nj-1)+grid_count(xi,yi))；
nj＝(n*agregate_count(mj-1,nj-1)+yi*grid_count(xi,yi))/(agregate_count(mj-1,nj-1)+grid_count(xi,yi))；
agregate_speed(mj,nj)＝(agregate_speed(m,n)*agregate_count(mj-1,nj-1)+grid_speed(xi,yi)*grid_count(xi,yi))/(agregate_count(mj-1,nj-1)+grid_count(xi,yi))；
agregate_count(mj,nj)＝agregate_count(mj-1,nj-1)+grid_count(xi,yi)；
agregate_grids(mj,nj)＝agregate_count(mj-1,nj-1)+1；
三、数据多级呈现的智能化热力图
智能化热力图同时呈现质量优劣及测试样本密度两个方面的信息，通过聚合点呈现的颜色来体现质量优劣，通过聚合点亮度和大小反映样本密度。同时根据地理范围选择相应的聚合阈值对应的聚合数据，实现地理范围的分级展示。以下载速率为例：
1)质量优劣确定呈现颜色：假设下载速率0～2mbps为差、2～10mbps为中等、10mbps以上为优，则定义聚合点颜色color(m,n)＝{agregate_speed(m,n)在区间[0,2)为以○所表示的位置，在区间[2,10)为
2)样本密度确定呈现亮度和大小：定义测试数据的最大和最小亮度，通过图形亮度反映测试数据分布密度，确保每个测试点能够在图形中体现且能突出重点，例如agregate_count(m,n)<＝10，亮度为0.05至0.2，例如，0.1，agregate_count(m,n)>＝500，亮度为0.6至1，例如，0.8，agregate_count(m,n)在(10,500)范围内线性变化，上述配置在业务及网络质量数据的可视化处理和展示上可以达到较好的视觉效果和体验；每条聚合数据中的数据源网格数反应了测试数据的覆盖范围，通过图形半径体现测试范围的大小，例如图形半径基数为r，图形半径为
3)在不同视野范围内加载不同经纬度阈值的聚合数据，实现全国级、省级、市级、县区级、街道级等不同视野范围内的海量数据可视化呈现。数据呈现示例如图3-图5所示。
采用本发明实施例，在业务及网络质量数据可视化处理中，一个处理装置(也可以称为处理系统)包括如图6所示的各个设备，采集设备11，用于对业务及网络质量数据进行采集；预处理设备12，用于在对业务及网络质量数据格式化后，基于地理位置对业务及网络质量数据进行网格化预处理；聚合处理设备13，用于对业务及网络质量数据进行预处理，以得到网格化的业务及网络质量数据(如最细力度网格化数据)后，对网格化的业务及网络质量数据进行聚合处理；显示设备14，用于在得到多级别聚合数据后，以热力图智能多级呈现聚合数据。采用如图6所示的装置，以真实终端的业务拨测、无线信号测量等方式采集基于地理位置的业务及网络质量数据，导出格式化业务质量数据，经过基于地理位置的质量数据网格化预处理以及质量数据聚合处理，生成多级别聚合网格化数据，通过数据多级呈现智能化热力图，可以实现数据的可视化呈现。
本发明实施例所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本发明实施例不限制于任何特定的硬件和软件结合。
相应的，本发明实施例还提供一种计算机存储介质，其中存储有计算机程序，该计算机程序用于执行本发明实施例的业务及网络质量数据的可视化处理方法。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。