一种网络静态业务的分析方法及装置与流程
本发明涉及通信领域，特别涉及一种网络静态业务的分析方法及装置。
背景技术：
在移动通信领域中，随着LTE(Long Term Evolution，长期演进)数据业务的迅速增长，2G、3G及4G多种制式的网络重叠覆盖，各种针对不同场景的设备层出不穷，多层网络部署、站点越来越密是4G即后期网络建设优化的必然趋势。目前多层网络的叠加方式和比例、不同业务特征分布下的不同场景网络建设优化缺乏指导手段，面对“碎片化”的“业务热点”和“业务盲点”，需要对网络的结构进行系统性的评估和优化。
在移动网络中，很多用户产生业务的区域有着高度固定的场所，比如主要是在单位和居住小区之间，呈现两点一线的特征。这类业务是相对静止的业务，是这些用户在这些区域可能大概率出现的事件，将其定义为网络中的静态话务量。这些静态话务量具有长期的稳定性，构成了整个移动网络的话务量的基石。如果能够在网络中找到这种静态业务分布相对集中的区域，可在多层网建设优化中进行科学的承载和优化。
现有的话务密度地图实现的技术方案：
采用仿真软件得到不同小区的覆盖图，辅以路测数据进行校准，得到每个小区的覆盖形状和面积；然后采用OMC(Operation and Maintenance Center，操作维护中心)统计的每个小区的话务数据计算每个小区的平均话务密度。
现有的静态话务量的计算的技术方案：
传统的网络规划中，网络的最低配置作为静态话务量的一个近似估计。目前没有基于用户业务移动性特征计算静态业务量的方法。
现有技术基本上没有对于静态业务分布值的分析，不能量化并判断静态业务区域特征属性。现有技术进行话务分析时，单纯依靠A口或者IU口数据业 务、网管数据，诸如语音全速率话务量、语音半速率话务量、数据业务流量、数据业务等效话务量、无线利用率等KPI(Key Performance Indicator，关键绩效指标)指标评估小区级话务容量的变化，无法反映出话务的静态属性并且无法计算区域内的静态话务量。
目前与小区静态话务量统计比较接近的有两种方法：
通过对空中接口再加上A口、IU口或者S1-MME(Mobility Management Entity，移动管理节点)口数据的分析，得到用户一定时间内所遍历的小区及在小区内通话时长，以及用户在各个小区产生的话务量，这个是基于用户级的话务分析。或者通过OMC网管数据，判断小区级的业务量。
但是以上两种方法都没有给出用户在小区或者栅格区域中业务静态值的定义和计算方法，在实际应用中，无法有效遴选出静态业务用户分布集中的区域，在地域上无法精确定位静态业务量高的地点，从而进一步精确指导分层网络建设的规划工作。
技术实现要素：
本发明要解决的技术问题是提供一种网络静态业务的分析方法及装置，解决现有技术中没有对于静态业务分布值的分析，不能量化并判断静态业务区域特征属性的问题。
为解决上述技术问题，本发明的实施例提供一种网络静态业务的分析方法，包括：
提取第一预设时间段内，待评测网络中每个用户分别在每个小区产生的业务相关数据；
根据所述业务相关数据，获取每个所述用户分别在每个所述小区中的静态业务分布概率；
提取第二预设时间段内，每个所述用户分别在每个所述小区产生的第二业务量；
将每个所述用户分别在每个所述小区产生的第二业务量，定位到每个所述小区的栅格中，其中每个所述小区分别包括预设大小的多个栅格；
根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所 述用户分别在每个所述小区的每个栅格中产生的第二业务量，获取每个所述小区的每个栅格分别对应的静态业务量。
其中，所述业务相关数据包括：第一预设时间段内，每个所述用户分别在每个所述小区产生的第一业务量；
所述根据所述业务相关数据，获取每个所述用户分别在每个所述小区中的静态业务分布概率，包括：
根据每个所述用户分别在每个所述小区产生的第一业务量，通过如下公式获取每个所述用户分别在每个所述小区中的静态业务分布概率：
其中，Pij是第i个用户在第j个小区的静态业务分布概率，Tij是第i个用户在第j个小区产生的第一业务量，1≤i≤n，1≤j≤m，n为所述用户的数量，m为所述小区的数量。
其中，所述根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区的每个栅格中产生的第二业务量，获取每个所述小区的每个栅格分别对应的静态业务量，包括：
根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区的每个栅格中产生的第二业务量，通过如下公式获取每个所述小区的每个栅格分别对应的静态业务量：
A[Gjk(s)]＝A(Pj)×A(Eik)；
其中，A[Gjk(s)]是第j个小区所有栅格的静态业务量分布矩阵，A[Gjk(s)]＝{Gj1(s),Gj2(s),...,Gjk(s),...,Gjo(s)}，Gjk(s)是所述第j个小区的第k个栅格对应的静态业务量，1≤k≤o，1≤j≤m，o为所述第j个小区包括的栅格的数量，m为所述小区的数量；
其中，A(Pj)是所有用户在第j个小区的静态业务分布概率矩阵，A(Pj)＝{P1j,P2j,...,Pij,...,Pnj}，Pij是第i个用户在第j个小区的静态业务分布概率，1≤i≤n，n为所述用户的数量；
其中，A(Eik)是所有用户在第j个小区的所有栅格产生的第二业务量分布矩阵：
Eik是第i个用户在第j个小区的第k个栅格产生的第二业务量。
其中，所述提取第二预设时间段内，每个所述用户分别在每个所述小区产生的第二业务量之后，所述分析方法还包括：
根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区产生的第二业务量，获取每个所述小区分别对应的静态业务分布比例。
其中，所述根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区产生的第二业务量，获取每个所述小区分别对应的静态业务分布比例，包括：
根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区产生的第二业务量，通过如下公式获取每个所述小区分别对应的静态业务分布比例：
A[M]＝A(Pj)×A(Tij)/A(Tj′)；
其中，A[M]是所有小区的静态业务分布比例矩阵，A[M]＝{M1,M2,...,Mj,...,Mm}，Mj是第j个小区的静态业务分布比例，1≤j≤m，m为所述小区的数量；
其中，A(Pj)是所有用户在第j个小区的静态业务分布概率矩阵，A(Pj)＝{P1j,P2j,...,Pij,...,Pnj}，Pij是第i个用户在第j个小区的静态业务分布概率，1≤i≤n，n为所述用户的数量；
其中，A(Tij)是所有用户在所有小区产生的第二业务量分布矩阵：
Tij是第i个用户在第j个小区产生的第二业务量；
其中，A(Tj’)是所有小区的第二业务量分布矩阵，A(Tj′)＝{T1′,T2′,...,Tj′,...,Tm′}，Tj’是第j个小区的第二业务量，Tj′＝T1j+T2j+...+Tij+...+Tnj。
其中，所述提取第一预设时间段内，待评测网络中每个用户分别在每个小区产生的业务相关数据，包括：
提取第一预设时间段内，待评测网络中每个用户分别在每个小区产生的经分数据、测量报告样本MRO数据和信令数据，其中，所述经分数据和所述MRO数据均至少包括：国际移动用户识别码IMSI、每个所述用户分别在每个所述小区产生的第一业务量。
其中，所述根据所述业务相关数据，获取每个所述用户分别在每个所述小区中的静态业务分布概率，包括：
对所述业务相关数据进行解码处理，并根据解码后的所述业务相关数据，获取每个所述用户分别在每个所述小区中的静态业务分布概率。
为解决上述技术问题，本发明的实施例还提供一种网络静态业务的分析装置，包括：
第一提取模块，用于提取第一预设时间段内，待评测网络中每个用户分别在每个小区产生的业务相关数据；
第一获取模块，用于根据所述业务相关数据，获取每个所述用户分别在每个所述小区中的静态业务分布概率；
第二提取模块，用于提取第二预设时间段内，每个所述用户分别在每个所述小区产生的第二业务量；
定位模块，用于将每个所述用户分别在每个所述小区产生的第二业务量，定位到每个所述小区的栅格中，其中每个所述小区分别包括预设大小的多个栅格；
第二获取模块，用于根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区的每个栅格中产生的第二业务量，获取每个所述小区的每个栅格分别对应的静态业务量。
其中，所述业务相关数据包括：第一预设时间段内，每个所述用户分别在每个所述小区产生的第一业务量；
所述第一获取模块包括：
第一获取单元，用于根据每个所述用户分别在每个所述小区产生的第一业务量，通过如下公式获取每个所述用户分别在每个所述小区中的静态业务分布概率：
其中，Pij是第i个用户在第j个小区的静态业务分布概率，Tij是第i个用户在第j个小区产生的第一业务量，1≤i≤n，1≤j≤m，n为所述用户的数量，m为所述小区的数量。
其中，所述第二获取模块包括：
第二获取单元，用于根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区的每个栅格中产生的第二业务量，通过如下公式获取每个所述小区的每个栅格分别对应的静态业务量：
A[Gjk(s)]＝A(Pj)×A(Eik)；
其中，A[Gjk(s)]是第j个小区所有栅格的静态业务量分布矩阵，A[Gjk(s)]＝{Gj1(s),Gj2(s),...,Gjk(s),...,Gjo(s)}，Gjk(s)是所述第j个小区的第k个栅格对应的静态业务量，1≤k≤o，1≤j≤m，o为所述第j个小区包括的栅格的数量，m为所述小区的数量；
其中，A(Pj)是所有用户在第j个小区的静态业务分布概率矩阵，A(Pj)＝{P1j,P2j,...,Pij,...,Pnj}，Pij是第i个用户在第j个小区的静态业务分布概率，1≤i≤n，n为所述用户的数量；
其中，A(Eik)是所有用户在第j个小区的所有栅格产生的第二业务量分布矩阵：
Eik是第i个用户在第j个小区的第k个栅格产生的第二业务量。
其中，所述分析方法还包括：
第三获取模块，用于根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区产生的第二业务量，获取每个所述小区分别对应的静态业务分布比例。
其中，所述第三获取模块包括：
第三获取单元，用于根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区产生的第二业务量，通过如下公式获取每个所述小区分别对应的静态业务分布比例：
A[M]＝A(Pj)×A(Tij)/A(Tj′)；
其中，A[M]是所有小区的静态业务分布比例矩阵，A[M]＝{M1,M2,...,Mj,...,Mm}，Mj是第j个小区的静态业务分布比例，1≤j≤m，m为所述小区的数量；
其中，A(Pj)是所有用户在第j个小区的静态业务分布概率矩阵，A(Pj)＝{P1j,P2j,...,Pij,...,Pnj}，Pij是第i个用户在第j个小区的静态业务分布概率，1≤i≤n，n为所述用户的数量；
其中，A(Tij)是所有用户在所有小区产生的第二业务量分布矩阵：
Tij是第i个用户在第j个小区产生的第二业务量；
其中，A(Tj’)是所有小区的第二业务量分布矩阵，A(Tj′)＝{T1′,T2′,...,Tj′,...,Tm′}， Tj’是第j个小区的第二业务量，Tj′＝T1j+T2j+...+Tij+...+Tnj。
其中，所述第一提取模块包括：
第一提取单元，用于提取第一预设时间段内，待评测网络中每个用户分别在每个小区产生的经分数据、测量报告样本MRO数据和信令数据，其中，所述经分数据和所述MRO数据均至少包括：国际移动用户识别码IMSI、每个所述用户分别在每个所述小区产生的第一业务量。
其中，所述第一获取模块包括：
第四获取单元，用于对所述业务相关数据进行解码处理，并根据解码后的所述业务相关数据，获取每个所述用户分别在每个所述小区中的静态业务分布概率。
本发明的上述技术方案的有益效果如下：
本发明实施例的网络静态业务的分析方法，首先提取第一预设时间段内，待评测网络中每个用户分别在每个小区产生的业务相关数据；然后根据业务相关数据，获取每个用户分别在每个小区中的静态业务分布概率；再提取第二预设时间段内，每个用户分别在每个小区产生的第二业务量；将每个用户分别在每个小区产生的第二业务量，定位到每个小区的栅格中，其中每个小区分别包括预设大小的多个栅格；最后根据每个用户分别在每个小区中的静态业务分布概率及每个用户分别在每个小区的每个栅格中产生的第二业务量，获取每个小区的每个栅格分别对应的静态业务量。该方法通过获取用户静态业务分布概率，得到了小区栅格内用户的静态话务量，根据该值可准确抽取出网络中的静态业务量高的区域，用于LTE多层网的建设和优化，解决了现有技术中没有对于静态业务分布值的分析，不能量化并判断静态业务区域特征属性的问题。
附图说明
图1为本发明网络静态业务的分析方法流程图；
图2为本发明网络静态业务的分析方法一小区静态业务分布情况的示意图；
图3为本发明网络静态业务的分析装置的结构示意图。
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。
本发明实施例的网络静态业务的分析方法，实现了对网络中静态业务的量化统计，可以准确抽取出网络中的静态业务量高的区域，用于LTE多层网的建设和优化。
如图1所示，本发明实施例的网络静态业务的分析方法，包括：
步骤101，提取第一预设时间段内，待评测网络中每个用户分别在每个小区产生的业务相关数据。
这里，可以统计大量时间内用户在每个小区产生的业务相关数据，以符合大数定理的要求，并通过如下步骤得到用户在每个小区中的静态业务分布概率。
步骤102，根据所述业务相关数据，获取每个所述用户分别在每个所述小区中的静态业务分布概率。
这里，根据大量时间内的业务相关数据，可准确获取每个用户分别在每个小区中的静态业务分布概率。用户的静态业务具体指用户的静态话务量。
其中，用户在一个小区产生的话务量是个独立随机变量，如果把用户每次通话作为一次随机试验，根据大数定理，大量重复试验出现的结果的平均值却总是接近于某个确定的值。也就是说，通过长期大量数据的统计，一个用户在一个小区产生的话务量占其通话总话务量的比例趋于某个确定的值P，该值可用来表示该用户发生业务时处于这个小区的概率，即该用户在这个小区的静态业务分布概率。
步骤103，提取第二预设时间段内，每个所述用户分别在每个所述小区产生的第二业务量。
这里，可选取想要统计的时间段内每个用户分别在每个小区产生的第二业务量，如一天时间内用户的第二业务量，并通过如下步骤获取在这个时间段内每个小区栅格的静态业务量。用户的业务量具体指用户的话务量。
步骤104，将每个所述用户分别在每个所述小区产生的第二业务量，定位到每个所述小区的栅格中，其中每个所述小区分别包括预设大小的多个栅格。
这里，可采用现有技术中比较成熟的定位算法，将用户的业务量定位到每 个小区的栅格中，以结合用户静态业务分布概率计算所有栅格内的静态业务量。
其中，用户的业务量可通过用户级MRO(Measurement Report Original，测量报告样本)数据获取，并可通过定位算法将用户级MRO样本点撒到50米单位的栅格中。
步骤105，根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区的每个栅格中产生的第二业务量，获取每个所述小区的每个栅格分别对应的静态业务量。
这里，结合用户在每个小区的静态业务分布概率以及用户在每个栅格中产生的话务量，可准确得出每个栅格的静态话务量，实现了对静态业务区域特征属性的量化分析。
本发明实施例的网络静态业务的分析方法，通过长期大量数据计算得到用户在每个小区的静态业务分布概率，并把用户的静态业务分布概率与小区栅格内产生的话务量匹配，得到了小区栅格内的静态业务量，根据该值可准确抽取出网络中的静态业务量高的区域，用于LTE多层网的建设和优化，解决了现有技术中没有对于静态业务分布值的分析，不能量化并判断静态业务区域特征属性的问题。
优选的，所述业务相关数据包括：第一预设时间段内，每个所述用户分别在每个所述小区产生的第一业务量；
上述步骤102的步骤可以包括：
步骤1021，根据每个所述用户分别在每个所述小区产生的第一业务量，通过如下公式获取每个所述用户分别在每个所述小区中的静态业务分布概率：
其中，Pij是第i个用户在第j个小区的静态业务分布概率，Tij是第i个用户在第j个小区产生的第一业务量，1≤i≤n，1≤j≤m，n为所述用户的数量，m为所述小区的数量。
此时，通过上述公式可准确获取每个用户的静态业务分布概率，为接下来小区或栅格的静态业务分析提供了数据支持。
这里，可将分母记为Ti，表明第i个用户在统计区间内m个小区总 的通话时长。Tij表明第i个用户第j个小区下的通话时长。
其中，一个小区下的静态话务量是由该小区下所有用户产生的静态话务量综合。上面已经提到，每个用户在一个小区产生的话务量是个独立随机变量。如果把用户每次通话作为一次随机试验，根据大数定理，尽管每次用户在每个小区产生的话务量不同，但是大量重复试验出现的结果的平均值却总是接近于某个确定的值。也就是说，通过长期大量数据的统计，一个用户在一个小区产生的话务量占其通话总话务量的概率趋于某个确定的值，这个值可以用来表示该用户在该小区上的驻留通话概率，即上面的Pij。Pij的值越大，说明用户i在j小区下的静态业务分布概率越大，反之则越小。
引用如下所示的伯努利大数定律公式，可对上述静态业务分布概率的求解进行论证：
其中，μn表示用户在一个小区下的通话时长(即Tij)；n表示该用户在统计区间内所有小区总的通话时长(即Ti)；p表示一个用户在一个小区的通话时长占所有通话时长的概率(即Pij)；ε代表任意正数。
这样就生成了一个用户对应不同小区下的静态业务分布概率矩阵A(Pij)：
优选的，上述步骤105的步骤可以包括：
步骤1051，根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区的每个栅格中产生的第二业务量，通过如下公式获取每个所述小区的每个栅格分别对应的静态业务量：
A[Gjk(s)]＝A(Pj)×A(Eik)；
其中，A[Gjk(s)]是第j个小区所有栅格的静态业务量分布矩阵，A[Gjk(s)]＝{Gj1(s),Gj2(s),...,Gjk(s),...,Gjo(s)}，Gjk(s)是所述第j个小区的第k个栅格 对应的静态业务量，1≤k≤o，1≤j≤m，o为所述第j个小区包括的栅格的数量，m为所述小区的数量；
其中，A(Pj)是所有用户在第j个小区的静态业务分布概率矩阵，A(Pj)＝{P1j,P2j,...,Pij,...,Pnj}，Pij是第i个用户在第j个小区的静态业务分布概率，1≤i≤n，n为所述用户的数量；
其中，A(Eik)是所有用户在第j个小区的所有栅格产生的第二业务量分布矩阵：
Eik是第i个用户在第j个小区的第k个栅格产生的第二业务量。
这样，通过上述公式可准确获取每个栅格的静态业务量，实现了对网络中静态业务的量化统计，从而可以准确抽取出网络中的静态业务量高的区域，用于LTE多层网的建设和优化。
进一步的，上述步骤103之后，所述分析方法还可以包括：
步骤106，根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区产生的第二业务量，获取每个所述小区分别对应的静态业务分布比例。
此时，不仅可以统计每个栅格的静态业务量，还可统计每个小区总的静态业务分布比例，用于网络建设和优化，提高了实用性。
优选的，上述步骤106的步骤可以包括：
步骤1061，根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区产生的第二业务量，通过如下公式获取每个所述小区分别对应的静态业务分布比例：
A[M]＝A(Pj)×A(Tij)/A(Tj′)；
其中，A[M]是所有小区的静态业务分布比例矩阵(全网宏小区的静态话务量分布比例矩阵)，A[M]＝{M1,M2,...,Mj,...,Mm}，Mj是第j个小区的静态业务 分布比例，1≤j≤m，m为所述小区的数量；
其中，A(Pj)是所有用户在第j个小区的静态业务分布概率矩阵，A(Pj)＝{P1j,P2j,...,Pij,...,Pnj}，Pij是第i个用户在第j个小区的静态业务分布概率，1≤i≤n，n为所述用户的数量；
其中，A(Tij)是所有用户在所有小区产生的第二业务量分布矩阵：
Tij是第i个用户在第j个小区产生的第二业务量，即用户i在小区j下的通话时长；
其中，A(Tj’)是所有小区的第二业务量分布矩阵，A(Tj′)＝{T1′,T2′,...,Tj′,...,Tm′}，Tj’是第j个小区的第二业务量，Tj′＝T1j+T2j+...+Tij+...+Tnj。
此时，通过上述公式可准确获取每个小区的静态业务分布比例，以用于网络优化，提高了实用性。
这里，一个小区内所有用户的静态话务量除以该小区的总话务量，就可以得到该小区的静态业务分布比例M，一个小区的M值越大，表示该小区内的用户静态业务量越多，越适合话务下沉，即建设室分站点来吸收话务。
举例说明，假设小区CI1下面某一天有三个用户a、b和c，通话轨迹如图2所示，Pa、Pb、Pc分别代表用户a、b、c相对于CI1小区的静态业务分布概率(假设为统计2周数据)，Ta、Tb、Tc分别代表用户a、b、c的通话时长，则该小区CI1的静态业务分布比例M1为：
M1＝(Ta*Pa+Tb*Pb+Tc*Pc)/(Ta+Tb+Tc)。
优选的，上述步骤101的步骤可以包括：
步骤1011，提取第一预设时间段内，待评测网络中每个用户分别在每个小区产生的经分数据、测量报告样本MRO数据和信令数据，其中，所述经分数据和所述MRO数据均至少包括：国际移动用户识别码IMSI、每个所述用户分别在每个所述小区产生的第一业务量。
这里，可通过工具软件提取经文数据、MRO数据和对应时段的信令数据，将MRO数据和对应时段的信令数据通过用户标示关联后，可以区分出不同用户对应的MRO样本。经分数据可用来计算用户静态业务分布概率P值的，而MRO数据可用来进行栅格定位和计算栅格中的静态话务量。
经分数据和MRO数据至少可以包括：
国际移动用户识别码IMSI，用于区分不同用户；
每个用户分别在每个小区产生的第一业务量，即每个用户在网络中的通话或数据时长，供计算P值使用。
经分数据和MRO数据还可以包括：
MME UE S1AP ID，MME UE S1应用程序标识，用于关联分析；
源小区LAC/IC/电平，用户发生业务时占用的位置区、小区和接收电平强度，用于采样点的栅格定位；
最强邻区LAC/IC/电平，用户测量到接收电平最强的邻区的位置区、小区和接收电平强度，用于采样点的栅格定位。
进一步的，上述步骤102的步骤可以包括：
步骤1022，对所述业务相关数据进行解码处理，并根据解码后的所述业务相关数据，获取每个所述用户分别在每个所述小区中的静态业务分布概率。
此时，对于TD-SCDMA(Time Division-Synchronous Code Division Multiple Access，时分同步码分多址)、TD-LTE(Time Division Long Term Evolution，分时长期演进)等系统，用户级MRO数据是特殊格式的，需要增加解码步骤，从而保证了后续步骤的顺利进行。
本发明实施例的网络静态业务的分析方法，主要涉及用户静态业务分布概率定义和提取、静态话务量算法定义以及精确计算栅格中静态话务量等，首次提出以用户级静态业务分布特征来分析指导无线网络通信系统业务下沉与潜力释放的方法，较以往方法更精确、更便捷，该方法可用于分层网络建设、网络结构优化、LTE选点等。该方法适用于GSM(全球移动通信系统Global System for Mobile Communication)、TD-SCDMA、TD-LTE等无线通信系统。
本发明实施例的网络静态业务的分析方法，把通过长期大量数据计算得到的用户在小区的通话概率P值与小区或者网络栅格内用户产生的通话时长匹 配并计算，可以得到小区或栅格内用户产生的静态话务量值。可根据该静态话务量值判断小区或者栅格内的静态业务特征，该值越大，说明小区或栅格内的静态业务越多，反之则越小。
本发明实施例的网络静态业务的分析方法，提出了用户静态业务分布值的概念和计算网络静态话务量的具体方法，该方法能对现有的话务密度地图，结合用户的移动性特征进行分离和抽取，同时，基于LTE的MRO数据，能实现50米精度的栅格化呈现。从“准确度”和“精细化”两个方面更好的指导多层网的建设和优化。
本发明实施例的网络静态业务的分析方法，克服了现有技术方案不能量化并判断静态业务区域特征属性的重大缺陷，通过对用户静态业务分布值的定义和高精度定位，使用网络全量用户的长期统计，应用统计学大数统计方法，可以准确抽取出网络中的静态业务量高的区域，用于LTE多层网的建设和优化。
如图3所示，本发明的实施例还提供了一种网络静态业务的分析装置，包括：
第一提取模块，用于提取第一预设时间段内，待评测网络中每个用户分别在每个小区产生的业务相关数据；
第一获取模块，用于根据所述业务相关数据，获取每个所述用户分别在每个所述小区中的静态业务分布概率；
第二提取模块，用于提取第二预设时间段内，每个所述用户分别在每个所述小区产生的第二业务量；
定位模块，用于将每个所述用户分别在每个所述小区产生的第二业务量，定位到每个所述小区的栅格中，其中每个所述小区分别包括预设大小的多个栅格；
第二获取模块，用于根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区的每个栅格中产生的第二业务量，获取每个所述小区的每个栅格分别对应的静态业务量。
本发明实施例的网络静态业务的分析装置，通过长期大量数据计算得到用户在每个小区的静态业务分布概率，并把用户的静态业务分布概率与小区栅格内产生的话务量匹配，得到了小区栅格内的静态业务量，根据该值可准确抽取 出网络中的静态业务量高的区域，用于LTE多层网的建设和优化，解决了现有技术中没有对于静态业务分布值的分析，不能量化并判断静态业务区域特征属性的问题。
优选的，所述业务相关数据包括：第一预设时间段内，每个所述用户分别在每个所述小区产生的第一业务量；
所述第一获取模块可以包括：
第一获取单元，用于根据每个所述用户分别在每个所述小区产生的第一业务量，通过如下公式获取每个所述用户分别在每个所述小区中的静态业务分布概率：
其中，Pij是第i个用户在第j个小区的静态业务分布概率，Tij是第i个用户在第j个小区产生的第一业务量，1≤i≤n，1≤j≤m，n为所述用户的数量，m为所述小区的数量。
此时，通过上述公式可准确获取每个用户的静态业务分布概率，为接下来小区或栅格的静态业务分析提供了数据支持。
优选的，所述第二获取模块可以包括：
第二获取单元，用于根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区的每个栅格中产生的第二业务量，通过如下公式获取每个所述小区的每个栅格分别对应的静态业务量：
A[Gjk(s)]＝A(Pj)×A(Eik)；
其中，A[Gjk(s)]是第j个小区所有栅格的静态业务量分布矩阵，A[Gjk(s)]＝{Gj1(s),Gj2(s),...,Gjk(s),...,Gjo(s)}，Gjk(s)是所述第j个小区的第k个栅格对应的静态业务量，1≤k≤o，1≤j≤m，o为所述第j个小区包括的栅格的数量，m为所述小区的数量；
其中，A(Pj)是所有用户在第j个小区的静态业务分布概率矩阵，A(Pj)＝{P1j,P2j,...,Pij,...,Pnj}，Pij是第i个用户在第j个小区的静态业务分布概率，1≤i≤n，n为所述用户的数量；
其中，A(Eik)是所有用户在第j个小区的所有栅格产生的第二业务量分布 矩阵：
Eik是第i个用户在第j个小区的第k个栅格产生的第二业务量。
这样，通过上述公式可准确获取每个栅格的静态业务量，实现了对网络中静态业务的量化统计，从而可以准确抽取出网络中的静态业务量高的区域，用于LTE多层网的建设和优化。
进一步的，所述分析方法还可以包括：
第三获取模块，用于根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区产生的第二业务量，获取每个所述小区分别对应的静态业务分布比例。
此时，不仅可以统计每个栅格的静态业务量，还可统计每个小区总的静态业务分布比例，用于网络建设和优化，提高了实用性。
优选的，所述第三获取模块可以包括：
第三获取单元，用于根据每个所述用户分别在每个所述小区中的静态业务分布概率及每个所述用户分别在每个所述小区产生的第二业务量，通过如下公式获取每个所述小区分别对应的静态业务分布比例：
A[M]＝A(Pj)×A(Tij)/A(Tj′)；
其中，A[M]是所有小区的静态业务分布比例矩阵，A[M]＝{M1,M2,...,Mj,...,Mm}，Mj是第j个小区的静态业务分布比例，1≤j≤m，m为所述小区的数量；
其中，A(Pj)是所有用户在第j个小区的静态业务分布概率矩阵，A(Pj)＝{P1j,P2j,...,Pij,...,Pnj}，Pij是第i个用户在第j个小区的静态业务分布概率，1≤i≤n，n为所述用户的数量；
其中，A(Tij)是所有用户在所有小区产生的第二业务量分布矩阵：
Tij是第i个用户在第j个小区产生的第二业务量；
其中，A(Tj’)是所有小区的第二业务量分布矩阵，A(Tj′)＝{T1′,T2′,...,Tj′,...,Tm′}，Tj’是第j个小区的第二业务量，Tj′＝T1j+T2j+...+Tij+...+Tnj。
此时，通过上述公式可准确获取每个小区的静态业务分布比例，以用于网络优化，提高了实用性。
优选的，所述第一提取模块可以包括：
第一提取单元，用于提取第一预设时间段内，待评测网络中每个用户分别在每个小区产生的经分数据、测量报告样本MRO数据和信令数据，其中，所述经分数据和所述MRO数据均至少包括：国际移动用户识别码IMSI、每个所述用户分别在每个所述小区产生的第一业务量。
这里，可通过工具软件提取经文数据、MRO数据和对应时段的信令数据，将MRO数据和对应时段的信令数据通过用户标示关联后，可以区分出不同用户对应的MRO样本。经分数据可用来计算用户静态业务分布概率P值的，而MRO数据可用来进行栅格定位和计算栅格中的静态话务量。
进一步的，所述第一获取模块可以包括：
第四获取单元，用于对所述业务相关数据进行解码处理，并根据解码后的所述业务相关数据，获取每个所述用户分别在每个所述小区中的静态业务分布概率。
此时，对于TD-SCDMA、TD-LTE等系统，用户级MRO数据是特殊格式的，需要增加解码步骤，从而保证了后续步骤的顺利进行。
本发明实施例的网络静态业务的分析装置，主要涉及用户静态业务分布概率定义和提取、静态话务量算法定义以及精确计算栅格中静态话务量等，首次提出以用户级静态业务分布特征来分析指导无线网络通信系统业务下沉与潜力释放的方法，较以往方法更精确、更便捷，该方法可用于分层网络建设、网 络结构优化、LTE选点等。该装置适用于GSM、TD-SCDMA、TD-LTE等无线通信系统。
本发明实施例的网络静态业务的分析装置，把通过长期大量数据计算得到的用户在小区的通话概率P值与小区或者网络栅格内用户产生的通话时长匹配并计算，可以得到小区或栅格内用户产生的静态话务量值。可根据该静态话务量值判断小区或者栅格内的静态业务特征，该值越大，说明小区或栅格内的静态业务越多，反之则越小。
本发明实施例的网络静态业务的分析装置，提出了用户静态业务分布值的概念和计算网络静态话务量的具体方法，该装置能对现有的话务密度地图，结合用户的移动性特征进行分离和抽取，同时，基于LTE的MRO数据，能实现50米精度的栅格化呈现。从“准确度”和“精细化”两个方面更好的指导多层网的建设和优化。
本发明实施例的网络静态业务的分析装置，克服了现有技术方案不能量化并判断静态业务区域特征属性的重大缺陷，通过对用户静态业务分布值的定义和高精度定位，使用网络全量用户的长期统计，应用统计学大数统计方法，可以准确抽取出网络中的静态业务量高的区域，用于LTE多层网的建设和优化。
需要说明的是，该网络静态业务的分析装置是与上述网络静态业务的分析方法相对应的装置，其中上述方法实施例中所有实现方式均适用于该装置的实施例中，也能达到同样的技术效果。
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，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！