本发明涉及wlan网络热点选址，尤其涉及一种wlan站址选址的预测分析方法、电子设备、存储介质及装置。
背景技术：
目前，wlan网络不是普遍覆盖的网络，需要选择数据业务夜店进行“点覆盖”的网络，因此热点选择对于wlan网络建设、业务发展至关重要。为落实“五网协同”的网络发展策略，充分发挥wlan网络对2g网络“分流减压”的作用，提升wlan热点选址的科学性和高效性，需要开展wlan热点选址模型的专项研究工作，从而能够引导网络资源更搞笑、更精确地投放。
技术实现要素：
为了克服现有技术的不足，本发明的目的之一在于提供一种wlan站址预测分析方法，其能够解决现有技术中对于wlan站址的选址的问题。
本发明的目的之二在于提供一种电子设备，其能够解决现有技术中对于wlan站址的选址的问题。
本发明的目的之三在于提供一种计算机可读存储介质，其能够解决现有技术中对于wlan站址的选址的问题。
本发明的目的之四在于提供一种wlan站址预测分析装置，其能够解决现有技术中对于wlan站址的选址的问题。
本发明的目的之一采用如下技术方案实现：
一种wlan站址预测分析方法，包括以下步骤：
获取步骤：获取现有网络的网络覆盖范围；
分析步骤：获取现有网络中每个基站的数据业务分布，并根据数据业务分布以及所述网络覆盖范围得到面向栅格级数据业务密度分布图；
候选站址选取步骤：根据面向栅格级数据业务密度分布图识别出热点区域，并根据热点区域得出一个或多个候选的wlan站址；
站址选取步骤：根据wlan的容量-覆盖模型以及链路预算模型，并结合面向栅格级数据业务密度分布图、现有网络业务分流比例以及每个候选的wlan站址的周边地理环境、用户分布得出wlan站址。
进一步地，所述分析步骤具体包括以下步骤：
s11：将网络覆盖范围以图示的方式表示并进行栅格化处理，将网络覆盖范围转化为多个栅格的集合，并结合电子地图得出每个栅格所对应的地理场景信息，所述地理场景信息包括地物类型及对应的属性信息；
s12：获取现有网络中每个基站的数据业务覆盖范围以及对应的话务数据流量；
s13：根据现有网络中的各个基站的数据业务覆盖范围、对应的话务数据流量以及网络覆盖范围得到每个基站所覆盖的栅格以及对应栅格内的话务数据流量；
s14：根据每个基站的话务数据流量、每个基站所覆盖的栅格以及每个栅格所对应的地理场景信息得出网络覆盖范围中每个栅格所对应的话务数据流量，进而得出面向栅格级数据业务密度分布图。
进一步地，所述s11具体包括以下步骤：
s111：将网络覆盖范围以图示的方式表示，并将其划分为等边长的多个栅格的集合，并对应建立栅格图层；
s112：根据图层叠加分析法将对应的电子地图中的各类地物图层与栅格图层进行对应，进而计算得出每个栅格的地物类型以及对应地物类型所占对应栅格的比例，最终得出每个栅格的地物类型以及属性信息。
进一步地，所述地物类型包括建筑物、河流、绿地、工厂、学校、商业区以及体育馆。
进一步地，所述s14中面向栅格级数据业务密度分布图通过以下计算过程计算得到：
假设在同一基站簇内，所有基站的网络覆盖范围图中识别出的地物类型的数目为n，t1,t2,...,tn分别代表不同地物类型的栅格对应的业务密度值；基站簇指的是同一类型的基站所组成的集合；一个基站簇内基站数量为m,其中m＞n；b1,b2,...,bm是基站簇内各基站的业务量的统计或预测值，为已知的；sij(i＝1,2,…,m,j＝1,2,…,n)是在第i个基站中的第j类地物类型所占的栅格的面积总和，为已知的；则通过公式(1)可计算得出t1,t2,...,tn，进而根据t1,t2,...,tn得出面向栅格级数据业务密度分布图；
进一步地，候选站址选取步骤具体为：
s21：获取现有网络中的热点基站，并根据多维度基站热点活跃度综合评判模型得出每个热点基站的热点活跃度；
s22：根据每个热点基站所覆盖的栅格数计算得出每个热点基站所覆盖的每个栅格的热点活跃度；
s23：根据每个栅格的热点活跃度、热点基站用户活跃度、用户密度、mr数目以及对应栅格的话务数据流量识别得出热点栅格，以及根据热点栅格得到一个或多个候选的wlan站址。
本发明的目的之二采用如下技术方案实现：
一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如前所述的wlan站址预测分析方法的步骤。
本发明的目的之三采用如下技术方案实现：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述的wlan站址预测分析方法的步骤。
本发明的目的之四采用如下技术方案实现：
一种wlan站址预测分析装置，包括：
获取模块，用于获取现有网络的网络覆盖范围；
分析模块，用于获取现有网络中每个基站的数据业务覆盖范围，并根据数据业务覆盖范围以及所述网络覆盖范围得到面向栅格级数据业务密度分布图；
候选站址选取模块，用于根据面向栅格级数据业务密度分布图识别出热点区域，并根据热点区域得出一个或多个候选的wlan站址；
站址选取模块，用于根据wlan的容量-覆盖模型以及链路预算模型，并结合面向栅格级数据业务密度分布图、现有网络业务分流比例以及每个候选的wlan站址的周边地理环境、用户分布得出wlan站址。
进一步地，所述分析模块，还用于执行以下步骤：
s11：将网络覆盖范围以图示的方式表示并进行栅格化处理，将网络覆盖范围转化为多个栅格的集合，并结合电子地图得出每个栅格所对应的地理场景信息，所述地理场景信息包括地物类型及对应的属性信息；
s12：获取现有网络中每个基站的数据业务覆盖范围以及对应的话务数据流量；
s13：根据现有网络中的各个基站的数据业务覆盖范围、对应的话务数据流量以及网络覆盖范围得到每个基站所覆盖的栅格以及对应栅格内的话务数据流量；
s14：根据每个基站的话务数据流量、每个基站所覆盖的栅格以及每个栅格所对应的地理场景信息得出网络覆盖范围中每个栅格所对应的话务数据流量，进而得出面向栅格级数据业务密度分布图。
相比现有技术，本发明的有益效果在于：
本发明通过将现有的网络覆盖范围与实际的地理场景的结合，并将现有网络的话务数据流量转换为面向栅格级话务流量分布密度，进而根据面向栅格级话务流量分布密度得到热点栅格区域，最终得出wlan的预选站址。
附图说明
图1为本发明提供的wlan站址预测分析方法的方法流程图；
图2为本发明提供的面向栅格级数据业务密度分布图的计算流程图；
图3为本发明提供的wlan站址预测装置的装置模块图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例
本发明提出的wlan热点站址的选址预测分析方法，其综合考虑了现有网络，比如gsm网络、td网络、wlan网络等的话务数据流量分布情况，实现成本低、人工参与少、适用面广的特点，便于自动实现，具有较高的精度。本方法可以促进四网协同工作，加强商务区、高效、商业区、政务区、科技园去、厂区、军营、医院及城中村等数据业务热点区域的网络深度覆盖和2/3g数据分流作用，提高网络维护水平。
其原理是首先根据后台网关数据、boss数据等得到基站级、wlanap级的业务用户数、业务流量数据进行预测分析。但是，这些基站级预测数据的分布范围达数十米至数百米，在覆盖范围内各点处的分布密度是不一样的。例如，在“学校”场景下述，1个基站的覆盖范围内既有教学楼、宿舍等“建筑物”，又有“操场”、“绿地”等，显然“建筑物”区域内的话务密度要更高一些。
因此，需要对wlan网络实现细粒度的热点区域分析时，需要还原每个基站内部各点的业务分部，即：
对于gsm/td-scdma：根据基站级覆盖范围和基站内数据业务进行统计，得出每个基站内各点数据业务分布；
对于已建立wlan网络的，根据wlan覆盖半径得出内部各点数据业务分布。
而对数据业务分布情况进行分析时，需要将每个基站的覆盖范围进一步栅格化处理并将其覆盖范围转化为多个栅格区域的集合，然后将各个栅格内的业务密度分布做出分析预测，并在此基础上分析数据业务热点地区，进行wlan热点站址的评估和选址。
如图1所示，一种wlan站址预测分析方法包括以下几个步骤：
s1、获取现有网络的网络覆盖范围。
其是现有网络的系统后台网管提供的gsm、td等基站级以及现有的wlan网络来获取得到现有网络的网络覆盖范围，然后通过地图的方式显示出来。
s2、获取现有网络中每个基站的数据业务分布，并根据数据业务分布以及网络覆盖范围得到面向栅格级数据业务密度分布图。也即是，将网络覆盖范围以图示的方式表示并进行栅格化处理划分成多个栅格的集合，然后将现有网络的数据业务分布转化到每个栅格内的数据业务分布，也即是面向栅格级的业务密度分布图。如图2所示，具体可通过如下步骤来实现：
s21、将现有网络的网络覆盖范围以图示的方式，并对其进行栅格化处理并将其转化为等边长的多个栅格的集合，并对应建立栅格图层。目前，网络优化采用的gis电子地图的分辨率一般均可达到20m*20m的分辨率，据此将网络覆盖范围划分为一系列20m*20m的栅格，以便以栅格为单位，进行细粒度的业务分析和预测。
s22、结合电子地图得出每个栅格所对应的地理场景信息，所述地理场景信息包括地物类型及对应的属性信息。这里的电子地图是指标识有地物类型的地图，比如百度地图等，其上均标识出了每个地物类型以及其属性信息。这里的地物类型指的是建筑物、河流、绿地、工厂、学校、商业区、体育馆等等。因为对于不同的地物所在的区域，其相对应地人流分布也不同，比如对于河流，其人流分布比较稀少，那么对于建立网络基站时，就不需要对其进行考虑；而相反地对于商业区、学校等分流分布就比较多，那么在其附近就可能需要建立对应的基站以满足人们上网的需求。因此，在进行建立基站时，首先需要将网络覆盖范围内的地理场景进行识别，也即是地理场景的识别。
该识别是根据gis系统提供的地理信息，采用地理场景自动识别技术，自动识别出基站覆盖范围内的各类地理场景，进而可得出可能的话务高密度区，比如教学楼、体育场馆所在区域。其是利用mapinfo提供的建筑物、草地、水面等各类图层，自动识别基站覆盖范围内的建筑物、体育馆等话务热点区域，以便支持计算基站覆盖范围内各栅格的话务密度，其识别技术可通过以下方式进行：
1)根据网络覆盖范围内的地物特征进行识别，比如建筑物、草地、水面等，划分不同区域，使同一区域内各点具有类似的地物特征。这里的区域特征分类是指：高大建筑物区域、中等建筑物区域、稠密建筑物区域、低矮建筑物区域、草地、森林、水面。其识别方法是利用电子地图提供的面对象、线对象图层信息，如建筑物、草地、水面图层，采用场景识别算法自动识别不同区域的地物特征。
2)根据基站所处地理环境进行识别，基站所处地理环境比如学校、工厂、商业区、体育馆等。其识别方法是利用电子地图提供的点对象图层，如学校、旅店、商业网点、体育场馆涂层，自动判定基站所处地理环境类型。
也即是，地理场景识别是基于栅格密度的空间聚类算法，首先将网络覆盖范围划分成等变长的正方形栅格，比如20m*20m的正方形栅格；每个栅格对应于栅格图层中的一个图元，使用栅格集合信息生成栅格图层；然后利用mapinfo、mapxtreme地理信息平台提供的图层叠加分析方法，将地形地貌图层与栅格图层叠加，这样对于每一个栅格，便可得出与该栅格叠加的地理场景元素，以及相应的地理场景元素的属性信息。其中地理场景元素指如建筑物、水域、绿地、高铁、公路等，地理场景元素的属性信息比如建筑物的高度、绿地占栅格的面积等。
也即是，通过以上方法可识别出现有网络的网络覆盖范围中的地理场景后，需要得到现有网络的数据业务分布，也即是：
进一步地，s23、获取现有网络中各个基站的数据业务覆盖范围以及对应的话务数据流量。
s24、根据现有网络中的各个基站的数据业务覆盖范围、对应的话务数据流量以及网络覆盖范围得到每个基站所覆盖的栅格以及对应栅格内的话务数据流量。
s25、根据每个基站的话务数据流量、每个基站所覆盖的栅格以及每个栅格所对应的地理场景信息得出网络覆盖范围中每个栅格所对应的话务数据流量，进而得出面向栅格级数据业务密度分布图。
其是依据每个基站的基站bts或wlanap的位置，参照其发射功率等配置参数，通过链路预算以及三角剖分算法，得到各个基站的数据业务覆盖范围。
而为了确定网络内各个wlan站点或基站bts的基站覆盖范围，是以wlan站点或基站bts所在位置为顶点，结合bts发射功率、基站方位角，并采用三角剖分算法，构造出vonorio图，从而可确定各个基站的wlan业务覆盖范围。
另外，对于面向栅格级数据业务密度分布图其可通过以下算法计算得到：
根据不同地物类型的业务量占比系统，采用遗传算法，将基站的话务数据流量划分到对应基站所覆盖的各个栅格上。其中，高话务区域(如建筑物区域)的话务密度占比较高；低话务区域(如绿地、河流)的话务密度占比较低，构造面向栅格级数据业务分布密度图。
其基本思路是：在同一基站簇内，相同地物类型的栅格对应相同的业务密度值。例如，2个20m*20m的栅格分别处于2所不同高校内，但其地物类型均属“教学楼”，则这2个栅格的业务密度值近似相等。假设现有网络内的基站被分成了p簇基站，每个基站簇有mk(k＝1,2,…,p)个基站。
假设在同一类基站簇内，所有基站的网络覆盖范围中识别出的地物类型的数目为n，t1,t2,...,tn分别代表不同地物的栅格对应的业务密度值；一个基站簇内基站数量为m,其中m＞n；b1,b2,...,bm是一个基站簇内各基站的业务量的统计或预测值，为已知的；sij是在第i个基站中的第j类地物栅格的面积总和，其可以通过上述每个基站所覆盖的栅格数以及每个栅格的面积计算得出，其中，i＝1,2,…,m；j＝1,2,…,n；则通过方程组(1)可计算得出t1,t2,...,tn，进而得出面向栅格级数据业务密度分布图：
比如，对于方程组(1)中，以第一行方程的描述如下(其他行均相同)：
对基站簇内基站1，在该基站的覆盖范围内出现了1,2,...,n种地物类型(如建筑物、绿地、河流等)，这n种地物对应的栅格业务密度分别为t1,t2,...,tn，这n种地物的所占栅格总面积分别为s11,s12,...,s1n。因此，基站1的总的业务量b1等于基站覆盖范围内各类地物的业务密度ti(1≤i≤n)与该类地物在基站1中的栅格面积s1i(1≤i≤n)乘积的累加和。
另外，各基站的业务量b1,b2,...,bm是已知的(可以通过话务统计、业务预测得到)，覆盖范围内的各类栅格总面积sij(i＝1,2,…,m,j＝1,2,…,n)也可以计算得到，因此求解该方程组(1)就可以得到基站覆盖范围内各类地物栅格的业务密度t1,t2,...,tn，最终得到面向栅格级数据业务密度分布图。
在得出面向栅格级数据业务密度分布图后，就能够选出候选的wlan站址，也即是：s3、根据面向栅格级数据业务密度分布图识别出热点栅格，并根据热点栅格得出一个或多个候选的wlan站址。
在选择候选的wlan站址时，首先需要识别出热点栅格。而在识别热点栅格时需要获取现有网络中的热点基站，并根据多维度热点基站活跃度综合评估模型得出每个热点基站的热点活跃度，该热点活跃度为自定义的评分得分。也即是说对其设定一评分机制，通过上述模型，可以得到每个热点基站的评分。
然后根据每个热点基站所覆盖的栅格计算得出对应栅格的热点活跃度。每个热点基站都有一定的覆盖范围，即对应哪些栅格，根据每个热点基站的热点活跃度就可以计算得出对应的栅格的热点活跃度。当然，也可能出现多个热点基站覆盖同一区域的栅格的情况，则可根据相加的规则来计算得出每个栅格的热点活跃度，具体其计算规则可通过实际的统计得到。
s33、根据每个栅格的热点活跃度、热点基站用户活跃度、用户密度、mr数目以及对应栅格的话务流量得到一个或多个候选的wlan站址。
另外，在实际的应用中，热点基站并不只是高业务流量基站，还需要考虑基站内数据业务种类、终端种类、用户分布等情况。
根据识别出的热点栅格得到了若干个候选的wlan站址，还需要进一步从候选地wlan站址中筛选出比较适合的wlan站址，也即是执行s4。
s4、根据wlan的容量-覆盖模型以及链路预算模型，并结合山各级业务密度分布图、现有网络业务分流比例以及每个候选的wlan站址的周边地理环境、用户分布得出wlan站址，并同时得到每个wlan站址的配置信息。
在若干个候选的wlan站址中选择较为适合的wlan站址时，还需要进一步考虑如下因素，比如：1)在哪些热点栅格上部署wlan站点，部署几个wlan站点；2)每个wlan站点的覆盖范围、站点配置和容量、分担的业务流量等。
其具体的实现方法如下：首先根据wlan基站覆盖-容量模型、链路预算模型分析不同配置下wlan基站的覆盖范围与可承担的业务容量；然后根据面向栅格级数据业务密度分布图、热点栅格内的用户终端类型分布、现有网络(wlan/gsm/td等)中的网络业务分流比例，采用一定的启发式策略，并考察在不同的候选的wlan站址上设定1个或多个wlan基站时，热点栅格区域内各栅格内的业务流量是否能够被现有网络与新建的wlan网络进行合理分担，以及分析用户的数据业务需求是否能够得到满足，进而选出最合适的wlan站址及对应的配置信息。
另外，在实际的操作中，还可以对初步选定的wlan站址通过结合实际的周边地理环境、用户分布进行一步进行合理性验证。比如，wlan站址位于政府办公区，并且周边住宅基站较多、建筑物密级、用户群稳定、流量集中；在比如，wlan站址的地物类型属于商业区，周边为大型卖场、建筑物密级、人员集中；在这些位置上都比较适合部署wlan站址。
本发明还提供了一种电子设备，其包括存储器、处理器以及存储在存储器上并可在处理上运行的计算机程序，所述处理器执行所述程序时实现如文中所述的wlan站址预测分析方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如文中所述的wlan站址预测分析方法的步骤。
如图3所示，一种wlan站址预测分析装置，其包括：
获取模块，用于获取现有网络的网络覆盖范围；
分析模块，用于获取现有网络中每个基站的数据业务分布，并根据数据业务分布以及所述网络覆盖范围得到面向栅格级数据业务密度分布图；
候选站址选取模块，用于根据面向栅格级数据业务密度分布图识别出热点区域，并根据热点区域得出一个或多个候选的wlan站址；
站址选取模块，用于根据wlan的容量-覆盖模型以及链路预算模型，并结合面向栅格级数据业务密度分布图、现有网络业务分流比例以及每个候选的wlan站址的周边地理环境、用户分布得出wlan站址及对应的配置信息。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。