一种无线网络问题的处理方法、装置及存储介质与流程

本发明涉及无线网络技术领域，尤其涉及一种无线网络问题的处理方法、装置及存储介质。

背景技术：

随着无线网络技术的发展，无线网络规模也在不断的扩大，针对网络覆盖问题场景，传统网络问题的发掘、分类及规划手段已经不能满足大规模无线网络的需求，例如，在无线网络规模非常庞大时，无法通过传统手段发现网络问题需要专家人工具体判断是哪种原因造成的，不仅效率低，且由于专家的认知不同往往得出的判断结果也不同，导致判断的准确性差，因此，目前急需一种适合大规模的无线网络问题的处理方法，以提升无线网络问题的处理效率和准确度。

技术实现要素：

本发明实施例提供一种无线网络问题的处理方法、装置及存储介质，用于提升无线网络问题的处理效率和准确度。

一方面，本发明实施例提供了一种无线网络问题的处理方法，包括：

获得目标区域的多个网络问题簇，每个网络问题簇中包括若干个网络问题栅格；

确定各网络问题簇中的每个网络问题栅格的问题类型；

统计各网络问题簇中属于相同问题类型的网络问题栅格数量；

针对所述多个网络问题簇中的任一网络问题簇，确定该网络问题簇中是否存在属于目标网络问题的网络问题栅格的数量大于第一阈值，若是，则确定该目标问题类型为该网络问题簇的问题类型。

可选的，所述获得目标区域的多个网络问题簇，包括：

获取所述目标区域对应的栅格地图；

确定所述栅格地图中的网络问题栅格；

采用密度聚类算法对所述栅格地图中的网络问题栅格进行聚类，获得多个网络问题簇。

可选的，所述确定所述栅格地图中的网络问题栅格，具体包括：

获取所述目标区域的基础网络信息；

基于大数据算法对所述基础网络信息进行处理，获得所述栅格地图中每个栅格包括的采样点以及各采样点的电平值；

针对所述栅格地图中任一栅格，若确定该栅格中存在电平值低于第一弱覆盖门限的采样点的数目与该栅格的采样点总数之比大于预设的弱覆盖比例门限，则确定该栅格为网络问题栅格。

可选的，所述问题类型包括维护类问题、建设类问题、优化类问题、以及规划类问题。

可选的，所述确定各网络问题簇中的每个网络问题栅格的问题类型，具体包括：

针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格所覆盖的区域是否存在故障小区，若是，则确定该网络问题栅格的问题类型为维护类问题；

或者

针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格与其最近的待建设的基站之间的距离是否小于第一距离阈值，若是则确定该网络问题栅格的问题类型为建设类问题；

或者

针对各网络问题簇中的任一网络问题栅格，若确定该网络问题栅格存在电平值处于第一弱覆盖门限与第二弱覆盖门限之间的采样点的数目，与电平值低于第一弱覆盖门限的采样点的总数之比大于第二阈值，或若确定距离该网络问题栅格最近的非网络问题栅格的重叠覆盖度大于重叠覆盖阈值，或若确定距离该网络问题栅格最近的基站小于第二距离阈值，则确定该网络问题栅格的问题类型为优化类问题，其中，第二弱覆盖门限小于第一弱覆盖门限；

或者

针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格与其最近的基站之间的距离是否大于第三距离阈值，若是则确定该网络问题栅格的问题类型为规划类问题。

可选的，所述确定该网络问题栅格所覆盖的区域是否存在故障小区，具体包括：

确定该网络问题栅格是否为新增网络问题栅格，以及

若为新增网络问题栅格，确定该网络问题栅格所覆盖的小区中是否存在故障小区，若存在故障小区，则确定该网络问题栅格的问题类型为维护类问题；

或者

确定该网络问题栅格所覆盖的小区中是否存在故障室分点，若存在，则确定所述该网络问题栅格所覆盖的小区存在故障小区，并确定该网络问题栅格的问题类型为维护类问题；

或者

若确定该网络问题栅格所覆盖的小区中是否存在距离最近的故障小区小于第四距离阈值的小区，若存在，则确定该网络问题栅格的问题类型为维护类问题。

可选的，所述待建设的基站的类型为以下任一种：待建设的宏站、待建设的小站、以及待建设的室分；

其中，所述第一距离阈值的取值由待建设的基站的类型和\或所述目标区域的区域类型确定。

可选的，若所述多个网络问题簇中的存在问题类型为规划类问题的目标网络问题簇，所述方法还包括：

确定所述目标网络问题簇中网络问题栅格所覆盖的目标小区；

根据所述目标小区中包括的楼宇信息，确定所述目标小区的待建设的基站类型以及各待建设的基站的建设位置。

可选的，确定所述目标小区的待建设的基站类型以及各待建设的基站的建设位置之后，所述方法还包括：

从已规划站点数据库中，获取与确定的所述目标小区的待建设的基站类型以及各待建设的基站的建设位置的信息的相似度最大的已规划站点的信息；

根据获取的已规划站点的信息，对确定的所述目标小区的待建设的基站类型以及各待建设的基站的建设位置进行评估，获得评估结果。

一方面，本发明实施例提供了一种无线网络问题的处理装置，包括：

获得单元，用于获得目标区域的多个网络问题簇，每个网络问题簇中包括若干个网络问题栅格；

确定单元，用于确定各网络问题簇中的每个网络问题栅格的问题类型；

统计单元，用于统计各网络问题簇中属于相同问题类型的网络问题栅格数量；

所述确定单元，还用于针对所述多个网络问题簇中的任一网络问题簇，确定该网络问题簇中是否存在属于目标网络问题的网络问题栅格的数量大于第一阈值，若是，则确定该目标问题类型为该网络问题簇的问题类型。

可选的，所述问题类型包括维护类问题、建设类问题、优化类问题、以及规划类问题；

所述确定单元，还用于：

针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格所覆盖的区域是否存在故障小区，若是，则确定该网络问题栅格的问题类型为维护类问题；

或者

针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格与其最近的待建设的基站之间的距离是否小于第一距离阈值，若是则确定该网络问题栅格的问题类型为建设类问题；

或者

针对各网络问题簇中的任一网络问题栅格，若确定该网络问题栅格存在电平值处于第一弱覆盖门限与第二弱覆盖门限之间的采样点的数目，与电平值低于第一弱覆盖门限的采样点的总数之比大于第二阈值，或若确定距离该网络问题栅格最近的非网络问题栅格的重叠覆盖度大于重叠覆盖阈值，或若确定距离该网络问题栅格最近的基站小于第二距离阈值，则确定该网络问题栅格的问题类型为优化类问题，其中，第二弱覆盖门限小于第一弱覆盖门限；

或者

针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格与其最近的基站之间的距离是否大于第三距离阈值，若是则确定该网络问题栅格的问题类型为规划类问题。

一方面，本发明实施例提供了一种信息处理装置，包括至少一个处理器、以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行本发明实施例提供的无线网络问题的处理方法步骤。

一方面，本发明实施例提供了一种存储介质，所述存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行无线网络问题的处理方法步骤。

本发明实施例提供的无线网络问题处理方法，在获得目标区域的多个网络问题簇之后，进一步确定各网络问题簇中的每个网络问题栅格的问题类型，然后统计各网络问题簇中属于相同问题类型的网络问题栅格数量，进而根据统计结果，针对所述多个网络问题簇中的任一网络问题簇，确定该网络问题簇中是否存在属于目标网络问题的网络问题栅格的数量大于第一阈值，若是，则确定该目标问题类型为该网络问题簇的问题类型，所以，实现了对无线网络问题的问题类型确定的自动化，避免了现有技术中需要人工进行判断，所以提升了无线网络问题的处理速度，由于该方法确定了各网络问题簇中的每个网络问题栅格的问题类型，然后再统计各网络问题簇中属于相同问题类型的网络问题栅格数量，进一步将各网络问题簇中属于同一网络问题、且网络问题栅格总数大于第一阈值的网络问题栅格的网络问题类型确定为其对应的网络问题簇的网络问题类型，所以，也提升了无线网络问题的处理效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。

图1为本发明实施例提供的一种无线网络问题的处理方法流程图；

图2为本发明实施例提供的获取各网络问题簇的流程图；

图3为本发明实施例提供的网络问题簇的密度聚类原理示意图；

图4为本发明实施例提供的维护类问题确定流程图；

图5为本发明实施例提供的建设类问题确定流程图；

图6为本发明实施例提供的优化类问题确定流程图；

图7为本发明实施例提供的属于规划类问题的网络问题簇的规划方法流程图；

图8为本发明实施例提供的通过ai学习生成覆盖模型库的示意图；

图9为本发明实施例提供的评估规划效果示意图；

图10为本发明实施例提供一种无线网络问题的处理装置示意图；

图11为本发明实施例提供另一种无线网络问题的处理装置示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明技术方案的一部分实施例，而不是全部的实施例。基于本申请文件中记载的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明技术方案保护的范围。

在具体实践过程中，本发明的发明人发现，现有技术，针对网络覆盖问题场景，主要采用传统的方式进行网络问题的发掘、分类及规划，具体包括：在无线网络问题分析阶段，主要依据具有专业网络优化规划的人工进行排查，完成问题的归类，主观性大、效率低下，准确度低；在网络问题处理及规划阶段，根据人工定性的分析给出的处理意见，进行站点规划匹配工作，效率低且主观性大，相关经验积累及传播困难，从而进一步降低了无线网络问题的处理效率和准确度。

为此，本发明实施例提供了一种无线网络问题的处理方法，该方法尤其适合应用于大规模的网络覆盖问题场景，如图1所示，该方法包括：

步骤101：获得目标区域的多个网络问题簇，每个网络问题簇中包括若干个网络问题栅格；

步骤102：确定各网络问题簇中的每个网络问题栅格的问题类型；

步骤103：统计各网络问题簇中属于相同问题类型的网络问题栅格数量；

步骤104：针对所述多个网络问题簇中的任一网络问题簇，确定该网络问题簇中是否存在属于目标网络问题的网络问题栅格数量大于第一阈值，若是，则确定该目标问题类型为该网络问题簇的问题类型。

本发明实施例中的方法可以应用于无线网络问题处理装置中，无线网络问题处理装置可以具体为服务器，服务器可以为一台服务器，也可以是若干台服务器组成的服务器集群或云计算中心，无线网络问题处理装置还可以是其他具有自动、高速处理大量数据的设备，在此就不一一列举了，并以无线网络问题处理装置为服务器为例。

在本发明实施例中，步骤101中的目标区域为需要进行无线网络问题处理区域，这样的目标区域如省，市区、县等，服务器可以获取该目标区域多个网络问题簇，其中，每个网络问题簇中包括若干个网络问题栅格，在具体实践过程中步骤101还可以按照图2所示的流程执行，图2所示的流程包括：

步骤201：获取所述目标区域对应的栅格地图；

步骤202：获取所述目标区域的基础网络信息；

步骤203：基于大数据算法对所述基础网络信息进行处理，获得所述栅格地图中每个栅格包括的采样点以及各采样点的电平值；

步骤204：针对所述栅格地图中任一栅格，若确定该栅格中存在电平值低于第一弱覆盖门限的采样点的数目与该栅格的采样点总数之比大于预设的弱覆盖比例门限，则确定该栅格为网络问题栅格；

步骤205：采用密度聚类算法对所述栅格地图中的网络问题栅格进行聚类，获得多个网络问题簇。

在本发明实施例中，可以预先将目标区域对应的地图划分成由栅格组成的栅格地图，栅格地图中给每个栅格的大小可以根据实际需要设定，例如设置为50*50m(米)大小，因此，服务器可以获取该目标区域的栅格地图，并确定栅格地图中的网络问题栅格，确定的方式可以具体是先获取目标区域对应的基础网络信息，其中，基础网络信息是指目标区域中的无线网络日常运行过程中的产生的数据。基础网络信息中至少包括工参类数据以及无线侧测量类数据，在实际应用中，工参类数据包括三维电子地图、网络工程参数(如基站位置、方位角、高度等)、已规划待建设站点等信息；无线侧测量类数据包括mdt信息、mr信息等。

在本发明实施例中，获取的基础网络信息还可以包括互联网侧大数据、核心网络话单数据、或者其他辅助数据，其中，互联网侧大数据如ott信息，核心网络话单数据如xdr信息，其他辅助数据如wlan信息、投诉数据等。

在本发明实施例中，服务器可以采用现有的大数据算法对获取的基础网络信息进行处理，即采用现有的大数据方法对基础网络信息进行筛选、定位、汇聚等计算，然后将处理结果映射到目标区域对应的栅格地图中，从而获得栅格地图中每个栅格包括的采样点以及各采样点的电平值，其中，采样点可以为基于大数据方法中的mr分析获得的栅格地图中的弱覆盖采样点。

在本发明实施例中，可根据获得栅格地图中各栅格包括的采样点以及各采样点的电平值，确定各栅格是否为网络问题栅格，确定方式具体包括：先针对栅格地图中任一栅格，确定该栅格中电平值低于第一弱覆盖门限的采样点的数目，其中，第一弱覆盖门限可以根据需要灵活设置，如设置为-110dbm，然后，再确定该栅格中电平值低于第一弱覆盖门限的采样点的数目与该栅格的采样点总数之比是否大于预设的弱覆盖比例门限，其中，弱覆盖比例门限可以根据不同的类型的目标区域进行设置，例如，当目标区域为x市，弱覆盖比例门限取值20％，当目标区域为x村庄，弱覆盖比例门限取值10％。若是，则确定该栅格为网络问题栅格，否则确定该栅格为非网络问题栅格。

在本发明实施例中，确定出栅格地图中的网络问题栅格之后，可以采用密度聚类算法对栅格地图中的网络问题栅格进行聚类，以获得多个网络问题簇，通常，获得的各网络问题簇中的网络问题栅格数目大于簇内的问题栅格数大于50％，同时问题栅格的个数大于3。

下面结合图3，对基于密度聚类算法在网络问题簇的密度聚类原理进行简单介绍。

密度聚类算法一般假定类别可以通过样本分布的紧密程度决定，同一类别的样本，他们之间的紧密相连的，也就是说，在该类别任意样本周围不远处一定有同类别的样本存在，例如图3中，以每个数据点为圆心，各数据点可以是其对应的栅格的核心点，e(图3中的esp)为半径画圈，只要圈里的点多于minpts(最小点数)个，这个圆心就是核心点，否则这个圆心就不是核心点；任意点出发，如果是核心点(图3中a表示一个核心点)，看其e邻域内是否还有核心点，如果还有核心点b，那么只要是核心点b领域里的点，都属于此类，这样一直看下去，直到没有核心点为止；任意点出发，如果不是核心点，则此点可视为噪点；循环前面的步骤，直到所有的点都处理完。

所以，通过上述方式，本发明实施例也实现了对无线网络中的网络问题栅格聚类成网络问题簇的方法，即实现了无线网络问题的自动挖掘，有利于对发现的无线网络问题后续的处理。

本发明实施例中，在获得多个网络问题簇之后，可以通过步骤102确定各个网络问题簇中包括的各个网络问题栅格的问题类型，通常，问题类型包括以下四种，分别为维护类问题、建设类问题、优化类问题、以及规划类问题，当然还可以包括其他类型，在本发明实施例中，以上文叙述的四种为例。

在本发明实施例中，获得目标区域的多个网络问题簇之后，可以执行步骤102，即确定各网络问题簇中的每个网络问题栅格的问题类型，即确定各网络问题簇中的各网络问题栅格的问题类型是维护类问题、建设类问题、优化类问题、以及规划类问题中的哪一种类型。

其中，确定各网络问题簇中的各网络问题栅格的问题类型是否为维护类问题，可采用的方式为：针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格所覆盖的区域是否存在故障小区，若是，则确定该网络问题栅格的问题类型为维护类问题，该方式的具体实现过程，至少包括图4所示的三种方式，图4所示的步骤410至411为第一种方式，步骤412为另一种方式，步骤413为再一种方式，图4包括：

步骤410：针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格是否为新增网络问题栅格；若是，则执行步骤414；

步骤411：确定该网络问题栅格所覆盖的小区中是否存在故障小区，若存在故障小区，执行步骤414；

步骤412：针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格所覆盖的小区中是否存在故障室分点，若是，则执行步骤414；

步骤413：针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格所覆盖的小区中是否存在距离最近的故障小区小于第四距离阈值的小区，若是，则执行步骤414；

步骤414：确定该网络问题栅格的问题类型为维护类问题。

在本发明实施例中，确定各网络问题簇中的各网络问题栅格的问题类型是否为维护类问题时，可以按照步骤410至411所示的第一种方式即问题回溯算法，先针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格是否为新增网络问题栅格，在本发明实施例中，可以为栅格地图中的每一个栅格设置一个唯一标识id，在判断该网络问题栅格是否为新增网络问题栅格的方法可以为：将该网络问题与上期(比如一个月前，或前3天等)的覆盖情况对比，以确定该网络问题栅格是否为新增网络问题栅格，若是新增网络问题栅格，确定该网络问题栅格所覆盖的小区中是否存在故障小区，具体的，在该网络问题是新增的问题栅格时则用上期的同id栅格中的top1-3小区与本期mr对应时段的故障小区清单匹配，匹配其一，确定该网络问题栅格所覆盖的小区中存在故障小区则认为该网络问题栅格为维护类问题栅格，同时将匹配到的故障小区做关联记录。

通常，上文叙述的故障小区的判定方法可以为：告警小区的当天累计告警时间大于x(如x>8)小时；或者小区日流量为零时，则认为是故障小区。

在本发明实施例中，确定各网络问题簇中的各网络问题栅格的问题类型是否为维护类问题时，还可以按照步骤412所示的另一种方式，即故障室分匹配法，针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格所覆盖的小区中是否存在故障室分点，例如，通过栅格与室分物业点经纬度的关联，确定该网络问题栅格所覆盖的小区中是否存在故障室分点，若存在，确定该网络问题栅格所覆盖的小区存在故障小区，并确定该网络问题栅格的问题类型为维护类问题。

在本发明实施例中，确定各网络问题簇中的各网络问题栅格的问题类型是否为维护类问题时，还可以按照步骤413所示的再一种方式，即针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格所覆盖的小区中是否存在距离最近的故障小区小于第四距离阈值的小区，即将该网络问题栅格与同时段故障小区的位置做匹配，如果弱覆盖周边x米(即第四距离阈值)范围内可以匹配到故障小区信息，则确定该网络问题栅格的问题类型为维护类问题。

其中，确定各网络问题簇中的各网络问题栅格的问题类型是否为建设类问题时，可以按照图5所示的流程执行，图5所示的流程包括：

步骤501：针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格与其最近的待建设的基站之间的距离是否小于第一距离阈值，若是，执行步骤502；

步骤502：确定该网络问题栅格的问题类型为建设类问题；

在本发明实施例中，步骤501中的待建立的基站可以是宏站，也可以是室分站，也可以是小站等，不同的基站类型，第一距离阈值取值不同，还可以结合目标区域的属性如目标区域属于城市，或目标区域属于农村，或目标区域属于城乡结合部，设定第一距离阈值取值，例如在待建立的基站为宏站时，可以针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格为农村栅格，还是城市栅格，在确定该网络问题栅格为农村栅格时，进一步确定该网络问题栅格与其最近的待建设的宏站之间的距离是否小于1000m，1000m即为第一距离阈值，若确定该网络问题栅格为城市栅格时，进一步确定该网络问题栅格与其最近的待建设的宏站之间的距离是否小于500m，500m即为第一距离阈值。

其中，确定各网络问题簇中的各网络问题栅格的问题类型是否为优化类问题时，可以按照图6所示的三种方式实现，图6所示的步骤601为第一种方式，步骤602为另一种方式，步骤603为再一种方式，图6包括：

步骤601：针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格是否存在电平值处于第一弱覆盖门限与第二弱覆盖门限之间的采样点的数目，与电平值低于第一弱覆盖门限的采样点的总数之比大于第二阈值，其中，第二弱覆盖门限小于第一弱覆盖门限，若是，则执行步骤604；

步骤602：针对各网络问题簇中的任一网络问题栅格，确定距离该网络问题栅格最近的非网络问题栅格的重叠覆盖度是否大于重叠覆盖阈值，若是，则执行步骤604；

步骤603：针对各网络问题簇中的任一网络问题栅格，确定距离该网络问题栅格最近的基站是否小于第二距离阈值；若是，则执行步骤604；

步骤604：确定该网络问题栅格的问题类型为优化类问题。

在本发明实施例中，在确定各网络问题簇中的各网络问题栅格的问题类型是否为优化类问题时，可以按照步骤601所示的方式，针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格是否存在电平值处于第一弱覆盖门限与第二弱覆盖门限之间的采样点的数目，与电平值低于第一弱覆盖门限的采样点的总数之比大于第二阈值，其中，第二弱覆盖门限小于第一弱覆盖门限，例如，第一弱覆盖门限取值-110dbm，第二弱覆盖门限取值-115dbm，第二阈值可以取值为80％等较大的值，若是，则表明该网络问题栅格属于弱覆盖的栅格，但其中大多数采样点的电平并不是太低，可通过提升该网络问题栅格的功率来对该网络问题栅格进行优化，因此，可确定该网络问题栅格问题类型为优化类问题。

在本发明实施例中，在确定各网络问题簇中的各网络问题栅格的问题类型是否为优化类问题时，还可以按照步骤602所示的方式，针对各网络问题簇中的任一网络问题栅格，确定距离该网络问题栅格最近的非网络问题栅格的重叠覆盖度是否大于重叠覆盖阈值，其中，重叠覆盖阈值可以根据实际需要设置，例如设置为3，若大于重叠覆盖阈值，认为该网络问题栅格是可以通过天馈调整可解决的网络问题栅格，因此，可确定该网络问题栅格的问题类型为优化类问题。

在本发明实施例中，在确定各网络问题簇中的各网络问题栅格的问题类型是否为优化类问题时，还可以按照步骤603所示的方式，即针对各网络问题簇中的任一网络问题栅格，确定距离该网络问题栅格最近的基站是否小于第二距离阈值，其中，第二距离阈值可以根据实际需要设置，例如取值为150m，若距离该网络问题栅格最近的基站小于第二距离阈值，则认为该网络问题栅格是天馈调整可解决的问题栅格，因此，可确定该网络问题栅格的问题类型为优化类问题。

其中，确定各网络问题簇中的各网络问题栅格的问题类型是否为规划类问题时，可以针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格与其最近的基站之间的距离是否大于第三距离阈值，若是，则确定该网络问题栅格的问题类型为规划类问题。

在本发明实施例中，上文中最近的基站可以是宏站，也可以是小站，还可以是室分，第三距离阈值可以根据目标区域的类型确定，如目标区域的类型为农村时，第三距离阈值可取值1000，目标区域的类型为城市时，第三距离阈值可取值100。

在本发明实施例中，根据上文叙述方法确定各网络问题簇的各网络问题栅格的问题类型之后，可移执行步骤103：统计各网络问题簇中属于相同问题类型的网络问题栅格数量，即针对多个网络问题簇中任一网络问题簇，分别统计该网络问题簇中属于维护类问题的网络问题栅格总数，属于建设类问题的网络问题栅格总数，属于优化类问题的网络问题栅格总数，以及属于规划类问题的网络问题栅格总数。

然后，执行步骤104：针对多个网络问题簇中的任一网络问题簇，若确定该网络问题簇中存在属于目标网络问题的网络问题栅格数量大于第一阈值，则确定该目标问题类型为该网络问题簇的问题类型，其中目标网络问题为维护类问题、建设类问题、优化类问题、以及规划类问题中的任一种，例如，在第一阈值取值为该网络问题簇中所有网络问题栅格总数的50％时，即根据步骤103的统计，若确定该网络问题簇中属于规划类问题的网络问题栅格数目超过网络问题簇中所有网络问题栅格总数的50％，则确定该网络问题簇的问题类型就为规划类问题；又如，若确定该网络问题簇中属于优化类问题的网络问题栅格数目超过网络问题簇中所有网络问题栅格总数的50％，则确定该网络问题簇的问题类型就为优化类问题。

所以，通过上述方法，在获得目标区域的多个网络问题簇之后，进一步确定各网络问题簇中的每个网络问题栅格的问题类型，然后统计各网络问题簇中属于相同问题类型的网络问题栅格数量，进而根据统计结果针对所述多个网络问题簇中的任一网络问题簇，确定该网络问题簇中是否存在属于目标网络问题的网络问题栅格的数量大于第一阈值，若是，则确定该目标问题类型为该网络问题簇的问题类型，所以，实现了对无线网络问题的问题类型确定的自动化，避免了现有技术中需要人工进行判断，所以提升了无线网络问题的处理速度，由于该方法确定了各网络问题簇中的每个网络问题栅格的问题类型，然后再统计各网络问题簇中属于相同问题类型的网络问题栅格数量，进一步将各网络问题簇中属于同一网络问题、且网络问题栅格总数大于第一阈值的网络问题栅格的网络问题类型确定为其对应的网络问题簇的网络问题类型，所以，也提升了无线网络问题的处理效率。

作为一种可选的方式，在本发明实施例中，在根据上述方法确定多个网络问题簇中的存在问题类型为规划类问题的目标网络问题簇，还可以执行图7所示的流程，图7所示的流程包括：

步骤701：确定所述目标网络问题簇中网络问题栅格所覆盖的目标小区；

步骤702：根据所述目标小区中包括的楼宇信息，确定所述目标小区的待建设的基站类型以及各待建设的基站的建设位置；

步骤703：从已规划站点数据库中，获取与确定的所述目标小区的待建设的基站类型以及各待建设的基站的建设位置的信息的相似度最大的已规划站点的信息；

步骤704：根据获取的已规划站点的信息，对确定的所述目标小区的待建设的基站类型以及各待建设的基站的建设位置进行评估，获得评估结果。

即在本发明实施例中，在确定多个网络问题簇中的存在问题类型为规划类问题的目标网络问题簇时，还可以对属于规划类问题的目标网络问题簇进行站点规划，规划的方法具体如上述步骤701和步骤702，即确定目标网络问题簇中网络问题栅格所覆盖的目标小区，然后获取该目标小区的楼宇信息，其中，楼宇信息包括楼宇的密度、楼宇的厚度、楼宇的高度等相关的信息。

然后，根据该目标小区中包括的楼宇信息，确定目标小区的待建设的基站类型以及各待建设的基站的建设位置，如可以根据结合楼宇信息中的楼宇的密度、楼宇的厚度、楼宇的高度，确定待建设的基站为宏站还是为小站还是为室分，以及待建设的基站所在的位置。例如，在楼宇较，且高度较高时，可以在楼宇的中间层位置建立室分；又如，在楼宇密度较低，且厚度较小时，可以在一定范围内的各楼宇的中心位置建立小站等。

在确定目标小区的待建设的基站类型以及各待建设的基站的建设位置之后，还可以对其效果进行评估，通常，服务器中保存有已规划站点的信息，在对确定的目标小区的待建设的基站类型以及各待建设的基站的建设位置的效果进行评估时，可以先获取务器中保存有已规划站点的信息，然后，通过拟合算法从已规划站点的信息中，查找出与确定的所述目标小区的待建设的基站类型以及各待建设的基站的建设位置的信息的相似度最大的已规划站点的信息，然后，根据获取的已规划站点的信息，对确定的目标小区的待建设的基站类型以及各待建设的基站的建设位置进行评估，获得评估结果。

所以，通过上述方法，对属于规划类的无线网络问题，可以采用确定目标网络问题簇中网络问题栅格所覆盖的目标小区，然后根据目标小区中包括的楼宇信息，确定目标小区的待建设的基站类型以及各待建设的基站的建设位置的方式，完成了对属于规划类的无线网络问题中的站点的自动规划，所以进一步提升了无线网络问题的处理速度和效率，且在完成对属于规划类的无线网络问题中的站点的自动规划之后，还可以对其进行效果评估，能够提升了无线网络问题的处理的智能化，更加符合用户需求。

作为一种可选的方式，在本发明实施例中，在对属于规划类问题的目标网络问题簇进行站点规划时，可以将上述图7所示的方式，通过现网覆盖情况并基于上文叙述的对属于规划类问题的目标网络问题簇进行站点规划即评估的原理，通过ai学习生成覆盖模型库，以便使用生成的覆盖模型库，对于规划类问题的目标网络问题簇进行站点规划以及对其规划的效果进行评估，如图8所示，为通过ai学习生成覆盖模型库的示意图，图9为根据该模型对规划的效果进行评估的示意图，其中，包括规划前和规划后的效果，规划后效果即为根据该模型获得规划的效果。

作为一种可选的方式，在本发明实施例中，在确定各网络问题簇的网络问题类型时，可以针对不同网络问题分类建模，ai训练的算法自适应得出恰当的各类网络问题的判定门限，最终输出各网络问题簇定性的网络问题结果即输出各网络问题簇所属的网络问题，其中，建模原理如下：

通过池化的卷积神经网络收敛技术来进行ai跟踪分析，从而实现动态设定各类网络问题的判定门限：原理为将网络覆盖区域划分为固定的栅格区域，用共享权重在空间中进行扩展的标准神经网络运算，通过深度学习来提取网络中的问题区域。

基于ai神经网络的自适应判定门限x，收敛步骤如下公式(1)：

第一步：网络栅格属性及权重匹配：在网络不同的楼宇密度高度面积、竞对网络情况、网络容量情况、地理化信息情况等条件设定不同的初始权重x0(i＝0)；

第二步：通过初始权重获得网络覆盖形态，并进行投诉数据及实测数据的匹配验证i＝1；

第三步：通过第二步的数据校验，得到各参考量的修正权重x1(i＝1)；

第四步：进行不同日期的投诉数据、实测数据的匹配验证，获得各参考变量的二次修正权重x2(i＝2)；

第五步：在ai训练获得最接近网络真实状态的xi(i＝x)权重后，进行门限值计算，从而获得各网络栅格的网络问题属性。

然后，通过递归神经网络实现网络问题定性分析训练：

原理如下：对特定区域的网络覆盖栅格进行属性分析，并且对簇内的栅格进行多维标签统计，根据同类型问题栅格在簇中的比重确定问题簇的最终属性，方法如下公式(2)：

其中，grid_m为维护栅格标签；grid_p为规划栅格标签；grid_c为建设栅格标签；grid_o为优化栅格标签；convexhull_grid为簇内栅格数。

例如，根据如上公式(2)，利用递归神经网络综合判定grid_m(维护类)、grid_c(建设类)、grid_o(优化类)栅格的循环类别是否大于预定义的x％，从而矫正此类问题为grid_p规划类问题。

基于同一发明构思，本发明实施例中提供了一种无线网络问题的处理装置，如图10包括：

获得单元90，用于获得目标区域的多个网络问题簇，每个网络问题簇中包括若干个网络问题栅格；

确定单元91，用于确定各网络问题簇中的每个网络问题栅格的问题类型；

统计单元92，用于统计各网络问题簇中属于相同问题类型的网络问题栅格数量；

所述确定单元91，还用于针对所述多个网络问题簇中的任一网络问题簇，确定该网络问题簇中是否存在属于目标网络问题的网络问题栅格的数量大于第一阈值，若是，则确定该目标问题类型为该网络问题簇的问题类型。

可选的，所述获得单元，用于：

获取所述目标区域对应的栅格地图；

确定所述栅格地图中的网络问题栅格；

采用密度聚类算法对所述栅格地图中的网络问题栅格进行聚类，获得多个网络问题簇。

可选的，所述获得单元，用于：

获取所述目标区域的基础网络信息；

基于大数据算法对所述基础网络信息进行处理，获得所述栅格地图中每个栅格包括的采样点以及各采样点的电平值；

针对所述栅格地图中任一栅格，若确定该栅格中存在电平值低于第一弱覆盖门限的采样点的数目与该栅格的采样点总数之比大于预设的弱覆盖比例门限，则确定该栅格为网络问题栅格。

可选的，所述问题类型包括维护类问题、建设类问题、优化类问题、以及规划类问题。

可选的，所述确定单元，用于：

针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格所覆盖的区域是否存在故障小区，若是，则确定该网络问题栅格的问题类型为维护类问题；

或者

针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格与其最近的待建设的基站之间的距离是否小于第一距离阈值，若是则确定该网络问题栅格的问题类型为建设类问题；

或者

针对各网络问题簇中的任一网络问题栅格，若确定该网络问题栅格存在电平值处于第一弱覆盖门限与第二弱覆盖门限之间的采样点的数目，与电平值低于第一弱覆盖门限的采样点的总数之比大于第二阈值，或若确定距离该网络问题栅格最近的非网络问题栅格的重叠覆盖度大于重叠覆盖阈值，或若确定距离该网络问题栅格最近的基站小于第二距离阈值，则确定该网络问题栅格的问题类型为优化类问题，其中，第二弱覆盖门限小于第一弱覆盖门限；

或者

针对各网络问题簇中的任一网络问题栅格，确定该网络问题栅格与其最近的基站之间的距离是否大于第三距离阈值，若是则确定该网络问题栅格的问题类型为规划类问题。

可选的，所述确定单元，用于：

确定该网络问题栅格是否为新增网络问题栅格，以及

若为新增网络问题栅格，确定该网络问题栅格所覆盖的小区中是否存在故障小区，若存在故障小区，则确定该网络问题栅格的问题类型为维护类问题；

或者

确定该网络问题栅格所覆盖的小区中是否存在故障室分点，若存在，则确定所述该网络问题栅格所覆盖的小区存在故障小区，并确定该网络问题栅格的问题类型为维护类问题；

或者

若确定该网络问题栅格所覆盖的小区中是否存在距离最近的故障小区小于第四距离阈值的小区，若存在，则确定该网络问题栅格的问题类型为维护类问题。

可选的，所述待建设的基站的类型为以下任一种：待建设的宏站、待建设的小站、以及待建设的室分；

其中，所述第一距离阈值的取值由待建设的基站的类型和\或所述目标区域的区域类型确定。

可选的，若所述多个网络问题簇中的存在问题类型为规划类问题的目标网络问题簇，所述确定单元，还用于：

确定所述目标网络问题簇中网络问题栅格所覆盖的目标小区；

根据所述目标小区中包括的楼宇信息，确定所述目标小区的待建设的基站类型以及各待建设的基站的建设位置。

可选的，所述确定单元，还用于：

从已规划站点数据库中，获取与确定的所述目标小区的待建设的基站类型以及各待建设的基站的建设位置的信息的相似度最大的已规划站点的信息；

根据获取的已规划站点的信息，对确定的所述目标小区的待建设的基站类型以及各待建设的基站的建设位置进行评估，获得评估结果。

基于同一发明构思，本发明实施例提供了一种信息处理装置，如图11所示，包括至少一个处理器93、以及至少一个存储器94，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行本发明实施例提供的无线网络问题的处理方法步骤。

基于同一发明构思，本发明实施例提供了一种存储介质，其特征在于，所述存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行本发明实施例提供的无线网络问题的处理方法步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。