小区故障分析方法、装置、电子设备及存储介质与流程

1.本技术涉及通信技术，尤其涉及一种小区故障分析方法、装置、电子设备及存储介质。


背景技术：

2.移动通信网络质量和用户感知在移动网络建设中具有重要作用，基站设备的小区互调干扰、上下行不平衡、高路径损耗、小区射频单元两路端口不平衡等4类基站隐性故障，将造成用户实际使用过程中的不良体验，例如视频卡顿、游戏卡顿、数据业务质差、语音业务质差等现象。
3.但是，小区隐性故障的判断现有手段复杂，且依赖人工统计分析，因而过程繁琐，效率较低。


技术实现要素：

4.本技术提供一种小区故障分析方法、装置、电子设备及存储介质，以简化小区隐性故障判断的流程。
5.第一方面，本技术提供一种小区故障分析方法，包括：
6.确定感知质差小区，所述感知质差小区的用户感知指标未达标；
7.根据所述感知质差小区的通信性能统计指标，分析获得所述感知质差小区中存在隐性故障的隐性故障小区，所述通信性能统计指标包括互调干扰值、上下行覆盖率、路径损耗以及小区所在射频单元两路端口接收功率；
8.输出隐性故障清单，所述隐性故障清单包括所述隐性故障小区的小区信息以及隐性故障信息。
9.可选的，所述根据所述感知质差小区的通信性能统计指标，分析获得所述感知质差小区中存在隐性故障的隐性故障小区，包括：
10.根据最近一周内所述感知质差小区的通信性能统计指标，确定初始故障小区，所述初始故障小区为所述感知质差小区中存在至少一项通信性能统计指标未达标；
11.确定所述初始故障小区的隐性故障新增系数；以及，基于所述初始故障小区及其近邻小区在本周和上周的数据流量，计算获得所述初始故障小区的业务量波动系数；
12.根据所述初始故障小区发生用户感知指标未达标的持续天数、通信性能统计指标未达标的持续天数、所述隐性故障新增系数和所述业务量波动系数，计算获得所述初始故障小区的隐性故障影响程度，并基于所述隐性故障影响程度，判定所述初始故障小区是否为存在隐性故障的隐性故障小区。
13.可选的，所述根据最近一周内所述感知质差小区的通信性能统计指标，确定初始故障小区，包括：
14.针对每个感知质差小区，检测所述感知质差小区在最近一周内的所述通信性能统计指标是否满足任一条件，若满足，则确定所述感知质差小区为初始故障小区；
15.其中，所述条件包括：互调干扰值大于第一预设值；下行覆盖率大于第一阈值且上行路径损耗低于第二预设值的占比小于第二阈值；下行覆盖率小于第一阈值且下行路径损耗低于第二预设值的占比大于第二阈值；上行路径损耗高于第三预设值的占比大于第三阈值；以及，小区所在射频单元两路端口接收功率差值大于第四预设值。
16.可选的，所述确定所述初始故障小区的隐性故障新增系数，包括：
17.若所述初始故障小区为本周新出现的初始故障小区，则确定该初始故障小区的隐性故障新增系数为第一系数值；
18.若所述初始故障小区不为本周新出现的初始故障小区，则确定该初始故障小区的隐性故障新增系数为第二系数值；其中，所述第一系数值大于所述第二系数值。
19.可选的，所述基于所述初始故障小区及其近邻小区在本周和上周的数据流量，计算获得所述初始故障小区的业务量波动系数，包括：
20.获取所述初始故障小区的小区覆盖距离，并确定所述初始故障小区的近邻小区，所述近邻小区至所述初始故障小区的地表距离不大于所述小区覆盖距离；
21.若所述初始故障小区的本周业务量对比上周下降，且近邻小区的日均业务量对比上周无明显变化，且本周无新增的近邻小区，则基于所述初始故障小区本周日均业务量相比上周的降幅所在的幅度范围，确定所述初始故障小区的业务量波动系数为该幅度范围对应的第三系数值；其中，预先定义多个幅度范围，且幅度范围越高第三系数值越大；否则，确定所述初始故障小区的业务量波动系数为默认值。
22.可选的，所述基于所述隐性故障影响程度，判定所述初始故障小区是否为存在隐性故障的隐性故障小区，具体包括：
23.若所述初始故障小区的隐性故障影响程度高于预定的风险值，则判断所述初始故障小区为存在隐性故障的隐性故障小区。
24.第二方面，本技术提供一种小区故障分析装置，包括：
25.确定模块，用于确定感知质差小区，所述感知质差小区的用户感知指标未达标；
26.分析模块，用于根据所述感知质差小区的通信性能统计指标，分析获得所述感知质差小区中存在隐性故障的隐性故障小区，所述通信性能统计指标包括互调干扰值、上下行覆盖率、路径损耗以及小区所在射频单元两路端口接收功率；
27.输出模块，用于输出隐性故障清单，所述隐性故障清单包括所述隐性故障小区的小区信息以及隐性故障信息。
28.可选的，所述分析模块，具体包括：
29.初始化单元，用于根据最近一周内所述感知质差小区的通信性能统计指标，确定初始故障小区，所述初始故障小区为所述感知质差小区中存在至少一项通信性能统计指标未达标；
30.系数确定单元，用于确定所述初始故障小区的隐性故障新增系数；以及，基于所述初始故障小区及其近邻小区在本周和上周的数据流量，计算获得所述初始故障小区的业务量波动系数；
31.计算单元，用于根据所述初始故障小区发生用户感知指标未达标的持续天数、通信性能统计指标未达标的持续天数、所述隐性故障新增系数和所述业务量波动系数，计算获得所述初始故障小区的隐性故障影响程度，并基于所述隐性故障影响程度，判定所述初
始故障小区是否为存在隐性故障的隐性故障小区。
32.可选的，所述初始化单元，具体用于：
33.针对每个感知质差小区，检测所述感知质差小区在最近一周内的所述通信性能统计指标是否满足任一条件，若满足，则确定所述感知质差小区为初始故障小区；
34.其中，所述条件包括：互调干扰值大于第一预设值；下行覆盖率大于第一阈值且上行路径损耗低于第二预设值的占比小于第二阈值；下行覆盖率小于第一阈值且下行路径损耗低于第二预设值的占比大于第二阈值；上行路径损耗高于第三预设值的占比大于第三阈值；以及，小区所在射频单元两路端口接收功率差值大于第四预设值。
35.可选的，所述系数确定单元，具体用于：
36.若所述初始故障小区为本周新出现的初始故障小区，则确定该初始故障小区的隐性故障新增系数为第一系数值；
37.若所述初始故障小区不为本周新出现的初始故障小区，则确定该初始故障小区的隐性故障新增系数为第二系数值；其中，所述第一系数值大于所述第二系数值。
38.可选的，所述系数确定单元，还用于：
39.获取所述初始故障小区的小区覆盖距离，并确定所述初始故障小区的近邻小区，所述近邻小区至所述初始故障小区的地表距离不大于所述小区覆盖距离；
40.若所述初始故障小区的本周业务量对比上周下降，且近邻小区的日均业务量对比上周无明显变化，且本周无新增的近邻小区，则基于所述初始故障小区本周日均业务量相比上周的降幅所在的幅度范围，确定所述初始故障小区的业务量波动系数为该幅度范围对应的第三系数值；其中，预先定义多个幅度范围，且幅度范围越高第三系数值越大；否则，确定所述初始故障小区的业务量波动系数为默认值。
41.可选的，所述计算单元，具体用于：
42.若所述初始故障小区的隐性故障影响程度高于预定的风险值，则判断所述初始故障小区为存在隐性故障的隐性故障小区。
43.第三方面，本技术提供一种电子设备，包括：
44.至少一个处理器；以及
45.与所述至少一个处理器通信连接的存储器；其中，
46.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。
47.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。
48.本技术提供一种小区故障分析方法、装置、电子设备及存储介质，方法包括：确定感知质差小区，所述感知质差小区的用户感知指标未达标；根据所述感知质差小区的通信性能统计指标，分析获得所述感知质差小区中存在隐性故障的隐性故障小区，所述通信性能统计指标包括互调干扰值、上下行覆盖率、路径损耗以及小区所在射频单元两路端口接收功率；输出隐性故障清单，所述隐性故障清单包括所述隐性故障小区的小区信息以及隐性故障信息。通过感知质差小区的预设，寻找可能存在隐性故障的初步清单，并通过通信性能统计指标的建模和计算，量化判断存在隐性故障的隐性故障小区和故障影响程度，显著
减少对人工统计分析的依赖，从而简化了小区隐性故障判断的流程，提高小区故障分析效率。
附图说明
49.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
50.图1为本技术示例提供的应用场景示意图；
51.图2为本技术实施例一提供的一种小区故障分析方法流程示意图；
52.图3为本技术实施例二提供的一种小区故障分析方法流程示意图；
53.图4为本技术实施例三提供的一种小区故障分析方法流程示意图；
54.图5为本技术实施例四提供的一种小区故障分析方法流程示意图；
55.图6为本技术实施例五提供的一种小区故障分析方法流程示意图；
56.图7为本技术实施例五提供的小区覆盖距离计算示意图；
57.图8为本技术实施例六提供的一种小区故障分析装置的结构示意图；
58.图9为本技术实施例七提供的一种电子设备的结构示意图。
59.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
60.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
61.移动通信网络质量和用户感知在移动网络建设中具有重要作用，基站设备的小区互调干扰、上下行不平衡、高路径损耗、小区射频单元两路端口不平衡等4类基站隐性故障，将造成用户实际使用过程中的不良体验，例如视频卡顿、游戏卡顿、数据业务质差、语音业务质差等现象。基站隐性故障不产生显性告警，值班监控人员不能通过值班监控终端直接发现和安排跟进处理。
62.本技术中的“基站隐性故障”，是指基站小区至少存在互调干扰、上下行不平衡、高路径损耗、小区射频单元两路端口不平衡这4类基站隐性故障之一，且同时引起本小区视频卡顿、游戏卡顿、数据业务质差、语音业务质差这4项用户感知指标中至少一项不达标的影响用户感知类“基站隐性故障”。
63.通信网络通常有上万个逻辑站点和数万个蜂窝小区，网络规模大，难以频繁开展隐性故障的大面积排查。原因是隐性故障的现场排查过程，通常需要断开基站射频单元、馈线、天线之间的连接，用基站测试仪器进行测量，期间会影响到基站小区的网络服务。另外，频繁大规模排查需要花费大量的人力、物力成本。因此，在移动通信运营商网络线，通常先由网络优化、运行维护专业协作，优先重点分析、排查影响用户感知类的基站隐性故障，将排查工作对网络稳定性的影响尽量降低，同时将排查成本控制在可承担的范围内。
64.图1为本技术示例提供的应用场景示意图，如图1所示，图1给出了一种影响用户感知类隐性故障的排查方法和排查流程图，用以示例说明小区故障分析的现有技术。需要说明的是，图示场景为第四代移动通信网络下的具体应用，本技术对于不同的，应用基站小区的通信技术均适用。业界现有影响用户感知类隐性故障的排查方法和排查流程通常如下：
65.1、网络优化专业从客户服务部门收集用户投诉个案。
66.2、对投诉个案进行分析、分类，筛选出影响用户使用的感知类投诉个案。
67.3、对用户感知类投诉个案进行地理化打点，关联到具体的覆盖基站、小区。
68.4、从无线网管统计相关基站小区的主要无线指标(接入成功率、切换成功率、掉线率等)、感知相关指标(语音/数据丢包率、小区的平均感知速率等)、隐性故障关联指标(小区互调干扰、上下行不平衡、高路径损耗、小区射频单元两路端口不平衡等)。
69.5、网优工程师参考以上统计指标，关联用户投诉信息，结合网优工作经验，得出感知差小区清单及进行以下相关分析：
70.排除基站显性故障因素；排除无线参数配置错误因素；排除网络容量不足因素；排除近期周边新加站点、新扩容小区影响因素；本小区与周边小区的现时、历史上无线主要指标、用户感知指标、隐性故障关联指标进行比对分析。
71.6、根据以上统计对比及相关网优/维护工作方法和经验，分析定位出单个隐性故障站点或小区。
72.7、重复步骤5和6，逐个小区进行分析，汇总得出隐性故障清单，提交运维专业跟进。运维专业收到清单后，安排隐性故障现场排查处理，完成后反馈网优专业跟进效果验证。网优专业跟进开展后续指标统计及评估，如果评估验证处理效果达标，则进行闭环。
73.现有基站隐性故障的分析、排查方法和流程存在以下缺点：影响用户感知类隐性故障分析、排查、处理、反馈、验证环节多，处理时间长；大部分环节由人工处理，报表统计及分析需要花费大量的人力资源；缺乏可直接调用的数据库，需人工统计现时、历史网络数据，生成报表进行比对分析；分析过程较为依靠网络优化工程师的工作经验，需要分析、排查的因素较多，需要花费大量的时间和精力，难以较大批量分析处理；难以根据网络的实时变化，重点开展快速分析；隐性故障处理闭环后，缺乏数据库工具记录处理过程及进行后续指标跟踪评估，不能有效形成经验数据库，供后续网络优化及隐性故障排查参考。因此，需要设计新的小区故障分析方法，以简化隐性故障小区排查流程。
74.下面以具体的实施例对本技术的技术方案以及本技术的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。在本技术的描述中，除非另有明确的规定和限定，各术语应在本领域内做广义理解。下面将结合附图，对本技术的实施例进行描述。
75.实施例一
76.图2为本技术实施例一提供的一种小区故障分析方法流程示意图，如图2所示，该方法包括：
77.s101：确定感知质差小区，所述感知质差小区的用户感知指标未达标；
78.s102：根据所述感知质差小区的通信性能统计指标，分析获得所述感知质差小区中存在隐性故障的隐性故障小区；
79.s103：输出隐性故障清单，所述隐性故障清单包括所述隐性故障小区的小区信息
以及隐性故障信息。
80.结合具体应用场景对本实施例进行示例性说明：通常，小区基站隐性故障出现在存在用户感知问题的小区，因此可以通过网络监控模块对服务范围内的各个小区进行网络监控。网络监控模块与无线网、核心网、移动互联网相关平台、服务器建立连接，定时获取主要无线指标、用户感知指标、隐性故障关联指标等网络数据，实现网络监控，对获取的统计数据进行分类汇总和筛选判断，确定存在用户感知问题的感知质差小区。
81.在确定感知质差小区后，可通过通信性能统计指标进行隐性故障的分析判断，所述通信性能统计指标包括互调干扰值、上下行覆盖率、路径损耗以及小区所在射频单元两路端口接收功率。上述通信性能统计指标可以反映基站的隐性故障类型。例如，当互调干扰值大于5分贝时，可以认为该基站存在互调干扰型隐性故障，同样，其他参数也可用于反映一些类型的隐性故障，最终，输出相应的隐性故障清单，包括存在隐性故障的隐性故障小区，以及每个小区对应的隐性故障类型。
82.一种举例，在实际应用中，本实施例的运行方式如下：从移动通信网络的网管设备、核心网相关平台，定时自动获取本地区移动通信网络中，各基站小区的用户感知指标统计数据以及隐性故障指标统计数据。首先，根据各小区的用户感知指标统计数据，分析获得视频严重卡顿、游戏严重卡顿、数据业务质差、语音业务质差4类感知质差小区清单。之后，再对清单中的各个小区，关联其隐性故障指标统计数据，确定是否存在以下四类隐性故障：互调干扰、上下行不平衡、高路径损耗、小区射频单元两路端口不平衡。通过积分建模算法，量化判断各隐性故障小区对网络的影响程度，排定处理优先级，输出存在这4类隐性故障的小区信息以及隐性故障信息。
83.本实施例提供一种小区故障分析方法，确定感知质差小区，所述感知质差小区的用户感知指标未达标；根据所述感知质差小区的通信性能统计指标，分析获得所述感知质差小区中存在隐性故障的隐性故障小区，所述通信性能统计指标包括互调干扰值、上下行覆盖率、路径损耗以及小区所在射频单元两路端口接收功率；输出隐性故障清单，所述隐性故障清单包括所述隐性故障小区的小区信息以及隐性故障信息。通过感知质差小区的预设，寻找可能存在隐性故障的初步清单，并通过通信性能统计指标的建模和计算，量化判断存在隐性故障的隐性故障小区和故障影响程度，显著减少对人工统计分析的依赖，从而简化了小区隐性故障判断的流程，提高小区故障分析效率。
84.实施例二
85.图3为本技术实施例二提供的一种小区故障分析方法流程示意图，如图3所示，在其他任一实施例的基础上，s102具体包括：
86.s201：根据最近一周内所述感知质差小区的通信性能统计指标，确定初始故障小区，所述初始故障小区为所述感知质差小区中存在至少一项通信性能统计指标未达标；
87.s202：确定所述初始故障小区的隐性故障新增系数；以及，基于所述初始故障小区及其近邻小区在本周和上周的数据流量，计算获得所述初始故障小区的业务量波动系数；
88.s203：根据所述初始故障小区发生用户感知指标未达标的持续天数、通信性能统计指标未达标的持续天数、所述隐性故障新增系数和所述业务量波动系数，计算获得所述初始故障小区的隐性故障影响程度，并基于所述隐性故障影响程度，判定所述初始故障小区是否为存在隐性故障的隐性故障小区。
89.结合具体应用场景对本实施例进行示例性说明：互调干扰值、上下行覆盖率、路径损耗以及小区所在射频单元两路端口接收功率等通信性能统计指标可以用于确定初始故障小区，不同的通信性能统计指标用于反映不同的隐性故障，当感知质差小区至少一项通信性能统计指标未达标时，则可能存在隐性故障问题，应当将该小区划分为初始故障小区。
90.在完成初始故障小区的划分之后，通过隐性故障新增系数和业务量波动系数进行建模，可以用于衡量初始故障小区的隐性故障影响程度。所述初始故障小区的隐性故障新增系数通过其是否之前发生过隐性故障进行确定，所述初始故障小区的业务量波动系数基于所述初始故障小区及其近邻小区在本周和上周的数据流量计算获得。根据所述初始故障小区发生用户感知指标未达标的持续天数、通信性能统计指标未达标的持续天数、所述隐性故障新增系数和所述业务量波动系数，可计算获得所述初始故障小区的隐性故障影响程度，所述隐性故障影响程度，用于判定所述初始故障小区是否为存在隐性故障的隐性故障小区。
91.以互调干扰、上下行不平衡、高路径损耗、小区射频单元两路端口不平衡4类基站隐性故障，以及视频卡顿、游戏卡顿、数据业务质差、语音业务质差4类感知问题为例，所述隐性故障影响程度可通过如下方式计算：
[0092][0093]
其中，fscore为小区隐性故障影响程度加权分值，i＝1至i＝4分别对应4种感知差小区类型，u＝1至u＝4分别对应4种隐性故障类型；
[0094]
dayi为发生用户感知指标未达标的持续天数，dayu为通信性能统计指标未达标的持续天数，knew为隐性故障新增系数，kreduce为小区业务量波动系数。
[0095]
一种示例，s203中所述基于所述隐性故障影响程度，判定所述初始故障小区是否为存在隐性故障的隐性故障小区，具体包括：
[0096]
若所述初始故障小区的隐性故障影响程度高于预定的风险值，则判断所述初始故障小区为存在隐性故障的隐性故障小区。
[0097]
可以根据所述初始故障小区发生用户感知指标未达标的持续天数、通信性能统计指标未达标的持续天数、所述隐性故障新增系数和所述业务量波动系数，计算获得所述初始故障小区的隐性故障影响程度，将其作为一个判定指标，隐性故障影响程度越大，则隐性故障被用户感知的程度越明显，将更显著的影响到用户的使用体验，待检修处理的优先级也越高。可以根据实际情况预设一个风险值，当隐性故障影响程度到达或超过该风险值时，则存在明显的隐性故障。具体地，若风险值设定为20，感知质差小区的风险值为37，则所述感知质差小区在该应用场景下应被分类为存在隐性故障的隐性故障小区。通过风险值的设定，可以更好地进行隐性故障严重程度的划分和排序。
[0098]
本实施例提供一种小区故障分析方法，根据最近一周内所述感知质差小区的通信性能统计指标，确定初始故障小区，所述初始故障小区为所述感知质差小区中存在至少一项通信性能统计指标未达标；确定所述初始故障小区的隐性故障新增系数；以及，基于所述初始故障小区及其近邻小区在本周和上周的数据流量，计算获得所述初始故障小区的业务量波动系数；根据所述初始故障小区发生用户感知指标未达标的持续天数、通信性能统计
指标未达标的持续天数、所述隐性故障新增系数和所述业务量波动系数，计算获得所述初始故障小区的隐性故障影响程度，并基于所述隐性故障影响程度，判定所述初始故障小区是否为存在隐性故障的隐性故障小区。通过引入隐性故障新增系数和业务量波动系数进行建模，量化计算初始故障小区的隐性故障影响程度，简化了小区隐性故障判断的流程。
[0099]
实施例三
[0100]
图4为本技术实施例三提供的一种小区故障分析方法流程示意图，如图4所示，在其他任一实施例的基础上，s201具体可以为：
[0101]
s301：针对每个感知质差小区，检测所述感知质差小区在最近一周内的所述通信性能统计指标是否满足任一条件，若满足，则确定所述感知质差小区为初始故障小区。
[0102]
结合具体应用场景对本实施例进行示例性说明：当感知质差小区在最近一周内的所述通信性能统计指标满足下述条件至少其一时，则确定所述感知质差小区为初始故障小区。其中，所述条件包括：互调干扰值大于第一预设值；下行覆盖率大于第一阈值且上行路径损耗低于第二预设值的占比小于第二阈值；下行覆盖率小于第一阈值且下行路径损耗低于第二预设值的占比大于第二阈值；上行路径损耗高于第三预设值的占比大于第三阈值；以及，小区所在射频单元两路端口接收功率差值大于第四预设值。
[0103]
一种举例，在实际应用中，可以根据上述条件选取相应数值，对互调干扰、上下行不平衡、高路径损耗、小区射频单元两路端口不平衡四类隐性故障进行定义：
[0104]
互调干扰值大于5分贝时，认为存在互调干扰故障；
[0105]
下行覆盖率大于85％且上行路径损耗低于130分贝的占比小于85％时，认为存在上行不平衡故障；
[0106]
下行覆盖率小于85％且下行路径损耗低于130分贝的占比大于85％时，认为存在下行不平衡故障，且当存在上行不平衡或下行不平衡故障至少之一时，统称为存在上下行不平衡故障；
[0107]
上行路径损耗高于120分贝的占比大于30％时，认为存在高路径损耗故障；
[0108]
小区所在射频单元两路端口接收功率差值大于5分贝时，认为存在小区射频单元两路端口不平衡故障。
[0109]
本实施例提供一种小区故障分析方法，针对每个感知质差小区，检测所述感知质差小区在最近一周内的所述通信性能统计指标是否满足任一条件，若满足，则确定所述感知质差小区为初始故障小区；其中，所述条件包括：互调干扰值大于第一预设值；下行覆盖率大于第一阈值且上行路径损耗低于第二预设值的占比小于第二阈值；下行覆盖率小于第一阈值且下行路径损耗低于第二预设值的占比大于第二阈值；上行路径损耗高于第三预设值的占比大于第三阈值；以及，小区所在射频单元两路端口接收功率差值大于第四预设值。通过每个感知质差小区通信指标的判定，完成初始故障小区的筛选，简化了小区隐性故障判断的流程。
[0110]
实施例四
[0111]
图5为本技术实施例四提供的一种小区故障分析方法流程示意图，如图5所示，在其他任一实施例的基础上，s202具体可以为：
[0112]
s401：若所述初始故障小区为本周新出现的初始故障小区，则确定该初始故障小区的隐性故障新增系数为第一系数值；
[0113]
s402：若所述初始故障小区不为本周新出现的初始故障小区，则确定该初始故障小区的隐性故障新增系数为第二系数值。
[0114]
结合具体应用场景对本实施例进行示例性说明：根据所述初始故障小区是否为本周新增的初始故障小区，可以对所述隐性故障新增系数进行不同的赋值。根据实际用户体验，可以得到，当某小区的服务范围中，用户之前未感知到不良体验，且之前未发生潜在的隐性故障，但是当周突然发生了，那么对于用户则会有更明显的感知，同等条件下用户将对当周突然发生的不良体验产生更强烈的反映。反之，若该小区之前已存在用户感知或隐性故障问题，则相应的，本周内用户不会对该小区的用户体验产生更明显的感知。由于本技术中用于反映隐性故障的指标数值大小与故障严重程度成正比，因此所述第一系数值应当大于所述第二系数值，而且，为便于计算，由于隐性故障新增系数在隐性故障影响程度的计算中为一乘数，因此可将所述第二系数值设置为1。
[0115]
本实施例提供一种小区故障分析方法，若所述初始故障小区为本周新出现的初始故障小区，则确定该初始故障小区的隐性故障新增系数为第一系数值；若所述初始故障小区不为本周新出现的初始故障小区，则确定该初始故障小区的隐性故障新增系数为第二系数值；其中，所述第一系数值大于所述第二系数值。通过对本周新增的初始故障小区赋以更大的系数值，能够反映本周新出现故障对用户体验将造成更大的影响，通过隐性故障新增系数的设置，简化了小区隐性故障判断的流程。
[0116]
实施例五
[0117]
图6为本技术实施例五提供的一种小区故障分析方法流程示意图，如图6所示，在其他任一实施例的基础上，s202具体可以为：
[0118]
s501：获取所述初始故障小区的小区覆盖距离，并确定所述初始故障小区的近邻小区，所述近邻小区至所述初始故障小区的地表距离不大于所述小区覆盖距离；
[0119]
s502：若所述初始故障小区的本周业务量对比上周下降，且近邻小区的日均业务量对比上周无明显变化，且本周无新增的近邻小区，则基于所述初始故障小区本周日均业务量相比上周的降幅所在的幅度范围，确定所述初始故障小区的业务量波动系数为该幅度范围对应的第三系数值。
[0120]
结合具体应用场景对本实施例进行示例性说明：图7为本技术实施例五提供的小区覆盖距离计算示意图，如图7所示，在实际应用中，根据基站小区天线的挂高、下倾角、天线垂直方向3分贝图波束宽度等指标进行所述小区覆盖距离的计算。
[0121]
dmax＝h
×
tan(90-θ+γ/2)
[0122]
其中，dmax为小区覆盖距离，θ为天线下倾角，γ为天线垂直方向3分贝图波束宽度；公式中的90、天线下倾角、天线垂直方向3分贝图波束宽度，单位均为“角度”。
[0123]
表1为某示例小区的具体参数，用以示例说明小区覆盖距离的计算。
[0124]
表1
[0125][0126]
此种情况下，dmax＝25
×
tan(90-10+14
÷
2)＝477(米)
[0127]
通常，小区间隔一定距离分布，一种可行的间隔取值是1000米，换言之，超过1000
米时，邻区间的重叠覆盖区域通常很小，但对于特殊场景，可根据具体情况可适当调整取值，在这种场景下，计算所得的小区覆盖距离大于1000米时，可直接取1000米作为dmax。计算所述初始故障小区至待定的近邻小区的地表距离，当地表距离不大于所述小区覆盖距离时，可以认为待定的近邻小区为初始故障小区的近邻小区。地表距离可通过下式计算：
[0128][0129]
其中，定义latitude为纬度，longitude为经度，a＝latitude1-latitude2，为两点纬度之差；b＝longitude1-longitude2，为两点经度之差；6378.137为地球半径，单位千米；s单位为米。以上公式中的经纬度，需转换为“弧度”后代入公式计算。
[0130]
同时，考虑到初始故障小区的一定距离内，通常涵盖了初始故障小区周边第一层邻区，也就是有一定重叠覆盖区域，关系最密切的邻小区，这个距离取值通常可以是1.2dmax。因此，在本示例中，也可以将初始故障小区1.2dmax距离内的小区定义为近邻小区。计算完上述地表距离之后，可得到地表距离小于1.2dmax的小区，所述小区即为近邻小区。
[0131]
对于上述的示例小区，1.2dmax＝572(米)
[0132]
表2则列出了对于示例小区来说，地表距离小于1.2dmax的邻小区，这些邻小区即为所述近邻小区。
[0133]
表2
[0134]
隐性故障源小区源小区经度源小区纬度邻小区邻区经度邻区纬度距离(米)距离类型广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-大塘东华-393762-2-2-of113.3190123.087810小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-大塘东华-393762-1-2-of113.3190123.087810小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-大塘东华-393762-3-3-of113.3190123.087810小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-大塘东华大街小站-262239-2-2-of113.3193523.08692105小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-大塘东明五巷东小站-393762-5-2-of113.3194023.08876113小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-大塘东华西-394354-1-3-sof113.3176123.08666192小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-海珠大塘搬迁-393763-1-3-of113.3182023.08960216小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-ha-新雅苑东-878772-1-2-of113.3171023.08873221小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-ha-海珠大塘马基大街-394375-2-1-of113.3185423.08549261小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-海珠大塘马基大街-394375-1-3-of113.3185423.08549263小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-ha-大塘东华南六巷小站-447738-4-1-of113.3203823.08568275小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-ha-坚真花园搬迁-393757-2-2-of113.3200123.08427407小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-聚德花园-393746-3-3-of113.3230023.08880423小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-聚德花园-393746-2-3-of113.3230023.08880423小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-聚德花园-393746-6-1-of113.3230023.08880424小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-赤岗烟厂搬迁-434247-3-3-sf113.3220023.09123489小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-海珠大塘北-446951-1-3-of113.3181023.09229507小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-海珠大塘北-446951-2-3-of113.3180723.09229508小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-ha-坚真花园南-263583-1-2-of113.3202023.08327520小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-旧上涌东约-878785-1-1-of113.3153023.08430543小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-旧上涌东约-878785-1-2-of113.3153023.08428547小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-ha-金穗东苑-434238-2-1-sf113.3135823.08777555小于1.2dmax(m)广州-ha-大塘东华-393762-1-1-of113.3190123.08781广州-h-金穗东苑-434238-1-3-sof113.3135823.08777556小于1.2dmax(m)
[0135]
在确定近邻小区后，比对初始故障小区及近邻小区本周和上周业务量的变化。若所述初始故障小区的本周业务量对比上周下降，且近邻小区的日均业务量对比上周无明显变化，且本周无新增的近邻小区，则基于所述初始故障小区本周日均业务量相比上周的降幅所在的幅度范围，确定所述初始故障小区的业务量波动系数为该幅度范围对应的第三系
数值。预先定义多个幅度范围，且幅度范围越高第三系数值越大；否则，确定所述初始故障小区的业务量波动系数为默认值。一种举例，所述初始故障小区本周日均业务量较上周降幅20％以内，业务量波动系数取1.2，降幅20％至50％，业务量波动系数取1.5，降幅超过50％则取2。其他情况下，业务量波动系数均取默认值，由于业务量波动系数作为隐性故障影响程度的一个乘数，为便于计算，默认值可设置为1。
[0136]
本实施例提供一种小区故障分析方法，获取所述初始故障小区的小区覆盖距离，并确定所述初始故障小区的近邻小区，所述近邻小区至所述初始故障小区的地表距离不大于所述小区覆盖距离；若所述初始故障小区的本周业务量对比上周下降，且近邻小区的日均业务量对比上周无明显变化，且本周无新增的近邻小区，则基于所述初始故障小区本周日均业务量相比上周的降幅所在的幅度范围，确定所述初始故障小区的业务量波动系数为该幅度范围对应的第三系数值；其中，预先定义多个幅度范围，且幅度范围越高第三系数值越大；否则，确定所述初始故障小区的业务量波动系数为默认值。通过对近邻小区进行划分，分别比较初始故障小区及近邻小区本周和上周业务量的变化，引入业务量波动系数反映业务量波动情况，对不同波动幅度赋以不同的系数，简化了小区隐性故障判断的流程。
[0137]
实施例六
[0138]
本技术实施例六还提供一种小区故障分析装置以实现前述方法，图8为本技术实施例六提供的一种小区故障分析装置的结构示意图，如图8所示，在其他任一实施例的基础上，所述装置包括：
[0139]
确定模块61，用于确定感知质差小区，所述感知质差小区的用户感知指标未达标；
[0140]
分析模块62，用于根据所述感知质差小区的通信性能统计指标，分析获得所述感知质差小区中存在隐形故障的隐性故障小区，所述通信性能统计指标包括互调干扰值、上下行覆盖率、路径损耗以及小区所在射频单元两路端口接收功率；
[0141]
输出模块63，用于输出隐形故障清单，所述隐形故障清单包括所述隐性故障小区的小区信息以及隐形故障信息。
[0142]
需要说明的是，图示装置为本实施例中所有实施方式的结合示例，在实际应用中应至少保留确定模块61，分析模块62，和输出模块63三部分结构，而不一定需要对模块内部进行细分。
[0143]
一种示例，分析模块62，具体包括：
[0144]
初始化单元，用于根据最近一周内所述感知质差小区的通信性能统计指标，确定初始故障小区，所述初始故障小区为所述感知质差小区中存在至少一项通信性能统计指标未达标；
[0145]
系数确定单元，用于确定所述初始故障小区的隐形故障新增系数；以及，基于所述初始故障小区及其近邻小区在本周和上周的数据流量，计算获得所述初始故障小区的业务量波动系数；
[0146]
计算单元，用于根据所述初始故障小区发生用户感知指标未达标的持续天数、通信性能统计指标未达标的持续天数、所述隐形故障新增系数和所述业务量波动系数，计算获得所述初始故障小区的隐性故障影响程度，并基于所述隐性故障影响程度，判定所述初始故障小区是否为存在隐形故障的隐性故障小区。
[0147]
通过引入隐性故障新增系数和业务量波动系数进行建模，量化计算初始故障小区
的隐性故障影响程度，简化了小区隐性故障判断的流程。
[0148]
一种示例，所述计算单元，具体用于：
[0149]
若所述初始故障小区的隐形故障影响程度高于预定的风险值，则判断所述初始故障小区为存在隐形故障的隐性故障小区。
[0150]
通过风险值的设定，可以更好地进行隐性故障严重程度的划分和排序。
[0151]
一种示例，所述初始化单元，具体用于：
[0152]
针对每个感知质差小区，检测所述感知质差小区在最近一周内的所述通信性能统计指标是否满足任一条件，若满足，则确定所述感知质差小区为初始故障小区；
[0153]
其中，所述条件包括：互调干扰值大于第一预设值；下行覆盖率大于第一阈值且上行路径损耗低于第二预设值的占比小于第二阈值；下行覆盖率小于第一阈值且下行路径损耗低于第二预设值的占比大于第二阈值；上行路径损耗高于第三预设值的占比大于第三阈值；以及，小区所在射频单元两路端口接收功率差值大于第四预设值。
[0154]
通过每个感知质差小区通信指标的判定，完成初始故障小区的筛选，简化了小区隐性故障判断的流程。
[0155]
一种示例，所述系数确定单元，具体用于：
[0156]
若所述初始故障小区为本周新出现的初始故障小区，则确定该初始故障小区的隐形故障新增系数为第一系数值；
[0157]
若所述初始故障小区不为本周新出现的初始故障小区，则确定该初始故障小区的隐形故障新增系数为第二系数值；其中，所述第一系数值大于所述第二系数值。
[0158]
通过对本周新增的初始故障小区赋以更大的系数值，能够反映本周新出现故障对用户体验将造成更大的影响，通过隐性故障新增系数的设置，简化了小区隐性故障判断的流程。
[0159]
一种示例，所述系数确定单元，还用于：
[0160]
获取所述初始故障小区的小区覆盖距离，并确定所述初始故障小区的近邻小区，所述近邻小区至所述初始故障小区的地表距离不大于所述小区覆盖距离；
[0161]
若所述初始故障小区的本周业务量对比上周下降，且近邻小区的日均业务量对比上周无明显变化，且本周无新增的近邻小区，则基于所述初始故障小区本周日均业务量相比上周的降幅所在的幅度范围，确定所述初始故障小区的业务量波动系数为该幅度范围对应的第三系数值；其中，预先定义多个幅度范围，且幅度范围越高第三系数值越大；否则，确定所述初始故障小区的业务量波动系数为默认值。
[0162]
通过对近邻小区进行划分，分别比较初始故障小区及近邻小区本周和上周业务量的变化，引入业务量波动系数反映业务量波动情况，对不同波动幅度赋以不同的系数，简化了小区隐性故障判断的流程。
[0163]
本实施例提供一种小区故障分析装置，装置包括：确定模块，用于确定感知质差小区，所述感知质差小区的用户感知指标未达标；分析模块，用于根据所述感知质差小区的通信性能统计指标，分析获得所述感知质差小区中存在隐形故障的隐性故障小区，所述通信性能统计指标包括互调干扰值、上下行覆盖率、路径损耗以及小区所在射频单元两路端口接收功率；输出模块，用于输出隐形故障清单，所述隐形故障清单包括所述隐性故障小区的小区信息以及隐形故障信息。通过感知质差小区的预设，寻找可能存在隐性故障的初步清
单，并通过通信性能统计指标的建模和计算，量化判断存在隐性故障的隐性故障小区和故障影响程度，显著减少对人工统计分析的依赖，从而简化了小区隐性故障判断的流程，提高小区故障分析效率。
[0164]
实施例七
[0165]
图9为本技术实施例七提供的一种电子设备的结构示意图，如图9所示，该电子设备包括：
[0166]
处理器(processor)291，电子设备还包括了存储器(memory)292；还可以包括通信接口(communication interface)293和总线294。其中，处理器291、存储器292、通信接口293、可以通过总线294完成相互间的通信。通信接口293可以用于信息传输。处理器291可以调用存储器294中的逻辑指令，以执行上述实施例的方法。
[0167]
此外，上述的存储器292中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
[0168]
存储器292作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本技术实施例中的方法对应的程序指令/模块。处理器291通过运行存储在存储器292中的软件程序、指令以及模块，从而执行功能应用以及数据处理，即实现上述方法实施例中的方法。
[0169]
存储器292可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器292可以包括高速随机存取存储器，还可以包括非易失性存储器。
[0170]
本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现任一实施例中所述的方法。
[0171]
本技术实施例还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述实施例提供的方法。
[0172]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求书指出。
[0173]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。