基于四色原理小区场强覆盖的标识方法与流程

本发明涉及无线网络，具体涉及一种基于四色原理小区场强覆盖的标识方法。

背景技术：

1、传统移动通信行业无线信号覆盖分析的方法一般为小区级别覆盖指标计算与汇总统计分析、手动实现地图覆盖打点分析等，传统方法呈现的维度比较单一且不能很直观地整体表现出小区的覆盖范围和一定场强阈值的覆盖范围，对于通信行业在网络规划、网络优化、网络质量评估分析、场强信号差异分析、用户体验评估、重点场景或区域容量评估等方面应用时存在一定的局限性。

2、因此，提出一种基于四色原理小区场强覆盖的标识方法，有效提高了标识的效率，且覆盖范围识别更加准确。

技术实现思路

1、本发明要解决的技术问题是提出一种基于四色原理小区场强覆盖的标识方法，标识的效率得到很大提升，覆盖范围识别更加准确。

2、为了解决上述技术问题，本发明采用的技术方案是：该基于四色原理小区场强覆盖的标识方法，具体包括以下步骤：

3、s1获取采样数据：采集通信终端的采样点数据；

4、s2脏数据清洗：对步骤s1中的采样点数据进行异常值清洗；

5、s3地理栅格划分：在地理信息系统(gis)中，将地理区域划分成指定的若干小网格，每一个网格作为一个栅格对象，其标识为地理栅格id；

6、s4采样点坐标与地理栅格匹配：根据采样点的经纬度与已划分好的地理栅格的范围进行匹配，得到地理栅格内的采样点，建立地理栅格id与采样点cell映射关系；

7、s5栅格主覆盖cell确定：将步骤s4得到的所有地理栅格id与采样点cell映射，并统计每个地理栅格id对应的采样点cell个数，将采样点cell个数最多的且个数大于设定的阈值l的采样点cellid作为该地理栅格的主覆盖扇区，从而得到数据集；

8、s6栅格聚类：使用k-means栅格聚类使栅格距离最近且具有相同属性值cellid的地理栅格进行聚集；并根据最终的聚类结果，为每个聚类结果的地理栅格分配一种颜色进行标记，使用四种颜色标记不同的聚类。聚类的方式很多，使用k-means栅格聚类是因为在此场景下，k-means栅格聚类比较适用于连续型数据(比如本应用的连续栅格)且高效，也可以提供更好的数据组织、相似性分析、可视化展示和空间分析等有益效果，能够更好地理解和利用采样点数据。

9、采用上述技术方案，首先获取通信行业通用通信终端自主上报含有扇区标识和地理坐标信息的信号采样点数据，利用采样点的坐标将扇区标识匹配进地理栅格，并使用统计学方法确定栅格主覆盖扇区标识，然后通过k-means栅格聚类对具有扇区标识的地理栅格聚类，以获取每个扇区标识的覆盖范围，然后对这些栅格使用四种颜色进行标识以可视化输出或其他现代计算机实践应用方式输出；该方法基于通信终端自主上报信号采样点数据，识别小区信号覆盖范围并进行四色可视化标识，可以帮助无线通信行业人员更好地了解信号覆盖情况，并进行相关决策、优化和规划。

10、优选地，还包括步骤s7结果输出：将所述步骤s6中的聚类结果结合地理信息系统gis进行呈现和实践应用。

11、优选地，所述步骤s1中的采样点对应的小区标识记为cellid，采样点数据包括mr(measurement report，终端的测量报告)、mdt(minimization drive test，最小化路测数据)、cqt(call quality test，手动拨打测试)、dt(driving test，道路测试)、ott(overthe top，基于互联网的数据与mr数据关联结合数据)或者a-gnss(assisting-gnss，网络增强卫星定位系统)；所述采样点数据包括采样点在空间中的坐标信息和扇区标识。

12、优选地，所述步骤s2中异常值清洗包括剔除空值和异常值，具体为剔除所有获取的采样点字段的空值、非3gpp协议规定的mnc、非3gpp协议规定的celltype、非3gpp协议规定的rsrp、latitude超出-180度到+180度的值和longitude超出-90度到90度的值。

13、优选地，所述步骤s3中的地理栅格的划分为将地理区域划分为n米×n米的地理栅格或根据地理区域的面积均匀划分为n×n的地理栅格或基于矢量数据的网格划分；将地理栅格中心点经纬度作为地理栅格的grid_id予以标记地理栅id。将地理区域划分一定大小的地理栅格为通信行业在评估区域性网络时常用的一种方法，其主要目的是将大区域划分为若干最小地理统计单元，并将这些统计单元与网络表征值进行关联分析，不仅便于网络数据汇聚分析，也有利于将这些栅格向上进行累加汇总至各种区域性场景进行分析。

14、优选地，所述步骤s4的具体步骤为：

15、s41：确定地理栅格的边界经纬度，假设每个地理栅格为n米×n米的正方形栅格，使用地理栅格的中心经纬度为基础，计算出地理栅格的边界经纬度；

16、s42判断采样点的位置：通过每个采样点的经纬度数据，判断采样点位于所述地理栅格的内部或外部，获得在地理栅格内部的采样点cellid；

17、s43建立匹配关系：将在地理栅格内部的采样点cellid，标记上对应的地理栅格grid_id；依次对所有采样点进行计算，得到所有地理栅格grid_id对应的采样点。

18、优选地，所述步骤s41的具体步骤为：设一个地理栅格的中心的经度为grid-x和纬度为grid-y，从而地理栅格的边界经纬度计算公式为：

19、

20、

21、

22、

23、其中：lon-l为左边界经度；lon-r为右边界经度；lat-u为上边界纬度；lat-d为下边界纬度；grid_x为栅格中心的经度；grid-y栅格中心的纬度；111000是每度纬度上对应的距离，单位为米；n正方形栅格边长，单位为米。

24、优选地，所述步骤s42具体为：假设获取到采样点的经度为p和纬度为q，将采样点的经度为p和纬度为q与地理栅格的边界经纬度进行比较；若经度p处于地理栅格的左边界经度和右边界经度之间，并且纬度q处于地理栅格的下边界纬度和上边界纬度之间，则该采样点位于地理栅格内部；否则该采样点位于地理栅格的外部。

25、优选地，所述步骤s6的具体步骤为：

26、s61：初始化聚类中心：数据源使用步骤s5的结果数据集，随机选择k个初始聚类中心，可以用随机方法或者根据经验选择，每个聚类中心c用一个三元组(grid-x,grid-y,cellid)表示；

27、c＝{(grid-x_1，grid-y_1，cellid_1)，

28、(grid-x_2，grid-y_2，cellid_2)，

29、…，

30、(grid-x_k，grid-y_k，cellid_k)}；

31、其中：c是随机选择的聚类中心；grid-x_k，grid-y_k，cellid_k为随机选择的第k个初始聚类中心的经度、纬度和cellid值；

32、s62距离计算：对于每个地理栅格grid-x，计算其与每个聚类中心c的距离；使用地理栅格中心之间的欧氏距离和属性值之间的相似度来定义距离，公式为：

33、

34、其中：d(x，c)中的x是当前地理栅格的中心坐标(grid-x,grid-y)；d(x，c)中的c是随机选择的聚类中心的中心坐标(grid-x_k,grid-y_k)；cellid是当前地理栅格的属性值；cellid_k是聚类中心的属性值；

35、s63分配栅格到聚类：将每个地理栅格分配给与其距离最近的聚类中心，选择步骤s62中计算得到的最小的距离的聚类中心作为其所属聚类，公式为：

36、assign(x)＝arg min_cd(x，c)；

37、其中：assign(x)表示将地理栅格x的中心坐标(grid-x,grid-y)分配给与其最近的聚类中心；arg min_c表示对所有的聚类中心c进行求解，找到能使距离函数d(x，c)最小化的聚类中心c；

38、s64更新聚类中心：对于每个聚类，计算其所包含地理栅格的中心坐标平均值和属性值，并将其作为新的聚类中心，根据计算得到的新的聚类中心，迭代更新聚类，计算公式为：

39、c_new＝{mean(grid_x)，mean(grid_y)，cellid}；

40、其中：c_new表示更新后的聚类中心；mean(grid_x)表示聚类中所有地理栅格的横坐标的平均值；mean(grid_y)表示聚类中所有地理栅格的纵坐标的平均值；cellid为当前已经聚类到当前栅格类中cellid个数最多的cellid；

41、s65重复迭代：重复执行步骤s64～s65，直到满足终止条件；终止条件为聚类中心不再改变或达到预定的迭代次数；

42、s66标记聚类：根据最终的聚类结果，为每个聚类结果的地理栅格分配一种颜色进行标记，使用四种颜色标记不同的聚类，获得聚类结果。

43、优选地，所述步骤s7中将聚类结果以图片或数据库存储或地理信息系统gis应用进行呈现。

44、与现有技术相比，本发明具有的有益效果为：该基于四色原理小区场强覆盖的标识方法采用基于通信终端自主上报信号采样点数据，识别小区信号覆盖范围并进行四色可视化标识及呈现，该方法较传统人工梳理数据或人工地图打点标识相比，效率大大得到提升，覆盖范围识别更加准确；该方法可以帮助无线通信行业人员更好地了解信号覆盖情况，并进行相关决策、优化和规划。