一种基站经纬度纠偏处理方法、装置、设备及介质与流程
本发明涉及数据传输通信,具体涉及一种基站经纬度纠偏处理方法、装置、设备及介质。
背景技术:
1、无线基站经纬度是无线网络规划、网络优化、基站运维及故障定位的核心基础工参数据,其数据准确性直接影响网络规划合理性、故障处置效率与网络性能优化效果,无线基站经纬度纠偏分析处理是通过数据采集、校验分析、位置修正等手段,校准基站备案经纬度与实际物理位置的偏差,保障基站位置数据精准可靠的关键技术,也是5g(第五代移动通信技术)无线网络精细化管理的重要技术支撑。
2、现有无线基站经纬度纠偏分析处理主要采用两类技术路径,一类是以人工勘察、硬件自动采集为核心的传统管控方案,依托rtk(实时动态差分定位)/gnss(全球导航卫星系统)现场实测、设备入网上报、多源数据融合校验完成经纬度采集,通过人工巡检复核、路测与切换数据交叉比对实现经纬度核查更新;另一类是基于mdt(最小化路测)测量数据的自动化纠偏方案,利用用户测量报告中的经纬度与ta(时间提前量)值,通过几何交集定位、密度聚类等算法计算基站真实位置,完成经纬度纠偏。
3、然而,现有的无线基站经纬度纠偏分析处理方式中,人工依赖度高、时效性差且易受环境与设备兼容性制约,而基于mdt数据的纠偏方案因5g网络中mdt数据涉及用户位置隐私,受合规要求约束无法上报用户经纬度,导致该类方案在5g网络场景中完全失效,无法实现5g基站经纬度的有效纠偏。
4、因此,如何在5g网络mdt数据无法提供用户经纬度的情况下实现无线基站经纬度的精准、高效纠偏,是目前亟需解决的问题。
技术实现思路
1、本发明所要解决的技术问题是如何在5g网络mdt数据无法提供用户经纬度的情况下实现无线基站经纬度的精准、高效纠偏。
2、本发明解决上述技术问题的技术方案如下:
3、本技术实施例提供一种基站经纬度纠偏处理方法,包括:
4、获取5g互联网传输数据与5g基站工参数据,对所述5g互联网传输数据与所述5g基站工参数据进行关联拼接和空缺值处理,得到关联后的有效数据集;
5、根据基站与扇区的双层维度,对所述关联后的有效数据集进行分组,得到各基站对应各扇区的采样点子集;
6、对所述采样点子集中的采样点依次进行信号强度筛选、异常采样点剔除和多维度特征归一化处理,得到各扇区的聚类特征数据;
7、根据基站的扇区数量,设置目标聚类数量,并根据所述目标聚类数量,对所述各扇区的聚类特征数据进行聚类处理,得到各扇区的聚类质心经纬度;
8、基于单个基站所有有效扇区的所述聚类质心经纬度,构建闭合多边形闭环区域,计算所述闭合多边形闭环区域的目标质心经纬度,并将所述目标质心经纬度作为纠偏处理后的基站经纬度。
9、本发明的有益效果是:通过采用5g互联网传输数据(ott数据)替代无法提供用户经纬度的5gmdt数据作为定位数据源,先将该数据与5g基站工参数据进行关联拼接和空缺值处理,剔除关键字段空缺的无效数据、保障数据关联匹配的准确性,从数据源层面彻底规避了5gmdt数据无用户经纬度导致基站经纬度纠偏无法开展的问题,为纠偏提供了合法可用、与基站位置强相关的有效数据基础;再通过基站与扇区的双层维度对关联后的有效数据集进行分组,使每个扇区的采样数据独立分析,避免跨扇区覆盖信号干扰,精准匹配5g基站扇区级定向覆盖的物理特性,保障数据分析的针对性与唯一性;随后对各扇区采样点子集依次进行信号强度筛选、异常采样点剔除和多维度特征归一化处理,筛选出距离基站近、位置可信度高的强信号采样点,剔除定位异常的远距离干扰数据,消除经纬度不同特征维度的量级差异,让聚类计算更公平、数据质量更可靠,为精准聚类提供优质数据支撑;接着依据基站的扇区数量适配设置目标聚类数量,对各扇区的聚类特征数据进行聚类处理,利用无监督聚类算法挖掘高可信度采样点的位置分布规律,无需依赖mdt数据的用户经纬度即可直接计算得到各扇区真实的聚类质心经纬度,实现扇区级位置的精准定位;最后基于单个基站所有有效扇区的聚类质心经纬度构建闭合多边形闭环区域,结合5g基站多扇区物理分布的结构特征计算闭环区域的目标质心经纬度,最终得到贴合基站真实物理位置的纠偏经纬度,全程无需依托5gmdt数据的用户经纬度。通过数据预处理、分层分析、智能聚类、物理结构拟合的全流程自动化处理,既从根源上解决了5g网络mdt数据无法提供用户经纬度的技术问题,又通过数据清洗与算法优化保障了纠偏的精准度,同时全流程自动化替代人工操作实现了纠偏的高效性,进而完成无线基站经纬度的精准、高效纠偏。
10、在上述技术方案的基础上,本发明还可以做如下改进。
11、进一步,所述对所述5g互联网传输数据与所述5g基站工参数据进行关联拼接和空缺值处理,得到关联后的有效数据集,包括:
12、梳理并对齐所述5g互联网传输数据与所述5g基站工参数据的关联字段,并统一所述关联字段的命名规则和数据格式,得到格式统一的待拼接数据;
13、以基站标识和扇区标识作为关联键,对所述格式统一的待拼接数据进行左连接拼接,得到初始拼接数据集;
14、对所述初始拼接数据集进行空缺值分级处理,根据空缺值分级处理的结果,删除关键字段存在空缺的采样点,并对非关键字段的空缺值进行默认值填充,得到中间拼接数据集;
15、对所述中间拼接数据集进行有效性校验,根据有效性校验的结果,过滤采样点数量为零的基站与扇区组合,得到所述关联后的有效数据集。
16、采用上述进一步方案的有益效果是:通过梳理对齐关联字段并统一命名规则与数据格式,从根源上解决了5g互联网传输数据与5g基站工参数据因字段名称、格式不统一无法精准匹配的问题,保障数据拼接的顺畅性;采用基站标识与扇区标识作为关联键执行左连接拼接,完整保留所有高价值采样点,避免因拼接方式导致有效数据丢失;通过空缺值分级处理,既剔除关键字段空缺的无效采样点,又以默认值填充非关键字段维持数据完整性,平衡了数据有效性与完整性;通过有效性校验过滤无采样点的基站与扇区的组合,减少后续无效计算与资源消耗,为后续分组、聚类、纠偏流程提供高质量、高可用性的基础数据,进而提升整体基站经纬度纠偏的准确性与处理效率。
17、进一步,所述根据基站与扇区的双层维度,对所述关联后的有效数据集进行分组,得到各基站对应各扇区的采样点子集,包括:
18、提取所述关联后的有效数据集中的基站标识和扇区标识,对所述扇区标识进行合法性校验,并根据合法性校验的结果,过滤非标准扇区标识对应的采样点,得到校验后数据集;
19、对所述校验后数据集中的扇区标识进行归一化处理,以将不同格式的扇区标识转换为预设的数字格式,得到归一化后数据集;
20、根据所述基站标识,对所述归一化后数据集进行第一层分组,得到各基站对应的基站数据集;
21、对每个所述基站数据集,根据所述扇区标识进行第二层分组,得到各基站对应各扇区的采样点子集。
22、采用上述进一步方案的有益效果是:通过扇区标识合法性校验过滤非标准标识,从源头剔除无效扇区数据,避免无意义数据干扰后续分组与分析;通过扇区标识归一化处理统一格式,消除不同扇区标识表述差异导致的分组混乱,保障分组操作的精准性;通过基站、扇区双层依次分组,完全匹配5g基站多扇区定向覆盖的物理结构,实现单基站下单扇区数据的独立隔离,彻底避免跨基站、跨扇区数据相互干扰,为后续信号强度筛选、异常采样点剔除、聚类处理提供分区清晰、归属明确的基础数据,大幅提升后续数据处理的针对性,进而保障基站经纬度纠偏的整体精准度。
23、进一步,所述对所述采样点子集中的采样点依次进行信号强度筛选,包括:
24、提取各所述采样点子集中每个采样点的参考信号接收功率值,基于所述参考信号接收功率值,得到各扇区的信号强度数据集;
25、将所述各扇区的信号强度数据集中的参考信号接收功率值与预设的信号强度阈值进行比较,并根据比较结果,筛选出所述参考信号接收功率值大于预设的信号强度阈值的采样点,得到初始筛选后采样点子集;
26、统计所述初始筛选后采样点子集中的采样点数量,筛选出采样点数量小于预设的最小采样点数量的扇区,得到信号强度筛选后的采样点子集。
27、采用上述进一步方案的有益效果是:通过提取参考信号接收功率值构建信号强度数据集,明确了信号筛选的核心数据维度,让筛选操作更具针对性;通过与预设信号强度阈值对比,精准剔除弱信号、远距离的低可信度采样点,仅保留距离基站近、位置偏差小的优质采样点,从源头提升后续分析数据的可靠性;通过统计采样点数量并过滤低数据量扇区,确保后续异常剔除、聚类计算有充足的有效数据支撑,避免因数据量不足导致计算结果失真,为后续数据处理与基站经纬度聚类纠偏提供信号质量优、数据量充足的稳定样本,进一步提升基站经纬度纠偏的精准度。
28、进一步,对所述采样点子集中的采样点依次进行异常采样点剔除,包括:
29、以基站工参经纬度为基准点,计算所述信号强度筛选后的采样点子集中每个采样点到所述基准点的球面距离,得到各采样点的距离数据集;
30、对所述距离数据集进行从小到大的排序,并计算排序后距离数据集的第一四分位数、第三四分位数和四分位距;
31、根据所述第一四分位数、所述第三四分位数和所述四分位距,确定异常值上边界和异常值下边界;
32、剔除所述距离数据集中超出所述异常值上边界或所述异常值下边界的采样点,得到异常采样点剔除后的采样点子集。
33、采用上述进一步方案的有益效果是:以基站工参经纬度为基准计算球面距离,精准还原采样点与基站的真实空间距离,规避平面距离计算的误差;通过四分位数、四分位距计算异常边界,用客观统计方法识别异常采样点,无需人工干预即可剔除信号强度达标但位置偏远的干扰数据;通过剔除异常采样点,让保留的采样点距离分布更集中、更贴合基站真实覆盖范围,大幅提升采样数据的纯度与可靠性,为后续多维度特征归一化和聚类处理提供稳定优质的数据基础,有效降低异常数据对聚类质心计算的干扰,进一步提升基站经纬度纠偏的精准度。
34、进一步,所述对所述采样点子集中的采样点依次进行多维度特征归一化处理,包括:
35、提取所述异常采样点剔除后的采样点子集中的参考信号接收功率、采样经度和采样纬度对应的特征数据,得到各扇区的原始特征数据集;
36、采用最小最大归一化方法,对所述原始特征数据集中每个维度的特征数据进行线性缩放处理,以将各维度的特征数据映射到预设的区间内,得到归一化处理后特征数据集,并将所述归一化处理后特征数据集作为所述聚类特征数据。
37、采用上述进一步方案的有益效果是:通过提取参考信号接收功率、采样经度、采样纬度三类特征构建原始特征数据集,精准锁定与基站位置定位强相关的特征维度,剔除冗余特征干扰,保障聚类分析的针对性;采用最小最大归一化方法对各维度数据进行线性缩放,将不同量级的特征数据统一映射到零到一的预设区间,彻底消除参考信号接收功率与经纬度维度间的数值量级差异,避免聚类计算因经纬度数值过大而产生偏向性,同时线性缩放处理完整保留数据的原始分布特征,保证聚类算法距离计算的公平性与准确性,为后续聚类处理提供标准化、高适配性的聚类特征数据,有效提升聚类质心计算的精准度。
38、进一步,所述根据基站的扇区数量,设置目标聚类数量,并根据所述目标聚类数量,对所述各扇区的聚类特征数据进行聚类处理,得到各扇区的聚类质心经纬度,包括:
39、获取基站的扇区配置信息,根据所述扇区配置信息,确定所述基站的扇区数量;
40、在所述扇区数量为三个时,设置单个扇区的目标聚类数量为1,或者,在所述扇区数量不为三个时,通过肘部法则,确定单个扇区的目标聚类数量;
41、采用k均值增强算法初始化聚类中心,得到初始聚类中心,并结合所述目标聚类数量、基站工参经纬度,对所述初始聚类中心进行业务优化,得到优化后聚类中心;
42、根据欧几里得距离,将所述各扇区的聚类特征数据中的每个采样点分配到距离最近的聚类中,迭代更新所述优化后聚类中心直至算法收敛,得到收敛后的归一化聚类质心;
43、分别计算所述原始特征数据集中每个维度的最小值和最大值,得到各维度的极值参数,并根据所述极值参数,对所述收敛后的归一化聚类质心进行反归一化处理,得到各扇区的聚类质心经纬度。
44、采用上述进一步方案的有益效果是:根据基站扇区数量适配设置目标聚类数量,精准匹配5g基站扇区级定向覆盖的物理特性,保证聚类结果与基站实际结构高度契合;通过肘部法则确定非标准扇区的最优聚类数量,兼顾不同基站配置的通用性,避免聚类数量不合理导致结果偏差;采用k均值增强算法初始化并结合工参经纬度做业务优化,既规避了聚类算法陷入局部最优的问题,又利用先验位置信息减少迭代次数、提升聚类效率;基于欧几里得距离分配样本并迭代至收敛,保证聚类结果稳定可靠,精准挖掘扇区采样点的位置分布规律;通过极值参数完成反归一化处理,将标准化质心还原为真实经纬度,直接输出可用于后续闭环区域计算的扇区位置数据,全程无需依赖用户经纬度数据,为基站经纬度最终纠偏提供精准的扇区级位置支撑,大幅提升纠偏结果的准确性与可靠性。
45、本技术实施例还提供一种基站经纬度纠偏处理装置,所述装置包括:
46、获取模块,用于获取5g互联网传输数据与5g基站工参数据,对所述5g互联网传输数据与所述5g基站工参数据进行关联拼接和空缺值处理,得到关联后的有效数据集;
47、分组模块,用于根据基站与扇区的双层维度,对所述关联后的有效数据集进行分组,得到各基站对应各扇区的采样点子集;
48、归一化处理模块,用于对所述采样点子集中的采样点依次进行信号强度筛选、异常采样点剔除和多维度特征归一化处理,得到各扇区的聚类特征数据;
49、聚类模块,用于根据基站的扇区数量,设置目标聚类数量,并根据所述目标聚类数量,对所述各扇区的聚类特征数据进行聚类处理,得到各扇区的聚类质心经纬度;
50、纠偏模块,用于基于单个基站所有有效扇区的所述聚类质心经纬度,构建闭合多边形闭环区域,计算所述闭合多边形闭环区域的目标质心经纬度,并将所述目标质心经纬度作为纠偏处理后的基站经纬度。
51、本技术实施例还提供一种电子设备,包括处理器和存储器,所述存储器存储有多条指令;所述处理器从所述存储器中加载指令,以执行本技术实施例所提供的任一种基站经纬度纠偏处理方法中的步骤。
52、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存储有多条指令,所述指令适于处理器进行加载,以执行本技术实施例所提供的任一种基站经纬度纠偏处理方法中的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com