一种无线网络分析方法、系统及计算机可读存储介质与流程

1.本发明涉及物联网技术领域，特别是指一种无线网络分析方法、系统及计算机可读存储介质。


背景技术：

2.移动网络运营商在开展nb-iot网络建设时，想要对nb-iot网络进行分析优化存在多重困难：由于nb-iot网络技术规范推出时间较短，运营商尚未完全建立对该技术规范的评估体系；由于nb-iot应用场景为低速率广覆盖的物联网场景，传统的2/3/4g网络分析方法适用性较差。
3.当前，nb-iot网络分析的主要方法包括以下几种：
4.(1)道路测试：利用专用测试工具进行网络测试，通过专用测试工具和车辆，对网络主要交通干线、重点场所进行网络测试，对测试结果进行分析。该技术方案为无线通信行业最普遍的网络测试分析方法，需要专业的测试工具、测试车辆及测试人员，资源消耗巨大，且测试结果只能反馈重点交通干线和重点场所的抽样结果。
5.(2)nb-iot覆盖预测方法，该方案具有如下缺点：1、在无线通信领域，评估网络覆盖的指标除了电平强度(rsrp)，还包括rsrq，sinr，rssi等参数，只能评估电平强度，对网络覆盖指标的全面性评估存在局限性。2、gsm900覆盖下的终端产生业务的场景与nb-iot中产生业务的场景差异性较大，用gsm900的覆盖预估nb-iot的覆盖，准确性较差，例如在同一个经纬度，gsm900的业务主要发生在大楼里面热点区域，但是nb-iot业务发生在地下室一层、地下室二层，得出的评估结果显然存在巨大的差异。
6.(3)大数据评估nb-iot网络覆盖与结构的方法，1、lte的海量mr数据发生的场景与nb-iot的工作场景存在巨大差异，用lte mr去预估nb-iot的mr，显然准确性不够，并且两者的热点区域存在差异，可能lte热点区域并没有nb-iot设备，评估价值降低，可能nb-iot热点区域没有lte的业务，导致无法对网络进行评估；2、利用nb-iot小区和fdd lte小区共模条件,这在现网中显然不适用，因为lte的站点数量远远大于nb-iot站点数，在大部分mr采样点里的归属lte基站，并没有共站的nb-iot的基站，无法对该部分采样点进行评估。


技术实现要素：

7.本发明要解决的技术问题是提供一种无线网络分析方法、系统及计算机可读存储介质，场景适用性更强，测试的结果即为现网设备的真实评估，准确性更高，更能反映现网的实际业务感知。
8.为解决上述技术问题，第一方面，本发明的实施例提供一种无线网络分析方法，应用于窄带物联网nb-iot无线网络系统，所述方法包括：
9.数据采集管理模块进行采集任务配置，并下发到onenet平台；其中，采集任务配置包含采集指令及采集频率；
10.onenet平台将采集任务下发至设备缓存命令列表；
11.设备终端在注册或更新时，获取采集任务；
12.设备终端根据采集任务读取相关网络参数并通过onenet平台上报到数据采集管理模块；
13.数据采集管理模块将数据进行处理和存储；
14.数据采集管理模块以应用程序接口api方式将数据传送至nb-iot网络分析平台或其他应用平台。
15.可选的，无线网络分析方法，还包括如下步骤：
16.onenet数据采集模块还对设备侧sdk的上报参数进行如下设设置：
17.a.在平台侧未下发参数上报设置时，设备侧sdk在上报数据的过程中默认读取设备侧相关网络参数的所有数据并上报；
18.b.若平台侧下发写命令时，设备侧sdk根据命令字段中对应的bit位对应设置后续再次上报时的网络数据。
19.可选的，无线网络分析方法，还包括如下步骤：
20.onenet平台还提取设备终端根据自身的业务配置所上报的基本业务信息；
21.onenet平台根据提取的网络参数信息和所述基本业务信息创建话单并发送给数据处理模块，该话单包含物联网卡开通的业务套餐类型、套餐使用情况及其他开卡信息；
22.数据处理模块对终端的业务行为数据和话单数据进行整合
，
并将业务按照流量及上报频率进行分类；
23.ai建模模块根据终端上报行为及物联卡卡信息，对物联网终端进行ai建模，并结合物联网平台的产品信息、开卡信息、用户调研信息中的一种或多种进行校验，输出行业模型，并通过该模型对终端进行行业划分；
24.行业综合分析模块根据不同的行业进行统计分析，统计分析内容包含行业网络质量和行业的业务需求。
25.可选的，对物联网终端进行ai建模包括如下步骤：
26.根据物模型中的产品功能清单，初步确定终端所属的行业；
27.根据流量模型进行ai分析，辨别出最接近的行业。
28.可选的，对物联网终端进行ai建模还包括如下步骤：
29.通过分析网络覆盖质量对行业进行鉴别；或/和查询该终端对应的物联网卡的开卡信息，抓取行业特征信息。
30.可选的，将业务按照流量及上报频率进行分类，具体为：将业务分成四个类型，分别为小流量长周期、大流量长周期、小流量短周期、大流量短周期，其分类算法如下：
31.小流量长周期：单月流量小于或者等于1mb，单月上报次数大于31次；
32.大流量长周期：单月流量大于1mb，单月上报次数大于31次；
33.小流量短周期：单月流量小于或者等于1mb，单月上报次数小于或者等于31次；
34.大流量短周期：单月流量大于1mb，单月上报次数小于或者等于31次。
35.可选的，onenet平台将采集任务下发到设备缓存命令列表的步骤，具体如下：
36.如果设备存在未执行的缓存命令，则更新最新的缓存命令；如果设备不存在未执行的缓存命令，则添加缓存命令。
37.第二方面，本发明的实施例还提供一种无线网络分析系统，所述无线网络分析系
统包括onenet数据采集模块和nb-iot网络分析平台；
38.所述onenet数据采集模块包括主平台、目标平台和应用平台；
39.所述主平台包：
40.主数据库模块，负责设备组管理信息、任务管理信息、统计信息以及网络参数信息的存储和管理；
41.采集群组管理/任务管理模块，负责对设备进行批量管理，以及负责对任务进行配置，配置包含采集网络参数项、采集频率、触发时间、任务设备控制、参数采集指令、采集频率中的一种或多种；
42.命令分发服务模块，负责根据任务配置将任务分发到目标平台；
43.数据接收服务模块，负责同步目标平台的数据，将目标平台的数据保存到主数据库模块；
44.api接口模块，负责将存储在主数据库模块中的网络参数数据，以接口的方式传送给上层应用平台；
45.统计服务模块，负责对采集任务过程进行统计分析；
46.所述目标平台包括：
47.api缓存命令接口，负责存储离线命令及离线命令更换或删除；
48.目标数据库模块，负责采集任务缓存命令的保存和分发，以及设备接入信息的管理、设备上报数据的管理；
49.采集服务模块，负责在终端设备上线后下发离线命令；在终端设备注册或更新时，采集指令伴随下发，终端设备无需单独唤醒；
50.nb-iot接入机模块，负责终端设备的接入管理，将离线命令下发给终端设备；
51.终端设备，用于在收到离线命令后，按命令的指示进行数据采集，并将采集到的数据保存到目标平台；
52.所述nb-iot网络分析平台包括nb-iot网络分析模块和数据采集管理模块；
53.所述应用平台负责通过api接口的方式接收主数据库中存储的网络参数数据。
54.第三方面，本发明实施例提供一种计算机可读存储介质，包括指令，当所述指令在计算机运行时，使得计算机执行实现如第一方面所述方法中的步骤。
55.本发明的上述方案至少包括以下有益效果：
56.本发明的上述方案，基于现网的物联网终端进行测试，场景适用性更强，测试的结果即为现网设备的真实评估，准确性更强，更能反馈终端设备的业务体验，更能反映现网的实际业务感知。利用现网设备进行测试，测试范围的覆盖度更优，只要该区域有业务，就有测试设备，可对全网的物联网设备进行网络质量评估分析；还可以结合行业数据，对nb-iot的网络覆盖进行行业分层分类，针对不同的业务场景可以进行行业覆盖分析，达到行业覆盖发展均衡的目的。
附图说明
57.图1是本发明的实施例无线网络分析方法的流程图；
58.图2是本发明的实施例无线网络分析方法的数据采集分析流程图；
59.图3是本发明的实施例无线网络分析方法的行业综合分析流程示意图；
60.图4是本发明的实施例无线网络分析系统的架构示意图。
具体实施方式
61.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
62.如图1至图3所示，本发明的实施例提出一种无线网络分析方法，基于物联网设备sdk上报网络参数的nb-iot无线网络，该方法包括：
63.步骤101、数据采集管理模块进行采集任务配置，并下发到onenet平台；其中，采集任务配置包含采集指令及采集频率；
64.步骤102、onenet平台将采集任务下发至设备缓存命令列表；
65.步骤103、设备终端在注册或更新时，获取采集任务；
66.步骤104、设备终端根据采集任务读取相关网络参数并通过onenet平台上报到数据采集管理模块；
67.步骤105、数据采集管理模块将数据进行处理和存储；
68.步骤106、数据采集管理模块以api接口方式将数据传送至nb-iot网络分析平台或其他应用平台。
69.在发明实施例中，采用现网物联网设备进行测试，利用sdk(software development kit，软件开发工具包)进行网络参数上报，实现类mr(测量报告)的测量和上报。采用sdk集成网络参数采集接口，消息交互采用onenet平台的交互方式，终端无需新增物理接口，无需额外开发，只需要接入onenet平台，即可支持网络参数上报功能。参数采集指令及采集频率灵活配置，可根据不同的物联网场景按需设置，节省流量消耗及功率消耗。设备终端在注册或update(更新)时，获取缓存命令，包括命令的详细配置；该种情况下，设备终端在注册或update(更新)时，采集指令伴随下发，设备无需单独唤醒，额外功耗几乎无感知。
70.可选地，无线网络分析方法还包括如下步骤：
71.onenet数据采集模块还对设备侧sdk的上报参数进行如下预设置：
72.a.在平台侧未下发参数上报设置时，设备侧sdk在上报数据的过程中默认读取设备侧(模组侧)相关网络参数的所有数据并上报；
73.b.若平台侧下发写命令时，设备侧sdk根据命令字段中对应的bit位对应设置后续再次上报时的网络数据。
74.作为一种可优选实施方式，如图3所示，无线网络分析方法还包括如下步骤：
75.onenet平台还提取设备终端根据自身的业务配置所上报的基本业务信息；
76.onenet平台根据提取的网络参数信息和所述基本业务信息创建话单并发送给数据处理模块，该话单包含物联网卡开通的业务套餐类型、套餐使用情况及其他开卡信息；
77.数据处理模块对终端的业务行为数据和话单数据进行整合
，
并将业务按照流量及上报频率进行分类；
78.ai建模模块根据终端上报行为及物联卡卡信息，对物联网终端进行ai建模，并结
合物联网平台的产品信息、开卡信息、用户调研信息中的一种或多种进行校验，输出行业模型，并通过该模型对终端进行行业划分；
79.行业综合分析模块根据不同的行业进行统计分析，统计分析内容包含行业网络质量和行业的业务需求。
80.进一步地，对物联网终端进行ai建模包括如下步骤：
81.根据物模型中的产品功能清单，初步确定终端所属的行业；
82.根据流量模型进行ai分析，辨别出最接近的行业。
83.终端设备可以根据业务配置上报基本业务信息(产品功能：例如温度、位置等信息)；因为每个物联网行业都有自己的特征数据，例如共享单车会包含位置功能，空气监测终端会包含pm2.5、温度、湿度等产品功能；行业之间的功能会有重叠部分，只需识别出范围即可；例如智慧路灯，每天会在天黑前开灯，天亮后关灯，这些行业个性数据可以为行业识别提供重要的支撑手段。
84.更进一步地，对物联网终端进行ai建模还包括如下步骤：
85.通过分析网络覆盖质量对行业进行鉴别；或/和查询该终端对应的物联网卡的开卡信息，抓取行业特征信息。
86.通过分析网络覆盖质量对行业进行鉴别，每个行业由于所处的环境不同，无线网络覆盖指标也具有个性特征。弱覆盖、强覆盖、单小区、多小区、低干扰、高干扰等多种网络指标特征，可以分析出该终端所处的场景。例如智慧路灯所处场景为道路，覆盖强度和质量较好，可以接受多小区信号，干扰较强。水表多处于深度覆盖区域，信号强度微弱，只能收到一个小区的弱信号，无其他信号干扰。
87.综上几个步骤，可以对终端进行精准的行业区分。需要注意的是，ai建模识别也是根据行业的各项特征规律进行行业区分，因此需要对行业模型进行数据校验。
88.数据校验有多种途径：包括已知的物联网项目可以提供大量的校验数据、onenet平台的用户反馈信息、手动模拟数据上报；
89.行业综合分析模块将可以根据不同的行业进行统计分析，输出行业的市场发展情况、行业网络质量、行业价值等多维度分析。
90.onenet平台根据提取的网络参数信息和基本业务信息创建话单，话单包含物联网卡的话务详细情况，包括卡开通的业务套餐类型，套餐使用情况及其他开卡信息；部分套餐名称已经包含行业用途，例如套餐名称：车联网10元套餐，共享单车15元套餐。
91.通过积累的行业信息数据，可以对行业的业务需求进行统计分析，为套餐定制提供指导作用；同时根据行业的网络指标分析，帮助省公司发现网络短板，可针对重点行业发展找到着力点，为行业推广提供指导方向；按行业进行业务和网络指标分析，优于传统的分析方法，更适应物联网业务的多场景特征，方便用户更好的了解和优化网络。
92.本实施例结合产品特征、业务分析、流量模型，物联卡信息，网络参数信息等多种数据进行建模，提炼出行业模型和业务模型。不同的行业的覆盖场景不同，对网络的覆盖需求也不同，本实施例中可以对nb-iot的网络覆盖进行行业分层分类，针对不同的业务场景可以进行行业覆盖分析，达到行业覆盖发展均衡的目的。
93.作为一种可优选实施方式，数据处理模块将业务按照流量及上报频率进行分类，具体为：将业务分成四个类型，分别为小流量长周期、大流量长周期、小流量短周期、大流量
短周期，其分类算法如下：
94.小流量长周期：单月流量小于或者等于1mb，单月上报次数大于31次；
95.大流量长周期：单月流量大于1mb，单月上报次数大于31次；
96.小流量短周期：单月流量小于或者等于1mb，单月上报次数小于或者等于31次；
97.大流量短周期：单月流量大于1mb，单月上报次数小于或者等于31次。
98.本实施例中，数据处理模块把终端的业务行为数据和话单数据进行整合，关联汇聚处理，将业务按照流量及上报频率进行分类，具体分成：小流量长周期、大流量长周期、小流量短周期、大流量长周期。
99.可选地，步骤102中，onenet平台将采集任务下发到设备缓存命令列表的步骤，具体如下：
100.如果设备存在未执行的缓存命令，则更新最新的缓存命令；如果设备不存在未执行的缓存命令，则添加缓存命令。
101.以上各实施例的基于物联网设备sdk上报网络参数的nb-iot无线网络分析方法，onenet平台nb设备接入的sdk可以在连接平台时上报设备侧网络参数数据，如rsrp、sinr、rsrq、rssi、cellid等，通过平台传送这些参数至上层应用开展网络质量分析等相关操作和展示。
102.整体方案采用sdk集成网络参数采集接口，消息交互采用onenet平台的交互方式，终端无需新增物理接口，无需额外开发，只要接入onenet平台，即可支持网络参数上报功能；平台接收到网络参数后，建立建立行业模型，并按行业进行分层优化的网络分析方法，覆盖场景与nb-iot的覆盖场景一致，测试的结果即为现网设备的真实评估，准确性更强，更能反馈终端设备的业务体验；利用现网设备进行测试，测试范围的覆盖度更优，只要该区域有业务，就有测试设备。
103.结合上述图2和图3说明上述方法的具体实现过程：基于物联网设备sdk上报网络参数的nb-iot无线网络分析方法，该方法的具体步骤包括；
104.s1、数据采集管理程序进行采集任务配置，包括采集指令及采集频率，并下发到onenet平台；
105.s2、onenet平台将缓存命令下发到设备缓存命令列表；
106.如果设备存在未执行的缓存命令，则更新最新的缓存命令；
107.如果设备不存在未执行的缓存命令，则添加缓存命令；
108.s3、设备终端在注册或update时，获取缓存命令，包括命令的详细配置；
109.s4、终端读取相关网络参数并上报到数据采集管理程序；
110.s5、数据采集管理程序将数据进行处理和存储；
111.s6、数据采集管理程序以api接口方式将数据传送至nb网络分析平台或其他应用平台。
112.进一步地，onenet数据采集模块可以根据实际情况对设备侧sdk的上报参数进行设置：
113.a.其中在平台侧未下发参数上报设置时，sdk在上述业务流程中默认读取模组侧上述所有数据并上报；
114.b.若平台侧下发“写命令”时，sdk可以根据命令字段中对应的bit位对应设置后续
再次上报时的网络数据
115.s7、终端设备再根据业务配置上报基本业务信息(产品功能：例如温度、位置等信息)；
116.s8、onenet平台根据提取的网络参数信息和基本业务信息创建话单，话单包含物联网卡的话务详细情况，包括卡开通的业务套餐类型，套餐使用情况及其他开卡信息；部分套餐名称已经包含行业用途，例如套餐名称：车联网10元套餐，共享单车15元套餐；
117.s9、数据处理模块把终端的业务行为数据和话单数据进行整合，关联汇聚处理，将业务按照流量及上报频率进行分类，具体分成：小流量长周期、大流量长周期、小流量短周期、大流量短周期；
118.其分类算法如下：
119.小流量长周期：单月流量小于或者等于1mb，单月上报次数大于31次；
120.大流量长周期：单月流量大于1mb，单月上报次数大于31次；
121.小流量短周期：单月流量小于或者等于1mb，单月上报次数小于或者等于31次；
122.大流量短周期：单月流量大于1mb，单月上报次数小于或者等于31次；
123.s10、ai建模模块根据终端上报行为及物联卡卡信息，对物联网终端进行ai建模，结合物联网平台的产品信息、开卡信息、用户调研等信息进行校验，输出行业及业务的模型；并通过模型对终端进行行业划分；
124.进一步地，所述ai建模包括如下步骤：
125.根据物模型中的产品功能清单，可以初步确定终端所属的行业。因为每个物联网行业都有自己的特征数据，例如共享单车会包含位置功能，空气监测终端会包含pm2.5，温度，湿度等产品功能；行业之间的功能会有重叠部分，我们只需识别出范围即可；
126.根据流量模型进行ai分析，辨别出最接近的行业。例如智慧路灯，每天会在天黑前开灯，天亮后关灯。这些行业个性数据可以为行业识别提供重要的支撑手段。
127.进一步地，通过分析网络覆盖质量对行业进行鉴别，每个行业由于所处的环境不同，无线网络覆盖指标也具有个性特征。
128.弱覆盖，强覆盖，单小区，多小区，低干扰，高干扰等多种网络指标特征，可以分析出该终端所处的场景。例如智慧路灯所处场景为道路，覆盖强度和质量较好，可以接受多小区信号，干扰较强。水表多处于深度覆盖区域，信号强度微弱，只能收到一个小区的弱信号，无其他信号干扰。
129.进一步地，查询该终端对应的物联网卡的开卡信息，例如套餐流量，套餐名称等，抓取行业特征信息。
130.综上四个步骤，可以对终端进行精准的行业区分。需要注意的是，ai建模识别也是根据行业的各项特征规律进行行业区分，因此需要对行业模型进行数据校验。
131.进一步的，数据校验有多种途径：包括已知的物联网项目可以提供大量的校验数据、onenet平台的用户反馈信息、手动模拟数据上报；
132.s11、行业综合分析模块将可以根据不同的行业进行统计分析，输出行业的市场发展情况，行业网络质量，行业价值等多维度分析。
133.通过积累的行业信息数据，可以对行业的业务需求进行统计分析，为套餐定制提供指导作用；同时根据行业的网络指标分析，帮助省公司发现网络短板，可针对重点行业发
展找到着力点，为行业推广提供指导方向；按行业进行业务和网络指标分析，优于传统的分析方法，更适应物联网业务的多场景特征，方便用户更好的了解和优化网络。
134.本发明的上述实施例采用现网物联网设备进行测试，利用sdk进行网络参数上报，实现类mr报告的测量和上报；
135.本发明的上述实施例采用sdk集成网络参数采集接口，消息交互采用onenet平台的交互方式，终端无需新增物理接口，无需额外开发，只需要接入onenet平台，即可支持网络参数上报功能；
136.参数采集指令及采集频率灵活配置，可根据不同的物联网场景按需设置，节省流量消耗及功率消耗；
137.设备注册和update(更新)平台时，采集指令伴随下发，设备无需单独唤醒，额外功耗几乎无感知；
138.本发明的上述实施例结合产品特征、业务分析、流量模型，物联卡信息，网络参数信息等多种数据进行建模，提炼出行业模型和业务模型。
139.不同的行业的覆盖场景不同，对网络的覆盖需求也不同，本方案中对nb-iot的网络覆盖进行行业分层分类，针对不同的业务场景可以进行行业覆盖分析，达到行业覆盖发展均衡的目的。
140.本发明的上述实施例可以结合行业数据，对nb-iot的网络覆盖进行行业分层分类，针对不同的业务场景可以进行行业覆盖分析，达到行业覆盖发展均衡的目的。
141.本发明的上述实施例可以结合行业数据，对nb-iot的网络覆盖进行行业分层分类，针对不同的业务场景可以进行行业覆盖分析，达到行业覆盖发展均衡的目的。
142.本发明的上述实施例可以结合行业数据，对nb-iot的网络覆盖进行行业分层分类，针对不同的业务场景可以进行行业覆盖分析，达到行业覆盖发展均衡的目的。
143.如图4所示，本发明实施例的无线网络分析系统主要包括onenet数据采集模块和nb网络分析平台。
144.其中，onenet数据采集模块包括主平台、省平台和sass应用平台。主平台的mongodb即为主mongodb(数据库)模块，目标平台的mongodb即为省mongodb模块。mongodb为基于分布式文件存储的数据库。目标公司可以是省公司。
145.主平台包括主mongodb模块、采集群目标组管理/任务管理模块、命令分发服务模块、数据接收服务模块、api接口模块和统计服务模块。
146.主mongodb模块主要负责设备组管理信息、任务管理信息、统计信息以及网络参数信息的存储和管理。主mongodb模块实现数据库的基本功能。
147.采集群组管理/任务管理模块主要负责对设备进行批量管理，以及负责对任务进行配置，配置包含采集网络参数项、采集频率、触发时间、任务设备控制、参数采集指令、采集频率中的一种或多种。其中，采集群组管理模块主要负责对设备进行批量管理，任务管理模块主要负责任务进行配置，配置包括采集网络参数项，采集频率，触发时间，任务设备控制等；同时参数采集指令及采集频率也可进行配置，且可根据场景按需设置，避免资源浪费。
148.命令分发服务模块主要负责根据任务配置将任务分发到目标平台。
149.数据接收服务模块主要负责同步省平台的数据，同步过程采用grpc加密，将目标
公司的数据保存到主mongodb模块。
150.api接口模块主要负责将存储在主mongodb模块中的网络参数数据，以接口的方式传送给上层应用平台。
151.统计服务模块主要负责对采集任务过程进行统计分析。本实施例中，统计服务模块主要负责从产品、模组、目标平台等维度对采集任务过程进行统计分析。
152.目标平台包括api缓存命令接口、目标mongodb模块、采集服务模块、nb接入机模块和终端设备。
153.api缓存命令接口主要负责存储离线命令及离线命令更换或删除。
154.目标mongodb模块主要负责采集任务缓存命令的保存和分发，以及设备接入信息的管理、设备上报数据的管理。
155.采集服务模块主要负责在终端设备上线后下发离线命令；在终端设备注册或更新(update)时，采集指令伴随下发，终端设备无需单独唤醒，额外功耗几乎无感知。
156.nb接入机模块主要负责终端设备的接入管理，将离线命令下发给终端设备。
157.终端设备用于在收到离线命令后，按命令的指示进行数据采集，并将采集到的数据保存到目标平台。
158.nb网络分析平台包括nb网络分析模块和数据采集管理模块。
159.其中，nb网络分析模块用于数据的分析，可以用于行业综合分析，可根据不同的行业进行统计分析，统计分析内容包含行业网络质量和行业的业务需求。可以根据不同的行业进行统计分析，输出行业的市场发展情况，行业网络质量，行业价值等多维度分析。
160.nb网络分析模块能够实现上述方法实施例中的行业综合分析模块的功能。
161.数据采集管理模块用于数据的处理和存储，可以负责对终端的业务行为数据和话单数据进行整合，并将业务按照流量及上报频率进行分类，以及对物联网终端进行ai建模。
162.数据采集管理模块能够实现上述方法实施例中的数据处理模块和ai建模模块的功能。
163.主平台负责设备群组管理和任务管理，以及通过数据接收服务同步目标平台的数据，同步过程采用grpc加密，将目标公司的数据保存到主mongodb模块。
164.sass应用平台负责通过api接口的方式接收主mongodb中存储的网络参数数据。采用sdk上报网络参数，实现类mr(测量报告)的测量和上报，在应用平台进行网络分析，支撑nb-iot网络优化。
165.具体来说，上述的nb-iot无线网络分析系统主要包括数据采集模块和nb网络分析平台；所述数据采集模块包括主平台、省平台和sass应用平台；所述nb网络分析平台包括nb网络分析模块和数据采集管理程序；进一步地，所述主平台包主mongodb模块、采集群组管理/任务管理模块、命令分发服务模块、数据接收服务模块、api接口模块和统计服务模块；主平台主要负责设备群组管理和任务管理，以及通过数据接收服务，同步省平台的数据，同步过程采用grpc加密，将省公司的数据保存到mongodb模块；主mongodb模块主要负责：数据库的基本功能，包括设备组管理信息，任务管理信息，统计信息，以及网络参数信息存储和管理；采集群组管理模块主要负责对设备进行批量管理，任务管理模块主要负责任务进行配置，配置包括采集网络参数项，采集频率，触发时间，任务设备控制等；同时参数采集指令及采集频率也可进行配置，且可根据场景按需设置，避免资源浪费；命令分发服务模块主要
负责根据任务配置将任务分发到省平台；数据接收服务模块主要负责同步省平台的数据，同步过程采用grpc加密，将省公司的数据保存到mongodb；api接口模块主要负责将存储在mongodb中的网络参数数据，以接口的方式传送给上层应用平台；统计服务模块主要负责对产品，模组，省平台等维度对采集任务过程进行统计分析；进一步地，所述省平台包括api缓存命令接口、mongodb模块、采集服务模块、nb接入机模块和终端设备；api缓存命令接口主要负责存储离线命令及离线命令更换或删除；省mongodb模块主要负责采集任务缓存命令的保存和分发，设备接入信息的管理，设备上报数据的管理；采集服务模块主要负责在终端设备上线后，下发离线命令；在终端设备注册和update(更新)平台时，采集指令伴随下发，设备无需单独唤醒，额外功耗几乎无感知；nb接入机模块负责终端设备的接入管理；将离线命令下发给终端设备；终端设备负责在收到离线命令后，按命令的指示进行数据采集，并将采集到的数据保存到省平台；进一步地，所述sass应用平台负责通过api接口的方式接收mongodb中存储的网络参数数据；采用sdk上报网络参数，实现类mr报告的测量和上报，在应用平台进行网络分析，支撑nb-iot网络优化。
166.本发明所述系统的工作原理可参照前述方法实施例的描述。本发明的该实施例所述的无线网络分析系统，实现方式与上述实施例的方法相同，上述实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
167.本发明实施例的无线网络分析系统，可对物联网设备进行网络质量评估分析，通过积累的行业信息数据，可以对行业的业务需求进行统计分析，为套餐定制提供指导作用；同时根据行业的网络指标分析，帮助目标公司发现网络短板，可针对重点行业发展找到着力点，为行业推广提供指导方向；按行业进行业务和网络指标分析，优于传统的分析方法，更适应物联网业务的多场景特征，方便用户更好的了解和优化网络。
168.本发明的实施例还提供一种计算机可读存储介质，包括指令，当所述指令在计算机运行时，使得计算机执行上述各方法实施例所提供的方法。上述实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
169.在本发明所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如单元的划分，仅仅是一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
170.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
171.上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only-memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等各种可以存储程序代码的介质。
172.以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。