本发明实施例涉及计算机技术领域，具体涉及一种基站信号覆盖范围的计算方法、装置及计算设备。
背景技术
在移动通信工程设计中，确定基站覆盖范围是基站建设、网络优化的关键点及重要指标。现有技术中，以长期演进(Long Term Evolution，LTE)为例，无线覆盖范围用无线覆盖半径表示，该无线覆盖半径可通过以下过程确定：首先，进行基站拉远测试，在拉远过程中获取打点位置处的包括上行参考信号接收功率(Reference Signal Receiving Power，RSRP)和下行信号与干扰加噪声比(Signalto Interference plus Noise Ratio，SINR)的无线参数；接下来，分别得到上述无线参数与覆盖距离(即基站与打点位置的距离)之间的数据关系，并根据该数据关系分别拟合出上行RSRP参数、下行SINR参数与覆盖距离的函数关系：覆盖距离＝f(RSRP)以及覆盖距离＝f(SINR)；然后，根据运营商设定的上行RSRP参数值和下行SINR参数值及上述函数关系得到函数值f(RSRP)和f(SINR)，将这两个函数值进行比较，并将较小的函数值确定为无线覆盖半径。
现有的技术方案都是基于电磁波传播算法的小区覆盖仿真，不能去除建筑物、地形等干扰因素，得出的小区覆盖范围不够准确、完整。
技术实现要素：
鉴于上述问题，本发明实施例提供了一种基站信号覆盖范围的计算方法、装置及计算设备，克服了上述问题或者至少部分地解决了上述问题。
根据本发明实施例的一个方面，提供了一种基站信号覆盖范围的计算方法，所述方法包括：获取原始测量报告数据并进行预处理，所述原始测量报告数据包括多个包含经纬度信息的采样点；通过Java多线程的方式将预处理后的所述原始测量报告数据所在文件进行拆分或合并，形成预设大小的多个文件的待处理数据；根据所述经纬度信息将所述待处理数据中的采样点落到对应的栅格；根据所述栅格基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围。
在一种可选的方式中，所述获取原始测量报告数据并进行预处理，包括：获取基站采集的所述原始测量报告数据；对所述原始测量报告数据进行大数据分析，剔除异常采样点数据；对于部分非关键数据缺失的采样点数据，利用已有的数据进行关联；对于部分需要处理的字段，进行数值的转换和数据整体的规整。
在一种可选的方式中，所述通过Java多线程的方式将预处理后的所述原始测量报告数据所在文件进行拆分或合并，形成预设大小的多个文件的待处理数据，包括：通过Java多线程的方式对小于预设大小的包括预处理后的所述原始测量报告数据的文件进行合并；包括预处理后的所述原始测量报告数据的文件大小达到预设大小时，对所述文件进行拆分，创建一个新文件，形成预设大小的多个文件的所述待处理数据。
在一种可选的方式中，所述根据所述经纬度信息将所述待处理数据中的采样点落到对应的栅格，包括：对需要进行关联操作的文件通过测量数据的distributedcache特性进行加载；根据所述经纬度信息对所述待处理数据进行基于趋势的机器学习，把所述待处理数据中的所述采样点落到对应的栅格。
在一种可选的方式中，所述根据所述栅格基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围，包括：抽取地图要素，根据同一基站无线小区覆盖范围的所述栅格与所述地图要素结合，并基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围；将多个基站的小区，进行相互校验、修改基站无线小区的覆盖范围。
在一种可选的方式中，所述方法还包括：基站工参变化时，变更基站无线小区覆盖范围。
在一种可选的方式中，所述基站工参变化时，变更基站无线小区覆盖范围，包括：如果是基站角度变化，则调整无线小区角度，采用趋势学习算法根据原角度与原覆盖进行趋势比对，计算基站无线小区的覆盖范围；如果基站坐标变化，则按射线仿真模型结合地图要素，计算基站无线小区覆盖范围；如果是基站功率变化，则采用射线仿真模型根据原覆盖进行趋势分析，计算基站无线小区的覆盖范围；综合周边变化的多个基站的无线小区，进行相互校验叠加、修改基站无线小区覆盖范围。
根据本发明实施例的另一个方面，提供了一种基站信号覆盖范围的计算装置，所述装置包括：数据获取单元，用于获取原始测量报告数据并进行预处理，所述原始测量报告数据包括多个包含经纬度信息的采样点；文件合并单元，用于通过Java多线程的方式将预处理后的所述原始测量报告数据所在文件进行拆分或合并，形成预设大小的多个文件的待处理数据；栅格定位单元，用于根据所述经纬度信息将所述待处理数据中的采样点落到对应的栅格；空间拟合单元，用于根据所述栅格基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围。
根据本发明实施例的另一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述基站信号覆盖范围的计算方法的步骤。
根据本发明实施例的又一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使所述处理器执行上述基站信号覆盖范围的计算方法的步骤。
本发明实施例通过获取原始测量报告数据并进行预处理，所述原始测量报告数据包括多个包含经纬度信息的采样点；通过Java多线程的方式将预处理后的所述原始测量报告数据所在文件进行拆分或合并，形成预设大小的多个文件的待处理数据；根据所述经纬度信息将所述待处理数据中的采样点落到对应的栅格；根据所述栅格基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围，能够通过真实的采样点聚类，结合传统的电磁波射线算法，较真实的计算基站无线小区覆盖范围，准确度高。
上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的基站信号覆盖范围的计算方法的流程示意图；
图2示出了本发明实施例提供的基站信号覆盖范围的计算方法的采样点落到对应的栅格的示意图；
图3示出了本发明实施例提供的基站信号覆盖范围的计算方法的变更基站无线小区覆盖范围的示意图；
图4示出了本发明实施例提供的基站信号覆盖范围的计算装置的结构示意图；
图5示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明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发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例提供的基站信号覆盖范围的计算方法的流程示意图。该基站信号覆盖范围的计算方法主要应用于服务器。如图1所示，该基站信号覆盖范围的计算方法包括：
步骤S11：获取原始测量报告数据并进行预处理，所述原始测量报告数据包括多个包含经纬度信息的采样点。
具体地，获取基站采集的所述原始测量报告(Measurement Report，MR)数据。本发明实施例中后续应用mapreduce程序根据原始测量报告数据来获取基站无线小区的覆盖范围，由于基站采集的始测量报告数据本身可以利用的字段并不多，所以需要通过mapreduce程序对部分字段进行提取，并落地到Hadoop分布式文件系统(Hadoop Distributed File System，HDFS)上供后面的数据流使用，这样做可以提高后期的计算性能。
在本发明实施例中，对原始MR数据进行预处理，主要针对于数据缺失以及数据异常等情况。对所述原始测量报告数据进行大数据分析，剔除异常采样点数据，主要是结合无线工参中的发射功率、方向角，对于过远的“飞点”进行剔除，以免影响最后的出图。对于部分非关键数据缺失的采样点数据，比如无基站坐标等，利用已有的数据进行关联。对于部分需要处理的字段，如时间、字典值等，进行数值的转换和数据整体的规整。
在本发明实施例中，以天为单位，将处理数据存入HDFS每个文件夹中。以后每日基站采集的数据可以作为日增量数据，对于已有的数据进行补充。
步骤S12：通过Java多线程的方式将预处理后的所述原始测量报告数据所在文件进行拆分或合并，形成预设大小的多个文件的待处理数据。
在本发明实施例中，由于mapreduce2.X中的一个文件块(block)为256M，如果有太多碎片文件的话，一个小文件就会占领一个映射(map)进行，从而没有完全发挥机器性能，拖慢处理速度，因此在圈定覆盖范围任务之前会对预处理分发过来的包括预处理后的所述原始测量报告数据的文件进行小文件合并。具体地，通过Java多线程的方式对小于预设大小的包括预处理后的所述原始测量报告数据的文件进行合并；包括预处理后的所述原始测量报告数据的文件大小达到预设大小时，对所述文件进行拆分，创建一个新文件，形成预设大小的多个文件的所述待处理数据。预设大小优选为256M。小于256M的文件会合并成一个文件，当文件大小达到了256M时，创建一个新文件，从而减小小文件对于性能的影响。
步骤S13：根据所述经纬度信息将所述待处理数据中的采样点落到对应的栅格。
具体地，对需要进行关联操作的文件通过测量数据的distributedcache特性进行加载；根据所述经纬度信息对所述待处理数据进行基于趋势的机器学习，把所述待处理数据中的所述采样点落到对应的栅格。在本发明实施例中，在圈定基站无线小区覆盖范围的mapreduce程序中会用到一些字典表，以及基站ID表，如果在归约(reduce)的时候进行关联(join)操作的话可能有数据倾斜的危险，由于字典表的数据量本身可以接受，在启动圈定基站无线小区覆盖范围的任务之前通过生命周期利用MR数据的distributedcache特性将需要join的数据分发到每个map的机器上，从而避免因为某个基站数据量特别大而造成的任务卡在reduce的99％的情况。将需要进行关联操作的文件进行加载后，如图2所示，根据经纬度信息对待处理数据进行基于趋势的机器学习训练，把待处理数据中的采样点落到对应的栅格。
步骤S14：根据所述栅格基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围。
具体地，抽取地图要素，根据同一基站无线小区覆盖范围的所述栅格与所述地图要素结合，并基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围；然后将多个基站的小区，进行相互校验、修改基站无线小区的覆盖范围，如此，基于原始MR数据得到初始化的基站无线小区覆盖范围。本发明实施例通过map输入的xy坐标信息(即经纬度信息)，以基站ID为维度进行基站图形数据的生成，构建GeometryFactory对象，并输出到reduce过程。对于生成的基站图形数据，进行oracle批量入库操作，对于处理数据进行落地。
在本发明实施例中，如图3所示，基站工参变化时，变更基站无线小区覆盖范围。具体地，如果是基站角度变化，则调整无线小区角度，采用趋势学习算法根据原角度与原覆盖进行趋势比对，计算基站无线小区的覆盖范围。如果基站坐标变化，则按射线仿真模型结合地图要素，计算基站无线小区覆盖范围。如果是基站功率变化，则采用射线仿真模型根据原覆盖进行趋势分析，计算基站无线小区的覆盖范围。最后综合周边变化的多个基站的无线小区，进行相互校验叠加、修改基站无线小区覆盖范围。其中，射线仿真模型可以为现有的任一射线仿真模型，如双路径(two-path)模型、十射线模型、通用射线追踪模型以及Crosswave射线追踪模型等，在此不作限制。
无线扇区下附着用户的测量报告(MR)采样点，本发明实施例通过累积基于无线测量报告(MR)，累积扇区内的采样点，依据采样点经纬度打点聚类，通过特定算法，绘制、仿真出基站无线小区的覆盖范围。与传统测量方法的主要区别在于基站无线小区覆盖范围是通过真实采样点经纬度聚类绘制出来的，通过真实的采样点聚类，结合传统的电磁波射线算法，能去除建筑物、地形等干扰因素，能够较真实的计算无线小区覆盖范围。
本发明实施例通过获取原始测量报告数据并进行预处理，所述原始测量报告数据包括多个包含经纬度信息的采样点；通过Java多线程的方式将预处理后的所述原始测量报告数据所在文件进行拆分或合并，形成预设大小的多个文件的待处理数据；根据所述经纬度信息将所述待处理数据中的采样点落到对应的栅格；根据所述栅格基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围，能够通过真实的采样点聚类，结合传统的电磁波射线算法，较真实的计算基站无线小区覆盖范围，准确度高。
图4示出了本发明实施例的基站信号覆盖范围的计算装置的结构示意图。如图4所示，该基站信号覆盖范围的计算装置包括：数据获取单元401、文件合并单元402、栅格定位单元403以及空间拟合单元404。其中：
数据获取单元401用于获取原始测量报告数据并进行预处理，所述原始测量报告数据包括多个包含经纬度信息的采样点；文件合并单元402用于通过Java多线程的方式将预处理后的所述原始测量报告数据所在文件进行拆分或合并，形成预设大小的多个文件的待处理数据；栅格定位单元403用于根据所述经纬度信息将所述待处理数据中的采样点落到对应的栅格；空间拟合单元404用于根据所述栅格基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围。
在一种可选的方式中，数据获取单元401用于：获取基站采集的所述原始测量报告数据；对所述原始测量报告数据进行大数据分析，剔除异常采样点数据；对于部分非关键数据缺失的采样点数据，利用已有的数据进行关联；对于部分需要处理的字段，进行数值的转换和数据整体的规整。
在一种可选的方式中，文件合并单元402用于：通过Java多线程的方式对小于预设大小的包括预处理后的所述原始测量报告数据的文件进行合并；包括预处理后的所述原始测量报告数据的文件大小达到预设大小时，对所述文件进行拆分，创建一个新文件，形成预设大小的多个文件的所述待处理数据。
在一种可选的方式中，栅格定位单元403用于：对需要进行关联操作的文件通过测量数据的distributedcache特性进行加载；根据所述经纬度信息对所述待处理数据进行基于趋势的机器学习，把所述待处理数据中的所述采样点落到对应的栅格。
在一种可选的方式中，空间拟合单元404用于：抽取地图要素，根据同一基站无线小区覆盖范围的所述栅格与所述地图要素结合，并基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围；将多个基站的小区，进行相互校验、修改基站无线小区的覆盖范围。
在一种可选的方式中，空间拟合单元404还用于：基站工参变化时，变更基站无线小区覆盖范围。
在一种可选的方式中，空间拟合单元404还用于：如果是基站角度变化，则调整无线小区角度，采用趋势学习算法根据原角度与原覆盖进行趋势比对，计算基站无线小区的覆盖范围；如果基站坐标变化，则按射线仿真模型结合地图要素，计算基站无线小区覆盖范围；如果是基站功率变化，则采用射线仿真模型根据原覆盖进行趋势分析，计算基站无线小区的覆盖范围；综合周边变化的多个基站的无线小区，进行相互校验叠加、修改基站无线小区覆盖范围。
本发明实施例通过获取原始测量报告数据并进行预处理，所述原始测量报告数据包括多个包含经纬度信息的采样点；通过Java多线程的方式将预处理后的所述原始测量报告数据所在文件进行拆分或合并，形成预设大小的多个文件的待处理数据；根据所述经纬度信息将所述待处理数据中的采样点落到对应的栅格；根据所述栅格基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围，能够通过真实的采样点聚类，结合传统的电磁波射线算法，较真实的计算基站无线小区覆盖范围，准确度高。
本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基站信号覆盖范围的计算方法。
可执行指令具体可以用于使得处理器执行以下操作：
获取原始测量报告数据并进行预处理，所述原始测量报告数据包括多个包含经纬度信息的采样点；
通过Java多线程的方式将预处理后的所述原始测量报告数据所在文件进行拆分或合并，形成预设大小的多个文件的待处理数据；
根据所述经纬度信息将所述待处理数据中的采样点落到对应的栅格；
根据所述栅格基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
获取基站采集的所述原始测量报告数据；
对所述原始测量报告数据进行大数据分析，剔除异常采样点数据；
对于部分非关键数据缺失的采样点数据，利用已有的数据进行关联；
对于部分需要处理的字段，进行数值的转换和数据整体的规整。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
通过Java多线程的方式对小于预设大小的包括预处理后的所述原始测量报告数据的文件进行合并；
包括预处理后的所述原始测量报告数据的文件大小达到预设大小时，对所述文件进行拆分，创建一个新文件，形成预设大小的多个文件的所述待处理数据。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
对需要进行关联操作的文件通过测量数据的distributedcache特性进行加载；
根据所述经纬度信息对所述待处理数据进行基于趋势的机器学习，把所述待处理数据中的所述采样点落到对应的栅格。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
抽取地图要素，根据同一基站无线小区覆盖范围的所述栅格与所述地图要素结合，并基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围；
将多个基站的小区，进行相互校验、修改基站无线小区的覆盖范围。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
基站工参变化时，变更基站无线小区覆盖范围。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
如果是基站角度变化，则调整无线小区角度，采用趋势学习算法根据原角度与原覆盖进行趋势比对，计算基站无线小区的覆盖范围；
如果基站坐标变化，则按射线仿真模型结合地图要素，计算基站无线小区覆盖范围；
如果是基站功率变化，则采用射线仿真模型根据原覆盖进行趋势分析，计算基站无线小区的覆盖范围；
综合周边变化的多个基站的无线小区，进行相互校验叠加、修改基站无线小区覆盖范围。
本发明实施例通过获取原始测量报告数据并进行预处理，所述原始测量报告数据包括多个包含经纬度信息的采样点；通过Java多线程的方式将预处理后的所述原始测量报告数据所在文件进行拆分或合并，形成预设大小的多个文件的待处理数据；根据所述经纬度信息将所述待处理数据中的采样点落到对应的栅格；根据所述栅格基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围，能够通过真实的采样点聚类，结合传统的电磁波射线算法，较真实的计算基站无线小区覆盖范围，准确度高。
本发明实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任意方法实施例中的基站信号覆盖范围的计算方法。
可执行指令具体可以用于使得处理器执行以下操作：
获取原始测量报告数据并进行预处理，所述原始测量报告数据包括多个包含经纬度信息的采样点；
通过Java多线程的方式将预处理后的所述原始测量报告数据所在文件进行拆分或合并，形成预设大小的多个文件的待处理数据；
根据所述经纬度信息将所述待处理数据中的采样点落到对应的栅格；
根据所述栅格基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
获取基站采集的所述原始测量报告数据；
对所述原始测量报告数据进行大数据分析，剔除异常采样点数据；
对于部分非关键数据缺失的采样点数据，利用已有的数据进行关联；
对于部分需要处理的字段，进行数值的转换和数据整体的规整。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
通过Java多线程的方式对小于预设大小的包括预处理后的所述原始测量报告数据的文件进行合并；
包括预处理后的所述原始测量报告数据的文件大小达到预设大小时，对所述文件进行拆分，创建一个新文件，形成预设大小的多个文件的所述待处理数据。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
对需要进行关联操作的文件通过测量数据的distributedcache特性进行加载；
根据所述经纬度信息对所述待处理数据进行基于趋势的机器学习，把所述待处理数据中的所述采样点落到对应的栅格。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
抽取地图要素，根据同一基站无线小区覆盖范围的所述栅格与所述地图要素结合，并基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围；
将多个基站的小区，进行相互校验、修改基站无线小区的覆盖范围。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
基站工参变化时，变更基站无线小区覆盖范围。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
如果是基站角度变化，则调整无线小区角度，采用趋势学习算法根据原角度与原覆盖进行趋势比对，计算基站无线小区的覆盖范围；
如果基站坐标变化，则按射线仿真模型结合地图要素，计算基站无线小区覆盖范围；
如果是基站功率变化，则采用射线仿真模型根据原覆盖进行趋势分析，计算基站无线小区的覆盖范围；
综合周边变化的多个基站的无线小区，进行相互校验叠加、修改基站无线小区覆盖范围。
本发明实施例通过获取原始测量报告数据并进行预处理，所述原始测量报告数据包括多个包含经纬度信息的采样点；通过Java多线程的方式将预处理后的所述原始测量报告数据所在文件进行拆分或合并，形成预设大小的多个文件的待处理数据；根据所述经纬度信息将所述待处理数据中的采样点落到对应的栅格；根据所述栅格基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围，能够通过真实的采样点聚类，结合传统的电磁波射线算法，较真实的计算基站无线小区覆盖范围，准确度高。
图5示出了本发明实施例提供的计算设备的结构示意图，本发明具体实施例并不对设备的具体实现做限定。
如图5所示，该计算设备可以包括：处理器(processor)502、通信接口(Communications Interface)504、存储器(memory)506、以及通信总线508。
其中：处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。通信接口504，用于与其它设备比如客户端或其它服务器等的网元通信。处理器502，用于执行程序510，具体可以执行上述基站信号覆盖范围的计算方法实施例中的相关步骤。
具体地，程序510可以包括程序代码，该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU，或者是特定集成电路ASIC(Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或各个集成电路。设备包括的一个或各个处理器，可以是同一类型的处理器，如一个或各个CPU；也可以是不同类型的处理器，如一个或各个CPU以及一个或各个ASIC。
存储器506，用于存放程序510。存储器506可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行以下操作：
获取原始测量报告数据并进行预处理，所述原始测量报告数据包括多个包含经纬度信息的采样点；
通过Java多线程的方式将预处理后的所述原始测量报告数据所在文件进行拆分或合并，形成预设大小的多个文件的待处理数据；
根据所述经纬度信息将所述待处理数据中的采样点落到对应的栅格；
根据所述栅格基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围。
在一种可选的方式中，所述程序510使所述处理器执行以下操作：
获取基站采集的所述原始测量报告数据；
对所述原始测量报告数据进行大数据分析，剔除异常采样点数据；
对于部分非关键数据缺失的采样点数据，利用已有的数据进行关联；
对于部分需要处理的字段，进行数值的转换和数据整体的规整。
在一种可选的方式中，所述程序510使所述处理器执行以下操作：
通过Java多线程的方式对小于预设大小的包括预处理后的所述原始测量报告数据的文件进行合并；
包括预处理后的所述原始测量报告数据的文件大小达到预设大小时，对所述文件进行拆分，创建一个新文件，形成预设大小的多个文件的所述待处理数据。
在一种可选的方式中，所述程序510使所述处理器执行以下操作：
对需要进行关联操作的文件通过测量数据的distributedcache特性进行加载；
根据所述经纬度信息对所述待处理数据进行基于趋势的机器学习，把所述待处理数据中的所述采样点落到对应的栅格。
在一种可选的方式中，所述程序510使所述处理器执行以下操作：
抽取地图要素，根据同一基站无线小区覆盖范围的所述栅格与所述地图要素结合，并基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围；
将多个基站的小区，进行相互校验、修改基站无线小区的覆盖范围。
在一种可选的方式中，所述程序510使所述处理器执行以下操作：
基站工参变化时，变更基站无线小区覆盖范围。
在一种可选的方式中，所述程序510使所述处理器执行以下操作：
如果是基站角度变化，则调整无线小区角度，采用趋势学习算法根据原角度与原覆盖进行趋势比对，计算基站无线小区的覆盖范围；
如果基站坐标变化，则按射线仿真模型结合地图要素，计算基站无线小区覆盖范围；
如果是基站功率变化，则采用射线仿真模型根据原覆盖进行趋势分析，计算基站无线小区的覆盖范围；
综合周边变化的多个基站的无线小区，进行相互校验叠加、修改基站无线小区覆盖范围。
本发明实施例通过获取原始测量报告数据并进行预处理，所述原始测量报告数据包括多个包含经纬度信息的采样点；通过Java多线程的方式将预处理后的所述原始测量报告数据所在文件进行拆分或合并，形成预设大小的多个文件的待处理数据；根据所述经纬度信息将所述待处理数据中的采样点落到对应的栅格；根据所述栅格基于空间聚合算法进行空间拟合，形成基站无线小区的覆盖范围，能够通过真实的采样点聚类，结合传统的电磁波射线算法，较真实的计算基站无线小区覆盖范围，准确度高。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
