共覆盖小区对智能识别方法、装置、设备及存储介质与流程

技术特征：
1.一种共覆盖小区对智能识别方法，其特征在于，包括步骤：获取对若干个小区区域的采样数据，形成样本集，采样数据包括基站工参和mdt数据；对样本集中对应的小区区域进行格网划分，并将样本集中的mdt数据采样点聚类到格网中；根据样本集中的小区基站工参，构造小区对数据集；根据格网内的采样点得到各小区覆盖范围；根据小区覆盖范围，计算构造的小区对的重复覆盖面积，并进行共覆盖识别。2.根据权利要求1所述的共覆盖小区对智能识别方法，其特征在于，获取的所述mdt数据中至少包括小区经度、纬度、小区标识以及参考信号接收功率；所述基站工参至少包括基站号和基站小区号。3.根据权利要求1所述的共覆盖小区对智能识别方法，其特征在于，所述对样本集中对应的小区区域进行格网划分，并将样本集中的mdt数据采样点聚类到格网中，包括：确定聚类尺寸：设置小区覆盖压缩尺寸，将小区区域划分为若干该尺寸长宽的格网；将样本集中mdt数据对应的采样点聚类压缩，根据样本集中采样点的经纬度坐标、小区边界经纬度坐标以及格网编码的初始化坐标，聚类得出任意采样点映射到格网中的坐标，得到关于小区覆盖的格网信息数据。4.根据权利要求3所述的共覆盖小区对智能识别方法，其特征在于，所述将样本集中mdt数据对应的采样点聚类压缩时，其聚类函数为：其中(x
i
，y
i
)为采样点经纬度坐标，(x
max
，y
max
)、(x
min
，y
min
)为小区的边界经纬度，(r0，l0)为格网编码的初始坐标，(r
i
，l
i
)为采样点i映射的格网坐标；循环遍历小区mdt数据的采样点，得到关于小区覆盖的格网信息数据。5.根据权利要求1所述的共覆盖小区对智能识别方法，其特征在于，所述根据样本集中的小区基站工参，构造小区对数据集，包括：采用穷举式搜索算法，对样本集中所有基站号相同的小区构造小区对，得到小区对数据集。6.根据权利要求1所述的共覆盖小区对智能识别方法，其特征在于，所述根据格网内的采样点得到各小区覆盖范围，包括：根据单个小区内的采样点分布，采用凸包算法构造各小区的最大凸多边形；采用切分法计算各小区的面积；基于小区对的共有边界点搜索算法计算两个小区的重叠区域；利用二维象限法计算两个小区是否共覆盖。7.根据权利要求6所述的共覆盖小区对智能识别方法，其特征在于，所述采用切分法计算各小区的面积，包括：以格网中小区对应的凸多边形中的一个角点为顶点，把凸多边形切分成多个不相交的三角形；
按照以下公式计算每个三角形的面积：其中δabc表示设当前三角形顶点分别是a、b、c时的面积，a顶点在格网中的坐标为(x1,y1),b点在格网中的坐标为(x2,y2),c点在格网中的坐标为(x3,y3)。8.根据权利要求6所述的共覆盖小区对智能识别方法，其特征在于，所述基于小区对的共有边界点搜索算法计算两个小区的重叠区域，包括获取小区对中，第一小区和第二小区的凸外轮廓；获取当前两个小区的轮廓交点；获取当前两个小区轮廓上的共有顶点，该共有顶点为位于当前小区对的其中一个小区轮廓上、并且属于另一个小区覆盖范围内的采样点；根据所述轮廓交点和共有顶点，确定重叠区域，并计算重叠区域的面积。9.根据权利要求8所述的共覆盖小区对智能识别方法，其特征在于，所述利用二维象限法计算两个小区是否共覆盖，包括预设指标限值，根据所述小区对重叠区域的面积计算结果，利用该指标限值进行共覆盖识别，则：设置用于判定发生共覆盖的第一门限值，和用于判定覆盖范围一致的第二门限值；当小区对中，(重叠区域面积/第一小区面积)≤第一门限值，且(重叠区域面积/第二小区面积)≤第一门限值，则两小区不共覆盖；当小区对中，(重叠区域面积/第一小区面积)≥第二门限值，且(重叠区域面积/第二小区面积)≥第二门限值，则两小区覆盖范围一致；、当小区对中，(重叠区域面积/第一小区面积)≥第二门限值，且第一门限值＜(重叠区域面积/第二小区面积)＜第二门限值，则两小区覆盖方向一致且第二小区面积大于第一小区面积；、当小区对中，第一门限值＜((重叠区域面积/第一小区面积)＜第二门限值，且重叠区域面积/第二小区面积)≥第二门限值，则两小区覆盖方向一致且第一小区面积大于第二小区面积。10.根据权利要求9所述的共覆盖小区对智能识别方法，其特征在于，所述第一门限值为50％，第二门限值为70％。11.根据权利要求1-9任一项所述的共覆盖小区对智能识别方法，其特征在于，在对样本集中对应的小区区域进行格网划分之前，还包括：对样本集进行数据预处理，包括数据清洗和异常值处理；其中异常值处理包括经纬度数据异常检测处理和/或rsrp异常值检测处理：通过三倍标准差方法，对经纬度异常点和/或rsrp异常值进行数据筛选处理，剔除样本集中超出三倍标准差范围的采样点。12.一种共覆盖小区对智能识别装置，其特征在于，包括数据采集模块，用于获取对若干个小区区域的采样数据，形成样本集，采样数据包括基站工参和mdt数据；格网划分模块，用于对样本集中对应的小区区域进行格网划分，并将样本集中的mdt数
据采样点聚类到格网中；小区构造模块，用于根据样本集中的小区基站工参，构造小区对数据集；面积计算模块，用于根据格网内的采样点得到各小区覆盖范围；共覆盖判定模块，用于根据小区覆盖范围，计算构造的小区对的重复覆盖面积，并进行共覆盖识别。13.一种共覆盖小区对智能识别设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如权利要求1-11任意一项所述的在共覆盖小区对智能识别方法。14.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-11任意一项所述的在共覆盖小区对智能识别方法。

技术总结
本公开实施例公开了一种共覆盖小区对智能识别方法、装置、设备及存储介质，方法包括获取对若干个小区区域的采样数据，形成样本集，采样数据包括基站工参和MDT数据；对样本集中对应的小区区域进行格网划分，并将样本集中的MDT数据采样点聚类到格网中；根据样本集中的小区基站工参，构造小区对数据集；根据格网内的采样点得到各小区覆盖范围；根据小区覆盖范围，计算构造的小区对的重复覆盖面积，并进行共覆盖识别；本公开能够通过算法智能识别手段，可批量计算所有小区对的共覆盖属性，相比人工经验判断更高效；本公开通过计算两个小区的重叠覆盖区域面积识别共覆盖属性，相比传统人工凭经验判断，能够得到更为精准的判断结果。果。果。


技术研发人员：刘阳 吴强 高爱丽 刘桓 李泽尘
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2020.11.24
技术公布日：2022/5/31