[發明專利]室內外數據處理方法、裝置和存儲介質

在審

• 申請號: 201911186084.1
• 申請日: 2019-11-28
• 公開（公告）號: CN112861897A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 余育青;王敏;楊峰義;馬澤雄;王謙;宮云平;許盛宏;陳喜洲;李濤;高智衡;譚志遠;吳旭;陳園光;范家杰;劉陽;羅偉華
• 申請（專利權）人: 中國電信股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 李昊

本發明公開了一種室內外數據處理方法、裝置和存儲介質，涉及移動通信技術領域。室內外數據處理方法包括：根據測量報告數據，確定用戶室內外屬性以及相應的置信度；根據與測量報告數據屬于同一時間的用戶接入數據，對置信度進行修正；根據預設的閾值，確定可信的測量報告數據，并將相應的用戶室內外屬性作為測量報告數據的標記值；采用可信的測量報告數據對深度學習模型進行訓練，獲得用于分離室內測量報告數據和室外測量報告數據的分類模型。從而，可以自動化地構建具有更準確的標記結果的室內外測量報告數據作為訓練數據，使得通過有監督訓練得到的模型具有更高的室內外數據分離準確率。

技術領域

本發明涉及移動通信技術領域，特別涉及一種室內外數據處理方法、裝置和存儲介質。

背景技術

基于網絡的測量報告(Measurement Report，簡稱：MR)數據、資源數據、地理圖層等數據，可以結合大數據技術和人工智能AI技術進行LTE無線網絡的維護與優化工作。

目前尚未有一種可以全網開展的低成本采集室內、室外樣本數據的方法進行有監督的訓練過程。在相關技術中，區分室內MR的算法多采用自定義規則算法。例如，根據RSRP(Reference Signal Receiving Power，參考信號接收功率)強弱等信息賦予MR室內室外權重；或者，采用聚類等無監督的機器學習算法。

發明內容

發明人經過分析后發現，基于RSRP強弱的方法主要通過信號強度與閾值的比較結果判定MR數據的室內外屬性，這依據是室內信號強度弱于室外的網絡優化經驗。然而，實際上室內信號強于室外的場景并不少見。因此，無線信號的強弱與MR室內外屬性并無強關聯，基于閾值的判定類算法的準確率并不高。而無監督的機器學習算法相對于有監督的深度學習算法而言準確率較低。

本發明實施例所要解決的一個技術問題是：如何提高室內外MR數據分離的準確性。

根據本發明一些實施例的第一個方面，提供一種室內外數據處理方法，包括：根據測量報告數據，確定用戶室內外屬性以及相應的置信度；根據與測量報告數據屬于同一時間的用戶接入數據，對置信度進行修正；根據預設的閾值，確定可信的測量報告數據，并將相應的用戶室內外屬性作為測量報告數據的標記值；采用可信的測量報告數據對深度學習模型進行訓練，獲得用于分離室內測量報告數據和室外測量報告數據的分類模型。

在一些實施例中，測量報告數據中的每條數據包括預設時長內的一個或多個測量報告的信息。

在一些實施例中，根據測量報告數據，確定用戶室內外屬性以及相應的置信度包括：根據測量報告數據，確定用戶移動性特征；根據用戶移動性特征確定用戶室內外屬性以及相應的置信度。

在一些實施例中，根據測量報告數據中各個測量報告中的信號強度的統計結果，確定信號波動信息以作為用戶移動性特征；在信號波動信息的值大于預設的波動閾值情況下確定用戶的室內外屬性為室外，以及在信號波動信息的值不大于波動閾值情況下確定用戶的室內外屬性為室內；根據信號波動信息的值與波動閾值的差距，確定用戶室內外屬性的置信度。

在一些實施例中，根據測量報告數據中各個測量報告中的小區標識確定在預設時長內的切換次數，作為用戶移動性特征；在切換次數大于預設的次數閾值情況下確定用戶的室內外屬性為室外，以及在切換次數不大于次數閾值情況下確定用戶的室內外屬性為室內；根據切換次數與次數閾值的差距，確定用戶室內外屬性的置信度。

在一些實施例中，用戶接入數據包括小區基礎數據、家庭寬帶上網數據中的至少一種；小區基礎數據包括小區為室外站或室內站的標識，以及用戶的接入時間；家庭寬帶上網數據包括用戶的接入時間。