[發明專利]一種基于大數據的基站共站址識別方法

在審

• 申請號: 202110509326.7
• 申請日: 2021-05-11
• 公開（公告）號: CN112990382A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 寇紅俠
• 申請（專利權）人: 桔幀科技（江蘇）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;H04W24/10
• 代理公司: 上海氦閃專利代理事務所(普通合伙) 31354
• 代理人: 李明;袁媛

1.一種基于大數據的基站共站址識別方法，其特征在于，包括以下步驟：

S1、數據收集：收集多天無線測量報告MR數據和工參數據，主要使用的指標變量有：時間、基站SiteId、本小區CellId、本小區TA、本小區RSRP、本小區頻點、鄰區小區NCellId、鄰小區頻點、鄰小區RSRP、用戶所在的經度、用戶所在的緯度、本小區經度、本小區緯度、是否共站標記；

S2、數據處理：對MR數據與工參數據進行處理得到新的數據，根據新的數據選擇本小區RSRP值在一定范圍的MR采樣點，對處理后的數據根據基站SiteId統計每個基站的MR采樣點數，保留MR采樣點數量大于設定值的基站MR采樣點；

S3、特征提取：按每基站SiteId維度，計算所有MR采樣點的本小區和鄰小區RSRP均值、方差、離散系數、本小區RSRP與本小區TA之間的相關系數、以及對不同的本小區TA計算本小區和鄰小區RSRP均值、方差、離散系數、本小區RSRP與本小區TA之間的相關系數等，這些值則為每個基站的特征數據；是否共站標記則為每個基站的標簽數據，兩種數據形成新的數據；

S4、算法建模：對于上面提取特征后的數據按照一定的比例劃分為訓練集和測試集，使用分類算法（隨機森林、GBDT、Xgboost）對訓練集進行模型訓練，對訓練后模型對測試集進行驗證；

S5、模型選擇：分別使用隨機森林、GBDT、Xgboost算法對訓練數據進行模型訓練，通過不斷調整參數，每個算法獲得最佳模型，再使用訓練好的模型對測試集進行驗證；

S6、模型應用：根據上面選擇最終的模型后，保存模型，收集MR測量報告數據以及工參數據，對數據進行處理，使用保存的模型對基站進行分類，輸出所有基站的識別結果。

2.根據權利要求1所述的一種基于大數據的基站共站址識別方法，其特征在于，所述步驟S2包括以下子步驟：

S21、將MR數據與工參數據通過小區CellId進行匹配，得到每個小區所屬基站以及小區的位置坐標（經度、緯度），對匹配后的記錄刪除位置坐標為空的數據；

S22、對步驟S21中處理后的數據根據用戶所在位置坐標（經度、緯度）和小區位置坐標（經度、緯度）計算每個MR采樣點到基站的距離，刪除離基站較遠的MR采樣點和刪除距離與TA不匹配的采樣點，得到新的數據；

S23、對步驟S22中得到的數據選擇本小區RSRP值在一定范圍的MR采樣點，對處理后的數據根據基站SiteId統計每個基站的MR采樣點數，保留MR采樣點數量大于設定值的基站MR采樣點。

3.根據權利要求1所述的一種基于大數據的基站共站址識別方法，其特征在于，所述步驟S4中隨機森林的算法包括以下步驟：

S411、應用bootstrap方法從訓練集中隨機有放回地抽取K個新的自助樣本集，并由此構建K棵分類樹，每次未被抽到的樣本組成了K個袋外數據；

S412、在每一棵數的每個節點處隨機抽取mM個變量，通過計算每個變量蘊含的信息量，然后在m個變量中選擇一個最具有分類能力的變量進行節點分裂；

S413、完整生成所有的決策樹，無需剪枝；

S414、終端節點的所屬類別由節點對應的眾數類別決定；

S415、對于新的觀測點，用所有的樹對其進行分類，其類別由多數決定原則生成。