[發(fā)明專利]一種基于大數(shù)據(jù)的基站共站址識別方法

在審

• 申請?zhí)枺?/td>: 202110509326.7
• 申請日: 2021-05-11
• 公開（公告）號: CN112990382A
• 公開（公告）日: 2021-06-18
• 發(fā)明（設(shè)計）人: 寇紅俠
• 申請（專利權(quán)）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(wù)所(普通合伙) 31354
• 代理人: 李明;袁媛

本發(fā)明公開了一種基于大數(shù)據(jù)的基站共站址識別方法，具體涉及基站共站址識別領(lǐng)域，包括以下步驟：S1、數(shù)據(jù)收集：收集多天無線測量報告MR數(shù)據(jù)和工參數(shù)據(jù)，主要使用的指標(biāo)變量有：時間、基站SiteId、本小區(qū)CellId、本小區(qū)TA、本小區(qū)RSRP、本小區(qū)頻點、鄰區(qū)小區(qū)NCellId、鄰小區(qū)頻點、鄰小區(qū)RSRP、用戶所在的經(jīng)度、用戶所在的緯度、本小區(qū)經(jīng)度、本小區(qū)緯度、是否共站標(biāo)記。本發(fā)明通過無線環(huán)境測量報告MR中對異網(wǎng)頻段信號所測得數(shù)據(jù)進行清洗，再采用機器學(xué)習(xí)的方法實現(xiàn)共站址站點的分類，成功克服了基于資管系統(tǒng)中不準(zhǔn)確站點信息的影響，可以準(zhǔn)確識別出基站是否為共享基站，為運營商共站共享的落地提供了有力支撐，是一種科學(xué)、有效和低成本的解決方法。

技術(shù)領(lǐng)域

本發(fā)明涉及基站共站址識別技術(shù)領(lǐng)域，更具體地說，本發(fā)明涉及一種基于大數(shù)據(jù)的基站共站址識別方法。

背景技術(shù)

移動通信網(wǎng)絡(luò)中的無線環(huán)境測量報告MR數(shù)據(jù)可以準(zhǔn)確的反應(yīng)網(wǎng)絡(luò)的覆蓋情況，為運營商了解無線網(wǎng)絡(luò)的覆蓋提供了很好的工具支撐。良好的網(wǎng)絡(luò)覆蓋，是運營商生存的根本保障。但隨著移動通信網(wǎng)絡(luò)的進一步演進，特別是4G逐步向5G網(wǎng)絡(luò)過度，無線網(wǎng)絡(luò)所采用的信號頻段波長越來越短，導(dǎo)致其建站規(guī)模成倍增加。據(jù)不完全統(tǒng)計，全國現(xiàn)有4G站點規(guī)模達到400多萬，5G站點規(guī)模將是4G站點的3倍以上，因此將直接導(dǎo)致運營商總投資成本進一步抬升。

共站共享是一項很好的優(yōu)化成本策略，目前三大運營商中（中國移動、中國電信和中國聯(lián)通）已經(jīng)組建了鐵塔集團，由鐵塔集團進行基站建設(shè)，然后租賃給三大運營商，三大運營商然后根據(jù)使用情況進行付費。由于歷史遺留問題，三大運營商擁有大量的自有站點，導(dǎo)致了運營商現(xiàn)自有站點與共享站點無法很好的區(qū)別分類，進一步影響了鐵塔集團的站點費用的分?jǐn)偅绗F(xiàn)有站點的區(qū)分主要靠站點經(jīng)緯度信息進行分類，但是由于現(xiàn)有運營商資管系統(tǒng)中站點基本信息與現(xiàn)場站點信息存在大量的不一致（主要是因為后期站點遷移后未能及時更新資管系統(tǒng)），導(dǎo)致現(xiàn)有站點分類不準(zhǔn)確。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明的實施例提供一種基于大數(shù)據(jù)的基站共站址識別方法，其是通過無線環(huán)境測量報告MR中對異網(wǎng)頻段信號所測得數(shù)據(jù)進行清洗，再采用機器學(xué)習(xí)的方法實現(xiàn)共站址站點的分類，以解決上述背景技術(shù)中提出的問題。

為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于大數(shù)據(jù)的基站共站址識別方法，包括以下步驟：

S1、數(shù)據(jù)收集：收集多天無線測量報告MR數(shù)據(jù)和工參數(shù)據(jù)，主要使用的指標(biāo)變量有：時間、基站SiteId、本小區(qū)CellId、本小區(qū)TA、本小區(qū)RSRP、本小區(qū)頻點、鄰區(qū)小區(qū)NCellId、鄰小區(qū)頻點、鄰小區(qū)RSRP、用戶所在的經(jīng)度、用戶所在的緯度、本小區(qū)經(jīng)度、本小區(qū)緯度、是否共站標(biāo)記；

S2、數(shù)據(jù)處理：對MR數(shù)據(jù)與工參數(shù)據(jù)進行處理得到新的數(shù)據(jù)，根據(jù)新的數(shù)據(jù)選擇本小區(qū)RSRP值在一定范圍的MR采樣點，對處理后的數(shù)據(jù)根據(jù)基站SiteId統(tǒng)計每個基站的MR采樣點數(shù)，保留MR采樣點數(shù)量大于設(shè)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(qū)和鄰小區(qū)RSRP均值、方差、離散系數(shù)、本小區(qū)RSRP與本小區(qū)TA之間的相關(guān)系數(shù)、以及對不同的本小區(qū)TA計算本小區(qū)和鄰小區(qū)RSRP均值、方差、離散系數(shù)、本小區(qū)RSRP與本小區(qū)TA之間的相關(guān)系數(shù)等，這些值則為每個基站的特征數(shù)據(jù)；是否共站標(biāo)記則為每個基站的標(biāo)簽數(shù)據(jù)，兩種數(shù)據(jù)形成新的數(shù)據(jù)；

S4、算法建模：對于上面提取特征后的數(shù)據(jù)按照一定的比例劃分為訓(xùn)練集和測試集，使用分類算法（隨機森林、GBDT、Xgboost）對訓(xùn)練集進行模型訓(xùn)練，對訓(xùn)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(xùn)練數(shù)據(jù)進行模型訓(xùn)練，通過不斷調(diào)整參數(shù)，每個算法獲得最佳模型，再使用訓(xùn)練好的模型對測試集進行驗證；

S6、模型應(yīng)用：根據(jù)上面選擇最終的模型后，保存模型，收集MR測量報告數(shù)據(jù)以及工參數(shù)據(jù)，對數(shù)據(jù)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(jié)果。