[發(fā)明專利]小區(qū)價值預測方法、裝置、電子設備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202111359940.6
• 申請日: 2021-11-17
• 公開（公告）號: CN114266285A
• 公開（公告）日: 2022-04-01
• 發(fā)明（設計）人: 熊建勝;孫洋洋;趙越;季成健;任心怡
• 申請（專利權(quán)）人: 中國聯(lián)合網(wǎng)絡通信集團有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G06Q10/04;G06Q10/06;G06Q50/32
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 張芳;黃健

1.一種小區(qū)價值預測方法，其特征在于，包括：

獲取基站小區(qū)在當天任一時段下的輸入特征指標，所述輸入特征指標包括所述基站小區(qū)的通信狀態(tài)信息、價值標簽和基本信息，以及所述時段的時間特征；

將所述基站小區(qū)的輸入特征指標，作為價值預測模型的輸入數(shù)據(jù)，獲得所述價值預測模型輸出的所述基站小區(qū)的價值預測結(jié)果；其中，所述價值預測模型是基于各基站小區(qū)的歷史特征指標經(jīng)過機器學習建立的；所述歷史特征指標包括基站小區(qū)在歷史第一時段下的通信狀態(tài)、歷史價值標簽和基本信息，以及所述預定時段的時間特征。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

獲取基站小區(qū)歷史日期的第一時段下的歷史特征指標；

從所述歷史特征指標選取日期位于預設第一閾值之前的歷史特征指標作為訓練集，并從所述訓練集以外的歷史特征指標中選取預定數(shù)量的歷史特征指標作為驗證集，其余的歷史特征指標作為測試集；

基于所述訓練集中的歷史特征指標，利用機器學習算法獲得初始的價值預測模型；基于所述驗證集中的歷史特征指標，對所述初始的價值預測模型進行模型調(diào)整；

根據(jù)所述測試集中的歷史特征指標，對當前的價值預測模型進行測試，若測試通過則完成所述價值預測模型的建立。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

對所述基站小區(qū)的各通信狀態(tài)信息利用指數(shù)分布進行擬合，獲得所述各通信狀態(tài)信息的指數(shù)概率密度函數(shù)，并對指數(shù)概率密度函數(shù)進行積分處理，獲得所述各通信狀態(tài)信息的累積概率分布；

基于價值度公式，計算所述基站小區(qū)的價值度；其中，所述價值度公式包括：

其中，n為除測量報告覆蓋率以外的第一通信狀態(tài)信息的個數(shù)，Wi為第i個第一通信狀態(tài)信息的權(quán)重，F(xiàn)_i(x)為第i個第一通信狀態(tài)信息取值為x時的累積概率值，W_mr為測量報告覆蓋率的權(quán)重，M為測量報告覆蓋率；

若所述基站小區(qū)的價值度小于預設第二閾值，則為該基站小區(qū)添加低價值小區(qū)標簽；若所述基站小區(qū)的價值度不小于所述第二閾值，則為該基站小區(qū)添加高價值標簽。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基本信息包括基站小區(qū)的位置、類型以及標識；所述通信狀態(tài)信息包括以下至少一種：上行網(wǎng)絡資源利用率、下行網(wǎng)絡資源利用率、上行流量、下行流量、用戶數(shù)、貴賓用戶數(shù)、小時資費以及測量報告覆蓋率。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取基站小區(qū)在當天任一時段下的輸入特征指標之后，還包括：

若所述基站小區(qū)屬于預定的特定小區(qū)集合，則將所述基站小區(qū)的輸入特征指標，作為該基站小區(qū)對應的第一價值預測模型的輸入數(shù)據(jù)，獲得所述第一價值預測模型輸出的所述基站小區(qū)的價值預測結(jié)果；其中，所述第一價值預測模型是基于該基站小區(qū)的歷史特征指標及其對應的已知結(jié)果經(jīng)過機器學習獲得的；

其中，所述特定小區(qū)集合中的每個基站小區(qū)對應有預先建立的價值預測模型。

6.根據(jù)權(quán)利要求1-5任一項所述的方法，其特征在于，所述方法還包括：

若所述基站小區(qū)在未來任一時段的價值預測結(jié)果為低價值小區(qū)，則在之后的所述預定時段下對該基站小區(qū)執(zhí)行基站關閉指令；

若所述基站小區(qū)在未來任一時段的價值預測結(jié)果為高價值小區(qū)，則不對所述基站小區(qū)執(zhí)行處理。

7.一種小區(qū)價值預測裝置，其特征在于，包括：

獲取模塊，用于獲取基站小區(qū)在當天任一時段下的輸入特征指標，所述輸入特征指標包括所述基站小區(qū)的通信狀態(tài)信息、價值標簽和基本信息，以及所述時段的時間特征；

處理模塊，用于將所述基站小區(qū)的輸入特征指標，作為價值預測模型的輸入數(shù)據(jù)，獲得所述價值預測模型輸出的所述基站小區(qū)的價值預測結(jié)果；其中，所述價值預測模型是基于各基站小區(qū)的歷史特征指標經(jīng)過機器學習建立的；所述歷史特征指標包括基站小區(qū)在歷史第一時段下的通信狀態(tài)、歷史價值標簽和基本信息，以及所述預定時段的時間特征。