异常室分小区识别方法、装置及电子设备与流程

1.本技术涉及通信技术领域，尤其涉及一种异常室分小区识别方法、装置及电子设备。


背景技术：

2.为了保证移动通行网络的性能，通常需要识别异常的移动网络小区并进行故障分析。
3.目前，主要是依据基站主设备是否存在告警、小区的kpi指标(如掉话率、拥塞率、覆盖率、利用率以及切换成功率等)是否正常、对小区的现场测试数据或用户投诉数据来识别异常小区。但是，由于室分小区除了基站主设备故障，还会因为分布系统馈线长、连接点多等原因而产生一些隐蔽性强的分布系统故障，这类隐形问题从kpi指标和硬件告警上难以发现，进而无法准确识别出异常室分小区。虽然依据对小区的现场测试数据或者用户投诉数据能够识别出异常室分小区，但前者耗时耗力，后者存在发现周期长的弊端。


技术实现要素：

4.本技术实施例得到目的提供一种异常室分小区识别方法，以解决现有技术中对异常室分小区的识别方案存在的识别效率和准确率低、人力成本高等问题。
5.为解决上述技术问题，本技术实施例采用下述技术方案：
6.第一方面，本技术实施例提供一种异常室分小区识别方法，包括：
7.获取目标室分小区的测量报告mr数据、所述目标室分小区的业务量和所述目标室分小区的关联小区的业务量，所述mr数据包括所述室分小区内的采样点数据及采样点测得的所述目标室分小区的接收电平数据；
8.基于所述目标室分小区的mr数据，确定所述目标室分小区的接收电平；
9.基于所述目标室分小区的接收电平与预设的基准接收电平之间的差异，确定所述目标室分小区是否为疑似异常小区；
10.如果是，则基于所述目标室分小区的业务量和所述目标室分小区的关联小区的业务量，确定所述目标室分小区是否异常。
11.第二方面，本技术实施例提供一种异常室分小区识别装置，包括：
12.第一获取单元，用于获取目标室分小区的测量报告mr数据、所述目标室分小区的业务量和所述目标室分小区的关联小区的业务量，所述mr数据包括所述室分小区内的采样点数据及采样点测得的所述目标室分小区的接收电平数据；
13.第一确定单元，用于基于所述目标室分小区的mr数据，确定所述目标室分小区的接收电平数据；
14.第一识别单元，用于基于所述目标室分小区的接收电平数据与预设的基准接收电平数据之间的差异，确定所述目标室分小区是否为疑似异常小区；
15.第二识别单元，用于如果是，则基于所述目标室分小区的业务量和所述目标室分
小区的关联小区的业务量，确定所述目标室分小区是否异常。
16.第三方面，本技术实施例提供一种电子设备，包括：
17.处理器；
18.用于存储所述处理器可执行指令的存储器；
19.其中，所述处理器被配置为执行所述指令，以实现第一方面所述的方法。
20.第四方面，本技术实施例提供一种计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行第一方面所述的方法。
21.本技术实施例采用的上述至少一个技术方案能够达到以下有益效果：
22.基于目标室分小区的mr数据确定目标室分小区的接收电平数据，基于目标室分小区的接收电平数据与预设的基准接收电平数据之间的差异，确定目标室分小区是否为疑似异常小区，如果是，则基于所述目标室分小区的业务量和目标室分小区的关联小区的业务量，确定目标室分小区是否异常。可见，本技术实施例提供的技术方案，是依据全网内采样点数与采样点测得的室分小区的接收电平数据之间的关联关系，对异常室分小区进行初步识别，然后辅以室分小区的业务量和室分小区的关联小区的业务量进一步确定室分小区是否异常，相较于现有技术中对异常室分小区的识别方案，能够更快速、准确且科学地进行异常室分小区的识别，且无需人工参与，节省人力成本、缩短处理周期。
附图说明
23.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
24.图1为本技术一示例性实施例提供的一种异常室分小区识别方法的流程示意图；
25.图2为本技术另一示例性实施例提供的一种异常室分小区识别方法的流程示意图；
26.图3为本技术一示例性实施例提供的一种室分小区内的采样点分布信息示意图；
27.图4为本技术一示例性实施例提供的一种全网内的采样点分布信息示意图；
28.图5为本技术一示例性实施例提供的一种电子设备的结构示意图；
29.图6为本技术一示例性实施例提供的一种异常室分小区识别装置的结构示意图。
具体实施方式
30.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
31.以下结合附图，详细说明本技术各实施例提供的技术方案。
32.为解决现有技术中对异常室分小区的识别方案存在的识别效率和准确率低、人力成本高等问题，本技术一个或多个实施例提供一种异常室分小区识别方法，依据全网内采样点数与采样点测得的室分小区的接收电平数据之间的关联关系，对异常室分小区进行初步识别，然后辅以室分小区的业务量和室分小区的关联小区的业务量进一步确定室分小区是否异常，相较于现有技术中对异常室分小区的识别方案，能够更快速、准确且科学地进行
异常室分小区的识别，且无需人工参与，节省人力成本、缩短处理周期。
33.应理解，本技术实施例提供的异常室分小区识别方法的执行主体，可以包括但不限于服务器、计算机等能够被配置为执行本技术实施例提供的该方法中的至少一种。
34.以下结合附图，详细说明本技术各实施例提供的技术方案。
35.请参考图1，为本技术一示例性实施例提供的一种异常室分小区识别方法的流程示意图。如图1所示，该方法包括以下步骤：
36.s102，获取目标室分小区的mr数据、目标室分小区的业务量和目标室分小区的关联小区的业务量。
37.其中，目标室分小区是指待分析的小区。目标室分小区的mr数据包括目标室分小区内的采样点数据及采样点测得的目标室分小区的接收电平数据。
38.室分小区的测量报告(measure report，mr)数据是指对室分小区进行测量所得的mr数据。具体实施时，可基于用户设备(user equipment，ue)上报的mr进行分类和整合得到。具体来说，ue上报的mr包括ue的主服务小区及测得得到主服务小区的接收电平数据，然后，基于目标ue上报的mr，确定目标室分小区的mr数据，其中，目标ue的主服务小区为目标室分小区。
39.s104，基于目标室分小区的mr数据，确定目标室分小区的接收电平数据。
40.具体实施时，目标室分小区的接收电平可以根据目标室分小区内的采样点数及各个采样点测得的目标室分小区的接收电平数据确定。
41.在可选的实施方式中，可以根据目标室内小区内所有采样点测得的目标室分小区的接收电平的平均值，确定为目标室分小区的接收电平。
42.在更为优选的实施方式中，通过对全网内的各个室分小区的采样点数据及采样点测得的室分小区的接收电平数据进行分析发现，全网内的采样点测得的接收电平数据与采样点的分布具有明显的关联性，且通过对关联性进一步分析发现，全网内的采样点数在不同的接收电平区间呈整正态分布，而接收电平的均方差则能够更准确地反映统计不同接收电平对应的采样点的分布程度，进而一个室分小区的接收电平均方差能够从一定程度上反映出该室分小区异常与否。基于此，可以将目标室分小区的接收电平均方差作为目标室分小区的接收电平。具体地，如图2所示，上述步骤s104可以包括：
43.s141，基于目标室分小区的mr数据，确定目标室分小区内的采样点分布信息。
44.其中，采样点分布信息用于指示目标室分小区内的采样点数在不同接收电平区间的分布情况。实际实施时，接收电平区间的大小可以根据实际需要进行设置。
45.例如，可以将目标室分小区内的采样点测得的接收电平的最小值作为起点，以每两个dbm为一个接收电平区间的长度，并按照测得的接收电平，对各个接收电平区间内的采样点数进行统计，由此得到目标室分小区内的采样点数在不同接收电平区间的分布情况。图3示出了一目标室分小区内的采样点分布信息的示例，其中，横坐标上的rsrp00至rsrp46表示接收不同的接收电平区间，纵坐标表示采样点数。
46.s142，基于目标室分小区的采样点分布信息，确定目标室分小区的接收电平均方差。
47.在一种可选的实施方式中，可通过常用的拟合算法对目标室分小区的采样点分布信息进行拟合，根据拟合结果确定目标室分小区的接收电平均方差。在另一些可选的实施
方式中，可以通过公式(1)，基于目标室分小区内各个接收电平区间内的采样点数，确定出目标室分小区的接收电平均值，然后通过公式(2)确定出目标室分小区的接收电平均方差。
[0048][0049][0050]
其中，m表示目标室分小区的接收电平均值，xi表示目标室分小区内的采样点数，xi表示目标室分小区内的第i个采样点测得的目标室分小区的接收电平数据，d表示目标小区的接收电平均方差。
[0051]
s106，基于目标室分小区的接收电平数据与预设的基准接收电平数据之间的差异，确定目标室分小区是否为疑似异常小区。
[0052]
其中，基准接收电平数据用于表征全网内的正常室分小区的接收电平情况，其可以通过对全网内的室分小区的mr数据进行分析并基于分析结果预先设置。基于此，如果目标室分小区的接收电平数据与基准接收电平数据之间的差异较大，则可以初步确定目标室分小区为疑似异常小区；否则，可以确定目标室分小区为正常小区。
[0053]
在一种较为优选的实施方式中，由于全网内的采样点数在不同的接收电平区间呈整正态线性分布，而室分小区的接收电平均方差则能够更准确地反映室分小区内不同接收电平对应的采样点的分布程度，基于此，可将全网的接收电平均方差作为基准，基于目标室分小区的接收电平均方差与该基准之间的差异，确定目标室分小区内的采样点分布是否接近全网所呈现的正态线性分布，进而实现对目标室分小区进行初步异常识别。
[0054]
具体来说，目标室分小区的接收电平数据包括目标室分小区的接收电平均方差，上述基准接收电平数据包括全网的接收电平均方差。相应的，如图2所示，上述步骤s106可以包括：
[0055]
s161，获取目标室分小区的接收电平均方差与全网的接收电平均方差之间的差值。
[0056]
其中，全网的接收电平均方差可以通过全网内的采样点数据及采样点上报的主服务小区的接收电平数据进行统计分析得到。
[0057]
具体来说，首先，可以获取全网内的各个室分小区的mr数据，其中，室分小区的mr数据包括室分小区内的采样点数据及采样点上报的室分小区的接收电平数据。
[0058]
然后，基于全网内的各个室分小区的mr数据，确定全网内的采样点分布信息，其中，全网内的采样点分布信息用于指示全网内的采样点数在不同接收电平的分布情况。例如，可以将全网内的采样点测得的接收电平的最小值作为起点，以每两个dbm为一个接收电平区间的长度，并按照测得的接收电平，对各个接收电平区间内的采样点数进行统计，由此得到全网内的采样点数在不同接收电平区间的分布情况。图4示出了一种全网内的采样点分布信息的示例，其中，横坐标上的rsrp00至rsrp46表示接收不同的接收电平区间，纵坐标表示采样点数。
[0059]
最后，基于全网内的采样点分布信息，确定全网内的接收电平均方差。
[0060]
例如，可以通过常用的拟合算法对全网内的采样点分布信息进行拟合，根据拟合结果确定全网的接收电平均方差。或者，也可以通过上述公式(1)和公式(2)确定全网的接收电平均方差。
[0061]
s162，如果差值超过预设偏置值，则确定目标室分小区为疑似异常小区。
[0062]
其中，预设偏置值可以根据实际需要进行设置。
[0063]
如果目标室分小区的接收电平均方差与全网的接收电平均方差之间的差值越小，则表明目标室分小区内的采样点数在不同接收电平的分布越接近全网呈现的正态线性分布，因而可以确定目标室分小区为正常小区；反之，如果目标室分小区的接收电平均方差与全网的接收电平均方差之间的差值越大，且超过预设偏置值，则表明目标室分小区内的采样点数在不同接收电平的分布呈现非正态线性分布，异常于全网呈现的分布情况，可能为室分小区系统自身故障或重选切换邻区等参数不合理导致，进而可以确定目标室分小区为疑似异常小区。
[0064]
s108，如果目标室分小区为疑似异常小区，则基于目标室分小区的业务量和目标室分小区的关联小区的业务量，确定目标室分小区是否异常。
[0065]
由于目标室分小区的接收电平均方差与全网的接收电平均方差之间的差异超过预设偏置值时，可能室分系统自身故障或重选切换邻区等参数不合理等原因导致，在此情况下，可能会出现全网内的室分小区mr弱覆盖、流量不均衡等现象，基于此，可基于目标室分小区及其关联小区各自的业务量，进一步识别目标室分小区是否异常。
[0066]
具体来说，如图2所示，上述步骤s108可以包括：
[0067]
s181，将目标室分小区的关联小区的业务量与目标室分小区的业务量之间的比值，作为目标室分小区的关联业务占比。
[0068]
其中，目标室分小区的关联小区可以包括与目标室分小区之间发生过切换的一个或多个室分小区。在关联小区为多个的情况下，可以将所有关联小区的业务量之和与目标室分小区的业务量之间的比值，确定为目标室分小区的关联业务占比。
[0069]
进一步地，为进一步提高对异常室分小区的识别结果的准确性，可以将与目标室分小区之间发生切换次数较多的相邻室分小区，作为目标室分小区的关联小区。具体地，可以获取目标室分小区的历史切换数据，其中，历史切换数据包括与目标室分小区发生切换的相邻室分小区及发生切换的次数，进一步从与目标室分小区之间发生切换的相邻室分小区中，选取发生切换的次数满足预设关联条件的相邻室分小区，确定为目标室分小区的关联小区。例如，预设关联条件可以为发生切换的次数超过预设次数，其中，预设次数可以根据实际需要进行设置；或者，也可以按照发生切换的次数对与目标室分小区之间发生切换的相邻室分小区，相应地，预设关联条件可以为发生切换的次数最多的预设数量(如前三位)的室分小区，等等。
[0070]
可以理解，由于与目标室分小区之间发生切换次数较多的相邻室分小区与目标室分小区具有较强的关联性，将这类相邻室分小区作为目标室分小区的关联小区，进而基于目标室分小区及其关联小区各自的业务量，能够更准确地识别目标室分小区是否异常。
[0071]
s182，如果目标室分小区的关联业务占比是否超过预设业务占比，则确定目标室分小区异常。
[0072]
其中，预设业务占比用于表征全网内室分小区及其关联小区的业务量分布情况，
具体可以通过对全网内的各个室分小区及其关联小区的业务量进行分析设置。具体地，可以获取全网内的各个室分小区的业务量及关联小区信息，并基于全网内的各个室分小区的业务量及关联小区信息，确定第一和值和第二和值，其中，第一和值为全网内各个室分小区的关联小区的业务量之和，第二和值为全网内的各个室分小区的业务量之和。进一步地，将第一和值和第二和值之间的比值，确定为预设业务占比，即
[0073][0074]
进一步地，在确定出目标室分小区异常后，可以基于目标室分小区的通信网络参数，对目标室分小区进行优化，例如调整小区重选、切换参数门限以及室分整改等，以使优化后的目标室分小区内的采样点数呈现正交分布状态，从而起到提升室分小区质量、负载均衡等作用，提高用户设备平均下行速率和用户感知。
[0075]
采用本技术实施例提供的异常室分小区识别方法，基于目标室分小区的mr数据确定目标室分小区的接收电平数据，基于目标室分小区的接收电平数据与预设的基准接收电平数据之间的差异，确定目标室分小区是否为疑似异常小区，如果是，则基于所述目标室分小区的业务量和目标室分小区的关联小区的业务量，确定目标室分小区是否异常。可见，本技术实施例提供的技术方案，是依据全网内采样点数与采样点测得的室分小区的接收电平数据之间的关联关系，对异常室分小区进行初步识别，然后辅以室分小区的业务量和室分小区的关联小区的业务量进一步确定室分小区是否异常，相较于现有技术中对异常室分小区的识别方案，能够更快速、准确且科学地进行异常室分小区的识别，且无需人工参与，节省人力成本、缩短处理周期。
[0076]
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0077]
图5是本技术的一个实施例电子设备的结构示意图。请参考图5，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(random-access memory，ram)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
[0078]
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是isa(industry standard architecture，工业标准体系结构)总线、pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
[0079]
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
[0080]
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层
面上形成异常室分小区识别装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
[0081]
获取目标室分小区的测量报告mr数据、所述目标室分小区的业务量和所述目标室分小区的关联小区的业务量，所述mr数据包括所述室分小区内的采样点数据及采样点测得的所述目标室分小区的接收电平数据；
[0082]
基于所述目标室分小区的mr数据，确定所述目标室分小区的接收电平数据；
[0083]
基于所述目标室分小区的接收电平数据与预设的基准接收电平数据之间的差异，确定所述目标室分小区是否为疑似异常小区；
[0084]
如果是，则基于所述目标室分小区的业务量和所述目标室分小区的关联小区的业务量，确定所述目标室分小区是否异常。
[0085]
上述如本技术图1所示实施例揭示的异常室分小区识别装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
[0086]
该电子设备还可执行图1的方法，并实现异常室分小区识别装置在图1、图2所示实施例的功能，本技术实施例在此不再赘述。
[0087]
当然，除了软件实现方式之外，本技术的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
[0088]
本技术实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行图1所示实施例的方法，并具体用于执行以下操作：
[0089]
获取目标室分小区的测量报告mr数据、所述目标室分小区的业务量和所述目标室分小区的关联小区的业务量，所述mr数据包括所述室分小区内的采样点数据及采样点测得的所述目标室分小区的接收电平数据；
[0090]
基于所述目标室分小区的mr数据，确定所述目标室分小区的接收电平数据；
[0091]
基于所述目标室分小区的接收电平数据与预设的基准接收电平数据之间的差异，确定所述目标室分小区是否为疑似异常小区；
[0092]
如果是，则基于所述目标室分小区的业务量和所述目标室分小区的关联小区的业务量，确定所述目标室分小区是否异常。
[0093]
图6是本技术的一个实施例异常室分小区识别装置的结构示意图。请参考图6，在一种软件实施方式中，异常室分小区识别装置600可包括：
[0094]
第一获取单元610，用于获取目标室分小区的测量报告mr数据、所述目标室分小区的业务量和所述目标室分小区的关联小区的业务量，所述mr数据包括所述室分小区内的采样点数据及采样点测得的所述目标室分小区的接收电平数据；
[0095]
第一确定单元620，用于基于所述目标室分小区的mr数据，确定所述目标室分小区的接收电平数据；
[0096]
第一识别单元630，用于基于所述目标室分小区的接收电平数据与预设的基准接收电平数据之间的差异，确定所述目标室分小区是否为疑似异常小区；
[0097]
第二识别单元640，用于如果是，则基于所述目标室分小区的业务量和所述目标室分小区的关联小区的业务量，确定所述目标室分小区是否异常。
[0098]
一个实施例中，所述目标室分小区的接收电平为所述目标室分小区的接收电平均方差，所述基准接收电平为全网的接收电平均方差；
[0099]
一个实施例中，所述目标室分小区的接收电平数据包括所述目标室分小区的接收电平均方差，所述基准接收电平数据包括全网的接收电平均方差；
[0100]
所述第一识别单元630包括：
[0101]
电平差值获取子单元，用于获取所述目标室分小区的接收电平均方差与所述全网的接收电平均方差之间的差值；
[0102]
第一识别子单元，用于如果所述差值超过预设偏置值，则确定所述目标室分小区为疑似异常小区。
[0103]
一个实施例中，所述目标室分小区的接收电平数据包括所述目标室分小区的接收电平均方差；
[0104]
所述第一确定单元620包括：
[0105]
第一确定子单元，用于基于所述目标室分小区的mr数据，确定所述目标室分小区内的采样点分布信息，所述采样点分布信息用于指示所述目标室分小区内的采样点数在不同接收电平区间的分布情况；
[0106]
第二确定子单元，用于基于所述目标室分小区内的采样点分布信息，确定所述目标室分小区的接收电平均方差。
[0107]
一个实施例中，所述基准接收电平数据包括全网内的接收电平均方差；
[0108]
所述装置600还包括：
[0109]
第二获取单元，用于获取全网内的各个室分小区的mr数据，所述室分小区的mr数据包括所述室分小区内的采样点数据及采样点上报的所述室分小区的接收电平数据；
[0110]
第二确定单元，用于基于所述全网内的各个室分小区内的mr数据，确定所述全网内的采样点分布信息，所述全网内的采样点分布信息用于指示所述全网内的采样点数在不同接收电平区间的分布情况
[0111]
第三确定单元，用于基于所述全网内的采样点分布信息，确定所述全网内的接收电平均方差。
[0112]
一个实施例中，所述第二识别单元640包括：
[0113]
业务占比确定子单元，用于将所述目标室分小区的关联小区的业务量与所述目标室分小区的业务量之间的比值，作为所述目标室分小区的关联业务占比；
[0114]
第二识别子单元，用于如果所述目标室分小区的关联业务占比超过预设业务占比，则确定所述目标室分小区异常。
[0115]
一个实施例中，所述装置600还包括：
[0116]
第三获取单元，用于获取全网内的各个室分小区的业务量及关联小区信息；
[0117]
第四确定单元，用于基于所述全网内的各个室分小区的业务量及关联小区信息，确定第一和值和第二和值，所述第一和值为所述全网内各个室分小区的关联小区的业务量之和，所述第二和值为所述全网内的各个室分小区的业务量之和；
[0118]
第五确定单元，用于将所述第一和值和所述第二和值之间的比值，确定为所述预设业务占比。
[0119]
一个实施例中，所述装置600还包括：
[0120]
第四获取单元，用于获取所述目标室分小区的历史切换数据，所述历史切换数据包括与所述目标室分小区之间发生切换的相邻室分小区及发生切换的次数；
[0121]
第六确定单元，用于从与所述目标室分小区之间发生切换的相邻室分小区中，选取发生切换的次数满足预设关联条件的相邻室分小区，确定为所述目标室分小区的关联小区。
[0122]
采用本技术实施例提供的异常室分小区识别装置，基于目标室分小区的mr数据确定目标室分小区的接收电平数据，基于目标室分小区的接收电平数据与预设的基准接收电平数据之间的差异，确定目标室分小区是否为疑似异常小区，如果是，则基于所述目标室分小区的业务量和目标室分小区的关联小区的业务量，确定目标室分小区是否异常。可见，本技术实施例提供的技术方案，是依据全网内采样点数与采样点测得的室分小区的接收电平数据之间的关联关系，对异常室分小区进行初步识别，然后辅以室分小区的业务量和室分小区的关联小区的业务量进一步确定室分小区是否异常，相较于现有技术中对异常室分小区的识别方案，能够更快速、准确且科学地进行异常室分小区的识别，且无需人工参与，节省人力成本、缩短处理周期。
[0123]
总之，以上所述仅为本技术的较佳实施例而已，并非用于限定本技术的保护范围。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。
[0124]
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
[0125]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除
可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0126]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0127]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。