本发明涉及无线通信,具体地说是一种基于地图poi的场景识别方法及系统。
背景技术:
1、根据目前lte无线业务规模,传统方式实现庞大网络业务数据定位分析处理,常规方式为通过信令数据实现,而大规模场景关联计算动辄需要百亿级数据的计算规模,耗费资源大、时间周期长。
2、同时现有分析模型中,需要通过信令数据定位方式带来的复杂计算度以及庞大计算量问题,实现分钟级对场景关联情况的结果输出。
3、故如何快速适配不断发展的场景分析要求,提升网络分析效率是目前亟待解决的技术问题。
技术实现思路
1、本发明的技术任务是提供一种基于地图poi的场景识别方法及系统,来解决如何快速适配不断发展的场景分析要求,提升网络分析效率的问题。
2、本发明的技术任务是按以下方式实现的,一种基于地图poi的场景识别方法,该方法是基于mrs测量报告中的时间提前量ta与enodeb天线到达角aoa二维测量数据,结合基站基准工参数据及gis poi图层,通过对二维测量进行解析分离,转换成gis地图数据,与poi图层进行交叠分割计算、汇聚并自动识别出场景信息;具体如下:
3、mr测量报告地理模型转换;
4、poi识别关联;
5、性能指标关联。
6、作为优选,基于mrs测量报告中的时间提前量ta与enodeb天线到达角aoa二维测量数据是指td-lte数字蜂窝移动通信网无线操作维护中心(omc-r)提供的无线测量数据;当测量方式采用周期测量时,在测量任务定制时对上报周期进行配置;对一个测量,报告触发方式采用事件触发或周期性触发;
7、基站基准工参数据用于定义基站站号及基站经纬度。
8、更优地,时间提前量ta具体如下:
9、定义ue用于调整其主小区pucch/pusch/srs上行发送的时间;在rrc连接状态下,enodeb天线到达角aoa基于测量对应ue的上行传输来确定每个ue的ta调整值,ta调整值取值范围为(0,1,2,...,1282)×16ts;本次得到的最新的时间提前量即为上次记录的时间提前量与本次enodeb测量得到的调整值之和;
10、时间提前量ta的值具体算法为:在随机接入过程中,enodeb天线到达角aoa通过测量接收到导频信号来确定时间提前量ta的值,时间提前量ta的值的取值范围为(0,1,2,...,1282)×16ts;
11、时间提前量ta的值用于确定ue距离基站的远近,实现小区的覆盖分析,判断是否需要对小区天线做出调整,并判断基站的覆盖区域是否合理,是否存在过覆盖和覆盖阴影区,同时利用时间提前量ta辅助提供位置服务。
12、更优地,enodeb天线到达角aoa具体如下:
13、定义一个用户相对参考方向逆时针方向的估计角度,规定参考方向应为正北方向;本测量数据表示omc-r统计周期内满足取值范围条件的按照分区间统计天线到达角的样本个数;
14、enodeb天线到达角aoa的值具体算法为:整体为360度,通过参考方向正北方向,统计周期内满足取值范围条件的按照分区间统计天线到达角的样本个数,样本个数的取值范围(0,...,11);
15、enodeb天线到达角aoa的值用于确定用户所处的方位、提供定位服务以及进行覆盖分析。
16、更优地,mr测量报告地理模型转换具体如下:
17、将每个小区二维细分到132个测量区间,根据采样点占比,将小区kpi指标细分到每个场景,精确汇聚出poi场景指标结果;
18、poi场景指标结果通过时间提前量ta和enodeb天线到达角aoa的二维叠加统计:时间提前量ta计算ue终端与基站的距离,即ta0-ta10区间;enodeb天线到达角aoa计算ue终端与基站的偏离角度,即aoa0-aoa11区间;
19、二维叠加统计后形成小区周边客户业务活动区域信息。
20、更优地,poi识别关联具体如下:
21、时间提前量ta从纵向维度实现ue终端和基站位置的距离判断;
22、enodeb天线到达角aoa从横向维度实现ue端和基站位置的夹角判断;
23、取时间提前量ta及enodeb天线到达角aoa两者交集实现基站和ue终端所在位置定位判断;
24、通过将每个基站的二维测量数据不断叠加,形成采样点聚类数据集,结合mapinfo图层数据中的场景底图,直接叠加呈现结果。
25、更优地,性能指标关联具体如下:
26、结合终端识别位置信息结果以及小区性能指标数据的情况,将指标情况细化,通过地理位置信息算法再次叠加,以gis方式呈现场景下的关联性能kpi结果;
27、其中,小区性能指标包括小区rrc连接数、话务量、流量、接通率以及掉线率。
28、一种基于地图poi的场景识别系统,该系统包括,
29、数据采集模块,用于采集地图数据、mr数据、基站基准工参数据以及小区性能指标数据;
30、数据处理模块,用于通过gis解析、mr归一化以及工参清洗的方式对数据进行预处理;
31、数据分析模块,用于基于mrs测量报告中的时间提前量ta与enodeb天线到达角aoa二维测量数据,结合基站基准工参数据及gis poi图层,通过对二维测量进行解析分离,转换成gis地图数据,与poi图层进行交叠分割计算、汇聚并自动识别出场景信息;
32、结果展示模块,用于通过poi识别关联,并结合终端识别位置信息结果以及小区性能指标数据的情况,将指标情况细化,通过地理位置信息算法再次叠加,以gis方式呈现场景下的关联性能kpi结果。
33、一种电子设备,包括:存储器和至少一个处理器;
34、其中,所述存储器上存储有计算机程序;
35、所述至少一个处理器执行所述存储器存储的计算机程序,使得所述至少一个处理器执行如上述的基于地图poi的场景识别方法。
36、一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序可被处理器执行以实现如上述的基于地图poi的场景识别方法。
37、本发明的基于地图poi的场景识别方法及系统具有以下优点:
38、(一)本发明通过poi场景和gis地理位置关联规则,寻找可替换数据源和关联规则,提升网络分析效率,快速适配不断发展的场景分析要求;
39、(二)本发明基于手机测量中ta(时间提前量)与aoa(天线到达角)数据、poi数据、小区工参数据,通过gis关联实现手机终端占用场景情况快速输出,分析不同场景下用户规模与流动变化情况;
40、(三)相对于传统地理位置划分场景poi方式,本发明的关联性能kpi结果从用户终端视角出发,基于ue活动的采样点进行统计,更能反馈用户活动分布情况。
1.一种基于地图poi的场景识别方法,其特征在于,该方法是基于mrs测量报告中的时间提前量ta与enodeb天线到达角aoa二维测量数据,结合基站基准工参数据及gis poi图层,通过对二维测量进行解析分离,转换成gis地图数据,与poi图层进行交叠分割计算、汇聚并自动识别出场景信息;具体如下:
2.根据权利要求1所述的基于地图poi的场景识别方法,其特征在于,基于,基于mrs测量报告中的时间提前量ta与enodeb天线到达角aoa二维测量数据是指td-lte数字蜂窝移动通信网无线操作维护中心提供的无线测量数据;当测量方式采用周期测量时,在测量任务定制时对上报周期进行配置;对一个测量,报告触发方式采用事件触发或周期性触发;
3.根据权利要求1或2所述的基于地图poi的场景识别方法,其特征在于,时间提前量ta具体如下:
4.根据权利要求3所述的基于地图poi的场景识别方法,其特征在于,enodeb天线到达角aoa具体如下:
5.根据权利要求4所述的基于地图poi的场景识别方法,其特征在于,mr测量报告地理模型转换具体如下:
6.根据权利要求5所述的基于地图poi的场景识别方法,其特征在于,poi识别关联具体如下:
7.根据权利要求6所述的基于地图poi的场景识别方法,其特征在于,性能指标关联具体如下:
8.一种基于地图poi的场景识别系统,其特征在于,该系统包括,
9.一种电子设备,其特征在于,包括:存储器和至少一个处理器;
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序可被处理器执行以实现如权利要求1至7中任一项所述的基于地图poi的场景识别方法。