CN113923706B - 移动网络覆盖质量评估方法及装置、电子设备、存储介质 - Google Patents
移动网络覆盖质量评估方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN113923706B CN113923706B CN202111270930.5A CN202111270930A CN113923706B CN 113923706 B CN113923706 B CN 113923706B CN 202111270930 A CN202111270930 A CN 202111270930A CN 113923706 B CN113923706 B CN 113923706B
- Authority
- CN
- China
- Prior art keywords
- data
- mobile network
- beam splitter
- target
- end beam
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000013441 quality evaluation Methods 0.000 title abstract description 17
- 238000001303 quality assessment method Methods 0.000 claims abstract description 22
- 238000012216 screening Methods 0.000 claims abstract description 16
- 230000003287 optical effect Effects 0.000 claims description 27
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010295 mobile communication Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000010998 test method Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
- H04B10/075—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal
- H04B10/079—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an in-service signal using measurements of the data signal
- H04B10/0795—Performance monitoring; Measurement of transmission parameters
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开提供了一种移动网络覆盖质量评估方法及装置、电子设备、存储介质，涉及移动通信领域，可以应用于对农村地区移动网络覆盖质量进行评估的场景。该移动网络覆盖质量评估方法包括：获取移动网络MR数据及待评估区域内各末端分光器的位置信息；基于各末端分光器的位置信息，根据筛选规则从移动网络MR数据中搜索以各末端分光器为中心的指定半径范围内的数据，得到各末端分光器对应的目标MR数据；根据该目标MR数据计算待评估区域的移动网络覆盖质量。本公开实施例的技术方案可以精准评估待评估区域的移动网络覆盖质量。
Description
技术领域
本公开涉及移动通信技术领域，具体而言，涉及一种移动网络覆盖质量评估方法、移动网络覆盖质量评估装置、电子设备以及计算机可读存储介质。
背景技术
移动通信网络的覆盖能力直接影响着用户终端的信号强弱和用户的使用体验。
目前，主要采用现场路测的方法评估移动网络的覆盖质量。对于城市区域，采用路测的方法能够达到较准确的评估结果；但对于农村地区，特别是偏远地区和贫困地区，受地理位置和地貌影响，采用逐一自然村路测的方式会消耗较大的人力和物力，且只能测试到具备通行条件的地方，这便导致测试结果无法真实反映农村地区的移动网络覆盖质量，影响无线基站的规划建设。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开实施例的目的在于提供一种移动网络覆盖质量评估方法、移动网络覆盖质量评估装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服农村地区移动网络覆盖质量的评估结果不准确的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开实施例的第一方面，提供了一种移动网络覆盖质量评估方法，包括：
获取移动网络测量报告MR数据及待评估区域内各末端分光器的位置信息；
基于所述各末端分光器的位置信息，根据筛选规则从所述移动网络MR数据中搜索各末端分光器对应的目标MR数据，所述目标MR数据为以末端分光器为中心的指定半径范围内的数据；
根据各末端分光器对应的目标MR数据计算所述待评估区域的移动网络覆盖质量。
在本公开的一些示例实施例中，基于前述方案，所述基于所述各末端分光器的位置信息，根据筛选规则从所述移动网络MR数据中搜索各末端分光器对应的目标MR数据包括：
利用所述移动网络MR数据构建KD树；
分别以各末端分光器的位置信息为目标点坐标，采用最近邻搜索算法在所述KD树中搜索所述目标点坐标指定半径范围内的数据点，得到各末端分光器对应的目标MR数据。
在本公开的一些示例实施例中，基于前述方案，所述移动网络MR数据中的每个数据包括经度值和纬度值；所述利用所述移动网络MR数据构建KD树包括：
构建根节点，所述根节点为所述移动网络MR数据中经度值的中值所对应的数据点；
以所述根节点为切分点，将所述移动网络MR数据中经度值小于所述中值的数据划分到左子树，将经度值大于所述中值的数据划分到右子树；
以经度和纬度交替作为切分维度，对所述左子树和所述右子树中的数据不断进行中值确定及基于所确定的中值进行左右子树的划分，直至无可划分的数据，得到KD树。
在本公开的一些示例实施例中，基于前述方案，所述根据各末端分光器对应的目标MR数据计算所述待评估区域的移动网络覆盖质量包括：
根据各末端分光器对应的目标MR数据计算各末端分光器的移动网络覆盖质量；
基于所述各末端分光器的移动网络覆盖质量确定目标末端分光器的数量，所述目标末端分光器为移动网络覆盖质量大于或等于预设阈值的末端分光器；
计算所述目标末端分光器的数量与所述待评估区域内末端分光器的总数的比值，得到所述待评估区域的移动网络覆盖质量。
在本公开的一些示例实施例中，基于前述方案，所述根据各末端分光器对应的目标MR数据计算各末端分光器的移动网络覆盖质量包括：
对于每个末端分光器，计算当前末端分光器对应的目标MR数据中满足预设条件的目标MR数据的数量与所述当前末端分光器对应的目标MR数据总数的比值，得到所述当前末端分光器的移动网络覆盖质量。
在本公开的一些示例实施例中，基于前述方案，所述目标MR数据中包括主邻小区信号强度，所述计算当前末端分光器对应的目标MR数据中满足预设条件的目标MR数据的数量与所述当前末端分光器对应的目标MR数据总数的比值包括：
统计子目标MR数据的数量，所述子目标MR数据为所述当前末端分光器对应的目标MR数据中主邻信号强度大于或等于预设强度阈值的MR数据；
计算所述子目标MR数据的数量与所述当前末端分光器对应的目标MR数据总数的比值。
在本公开的一些示例实施例中，基于前述方案，所述获取待评估区域内各末端分光器的位置信息包括：
从光纤到户FTTH资源管理系统中采集待评估区域内各末端分光器的位置信息。
根据本公开实施例的第二方面，提供了一种移动网络覆盖质量评估装置，包括：
获取单元，用于获取移动网络测量报告MR数据及待评估区域内各末端分光器的位置信息；
搜索单元，用于基于所述各末端分光器的位置信息，根据筛选规则从所述移动网络MR数据中搜索各末端分光器对应的目标MR数据，所述目标MR数据为以末端分光器为中心的指定半径范围内的数据；
计算单元，用于根据各末端分光器对应的目标MR数据计算所述待评估区域的移动网络覆盖质量。
根据本公开实施例的第三方面，提供了一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现上述任意一项所述的移动网络覆盖质量评估方法。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据上述任意一项所述的移动网络覆盖质量评估方法。
本公开实施例提供的移动网络覆盖质量评估方法、移动网络覆盖质量评估装置、电子设备以及计算机可读存储介质，可以根据获取的待评估区域内各末端分光器的位置信息和筛选规则从获取的移动网络MR数据中搜索以末端分光器为中心的指定半径范围内的数据，得到各末端分光器对应的目标MR数据，以获知待评估区域内移动用户常驻留区域的有效移动网络覆盖数据，然后根据各末端分光器对应的目标MR数据计算出待评估区域的移动网络覆盖质量，实现了待评估区域的移动网络覆盖质量的评估。本公开实施例的方案能够利用待评估区域内各末端分光器的位置分布，精准识别出待评估区域内移动用户常驻留的区域；通过将末端分光器的位置分布与海量的移动网络MR数据相结合，能够精准评估待评估区域的移动网络覆盖质量，避免了采用路测方法对农村地区移动网络覆盖质量进行评估时导致评估结果不准确的问题。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1示意性示出了FTTH的网络拓扑结构示意图；
图2示意性示出了根据本公开的一些实施例的移动网络覆盖质量评估方法的流程图；
图3示意性示出了根据本公开的一些实施例的所构建的KD树的示意图；
图4示意性示出了根据本公开的一些实施例的KD树的二维空间划分原理的示意图；
图5示意性示出了根据本公开的一些实施例的搜索出的目标MR数据的点集效果的示意图；
图6示意性示出了根据本公开的一些实施例的计算待评估区域的移动网络覆盖质量方法的流程图；
图7示意性示出了根据本公开的一些实施例的移动网络覆盖质量评估装置的示意图；
图8示意性示出了根据本公开的一些实施例的电子设备的计算机系统的结构示意图；
图9示意性示出了根据本公开的一些实施例的计算机可读存储介质的示意图。
在附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
此外，附图仅为示意性图解，并非一定是按比例绘制。附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在农村地区，可以使用FTTH(Fibre To The Home，光纤到户)技术实现宽带网络的接入。如图1所示，是FTTH的网络拓扑结构示意图，其包括OLT(optical line terminal，光线路终端)110、一级分光器120、二级分光器130和用户端ONU(Optical Network Unit，光网络单元)140，采用了EPON(Ethernet Passive Optical Network，以太网无源光网络)的“OLT—一级分光器—二级分光器—用户端ONU”的方式，该方式决定了分光器需要安装在下挂的所有宽带用户的中间位置，才能发挥最大性能，一般来说，用户距离FTTH二级分光器的距离不超过200米，距离一级分光器的距离可以稍远一些。在有线宽带和手机用户融合套餐模式下，分光器也是其下挂有线宽带对应套餐内移动用户活动的中间位置。
在此基础上，本公开实施例将末端分光器的位置分布与海量的移动网络MR(Measurement Report，测量报告)数据相结合，提供了一种新的移动网络覆盖质量评估方案，根据获取的待评估区域内各末端分光器的位置信息和筛选规则从获取的移动网络MR数据中搜索以末端分光器为中心的指定半径范围内的数据，得到各末端分光器对应的目标MR数据，然后根据各末端分光器对应的目标MR数据计算出待评估区域的移动网络覆盖质量并输出。
在本公开实施例中，末端分光器是指FTTH网络拓扑中最后一级的分光器，这类分光器主要用于与用户端连接，例如在图1中，末端分光器即是指二级分光器130。
在本示例实施例中，首先提供了一种移动网络覆盖质量评估方法，该移动网络覆盖质量评估方法可以应用于终端设备，例如手机、电脑等电子设备。图2示意性示出了根据本公开的一些实施例的移动网络覆盖质量评估方法的流程图。参考图2所示，该移动网络覆盖质量评估方法可以包括以下步骤：
步骤S210，获取移动网络测量报告MR数据及待评估区域内各末端分光器的位置信息。
步骤S220，基于各末端分光器的位置信息，根据筛选规则从移动网络MR数据中搜索各末端分光器对应的目标MR数据，目标MR数据为以末端分光器为中心的指定半径范围内的数据。
步骤S230，根据各末端分光器对应的目标MR数据计算待评估区域的移动网络覆盖质量。
根据本示例实施例中的移动网络覆盖质量评估方法，可以根据获取的待评估区域内各末端分光器的位置信息和筛选规则从获取的移动网络MR数据中搜索以末端分光器为中心的指定半径范围内的数据，得到各末端分光器对应的目标MR数据，以获知待评估区域内移动用户常驻留区域的有效移动网络覆盖数据，然后根据各末端分光器对应的目标MR数据计算出待评估区域的移动网络覆盖质量，实现了待评估区域的移动网络覆盖质量的评估。本示例实施例的方法能够利用待评估区域内各末端分光器的位置分布，精准识别出待评估区域内移动用户常驻留的区域；通过将末端分光器的位置分布与海量的移动网络MR数据相结合，能够精准评估待评估区域的移动网络覆盖质量，避免了采用路测方法对农村地区移动网络覆盖质量进行评估时导致评估结果不准确的问题。
下面，将对本示例实施例中的移动网络覆盖质量评估方法进行进一步的说明。
在步骤S210中，获取移动网络MR数据及待评估区域内各末端分光器的位置信息。
在本示例实施例中，可以从FTTH资源管理系统或FTTH规划建设部门相关资源池中采集待评估区域内各末端分光器的工程数据，采集到的工程数据中包括末端分光器的位置信息，获取其中的位置信息。
例如，预评估某个行政村的移动网络覆盖质量，该行政村的FTTH网络拓扑参见图1，将该行政村作为待评估区域，从FTTH资源管理系统获取该行政村所有分光器(包括一级分光器和二级分光器)的工程数据。获取的工程数据的数据字段可以包括但不限于以下内容：省名、市名、县名、乡镇名、行政村名、末端分光器的身份信息和末端分光器的位置信息。其中，末端分光器的位置信息可以是经纬度数据。该工程数据可以以预设的数据格式存储，比如以表格的形式。每一个行政村视幅员面积大小的不同，规划建设的一级分光器和二级分光器的数量不同，可能多达几百个，甚至上百万个。
在本示例实施例中，还需要获取移动网络MR数据，获取的移动网络MR数据可以形成结构化的数据库。
具体的，采集每个基站每个扇区下所有移动终端占用的基站ID(IdentityDocument，身份标识号)、扇区ID和位置信息(包括经度和纬度)以及移动终端每次上报的主服务扇区的信号强度和邻区的信号强度。MR数据的上报周期可以由网管进行配置，支持秒级或分钟级上报，通过以“小时”或“天”为时间粒度的积累，最终形成以“终端呼叫标识+上报时间+基站ID+扇区ID+经度+纬度+主邻小区信号强度”等字段组成的海量级MR数据库，移动运营商每天采集并记录的MR数据条数可达千万级或上亿级。
移动运营商采集到的MR数据通常是XML(Extensible Markup Language，可扩展标记语言)文本格式，可以通过移动网管系统从移动运营商处获取所需的XML格式的移动网络MR数据，将其解析后得到所需的MR数据，数据体量可达千万级或亿级。解析得到的MR数据可以以结构化的形式存储，该结构化数据中可以包括上报时间、基站ID、扇区ID、经度、纬度、主邻小区信号强度等信息。
在步骤S220中，基于各末端分光器的位置信息，根据筛选规则从移动网络MR数据中搜索各末端分光器对应的目标MR数据，其中的目标MR数据为以末端分光器为中心的指定半径范围内的数据。
在本示例实施例中，获取到移动网络MR数据及待评估区域内各末端分光器的位置信息之后，基于该移动网络MR数据和待评估区域内各末端分光器的工程数据，确定分别以每一个末端分光器为中心的指定半径范围内的数据。
具体的，基于各末端分光器位置信息，根据筛选规则从移动网络MR数据中搜索各末端分光器对应的目标MR数据包括：
利用获取的移动网络MR数据构建KD树(K-Dimension Tree，K维树)；
分别以各末端分光器的位置信息为目标点坐标，采用最近邻搜索算法在构建的KD树中搜索该目标点坐标指定半径范围内的数据点，得到各末端分光器对应的目标MR数据。
其中，移动网络MR数据中的每个数据包括经度值和纬度值，利用移动网络MR数据构建KD树包括：
构建根节点，该根节点为移动网络MR数据中经度值的中值所对应的数据点；
以根节点为切分点，将移动网络MR数据中经度值小于中值的数据划分到左子树，将经度值大于中值的数据划分到右子树；
以经度和纬度交替作为切分维度，对左子树和右子树中的数据不断进行中值确定及基于所确定的中值进行左右子树的划分，直至无可划分的数据，得到KD树。
下面以获取到的移动网络MR数据是a1、a2、a3、a4、a5、a6和a7为例，对KD树的构建过程进行详细说明。需要说明的是，这里仅是举例说明，并不用于限定本公开的移动网络MR数据。KD树的构建过程可以包括如下步骤：
步骤一，以移动网络MR数据中的经度和纬度分别为X轴和Y轴，构建X-Y二维空间。
步骤二，以X轴为切分维度，将点集合a1～a7按照经度值从小到大进行排序，取中值找到根节点，比如找到的根节点是a1。
步骤三，将a2～a7中经度值小于a1点经度值的数据划分到左子树区，比如是a2、a3和a4；将a2～a7中经度值大于a1点经度值的数据划分到右子树区，比如是a5、a6和a7，完成当前X轴纬度的切分。
步骤四，以Y轴为切分纬度，对划分到左子树区的数据a2、a3和a4按纬度值大小排序得到中值，比如是a3；对划分到右子树区的数据a5、a6和a7同样按纬度值大小排序得到中值，比如是a5。
步骤五，将a2、a3和a4中纬度值小于a3点纬度值的数据划分到a3的左子树区，大于a3点纬度值的数据划分到a3的右子树区；以a5为切分点，采用同样的方式对a5、a6和a7进行Y轴的划分。
步骤六，以X轴和Y轴交替作为切分纬度，按照上述步骤二～步骤五的切分原理，对所有参与计算的数据进行左子树和右子树的划分，直到无可划分的数据，形成KD树，最终形成的KD树可参见图3。
在二维空间中的每个点都对应唯一的经度值和纬度值，对移动网络MR数据进行X轴和Y轴的交替切分以构建KD树的过程，对应到二维平面中即是不断地确定沿切分点并基于该切分点对该二维平面进行X轴和Y轴的划分。KD树的二维空间划分原理可参见图4，利用最近邻搜索算法可以搜索到P点的最近邻点为虚线圆内的点。
在本示例实施例中，构建好KD树之后，分别以各末端分光器的位置信息为目标点坐标，采用最近邻搜索算法在构建的KD树中搜索该目标点坐标指定半径范围内的数据点，得到各末端分光器对应的目标MR数据。其中的指定半径可根据实际需要进行配置。
具体的，对于待评估区域内任意一个末端分光器Pi，根据Pi的坐标(Pxi，Pyi)、指定半径L(比如可以是200米)和KD树中每个节点的切分纬度，沿KD树的根节点到叶子节点的方向进行搜索。假设当前搜索到的KD树的节点Mj的坐标是(Mxj，Myj)，该节点坐标是沿X＝Mxj进行切分的，这时，如果Pxi小于Mxj，则向Mj的左枝进行搜索，反之向Mj的右枝进行搜索。每搜索KD树中的一个节点，将该节点到Pi的距离与L进行比较，如果距离小于L，则为该节点打标签，并记录该节点至数据集R中；如果距离大于L，则舍弃左枝，将该节点标记为被访问过。如果当前节点被访问过，则上移一级节点，搜索当前节点的父节点，若当前节点的父节点未曾被访问过，则继续按照上述的搜索过程进行搜索，若当前节点的父节点被访问过，则继续上移一级节点，如此循环，直到回溯到整个KD树的根节点。当回溯到整个KD树的根节点时，搜索结束，输出数据集R，该R中的数据即是搜索出的末端分光器Pi对应的目标MR数据。
对待评估区域内所有的末端分光器均进行上面的搜索过程，可得到各末端分光器对应的目标MR数据。以搜索末端分光器P1和P2的目标MR数据为例，输出的目标MR数据的点集效果可参见图5。其中，P1和P2分光器的位置用“×”号表示，空心圆即是搜索出的与P1距离小于L的数据点，也即P1对应的目标MR数据；实心圆即是搜索出的与P2距离小于L的数据点，也即P2对应的目标MR数据。
通过构建最邻近KD树搜索算法模型，实现了对分光器的位置信息与移动网络MR数据按照指定特征向量的近邻查找与匹配，能够精准地获得待评估区域内移动用户常驻留区域的网络有效数据，为待评估区域的移动网络覆盖质量的评估提供精准的测量数据，保证评估结果的准确性。
在步骤S230中，根据各末端分光器对应的目标MR数据计算待评估区域的移动网络覆盖质量。
在本示例实施例中，搜索出各末端分光器对应的目标MR数据之后，参照图6所示，可以通过如下的步骤S231～步骤233计算待评估区域的移动网络覆盖质量。
步骤S231，根据各末端分光器对应的目标MR数据计算各末端分光器的移动网络覆盖质量。
对于每个末端分光器，计算当前末端分光器对应的目标MR数据中满足预设条件的目标MR数据的数量与该当前末端分光器对应的目标MR数据总数的比值，得到该当前末端分光器的移动网络覆盖质量。
一种实施例中，可以通过如下的方法实现：首先统计子目标MR数据的数量，该子目标MR数据为当前末端分光器对应的目标MR数据中主邻信号强度大于或等于预设强度阈值的MR数据；然后计算该子目标MR数据的数量与该当前末端分光器对应的目标MR数据总数的比值，得到该当前末端分光器的移动网络覆盖质量。
例如，通过步骤S220可以输出二级分光器Pi及其周围满足距离L的目标MR数据点集合，每个目标MR数据点包含对应的RSRP(Reference Signal Receiving Power，参考信号接收功率)值，假设预设强度阈值为-110dbm，则可以根据如下公式计算二级分光器Pi周围的移动网络覆盖质量：
Pi的移动网络覆盖质量＝SUMq/Q；
其中，SUMq表示RSRP值大于或等于-110dbm的目标MR数据点的数量，Q表示Pi对应的目标MR数据的总数。
这样，每一个末端分光箱都对应一个移动网络覆盖质量数值。
步骤S232，基于各末端分光器的移动网络覆盖质量确定目标末端分光器的数量，该目标末端分光器为移动网络覆盖质量大于或等于预设阈值的末端分光器。
确定出各末端分光器的移动网络覆盖质量之后，从中筛选出移动网络覆盖质量大于或等于预设阈值的末端分光器，并统计其数量。其中的预设阈值可根据实际需要进行配置，例如为用户提供配置界面，在该界面中设置阈值阈值的配置选项，用户可在配置界面中设置该预设阈值。比如设置的预设阈值是98％，则筛选出移动网络覆盖质量≥98％的末端分光器并统计其数量。可选的，筛选结果和/或统计的数量可以显示给用户。
步骤S233，计算目标末端分光器的数量与待评估区域内末端分光器的总数的比值，得到待评估区域的移动网络覆盖质量。
一种实施例中，得到待评估区域的移动网络覆盖质量之后，可以输出待评估区域的移动网络覆盖质量。比如，通过显示屏向运营商展示该待评估区域的移动网络覆盖质量，也可以通过打印机等设备输出该待评估区域的移动网络覆盖质量。运营商可以根据该待评估区域的移动网络覆盖质量了解待评估区域的移动网络覆盖情况，以指导移动网络的精准规划和建设。一种实施例中，也可以将待评估区域的移动网络覆盖质量进行存储。
本公开实施例提供的移动网络覆盖质量评估方法，一方面，能够基于待评估区域(特别是农村地区)内有线光网络中FTTH两级分光器的位置，精准识别移动用户的主要活动范围，并利用大数据算法，结合移动网络海量的MR数据，实现了待评估区域内移动网络信号的有效覆盖质量精准评估，无需花费大量的测试成本，大大缩短了评估周期，提高了评估结果的准确性，可更好地支撑运营商农村移动网络的精准规划和建设，避免资源的浪费；另一方面，通过将FTTH中的分光器与移动网络MR数据相结合，打破了传统有线网络和移动网络规划建设运营工作各自独立进行的局面，能够实现对农村地区有线网络和移动网络的协同评估，支撑网络协同规划和建设，确保了融合套餐下有线网络用户和移动用户良好的双网使用体验。
需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
此外，在本示例实施例中，还提供了一种移动网络覆盖质量评估装置。参照图7所示，该移动网络覆盖质量评估装置700包括获取单元710、搜索单元720和计算单元730。其中：
获取单元710用于获取移动网络测量报告MR数据及待评估区域内各末端分光器的位置信息；
搜索单元720用于基于各末端分光器的位置信息，根据筛选规则从移动网络MR数据中搜索各末端分光器对应的目标MR数据，该目标MR数据为以末端分光器为中心的指定半径范围内的数据；
计算单元730用于根据各末端分光器对应的目标MR数据计算待评估区域的移动网络覆盖质量。
在本公开的一种示例性实施例中，基于前述方案，搜索单元720可以包括KD树构建子单元和搜索子单元。其中：
KD树构建子单元用于利用移动网络MR数据构建KD树；
搜索子单元用于分别以各末端分光器的位置信息为目标点坐标，采用最近邻搜索算法在所述KD树中搜索目标点坐标指定半径范围内的数据点，得到各末端分光器对应的目标MR数据。
在本公开的一种示例性实施例中，基于前述方案，移动网络MR数据中的每个数据包括经度值和纬度值，KD树构建子单元具体用于：构建根节点，该根节点为移动网络MR数据中经度值的中值所对应的数据点；以该根节点为切分点，将移动网络MR数据中经度值小于中值的数据划分到左子树，将经度值大于中值的数据划分到右子树；以经度和纬度交替作为切分维度，对左子树和右子树中的数据不断进行中值确定及基于所确定的中值进行左右子树的划分，直至无可划分的数据，得到KD树。
在本公开的一种示例性实施例中，基于前述方案，计算单元730可以包括第一计算子单元、确定子单元和第二计算子单元，其中：
第一计算子单元用于根据各末端分光器对应的目标MR数据计算各末端分光器的移动网络覆盖质量；
确定子单元用于基于各末端分光器的移动网络覆盖质量确定目标末端分光器的数量，目标末端分光器为移动网络覆盖质量大于或等于预设阈值的末端分光器；
第二计算子单元用于计算目标末端分光器的数量与待评估区域内末端分光器的总数的比值，得到待评估区域的移动网络覆盖质量。
在本公开的一种示例性实施例中，基于前述方案，第一计算子单元具体用于对于每个末端分光器，计算当前末端分光器对应的目标MR数据中满足预设条件的目标MR数据的数量与当前末端分光器对应的目标MR数据总数的比值，得到当前末端分光器的移动网络覆盖质量。
在本公开的一种示例性实施例中，基于前述方案，目标MR数据中包括主邻小区信号强度，第一计算子单元具体用于统计子目标MR数据的数量，该子目标MR数据为当前末端分光器对应的目标MR数据中主邻信号强度大于或等于预设强度阈值的MR数据，计算子目标MR数据的数量与当前末端分光器对应的目标MR数据总数的比值。
在本公开的一种示例性实施例中，基于前述方案，获取单元710具体用于从光纤到户FTTH资源管理系统中采集待评估区域内各末端分光器的位置信息。
在本公开的一种示例性实施例中，基于前述方案，移动网络覆盖质量评估装置700还可以包括输出单元，该输出单元用于输出待评估区域的移动网络覆盖质量。
上述中移动网络覆盖质量评估装置各模块的具体细节已经在对应的移动网络覆盖质量评估方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了移动网络覆盖质量评估装置的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述移动网络覆盖质量评估方法的电子设备。
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。
下面参照图8来描述根据本公开的这种实施例的电子设备800。图8所示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。例如，所述处理单元810可以执行如图2中所示的步骤：步骤S210，获取移动网络测量报告MR数据及待评估区域内各末端分光器的位置信息；步骤S220，基于末端分光器位置信息，根据筛选规则从移动网络MR数据中搜索各末端分光器对应的目标MR数据，目标MR数据为以末端分光器为中心的指定半径范围内的数据；步骤S230，根据各末端分光器对应的目标MR数据计算待评估区域的移动网络覆盖质量。
存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)821和/或高速缓存存储单元822，还可以进一步包括只读存储单元(ROM)523。
存储单元820还可以包括具有一组(至少一个)程序模块825的程序/实用工具824，这样的程序模块825包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备870(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口880进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。
参考图9所示，描述了根据本公开的实施例的用于实现上述移动网络覆盖质量评估方法的程序产品900，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施例的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种移动网络覆盖质量评估方法，其特征在于，包括：
获取移动网络测量报告MR数据及待评估区域内各末端分光器的位置信息；所述末端分光器是FTTH网络拓扑中最后一级的分光器；
基于所述各末端分光器的位置信息，根据筛选规则从所述移动网络MR数据中搜索各末端分光器对应的目标MR数据，所述目标MR数据为以末端分光器为中心的指定半径范围内的数据；
根据各末端分光器对应的目标MR数据计算所述待评估区域的移动网络覆盖质量。
2.根据权利要求1所述的移动网络覆盖质量评估方法，其特征在于，所述基于所述各末端分光器的位置信息，根据筛选规则从所述移动网络MR数据中搜索各末端分光器对应的目标MR数据包括：
利用所述移动网络MR数据构建K维KD树；
分别以各末端分光器的位置信息为目标点坐标，采用最近邻搜索算法在所述KD树中搜索所述目标点坐标指定半径范围内的数据点，得到各末端分光器对应的目标MR数据。
3.根据权利要求2所述的移动网络覆盖质量评估方法，其特征在于，所述移动网络MR数据中的每个数据包括经度值和纬度值；所述利用所述移动网络MR数据构建KD树包括：
构建根节点，所述根节点为所述移动网络MR数据中经度值的中值所对应的数据点；
以所述根节点为切分点，将所述移动网络MR数据中经度值小于所述中值的数据划分到左子树，将经度值大于所述中值的数据划分到右子树；
获取所述左子树中的所述移动网络MR数据中纬度值的中值，以及所述右子树中的所述移动网络MR数据中纬度值的中值；
在所述左子树中的所述移动网络MR数据中，将纬度值小于所述左子树的中值的数据，划分至所述左子树的中值所对应的数据点的左子树区，并将纬度值大于所述左子树的中值的数据，划分至所述左子树的中值所对应的数据点的右子树区；并继续对所述右子树中的所述移动网络MR数据进行划分，以得到所述右子树的中值所对应的数据点的左子树区和右子树区；
继续遍历所述左子树区和右子树区，并按照上述步骤以经度和维度交替作为切分维度，分别确定所述左子树区的中值和右子树区的中值，以基于所述左子树区的中值继续确定对应的左右子树，以及所述右子树区的中值对应的左右子树；直至所述左子树区和右子树区无可划分的数据，得到所述KD树。
4.根据权利要求1所述的移动网络覆盖质量评估方法，其特征在于，所述根据各末端分光器对应的目标MR数据计算所述待评估区域的移动网络覆盖质量包括：
根据各末端分光器对应的目标MR数据计算各末端分光器的移动网络覆盖质量；
基于所述各末端分光器的移动网络覆盖质量确定目标末端分光器的数量，所述目标末端分光器为移动网络覆盖质量大于或等于预设阈值的末端分光器；
计算所述目标末端分光器的数量与所述待评估区域内末端分光器的总数的比值，得到所述待评估区域的移动网络覆盖质量。
5.根据权利要求4所述的移动网络覆盖质量评估方法，其特征在于，所述根据各末端分光器对应的目标MR数据计算各末端分光器的移动网络覆盖质量包括：
对于每个末端分光器，计算当前末端分光器对应的目标MR数据中满足预设条件的目标MR数据的数量与所述当前末端分光器对应的目标MR数据总数的比值，得到所述当前末端分光器的移动网络覆盖质量。
6.根据权利要求5所述的移动网络覆盖质量评估方法，其特征在于，所述目标MR数据中包括主邻小区信号强度，所述计算当前末端分光器对应的目标MR数据中满足预设条件的目标MR数据的数量与所述当前末端分光器对应的目标MR数据总数的比值包括：
统计子目标MR数据的数量，所述子目标MR数据为所述当前末端分光器对应的目标MR数据中主邻信号强度大于或等于预设强度阈值的MR数据；
计算所述子目标MR数据的数量与所述当前末端分光器对应的目标MR数据总数的比值。
7.根据权利要求1所述的移动网络覆盖质量评估方法，其特征在于，所述获取待评估区域内各末端分光器的位置信息包括：
从光纤到户FTTH资源管理系统中采集待评估区域内各末端分光器的位置信息。
8.一种移动网络覆盖质量评估装置，其特征在于，包括：
获取单元，用于获取移动网络测量报告MR数据及待评估区域内各末端分光器的位置信息；所述末端分光器是FTTH网络拓扑中最后一级的分光器；
搜索单元，用于基于所述各末端分光器的位置信息，根据筛选规则从所述移动网络MR数据中搜索各末端分光器对应的目标MR数据，所述目标MR数据为以末端分光器为中心的指定半径范围内的数据；
计算单元，用于根据各末端分光器对应的目标MR数据计算所述待评估区域的移动网络覆盖质量。
9.一种电子设备，包括：
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如权利要求1至7中任一项所述的移动网络覆盖质量评估方法。
10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的移动网络覆盖质量评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111270930.5A CN113923706B (zh) | 2021-10-29 | 2021-10-29 | 移动网络覆盖质量评估方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111270930.5A CN113923706B (zh) | 2021-10-29 | 2021-10-29 | 移动网络覆盖质量评估方法及装置、电子设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113923706A CN113923706A (zh) | 2022-01-11 |
| CN113923706B true CN113923706B (zh) | 2024-11-05 |
Family
ID=79243578
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111270930.5A Active CN113923706B (zh) | 2021-10-29 | 2021-10-29 | 移动网络覆盖质量评估方法及装置、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113923706B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114679743B (zh) * | 2022-05-30 | 2022-08-16 | 广州天越电子科技有限公司 | 一种支持多种信号频段的覆盖效果评估系统 |
| CN115334568B (zh) * | 2022-07-13 | 2023-12-15 | 中国电信股份有限公司 | 移动通信网络质量评估方法、装置及电子设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106817712A (zh) * | 2015-11-30 | 2017-06-09 | 华为技术有限公司 | 一种定位方法及装置和一种服务器 |
| CN108124279A (zh) * | 2017-12-12 | 2018-06-05 | 中国联合网络通信集团有限公司 | 网络覆盖质量的评估方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111277947B (zh) * | 2018-12-04 | 2023-05-02 | 中兴通讯股份有限公司 | 小区经纬度预测方法、装置、服务器、基站及存储介质 |
| CN109768886B (zh) * | 2019-01-03 | 2021-11-19 | 中国联合网络通信集团有限公司 | 网络规划评价方法及装置 |
-
2021
- 2021-10-29 CN CN202111270930.5A patent/CN113923706B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106817712A (zh) * | 2015-11-30 | 2017-06-09 | 华为技术有限公司 | 一种定位方法及装置和一种服务器 |
| CN108124279A (zh) * | 2017-12-12 | 2018-06-05 | 中国联合网络通信集团有限公司 | 网络覆盖质量的评估方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113923706A (zh) | 2022-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9733094B2 (en) | Hybrid road network and grid based spatial-temporal indexing under missing road links | |
| CN108038145A (zh) | 分布式服务跟踪方法、系统、存储介质和电子设备 | |
| CN113923706B (zh) | 移动网络覆盖质量评估方法及装置、电子设备、存储介质 | |
| CN113723810B (zh) | 基于图数据库的电网建模方法 | |
| CN110688538B (zh) | 基于大数据的跨域业务全程路由贯穿方法以及装置 | |
| Lemic et al. | Web-based platform for evaluation of RF-based indoor localization algorithms | |
| CN109151890A (zh) | 一种移动终端定位方法及装置 | |
| KR102685782B1 (ko) | 신원 정보 처리 방법, 장치, 전자 기기 및 저장 매체 | |
| CN112651307B (zh) | 一种人员轨迹追踪方法、系统、装置及存储介质 | |
| US11468349B2 (en) | POI valuation method, apparatus, device and computer storage medium | |
| CN102868601B (zh) | 一种有关基于图形配置数据库业务网络拓扑的路由系统 | |
| CN112364907A (zh) | 待测用户常驻地普查方法、系统、服务器和存储介质 | |
| CN112422650B (zh) | 楼宇定位方法、装置、设备及计算机可读存储介质 | |
| KR20210075680A (ko) | 위치 기반 경로 데이터베이스의 관리 방법 및 이를 수행하는 서버 | |
| CN108519579B (zh) | 基于区间重叠度分析优选AP的WiFi指纹定位方法 | |
| Sik et al. | Toward cognitive data analysis with big data environment | |
| Lan et al. | Intelligent GSM Cell Coverage Analysis System Based on GIS. | |
| CN111343664A (zh) | 用户定位方法、装置、设备及介质 | |
| CN116528282A (zh) | 覆盖场景识别方法、装置、电子设备和可读存储介质 | |
| US12047247B2 (en) | Network data analysis method, network data analysis functional network element and communication system | |
| CN114881430A (zh) | 一种基于网络地图服务的社区生活便利度评价方法 | |
| CN114676996A (zh) | 路网形态与产业布局关联性度量方法、装置、设备及介质 | |
| CN111372270B (zh) | 疑似故障小区的确定方法、装置、设备和介质 | |
| CN114095947B (zh) | 一种网络覆盖评估方法、装置、电子设备及存储介质 | |
| CN114793200B (zh) | 一种基于电力物联网网络结构的重要物联节点识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |