1 引言

隨著大數(shù)據(jù)時代的迅猛發(fā)展，人們對LBS(Location Based Services，基于位置服務(wù))的需求也快速增長，無線定位技術(shù)逐步得到重視，位置服務(wù)已經(jīng)成為一種熱門的技術(shù)。輔助GPS(AGPS)定位技術(shù)結(jié)合了GPS定位和蜂窩基站定位的優(yōu)勢，借助蜂窩網(wǎng)絡(luò)的數(shù)據(jù)傳輸功能，可以快速精準(zhǔn)地定位，在移動設(shè)備尤其是手機終端中被廣泛使用。運營商通過更新4G網(wǎng)絡(luò)主設(shè)備網(wǎng)管，即新增輔助GPS和異網(wǎng)檢測功能，實現(xiàn)了基站MR(Measurement Report，測量報告)數(shù)據(jù)版本升級。在新的數(shù)據(jù)源中不僅能夠獲取到精確的GPS地理信息，同時異網(wǎng)檢測功能也可以針對其他運營商網(wǎng)絡(luò)覆蓋強度進行周期測量，從而解決了當(dāng)前MR應(yīng)用過程中定位精度不足和只能評估本網(wǎng)絡(luò)覆蓋情況的局限。通過本次研究，可以有效拓展MR的分析能力，針對三網(wǎng)(中國移動、中國電信、中國聯(lián)通)的覆蓋情況進行對比分析。

本文通過對輔助GPS數(shù)據(jù)的挖掘分析，預(yù)測出運營商的基站覆蓋中心點，可以實現(xiàn)運營商之間的網(wǎng)絡(luò)可持續(xù)化對比，為解決傳統(tǒng)三網(wǎng)對比測試樣本不充足、對比不全面的問題提供一種有效解決方案。

2 運營商基站覆蓋中心點預(yù)測

以基站采集到的終端測量報告作為數(shù)據(jù)源，并將數(shù)據(jù)源按頻點和PCI(Physical CellIdentifier，物理小區(qū)標(biāo)識)進行分組，對分組后的每組數(shù)據(jù)用Mean-Shift(偏移均值向量算法)算法做首次密度聚類[3-4]，找到局部最優(yōu)的基站覆蓋中心點。結(jié)合專業(yè)的業(yè)務(wù)背景知識，對局部基站覆蓋中心點用DBSCAN算法做二次聚類，找到全局最優(yōu)的基站覆蓋中心點[5-8]。最后用本網(wǎng)的主覆蓋小區(qū)來驗證所預(yù)測出來的基站覆蓋中心點的正確性。具體流程如圖1所示：

圖1 運營商基站覆蓋中心點預(yù)測流程

2.1 數(shù)據(jù)源提取及清洗

本模型采用中國電信全省MR的輔助GPS相關(guān)數(shù)據(jù)，主要包括：各運營商的頻點、PCI、用戶個人上報的百度經(jīng)緯度、地市、中國電信主服務(wù)小區(qū)百度經(jīng)緯度等屬性，并對每條記錄中的異常數(shù)據(jù)、無效數(shù)據(jù)進行了清洗。為減少鄰區(qū)等干擾因素影響模型的準(zhǔn)確度，本模型只提取了室外且相距主服務(wù)小區(qū)1 km以內(nèi)的MR記錄。

2.2 Mean-Shift算法聚類過程

Mean-Shift算法是一個迭代的過程。對于d維空間的N個樣本點，首先隨機選擇一個點，并以這個點為圓心、以R為半徑做一個d維的高維球，落在這個球內(nèi)的所有樣本點和圓心都會產(chǎn)生一個向量，每個向量都以圓心為起點、以球內(nèi)的樣本點為終點，計算出球內(nèi)所有向量的和，最終得出Mean-Shift向量。再以Mean-Shift向量的終點為圓心重復(fù)上述步驟。由同起點向量求和法則可知，Mean-shift向量最終將收斂到概率密度最大的區(qū)域[9]。Mean-Shift向量的基本形式如下：

(1)

其中，x為空間中任意一點;D表示在N個樣本點xi中有D個點落在SD區(qū)域中。

Mean-Shift算法的偽代碼思想如下：

(1)隨機選擇一點為中心點，固定一個窗口，計算出Mean-Shift向量;

(2)判斷是否達到收斂，若收斂則終止，否則執(zhí)行第(3)步;

(3)以Mean-Shift向量的終點為新的中心，重復(fù)上述步驟[10]。

由于獲取到的用戶輔助GPS數(shù)據(jù)呈現(xiàn)出無規(guī)律分布，因此采用基于概率密度的Mean-Shift算法進行聚類分析。該算法忽略了數(shù)據(jù)源中的異常值，每次只對窗口內(nèi)局部數(shù)據(jù)進行計算，計算完成后再移動窗口。

本模型首先以中國電信的數(shù)據(jù)做訓(xùn)練集，以頻點和PCI作為分組條件，分別把具有相同頻點和PCI的個人上報百度經(jīng)緯度進行聚類。經(jīng)過多次模型訓(xùn)練并結(jié)合業(yè)務(wù)實際，本模型最終設(shè)置的Mean-Shift窗寬系數(shù)為0.02，聚類得到多個同一頻點和PCI下多個基站覆蓋中心經(jīng)緯度。預(yù)測中國電信室外的基站覆蓋中心點有159 284個，將預(yù)測出來的覆蓋中心點經(jīng)緯度與中國電信MR數(shù)據(jù)本身提供的小區(qū)百度經(jīng)緯度在百度地圖上作距離對比。結(jié)果表明，對于廣州市區(qū)統(tǒng)計出基站覆蓋中心點有80.3%落在主覆蓋小區(qū)對應(yīng)方向角附近150 m以內(nèi)，但在同一頻點和PCI下有部分預(yù)測的基站覆蓋中心點相距較近。結(jié)合專業(yè)的業(yè)務(wù)知識，運用區(qū)域聚類算法DBSCAN進行二次聚類，將屬于同頻點同PCI且相距較近的基站覆蓋中心點聚為一個新中心點。

2.3 DBSCAN二次聚類過程

DBSCAN是一種基于高密度連通區(qū)域的聚類算法，能夠?qū)⒕哂凶銐蚋呙芏鹊膮^(qū)域劃分為簇。該算法需要兩個核心的參數(shù)：一個參數(shù)是半徑，表示以給定點P為中心的圓形鄰域的范圍;另一個參數(shù)是以點P為中心的鄰域內(nèi)最少點的數(shù)量[11]。

基于本模型需求和專業(yè)的業(yè)務(wù)知識，模型設(shè)置的半徑為200 m，鄰域內(nèi)最少點數(shù)量設(shè)置為1，從而可以將具有相同頻點和PCI且距離較近的基站覆蓋中心點聚類成一個新的中心點。將基站覆蓋中心點經(jīng)緯度與中國電信MR數(shù)據(jù)提供的小區(qū)經(jīng)緯度作距離核對，該模型預(yù)測出中國電信室外共有155 244個基站覆蓋中心點。對于廣州市區(qū)統(tǒng)計出基站覆蓋中心點有83.6%落在主覆蓋小區(qū)對應(yīng)方向角附近150 m以內(nèi)，符合實際業(yè)務(wù)規(guī)則。

DBSCAN算法的偽代碼思想如下：

(1)選取鄰域半徑為200 m，鄰域內(nèi)最少點數(shù)為1;

(2)隨機選取一點為中心點，計算相同頻點和PCI下的主覆蓋小區(qū)中心點的距離，若滿足條件，則加入該鄰域，并以新加入的點為中心判斷其余點是否滿足條件，直到遍歷完所有點，計算出該鄰域新的中心點，并把屬于該鄰域的點從原數(shù)據(jù)中刪除;

(3)從剩余的點中隨機選取一點為新的中心，重復(fù)第(2)步直到原數(shù)據(jù)中所有點都被重新歸類完畢為止。

3 運營商基站覆蓋中心點對比分析

通過上述模型，采用相同的方法可以預(yù)測出異網(wǎng)基站覆蓋中心點的位置及其數(shù)量，預(yù)測出運營商A室外有231 948個基站覆蓋中心點、運營商B室外有92 668個基站覆蓋中心點。將三家運營商的基站覆蓋中心點預(yù)測結(jié)果顯示在百度地圖上，以廣州兩個區(qū)域Ⅰ、Ⅱ為例，具體如圖2和圖3所示：

圖2 區(qū)域Ⅰ運營商基站覆蓋中心點對比

圖3 區(qū)域Ⅱ運營商基站覆蓋中心點對比

其中，扇形表示運營商真實的主覆蓋小區(qū)所在的位置;圓形表示用模型預(yù)測出來的基站覆蓋中心點所在的位置;黃色表示運營商A、藍色表示運營商B、紅色表示運營商C。

從圖2和圖3可以看出，預(yù)測得到的基站覆蓋中心點跟真實的小區(qū)相距較近，能夠直觀地描繪出三家運營商的覆蓋區(qū)域及覆蓋密度。通過這種直觀的比較，不僅可以掌握異網(wǎng)的大致網(wǎng)絡(luò)分布，而且也易于了解哪些區(qū)域是本網(wǎng)盲區(qū)、哪些區(qū)域需要加強覆蓋，為網(wǎng)絡(luò)建設(shè)規(guī)劃和智慧網(wǎng)優(yōu)提供強有力的支撐。

4 結(jié)束語

本文通過對MR數(shù)據(jù)的挖掘分析，預(yù)測出運營商的基站覆蓋中心點，可以全面掌握運營商主覆蓋小區(qū)的大致分布和覆蓋密度，為全面評估網(wǎng)絡(luò)覆蓋程度提供有力支撐，也為掌握異網(wǎng)的網(wǎng)絡(luò)規(guī)劃和發(fā)展規(guī)模提供理論依據(jù)。后續(xù)將對全集團的MR數(shù)據(jù)做相同的挖掘分析，為全集團的網(wǎng)絡(luò)規(guī)劃、智慧網(wǎng)優(yōu)、優(yōu)化布局提供全方位智能化分析方法，進一步提升網(wǎng)絡(luò)資源投放效率。

責(zé)任編輯：gt