[发明专利]小区场景类别划分模型的构建方法、装置和计算机设备

说明书

本申请涉及一种小区场景类别划分模型的构建方法、装置、计算机设备和存储介质。本方法包括：对样本小区的关键绩效指标数据中的各字段数据与通信行为字段分别进行双变量相关性分析，去除与通信行为字段相关性低于阈值的字段数据获得通信行为特征数据；对各通信行为特征数据进行主成分分析，获得通信行为特征值；利用各通信行为特征值并结合时间粒度获取通信行为波形图，并从中筛选通信行为波形样本图；利用各通信行为波形样本图及其对应的场景类别对深度学习网络模型进行训练，将训练后的深度学习网络模型确定为小区场景类别划分模型。采用本方法能够提高小区场景类别同步更新的效率，为定制规划建设方案、确定网络优化策略提供重要基础。

技术领域

本申请涉及通信技术领域，特别是涉及一种小区场景类别划分模型的构建方法、装置、计算机设备和存储介质。

背景技术

随着移动通信网络的不断发展，对不同小区进行场景划分是定制规划建设方案、确定网络优化策略的重要基础。

小区场景类别的划分在小区规划建设初期已经确定，传统的移动通信网络的小区场景类别的划分主要依靠网络规划工程师根据小区的地理环境、覆盖因素以及业务特点等进行人为划分，但是一个小区的地理环境、网络情况以及业务特征在后续使用中都是不断变化的，小区场景类别也需要同步更新，为调整、优化网络提供基础，但是传统的小区场景类别的划分技术难以快速对小区场景类别进行重新划分以适应小区的地理环境、覆盖因素以及业务特点等因素的变化。

发明内容

基于此，有必要针对上传统的小区场景类别的划分技术难以快速对小区场景类别进行重新划分实现小区场景类别的更新同步的技术问题，提供一种小区场景类别划分模型的构建方法、装置、计算机设备和存储介质。

一种小区场景类别划分模型的构建方法，包括以下步骤：

获取样本小区的关键绩效指标数据，对所述关键绩效指标数据中的各字段数据与通信行为字段分别进行双变量相关性分析，去除与通信行为字段相关性低于阈值的字段数据获得通信行为特征数据；

对各所述通信行为特征数据进行主成分分析，获得通信行为特征值；

利用各所述通信行为特征值并结合时间粒度获取通信行为波形图；

从各所述通信行为波形图中筛选通信行为波形样本图，并获取各所述通信行为波形样本图对应的场景类别；

利用各所述通信行为波形样本图以及对应的场景类别对深度学习网络模型进行训练，将训练后的深度学习网络模型确定为小区场景类别划分模型。

一种小区场景类别划分模型的构建装置，包括：

通信行为特征数据获取模块，用于获取样本小区的关键绩效指标数据，对所述关键绩效指标数据中的各字段数据与通信行为字段分别进行双变量相关性分析，去除与通信行为字段相关性低于阈值的字段数据获得通信行为特征数据；

通信行为特征值获取模块，用于对各所述通信行为特征数据进行主成分分析，获得通信行为特征值；

通信行为波形图获取模块，用于利用各所述通信行为特征值并结合时间粒度获取通信行为波形图；

样本筛选模块，用于从各所述通信行为波形图中筛选通信行为波形样本图，并获取各所述通信行为波形样本图对应的场景类别；

划分模型获取模块，用于利用各所述通信行为波形样本图以及对应的场景类别对深度学习网络模型进行训练，将训练后的深度学习网络模型确定为小区场景类别划分模型。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取样本小区的关键绩效指标数据，对所述关键绩效指标数据中的各字段数据与通信行为字段分别进行双变量相关性分析，去除与通信行为字段相关性低于阈值的字段数据获得通信行为特征数据；