[发明专利]基于机器学习和射线跟踪的高铁网络覆盖预测方法及装置

说明书

本发明实施例涉及一种基于机器学习和射线跟踪的高铁网络覆盖预测方法及装置，方法包括：获取目标高铁场景的三维电子地图；基于目标高铁场景的三维电子地图，使用射线跟踪仿真计算目标高铁场景中每个位置测量点的初步预测值；基于相同目标高铁场景下每个位置测量点的实际测量值，结合每个位置测量点的初步预测值，通过机器学习对初步预测值进行校正，获取初步预测值的校正因子；根据初步预测值的校正因子，使用射线跟踪仿真进行高铁场景接收场强预测。本发明实施例中，利用射线跟踪仿真技术和深度强化机器学习，为场景校正提供更加精确的输入依据，应用部署范围更普适，鲁棒性更高。

技术领域

本发明实施例涉及无线技术领域，具体涉及一种基于机器学习和射线跟踪的高铁网络覆盖预测方法及装置。

背景技术

随着无线技术的迅速发展，无线电波传播的复杂性给高铁GSM-R无线网络中的基站部署和优化工作带来了很大挑战。因此，有效地预测基站覆盖，是实现无线网络基站部署规划与优化的基础，也是准确定位现网中存在问题的前提，能提升基站选址的效率、保证通信、降低部署试错的成本，是无线网络规划优化的重点和难点。

现有的网络优化依靠低速车反复测试以及人工调试，存在效率低、时间长、开销大、难推广等问题，急需以机器学习和射线跟踪仿真技术替代测试车辆及人工调试，为实现“准确高效，一键完成”的高铁智能网络优化提供准确的GSM-R场强覆盖预测，具有迫切的需求以及重要的应用价值。

发明内容

本发明的至少一个实施例提供了一种基于机器学习和射线跟踪的高铁网络覆盖预测方法及装置，解决高铁GSM-R场强覆盖预测的准确性。

第一方面，本发明实施例提出一种基于机器学习和射线跟踪的高铁网络覆盖预测方法，该方法包括：

获取目标高铁场景的三维电子地图；

基于目标高铁场景的三维电子地图，使用射线跟踪仿真计算目标高铁场景中每个位置测量点的初步预测值；

基于相同目标高铁场景下每个位置测量点的实际测量值，结合每个位置测量点的初步预测值，通过机器学习对初步预测值进行校正，获取初步预测值的校正因子；

根据初步预测值的校正因子，使用射线跟踪仿真进行高铁场景接收场强预测。

在一些实施例中，目标高铁场景的三维电子地图包括：结构体的三维几何信息、地形信息，场景中物体的栅格地图及类别标识。

在一些实施例中，基于目标高铁场景的三维电子地图，使用射线跟踪仿真计算所述目标高铁场景中每个位置测量点的初步预测值，包括：

根据测量路线、关联基站信息及射线跟踪所需的收发信机位置和部署,通过射线跟踪对所述目标高铁场景和部署进行仿真，萃取初步预测值。

在一些实施例中，初步预测值包括每条径的复数电场、传播路径、传播机制、阶数和与路径关联的结构体。

在一些实施例中，上述方法还包括：

通过路测手段获取相同目标高铁场景下每个测量点的实际测量值。

在一些实施例中，实际测量值包括相同目标高铁场景下每个测量点的三维坐标信息及每个测量点可探测到的若干个基站的接收场强信息。

在一些实施例中，基于相同目标高铁场景下每个位置测量点的实际测量值，结合每个位置测量点的初步预测值，通过机器学习对初步预测值进行校正，获取初步预测值的校正因子，包括：

基于实际测量场强和初步预测场强，得出场强误差；

根据场强误差和第一阈值，确定当前预测误差数据特征集；

基于当前预测误差数据特征集和历史预测误差数据特征集，利用深度强化机器学习，实现奇异值判决。