[发明专利]一种基于大数据的基站共站址识别方法

说明书

本发明公开了一种基于大数据的基站共站址识别方法，具体涉及基站共站址识别领域，包括以下步骤：S1、数据收集：收集多天无线测量报告MR数据和工参数据，主要使用的指标变量有：时间、基站SiteId、本小区CellId、本小区TA、本小区RSRP、本小区频点、邻区小区NCellId、邻小区频点、邻小区RSRP、用户所在的经度、用户所在的纬度、本小区经度、本小区纬度、是否共站标记。本发明通过无线环境测量报告MR中对异网频段信号所测得数据进行清洗，再采用机器学习的方法实现共站址站点的分类，成功克服了基于资管系统中不准确站点信息的影响，可以准确识别出基站是否为共享基站，为运营商共站共享的落地提供了有力支撑，是一种科学、有效和低成本的解决方法。

技术领域

本发明涉及基站共站址识别技术领域，更具体地说，本发明涉及一种基于大数据的基站共站址识别方法。

背景技术

移动通信网络中的无线环境测量报告MR数据可以准确的反应网络的覆盖情况，为运营商了解无线网络的覆盖提供了很好的工具支撑。良好的网络覆盖，是运营商生存的根本保障。但随着移动通信网络的进一步演进，特别是4G逐步向5G网络过度，无线网络所采用的信号频段波长越来越短，导致其建站规模成倍增加。据不完全统计，全国现有4G站点规模达到400多万，5G站点规模将是4G站点的3倍以上，因此将直接导致运营商总投资成本进一步抬升。

共站共享是一项很好的优化成本策略，目前三大运营商中（中国移动、中国电信和中国联通）已经组建了铁塔集团，由铁塔集团进行基站建设，然后租赁给三大运营商，三大运营商然后根据使用情况进行付费。由于历史遗留问题，三大运营商拥有大量的自有站点，导致了运营商现自有站点与共享站点无法很好的区别分类，进一步影响了铁塔集团的站点费用的分摊，如现有站点的区分主要靠站点经纬度信息进行分类，但是由于现有运营商资管系统中站点基本信息与现场站点信息存在大量的不一致（主要是因为后期站点迁移后未能及时更新资管系统），导致现有站点分类不准确。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供一种基于大数据的基站共站址识别方法，其是通过无线环境测量报告MR中对异网频段信号所测得数据进行清洗，再采用机器学习的方法实现共站址站点的分类，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于大数据的基站共站址识别方法，包括以下步骤：

S1、数据收集：收集多天无线测量报告MR数据和工参数据，主要使用的指标变量有：时间、基站SiteId、本小区CellId、本小区TA、本小区RSRP、本小区频点、邻区小区NCellId、邻小区频点、邻小区RSRP、用户所在的经度、用户所在的纬度、本小区经度、本小区纬度、是否共站标记；

S2、数据处理：对MR数据与工参数据进行处理得到新的数据，根据新的数据选择本小区RSRP值在一定范围的MR采样点，对处理后的数据根据基站SiteId统计每个基站的MR采样点数，保留MR采样点数量大于设定值的基站MR采样点；

S3、特征提取：按每基站SiteId维度，计算所有MR采样点的本小区和邻小区RSRP均值、方差、离散系数、本小区RSRP与本小区TA之间的相关系数、以及对不同的本小区TA计算本小区和邻小区RSRP均值、方差、离散系数、本小区RSRP与本小区TA之间的相关系数等，这些值则为每个基站的特征数据；是否共站标记则为每个基站的标签数据，两种数据形成新的数据；

S4、算法建模：对于上面提取特征后的数据按照一定的比例划分为训练集和测试集，使用分类算法（随机森林、GBDT、Xgboost）对训练集进行模型训练，对训练后模型对测试集进行验证；

S5、模型选择：分别使用随机森林、GBDT、Xgboost算法对训练数据进行模型训练，通过不断调整参数，每个算法获得最佳模型，再使用训练好的模型对测试集进行验证；

S6、模型应用：根据上面选择最终的模型后，保存模型，收集MR测量报告数据以及工参数据，对数据进行处理，使用保存的模型对基站进行分类，输出所有基站的识别结果。