Page 22 - 网络电信2019年9月刊上

图2 弱覆盖区域智能测评流程图 （2）弱栅格连片区域的自动识别
根据弱覆盖栅格门限，筛选出符合要求的弱栅格集合，根
据预先确定的弱栅格连片距离，采用DBSCAN算法，把满足一定
条件的邻近弱栅格聚成一组，再根据栅格连片数门限过滤达不
到门限值的分组，最后得到的栅格连片分组即为弱覆盖区域。
同时，系统可根据不同场景的基站覆盖范围、站间距、用
户密度等的不同，自动计算对应的栅格大小、栅格连片数以及
2、相关算法研究 连片距离门限。市区和县城基站覆盖范围小、站间距密、用户
（1）聚类算法
密度高，设置栅格大小为20m×20m（此时D=20m），栅格连片数
随着人类科学技术的发展，对分类的要求越来越高，以致
至少为10个，连片距离为 D；乡镇和农村基站覆盖范围大、
有时仅凭经验和专业知识难以确切地进行分类，于是人们逐渐
站间距疏、用户密度低，设置栅格大小为50m×50m，栅格连片
地把数学工具引用到了分类学中，形成了数值分类学，之后又
数最小值为5个，连片距离为2 D。如图3所示，深色的格子
将多元分析的技术引入到数值分类学形成了聚类分析。聚类分
表示弱栅格，当连片距离设置为 D，算法流程如下：
析的算法可以分为划分法、层次法、基于密度的方法、基于网
格的方法、基于模型的方法。DBSCAN（Density Based Spatial 图3 连片距离为√2￣D识别弱覆盖区域
Clustering of Applications with Noise，基于密度的聚类算
法）是一个比较有代表性的基于密度的聚类算法，与划分和层
次聚类方法不同，其将簇定义为密度相连的点的最大集合，能
够把具有足够高密度的区域划分为簇，并可在噪声的空间数据
库中发现任意形状的聚类。由于弱覆盖区域的数量和形状不固
定，本方案将采用DBSCAN算法自动识别弱覆盖区域。
（2）轮廓识别算法
在图像处理与分析、模式识别和计算机视觉等研究领域中
通常需要提取目标区域的轮廓以获得关于目标的诸多有价值的
信息。其中比较有代表性的是Alpha Shapes（阿尔法形状）算
法，从离散的空间点集中抽象出其直观形状，即从一堆无序的
点中获取大致的轮廓，其原理可以想象成一个半径为α的圆在
点集s外滚动，当α足够大时，这个圆就不会滚动到点集内部， 1）在弱栅格集合随机拿一个栅格A，则与A栅格的连片距离
其滚动的痕迹就是这个点集的边界线。为了更好表征弱覆盖区 满足的弱栅格有B和C。
域的形状，本方案采用Alpha Shapes算法得到弱覆盖区域多边 2）分别判断B和C满足连片距离的栅格，则可以找到栅格D
形顶点来表示，作为弱覆盖区域的地理化呈现。 的满足条件。
3、关键技术实现 3）再通过D查找没有满足距离的栅格，则该分组结束，输
（1）基于海量MR的栅格聚合 出分组1（ABCD）。
4G终端用户每隔10s上报一条MR记录，全省每天采集260 4）类似上述步骤，可以输出分组2（EFGH）。
亿条MR记录，MR记录包括位置AGPS以及覆盖指标等信息，基于 当连片距离设置为2 D则栅格C与栅格E、F满足距离条
大数据构建采集和运行框架高效实现MR数据聚合。然后将指定 件，则中间有隔开不相连的栅格的成片栅格也会组成一个弱覆
区域以网格的形式分成相同大小的栅格（如20m×20m），根据 盖区域（ABCDEFGH），如图4所示。
MR的经纬度和栅格范围对MR记录进行栅格聚合，根据每个栅格
图4 连片距离为2√2￣D识别弱覆盖区域
的所有MR的RSRP计算平均值作为该栅格的覆盖指标。当栅格的
覆盖RSRP指标小于-105dB即认为弱覆盖栅格。栅格编号采用
（经度编号，纬度编号）的形式来表示，将左下角最小经纬度
（109.456006485399,20.1297900884702）对应的栅格编号为
（0,0），并按固定栅格大小往后增加编码，具体计算方法如
下：
经度编号=(经度-109.456006485399)/(0.00000972×级
别)+1001（向下取整）
纬度编号=(纬度-20.1297900884702)/(0.00000896×级
别)+1001（向下取整）
栅格编号=经度编号×1000000+纬度编号，如果栅格为
20×20，那么此处级别为20。

网络电信 二零一九年九月 21