小区话务场景划分方法及装置

摘要

本发明公开了一种小区话务场景划分方法及装置，包括：针对待进行无线资源配置的小区，分别获取所述小区的多个指定业务指标数据；并根据获取的多个指定业务指标数据，将待进行无线资源配置的小区划分到对应的小区话务场景下。本发明实施例提出的小区话务场景划分方法及装置，可以为后续的无线资源配置过程提供合理的、准确的指导信息，进而实现了准确全面地对各小区进行无线资源配置的目的。

说明书

技术领域

本发明涉及数据业务技术领域，尤其是涉及一种小区话务场景划分方法及 装置。

背景技术

现代通信系统的网络中，小区承载着语音、数据、多媒体等多种通信业务， 不同的通信业务占用的无线网络资源也不相同。随着移动通信系统的用户增 长，伴随着相关业务量的增加，由于业务量分布在不同的小区中，导致各小区 对无线网络资源需求的不同。为了更好的将无线网络资源配置给各小区，通常 采取将移动通信网络中承载的各种业务，以小区为单位，划分为不同的小区话 务场景。

现有技术中，采取单维度业务数据指标进行小区话务场景划分，如图1所 示，根据小区话务量、话务密度、数据流量等某种单一特定指标数据的取值， 分析用户的使用特性和业务量，映射划分成相应不同地理区域的话务场景，根 据划分的小区话务场景，判断小区的无线资源是否能够满足该小区所承载业务 量的需求。例如，在时分同步码分多址(TD-SCDMA，Time Division-Synchronous  Code Division Multiple Access)通信系统中，针对某个小区利用下行网络资源 利用率来进行小区话务场景划分，如果判断出高速下行分组接入(HSDPA， High Speed Downlink Packet Access)下行无线资源利用率不高，则认为该话务 场景下的各小区的无线资源配置可以满足HSDPA的话务量需求，不需要再对 该小区分配更多的无线资源。但是，也可能存在下述的情况造成该话务场景下 HSDPA下行无线资源利用率不高：该话务场景中包含的各小区HSDPA的用户 数目比较多，由于上行或下行伴随信道资源不足而造成小区的HSPDA业务接 入拥塞。

因此，现有技术中根据各小区中的单维度业务指标数据，划分小区话务场 景的方法不能够全面、准确的为后续的无线资源配置过程提供指导信息。

发明内容

本发明实施例提供一种小区话务场景划分方法及装置，用以全面合理的为 后续无线资源配置过程提供指导信息。

本发明实施例提供了一种小区话务场景划分方法，包括：针对待进行无线 资源配置的小区，分别获取所述小区的多个指定业务指标数据；并根据获取的 多个指定业务指标数据，将待进行无线资源配置的小区划分到对应的小区话务 场景下。

本发明实施例还提供了一种小区话务场景划分装置，包括：获取单元，用 于针对待进行无线资源配置的小区，分别获取所述小区的多个指定业务指标数 据；小区话务场景划分单元，用于根据获取单元获取的多个指定业务指标数据， 将待进行无线资源配置的小区划分到对应的小区话务场景下。

本发明实施例通过结合影响无线资源利用率的多项业务指标数据，综合考 虑各业务指标之间的关联性，将待进行无线资源配置的各小区划分为业务特征 明显的话务场景，从而可以为后续的无线资源配置过程提供合理的、准确的指 导信息，进而实现了准确全面地对各小区进行无线资源配置的目的。

附图说明

图1为现有技术中，小区话务场景划分方法流程图；

图2为本发明实施例中，提出的小区话务场景划分方法流程图；

图3为本发明实施例中，提出的小区簇划分方法流程图；

图4为本发明实施例中，提出的第二种选取中心小区的方法流程图；

图5为本发明实施例中，提出的以10个待进行无线资源配置的小区为例， 选取中心小区的方法示意图。

图6为本发明实施例中，提出的小区无线资源配置方法流程图；

图7为本发明实施例中，提出的小区话务场景划分装置结构图；

图8为本发明实施例中，提出的小区话务场景划分装置中小区话务场景划 分单元组成结构图。

具体实施方式

现有技术中根据某种单一特定指标数据的取值划分小区话务场景的方法， 不能够全面、准确的为后续的无线资源配置过程提供指导信息，针对现有技术 存在的问题，本发明实施例提出一种小区话务场景划分方法及装置，对待进行 无线资源配置的小区，分别针对每个小区，确定多个不同的指定业务指标数据， 根据确定的多个不同的指定业务指标数据，将待进行无线资源配置的小区划分 为业务特征明显的话务场景。从而可以为后续的无线资源配置过程提供合理、 准确的指导信息，进而实现了准确、全面地对各小区进行无线资源配置的目的。

下面将结合各个附图对本发明实施例技术方案的主要实现原理、具体实施 方式及其对应能够达到的有益效果进行详细地阐述。

如图2所示，为本发明实施例中，提出的小区话务场景划分方法流程图。

步骤21，对待进行无线资源配置的小区，获取每个小区的多个指定业务指 标数据，获取的每个小区的多个指定业务指标数据，构成一个与该小区对应的 数据样本集；

每个小区承载的所有业务的业务指标数据均存储在操作维护中心(OMC， Operations Maintenance Center)中，在OMC中提取待进行无线资源配置的小 区的多个指定业务指标数据，针对每个小区提取出的多个指定业务指标数据就 构成了一个对应该小区的数据样本集。

其中，指定业务指标数据，是指影响无线资源利用率的关键业务指标，在 待进行无线资源配置的小区中，针对每个小区，都在OMC中提取相同的多个 关键业务指标数据。其中关键业务指标数据可以但不限于为各小区的话务量、 数据流量、用户数量等指标数据。

本发明实施例中以10个待进行无线资源配置的小区为例，在OMC中分别 提取每个小区的三个关键话务指标数据，分别为小区的话务量、数据流量和用 户数量，具体数据以X、Y和Z分别代替，提取的三个关键话务指标数据对应 各小区构成10个数据样本集，分别为{x₀₁，y₀₂，z₀₃}，{x₁₁，y₁₂，z₁₃}，……，{x₉₁，y₉₂，z₉₃}。

步骤22，根据步骤21中获取的多个指定业务指标数据，将待进行无线资 源配置的小区划分为不同的小区簇，每个小区簇代表一个话务场景。

这样，后续就可以按照上述过程划分出的小区话务场景，参照每个待进行 无线资源配置的小区所属的话务场景，对相应小区进行无线资源配置工作，从 而可以更为准确、全面地对各小区进行无线资源配置。

如图3所示，为本发明实施例中，提出的小区簇划分方法流程图。

步骤31，在待进行无线资源配置的小区中，选取至少一个小区分别作为中 心小区，将选取的不同中心小区归属到不同小区簇中；

步骤32，对除步骤31中选取出的作为中心小区之外的每个小区，分别确 定该小区与中心小区之间的相似度，以及将该小区归类到与该小区具有最高相 似度的中心小区所在的小区簇中，实现将所有待进行无线资源配置的小区归类 到不同的小区簇中；

一种较优实现方式，确定任意两个小区之间的相似度，要首先确定任意两 个小区分别对应的数据样本集之间的欧式距离，并根据确定出的欧式距离来表 征该两个小区之间的相似度，具体可以采用下述公式计算任意两个小区分别对 应的数据样本集之间的欧式距离：

$d_{\mathrm{ij}}=\sqrt{{(C_{i1}-C_{j1})}^2+{(C_{i2}-C_{j2})}^2+L+{(C_{\mathrm{ik}}-C_{\mathrm{jk}})}^2}$

其中，d_ij代表第i个小区对应的数据样本集和第j个小区对应的数据样本 集之间的欧式距离；C_ik代表第i个小区对应的数据样本集中所包含的第k个指 定业务指标数据；C_jk代表第j个小区对应的数据样本集中所包含的第k个指定 业务指标数据，k代表指定业务指标数据的个数。

进一步的，如上述在步骤21中提出的10个待进行无线资源配置的小区， 以及分别形成的与10个小区分别对应的10个数据样本集，如果想要获得小区 1和小区5之间的相似度，则确定小区1和小区5分别对应的数据样本集1和 数据样本集5之间的欧式距离，具体计算公式可以如下：

$d_{15}=\sqrt{{(x_{11}-x_{51})}^2+{(y_{12}-y_{52})}^2+{(z_{13}-z_{53})}^2}$

d₁₅对应的数值即为数据样本集1和数据样本集5分别所对应的小区1和小 区5之间的相似度；x₁₁，y₁₂，z₁₃分别代表第1个小区对应的数据样本集中所包 含的第1个指定业务指标数据、第2个指定业务指标数据和第3个指定业务指 标数据；x₅₁，y₅₂，z₅₃分别代表第5个小区对应的数据样本集中所包含的第1个 指定业务指标数据、第2个指定业务指标数据和第3个指定业务指标数据；

若小区5被选取作为中心小区，则根据上述计算结果，如果小区1的相似 度与小区5的相似度比较高，则会将小区1归类到小区5所在的小区簇中，反 之，不能将小区1归类到小区5所在的小区簇中。按照上述处理过程以此类推， 直至将10个待进行无线资源配置的小区分别归类到选取的至少一个中心小区 所在的小区簇中。

步骤33，对步骤32中形成的多个小区簇，判断每个小区簇中包含的任意 两个小区之间的相似度是否大于预先设定的第一阈值，且任意两个小区簇中包 含的小区之间的相似度均小于预先设定的第二阈值，根据判断结果分别对应执 行下述步骤34或步骤35。

步骤34，如果步骤33的判断结果均为是时，则对待进行无线资源配置的 小区进行小区簇划分的过程结束，形成的每个小区簇分别对应不同的小区话务 场景。

步骤35，如果步骤33的两个判断结果中至少有一个为否时，则在形成的 每个小区簇中选择一个与该簇中的中心小区相似度最低的小区，作为新的中心 小区，然后返回继续执行步骤32的操作，直至将所有待进行无线资源配置的 小区划分为不同的小区簇为止，划分出的不同的小区簇分别代表不同的小区话 务场景。

更为具体地，在上述步骤31中，在待进行无线资源配置的小区中选取中 心小区可以但不限于采用下述两种方式：

第一种方式：在所有待进行无线资源配置的小区中任意选取小区作为中心 小区，选取出的每个中心小区归属一个小区簇。

第二种方式：

如图4所示，为本发明实施例中，提出的第二种选取中心小区的方法流程 图，其中：

步骤41，在待进行无线资源配置的小区中，确定任意两个小区之间的相似 度；

其中，确定任意两个小区之间相似度的方法，在上述步骤32中已经详细 论述，这里不再赘述。

步骤42，根据步骤41确定出的任意两个小区之间的相似度，对待进行无 线资源配置的每一个小区，分别确定与该小区相似度小于第三阈值r的小区的 数量；

具体的，根据步骤41中各小区对应的各数据样本集之间欧式距离的计算 结果，对所有数据样本集中的每个数据样本集都分别执行：将该数据样本集与 其他所有数据样本集之间的欧式距离依次与预先设定的第三阈值r比较，然后 统计欧式距离小于第三阈值r的数据样本集的数量，确定出的数据样本集的数 量即为该数据样本集所对应的小区与其他小区之间的相似度小于预先设定的 第三阈值r的小区的数量。

其中，所述第三阈值r的大小与实际提取的数据样本集有关，可以根据实 际经验确定。

如图5所示，以10个待进行无线资源配置的小区为例，10个小区分别对 应10个数据样本集，根据在上述步骤41中计算出的任意两个数据样本集之间 的欧式距离结果，对于标号为5的小区对应的数据样本集，该数据样本集与其 他数据样本集之间的欧式距离分别为d₅₀，d₅₁，d₅₃，d₅₄，d₅₆，d₅₇，d₅₈，d₅₉，其中d_ij小于第三阈值r的数据样本集的数量为8个，同理，对于标号为4的数据样本 集，与其他小区对应的数据样本集欧式距离小于第三阈值r的数据样本集的数 量为4个，依次类推，分别计算出10个小区中每个小区对应的数据样本集与 其他数据样本集之间的欧式距离小于第三阈值r的数据样本集的数量，具体如 下述表1所示：

表1：

步骤43，根据对应每一个小区确定的数量，选取对应数量最大的小区，作 为中心小区；

从上述步骤42中的表1可以看出，标号为5的数据样本集与其他数据样 本集之间的欧式距离小于第三阈值r的数据样本集的数量是最多的，为8个， 因此将标号为5的数据样本集对应的小区5确定为一个中心小区。

步骤44，针对除已经被选取作为中心小区之外的其他小区，返回继续执行 步骤42的操作，直至选取出的多个中心小区之间的相似度小于预先设置的第 四阈值为止。

同样，以上述步骤43中的10个待进行无线资源配置的小区为例，对除了 标号为5的小区之外的其他9个小区，返回继续执行步骤42的操作，直至选 取出的多个中心小区之间的相似度小于预先设定的第四阈值为止，选取出的至 少一个中心小区分别归属不同的小区簇。

通过上述步骤41～步骤44的操作，在待进行无线资源配置的小区中，选取 出至少一个中心小区，选取出的每个中心小区归属一个小区簇。当待进行无线 资源配置的小区的数目很多的时候，通过上述方法选取出的中心小区，再继续 进行小区话务场景划分的后续操作时，能够将所有待进行无线资源配置的小区 划分为业务特征明显的小区话务场景，从而可以为后续的无线资源配置过程提 供合理的、准确的指导信息，进而实现准确、全面地对各小区进行无线资源配 置的目的。

上述本发明实施例提出的对待进行无线资源配置的各小区进行小区话务 场景划分，划分出的小区话务场景可以但不限于为以下几种：话务量高区域、 数据流量高区域、用户数量多区域、话务量和数据流量都高的区域以及话务量 和数据流量都低的区域。对于归属在不同话务场景下的待进行无线资源配置的 各小区，再参照其所归属的话务场景进行无线资源配置工作。例如对于归属话 务量高的小区话务场景下的待进行无线资源配置的各小区，配置较多的无线资 源，对于归属数据流量高的小区话务场景下的待进行无线资源配置的各小区， 配置较高的带宽以实现数据的传输。

本发明实施例通过结合影响无线资源利用率的多项业务指标数据，综合考 虑业务指标之间的关联性，将待进行无线资源配置的各小区划分为业务特征明 显的话务场景，从而可以为后续的无线资源配置过程提供更为合理的、准确的 指导信息，进而实现了准确、全面的对各小区进行无线资源配置的目的。

相应地，利用本发明实施例上述提出的小区话务场景划分方法，本发明实 施例还提出一种对划分出的小区话务场景下的各小区进行无线资源配置的方 法，如图6所示，为本发明实施例提出的小区无线资源配置方法流程图。

步骤61，对待进行无线资源配置的小区，首先确定将要获取的多个关键业 务指标。

步骤62，根据步骤61确定出的多个关键业务指标，分别在OMC中获取 各小区的多个关键业务指标数据。

步骤63，根据步骤62中获取的多个关键业务指标数据，采用本发明实施 例上述提出的小区话务场景划分方法，将待进行无线资源配置的小区划分到不 同的小区话务场景下。

步骤64，根据步骤63划分出的不同的小区话务场景，分析不同小区话务 场景的无线资源利用率，并根据分析结果，针对对待进行无线资源配置的小区 所处的话务场景，参照该小区所处的话务场景，采取对应相应话务场景的无线 资源配置方式对该小区进行无线资源配置。

相应地，如图7所示，本发明实施例还提出一种小区话务场景划分装置， 具体包括：

获取单元701，用于针对待进行无线资源配置的小区，分别获取所述小区 的多个指定业务指标数据；

小区话务场景划分单元702，用于根据获取单元获取的多个指定业务指标 数据，将待进行无线资源配置的小区划分到对应的小区话务场景下。

具体地，如图8所示，为小区话务场景划分单元702的组成结构图，其具 体包括：

中心小区选取子单元801，用于在待进行无线资源配置的小区中，选取至 少一个小区分别作为中心小区，将选取的不同中心小区归属到不同小区簇中；

小区簇形成子单元802，用于对待进行无线资源配置的小区中，除中心小 区选取单元801选取的中心小区之外的每个小区，分别执行：分别确定该小区 与中心小区之间的相似度，以及将该小区归类到与该小区具有最高相似度的中 心小区归属的小区簇中；实现将除选取的中心小区之外的每个小区归类到所述 不同小区簇中：

判断子单元803，用于针对小区簇形成子单元802形成的多个小区簇，判 断每个小区簇中包含的任意两个小区之间的相似度是否均大于第一阈值，且任 意两个小区簇中包含的小区之间的相似度均小于第二阈值；

第一执行子单元804，用于在判断子单元803的判断结果均为是，确定形 成的每个小区簇分别对应不同的小区话务场景；

第二执行子单元805，用于在判断子单元803的判断的结果不全为是时， 对小区簇形成子单元802形成的每个小区簇分别执行：从该小区簇中选择一个 与该簇中的中心小区相似度最低的小区，作为新的中心小区后触发小区簇形成 子单元802执行后续操作。

较优地，上述第一执行子单元804具体可以对小区簇形成子单元802形成 的每个小区簇，从该簇中选择一个与该簇中的中心小区相似度最低的小区，将 选择的该小区的话务场景作为该簇对应的小区话务场景。

较优地，上述中心小区选取子单元801可以但不限于具体包括：相似度确 定模块91，用于在待进行无线资源配置的小区中，确定任意两个小区之间的相 似度；

中心小区选取模块92，用于重复执行下述中心小区选取操作，直至选取出 的多个中心小区之间的相似度小于预设的第四阈值为止：对待进行无线资源配 置的每一个小区，根据相似度确定模块91确定的任意两个小区之间的相似度， 确定与该小区相似度小于第三阈值的小区的数量；根据对应每一个小区确定的 所述数量，选取对应数量最大的小区，作为中心小区；针对待进行无线资源配 置的小区中除已经被选取作为中心小区之外的小区，返回继续执行确定与该小 区相似度小于第三阈值的小区的数量的操作。

一种较佳的实现方式，上述小区话务场景划分单元702可以但不限于将针 对获取单元701获取到的一个小区的多个指定业务指标数据，作为该小区数据 样本集；分别计算两个小区分别对应的数据样本集之间的欧式距离，并基于计 算出的欧式距离表征该两个小区之间的相似度。更具体地，小区话务场景划分 单元可以按照下述公式，来计算两个小区分别对应的数据样本集之间的欧式距 离：

$d_{\mathrm{ij}}=\sqrt{{(C_{i1}-C_{j1})}^2+{(C_{i2}-C_{j2})}^2+L+{(C_{\mathrm{ik}}-C_{\mathrm{jk}})}^2}$

其中，d_ij，代表第i个小区对应的数据样本集和第j个小区对应的数据样本 集之间的欧式距离；C_ik代表第i个小区对应的数据样本集中所包含的第k个指 定业务指标数据；C_jk代表第j个小区对应的数据样本集中所包含的第k个指定 业务指标数据，k代表指定业务指标数据的个数。

具体的，小区话务场景划分装置对待进行无线资源配置的小区进行小区话 务场景划分的工作原理请参见上述方法实施例的具体介绍，这里不再赘述。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发 明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及 其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。