CN118301658B - 共站址检测方法、装置、设备、存储介质及程序产品 - Google Patents
共站址检测方法、装置、设备、存储介质及程序产品 Download PDFInfo
- Publication number
- CN118301658B CN118301658B CN202410720865.9A CN202410720865A CN118301658B CN 118301658 B CN118301658 B CN 118301658B CN 202410720865 A CN202410720865 A CN 202410720865A CN 118301658 B CN118301658 B CN 118301658B
- Authority
- CN
- China
- Prior art keywords
- minimization
- base station
- data set
- test data
- drive test
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 238000012360 testing method Methods 0.000 claims abstract description 356
- 239000000203 mixture Substances 0.000 claims abstract description 154
- 238000004891 communication Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims description 43
- 230000002159 abnormal effect Effects 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 17
- 238000007726 management method Methods 0.000 description 12
- 238000009826 distribution Methods 0.000 description 9
- 238000010295 mobile communication Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 4
- 230000000717 retained effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/14—Spectrum sharing arrangements between different networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
- H04W88/08—Access point devices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例公开了一种共站址检测方法、装置、设备、存储介质及程序产品，涉及通信技术领域，包括：获得目标时段内采集的第一基站的第一最小化路测数据集，以及第二基站的第二最小化路测数据集；第一基站属于第一通信网络，第二基站属于第二通信网络；如果基于第一最小化路测数据集和第二最小化路测数据集确定第一基站和第二基站存在共覆盖，基于第一最小化路测数据集中的位置信息构建第一高斯混合模型，基于第二最小化路测数据集中的位置信息构建第二高斯混合模型，如果第一高斯混合模型和第二高斯混合模型的重叠度大于目标重叠度，确定第一基站和第二基站共站址。本申请提供了一种基于大数据的无监督的共站址检测方案。
Description
技术领域
本申请涉及通信技术领域，更具体地说，涉及一种共站址检测方法、装置、设备、存储介质及程序产品。
背景技术
共站址是指同一运营商的不同通信系统（比如，4G网络和5G网络）在同一地理位置共享基站设施的实践，它是通信行业中一种常见的资源共享方式，有助于提高资源利用效率，加速网络部署，并在一定程度上降低运营商的成本。
共站址虽然可以带来成本效益和快速部署的优势，但同时也可能引发不同系统间的干扰问题。为了保证共站址的不同通信系统不会对彼此的性能产生负面影响，需要检测出共站址的基站，进而对共站址的基站进行优化，以避免共站址的不同通信系统对彼此的性能产生负面影响。
发明内容
有鉴于此，本申请提供了一种共站址检测方法、装置、设备、存储介质及程序产品，以检测出共站址的基站。
为了实现上述目的，现提出的方案如下：
一种共站址检测方法，包括：
获得目标时段内采集的第一基站的第一最小化路测数据集，以及第二基站的第二最小化路测数据集；所述第一基站属于第一通信网络，所述第二基站属于第二通信网络；
基于所述第一最小化路测数据集和所述第二最小化路测数据集判断所述第一基站和所述第二基站是否存在共覆盖；
如果所述第一基站和所述第二基站存在共覆盖，基于所述第一最小化路测数据集中的位置信息构建第一高斯混合模型，基于所述第二最小化路测数据集中的位置信息构建第二高斯混合模型；
获得所述第一高斯混合模型和所述第二高斯混合模型的重叠度；
如果所述重叠度大于目标重叠度，确定所述第一基站和所述第二基站共站址，否则，确定所述第一基站和所述第二基站未共站址。
上述方法，可选的，判断所述第一基站和所述第二基站是否存在共覆盖的过程，包括：
对所述第一最小化路测数据集和所述第二最小化路测数据集分别进行预处理，以去除所述第一最小化路测数据集中的重复数据和异常数据，以及所述第二最小化路测数据集中的重复数据和异常数据；
对预处理后的第一最小化路测数据集进行聚类，得到所述第一基站对应的三个第一类聚类中心；对预处理后的第二最小化路测数据集进行聚类，得到所述第二基站对应的三个第二类聚类中心；
如果存在任一第一类聚类中心与任一第二类聚类中心对应的地理位置间的距离小于距离阈值，确定所述第一基站和所述第二基站存在共覆盖。
上述方法，可选的，所述对所述第一最小化路测数据集和所述第二最小化路测数据集分别进行预处理，包括：
对于所述第一最小化路测数据集和所述第二最小化路测数据集中的任一最小化路测数据集，将所述任一最小化路测数据集划分为多个最小化路测数据组；其中，属于同一最小化路测数据组的最小化路测数据是在所述目标时段的同一子时段内采集的具有相同目标信息的最小化路测数据；所述目标信息包括位置信息以及移动性管理实体的关联信息；
对于每个最小化路测数据组，保留该最小化路测数据组中参考信号接收功率与该最小化路测数据组中的参考信号接收功率的中位数最接近的最小化路测数据，删除该最小化路测数据组中的其它最小化路测数据；
对各最小化路测数据组中保留的最小化路测数据进行异常最小化路测数据滤除，得到该任一最小化路测数据集对应的预处理结果。
上述方法，可选的，构建第一高斯混合模型和第二高斯混合模型的过程，包括：
基于所述预处理后的第一最小化路测数据集中的位置信息构建所述第一高斯混合模型；
基于所述预处理后的第二最小化路测数据集中的位置信息构建所述第二高斯混合模型。
上述方法，可选的，所述基于所述预处理后的第一最小化路测数据集中的位置信息构建所述第一高斯混合模型，基于所述预处理后的第二最小化路测数据集中的位置信息构建所述第二高斯混合模型，包括：
将所述预处理后的第一最小化路测数据集中的经纬度以及所述预处理后的第二最小化路测数据集中的经纬度截取到小数点后的预设位数；
利用所述预处理后的第一最小化路测数据集中的截取后的经纬度构建第一高斯混合模型；
利用所述预处理后的第二最小化路测数据集中的截取后的经纬度构建第二高斯混合模型。
上述方法，可选的，所述基于所述预处理后的第一最小化路测数据集中的位置信息构建所述第一高斯混合模型，基于所述预处理后的第二最小化路测数据集中的位置信息构建所述第二高斯混合模型，包括：
将所述预处理后的第一最小化路测数据集中的经纬度以及所述预处理后的第二最小化路测数据集中的经纬度截取到小数点后的预设位数；
利用所述预处理后的第一最小化路测数据集中的参考信号接收功率，以及截取后的经纬度构建第一高斯混合模型；
利用所述预处理后的第二最小化路测数据集中的参考信号接收功率，以及截取后的经纬度构建第二高斯混合模型。
一种共站址检测装置，包括：
获得模块，用于获得目标时段内采集的第一基站的第一最小化路测数据集，以及第二基站的第二最小化路测数据集；所述第一基站属于第一通信网络，所述第二基站属于第二通信网络；
判断模块，用于基于所述第一最小化路测数据集和所述第二最小化路测数据集判断所述第一基站和所述第二基站是否存在共覆盖；
构建模块，用于如果所述第一基站和所述第二基站存在共覆盖，基于所述第一最小化路测数据集中的位置信息构建第一高斯混合模型，基于所述第二最小化路测数据集中的位置信息构建第二高斯混合模型；
检测模块，用于获得所述第一高斯混合模型和所述第二高斯混合模型的重叠度，如果所述重叠度大于目标重叠度，确定所述第一基站和所述第二基站共站址，否则，确定所述第一基站和所述第二基站未共站址。
一种共站址检测设备，包括存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如上任一项所述的共站址检测方法的各个步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上任一项所述的共站址检测方法的各个步骤。
一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时，实现如上任一项所述的共站址检测方法的各个步骤。
从上述的技术方案可以看出，本申请实施例提供的共站址检测方法、装置、设备、存储介质及程序产品，获得目标时段内采集的第一基站的第一最小化路测数据集，以及第二基站的第二最小化路测数据集；第一基站属于第一通信网络，第二基站属于第二通信网络；如果基于第一最小化路测数据集和第二最小化路测数据集确定第一基站和第二基站存在共覆盖，基于第一最小化路测数据集中的位置信息构建第一高斯混合模型，基于第二最小化路测数据集中的位置信息构建第二高斯混合模型，如果第一高斯混合模型和第二高斯混合模型的重叠度大于目标重叠度，确定第一基站和第二基站共站址，否则，确定第一基站和第二基站未共站址。本申请提供了一种基于大数据的无监督的共站址检测方案。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的共站址检测方法的一种实现流程图；
图2为本申请实施例公开的两个高斯分布混合时的不同情况的示例图；
图3为本申请实施例公开的判断第一基站和第二基站是否存在共覆盖的一种实现流程图；
图4为本申请实施例公开的共站址检测装置的一种结构示意图；
图5为本申请实施例公开的共站址检测设备的硬件结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以4G网络和5G网络为例，共站规划的目标是在同一个站点上部署4G和5G设备，以实现基础设施的共享和优化。这意味着4G和5G设备将共享物理设备和资源，如天线、传输线路等。然而，4G和5G网络之间在技术规范上存在一些差异，包括频段、调制方式等方面，因此它们的覆盖范围可能会有所不同。在共站址的情况下，运营商可以根据实际需求和网络规划来调整4G和5G的覆盖范围。
为了实现共站址检测，一种实现方式是将两个基站的测量报告（MeasurementReport，MR）数据中的多维特征（比如，主小区和邻小区的RSRP均值，TA，主邻小区相关性系数等）输入预先训练好的共站址检测模型，得到共站址检测模型输出的检测结果，该检测结果表征两个基站是否共站址。共站址检测模型的实质是分类模型，即分类模型根据输入分类模型的两个基站的测量报告数据的多维特征判断两个基站是否共站址。
用于对共站址检测模型进行训练的训练数据集中的每个训练样本为两个基站的测量报告数据中的多维特征，训练样本的标签表征训练样本涉及的两个基站是否共站址。训练样本的标签可以是人为标注的，或者，可以是基于两个基站的工参中的基站位置信息确定的，其中，如果两个基站的工参中的基站位置信息相同，确定两个基站共站址，否则，确定两个基站未共站址。
作为示例，共站址检测模型可以是如下任一种模型：随机森林（Random Forest）、梯度提升决策树（Gradient Boosting Decision Tree ，GBDT）、Xgboost（eXtremeGradient Boosting）等有监督分类模型。
本申请研究发现，有监督的共站址检测方案，在实际的工程实施过程中，可能会由于人为的参与，出现工参不准确的情况，导致训练样本的标签不准确。另外，由于训练样本的有限性，可能会由于待进行共站址检测的基站与训练样本涉及的基站的无线环境或覆盖场景的差异，以及样本覆盖不全等因素，导致共站址检测模型的预测结果不准确。而且，有监督模型还存在学习效率较低的问题。
为了避免受不准确的工参的影响，本申请不再使用工参数据，提出一种基于大数据的无监督共站址检测方案。
本申请的共站址检测方案属于移动通信无线接入侧方面的检测方法，可用于运营商对本网中规划为共站址的4G基站与5G基站的共站址检测。在实际应用场景中，两个基站虽然被规划为共站址，但是在实际建站过程中，可能会因为施工或现场环境等一些因素的影响，导致建设好的两个基站并不是共站址的，对于一般的业务（即不考虑共站址的业务），不管基站是不是共站址都可以部署，但是后续想要部署共站址相关的业务时，就需要对基站进行共站址检测，在检测到基站共站址的情况下再部署相关业务，否则不能部署共站址相关的任务。
如图1所示，为本申请实施例提供的共站址检测方法的一种实现流程图，可以包括：
步骤S101：获得目标时段内采集的第一基站的第一最小化路测数据集，以及第二基站的第二最小化路测数据集。第一基站属于第一通信网络，第二基站属于第二通信网络。
最小化路测数据（Minimization Drive Test，MDT）是由移动通信终端上报给基站的数据，因此，最小化路测数据是没有人工参与的数据的。每个与基站建立连接的移动通信终端都会定时或不定时的采集并向基站上报最小化路测数据。
第一通信网络和第二通信网络是不同的通信网络。比如，第一通信网络是4G网络，第二通信网络是5G网络；或者，第一通信网络是5G网络，第二通信网络是6G网络等。
如果移动通信终端通过第一基站接入第一通信网络，则移动通信终端向第一基站上报第一通信网络的最小化路测数据。如果移动通信终端通过第二基站接入第二通信网络，则移动通信终端向第二基站上报第二通信网络的最小化路测数据。
以4G网络和5G网络为例，4G网络中的最小化路测数据中包括但不限于如下信息：采集时间，基站ID，本小区ID，本小区定时提前量（Timing Advance，TA），本小区参考信号接收功率（Reference Signal Receiving Power， RSRP），移动管理实体应用进程标识符（MMEApplication Identifier，MMEAPID），移动管理实体（Mobility Management Entity，MME）分组标识，MME号，UE（即移动通信终端）经度，UE纬度。
5G网络中的最小化路测数据中包括但不限于如下信息：采集时间，基站ID，本小区ID，本小区定时提前量（Timing Advance，TA），本小区参考信号接收功率（SynchronizationSignal Reference Signal Receiving Power ，SSRSRP），接入和移动性管理功能标识符（AMFUENGAPID），AMF区域标识（AMFRegionID），AMF指针（AMFPointer）， UE经度，UE纬度。
作为示例，目标时段可以为距离当前时间（开始进行共站址检测的时间）最近的一段时间，比如，可以为一个月，或者，半个月，或者，两个月等。
步骤S102：基于第一最小化路测数据集和第二最小化路测数据集判断第一基站和第二基站是否存在共覆盖。
第一基站和第二基站存在共覆盖是指第一基站的信号覆盖范围与第二基站的信号覆盖范围存在重叠区域。
作为示例，可以对第一最小化路测数据集和第二最小化路测数据集进行统计分析，以判断第一基站和第二基站是否存在共覆盖。
步骤S103：如果第一基站和第二基站存在共覆盖，基于第一最小化路测数据集中的位置信息构建第一高斯混合模型，基于第二最小化路测数据集中的位置信息构建第二高斯混合模型。
本申请的发明人研究发现，如果单纯只看两个基站的覆盖情况，无法确定两个基站是否共站址。
在第一基站和第二基站存在共覆盖的情况下，第一基站和第二基站有可能共站址，也有可能不共站址；如果第一基站和第二基站不存在共覆盖，则第一基站和第二基站一定不可能共站址。
步骤S104：获得第一高斯混合模型和第二高斯混合模型的重叠度。
可以基于两个高斯混合模型混合后形成的鞍点，以及鞍点关联的两个峰值中的较低峰值确定两个高斯混合模型的重叠度。
以二维高斯分布为例，参看图2，为本申请实施例提供的两个高斯分布混合时的不同情况的示例图。当两个高斯分布有重叠时，会形成鞍状（如图2中的a情况和b情况所示），两个二维高斯分布混合时会出现两个峰和一个鞍点；当两个高斯分布极为相近时，鞍点就会消失，从而形成一个高斯分布（如图2中的c情况所示）。
每个高斯混合模型可以只有一个峰值，也可以有多个峰值。
可选的，在每个高斯混合模型均只有一个峰值的情况下，两个高斯混合模型的重叠度与鞍点正相关，与鞍点关联的两个峰值（如图2中的b情况所示的峰值1和峰值2）中的较低峰值（即峰值1）负相关。作为示例，两个高斯混合模型的重叠度可以为：鞍点处的概率密度与较低峰值处的概率密度的比值。作为示例，如果两个高斯混合模型混合后没有鞍点，只有一个峰值（如图2中的c情况所示），则两个高斯混合模型的重叠度为1（即两个高斯混合模型基本上是相同的或者说两个高斯混合模型极为相近）。
可选的，在每个高斯混合模型均有多个峰值的情况下，可能会形成至少一个鞍点。假设每个高斯混合模型均有N（N≥2）个峰值，两个高斯混合模型混合后，对于第一高斯混合模型中的任一第一峰值，以及第二高斯混合模型中的任一第二峰值，基于该任一第一峰值和该任一第二峰值对应的鞍点，以及该任一第一峰值和该任一第二峰值中的较低峰值计算两个高斯混合模型的一个重叠度，基于此，两个高斯混合模型一共得到N2个重叠度，在该N2个重叠度中选择N个最相近的重叠度，将该N个最相近的重叠度的均值确定为两个高斯混合模型的重叠度。
步骤S105：如果重叠度大于目标重叠度，确定第一基站和第二基站共站址，否则，确定第一基站和第二基站未共站址。
作为示例，目标重叠度为0.8，即如果重叠度大于0.8，确定第一基站和第二基站共站址，否则，确定第一基站和第二基站未共站址。
可选的，如果重叠度大于第一目标重叠度，确定第一基站和第二基站共站址，否则，如果重叠度大于第二目标重叠度，小于或等于第一目标重叠度，确定第一基站和第二基站可能共站址，如果重叠度小于或等于第二目标重叠度，确定第一基站和第二基站无相关性，即一定未共站址。第二目标重叠度小于第一目标重叠度。
作为示例，第一目标重叠度为0.8，第二目标重叠度为0.6，则如果重叠度大于0.8确定第一基站和第二基站共站址，如果重叠度大于0.6，小于或等于0.8，确定第一基站和第二基站可能共站址，如果重叠度小于或等于0.6，确定第一基站和第二基站未共站址。
本申请实施例提供的共站址检测方法，获得目标时段内采集的第一基站的第一最小化路测数据集，以及第二基站的第二最小化路测数据集；第一基站属于第一通信网络，第二基站属于第二通信网络；如果基于第一最小化路测数据集和第二最小化路测数据集确定第一基站和第二基站存在共覆盖，基于第一最小化路测数据集中的位置信息构建第一高斯混合模型，基于第二最小化路测数据集中的位置信息构建第二高斯混合模型，如果第一高斯混合模型和第二高斯混合模型的重叠度大于目标重叠度，确定第一基站和第二基站共站址，否则，确定第一基站和第二基站未共站址。本申请提供了一种基于大数据的无监督的共站址检测方案，从客观的角度，分析出共覆盖场景下的不同网络的基站共站址的真实性，避免人为参与对共站址检测的负面影响。
在一可选的实施例中，上述判断第一基站和第二基站是否存在共覆盖的一种实现流程图如图3所示，可以包括：
步骤S301：对第一最小化路测数据集和第二最小化路测数据集分别进行预处理，以去除第一最小化路测数据集和第二最小化路测数据集中的重复数据和异常数据。
本申请对第一最小化路测数据集进行预处理，以去除第一最小化路测数据集中的重复数据和异常数据；对第二最小化路测数据集进行预处理，以去除第二最小化路测数据集中的重复数据和异常数据。通过去除最小化路测数据中的重复数据和异常数据，可以降低数据处理量，提高共站址检测的效率和准确率。
步骤S302：对预处理后的第一最小化路测数据集进行聚类，得到第一基站对应的三个第一类聚类中心；对预处理后的第二最小化路测数据集进行聚类，得到第二基站对应的三个第二类聚类中心。
作为示例，可以采用K-means算法对预处理后的第一最小化路测数据集进行聚类，采用K-means算法对预处理后的第二最小化路测数据集进行聚类。具体聚类过程可以参看已有的方案，这里不再详述。
为了能够完全覆盖基站的信号辐射范围，本申请在对预处理后的第一最小化路测数据集聚类时的类别数为3，对预处理后的第二最小化路测数据集聚类时的类别数也为3。
步骤S303：如果存在任一第一类聚类中心与任一第二类聚类中心对应的地理位置间的距离小于距离阈值，确定第一基站和第二基站存在共覆盖。
也就是说，本申请计算的是作为该任一第一类聚类中心的最小化路测数据中的经纬度，与作为该任一第二类聚类中心的最小化路测数据中的经纬度之间的地理距离。
作为示例，距离阈值可以为100米，也可以为200米，也可以是100米到200米之间的任一值。
如果任何第一类聚类中心与第二类聚类中心对应的地理位置的距离均大于或等于距离阈值，即不存在第一类聚类中心与第二类聚类中心对应的地理位置的距离小于距离阈值，则确定第一基站和第二基站不存在共覆盖。
在一可选的实施例中，上述对第一最小化路测数据集进行预处理的一种实现方式可以为：
将第一最小化路测数据集划分为多个最小化路测数据组；其中，属于同一最小化路测数据组的最小化路测数据是在目标时段的同一子时段内采集的具有相同目标信息的最小化路测数据；目标信息包括位置信息以及移动性管理实体（MME）的关联信息，其中，MME的关联信息包括如下至少一项：移动管理实体应用进程标识符（MMEAPID）、移动管理实体分组标识（MME分组标识）和移动管理实体号（MME号）。
具体的，可以将上述目标时段平均划分为多个子时段（比如，每5分钟为一个子时段，或者，每15分钟为一个子时段等），对于采集时间在同一子时段内的最小化路测数据，按照目标信息进行分组，即：将采集时间在同一子时段内的最小化路测数据中，目标信息相同的最小化路测数据分为一组。基于此，假设上述目标时段平均划分为了M个子时段，基于目标信息将在第i个子时段内采集的最小化路测数据划分为了Pi（i=1，2，3，……，M）个最小化路测数据组，则本申请将第一最小化路测数据集划分为了Q个最小化路测数据组，其中，Q=P1+ P2+ P3+……，PM。
本申请将属于同一最小化路测数据组的各个最小化路测数据确定为重复出现的最小化路测数据。
对于每个最小化路测数据组，保留该最小化路测数据组中参考信号接收功率（RSRP）与该最小化路测数据组中的参考信号接收功率的中位数最接近的最小化路测数据，删除该最小化路测数据组中的其它最小化路测数据。
对于第j（j=1，2，3，……，Q）个最小化路测数据组，可以对第j个最小化路测数据组中的各个最小化路测数据中的RSRP进行统计分析，以确定第j个最小化路测数据组中的RSRP中位数，将RSRP与RSRP中位数最接近的最小化路测数据作为第j个最小化路测数据组的代表进行保留，第j个最小化路测数据组中的其它最小化路测数据作为重复出现的数据进行删除。
其中，第j个最小化路测数据组中的RSRP中位数可能是第j个最小化路测数据组中的某个最小化路测数据中的RSRP，此时，RSRP与RSRP中位数最接近的最小化路测数据就是RSRP为中位数的最小化路测数据。
第j个最小化路测数据组中的RSRP中位数也可能是RSRP排序位于最中间的两个RSRP的均值，此时，RSRP与RSRP中位数最接近的最小化路测数据可以是RSRP排序位于最中间的两个最小化路测数据中的任一个。
对各最小化路测数据组中保留的最小化路测数据进行异常最小化路测数据滤除，得到第一最小化路测数据集对应的预处理结果（即预处理后的第一最小化路测数据集）。
以前述将第一最小化路测数据集划分为了Q个最小化路测数据组为例，通过删除每个最小化路测数据组中重复的最小化路测数据，剩余了Q个最小化路测数据。该剩余的Q个最小化路测数据中可能存在异常的最小化路测数据，需要滤除异常的最小化路测数据，以避免异常最小化路测数据对共站址检测的负面影响。
基于本申请可以在保证位置数据不丢失的情况下，压缩数据量为后续流程做准备。
在一可选的实施例中，上述对第二最小化路测数据集进行预处理的一种实现方式可以为：
将第二最小化路测数据集划分为多个最小化路测数据组；其中，属于同一最小化路测数据组的最小化路测数据是在目标时段的同一子时段内采集的具有相同目标信息的最小化路测数据；目标信息包括位置信息以及移动性管理实体（AMF）的关联信息，AMF的关联信息如下至少一项：接入和移动性管理功能标识符（AMFUENGAPID）、AMF区域标识（AMFRegionID）和AMF指针（AMFPointer）。
具体的，可以将上述目标时段平均划分为多个子时段（比如，每5分钟为一个子时段，或者，每15分钟为一个子时段等），对于采集时间在同一子时段内的最小化路测数据，按照目标信息进行分组，即：将采集时间在同一子时段内的最小化路测数据中，目标信息相同的最小化路测数据分为一组。基于此，假设上述目标时段平均划分为了M个子时段，基于目标信息将在第i个子时段内采集的最小化路测数据划分为了Pi（i=1，2，3，……，M）个最小化路测数据组，则本申请将第二最小化路测数据集划分为了Q个最小化路测数据组，其中，Q=P1+ P2+ P3+……，PM。
本申请将属于同一最小化路测数据组的各个最小化路测数据确定为重复出现的最小化路测数据。
对于每个最小化路测数据组，保留该最小化路测数据组中参考信号接收功率（SSRSRP）与该最小化路测数据组中的参考信号接收功率的中位数最接近的最小化路测数据，删除该最小化路测数据组中的其它最小化路测数据。
对于第j（j=1，2，3，……，Q）个最小化路测数据组，可以对第j个最小化路测数据组中的各个最小化路测数据中的SSRSRP进行统计分析，以确定第j个最小化路测数据组中的SSRSRP中位数，将SSRSRP与SSRSRP中位数最接近的最小化路测数据作为第j个最小化路测数据组的代表进行保留，第j个最小化路测数据组中的其它最小化路测数据作为重复出现的数据进行删除。
其中，第j个最小化路测数据组中的SSRSRP中位数可能是第j个最小化路测数据组中的某个最小化路测数据中的SSRSRP，此时，SSRSRP与SSRSRP中位数最接近的最小化路测数据就是SSRSRP为中位数的最小化路测数据。
第j个最小化路测数据组中的SSRSRP中位数也可能是SSRSRP排序位于最中间的两个SSRSRP的均值，此时，SSRSRP与SSRSRP中位数最接近的最小化路测数据可以是SSRSRP排序位于最中间的两个最小化路测数据中的任一个。
对各最小化路测数据组中保留的最小化路测数据进行异常最小化路测数据滤除，得到第二最小化路测数据集对应的预处理结果（即预处理后的第二最小化路测数据集）。
以前述将第二最小化路测数据集划分为了Q个最小化路测数据组为例，通过删除每个最小化路测数据组中重复的最小化路测数据，剩余了Q个最小化路测数据。该剩余的Q个最小化路测数据中可能存在异常的最小化路测数据，需要滤除异常的最小化路测数据，以避免异常最小化路测数据对共站址检测的负面影响。
基于本申请可以在保证位置数据不丢失的情况下，压缩数据量为后续流程做准备。
如上所述，本申请对第一最小化路测数据集和第二最小化路测数据集进行预处理的方式是相同的。
在一可选的实施例中，在对第一最小化路测数据集和第二最小化路测数据集进行预处理时，异常的最小化路测数据在各最小化路测数据组中保留的所有最小化路测数据中的占比在目标范围内，作为示例，目标范围可以为[5%,10%]。比如，上述占比可以为5%或者10%或者7%等。
在一可选的实施例中，上述对各最小化路测数据组中保留的最小化路测数据进行异常最小化路测数据滤除的一种实现方式可以为：
基于最小化路测数据中的参考信号接收功率，采用孤立森林（Isolation Forest）算法检测各最小化路测数据组中保留的最小化路测数据中的异常参考信号接收功率，将包含异常参考信号接收功率的最小化路测数据确定为异常最小化路测数据。
该步骤的整体实现流程可以参看已有的方案，这里不再赘述，这里主要说明本申请与已有方案的一些区别：
孤立森林算法通过基于保留的最小化路测数据中的参考信号接收功率构建多个孤立树（也称为决策树）来识别异常参考信号接收功率。本申请中，孤立树的数量的取值范围为[50,150]。作为示例，孤立树的数量可以为50或100或150等。
孤立森林算法会计算各个最小化路测数据中的参考信号接收功率的异常分，将各个最小化路测数据按照参考信号接收功率的异常分由小到大的顺序排序。本申请中，按照异常最小化路测数据的目标占比，将前H个最小化路测数据确定为异常最小化路测数据。也就是说，前H个最小化路测数据在各最小化路测数据组中保留的所有最小化路测数据中的占比为目标占比。
删除检测到的异常最小化路测数据。
在一可选的实施例中，上述构建第一高斯混合模型和第二高斯混合模型的一种实现方式可以为：
基于预处理后的第一最小化路测数据集中的位置信息构建第一高斯混合模型。
基于预处理后的第二最小化路测数据集中的位置信息构建第二高斯混合模型。
也就是说，本申请是先对第一最小化路测数据集和第二最小化路测数据集进行预处理，然后利用预处理后的最小化路测数据集中的位置信息构建高斯混合模型。这样可以保证构建的高斯混合模型更准确的表征移动通信终端的位置的概率分布情况。
在构建高斯混合模型时，可以使用最小化路测数据中的原始位置信息（即原始经纬度数据）构建高斯混合模型。为了进一步提高共站址检测的准确性，本申请将最小化路测数据中的原始位置信息栅格化，基于栅格化的位置信息构建第一高斯混合模型和第二高斯混合模型。
基于此，本申请实施例提供的构建第一高斯混合模型和第二高斯混合模型的一种实现方式可以为：
将预处理后的第一最小化路测数据集中的经纬度以及预处理后的第二最小化路测数据集中的经纬度截取到小数点后的预设位数。
作为示例，预设位数为四位，即将经度截取到小数点后四位，将纬度截取到小数点后四位。也就是说，不管是经度，还是纬度，直接将小数点之后的第五位及之后的位数删除，仅保留小数点后四位。
利用预处理后的第一最小化路测数据集中的截取后的经纬度构建第一高斯混合模型。
第一高斯混合模型是以经度和纬度为变量的二维高斯混合模型。可选的，第一高斯混合模型具有三个峰值，即第一高斯混合模型由三个单高斯模型加权得到，各个单高斯模型的权重之和为1。
利用预处理后的第二最小化路测数据集中的截取后的经纬度构建第二高斯混合模型。
第二高斯混合模型也是以经度和纬度为变量的二维高斯混合模型。可选的，第二高斯混合模型具有三个峰值，即第二高斯混合模型由三个单高斯模型加权得到，各个单高斯模型的权重之和为1。
第一高斯混合模型的构建过程和第二高斯混合模型的构建过程可以参看已有的方案，本申请不再详述。
通过对经纬度数据进行截取，使得预处理后的第一最小化路测数据集和预处理后的第二最小化路测数据集在进行概率密度的计算时，更趋近于对于小面积上的相似，从而进一步提高共站址检测的准确性。
本申请实施例提供的构建第一高斯混合模型和第二高斯混合模型的另一种实现方式可以为：
将预处理后的第一最小化路测数据集中的经纬度以及预处理后的第二最小化路测数据集中的经纬度截取到小数点后的预设位数。
作为示例，预设位数为四位，即将经度截取到小数点后四位，将纬度截取到小数点后四位。也就是说，不管是经度，还是纬度，直接将小数点之后的第五位及之后的位数删除，仅保留小数点后四位。
利用预处理后的第一最小化路测数据集中的参考信号接收功率（RSRP），以及截取后的经纬度构建第一高斯混合模型。
第一高斯混合模型是以RSRP、截取后的经纬度为变量的三维高斯混合模型。可选的，第一高斯混合模型具有三个峰值，即第一高斯混合模型由三个单高斯模型加权得到，各个单高斯模型的权重之和为1，每个单高斯模型对应一个峰值。
可选的，可以先对RSRP进行归一化处理，得到归一化的RSRP，以归一化的RSRP、截取后的经纬度为变量构建三维高斯混合模型作为第一高斯混合模型。
对于任一RSRP，可以获得该任一RSRP与预处理后的第一最小化路测数据集中最小RSRP的差值（记为第一差值），以及预处理后的第一最小化路测数据集中最大RSRP与最小RSRP的差值（记为第二差值），将第一差值与第一差值的比值确定为该任一RSRP的归一化结果。
利用预处理后的第二最小化路测数据集中的参考信号接收功率（SSRSRP），以及截取后的经纬度构建第二高斯混合模型。
第二高斯混合模型也是以SSRSRP、截取后的经纬度为变量的三维高斯混合模型。可选的，第二高斯混合模型具有三个峰值，即第二高斯混合模型由三个单高斯模型加权得到，各个单高斯模型的权重之和为1，每个单高斯模型对应一个峰值。
可选的，可以先对SSRSRP进行归一化处理，得到归一化的SSRSRP，以归一化的SSRSRP、截取后的经度和纬度为变量构建三维高斯混合模型作为第二高斯混合模型。
通过对RSRP和SSRSRP进行归一化处理，使得两个高斯混合模型具有可比性。
对于任一SSRSRP，可以获得该任一SSRSRP与预处理后的第二最小化路测数据集中最小SSRSRP的差值（记为第一差值），以及预处理后的第二最小化路测数据集中最大SSRSRP与最小SSRSRP的差值（记为第二差值），将第一差值与第一差值的比值确定为该任一SSRSRP的归一化结果。
第一高斯混合模型的构建过程和第二高斯混合模型的构建过程可以参看已有的方案，本申请不再详述。
与前一构建高斯混合模型的实施例不同，本实施例在构建高斯混合模型时考虑了参考信号接收功率（RSRP/ SSRSRP），进一步提高共站址检测的准确性。
假设构成第一高斯混合模型的单高斯模型为第一类单高斯模型，构成第二高斯混合模型的单高斯模型为第二类单高斯模型，则由任一第一类单高斯模型和任一第二类单高斯模型混合得到的鞍点的概率密度与该任一第一类单高斯模型的权重和该任一第二类单高斯模型的权重相关。两个高斯混合模型的重叠度并不是落在重叠区域内的数据（即位置数据）的比例，因此，根据数据量无关，只跟数据的分布情况相关。
与方法实施例相对应，本申请提供一种共站址检测装置，本申请实施例提供的共站址检测装置的一种结构示意图如图4所示，可以包括：
获得模块401，判断模块402，构建模块403和检测模块404；
其中，获得模块401用于获得目标时段内采集的第一基站的第一最小化路测数据集，以及第二基站的第二最小化路测数据集；所述第一基站属于第一通信网络，所述第二基站属于第二通信网络；
判断模块402用于基于所述第一最小化路测数据集和所述第二最小化路测数据集判断所述第一基站和所述第二基站是否存在共覆盖；
构建模块403用于如果所述第一基站和所述第二基站存在共覆盖，基于所述第一最小化路测数据集中的位置信息构建第一高斯混合模型，基于所述第二最小化路测数据集中的位置信息构建第二高斯混合模型；
检测模块404用于获得所述第一高斯混合模型和所述第二高斯混合模型的重叠度，如果所述重叠度大于目标重叠度，确定所述第一基站和所述第二基站共站址，否则，确定所述第一基站和所述第二基站未共站址。
本申请实施例提供的共站址检测装置，获得目标时段内采集的第一基站的第一最小化路测数据集，以及第二基站的第二最小化路测数据集；第一基站属于第一通信网络，第二基站属于第二通信网络；如果基于第一最小化路测数据集和第二最小化路测数据集确定第一基站和第二基站存在共覆盖，基于第一最小化路测数据集中的位置信息构建第一高斯混合模型，基于第二最小化路测数据集中的位置信息构建第二高斯混合模型，如果第一高斯混合模型和第二高斯混合模型的重叠度大于目标重叠度，确定第一基站和第二基站共站址，否则，确定第一基站和第二基站未共站址。本申请提供了一种基于大数据的无监督的共站址检测方案，从客观的角度，分析出共覆盖场景下的不同网络的基站共站址的真实性，避免人为参与对共站址检测的负面影响。
在一可选的实施例中，所述判断模块402判断所述第一基站和所述第二基站是否存在共覆盖时，用于：
对所述第一最小化路测数据集和所述第二最小化路测数据集分别进行预处理，以去除所述第一最小化路测数据集中的重复数据和异常数据，以及所述第二最小化路测数据集中的重复数据和异常数据；
对预处理后的第一最小化路测数据集进行聚类，得到所述第一基站对应的三个第一类聚类中心；对预处理后的第二最小化路测数据集进行聚类，得到所述第二基站对应的三个第二类聚类中心；
如果存在任一第一类聚类中心与任一第二类聚类中心对应的地理位置间的距离小于距离阈值，确定所述第一基站和所述第二基站存在共覆盖。
在一可选的实施例中，所述判断模块402对所述第一最小化路测数据集和所述第二最小化路测数据集分别进行预处理时，用于：
对于所述第一最小化路测数据集和所述第二最小化路测数据集中的任一最小化路测数据集，将所述任一最小化路测数据集划分为多个最小化路测数据组；其中，属于同一最小化路测数据组的最小化路测数据是在所述目标时段的同一子时段内采集的具有相同目标信息的最小化路测数据；所述目标信息包括位置信息以及移动性管理实体的关联信息；
对于每个最小化路测数据组，保留该最小化路测数据组中参考信号接收功率与该最小化路测数据组中的参考信号接收功率的中位数最接近的最小化路测数据，删除该最小化路测数据组中的其它最小化路测数据；
对各最小化路测数据组中保留的最小化路测数据进行异常最小化路测数据滤除，得到该任一最小化路测数据集对应的预处理结果。
在一可选的实施例中，所述构建模块403构建第一高斯混合模型和第二高斯混合模型时，用于：
基于所述预处理后的第一最小化路测数据集中的位置信息构建所述第一高斯混合模型；
基于所述预处理后的第二最小化路测数据集中的位置信息构建所述第二高斯混合模型。
在一可选的实施例中，所述构建模块403基于所述预处理后的第一最小化路测数据集中的位置信息构建所述第一高斯混合模型，基于所述预处理后的第二最小化路测数据集中的位置信息构建所述第二高斯混合模型时，用于：
将所述预处理后的第一最小化路测数据集中的经纬度以及所述预处理后的第二最小化路测数据集中的经纬度截取到小数点后的预设位数；
利用所述预处理后的第一最小化路测数据集中的截取后的经纬度构建第一高斯混合模型；
利用所述预处理后的第二最小化路测数据集中的截取后的经纬度构建第二高斯混合模型。
在一可选的实施例中，所述构建模块403基于所述预处理后的第一最小化路测数据集中的位置信息构建所述第一高斯混合模型，基于所述预处理后的第二最小化路测数据集中的位置信息构建所述第二高斯混合模型时，用于：
将所述预处理后的第一最小化路测数据集中的经纬度以及所述预处理后的第二最小化路测数据集中的经纬度截取到小数点后的预设位数；
利用所述预处理后的第一最小化路测数据集中的参考信号接收功率，以及截取后的经纬度构建第一高斯混合模型；
利用所述预处理后的第二最小化路测数据集中的参考信号接收功率，以及截取后的经纬度构建第二高斯混合模型。
本申请实施例提供的共站址检测装置可应用于共站址检测设备，如PC终端、云平台、服务器及服务器集群等。可选的，图5示出了共站址检测设备的硬件结构框图，参照图5，共站址检测设备的硬件结构可以包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；
在本申请实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；
处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC（ApplicationSpecific Integrated Circuit），或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器（non-volatilememory）等，例如至少一个磁盘存储器；
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
获得目标时段内采集的第一基站的第一最小化路测数据集，以及第二基站的第二最小化路测数据集；所述第一基站属于第一通信网络，所述第二基站属于第二通信网络；
基于所述第一最小化路测数据集和所述第二最小化路测数据集判断所述第一基站和所述第二基站是否存在共覆盖；
如果所述第一基站和所述第二基站存在共覆盖，基于所述第一最小化路测数据集中的位置信息构建第一高斯混合模型，基于所述第二最小化路测数据集中的位置信息构建第二高斯混合模型；
获得所述第一高斯混合模型和所述第二高斯混合模型的重叠度；
如果所述重叠度大于目标重叠度，确定所述第一基站和所述第二基站共站址，否则，确定所述第一基站和所述第二基站未共站址。
可选的，所述存储器存储的程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种存储介质，该存储介质可存储有适于处理器执行的程序，所述程序用于：
获得目标时段内采集的第一基站的第一最小化路测数据集，以及第二基站的第二最小化路测数据集；所述第一基站属于第一通信网络，所述第二基站属于第二通信网络；
基于所述第一最小化路测数据集和所述第二最小化路测数据集判断所述第一基站和所述第二基站是否存在共覆盖；
如果所述第一基站和所述第二基站存在共覆盖，基于所述第一最小化路测数据集中的位置信息构建第一高斯混合模型，基于所述第二最小化路测数据集中的位置信息构建第二高斯混合模型；
获得所述第一高斯混合模型和所述第二高斯混合模型的重叠度；
如果所述重叠度大于目标重叠度，确定所述第一基站和所述第二基站共站址，否则，确定所述第一基站和所述第二基站未共站址。
可选的，所述存储介质存储的程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时，所述计算机程序/指令用于：
获得目标时段内采集的第一基站的第一最小化路测数据集，以及第二基站的第二最小化路测数据集；所述第一基站属于第一通信网络，所述第二基站属于第二通信网络；
基于所述第一最小化路测数据集和所述第二最小化路测数据集判断所述第一基站和所述第二基站是否存在共覆盖；
如果所述第一基站和所述第二基站存在共覆盖，基于所述第一最小化路测数据集中的位置信息构建第一高斯混合模型，基于所述第二最小化路测数据集中的位置信息构建第二高斯混合模型；
获得所述第一高斯混合模型和所述第二高斯混合模型的重叠度；
如果所述重叠度大于目标重叠度，确定所述第一基站和所述第二基站共站址，否则，确定所述第一基站和所述第二基站未共站址。
可选的，所述计算机程序/指令的细化功能和扩展功能可参照上文描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种共站址检测方法，其特征在于，包括：
获得目标时段内采集的第一基站的第一最小化路测数据集，以及第二基站的第二最小化路测数据集；所述第一基站属于第一通信网络，所述第二基站属于第二通信网络；
基于所述第一最小化路测数据集和所述第二最小化路测数据集判断所述第一基站和所述第二基站是否存在共覆盖；
如果所述第一基站和所述第二基站存在共覆盖，基于所述第一最小化路测数据集中的位置信息构建第一高斯混合模型，基于所述第二最小化路测数据集中的位置信息构建第二高斯混合模型；
获得所述第一高斯混合模型和所述第二高斯混合模型的重叠度；
如果所述重叠度大于目标重叠度，确定所述第一基站和所述第二基站共站址，否则，确定所述第一基站和所述第二基站未共站址。
2.根据权利要求1所述的方法，其特征在于，判断所述第一基站和所述第二基站是否存在共覆盖的过程，包括：
对所述第一最小化路测数据集和所述第二最小化路测数据集分别进行预处理，以去除所述第一最小化路测数据集中的重复数据和异常数据，以及所述第二最小化路测数据集中的重复数据和异常数据；
对预处理后的第一最小化路测数据集进行聚类，得到所述第一基站对应的三个第一类聚类中心；对预处理后的第二最小化路测数据集进行聚类，得到所述第二基站对应的三个第二类聚类中心；
如果存在任一第一类聚类中心与任一第二类聚类中心对应的地理位置间的距离小于距离阈值，确定所述第一基站和所述第二基站存在共覆盖。
3.根据权利要求2所述的方法，其特征在于，所述对所述第一最小化路测数据集和所述第二最小化路测数据集分别进行预处理，包括：
对于所述第一最小化路测数据集和所述第二最小化路测数据集中的任一最小化路测数据集，将所述任一最小化路测数据集划分为多个最小化路测数据组；其中，属于同一最小化路测数据组的最小化路测数据是在所述目标时段的同一子时段内采集的具有相同目标信息的最小化路测数据；所述目标信息包括位置信息以及移动性管理实体的关联信息；
对于每个最小化路测数据组，保留该最小化路测数据组中参考信号接收功率与该最小化路测数据组中的参考信号接收功率的中位数最接近的最小化路测数据，删除该最小化路测数据组中的其它最小化路测数据；
对各最小化路测数据组中保留的最小化路测数据进行异常最小化路测数据滤除，得到该任一最小化路测数据集对应的预处理结果。
4.根据权利要求2所述的方法，其特征在于，构建第一高斯混合模型和第二高斯混合模型的过程，包括：
基于所述预处理后的第一最小化路测数据集中的位置信息构建所述第一高斯混合模型；
基于所述预处理后的第二最小化路测数据集中的位置信息构建所述第二高斯混合模型。
5.根据权利要求4所述的方法，其特征在于，所述基于所述预处理后的第一最小化路测数据集中的位置信息构建所述第一高斯混合模型，基于所述预处理后的第二最小化路测数据集中的位置信息构建所述第二高斯混合模型，包括：
将所述预处理后的第一最小化路测数据集中的经纬度以及所述预处理后的第二最小化路测数据集中的经纬度截取到小数点后的预设位数；
利用所述预处理后的第一最小化路测数据集中的截取后的经纬度构建第一高斯混合模型；
利用所述预处理后的第二最小化路测数据集中的截取后的经纬度构建第二高斯混合模型。
6.根据权利要求4所述的方法，其特征在于，所述基于所述预处理后的第一最小化路测数据集中的位置信息构建所述第一高斯混合模型，基于所述预处理后的第二最小化路测数据集中的位置信息构建所述第二高斯混合模型，包括：
将所述预处理后的第一最小化路测数据集中的经纬度以及所述预处理后的第二最小化路测数据集中的经纬度截取到小数点后的预设位数；
利用所述预处理后的第一最小化路测数据集中的参考信号接收功率，以及截取后的经纬度构建第一高斯混合模型；
利用所述预处理后的第二最小化路测数据集中的参考信号接收功率，以及截取后的经纬度构建第二高斯混合模型。
7.一种共站址检测装置，其特征在于，包括：
获得模块，用于获得目标时段内采集的第一基站的第一最小化路测数据集，以及第二基站的第二最小化路测数据集；所述第一基站属于第一通信网络，所述第二基站属于第二通信网络；
判断模块，用于基于所述第一最小化路测数据集和所述第二最小化路测数据集判断所述第一基站和所述第二基站是否存在共覆盖；
构建模块，用于如果所述第一基站和所述第二基站存在共覆盖，基于所述第一最小化路测数据集中的位置信息构建第一高斯混合模型，基于所述第二最小化路测数据集中的位置信息构建第二高斯混合模型；
检测模块，用于获得所述第一高斯混合模型和所述第二高斯混合模型的重叠度，如果所述重叠度大于目标重叠度，确定所述第一基站和所述第二基站共站址，否则，确定所述第一基站和所述第二基站未共站址。
8.一种共站址检测设备，其特征在于，包括存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1-6中任一项所述的共站址检测方法的各个步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-6中任一项所述的共站址检测方法的各个步骤。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时，实现如权利要求1-6中任一项所述的共站址检测方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410720865.9A CN118301658B (zh) | 2024-06-05 | 2024-06-05 | 共站址检测方法、装置、设备、存储介质及程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410720865.9A CN118301658B (zh) | 2024-06-05 | 2024-06-05 | 共站址检测方法、装置、设备、存储介质及程序产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118301658A CN118301658A (zh) | 2024-07-05 |
| CN118301658B true CN118301658B (zh) | 2024-07-30 |
Family
ID=91676750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410720865.9A Active CN118301658B (zh) | 2024-06-05 | 2024-06-05 | 共站址检测方法、装置、设备、存储介质及程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118301658B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112990382A (zh) * | 2021-05-11 | 2021-06-18 | 桔帧科技(江苏)有限公司 | 一种基于大数据的基站共站址识别方法 |
| CN117279010A (zh) * | 2023-10-16 | 2023-12-22 | 中国联合网络通信集团有限公司 | 一种识别直放站下终端的方法、装置、电子设备及介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11395149B2 (en) * | 2020-05-01 | 2022-07-19 | Digital Global Systems, Inc. | System, method, and apparatus for providing dynamic, prioritized spectrum management and utilization |
| CN114339774A (zh) * | 2020-09-30 | 2022-04-12 | 北京三星通信技术研究有限公司 | 频谱资源共享方法、装置、电子设备及存储介质 |
| CN117322088A (zh) * | 2021-08-06 | 2023-12-29 | Oppo广东移动通信有限公司 | 一种无线通信方法及装置、终端设备、网络设备 |
-
2024
- 2024-06-05 CN CN202410720865.9A patent/CN118301658B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112990382A (zh) * | 2021-05-11 | 2021-06-18 | 桔帧科技(江苏)有限公司 | 一种基于大数据的基站共站址识别方法 |
| CN117279010A (zh) * | 2023-10-16 | 2023-12-22 | 中国联合网络通信集团有限公司 | 一种识别直放站下终端的方法、装置、电子设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118301658A (zh) | 2024-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102655903B1 (ko) | 기지국의 에너지를 절약하기 위한 처리 방법 및 처리 장치 | |
| CN109495920B (zh) | 一种无线通信网络特征画像方法、设备和计算机程序产品 | |
| CN111867049B (zh) | 定位方法、装置及存储介质 | |
| CN112867147B (zh) | 定位方法和定位装置 | |
| CN104105106A (zh) | 无线通信网智能天线覆盖场景自动分类识别方法 | |
| CN112950243A (zh) | 一种5g站址规划方法、装置、电子设备及存储介质 | |
| CN104869630A (zh) | 基于离线指纹库的伪基站快速定位方法与系统 | |
| CN104427505A (zh) | 一种小区场景划分的方法及装置 | |
| CN114786199B (zh) | 一种网络问题点的确定方法、装置、设备及存储介质 | |
| CN114615693A (zh) | 网络容量预测方法、装置、电子设备及计算机存储介质 | |
| CN110913407A (zh) | 重叠覆盖的分析方法及装置 | |
| CN117896772A (zh) | 网络覆盖异常小区评估方法、系统、电子设备及存储介质 | |
| CN112243242A (zh) | 大规模天线波束配置方法和装置 | |
| WO2022090810A1 (en) | Cell similarity indicator based on coverage area morphology | |
| CN110727752B (zh) | 位置指纹库处理方法、设备及计算机可读存储介质 | |
| CN106921978B (zh) | 一种位置分布确定方法及装置 | |
| CN112929887A (zh) | 基于流量预测设置室分站的方法、装置和电子设备 | |
| CN118301658B (zh) | 共站址检测方法、装置、设备、存储介质及程序产品 | |
| CN115086970A (zh) | 测量数据分析方法、装置、介质及电子设备 | |
| CN116227929B (zh) | 通信数据的分析方法、装置、设备及存储介质 | |
| CN119233306A (zh) | 基站工参校准方法、装置、设备、介质和计算机程序产品 | |
| CN119545376A (zh) | 波束权值的调整方法、电子设备和存储介质 | |
| CN115347963B (zh) | 无线通信的干扰定位方法和装置、电子设备 | |
| CN115915151B (zh) | 一种小区覆盖场景的分类方法、装置及设备 | |
| CN113316157A (zh) | 站点位置的确定方法、装置和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |