CN119136213A - 一种基于边缘计算的基站勘察方法及系统 - Google Patents

Abstract

本申请提供一种基于边缘计算的基站勘察方法及系统。其中，从基站网络覆盖区域内选取一个或多个目标区域，目标区域包含至少一个候选基站位置；在目标区域内部署至少一个边缘计算设备，以通过边缘计算设备对采集到的环境参数数据进行实时分析，生成即时反馈信息，并将即时反馈信息上传至云端服务端；协调边缘计算设备之间的数据共享与协作，并结合即时反馈信息构建目标区域的环境参数图谱；基于环境参数图谱，结合历史基站数据和用户行为模式，生成候选基站位置的选址推荐报告。本申请通过环境参数图谱、历史基站数据以及用户行为模式分析综合确定候选基站位置，从而提高了选址质量和选址效率。

Description

一种基于边缘计算的基站勘察方法及系统

技术领域

本申请实施例涉及基站勘察技术领域，尤其涉及一种基于边缘计算的基站勘察方法及系统。

背景技术

随着移动通信技术的快速发展，网络覆盖和服务质量的要求不断提高，基站的合理布局成为运营商面临的重要课题之一。为了确保通信网络的高效运行和用户体验的持续提升，基站勘察成为了通信基础设施建设的关键环节。

目前，基站选址主要依赖于人工现场勘查和经验判断，辅以部分自动化工具。这些工具通常需要将大量的现场数据上传到中心服务器进行处理，然后由专家团队进行分析决策。

由于数据需要从边缘设备上传至云端进行处理，再返回结果给现场工作人员，这一过程可能导致较长的延迟，影响决策的时效性，从而造成选址质量差和选址效率低的问题。

发明内容

本申请实施例提供一种基于边缘计算的基站勘察方法及系统，用以解决现有技术中选址质量差和选址效率低的问题。

第一方面，本申请实施例提供了一种基于边缘计算的基站勘察方法，应用于云端服务端，包括：

从基站网络覆盖区域内选取一个或多个目标区域，所述目标区域包含至少一个候选基站位置；

在所述目标区域内部署至少一个边缘计算设备，以通过所述边缘计算设备对采集到的环境参数数据进行实时分析，生成即时反馈信息，并将所述即时反馈信息上传至云端服务端，所述即时反馈信息包括信号覆盖范围、潜在干扰源位置和周围环境的动态变化；

协调所述边缘计算设备之间的数据共享与协作，并结合所述即时反馈信息构建目标区域的环境参数图谱，所述环境参数图谱反映了整个目标区域的信号覆盖情况和干扰分布；

基于所述环境参数图谱，结合历史基站数据和用户行为模式，生成候选基站位置的选址推荐报告，所述选址推荐报告包括最佳安装位置和优化建议。

进一步的，所述协调所述边缘计算设备之间的数据共享与协作，包括：

利用安全协议，对所述边缘计算设备之间的通信链路进行加密处理，以建立安全的通信链路；

在建立安全的通信链路基础上，根据所述边缘计算设备的数据更新频率，对所述边缘计算设备进行数据同步处理，以实现所述边缘计算设备之间的实时交换和同步的环境参数数据；

所述方法还包括：

利用冲突检测算法，对所述边缘计算设备在数据共享过程中出现的数据冲突进行处理，以确保所述边缘计算设备之间的数据一致性。

进一步的，所述结合所述即时反馈信息构建目标区域的环境参数图谱，包括：

利用数据融合算法，对所述即时反馈信息与已有的环境参数数据进行融合处理，得到环境参数图谱；

根据最新的即时反馈信息，对所述环境参数图谱进行实时更新处理，得到动态更新后的环境参数图谱。

进一步的，所述利用数据融合算法，对所述即时反馈信息与已有的环境参数数据进行融合处理，得到环境参数图谱，包括：

根据已有的环境参数数据，生成初步环境参数图谱；

在所述初步环境参数图谱上，根据所述即时反馈信息中的潜在干扰源数据，进行干扰源位置标记及定位处理；

根据所述即时反馈信息中的信号覆盖范围，在所述初步环境参数图谱上执行信号覆盖范围绘制处理，生成信号覆盖热图；

基于所述即时反馈信息中的周围环境动态变化数据，对所述初步环境参数图谱实施动态更新处理；

生成包含干扰源位置信息、信号覆盖热图以及动态更新数据的环境参数图谱。

进一步的，所述基于所述环境参数图谱，结合历史基站数据和用户行为模式，生成候选基站位置的选址推荐报告，包括：

从云端数据库中检索与所述目标区域相关的现有基站的历史基站数据，包括信号强度、覆盖范围、用户接入量；

分析所述目标区域内的用户行为模式，包括用户的活动时间、活动地点和通信需求；

根据所述环境参数图谱、所述历史基站数据以及所述用户行为模式，评估候选基站位置的适宜性评分，得到评估结果；

根据评估结果进行排序，并根据排序结果，生成包含最佳安装位置和优化建议的选址推荐报告。

进一步的，所述根据所述环境参数图谱、所述历史基站数据以及所述用户行为模式，评估候选基站位置的适宜性评分，得到评估结果，包括：

基于所述历史基站数据、用户行为模式以及环境参数图谱，构建用于评估基站安装位置适宜性的综合评估模型；

采用机器学习算法对所述综合评估模型进行训练，以使所述综合评估模型能够准确预测所述候选基站位置的信号覆盖质量、用户接入效率以及总体网络性能；

将经过训练的综合评估模型应用于各个候选基站位置，以计算每个候选基站位置的适宜性评分，所述适宜性评分反映基站安装于相应位置时预期的服务质量;

其中，通过以下计算公式计算每个候选基站位置的适宜性评分：

；

其中，表示候选基站位置的适宜性评分，表示候选基站位置的环境参数图谱得分的指数形式；表示候选基站位置的历史基站数据得分的指数形式；表示候选基站位置的用户行为模式得分的指数形式；是指数系数，分别用于调节环境参数图谱得分、历史基站数据得分和用户行为模式得分的影响程度；是权重系数，分别代表环境参数图谱得分、历史基站数据得分和用户行为模式得分在最终适宜性评分中的相对重要程度；

通过最小二乘法来找到最优权重：

，是候选基站位置，是候选基站位置的实际表现得分；

环境参数图谱得分：

，是候选基站位置到最近干扰源的距离；是干扰源的最大允许距离；是自然对数的底数的指数函数，是位置周围环境动态变化的程度；是环境动态变化的平均水平；是候选基站位置在信号覆盖热图上的覆盖比率，取值范围是衰减系数；

历史基站数据得分：

，是候选基站位置平均信号强度；是最强的信号强度；是候选基站位置的覆盖范围；是最大覆盖范围；是候选基站位置的用户接入量；是最高用户接入量；是历史基站数据各项得分的系数；

用户行为模式得分：

，是候选基站位置用户活跃时间占比；是总活跃时间；是候选基站位置用户活动地点占比；是总活动地点；是候选基站位置的通信需求占比；是总的通信需求；是用户行为模式各项得分的系数。

进一步的，所述方法还包括：

基于所述选址推荐报告以及对应的即时反馈信息，向现场勘察人员提供具体指导信息，所述具体指导信息包括最优路径规划、现场设备部署建议和干扰源规避方案，以优化基站安装过程。

第二方面，本申请实施例提供了一种基于边缘计算的基站勘察系统，包括：

选取模块，用于从基站网络覆盖区域内选取一个或多个目标区域，所述目标区域包含至少一个候选基站位置；

部署模块，用于在所述目标区域内部署至少一个边缘计算设备，以通过所述边缘计算设备对采集到的环境参数数据进行实时分析，生成即时反馈信息，并将所述即时反馈信息上传至云端服务端，所述即时反馈信息包括信号覆盖范围、潜在干扰源位置和周围环境的动态变化；

构建模块，用于协调所述边缘计算设备之间的数据共享与协作，并结合所述即时反馈信息构建目标区域的环境参数图谱，所述环境参数图谱反映了整个目标区域的信号覆盖情况和干扰分布；

生成模块，用于基于所述环境参数图谱，结合历史基站数据和用户行为模式，生成候选基站位置的选址推荐报告，所述选址推荐报告包括最佳安装位置和优化建议。

第三方面，本申请实施例提供了一种计算设备，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如上述第一方面所述的一种基于边缘计算的基站勘察方法。

第四方面，本申请实施例提供了一种计算机存储介质，存储有计算机程序，所述计算机程序被计算机执行时，实现如第一方面所述的一种基于边缘计算的基站勘察方法。

本申请实施例中，从基站网络覆盖区域内选取一个或多个目标区域，目标区域包含至少一个候选基站位置；在目标区域内部署至少一个边缘计算设备，以通过边缘计算设备对采集到的环境参数数据进行实时分析，生成即时反馈信息，并将即时反馈信息上传至云端服务端；协调边缘计算设备之间的数据共享与协作，并结合即时反馈信息构建目标区域的环境参数图谱；基于环境参数图谱，结合历史基站数据和用户行为模式，生成候选基站位置的选址推荐报告。本申请通过环境参数图谱、历史基站数据以及用户行为模式分析综合确定候选基站位置，从而提高了选址质量和选址效率。

本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。

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一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种基于边缘计算的基站勘察方法的流程图；

图2为本申请实施例提供的一种基于边缘计算的基站勘察系统的结构示意图；

图3为本申请实施例提供的一种计算设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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。

在本申请的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

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，本领域技术人员在没有作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。

图1为本申请实施例提供一种基于边缘计算的基站勘察方法的流程图，如图1所示，该方法包括：

101、从基站网络覆盖区域内选取一个或多个目标区域，所述目标区域包含至少一个候选基站位置；

在该步骤中，旨在确定需要进行优化的网络覆盖区域。这些区域可能是信号质量不佳或者用户密度较高的地方，通过分析现有的网络性能指标（如信号强度、掉话率等）来选定。

本申请实施例中，例如，在城市中心区选择一个商业街区作为目标区域，因为该地区人流密集，对网络质量要求较高。通过分析运营商提供的网络性能报告，发现该区域存在多处信号弱区，因此决定将其作为优化对象。

102、在所述目标区域内部署至少一个边缘计算设备，以通过所述边缘计算设备对采集到的环境参数数据进行实时分析，生成即时反馈信息，并将所述即时反馈信息上传至云端服务端，所述即时反馈信息包括信号覆盖范围、潜在干扰源位置和周围环境的动态变化；

在该步骤中，将在选定的目标区域内安装边缘计算设备。这些设备负责收集周围的环境参数（如电磁场强度、噪声水平等），并对其进行初步处理，以便快速响应和减少数据传输延迟。

本申请实施例中，假设在上一步选定的商业街区内安装了若干个小型边缘计算节点，每个节点都配备了传感器来监测电磁环境。当检测到某个特定区域的信号强度突然下降时，边缘计算设备能够迅速识别出可能的原因（比如新出现的干扰源），并将这一信息实时发送给云平台。

103、协调所述边缘计算设备之间的数据共享与协作，并结合所述即时反馈信息构建目标区域的环境参数图谱，所述环境参数图谱反映了整个目标区域的信号覆盖情况和干扰分布；

在该步骤中，所有边缘计算设备之间会共享数据，通过算法处理后形成一个综合反映目标区域内信号覆盖状况及干扰情况的地图。这有助于更直观地理解整个区域的通信环境。

本申请实施例中，利用上一步收集的数据，开发团队可以使用GIS技术创建一张详细的电子地图，这张地图不仅显示了各个位置的信号强度，还标注出了主要的干扰源位置及其影响范围。此外，地图还可以动态更新，以反映环境变化带来的最新影响。

可选地，步骤103中的“所述协调所述边缘计算设备之间的数据共享与协作”，包括：利用安全协议，对所述边缘计算设备之间的通信链路进行加密处理，以建立安全的通信链路；在建立安全的通信链路基础上，根据所述边缘计算设备的数据更新频率，对所述边缘计算设备进行数据同步处理，以实现所述边缘计算设备之间的实时交换和同步的环境参数数据；所述方法还包括：利用冲突检测算法，对所述边缘计算设备在数据共享过程中出现的数据冲突进行处理，以确保所述边缘计算设备之间的数据一致性。

安全协议：指用于保护数据传输安全的一系列规则和技术，如TLS/SSL等，可以防止数据在传输过程中被窃听或篡改。

数据更新频率：指的是边缘计算设备根据自身工作状态或外部环境变化，定期或不定期地向其他设备发送最新数据的频次。

数据同步处理：是指将不同设备上的相同类型的数据保持一致的过程，确保所有相关方拥有最新的信息。

冲突检测算法：一种用于识别并解决多用户或系统同时尝试修改同一资源时可能出现的问题的算法。

首先使用安全协议对边缘计算设备间的通信链路进行加密，确保数据在传输过程中的安全性，避免未授权访问或数据泄露。其次基于各边缘计算设备的数据更新频率，动态调整同步策略，保证数据能够在所有相关设备之间及时准确地传播。最后通过部署冲突检测算法，自动发现并解决因多个设备同时更新相同数据而产生的冲突，维护数据的一致性。

本申请实施例中，假设在一个智慧城市项目中，多个边缘计算设备（如智能摄像头、环境监测站）分布在城市的不同位置，负责收集交通流量、空气质量等信息。为了提高数据处理效率和服务质量，这些设备需要频繁地交换和同步信息。

所有设备都配置了TLS1.3协议，每次数据传输前都会进行身份验证和加密，确保只有合法的接收者能够解密并读取数据。其次考虑到不同设备的数据更新需求差异（例如，智能摄像头每秒产生新数据，而环境监测站每小时更新一次），系统采用了自适应同步机制，即根据每个设备的实际更新频率动态调整同步周期，既保证了数据的新鲜度，又减少了不必要的网络负担。进一步的，在一次常规操作中，两台相邻的环境监测站几乎同时上传了关于同一地点PM2.5浓度的新测量值。系统内置的冲突检测算法迅速识别到了这一情况，并依据预设规则（比如时间戳较新的数据优先）自动选择了正确的数据版本，避免了数据不一致带来的分析误差。

通过实施上述方案，不仅加强了边缘计算设备之间的数据安全，提高了数据同步的效率和准确性，还有效解决了数据冲突问题，为构建精准的环境参数图谱提供了坚实的基础，进而提升了智慧城市管理的智能化水平和服务质量。

可选地，步骤103中的“所述结合所述即时反馈信息构建目标区域的环境参数图谱”，包括：利用数据融合算法，对所述即时反馈信息与已有的环境参数数据进行融合处理，得到环境参数图谱；根据最新的即时反馈信息，对所述环境参数图谱进行实时更新处理，得到动态更新后的环境参数图谱。

数据融合算法：一种将来自多个传感器或数据源的信息综合在一起的方法，目的是生成比单一数据源更准确、更可靠的结果。

即时反馈信息：指从各种传感器或设备实时获取的数据，这些数据反映了当前环境的最新状态。

环境参数图谱：一种可视化工具，用于展示特定区域内的各种环境参数（如信号强度、干扰分布等）的空间分布情况。

首先利用数据融合算法，将即时反馈信息与已有的环境参数数据进行融合处理，生成初始的环境参数图谱。其次根据最新的即时反馈信息，对环境参数图谱进行实时更新，确保图谱始终反映最新的环境状态。

本申请实施例中，假设在一个智能城市项目中，需要构建一个反映城市信号覆盖情况和干扰分布的环境参数图谱。项目中部署了多个边缘计算设备，包括信号塔、环境监测站和移动设备（如智能手机）。

首先信号塔和环境监测站获取的历史数据，包括信号强度、干扰水平等。其次从移动设备（如智能手机）实时上传的信号强度和干扰数据。再使用卡尔曼滤波器（KalmanFilter）对上述两类数据进行融合。卡尔曼滤波器是一种递归的最小二乘估计方法，能够有效地处理噪声和不确定性。

假设已有数据和即时反馈信息分别表示为和，则融合后的数据可以表示为：

；

其中，是卡尔曼增益，可以根据实际情况调整。

进一步的移动设备每隔5分钟上传一次信号强度和干扰数据。每当收到新的即时反馈信息时，系统会立即使用上述数据融合算法更新环境参数图谱。

假设在某一时刻，系统接收到一组新的即时反馈信息，则更新后的环境参数图谱可以表示为:

；

通过实施上述方案，可以显著提高环境参数图谱的准确性和实时性。具体通过实时更新处理，环境参数图谱能够迅速反映最新的环境变化，为决策提供及时的支持。以及数据融合算法能够有效地整合多种数据源的信息，减少噪声和不确定性，提高图谱的准确性。其次该方案能够灵活应对不同的应用场景，无论是固定设备还是移动设备，都能有效集成其提供的即时反馈信息。

104、基于所述环境参数图谱，结合历史基站数据和用户行为模式，生成候选基站位置的选址推荐报告，所述选址推荐报告包括最佳安装位置和优化建议。

在该步骤中，根据前三个步骤得到的信息，结合历史数据和预期的用户需求，为新增或调整基站的位置提出具体建议。这些建议旨在提高整体网络效率和服务质量。

本申请实施例中，基于前面构建的环境参数图谱，分析人员发现商业街区西北角存在明显的信号盲区，同时考虑到该区域未来几年内的人口增长趋势，建议在此处增设一个小型基站。同时，对于已经存在的某些基站，则提出了功率调整和天线方向优化的建议，以改善其服务区域内的用户体验。

可选地，步骤104中的“所述基于所述环境参数图谱，结合历史基站数据和用户行为模式，生成候选基站位置的选址推荐报告”，包括：从云端数据库中检索与所述目标区域相关的现有基站的历史基站数据，包括信号强度、覆盖范围、用户接入量；分析所述目标区域内的用户行为模式，包括用户的活动时间、活动地点和通信需求；根据所述环境参数图谱、所述历史基站数据以及所述用户行为模式，评估候选基站位置的适宜性评分，得到评估结果；根据评估结果进行排序，并根据排序结果，生成包含最佳安装位置和优化建议的选址推荐报告。

环境参数图谱：指通过地理信息系统（GIS）等技术手段获取的关于目标区域的地形、建筑密度、人口分布等信息的地图。

历史基站数据：包括但不限于信号强度、覆盖范围、用户接入量等指标，反映了基站运行的实际状况。

用户行为模式：通过对用户使用习惯的数据分析，了解用户的活动时间、活动地点和通信需求。

适宜性评分：综合考虑环境参数、历史基站性能及用户需求等因素后，对候选基站位置进行的量化评价。

首先从云端数据库中收集目标区域内所有现役基站的相关数据，如信号强度、覆盖范围、用户接入量等。其次利用大数据分析技术，挖掘用户在目标区域内的活动规律，包括高峰时段、热门地点等。再将环境参数图谱与历史基站数据、用户行为模式相结合，采用加权评分模型计算每个候选位置的适宜性评分。最后依据适宜性评分对所有候选位置进行排序，选择评分最高的几个位置作为最佳安装点，并提出相应的优化建议。

本申请实施例中，假设某城市计划新增设5G基站，以改善市中心区域的网络覆盖和服务质量。项目团队首先从云端数据库中收集了过去一年内该区域内所有基站的信号强度、覆盖范围和用户接入量等数据。接着，通过数据分析发现，每天下午5点至晚上9点是用户流量高峰期，且大多数用户集中在商业街附近。

项目团队利用GIS技术制作了该区域的环境参数图谱，结合历史基站数据和用户行为模式，采用以下公式计算每个候选位置的适宜性评分：

适宜性评分环境适应度信号覆盖能力用户需求满足度

其中，和分别代表环境适应度、信号覆盖能力和用户需求满足度的权重值，根据实际情况调整。例如，假设环境适应度、信号覆盖能力和用户需求满足度的权重分别为和0.3，对于某一候选位置，其环境适应度评分为80，信号覆盖能力评分为70，用户需求满足度评分为90，则该位置的适宜性评分为:

适宜性评分；

通过这种方式，项目团队可以对多个候选位置进行评估，并最终选择得分最高的几个位置作为新基站的最佳安装点。此外，报告还会针对每个选定的位置提出具体的优化建议，比如调整天线角度以扩大覆盖范围，或者增加频段以提高数据传输速率等。

可选地，所述利用数据融合算法，对所述即时反馈信息与已有的环境参数数据进行融合处理，得到环境参数图谱，包括：根据已有的环境参数数据，生成初步环境参数图谱；在所述初步环境参数图谱上，根据所述即时反馈信息中的潜在干扰源数据，进行干扰源位置标记及定位处理；根据所述即时反馈信息中的信号覆盖范围，在所述初步环境参数图谱上执行信号覆盖范围绘制处理，生成信号覆盖热图；基于所述即时反馈信息中的周围环境动态变化数据，对所述初步环境参数图谱实施动态更新处理；生成包含干扰源位置信息、信号覆盖热图以及动态更新数据的环境参数图谱。

数据融合算法：一种将来自多个传感器或数据源的信息综合在一起的方法，目的是生成比单一数据源更准确、更可靠的结果。

即时反馈信息：指从各种传感器或设备实时获取的数据，这些数据反映了当前环境的最新状态。

环境参数图谱：一种可视化工具，用于展示特定区域内的各种环境参数（如信号强度、干扰分布等）的空间分布情况。

潜在干扰源数据：指可能对信号传输造成干扰的源的位置和强度信息。

信号覆盖热图：一种可视化工具，用于展示特定区域内的信号覆盖范围和强度分布情况。

周围环境动态变化数据：指环境中随时间变化的因素，如移动设备的位置变化、建筑物的新增或拆除等。

首先根据已有的环境参数数据，生成初步的环境参数图谱。其次在初步环境参数图谱上，根据即时反馈信息中的潜在干扰源数据，进行干扰源位置标记及定位处理。进一步的根据即时反馈信息中的信号覆盖范围，在初步环境参数图谱上执行信号覆盖范围绘制处理，生成信号覆盖热图。再基于即时反馈信息中的周围环境动态变化数据，对初步环境参数图谱实施动态更新处理。最后生成包含干扰源位置信息、信号覆盖热图以及动态更新数据的最终环境参数图谱。

本申请实施例中，假设在一个城市区域中，需要构建一个反映信号覆盖情况和干扰分布的环境参数图谱。项目中部署了多个边缘计算设备，包括信号塔、环境监测站和移动设备（如智能手机）。

首先从信号塔和环境监测站获取的历史数据，包括信号强度、干扰水平等。使用这些历史数据生成初步的环境参数图谱，展示信号覆盖和干扰分布的基本情况。其次从移动设备（如智能手机）实时上传的潜在干扰源数据，包括干扰源的位置和强度。在初步环境参数图谱上，根据这些干扰源数据进行位置标记和定位处理。例如，某个干扰源位于坐标(100,200)，干扰强度为80dBm。进一步的从移动设备实时上传的信号覆盖范围数据，包括信号强度和覆盖范围。在初步环境参数图谱上，根据这些信号覆盖范围数据执行绘制处理，生成信号覆盖热图。例如，某个位置(150,250)的信号强度为75dBm，覆盖范围为300米。其次从移动设备实时上传的周围环境动态变化数据，如移动设备的位置变化、新建建筑物等。根据这些动态变化数据，对初步环境参数图谱进行实时更新。例如，某个移动设备从位置(100,100)移动到(200,200)，需要更新其信号覆盖和干扰信息。最后生成包含干扰源位置信息、信号覆盖热图以及动态更新数据的最终环境参数图谱。

通过实施上述方案，可以显著提高环境参数图谱的准确性和实时性。通过实时更新处理，环境参数图谱能够迅速反映最新的环境变化，为决策提供及时的支持。以及利用数据融合算法，结合即时反馈信息和已有的环境参数数据，生成的图谱更加准确和可靠。并且图谱不仅展示了信号覆盖和干扰分布的基本情况，还包含了干扰源位置信息和动态更新数据，提供了更全面的信息支持。最后该方案能够灵活应对不同的应用场景，无论是固定设备还是移动设备，都能有效集成其提供的即时反馈信息。

可选地，所述根据所述环境参数图谱、所述历史基站数据以及所述用户行为模式，评估候选基站位置的适宜性评分，得到评估结果，包括：基于所述历史基站数据、用户行为模式以及环境参数图谱，构建用于评估基站安装位置适宜性的综合评估模型；采用机器学习算法对所述综合评估模型进行训练，以使所述综合评估模型能够准确预测所述候选基站位置的信号覆盖质量、用户接入效率以及总体网络性能；将经过训练的综合评估模型应用于各个候选基站位置，以计算每个候选基站位置的适宜性评分，所述适宜性评分反映基站安装于相应位置时预期的服务质量。

综合评估模型：一种数学模型，用于综合评估基站安装位置的适宜性，考虑了历史基站数据、用户行为模式和环境参数图谱等多种因素。

机器学习算法：一种通过训练数据集来学习规律和模式的算法，能够用于预测未知数据的性能指标。

信号覆盖质量：指候选基站位置的信号覆盖范围和强度，反映了信号的可用性和稳定性。

用户接入效率：指候选基站位置的用户接入速度和成功率，反映了用户使用网络的便捷程度。

总体网络性能：综合考虑信号覆盖质量、用户接入效率以及其他相关指标，反映了基站安装位置的整体性能。

首先基于历史基站数据、用户行为模式以及环境参数图谱，构建用于评估基站安装位置适宜性的综合评估模型。其次采用机器学习算法对综合评估模型进行训练，使其能够准确预测候选基站位置的信号覆盖质量、用户接入效率以及总体网络性能。最后将经过训练的综合评估模型应用于各个候选基站位置，计算每个候选基站位置的适宜性评分，所述适宜性评分反映基站安装于相应位置时预期的服务质量。

本申请实施例中，假设在一个城市新区的基站选址项目中，需要评估多个候选基站位置的适宜性。具体步骤如下：

首先历史基站数据（信号强度、覆盖范围、用户接入量）、用户行为模式（活动时间、活动地点、通信需求）、环境参数图谱（信号覆盖热图、干扰源位置信息）。信号覆盖质量、用户接入效率、总体网络性能。其次从云端数据库中收集大量的历史基站数据和用户行为模式数据，结合环境参数图谱，形成训练数据集。选择适合的机器学习算法，如随机森林（Random Forest）、支持向量机（SVM）或神经网络（NeuralNetwork）。使用训练数据集对综合评估模型进行训练，优化模型参数，使其能够准确预测候选基站位置的各项性能指标。例如，假设使用随机森林算法，训练后的模型可以表示为：

；

其中，是适宜性评分，是输入特征，包括信号强度、覆盖范围、用户接入量、活动时间、活动地点、通信需求

进一步的选择几个候选基站位置，例如位置A、B、C。根据每个候选位置的环境参数图谱、历史基站数据和用户行为模式，提取相应的输入特征。使用训练好的综合评估模型，计算每个候选位置的适宜性评分。

例如，假设位置A的输入特征为：

信号强度：85dBm，覆盖范围：600米，用户接入量：600用户/小时，活动时间：上午9点到下午5点，活动地点：商业区，通信需求：高速互联网，将这些特征输入训练好的模型，计算得到位置A的适宜性评分为8.5（满分10分）。同理，计算位置B和位置C的适宜性评分：位置B：8.0分，位置C：7.5分。最后根据评分结果进行排序：位置A>位置B>位置C。生成选址推荐报告，推荐位置A为最佳安装位置，并提供详细的优化建议，如增加天线高度、优化信号方向等。

通过实施上述方案，可以通过构建综合评估模型并采用机器学习算法进行训练，提供了科学的决策依据，提高了评估的准确性和可靠性。以及综合考虑了历史基站数据、用户行为模式和环境参数图谱等多种因素，确保了评估的全面性和系统性。其次能够准确预测候选基站位置的信号覆盖质量、用户接入效率以及总体网络性能，为决策提供了有力支持。最后不仅推荐最佳安装位置，还提供了具体的优化建议，有助于提高基站的性能和用户体验。

本申请考虑到在现有的技术中，基站的选址评估主要依赖于工程师的经验和有限的历史数据，传统的评估方法缺乏系统化和量化的评估指标，难以全面反映候选基站位置的适宜性。以及仅依靠历史基站数据和简单的用户行为模式分析，未能充分利用环境参数图谱提供的丰富信息。传统方法难以准确预测候选基站位置的信号覆盖质量、用户接入效率以及总体网络性能，导致基站选址的决策不够科学和可靠。为了解决上述问题，本发明实施例提出了一种可选方案，通过构建综合评估模型并采用机器学习算法进行训练，以准确预测候选基站位置的各项性能指标，从而生成科学的选址推荐报告。特别是通过具体的数学公式来计算每个候选基站位置的适宜性评分，进一步提高了评估的准确性和可靠性。

该可选方案具体如下：

可选地，所述将经过训练的综合评估模型应用于各个候选基站位置，以计算每个候选基站位置的适宜性评分，包括：

通过以下计算公式计算每个候选基站位置的适宜性评分：

；

其中，表示候选基站位置的适宜性评分，表示候选基站位置的环境参数图谱得分的指数形式；表示候选基站位置的历史基站数据得分的指数形式；表示候选基站位置的用户行为模式得分的指数形式；是指数系数，分别用于调节环境参数图谱得分、历史基站数据得分和用户行为模式得分的影响程度；是权重系数，分别代表环境参数图谱得分、历史基站数据得分和用户行为模式得分在最终适宜性评分中的相对重要程度；

通过最小二乘法来找到最优权重：

，是候选基站位置，是候选基站位置的实际表现得分；

环境参数图谱得分：

，是候选基站位置到最近干扰源的距离；是干扰源的最大允许距离；是自然对数的底数的指数函数，是位置周围环境动态变化的程度；是环境动态变化的平均水平；是候选基站位置在信号覆盖热图上的覆盖比率，取值范围是衰减系数；

历史基站数据得分：

，是候选基站位置平均信号强度；是最强的信号强度；是候选基站位置的覆盖范围；是最大覆盖范围；是候选基站位置的用户接入量；是最高用户接入量；是历史基站数据各项得分的系数；

用户行为模式得分：

，是候选基站位置用户活跃时间占比；是总活跃时间；是候选基站位置用户活动地点占比；是总活动地点；是候选基站位置的通信需求占比；是总的通信需求；是用户行为模式各项得分的系数。

综合评估模型：一种数学模型，用于综合评估基站安装位置的适宜性，考虑了历史基站数据、用户行为模式和环境参数图谱等多种因素。

机器学习算法：一种通过训练数据集来学习规律和模式的算法，能够用于预测未知数据的性能指标。

适宜性评分：反映基站安装于相应位置时预期的服务质量的综合评分。

环境参数图谱得分：反映候选基站位置的环境参数（如信号覆盖、干扰分布等）的得分。

历史基站数据得分：反映候选基站位置的历史基站数据（如信号强度、覆盖范围、用户接入量等）的得分。

用户行为模式得分：反映候选基站位置的用户行为模式（如活动时间、活动地点、通信需求等）的得分。

最小二乘法：一种常用的优化方法，用于找到最佳的权重系数，使得预测值与实际值之间的误差平方和最小。

首先基于历史基站数据、用户行为模式以及环境参数图谱，构建用于评估基站安装位置适宜性的综合评估模型。其次采用机器学习算法对综合评估模型进行训练，使其能够准确预测候选基站位置的信号覆盖质量、用户接入效率以及总体网络性能。

本申请实施例中，假设在一个城市新区的基站选址项目中，需要评估三个候选基站位置A、B和C的适宜性。具体步骤如下：

首先输入历史基站数据（信号强度、覆盖范围、用户接入量）、用户行为模式（活动时间、活动地点、通信需求）、环境参数图谱（信号覆盖热图、干扰源位置信息）。信号覆盖质量、用户接入效率、总体网络性能。其次从云端数据库中收集大量的历史基站数据和用户行为模式数据，结合环境参数图谱，形成训练数据集。选择随机森林算法。使用训练数据集对综合评估模型进行训练，优化模型参数，使其能够准确预测候选基站位置的各项性能指标。进一步的候选位置，位置A、B、C。根据每个候选位置的环境参数图谱、历史基站数据和用户行为模式，提取相应的输入特征。例如，位置A的输入特征为：信号强度：85dBm，覆盖范围：600米，用户接入量：600用户/小时，活动时间：上午9点到下午5点，活动地点：商业区，通信需求：高速互联网，到最近干扰源的距离：100米，周围环境动态变化程度：0.2，信号覆盖比率：0.8，使用上述公式计算位置A的适宜性评分：

；

同理，计算位置B和位置C的适宜性评分：位置B：2.75，位置C：2.60

根据评分结果进行排序：位置A>位置B>位置C。

生成选址推荐报告，推荐位置A为最佳安装位置，并提供详细的优化建议，如增加天线高度、优化信号方向等。

通过实施上述方案，可以显著提高基站选址的科学性和可靠性。通过构建综合评估模型并采用机器学习算法进行训练，提供了科学的决策依据，提高了评估的准确性和可靠性。加上综合考虑了历史基站数据、用户行为模式和环境参数图谱等多种因素，确保了评估的全面性和系统性。以及能够准确预测候选基站位置的信号覆盖质量、用户接入效率以及总体网络性能，为决策提供了有力支持。最后不仅推荐最佳安装位置，还提供了具体的优化建议，有助于提高基站的性能和用户体验。

可选地，还包括：

基于所述选址推荐报告以及对应的即时反馈信息，向现场勘察人员提供具体指导信息，所述具体指导信息包括最优路径规划、现场设备部署建议和干扰源规避方案，以优化基站安装过程。

选址推荐报告：基于GIS数据、历史数据、用户需求等多方面信息综合评估后，为基站选址提供的专业建议文档。

即时反馈信息：现场勘察人员通过移动设备实时上传的关于现场实际情况的信息，包括但不限于照片、视频、文字描述等。

最优路径规划：根据现场条件和交通规则，利用算法计算出从起始点到目标位置的最佳路线，旨在节省时间和成本。

现场设备部署建议：针对特定站点条件提出的设备类型、数量、布局等方面的建议，以确保最佳性能。

干扰源规避方案：识别并评估可能影响基站正常工作的干扰因素，提出相应的对策或措施来减轻这些干扰的影响。

首先，项目团队会基于预设标准筛选出多个候选地点，并编制选址推荐报告。随后，派遣现场勘察人员前往各候选地点，通过智能终端记录并上传现场具体情况。其次结合选址报告和即时反馈，运用路径规划算法确定施工队伍前往选定地点的最佳路线。进一步的根据实地考察结果，工程师们将对所需设备的数量、型号及安装位置给出详细建议。最后针对现场存在的潜在干扰因素，制定有效的预防和缓解措施。

本申请实施例中，假设某通信公司在A市计划新增一处5G基站。经过初步分析，确定了三个可能的建设地点。公司派出技术人员对这三个地点进行了详细的实地考察，并通过手机APP上传了相关数据。后台系统接收到这些信息后，自动分析了每个地点的优劣，并为每个地点制定了具体的施工计划。

例如，在地点B，系统发现该处附近有一座大型医院，可能存在电磁干扰的风险。于是，它不仅为技术人员规划了一条避开高峰期拥堵路段的行车路线，还建议使用具有更强抗干扰能力的天线，并在基站周围增设屏蔽设施。此外，系统还提供了详细的设备清单和安装指南，确保所有操作都能顺利进行。

此方案的实施能够显著提升基站建设项目的效率和成功率，减少了因前期准备不足而产生的额外成本，同时也保证了网络服务质量。通过精确的路径规划和合理的设备配置，可以有效避免或减少施工期间遇到的各种障碍，加速项目进程。同时，对于可能出现的干扰问题采取预防性措施，有助于维持良好的通信环境，满足用户日益增长的数据传输需求。

图2为本申请实施例提供一种基于边缘计算的基站勘察系统的结构示意图，如图2所示，该系统包括：

选取模块21，用于从基站网络覆盖区域内选取一个或多个目标区域，所述目标区域包含至少一个候选基站位置；

部署模块22，用于在所述目标区域内部署至少一个边缘计算设备，以通过所述边缘计算设备对采集到的环境参数数据进行实时分析，生成即时反馈信息，并将所述即时反馈信息上传至云端服务端，所述即时反馈信息包括信号覆盖范围、潜在干扰源位置和周围环境的动态变化；

构建模块23，用于协调所述边缘计算设备之间的数据共享与协作，并结合所述即时反馈信息构建目标区域的环境参数图谱，所述环境参数图谱反映了整个目标区域的信号覆盖情况和干扰分布；

生成模块24，用于基于所述环境参数图谱，结合历史基站数据和用户行为模式，生成候选基站位置的选址推荐报告，所述选址推荐报告包括最佳安装位置和优化建议。

图2所述的一种基于边缘计算的基站勘察系统可以执行图1所示实施例所述的一种基于边缘计算的基站勘察方法，其实现原理和技术效果不再赘述。对于上述实施例中的一种基于边缘计算的基站勘察系统其中各个模块、单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

在一个可能的设计中，图2所示实施例的一种基于边缘计算的基站勘察系统可以实现为计算设备，如图3所示，该计算设备可以包括存储组件31以及处理组件32；

所述存储组件31存储一条或多条计算机指令，其中，所述一条或多条计算机指令供所述处理组件32调用执行。

所述处理组件32用于：从基站网络覆盖区域内选取一个或多个目标区域，目标区域包含至少一个候选基站位置；在目标区域内部署至少一个边缘计算设备，以通过边缘计算设备对采集到的环境参数数据进行实时分析，生成即时反馈信息，并将即时反馈信息上传至云端服务端；协调边缘计算设备之间的数据共享与协作，并结合即时反馈信息构建目标区域的环境参数图谱；基于环境参数图谱，结合历史基站数据和用户行为模式，生成候选基站位置的选址推荐报告。

其中，处理组件32可以包括一个或多个处理器来执行计算机指令，以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用专用集成电路（ASIC）、数字信号处理器（DSP）、数字信号处理设备（DSPD）、可编程逻辑器件（PLD）、现场可编程门阵列（FPGA）、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

存储组件31被配置为存储各种类型的数据以支持在终端的操作。存储组件可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（SRAM），电可擦除可编程只读存储器（EEPROM），可擦除可编程只读存储器（EPROM），可编程只读存储器（PROM），只读存储器（ROM），磁存储器，快闪存储器，磁盘或光盘。

当然，计算设备必然还可以包括其他部件，例如输入/输出接口、显示组件、通信组件等。

输入/输出接口为处理组件和外围接口模块之间提供接口，上述外围接口模块可以是输出设备、输入设备等。

通信组件被配置为便于计算设备和其他设备之间有线或无线方式的通信等。

其中，该计算设备可以为物理设备或者云计算平台提供的弹性计算主机等，此时计算设备即可以是指云服务器，上述处理组件、存储组件等可以是从云计算平台租用或购买的基础服务器资源。

本申请实施例还提供了一种计算机存储介质，存储有计算机程序，所述计算机程序被计算机执行时可以实现上述图1所示实施例的一种基于边缘计算的基站勘察方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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）执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种基于边缘计算的基站勘察方法，其特征在于，应用于云端服务端，包括：

从基站网络覆盖区域内选取一个或多个目标区域，所述目标区域包含至少一个候选基站位置；

在所述目标区域内部署至少一个边缘计算设备，以通过所述边缘计算设备对采集到的环境参数数据进行实时分析，生成即时反馈信息，并将所述即时反馈信息上传至云端服务端，所述即时反馈信息包括信号覆盖范围、潜在干扰源位置和周围环境的动态变化；

协调所述边缘计算设备之间的数据共享与协作，并结合所述即时反馈信息构建目标区域的环境参数图谱，所述环境参数图谱反映了整个目标区域的信号覆盖情况和干扰分布；

基于所述环境参数图谱，结合历史基站数据和用户行为模式，生成候选基站位置的选址推荐报告，所述选址推荐报告包括最佳安装位置和优化建议。

2.根据权利要求1所述的方法，其特征在于，所述协调所述边缘计算设备之间的数据共享与协作，包括：

利用安全协议，对所述边缘计算设备之间的通信链路进行加密处理，以建立安全的通信链路；

在建立安全的通信链路基础上，根据所述边缘计算设备的数据更新频率，对所述边缘计算设备进行数据同步处理，以实现所述边缘计算设备之间的实时交换和同步的环境参数数据；

所述方法还包括：

利用冲突检测算法，对所述边缘计算设备在数据共享过程中出现的数据冲突进行处理，以确保所述边缘计算设备之间的数据一致性。

3.根据权利要求1所述的方法，其特征在于，所述结合所述即时反馈信息构建目标区域的环境参数图谱，包括：

利用数据融合算法，对所述即时反馈信息与已有的环境参数数据进行融合处理，得到环境参数图谱；

根据最新的即时反馈信息，对所述环境参数图谱进行实时更新处理，得到动态更新后的环境参数图谱。

4.根据权利要求3所述的方法，其特征在于，所述利用数据融合算法，对所述即时反馈信息与已有的环境参数数据进行融合处理，得到环境参数图谱，包括：

根据已有的环境参数数据，生成初步环境参数图谱；

在所述初步环境参数图谱上，根据所述即时反馈信息中的潜在干扰源数据，进行干扰源位置标记及定位处理；

根据所述即时反馈信息中的信号覆盖范围，在所述初步环境参数图谱上执行信号覆盖范围绘制处理，生成信号覆盖热图；

基于所述即时反馈信息中的周围环境动态变化数据，对所述初步环境参数图谱实施动态更新处理；

生成包含干扰源位置信息、信号覆盖热图以及动态更新数据的环境参数图谱。

5.根据权利要求4所述的方法，其特征在于，所述基于所述环境参数图谱，结合历史基站数据和用户行为模式，生成候选基站位置的选址推荐报告，包括：

从云端数据库中检索与所述目标区域相关的现有基站的历史基站数据，包括信号强度、覆盖范围、用户接入量；

分析所述目标区域内的用户行为模式，包括用户的活动时间、活动地点和通信需求；

根据所述环境参数图谱、所述历史基站数据以及所述用户行为模式，评估候选基站位置的适宜性评分，得到评估结果；

根据评估结果进行排序，并根据排序结果，生成包含最佳安装位置和优化建议的选址推荐报告。

6.根据权利要求5所述的方法，其特征在于，所述根据所述环境参数图谱、所述历史基站数据以及所述用户行为模式，评估候选基站位置的适宜性评分，得到评估结果，包括：

基于所述历史基站数据、用户行为模式以及环境参数图谱，构建用于评估基站安装位置适宜性的综合评估模型；

采用机器学习算法对所述综合评估模型进行训练，以使所述综合评估模型能够准确预测所述候选基站位置的信号覆盖质量、用户接入效率以及总体网络性能；

将经过训练的综合评估模型应用于各个候选基站位置，以计算每个候选基站位置的适宜性评分，所述适宜性评分反映基站安装于相应位置时预期的服务质量;

其中，通过以下计算公式计算每个候选基站位置的适宜性评分：

;

其中，表示候选基站位置的适宜性评分，表示候选基站位置的环境参数图谱得分的指数形式；表示候选基站位置的历史基站数据得分的指数形式；表示候选基站位置的用户行为模式得分的指数形式；是指数系数，分别用于调节环境参数图谱得分、历史基站数据得分和用户行为模式得分的影响程度；是权重系数，分别代表环境参数图谱得分、历史基站数据得分和用户行为模式得分在最终适宜性评分中的相对重要程度；

通过最小二乘法来找到最优权重：

，是候选基站位置，是候选基站位置的实际表现得分；

环境参数图谱得分：

，是候选基站位置到最近干扰源的距离；是干扰源的最大允许距离；是自然对数的底数的指数函数，是位置周围环境动态变化的程度；是环境动态变化的平均水平；是候选基站位置在信号覆盖热图上的覆盖比率，取值范围是衰减系数；

历史基站数据得分：

，是候选基站位置平均信号强度；是最强的信号强度；是候选基站位置的覆盖范围；是最大覆盖范围；是候选基站位置的用户接入量；是最高用户接入量；是历史基站数据各项得分的系数；

用户行为模式得分：

，是候选基站位置用户活跃时间占比；是总活跃时间；是候选基站位置用户活动地点占比；是总活动地点；是候选基站位置的通信需求占比；是总的通信需求；是用户行为模式各项得分的系数。

7.根据权利要求5所述的方法，其特征在于，所述方法还包括：

基于所述选址推荐报告以及对应的即时反馈信息，向现场勘察人员提供具体指导信息，所述具体指导信息包括最优路径规划、现场设备部署建议和干扰源规避方案，以优化基站安装过程。

8.一种基于边缘计算的基站勘察系统，其特征在于，包括：

选取模块，用于从基站网络覆盖区域内选取一个或多个目标区域，所述目标区域包含至少一个候选基站位置；

部署模块，用于在所述目标区域内部署至少一个边缘计算设备，以通过所述边缘计算设备对采集到的环境参数数据进行实时分析，生成即时反馈信息，并将所述即时反馈信息上传至云端服务端，所述即时反馈信息包括信号覆盖范围、潜在干扰源位置和周围环境的动态变化；

构建模块，用于协调所述边缘计算设备之间的数据共享与协作，并结合所述即时反馈信息构建目标区域的环境参数图谱，所述环境参数图谱反映了整个目标区域的信号覆盖情况和干扰分布；

生成模块，用于基于所述环境参数图谱，结合历史基站数据和用户行为模式，生成候选基站位置的选址推荐报告，所述选址推荐报告包括最佳安装位置和优化建议。

9.一种计算设备，其特征在于，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如权利要求1~7任一项所述的一种基于边缘计算的基站勘察方法。

10.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算机程序被计算机执行时，实现如权利要求1~7任一项所述的一种基于边缘计算的基站勘察方法。