基于聚类算法的覆盖寻优研究

朱 伟 李明鑫 张 晶 赵志扬 仇 勇 叶 萍

中国移动通信集团江苏有限公司

0 引言

网络覆盖，尤其是深度覆盖能力，已经成为影响用户满意度的重要因素。传统优化手段在对弱覆盖进行分析提升时，存在问题定位精度低、解决方案依赖人员能力、调整工作量大等问题。

江苏移动构建多维特征数据库，将基站小区聚类，基于传播模型生成路损矩阵。聚焦问题区域，通过机器学习自动查找射频优化最优方案，提升整体覆盖能力，是本文的主要研究目标。

1 技术解决方案

1.1 构建多维度特征

基于现网工参、地物地图、MR数据将不同的特征构建为不同的矩阵，完成基站小区特征提取。如图1所示。

图1 基于现网数据构建小区/栅格多维度特征

1.2 小区聚类和路损生成

依据多维小区特征，通过DBSCAN聚类算法对小区进行聚类，将特征强相关的小区归为一类。应用射线追踪模型，充分考虑建筑物特征、分布对信号传播的影响，生成小区和栅格级路损矩阵。为提高准确性，借助DT/MR数据对路损矩阵进行修正。

DBSCAN聚类算法是一种基于密度的算法，能够将空间中具有足够相似特征的区域划分为簇，并有效识别噪声数据，最终的簇可以是任意形状。聚类过程如下：

输入：数据对象集合D，半径Eps，密度阈值MinPts。

输出：聚类结果。

（1）初始化。随机选择数据对象集合中的一个样本p，检查其相邻域，若包含的对象数不小于密度阈值，建立新集合簇C，将其中所有点加入候选对象集合；若包含的对象数小于密度阈值，就重新选择新的样本；……