[发明专利]一种蜂窝网络中基站流量的聚类分析方法

说明书

本申请公开了一种蜂窝网络中基站流量的聚类分析方法，涉及无线通信技术领域。本申请的主要技术方案为对基站流量数据进行预处理，得到基站流量时间序列；采用趋势聚类算法对基站流量时间序列进行聚类，得到基站流量时间序列的聚类结果；结合基站地理位置信息与基站流量时间序列的聚类结果，对基站流量数据进行时空特性分析。采用本申请提供的聚类分析方法，对基站进行先聚类后分析，提高分析研究基站流量变化情况与所处地理位置关系的工作效率。

技术领域

本申请涉及无线通信技术领域，尤其涉及一种蜂窝网络中基站流量的聚类分析方法。

背景技术

随着4G网络以及移动端设备的大范围普及，人们对于蜂窝网络的依赖不断增加，而蜂窝网络的使用也一定程度上反应了人们的生活，包含了大量的信息。蜂窝网络中有海量的数据，涉及到非常多的分析维度，而基站是蜂窝网络中的一部分，可以作为天然的划分维度。且基站作为用户与移动通信网络的连接媒介，承担了用户与网络进行通信的功能，承载了巨大的数据量与用户信息。对这些数据进行挖掘分析，可以对蜂窝网络有更深层的认识，有利于了解用户的行为模式，对通信协议设计、网络设计布局以及运营商的计费策略调整等都有重大的意义与价值。而人们对蜂窝网络的使用更多通过移动数据流量的形式，因而对蜂窝网络中基站的流量进行分析研究具有重大的价值。

对蜂窝网络基站流量的分析研究，主要集中于对基站流量时间变化特性的分析建模、对流量空间分布模型的拟合研究以及对基站间流量时空相关性的建模研究。由于基站数目较多，且通过对基站流量的时空角度的研究发现，不同的基站流量序列之间有一定的时空相关性，且相关性越高，基站流量变化特性越相似，故而可以利用机器学习领域中的聚类算法，先将基站进行聚类，把流量变化特性类似的基站聚到一起，再对每一类基站的流量序列进行分析，如此可以减少分析研究的工作量，且能得到基站流量的变化特性。

现有方案中，大部分仅研究单个基站的流量变化情况，忽视了不同基站的流量变化情况具有时空相关性的特点，其他方案虽考虑到了基站流量的时空相关性特点，但在对基站进行聚类分析时忽略了基站流量具有的趋势性特点，没有考虑到这个趋势性特点对聚类结果产生的影响。

发明内容

本申请提供一种蜂窝网络中基站流量的聚类分析方法，包括：对基站流量数据进行预处理，得到基站流量时间序列；采用趋势聚类算法对基站流量时间序列进行聚类，得到基站流量时间序列的聚类结果；结合基站地理位置信息与基站流量时间序列的聚类结果，对基站流量数据进行时空特性分析。

如上的，其中，对基站流量数据进行预处理，具体为：取固定时间段内基站向用户终端发送的流量信息的数据集，对所述数据集进行数据清洗、数据集成、数据规约和数据转换，得到不同时间段内基站与用户终端通信产生的流量数值，即基站流量时间序列。

如上的，其中，采用趋势聚类算法对基站流量时间序列进行聚类，具体包括如下子步骤：将基站流量时间序列分配到K个类簇中，形成聚类类簇划分；循环迭代聚类类簇中心，得到最终的聚类类簇划分和最终的聚类类簇中心。

如上的，其中，循环迭代聚类类簇中心，具体包括如下子步骤：

S1、根据K个类簇中的每个基站流量时间序列与每个聚类类簇中心的距离向量，得到新的聚类类簇划分，并为每个类簇计算新的聚类类簇中心；

S2、判断新的聚类类簇划分与上一聚类类簇划分是否一致，如果不一致，则执行步骤S3，如果一致，则执行步骤S4；

S3、判断最大迭代次数是否为0，如果是，则执行步骤S4，否则更新最大迭代次数，返回步骤S1；

S4、计算当前最新的聚类类簇划分的聚类有效性指数，判断最新聚类有效性指数SC是否大于上一聚类有效性指数SC_max，如果是，则更新聚类有效性指数SC_max为当前最新聚类有效性指数SC，更新聚类类簇划分U为当前最新聚类类簇划分U*，更新聚类类簇中心C为当前最新聚类类簇中心C*，执行步骤S5，否则直接执行步骤S5；