具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都属于本发明保护的范围。

现有的移动蜂窝网络优化手段时是利用常规网管系统，根据网管系统中的操作维护中心(OMC，Operation Management Center)监测室分小区的指标和告警状态，通过预定义的关键指标，当监测到实际数值不符合关键指标，即发现指标恶化时，则可判定该小区出现故障，并根据的恶化指标进行针对性的排障处理。但是当室内小区一部分支路出现故障时，可能只有部分指标的轻微变化，将无法通过对网管系统指标的监测判断室内小区的网络故障，只能依靠网管中心负责监控的责任人定期的对网络故障进行人工检修时，才能确定部分室内小区的网络故障。

为了解决上述技术问题，本发明实施例提出以下技术方案：通过利用时序模型对MR测量和KPI指标进行模型训练获得动态门限，并将真实待测数据与预测动态门限的指标进行对比后筛选出故障数据，并根据预设评估模型获得评估值，并根据评估值判定室分小区是否存在网络故障，提高了检测室分小区隐形故障的准确性。下面采用详细的实施例进行详细说明。

图1是本发明实施例提供的室分小区故障检测方法的应用场景示意图。如图1所示，室分小区的基站接收终端发送的MR测量数据，并将MR测量数据、无线接入承载请求次数以及建立成功次数发送至在操作维护中心(Operation Management Center，OMC)服务器，OMC服务器在将MR测量数据、无线接入承载请求次数以及建立成功次数发送至用于室分小区故障检测方法的服务器，使得服务器根据MR测量数据、无线接入承载请求次数以及建立成功次数判定室分小区是否存在隐形故障，若服务器判定室分小区存在隐形故障，生成告警信息并将告警信息发送至管理平台，以提示管理员对目标小区进行故障排查。

图2为本发明实施例提供的室分小区故障检测方法流程示意图一，本实施例的执行主体可以为图1所示实施例中的服务器，本实施例此处不做特别限制。如图2所示，该方法包括：

S201：按照预设时间间隔获取目标小区的MR测量数据、无线接入承载请求次数以及建立成功次数，根据预设指标对MR测量数据进行格式化处理获得参考信号接收功率采样点数据，根据MR测量数据确定信号良好百分比样本数据，并根据无线接入承载请求次数以及建立成功次数确定倒流比样本数据。

在本发明实施例中，终端的MR测量报告、无线接入承载请求次数以及建立成功次数可作为衡量室分小区的网络信号覆盖质量的指标。示例性的，设定预设时间间隔为28天，则将OMC服务器发送的MR测量数据、无线接入承载请求次数以及建立成功次数按照28天为一个周期进行存储。其中，MR测量数据中包含了终端接入网络的参考信号接收功率(Reference Signal Receiving Power，RSRP)。示例性的，预设指标为包含RSRP低于-115dbm采样点数量、RSRP低于-110dbm采样点数量、RSRP低于-105dbm采样点数量、RSRP低于-100dbm采样点数量、RSRP低于-95dbm采样点数量以及所有采样点的数量。并根据上述预设指标确定RSRP参数区间，并对MR测量数据中的RSRP大小以及样本数量进行分析，确定不同RSRP参数区间内的采样点的数量。示例性的，不同RSRP参数区间内的采样点的数量的计算方法如下：

1、RSRP参数区间为高于等于-95dbm采样点数量等于RSRP总采样点数量减去RSRP低于-95dbm采样点数量；

2、RSRP参数区间为(-95dbm，-100dbm]的采样点数量等于RSRP低于-95dbm采样点数量减去RSRP低于-100dbm采样点数量；

3、RSRP参数区间为(-100dbm，-105dbm]的采样点数量等于RSRP低于-100dbm采样点数量减去RSRP低于-105dbm采样点数量；

4、RSRP参数区间为(-105dbm，-110dbm]的采样点数量等于RSRP低于-105dbm采样点数量减去RSRP低于-110dbm采样点数量；

5、RSRP参数区间为(-110dbm，-115dbm]的采样点数量等于RSRP低于-110dbm采样点数量减去RSRP低于-115dbm采样点数量。

示例性的，若MR测量数据中存在空缺值，则根据均值替代法确定所述空缺值的参数。在对原始数据分析的过程中，发现数据中存在格式的不一致性、空缺值和无用信息等无效数据，这些无效数据将会不利于模型的训练，需要对原始数据进行处理。具体的，原始数据中存在空缺值，如RSRP低于-95dbm采样点数量在某一天的某个时刻没有数值，则需要采用上下均值替代法，即用空缺值时刻的上个时刻数据和下个时刻数据计算并取均值来填补缺失的采样点数量的采样数据。

在本发明实施例中，根据预设频率确定RSRP高于预设信号强度的信号良好百分比样本数量，并根据信号良好百分比样本数量与总的样本数量的比例确定信号良好百分比样本数据。示例性的，设置预设频率为1天1次，即获取一天之内RSRP高于预设信号强度的信号良好百分比样本数量以及总的采样数量，根据1天信号良好百分比样本数量与总的样本数量的比例确定信号良好百分比，并根据28天内的信号良好百分比获得信号良好百分比样本数据。

在本发明实施例中，无线接入承载请求次数为终端由LTE网络切换至3G网络时的网络切换的重定向请求次数，包含盲重定向和非盲重定向。建立成功次数为LTE网络切换至3G网路成功的次数。根据重定向请求次数与。建立成功次数的比例获得倒流比，并根据预设频率获取倒流比样本数据。示例性的，设置预设频率为1天1次，即获取一天之内终端进行网络切换时无线接入承载请求次数以及建立成功次数，根据1天内无线接入承载请求次数以及建立成功次数的比例确定倒流比，并根据28天内的倒流比数据获得倒流比样本数据。

S202：根据时序模型分别对参考信号接收功率采样点数据、信号良好百分比样本数据以及倒流比样本数据进行训练，获得参考信号接收功率采样点数据对应的第一动态门限、信号良好百分比样本数据对应的第二动态门限以及倒流比样本数据对应的第三动态门限。

在本发明实施例中，可根据时序模型对样本数据进行分析，预测各样本数据的变化趋势，由此获得各样本数据的动态门限。具体的，设置时序模型为Prophet时序模型。其中，Prophet为一种可分解的加法回归模型，即按时序特征可将时序数据分解为非周期性变化的趋势项、天或周的季节周期项和节假日效应等。Prophet模型可以灵活地对各时序特征的参数进行设置，参数值的大小分别表示各个特征对模型预测结果的贡献度，可通过分析模型的训练结果，调节各特征的参数达到提升预测精确度的目的。

在本发明实施例中，将RSRP采样点数据作为Prophet时序模型的输入数据，其中RSRP采样点数据中包含了不同RSRP参数区间内的采样点数量，则根据Prophet时序模型对RSRP采样点数据进行训练，可获得不同RSRP参数区间内采样点数量的数量预测模型，并根据数量预测模型确定RSRP采样点数据的第一动态门限。示例性的，将信号良好百分比样本作为Prophet时序模型的输入数据，根据Prophet时序模型对信号良好百分比样本进行训练，可获得信号良好百分比样本的百分比预测模型，并根据百分比预测模型确定信号良好百分比的第二动态门限。示例性的，将倒流比样本数据作为Prophet时序模型的输入数据，根据Prophet时序模型对倒流比样本数据进行训练，可获得倒流比样本数据的倒流比预测模型，并根据倒流比预测模型确定倒流比数据的第三动态门限。

S203：获取目标小区的待测数据，并根据第一动态门限、第二动态门限以及第三动态门限确定待测数据对应的故障参数。

在本发明实施例中，具体的，待测数据包括预设时间段内的待测RSRP数值、待测无线接入承载请求次数以及待测建立成功次数。根据待测无线接入承载请求次数以及待测建立成功次数确定待测倒流比数据，并根据待测RSRP数值确定待测信号良好百分比数据。在对待测数据进行分析获得了待测RSRP数值、待测倒流比数据以及待测信号良好百分比数据之后，可根据第一动态门限对待测RSRP数值进行分析，获得超过RSRP数值中的故障数据；根据第二动态门限对待测倒流比数据进行分析，获得超过倒流比数据中的故障数据，以及根据第三动态门限对待测信号良好百分比数据进行分析，获得超过信号良好百分比数据中的故障数据。并根据预设的时长对RSRP数值中的故障数据、倒流比数据中的故障数据以及信号良好百分比数据中的故障数据进行分析，获得故障数据的出现时长大于预设时长的所有时长，即RSRP数值对应的第一故障时长、信号良好百分比数据确定第二故障时长以及倒流比数据对应的第三故障时长。即根据第一动态门限以及待测RSRP数值确定第一故障时长，根据第二动态门限以及待测信号良好百分比数据确定第二故障时长，并根据第三动态门限以及待测倒流比数据确定第三故障时长。其中故障参数包含第一故障时长、第二故障时长以及第三故障时长。

S204：根据预设评估模型确定故障参数对应的评估值，若根据评估值判定目标小区存在故障，则生成告警信息并将告警信息发送至管理平台，以提示管理员对目标小区进行故障排查。

在本发明实施例中，示例性的，预设评估模型的公式如公式(1)所示：

其中，scroe为评估值，time代表故障时长，t1和t2分别为预设的故障时长判定参数。示例性的，可设定t1为10小时，t1为35小时。

在本发明实施例中，第一动态门限可预测所有RSRP参数区间内采样点的数量，即第一动态门限中包含了6个RSRP采样点区间对应的预测数量。示例性的，若待测数据中符合[-95，-100]区间内的采样点数量超出了[-95，-100]的预测数量，即出现了突发故障，则统计超出预测数量的时长即突发故障的时长，并将突发故障的时长公式(1)中，计算[-95，-100]区间的评估数值score_-95～100。由此，可分别获得待测数据中，6个RSRP采样区间对应的故障时长，分别将6个时长代入公式(1)中，分别计算6个RSRP采样区间的评估数值score_-95、score_-95～100、score_-100～-105、score_-105～-110、score_-110～-115以及score_-115，并根据公式(2)计算RSRP的第一参数scroe1，具体的(2)为：

score1＝P1*score_-95+P2*score_-95～100+P3*score_-100～-105

+P4*score_-105～-110+P5*score_-110～-115+P6*score_-115 (2)

其中，P1、P2、P3、P4、P5和P6分别为6个RSRP采样区间对应的权重百分比，P1、P2、P3、P4、P5和P6的和为1，示例性的，P1为40％、P2为5％、P3为5％、P4为5％、P5为5％和P6为40％。

示例性的，分别将第二故障时长以及第三故障时长带入公式(1)中，分别确定第二故障时长以及第三故障时长对应的第二参数scroe2以及第三参数scroe3。

在本发明实施例中，根据第一预设百分比与第一参数的乘积确定第一评估值，根据第二预设百分比与第二参数的乘积确定第二评估值，并根据第三预设百分比与第三参数的乘积确定第三评估值，并根据第一评估值、第二评估值以及第三评估值的和确定评估值，其中第一预设百分比、第二预设百分比以及第三预设百分比的和为1。示例性的，设置第一预设百分比为50％，第二预设百分比为30％以及第三预设百分比位20％，其中第一预设百分比、第二预设百分比以及第三预设百分比的和为1。

在本发明实施例中，评估值可代表当前室分小区的网络健康度，若评估值大于或者等于预设健康度参数，则判定当前小区无隐形故障，若评估值小于预设健康度参数，则判定当前小区存在隐形故障，生成告警信息并将告警信息发送至管理平台，以提示管理员对目标小区进行故障排查。

本实施例提供的室分小区故障检测方法，通过利用时序模型对MR测量和KPI指标进行模型训练获得动态门限，并将真实待测数据与预测动态门限的指标进行对比后筛选出故障数据，并根据预设评估模型获得评估值，即实现了室分小区的网络健康度的量化，提高了检测室分小区隐形故障的准确性。

图3为本发明实施例提供的室分小区故障检测方法流程示意图二。在本发明实施例中，在图2提供的实施例的基础上，S204中根据预设评估模型确定故障参数对应的评估值之后的方法进行了详细说明。如图3所示，该方法包括：

S301：若根据评估值判定目标小区不存在故障，则按照预设时间周期获取PRB干扰噪声功率数据，并根据PRB干扰噪声功率数据确定PRB干扰噪声功率平均参数。

在室分小区的网络覆盖环境中，终端是否能完成正常的数据接收，不仅与接入的网络信号强度和质量相关,也与室分小区的接收机内部噪声、外部噪声及干扰的大小有关。在本发明实施例中，若评估值大于或者等于预设健康度参数，则判定当前小区无隐形故障，可根据包接收缓冲器(Packet Receive Buffer，PRB)干扰噪声功率数据进一步排除室分小区是否存在内部噪声的隐形故障。具体的，按照预设时间周期获取PRB干扰噪声功率数据，示例性的，按照每小时的时间周期获得PRB干扰噪声功率统计的平均值。

S302：若PRB干扰噪声功率平均参数大于或者等于预设评估指标，则生成告警信息并将告警信息发送至管理平台，以提示管理员对目标小区进行故障排查。

在本发明实施例中，若PRB干扰噪声功率平均参数大于或者等于预设评估指标，则说明当前室分小区存在噪声干扰，影响终端的数据接收效果，生成告警信息并将告警信息发送至管理平台，以提示管理员对目标小区进行故障排查。示例性的，设置预设评估指标的大小为-90dBm。

本实施例提供的室分小区故障检测方法，通过利用PRB干扰噪声功率数据进一步评估室分小区是否存在干扰噪声的隐形故障，提高了检测室分小区隐形故障的准确性。

在一种可能的实现方式中，若根据评估值判定目标小区不存在故障，则按照预设时间间隔获取上行感知速率数据，并根据上行感知速率数据确定上行感知速率平均参数。若上行感知速率平均参数小于预设上行感知速率指标，则生成告警信息并将告警信息发送至管理平台，以提示管理员对目标小区进行故障排查。

在本发明实施例中，若评估值大于或者等于预设健康度参数，则判定当前小区无隐形故障，可通过小区级上行单用户平均感知速率指标作为用户感知问题的评估数值，将室分小区的上行感知速率作为整体用户感知状况指标项，进一步排除室分小区是否存在上行感知速率低的隐形故障。具体的，按照预设时间间隔获取上行感知速率数据，并根据上行感知速率数据确定上行感知速率平均参数。若上行感知速率平均参数小于预设上行感知速率指标，则生成告警信息并将告警信息发送至管理平台，以提示管理员对目标小区进行故障排查。示例性的，设置预设上行感知速率指标的大小为500KBps。

本实施例提供的室分小区故障检测方法，通过利用上行感知速率数据进一步评估室分小区是否存在上行感知速率低的隐形故障，提高了检测室分小区隐形故障的准确性。

图4为本发明实施例提供的室分小区故障检测装置的结构示意图。如图4所示，该室分小区故障检测装置包括：获取模块401、训练模块402、确定模块403以及发送模块404。

获取模块401，用于按照预设时间间隔获取目标小区的MR测量数据、无线接入承载请求次数以及建立成功次数，根据预设指标对所述MR测量数据进行格式化处理获得RSRP参考信号接收功率采样点数据，根据所述MR测量数据确定信号良好百分比样本数据，并根据所述无线接入承载请求次数以及所述建立成功次数确定倒流比样本数据；训练模块402，用于根据时序模型分别对所述RSRP采样点数据、所述信号良好百分比样本数据以及所述倒流比样本数据进行训练，获得RSRP采样点数据对应的第一动态门限、所述信号良好百分比样本对应的第二动态门限以及所述倒流比样本数据对应的第三动态门限；确定模块403，用于获取目标小区的待测数据，并根据所述第一动态门限、所述第二动态门限以及所述第三动态门限确定所述待测数据对应的故障参数；发送模块404，用于根据预设评估模型确定所述故障参数对应的评估值，若根据所述评估值判定所述目标小区存在故障，则生成告警信息并将所述告警信息发送至管理平台，以提示管理员对所述目标小区进行故障排查。

在一种可能的实现方式中，所述待测数据包括预设时间段内的待测参考信号接收功率数值、待测无线接入承载请求次数以及待测建立成功次数，所述确定模块403具体用于根据所述待测无线接入承载请求次数以及所述待测建立成功次数确定待测倒流比数据，并根据所述待测参考信号接收功率数值确定待测信号良好百分比数据；根据所述第一动态门限以及所述待测参考信号接收功率数值确定第一故障时长，根据所述第二动态门限以及所述待测信号良好百分比数据确定第二故障时长，并根据所述第三动态门限以及所述待测倒流比数据确定第三故障时长，所述故障参数包含所述第一故障时长、所述第二故障时长以及所述第三故障时长。

在一种可能的实现方式中，所述发送模块404具体用于分别根据预设评估模型确定所述第一故障时长、所述第二故障时长以及所述第三故障时长对应的第一参数、第二参数以及第三参数；根据第一预设百分比与所述第一参数的乘积确定第一评估值，根据第二预设百分比与所述第二参数的乘积确定第二评估值，并根据第三预设百分比与所述第三参数的乘积确定第三评估值，并根据所述第一评估值、所述第二评估值以及所述第三评估值的和确定评估值，其中所述第一预设百分比、所述第二预设百分比以及所述第三预设百分比的和为1。

在一种可能的实现方式中，所述室分小区故障检测装置还包括第一生成模块，所述第一生成模块具体用于若根据所述评估值判定所述目标小区不存在故障，则按照预设时间周期获取PRB干扰噪声功率数据，并根据PRB数据确定PRB干扰噪声功率平均参数；若所述PRB干扰噪声功率平均参数大于或者等于预设评估指标，则生成告警信息并将所述告警信息发送至管理平台，以提示管理员对所述目标小区进行故障排查。

在一种可能的实现方式中，所述室分小区故障检测装置还包括第二生成模块，所述第二生成模块具体用于若根据所述评估值判定所述目标小区不存在故障，则按照预设时间间隔获取上行感知速率数据，并根据所述上行感知速率数据确定上行感知速率平均参数；若所述上行感知速率平均参数小于预设上行感知速率指标，则生成告警信息并将所述告警信息发送至管理平台，以提示管理员对所述目标小区进行故障排查。

本实施例提供的装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。

图5为本发明实施例提供的服务器的硬件结构示意图。如图5所示，本实施例的服务器包括：处理器501以及存储器502；其中

存储器502，用于存储计算机执行指令；

处理器501，用于执行存储器存储的计算机执行指令，以实现上述实施例中服务器所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。

可选地，存储器502既可以是独立的，也可以跟处理器501集成在一起。

当存储器502独立设置时，该服务器还包括总线503，用于连接所述存储器502和处理器501。

本发明实施例还提供一种计算机存储介质，所述计算机存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上所述的室分小区故障检测方法。

本发明实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如上所述的室分小区故障检测方法。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。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，装置或模块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模块可以是或者也可以不是物理上分开的，作为模块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。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块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)或处理器执行本申请各个实施例所述方法的部分步骤。

应理解，上述处理器可以是中央处理单元(Central Processing Unit，简称CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。

总线可以是工业标准体系结构(Industry Standard Architecture，简称ISA)总线、外部设备互连(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。

上述存储介质可以是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。存储介质可以是通用或专用计算机能够存取的任何可用介质。

一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，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，或者对其中部分或者全部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发明各实施例技术方案的范围。