本发明实施例涉及移动通信
技术领域：
，更具体地，涉及一种esrvcc异常分析方法和装置。
背景技术：
：随着lte(longtermevolution，长期演进)的网络建设，目前针对语音业务的互操作的主要技术之一即是esrvcc(enhancedsingleradiovoicecallcontinuity，增强的单一无线语音呼叫连续性)。esrvcc主要解决单射频ue(userexperience，用户体验)在ims(ipmultimediasubsystem，ip多媒体子系统)控制的voip(voiceoverinternetprotocol，网络电话)语音和cs(circuitswitching，电路交换)语音之间的无缝切换，以保持语音业务的连续性。传统的esrvcc参数的配置来源于集团下发的配置手册，均采取“一刀切”，未考虑不同的场景特点，难以满足差异化的要求。后期优化根据网管侧和dt(drivetest，路测)的测试统计结果以及网优工程师个人经验进行相应的调整，通过不断的测试、调整来寻求一个合适的设置值。申请公布号为cn108337696a的中国发明专利公开了“srvcc异常的处理方法、装置、存储介质及电子设备”，提供了用于处理srvcc异常的方法、装置和产品。在一个方面，检测向网络侧上报测量报告的事件，由该事件触发执行调整vowifi的切换门限的操作，并根据调整后的切换门限查找目标wifi热点，根据查找结果按照设定切换策略执行vowifi操作或srvcc操作。在ue检测srvcc的切换命令的过程中，降低vowifi的切换门限，从而，在ue未接收到srvcc的切换命令时，可以先切换至vowifi，保证通话的连续性。在另一个方面，提供了一种计算机可读存储介质，存储各门限和定时器数据，并集成至ue等电子设备中。该方法需要将所用的门限和定时器数据，以及相关程序提前集成在电子设备中，增加了工艺实现难度。申请公布号为cn103404107a的中国发明专利公开了“信息传输方法、信息更改方法及装置”中，在终端ue处于连接态时，判断所述ue的单射频语音业务连续性srvcc能力是否由第一能力变化为与所述第一能力不同的第二能力；当所述srvcc能力由所述第一能力变化为所述第二能力时，向所述ue所属的基站发送第一信息，所述第一信息中携带有第一状态信息，所述第一状态信息用于表征所述ue的所述srvcc能力为所述第二能力，以使所述基站能够根据所述第一信息更新本地的所述ue的srvcc能力信息，当ue所述srvcc能力发生变化，基站可以根据实际情况来确定是否要发起srvcc流程，尽量保证srvcc流程能够成功进行，避免出现语音掉话等现象。该方法要求ue实时的向基站上报srvcc能力，占用信令和基站资源。综上所述，现有技术中的esrvcc优化测试过程费时费力、容易出错，测试结果容易受到外部环境和一些突发事件的影响，影响优化效果，效率低下。技术实现要素：本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的一种esrvcc异常分析方法和装置。第一方面，本发明实施例提供一种esrvcc异常分析方法，包括：获取esrvcc的位置和无线信号交叠特征、esrvcc执行前的时间-强度特征和对应长期演进lte小区的信号强度分布特征，并构建特征格空间；所述特征格空间中每一个特征格表示esrvcc发生的lte小区的覆盖类型，目标切换小区与lte的覆盖关系，以及lte弱场与全球移动通信系统gsm强场交接区的切换参数特征；获取当前esrvcc发生时在所述特征格空间内所处的实际特征格，以及在所述特征格空间内的标准最优特征格，基于所述特征格空间内实际特征格与标准最优特征格的切换参数，调整esrvcc的参数。可选的，获取esrvcc的位置和无线信号交叠特征，具体包括：基于2g小区、4g小区覆盖差异将覆盖重叠区域分为四种lte和gsm交叠组合场景：将2g覆盖好、4g覆盖差的区域分为第一场景；将2g覆盖好、4g覆盖好的区域分为第二场景；将2g覆盖差、4g覆盖差的区域分为第三场景；将2g覆盖差、4g覆盖好的区域分为第四场景；其中，2g小区、4g小区都分别设有信号覆盖阈值，若信号覆盖低于对应的信号覆盖阈值，则表示覆盖差，若信号覆盖高于对应的信号覆盖阈值，则表示覆盖好。可选的，基于2g小区、4g小区覆盖差异将覆盖重叠区域分为四种lte和gsm交叠组合场景后，还包括：基于测量报告mr数据获取esrvcc的位置和无线信号交叠特征，由样本数据mro或统计数据mre定位的出问题小区的覆盖范围，以及与b2事件关联的esrvcc位置或范围。可选的，由样本数据mro定位的出问题小区的覆盖范围，具体包括：基于mro获取gsmm小区和ltei小区的采样点分布，获取相邻ltei小区之间的ltej干扰区；计算esrvcc时gsmm小区和ltej干扰小区在各个点处的强度srvcc(j，m)(xi|yi)；并得到esrvcc的区域范围s＝{<x|y>}∈{srvcc(j,m)<xi|yi>＞0}。可选的，获取esrvcc执行前的时间-强度特征，具体包括：基于lte测量报告与周边gsm测量报告定位lte弱场与gsm强场的交接区域；从小区话务记录ctr中得到mr的采样点数，并计算采样点数的均值和方差，并基于反应时间的分段方差；将所述交接区域的方差波形与esrvcc触发启动点的方差波形对比，获取交接区的三种切换特征；其中，将切换时间大于预设时间阈值、强信号比弱信号切换早，且弱信号比强信号切换容易的区域设为激进区域；将切换时间不大于预设时间阈值、信号强度大于设定第一强度阈值时被限制切换或信号小于第二强度阈值时被限制切换的区域设为均衡区域，将切换时间不大于预设时间阈值、信号强度大于第三强度阈值时不切换，且弱信号比强信号易切换的区域设为保守区域。可选的，获取对应长期演进lte小区的信号强度分布特征，具体包括：基于mr数据波形的差异化，构建五种mr分布图特征：倒滑梯型、骨锥型、平坦型、双峰型和衰减型；若lte小区用户信号强度小于-110dbm比例低于预设的第一比例阈值，小于-115dbm比例低于预设的第二比例阈值，且大于-105dbm时比例逐步增加，则分为倒滑梯型；所述第一比例阈值大于所述第二比例阈值，且所述第一比例阈值小于10％；若lte小区用户信号强度小于-110dbm比例大于70％，小于-110dbm比例中小于-115dbm占比大于50％，且大于-105dbm后比例减少，大于-105dbm比例中大于-100dbm的占比小于20％，则分为骨锥型；若lte小区用户信号强度小于-110dbm比例小于30％，且小于-110dbm比例中小于-115dbm占比小于30％，且大于-105dbm后比例不变，则分为平坦型；若lte小区用户信号强度小于-105dbm比例大于40％，且大于-90dbm比例大于40％，则分为双峰型；若lte小区用户信号强度小于-110dbm比例大于70％，信号强度大于-105dbm逐渐减少，且小于-110dbm比例中小于-115dbm占比小于30％，则分为衰减型。可选的，并构建特征格空间具体包括：将四种lte和gsm交叠组合场景作为2g、4g场景交叠独立面，将交接区的三种切换特征作为2g、4g信号转换独立面，将五种mr分布图特征作为多维波形差异独立面，构建60格的特征格空间。第二方面，本发明实施例提供一种esrvcc异常分析装置，包括：第一模块，用于获取esrvcc的位置和无线信号交叠特征、esrvcc执行前的时间-强度特征和对应长期演进lte小区的信号强度分布特征，并构建特征格空间；所述特征格空间中每一个特征格表示esrvcc发生的lte小区的覆盖类型，目标切换小区与lte的覆盖关系，以及lte弱场与全球移动通信系统gsm强场交接区的切换参数特征；第二模块，用于获取当前esrvcc发生时在所述特征格空间内所处的实际特征格，以及在所述特征格空间内的标准最优特征格，基于所述特征格空间内实际特征格与标准最优特征格的切换参数，调整esrvcc的参数。第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。第四方面，本发明实施例提供一种非暂态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第一方面所提供的方法的步骤。本发明实施例提出了一种esrvcc异常分析方法和装置，借助mr数据定位esrvcc的位置和无线信号交叠特征、联合ctr大数据分析判决出esrvcc执行前的“时间-强度”特征、以及该lte小区的信号强度分布特征，由这三类特征组合出60格的“特征格空间”。每一格小空间代表了：esrvcc发生的lte小区的覆盖类型是什么、目标切换小区与lte的覆盖关系如何、测量和执行阶段的特征是什么。在60格的“特征格空间”中，由当前esrvcc发生时所处的“特征格”，对比之前三者结合计算出的最优“特征格”，判定不同的esrvcc失败原因值并区分不同原因调整优化。基于ctr大数据分析，结合mr分布和切换判决方式，确定邻区对的选择、门限的设置以及应对措施。针对不同的场景及环境构造差异化基因组合，建立优化手段基因库，“固化”优化思路，形成“流程化”优化方法。通过对语音业务的精准优化，提升业务的质量，保障用户感知。附图说明为了更清楚地说明本发明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发明的一些实施例，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为根据本发明实施例的esrvcc异常分析方法示意图；图2为根据本发明实施例的2g、4g覆盖重叠区域示意图；图3为根据本发明实施例的esrvcc的区域范围示意图；图4为根据本发明实施例的均值和方差的三种表现关系示意图；图5为根据本发明实施例的60格的“特征格空间”示意图；图6为根据本发明实施例的小区中所有ue的rsrp分布示意图；图7为根据本发明实施例的esrvcc的采样点打点时的b2起测及判决值得到判定图示意图；图8为根据本发明实施例的电子设备的实体结构示意图。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。由于传统的esrvcc优化测试过程费时费力、容易出错，测试结果容易受到外部环境和一些突发事件的影响，影响优化效果，效率低下。因此本发明各实施例基于ctr大数据分析，结合mr分布和切换判决方式，确定邻区对的选择、门限的设置以及应对措施。针对不同的场景及环境构造差异化基因组合，建立优化手段基因库，“固化”优化思路，形成“流程化”优化方法。通过对语音业务的精准优化，提升业务的质量，保障用户感知。以下将通过多个实施例进行展开说明和介绍。图1为本发明实施例提供的一种esrvcc异常分析方法，包括：获取esrvcc的位置和无线信号交叠特征、esrvcc执行前的时间-强度特征和对应长期演进lte小区的信号强度分布特征，并构建特征格空间；所述特征格空间中每一个特征格表示esrvcc发生的lte小区的覆盖类型，目标切换小区与lte的覆盖关系，以及lte弱场与全球移动通信系统gsm强场交接区的切换参数特征；获取当前esrvcc发生时在所述特征格空间内所处的实际特征格，以及在所述特征格空间内的标准最优特征格，基于所述特征格空间内实际特征格与标准最优特征格的切换参数，调整esrvcc的参数。在本实施例中，在lte系统内借助mr数据定位esrvcc的位置和无线信号交叠特征、联合ctr大数据分析判决出esrvcc执行前的“时间-强度”特征、以及该lte小区的信号强度分布特征，由这三类特征组合出“特征格空间”。每一格小空间代表了：esrvcc发生的lte小区的覆盖类型是什么、目标切换小区与lte的覆盖关系如何、lte弱场与全球移动通信系统gsm强场交接区的切换参数特征。在“特征格空间”中，由当前esrvcc发生时所处的“特征格”，对比之前三者结合计算出的最优“特征格”，判定不同的esrvcc失败原因值并区分不同原因调整优化。基于ctr大数据分析，结合mr分布和切换判决方式，确定邻区对的选择、门限的设置以及应对措施。针对不同的场景及环境构造差异化基因组合，建立优化手段基因库，“固化”优化思路，形成“流程化”优化方法。通过对语音业务的精准优化，提升业务的质量，保障用户感知。在上述实施例的基础上，获取esrvcc的位置和无线信号交叠特征，具体包括：基于2g小区、4g小区覆盖差异将覆盖重叠区域分为四种lte和gsm交叠组合场景：将2g覆盖好、4g覆盖差的区域分为第一场景；将2g覆盖好、4g覆盖好的区域分为第二场景；将2g覆盖差、4g覆盖差的区域分为第三场景；将2g覆盖差、4g覆盖好的区域分为第四场景；其中，2g小区、4g小区都分别设有信号覆盖阈值，若信号覆盖低于对应的信号覆盖阈值，则表示覆盖差，若信号覆盖高于对应的信号覆盖阈值，则表示覆盖好。在本实施例中，如图2中所示，根据2g、4g小区覆盖差异将覆盖重叠区域分成如下四个不同的场景，由mro\mre数据定位出问题小区的覆盖范围以及与b2关联的esrvcc位置/范围。基于2g小区、4g小区覆盖差异将覆盖重叠区域分为四种lte和gsm交叠组合场景，如下表1所示：表1交叠组合场景场景2g覆盖4g覆盖第一场景覆盖好覆盖差第二场景覆盖好覆盖好第三场景覆盖差覆盖差第四场景覆盖差覆盖好在上述各实施例的基础上，基于2g小区、4g小区覆盖差异将覆盖重叠区域分为四种lte和gsm交叠组合场景后，还包括：基于测量报告mr数据获取esrvcc的位置和无线信号交叠特征，由样本数据mro或统计数据mre定位的出问题小区的覆盖范围，以及与b2事件关联的esrvcc位置或范围。在上述各实施例的基础上，由样本数据mro定位的出问题小区的覆盖范围，具体包括：基于mro获取gsmm小区和ltei小区的采样点分布，获取相邻ltei小区之间的ltej干扰区；计算esrvcc时gsmm小区和ltej干扰小区在各个点处的强度srvcc(j，m)(xi|yi)；并得到esrvcc的区域范围s＝{<x|y>}∈{srvcc(j,m)<xi|yi>＞0}。在本实施例中，如图3所示，依据mro数据可以得到小区的采样点分布，我们假设下图中不同的椭圆代表不同的gsm小区和lte小区的采样点分布，图3中区域a1、b1代表ltei和gsmm间esrvcc发生区，而区域c1代表ltei和ltej之间的干扰区。对于区域内的某一点<xi|yi>，我们可以分别得到j小区和m小区在该坐标点处的rsrp(referencesignalreceivingpower，参考信号接收功率)强度ltej<xi|yi>和gsmm<xi|yi>，那么j小区和m小区在坐标点上esrvcc时的强度就可表述为srvcc(j,m)<xi|yi>，在esrvcc区域内相邻j小区的平均电平即计为：最后可以得出esrvcc的区域范围是：s＝{<x|y>}∈{srvcc(j,m)<xi|yi>＞0}。在上述各实施例的基础上，获取esrvcc执行前的时间-强度特征，具体包括：基于lte测量报告与周边gsm测量报告定位lte弱场与gsm强场的交接区域；从小区话务记录ctr中得到mr的采样点数，并计算采样点数的均值和方差，并基于反应时间的分段方差；将所述交接区域的方差波形与esrvcc触发启动点的方差波形对比，获取交接区的三种切换特征；其中，将切换时间大于预设时间阈值、强信号比弱信号切换早，且弱信号比强信号切换容易的区域设为激进区域；将切换时间不大于预设时间阈值、信号强度大于设定第一强度阈值时被限制切换或信号小于第二强度阈值时被限制切换的区域设为均衡区域，将切换时间不大于预设时间阈值、信号强度大于第三强度阈值时不切换，且弱信号比强信号易切换的区域设为保守区域。具体的，三种不同的判决结果也对应了不同的切换特征如下表2所示：表2三种切换特征激进区域强信号更早弱信号更易切换走更快均衡区域好信号限制差信号限制切换走稍缓保守区域好信号不切差信号更易切换走稍缓在本实施例中，将ltemr测量报告与周边gsmmr测量报告借助地理化呈现形式，投射到地理图层上，直观的定位lte弱场与gsm强场的交接区域或临界线，与原有esrvcc触发启动点比较，如图4所示，对比方差波形，按激进、均衡、保守三种形式评定判决，并作为下一步调整的判决依据。在本实施例中，从ctr((celltrafficrecording，小区话务记录))中得到事件mr的采样点数：通过计算得到采样点数的均值μ和方差σ2：分段方差为反应时间为t1∈{σ2(t|t1)＞＞σ2(t|t2)}。图4中反应了均值和方差的三种表现关系，这三种不同的判决结果也对应了不同的切换特征。在上述各实施例的基础上，获取对应长期演进lte小区的信号强度分布特征，具体包括：基于mr数据波形的差异化，构建五种mr分布图特征：倒滑梯型、骨锥型、平坦型、双峰型和衰减型。若lte小区用户信号强度小于-110dbm比例低于预设的第一比例阈值，小于-115dbm比例低于预设的第二比例阈值，且大于-105dbm时比例逐步增加，则分为倒滑梯型；所述第一比例阈值大于所述第二比例阈值，且所述第一比例阈值小于10％；若lte小区用户信号强度小于-110dbm比例大于70％，小于-110dbm比例中小于-115dbm占比大于50％，且大于-105dbm后比例减少，大于-105dbm比例中大于-100dbm的占比小于20％，则分为骨锥型；若lte小区用户信号强度小于-110dbm比例小于30％，且小于-110dbm比例中小于-115dbm占比小于30％，且大于-105dbm后比例不变，则分为平坦型；若lte小区用户信号强度小于-105dbm比例大于40％，且大于-90dbm比例大于40％，则分为双峰型；若lte小区用户信号强度小于-110dbm比例大于70％，信号强度大于-105dbm逐渐减少，且小于-110dbm比例中小于-115dbm占比小于30％，则分为衰减型。判断方法和依据如下表3所示：表3五种mr分布图特征判断依据在上述各实施例的基础上，并构建特征格空间具体包括：将四种lte和gsm交叠组合场景作为2g、4g场景交叠独立面，将交接区的三种切换特征作为2g、4g信号转换独立面，将五种mr分布图特征作为多维波形差异独立面，构建60格的特征格空间，具体的，分别以四种lte和gsm交叠组合场景、交接区的三种切换特征和五种mr分布图特征作为三个坐标轴，构建4×5×3的60格的特征格空间，如图5所示。在构建60格的特征格空间后，进一步的构建推荐的特征格优化方向表，如下表4所示；表4推荐的特征格优化方向在上述各实施例的基础上，在具体应用时，选取站点a3进行实验，提取该站点mro\mre\ctr连续7天忙时原始数据，并提取该站点周边2km内2g站点的mrr数据进行运算。(1)2g、4g场景交叠：将站点a3与周边lte、gsm站点的mr数据进行栅格化分析，得到esrvcc的定位点，4g和2g的覆盖栅格分布和esrvcc区域的交叠类型；(2)多维波形差异：该类型反映了此小区中所有ue的rsrp分布特点，用户信号强度低于-110dbm；该小区没有信号突降区域；如图6中所示(其中横坐标是信号强度rsrp的区间分布，左侧信号强度低，右侧信号强度高；纵坐标是对应信号区间中的采样点数量)，随着用户远离rsrp逐步降低；ue的信号是缓步慢降类型；(3)2g、4g信号转换：通过提取一周内该小区每次进行esrvcc的采样点打点时的b2事件起测及判决值得到判定结果图，如图7中所示。图7中，a3点：测量报告出现上门限，表明该次volte通话最好的信号强度分布；b3点：测量报告出现最早时刻限，表明该小区通话建立的时长；c3点：测量报告出现下门限，表明volte通话经历的最差信号强度分布；d3点：最优基准线，esrvcc区域的低噪情况。按照最优基准区间标准(esrvcc区域内mr采样点尽可能少，测量报告采样点分布模型均衡，4g边界 2g好区域)、测量报告采样点分布均衡模型标准(采样点分布中线，接近或者略好于最优基准线；测量报告出现上门限-测量报告出现下门限<6)对2、4g信号转换区域进行定位，确定esrvcc最优门限范围：b2.1∈{40,38,…20}b2.2∈{24,22,…14}ttt∈{320,640,…5120}。(4)调整验证效果对比：按照步进值进行调整验证，最终确定在以下门限时，esrvcc指标最优，且其他指标影响最小：b2.1＝{32}，b2.2∈{20}，ttt∈{1280}。本发明实施例还提供一种esrvcc异常分析装置，基于上述各实施例中的esrvcc异常分析方法，包括：第一模块，用于获取esrvcc的位置和无线信号交叠特征、esrvcc执行前的时间-强度特征和对应长期演进lte小区的信号强度分布特征，并构建特征格空间；所述特征格空间中每一个特征格表示esrvcc发生的lte小区的覆盖类型，目标切换小区与lte的覆盖关系，以及lte弱场与全球移动通信系统gsm强场交接区的切换参数特征；第二模块，用于获取当前esrvcc发生时在所述特征格空间内所处的实际特征格，以及在所述特征格空间内的标准最优特征格，基于所述特征格空间内实际特征格与标准最优特征格的切换参数，调整esrvcc的参数。图8为本发明实施例提供的电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(communicationsinterface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储在存储器830上并可在处理器810上运行的计算机程序，以执行上述各实施例提供的esrvcc异常分析方法，例如包括：获取esrvcc的位置和无线信号交叠特征、esrvcc执行前的时间-强度特征和对应长期演进lte小区的信号强度分布特征，并构建特征格空间；所述特征格空间中每一个特征格表示esrvcc发生的lte小区的覆盖类型，目标切换小区与lte的覆盖关系，以及lte弱场与全球移动通信系统gsm强场交接区的切换参数特征；获取当前esrvcc发生时在所述特征格空间内所处的实际特征格，以及在所述特征格空间内的标准最优特征格，基于所述特征格空间内实际特征格与标准最优特征格的切换参数，调整esrvcc的参数。此外，上述的存储器830中的逻辑指令可以通过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，本发明实施例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)执行本发明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-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的esrvcc异常分析方法，例如包括：获取esrvcc的位置和无线信号交叠特征、esrvcc执行前的时间-强度特征和对应长期演进lte小区的信号强度分布特征，并构建特征格空间；所述特征格空间中每一个特征格表示esrvcc发生的lte小区的覆盖类型，目标切换小区与lte的覆盖关系，以及lte弱场与全球移动通信系统gsm强场交接区的切换参数特征；获取当前esrvcc发生时在所述特征格空间内所处的实际特征格，以及在所述特征格空间内的标准最优特征格，基于所述特征格空间内实际特征格与标准最优特征格的切换参数，调整esrvcc的参数。本发明实施例还提供本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行如上述的esrvcc异常分析方法，例如包括：获取esrvcc的位置和无线信号交叠特征、esrvcc执行前的时间-强度特征和对应长期演进lte小区的信号强度分布特征，并构建特征格空间；所述特征格空间中每一个特征格表示esrvcc发生的lte小区的覆盖类型，目标切换小区与lte的覆盖关系，以及lte弱场与全球移动通信系统gsm强场交接区的切换参数特征；获取当前esrvcc发生时在所述特征格空间内所处的实际特征格，以及在所述特征格空间内的标准最优特征格，基于所述特征格空间内实际特征格与标准最优特征格的切换参数，调整esrvcc的参数。综上所述，本发明实施例提出了一种esrvcc异常分析方法和装置，借助mr数据定位esrvcc的位置和无线信号交叠特征、联合ctr大数据分析判决出esrvcc执行前的“时间-强度”特征、以及该lte小区的信号强度分布特征，由这三类特征组合出60格的“特征格空间”。每一格小空间代表了：esrvcc发生的lte小区的覆盖类型是什么、目标切换小区与lte的覆盖关系如何、测量和执行阶段的特征是什么。在60格的“特征格空间”中，由当前esrvcc发生时所处的“特征格”，对比之前三者结合计算出的最优“特征格”，判定不同的esrvcc失败原因值并区分不同原因调整优化。基于ctr大数据分析，结合mr分布和切换判决方式，确定邻区对的选择、门限的设置以及应对措施。针对不同的场景及环境构造差异化基因组合，建立优化手段基因库，“固化”优化思路，形成“流程化”优化方法。通过对语音业务的精准优化，提升业务的质量，保障用户感知。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发明的技术方案，而非对其限制；尽管参照前述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精神和范围。当前第1页1 2 3
技术特征：1.一种esrvcc异常分析方法，其特征在于，包括：
获取esrvcc的位置和无线信号交叠特征、esrvcc执行前的时间-强度特征和对应长期演进lte小区的信号强度分布特征，并构建特征格空间；所述特征格空间中每一个特征格表示esrvcc发生的lte小区的覆盖类型，目标切换小区与lte的覆盖关系，以及lte弱场与全球移动通信系统gsm强场交接区的切换参数特征；
获取当前esrvcc发生时在所述特征格空间内所处的实际特征格，以及在所述特征格空间内的标准最优特征格，基于所述特征格空间内实际特征格与标准最优特征格的切换参数，调整esrvcc的参数。
2.根据权利要求1所述的esrvcc异常分析方法，其特征在于，获取esrvcc的位置和无线信号交叠特征，具体包括：
基于2g小区、4g小区覆盖差异将覆盖重叠区域分为四种lte和gsm交叠组合场景：将2g覆盖好、4g覆盖差的区域分为第一场景；将2g覆盖好、4g覆盖好的区域分为第二场景；将2g覆盖差、4g覆盖差的区域分为第三场景；将2g覆盖差、4g覆盖好的区域分为第四场景；其中，2g小区、4g小区都分别设有信号覆盖阈值，若信号覆盖低于对应的信号覆盖阈值，则表示覆盖差，若信号覆盖高于对应的信号覆盖阈值，则表示覆盖好。
3.根据权利要求2所述的esrvcc异常分析方法，其特征在于，基于2g小区、4g小区覆盖差异将覆盖重叠区域分为四种lte和gsm交叠组合场景后，还包括：
基于测量报告mr数据获取esrvcc的位置和无线信号交叠特征，由样本数据mro或统计数据mre定位的出问题小区的覆盖范围，以及与b2事件关联的esrvcc位置或范围。
4.根据权利要求3所述的esrvcc异常分析方法，其特征在于，由样本数据mro定位的出问题小区的覆盖范围，具体包括：
基于mro获取gsmm小区和ltei小区的采样点分布，获取相邻ltei小区之间的ltej干扰区；
计算esrvcc时gsmm小区和ltej干扰小区在各个点处的强度srvcc(j，m)(xi|yi)；
并得到esrvcc的区域范围s＝{<x|y>}∈{srvcc(j,m)<xi|yi>＞0}。
5.根据权利要求2所述的esrvcc异常分析方法，其特征在于，获取esrvcc执行前的时间-强度特征，具体包括：
基于lte测量报告与周边gsm测量报告定位lte弱场与gsm强场的交接区域；
从小区话务记录ctr中得到mr的采样点数，并计算采样点数的均值和方差，并基于反应时间的分段方差；
将所述交接区域的方差波形与esrvcc触发启动点的方差波形对比，获取交接区的三种切换特征；其中，将切换时间大于预设时间阈值、强信号比弱信号切换早，且弱信号比强信号切换容易的区域设为激进区域；将切换时间不大于预设时间阈值、信号强度大于设定第一强度阈值时被限制切换或信号小于第二强度阈值时被限制切换的区域设为均衡区域，将切换时间不大于预设时间阈值、信号强度大于第三强度阈值时不切换，且弱信号比强信号易切换的区域设为保守区域。
6.根据权利要求5所述的esrvcc异常分析方法，其特征在于，获取对应长期演进lte小区的信号强度分布特征，具体包括：
基于mr数据波形的差异化，构建五种mr分布图特征：倒滑梯型、骨锥型、平坦型、双峰型和衰减型；
若lte小区用户信号强度小于-110dbm比例低于预设的第一比例阈值，小于-115dbm比例低于预设的第二比例阈值，且大于-105dbm时比例逐步增加，则分为倒滑梯型；所述第一比例阈值大于所述第二比例阈值，且所述第一比例阈值小于10％；
若lte小区用户信号强度小于-110dbm比例大于70％，小于-110dbm比例中小于-115dbm占比大于50％，且大于-105dbm后比例减少，大于-105dbm比例中大于-100dbm的占比小于20％，则分为骨锥型；
若lte小区用户信号强度小于-110dbm比例小于30％，且小于-110dbm比例中小于-115dbm占比小于30％，且大于-105dbm后比例不变，则分为平坦型；
若lte小区用户信号强度小于-105dbm比例大于40％，且大于-90dbm比例大于40％，则分为双峰型；
若lte小区用户信号强度小于-110dbm比例大于70％，信号强度大于-105dbm逐渐减少，且小于-110dbm比例中小于-115dbm占比小于30％，则分为衰减型。
7.根据权利要求6所述的esrvcc异常分析方法，其特征在于，并构建特征格空间具体包括：
将四种lte和gsm交叠组合场景作为2g、4g场景交叠独立面，将交接区的三种切换特征作为2g、4g信号转换独立面，将五种mr分布图特征作为多维波形差异独立面，构建60格的特征格空间。
8.一种esrvcc异常分析装置，其特征在于，包括：
第一模块，用于获取esrvcc的位置和无线信号交叠特征、esrvcc执行前的时间-强度特征和对应长期演进lte小区的信号强度分布特征，并构建特征格空间；所述特征格空间中每一个特征格表示esrvcc发生的lte小区的覆盖类型，目标切换小区与lte的覆盖关系，以及lte弱场与全球移动通信系统gsm强场交接区的切换参数特征；
第二模块，用于获取当前esrvcc发生时在所述特征格空间内所处的实际特征格，以及在所述特征格空间内的标准最优特征格，基于所述特征格空间内实际特征格与标准最优特征格的切换参数，调整esrvcc的参数。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的方法的步骤。
10.一种非暂态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至7任一项所述的方法的步骤。
技术总结本发明实施例提供一种eSRVCC异常分析方法和装置，借助MR数据定位eSRVCC的位置和无线信号交叠特征、联合CTR大数据分析判决出eSRVCC执行前的“时间‑强度”特征、以及该LTE小区的信号强度分布特征，由这三类特征组合出60格的“特征格空间”。每一格小空间代表了：eSRVCC发生的LTE小区的覆盖类型是什么、目标切换小区与LTE的覆盖关系如何、测量和执行阶段的特征是什么。在60格的“特征格空间”中，由当前eSRVCC发生时所处的“特征格”，对比之前三者结合计算出的最优“特征格”，判定不同的eSRVCC失败原因值并区分不同原因调整优化。
技术研发人员：刘毅;郭宝;张阳;李言兵;刘立洋;刘亚;公维伟;吴德胜;吴颢
受保护的技术使用者：中国移动通信集团山东有限公司;中国移动通信集团有限公司
技术研发日：2018.11.29
技术公布日：2020.06.05
