移動(dòng)網(wǎng)絡(luò)投訴熱點(diǎn)區(qū)域智能識(shí)別方法與應(yīng)用

孟現(xiàn)鋒， 梁松柏， 徐 剛

（1.中國(guó)聯(lián)通鄭州市分公司，鄭州 450000； 2.中國(guó)聯(lián)通河南省分公司，鄭州 450000）

用戶對(duì)無(wú)線網(wǎng)絡(luò)感知越來(lái)越敏感，導(dǎo)致移網(wǎng)用戶投訴量居高不下. 與此同時(shí)，如何快速識(shí)別移網(wǎng)投訴熱點(diǎn)區(qū)域，將有限的投資及設(shè)備資源投入到真正的投訴熱點(diǎn)區(qū)域，有效改善用戶感知，則是運(yùn)營(yíng)商十分關(guān)心的一個(gè)問(wèn)題［1］. 傳統(tǒng)方法是通過(guò)對(duì)某一個(gè)投訴位置的投訴數(shù)量累加，隨后進(jìn)行投訴量排名，將投訴量靠前的場(chǎng)景名稱確定為投訴熱點(diǎn). 而該方法的主要缺點(diǎn)，一是無(wú)法有效去除噪聲點(diǎn)，形成獨(dú)立成簇的投訴熱點(diǎn)區(qū)域；二是無(wú)法精細(xì)化地識(shí)別投訴熱點(diǎn)區(qū)域的邊框，投訴熱點(diǎn)區(qū)域通常為沒(méi)有明確邊界范圍的模糊區(qū)域；三是無(wú)法對(duì)網(wǎng)絡(luò)的規(guī)劃、建設(shè)、調(diào)整以及優(yōu)化提供有力的數(shù)據(jù)支撐. 各行業(yè)的熱點(diǎn)區(qū)域挖掘目前常用的方法是聚類(lèi)算法［2-15］. 其中，DBSCAN算法（密度聚類(lèi)）相較于其他聚類(lèi)算法，對(duì)噪聲不敏感，無(wú)須設(shè)定類(lèi)別數(shù)量，可以任意形狀成簇，適合投訴熱點(diǎn)區(qū)域識(shí)別.

針對(duì)投訴熱點(diǎn)區(qū)域網(wǎng)絡(luò)問(wèn)題的解決，對(duì)規(guī)劃方法和手段要求更高. 而網(wǎng)絡(luò)仿真軟件無(wú)法評(píng)估每一個(gè)投訴熱點(diǎn)區(qū)域的價(jià)值及建設(shè)優(yōu)先級(jí). 并且，傳統(tǒng)方法更多依賴于經(jīng)驗(yàn)判斷，考慮維度較單一，在解決方案的精準(zhǔn)性方面存在欠缺，不經(jīng)慎重評(píng)估便建設(shè)一個(gè)站點(diǎn)，不僅無(wú)法針對(duì)性地解決實(shí)際需求，反而可能會(huì)帶來(lái)重疊覆蓋、越區(qū)覆蓋、干擾等嚴(yán)重問(wèn)題.

基于以上分析，本文結(jié)合DBSCAN 聚類(lèi)和凸包算法，提出一種投訴熱點(diǎn)區(qū)域智能識(shí)別方法. 首先通過(guò)DBSCAN算法預(yù)處理歷史投訴數(shù)據(jù)，聚類(lèi)生成投訴熱點(diǎn)區(qū)域；……