基于聚类的站点规划方法、装置、电子设备和存储介质
技术领域
本申请涉及移动通信的设备管理领域，具体而言，涉及一种基于聚类的站点规划方法、装置、电子设备和存储介质。
背景技术
现有的站点规划主要是人工作业，工作人员使用笔记本电脑结合数据分析软件，分析运营商的网络覆盖数据，同时人工添加规划站点，并为规划站点添加站点名称、站点位置、站点经纬度等信息。
现有站点规划基于人工分析，其存在以下缺点：需要投入的工作人员较多：完成1个二线城市1个运营商的规划往往需要3个工作人员，一线城市需要5个工作人员；工作效率低：一般完成1个城市1个运营商的规划需要1周时间，在进行大数据量分析时，由于笔记本电脑的性能限制，往往需要更长的时间；资源投入大：每个工作人员完成数据分析需要配置笔记本电脑、分析软件等。
发明内容
有鉴于此，本申请的目的在于提供一种基于聚类的站点规划方法、装置、电子设备和存储介质。
为了实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供一种基于聚类的站点规划方法，所述方法包括：获取将待规划数据进行栅格化处理后的栅格数据；所述待规划数据为布置站点的采样点，所述栅格数据为包括多个所述采样点的栅格；按照预设聚类参数对所述栅格数据进行聚类，以获取待确定规划站点；所述待确定规划站点为将所述栅格中的多个采样点进行聚类得到的聚类中心；将与用户的规划需求匹配的所述待确定规划站点作为目标站点。
在可选的实施方式中，所述预设聚类参数包括栅格专题信息、第一聚类窗口和预设栅格门限；按照预设聚类参数对所述栅格数据进行聚类，以获取待确定规划站点，包括：获取所述栅格数据中与所述栅格专题信息匹配的多个第一聚类栅格；滑动所述第一聚类窗口，判断所述第一聚类窗口中的第一聚类栅格的第一数量是否大于或等于所述预设栅格门限；若所述第一数量小于所述预设栅格门限，则将所述第一聚类窗口中的第一聚类栅格标记为离散聚类栅格；若所述第一数量大于或等于所述预设栅格门限，则将所述第一聚类窗口中的第一聚类栅格标记为密集聚类栅格，并根据所有的所述密集聚类栅格获取所述待确定规划站点。
在可选的实施方式中，所述预设聚类参数还包括第二聚类窗口和预设聚类占比门限，所述第二聚类窗口大于所述第一聚类窗口；根据所有的所述密集聚类栅格获取所述待确定规划站点，包括：滑动所述第二聚类窗口，判断所述第二聚类窗口的密集栅格比是否大于或等于所述预设聚类占比门限；其中，所述密集栅格比为所述第二聚类窗口中，所述密集聚类栅格的数量与栅格总数量的比值，所述栅格总数量为所述离散聚类栅格的数量与所述密集聚类栅格的数量之和；若所述密集栅格比大于或等于所述预设聚类占比门限，则将所述第二聚类窗口的聚类中心作为所述待确定规划站点。
在可选的实施方式中，将与用户的规划需求匹配的所述待确定规划站点作为目标站点，包括：根据所述规划需求确定目标聚类窗口的栅格属性；根据所述栅格属性将多个所述待确定规划站点对应的第二聚类窗口进行融合，以获取目标聚类窗口和聚类区域边界；将所述目标聚类窗口的聚类中心作为所述聚类区域边界内的目标站点。
在可选的实施方式中，获取将待规划数据进行栅格化处理后的栅格数据，包括：删除所述待规划数据中的无效数据，以获取第一数据；所述无效数据为解码所述待规划数据时报错的数据；将所述第一数据进行栅格化处理以获取所述栅格数据。
在可选的实施方式中，所述方法还包括：为所述目标站点添加关键信息；所述关键信息包括站点名称、位置信息和聚类栅格数量。
第二方面，本申请实施例提供一种基于聚类的站点规划装置，所述装置包括：获取模块，用于获取将待规划数据进行栅格化处理后的栅格数据；所述待规划数据为布置站点的采样点，所述栅格数据为包括多个所述采样点的栅格；处理模块，用于按照预设聚类参数对所述栅格数据进行聚类，以获取待确定规划站点；所述待确定规划站点为将所述栅格中的多个采样点进行聚类得到的聚类中心；所述处理模块还用于将与用户的规划需求匹配的所述待确定规划站点作为目标站点。
在可选的实施方式中，所述预设聚类参数包括栅格专题信息、第一聚类窗口和预设栅格门限；所述处理模块还用于获取所述栅格数据中与所述栅格专题信息匹配的多个第一聚类栅格；所述处理模块还用于滑动所述第一聚类窗口，判断所述第一聚类窗口中的第一聚类栅格的第一数量是否大于或等于所述预设栅格门限；所述处理模块还用于若所述第一数量小于所述预设栅格门限，将所述第一聚类窗口中的第一聚类栅格标记为离散聚类栅格；所述处理模块还用于若所述第一数量大于或等于所述预设栅格门限，将所述第一聚类窗口中的第一聚类栅格标记为密集聚类栅格，并根据所有的所述密集聚类栅格获取所述待确定规划站点。
第三方面，本申请实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现前述实施方式任意一项述的方法。
第四方面，本申请实施例提供一种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前述实施方式任意一项述的方法。
相较于现有技术，本申请实施例提供一种基于聚类的站点规划方法、装置、电子设备和存储介质，涉及移动通信的设备管理领域。所述站点规划方法包括：获取将待规划数据进行栅格化处理后的栅格数据；所述待规划数据为布置站点的采样点，所述栅格数据为包括多个所述采样点的栅格；按照预设聚类参数对所述栅格数据进行聚类，以获取待确定规划站点；所述待确定规划站点为将所述栅格中的多个采样点进行聚类得到的聚类中心；将与用户的规划需求匹配的所述待确定规划站点作为目标站点。相比于传统的人工站点规划，本申请提供的站点规划方法能够减少人工，大大提高网络分析和站点规划工作效率，同时能够节省笔记本电脑、数据分析软件等费用的支出，减少对人员能力的限制。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的一种基于聚类的站点规划方法的流程示意图；
图2为本申请实施例提供的另一种基于聚类的站点规划方法的流程示意图；
图3为本申请实施例提供的另一种基于聚类的站点规划方法的流程示意图；
图4为本申请实施例提供的另一种基于聚类的站点规划方法的流程示意图；
图5为一种均值漂移聚类算法的聚类示意图；
图6为本申请实施例提供的另一种基于聚类的站点规划方法的流程示意图；
图7为本申请实施例提供的另一种基于聚类的站点规划方法的流程示意图；
图8为本申请实施例依据RSRP覆盖均值属性值输出的专题图层；
图9为本申请实施例提供的一种滑动窗口的示意图；
图10为本申请实施例提供的一种栅格标记的示意图；
图11为本申请实施例提供的一种聚类区域的示意图；
图12为本申请实施例提供的另一种聚类区域的示意图；
图13为本申请实施例提供的一种站点规划的聚类结果示意图；
图14为本申请实施例提供的另一种聚类区域的示意图；
图15为本申请实施例提供的一种站点规划装置的方框示意图；
图16为本申请实施例提供的一种电子设备的方框示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了至少解决背景技术提出的不足，本申请实施例提供一种基于聚类的站点规划方法，请参见图1，图1为本申请实施例提供的一种基于聚类的站点规划方法的流程示意图，该站点规划方法可以包括以下步骤：
S31，获取将待规划数据进行栅格化处理后的栅格数据。
该待规划数据为布置站点的采样点，栅格数据为包括多个采样点的栅格。例如，该待规划数据可以是通过“互联网大数据分析平台”获取的OTT(Over The Top)数据，该栅格数据可以是按照38m*19m和25m*25m两种大小的栅格进行处理，也可以是根据站点规划的实际需求进行调整。
应理解，在一种可能的实施例中，上述的S31可以包括：删除待规划数据中的无效数据，以获取第一数据，该无效数据为解码待规划数据时报错的数据；将第一数据进行栅格化处理以获取栅格数据。例如，对原始的OTT数据(待规划数据)进行过滤，删除其中的无效数据，将过滤后的OTT数据导入“互联网OTT大数据分析平台”中，对原始的点数据进行栅格化处理，“互联网OTT大数据分析平台”支持2种栅格形式，分别为：GeoHash码栅格38m*19m和普通栅格25m*25m，以便对OTT数据栅格化处理，以获取栅格数据。
S32，按照预设聚类参数对栅格数据进行聚类，以获取待确定规划站点。
该待确定规划站点为将栅格中的多个采样点进行聚类得到的聚类中心。应理解，面向通信行业的站点规划方法，需要综合考虑场景、站点覆盖半径、聚类样本数量等，同时随着通信网络建网规模的不断扩大，以上条件需要支持动态调整，该预设聚类参数可以根据不同场景、站点覆盖半径等进行调整，以便获取待确定规划站点。
S33，将与用户的规划需求匹配的待确定规划站点作为目标站点。
应理解，为了实现对目标站点的规划，该站点规划方法还可以包括：为目标站点添加关键信息。该关键信息可以包括，但不限于站点名称、位置信息和聚类栅格数量等。可以预见的，为了适应用户的不同规划需求，还可以对目标站点的关键信息进行编辑，如站点名称修改、经纬度变更等。
需要说明的是，对于不同的服务小区或场景，设备所需要的通信网络不同，用户实际所需的需求也不一致，也就产生了不同的规划需求，将待确定规划站点与用户的规划需求进行匹配，得到符合实际的规划需求的目标站点，相比于传统的人工站点规划，本申请提供的站点规划方法能够减少人工，大大提高网络分析和站点规划工作效率，同时能够节省笔记本电脑、数据分析软件等费用的支出，减少对人员能力的限制。
在可选的实施方式中，为了获取待确定规划站点，在图1的基础上，以预设聚类参数包括栅格专题信息、第一聚类窗口和预设栅格门限为例，请参见图2，图2为本申请实施例提供的另一种基于聚类的站点规划方法的流程示意图，上述的S32可以包括：
S321，获取栅格数据中与栅格专题信息匹配的多个第一聚类栅格。
例如，该栅格专题信息可以包括，但不限于通信行业各运营商的2/3/4/5G网络参考信号接收功率(Reference Signal Receiving Power，RSRP)覆盖均值、RSRP弱覆盖占比、采样密度、价值区域和弱覆盖区域等五个专题。
S322，滑动第一聚类窗口，判断第一聚类窗口中的第一聚类栅格的第一数量是否大于或等于预设栅格门限。
该第一聚类窗口可以设置为正方形，正方形的边长可以根据需求进行自定义，如将正方形的边长设置为50-200m内的任意一个值，预设栅格门限可以是可以设置为10，其可以根据实际需求进行设置。在一种可能的实施例中，滑动第一聚类窗口可以是：从待规划区域的左上角顶点位置为起始位置，在水平方向上每次向右移动(垂直位置不变)一个栅格宽度(38m)，依次向右移动，直至最右侧边界处；到达最右侧边界后，滑动窗口重新从左侧边界开始，垂直方向向下移动一个栅格高度(19m)为起点，依次向右进行位移；垂直方向依次下移至区域的最下侧边界处；最终滑动窗口位移至区域右下角结束。
若第一数量小于预设栅格门限，则执行S323；若第一数量大于或等于预设栅格门限，则执行S324。
S323，将第一聚类窗口中的第一聚类栅格标记为离散聚类栅格。
应理解，第一聚类窗口中的第一聚类栅格的数量较少，则其中的第一聚类栅格越分散，因此将其标记为离散聚类栅格。例如，依据上述的预设聚类参数设置，在190m*190m的正方形过滤窗口(第一聚类窗口)内，在过滤窗口范围(第一聚类窗口)内，共计有50个栅格的空间，如果过滤窗口(第一聚类窗口)内的栅格数量少于10个，则认为该区域内栅格数量较少，判定该区域内栅格样本为离散样本，将这些栅格定义为离散聚类栅格。
S324，将第一聚类窗口中的第一聚类栅格标记为密集聚类栅格，并根据所有的密集聚类栅格获取待确定规划站点。
应理解，在滑动第一聚类窗口的轮询计算过程中，可以记录第一聚类窗口中的栅格数量，依据栅格数量对待规划区域内的各第一聚类窗口进行排序，栅格数量排序稿的滑动窗口中心点可以作为获取待确定站点的起点位置。
在可选的实施方式中，在图2的基础上，为了获取待确定规划站点，以预设聚类参数还包括第二聚类窗口和预设聚类占比门限，第二聚类窗口大于第一聚类窗口为例，请参见图3，图3为本申请实施例提供的另一种基于聚类的站点规划方法的流程示意图，上述的S324可以包括：
S3241，滑动第二聚类窗口，判断第二聚类窗口的密集栅格比是否大于或等于预设聚类占比门限。
其中，密集栅格比为第二聚类窗口中，密集聚类栅格的数量与栅格总数量的比值，栅格总数量为离散聚类栅格的数量与密集聚类栅格的数量之和。例如，该预设聚类占比门限可以设置为30％。
若密集栅格比大于或等于预设聚类占比门限，则执行S3242；若密集栅格比小于预设聚类占比门限，则执行S3243。
S3242，将第二聚类窗口的聚类中心作为待确定规划站点。
应理解，对第二聚类窗口进行聚类时，可以对已经访问过的栅格标记为“已访问”状态并标记其属于同一个聚类区域，直到待规划区域内的所有栅格均被标记为“已访问”状态。例如，获取聚类中心的过程可以是在将第二聚类窗口对应的聚类区域时，确定该聚类区域的“聚类中心”，该“聚类中心”的计算方法可以我聚类区域内的密集栅格的中心经纬度平均值。
S3243，确定第二聚类窗口对应的当前区域中的栅格标记为“噪声”。
在站点规划工作中，关注的区域是目标栅格(密集聚类栅格)聚集的区域，需要对目标栅格(密集聚类栅格)达到一定数量的区域进行站点规划，而对于零星分散的目标栅格(密集聚类栅格)，需要进行二次过滤，不参与站点规划区域的聚类；将离散聚类栅格过滤后，将满足条件(预设聚类栅格占比门限)的目标栅格(密集聚类栅格)标记为有效栅格，可以根据工作需要，设定响应的栅格聚类门限和聚类区域的合并门限，最终完成有效栅格数据(密集聚类栅格)的聚类分析，以便将第二聚类窗口的聚类中心作为待确定规划站点。
在可选的实施方式中，为了获取目标站点，在图1的基础上，给出一种可能的实现方式，请参见图4，图4为本申请实施例提供的另一种基于聚类的站点规划方法的流程示意图，上述的S33可以包括：
S331，根据规划需求确定目标聚类窗口的栅格属性。
例如，在实际的OTT数据中，“互联网OTT大数据分析平台”将数据根据特有的属性分别输出不同的专题数据，如：根据栅格属性中的“RSRP平均值”输出了各通信运营商2/3/4/5G网络的“RSRP均值覆盖专题”；根据栅格属性中的“采样点数量”输出了“采样点密度专题”；根据栅格属性中的“RSRP＜-105dbm采样点占总采样点比例”输出了“弱覆盖占比专题”；同时，还有其他的“弱覆盖专题”、“价值区域专题”、“融合业务专题”、“网络竞对专题”、“宽带专题”以及“终端专题”等等。
S332，根据栅格属性将多个待确定规划站点对应的第二聚类窗口进行融合，以获取目标聚类窗口和聚类区域边界。
例如，聚类区域边界可以为不规则多边形，多边形的线条宽度、颜色、透明度可以进行修改，该目标聚类窗口为符合用户的规划需求的目标聚类区域。
S333，将目标聚类窗口的聚类中心作为聚类区域边界内的目标站点。
该目标站点的规划站点信息可以包含站点名称、经纬度、聚类栅格数量等关键信息，同时支持对规划站点进行编辑，如：站点名称修改、经纬度变更等。
为了便于理解上述实施例提供的站点规划方法，本申请给出一种可能的具体实施例：目前的站点规划是基于人工分析，并未将聚类分析技术运用到站点规划中，因为现有的聚类技术不适合运用在站点规划工作，理由如下：
首先，聚类分析又称为群分析，它是研究(样品或指标)分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类(Cluster)分析是由若干模式(Pattern)组成的，通常，模式是一个度量(Measurement)的向量，或者是多维空间中的一个点。聚类分析以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。
聚类算法是机器学习中涉及对数据进行分组的一种算法：在给定的数据集中，电子设备可以通过聚类算法将其分成一些不同的组。在理论上，相同的组的数据之间有相同的属性或者是特征，不同组数据之间的属性或者特征相差就会比较大。现有的聚类分析主要有以下几种方式：K-Means(K均值)聚类、均值漂移聚类、基于密度的聚类方法(DBSCAN)。
需要说明的是，K-means的缺点是必须先确定聚类的簇数量；理想情况下，对于一个聚类算法，对于目标问题，聚类算法的目的是从数据中获得一些洞察力；k-均值从随机选择聚类中心开始，因此它可能在算法的不同运行中产生不同的聚类结果；因此，K-means聚类的结果不可重复，缺乏一致性。
如图5所示，图5为一种均值漂移聚类算法的聚类示意图，均值漂移聚类算法缺点是滑窗尺寸/半径“r”的选择需要仔细考虑；在“互联网OTT大数据分析平台”存在以下问题：(1)，使用均值漂移聚类算法，无法将图2示出的集合A、B、C目标区域外的点进行过滤，这些离散点在“互联网OTT大数据分析平台”中认为是无效点，不需要进行聚类；(2)，单纯根据半径r来判断，特殊区域1中的点被认为属于集合B，特殊区域2中的点属于集合C，而在“互联网OTT大数据分析平台”中的实际需求是要将特殊区域1和特殊区域2中的点划入集合A中，因为这些点从直观看与集合A是“连片区域”。
DBSCAN最大的缺点是当集群的密度变化时，距离的阈值ε和用于确定邻居点的minPoints也将会随之改变，这个缺点也会发生在很高维的数据中，因为距离阈值ε变得很难被估计。
也就是说，现有的聚类技术无法实现：(1)，过滤聚类区域边缘零星点；(2)，需要根据场景和需求变更聚类区域的大小；(3)，需要将聚类区域生成边框，形成闭合区域，聚类区域不能存在重叠情况。
相比之下，使用本申请实施例提供的站点规划方法，请参见图6，图6为本申请实施例提供的另一种基于聚类的站点规划方法的流程示意图，该站点规划方法可以包括以下步骤：
A1，OTT数据准备：对原始的OTT数据进行过滤，删除无效数据，将过滤后的OTT数据导入“互联网OTT数据分析平台”中，为后续分析做准备。
A2，OTT数据栅格化处理：对原始的点数据进行栅格化处理，“互联网OTT大数据分析平台”支持2种栅格形式，分别为：GeoHash码栅格38m*19m和普通栅格25m*25m。
A3，聚类分析专题选取：“互联网OTT数据分析平台”目前支持对通信行业各运营商的2/3/4/5G网络RSRP覆盖均值、RSRP弱覆盖占比、采样密度、价值区域和弱覆盖区域等五个专题进行聚类分析。
A4，聚类分析条件设置：设置汇聚目标栅格、一次汇聚范围、一次汇聚栅格数量、二次汇聚范围、合并区域范围、栅格占比等参数。
A5，区域汇聚：根据流程A4中设置的相关聚类分析参数，进行聚类分析，生成聚类分析的汇聚结果。若区域汇聚结果满足规划需求，则输出结果，若区域汇聚结果不满足规划需求，则需要修改聚类分析条件设置，重新完成区域汇聚。
A6，输出目标站点规划结果：输出区域汇聚结果，完成规划基站的自动输出。
对于上述的A3～A5对应的过程，请参见图7，图7为本申请实施例提供的另一种基于聚类的站点规划方法的流程示意图，以GeoHash码栅格38m*19m为例进行说明，对本申请中的全新聚类算法流程进行介绍。
i、筛选满足条件栅格：在筛选满足条件栅格的过程中，需要完成“a、根据栅格属性，筛选聚类目标栅格”。本申请在“互联网OTT数据分析平台”的使用过程中，第一步依据专题属性完成聚类目标栅格的筛选工作。如图8所示，图8为本申请实施例依据RSRP覆盖均值属性值输出的专题图层，图8中的(a)共计有4中类型的栅格数据，假定RSRP＜-105dbm的栅格为需要进行聚类分析的目标栅格，那么，在聚类分析第一步，先根据条件进行第一步数据筛选，筛选结果如图8中的(b)所示。
在完成第一次数据筛选后，将满足筛选条件的栅格数据作为“聚类栅格”数据，进行后续的聚类分析；将不满足筛选条件的栅格数据作为“非聚类栅格”。
“非聚类栅格”在“e、设置栅格聚类占比门限”流程中，作为栅格总数量分母数据，不参与最终的栅格聚类结果呈现。
ii、过滤离散栅格：在过滤离散栅格的过程中，需要完成2个过滤条件的设置，分别是：b、设置离散栅格过滤窗口大小、c、设置离散栅格过滤数量门限。
过滤条件“b、设置离散栅格过滤窗口大小”中的过滤窗口设置为正方形，正方形边长可以根据需求进行自定义。由于该流程重点工作为删除离散点，因此过滤窗口的推荐配置为50m-200m，具体配置可以栅格大小作为依据设置。
过滤条件“c、设置离散栅格过滤数量门限”中的门限值为≥1的整数，数值大小可以根据需求进行自定义，具体配置可以依据栅格大小和过滤窗口配置。
例如：b、设置离散栅格过滤窗口大小设置为“190m*190m”；
c、设置离散栅格过滤数量门限设置为“10”。
依据上述的过滤条件设置，在190m*190m的正方形过滤窗口内，在过滤窗口范围内，共计有50个栅格的空间，如果过滤窗口内的栅格数量少于10个，那么认为该区域内栅格数量较少，判定该区域内栅格样本为离散样本，将这些栅格定义为离散栅格。请参见图9，图9为本申请实施例提供的一种滑动窗口的示意图，(a)：以左上角定点处为起点，水平方向依次滑动一个栅格宽度，垂直方向不变，直至最右侧边界处结束；(b)：垂直方向往下移动一个栅格高度，水平方向依次滑动一个栅格宽度，直至最右侧边界处结束。
在滑动窗口轮询计算过程中，依次对全部栅格数据进行标记，分别标记为“离散聚类栅格”、“密集聚类栅格”2种类型。请参见图10，图10为本申请实施例提供的一种栅格标记的示意图，将“密集聚类栅格”数据作为目标栅格数据进行二次聚类分析。在滑动窗口轮询计算过程中，记录滑动窗口内的栅格数量，依据栅格数量进行排序，栅格数量排序高的滑动窗口中心点作为二次聚类分析的起点位置。
在该流程中产生的“离散聚类栅格”在后续的“e、设置栅格聚类占比门限”流程中，参与聚类栅格数量计算，不参与最终的栅格聚类结果呈现和聚类区域边界绘制。
iii、目标栅格聚类：在过滤离散栅格的过程中，需要完成2个过滤条件的设置，分别是：d、设置栅格聚类窗口大小、e、设置栅格聚类占比门限。
过滤条件“d、设置栅格聚类窗口大小”中的过滤窗口设置为正方形，正方形边长可以根据需求进行自定义，建议配置该值＞100m，“b、设置离散栅格过滤窗口大小”，同时，考虑到通信行业基站覆盖能力问题，建议该值配置≤500m；
过滤条件“e、设置栅格聚类占比门限”中的占比门限值为百分比(％)，数值大小可以根据需求进行自定义。例如：b、设置离散栅格过滤窗口大小设置为“380m*380m”；c、设置离散栅格过滤数量门限设置为“30％”。
目标栅格聚类过程如下：(1)、依据“ii、过滤离散栅格”过程中的排名最高的位置作为起点，过滤窗口大小为边长380m正方形，过滤窗口内的栅格作为目标栅格；(2)、如果在过滤窗口内目标栅格的数量占总栅格数量的占比≥30％，那么聚类过程开始，这个过滤窗口内目标栅格变成新聚类区域。否则，该过滤窗口内的栅格标记为“噪声”，同时对已经访问过的栅格标记为“已访问”；(3)、这个过程反复进行直到所有的点都被标记为已访问。在最后所有的点都被访问，每个点都被标记为属于一个聚类区域；(4)、在聚类区域标记后，确定每个聚类区域的“中心”，中心的计算方法为聚类区域内目标栅格的中心经纬度平均值。如图11所示，图11为本申请实施例提供的一种聚类区域的示意图，图11的(a)中方框包围的区域为栅格确定的聚类区域，图11的(b)中的五角星为聚类区域的中心，即上述的聚类中心。
iv、聚类区域合并：在聚类区域合并过程中，主要完成f、设置聚类区域合并窗口大小。
过滤条件“f、设置聚类区域合并窗口大小”中的合并窗口设置为正方形，正方形边长可以根据需求进行自定义，考虑到通信行业基站覆盖能力问题，建议该值配置结合覆盖场景和基站覆盖能力。
可以将“f、设置聚类区域合并窗口大小”设置为“d、设置栅格聚类窗口大小”的2倍以上，能够将相邻的聚类区域进行合并。聚类区域的合并可以认为是以过程iii中聚类区域中心为样本点，以“f、设置聚类区域合并窗口大小”为窗口的聚类。合并原则可以是：(1)、包含数量尽可能多的区域优先合并；(2)、数量相同时，以需要合并汇聚区域中心距离更近的区域进行合并。聚类区域的合并结果如图12所示，图12为本申请实施例提供的另一种聚类区域的示意图，图12的(a)为对栅格进行聚类的结果示意图，虚线用于确定聚类区域，图12的(b)中的五角星用于确定每个子聚类区域的聚类中心。
v、输出目标站点规划结果：输出结果过程主要完成g、根据设置条件完成聚类分析，输出栅格聚类结果和聚类区域边界。
聚类分析结果输出主要包含2部分：聚类区域边界图和自动生成的规划站点。聚类区域边界可以为不规则多边形，多边形的线条宽度、颜色、透明度支持修改；规划站点信息包含站点名称、经纬度、聚类栅格数量等关键信息，同时支持对规划站点进行编辑，如：站点名称修改、经纬度变更等。如图13所示，图13为本申请实施例提供的一种站点规划的聚类结果示意图，其分为3个聚类区域，每个聚类区域中包括一个目标规划站点。
相比于传统的站点规划，本申请实施例提供的站点规划方法的站址自动规划能够减少人工，大大提高网络分析和站点规划工作效率，同时能够节省笔记本电脑、数据分析软件等费用的支出，减少对人员能力限制。具体分析如下：
1、投入人员少：以一个二线城市的站点规划工作为例，完成1家运营商的站点规划工作需要3个规划人员，而我公司“互联网OTT大数据分析平台”中本申请实施例提供的站点规划方法的站点自动规划只需要1名规划人员即可完成相关工作。人员投入减少66.67％。
2、成本优势明显：在单纯人工作业的情况下，不仅需要投入大量人员，同时还需要为规划人员配备笔记本电脑、专业的数据分析软件，在个别情况下，还需要配备专业的运营商网络测试设备。人工成本：1.2万元/人/月；笔记本电脑成本：5000元/台；数据测试分析软件成本：4万元/年。综合来看，完成一个二线城市一个运营商的站点规划工作，1年需要投入成本总额为：1.2万元*3人*12月+5000元*3+4万元＝48.7万元。
本申请实施例提供的站点规划方法的站点自动规划，只需要配置1名规划人员和1台笔记本电脑，完成一个二线城市一个运营商的站点规划工作，1年需要投入成本总额为：1.2万元*1人*12月+5000元＝14.9万元。
在人员成本、工器具成本上，一个二线城市一个运营商的规划工作1年能够节省33.8万元，成本节约69.40％。
3、效率高：以一个二线城市的站点规划工作为例，在单纯人工作业的情况下，完成1家运营商的站点规划工作，3个规划人员需要6-7个工作日完成。而本申请实施例提供的站点规划方法的站点自动规划只需要1名规划人员3个工作日即可完成。工作效率提升了6-7倍。
4、准确率高：在单纯人工作业的情况下，在查找问题区域的时候，往往会存在遗漏，个别覆盖较差的区域被忽略而未纳入到站点规划方案中去。而本申请实施例提供的站点规划方法的站点自动规划会根据规划人员设定的条件，对整个规划区域内的所有栅格进行分析，不会存在遗漏情况，问题区域的查找和站点规划的准确率要高于单纯的人工作业。
本申请实施例提供的站点规划方法存在多种替代方案，以下给出一些可能的替代方案：
1、过滤离散栅格替代方案：本申请实施例提供的站点规划方法的过滤离散栅格过程中，采用的是“栅格占比”形式进行过滤，如图14所示，图14为本申请实施例提供的另一种聚类区域的示意图：图14的(a)中滑动窗口内共计有64个栅格数据，其中满足聚类条件的栅格为33个，占比51.56％。如果栅格占比条件设置为50％，则图14的(a)区域满足聚类条件。
上述条件中的“栅格占比”条件是可以使用“栅格数量”来替换，比如，“栅格占比＞50％”的条件设置是可以替换为“栅格数量＞32个”。因此，本申请实施例提供的站点规划方法需要同时保护将栅格占比替换为栅格数量的替代方案：
2、栅格大小可替代方案：本申请实施例提供的站点规划方法主要结合“互联网OTT大数据分析平台”使用，目前受到平台功能制约，本申请实施例提供的站点规划方法中聚类对象为GeoHash码栅格38m*19m和普通栅格25m*25m两种栅格类型，在其他平台中可能使用了其他栅格形式，比如5m*5m、10m*10m、20m*20m……等等。本申请实施例提供的站点规划方法需要同时需要对栅格大小不同的替代方案进行保护。
3、滑动窗口替代方案：考虑到OTT数据经过平台栅格化后，生成的栅格数据为正方形、长方形格式，为了能够对齐栅格边界，提高算法的精准度，本申请实施例提供的站点规划方法运用到的滑动窗口为“正方形”滑动窗口。
通过图14的(b)可以看出，若将“正方形”滑动窗口改为“圆形”滑动窗口，只有正方形四个角(灰色栅格)区域样本略有差异，而最终的聚类分析效果较为接近。因此，本方案需要同时对“正方形”滑动窗口的替代方案“圆形”滑动窗口进行保护。
为了实现上述实施例中的站点规划方法，本申请实施例提供一种基于聚类的站点规划装置，请参见图15，图15为本申请实施例提供的一种站点规划装置的方框示意图，该站点规划装置40包括：获取模块41和处理模块42。
获取模块41用于获取将待规划数据进行栅格化处理后的栅格数据。待规划数据为布置站点的采样点，栅格数据为包括多个采样点的栅格。处理模块42用于按照预设聚类参数对栅格数据进行聚类，以获取待确定规划站点。待确定规划站点为将栅格中的多个采样点进行聚类得到的聚类中心。处理模块42还用于将与用户的规划需求匹配的待确定规划站点作为目标站点。
在可选的实施方式中，预设聚类参数包括栅格专题信息、第一聚类窗口和预设栅格门限。处理模块42还用于获取栅格数据中与栅格专题信息匹配的多个第一聚类栅格。处理模块42还用于滑动第一聚类窗口，判断第一聚类窗口中的第一聚类栅格的第一数量是否大于或等于预设栅格门限。处理模块42还用于若第一数量小于预设栅格门限，将第一聚类窗口中的第一聚类栅格标记为离散聚类栅格。处理模块42还用于若第一数量大于或等于预设栅格门限，将第一聚类窗口中的第一聚类栅格标记为密集聚类栅格，并根据所有的密集聚类栅格获取待确定规划站点。
应理解，获取模块41和处理模块42可以协同实现上述任意一个实施例所提供的站点规划方法对应的步骤。
本申请实施例提供一种电子设备，如图16，图16为本申请实施例提供的一种电子设备的方框示意图。该电子设备60包括存储器61、处理器62和通信接口63。该存储器61、处理器62和通信接口63相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器61可用于存储软件程序及模块，如本申请实施例所提供的站点规划方法对应的程序指令/模块，处理器62通过执行存储在存储器61内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口63可用于与其他节点设备进行信令或数据的通信。在本申请中该电子设备60可以具有多个通信接口63。
其中，存储器61可以是但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
处理器62可以是一种集成电路芯片，具有信号处理能力。该处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
电子设备60可以实现本申请提供的任一种站点规划方法。该电子设备60可以是，但不限于，手机、平板电脑、笔记本电脑、服务器或其它具有处理能力的电子设备。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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，本申请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)执行本申请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-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上，本申请实施例提供一种基于聚类的站点规划方法、装置、电子设备和存储介质，涉及移动通信的设备管理领域。站点规划方法包括：获取将待规划数据进行栅格化处理后的栅格数据；待规划数据为布置站点的采样点，栅格数据为包括多个采样点的栅格；按照预设聚类参数对栅格数据进行聚类，以获取待确定规划站点；待确定规划站点为将栅格中的多个采样点进行聚类得到的聚类中心；将与用户的规划需求匹配的待确定规划站点作为目标站点。相比于传统的人工站点规划，本申请提供的站点规划方法能够减少人工，大大提高网络分析和站点规划工作效率，同时能够节省笔记本电脑、数据分析软件等费用的支出，减少对人员能力的限制。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
