基于MDT重叠覆盖度数据的KNN-DBSCAN参数自适应调优研究

摘要

传统网络优化中路测工作存在难以全量测试道路及楼宇、测试工作量大、工作效率低、周期长、受人为因素影响等显性缺点，无法动态关注每个区域网络质量情况，且常规测量报告（measurement report，MR）数据不具备定位信息，无法精确定位如重叠覆盖度问题发生位置。基于最小化路测（minimization drive test， MDT）精准定位系统通过采集底层基站 MDT 数据，并根据重叠覆盖度算法输出高重叠覆盖度栅格，再通过自适应K最近邻-具有噪声的基于密度的聚类方法（K-nearest neighbor density-based spatial clustering of applica-tions with noise，KNN-DBSCAN）联合算法解决了DBSCAN算法对参数设置敏感性问题，并对问题栅格进行非监督聚类，收敛问题连片区域，通过小区采样贡献度进行栅格区域映射，最终达到精准调整全局最高优先级（TOP）小区，降低小区高重叠覆盖度的目的。

关键词： KNN-DBSCAN算法 ; MDT数据 ; 重叠覆盖度 ; 小区贡献度

0 引言