一种小区的工作状态的判定方法及装置

摘要

本发明涉及通信领域，尤其涉及一种小区的工作状态的判定方法及装置。用于提高判定准确度，该方法为：OMC获取基站发送的小区的接通状态采样数据，采用预设的聚类算法，对接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并在根据各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，确定指定区域中存在聚类簇时，根据所有聚类簇包含的采样点的第一总数目，和位于指定区域中的聚类簇包含的采样点的第二总数目之间的比例关系，判断所述小区的工作状态。这样，可以提高判断结果的有效性和准确性，进而，有效避免漏检或者错检的情况发生，降低对小区的工作状态的误判率，提高判定准确度，及时感知小区的实际工作状态。

权利要求

1.一种小区的工作状态的判定方法，其特征在于，包括：获取基站发送的小区的接通状态采样数据，所述接通状态采样数据包括若干个采样点，其中，一个采样点至少包括一次采样过程中获取的所述小区的无线资源控制RRC接通率和RRC接通失败次数；

采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，其中，一个聚类簇对应的质心为所述聚类簇中指定的一个采样点；

确定各个聚类簇中包含的采样点的第一总数目，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，确定所述各个聚类簇对应的区域属性，并判断指定区域中是否存在聚类簇，获得第一判断结果；

根据所述第一判断结果确定所述指定区域中存在聚类簇时，计算所述指定区域中的聚类簇包含的采样点的第二总数目，判断所述第二总数目与所述第一总数目的比值是否达到预设门限，若是，则判定所述小区为RRC接通率异常小区，否则，判定所述小区为RRC接通率正常小区。

2.如权利要求1所述的方法，其特征在于，采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，具体包括：

采用预设的聚类算法，根据接通状态采样数据包含的若干采样点构建邻接矩阵；

根据所述邻接矩阵构建归一化的拉普拉斯矩阵，并计算所述归一化的拉普拉斯矩阵的最小的k个特征值；

从所述k个特征值对应的采样点中随机选取n个采样点作为初始的质心；

按照迭代方式执行以下步骤，直到确定新的质心与上一次的质心重合或距离不超过设定阈值为止：

分别测量除质心之外的每个采样点到各个质心的距离，并将所述除质心之外的每个采样点分别划分到与相应采样点距离最近的质心对应的聚类簇中；

重新计算已经得到的各个聚类簇的质心，得到新的质心；

确定已生成的各个聚类簇，以及分别确定所述各个聚类簇当前对应的质心。

3.如权利要求1或2所述的方法，其特征在于，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，判断指定区域中是否存在聚类簇，获得第一判断结果，具体包括：

将所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，分别与预设的RRC接通率阈值和RRC接通失败次数阈值进行比较，得到比较结果；

根据所述比较结果，分别确定所述各个聚类簇所归属的相应的预设区域；所述预设区域中包括所述指定区域；

根据所述各个聚类簇所归属的相应的预设区域，判断所述指定区域中是否存在聚类簇，获得第一判断结果。

4.如权利要求3所述的方法，其特征在于，进一步包括：根据所述第一判断结果确定所述指定区域中不存在聚类簇时，判定小区为RRC接通率正常小区。

5.如权利要求3所述的方法，其特征在于，根据所述比较结果，确定任意一个聚类簇所归属的预设区域，具体包括：

根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率大于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数小于预设的RRC接通失败次数时，确定所述任意一个聚类簇属于第一预设区域；

根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率小于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数大于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第二预设区域，所述第二预设区域为指定区域；

根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率大于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数大于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第三预设区域；

根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率小于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数小于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第四预设区域。

6.一种小区的工作状态的判定的装置，其特征在于，包括：获取单元，用于获取基站发送的小区的接通状态采样数据，所述接通状态采样数据包括若干个采样点，其中，一个采样点至少包括一次采样过程中获取的所述小区的无线资源控制RRC接通率和RRC接通失败次数；

聚类单元，用于采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，其中，一个聚类簇对应的质心为所述聚类簇中指定的一个采样点；

判断单元，用于确定各个聚类簇中包含的采样点的第一总数目，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，确定所述各个聚类簇对应的区域属性，并判断指定区域中是否存在聚类簇，获得第一判断结果；

处理单元，用于根据所述第一判断结果确定所述指定区域中存在聚类簇时，计算所述指定区域中的聚类簇包含的采样点的第二总数目，判断所述第二总数目与所述第一总数目的比值是否达到预设门限，若是，则判定所述小区为RRC接通率异常小区，否则，判定所述小区为RRC接通率正常小区。

7.如权利要求6所述的装置，其特征在于，采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，所述聚类单元具体用于：

采用预设的聚类算法，根据接通状态采样数据包含的若干采样点构建邻接矩阵；

根据所述邻接矩阵构建归一化的拉普拉斯矩阵，并计算所述归一化的拉普拉斯矩阵的最小的k个特征值；

从所述k个特征值对应的采样点中随机选取n个采样点作为初始的质心；

按照迭代方式执行以下步骤，直到确定新的质心与上一次的质心重合或距离不超过设定阈值为止：

分别测量除质心之外的每个采样点到各个质心的距离，并将所述除质心之外的每个采样点分别划分到与相应采样点距离最近的质心对应的聚类簇中；

重新计算已经得到的各个聚类簇的质心，得到新的质心；

确定已生成的各个聚类簇，以及分别确定所述各个聚类簇当前对应的质心。

8.如权利要求6或7所述的装置，其特征在于，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，判断指定区域中是否存在聚类簇，获得第一判断结果，所述判断单元具体用于：

将所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，分别与预设的RRC接通率阈值和RRC接通失败次数阈值进行比较，得到比较结果；

根据所述比较结果，分别确定所述各个聚类簇所归属的相应的预设区域；所述预设区域中包括所述指定区域；

根据所述各个聚类簇所归属的相应的预设区域，判断所述指定区域中是否存在聚类簇，获得第一判断结果。

9.如权利要求8所述的装置，其特征在于，所述处理单元进一步用于：根据所述第一判断结果确定所述指定区域中不存在聚类簇时，判定小区为RRC接通率正常小区。

10.如权利要求8所述的装置，其特征在于，根据所述比较结果，确定任意一个聚类簇所归属的预设区域，所述判断单元具体用于：根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率大于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数小于预设的RRC接通失败次数时，确定所述任意一个聚类簇属于第一预设区域；

根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率小于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数大于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第二预设区域，所述第二预设区域为指定区域；

根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率大于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数大于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第三预设区域；

根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率小于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数小于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第四预设区域。

11.一种操作维护运营中心OMC，其特征在于，包括处理器和存储器，其中，所述处理器用于读取所述存储器中保存的程序，并执行以下操作：获取基站发送的小区的接通状态采样数据，所述接通状态采样数据包括若干个采样点，其中，一个采样点至少包括一次采样过程中获取的所述小区的无线资源控制RRC接通率和RRC接通失败次数；

采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，其中，一个聚类簇对应的质心为所述聚类簇中指定的一个采样点；

确定各个聚类簇中包含的采样点的第一总数目，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，确定所述各个聚类簇对应的区域属性，并判断指定区域中是否存在聚类簇，获得第一判断结果；

根据所述第一判断结果确定所述指定区域中存在聚类簇时，计算所述指定区域中的聚类簇包含的采样点的第二总数目，判断所述第二总数目与所述第一总数目的比值是否达到预设门限，若是，则判定所述小区为RRC接通率异常小区，否则，判定所述小区为RRC接通率正常小区。

12.一种存储介质，其特征在于，存储有用于实现小区的工作状态的判定的方法的程序，所述程序被处理器运行时，执行以下步骤：获取基站发送的小区的接通状态采样数据，所述接通状态采样数据包括若干个采样点，其中，一个采样点至少包括一次采样过程中获取的所述小区的无线资源控制RRC接通率和RRC接通失败次数；

采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，其中，一个聚类簇对应的质心为所述聚类簇中指定的一个采样点；

确定各个聚类簇中包含的采样点的第一总数目，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，确定所述各个聚类簇对应的区域属性，并判断指定区域中是否存在聚类簇，获得第一判断结果；

根据所述第一判断结果确定所述指定区域中存在聚类簇时，计算所述指定区域中的聚类簇包含的采样点的第二总数目，判断所述第二总数目与所述第一总数目的比值是否达到预设门限，若是，则判定所述小区为RRC接通率异常小区，否则，判定所述小区为RRC接通率正常小区。

说明书

一种小区的工作状态的判定方法及装置

技术领域

[0001] 本发明涉及通信领域，尤其涉及一种小区的工作状态的判定方法及装置。

背景技术

[0002] 日常网络优化中，主要采用固定门限来对无线资源控制(Radio Resource Control，RRC)接通率是否异常的情况进行判断，例如，当小区的RRC接通失败次数大于300
次，同时RRC接通成功率小于95％时，判定该小区的RRC接通率异常，即，该小区为RRC接通率
异常小区。

[0003] 另外，现有技术采用固定门限判断小区的RRC接通率是否异常，针对RRC接通率的阈值设置完全依靠专家的既有经验进行人为判断，然后将判断后的取值通过应用接口写入
到系统中，写入后的取值不会再发生变化，如果需要改变写入的取值，则系统需将重复执行
以上的判断和写入步骤，进而对取值修改。

[0004] 可见，现有阈值判断流程完全依赖一个固定的取值来触发相应的告警，这种“一刀切”的判别方式很容易导致一些漏检或者错检的情况发生，增加误报的告警数量，导致额外
的告警工单，还存在由于错误或者不符合网络实际状态的阈值设置，从而不能够真实的反
应出网络通信系统的实际状态，当实际网络通信系统已经瘫痪时，系统无法实时感知网络
通信系统的真实状态。

[0005] 因此，需要设计一种小区的工作状态的判定方法以解决上述问题。

发明内容

[0006] 本发明的目的是提供一种小区的工作状态的判定方法及装置，以有效降低误判率，提高判定准确度。

[0007] 一种小区的工作状态的判定方法，包括：

[0008] 获取基站发送的小区的接通状态采样数据，所述接通状态采样数据包括若干个采样点，其中，一个采样点至少包括一次采样过程中获取的所述小区的无线资源控制RRC接通
率和RRC接通失败次数；

[0009] 采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，其中，一个聚类簇对应的质心为所
述聚类簇中指定的一个采样点；

[0010] 确定各个聚类簇中包含的采样点的第一总数目，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，判断指定区域中是否存在聚类簇，获得第一判断结
果；

[0011] 根据所述第一判断结果确定所述指定区域中存在聚类簇时，计算所述指定区域中的聚类簇包含的采样点的第二总数目，判断所述第二总数目与所述第一总数目的比值是否
达到预设门限，若是，则判定所述小区为RRC接通率异常小区，否则，判定所述小区为RRC接
通率正常小区。

[0012] 可选的，采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，具体包括：

[0013] 采用预设的聚类算法，根据接通状态采样数据包含的若干采样点构建邻接矩阵；

[0014] 根据所述邻接矩阵构建归一化的拉普拉斯矩阵，并计算所述归一化的拉普拉斯矩阵的最小的k个特征值；

[0015] 从所述k个特征值对应的采样点中随机选取n个采样点作为初始的质心；

[0016] 按照迭代方式执行以下步骤，直到确定新的质心与上一次的质心重合或距离不超过设定阈值为止：

[0017] 分别测量除质心之外的每个采样点到各个质心的距离，并将所述除质心之外的每个采样点分别划分到与相应采样点距离最近的质心对应的聚类簇中；

[0018] 重新计算已经得到的各个聚类簇的质心，得到新的质心；

[0019] 确定已生成的各个聚类簇，以及分别确定所述各个聚类簇当前对应的质心。

[0020] 可选的，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，判断指定区域中是否存在聚类簇，获得第一判断结果，具体包括：

[0021] 将所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，分别与预设的RRC接通率阈值和RRC接通失败次数阈值进行比较，得到比较结果；

[0022] 根据所述比较结果，分别确定所述各个聚类簇所归属的相应的预设区域；所述预设区域中包括所述指定区域；

[0023] 根据所述各个聚类簇所归属的相应的预设区域，判断所述指定区域中是否存在聚类簇，获得第一判断结果。

[0024] 可选的，进一步包括：

[0025] 根据所述第一判断结果确定所述指定区域中不存在聚类簇时，判定小区为RRC接通率正常小区。

[0026] 可选的，根据所述比较结果，确定任意一个聚类簇所归属的预设区域，具体包括：

[0027] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率大于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数小
于预设的RRC接通失败次数时，确定所述任意一个聚类簇属于第一预设区域；

[0028] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率小于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数大
于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第二预设区域，所述第二
预设区域为指定区域；

[0029] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率大于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数大
于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第三预设区域；

[0030] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率小于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数小
于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第四预设区域。

[0031] 一种小区的工作状态的判定的装置，包括：

[0032] 获取单元，用于获取基站发送的小区的接通状态采样数据，所述接通状态采样数据包括若干个采样点，其中，一个采样点至少包括一次采样过程中获取的所述小区的无线
资源控制RRC接通率和RRC接通失败次数；

[0033] 聚类单元，用于采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，其中，一个聚类簇
对应的质心为所述聚类簇中指定的一个采样点；

[0034] 判断单元，用于确定各个聚类簇中包含的采样点的第一总数目，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，判断指定区域中是否存在聚类簇，
获得第一判断结果；

[0035] 处理单元，用于根据所述第一判断结果确定所述指定区域中存在聚类簇时，计算所述指定区域中的聚类簇包含的采样点的第二总数目，判断所述第二总数目与所述第一总
数目的比值是否达到预设门限，若是，则判定所述小区为RRC接通率异常小区，否则，判定所
述小区为RRC接通率正常小区。

[0036] 可选的，采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，所述聚类单元具体用于：

[0037] 采用预设的聚类算法，根据接通状态采样数据包含的若干采样点构建邻接矩阵；

[0038] 根据所述邻接矩阵构建归一化的拉普拉斯矩阵，并计算所述归一化的拉普拉斯矩阵的最小的k个特征值；

[0039] 从所述k个特征值对应的采样点中随机选取n个采样点作为初始的质心；

[0040] 按照迭代方式执行以下步骤，直到确定新的质心与上一次的质心重合或距离不超过设定阈值为止：

[0041] 分别测量除质心之外的每个采样点到各个质心的距离，并将所述除质心之外的每个采样点分别划分到与相应采样点距离最近的质心对应的聚类簇中；

[0042] 重新计算已经得到的各个聚类簇的质心，得到新的质心；

[0043] 确定已生成的各个聚类簇，以及分别确定所述各个聚类簇当前对应的质心。

[0044] 可选的，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，判断指定区域中是否存在聚类簇，获得第一判断结果，所述判断单元具体用于：

[0045] 将所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，分别与预设的RRC接通率阈值和RRC接通失败次数阈值进行比较，得到比较结果；

[0046] 根据所述比较结果，分别确定所述各个聚类簇所归属的相应的预设区域；所述预设区域中包括所述指定区域；

[0047] 根据所述各个聚类簇所归属的相应的预设区域，判断所述指定区域中是否存在聚类簇，获得第一判断结果。

[0048] 可选的，所述处理单元进一步用于：

[0049] 根据所述第一判断结果确定所述指定区域中不存在聚类簇时，判定小区为RRC接通率正常小区。

[0050] 可选的，根据所述比较结果，确定任意一个聚类簇所归属的预设区域，所述判断单元具体用于：

[0051] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率大于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数小
于预设的RRC接通失败次数时，确定所述任意一个聚类簇属于第一预设区域；

[0052] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率小于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数大
于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第二预设区域，所述第二
预设区域为指定区域；

[0053] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率大于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数大
于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第三预设区域；

[0054] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率小于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数小
于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第四预设区域。

[0055] 一种操作维护运营中心OMC，包括处理器和存储器，其中，

[0056] 所述处理器用于读取所述存储器中保存的程序，并执行以下操作：

[0057] 获取基站发送的小区的接通状态采样数据，所述接通状态采样数据包括若干个采样点，其中，一个采样点至少包括一次采样过程中获取的所述小区的无线资源控制RRC接通
率和RRC接通失败次数；

[0058] 采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，其中，一个聚类簇对应的质心为所
述聚类簇中指定的一个采样点；

[0059] 确定各个聚类簇中包含的采样点的第一总数目，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，判断指定区域中是否存在聚类簇，获得第一判断结
果；

[0060] 根据所述第一判断结果确定所述指定区域中存在聚类簇时，计算所述指定区域中的聚类簇包含的采样点的第二总数目，判断所述第二总数目与所述第一总数目的比值是否
达到预设门限，若是，则判定所述小区为RRC接通率异常小区，否则，判定所述小区为RRC接
通率正常小区。

[0061] 一种存储介质，存储有用于实现小区的工作状态的判定的方法的程序，所述程序被处理器运行时，执行以下步骤：

[0062] 获取基站发送的小区的接通状态采样数据，所述接通状态采样数据包括若干个采样点，其中，一个采样点至少包括一次采样过程中获取的所述小区的无线资源控制RRC接通
率和RRC接通失败次数；

[0063] 采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，其中，一个聚类簇对应的质心为所
述聚类簇中指定的一个采样点；

[0064] 确定各个聚类簇中包含的采样点的第一总数目，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，判断指定区域中是否存在聚类簇，获得第一判断结
果；

[0065] 根据所述第一判断结果确定所述指定区域中存在聚类簇时，计算所述指定区域中的聚类簇包含的采样点的第二总数目，判断所述第二总数目与所述第一总数目的比值是否
达到预设门限，若是，则判定所述小区为RRC接通率异常小区，否则，判定所述小区为RRC接
通率正常小区。

[0066] 综上所述，本发明实施例中，OMC获取基站发送的小区的接通状态采样数据，采用预设的聚类算法，对接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并在
根据各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，确定指定区域中存在聚
类簇时，根据所有聚类簇包含的采样点的第一总数目，和位于指定区域中的聚类簇包含的
采样点的第二总数目之间的比例关系，判断所述小区的工作状态。这样，可以提高判断结果
的有效性和准确性，进而，有效避免漏检或者错检的情况发生，降低对小区的工作状态的误
判率，提高判定准确度，及时感知小区的实际工作状态。

附图说明

[0067] 图1为本发明实施例中小区的工作状态的判定详细流程示意图；

[0068] 图2为本发明实施例中区域属性判定示意图；

[0069] 图3为本发明实施例中OMC逻辑功能结构示意图；

[0070] 图4为本发明实施例中OMC实体功能结构示意图。

具体实施方式

[0071] 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，所描述的实施例仅仅是本发明一部分实施例，并不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员在没有做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。

[0072] 本发明实施例中，参阅图1所示，小区的工作状态的判定详细流程如下：

[0073] 步骤100：操作维护运营中心(Operation and Maintenance Center，OMC)获取基站发送的小区的接通状态采样数据，所述接通状态采样数据包括若干个采样点，其中，一个
采样点至少包括一次采样过程中获取的所述小区的RRC接通率和RRC接通失败次数。

[0074] 具体的，本发明实施例中，基站对某个小区在一段时间内的小时级RRC接通率和RRC接通失败次数进行采集后，获得若干个采样点，即，一个采样点至少包括一次采样过程
中获取的所述小区的RRC接通率和RRC接通失败次数，进而，将所述若干个采样点组成的接
通状态采样数据发送给OMC，即，所述接通状态采样数据包括若干个采样点。

[0075] 例如，基站可以对最近7天的小时级的RRC接通率和RRC接通失败次数的数据进行连续采样，获得若干个采样点，进而，将包括若干个采样点的接通状态采样数据发送至OMC，
由OMC构建原始数据组。

[0076] 步骤101：OMC采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，其中，一个聚类簇对
应的质心为所述聚类簇中指定的一个采样点。

[0077] 具体的，数据聚类的算法有很多，比如，K‑Means聚类算法、密度聚类算法(Density‑Based Spatial Clustering of Applications with Noise，DBSCAN)、谱聚类算
法等，每个不同的聚类算法有各自的优缺点，本发明实施例中采用谱聚类算法，谱聚类算法
能够识别任意形状的样本空间且收敛于全局最优解，因为该方法只需要数据之间的相似矩
阵，因此对于处理稀疏数据的聚类很有效，比较符合RRC接通率的数据分布特性。谱聚类算
法的主要思想是把所有的采样数据看做空间中的点，这些点之间可以用边连接起来。距离
较远的两个点之间的边权重值较低，而距离较近的两个点之间的边权重值较高，通过对所
有数据点组成的图进行切图，让切图后不同的子图间边权重和尽可能的低，而子图内的边
权重和尽可能的高，从而达到聚类的目的，例如，输入样本集D＝(x1，x2，…，xn)，采样点x1，
x2，…，xn的维度为k1，采用相似矩阵的生成方式，输出划分后的聚类簇C＝(c1，c2，…，ck2)，
c1，c2，…，ck2的维度为k2。

[0078] 具体的，本发明实施例中，在执行步骤101时，OMC可以执行以下操作：

[0079] A、OMC根据接通状态采样数据包含的若干采样点生成图的邻接矩阵。

[0080] 对于一个图G，一般通过采样点的集合V和边的集合E来描述，即，G(V，E)。其中，V为接通状态采样数据包含的若干采样点(v1，v2，…，vn)。对于V中的任意两个采样点，可以有边
连接，也可以没有边连接，定义wij为采样点vi和采样点vj之间的权重，由于是无向图，所以
wij＝wji。

[0081] 对于有边连接的两个采样点vi和vj，wij>0，对于没有边连接的两个采样点vi和vj，wij＝0。对于图中的任意一个采样点vi，采样点vi的度di定义为和它相连的所有边的权重之
和，即：

[0082]

[0083] 利用每个采样点的度的定义，可以得到一个nxn的度矩阵D,它是一个对角矩阵，只有主对角线有值，对应第i行的第i个采样点的度数，定义如下：

[0084]

[0085] 本方法采用全连接法构建邻接矩阵和相似矩阵，其中，在全连接法中所有的采样点之间的权重都大于0，因此，相似矩阵S和邻接矩阵W相同，定义如下：

[0086]

[0087] 其中，欧式距离 为任意两个采样点xi和xj之间的距离，σ为设定的参数，通常取值为0.5，1或3，σ控制着采样点的邻域宽度，即，σ的取值越大，表示采样点与距离较
远的采样点的相似度越大。

[0088] B、OMC根据邻接矩阵构建归一化的拉普拉斯矩阵。

[0089] 拉普拉斯矩阵L定义为度矩阵D和邻接矩阵W之间的差值，即，L＝D‑W，因此，归一化的拉普拉斯矩阵定义如下：

[0090]

[0091] 其中，fi为采样点xi对应的特征向量，fj为采样点xj对应的特征向量，di为采样点vi的度，dj为采样点vj的度，wij为采样点vi和采样点vj之间的权重。

[0092] C、OMC计算归一化的拉普拉斯矩阵的最小的k个特征值和对应的特征向量。

[0093] 具体的，本发明实施例中，采用Ncut切图方式来对每个子图的规模进行限制，通过计算得到归一化的拉普拉斯矩阵的最小的k个特征值和对应的特征向量f。

[0094] 在Ncut切图方式中，定义：

[0095]

[0096] 其中，对于无向图G的切图，A1，A2，…Ak为每个子图采样点的集合，满足且A1∪A2∪...∪Ak＝V， 为Ai的补集，即，除子集Ai外其他V的子集的并集，vol(Ai)表示子
集Ai中所有边的权重之和， 为子集Ai和补集 之间的切图权重。

[0097] 其中，Ncut切图方式中采用子图权重 来标示指示向量h，定义采样点vi对子集Ai的指示向量hij如下:

[0098]

[0099] 进而，

[0100]

[0101] 其中，vol(Aj)表示子集Aj中所有边的权重之和，wmn为采样点vm和采样点vn之间的权重， 为集合Ai和 的无向图的切图。

[0102] 令矩阵H＝D‑1/2F，则HTLH＝FTD‑1/2LD‑1/2F，HTDH＝FTF＝I，优化目标变成：

[0103]

[0104] 其中，tr(FTD‑1/2LD‑1/2F)为拉普拉斯矩阵的迹，即，L的所有特征值的和。

[0105] 因此，可以求出归一化的拉普拉斯矩阵的k个特征值和各自对应的特征向量f，并将各自对应的特征向量f组成的矩阵按行进行标准化，得到最后的特征矩阵F，最后对F进行
一次传统的聚类即可，例如，可以采用K‑Means聚类算法对F进行一次传统的聚类。

[0106] D、OMC采用K‑Means聚类算法进行聚类。

[0107] 具体的，本发明实施例中，在得到k个特征值后，OMC可以采用K‑Means聚类算法对特征矩阵F进行聚类，具体步骤如下：

[0108] 步骤a：OMC从k个特征值对应的采样点中随机选取n个采样点作为初始的质心。

[0109] 步骤b：OMC测量除质心之外的每个采样点到各个质心的距离，并把各个采样点分别划分到与相应采样点距离最近的质心对应的聚类簇中。

[0110] 步骤c：OMC重新计算已经得到的各个聚类簇的质心，得到新的质心。

[0111] 步骤d：OMC判断新的质心是否与最初选取的质心重合或靠近，若是，则执行步骤e，否则，返回执行步骤b。

[0112] 具体的，本发明实施例中，OMC判断新的质心是否与最初选取的质心重合或靠近，即，判断新的质心与最初选取的质心是否相等，或者新的质心与最初选取的质心之间的距
离小于指定阈值，若新的质心与最初选取的质心重合或靠近，则执行步骤e，否则，返回步骤
b，继续测量除质心之外的每个采样点到各个质心的距离，然后执行下面的步骤，即，步骤b
和c是迭代的过程。

[0113] 步骤e：OMC确定算法结束。

[0114] 具体的，本发明实施例中，OMC确定新的质心与最初选取的质心相等，或者新的质心与最初选取的质心之间的距离小于指定阈值时，确定K‑Means聚类算法结束，并输出满足
方差最小标准的n个聚类簇，其中，一个聚类簇对应的质心为所述聚类簇中指定的一个采样
点。

[0115] 步骤102：OMC计算各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数。

[0116] 具体的，本发明实施例中，在采用K‑Means聚类算法进行聚类，得到n个聚类簇后，OMC可以计算各个聚类簇对应的质心的值，即，质心表征的RRC接通率和RRC接通失败次数。

[0117] 例如，当n＝4时，OMC可以采用K‑Means聚类算法进行聚类，得到4个聚类簇。

[0118] 步骤103：OMC确定各个聚类簇中包含的采样点的第一总数目。

[0119] 具体的，本发明实施例中，首先，OMC需要确定各个聚类簇对应的采样点数目，然后，将各个聚类簇对应的采样点数目相加，最后，得到各个聚类簇中包含的采样点的第一总
数目，即，n个聚类簇中所有采样点的第一总数目。

[0120] 步骤104：OMC根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，确定各个聚类簇对应的区域属性。

[0121] 具体的，参阅图2所示，OMC将各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，和图2中四个区域对应的RRC接通率和RRC接通失败次数进行匹配，得到各个聚类
簇对应的区域属性，即，聚类簇属于区域1，聚类簇属于区域2，聚类簇属于区域3，或者，聚类
簇属于区域4。

[0122] 例如，参阅图2所示，区域1的RRC接通率正常，区域2的RRC接通率异常，区域3和区域4为难以一刀切定义区域，本发明实施例中根据判定的聚类簇的区域属性，来对该小区的
状态进行判断。当RRC接通率低于90％时，聚类簇属于区域2或区域4，当RRC接通率高于90％
时，聚类簇属于区域1或区域3，当RRC接通失败次数低于3000次时，聚类簇属于区域1或区域
4，当RRC接通失败次数高于3000次时，聚类簇属于区域2或区域3。当质心表征的RRC接通率
和RRC接通失败次数分别为95％和1500次时，聚类簇属于区域1，当质心表征的RRC接通率和
RRC接通失败次数分别为40％和4500次时，聚类簇属于区域2，当质心表征的RRC接通率和
RRC接通失败次数分别为96％和5000次时，聚类簇属于区域3，当质心表征的RRC接通率和
RRC接通失败次数分别为35％和2000次时，聚类簇属于区域4。

[0123] 步骤105：OMC判断指定区域中是否存在聚类簇，获得第一判断结果。

[0124] 具体的，本发明实施例中，在确定各个聚类簇对应的区域属性后，OMC可以判断指定区域中是否存在聚类簇，获得第一判断结果，若确定指定区域中存在聚类簇，则执行步骤
106，否则，执行步骤109。

[0125] 步骤106：OMC根据所述第一判断结果确定所述指定区域中存在聚类簇时，计算所述指定区域中的聚类簇包含的采样点的第二总数目。

[0126] 具体的，本发明实施例中，OMC根据所述第一判断结果确定所述指定区域中存在聚类簇时，即，存在聚类簇属于所述指定区域时，计算所述指定区域中的聚类簇中包含的采样
点的第二总数目。

[0127] 步骤107：OMC判断所述第二总数目与所述第一总数目的比值是否达到预设门限。

[0128] 具体的，本发明实施例中，在确定所述指定区域中存在所述聚类簇，并计算出聚类簇包含的采样点的第二总数目后，OMC判断所述第二总数目与所述第一总数目的比值是否
达到预设门限，若确定所述第二总数目与所述第一总数目的比值达到预设门限，则执行步
骤108，否则，执行步骤109。

[0129] 步骤108：OMC判定所述小区为RRC接通率异常小区。

[0130] 具体的，本发明实施例中，OMC根据计算出的采样点的第一总数目和第二总数目，确定所述第二总数目与所述第一总数目的比值达到预设门限时，判定所述小区为RRC接通
率异常小区。

[0131] 例如，可以设定预设门限为1/4，当所述第二总数目与所述第一总数目的比值达到1/4时，即，当所述第二总数目达到所述第一总数目的1/4时，判定所述小区为RRC接通率异
常小区。具体的，当第二总数目为3000，第一总数目为10000时，第一总数目的1/4为2500，
3000大于2500，即，第二总数目超过第一总数目的1/4，因此，判定所述小区为RRC接通率异
常小区。

[0132] 步骤109：OMC判定所述小区为RRC接通率正常小区。

[0133] 具体的，本发明实施例中，OMC根据所述第一判断结果确定所述指定区域中不存在所述聚类簇时，即，没有聚类簇属于所述指定区域时，或者，确定所述第二总数目与所述第
一总数目的比值未达到预设门限时，判定所述小区为RRC接通率正常小区。

[0134] 在上述流程中，仅以一个小区为例，采用步骤100‑109对所述小区为RRC接通率异常小区或者RRC接通率正常小区进行判断，进一步的，OMC重复步骤100‑109，可以输出针对
所有小区的判定结果。具体的，本发明实施例中，步骤100‑109仅是对基站发送的某一个小
区的接通状态采样数据进行处理，针对其他的小区，OMC可以重复步骤100‑109，对基站发送
的其他小区的接通状态采样数据进行处理，输出针对所有小区的判定结果，判定结果中对
每个小区都进行属性赋值，即，判定其他小区为RRC接通率异常小区或者RRC接通率正常小
区。

[0135] 本发明实施例中，参阅图3所示，OMC至少包括：获取单元101、聚类单元102、判断单元103和处理单元104，其中，

[0136] 获取单元101，用于获取基站发送的小区的接通状态采样数据，所述接通状态采样数据包括若干个采样点，其中，一个采样点至少包括一次采样过程中获取的所述小区的无
线资源控制RRC接通率和RRC接通失败次数；

[0137] 聚类单元102，用于采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，其中，一个聚类
簇对应的质心为所述聚类簇中指定的一个采样点；

[0138] 判断单元103，用于确定各个聚类簇中包含的采样点的第一总数目，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，判断指定区域中是否存在聚类
簇，获得第一判断结果；

[0139] 处理单元104，用于根据所述第一判断结果确定所述指定区域中存在所述聚类簇时，计算所述聚类簇包含的采样点的第二总数目，判断所述第二总数目与所述第一总数目
的比值是否达到预设门限，若是，则判定所述小区为RRC接通率异常小区，否则，判定所述小
区为RRC接通率正常小区。

[0140] 可选的，采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，所述聚类单元102具体用
于：

[0141] 采用预设的聚类算法，根据接通状态采样数据包含的若干采样点构建邻接矩阵；

[0142] 根据所述邻接矩阵构建归一化的拉普拉斯矩阵，并计算所述归一化的拉普拉斯矩阵的最小的k个特征值；

[0143] 从所述k个特征值对应的采样点中随机选取n个采样点作为初始的质心；

[0144] 按照迭代方式执行以下步骤，直到确定新的质心与上一次的质心重合或距离不超过设定阈值为止：

[0145] 分别测量除质心之外的每个采样点到各个质心的距离，并将所述除质心之外的每个采样点分别划分到与相应采样点距离最近的质心对应的聚类簇中；

[0146] 重新计算已经得到的各个聚类簇的质心，得到新的质心；

[0147] 确定已生成的各个聚类簇，以及分别确定所述各个聚类簇当前对应的质心。

[0148] 可选的，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，判断指定区域中是否存在聚类簇，获得第一判断结果，所述判断单元103具体用于：

[0149] 将所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，分别与预设的RRC接通率阈值和RRC接通失败次数阈值进行比较，得到比较结果；

[0150] 根据所述比较结果，分别确定所述各个聚类簇所归属的相应的预设区域；所述预设区域中包括所述指定区域；

[0151] 根据所述各个聚类簇所归属的相应的预设区域，判断所述指定区域中是否存在聚类簇，获得第一判断结果。

[0152] 可选的，所述处理单元104进一步用于：

[0153] 根据所述第一判断结果确定所述指定区域中不存在聚类簇时，判定小区为RRC接通率正常小区。

[0154] 可选的，根据所述比较结果，确定任意一个聚类簇所归属的预设区域，所述判断单元103具体用于：

[0155] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率大于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数小
于预设的RRC接通失败次数时，确定所述任意一个聚类簇属于第一预设区域；

[0156] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率小于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数大
于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第二预设区域，所述第二
预设区域为指定区域；

[0157] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率大于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数大
于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第三预设区域；

[0158] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率小于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数小
于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第四预设区域。

[0159] 基于同一发明构思，本发明实施例中提供一种OMC，参阅图4所示，所述OMC至少包括处理器40和存储器41，其中，

[0160] 所述处理器40用于读取所述存储器41中保存的程序，并执行以下操作：

[0161] 获取基站发送的小区的接通状态采样数据，所述接通状态采样数据包括若干个采样点，其中，一个采样点至少包括一次采样过程中获取的所述小区的无线资源控制RRC接通
率和RRC接通失败次数；

[0162] 采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，其中，一个聚类簇对应的质心为所
述聚类簇中指定的一个采样点；

[0163] 确定各个聚类簇中包含的采样点的第一总数目，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，判断指定区域中是否存在聚类簇，获得第一判断结
果；

[0164] 根据所述第一判断结果确定所述指定区域中存在聚类簇时，计算所述指定区域中的聚类簇包含的采样点的第二总数目，判断所述第二总数目与所述第一总数目的比值是否
达到预设门限，若是，则判定所述小区为RRC接通率异常小区，否则，判定所述小区为RRC接
通率正常小区。

[0165] 可选的，采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，所述处理器40用于：

[0166] 采用预设的聚类算法，根据接通状态采样数据包含的若干采样点构建邻接矩阵；

[0167] 根据所述邻接矩阵构建归一化的拉普拉斯矩阵，并计算所述归一化的拉普拉斯矩阵的最小的k个特征值；

[0168] 从所述k个特征值对应的采样点中随机选取n个采样点作为初始的质心；

[0169] 按照迭代方式执行以下步骤，直到确定新的质心与上一次的质心重合或距离不超过设定阈值为止：

[0170] 分别测量除质心之外的每个采样点到各个质心的距离，并将所述除质心之外的每个采样点分别划分到与相应采样点距离最近的质心对应的聚类簇中；

[0171] 重新计算已经得到的各个聚类簇的质心，得到新的质心；

[0172] 确定已生成的各个聚类簇，以及分别确定所述各个聚类簇当前对应的质心。

[0173] 可选的，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，判断指定区域中是否存在聚类簇，获得第一判断结果，所述处理器40用于：

[0174] 将所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，分别与预设的RRC接通率阈值和RRC接通失败次数阈值进行比较，得到比较结果；

[0175] 根据所述比较结果，分别确定所述各个聚类簇所归属的相应的预设区域；所述预设区域中包括所述指定区域；

[0176] 根据所述各个聚类簇所归属的相应的预设区域，判断所述指定区域中是否存在聚类簇，获得第一判断结果。

[0177] 可选的，所述处理器40进一步用于：

[0178] 根据所述第一判断结果确定所述指定区域中不存在聚类簇时，判定小区为RRC接通率正常小区。

[0179] 可选的，根据所述比较结果，确定任意一个聚类簇所归属的预设区域，所述处理器40用于：

[0180] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率大于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数小
于预设的RRC接通失败次数时，确定所述任意一个聚类簇属于第一预设区域；

[0181] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率小于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数大
于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第二预设区域，所述第二
预设区域为指定区域；

[0182] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率大于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数大
于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第三预设区域；

[0183] 根据所述比较结果，确定所述任意一个聚类簇对应的质心表征的RRC接通率小于预设的RRC接通率阈值，并且，所述任意一个聚类簇对应的质心表征的RRC接通失败次数小
于预设的RRC接通失败次数阈值时，确定所述任意一个聚类簇属于第四预设区域。

[0184] 基于同一发明构思，本发明实施例提供一种存储介质，存储有用于实现小区的工作状态的判定的方法的程序，所述程序被处理器运行时，执行以下步骤：

[0185] 获取基站发送的小区的接通状态采样数据，所述接通状态采样数据包括若干个采样点，其中，一个采样点至少包括一次采样过程中获取的所述小区的无线资源控制RRC接通
率和RRC接通失败次数；

[0186] 采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，并分别确定所述各个聚类簇对应的质心，其中，一个聚类簇对应的质心为所
述聚类簇中指定的一个采样点；

[0187] 确定各个聚类簇中包含的采样点的第一总数目，根据所述各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，判断指定区域中是否存在聚类簇，获得第一判断结
果；

[0188] 根据所述第一判断结果确定所述指定区域中存在聚类簇时，计算所述指定区域中的聚类簇包含的采样点的第二总数目，判断所述第二总数目与所述第一总数目的比值是否
达到预设门限，若是，则判定所述小区为RRC接通率异常小区，否则，判定所述小区为RRC接
通率正常小区。

[0189] 综上所述，本发明实施例中，OMC获取基站发送的小区的接通状态采样数据，采用预设的聚类算法，对所述接通状态采样数据包含的若干采样点进行聚类，生成各个聚类簇，
并在根据各个聚类簇对应的质心表征的RRC接通率和RRC接通失败次数，确定指定区域中存
在聚类簇时，根据所有聚类簇包含的采样点的第一总数目，和位于指定区域中的聚类簇包
含的采样点的第二总数目之间的比例关系，判断所述小区的工作状态。

[0190] 这样，OMC通过将若干采样点汇聚成各个聚类簇，通过分析各个聚类族中采样点的RRC接通率和RRC接通失败次数的整体分布特征，来对小区的工作状态进行判断，有效提高
了判断结果的有效性和准确性，可以及时感知小区的实际工作状态，提高系统的处理效率。

[0191] 具体的，本发明实施例中，对应预设的RRC接通率阈值和预设的RRC接通失败次数的不同取值区间，划分了不同的预设区域，其中，在第一预设区域中，每一个聚类簇对应的
质心表征的RRC接通率大于预设的RRC接通率阈值，并且，每一个聚类簇对应的质心表征的
RRC接通失败次数小于预设的RRC接通失败次数阈值，在第二预设区域(即指定区域)中，每
一个聚类簇对应的质心表征的RRC接通率小于预设的RRC接通率阈值，并且，每任意一个聚
类簇对应的质心表征的RRC接通失败次数大于预设的RRC接通失败次数阈值，在第三预设区
域中，每一个聚类簇对应的质心表征的RRC接通率大于预设的RRC接通率阈值，并且，每一个
聚类簇对应的质心表征的RRC接通失败次数大于预设的RRC接通失败次数阈值，在第四预设
区域中，每一个聚类簇对应的质心表征的RRC接通率小于预设的RRC接通率阈值，并且，每任
意一个聚类簇对应的质心表征的RRC接通失败次数小于预设的RRC接通失败次数阈值。

[0192] 由于设定第一预设区域的RRC接通率正常，第二预设区域的RRC接通率异常，而第三预设区域和第四预设区域中的RRC接通率正常或异常未知，因此，当OMC判定聚类簇位于
第三预设区域或者第四预设区域时，难以确定聚类簇的RRC接通率正常或者异常，从而导致
无法对小区的工作状态进行准确判断。

[0193] 因此，本发明实施例中，OMC根据所有聚类簇包含的采样点的第一总数目，和位于指定区域中的聚类簇包含的采样点的第二总数目之间的比例关系，来判断所述小区的工作
状态，由于属于指定区域的聚类簇的RRC接通率是异常的，无需对位于第三区域或者第四区
域的聚类簇的RRC接通率进行判断，进而确定RRC接通率异常的聚类簇包含的采样点的第二
总数目，根据第二总数目和所有聚类簇包含的采样点的第一总数目的比例关系，判断小区
的工作状态，可以有效降低对小区状态的误判概率。

[0194] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实
施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机
可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产
品的形式。

[0195] 本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流
程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序
指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产
生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实
现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

[0196] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指
令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或
多个方框中指定的功能。

[0197] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或
其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一
个方框或多个方框中指定的功能的步骤。

[0198] 尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优
选实施例以及落入本发明范围的所有变更和修改。

[0199] 显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求
及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。