一种目标小区的确定方法、装置、电子设备及存储介质

技术领域

本发明涉及通信技术领域，具体涉及一种目标小区的确定方法、装置、电子设备及存储介质。

背景技术

在移动通信系统中，当UE(User Equipment，用户终端)发生移动时，可能会超出当前小区的服务范围，为了保证通信的连续性，移动通信系统可能需要将该UE从当前小区切换到另一个小区(以下简称为目标小区)。

现阶段，前述UE的小区切换是基于参考信号的测量实现的。具体的，首先，网络侧可以向UE下发测量配置，如测量频点、测量事件、上报次数等信息。然后，UE接收到测量配置后，可以上报检测到的每个相邻小区的MR(Measurement Report，测量报告)。网络侧接收到UE上报的测量报告之后，可以对UE上报的每个相邻小区对应的电平RSRP(ReferenceSignal Receiving Power，参考信号接收功率)值进行排序，依据电平最优原则，选择电平值最高的相邻小区为目标小区，并向UE发送切换命令，以使UE可以基于该切换命令，切换至目标小区。

现有技术中，随着网络的密集化，经常会出现参考信号质量较好，业务服务质量较差的情况，故而根据相邻小区的电平值(即参考信号)选择目标小区，会在一定程度上影响到网络服务质量，降低用户体验。

发明内容

由于现有方法存在上述问题，本发明实施例提出一种目标小区的确定方法、装置、电子设备及存储介质。

第一方面，本发明实施例提出一种目标小区的确定方法，包括：

获取UE上报的每个小区的测量数据，通过预设质量评估模型基于所述每个小区的测量数据，确定所述每个小区对应的业务质量值；

基于所述每个小区对应的业务质量值，确定所述UE对应的目标小区。

可选的，所述通过预设质量评估模型基于所述每个小区的测量数据，确定所述每个小区对应的业务质量值，包括：

通过所述预设质量评估模型基于当前小区的测量数据确定所述当前小区对应的预设业务质量评估参数，并基于所述当前小区对应的预设业务质量评估参数，确定所述当前小区对应的业务质量值。

可选的，所述预设业务质量评估参数包括所述当前小区对应的吞吐率、时延和丢包率；

所述基于所述当前小区对应的预设业务质量评估参数，确定所述当前小区对应的业务质量值，包括：

通过所述预设质量评估模型确定所述吞吐率对应的第一预设评估权重值、所述时延对应的第二预设评估权重值，及所述丢包率对应的第三预设评估权重值；

通过所述预设质量评估模型基于所述第一预设评估权重值，所述第二预设评估权重值、所述第三预设评估权重值，及所述当前小区对应的吞吐率、时延和丢包率，确定所述当前小区对应的业务质量值。

可选的，还包括：

确定基站覆盖范围内的所有小区对，其中，所述小区对由所述基站覆盖范围内的任意两个小区组成；

获取每个小区对所对应的历史小区切换数据信息，并通过分类预测算法基于所述历史小区切换数据信息，生成预设质量评估模型。

可选的，所述通过分类预测算法基于所述历史小区切换数据信息生成预设质量评估模型之前，还包括：

对所述历史小区切换数据信息进行数据预处理，得到预处理数据集，其中，所述数据预处理包括数据去重处理和异常数据处理；

对所述预处理数据集进行特征标签处理，得到切换数据集，其中，所述特征标签处理包括特征数据处理和标签数据处理；

按照预设训练比例基于所述切换数据集构建训练集，并基于所述切换数据集中除所述训练集之外的历史小区切换数据信息构建测试集。

可选的，所述对所述历史小区切换数据信息进行数据预处理，得到预处理数据集，包括：

对所述历史小区切换数据信息进行去重处理，删除所述历史小区切换数据信息中，与当前历史小区切换数据信息完全相同的历史小区切换数据信息，得到去重数据集；

通过三西格玛准则删除所述去重数据集中的异常历史小区切换数据信息，得到预处理数据集。

可选的，所述对所述预处理数据集进行特征标签处理，得到切换数据集，包括：

基于所述预处理数据集提取特征数据，其中，所述特征数据至少包括时间特征、源小区特征及目标小区特征；

获取所述预处理数据集中每条历史小区切换数据信息的切换速率，按照预设业务质量等级划分规则基于所述每条历史小区切换数据信息的切换速率，对所述预处理数据集的历史小区切换数据信息进行业务质量等级划分。

可选的，所述通过分类预测算法基于所述历史小区切换数据信息生成预设质量评估模型，包括：

基于所述训练集进行模型训练生成第一质量评估模型，并基于所述测试集检测所述第一质量评估模型的准确率是否大于或等于预设最低准确率；

若大于或等于所述预设最低准确率，则将所述第一质量评估模型确定为所述预设质量评估模型。

可选的，所述基于所述每个小区对应的业务质量值，确定所述UE对应的目标小区，包括：

确定所述所有业务质量值中的最大值，并将所述最大值对应的小区确定为目标小区。

可选的，所述基于所述每个小区对应的业务质量值，确定所述UE对应的目标小区，包括：

按照预设业务质量等级划分规则对所述所有业务质量值进行等级划分，并将业务质量等级最高的业务质量值对应的小区确定为目标小区。

第二方面，本发明实施例还提出一种目标小区的确定装置，包括质量值确定模块和小区确定模块，其中：

所述质量值确定模块，用于获取UE上报的每个小区的测量数据，通过预设质量评估模型基于所述每个小区的测量数据，确定所述每个小区对应的业务质量值；

所述小区确定模块，用于基于所述每个小区对应的业务质量值，确定所述UE对应的目标小区。

可选的，所述质量值确定模块，用于：

通过所述预设质量评估模型基于当前小区的测量数据确定所述当前小区对应的预设业务质量评估参数，并基于所述当前小区对应的预设业务质量评估参数，确定所述当前小区对应的业务质量值。

可选的，所述预设业务质量评估参数包括所述当前小区对应的吞吐率、时延和丢包率；

所述质量值确定模块，用于：

通过所述预设质量评估模型确定所述吞吐率对应的第一预设评估权重值、所述时延对应的第二预设评估权重值，及所述丢包率对应的第三预设评估权重值；

通过所述预设质量评估模型基于所述第一预设评估权重值，所述第二预设评估权重值、所述第三预设评估权重值，及所述当前小区对应的吞吐率、时延和丢包率，确定所述当前小区对应的业务质量值。

可选的，还包括模型训练模块，用于：

确定基站覆盖范围内的所有小区对，其中，所述小区对由所述基站覆盖范围内的任意两个小区组成；

获取每个小区对所对应的历史小区切换数据信息，并通过分类预测算法基于所述历史小区切换数据信息，生成预设质量评估模型。

可选的，所述模型训练模块，用于：

对所述历史小区切换数据信息进行数据预处理，得到预处理数据集，其中，所述数据预处理包括数据去重处理和异常数据处理；

对所述预处理数据集进行特征标签处理，得到切换数据集，其中，所述特征标签处理包括特征数据处理和标签数据处理；

按照预设训练比例基于所述切换数据集构建训练集，并基于所述切换数据集中除所述训练集之外的历史小区切换数据信息构建测试集。

可选的，所述模型训练模块，用于：

对所述历史小区切换数据信息进行去重处理，删除所述历史小区切换数据信息中，与当前历史小区切换数据信息完全相同的历史小区切换数据信息，得到去重数据集；

通过三西格玛准则删除所述去重数据集中的异常历史小区切换数据信息，得到预处理数据集。

可选的，所述模型训练模块，用于：

基于所述预处理数据集提取特征数据，其中，所述特征数据至少包括时间特征、源小区特征及目标小区特征；

获取所述预处理数据集中每条历史小区切换数据信息的切换速率，按照预设等级划分规则基于所述每条历史小区切换数据信息的切换速率，对所述预处理数据集的历史小区切换数据信息进行等级划分。

可选的，所述模型训练模块，用于：

基于所述训练集进行模型训练生成第一质量评估模型，并基于所述测试集检测所述第一质量评估模型的准确率是否大于或等于预设最低准确率；

若大于或等于所述预设最低准确率，则将所述第一质量评估模型确定为所述预设质量评估模型。

可选的，所述小区确定模块，用于：

确定所述所有业务质量值中的最大值，并将所述最大值对应的小区确定为目标小区。

可选的，所述小区确定模块，用于：

按照预设业务质量等级划分规则对所述所有业务质量值进行等级划分，并将业务质量等级最高的业务质量值对应的小区确定为目标小区。

第三方面，本发明实施例还提出一种电子设备，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述方法。

第四方面，本发明实施例还提出一种非暂态可读存储介质，所述非暂态计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述方法。

由上述技术方案可知，本发明实施例通过预设质量评估模型确定每个小区的业务质量值，并根据每个小区的业务质量值确定UE对应的目标小区。这样，一方面，基于每个小区对应的业务质量值确定UE对应的目标小区，可以避免基于参考信号确定目标小区时出现的参考信号较好但实际业务服务质量较差的情况，从而可以有效避免由于小区切换影响到业务服务质量，进而可以有效提高网络服务质量，提高用户体验。另一方面，基于预设质量评估模型确定每个小区对应的业务质量值，还可以提高确定的业务质量值的准确性，从而可以确定的目标小区的准确性，进而可以进一步提高网络服务质量，提高用户体验。

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简单地介绍，显而易见地，下面描述中的附图仅仅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，还可以根据这些图获得其他的附图。

图1为本发明一实施例提供的一种目标小区的确定方法的流程示意图；

图2为本发明一实施例提供的一种目标小区的确定方法的流程示意图；

图3为本发明一实施例提供的一种目标小区的确定装置的结构示意图；

图4为本发明一实施例提供的电子设备的逻辑框图。

具体实施方式

下面结合附图，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本发明实施例提供的目标小区的确定方法的执行主体是网络侧设备，对于2G(2-Generation wireless telephone technology，第二代手机通信技术规格)和3G(3rd-Generation，第三代移动通信技术)网络，该网络侧设备可以是控制器；对于4G(the 4thgeneration mobile communication technology，第四代移动通信技术)和5G(5th-Generation，第五代移动通信技术)网络，该网络侧设备可以是基站。前述网络侧设备可以通过预设质量评估模型确定用户终端上报的每个小区的业务质量值，并可以基于前述每个小区的业务质量值确定前述用户终端的目标小区。

图1示出了本实施例提供的一种目标小区的确定方法的流程示意图，包括：

S101，获取UE上报的每个小区的测量数据，通过预设质量评估模型基于每个小区的测量数据，确定每个小区对应的业务质量值。

其中，所述预设质量评估模型指预先通过分类预测算法基于每个小区对的历史小区切换数据信息训练得出的模型，该模型可以用于根据UE上报的每个小区的测量数据预测前述每个小区的业务质量值。其中，小区对由任意一次小区切换中的源小区及目标小区组成。

所述业务质量值指基于上述预设质量评估模型确定的用于表征小区的业务服务质量的情况的数值，前述业务质量值可以是基于吞吐率、时延、丢包率等业务质量参数中的一个或者多个确定的。

在实施中，当UE从一个小区移动到另一个小区时，网络侧设备可以向UE下发测量配置，UE在接收到测量配置之后，可以检测相邻的每个小区，并生成每个小区对应的测量报告，并将前述每个小区对应的测量报告上报至网络侧设备，网络侧设备可以基于前述UE上报的每个测量报告中的测量数据确定每个小区对应的业务质量值，并根据每个小区的业务质量值确定前述UE的目标小区，以使UE可以接入到前述目标小区。具体的，首先，可以获取UE上报的每个小区的测量数据，测量数据中可以包括该组测量数据对应的小区标识、测量时刻、源小区特征及目标小区特征，其中，源小区特征可以包括源小区电平值、源小区RRC(Radio Resource Control，无线资源控制)连接用户终端数量、及源小区下行PRB(physical resource block，物理资源块)空闲个数；目标小区特征可以包括目标小区电平值、目标小区RRC连接用户终端数量及目标小区下行PRB空闲个数。然后，可以通过预设质量评估模型基于前述UE上报的每个小区的测量数据，确定前述每个小区对应的业务质量值。

需要说明的是，在通过预设质量评估模型基于每个小区的测量数据，确定每个小区对应的业务质量值之前，还可以根据预设最低服务门限值删除不符合预设最低门限值的历史小区切换数据信息，该门限值可以是RSRP、RSRQ(Reference Signal ReceivingQuality，LTE参考信号接收质量)、SINR(Signal to Interference plus Noise Ratio，信号与干扰加噪声比)中的一项或者多项的组合。以该门限值为RSRP为例，假设该预设最低服务门限值，即预设最低RSRP门限值为-105dBm，某UE上报的3个小区的RSRP值如表1所示，由于小区3的RSRP值小于预设最低门限值-105dBm，则可以将小区3删除，参见表2。

表1

表2

S102，基于每个小区对应的业务质量值，确定UE对应的目标小区。

其中，所述目标小区指上述UE将接入的小区。

在实施中，在通过预设质量评估模型基于上述UE上报的每个小区的测量数据，确定出前述每个小区对应的业务质量值之后，可以基于前述每个小区对应的业务质量值，在前述UE上报的所有小区中确定UE对应的目标小区。可以理解，预设质量评估模型每次可以确定一个小区的业务质量值，故而UE上报的小区个数与预设质量评估模型确定业务质量值的执行次数是相等的，即若前述小区个数为4，则预设质量评估模型需要执行4次，以确定每个小区对应的业务质量值。

由上述技术方案可知，本发明实施例通过预设质量评估模型确定每个小区的业务质量值，并根据每个小区的业务质量值确定UE对应的目标小区。这样，一方面，基于每个小区对应的业务质量值确定UE对应的目标小区，可以避免基于参考信号确定目标小区时出现的参考信号较好但实际业务服务质量较差的情况，从而可以有效避免由于小区切换影响到业务服务质量，进而可以有效提高网络服务质量，提高用户体验。另一方面，基于预设质量评估模型确定每个小区对应的业务质量值，还可以提高确定的业务质量值的准确性，从而可以确定的目标小区的准确性，进而可以进一步提高网络服务质量，提高用户体验。

进一步地，在上述方法实施例的基础上，可以基于UE上报的每个小区对应的预设业务质量评估参数确定每个小区对应的业务质量值，相应的上述步骤S101的部分处理可以如下：通过预设质量评估模型基于当前小区的测量数据确定当前小区对应的预设业务质量评估参数，并基于当前小区对应的预设业务质量评估参数，确定当前小区对应的业务质量值。

其中，所述当前小区指上述UE上报的小区中的任意一个小区。

所述预设业务质量评估参数指用于评估当前小区的业务质量的参数，预设业务质量评估参数可以是吞吐率、时延、丢包率等业务质量参数中的一个或者多个，且前述预设业务质量评估参数可以是基于当前小区的测量数据确定的。

在实施中，在获取到UE上报的每个小区的测量数据之后，可以确定每个小区对应的预设业务质量评估参数，以确定每个小区对应的业务质量值。具体的，可以通过上述预设质量评估模型基于当前小区的测量数据确定出当前小区的预设业务质量评估参数，如可以是吞吐率、时延、丢包率中的一个或多个的具体数值。然后，可以通过前述预设质量评估模型基于前述当前小区对应的预设质量评估参数，确定当前小区对应的业务质量值。可以理解，可以按照上述方法依次确定UE上报的每个小区对应的业务质量值。这样，基于预设业务质量评估参数确定每个小区的业务质量值，可以使得确定出的每个小区的业务质量值可以更好的表征每个小区的真实业务质量，从而可以进一步提高确定出的目标小区的准确率，进一步提高网络服务质量和用户体验。

进一步地，在上述方法实施例的基础上，预设业务质量评估参数可以是当前小区对应的吞吐率、时延和丢包率，相应的确定当前小区的业务质量值的处理可以如下：通过预设质量评估模型确定吞吐率对应的第一预设评估权重值、时延对应的第二预设评估权重值，及丢包率对应的第三预设评估权重值；通过预设质量评估模型基于第一预设评估权重值，第二预设评估权重值、第三预设评估权重值，及当前小区对应的吞吐率、时延和丢包率，确定当前小区对应的业务质量值。

其中，所述第一预设评估权重值指预先设定的吞吐率对应的权重值；所述第二预设评估权重值指预先设定的时延对应的权重值；所述第三预设评估权重值指预先设定的丢包率对应的权重值。

在实施中，当预设业务质量评估参数仅包括当前小区对应的吞吐率、时延和丢包率时，可以通过预设质量评估模型基于不同预设业务质量评估参数对应的权重值，确定当前小区对应的业务质量值。具体的，首先，可以通过预设质量评估模型确定上述当前小区对应的吞吐率、时延、丢包率。然后，可以通过预设质量评估模型确定吞吐率对应的第一预设评估权重值、时延对应的第二预设评估权重值，及丢包率对应的第三预设评估权重值。之后，可以通过预设质量评估模型基于前述第一预设评估权重值，第二预设评估权重值、第三预设评估权重值，及当前小区对应的吞吐率、时延和丢包率，确定当前小区的业务质量值。

以第一预设评估权重值，第二预设评估权重值、第三预设评估权重值分别为50％、30％、20％为例，假设当前小区对应的吞吐率为a，时延为b，丢包率为c，则可以确定当前小区的业务质量值为a50％+b30％+c20％。即可以按照前述不同的权重值对前述当前小区对应的吞吐率、时延、丢包率进行综合的加权打分，终得到一个综合打分结果(即业务质量值)，业务质量值的分值越高表示业务质量越好，排序也越靠前。可以理解的是，上述预设业务质量评估参数也可以是吞吐率、时延、丢包率等业务质量指标中的一种或两种，即业务质量值也可以是基于前述吞吐率、时延、丢包率等业务质量指标中的一种或多种确定的。这样，结合不同预设业务质量评估参数对应的权重值确定当前小区的业务质量值，可以使得确定出的业务质量值更准确，从而可以进一步提高确定出的目标小区的准确性，进而进一步提高网络服务质量。

进一步地，在上述方法实施例的基础上，还可以基于基站的所有小区对的历史小区切换数据信息生成预设质量评估模型，相应的处理可以如下：确定基站覆盖范围内的所有小区对；获取每个小区对所对应的历史小区切换数据信息，并通过分类预测算法基于历史小区切换数据信息，生成预设质量评估模型。

其中，所述小区对由所述基站覆盖范围内的任意两个小区组成，如对于任意一次小区切换而言，该次小区切换的源小区及目标小区即为一个小区对。

所述分类预测算法可以是KNN(k-Nearest Neighbor，K最近邻)分类算法、SVM(Support Vector Machine,支持向量机)等中的一种。

在实施中，在确定UE目标小区之前，可以基于基站覆盖范围内的所有小区对的历史小区切换数据信息，训练生成预设质量评估模型。首先，可以确定基站覆盖范围内的所有小区对，并可以获取前述每个小区对所对应的预设条数的(如可以是5000条)历史小区切换数据信息。然后，可以通过分类预测算法基于前述所有历史小区切换数据信息，即前述所有小区对所对应的历史小区切换数据信息进行训练，生成预设质量评估模型。可以理解，前述预设数量条历史小区切换数据信息可以距离当前时刻间隔时长最短的预设条数的历史小区切换数据信息。这样，基于基站覆盖范围内的所有小区对的历史小区切换数据信息，训练生成预设质量评估模型，可以使得预设质量评估模型评估结果的准确性，即提高确定出的每个小区的业务质量值的准确性，进而进一步提高网络服务质量，提高用户体验；同时，还可以进一步减少用户投诉。

以上述基站对应的所有小区对为：(源小区)小区S1-(目标小区)小区01、(源小区)小区S1-(目标小区)小区02，预设数量为5000为例，上述获取的基站覆盖范围内的所有小区对的历史小区切换数据信息，可以参见表3。

表3

其中，用户标识：指区别不同用户的用户ID。

切换时刻：指UE进行小区切换的时刻，该时刻可以仅记录小时分钟，也可以更精确的记录(如记录到秒级)。

源小区电平值：UE进行小区切换前的服务小区的电平值，该值可以是上报的最后1个或者多个MR源小区的电平值的平均值，单位为dBm(decibel relative to onemilliwatt，分贝毫瓦)。

源小区RRC连接用户终端数量：UE进行小区切换前的服务小区的RRC连接的用户终端数量，可以统计当前时刻前1分钟内的RRC连接用户终端数量，单位为个。

源小区下行PRB空闲个数：UE进行小区切换前的服务小区的下行PRB空闲个数，可以统计当前时刻前1分钟或者更长时间内的下行PRB空闲个数，单位为个。

目标小区电平值：进行小区切换前，UE测量的目标小区的电平值，该值可以是上报的最后1个或者多个MR目标小区的电平值的平均结果，单位：dBm。

目标小区RRC连接用户终端数量：UE进行小区切换前，目标小区的RRC连接用户终端数量，可以统计当前时刻前1分钟内的RRC连接用户终端数量，单位为个。

目标小区下行PRB空闲个数：UE进行小区切换前，目标小区的下行PRB空闲个数，可以统计当前时刻前1分钟或者更长时间内的下行PRB空闲个数，单位为个。

切换速率：UE进行小区切换后，用户在目标小区的下行PDCP(Packet DataConvergence Protocol，分组数据汇聚协议)层的平均速率，即统计所有的传输数据的总数据量除以传输前述总数据量的所有传输时间，单位：Mbps。即用户进入目标小区下行速率(平均)。

进一步地，在上述方法实施例的基础上，在基于上述基站覆盖范围内的历史小区切换数据信息训练生成预设质量评估模型之前，还可以对前述数据进行数据预处理，相应的处理可以如下：对历史小区切换数据信息进行数据预处理，得到预处理数据集；对预处理数据集进行特征标签处理，得到切换数据集；按照预设训练比例基于切换数据集构建训练集，并基于切换数据集中除训练集之外的历史小区切换数据信息构建测试集。

其中，所述数据预处理至少可以包括数据去重处理和异常数据处理。

所述特征标签处理至少可以包括特征数据处理和标签数据处理。

所述预处理数据集指对上述历史小区切换数据信息进行预处理之后得到的数据集，该数据集中没有完全重复的历史小区切换数据信息，也没有异常数据。

所述切换数据集指对上述预处理数据集进行特征标签处理后的数据集。

所述预设比例指预先设定的切换数据集中训练集和测试集的占比，如可以是7:3，即切换数据集70％的数据作为训练集，剩下30％的数据作为测试集。

在实施中，在通过分类预测算法基于历史小区切换数据信息生成预设质量评估模型之前，还可以对前述历史小区切换数据信息进行数据预处理和特征标签处理。具体的，首先，可以对前述所有历史小区切换数据信息进行数据预处理，如可以进行去重处理和异常数据处理，得到预处理数据集。然后，可以对前述预处理数据集进行特征标签处理，如可以进行特征数据处理和标签数据处理，得到切换数据集。之后，可以按照预设比例将前述切换数据集拆分为训练集，将切换数据集中除训练集之外的历史小区切换数据信息作为测试集，前述训练集用于进行模型训练，测试集可以对训练后的模型的准确率进行检测，以使训练完成的预设质量评估模型的准确率满足预设要求。这样，对前述历史小区切换数据信息进行数据预处理和特征标签处理，可以去除前述历史小区切换数据信息中的重复数据和异常数据，并为历史小区切换数据信息添加特征标签，可以在一定程度减少模型训练耗时，并可以进一步提高训练的预设质量评估模型的准确率，进而进一步提高确定的目标小区的准确性，提高用户体验。

进一步地，在上述方法实施例的基础上，可以删除上述历史小区切换数据信息中的重复数据和异常数据，相应的处理可以如下：对所有历史小区切换数据信息进行去重处理，删除历史小区切换数据信息中，与当前历史小区切换数据信息完全相同的历史小区切换数据信息，得到去重数据集；通过三西格玛准则删除去重数据集中的异常历史小区切换数据信息，得到预处理数据集。

其中，所述当前历史小区切换数据信息指上述所有历史小区切换数据信息中的任一条历史小区切换数据信息。

在实施中，进行数据预处理时可以删除上述历史小区切换数据信息中的重复数据和异常数据。具体的，首先，可以检测前述历史小区切换数据信息中是否有存在与当前历史小区切换数据信息完全重复的历史小区切换数据信息(如可以是一条或多条)。若存在，则删除前述与当前历史小区切换数据信息完全重复的历史小区切换数据信息，得到去重数据集。然后，可以对前述去重数据集进行异常数据处理，如可以通过三西格玛准则对前述去重数据集进行异常数据处理，以删除去重数据集中的异常历史小区切换数据信息，得到预处理数据集。这样，通过三西格玛准则进程异常数据处理，可以有效去除去重数据集中的异常数据，使得预处理数据集中的历史小区切换数据信息均为有效数据(即无异常历史小区切换数据信息和重复历史小区切换数据信息)，从而可以进一步减少训练预设质量评估模型的耗时，从而可以进一步提高训练的预设质量评估模型的准确率，提高确定的目标小区的准确性，进而可以进一提高网络服务质量，提高用户体验，并可以减少用户投诉。

上述通过三西格玛准则对前述去重数据集进行异常数据处理的过程可以如下：当上述所有历史小区切换数据信息服从正态分布时，大部分(如99％)的历史小区切换数据信息的数值应该位于在距离均值3个标准差的距离之内，即P(|x-μ|>3σ)≤0.003，其中，x表示历史小区切换数据信息的中某个参数的具体数值。当数值超出这个距离，可以认为它是异常值，将该异常值对应的历史小区切换数据信息删除。前述历史小区切换数据信息的参数可以是：源小区电平值、源小区RRC连接用户终端数量、源小区下行PRB空闲个数、目标小区电平值、目标小区RRC连接用户终端数量、目标小区下行PRB空闲个数、用户进入目标小区下行速率(平均)。

进一步地，在上述方法实施例的基础上，进行特征标签处理时，可以基于预处理数据集进行特征提取和等级划分，相应的处理可以如下：基于预处理数据集提取特征数据；获取预处理数据集中每条历史小区切换数据信息的切换速率，按照预设业务质量等级划分规则基于每条历史小区切换数据信息的切换速率，对预处理数据集的历史小区切换数据信息进行业务质量等级划分。

其中，所述特征数据至少可以包括时间特征、源小区特征及目标小区特征。

所述预设业务质量等级划分规则指预先设定的按照切换速率对小区进行业务质量等级划分的规则，业务质量等级越高则切换速率越快，如可以参见表4。

在实施中，在得到上述预处理数据集之后，可以进行特征提取和等级划分。具体的，首先，可以基于预处理数据集提取特征数据，如可以进行时间特征、源小区特征和目标小区特征提取。然后，可以获取前述预处理处理集中每条历史小区切换数据信息的切换速率，并可以按照预设业务质量等级划分规则确定每个切换速率对应的等级，并可以按照每个切换速率的等级确定每条历史小区切换数据信息的业务质量等级。

具体的，上述时间特征提取可以是按照忙时、闲时进行分类，例如可以将忙时的时间段设置为7:00-20:00，其他时间段可以设置为闲时。然后，可以按照提取时刻确定上述预处理数据集中的每条历史小区切换数据信息是闲时数据或忙时数据。上述源小区特征至少可以包括源小区电平值、源小区RRC连接用户终端数量、源小区下行PRB空闲个数。上述目标小区特征至少可以包括目标小区电平值、目标小区RRC连接用户终端数量、目标小区下行PRB空闲个数。

上述业务质量等级划分处理可以如下：将上述预处理处理集中每条历史小区切换数据信息的切换速率作为标签，对预处理处理集中每条历史小区切换数据信息进行分类(即等级划分)，例如，可以按照表4进行等级划分，可以理解，在实际实施中还可以根据实际情况根据不同业务质量参数设置不同的等级划分方式。

表4

进一步地，在上述方法实施例的基础上，可以基于训练集进行模型训练，并基于测试集检测模型准确率，相应的处理可以如下：基于训练集进行模型训练生成第一质量评估模型，并基于测试集检测第一质量评估模型的准确率是否大于或等于预设最低准确率；若大于或等于预设最低准确率，则将第一质量评估模型确定为预设质量评估模型。

其中，所述第一质量评估模型指基于测试集训练生成的质量评估模型。

所述预设最低准确率指预先设定的预设质量评估模型要满足的最低的准确率。

在实施中，在通过分类预测算法基于历史小区切换数据信息训练生成预设质量评估模型时，首先，可以基于训练集进行模型训练生成第一质量评估模型。然后，可以基于上述测试集对第一质量评估模型的准确率进行检测，以确定该第一质量评估模型的准确率是否大于或等于预设最低准确率。若前述第一质量评估模型的准确率大于或等于预设最低准确率，则可以将前述第一质量评估模型确定为预设质量评估模型。这样，可以有效使得预设质量评估模型的准确率，从而可以进一步提高确定的目标小区的准确性，进而可以进一步提高网络服务质量、提高用户体验。

以分类预测算法为KNN，预设最低准确率为95％为例，可以采用KNN进行模型训练，即在训练集中特征数据和标签已知的情况下，输入测试集数据，将测试集数据的特征与训练集数据中对应的特征进行相互比较，找到训练集数据中与之最为相似的前K个数据，则该测试集数据对应的等级类别就是K个数据中出现次数最多的那个等级，该算法可以描述为：

首先，计算测试集数据与各个训练集数据之间的欧式距离，并按照距离的递增关系进行排序。然后，选取距离最小的K个点，并确定前K个点所在等级类别的出现频率。之后，返回前K个点中出现频率最高的等级类别作为测试集数据的预测等级分类。

然后，在得到第一质量评估模型之后，可以采用预设最低准确率作为模型的评估函数，以选择合适的K值对第一质量评估模型调参。确定第一质量评估模型的实际准确率的公式可以是：准确率＝测试集数据中模型预测正确数/测试集数据的总数。当第一质量评估模型的实际准确率达到预设最低准确率，即95％以上时，则可以认为当前采用的K值比较准确，并可以将此时的第一质量评估模型确定为预设质量评估模型。

进一步地，在上述方法实施例的基础上，可以将业务质量值的最大值对应的小区确定为目标小区，相应的处理可以如下：确定所有业务质量值中的最大值，并将最大值对应的小区确定为目标小区。

在实施中，在确定出UE上报的每个小区对应的业务质量值之后，可以按照大小顺序对每个小区对应的业务质量值进行排序，如可以进行降序排列或者升序排列。然后，可以确定序列中的业务质量值的最大值，若当降序排列时，则可以选择序列中第一个为最大值；若进行升序排列时，则可以选择序列中的最后一个为最大值。之后，可以将前述最大值对应的小区确定为目标小区，以使UE可以切换至该目标小区。这样，选择业务质量值最大值对应的小区为目标小区，可以进一步避免出现由于小区切换影响到网络服务质量的情况，从而可以进一步提高用户体验，减少投诉。

可以理解，上述业务质量值可以仅是吞吐量，也可以是可以根据一个或多个业务质量参数确定的，例如可以根据吞吐率、时延、丢包率等业务质量参数。具体的，首先，可以通过预设质量评估模型确定上述每个小区对应的吞吐率、时延、丢包率。然后，可以对前述每个小区对应的吞吐率、时延、丢包率进行综合的加权打分，如可以是吞吐率占比50％，丢包率占比30％，时延占比20％，最终得到一个综合打分结果(即业务质量值)，业务质量值的分值越高表示业务质量越好，排序也越靠前。

进一步地，在上述方法实施例的基础上，可以将等级最高的业务质量值对应的小区确定为目标小区，相应的处理可以如下：按照预设等级划分规则对所有业务质量值进行等级划分，并将等级最高的业务质量值对应的小区确定为目标小区。

其中，所述预设等级划分规则指预先设定的将不同范围内的业务质量值划分为不同等级的规则，如等级越高则业务质量值也越高。

在实施中，在确定出每个小区对应的业务质量值之后，可以按照预设等级划分规则对每个小区对应的业务质量值进行等级划分。具体的，首先，可按照预设等级划分规则对每个业务质量值进行等级划分，并可以按照等级升序/降序对业务质量值进行排序。然后，可以在序列中选取等级最高的业务质量值，若是按照等级升序对业务质量值进行排序的，则序列中最后一个业务质量值为等级最高的业务质量值；若是按照等级降序对业务质量值进行排序的，则序列中第一个业务质量值为等级最高的业务质量值。然后，可以将该等级最高的业务质量值对应的小区确定为目标小区。这样，将等级最高的业务质量值对应的小区确定为目标小区，可以进一步提高网络服务质量和用户体验。

需要说明的是，当上述业务质量值中的最大值为多个或者等级最大的业务质量值为多个时，可以获取每个业务质量值对应的小区的MR的上报时刻，将上报时刻最早的小区确定为目标小区。

图2示出了本发明实施例的一种完整执行过程。首先，可以获取基站覆盖范围内的每个小区对所对应的预设条数的历史小区切换数据信息。然后，可以对前述所有历史小区切换数据信息进行数据预处理和特征标签处理，得到切换数据集。然后，可以对前述切换数据集按照预设训练比例进行数据拆分，得到训练集和测试集。之后，可以通过KNN基于训练集进行训练得到第一质量评估模型，并基于测试集评估第一质量评估模型，并进行模型调参，直至第一质量评估模型的准确率大于或等于预设最低准确率完成训练，得到预设质量评估模型。

在预设质量评估模型训练好之后，可以通过该预设质量评估模型确定目标小区。首先，可以确定UE上报的小区，并获取前述每个小区的测量数据。然后，可以通过预设质量评估模型基于所述每个小区的测量数据，确定所述每个小区对应的业务质量值，即依次将每个小区的测量数据输入至前述预设质量评估模型，得出每个小区对应的业务质量值。之后，可以基于每个小区对应的业务质量值，确定UE对应的目标小区。

图3示出了本实施例提供的一种目标小区的确定装置，包括质量值确定模块301和小区确定模块302，其中：

所述质量值确定模块301，用于获取UE上报的每个小区的测量数据，通过预设质量评估模型基于所述每个小区的测量数据，确定所述每个小区对应的业务质量值；

所述小区确定模块302，用于基于所述每个小区对应的业务质量值，确定所述UE对应的目标小区。

可选的，所述质量值确定模块301，用于：

通过所述预设质量评估模型基于当前小区的测量数据确定所述当前小区对应的预设业务质量评估参数，并基于所述当前小区对应的预设业务质量评估参数，确定所述当前小区对应的业务质量值。

可选的，所述预设业务质量评估参数包括所述当前小区对应的吞吐率、时延和丢包率；

所述质量值确定模块301，用于：

通过所述预设质量评估模型确定所述吞吐率对应的第一预设评估权重值、所述时延对应的第二预设评估权重值，及所述丢包率对应的第三预设评估权重值；

通过所述预设质量评估模型基于所述第一预设评估权重值，所述第二预设评估权重值、所述第三预设评估权重值，及所述当前小区对应的吞吐率、时延和丢包率，确定所述当前小区对应的业务质量值。

可选的，还包括模型训练模块，用于：

确定基站覆盖范围内的所有小区对，其中，所述小区对由所述基站覆盖范围内的任意两个小区组成；

获取每个小区对所对应的历史小区切换数据信息，并通过分类预测算法基于所述历史小区切换数据信息，生成预设质量评估模型。

可选的，所述模型训练模块，用于：

对所述历史小区切换数据信息进行数据预处理，得到预处理数据集，其中，所述数据预处理包括数据去重处理和异常数据处理；

对所述预处理数据集进行特征标签处理，得到切换数据集，其中，所述特征标签处理包括特征数据处理和标签数据处理；

按照预设训练比例基于所述切换数据集构建训练集，并基于所述切换数据集中除所述训练集之外的历史小区切换数据信息构建测试集。

可选的，所述模型训练模块，用于：

对所述历史小区切换数据信息进行去重处理，删除所述历史小区切换数据信息中，与当前历史小区切换数据信息完全相同的历史小区切换数据信息，得到去重数据集；

通过三西格玛准则删除所述去重数据集中的异常历史小区切换数据信息，得到预处理数据集。

可选的，所述模型训练模块，用于：

基于所述预处理数据集提取特征数据，其中，所述特征数据至少包括时间特征、源小区特征及目标小区特征；

获取所述预处理数据集中每条历史小区切换数据信息的切换速率，按照预设等级划分规则基于所述每条历史小区切换数据信息的切换速率，对所述预处理数据集的历史小区切换数据信息进行等级划分。

可选的，所述模型训练模块，用于：

基于所述训练集进行模型训练生成第一质量评估模型，并基于所述测试集检测所述第一质量评估模型的准确率是否大于或等于预设最低准确率；

若大于或等于所述预设最低准确率，则将所述第一质量评估模型确定为所述预设质量评估模型。

可选的，所述小区确定模块302，用于：

确定所述所有业务质量值中的最大值，并将所述最大值对应的小区确定为目标小区。

可选的，所述小区确定模块302，用于：

按照预设等级划分规则对所述所有业务质量值进行等级划分，并将等级最高的业务质量值对应的小区确定为目标小区。

本实施例所述的目标小区的确定装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。

参照图4，所述电子设备，包括：处理器(processor)401、存储器(memory)402和总线403；

其中，

所述处理器401和存储器402通过所述总线403完成相互间的通信；

所述处理器401用于调用所述存储器402中的程序指令，以执行上述各方法实施例所提供的方法。

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，计算机能够执行上述各方法实施例所提供的方法。

本实施例提供一种非暂态可读存储介质，所述非暂态可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法。

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。

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。