网络速率确定方法、装置及电子设备

技术领域

本申请涉及移动通信领域，尤其涉及一种网络速率确定方法、装置及电子设备。

背景技术

长期演进(Long Term Evolution，LTE)移动网络可以为终端设备提供网络服务，在提供LTE移动网络服务的不同区域，终端设备下载数据的速率(下行速率)不同，若该区域的下行速率较慢，会影响用户的上网体验。

在相关技术中，当需要确定某区域中各个子区域的下行速率时，可以通过最小化路测(Minimization of Drive-Test，MDT)方法获取各个子区域的MDT数据，分别根据各个子区域的MDT数据计算各个子区域的下行速率。然而，根据MDT数据计算下行速率的过程较为复杂，且需要分别计算各个子区域的下行速率，导致确定下行速率的效率较低。

发明内容

本申请提供一种网络速率确定方法、装置及电子设备，用以解决确定下行速率的效率较低的问题。

第一方面，本申请提供一种网络速率方法，包括：

确定待检测的第一区域，所述第一区域中包括多个栅格；

获取每个栅格对应的最小路测MDT数据和小区网络数据；

根据每个栅格对应的MDT数据和小区网络数据，确定每个栅格对应的栅格网络数据；

通过速率预测模型对每个栅格网络数据进行处理，得到每个栅格对应的下行速率；

根据每个栅格对应的下行速率，确定所述第一区域对应的下行速率分布图，所述下行速率分布图用于指示所述第一区域中的下行速率分布。

在一种可能的实施方式中，针对任意一个栅格；获取所述栅格对应的小区网络数据，包括：

获取所述栅格对应的多个MDT数据，所述MDT数据中包括位置信息、小区标识和时间戳；

根据所述多个MDT数据，确定目标小区；

将所述目标小区对应的小区网络数据，确定为所述栅格对应的小区网络数据。

在一种可能的实施方式中，根据所述多个MDT数据，确定目标小区，包括：

在所述多个MDT数据中获取至少一个小区标识；

根据所述多个MDT数据，确定各小区标识对应的MDT数据的数量；

将对应的MDT数据的数量最大的小区，确定为所述目标小区。

在一种可能的实施方式中，针对任意一个栅格；根据所述栅格对应的MDT数据和小区网络数据，确定所述栅格对应的栅格网络数据，包括：

确定多个参数标识；

在所述栅格对应的MDT数据和小区网络数据中，确定所述多个参数标识对应的参数值；

将所述多个参数标识对应的参数值确定为所述栅格网络数据。

在一种可能的实施方式中，根据每个栅格对应的下行速率，确定所述第一区域对应的下行速率分布图，包括：

获取所述第一区域对应的初始地图；

根据每个栅格对应的下行速率，确定每个栅格对应的渲染颜色；

在所述初始地图中渲染每个栅格对应的渲染颜色，得到所述下行速率分布图。

在一种可能的实施方式中，根据每个栅格对应的下行速率，确定所述第一区域对应的下行速率分布图之后，还包括：

根据所述下行速率分布图，在所述第一区域中确定目标区域，所述目标区域对应的下行速率小于或等于预设阈值。

在一种可能的实施方式中，所述速率预测模型为通过如下步骤训练得到的：

获取样本数据，所述样本数据中包括样本栅格网络数据和所述样本栅格网络数据对应的样本下行速率；

根据所述样本数据进行模型训练，得到所述多个待选模型；

通过堆叠算法对所述多个待选模型进行堆叠处理，得到所述速率预测模型。

在一种可能的实施方式中，获取样本数据，包括：

获取样本栅格的样本栅格网络数据，所述样本栅格网络数据中包括位置信息；

获取测量报告MR数据，所述MR数据中包括位置信息和所述样本下行速率；

根据所述样本栅格网络数据中的位置信息、以及所述MR数据中的位置信息，对所述MR数据和所述样本网络栅格数据进行关联处理，得到所述样本数据。

第二方面，本申请提供一种网络速率确定装置，包括：第一确定模型、获取模型、第二确定模型、网络数据处理模型和第三确定装置，其中，

所述第一确定模块用于，确定待检测的第一区域，所述第一区域中包括多个栅格；

所述获取模块用于，获取每个栅格对应的最小路测MDT数据和小区网络数据；

所述第二确定模块用于，根据每个栅格对应的多个MDT数据和小区网络数据，确定每个栅格对应的栅格网络数据；

所述数据处理模块用于，通过速率预测模型对每个栅格网络数据进行处理，得到每个栅格对应的下行速率；

所述第三确定模块用于，根据每个栅格对应的下行速率，确定所述第一区域对应的下行速率分布图，所述下行速率分布图用于指示所述第一区域的下行速率分布。

在一种可能的实施方式中，针对任意一个栅格；所述获取模块具体用于：

获取所述栅格对应的多个MDT数据，所述MDT数据中包括位置信息、小区标识和时间戳；

根据所述多个MDT数据，确定目标小区；

将所述目标小区对应的小区网络数据，确定为所述栅格对应的小区网络数据。

在一种可能的实施方式中，所述获取模块具体用于：

在所述多个MDT数据中获取至少一个小区标识；

根据所述多个MDT数据，确定各小区标识对应的MDT数据的数量；

将对应的MDT数据的数量最大的小区，确定为所述目标小区。

在一种可能的实施方式中，针对任意一个栅格；所述第二确定模块具体用于：

确定多个参数标识；

在所述栅格对应的MDT数据和小区网络数据中，确定所述多个参数标识对应的参数值；

将所述多个参数标识对应的参数值确定为所述栅格网络数据。

在一种可能的实施方式中，所述第三确定模块具体用于：

获取所述第一区域对应的初始地图；

根据每个栅格对应的下行速率，确定每个栅格对应的渲染颜色；

在所述初始地图中渲染每个栅格对应的渲染颜色，得到所述下行速率分布图。

在一种可能的实施方式中，所述装置还包括第四确定模块，其中，

所述第四确定模块用于，根据所述下行速率分布图，在所述第一区域中确定目标区域，所述目标区域对应的下行速率小于或等于预设阈值。

在一种可能的实施方式中，所述数据处理模块具体用于：

获取样本数据，所述样本数据中包括样本栅格网络数据和所述样本栅格网络数据对应的样本下行速率；

根据所述样本数据进行模型训练，得到所述多个待选模型；

通过堆叠算法对所述多个待选模型进行堆叠处理，得到所述速率预测模型。

在一种可能的实施方式中，所述数据处理模块具体用于：

获取样本栅格的样本栅格网络数据，所述样本栅格网络数据中包括位置信息；

获取测量报告MR数据，所述MR数据中包括位置信息和所述样本下行速率；

根据所述样本栅格网络数据中的位置信息、以及所述MR数据中的位置信息，对所述MR数据和所述样本网络栅格数据进行关联处理，得到所述样本数据。

第三方面，本申请提供一种电子设备，包括：存储器和处理器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行第一方面任一项所述的网络速率确定方法。

第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现第一方面任一项所述的网络速率确定方法。

第五方面，本申请提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面任一项所示的网络速率确定方法。

本申请提供的网络速率确定方法、装置及电子设备，在确定待检测的第一区域后，可以通过对第一区域进行栅格划分，获取第一区域中的每个栅格对应的最小路测MDT数据和小区网络数据。根据每个栅格对应的MDT数据和小区网络数据，确定每个栅格对应的栅格网络数据，通过速率预测模型对每个栅格网络数据进行处理，得到每个栅格对应的下行速率，根据每个栅格对应的下行速率，确定第一区域对应的下行速率分布图。可以快速的得到第一区域中各个子区域的下行速率，提高了确定网络速率的效率。

附图说明

图1为本申请提供的应用场景的示意图；

图2为本申请提供的一种网络速率确定方法的流程示意图；

图3为本申请提供的一种下行速率预测的示意图；

图4为本申请提供的另一种网络速率确定方法的流程示意图；

图5A为本申请提供的一种第一区域对应的初始地图的示意图；

图5B为本申请提供的一种下行速率分布图的示意图；

图5C为本申请提供的一种目标区域的示意图；

图5D为本申请提供的一种聚类后的目标区域的示意图；

图6为本申请提供的速率预测模型的训练过程的流程示意图；

图7为本申请提供的一种网络速率确定装置的结构示意图；

图8为本申请提供的一种电子设备的结构示意图。

具体实施方式

图1为本申请实施例提供的应用场景的示意图。请参见图1，包括待检测区域101、多个终端设备102和处理设备103。

待检测区域101中可能存在多个终端设备102。终端设备102可以通过LTE移动网络进行数据的上传和下载。终端设备102可以包括手机、平板电脑、电视和笔记本电脑等。

处理设备103可以获取待检测区域101内的多个终端设备102的网络数据，并根据网络数据确定待检测区域101的下行速率分布图，该下行速率分布图可以指示出待检测区域101的下行速率分布，即，下行速率分布图可以指示出待检测区域101中各子区域的下行速率。

在相关技术中，当需要确定某区域中各个子区域的下行速率时，可以通过最小化路测(Minimization of Drive-Test，MDT)方法获取各个子区域的MDT数据，分别根据各个子区域的MDT数据计算各个子区域的下行速率。然而，根据MDT数据计算下行速率的过程较为复杂，且需要分别计算各个子区域的下行速率，导致确定下行速率的效率较低。

在本申请实施例中，在确定待检测的第一区域后，可以将第一区域划分为多个栅格，并根据每个栅格的MDT数据和小区网络数据，确定每个栅格的栅格网络数据，通过速率预测模型预测每个栅格的下行速率，确定下行速率分布图，该下行速率分布图可以指示出第一区域的下行速率分布。在上述过程中，通过对第一区域进行栅格划分、以及通过速率预测模型预测各个栅格的下行速率，可以快速的确定得到第一区域中各个子区域的下行速率，提高了确定网络速率的效率。

下面，通过具体实施例对本申请所示的方法进行说明。需要说明的是，下面几个实施例可以单独存在，也可以互相结合，对于相同或相似的内容，在不同的实施例中不再重复说明。

图2为本申请实施例提供的网络速率确定方法的流程示意图。请参见图2，该方法可以包括：

S201、确定待检测的第一区域。

本申请实施例的执行主体可以为处理设备，也可以为设置在处理设备中的网络速率确定装置。网络速率确定装置可以通过软件实现，也可以通过软件和硬件的结合实现。

若需要确定某区域的下行速率的分布情况，可以将该区域确定为待检测的第一区域。

第一区域中可以包括多个栅格，可以对第一区域进行栅格划分，以得到第一区域中的多个栅格。例如，一个栅格可以为50米*50米的区域，在实际应用过程中，可以根据实际需要设置栅格的大小。

S202、获取每个栅格对应的多个MDT数据和小区网络数据。

在第一区域中设置有采样点，可以通过终端设备在采样点进行采样，以得到采样点的MDT数据。MDT数据可以包括小区标识、位置信息、时间戳、参考信号接收功率(Reference Signal Receiving Power，RSRP)和参考信号接收质量(Reference SignalReceiving Quality，RSRQ)等。

位置信息是指MDT数据对应的采样点的位置信息。

时间戳是指从格林威治时间1970年01月01日00时00分00秒(北京时间1970年01月01日08时00分00秒)至获取MDT数据后的总秒数。

可以根据终端设备采样得到的第一RSRP减去140，得到MDT数据中的RSRP。

可以根据终端设备采样得到的第一RSRQ减去40后，除以2得到MDT数据中的RSRQ。

在每个栅格中可以对应多个采样点，可以根据每个栅格对应的多个采样点，获取每个栅格对应的多个MDT数据。

每个栅格可以对应至少一个MDT数据。例如，栅格对应的MDT数据可以如表1所示。

表1

不同MDT数据的小区标识可以相同，也可以不相同。例如，假设栅格1对应的区域中包括MDT数据1、MDT数据2和MDT数据3，MDT数据1对应的小区标识为小区1，MDT数据2对应的小区标识为小区1，MDT数据3对应的小区标识为小区2，则MDT数据1对应的小区标识与MDT数据2对应的小区标识相同，MDT数据1对应的小区标识与MDT数据3对应的小区标识不同。

每个小区可以有对应的小区网络数据。小区网络数据中可以包括下行物理资源模块(Physical Resource Block，PRB)的利用率、平均用户数、上行干扰值、下行数据重传率和时间戳等。

S203、根据每个栅格对应的MDT数据和小区网络数据，确定每个栅格对应的栅格网络数据。

针对任意一个栅格，通过如下方式确定该栅格对应的栅格网络数据：可以对该栅格对应的MDT数据和小区网络数据进行组合处理得到多个网络数据，并将该多个网络数据中重要程度较高的部分网络数据确定为该栅格对应的栅格网络数据。

例如，栅格网络数据中可以包括RSRP、RSRQ、上行PRB利用率、下行PRB利用率和平均用户数等。

例如，栅格1的栅格网络数据可以如表2所示。

表2

S204、通过速率预测模型对每个栅格网络数据进行处理，得到每个栅格对应的下行速率。

下面，结合图3，对通过速率预测模型预测下行速率进行说明。

图3为本申请实施例提供的一种下行速率预测的示意图。请参见图3，针对任意一个栅格，可以根据栅格对应的MDT数据和小区网络数据，确定栅格网络数据，将该栅格网络数据作为速率预测模型的输入，通过速率预测模型的得到该栅格对应的下行速率。

例如，假设栅格1的栅格网络数据可以如表2所示，通过速率预测模型可以得到栅格1的下行速率Y

每个栅格对应的下行速率可以如表3所示。

表3

S205、根据每个栅格对应的下行速率，确定第一区域对应的下行速率分布图。

可以根据每个栅格的位置信息以及每个栅格对应的下行速率，确定第一区域对应的下行速率分布图。

下行速率分布图可以用于指示第一区域中的下行速率分布。

本申请实施例提供的网络速率确定方法，在确定待检测的第一区域后，可以获取第一区域中的每个栅格对应的最小路测MDT数据和小区网络数据；根据每个栅格对应的MDT数据和小区网络数据，确定每个栅格对应的栅格网络数据；通过速率预测模型对每个栅格网络数据进行处理，得到每个栅格对应的下行速率；根据每个栅格对应的下行速率，确定第一区域对应的下行速率分布图。在上述过程中，可以通过对第一区域进行栅格划分、以及通过速率预测模型预测各个栅格的下行速率，可以快速的得到第一区域中各个子区域的下行速率，提高了确定网络速率的效率。

图4为本申请实施例提供的一种网络速率确定方法的流程示意图。请参见图4，该方法可以包括：

S401、确定待检测的第一区域，第一区域中包括多个栅格。

在确定得到第一区域之后，需要确定第一区域中各栅格对应的下行速率，确定各个栅格对应的下行速率的过程相同，下面，结合S402-S410对确定任意一个栅格对应的下行速率的过程进行说明。

S402、获取栅格对应的多个MDT数据。

S401-S402的执行过程可以参见S201-S202的执行过程，此处不再进行赘述。

S403、在栅格对应的多个MDT数据中获取至少一个小区标识。

例如，假设栅格1对应的多个MDT数据可以如表4所示，则可以获得两个小区标识，分别为小区1和小区2。

表4

S404、根据多个MDT数据，确定各小区标识对应的MDT数据的数量。

例如，假设栅格1对应的多个MDT数据可以如表4所示，可以确定两个小区标识，分别为小区1和小区2，则小区1对应的MDT数据的数量为2，小区2对应的MDT数据的数量为1。

S405、将对应的MDT数据的数量最大的小区，确定为目标小区。

例如，假设在栅格1对应的多个MDT数据中可以确定两个小区标识，分别为小区1和小区2，小区1对应的MDT数据的数量为2，小区2对应的MDT数据的数量为1，小区1对应的MDT数据的数量大于小区2对应的MDT数据的数量，则将小区1确定为目标小区。

S406、将目标小区对应的小区网络数据，确定为栅格对应的小区网络数据。

例如，假设栅格1的目标小区为小区1，则将小区1对应的小区网络数据确定为栅格1对应的小区网络数据。

S407、确定多个参数标识。

在MDT数据和小区网络数据中确定多个待选参数标识，并通过特征处理方法确定每个待选参数标识的重要度，根据重要度由高到低的顺序对多个待选参数标识进行排序，得到排序结果，将排序结果中前N的待选参数标识确定为多个参数标识，N为大于或等于1的整数。

特征处理方法可以包括随机森林。

参数标识可以包括RSRP标识、RSRQ标识、下行PRB利用率标识、平均用户数标识、上行干扰标识和下行数据重传率标识等。

例如，假设在MDT数据和小区网络数据中确定6个待选参数标识，分别为RSRP、RSRQ、下行PRB利用率、平均用户数、上行干扰和下行数据重传率，通过随机森林进行处理后，得到各待选参数标识的重要度以及排序结果如表5所示，假设N为4，则得到的4个参数标识，参数标识分别为RSRP标识、RSRQ标识、下行PRB利用率标识、平均用户数标识。

表5

S408、在栅格对应的MDT数据和小区网络数据中，确定多个参数标识对应的参数值。

例如，假设参数标识中包括RSRP、RSRQ、下行PRB利用率标识、平均用户数标识和下行数据重传率标识，MDT数据中RSRP为-32，RSRQ为-8，小区网络数据中下行PRB利用率为37％，平均用户数为3，下行数据重传率10％，则RSRP的参数值为-32，RSRQ的参数值为-8，下行PRB利用率的参数值为37％，平均用户数的参数值为3，下行数据重传率的参数值为10％。

S409、将多个参数标识对应的参数值确定为栅格网络数据。

例如，假设参数标识可以包括RSRP、RSRQ、下行PRB利用率、平均用户数和下行重传率，RSRP的参数值为-32，RSRQ的参数值为-8，下行PRB利用率的参数值为37％，平均用户数的参数值为2，下行重传率为10％，则可以获得如表6所示的栅格网络数据。

表6

S410、通过速率预测模型对栅格网络数据进行处理，得到栅格对应的下行速率。

S410的执行过程可以参见S204的执行过程，此处不再进行赘述。

针对每个栅格，重复执行S402-S410的过程，可以确定得到每个栅格对应的下行速率。

S411、获取第一区域对应的初始地图。

可以通过第三方平台获取初始地图。

S412、根据每个栅格对应的下行速率，确定每个栅格对应的渲染颜色。

可以将下行速率划分为不同的速率区间，不同的速率区间对应不同的渲染颜色。不同的速率区间对应的渲染颜色可以如表7所示。

表7

例如，假设栅格1对应的下行速率为15M，该下行速率大于10M且小于或等于20M，则栅格1的渲染颜色为蓝色。

S413、在初始地图中渲染每个栅格对应的渲染颜色，得到下行速率分布图。

可以通过Python在初始地图中渲染每个栅格对应的渲染颜色，得到下行速率分布图。

S414、根据下行速率分布图，在第一区域中确定目标区域。

目标区域对应的下行速率小于或等于预设阈值。

例如，假设下行速率的预设阈值设置为10M，则可以获取下行速率小于或等于10M的多个栅格，将该多个栅格在第一区域中对应的子区域确定为目标区域。

可选的，在确定目标区域后，可以根据目标区域的位置信息，对目标区域进行聚类，得到聚类后的目标区域。

可以通过高斯混合模型算法对目标区域进行聚类。

在图4所示的实施例中，可以通过速率预测模型预测各个栅格的下行速率，可以快速的得到第一区域中各个子区域的下行速率，并根据下行速率得到第一区域的下行速率分布图，在下行速率分布图中确定目标区域，提高了确定网络速率的效率。

下面，结合图5A-图5D，对得到下行速率分布图、以及确定目标区域的过程进行进一步说明。

图5A为本申请实施例提供的一种第一区域对应的初始地图的示意图。请参加图5A，初始地图中包括第一区域的地形轮廓和第一区域重要的交通线路。

图5B为本申请实施例提供的一种下行速率分布图的示意图。请参见图5B，下行速率分布图中包括初始地图和每个栅格对应的渲染颜色。在初始地图上渲染每个栅格对应的渲染颜色，得到下行速率分布图。其中，绿色通过斜杠填充栅格、黄色通过方格填充栅格，蓝色通过斜格填充栅格，紫色通过无色方格填充栅格，红色通过点填充栅格。

图5C为本申请实施例提供的一种目标区域的示意图。请参见图5C，下行速率的预设阈值设置为10M，确定下行速率小于或等于10M的多个栅格，将该多个栅格在第一区域中对应的子区域确定为目标区域，在第一区域对应的初始地图上渲染该多个栅格对应的渲染颜色(紫色和红色)，其中，紫色通过无色方格填充栅格，红色通过点填充栅格。

图5D为本申请实施例提供的一种聚类后的目标区域的示意图。请参见图5D，通过高斯混合模型算法对图5C所示的目标区域进行聚类，确定出下行速率较差的目标子区域，在初始地图中用虚线圈定目标子区域，得到聚类后的目标区域。

在上述任意一个实施例的基础上，下面，结合图6，对速率预测模型的训练过程进行进一步详细说明。

图6为本申请实施例提供的速率预测模型的训练过程的流程示意图。请参见图6，该方法可以包括：

S601、获取样本栅格的样本栅格网络数据。

S601执行过程可以参见S401-S409的执行过程，此处不再进行赘述。

样本栅格网络数据中可以包括位置信息、RSRP、RSRQ和下行PRB利用率等，样本栅格网络数据可以如表8所示。

表8

S602、获取MR数据。

可以通过第三方平台获取测量报告(Measurement Report，MR)数据，MR数据中可以包括位置信息和样本下行速率。MR数据可以如表9所示。

表9

S603、根据样本栅格网络数据中的位置信息、以及MR数据中的位置信息，对MR数据和样本网络栅格数据进行关联处理，得到样本数据。

例如，假设样本栅格网络数据中包括网络栅格数据1和网络栅格数据2，网络栅格数据1的位置信息为位置11，网络栅格数据2的位置信息为位置12，MR数据中包括MR数据1和MR数据2，MR数据的位置信息为21，MR数据2的位置信息为22。假设位置11和位置21的相同，则对网络栅格数据1和MR数据1进行关联，得到样本数据的样本数据1，假设位置12和位置22的相同，则对网络栅格数据2和MR数据2进行关联，得到样本数据的样本数据2。

样本数据中可以包括样本栅格网络数据和样本栅格网络数据对应的样本下行速率。样本数据可以如表10所示。

表10

可选的，可以对样本数据进行数据处理，数据处理可以包括删除缺少值、删除异常值和删除离群值。

S604、根据样本数据进行模型训练，得到多个待选模型。

可以根据样本数据对多个模型进行模型训练，得到多个模型对应的训练精度。根据多个模型对应的训练精度，对多个模型进行排序(训练精度从高到低)，得到排序结果。根据排序结果，确定前M个模型为待选模型，其中M为大于或等于1的整数。

待选模型可以包括梯度提升、xgboost、lightgbm和随机森林等。

S605、通过堆叠算法对多个待选模型进行堆叠处理，得到速率预测模型。

可以通过速率预测模型对栅格的下行速率进行预测。

本申请实施例提供的速率预测模型的训练过程，在获取样本栅格的样本栅格网络数据和MR数据后，可以根据样本栅格网络数据中的位置信息、以及MR数据中的位置信息，对MR数据和样本网络栅格数据进行关联处理，得到样本数据，根据样本数据进行模型训练，得到多个待选模型，通过堆叠算法对多个待选模型进行堆叠处理，得到速率预测模型。在上述过程中，可以根据样本数据进行模型训练，得到速率预测模型，根据速率训练模型预测下行速率，提高了确定网络速率的效率。

图7为本申请实施例提供的一种网络速率确定装置10的结构示意图。请参见图7，该网络速率确定装置可以包括第一确定模型11、获取模型12、第二确定模型13、网络数据处理模型14和第三确定装置15，其中，

第一确定模块11用于，确定待检测的第一区域，第一区域中包括多个栅格；

获取模块12用于，获取每个栅格对应的最小路测MDT数据和小区网络数据；

第二确定模块13用于，根据每个栅格对应的多个MDT数据和小区网络数据，确定每个栅格对应的栅格网络数据；

数据处理模块14用于，通过速率预测模型对每个栅格网络数据进行处理，得到每个栅格对应的下行速率；

第三确定模块15用于，根据每个栅格对应的下行速率，确定第一区域对应的下行速率分布图，下行速率分布图用于指示第一区域的下行速率分布。

本申请实施例提供的网络速率确定可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。

在一种可能的实施方式中，针对任意一个栅格；获取模块12具体用于：

获取栅格对应的多个MDT数据，MDT数据中包括位置信息、小区标识和时间戳；

根据多个MDT数据，确定目标小区；

将目标小区对应的小区网络数据，确定为栅格对应的小区网络数据。

在一种可能的实施方式中，获取模块12具体用于：

在多个MDT数据中获取至少一个小区标识；

根据多个MDT数据，确定各小区标识对应的MDT数据的数量；

将对应的MDT数据的数量最大的小区，确定为目标小区。

在一种可能的实施方式中，针对任意一个栅格；第二确定模块13具体用于：

确定多个参数标识；

在栅格对应的MDT数据和小区网络数据中，确定多个参数标识对应的参数值；

将多个参数标识对应的参数值确定为栅格网络数据。

在一种可能的实施方式中，第三确定模块15具体用于：

获取第一区域对应的初始地图；

根据每个栅格对应的下行速率，确定每个栅格对应的渲染颜色；

在初始地图中渲染每个栅格对应的渲染颜色，得到下行速率分布图。

在一种可能的实施方式中，装置还包括第四确定模块16，其中，

第四确定模块16用于，根据下行速率分布图，在第一区域中确定目标区域，目标区域对应的下行速率小于或等于预设阈值。

在一种可能的实施方式中，数据处理模块14具体用于：

获取样本数据，样本数据中包括样本栅格网络数据和样本栅格网络数据对应的样本下行速率；

根据样本数据进行模型训练，得到多个待选模型；

通过堆叠算法对多个待选模型进行堆叠处理，得到速率预测模型。

在一种可能的实施方式中，数据处理模块14具体用于：

获取样本栅格的样本栅格网络数据，样本栅格网络数据中包括位置信息；

获取测量报告MR数据，MR数据中包括位置信息和样本下行速率；

根据样本栅格网络数据中的位置信息、以及MR数据中的位置信息，对MR数据和样本网络栅格数据进行关联处理，得到样本数据。

本申请实施例提供的网络速率确定装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。

本申请实施例提供一种电子设备的结构示意图，请参见图8，该电子设备20可以包括处理器21和存储器22。示例性地，处理器21、存储器22，各部分之间通过总线23相互连接。

存储器22存储计算机执行指令；

处理器21执行存储器22存储的计算机执行指令，使得处理器21执行如上述方法实施例所示的网络速率确定方法。

相应地，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当计算机执行指令被处理器执行时用于实现上述方法实施例的网络速率确定方法。

相应地，本申请实施例还可提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，可实现上述方法实施例所示的网络速率确定方法。

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。

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。

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。

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。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。