本公开涉及深度学习，尤其涉及一种路测数据处理方法、装置、设备及存储介质。
背景技术：
1、干扰每提升10db，上行速率下降50％-92％，下行速率下降9％-23％。网络的网间干扰成影响网络整体质量，若能在基站建设前预先识别到可能会受网间干扰影响的规划点位，将极大提升规划站点的投放价值和用户使用感知。
2、现有的规划站网间干扰分析方法主要为人工对扫频仪测试数据进行分析，容易遗漏，依赖于员工经验、工作效率低。因而，如何精确的分析规划站的干扰情况，是目前需要解决的问题。
技术实现思路
1、本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
2、本公开第一方面实施例提出了一种路测数据处理方法，包括：
3、获取路测数据集及每个规划点的第一经纬度，其中，每条所述路测数据中包括采样点的第二经纬度、采样频率及干扰值；
4、基于各所述第一经纬度，构建规划点二叉树；
5、基于每条所述路测数据中的第二经纬度，对所述二叉树进行遍历，以确定每个所述规划点关联的采样点集合；
6、基于预设的干扰识别模型，对每个所述采样点集合中的路测数据进行识别，以确定每个采样点的干扰类型。
7、本公开第二方面实施例提出了一种路测数据处理装置，包括：
8、获取模块，用于获取路测数据集及每个规划点的第一经纬度，其中，每条所述路测数据中包括采样点的第二经纬度、采样频率及干扰值；
9、构建模块，用于基于各所述第一经纬度，构建规划点二叉树；
10、第一确定模块，用于基于每条所述路测数据中的第二经纬度，对所述二叉树进行遍历，以确定每个所述规划点关联的采样点集合；
11、第二确定模块，用于基于预设的干扰识别模型，对每个所述采样点集合中的路测数据进行识别，以确定每个采样点的干扰类型。
12、本公开第三方面实施例提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本公开第一方面实施例提出的路测数据处理方法。
13、本公开第四方面实施例提出了一种非临时性计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如本公开第一方面实施例提出的路测数据处理方法。
14、本公开提供的路测数据处理方法、装置、设备及存储介质，存在如下有益效果：
15、本公开实施例中，首先获取路测数据集及每个规划点的第一经纬度，其中，每条所述路测数据中包括采样点的第二经纬度、采样频率及干扰值，然后基于各所述第一经纬度，构建规划点二叉树，之后基于每条所述路测数据中的第二经纬度，对所述二叉树进行遍历，以确定每个所述规划点关联的采样点集合，然后基于预设的干扰识别模型，对每个所述采样点集合中的路测数据进行识别，以确定每个采样点的干扰类型。由此，可以对原始测试采样的路测数据集进行自动统计、分析和快速评估，自动输出每个规划站点位置的网间干扰情况，智能化判断是否会受到网间干扰，解决现有方法自动化和智能化程度低问题，通用性强，可升级实现不同频率范围分析处理，在实际中应用中可极大的降低现场验证工作量，实现自动化、个性化数据分析工作，降低人工成本。
16、本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
1.一种路测数据处理方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，在所述获取路测数据集之后，还包括：
3.如权利要求1所述的方法，其特征在于，所述获取路测数据集，包括：
4.如权利要求1所述的方法，其特征在于，所述基于每条所述路测数据中的第二经纬度，对所述二叉树进行遍历，以确定每个所述规划点关联的采样点集合，包括：
5.如权利要求4所述的方法，其特征在于，根据匹配结果确定待匹配的目标分支节点的过程，包括：
6.如权利要求1所述的方法，其特征在于，在所述基于预设的干扰识别模型，对每个所述采样点集合中的路测数据进行识别之前，还包括：
7.如权利要求6所述的方法，其特征在于，所述根据由所述干扰类型及各级子节点构成的决策树，对校验数据集的干扰类型识别结果，将所述决策树进行剪枝处理，包括：
8.如权利要求7所述的方法，其特征在于，所述将所述决策树进行剪枝处理，包括：
9.如权利要求8所述的方法，其特征在于，所述对每个所述采样点集合中的路测数据进行识别，以确定每个采样点的干扰类型，包括：
10.一种路测数据处理装置，其特征在于，包括：
11.一种电子设备，包括：
12.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-9中任一所述的路测数据处理方法。
13.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序在被处理器执行时实现如权利要求1-9中任一所述的路测数据处理方法。
