本公开涉及通信，具体而言，涉及一种弱覆盖区域识别方法、弱覆盖区域识别装置、电子设备以及计算机可读存储介质。
背景技术：
1、通信基础建设不断完善的大背景下，随着用户对数据业务的需求不断提升，室内环境作为数据业务的主要应用场所，展现出了多样化的需求，为了优化信号质量、提升用户感知，需要精准地定位识别室内弱覆盖区域。
2、现有的室内弱覆盖区域定位方法普遍采用了基于射线跟踪技术的位置指纹法，通过距离损耗模型计算位置和信号强度，但考虑到室内覆盖环境非常复杂，周围其他信号的干扰及墙壁等物质的反射，遮挡等都会影响信号强度，该方法识别准确性不高。此外，该方法还需要足够的样本作为支撑，而实际情况往往很难采集到足够的样本，从而导致模型覆盖面不够，进而影响识别结果。
技术实现思路
1、本公开的目的在于提供一种弱覆盖区域识别方法、弱覆盖区域识别装置、电子设备以及计算机可读存储介质，从而在一定程度上解决了相关技术存在的由于室内覆盖环境非常复杂或很难采集到足够的样本造成的识别覆盖面不全面不准确等问题。
2、根据本公开的第一方面，提供一种弱覆盖区域识别方法，包括：采集室内基站的场强数据及用户的定位数据，并基于用户标识及时间戳关联所述场强数据及所述定位数据，得到采样点数据，其中，所述场强数据及所述定位数据包含所述用户标识及所述时间戳；对室内空间进行栅格化处理，确定所述采样点数据的归属栅格，并计算各所述归属栅格的场强值；依据所述归属栅格的场强值通过预设插值算法补充空白栅格的场强值；将场强值小于预设阈值的栅格确定为弱覆盖栅格，并对所述弱覆盖栅格进行聚类运算，得到所述室内基站的弱覆盖区域。
3、在本公开的一种示例性实施例中，所述对室内空间进行栅格化处理，确定所述采样点数据的归属栅格，包括：依据室内空间的建筑布局及楼宇边界图层信息确定相对坐标系的原点及坐标轴，得到场强栅格图；沿坐标轴方向，以预设单位长度，将所述室内空间划分为多个栅格，依据所述定位数据确定所述用户在所述相对坐标系中的位置坐标，并基于所述位置坐标确定对应的所述归属栅格。
4、在本公开的一种示例性实施例中，所述计算各所述归属栅格的场强值，包括：计算落入各所述归属栅格的所述采样点数据场强值的平均值，并将所述平均值作为对应所述归属栅格的场强值。
5、在本公开的一种示例性实施例中，所述依据所述归属栅格的场强值通过预设插值算法补充空白栅格的场强值，包括：计算所述采样点数据两两之间的距离，构建距离矩阵，并计算所述采样点数据两两之间的半方差；依据所述距离矩阵及所述半方差拟合插值曲线，所述插值曲线用于描述所述距离矩阵及所述半方差的函数关系；针对各所述空白栅格，选择多个所述采样点数据作为已知点代入所述插值曲线，求解所述插值曲线的克里金系数；根据所述克里金系数确定对所述已知点的场强值进行加权求和，得到所述空白栅格的场强值。
6、在本公开的一种示例性实施例中，所述方法还包括：计算所述采样点数据与各所述室内基站之间的距离权重，并构建基站距离权重矩阵；依据所述基站距离权重矩阵改进所述插值曲线，并求解改进后的所述插值曲线的克里金系数；根据所述克里金系数及对应的所述距离权重对所述已知点的场强值进行加权求和，得到所述空白栅格的场强值。
7、在本公开的一种示例性实施例中，所述对所述弱覆盖栅格进行聚类运算，得到所述室内基站的弱覆盖区域，包括：依据所述室内基站之间的距离选取合适的聚类半径，并以所述聚类半径对所述弱覆盖栅格进行聚类运算，得到弱覆盖栅格簇；依据聚类结果剔除非弱覆盖栅格簇的栅格，得到所述弱覆盖区域；在所述场强栅格图中标记弱覆盖区域，并输出相应的坐标范围。
8、在本公开的一种示例性实施例中，在所述依据聚类结果剔除非弱覆盖栅格簇的栅格之后，所述方法还包括：针对每一个所述弱覆盖栅格簇，遍历该所述弱覆盖栅格簇中每一个栅格的相邻栅格，并将满足预设条件的所述相邻栅格并入所述弱覆盖栅格簇。
9、根据本公开的第二方面，提供一种弱覆盖区域识别装置，包括：数据采集单元，用于采集室内基站的场强数据及用户的定位数据，并基于用户标识及时间戳关联所述场强数据及所述定位数据，得到采样点数据，其中，所述场强数据及所述定位数据包含所述用户标识及所述时间戳；栅格场强确定模块，用于对室内空间进行栅格化处理，确定所述采样点数据的归属栅格，并计算各所述归属栅格的场强值；插值模块，用于依据所述归属栅格的场强值通过预设插值算法补充空白栅格的场强值；弱覆盖区域识别模块，用于将场强值小于预设阈值的栅格确定为弱覆盖栅格，并对所述弱覆盖栅格进行聚类运算，得到所述室内基站的弱覆盖区域。
10、根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。
11、根据本公开的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的方法。
12、本公开示例性实施例可以具有以下部分或全部有益效果：
13、在本公开示例实施方式所提供的弱覆盖区域识别方法中，采集室内基站的场强数据及用户的定位数据，并基于用户标识及时间戳关联场强数据及定位数据，得到采样点数据，其中，上述场强数据及定位数据包含用户标识及时间戳；对室内空间进行栅格化处理，确定采样点数据的归属栅格，并计算各归属栅格的场强值；依据归属栅格的场强值通过预设插值算法补充空白栅格的场强值；将场强值小于预设阈值的栅格确定为弱覆盖栅格，并对弱覆盖栅格进行聚类运算，得到室内基站的弱覆盖区域。本公开所提供的弱覆盖区域识别方法，一方面，基于定位数据及场强数据，通过预设插值法补充场强信息缺失的区域，打破了现有技术方法覆盖场景不够全面的局限性，反映室内真实情况。另一方面，结合聚类算法解决用户分布不均匀、识别区域过于分散、局部数据缺失或异常等问题，完成室内弱覆盖区域的识别，有效地提高了室内弱覆盖区域识别定位的准确性与泛化能力。
14、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
1.一种弱覆盖区域识别方法，其特征在于，包括：
2.根据权利要求1所述的弱覆盖区域识别方法，其特征在于，所述对室内空间进行栅格化处理，确定所述采样点数据的归属栅格，包括：
3.根据权利要求2所述的弱覆盖区域识别方法，其特征在于，所述计算各所述归属栅格的场强值，包括：
4.根据权利要求2所述的弱覆盖区域识别方法，其特征在于，所述依据所述归属栅格的场强值通过预设插值算法补充空白栅格的场强值，包括：
5.根据权利要求4所述的弱覆盖区域识别方法，其特征在于，所述方法还包括：
6.根据权利要求2所述的弱覆盖区域识别方法，其特征在于，所述对所述弱覆盖栅格进行聚类运算，得到所述室内基站的弱覆盖区域，包括：
7.根据权利要求6所述的弱覆盖区域识别方法，其特征在于，在所述依据聚类结果剔除非弱覆盖栅格簇的栅格之后，所述方法还包括：
8.一种弱覆盖区域识别装置，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。
10.一种电子设备，其特征在于，包括：
