基于空间相邻分析的基站数据模型与算法研究

【摘 要】空间相邻分析是站址合理性评估的一个常用方法，为了实现相邻分析过程的自动化、可视化和信息化，采用叠置分析、Delaunay三角网、泰森多边形等GIS空间分析方法来进行通信基站的相邻分析、资源站点和站间距离分析，建立流程化的建模体系，并以面向对象的空间数据模型组织数据成果，构建结构化的多维分析数据模型。

【关键词】近邻分析 叠置分析 站间距离 狄洛尼三角网 泰森多边形

doi：10.3969/j.issn.1006-1010.2016.01.007 中国分类号：TN929.5 文献标识码：A 文章编号：1006-1010（2016）01-0034-05

引用格式：谭云婷，熊珊. 基于空间相邻分析的基站数据模型与算法研究[J]. 移动通信， 2016，40（1）： 34-38.

Research on Base Station Data Model and Algorithm Based on

Spatial Neighbor Analysis

TAN Yun-ting， XIONG Shan

（GCI Plan & Design Institute of Communication Engineering， Guangzhou 510310， China）

[Abstract] Spatial neighbor analysis is a commonly-used way to evaluate the feasibility of base station （BS） location. In order to realize the automation， visualization and informatization of neighbor analysis， GIS spatial analysis techniques， including overlay analysis， Delaunay triangulation （TIN） and Voronoi， were adopted to take neighbor analysis of BS， analyze resource site and station distance， build flow model system. The object-oriented spatial data model was used to organize data result and construct the structural multi-dimensional analysis data model.

[Key words] neighbor analysis overlay analysis station distance Delaunay triangulation Voronoi

1 引言

在通信规划设计中，GIS空间分析技术被广泛应用于基站相邻分析，如何高效利用通信基站分布信息，结合日趋成熟的空间分析技术，构建能持续更新、信息量丰富的空间数据模型，不仅是基站数据挖掘与知识发现的前沿，也代表了通信规划GIS的发展方向。

为了实现对分析算法的复用以及对成果数据的扩展应用，围绕基站相邻分析设计一套空间数据模型，对相邻关系、站间距离、周边资源算法进行优化集成，建立流程化的建模工具，降低空间分析算法的使用难度，提高通信基站的成果利用率与应用水平。

2 分析思路

对基站布局分析模型的研究主要包含两方面内容，分别是建模算法以及数据模型，采用数据驱动的分析思路，从站址相邻分析关键参数开展空间数据库的设计，面向目标数据模型，思考通信基站导向数据成果的算法体系。

基站相邻分析数据模型的设计充分考虑空间信息的完整性以及分析数据的关联性，主要包括结构化的全网站点数据以及以此展开运算获取的邻区分析数据、泰森多边形、站间距离数据，同时对数据模型建立唯一标识码作为数据关联接口;以全网站点为数据源，获取数据模型的算法主要包括邻区分析算法、资源站点检索算法、邻区站间距离算法以及资源站点的邻区距离算法。

3 数据模型组织结构

为实现数据的空间表达能力以及与站址相邻分析紧密结合的参数获取，采用面向对象的模型组织数据，以空间数据为可视化载体，通过唯一编码实施多维分析参数的关联与承载，增强数据模型的存储、分析、可视化能力。

3.1 数据组织模型

数据模型按照功能划分可分为基础数据与相邻分析数据，共有8项数据集成果，其中全网站点、邻区多边形、邻区多边形重心、邻区站间距离、资源站间距离、泰森多边形6项数据具备几何特征，可作为GIS可视化的数据载体，对站间距离数据进一步进行聚合统计可获取邻区站间距离统计、资源站点邻区站间距离统计两项扩展数据，通过站点唯一编码可关联到几何数据载体实现可视化应用。数据组织模型如图1所示：

3.2 唯一编码设计

数据模型的建立源于通信基站数据，基站在分析模型中具备唯一性特征，因此以通信基站作为唯一编码对象。基站编码规则考虑区域性、运营归属与建设状态的分类判读特征，并结合唯一性进行设计。编码规则及取值说明如表1所示：

表1 编码取值范围

类别 特征信息 数位 取值及说明

一级类 建设区域 6 采用行政区划代码进行分类取值

二级类 运营归属 2 01：中国联通;

02：中国移动;

03：中国电信……（可扩展）

三级类 建设状态 1 01：现存基站;

02：规划基站……（可扩展）

对象

唯一编码 唯一编码 6 采用000001～999999表达基站

唯一编码

4 建模算法

以面向对象数据模型为导向，通过数据预处理导入基础数据源――“基站数据”，对数据进行标准化建库处理，按照模型结构体系建立空间数据库，通过邻区分析运算、邻区站间距运算、泰森多边形运算获取全网站点、邻区多边形、邻区多边形重心、邻区站间距数据以及泰森多边形数据成果，对初次获取的数据成果进行二次分析利用，通过泰森多边形对资源站点实施检索，关联邻区站间距离构建资源站点的邻区站间距离数据，再利用聚合统计算法对邻区站间距离、资源站间距离进行运算以获取站间距离的统计数据。

4.1 邻区分析算法

邻区分析算法的关键是狄洛尼三角网方法的应用，狄洛尼三角网是泰森多边形的对偶图，通过判读离散点位的最邻近信息将空间划分为若干单元区域，是对空间邻近原则的一种剖析方式。对基站建立的狄洛尼三角网具备以下特征：

三角网中每一个三角形端点分别对应了一个基站站点;

三角网中每一段边线（三角形边线）连接了最邻近站点。

根据上述特征，三角网数据中可扩展获取4种信息，分别是基站相邻关系、邻区范围、邻区范围重心以及相邻基站距离，这些信息可从邻域形态、邻区距离的角度辅助分析选址合理性。数据提取算法主要有三角网数据处理、邻区多边形构建及重心提取、邻区站间距离运算三个环节。

（1）三角网数据优化

由于边缘区域缺少邻接点控制，三角网数据边缘出现拉伸变形的三角形，此类三角形不能正确地反映邻区信息。需要对三角网进行边缘优化，这既能保证三角网的完整性，又能正确反映邻区信息。采用叠置分析中的裁剪运算，结合关联对比获取三角形在行政区内的面积比例，设置选取比例容限值，清除小于容限值的三角形对象。

设A为行政区面，T0为初始三角网，T1为行政区对初始三角网裁切后的数据，T1=T0-A，r1i为T1中的多边形T1i（T1i∈T1）的面积，r0i为T1i被裁剪前的三角形T0i（T0i∈T0）的面积，采用公式r0i_ra=（r0i-r1i）/r0i计算T0i在行政区内面积比例，设置面积比例的选取容限值x，在T0中清除r0i_ra

三角网数据优化算法效果如图2所示。

（2）邻区多边形构建及中心点提取

以站点数据为运算单元，利用三角网节点与站点重合的特征，通过叠置运算、空间融合运算获取站点邻区多边形数据，再对其进行重心提取，获取邻区多边形重心。

目标站点B对三角网数据T采用一对多的点-面合成叠置运算获取三角形集合T2（T2T），对T2根据站点编码信息执行融合运算，对同一站点对应的的三角形进行合并，产生站点的邻区多边形数据N，对N执行重心提取运算，获取邻区多边形重心P。

4.2 邻区站间距运算

邻区站间距的数据等同于三角网T的边线数据，对T提取边线D0，D0对站点集合B采用一对多的叠置运算获取边线D1（D1D0），D1存在重叠，D1中的每一组重叠线分别记录了两端的站点编码。D1分两路展开运算，一方面，对D执行空间融合运算，融合过程采用取最大、最小值的统计方法，在合并线的同时，将线首尾结点对应的站点编码（b1，b2）一并记入距离线对象中，获取邻区站间距离D，保证线对象的空间唯一性，也获取了对应的站点编码信息;另一方面，对D1根据站点编码一致性进行距离的数据统计，获取每一个站点Bi与邻区站点集合B1i={B1i1， B1i2， B1i3， …， B1ix}的距离汇总信息，包含平均值Di_avg、总体标准差Di_sd（视为偏离值，单位为m），为了增加偏离信息的可读性，以Di_avg为标准值，采用Di_sd /Di_avg方式计算站点Bi的距离偏离度Di_sdd（单位为%）。邻区分析成果及应用示例如图3所示。

4.3 泰森多边形运算

泰森多边形常用于模拟基站覆盖范围，对目标站点B执行泰森多边形运算，获取B的泰森多边形S，S继承B的站点编码，采用点被面包含的拓扑特征，用全网站点Ba（BaB）对S执行叠置运算，对Ba中的每一个站点Bai映射包含自身的Si（Si∈S）的编码，通过判断Ba编码与S编码的一致性，区别泰森多边形覆盖区域中的目标站点Bi与资源站点B2i集合，统计Bix集合的数量，作为B面向泰森多边形覆盖范围的资源站点数量。泰森多边形成果及应用示例如图4所示。

4.4 资源站点邻区间距离运算

邻区分析算法与泰森多边形算法已获取了邻区信息与资源信息，通过对成果的进一步利用，可获取资源站点邻区站间距离，通过对目标、资源站点与邻区站点距离统计成果的对比，辅助评估目标区域的资源可利用性。

（1）算法思路

资源站点邻区站间距离运算原理是筛选出包含有资源站点的泰森多边形数据，检索区域内的资源站点以及邻区站间距离数据，复制站间距离数据作为新的线状对象，把线元素中与目标站点一致的结点修正为资源站点的坐标，从而获取资源站点与目标邻区站点的距离线，再对该线型数据赋予目标站点、资源站点、线结点对应的站点、长度信息，构建资源站点邻区站间距离建库数据。为了保留目标站点信息、资源站点信息与线型结点对应的站点信息，设置线对象具备有向性特征，起点编码统一设置为资源站点编码，终点编码对应线型另一端站点编码，另设目标编码指向目标站点信息，此设置有利于实现面向目标站点进行资源站点邻区距离的汇总运算，扩展多维度的数据挖掘空间。

（2）运算步骤

算法设计存在三重循环嵌套关系，依次是泰森多边形（S）资源站点（B2）邻区站间距离（D），对成果进一步组合运算，获取新的数据资源，主要步骤如下：

1）从S中提取资源站点数量大于0的泰森多边形S1（S1S），循环获取S1i（S1i∈S1）的编码x（泰森多边形的编码规则决定了x等同于目标站点编码）;

2）获取运算资源，在全网站点数据中，通过“站点编码等于x”的检索条件，获取目标站点数据Bi;通过“泰森多边形编码等于x并且站点编码不等于x”的条件，筛选出S1i中的资源站点B2i;在邻区站间距离数据D中，通过“b1等于x或者b2等于x”检索条件（b1、b2为D首尾对应的站点编码），获取Bi的邻区站间距Di（Di∈D）;

3）基于步骤2）获取的运算资源，对B2i执行循环操作，对B2ix（B2ix∈B2i）实施以B2ix为起点的距离线Ei的构造，构造方法以Dix（Dix∈Di）为基础，置换Dix的起点坐标为B2ix的坐标，线型属性记录目标编码e=x，起点编码e1等于B2i的编码，终点编码e2指向邻区站点编码;

4）遍历S1，循环执行2）、3）步骤，最终获取资源站点邻区距离数据E（Ei∈E）;

5）对E执行统计运算，获取资源站点邻区站间距离的统计数据，包括平均值、偏离值与偏离度。

（3）组合应用案例

资源站点邻区站间距离的应用主要是辅助判断目标站点的资源可利用率，参考维度是邻区站间距离的对比。主要数据资源有邻区站间距离统计、资源站点邻区站间距离统计数据，通过编码关联获取目标站点与资源站点的邻区站间距离统计值，将资源指标优于目标指标的数据提取，采用泰森多边形或者站点数据承载可视化参数。站间距统计数据组合分析案例如图5所示。

5 结束语

基于空间相邻分析的数据模型建立了一套可扩展的基站空间数据库，设计了数据建库、泰森多边形、邻区分析、站间距离运算一些列标准化、流程化的运算体系，基于算法体系，对简单基站数据扩展了8项可实现GIS分析的应用数据成果与关键分析指标。由于算法体系偏向整体性，在运算效率及数据动态性上存在一定的局限，后续可基于此数据库进行局部对象动态更新算法的研究;另一方面，随着三维GIS技术的发展以及通信规划的精确性需求，三维数据以及三维空间分析是基站数据模型及算法体系的一个研究方向。

参考文献：

[1] 王聪，曾兴国. 二、三维联动WebGIS支持下的通信基站选址规划审批[J]. 测绘地理信息， 2015，40（3）： 83-85.

[2] 陈大业，李丙辉，薛云山，等. 根据经纬度计算站间距模块的设计与实现[J]. 电信技术， 2014（12）： 37-43.

[3] 黄梅红. Mapx实现移动基站的泰森多边形[J]. 乐山师范学院学报， 2012，27（12）： 28-31.

[4] 沈晶，刘纪平，林祥国，等. 集成距离变换和区域邻接图生成Delaunay三角网的方法研究[J]. 武汉大学学报： 信息科学版， 2012，37（8）： 1000-1003.

[5] 谢勇，庄文雅，陈霖青. 基于城市控制性详细规划的移动通信基站站址规划研究[J]. 移动通信， 2010，34（22）： 85-88.

[6] 罗小巧，贾全. MAPINFO在无线规划设计中的应用研究[J]. 微计算机信息， 2008，24（16）： 192-193.

[7] 唐宇亮. 基于GIS无线基站可视化系统的设计和实现[D]. 成都： 电子科技大学， 2014.

[8] 张翱. 地理信息系统在无线网络规划中的研究与应用[D]. 北京： 北京邮电大学， 2011.

[9] 毛居泉. 移动通信网络优化中Voronoi图的应用研究及实现[D]. 北京： 北京邮电大学， 2006.

[10] 李文智. 泰森多边形结合GIS地图展示通信业务量的方法及系统： CN201010202716.1[P]. 2010-10-27.