数据集笔记：爱尔兰 LTE Dataset

发布时间：2024年01月04日

1 数据集描述

LTE Dataset (kaggle.com)

  • 135条轨迹（用户位置+基站位置）
  • 平均时间为每条轨迹15min
  • 粒度为每秒一个样本

  • 除非另有说明，否则在六种不同的移动模式下进行4G测量试验
    • 静态：室内静态试验
    • 行人：在爱尔兰科克市周围行走的试验
    • 公交：包括城市和郊区案例的试验
    • 汽车：包括城市和郊区场景的试验
    • 火车：在科克 - 都柏林（240公里）和科克 - 法兰福尔（75公里）之间行驶

2 数据集逐列描述

import pandas as pd
f=pd.read_csv('C:/Users/16000/Downloads/archive/Dataset/train/A_2017.11.24_14.34.43.csv')
f

?

Timestamp样本的时间戳
Longitude??Latitude经度和纬度：移动设备的GPS坐标
Speed移动设备的速度（千米/小时）
Operatorname运营商名称：蜂窝运营商名称（匿名化）
CellID服务移动设备的小区
NetworkMode移动通信标准（2G/3G/4G）
RSRP

RSRP表示在不同RE内携带的特定小区参考符号上的平均功率。

RSRP用于测量小区信号强度/覆盖范围，因此用于小区选择（dbMW）

RSRQ

RSRQ表示RSRP和接收信号强度指示器（RSSI）之间的比率。

信号强度（信号质量）是在所有资源元素（RE）上测量的，包括来自所有源的干扰（分贝）

RSSI

RSSI表示接收到的功率（宽带），包括服务小区以及来自其他来源的干扰和噪声。

RSRQ、RSRP和RSSI用于测量小区强度/覆盖范围，因此用于小区选择（切换）（分贝毫瓦）

SNR信噪比的值（分贝）
CQI表示可以在一个信道上传输的数据率
DL_bitrate在设备（应用层）测量的下载速率（千比特/秒）
UL_bitrate在设备（应用层）测量的上行速率（千比特/秒）
State下载过程的状态。它有两个值，要么是I（闲置，未下载），要么是D（下载中）
NRxRSRQ和NRxRSRP邻近小区的RSRQ和RSRP值

ServingCell_Lon

ServingCell_Lat

小区经度和小区纬度：服务eNodeB的GPS坐标

使用OpenCellid4，这是一个最大的社区开放数据库，提供蜂窝塔的GPS坐标

ServingCell_Distance服务小区和移动设备之间的距离（米）

3 可视化轨迹

3.1 读取轨迹

import pandas as pd
f=pd.read_csv('C:/Users/16000/Downloads/archive/Dataset/train/A_2017.11.24_14.34.43.csv')
f

?

3.2 基站经纬度转化成float类型

f['ServingCell_Lon'] = pd.to_numeric(f['ServingCell_Lon'], errors='coerce')
f['ServingCell_Lat'] = pd.to_numeric(f['ServingCell_Lat'], errors='coerce')
f

3.3 收集用户和基站经纬度坐标

import numpy as np
usr_loc=np.array(list(zip(f['Latitude'],f['Longitude'])))
usr_loc
'''
array([[51.901641, -8.458313],
       [51.901641, -8.458313],
       [51.901481, -8.45836 ],
       ...,
       [53.346171, -6.296212],
       [53.346171, -6.296212],
       [53.346171, -6.296212]])
'''

?

cell_loc=np.array(list(zip(f['ServingCell_Lat'],f['ServingCell_Lon'])))
cell_loc
'''
array([[51.89841 , -8.460674],
       [51.89841 , -8.460674],
       [51.89841 , -8.460674],
       ...,
       [      nan,       nan],
       [      nan,       nan],
       [      nan,       nan]])
'''

3.4 folium 画图

import folium 

m=folium.Map(location=usr_loc.mean(axis=0))

folium.PolyLine(locations=usr_loc,color='green').add_to(m)

for i in usr_loc[::100]:
    folium.Marker(location=i,
                 icon=folium.Icon(icon='wifi',
                               prefix='fa',
                              color='red',
                              icon_color='yellow')).add_to(m)
for i in cell_loc[::100]:
    if(np.isnan(i[0])):
        continue
    folium.Marker(location=i,
                 icon=folium.Icon(icon='person',
                               prefix='fa',
                              color='green',
                              icon_color='blue')).add_to(m)
m

文章来源:https://blog.csdn.net/qq_40206371/article/details/135382031
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章