（2）随机选取一点为中心点，计算相同频点和PCI下的主覆盖小区中心点的距离，若满足条件，则加入该邻域，并以新加入的点为中心判断其余点是否满足条件，直到遍历完所有点，计算出该邻域新的中心点，并把属于该邻域的点从原数据中删除；

[5] 何中胜,刘宗田,庄燕滨. 基于数据分区的并行DBSCAN算法[J]. 小型微型计算机系统, 2006,27(1): 114-116.

引用格式：唐忠林,许盛宏,谭志远. 基于大数据对运营商基站覆盖中心点的预测及对比分析[J].移动通信, 2017,41(22): 1-4.

[10] RT Collins. Mean-shift blob tracking through scale space[J]. Computer Vision and Pattern Recognition, 2003: 234.

参考文献：

1 引言

基于本模型需求和专业的业务知识，模型设置的半径为200 m，邻域内最少点数量设置为1，从而可以将具有相同频点和PCI且距离较近的基站覆盖中心点聚类成一个新的中心点。将基站覆盖中心点经纬度与中国电信MR数据提供的小区经纬度作距离核对，该模型预测出中国电信室外共有155 244个基站覆盖中心点。对于广州市区统计出基站覆盖中心点有83.6%落在主覆盖小区对应方向角附近150 m以内，符合实际业务规则。

（中国电信股份有限公司广东研究院，广东 广州 510630）

通过上述模型，采用相同的方法可以预测出异网基站覆盖中心点的位置及其数量，预测出运营商A室外有231 948个基站覆盖中心点、运营商B室外有92 668个基站覆盖中心点。将三家运营商的基站覆盖中心点预测结果显示在百度地图上，以广州两个区域Ⅰ、Ⅱ为例，具体如图2和图3所示：

图1 运营商基站覆盖中心点预测流程