Titel

Verfahren zur Erstellung einer Abdeckungskarte für ein drahtloses

Ko m m u n i kati o nss yste m und Abdeckungskarte

Die Erfindung betrifft ein Verfahren zur Erstellung einer Abdeckungskarte für ein drahtloses Kommunikationssystem sowie eine mit diesem Verfahren hergestellte Abdeckungskarte.

STAND DER TECHNIK

Aus dem Stand der Technik sind eine Reihe von Verfahren bekannt, mit welchen Abdeckungskarten von drahtlosen Kommunikationssystemen erstellt werden, die eine Auskunft über die Netzwerkqualität geben.

Aus der US 906 0318 B2 ist beispielsweise ein Verfahren bekannt, bei dem eine Karte erstellt wird, die direkt gemessene Parameter wie Signalstärken,

Datenraten oder Paketverluste bei der Übertragung enthält.

Ferner ist aus der US 2011 130 135 Al ein Verfahren zum Erkennen von Abdeckungslücken in einem drahtlosen Kommunikationsnetzwerk bekannt, welches relevante Daten von Teilnehmern im Netzwerk extrahiert und daraus eine Abdeckungskarte erstellt.

Nachteilig an bisher bekannten Verfahren ist, dass zur Erstellung einer

Abdeckungskarte entweder aktive Messungen vorgenommen werden müssen, um beispielsweise eine Datenrate zu messen, oder Parameter aus passiven Messungen herangezogen werden, wie beispielsweise die Signalstärke, und diese direkt in die Abdeckungskarte eingetragen werden.

Unter einer aktiven Messung ist dabei eine Messung zu verstehen, bei der eine Übertragung von Testdaten notwendig ist, um beispielsweise eine Daten rate zu messen. In Netzwerken mit beschränktem Datenvolumen wie Mobilfunknetzwerken kann die Übertragung von zusätzlichen Testdaten daher teuer sein. Zudem belasten aktive Messungen das Netz, ohne dass dabei Nutzdaten übertragen werden, und sorgen daher auch für einen höheren Energiebedarf.

Bei einer passiven Messung werden lokale Messwerte ausgelesen, wie beispielsweise eine Signalstärke. Für die Messung von passiven Parametern ist keine Datenübertragung notwendig. Die lokalen Messwerte können

beispielsweise direkt von einem Netzwerkmodem ausgelesen werden. Jedoch können Angaben über die Signalstärken nicht direkt von jeder Anwendung verwendet werden, da sie von der zugrunde liegenden Funktechnologie abhängen, die einer Anwendung üblicherweise nicht bekannt ist.

OFFENBARUNG DER ERFINDUNG

Die Aufgabe der vorliegenden Erfindung ist die Erstellung und Bereitstellung einer geschätzten Vorhersage von N etz we rkq u al itäts i n d i kato re n wie Datenraten mit Hilfe einer Abdeckungskarte basierend auf passiven Parametern, welche für verschiedene Funktechnologien und Anwendungen auswertbar ist und darüber hinaus vorteilhaft ist in Bezug auf den Energie- und Datenverbrauch.

Insbesondere kann die Vorhersage für eine bekannte Fahrtroute eines

Fahrzeugs verwendet werden. Diese Aufgabe wird gelöst durch das Verfahren zur Erstellung einer Abdeckungskarte für ein drahtloses Kommunikationssystem gemäß Anspruch 1 und durch die mittels des Verfahrens erstellte

Abdeckungskarte gemäß Anspruch 10.

Zweckmäßige Ausgestaltungen der Erfindung sind in den Unteransprüchen angegeben.

Um die Schätzung von Netzwerkqualitätsindikatoren zu ermöglichen, ist ein Vorhersagemodell notwendig, das basierend auf aktiv und passiv gemessenen Daten gebildet wird. Ist das Modell einmal erstellt, sind zur Anwendung des Modells nur noch passive Messwerte notwendig. Im Gegensatz zum Stand der Technik erfolgt die Erstellung der Abdeckungskarte anhand von passiv gemessenen Parametern wie Signalstärken, die mit Hilfe eines Vorhersagemodells verwendet werden, um Netzwerkqualitätsindikatoren zur Bildung der Abdeckungskarte zu schätzen. Lediglich zur initialen Bildung des Vorhersagemodells sind bevorzugt aktive Messungen von

N etz we rkq u al itäts i n d i kato re n notwendig.

Unter Netzwerkqualitätsindikatoren sind solche Parameter zu verstehen, die die Netzwerkqualität für eine Anwendung beschreiben. Beispiele hierfür sind Datenrate, Latenz, Jitter oder Paketverlustrate.

Erfindungsgemäß ist ein Verfahren zur Erstellung einer Abdeckungskarte für ein drahtloses Kommunikationssystem vorgesehen, wobei die Abdeckungskarte wenigstens einen Netzqualitätsindikator umfasst. Es wird ein Vorhersagemodell zur Vorhersage der Netzqualität erstellt, wobei die Netzqualitätsindikatoren jeweils einem Messpunkt innerhalb des von der Abdeckungskarte erfassten geographischen Gebiets zugordnet sind. Zur Berechnung eines

Netzqualitätsindikators an einem Messpunkt wird wenigstens ein passiver Parameter gemessen, wobei für den Messpunkt mittels des Vorhersagemodells und des wenigstens einen passiven Parameters der Netzqualitätsindikator berechnet wird.

Mit Hilfe der Vorhersage können zum Beispiel Datenübertragungen priorisiert werden, sodass in Gebieten mit schlechter Abdeckung nur wichtige

Datenübertragungen stattfinden und solche, deren Anforderungen bezüglich der Netzqualität nicht erfüllt werden, gar nicht erst gestartet werden. Somit kann die Erfindung dazu beitragen, dass höher priorisierte Anwendungen besser funktionieren und zusätzlich Datenvolumen effizienter verwendet wird, indem unnötige Datenübertragungen von Anwendungen, deren Anforderungen nicht erfüllt werden, vermieden werden. Zudem können Dienste, die eine bestimmte Datenrate erfordern, eine größere Datenmenge speichern, bevor Gebiete mit schlechter Abdeckung durchfahren werden, um somit eine höhere Qualität des Dienstes zu erzielen. Durch Abgleich der Anforderungen von Anwendungen, die Daten übertragen, mit der vorhergesagten Netzwerkqualität können außerdem einzelne Netzwerkschnittstellen in einem Client-Gerät deaktiviert werden, um Energie zu sparen, sofern diese Schnitstellen in absehbarer Zeit nicht benötigt werden, um die Anforderungen aller Anwendungen zu erfüllen oder wenn absehbar ist, dass die Schnitstellen in absehbarer Zeit keine Datenübertragung zulassen.

Ein erster Aspekt der Erfindung betrifft die Schätzung von

N etz we rkq u a I itäts i nd i kato ren basierend auf passiven Parametern, die in einer Abdeckungskarte gespeichert sind.

Ein zweiter Aspekt der Erfindung betrifft die Vorhersage der Netzwerkqualität mit einem Abdeckungskartenserver basierend auf der Abdeckungskarte geschätzter Netzwerkqualitätsindikatoren. Bevorzugt erfolgt die Vorhersage der Netzqualität entlang einer bekannten Route oder entlang mindestens eines

wahrscheinlichsten Weges (Most Probable Path).

Bevorzugt wird die Route mit Hilfe eines Navigationsgeräts bestimmt.

Bevorzugt ist das drahtlose Kommunikationssystem ein Mobilfunknetz.

Bevorzugt wird zur Erstellung des Vorhersagemodells für jeden Messpunkt wenigstens ein aktiver Parameter, welcher insbesondere eine Daten rate ist, gemessen. Bevorzugt ist ein passiver Parameter ein Signalstärkeparameter.

Bevorzugt wird die Messung des wenigstens einen passiven Parameters und die Berechnung des Netzqualitätsindikators zyklisch wiederholt oder durch eine Anfrage initiiert. Bei der Messung eines passiven Parameters wird die zugehörige Position bestimmt, sodass der passive Parameter und die zugehörige Position den Messpunkt bilden. Die Messungen können periodisch wiederholt werden, beispielsweise einmal pro Sekunde.

Passive Parameter können bevorzugt jederzeit gemessen werden (z.B. auch durch dieselben Fahrzeuge, die Anfragen stellen). Die Berechnung des

Netzqualitätsindikators kann bevorzugt auch dann ausgelöst werden, wenn neue passive Messwerte hinzukommen. Bevorzugt werden für jeden Messpunkt die passiven Parameter sowie der ermittelte Netzqualitätsindikator in einem Speicher abgelegt. Die so gebildete Abdeckungskarte kann bevorzugt auf einem Abdeckungskartenserver gespeichert sein, der von Messgeräten gesammelte Messdaten aggregiert und verarbeitet, um Netzwerkqualitätsindikatoren zu schätzen und in der Karte abzulegen. Die Messgeräte können bevorzugt aus einem mobilen

Kommunikationsmittel, welches gegebenenfalls ein Lokalisierungsgerät aufweist, bestehen. Ein solches Ko m m u n i kati o nssyste m kann beispielsweise eine TCU (Telematics Control Unit) sein. Mithilfe der Abdeckungskarte kann bevorzugt eine Vorhersage der Netzwerkqualität für eine zuvor bekannte Route erstellt werden, die wiederum in einer CCU verwendet werden kann.

Zum einfacheren Verständnis wird im Folgenden eine Beschreibung zur

Vorhersage von Daten raten gegeben. Die Beschreibung lässt sich jedoch auf andere Netzwerkqualitäts Indikatoren wie Latenzen, Jitter oder Paketverlustrate übertragen.

Die Messdaten werden bevorzugt von Messgeräten gesammelt, die zumindest ein Netzwerkgerät (z.B. Mobilfunkmodem), ein Gerät zur Lokalisierung (z.B. über GPS), einen Prozessor und einen Cache enthalten. Die einzelnen Typen von Messdaten können bevorzugt separiert übertragen werden und werden dann im Abdeckungskarten-Server in Messpunkte zusammengeführt. Alternativ bevorzugt können sie auch direkt vom Messgerät zusammengeführt werden.

Als Messpunkt wird eine Position bezeichnet, der einer oder mehrere passiv gemessene Parameterwerte wie Signalstärken zugeordnet sind. Bevorzugt können zusätzlich aktiv gemessene Parameter wie Datenraten enthalten sein.

Die Signalstärken werden vom Netzwerkgerät sowie die Position von einem Lokalisierungsgerät ausgelesen. Bevorzugt sind das Netzwerkgerät,

beispielsweise ein Mobilfunkmodem, und das Lokalisierungsgerät, beispielsweise ein GPS-Empfänger, in einem Modul angeordnet. Das Modul kann bevorzugt in einem Rechner verbaut werden. Zur aktiven Messung von

Netzwerkqualitätsindikatoren wie Daten raten oder Latenzen kann bevorzugt Software wie z.B. iperf und ping verwendet werden. Die Art der Signalstärkeparameter hängt von der zugrundeliegenden

Funktechnologie ab. Für Mobilfunk mit LTE (Long Term Evolution) können bevorzugt die Parameter SINR (Signal-to-lnterference-plus-Noise Ratio), RSSI (Received Signal Strength Indicator), RSRP (Reference Signal Received Power), CQI (Channel Quality Indicator) oder RSRQ (Reference Signal Received Quality) verwendet werden. Für Mobilfunk mit UMTS (Universal Mobile

Telecommunications System) können bevorzugt die Parameter RSCP (Received Signal Code Power), RSSI, EC/NO ( RS C P/total received power) oder CQI verwendet werden. Für Mobilfunk mit GSM (Global System for Mobile

Communications) können bevorzugt die Parameter RSSI, C/l (Träger- Interferenz- Verhältnis) und BER (Bit Error Rate) verwendet werden.

Zusätzlich zu Signalstärken können bevorzugt weitere Parameter vom

Netzwerkmodem gesammelt werden, wie z.B. die Kanalbandbreite, die ID der Mobilfunkzelle, der Registrierungsstatus oder Informationen aus dem

Kontrollkanal. Für WLAN (Wireless Local Area Network) kann bevorzugt RSSI oder die Kanalbandbreite verwendet werden. Die beispielhaft genannten

Parameter können in verschiedenen Kombinationen gesammelt werden. Die aktiven Messungen können bevorzugt initial von einer Messflotte durchgeführt werden.

Zur Bildung des Vorhersagemodells werden gemessene Datenraten sowie die zugehörigen passiv gemessenen Werte verwendet. Zusätzlich können bevorzugt weitere Parameter hinzugezogen werden, die sich zum Beispiel aus dem

Zeitpunkt oder dem Ort der Messung ergeben. Beispiele hierfür werden weiter unten gegeben.

Bevorzugt werden die Messpunkte basierend auf den ihm zugeordneten passiven Parameter jeweils in eine Gruppe eingeordnet. Indem

Datenratenmessungen basierend auf ihren zugehörigen passiven Werten gruppiert werden, können einzelne CCDFs gebildet werden. Um die Daten raten eingruppieren zu können, können bevorzugt nicht nur einer, sondern auch zwei oder mehr Signalstärkeparameter verwendet werden. Gewisse Parameter erfordern es, dass mehrere Abdeckungskarten angefertigt werden. Dazu zählen insbesondere der Anbieter des Netzwerkzugangs (z.B. Mobilfunkprovider oder Anbieter eines WLAN- Hotspots) und die Funktechnologie (z.B. LTE, UMTS, WLAN). Deshalb werden die gesammelten Daten bevorzugt zunächst gruppiert basierend auf diesen Parameterkombinationen, um dann separate Abdeckungskarten anzufertigen. So entsteht bevorzugt eine

Abdeckungskarte für Vodafone und LTE, eine für Vodafone und UMTS, eine für Telekom und LTE, usw.

Die so gruppierten Messungen werden im folgenden Datengruppen genannt. Um dann das Vorhersagemodell anzuwenden und für jede Datengruppe eine Abdeckungskarte zu erstellen, wird bevorzugt das von der Abdeckungskarte abgedeckte geographische Gebiet in Teilgebiete unterteilt, wobei jeder

Messpunkt einem Teilgebiet zugeordnet ist. Teilgebiete können zum Beispiel eine quadratische Form haben. Zur Berechnung der Vorhersage eines

Teilgebiets wird für jeden dem Teilgebiet zugeordneten Messpunkt der aktuellen Datengruppe aus den Messpunkten in einem Teilgebiet zugeordneten

Netzqualitätsindikatoren mithilfe des Vorhersagemodells eine Vorhersage berechnet, wobei bevorzugt aus den Messpunkten in einem Teilgebiet zugeordneten Netzqualitätsindikatoren der Median berechnet wird. Für jede Abdeckungskarte wird dann pro Teilgebiet ein Vorhersagewert berechnet sowie optional ein Zuversichtlichkeitswert, der beschreibt, wie wahrscheinlich die Vorhersage überschritten wird.

Mit oben beschriebenem Modell erfolgt dies, indem anhand der passiven Messungen des jeweiligen Punktes die Gruppierung und die zugehörige CCDF ausgesucht werden. Von dieser wird dann ein bestimmtes Quantil abgelesen als Vorhersage für diesen Punkt. Aus allen Vorhersagen eines Teilgebiets wird dann der Median bestimmt, der als Schätzung der Daten rate für das Teilgebiet verwendet wird. Diese Vorhersage wird dann bevorzugt für das Teilgebiet als Vorhersage für die jeweilige Datengruppe gespeichert, zum Beispiel in einer Datenbank.

Um zu beeinflussen, wie pessimistisch die Vorhersage ausfällt, kann bevorzugt das Quantil, das zum Ablesen einer Datenrate von der CCDF des Modells verwendet wird, entsprechend groß oder klein gewählt werden. Der Wert des Quantils wird zudem bevorzugt gegebenenfalls als Anfangswert für die

Zuversichtlichkeit der Vorhersage verwendet.

Bevorzugt werden mittels der Abdeckungskarte die Netzqualitätsindikatoren für Wegpunkte in einer bekannten Fahrtroute von dem Speicher abgerufen. Beim Abdeckungskartenserver kann bevorzugt eine Vorhersage von Datenraten für eine Fahrtroute angefordert werden. Eine solche Anfrage besteht bevorzugt aus einzelnen Wegpunkten (Positionen) der Fahrtroute sowie zusätzlichen

Informationen wie dem Mobilfunkprovider, der Funktechnologie oder anderen relevanten Parametern.

Bevorzugt wird alternativ ein Vorhersagemodell pro Funktechnologie für alle Provider erstellt. Dieses kann an verschiedene Provider angepasst werden, insbesondere, indem die maximal erreichbare Datenrate eines Providers berücksichtigt wird und diese Datenrate als maximale Vorhersage des Providers verwendet wird. Bei der Modellbildung werden bei diesem Ansatz Datenraten von Providern, die Datenraten begrenzen, nicht verwendet.

Bevorzugt werden bei der Eingruppierung der Messungen weitere Gruppen erzeugt, in Abhängigkeit von technologieabhängigen Parametern wie der Kanalbandbreite, des Frequenzbandes oder verschiedenen Versionen eines Funkstandards.

Bevorzugt werden bei der Erstellung einer Vorhersage die Fähigkeiten des Kommunikationsmittels und weitere Eigenschaften der Verbindung, für die die Abfrage erstellt wird, berücksichtigt. Dazu zählen insbesondere die

Kanalbandbreite der Verbindung, die Fähigkeit von Kommunikationsmittel und Gegenstelle zur Carrier Aggregation sowie weitere technologieabhängige Parameter.

Ein alternatives mögliches Vorhersagemodell verwendet bevorzugt eine CDF (Cumulative Distribution Function) von Daten raten pro passivem Messwert.

Wenn ein passiver Parameter beispielsweise einen Wertebereich von 1 bis 10 aufweist und nur ganze Zahlen auftreten, so werden 10 verschiedene CDFs gebildet, indem für jeden der Werte die jeweils zugehörigen Datenraten für die Bildung einer CDF verwendet werden. Neben ganzen Zahlen kann der

Wertebereich auch nicht-ganzzahlige Werte aufweisen. Um eine Vorhersage für ein Teilgebiet zu erhalten, wird für jeden der dort auftretenden Messwerte einer Messgruppe, bevorzugt die entsprechende CDF, verwendet und gewichtet addiert. Die Gewichtung erfolgt anhand der relativen Häufigkeit des Auftretens des Messwerts. So entsteht eine Gesamt-CD F pro Teilgebiet, die bevorzugt mit einem Quantil verwendet werden kann, um eine Datenrate für das Teilgebiet zu erhalten.

Zudem können bevorzugt folgende Alternativen und Erweiterungen verwendet werden:

Bevorzugt kann zur Vorhersage von Daten raten basierend auf passiven

Messungen ein anderes Modell verwendet werden, das z.B. ein neuronales Netz oder ein anderes Verfahren maschinellen Lernens zugrunde legt.

Bevorzugt werden die aufgezeichneten Messungen auf dem Messgerät zwischengespeichert, und nicht alle Daten werden übertragen. Um

beispielsweise die Privatsphäre des Fahrers zu wahren, können Daten zu zufälligen Zeiten oder nur an bestimmten Orten übertragen werden. Indem nur Teile einer Fahrt an den Server übermittelt werden, wird eine Rekonstruktion der gefahrenen Route verhindert.

Eine weitere bevorzugte Maßnahme zur Anonymisierung der Messdaten beinhaltet die Entfernung der genauen Zeitstempel, so dass z.B. nur noch die Stunde, in denen eine Messung stattgefunden hat, an den Server übertragen wird.

Indem bevorzugt der Abdeckungskartenserver Gebiete an die Messgeräte mitteilt, in denen noch nicht genügend Messungen vorhanden sind, können unnötige Messungen verhindert werden. Diese Mitteilung beinhaltet bevorzugt eine Eingrenzung des Gebietes sowie optional Informationen dazu, welche Messdaten dort noch benötigt werden (z.B. welcher Provider oder welche Funktechnologie). Zusätzlich oder alternativ können bevorzugt einer oder mehrere der folgenden Einflüsse verwendet werden, um die Vorhersage zu verbessern:

Einflüsse aufgrund des Wetters können hinzugezogen werden, indem die Vorhersage und gegebenenfalls der Zuversichtlichkeitswert für ein Teilgebiet basierend auf den aktuellen oder erwarteten Wetterbedingungen verbessert oder verschlechtert werden. Bei klarem Wetter werden die Werte verbessert, bei starkem Regen, Nebel oder Schnee verschlechtert.

Die Wetterdaten können von einem Online-Dienst erlangt werden.

Alternativ oder ergänzend können die Wetterdaten auch lokal vom Fahrzeug gesammelt werden. Beispielsweise können Informationen darüber gesammelt werden, ob der Scheibenwischer eingeschaltet ist, beispielsweise über die Geschwi nd igkeitsstufe der Scheibenwischer, basierend auf einem Regensensor, basierend auf einem Kamerabild oder basierend auf der Reibung der aktuellen Fahroberfläche.

Alternativ zur Beeinflussung der Vorhersage durch Wetterdaten können verschiedene Karten verwendet werden, um unterschiedliche

Witterungsverhältnisse zu berücksichtigen.

Zeitabhängigkeit: Abhängig vom Wochentag oder von der Uhrzeit können entweder verschiedene Abdeckungskarten angelegt werden oder der Wert der Vorhersage beeinflusst werden. Z.B. kann der Vorhersagewert zu Zeiten, in denen ein erhöhtes Verkehrsaufkommen erwartet wird (z.B. im Berufsverkehr), verschlechtert werden oder zu nächtlichen Uhrzeiten verbessert werden.

Verkehrsaufkommen: Basierend auf bekanntem oder erwartetem

Verkehrsaufkommen in einem Teilgebiet wird die Vorhersage verbessert (bei unterdurchschnittlichem Verkehrsaufkommen) oder verschlechtert (bei überdurchschnittlichem Verkehrsaufkommen). Das Verkehrsaufkommen kann über einen Online-Dienst, über lokale historische Daten oder über eine

Schätzung basierend auf Fahrzeugsensoren erfolgen. Fahrtzeiten des öffentlichen Personenverkehrs: Über einen Online-Dienst können Zeiten abgefragt werden, zu denen beispielsweise Züge oder Busse ein bestimmtes Gebiet durchfahren und somit eine erhöhte Last im drahtlosen Ko m m u n i kati o nssyste m zu erwarten ist. Wird für einen solchen Zeitpunkt eine Vorhersage angefordert, wird der in der Karte gespeicherte Wert für die

Vorhersage verschlechtert.

Neben explizit durchgeführten aktiven Messungen können auch

Datenübertragungen des Benutzers verwendet werden, um zusätzliche

Datenratenmessungen zu erhalten. Falls die so beobachtete Daten rate über der Vorhersage des aktuellen Teilgebiets liegt, kann die Messung in die Vorhersage mit einfließen. Falls die Messung unter der Vorhersage liegt, kann eine Look-Up- Tabelle verwendet werden, mit Diensten, deren Datenrate nicht künstlich begrenzt ist, um auszuschließen, dass die gemessene Datenrate durch eine Begrenzung des Dienstes selbst gedrosselt wurde. Falls eine solche Tabelle verwendet wird, können auch Datenraten geringer als die Vorhersage verwendet werden, um in die Vorhersage mit einzufließen. Anhand der Abweichung der gemessenen Datenraten von der vorhergesagten Daten rate kann zudem der Zuversichtlichkeitswert, falls vorhanden, verringert oder erhöht werden.

Verringert wird er, wenn der Anteil an Messungen, die größer sind als die Vorhersage, kleiner ist als der Zuversichtlichkeitswert. Erhöht wird er, wenn der Anteil an Messungen, die größer sind als die Vorhersage, größer ist als der Zuversichtlichkeitswert.

Variable Teilgebietgröße: Um auch kleinere Schwankungen sowie kleine Gebiete mit schlechter Abdeckung erfassen zu können, kann eine variable

Teilgebietgröße verwendet werden. Eine Größe wird als Ausgangswert verwendet (z.B. 50 m Breite und Länge pro Teilgebiet), ein Teilgebiet kann jedoch in mehrere kleinere Teilgebiete unterteilt werden. Zusätzlich können benachbarte Teilgebiete einer Größe zu einem größeren Teilgebiet

zusammengefasst werden. Folgende Bedingungen können verwendet werden, um zu entscheiden, ob ein Teilgebiet unterteilt oder mehrere Teilgebiete zu einem größeren Teilgebiet zusammengefasst werden sollen: o Die Varianz und der Mitelwert der Vorhersagen eines Teilgebiets oder der passiven Messwerte eines Teilgebiets: Ist die Varianz groß, wird ein Teilgebiet unterteilt. Sind die Varianzen von mindestens zwei benachbarten Teilgebieten gleicher Größe klein und die Mitelwerte ähnlich, werden diese

zusammengefasst.

o Die Anzahl der Messwerte oder Vorhersagen eines Teilgebiets: Ist eine hohe Anzahl an passiven Messwerten oder Vorhersagen in einem Teilgebiet vorhanden, so wird das Teilgebiet in mehrere kleinere Teilgebiete aufgeteilt, sofern nach der Aufteilung für jedes der kleineren Teilgebiete eine Mindestanzahl an Messwerten oder Vorhersagen vorhanden wäre.

Mindestanzahl an Messwerten pro Teilgebiet: Eine Vorhersage wird nur für solche Teilgebiete durchgeführt, in denen eine Mindestanzahl an gültigen passiven Messwerten vorhanden ist (z.B. nur Teilgebiete, in denen mindestens fünf gültige passive Messwerte vorhanden sind).

Aktualität der Messwerte: Es werden nur Messwerte für eine Vorhersage verwendet, die eine bestimmte Aktualität aufweisen (z.B. nicht älter als 30 Tage sind). Für Teilgebiete, in denen viele Messwerte vorhanden sind, kann die Anzahl der Tage zusätzlich verringert werden.

Bestimmte Positionen mit besonders gutem oder schlechtem Empfang:

basierend auf Kartendaten können Orte identifiziert werden, bei denen bekannt ist, dass die geographische Abhängigkeit der Netzwerkqualitätsindikatoren dort besonders hoch ist. Beispiele hierfür sind Tunneleinfahrten oder - ausfahrten. Dort kann eine kleinere Teilgebietgröße verwendet werden oder gegebenenfalls der Zuversichtlichkeitswert verringert werden.

Unterscheidung verschiedener Gebiete basierend auf Kartendaten: Kartendaten enthalten Klassifizierungen von verschiedenen Gebieten wie Stadtgebieten, Landgebieten oder Waldgebieten, die verwendet werden können, um die

Vorhersage und den Zuversichtlichkeitswert anzupassen. In Stadtgebieten ist die geographische Abhängigkeit der Netzwerkqualitätsindikatoren größer als in ländlichen Gebieten mit wenig oder keiner Bebauung, so dass in Stadtgebieten der Zuversichtlichkeitswert verringert und in ländlichen Gebieten erhöht wird. Zudem können verschiedene Modelle für die verschiedenen Gebiete verwendet werden. So wird ein Modell für Stadtgebiete nur aus Daten gebildet, die auch im Stadtgebiet gesammelt wurden. Für jedes Gebiet, das unterschieden wird, wird ein Modell gebildet.

Anzahl Teilgebiete pro Cell ID: In Mobilfunknetzen kann die Anzahl der

Teilgebiete, in denen eine Cell ID beobachtet wurde, verwendet werden, um zu schätzen, wie stark die Zelle beansprucht wird. Wenn eine Cell ID in sehr vielen Teilgebieten beobachtet wurde, ist es wahrscheinlich, dass die Zelle häufig stark ausgelastet ist. Somit kann die aus dem Modell errechnete Vorhersage sowie gegebenenfalls der Zuversichtlichkeitswert verringert werden für Teilgebiete, in denen diese Cell ID vorkommt. Alternativ können verschiedene Modelle aufgestellt werden, je nachdem, in wie vielen Teilgebieten eine Cell ID vorkommt. Beispielsweise kann ein Modell für Cell IDs erstellt werden, die in weniger als 20 Teilgebieten Vorkommen, und ein Modell für Cell IDs, die in 20 Teilgebieten oder mehr Vorkommen.

GPS-Genauigkeit: Bei GPS-Positionen werden zusätzlich zur Position selbst Werte angegeben, die die geschätzte Genauigkeit der Position angeben. Diese Genauigkeit kann als Einflussparameter für die Vorhersage verwendet werden, da bei niedriger Genauigkeit wahrscheinlich viele Störeinflüsse vorhanden sind, die auch den Mobilfunkempfang stören können. Daher kann die Vorhersage und die Zuversichtlichkeit verschlechtert werden für Teilgebiete, in denen die GPS- Genauigkeit häufig sehr gering war.

Fortbewegungsrichtung: Die GPS-Position enthält auch eine Orientierung (Englisch„Heading“), die die Bewegungsrichtung angibt. Bei der Berechnung der Vorhersage können auch diese Werte verwendet werden, um z.B. für ein

Teilgebiet, das eine Straße mit Fahrspuren in entgegengesetzte Richtungen enthält, getrennte Vorhersagen zu treffen, sofern diese merkbar voneinander abweichen. Falls diese Erweiterung verwendet wird, müsste auch eine Anfrage für eine Vorhersage diesen Parameter enthalten oder er müsste aus der

Reihenfolge der Positionen der Anfrage bestimmt werden. Durch Zusammenarbeit mit einem Netzwerk- Provider kann zudem die tatsächliche Nutzeranzahl in einer Zelle verwendet werden. Bei der Erstellung von aktiven Messungen kann diese als Parameter hinterlegt werden. Dann kann bei der Beantwortung einer Vorhersage-Anfrage die Anzahl der aktuell aktiven Nutzer verwendet werden, um die Vorhersage zu verschlechtern, sofern mehr Nutzer in der Zelle aktiv sind als im Mittel zum Zeitpunkt der aktiven Messungen.

Anzahl der Stockwerke von Gebäuden in einem Teilgebiet: Zusätzlich zur Unterscheidung nach Gebieten kann die Art der Bebauung unterschieden werden, sofern diese Daten verfügbar sind. So kann die Vorhersage für

Teilgebiete, die Gebäude mit einer hohen Anzahl an Stockwerken enthalten, verschlechtert werden, unter der Annahme, dass dort mehr Reflexionen auftreten und somit die Netzwerkqualitätsindikatoren schlechter sind als in Gebieten mit niedrigeren Gebäuden. Alternativ kann, sofern verschiedene Modelle für verschiedene Gebiete verwendet werden, das Stadtgebiet erneut unterteilt werden in Gebiete mit vorwiegend niedrigen Gebäuden und in Gebiete, in denen vorwiegend hohe Gebäude vorhanden sind. Somit könnten zwei separate Modelle für diese beiden Bebauungsarten erstellt werden. Neben den

Empfangsbedingungen können Gebäude indirekt auch die Netzwerklast beeinflussen. So ist zu erwarten, dass sich in Bahnhöfen oder Gebäuden mit vielen Stockwerken mehr Nutzer aufhalten.

Jahreszeit: In Waldgebieten ist der Empfang im Herbst und Winter besser, da keine Blätter an den Bäumen vorhanden sind. Daher kann die Jahreszeit verwendet werden, um die Vorhersage im Herbst und Winter zu verbessern, im Frühling und Sommer zu verschlechtern. Falls Waldgebiete separat betrachtet werden, kann die Anpassung auf diese Gebiete beschränkt werden.

Zuverlässigkeit einzelner Messpunkte: Abhängig von verschiedenen Faktoren kann eine Zuverlässigkeit für einen Messpunkt berechnet werden. Diese

Zuverlässigkeit kann bei der Modellbildung verwendet werden, um einzelnen Messungen eine geringere Gewichtung zu geben als anderen oder Messungen mit geringer Zuverlässigkeit zu ignorieren. Folgende Einflüsse können zur Berechnung verwendet werden:

o Umgebung der Messung: Bebauungsdichte, Höhe der Gebäude, Vegetation o Genauigkeit der Position

o Vergangene Messungen, bei hoher Varianz wird die Zuverlässigkeit verringert

Zusätzlich oder alternativ kann ein selbstlernendes Modell verwendet werden, bei dem eine Vielzahl an zusätzlichen Parametern gesammelt wird, von denen ein Einfluss auf die erzielbare Daten rate noch nicht bekannt, aber möglich ist. Diese Messungen werden mit gemessenen Daten raten korreliert, um dadurch weitere Einflussfaktoren zu finden. Gefundene Einflussfaktoren können im Modell hinterlegt werden, um geschätzte Daten raten in Abhängigkeit dieser Parameter zu beeinflussen.

Darüber hinaus betrifft die Erfindung eine Abdeckungskarte, welche gemäß des Verfahrens mit den zuvor beschriebenen Merkmalen erstellt wurde.

BEVORZUGTE AUS FUH RUNGSBEISPIELE DER ERFINDUNG

Im Folgenden wird die Erfindung anhand eines Ausführungsbeispiels näher erläutert. Es zeigen in rein schematischer Darstellung

Fig. 1 den Ablauf des Verfahrens zur Erstellung einer

Abdeckungskarte,

Fig. 2 das Prinzip der Einteilung von passiven Messwerten in Gruppen,

Fig. 3 ein beispielhaftes Nachrichtenformat für eine Vorhersage-

Anfrage, und

Fig. 4 ein beispielhaftes Nachrichtenformat für eine bereitgestellte

Vorhersage.

Figur 1 zeigt den schematischen Ablauf des erfindungsgemäßen Verfahrens 100. Mit Hilfe einer Messflotte, welche beispielsweise mindestens ein Messfahrzeug 14 mit einem Messgerät, beispielsweise einem mobilen Kommunikationsmittel, umfasst, werden initial zur Bildung des Vorhersagemodells 11 aktive Messungen 17 durchgeführt. Die gemessenen aktiven Parameter werden in einer Datenbank 12 gespeichert. Die Messung 17 wird zur Erstellung des Vorhersagemodells 11 durchgeführt. Zur Aktualisierung der Messdaten können die aktiven Messungen 17 wiederholt werden. Anschließend sind lediglich Messungen von passiven Parametern nötig, um dann basierend auf dem Vorhersagemodell 11 und den passiven Parametern die Abdeckungskarte 10 zu erstellen. Die Datenbank 12, das Vorhersagemodel 11 oder die erstellte Abdeckungskarte 10 befinden sich auf einem Abdeckungskartenserver 13.

Wird eine Abdeckungskarte 10 für ein bestimmtes Gebiet benötigt,

beispielsweise für Punkte entlang einer bekannten Fahrtroute, welche von einem Fahrzeug 15 mit einem Client-Gerät befahren werden soll, wird von dem

Fahrzeug 15 eine Vorhersage-Anfrage 16 gestellt, woraufhin das

Vorhersagemodell 11 und gemessene passive Parameter angewendet werden, um die Abdeckungskarte 10 für das entsprechende Gebiet entlang der Fahrtroute zu erstellen und die Vorhersage 18 an das Fahrzeug 15 zu übermitteln. Die Erstellung der Vorhersage 18 kann periodisch erfolgen oder immer dann, wenn für ein Teilgebiet neue Messungen durchgeführt wurden.

In Figur 2 ist das Prinzip der Einteilung von passiven Messwerten in Gruppen beispielhaft mit zwei Parametern und einer Unterteilung in jeweils zwei

Wertebereiche zur Bildung des Vorhersagemodells 11 dargestellt. Beispielhaft ist der Bereich angegeben, der für die Parameterkombination SINR = -9 dB und RSRP = -121 dB verwendet werden würde. Ein erster Wertebereich für den Parameter SINR umfasst die Werte von -12 dB bis 14 dB und ein zweiter Wertebereich deckt den Bereich größer als 14 dB bis 40 dB ab. Der erste Wertbereich für den Parameter RSRP umfasst Werte von -140 dB bis -92 dB und ein zweiter Bereich umfasst Werte größer als -92 dB bis -44 dB. Entsprechend kann die obige Parameterkombination in die mit dem Kreuz markierte

Parametergruppe eingeordnet werden. Bevorzugt werden für die Modellbildung Daten aus unterschiedlichen Gebieten gesammelt, um ein möglichst

allgemeingültiges Modell zu erhalten.

Figur 3 zeigt ein beispielhaftes Nachrichtenformat für die Vorhersage-Anfrage 16 gemäß Figur 2 durch ein Fahrzeug 15 in JavaScript Object Notation (JSON) an. Die Vorhersage-Anfrage wird beantwortet, indem für jeden Punkt der bekannten Fahrtroute in der Datenbank 12 das Teilgebiet gesucht wird, in dem dieser Punkt liegt. Die in der Datenbank 12 gespeicherte Vorhersage des Teilgebiets wird dann als Vorhersage für die Position hinzugefügt. Somit wird die Fahrtroute mit vorhergesagten Datenraten angereichert und daraufhin als Vorhersage 18 an das anfragende Gerät zurück übermittelt.

Ein beispielhaftes Nachrichtenformat in JSON für solch eine bereitgestellte Vorhersage 18 gemäß Figur 2 ist in Figur 4 dargestellt. Zusätzlich können der Zuversichtlichkeitswert der Vorhersage 18 sowie weitere Parameter enthalten sein.