简介这份资源面向5G通信网络优化工程师及网优初学者汇集30套日常规划与优化中高频使用的实用工具覆盖同覆盖判断、站间距与扇区平均站距计算、天线下倾角与覆盖距离估算、经纬度与方位角换算、重叠覆盖度核查、5G频率频点转换等典型场景同时附带奥维VIP、罗盘Protractor、KATHREIN天线工具、MapInfo插件集锦、KML生成查看与格式互转、网优图层工具、批量改名与表格合并等辅助软件可帮助读者快速完成数据整理、图层处理与参数核算。压缩包共155个文件以dll、exe、mbx、ocx等程序与插件文件为主另含xlsm、xls、xlsx表格模板及txt、bat脚本整体约103.33MB解压后按教程激活即可使用。目前已有176人学习下载适合需要搭建本地工具链、提升外场与后台工作效率的网优人员参考。1. 30套5G网优工具合集从站间距到同覆盖一线工程师的拆包实录做5G网络优化的同行都清楚日常最耗时的不是路测而是数据整理和图层处理。站间距要算、同覆盖要判、工参要转、图层要叠每个环节都有一堆零散的小工具在撑着。这次拿到手的是一份30套实用5G通信网络优化工具合集解压后目录里既有RouteTool.txt.bak、距离计算.bas这类脚本也有GisLayer.exe.config、gdal19.dll这类运行依赖还有同覆盖计算模板.csv、cell.DAT、MeCell.DAT、无标题.DAT这些数据文件。它解决的核心问题很明确把网优日常高频操作——站间距计算、同覆盖核查、扇区方位角推算、KML与MapInfo互转、5G频率频点转换——打包成一套能直接跑在本机的小工具集。适合谁一线网优工程师、做过LTE/5G工参处理的后台人员以及需要批量处理小区数据的规划岗。如果你每天还在用Excel手算站间距、用在线工具转经纬度这套东西值得花半小时拆一遍。2. 工具集拆包与运行环境先搞清楚哪些能直接跑、哪些要配依赖2.1 目录结构里藏着的三类文件解压后第一件事不是双击exe而是按文件类型分堆。这套合集里的文件大致分三类第一类是可直接执行的工具比如GisLayer.exe.config对应的主程序、网优图层工具V7.0和V9.1.2、IP地址修改器5.0.5.5、CPU检测工具、KATHREIN天线工具RadioTool。这类通常带exe或bat双击就能出界面。第二类是脚本和模板比如距离计算.basBasic脚本一般给MapInfo或Excel用、双网卡同时运行.bat、CSV文件汇总.bat、同覆盖计算模板.csv。这类需要宿主环境bas要MapInfo Professionalbat直接跑但依赖同目录的exe或dll。第三类是数据文件和依赖库比如cell.DAT、MeCell.DAT、无标题.DAT是工参数据gdal19.dll是GIS库依赖GisLayer.exe.config是配置。这类不能单独运行但缺了主程序会报错。提示先看有没有readme或教程文件。摘要里提到“奥维VIP解压后按照教程激活”说明部分工具带激活步骤别跳过。2.2 运行环境准备MapInfo、.NET和gdal这套工具里相当一部分依赖MapInfo Professional。mapinfo插件集锦、kml转mapinfo专业版、MIF和TAB互转工具、距离计算.bas都需要本机装了MapInfo才能用。常见做法是装MapInfo 12.0或15.0版本太新反而插件不认。.NET环境方面GisLayer.exe.config和网优图层工具这类带config的基本是.NET Framework 4.x编译的。Win10/Win11自带4.8一般够用如果双击报“缺少xxx.dll”先装.NET Framework 4.7.2再试。gdal19.dll是GDAL 1.9的库说明有工具用它做坐标转换或栅格处理。这个dll要跟主程序放同一目录不能单独挪走。我一般会先把整个压缩包解压到一个纯英文路径下比如D:\5g_tools\路径里有中文或空格部分老工具会直接闪退。# 建议的解压与目录准备Windows下用PowerShell Expand-Archive -Path 30套实用5G通信网络优化工具合集.zip -DestinationPath D:\5g_tools # 检查关键依赖是否存在 Get-ChildItem D:\5g_tools -Recurse -Include *.dll,*.exe,*.bas,*.bat | Select-Object Name,Length这段命令做两件事解压到纯英文路径然后列出所有可执行和脚本文件方便你对照摘要里的清单核对有没有漏文件。参数上-DestinationPath必须用短路径-Recurse保证子目录也扫到。2.3 先跑通一个最小工具验证环境别一上来就搞同覆盖计算先用CPU检测工具或IP地址修改器5.0.5.5试手。这两个不依赖MapInfo双击能出界面就说明.NET环境没问题。然后再开网优图层工具V9.1.2如果它能加载出地图窗口说明GIS依赖也齐了。REM 双网卡同时运行.bat 的典型用法先看路由表再决定要不要跑 route print REM 确认两张网卡的网关不冲突后再执行bat这个bat的作用是让内外网同时可访问但跑之前一定先route print看默认路由。如果两张网卡都设了默认网关跑完可能直接断网。常见做法是只给一张网卡设网关另一张用静态路由指定内网段。3. 站间距与同覆盖计算从经纬度到扇区核查的完整链路3.1 站间距计算的三种实现与选型合集里跟站间距相关的工具有三个基于扇区平均站距、基于距离站间距计算工具V2.1、站间距。加上“根据经纬度距离和方位角计算新的经纬度”和“距离计算.bas”实际上是一套从坐标到距离的完整链路。选型逻辑很简单如果你只有两列经纬度要算两两距离用基于距离站间距计算工具V2.1导入CSV直接出结果。如果要按扇区维度算平均站距用基于扇区平均站距它需要cell.DAT或MeCell.DAT这种带扇区号的工参。如果要在MapInfo里边看图层边算用距离计算.bas它是MapInfo的MapBasic脚本。 距离计算.bas 核心逻辑MapBasic语法示意 输入两个点的经纬度 输出Haversine距离单位米 Function Distance(lat1 As Float, lon1 As Float, lat2 As Float, lon2 As Float) As Float Dim R As Float Dim dLat As Float, dLon As Float Dim a As Float, c As Float R 6371000 地球平均半径米 dLat (lat2 - lat1) * 3.1415926 / 180 dLon (lon2 - lon1) * 3.1415926 / 180 a Sin(dLat/2)^2 Cos(lat1*3.1415926/180) * Cos(lat2*3.1415926/180) * Sin(dLon/2)^2 c 2 * Atn(Sqr(a) / Sqr(1-a)) Distance R * c End Function这段是Haversine公式的MapBasic实现。关键参数是R6371000用地球平均半径而不是赤道半径网优场景下误差在米级够用。dLat和dLon要先转弧度这是最容易翻车的地方——直接拿度数算Sin结果会差出几十公里。如果你用Python复现逻辑一样import math def haversine(lat1, lon1, lat2, lon2): R 6371000 # 地球平均半径米 phi1, phi2 math.radians(lat1), math.radians(lat2) dphi math.radians(lat2 - lat1) dlambda math.radians(lon2 - lon1) a math.sin(dphi/2)**2 math.cos(phi1)*math.cos(phi2)*math.sin(dlambda/2)**2 return 2 * R * math.atan2(math.sqrt(a), math.sqrt(1-a)) # 示例两个5G基站坐标 d haversine(39.9042, 116.4074, 39.9142, 116.4174) print(f站间距: {d:.2f} 米)Python版用atan2替代Atn(Sqr(a)/Sqr(1-a))数值更稳。参数说明输入经纬度用十进制度不要用度分秒。如果你手上的工参是度分秒格式先转成十进制再喂进去。3.2 同覆盖判断模板CSV与扇区计算同覆盖判断是这套合集的重点涉及同覆盖计算模板.csv、同覆盖判断工具、共要盖扇区计算、小区共要盖核查、附件1重叠覆盖度计算。核心逻辑是给定一个主小区找出与它方位角夹角小于阈值、且距离小于阈值的小区判定为同覆盖。同覆盖计算模板.csv的结构一般是主小区ID、邻小区ID、主小区经纬度、邻小区经纬度、主小区方位角、邻小区方位角、距离、夹角、是否同覆盖。你把自己的工参按这个格式填进去再用工具跑。import pandas as pd import math def angle_diff(a1, a2): 计算两个方位角的最小夹角返回0-180度 d abs(a1 - a2) % 360 return d if d 180 else 360 - d def is_same_coverage(row, dist_th200, angle_th60): 同覆盖判断距离200米且夹角60度 d haversine(row[主纬度], row[主经度], row[邻纬度], row[邻经度]) ad angle_diff(row[主方位角], row[邻方位角]) return d dist_th and ad angle_th df pd.read_csv(同覆盖计算模板.csv, encodinggbk) df[距离] df.apply(lambda r: haversine(r[主纬度], r[主经度], r[邻纬度], r[邻经度]), axis1) df[夹角] df.apply(lambda r: angle_diff(r[主方位角], r[邻方位角]), axis1) df[是否同覆盖] df.apply(is_same_coverage, axis1) df.to_csv(同覆盖结果.csv, indexFalse, encodinggbk)这段代码把模板CSV读进来算出距离和夹角再按阈值判定。参数说明dist_th默认200米angle_th默认60度这两个值要按你的场景调。密集城区站间距小dist_th可以放到150米郊区可以放到300米。夹角阈值一般60度但如果你做的是三扇区站同站邻区夹角120度要单独排除同站情况。注意读CSV时encoding用gbk这套工具生成的CSV基本都是GBK编码用utf-8会报UnicodeDecodeError。3.3 经纬度与方位角推算新坐标“根据经纬度距离和方位角计算新的经纬度”这个工具解决的是已知一个基站坐标、一个方位角、一个距离求目标点的经纬度。典型场景是算天线覆盖边缘点或者做拉线工具时确定远端坐标。def new_coord(lat, lon, bearing, distance): 已知起点、方位角、距离求终点经纬度 R 6371000 brng math.radians(bearing) lat1 math.radians(lat) lon1 math.radians(lon) lat2 math.asin(math.sin(lat1)*math.cos(distance/R) math.cos(lat1)*math.sin(distance/R)*math.cos(brng)) lon2 lon1 math.atan2(math.sin(brng)*math.sin(distance/R)*math.cos(lat1), math.cos(distance/R)-math.sin(lat1)*math.sin(lat2)) return math.degrees(lat2), math.degrees(lon2) # 示例从基站出发方位角60度距离500米 lat2, lon2 new_coord(39.9042, 116.4074, 60, 500) print(f目标点: {lat2:.6f}, {lon2:.6f})参数说明bearing是方位角正北为0顺时针增加单位度。distance单位米。这个公式在小距离10km下精度很高网优场景完全够用。如果你要做拉线工具把每个扇区的方位角和覆盖距离代进去就能生成三个方向的拉线端点。4. 图层与格式转换KML、MapInfo、CSV的互转实操4.1 KML转MapInfo与MIF/TAB互转合集里kml转mapinfo专业版、MIF和TAB间的互转工具、KMML生成查看工具、mapinfo插件集锦是一套完整的格式转换链。网优日常要在Google Earth看站点分布又要在MapInfo里做工参分析KML和TAB之间的转换是刚需。常见做法是先用KMML生成查看工具把工参CSV转成KML在Google Earth里核对站点位置确认无误后用kml转mapinfo专业版转成TAB图层如果对方只给MIF用MIF和TAB互转工具转成TAB。# 用ogr2ogr做KML转MapInfo TAB如果装了GDAL ogr2ogr -f MapInfo File output.tab input.kml # MIF转TAB ogr2ogr -f MapInfo File output.tab input.mifogr2ogr是GDAL自带的命令行工具gdal19.dll说明这套工具底层可能也用了GDAL。参数说明-f指定输出格式MapInfo File对应TAB。如果报坐标系错误加-a_srs EPSG:4326指定WGS84。注意KML默认是WGS84坐标系MapInfo的TAB可能用其他坐标系。转换后一定要在MapInfo里叠加底图核对偏移超过50米就说明坐标系没对上。4.2 CSV拆分合并与批量改名CSV拆分合并工具、CSV文件汇总.bat、多个工作薄合并工具超级版、表格合并工具、文件批量改名工具、文件改名及时间修改工具这几个是数据整理环节的苦力活。CSV文件汇总.bat的典型逻辑是把同目录下所有CSV合并成一个。我一般会先确认所有CSV表头一致再跑bat。如果表头不一致合并出来会错列。REM CSV文件汇总.bat 逻辑示意 echo off setlocal enabledelayedexpansion set outputmerged.csv if exist %output% del %output% for %%f in (*.csv) do ( if not %%f%output% ( type %%f %output% ) ) echo 合并完成: %output%这个bat把所有CSV直接type追加到merged.csv。问题在于它不去重表头每个文件的表头都会写进去。常见做法是手动保留第一个文件的表头后面的用more 1跳过第一行。如果你用Pythonpandas的concat更稳import pandas as pd import glob files glob.glob(*.csv) df_list [pd.read_csv(f, encodinggbk) for f in files] merged pd.concat(df_list, ignore_indexTrue) merged.drop_duplicates(subset[小区ID], keepfirst, inplaceTrue) merged.to_csv(merged.csv, indexFalse, encodinggbk)参数说明glob.glob(*.csv)匹配当前目录所有CSVdrop_duplicates按小区ID去重keepfirst保留第一次出现的。如果你的CSV列名不一致先统一列名再concat。4.3 5G频率频点转换与工参处理5G频率频点转换和5G频率频点转换V1.0(单工具)解决的是NR频点与频率的换算。5G NR的频点号NR-ARFCN和实际频率之间是分段线性关系不同频段FR1/FR2公式不同。def arfcn_to_freq(arfcn): 5G NR ARFCN转频率MHzFR1范围 if 0 arfcn 599999: # 0-3000MHz return arfcn * 0.005 elif 600000 arfcn 2016666: # 3000-24250MHz return 3000 (arfcn - 600000) * 0.015 else: return None def freq_to_arfcn(freq): 频率转ARFCN if 0 freq 3000: return int(freq / 0.005) elif 3000 freq 24250: return int(600000 (freq - 3000) / 0.015) else: return None # 示例3500MHz对应的ARFCN print(freq_to_arfcn(3500)) # 输出633333 print(arfcn_to_freq(633333)) # 输出3500.0参数说明FR1的0-3000MHz步长0.005MHz3000-24250MHz步长0.015MHz。这两个公式是3GPP TS 38.104定义的工具里的换算逻辑应该一致。如果你做的是n78频段3300-3800MHz用第二段公式。cell.DAT和MeCell.DAT是工参数据文件通常包含小区ID、经纬度、方位角、下倾角、频点、PCI等信息。用网优图层工具V9.1.2可以直接加载这些DAT文件生成图层。如果加载报错先用文本编辑器打开看编码常见是GBK或UTF-8。5. 避坑与排查这30套工具里最容易翻车的五个地方5.1 现象双击exe没反应或闪退原因路径含中文或空格或者缺.NET Framework。这套工具里不少是十年前编译的老程序对路径和运行库敏感。解决把整个目录挪到D:\5g_tools\这种纯英文短路径下。如果还闪退装.NET Framework 4.7.2再装Visual C Redistributable 2010和2015。GisLayer.exe.config里如果有assemblyBinding配置别改。5.2 现象MapInfo插件加载后菜单不显示原因MapInfo版本不匹配或者插件注册表项没写进去。mapinfo插件集锦里的插件大多针对MapInfo 12.0用15.0可能不认。解决先确认MapInfo版本12.0最稳。插件一般要放到MapInfo安装目录的Professional子目录下然后在MapInfo里用“工具-运行MapBasic程序”手动加载。如果菜单还是不显示检查插件目录下有没有.mbx文件有的话直接运行mbx。5.3 现象同覆盖计算结果全为“否”原因经纬度格式不对或者方位角单位不对。工参里经纬度可能是度分秒格式如3954.252N直接当十进制算会差出几十公里。方位角可能是弧度不是度。解决先检查输入CSV的经纬度列。度分秒转十进制的公式度 分/60 秒/3600。方位角如果是弧度乘以180/3.1415926转成度。同覆盖计算模板.csv里如果有示例数据先拿示例跑一遍确认工具本身没问题再换自己的数据。5.4 现象KML转TAB后图层偏移几百米原因坐标系没对上。KML是WGS84地理坐标系MapInfo的TAB可能用了Web Mercator或其他投影坐标系。解决转换时显式指定坐标系。如果用ogr2ogr加-a_srs EPSG:4326 -t_srs EPSG:4326。如果用工具自带界面找坐标系设置项源和目标都选WGS84。转换后在MapInfo里叠加一个已知坐标的底图量一下偏移量超过50米就说明坐标系错了。5.5 现象CSV合并后数据错列或乱码原因各CSV表头不一致或者编码不统一。这套工具生成的CSV有GBK也有UTF-8混在一起合并必乱。解决合并前先用Python统一编码和列名。读的时候encodinggbk如果报错就换utf-8-sig。列名不一致的先rename成统一列名再concat。合并后随机抽几行核对别直接拿结果去用。6. 进阶用法把零散工具串成自动化流水线这套工具单个用是散兵游勇串起来才能省时间。我一般会按“工参整理→站间距计算→同覆盖核查→图层输出”四步走中间用Python做胶水把工具的输出接过来再喂给下一个。第一步用CSV拆分合并工具或pandas把多个工参文件合并成一张总表统一列名和编码。第二步用基于距离站间距计算工具V2.1算出所有邻区对的距离或者直接用前面的haversine函数批量算。第三步把距离和夹角结果喂给同覆盖判断逻辑输出同覆盖小区对。第四步用KMML生成查看工具把结果转成KML在Google Earth里做可视化核对。# 自动化流水线骨架 import pandas as pd import glob # 1. 合并工参 files glob.glob(工参/*.csv) df pd.concat([pd.read_csv(f, encodinggbk) for f in files], ignore_indexTrue) df.drop_duplicates(subset[小区ID], inplaceTrue) # 2. 算站间距两两计算数据量大时用空间索引优化 from itertools import combinations results [] for (i, r1), (j, r2) in combinations(df.iterrows(), 2): d haversine(r1[纬度], r1[经度], r2[纬度], r2[经度]) if d 500: # 只保留500米内的邻区对 ad angle_diff(r1[方位角], r2[方位角]) results.append({主小区: r1[小区ID], 邻小区: r2[小区ID], 距离: d, 夹角: ad, 同覆盖: d 200 and ad 60}) # 3. 输出 pd.DataFrame(results).to_csv(同覆盖核查结果.csv, indexFalse, encodinggbk)这段代码把合并、计算、判定、输出串成一条链。参数说明combinations做两两组合数据量大时超过5000个小区会慢常见做法是用geopandas的sjoin做空间索引或者按网格分块计算。距离阈值500米是预筛同覆盖判定用200米和60度。验证方法拿一个你知道同覆盖关系的小区对手动算一遍距离和夹角跟脚本结果对。如果对不上先查经纬度格式再查方位角单位。我一般会抽3-5对做人工核对确认无误再跑全量。从那以后我每次拿到新的工具包都强制先跑一个最小闭环——用示例数据走一遍完整流程确认输入输出都对得上再换自己的数据。这套30套工具合集里同覆盖计算模板.csv就是最好的示例数据别跳过它直接上真实工参。希望帮到你。本文还有配套的精品资源点击获取
简介这份资源面向5G通信网络优化工程师及网优初学者汇集30套日常规划与优化中高频使用的实用工具覆盖同覆盖判断、站间距与扇区平均站距计算、天线下倾角与覆盖距离估算、经纬度与方位角换算、重叠覆盖度核查、5G频率频点转换等典型场景同时附带奥维VIP、罗盘Protractor、KATHREIN天线工具、MapInfo插件集锦、KML生成查看与格式互转、网优图层工具、批量改名与表格合并等辅助软件可帮助读者快速完成数据整理、图层处理与参数核算。压缩包共155个文件以dll、exe、mbx、ocx等程序与插件文件为主另含xlsm、xls、xlsx表格模板及txt、bat脚本整体约103.33MB解压后按教程激活即可使用。目前已有176人学习下载适合需要搭建本地工具链、提升外场与后台工作效率的网优人员参考。1. 30套5G网优工具合集从站间距到同覆盖一线工程师的拆包实录做5G网络优化的同行都清楚日常最耗时的不是路测而是数据整理和图层处理。站间距要算、同覆盖要判、工参要转、图层要叠每个环节都有一堆零散的小工具在撑着。这次拿到手的是一份30套实用5G通信网络优化工具合集解压后目录里既有RouteTool.txt.bak、距离计算.bas这类脚本也有GisLayer.exe.config、gdal19.dll这类运行依赖还有同覆盖计算模板.csv、cell.DAT、MeCell.DAT、无标题.DAT这些数据文件。它解决的核心问题很明确把网优日常高频操作——站间距计算、同覆盖核查、扇区方位角推算、KML与MapInfo互转、5G频率频点转换——打包成一套能直接跑在本机的小工具集。适合谁一线网优工程师、做过LTE/5G工参处理的后台人员以及需要批量处理小区数据的规划岗。如果你每天还在用Excel手算站间距、用在线工具转经纬度这套东西值得花半小时拆一遍。2. 工具集拆包与运行环境先搞清楚哪些能直接跑、哪些要配依赖2.1 目录结构里藏着的三类文件解压后第一件事不是双击exe而是按文件类型分堆。这套合集里的文件大致分三类第一类是可直接执行的工具比如GisLayer.exe.config对应的主程序、网优图层工具V7.0和V9.1.2、IP地址修改器5.0.5.5、CPU检测工具、KATHREIN天线工具RadioTool。这类通常带exe或bat双击就能出界面。第二类是脚本和模板比如距离计算.basBasic脚本一般给MapInfo或Excel用、双网卡同时运行.bat、CSV文件汇总.bat、同覆盖计算模板.csv。这类需要宿主环境bas要MapInfo Professionalbat直接跑但依赖同目录的exe或dll。第三类是数据文件和依赖库比如cell.DAT、MeCell.DAT、无标题.DAT是工参数据gdal19.dll是GIS库依赖GisLayer.exe.config是配置。这类不能单独运行但缺了主程序会报错。提示先看有没有readme或教程文件。摘要里提到“奥维VIP解压后按照教程激活”说明部分工具带激活步骤别跳过。2.2 运行环境准备MapInfo、.NET和gdal这套工具里相当一部分依赖MapInfo Professional。mapinfo插件集锦、kml转mapinfo专业版、MIF和TAB互转工具、距离计算.bas都需要本机装了MapInfo才能用。常见做法是装MapInfo 12.0或15.0版本太新反而插件不认。.NET环境方面GisLayer.exe.config和网优图层工具这类带config的基本是.NET Framework 4.x编译的。Win10/Win11自带4.8一般够用如果双击报“缺少xxx.dll”先装.NET Framework 4.7.2再试。gdal19.dll是GDAL 1.9的库说明有工具用它做坐标转换或栅格处理。这个dll要跟主程序放同一目录不能单独挪走。我一般会先把整个压缩包解压到一个纯英文路径下比如D:\5g_tools\路径里有中文或空格部分老工具会直接闪退。# 建议的解压与目录准备Windows下用PowerShell Expand-Archive -Path 30套实用5G通信网络优化工具合集.zip -DestinationPath D:\5g_tools # 检查关键依赖是否存在 Get-ChildItem D:\5g_tools -Recurse -Include *.dll,*.exe,*.bas,*.bat | Select-Object Name,Length这段命令做两件事解压到纯英文路径然后列出所有可执行和脚本文件方便你对照摘要里的清单核对有没有漏文件。参数上-DestinationPath必须用短路径-Recurse保证子目录也扫到。2.3 先跑通一个最小工具验证环境别一上来就搞同覆盖计算先用CPU检测工具或IP地址修改器5.0.5.5试手。这两个不依赖MapInfo双击能出界面就说明.NET环境没问题。然后再开网优图层工具V9.1.2如果它能加载出地图窗口说明GIS依赖也齐了。REM 双网卡同时运行.bat 的典型用法先看路由表再决定要不要跑 route print REM 确认两张网卡的网关不冲突后再执行bat这个bat的作用是让内外网同时可访问但跑之前一定先route print看默认路由。如果两张网卡都设了默认网关跑完可能直接断网。常见做法是只给一张网卡设网关另一张用静态路由指定内网段。3. 站间距与同覆盖计算从经纬度到扇区核查的完整链路3.1 站间距计算的三种实现与选型合集里跟站间距相关的工具有三个基于扇区平均站距、基于距离站间距计算工具V2.1、站间距。加上“根据经纬度距离和方位角计算新的经纬度”和“距离计算.bas”实际上是一套从坐标到距离的完整链路。选型逻辑很简单如果你只有两列经纬度要算两两距离用基于距离站间距计算工具V2.1导入CSV直接出结果。如果要按扇区维度算平均站距用基于扇区平均站距它需要cell.DAT或MeCell.DAT这种带扇区号的工参。如果要在MapInfo里边看图层边算用距离计算.bas它是MapInfo的MapBasic脚本。 距离计算.bas 核心逻辑MapBasic语法示意 输入两个点的经纬度 输出Haversine距离单位米 Function Distance(lat1 As Float, lon1 As Float, lat2 As Float, lon2 As Float) As Float Dim R As Float Dim dLat As Float, dLon As Float Dim a As Float, c As Float R 6371000 地球平均半径米 dLat (lat2 - lat1) * 3.1415926 / 180 dLon (lon2 - lon1) * 3.1415926 / 180 a Sin(dLat/2)^2 Cos(lat1*3.1415926/180) * Cos(lat2*3.1415926/180) * Sin(dLon/2)^2 c 2 * Atn(Sqr(a) / Sqr(1-a)) Distance R * c End Function这段是Haversine公式的MapBasic实现。关键参数是R6371000用地球平均半径而不是赤道半径网优场景下误差在米级够用。dLat和dLon要先转弧度这是最容易翻车的地方——直接拿度数算Sin结果会差出几十公里。如果你用Python复现逻辑一样import math def haversine(lat1, lon1, lat2, lon2): R 6371000 # 地球平均半径米 phi1, phi2 math.radians(lat1), math.radians(lat2) dphi math.radians(lat2 - lat1) dlambda math.radians(lon2 - lon1) a math.sin(dphi/2)**2 math.cos(phi1)*math.cos(phi2)*math.sin(dlambda/2)**2 return 2 * R * math.atan2(math.sqrt(a), math.sqrt(1-a)) # 示例两个5G基站坐标 d haversine(39.9042, 116.4074, 39.9142, 116.4174) print(f站间距: {d:.2f} 米)Python版用atan2替代Atn(Sqr(a)/Sqr(1-a))数值更稳。参数说明输入经纬度用十进制度不要用度分秒。如果你手上的工参是度分秒格式先转成十进制再喂进去。3.2 同覆盖判断模板CSV与扇区计算同覆盖判断是这套合集的重点涉及同覆盖计算模板.csv、同覆盖判断工具、共要盖扇区计算、小区共要盖核查、附件1重叠覆盖度计算。核心逻辑是给定一个主小区找出与它方位角夹角小于阈值、且距离小于阈值的小区判定为同覆盖。同覆盖计算模板.csv的结构一般是主小区ID、邻小区ID、主小区经纬度、邻小区经纬度、主小区方位角、邻小区方位角、距离、夹角、是否同覆盖。你把自己的工参按这个格式填进去再用工具跑。import pandas as pd import math def angle_diff(a1, a2): 计算两个方位角的最小夹角返回0-180度 d abs(a1 - a2) % 360 return d if d 180 else 360 - d def is_same_coverage(row, dist_th200, angle_th60): 同覆盖判断距离200米且夹角60度 d haversine(row[主纬度], row[主经度], row[邻纬度], row[邻经度]) ad angle_diff(row[主方位角], row[邻方位角]) return d dist_th and ad angle_th df pd.read_csv(同覆盖计算模板.csv, encodinggbk) df[距离] df.apply(lambda r: haversine(r[主纬度], r[主经度], r[邻纬度], r[邻经度]), axis1) df[夹角] df.apply(lambda r: angle_diff(r[主方位角], r[邻方位角]), axis1) df[是否同覆盖] df.apply(is_same_coverage, axis1) df.to_csv(同覆盖结果.csv, indexFalse, encodinggbk)这段代码把模板CSV读进来算出距离和夹角再按阈值判定。参数说明dist_th默认200米angle_th默认60度这两个值要按你的场景调。密集城区站间距小dist_th可以放到150米郊区可以放到300米。夹角阈值一般60度但如果你做的是三扇区站同站邻区夹角120度要单独排除同站情况。注意读CSV时encoding用gbk这套工具生成的CSV基本都是GBK编码用utf-8会报UnicodeDecodeError。3.3 经纬度与方位角推算新坐标“根据经纬度距离和方位角计算新的经纬度”这个工具解决的是已知一个基站坐标、一个方位角、一个距离求目标点的经纬度。典型场景是算天线覆盖边缘点或者做拉线工具时确定远端坐标。def new_coord(lat, lon, bearing, distance): 已知起点、方位角、距离求终点经纬度 R 6371000 brng math.radians(bearing) lat1 math.radians(lat) lon1 math.radians(lon) lat2 math.asin(math.sin(lat1)*math.cos(distance/R) math.cos(lat1)*math.sin(distance/R)*math.cos(brng)) lon2 lon1 math.atan2(math.sin(brng)*math.sin(distance/R)*math.cos(lat1), math.cos(distance/R)-math.sin(lat1)*math.sin(lat2)) return math.degrees(lat2), math.degrees(lon2) # 示例从基站出发方位角60度距离500米 lat2, lon2 new_coord(39.9042, 116.4074, 60, 500) print(f目标点: {lat2:.6f}, {lon2:.6f})参数说明bearing是方位角正北为0顺时针增加单位度。distance单位米。这个公式在小距离10km下精度很高网优场景完全够用。如果你要做拉线工具把每个扇区的方位角和覆盖距离代进去就能生成三个方向的拉线端点。4. 图层与格式转换KML、MapInfo、CSV的互转实操4.1 KML转MapInfo与MIF/TAB互转合集里kml转mapinfo专业版、MIF和TAB间的互转工具、KMML生成查看工具、mapinfo插件集锦是一套完整的格式转换链。网优日常要在Google Earth看站点分布又要在MapInfo里做工参分析KML和TAB之间的转换是刚需。常见做法是先用KMML生成查看工具把工参CSV转成KML在Google Earth里核对站点位置确认无误后用kml转mapinfo专业版转成TAB图层如果对方只给MIF用MIF和TAB互转工具转成TAB。# 用ogr2ogr做KML转MapInfo TAB如果装了GDAL ogr2ogr -f MapInfo File output.tab input.kml # MIF转TAB ogr2ogr -f MapInfo File output.tab input.mifogr2ogr是GDAL自带的命令行工具gdal19.dll说明这套工具底层可能也用了GDAL。参数说明-f指定输出格式MapInfo File对应TAB。如果报坐标系错误加-a_srs EPSG:4326指定WGS84。注意KML默认是WGS84坐标系MapInfo的TAB可能用其他坐标系。转换后一定要在MapInfo里叠加底图核对偏移超过50米就说明坐标系没对上。4.2 CSV拆分合并与批量改名CSV拆分合并工具、CSV文件汇总.bat、多个工作薄合并工具超级版、表格合并工具、文件批量改名工具、文件改名及时间修改工具这几个是数据整理环节的苦力活。CSV文件汇总.bat的典型逻辑是把同目录下所有CSV合并成一个。我一般会先确认所有CSV表头一致再跑bat。如果表头不一致合并出来会错列。REM CSV文件汇总.bat 逻辑示意 echo off setlocal enabledelayedexpansion set outputmerged.csv if exist %output% del %output% for %%f in (*.csv) do ( if not %%f%output% ( type %%f %output% ) ) echo 合并完成: %output%这个bat把所有CSV直接type追加到merged.csv。问题在于它不去重表头每个文件的表头都会写进去。常见做法是手动保留第一个文件的表头后面的用more 1跳过第一行。如果你用Pythonpandas的concat更稳import pandas as pd import glob files glob.glob(*.csv) df_list [pd.read_csv(f, encodinggbk) for f in files] merged pd.concat(df_list, ignore_indexTrue) merged.drop_duplicates(subset[小区ID], keepfirst, inplaceTrue) merged.to_csv(merged.csv, indexFalse, encodinggbk)参数说明glob.glob(*.csv)匹配当前目录所有CSVdrop_duplicates按小区ID去重keepfirst保留第一次出现的。如果你的CSV列名不一致先统一列名再concat。4.3 5G频率频点转换与工参处理5G频率频点转换和5G频率频点转换V1.0(单工具)解决的是NR频点与频率的换算。5G NR的频点号NR-ARFCN和实际频率之间是分段线性关系不同频段FR1/FR2公式不同。def arfcn_to_freq(arfcn): 5G NR ARFCN转频率MHzFR1范围 if 0 arfcn 599999: # 0-3000MHz return arfcn * 0.005 elif 600000 arfcn 2016666: # 3000-24250MHz return 3000 (arfcn - 600000) * 0.015 else: return None def freq_to_arfcn(freq): 频率转ARFCN if 0 freq 3000: return int(freq / 0.005) elif 3000 freq 24250: return int(600000 (freq - 3000) / 0.015) else: return None # 示例3500MHz对应的ARFCN print(freq_to_arfcn(3500)) # 输出633333 print(arfcn_to_freq(633333)) # 输出3500.0参数说明FR1的0-3000MHz步长0.005MHz3000-24250MHz步长0.015MHz。这两个公式是3GPP TS 38.104定义的工具里的换算逻辑应该一致。如果你做的是n78频段3300-3800MHz用第二段公式。cell.DAT和MeCell.DAT是工参数据文件通常包含小区ID、经纬度、方位角、下倾角、频点、PCI等信息。用网优图层工具V9.1.2可以直接加载这些DAT文件生成图层。如果加载报错先用文本编辑器打开看编码常见是GBK或UTF-8。5. 避坑与排查这30套工具里最容易翻车的五个地方5.1 现象双击exe没反应或闪退原因路径含中文或空格或者缺.NET Framework。这套工具里不少是十年前编译的老程序对路径和运行库敏感。解决把整个目录挪到D:\5g_tools\这种纯英文短路径下。如果还闪退装.NET Framework 4.7.2再装Visual C Redistributable 2010和2015。GisLayer.exe.config里如果有assemblyBinding配置别改。5.2 现象MapInfo插件加载后菜单不显示原因MapInfo版本不匹配或者插件注册表项没写进去。mapinfo插件集锦里的插件大多针对MapInfo 12.0用15.0可能不认。解决先确认MapInfo版本12.0最稳。插件一般要放到MapInfo安装目录的Professional子目录下然后在MapInfo里用“工具-运行MapBasic程序”手动加载。如果菜单还是不显示检查插件目录下有没有.mbx文件有的话直接运行mbx。5.3 现象同覆盖计算结果全为“否”原因经纬度格式不对或者方位角单位不对。工参里经纬度可能是度分秒格式如3954.252N直接当十进制算会差出几十公里。方位角可能是弧度不是度。解决先检查输入CSV的经纬度列。度分秒转十进制的公式度 分/60 秒/3600。方位角如果是弧度乘以180/3.1415926转成度。同覆盖计算模板.csv里如果有示例数据先拿示例跑一遍确认工具本身没问题再换自己的数据。5.4 现象KML转TAB后图层偏移几百米原因坐标系没对上。KML是WGS84地理坐标系MapInfo的TAB可能用了Web Mercator或其他投影坐标系。解决转换时显式指定坐标系。如果用ogr2ogr加-a_srs EPSG:4326 -t_srs EPSG:4326。如果用工具自带界面找坐标系设置项源和目标都选WGS84。转换后在MapInfo里叠加一个已知坐标的底图量一下偏移量超过50米就说明坐标系错了。5.5 现象CSV合并后数据错列或乱码原因各CSV表头不一致或者编码不统一。这套工具生成的CSV有GBK也有UTF-8混在一起合并必乱。解决合并前先用Python统一编码和列名。读的时候encodinggbk如果报错就换utf-8-sig。列名不一致的先rename成统一列名再concat。合并后随机抽几行核对别直接拿结果去用。6. 进阶用法把零散工具串成自动化流水线这套工具单个用是散兵游勇串起来才能省时间。我一般会按“工参整理→站间距计算→同覆盖核查→图层输出”四步走中间用Python做胶水把工具的输出接过来再喂给下一个。第一步用CSV拆分合并工具或pandas把多个工参文件合并成一张总表统一列名和编码。第二步用基于距离站间距计算工具V2.1算出所有邻区对的距离或者直接用前面的haversine函数批量算。第三步把距离和夹角结果喂给同覆盖判断逻辑输出同覆盖小区对。第四步用KMML生成查看工具把结果转成KML在Google Earth里做可视化核对。# 自动化流水线骨架 import pandas as pd import glob # 1. 合并工参 files glob.glob(工参/*.csv) df pd.concat([pd.read_csv(f, encodinggbk) for f in files], ignore_indexTrue) df.drop_duplicates(subset[小区ID], inplaceTrue) # 2. 算站间距两两计算数据量大时用空间索引优化 from itertools import combinations results [] for (i, r1), (j, r2) in combinations(df.iterrows(), 2): d haversine(r1[纬度], r1[经度], r2[纬度], r2[经度]) if d 500: # 只保留500米内的邻区对 ad angle_diff(r1[方位角], r2[方位角]) results.append({主小区: r1[小区ID], 邻小区: r2[小区ID], 距离: d, 夹角: ad, 同覆盖: d 200 and ad 60}) # 3. 输出 pd.DataFrame(results).to_csv(同覆盖核查结果.csv, indexFalse, encodinggbk)这段代码把合并、计算、判定、输出串成一条链。参数说明combinations做两两组合数据量大时超过5000个小区会慢常见做法是用geopandas的sjoin做空间索引或者按网格分块计算。距离阈值500米是预筛同覆盖判定用200米和60度。验证方法拿一个你知道同覆盖关系的小区对手动算一遍距离和夹角跟脚本结果对。如果对不上先查经纬度格式再查方位角单位。我一般会抽3-5对做人工核对确认无误再跑全量。从那以后我每次拿到新的工具包都强制先跑一个最小闭环——用示例数据走一遍完整流程确认输入输出都对得上再换自己的数据。这套30套工具合集里同覆盖计算模板.csv就是最好的示例数据别跳过它直接上真实工参。希望帮到你。本文还有配套的精品资源点击获取
