基于MR数据的LTE网络结构评估方法

第一篇：基于MR数据的LTE网络结构评估方法

基于MR数据的LTE网络结构评估方法

作者：姚柒零 岳军 隋延峰等 来源：《移动通信》2013年第21期

【摘 要】中国移动TD-LTE通信网络目前处于建设初期，用户量少，网络不稳定，尤其MR的开启、采集和数据质量等方面都处于萌芽阶段。阐述了LTE测量报告（MR）数据的新特征以及标准采集方案，提出了利用TD-LTE MRS和MRO测量报告数据来评估网络结构的一些指标与分析方法。

【关键词】TD-LTE 测量报告 MRS MRO 网络结构 过覆盖 重叠覆盖

中图分类号：TN806 文献标识码：A 文章编号：1006-1010（2013）-21-0027-05 结合GSM和TD-SCDMA的网络运营经验，传统上分析和评估网络结构的主要手段是DT（路测）/CQT（定点测试）以及解决用户投诉。其中DT/CQT需要耗费大量的人力和物力，而且周期较长，不能及时应对一些网络突发现象，诸如城市某些重要商圈的大面积网络瘫痪等；用户投诉的方法，虽然可以基于具体的用户投诉现象发现网络中潜在的问题，但是由于客户对现象描述不清以及无线网络环境复杂，会大大提高解决问题的难度。另外，用户投诉是一种被动的问题发现方式，不仅会大大降低客户的满意度，而且对运营商的社会形象也会造成不利的影响。利用基站或终端上报的MR（测量报告）数据，则既节省了人力物力，又能及时发现网络问题，最大程度上提高客户感知。

1.测量报告（MR）

物理层测量是LTE系统的一项重要功能。物理层上报的测量结果可以用于系统中无线资源控制子层完成诸如小区选择/重选及切换等事件的触发，也可以用于系统操作维护，观察系统的运行状态。LTE的测量报告数据主要来自UE和eNodeB的物理层、RLC层，以及在无线资源管理过程中计算产生的测量报告。原始测量数据或者经过统计计算（可以在eNodeB或OMC-R上实现统计）报送到OMC-R以统计数据形式进行存储（如图1所示），或者直接报送到OMC-R以样本数据形式进行存储（如图2所示）。

LTE测量方式分为两种：周期测量和事件触发测量。

LTE测量报告数据在OMC-R中有两种存储形式：测量报告样本数据和测量报告统计数据。测量报告样本数据表示OMC-R收集的原始测量报告信息。

测量报告统计数据表示在一个统计周期内，按照一定的统计条件得到的分区间统计的原始测量报告样本数量，包括一维统计数据和二维统计数据两种。一维测量报告统计数据仅涉及一种统计条件，二维测量报告统计数据涉及两种统计条件。

LTE测量报告数据涵盖了小区的网络覆盖情况、业务质量、上/下行链路干扰水平、小区或载波发射功能等方面。可以通过采集全网的MR，获得用户通话过程中的空口测量值，通过采集、分析测量报告数据，可以便利地发现当前用户的分布状况，解决网络中如覆盖漏洞、用户掉话等常见的网优问题，从而可以替代部分路测工作，节省大量的人力和物力。

2.网络结构

无线网络结构就是对无线网络的基本元素和特征进行分类总结，从无线网络的基础出发，从网络的基本构架角度描述无线网络，简称“网络结构”。

对于TD-LTE这种同频组网的无线网络而言，网络结构方面的问题应当受到极大关注。虽然目前在TD-LTE无线网络低负荷的情况下，网络结构问题对网络质量的影响表现不明显，但是会对网络的进一步发展形成较大制约，所以更应该重视。

无线网络的特征，一般从三个维度进行考虑：覆盖、容量和频率。容量对于目前和将来很长一段时间的TD-LTE网络来讲基本不会成为问题；而频率部分，由于TD-LTE基本是同频组网，影响的关键是小区的PCI，而目前业界也有成熟的PCI规划工具。本文着重从覆盖的维度进行TD-LTE网络结构评估。

超远和超近的站间距都会造成结构的不合理，基站布局和天线挂高不合理也会使得重叠覆盖或者弱覆盖严重，造成掉话、话音质量下降或网络拥塞、切换成功率低等不良的客户感知。而基于MR测量报告数据分析得出的覆盖情况更能反映实际地理环境问题，能够抓住问题的关键点进行优化，实现良好精确覆盖，改善网络结构。

3.基于TD-LTE MR进行网络结构分析的指标及方法

TD-LTE的MR测量报告主要分为MRS和MRO。MRS是统计类的测量报告，系统一般会15分钟进行一次统计输出，文件类型是CSV格式的单文件，一般都很小；而MRO是样本类的测量报告，文件类型是XML格式的，由于携带了大量秒级的测量信息，数据量一般都很大。另外，MRO与系统设置上报周期有很大的关系，周期越短，生成的文件就越大（基本是G级），目前建议上报周期为5 120ms。

3.1 TD-LTE MRS测量报告统计类数据

运用M R S测量报告可以进行业务质量和干扰的网络评估：（1）质量类下行丢包率的评估如下（上行丢包率与之类同）：

数据来源：M R S M R.PacketLossR ateD LQ ciX ；

计算方法：不同区间取中值，之后对应采样点数量进行加权；

M R.Packet Los s R at eD LQ ci X=(M R.Packet Los s R at eD LQ ci X.00*0.5% + M R.PacketLossR ateD LQ ciX.01*1.5% + ⋯..+ M R.P acketL o ssR ateD L Q ciX.19*19.5%+ M R.P acketL o ssR ateD L Q ciX.20*25% ⋯⋯..M R.Packet LossR at eD LQ ci X.27*95%)其中：M R.Packet LossR at eD LQ ci X 中的X =1⋯9

输出：小区级的

M R.Packet Los s R at eD LQ ci 1，M R.Packet Los s R at eD LQ ci 2，M R.PacketLossR ateD LQ ci 3，M R.PacketLossR ateD LQ ci 4，M R.PacketLossR ateD LQ ci 5，M R.PacketLossR ateD LQ ci 6，M R.PacketLossR ateD LQ ci 7，M R.PacketLossR ateD LQ ci 8，M R.Packet LossR at eD LQ ci 9，（2）干扰类

小区干扰有两种评估方法（评估时间范围15分钟）：

1）以小区平均吞吐量损失5%为门限，20M带宽内平均干扰不高于-113dBm/RB，且任意10个RB上的干扰不高于-105dBm/RB，则认为本站无干扰。如果不满足任何一条，都认为有干扰。

2）以小区平均吞吐量损失10%为门限，20M带宽内平均干扰不高于-111dBm/RB，且任意10个RB上的干扰不高于-101dBm/RB，则认为本站无干扰。如果不满足任何一条，都认为有干扰。

3.2 TD-LTE MRO测量报告样本类数据

TD-LTE MRO的记录特征如表1所示。

TD-LTE物理层的一个无线指帧包含两个半帧，长度各为5ms，每个半帧包含5个子帧，长度都是1ms。TD-LTE支持不同带宽（包括1.4M、3M、5M、10M、15M和20M），不同带宽下所用的RB数也不同。

（1）小区关联定义

关联系数=满足条件的邻小区MR报告数/主小区MR总报告数。服务小区MR报告总数为分母，针对每个MR报告，若scell RSRP-ncell（邻小区）RSRP

当关联系数大于1%（可调）时，定义该邻小区与主小区关联，或者说该邻小区被主小区测量到且可能对主小区产生干扰。

（2）过覆盖小区

过覆盖指网络中存在过度的覆盖重叠，MS使用很远距离小区的信号，而没有占用邻近位置的小区信号。过覆盖的现象主要表现为某些小区的导频信号过强，覆盖区域超过了规划的范围，在其他小区的覆盖区域内形成不连续的主导区域，从而造成信令拥塞以及由于干扰带来的网络性能恶化。

服务小区与自身平均站间距1.5倍（可调）以外的5个（可调）邻小区相关联，该小区即为过覆盖小区。此时可以理解为该小区干扰到距离该小区自身站间距1.5倍以外的N个小区。

和2G、TD-SCDMA类似，LTE中N值越大表征该服务小区影响其他小区的能力越强，更需要进行整治和调整，改善网络结构。

（3）重叠覆盖度

理想蜂窝结构下重叠覆盖度最大为3，在现网中由于基站分布不均，会出现大于3的情况。根据现网测试和分析发现，小区信号重叠覆盖度越高，对服务小区平均SINR和平均吞吐量影响越大，图3是某特大城市测试时的重叠覆盖小区与SINR和吞吐量的关系图。如何评估重叠覆盖度，将成为TD-LTE网络的重中之重。

重叠覆盖度：解析TD-LTE MRO样本数据，按照每个TD-LTE MRO报告，统计服务小区能够测量到多少个满足下面两个条件的小区：

条件1：主小区RSRP-邻小区RSRP 条件2：邻小区信号强度≥-113dBm。

高重叠覆盖度小区：若服务小区重叠覆盖度小区数>5的样本点与总样本点的比值大于5%，就认为此小区属于高重叠覆盖度小区。若重叠覆盖个数多的比例太高，说明重叠覆盖严重；若重叠覆盖个数少的比例太高，则可能连续覆盖不够。

（4）重叠覆盖强度

MR最强覆盖率，是提取地理位置最强的信号进行计算的，可以评估地域内无线信号的真实覆盖水平，避免因参数设置和邻区等情况影响小区占用而导致覆盖率与真实覆盖情况不一致。

4.总结

综上所述，TD-LTE网络的测量报告相对于原有TD-SCDMA网络，无论是对报告数据本身还是数据格式方面都提出更高的要求，这是与运营商网络精细化管理的要求一致的。利用TD-LTE测量报告数据对网络质量进行分析目前在国内还是首次尝试，通过本文的论述，可以看出TD-LTE测量报告数据可以替代部分路测工作完成小区覆盖等问题的初步分析，从而节省大量的人力和物力，达到事半功倍的效果。

随着测量报告采集和统计标准化工作的推进，利用测量报告数据以及基于测量报告的分析结果能够解决相当一部分网络覆盖问题，而且这种方式具有成本低廉、方便操作、及时等优点，可以替代部分路测工作或者成为路测方法的有益补充。

参考文献：

[1] 中国移动通信集团.TD-LTE数字蜂窝移动通信网无线操作维护中心（OMC-R）测量报告技术要求[S].[2] 3GPP TS 36.213.Evolved Universal Terrestrial Radio Access（E-UTRA）Physical layer procedures；Protocol specification（Release 8）[S].[3] 3GPP TS 36.306.Technical Specification Group Radio Access Network Radio Resource Control Protocol specification（Release 10）[S].[4] 王映民，孙韶辉，等.TD-LTE技术原理与系统设计[M].北京： 人民邮电出版社，2010.[5] 中国通信企业协会.2012—2013中国通信业发展分析报告[M].北京：社，2013.人民邮电出版

第二篇：浅谈城镇住户调查数据质量评估方法

浅谈城镇住户调查数据质量评估方法

抽样调查的实质主要是通过样本指标推算总体指标,产生一些误差是必然的；因此,样本的选择和抽取方法,对于抽样的推断结果有着至关重要的作用。同时，合理地评估样本数据既是非常重要的,也是必要的。在我们实际的工作中,对于抽样调查方法等工作比较重视,而对抽样样本的评估缺少全面系统的分析。本文结合城镇住户调查统计工作，对城镇住户数据质量评估内容、标准和方法，提出浅薄的看法。

一、建立数据质量评估制度

数据质量是住户调查工作的根本，而数据评估是提高数据质量的重要手段和环节。为切实提高城镇住户调查能力、提高调查数据质量、提高统计公信力，各级调查队必须建立数据质量评估制度，使得数据评估常态化、制度化、规范化，提高数据评估审核的科学性、客观性和可操作性。

二、数据质量评估标准

城镇住户调查数据评估以提高城镇住户调查数据的科学性、代表性和真实性为主要目的，以《中华人民共和国统计法》和城镇住户调查方法制度为依据，按照“科学、及时、可操作”的原则，高度关注城镇住户调查的样本代表性，使得调查样本能够真实地反映城镇居民的总体结构，这是保证住户调查数据质量的起始环节。同时，调查数据能准确反映城镇居民生活的实际情况以及一段趋势内城镇居民生活的变化情况，这是城镇住户调查的根本任务，也是提高数据质量的重要检验手段。

三、数据质量评估办法

（一）样本代表性评估

#样本代表性是住户调查工作的基础，样本结构存在问题将直接影响数据质量。一般情况下抽样的总体分布大部分是正态的或者接近于正态的,或者只要是抽样样本均值的分布呈正态的或者接近于正态分布的,就认为符合抽样理论要求，可以进行样本抽样，进行总体的推断，这是前提的条件；但是有一些总体分布非常不均匀，分布不合理，明显属于偏态。这主要是由于总体分布不均匀，或抽样方法不当，导致样本的分布不合理，或采取人为随机的方式抽取一定的比例时，很容易造成样本分布的系统偏差性。数据质量评估应首先检查各地是否按照城镇住户调查制度抽选和轮换样本。评估样本代表性主要有两个内容：一是城镇住户大样本调查与常规调查样本的代表性评估；二是非正常换户后对新换户样本的代表性评估。评估时重点注意以下方面：

⒈平均户规模及家庭类型的代表性。户规模与收支指标变动程度直接相关，要利用全面统计资料（人口普查、户籍统计、劳动工资等）和大样本调查资料进行样本的一致性分析，检查常规调查户中平均户规模及不同规模类型家庭的构成与总体是否一致。尤其要重视样本轮换及非正常换户前后平均户规模及家庭类型构成的变动情况。⒉人口及就业结构的代表性。要利用全面统计资料和大样本调查资料，检查常规住户调查的家庭人口结构与总体是否一致，就业人员的就业情况、行业、职业等构成与总体是否一致，就业人口、离退休人口的比例与总体是否一致。

⒊主要指标的计算。计算样本轮换及非正常换户前后人均可支配收入、人均消费性支出、家庭人口三项指标的平均值、方差、臵信区间和抽样误差。指标变动幅度较大的，要找出原因及解决办法。

（二）数据匹配性评估

进行数据匹配性评估时，应高度关注城镇住户调查数据内部的逻辑性和科学性，加强对同一时期内相关数据和历史数据在宏观层面上的把握，强化数据匹配性评估。评估分析主要从以下几方面着手：

⒈加强指标内部的对比验证。一是进行城镇住户调查历史数据纵向比对，通过观察历史数据的变动规律，分析当期主要收支指标变动幅度与全省或全国数据相差是否在±3%范围内，重点对同比增幅（或降幅）较大的数据进行评估审核；二是对收支数据的平衡关系、收入增长幅度与支出增长幅度是否匹配、分项收入的增长趋势是否匹配等内部指标的对比验证。

⒉关注同一经济带的数据比对。由于经济社会的发展存在地区差异，同一经济带的发展趋势存在可比性。比较主要收支指标的发展速度时，可结合所属同一经济地带其他地区的相同指标及其历史数据进行趋势比对。⒊注重对衍生指标的分析。对恩格尔系数、平均消费倾向、基尼系数等重要衍生指标进行趋势分析，重点关注这些指标的变化趋势是否能准确地反映本地经济发展趋势，和历史数据的走向是否衔接。要注意和同类型地区的相同指标进行比较，观察指标数值是否符合客观实际。

（三）数据协调性评估

数据的协调性评估遵循“科学、及时、可操作”的原则，充分利用其他统计指标及相关部门的行政记录对城镇住户调查数据进行全面的协调性分析。进行数据协调性分析时，应加强对同一时期内相关统计专业数据、部门数据在宏观层面上的把握，强化数据协调性评估。评估分析主要从以下几方面着手：

⒈重视与相关统计专业指标进行横向比对。住户收支数据应与国内生产总值、就业人员工资、银行现金收入中城乡个体经营收入、社会商品零售额等宏观经济指标的水平和增长趋势基本一致。并利用数据评估分析表提供的GDP、城镇职工工资水平、城镇单位从业人员数量、社会商品零售总额、财政收入、城乡储蓄存款变动额、银行现金收入中城乡个体经营收入等相关指标进行评估。住户调查中的职工人均工资及补贴收入要与劳动工资中的劳动者人均劳动报酬相比较。比较消费性支出与社会消费品零售总额增幅，分析变动幅度是否协调。

⒉加强与其他部门行政记录进行同期对比。如离退休人员养老金收入要与劳动和社会保障局提供的社会养老保险支出和人事局提供的机关事业单位离退休人员养老金进行比较。比较人均可支配收入和个人所得税增幅的变动趋势是否协调等。

⒊规范协调性评估过程。进行协调性评估之前，要分析对比指标的定义、调查期、覆盖范围、口径是否一致。如果不一致，则分析两者的差距及其产生原因。计算对比指标的同比增幅，观察指标数值与历史数据是否协调，结合当地出台的新政策、新规定，分析增幅差异的内在原因。

（四）多阶段数据评估

通过采用趋势分析、对比分析、影响因素分析、相关指标分析、逻辑性评估、基础性评估等方法对统计数据质量进行评估，从而提高统计数据质量。主要做法：

1、在做好每月报表检查审核的同时，按照每季一小评、半年一大评的数据质量评估办法对城镇住户调查专业数据质量进行认真细致地评估。

2、一季度和三季度末进行科室内评估。

3、半年和全年进行综合评估，邀请队领导，队综合、消价、限下商业等相关专业人员，共同对调查重要指标进行定性评估和定量分析，提高调查数据的科学性。

四、评估后数据的修正

若数据评估发现某地区数据质量存在不匹配、不协调现象，该地区须在规定时间内提交详细的分析说明报告，经上级核准以确定是否修正其（季度）数据。

1、原因的分析依据样本设计、抽样过程、开户情况、样本的重要指标代表性、较大异常值的影响、数据处理中误差等内容分析寻找原因。

2、数据的修正必须本着问题出在哪里修正哪里的原则进行。样本差距多少，调整多少；实地调查有误，要及时组织重新复查，解决漏报或错报的问题；对于属实的异常值，要做平滑处理，并作好台帐，以备检查。

3、对于收支指标变动较大的，国家局、总队、市队要求需要做出评估的，必须在要求时限内上报数据评估分析报告。对县（市）评估发现的数据问题，县（市）队不能予以详细的有说服性的评估分析，与发展趋势相违背的，市队将保留其原始数据作为历史资料，并核定出可比增幅，作为提供党政机关使用的资料。

第三篇：数据统计分析方法

数据统计分析方法

排列图：

排列图是由两个纵坐标，一个横坐标，若干个按高低顺序依次排列的长方形和一条累计百分比折线所组 的，为寻找主要问题或主要原因所使用的图。

排列图有以下优点：直观，明了－－全世界品质管理界通用用数据说明问题－－说服力强用途广泛： 品质管理 / 人员管理 / 治安管理排列图的作图步骤收集数据(某时间)作缺陷项目统计表绘制排列图画横坐标(标出项目的等分刻度)画左纵坐标(表示频数)画直方图形(按每项的频数画)画右纵坐标(表示累计百分比)定点表数。

因果图何谓因果图：

对于结果（特性）与原因（要因）间或所期望之效果（特性）与对策的关系，以箭头连接，详细分析原因或对策的一种图形称为因果图。因果图为日本品管权威学者石川馨博士于1952年所发明，故又称为石川图，又因其形状似鱼骨，故也可称其为鱼骨图，或特性要因图作因果图的原则采取由原因到结果的格式通常从‘人，机，料，法，环’这五方面找原因‘4M1E’, Man, Machine, Material, Method, Environment通常分三个层次：主干线、支干线、分支线尽可能把所有的原因全部找出来列上对少数的主要原因标上特殊的标志写上绘制的日期、作者、有关说明等作因果图应注意的事项问题(结果)应单

一、具体，表述规范最后细分出来的因应是具体的，以便采取措施；在寻找和分析原因时，要集思广益，力求准确和无遗漏可召开诸葛亮会，采用头脑风暴法层次要清，因果关系不可颠倒原因归类正确作因果图应注意的事项画法按从左至右的贯例执行－－规范化在作因果图前，可先从排列图中找出主要问题，然后针对主要问题，召集相关人员进行讨论，力求尽可能找出产生问题的原因，通过分析，确立主要原因。因果图在今后可不断进行修改，逐渐完善，反復使用。

直方图：

是通过对数据的加工整理，从而分析和掌握品质数据的分布状况和估算工序不合格率的一种方法。直方图的作法作直方图的三大步骤作频数表画直方图进行有关计算作直方图的步骤(例3)1.搜集数据作直方图的步骤计算极差(Range),上表中最大值Xmax=48;最小值Xmin=1;R＝Xmax-Xmin=48-1=47适当分组(k)在本例中，取k=10确定组距(h)组距用字母 h 表示：h=R/k=47/10=4.7, Y约等于5。确定各组界限－－组的边界值单位取最小测量单位的一半。作直方图的步骤本例第一组的下限为：第一组的上限值为下界限值加上组距第二组的下界值为上界限值，第一组的上界值加上组距就是第二组上界限值，照此类推，定出各组的边界。编制频数分布表

分层法

分层的目的是把杂乱无章和错综复杂的数据，按照不同的目的、性质、来源等加以分类整理，使之系统化、条理化，能更确切地反映数据所代表的客观事实，便于查明产品质量波动的实质性原因和变化规律，以便抓住主要矛盾，找到主要影响因素，从而对症下药，采取相应的措施。

分层的原则是使同一层内的数据波动尽可能小、而层与层之间的差别尽可能大。

为了达到目的，通常按操作者、机器设备、材料、工艺方法、测量手段、环境条件和时间等标志对数据进行分层。

调查表

调查表也叫检查表或核对表，它是一种为了便于搜集数据而使用简单记号并予统计整理，并作进一步分析或作为核对、检查之用而事先设计的一种表格或图表

控制图

控制图是一种带有控制界限的反映过程质量的记录图形，图的纵轴代表産品质量特性值(或由质量特性值获得的某种统计量)；横轴代表按时间顺序(自左至右)抽取的各个样本号；图内有中心线(记爲CL)、上控制界限(记爲UCL)和下控制界限(记爲LCL)三条线(见下图)

第四篇：浅谈LTE网络优化方法与思路

LTE网络优化内容与方法

LTE网络优化内容主要包括：覆盖类优化、吞吐率优化、掉话类优化、接入失败优化、切换类优化、时延类优化等若干方面的专项优化。LTE网络优化主要的解决方案有： 1.出现弱覆盖、过覆盖情况时，首先要排查是否有邻区漏配现象，通过调整CRS发射功率，调整天馈系统来解决覆盖类问题。

对比实测数据与网络规划设计数据，确定弱覆盖区域规划设计中的主控小区。找出设计小区在该区域覆盖差的原因，必要的时候需要进行到现场进行勘测，根据分析结论和勘测结果提出解决方案，通常对天线方向角、下倾角、高度等进行调整。如果天线调整没有效果，可根据周围环境或者运营商现有站点资源提出加站建议。2.干扰问题：来自领小区及外部干扰，通过优化邻区关系，RRU工作不正常等，进行PCI优化，调整ICIC参数配置等。

通过DT 测试中接收的SINR 指标数据进行问题定位，通过后台处理软件导出相应的SINR的指标图，从指标图当中将SINR恶化区域标识出来，同时，结合检查恶化区域的下行覆盖RSRP指标情况，如果下行RSRP覆盖指标数值也差则认定为覆盖问题，在覆盖问题分析中加以解决。对于RSRP好而SINR差的情况，确认为网内小区间干扰问题，分析干扰原因并加以解决。

切换问题：切换是一个重要的无线资源管理功能，是蜂窝系统所独有的功能和关键特征，是为保证移动用户通信的连续性或者基于网络负载和操作维护等原因，将用户从当前的通信链路转移到其他小区的过程。切换过程的优化对任何一个蜂窝系统都是十分重要的，因为从网络效率的角度出发，用户终端处于不适合的服务小区时，不仅会影响自身的通信质量，同时也将增加整个网络的负荷，甚至增大对其他用户的干扰。在簇优化阶段，在覆盖优化和干扰优化的基础上，切换优化的主要应该针对邻区关系配置和相关切换参数来进行优化。

第五篇：数据标准化处理方法

数据标准化处理方法

2011-11-04 10:36:44 来源: 作者: 【大中小】 浏览:2749次

统计上综合经济实力测评经常用到数据的标准化处理。那么什么是数据标准化处理？ 数据标准化也就是统计数据的指数化。数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。数据无量纲化处理主要解决数据的可比性，在此我们采用指数化处理方法。指数化处理以指标的最大值和最小值的差距进行数学计算，其结果介于０－１之间。具体计算公式如下：zi=xi-xmin/xmax-xmin其中：zi为指标的标准分数xi为某镇某指标的指标值xmax为全部镇中某指标的最大值xmin为全部镇中某指标的最小值经过上述标准化处理，原始数据均转换为无量纲化指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析。