1.一种区域5G基站容量信息分析处理方法，其特征在于，包括如下同步实施的Track‑1和Track‑2：Track‑1，聚类分析：建立数据集并通过余弦相似性度量，使用K均值聚类将聚类中心的估计值初始化并进行迭代，使用Davies‑Bouldin指数衡量簇内的紧密度和簇间的分离度；

在所述Track‑1中，所述数据集包括连接数量C、数据流量F和信号强度S的性能特征，构建出所述数据集，所述数据集用特征向量表示为：样本1:[C1,F1,S1]

样本2:[C2,F2,S2]

...

样本N:[CN,FN,SN]

所述数据集中，每个所述样本代表一个基站；

所述余弦相似性的度量：用于衡量不同基站之间的相似性，每两个基站之间的所述余弦相似性CosineSimilarity包括：X和Y是两个基站的特征向量，·表示向量的点积，∥X∥和∥Y∥分别表示向量X和Y的范数；

在所述Track‑1中，所述K均值聚类：将基站分为K个簇，最小化簇内样本的平方误差和：所述J是目标函数，所述ni是第i个簇中的数据点的数量，所述xj是第i个簇中的第j个数据点；i＝1表示对簇的索引；所述j＝1表示对每个簇内的数据点的索引；

所述ci是簇中心，是由数据点组成的集合；所述簇中心ci的中心点是簇内所有数据点的平均值或质心，簇中所有数据点到中心点的距离之和最小，包括：ci＝{X1,X2,…,Xn}

所述数据点xj被分配到簇i，如果所述数据点xj到所述簇中心ci的距离最小，则所述数据点xj属于所述簇i；

所述迭代的过程：

1)簇分配：对于所述数据点xj，计算其与各个簇中心所述簇中心ci的距离，将所述数据点xj分配到离其最近的簇中心所属的所述簇i：2

i＝argmink||xj‑ci||

2)簇更新：

如果簇中心达到最大迭代次数，则停止迭代，否则继续簇分配和簇更新；迭代结束后每个数据点被分配到最终的簇中心，所述K均值聚类完成；

所述Davies‑Bouldin指数包括：

1)所述紧密度：对于每个所述簇i，计算该簇内每对数据点之间的平均相似度，表示为簇内数据点的平均相似度Si：sim(xj，ci)是所述数据点xj与所述簇中心ci之间的相似性度量；

2)所述分离度：计算每一对簇i和j的距离，表示不同簇之间的所述分离度Mij：Mij＝sim(xj，ci)

3)计算所述Davies‑Bouldin指数：所述Ri表示所述簇i的所述紧密度和其他簇的分离度的比例；所述Sj表示簇j内每对数据点之间的平均相似度；

所述maxj≠i表示选择与簇i最不相似的簇j中的最大值，以衡量所述簇i与其他簇之间的分离度；

在Davies‑Bouldin指数的计算中，对于每个所述簇i，为了衡量所述簇i与其他簇之间的分离度，计算与其它所述簇j的相似性度量，然后选择与所述簇i相似性度量最小的所述簇j；

Track‑2，元胞自动机评测：将5G基站的拓扑gNB点视为一个元胞，每个元胞具有频谱资源属性，所述频谱资源属性设定为状态矩阵S，采用Moore邻域确定元胞邻居关系，通过转换函数对gNB点在不同时间步下的演化进行测算，得到演化数据D；

在所述Track‑2中：

所述元胞具有频谱资源属性，所述频谱资源属性为一个所述状态矩阵S；所述状态矩阵包括：N个元胞i和M个用户，所述状态矩阵S的维度是N*(M+2)，其中每一行表示一个元胞的状态，每一列包括以下信息：

1)列1到列M：表示频谱资源分配状态，每个元素sij表示第i个元胞分配给第j个用户的频谱资源分配状态，所述频谱资源分配状态包括0_未分配、1_分配给用户1、2_分配给用户

2；

2)列M+1：表示拓扑关系信息，每个元素si，M+1表示第i个元胞与其他元胞的二进制值拓扑关系；

3)列M+2：表示每个元胞的信号强度信息，每个元素si，M+2表示第i个元胞的信号强度；

所述状态矩阵S为：

所述Moore邻域：

所述CC代表中心元胞，所述NO、所述NE、所述EA、所述SE、所述SO、所述SW、所述WE、所述NW代表周围的八个元胞；

所述转换函数包括：

f＝(St+1，St)＝Xt+1

其中，所述St是时间步t下的当前状态矩阵，所述St+1是时间步t+1下的状态矩阵；所述转换函数的演化步骤包括：

1)根据当前状态矩阵St来更新并计算下一个所述时间步t+1的所述状态矩阵St+1；

2)根据拓扑关系信息，通过当前所述状态矩阵St中的拓扑关系的阵列信息，确定每个元胞与其邻居元胞的关系；

3)应用规则：通过所述状态矩阵S的阵列信息设定元胞在不同状态下的相互作用和演化；根据所述应用规则计算下一个时间步t+1的所述状态矩阵St+1下每个元胞的新状态，并将其存储在下一个所述状态矩阵St+1中；

4)得到所述演化数据D，包括所有时间步骤中的状态矩阵、每个所述元胞的历史状态和演化轨迹，并记录当前所述状态矩阵St和下一个时间步t+1的所述状态矩阵St+1；

还包括在所述Track‑1和所述Track‑2后实施的Track‑3：Track‑3，D‑S理论验证：使用Track‑1中的所述分离度作为证据A，使用Track‑2的所述演化数据作为证据B；使用Dempster's组合原则得到5G基站容量在下一时间步的增幅情况；

所述Dempster's组合原则将Track‑1中的所述Davies‑Bouldin指数作为证据A，使用Track‑2的所述演化数据作为证据B：

1)信任分配函数：

1.1)对于所述证据A的所述信任分配函数：将对于所述证据A的可信度分配给不同的容量增幅情况的假设情况，所述假设情况的数量为n，所述信任分配函数表示为m(A)，其中A表示证据A，m(A)的元素m(A)i表示第i个假设的可信度；

对于证据A的可信度与Davies‑Bouldin指数成反比，设Hi表示第i个容量增幅情况，DBi表示与之相关的Davies‑Bouldin指数，可信度m(A)i表示为：

1.2)对于证据B的所述信任分配函数：

i个所述元胞及若干个时间步骤，对于所述证据B的所述信任分配函数将为每个所述元胞的每个时间步骤构建一个信任度分配：对于第i个所述元胞在时间步骤j下的信任分配m(B)ij表示为：m(B)ij＝信任度函数(Sij)

Sij表示所述元胞i在时间步骤j下的所述状态矩阵S；

2)Dempster's组合原则：

对于两个证据A和B的组合表示为m(AB)，其中A和B分别是证据A和证据B的信任分配函数m(AB)ij：所述X表示所有假设集合；

所述Y表示所有证据集合；

所述C是X∩Y的子集；

所述m(A)C表示证据A在假设集合C上的可信度；

所述KK为规范化因子；

将所述信任分配函数m(AB)ij通过sigmoid函数将其映射为一个0到1的区间值，进而得到5G基站容量在下一时间步的增幅情况：

1)对于每个所述m(AB)ij使用所述sigmoid函数将其映射为概率值：所述P(ij)表示在时间步骤j下，对于所述元胞i的5G基站容量增幅情况的概率；所述(ij)是sigmoid函数的输入，所述exp是指数函数；

2)对于每个所述元胞i，通过对所述P(ij)加权平均化，计算其在下一时间步骤j+1下的容量增幅情况的估计值：A+(ij+1)＝∑iP(ij)·权重(i)所述A+(ij+1)表示元胞i在下一时间步骤j+1下的容量增幅情况的估计值。

2.根据权利要求1所述的信息分析处理方法，其特征在于：所述∥X∥和所述∥Y∥为L1范数或L2范数,其中：

1)所述L1范数：通过曼哈顿距离衡量向量元素的绝对值之和，对于一个n维向量x和y，包括：||X||1＝∣x1∣+∣x2∣+…+∣xn∣∥Y∥1＝∣y1∣+∣y2∣+…+∣yn∣

所述∥X∥1和所述∥Y∥1是向量中各个元素绝对值的和，所述xn和所述yn分别是所述向量X、所述向量Y的第n个元素；

或，

2)所述L2范数：通过欧几里德距离向量各个元素平方和的平方根，对于一个n维向量x和y，包括：所述∥X∥2和所述∥Y∥2是向量各个元素平方和的平方根，所述xn和所述yn分别是所述向量X、所述向量Y的第n个元素。

3.一种区域5G基站容量信息分析处理系统，其特征在于：所述系统包括处理器、与所述处理器耦接的存储器，所述存储器中存储有程序指令，所述程序指令被所述处理器执行时，使所述处理器执行如权利要求1‑2中任一项权利要求所述的信息分析处理方法。