CN102111276A - 一种实时计费方法及系统 - Google Patents

Abstract

本发明公开了一种实时计费方法及系统，其中，所述方法包括：接收业务系统发送的对用户进行计费的请求；采用预置的预测模型，利用用户对业务的历史使用记录，预测用户的业务使用量；计算所述预测的业务使用量所需的账户金额，并判断用户当前的账户余额是否充足；如果充足，将所述预测的业务使用量所需的账户金额冻结，并将所述预测的业务使用量返回给所述业务系统，以便所述业务系统根据所述预测的业务使用量对用户的服务进行控制。通过本发明，既可以保证用户不会欠费，又可以使得用户账户余额的其他部分可以用于其它业务，因此能够更好地满足预付费系统的计费需求。

Description

一种实时计费方法及系统

技术领域

本发明涉及数据处理技术领域，特别是涉及一种实时计费方法及系统。

背景技术

通常，在进行数据处理时，经常会存在需要对多种数据并行处理的情况。例如，随着数字电视整体平移进程的推进，各个地区的广播电视运营商在进行整体平移的过程中大都选择了预付费方式作为用户支付收视费用的主要方式，在平移初期，运营商主要向以包月的形式提供节目、频道订购等服务，对于计费系统的要求比较低，但是随着业务的开展，各种业务特别是基于延续性使用量计费业务的开展，使得运营商逐渐从单一的数字/模拟电视业务向多业务综合运营的模式转变，这种转变对预付费的实时计费提出了极高的要求：需要对业务数据及计费数据进行并行处理，既要求系统快速响应用户的请求，又要求根据用户的余额控制用户的业务使用。

最初采用的预付费计费方式是基于话单的准实时计费，这种计费模式在用户使用完业务后由业务系统产生该用户的业务使用记录，计费系统立即采集该记录，并根据该记录进行费用计算，从用户的余额中扣除该费用，这种模式对系统的压力比较小，只有在用户使用完业务后才进行计费处理，从而计费效率对用户的使用和用户的感知影响很小，但是由于这种模式没有对用户的业务使用进行干预，即使用户的余额不足也无法进行控制，可能导致用户欠费，从而影响系统的正常运营。

为此，现有技术中采用了基于用户余额的反算式计费，这种计费方式是在业务系统接收到用户的接入请求后，向计费系统申请计费处理，计费系统根据用户的全部账户余额反向计算出用户可以使用的业务使用量，业务系统根据返回的业务使用量对该用户的服务进行控制。这种模式只是在用户接入时进行费用计算，对计费系统的压力较小，但是由于需要根据全部的账户余额反算业务使用量，用户一次接入就将其所有的余额都进行了冻结，因此，会影响用户对于其他业务的使用。

发明内容

本发明提供一种实时计费方法及系统，能够更好地满足预付费系统的计费需求。

为实现上述目的，本发明提供了如下方案：

一种实时计费方法，包括：

接收业务系统发送的对用户进行计费的请求；

采用预置的预测模型，利用用户对业务的历史使用记录，预测用户的业务使用量；

计算所述预测的业务使用量所需的账户金额，并判断用户当前的账户余额是否充足；

如果充足，将所述预测的业务使用量所需的账户金额冻结，并将所述预测的业务使用量返回给所述业务系统，以便所述业务系统根据所述预测的业务使用量对用户的服务进行控制。

优选的，如果用户当前的账户余额不充足，所述方法还包括：

根据用户当前的账户余额对所述预测的业务使用量进行调整，并将调整后的业务使用量返回给所述业务系统。

优选的，用户结束业务之后，所述方法还包括：

接收并保存业务系统发送的业务使用记录，以便下次接收到计费请求时预测用户的业务使用量，或者，利用更新的业务使用记录对预测模型进行调整。

优选的，如果用户在用完所述预测的业务使用量之后未结束业务，所述方法还包括：

接收业务系统发送的计费请求，触发重新根据用户对业务的历史使用记录，预测用户的业务使用量，将所述预测的业务使用量返回给所述业务系统。

优选的，所述利用用户对业务的历史使用记录，预测用户的业务使用量包括：

查询session管理系统，判断所述请求是否为首次接入的计费请求；

如果是，为所述用户建立session，在所述session中至少保存用户标识及初始化的预测次数，基于所述初始化的预测次数，利用用户对业务的历史使用记录，预测用户的业务使用量；

否则，取出所述用户的session，将所述预测次数进行加一操作，并基于所述加一后的预测次数，利用用户对业务的历史使用记录，预测用户的业务使用量。

优选的，所述用户对业务的历史使用记录包括用户的用户标识、接入时间、业务类型、接入时间类型、最大业务使用量、用户的平均业务使用量、预测次数和/或业务号码。

优选的，所述预置的预测模型包括：

神经网络、模糊神经网络、灰度预测、模糊预测和/或基于小波分析的预测。

一种实时计费系统，包括：

请求接收单元，用于接收业务系统发送的对用户进行计费的请求；

实时预测单元，用于采用预置的预测模型，利用用户对业务的历史使用记录，预测用户的业务使用量；

余额控制单元，用于计算所述预测的业务使用量所需的账户金额，并判断用户当前的账户余额是否充足；

账户管理单元，用于如果充足，将所述预测的业务使用量所需的账户金额冻结，并将所述预测的业务使用量返回给所述业务系统，以便所述业务系统根据所述预测的业务使用量对用户的服务进行控制。

优选的，如果用户当前的账户余额不充足，所述系统还包括：

使用量调整单元，用于根据用户当前的账户余额对所述预测的业务使用量进行调整，并将调整后的业务使用量返回给所述业务系统。

优选的，用户结束业务之后，所述系统还包括：

业务使用记录存储单元，用于接收并保存业务系统发送的业务使用记录，以便下次接收到计费请求时预测用户的业务使用量；

或者，

预测模型调整单元，用于利用更新的业务使用记录对预测模型进行调整。

优选的，如果用户在用完所述预测的业务使用量之后未结束业务，所述系统还包括：

重新计费触发单元，用于接收业务系统发送的计费请求，触发重新根据用户对业务的历史使用记录，预测用户的业务使用量，将所述预测的业务使用量返回给所述业务系统。

优选的，所述实时预测单元包括：

查询子单元，用于查询session管理系统，判断所述请求是否为首次接入的计费请求；

第一预测子单元，用于如果是首次接入，为所述用户建立session，在所述session中至少保存用户标识及初始化的预测次数，基于所述初始化的预测次数，利用用户对业务的历史使用记录，预测用户的业务使用量；

第二预测子单元，用于如果不是首次接入，取出所述用户的session，将所述预测次数进行加一操作，并基于所述加一后的预测次数，利用用户对业务的历史使用记录，预测用户的业务使用量。

优选的，所述用户对业务的历史使用记录包括用户的用户标识、接入时间、业务类型、接入时间类型、最大业务使用量、用户的平均业务使用量、预测次数和/或业务号码。

优选的，所述预置的预测模型包括：

神经网络、模糊神经网络、灰度预测、模糊预测和/或基于小波分析的预测。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明在接收业务系统发送的计费请求之后，能够采用预置的预测模型，利用用户对业务的历史使用记录，预测用户的业务使用量，然后计算所述预测的业务使用量所需的账户金额，并判断用户当前的账户余额是否充足，如果充足，则将所述预测的业务使用量所需的账户金额冻结，并将所述预测的业务使用量返回给所述业务系统，以便所述业务系统根据所述预测的业务使用量对用户的服务进行控制。可见，本发明能够预测用户的业务使用量，并且在用户的账户余额充足的情况下，仅将本次预测的业务使用量所需的账户金额冻结，这样，既可以保证用户不会欠费，又可以使得用户账户余额的其他部分可以用于其它业务，因此能够更好地满足预付费系统的计费需求。

同时，如果根据用户的历史使用记录预测出的业务使用量所需的用户金额大于用户当前的账户余额，即在当前的账户余额不充足的情况下，还可以根据用户的账户余额对所述预测的业务使用量进行调整，因此，可以保证用户当前有少量账户余额的情况下，也能够正常得获取到服务。

另外，如果用户在用完所述预测的业务使用量之前结束业务，则业务系统仅需在用户接入时向计费系统发送一次计费请求，并在用户结束业务之后，将用户的业务使用记录发送给计费系统即可；如果用户在用完所述预测的业务使用量之后未结束业务，则仅需要在所述用户在用完所述预测的业务使用量时，再次向计费系统发送计费请求；因此，减少了业务系统与计费系统之间的交互次数，能够降低对计费系统性能的需求。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的方法的流程图；

图2是本发明实施例提供的另一方法的流程图；

图3是本发明实施例提供的实时计费控制模块示意图；

图4是本发明实施例提供的实时计费引擎的工作流程图；

图5是本发明实施例提供的在线预测模块示意图；

图6是本发明实施例提供的神经网络示意图；

图7是本发明实施例提供的系统的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，本发明实施例提供的实时计费方法包括以下步骤：

S101：接收业务系统发送的对用户进行计费的请求；

在用户首次接入业务系统获取服务时，业务系统就可以向计费系统发送对该用户进行计费的请求。

S102：采用预置的预测模型，利用用户对业务的历史使用记录，预测用户的业务使用量；

计费系统在接收到对用户进行计费的请求之后，就可以利用用户对业务的历史使用记录，预测用户的业务使用量。该预测的业务使用量是指接收到计费请求后，预测用户此次接入可能将会产生的业务使用量。

其中，用户对业务的历史使用记录可以包括用户的用户标识、接入时间、业务类型、接入时间类型、最大业务使用量和/或用户的平均业务使用量。也就是说，在本发明实施例中，可以在数据仓库中保存用户过去的业务使用记录，具体的，可以记录用户每次使用业务的接入时间、使用的业务类型(包括宽带业务、通话业务、长途业务等)，还可以记录每次业务的使用量，并从中获得各用户的最大业务使用量及平均业务使用量等信息，根据这些信息就可以获取到各个用户的业务使用规律，为每个用户训练出预测模型。

具体的，可以采用神经网络作为用户业务使用规律的预测模型，使用神经网络进行预测需要实现对网络进行训练，训练时使用大量的<输入，输出>数据作为样本，给输入层的神经网络输入数据，然后根据网络输出数据和样本中输出数据的差值，对神经网络的连接权值进行调节，获知样本中所有数据产生的网络输出与样本输出之间的差值符合预订的标准，然后可以将实际的输入数据输入网络的输入层，网络的输出就是预测结果。

当然，除了采用神经网络作为用户业务使用规律的预测模型，还可以选择模糊神经网络、灰度预测、模糊预测、基于小波分析的预测等其他预测方式，或者选用这几种方式相结合的方式对用户实时业务使用量进行预测。对于本领域技术人员而言，各种具体的预测模型为公知技术，这里不再赘述。

S103：计算所述预测的业务使用量所需的账户金额，并判断用户当前的账户余额是否充足；

S104：如果充足，将所述预测的业务使用量所需的账户金额冻结，并将所述预测的业务使用量返回给所述业务系统，以便所述业务系统根据所述预测的业务使用量对用户的服务进行控制。

由于步骤S102中预测出的业务使用量是根据用户的历史使用记录预测的，因此，所预测出的业务使用量所需的账户金额，可能会超过用户当前的账户余额，这样，如果直接将所预测出的业务使用量返回给业务系统，则会造成用户的欠费。例如，某用户此次业务类型为通话业务，根据用户对通话业务的使用规律，预测出用户此次通话的时间为30分钟(即业务使用量)，该业务使用量所需的账户金额为10元，但是，用户当前的账户余额可能仅为5元，这样，如果直接将“30分钟”返回给业务系统，则业务系统会向用户提供30分钟的服务，但是，显然，当用户通话15分钟之后，可能就欠费了，

为此，本发明实施例在获得预测的业务使用量之后，对所预测出的业务使用量进行批价，计算所述预测的业务使用量所需的账户金额，并判断用户当前的账户余额是否充足，如果充足，再将预测的业务使用量所需的账户金额冻结，并将所述预测的业务使用量返回给所述业务系统，以便所述业务系统根据所述预测的业务使用量对用户的服务进行控制。

在业务系统根据所述预测的业务使用量对用户的服务进行控制的过程中，如果用户在用完所述预测的业务使用量之后仍未结束业务，例如，预测的业务使用量是通话30分钟，但是用户在通话30分钟之后仍未结束通话，此时，业务系统可以重新向计费系统发送计费请求，计费系统会重新对该用户进行业务使用量的预测，并返回给业务系统，直到用户结束业务，或者用户账户余额不足。

当然，如果判断出用户当前的账户余额不充足，则还可以根据用户当前的账户余额对所述预测的业务使用量进行调整，并将调整后的业务使用量返回给所述业务系统。这样，业务系统就可以根据调整后的业务使用量对用户的服务进行控制。仍以前述例子为例，可以将用户的业务使用量调整为15分钟，当用户通话十五分钟之后，如果用户仍未主动结束通话，则由于用户已经用完了预测的业务使用量，因此业务系统会重新向计费系统发送计费请求，此时，计费系统在发现用户的账户余额为0之后，将用户的业务使用量调整为0，返回给业务系统后，业务系统可以自动中断该次服务。

从前文所述可知，业务系统可能在两种情况下向计费系统发送计费请求，一种是用户首次接入时，另一种是用户用完了预测的业务使用量但仍未结束业务时。两种情况下，在预测业务使用量时应该有所区别，例如，首次接入时，可以完全采用用户的历史使用记录进行预测，例如，预测的结果可能是通话30分钟；用户如果在通话30分钟之后仍未结束通话，但是用户很可能会在几分钟后结束通话；但是，如果在第二次预测时，还是仅按照历史业务使用记录进行预测，则预测的结果可能还是30分钟，如果将通话30分钟所需的账户金额冻结，但是实际上用户可能在5分钟之后就会结束通话，则在这五分钟内，被冻结的账户余额中的剩余部分将无法被其他业务所利用。

为此，本发明实施例可以通过在线session管理系统进行管理，具体的，可以是当本次计费请求为用户首次接入时，为所述用户建立session，在所建立的session中至少保存用户标识及初始化的预测次数，基于所述初始化的预测次数，利用用户对业务的历史使用记录，预测用户的业务使用量。其中，保存的用户标识用于区分各用户的session，即在所述在线session管理系统中，可以通过用户标识来查询是否存在该用户的session。当然，为了避免用户标识重复而造成混淆，还可以在session中保存接入时间、业务类型、对方标识、业务相关的产品编码等信息，用这些信息一起来唯一标识用户的session。

这样，计费系统每次收到对某用户进行计费的请求时，就可以首先在所述在线session管理系统中，查询是否存在该用户的session，如果不存在，则可以判断出该用户是首次接入，然后就为用户建立session，在所述session中至少保存用户标识及初始化的预测次数(例如，可以初始化为0)，基于所述初始化的预测次数，利用用户对业务的历史使用记录，预测用户的业务使用量。

如果存在该用户的session，则证明该用户是在用完了上次预测的业务使用量后仍未终止业务，此时，可以取出该用户的session，将其中的预测次数进行加一操作，并基于所述加一后的预测次数，利用用户对业务的历史使用记录，预测用户的业务使用量。

也就是说，具体在预测业务使用量时，预测系统可以根据预测次数的不同取值，来区分是否为首次接入，并做出相应的预测，以最大限度地支持多业务同时进行。

需要说明的是，首次预测与非首次预测没有本质的不同，其关键在于进行预测系统(神经网络系统)训练时，使用的样本数据中包含了预测次数，这样在进行实际预测时，输入的预测次数将会影响预测结果。为了说明问题，使用一个简单的预测算法进行说明：假设使用取平均值的算法进行预测，那么首次预测时可能使用所有历史记录的使用量取平均作为预测结果；如果第2次预测，可能使用所有两次预测成功的历史记录的使用量平均作为预测结果；依次进行其他预测。当然，神经网络的预测更加复杂，上面的说明只是简单解释预测次数可能对于预测结果产生影响，具体的预测结果是受到预测系统训练样本影响的，这里不再赘述。

当然，当用户结束业务后，业务系统可以将用户该次业务使用记录发送给计费系统，计费系统将利用新更新的数据进行下次业务使用量的预测，同时使用真正的业务使用量进行实时计费并真正扣减费用。当然，也可以利用更新的业务使用记录对预测模型进行调整。当用户结束业务使用后，计费系统还可以重新计算用户应付费用并从用户的账户余额中将费用进行余额划扣。

综上可见，本发明实施例能够预测用户的业务使用量，并且在用户的账户余额充足的情况下，仅将本次预测的业务使用量所需的账户金额冻结，这样，既可以保证用户不会欠费，又可以使得用户账户余额的其他部分可以用于其它业务，因此能够更好地满足预付费系统的计费需求。

同时，如果根据用户的历史使用记录预测出的业务使用量所需的用户金额大于用户当前的账户余额，即在当前的账户余额不充足的情况下，还可以根据用户的账户余额对所述预测的业务使用量进行调整，因此，可以保证用户当前有少量账户余额的情况下，也能够正常得获取到服务。

另外，如果用户在用完所述预测的业务使用量之前结束业务，则业务系统仅需在用户接入时向计费系统发送一次计费请求，并在用户结束业务之后，将用户的业务使用记录发送给计费系统即可；如果用户在用完所述预测的业务使用量之后未结束业务，则仅需要在所述用户在用完所述预测的业务使用量时，再次向计费系统发送计费请求；因此，减少了业务系统与计费系统之间的交互次数，能够降低对计费系统性能的需求。

为了更好地理解本发明实施例提供的实时计费方法，下面通过一个优选的例子，对本发明实施例进行更为详细地介绍。

参见图2，本发明实施例涉及以下系统：业务系统及实时计费系统，其中计费系统可以包括以下模块：实时计费控制模块、实时计费引擎、在线session管理模块、在线预测模块及统一余额管理模块。具体在进行实时计费时，可以包括如下步骤：

S201：业务系统向实时计费系统发送计费请求；

S202：实时计费系统的实时计费控制模块接收该计费请求后，向在线session管理模块查询是否存在该用户的session；

S203：根据在线session管理模块返回查询结果，向在线预测模块发送预测业务使用量的请求；具体的，如果不存在该用户的session，则为所述用户建立session，在所述session中至少保存用户标识及初始化的预测次数；如果存在该用户的session，则将其中的预测次数进行加一操作；

S204：在线预测模块基于所述在线管理模块中的用户标识、接入时间、业务类型、预测次数等信息，利用数据仓库中该用户对业务的历史使用记录，预测用户的业务使用量，并返回给实时计费控制模块；

S205：实时计费控制模块根据在线预测模块返回的业务使用量，向实时计费引擎发送计费处理请求；

S206：实时计费引擎向统一余额管理模块获取用户当前的账户余额；

S207：实时计费引擎对预测的业务使用量进行批价，在余额不足时对预测的业务使用量进行调整，并将最终确定的业务使用量返回给实时计费控制模块；最后，实时计费控制模块将最终确定的业务使用量返回给业务系统。

其中，向统一余额管理模块获取用户当前的账户余额，与对预测的业务使用量进行批价的执行顺序可以不做限定。

下面分别对实时计费系统中各模块的作用进行介绍。

(1)实时计费控制模块负责与外部业务系统或者接入设备进行交互，接收外部的计费请求，根据计费请求的类型控制计费请求处理流程并最终通知外部业务系统计费控制结果。

参见图3，实时计费控制模块可以分为两层：协议接入层和功能控制层，其中，协议接入层负责根据应用协议与外部业务系统进行交互，将业务系统的请求转换为内部定义的请求模式并且将请求处理结果转换为外部业务系统可以理解的模式。功能控制层负责根据外部业务系统的请求进行计费控制。

(2)实时计费引擎是计费处理的核心，具体可以包括根据使用量的正向计费引擎以及根据账户余额的反向使用量调节引擎两部分组成。该模块具体的工作流程参见图4，包括以下步骤：

S401：接收实时计费控制模块的计费处理请求；该请求中携带有在线预测模块预测出来的业务使用量以及用户标识信息；

S402：根据预测的业务使用量进行批价；

S403：根据用户标识信息向统一余额管理模块请求获取用户的当前账户余额；

S404：判断该用户当前的账户余额是否充足，如果充足，直接将在线预测模块预测出的业务使用量确定为最终的预测结果，并进入步骤S406，否则，进入步骤S405；

S405：根据用户当前的账户余额对预测的业务使用量进行调整，确定最终的预测结果，并进入步骤S406；

S406：向所述统一余额管理模块发送请求，将最终确定的预测结果对应的业务使用量所需的用户金额冻结。

(3)在线预测模块是本发明实施例的核心部分，预测的准确与否直接决定了系统的性能，参见图5，本部分包括在线实时预测子模块、使用量预测数据仓库以及数据仓库离线调节子模块3部分组成。

其中，在线实时预测子模块在实时计费过程中根据使用量预测数据仓库中的历史信息使用神经网络等实时预测算法进行实时预测处理。

使用量预测数据仓库中保存了大量用户以前的业务使用情况记录，根据这些记录进行网络训练。

数据仓库离线调节子模块在用户结束服务使用后，根据实际的离线使用记录对使用量预测数据仓库中的数据进行调整。

具体的，在线实时预测子模块采用基本的三层前馈神经网络，输入层设置9个神经元(包括用户接入时间、接入时间类型、业务类型、接入对方号码、业务相关的产品编码、预测次数、用户的业务最大使用量、用户的业务最小使用量、用户的平均业务使用量、当前业务使用量)，输出层只有一个神经元，隐含层设置12个神经元，相邻层之间的节点采用全连接的方式，同层之间的节点无连接，不相邻层之间没有直接连接，神经网络连接如图6所示。

其中，输入层的神经元数量可以根据实际的运营情况进行调整，如果增加输入层的神经元数量，其隐含层的神经元也需要相应增加，隐含层神经元增加的数量大约为输入层神经元增加数量的1.5倍。如果调整神经元的数量，那么该网络需要重新进行离线训练。

输入层到隐层的激活函数传输函数可以用Sigmoid函数： $f\left(x\right)=\frac{1}{1+e^{-x}}.$ 隐层到输出层的激活函数可以采用线性函数。

需要说明的是，为了防止在网络训练中发生的局部极小和收敛速度慢的缺陷，可以采用遗传算法作为神经网络训练算法，考虑到每周期用户业务的时变性，本发明实施例可以使用滚动预测技术，使预测模型在应用过程中得到及时地学习和调整。其中，所谓滚动预测是指不断采用更新的数据对神经网络进行训练。比如，2009年年初预测时使用的是2008年数据训练的网络，2009年下半年，使用2008年下半年以及2009年上半年的数据对网络进行重新训练，使用新的网络进行预测。

(4)在线session管理模块的主要功能是管理外部业务系统计费请求，保证计费处理的连续性，为了保证系统处理性能，本模块可以采用内存数据库保存已经链接的在线请求。

(5)统一余额管理模块是防止用户欠费的关键环节，本模块可以采用统一接入的方式进行用户账户余额的管理，所有对用户的账户余额变更请求都必须经过本模块，以便保证多业务综合运营过程中用户余额控制的准确性和及时性。

与本发明实施例提供的实时计费方法相对应，本发明实施例还提供了一种实时计费系统，参见图7，该系统包括：

请求接收单元U701，用于接收业务系统发送的对用户进行计费的请求；

实时预测单元U702，用于采用预置的预测模型，利用用户对业务的历史使用记录，预测用户的业务使用量；

余额控制单元U703，用于计算所述预测的业务使用量所需的账户金额，并判断用户当前的账户余额是否充足；

账户管理单元U704，用于如果充足，将所述预测的业务使用量所需的账户金额冻结，并将所述预测的业务使用量返回给所述业务系统，以便所述业务系统根据所述预测的业务使用量对用户的服务进行控制。

如果用户当前的账户余额不充足，则所述系统还可以包括：

使用量调整单元，用于根据用户当前的账户余额对所述预测的业务使用量进行调整，并将调整后的业务使用量返回给所述业务系统。

用户结束业务之后，所述系统还可以包括：

业务使用记录存储单元，用于接收并保存业务系统发送的业务使用记录，以便下次接收到计费请求时预测用户的业务使用量；

或者，

预测模型调整单元，用于利用更新的业务使用记录对预测模型进行调整。

如果用户在用完所述预测的业务使用量之后未结束业务，则所述系统还可以包括：

重新计费触发单元，用于接收业务系统发送的计费请求，触发重新根据用户对业务的历史使用记录，预测用户的业务使用量，将所述预测的业务使用量返回给所述业务系统。

为了保证计费处理的连续性，实时预测单元U702可以包括：

查询子单元，用于查询session管理系统，判断所述请求是否为首次接入的计费请求；

第一预测子单元，用于如果是首次接入，为所述用户建立session，在所述session中至少保存用户标识及初始化的预测次数，基于所述初始化的预测次数，利用用户对业务的历史使用记录，预测用户的业务使用量；

第二预测子单元，用于如果不是首次接入，取出所述用户的session，将所述预测次数进行加一操作，并基于所述加一后的预测次数，利用用户对业务的历史使用记录，预测用户的业务使用量。

其中，所述用户对业务的历史使用记录包括用户的用户标识、接入时间、业务类型、接入时间类型、最大业务使用量、用户的平均业务使用量、预测次数和/或业务号码。

所述预置的预测模型可以包括：

神经网络、模糊神经网络、灰度预测、模糊预测和/或基于小波分析的预测。

本发明实施例的系统能够预测用户的业务使用量，并且在用户的账户余额充足的情况下，仅将本次预测的业务使用量所需的账户金额冻结，这样，既可以保证用户不会欠费，又可以使得用户账户余额的其他部分可以用于其它业务，因此能够更好地满足预付费系统的计费需求。

同时，如果根据用户的历史使用记录预测出的业务使用量所需的用户金额大于用户当前的账户余额，即在当前的账户余额不充足的情况下，还可以根据用户的账户余额对所述预测的业务使用量进行调整，因此，可以保证用户当前有少量账户余额的情况下，也能够正常得获取到服务。

另外，如果用户在用完所述预测的业务使用量之前结束业务，则业务系统仅需在用户接入时向计费系统发送一次计费请求，并在用户结束业务之后，将用户的业务使用记录发送给计费系统即可；如果用户在用完所述预测的业务使用量之后未结束业务，则仅需要在所述用户在用完所述预测的业务使用量时，再次向计费系统发送计费请求；因此，减少了业务系统与计费系统之间的交互次数，能够降低对计费系统性能的需求。

以上对本发明所提供的一种实时计费方法及系统，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (14)

1.一种实时计费方法，其特征在于，包括：

接收业务系统发送的对用户进行计费的请求；

采用预置的预测模型，利用用户对业务的历史使用记录，预测用户的业务使用量；

计算所述预测的业务使用量所需的账户金额，并判断用户当前的账户余额是否充足；

如果充足，将所述预测的业务使用量所需的账户金额冻结，并将所述预测的业务使用量返回给所述业务系统，以便所述业务系统根据所述预测的业务使用量对用户的服务进行控制。

2.根据权利要求1所述的方法，其特征在于，如果用户当前的账户余额不充足，所述方法还包括：

根据用户当前的账户余额对所述预测的业务使用量进行调整，并将调整后的业务使用量返回给所述业务系统。

3.根据权利要求1所述的方法，其特征在于，用户结束业务之后，所述方法还包括：

接收并保存业务系统发送的业务使用记录，以便下次接收到计费请求时预测用户的业务使用量，或者，利用更新的业务使用记录对预测模型进行调整。

4.根据权利要求1所述的方法，其特征在于，如果用户在用完所述预测的业务使用量之后未结束业务，所述方法还包括：

接收业务系统发送的计费请求，触发重新根据用户对业务的历史使用记录，预测用户的业务使用量，将所述预测的业务使用量返回给所述业务系统。

5.根据权利要求4所述的方法，其特征在于，所述利用用户对业务的历史使用记录，预测用户的业务使用量包括：

查询session管理系统，判断所述请求是否为首次接入的计费请求；

如果是，为所述用户建立session，在所述session中至少保存用户标识及初始化的预测次数，基于所述初始化的预测次数，利用用户对业务的历史使用记录，预测用户的业务使用量；

否则，取出所述用户的session，将所述预测次数进行加一操作，并基于所述加一后的预测次数，利用用户对业务的历史使用记录，预测用户的业务使用量。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述用户对业务的历史使用记录包括用户的用户标识、接入时间、业务类型、接入时间类型、最大业务使用量、用户的平均业务使用量、预测次数和/或业务号码。

7.根据权利要求1至5任一项所述的方法，其特征在于，所述预置的预测模型包括：

神经网络、模糊神经网络、灰度预测、模糊预测和/或基于小波分析的预测。

8.一种实时计费系统，其特征在于，包括：

请求接收单元，用于接收业务系统发送的对用户进行计费的请求；

实时预测单元，用于采用预置的预测模型，利用用户对业务的历史使用记录，预测用户的业务使用量；

余额控制单元，用于计算所述预测的业务使用量所需的账户金额，并判断用户当前的账户余额是否充足；

账户管理单元，用于如果充足，将所述预测的业务使用量所需的账户金额冻结，并将所述预测的业务使用量返回给所述业务系统，以便所述业务系统根据所述预测的业务使用量对用户的服务进行控制。

9.根据权利要求8所述的系统，其特征在于，如果用户当前的账户余额不充足，所述系统还包括：

使用量调整单元，用于根据用户当前的账户余额对所述预测的业务使用量进行调整，并将调整后的业务使用量返回给所述业务系统。

10.根据权利要求8所述的系统，其特征在于，用户结束业务之后，所述系统还包括：

业务使用记录存储单元，用于接收并保存业务系统发送的业务使用记录，以便下次接收到计费请求时预测用户的业务使用量；

或者，

预测模型调整单元，用于利用更新的业务使用记录对预测模型进行调整。

11.根据权利要求8所述的系统，其特征在于，如果用户在用完所述预测的业务使用量之后未结束业务，所述系统还包括：

重新计费触发单元，用于接收业务系统发送的计费请求，触发重新根据用户对业务的历史使用记录，预测用户的业务使用量，将所述预测的业务使用量返回给所述业务系统。

12.根据权利要求11所述的系统，其特征在于，所述实时预测单元包括：

查询子单元，用于查询session管理系统，判断所述请求是否为首次接入的计费请求；

第一预测子单元，用于如果是首次接入，为所述用户建立session，在所述session中至少保存用户标识及初始化的预测次数，基于所述初始化的预测次数，利用用户对业务的历史使用记录，预测用户的业务使用量；

第二预测子单元，用于如果不是首次接入，取出所述用户的session，将所述预测次数进行加一操作，并基于所述加一后的预测次数，利用用户对业务的历史使用记录，预测用户的业务使用量。

13.根据权利要求8至12任一项所述的系统，其特征在于，所述用户对业务的历史使用记录包括用户的用户标识、接入时间、业务类型、接入时间类型、最大业务使用量、用户的平均业务使用量、预测次数和/或业务号码。

14.根据权利要求8至12任一项所述的系统，其特征在于，所述预置的预测模型包括：

神经网络、模糊神经网络、灰度预测、模糊预测和/或基于小波分析的预测。

Images