CN102740341A - 网络业务量的预测方法及设备 - Google Patents
网络业务量的预测方法及设备 Download PDFInfo
- Publication number
- CN102740341A CN102740341A CN2011100839408A CN201110083940A CN102740341A CN 102740341 A CN102740341 A CN 102740341A CN 2011100839408 A CN2011100839408 A CN 2011100839408A CN 201110083940 A CN201110083940 A CN 201110083940A CN 102740341 A CN102740341 A CN 102740341A
- Authority
- CN
- China
- Prior art keywords
- month
- cell
- carrying capacity
- district
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明提供一种网络业务量的预测方法及设备。该方法包括:获得网络中第i小区在过去M个月的小区级业务量历史数据,并根据获得的小区级业务量历史数据计算所述第i小区在过去M个月中每月小区级业务量的环比增长率,M为大于等于3的正整数,i为正整数;根据所述第i小区在过去M个月中每月小区级业务量的环比增长率,预测所述第i小区在未来规划月份L的小区级业务量的环比增长率;根据所述第i小区在未来规划月份L的小区级业务量的环比增长率,以及所述第i小区在所述过去M个月的小区级业务量历史数据,获得所述第i小区在规划月份L的小区级业务量。该设备包括计算模块、预测模块和获得模块。
Description
技术领域
本发明实施例涉及通信技术领域,尤其涉及一种网络业务量的预测方法及设备。
背景技术
随着移动通信的飞速发展,移动用户的数量已呈爆炸式增长,移动通信网络的业务量也不断攀升,使得无线网络的负荷达到饱和甚至出现拥塞。如果运营商可以准确有效地对网络业务量进行预测,并根据预测的网络业务量进行网络资源的合理配置,从而达到降低网络拥塞率,提高用户的满意度的目的。
图1为现有技术中网络业务量的预测方法流程图,如图1所示,现有技术可以通过如下5个步骤实现网络业务量的预测:
步骤1,收集最近M个月全网所有N个小区的小区级业务量历史数据Tij,其中,i=1,......,N,j=1,......,M。
步骤2,计算最近M个月的全网业务量Γj=∑Tij,i=1,...N,j=1,...M。
步骤3,根据最近M个月的全网业务量Γj预测全网未来规划期的全网业务量Γo。
步骤4,计算最近一个月各个小区级业务量占第M个月全网业务量的比例,λiM=Tij/ΓM。
步骤5,根据步骤4中各个小区级业务量占全网业务量的比例,计算未来规划期的各个小区的业务量Tio。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
现有技术提供的网络业务量的预测方法不能有效反映每个小区级业务量增长特性的差异,所有小区在未来的业务量增长率等同于全网业务量的增长率,忽略了移动通信网络所具备的业务量地域不均衡这一本质特征。
发明内容
本发明实施例提供一种网络业务量的预测方法及设备,用以解决现有技术中存在的问题,有效反映每个小区级业务量增长特性的差异。
本发明实施例提供一种网络业务量的预测方法,包括:
获得网络中第i小区在过去M个月的小区级业务量历史数据,并根据获得的小区级业务量历史数据计算所述第i小区在过去M个月中每月小区级业务量的环比增长率,M为大于等于3的正整数,i为正整数;
根据所述第i小区在过去M个月中每月小区级业务量的环比增长率,预测所述第i小区在未来规划月份L的小区级业务量的环比增长率;
根据所述第i小区在未来规划月份L的小区级业务量的环比增长率,以及所述第i小区在所述过去M个月的小区级业务量历史数据,获得所述第i小区在未来规划月份L的小区级业务量。
本发明实施例提供一种网络业务量的预测设备,包括:
计算模块,用于获得网络中第i小区在过去M个月的小区级业务量历史数据,并根据获得的小区级业务量历史数据计算所述第i小区在过去M个月中每月小区级业务量的环比增长率,M为大于等于3的正整数,i为正整数;
预测模块,用于根据所述第i小区在过去M个月中每月小区级业务量的环比增长率,预测所述第i小区在未来规划月份L的小区级业务量的环比增长率;
获得模块,用于根据所述第i小区在未来规划月份L的小区级业务量的环比增长率,以及所述第i小区在过去M个月的小区级业务量历史数据,获得所述第i小区在未来规划月份L的小区级业务量。
本发明实施例的网络业务量的预测方法及设备,通过预测每个小区相对于过去月份的环比增长率获得每个小区在未来规划月份的网络业务量,最大程度地考虑了各个小区增长的不均衡性和差异,更加准确地为未来小区的网络资源规划配置提供依据。
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,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1为现有技术中网络业务量的预测方法流程图;
图2为本发明实施例提供的网络业务量的预测方法流程图;
图3为本发明实施例提供的网络业务量的预测设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
图2为本发明实施例提供的网络业务量的预测方法流程图,如图2所示,该方法包括:
步骤201:无线网管平台获得规划地区网络中第i小区在过去M个月的小区级业务量历史数据;其中,M为大于等于3的正整数,i为正整数。
第i小区为一种泛指,可以指代规划地区网络中的任意一个小区。步骤201中虽然描述的是无线网管平台获得第i小区在过去M个月的小区级业务量历史数据,但由于第i小区可以指代网络中的任意一个小区,步骤201可以理解为无线网管平台获得网络中全部小区在过去M个月的各自小区级业务量历史数据。本实施例所说的过去M个月是相对于当前时间点来说的,也即如果当前时间点为2011年3月,那么过去M个月指的即为2011年2月、2011年1月、2010年12月......。
下面举例说明步骤201:假设规划地区为北京市,那么无线网管平台需要收集北京市网络中第i小区在过去M(M≥3)个月的小区级业务量历史数据。例如无线网管平台在2011年3月1日收集到的是过去3个月的小区级业务量历史数据,即为:北京市网络中第i小区在2010年12月、2011年1月以及2011年2月的小区级业务量历史数据。当然还可以继续向前收集历史数据,如2010年11月等,由于收集越多的历史数据可以使得预测的网络业务量越接近于实际业务量,本实施例建议至少收集3个月及以上的历史数据。这里仅以3个月为例进行说明,但并不用以限制本实施例的保护范围。
步骤202:根据获得的小区级业务量历史数据计算第i小区在过去M个月中每月小区级业务量的环比增长率;
第i小区在过去的M个月中每月小区级业务量的环比增长率可以通过如下公式计算:
αij=(Ti,j-Ti,j-1)/Ti,j-1
其中,αij表示第i小区在j月相对于j-1月的小区级业务量的环比增长率;Ti,j表示第i小区在j月的小区级业务量历史数据;Ti,j-1表示第i小区在j-1月的小区级业务量历史数据,i=1,...N,j=2,...M,N表示规划地区全网中小区的数量。
下面举例说明步骤202:假设在步骤201中无线网管平台在2011年3月1日收集到的是第i小区过去3个月的小区级业务量历史数据,即北京市网络中第i小区在2010年12月、2011年1月以及2011年2月的小区级业务量历史数据。则该第i小区在过去3个月中每月小区级业务量的环比增长率为:2011年1月小区级业务量相对于2010年12月小区级业务量的增长率,以及2011年2月小区级业务量相对于2011年1月小区级业务量的增长率。
步骤203:根据第i小区在过去M个月中每月小区级业务量的环比增长率,预测该第i小区在未来规划月份L小区级业务量的环比增长率;
具体的,可采用趋势外推法进行预测,或者根据拟合程度可以选择指数拟合外推、二次项拟合外推、或者线性拟合外推等各种外推预测函数进行预测。
例如,可以根据步骤202中得到的环比增长率预测第i小区在未来一个月相对于K月(过去M个月中距离该未来一个月最近月份)的小区级业务量的环比增长率。也即,假设在步骤201中无线网管平台在2011年3月1日收集到的是第i小区过去3个月的小区级业务量历史数据,即北京市网络中第i小区在2010年12月、2011年1月以及2011年2月的小区级业务量历史数据。则未来规划月份L是2011年3月,步骤203中预测的环比增长率是2011年3月相对于2011年2月小区级业务量的环比增长率。
步骤204:根据步骤203中预测的环比增长率,以及步骤201中获得的第i小区在K月的小区级业务量的历史数据,预测未来规划月份L的小区级业务量;
其中,将步骤203中预测的环比增长率作为第一值,将第i小区在K月的小区级业务量历史数据作为第二值,计算第一值与第二值的乘积,得到增长的小区级业务量;然后计算增长的小区级业务量与第二值的和,得到第i小区在未来规划月份L的小区级业务量。
进一步的,还可以包括:根据规划地区全网各小区在未来规划月份L的小区级业务量计算所述未来规划月份L的全网业务量。
将规划地区全网中的各小区在未来规划月份L的小区级业务量全部加和,得到规划地区在未来规划月份L的全网业务量。
本发明实施例提供了一种网络业务量的预测方法,通过预测每个小区相对于过去月份的环比增长率获得每个小区在未来规划月份L的网络业务量,最大程度地考虑了各个小区增长的不均衡性和差异,更加准确地为未来小区的网络资源规划配置提供依据。
图3为本发明实施例提供的网络业务量的预测设备结构示意图,该设备为上述方法实施例的特定执行主体,故该设备的工作方式可以参考上述方法实施例,此处不做赘述。如图3所示,该设备包括:计算模块301、预测模块302和获得模块303。其中,计算模块301用于获得网络中第i小区在过去M个月的小区级业务量历史数据,并根据获得的小区级业务量历史数据计算第i小区在过去M个月中每月小区级业务量的环比增长率,M为大于等于3的正整数,i为正整数;预测模块302用于根据第i小区在过去M个月中每月小区级业务量的环比增长率,预测第i小区在未来规划月份L的小区级业务量的环比增长率;获得模块303用于根据第i小区在未来规划月份L的小区级业务量的环比增长率,以及第i小区在过去M个月的小区级业务量历史数据,获得第i小区在未来规划月份L的小区级业务量。
进一步的,获得模块303还用于:根据全网各小区在未来规划月份L的小区级业务量获得未来规划月份L的全网业务量。
一种实施方式下,计算模块301包括计算单元,该计算单元根据如下公式计算第i小区在过去M个月中每月小区级业务量的环比增长率:
αij=(Ti,j-Ti,j-1)/Ti,j-1
其中,αij表示第i小区在j月相对于j-1月的小区级业务量的环比增长率;Ti,j表示第i小区在j月的小区级业务量历史数据;Ti,j-1表示第i小区在j-1月的小区级业务量历史数据,i=1,...N,j=2,...M,N表示全网中小区的数量。
另一种实施方式下,预测模块302用于采用趋势外推法,根据第i小区在过去M个月中每月小区级业务量的环比增长率,预测第i小区在未来规划月份的小区级业务量的环比增长率。
再一种实施方式下,获得模块303包括:第一单元和第二单元。其中第一单元用于将第i小区在未来规划月份L的小区级业务量的环比增长率作为第一值,第i小区在历史第M个月的小区级业务量历史数据作为第二值,计算第一值与第二值的乘积,得到增长的小区级业务量;第二单元用于计算增长的小区级业务量与第二值的和,得到第i小区在未来规划月份L的小区级业务量。
本发明实施例提供了一种网络业务量的预测设备,通过预测每个小区相对于过去月份的环比增长率获得每个小区在未来规划月份L的网络业务量,最大程度地考虑了各个小区增长的不均衡性和差异,更加准确地为未来小区的网络资源规划配置提供依据。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种网络业务量的预测方法,其特征在于,包括:
获得网络中第i小区在过去M个月的小区级业务量历史数据,并根据获得的小区级业务量历史数据计算所述第i小区在过去M个月中每月小区级业务量的环比增长率,M为大于等于3的正整数,i为正整数;
根据所述第i小区在过去M个月中每月小区级业务量的环比增长率,预测所述第i小区在未来规划月份L的小区级业务量的环比增长率;
根据所述第i小区在未来规划月份L的小区级业务量的环比增长率,以及所述第i小区在所述过去M个月的小区级业务量历史数据,获得所述第i小区在规划月份L的小区级业务量。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据全网各小区在未来规划月份L的小区级业务量获得所述未来规划月份L的全网业务量。
3.根据权利要求1或2所述的方法,其特征在于,所述根据获得的小区级业务量历史数据计算所述第i小区在过去M个月中每月小区级业务量的环比增长率,包括:
αij=(Ti,j-Ti,j-1)/Ti,j-1
其中,αij表示第i小区在j月相对于j-1月的小区级业务量的环比增长率;Ti,j表示第i小区在j月的小区级业务量历史数据;Ti,j-1表示第i小区在j-1月的小区级业务量历史数据,i=1,...N,j=2,...M,N表示全网中小区的数量。
4.根据权利要求1或2所述的方法,其特征在于,所述根据所述第i小区在过去M个月中每月小区级业务量的环比增长率,预测所述第i小区在未来规划月份L的小区级业务量的环比增长率,包括:
采用趋势外推法,根据所述第i小区在过去M个月中每月小区级业务量的环比增长率,预测所述第i小区在未来一个月相对于所述过去M个月中距离所述未来一个月最近月份的小区级业务量的环比增长率。
5.根据权利要求1或2所述的方法,其特征在于,所述根据所述第i小区在未来规划月份L的小区级业务量的环比增长率,以及所述第i小区在所述过去M个月的小区级业务量历史数据,获得所述第i小区在未来规划月份L的小区级业务量,包括:
将所述第i小区在未来规划月份L的小区级业务量的环比增长率作为第一值,所述第i小区在所述过去M个月中距离所述未来规划月份L最近月份的小区级业务量历史数据作为第二值,计算第一值与第二值的乘积,得到增长的小区级业务量;
计算所述增长的小区级业务量与第二值的和,得到所述第i小区在未来规划月份L的小区级业务量。
6.一种网络业务量的预测设备,其特征在于,包括:
计算模块,用于获得网络中第i小区在过去M个月的小区级业务量历史数据,并根据获得的小区级业务量历史数据计算所述第i小区在过去M个月中每月小区级业务量的环比增长率,M为大于等于3的正整数,i为正整数;
预测模块,用于根据所述第i小区在过去M个月中每月小区级业务量的环比增长率,预测所述第i小区在未来规划月份L的小区级业务量的环比增长率;
获得模块,用于根据所述第i小区在未来规划月份L的小区级业务量的环比增长率,以及所述第i小区在所述历史第M个月的小区级业务量历史数据,获得所述第i小区在未来规划月份L的小区级业务量。
7.根据权利要求6所述的设备,其特征在于,所述获得模块还用于:
根据全网各小区在未来规划月份L的小区级业务量获得所述未来规划月份L的全网业务量。
8.根据权利要求6或7所述的设备,其特征在于,所述计算模块包括:计算单元,所述计算单元根据如下公式计算所述第i小区在过去M个月中每月小区级业务量的环比增长率:
αij=(Ti,j-Ti,j-1)/Ti,j-1
其中,αij表示第i小区在j月相对于j-1月的小区级业务量的环比增长率;Ti,j表示第i小区在j月的小区级业务量历史数据;Ti,j-1表示第i小区在j-1月的小区级业务量历史数据,i=1,...N,j=2,...M,N表示全网中小区的数量。
9.根据权利要求6或7所述的设备,其特征在于,所述预测模块用于:
采用趋势外推法,根据所述第i小区在过去M个月中每月小区级业务量的环比增长率,预测所述第i小区在未来一个月相对于所述过去M个月中距离所述未来一个月最近月份的小区级业务量的环比增长率。
10.根据权利要求6或7所述的设备,其特征在于,所述获得模块包括:
第一单元,用于将所述第i小区在未来规划月份L的小区级业务量的环比增长率作为第一值,所述第i小区在所述过去M个月中距离所述未来规划月份L最近月份的小区级业务量历史数据作为第二值,计算第一值与第二值的乘积,得到增长的小区级业务量;
第二单元,用于计算所述增长的小区级业务量与第二值的和,得到所述第i小区在未来规划月份L的小区级业务量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110083940.8A CN102740341B (zh) | 2011-04-02 | 2011-04-02 | 网络业务量的预测方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110083940.8A CN102740341B (zh) | 2011-04-02 | 2011-04-02 | 网络业务量的预测方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102740341A true CN102740341A (zh) | 2012-10-17 |
CN102740341B CN102740341B (zh) | 2014-11-19 |
Family
ID=46994932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110083940.8A Active CN102740341B (zh) | 2011-04-02 | 2011-04-02 | 网络业务量的预测方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102740341B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103338461A (zh) * | 2013-06-18 | 2013-10-02 | 中国联合网络通信集团有限公司 | 基于业务量预测的网络规划方法及装置 |
CN105656709A (zh) * | 2014-11-21 | 2016-06-08 | 中国移动通信集团广东有限公司 | 分组域网络容量的预测方法及装置 |
CN107463581A (zh) * | 2016-06-02 | 2017-12-12 | 广州泰尔智信科技有限公司 | 应用下载量获取方法、装置和终端设备 |
CN109981327A (zh) * | 2017-12-28 | 2019-07-05 | 中移信息技术有限公司 | 一种业务量的预测方法及系统 |
WO2019174410A1 (zh) * | 2018-03-16 | 2019-09-19 | 阿里巴巴集团控股有限公司 | 一种业务发生量的预测方法、装置及设备 |
CN110475255A (zh) * | 2018-05-10 | 2019-11-19 | 中国移动通信集团浙江有限公司 | 网络负荷预测方法和装置 |
US11250404B2 (en) | 2015-05-25 | 2022-02-15 | Advanced New Technologies Co., Ltd. | Transaction scheme for offline payment |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7142868B1 (en) * | 2002-04-22 | 2006-11-28 | Sprint Spectrum L.P. | Method and system for predicting wireless communication system traffic |
CN101159968A (zh) * | 2007-11-19 | 2008-04-09 | 河北全通通信有限公司 | Gms移动网络扩容精算方法 |
CN101159976A (zh) * | 2007-08-24 | 2008-04-09 | 中国移动通信集团设计院有限公司 | 一种预测话务量及信道配置的方法及装置 |
-
2011
- 2011-04-02 CN CN201110083940.8A patent/CN102740341B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7142868B1 (en) * | 2002-04-22 | 2006-11-28 | Sprint Spectrum L.P. | Method and system for predicting wireless communication system traffic |
CN101159976A (zh) * | 2007-08-24 | 2008-04-09 | 中国移动通信集团设计院有限公司 | 一种预测话务量及信道配置的方法及装置 |
CN101159968A (zh) * | 2007-11-19 | 2008-04-09 | 河北全通通信有限公司 | Gms移动网络扩容精算方法 |
Non-Patent Citations (3)
Title |
---|
TIKUNOV, D.,ET.AL.: "Traffic prediction for mobile network using Holt-Winter"s exponential smoothing", 《15TH INTERNATIONAL CONFERENCE ON SOFTWARE, TELECOMMUNICATIONS AND COMPUTER NETWORKS, 2007》, 29 September 2007 (2007-09-29) * |
冯毅等: "业务量预测建模与分析", 《邮电设计技术》, 30 September 2008 (2008-09-30) * |
李东: "中国移动陕西公司WAP网关扩容管理研究", 《中国优秀硕士学位论文全文数据库》, 15 July 2009 (2009-07-15) * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103338461A (zh) * | 2013-06-18 | 2013-10-02 | 中国联合网络通信集团有限公司 | 基于业务量预测的网络规划方法及装置 |
CN103338461B (zh) * | 2013-06-18 | 2016-03-02 | 中国联合网络通信集团有限公司 | 基于业务量预测的网络规划方法及装置 |
CN105656709A (zh) * | 2014-11-21 | 2016-06-08 | 中国移动通信集团广东有限公司 | 分组域网络容量的预测方法及装置 |
CN105656709B (zh) * | 2014-11-21 | 2020-02-18 | 中国移动通信集团广东有限公司 | 分组域网络容量的预测方法及装置 |
US11250404B2 (en) | 2015-05-25 | 2022-02-15 | Advanced New Technologies Co., Ltd. | Transaction scheme for offline payment |
CN107463581A (zh) * | 2016-06-02 | 2017-12-12 | 广州泰尔智信科技有限公司 | 应用下载量获取方法、装置和终端设备 |
CN107463581B (zh) * | 2016-06-02 | 2020-09-08 | 广州泰尔智信科技有限公司 | 应用下载量获取方法、装置和终端设备 |
CN109981327A (zh) * | 2017-12-28 | 2019-07-05 | 中移信息技术有限公司 | 一种业务量的预测方法及系统 |
WO2019174410A1 (zh) * | 2018-03-16 | 2019-09-19 | 阿里巴巴集团控股有限公司 | 一种业务发生量的预测方法、装置及设备 |
TWI703461B (zh) * | 2018-03-16 | 2020-09-01 | 香港商阿里巴巴集團服務有限公司 | 業務發生量的預測方法、裝置及設備 |
CN110475255A (zh) * | 2018-05-10 | 2019-11-19 | 中国移动通信集团浙江有限公司 | 网络负荷预测方法和装置 |
CN110475255B (zh) * | 2018-05-10 | 2022-04-05 | 中国移动通信集团浙江有限公司 | 网络负荷预测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102740341B (zh) | 2014-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102740341A (zh) | 网络业务量的预测方法及设备 | |
Hua et al. | Joint infrastructure planning and fleet management for one-way electric car sharing under time-varying uncertain demand | |
Hu et al. | Joint design of parking capacities and fleet size for one-way station-based carsharing systems with road congestion constraints | |
US9063738B2 (en) | Dynamically placing computing jobs | |
Feng et al. | Solution sensitivity-based scenario reduction for stochastic unit commitment | |
Perugia et al. | Designing a home-to-work bus service in a metropolitan area | |
Madaeni et al. | The impacts of stochastic programming and demand response on wind integration | |
JP6118025B2 (ja) | 動的な負荷プロファイリング | |
Xu et al. | Adaptive reservoir operation model incorporating nonstationary inflow prediction | |
WO2013102932A2 (en) | System and method facilitating forecasting, optimization and visualization of energy data for an industry | |
CN102711177A (zh) | 基于业务预测的负载均衡方法 | |
CN104364780A (zh) | 基于云的频谱管理分析 | |
CN103338461B (zh) | 基于业务量预测的网络规划方法及装置 | |
US20140074304A1 (en) | Method, system and apparatus for load shaving of a power grid and a tangible computer readable medium | |
Ran et al. | Demand response to improve the shared electric vehicle planning: Managerial insights, sustainable benefits | |
US20130013943A1 (en) | On-demand storage system energy savings | |
CN104580447A (zh) | 一种基于访问热度的时空数据服务调度方法 | |
CN105446817A (zh) | 移动云计算中一种基于鲁棒优化的联合资源预留配置算法 | |
US11301141B2 (en) | Optimized selection of subset of storage devices for data backup | |
Phang | A general framework for price regulation of airports | |
CN104866922A (zh) | 一种用户离网的预测方法及装置 | |
CN102520785A (zh) | 一种云数据中心能耗管理方法及系统 | |
Orabi et al. | Optimizing the rehabilitation efforts of aging transportation networks | |
Zhang et al. | RIde-hail vehicle routing (RIVER) as a congestion game | |
Franklin Jr | Investment decisions in mobile telecommunications networks applying real options |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |