CN103702360A - 一种确定业务接入端口的数据流速的方法及装置 - Google Patents
一种确定业务接入端口的数据流速的方法及装置 Download PDFInfo
- Publication number
- CN103702360A CN103702360A CN201310687399.0A CN201310687399A CN103702360A CN 103702360 A CN103702360 A CN 103702360A CN 201310687399 A CN201310687399 A CN 201310687399A CN 103702360 A CN103702360 A CN 103702360A
- Authority
- CN
- China
- Prior art keywords
- service access
- access port
- time period
- data traffic
- newly
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 230000006855 networking Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2408—Traffic characterised by specific attributes, e.g. priority or QoS for supporting different services, e.g. a differentiated services [DiffServ] type of service
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/82—Miscellaneous aspects
- H04L47/822—Collecting or measuring resource availability data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/83—Admission control; Resource allocation based on usage prediction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供了一种确定业务接入端口的数据流速的方法及装置，降低了确定需要新增的业务接入端口的数据流速的成本，并且具有更高的准确性。该方法包括：获取已有的各业务接入端口的数据流量信息；根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类，并确定出各个类别的业务接入端口的数据流量模型；当确定网络中需要新增业务接入端口时，确定需要新增的业务接入端口对应的数据流量模型，根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速。
Description
技术领域
本发明涉及通信技术领域，尤其涉及一种确定业务接入端口的数据流速的方法及装置。
背景技术
随着互联网协议(Internet Protocol,IP)网络技术的逐步发展，越来越多的业务使用IP网络传输，其中包括第三代移动通讯(third generation,3G)业务、大客户专线业务、无线局域网(Wireless LAN,WLAN)业务和长期演进(Long TermEvolved,LTE)业务等。IP网络典型的承载网组网结构如图1所示，业务数据通过业务接入端口1进入网络，网络内采用环状组网结构，包括接入环，汇聚环，核心环，环内线路通过环内端口连接，各环之间通过环间端口连接，业务数据通过各环的环内线路和环间端口进行传输。
业务接入端口根据接入的业务的不同，可以使用以太网(Ethernet)端口、异步传输模式(Asynchronous Transfer Mode,ATM)端口等不同类型的端口。为了能够在合理规划网络的前提下建设网络，通常会在规划阶段模拟需要新增的业务接入端口的数据流速，并进一步分析新增该业务接入端口之后承载网受到的影响。现有技术通过向用户收集使用网络的需求信息来模拟业务接入端口的数据流速，成本较高；收集的用户样本具有随机特性，并且难以完全反映该用户的实际使用网络的情况，因此模拟结果的准确性也较差。
发明内容
本发明实施例提供了一种确定业务接入端口的数据流速的方法及装置，用以解决目前向用户收集使用网络的需求信息导致的模拟业务接入端口的数据流速的成本较高，模拟的结果准确性较差的问题。
本发明实施例提供的具体方案如下：
第一方面，一种确定业务接入端口的数据流速的方法，包括：
获取已有的各业务接入端口的数据流量信息；
根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类，并确定出各个类别的业务接入端口的数据流量模型；
当确定网络中需要新增业务接入端口时，确定需要新增的业务接入端口对应的数据流量模型，根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速。
结合第一方面，在第一种可能的实现方式中，根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类，包括：
按照时间段对所述各业务接入端口的数据流量信息进行划分；
确定所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例；
根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类。
结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类，包括：
根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果；
根据各个时间段分别对应的分类结果，确定各业务接入端口的分类结果，其中，被划分为同一类别的业务接入端口在所述各个时间段分别对应的分类结果中被划分为同一类别的次数大于预设值。
结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果，包括：
使用聚类算法，根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果。
结合第一方面的第一种可能实现方式，在第四种可能的实现方式中，所述确定出各个类别的业务接入端口的数据流量模型，包括：
确定属于同一类别的各业务接入端口；
根据属于所述同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出所述同一类别的业务接入端口的数据流量模型；
所述同一类别的业务接入端口的数据流量模型包括所述同一类别的业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例。
结合第一方面的第四种可能的实现方式，在第五种可能的实现方式中，根据属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出所述同一类别的业务接入端口的数据流量模型，包括：
确定属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值；
将属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值，作为所述同一类别的业务接入端口的数据流量模型。
结合第一方面的第四种可能的实现方式，在第六种可能的实现方式中，所述根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速，包括：
根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口在指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例；以及
确定需要新增的业务接入端口在所述指定时间段内的峰值流速；
确定所述需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例中的最大值与所述需要新增的业务接入端口在所述指定时间段内的峰值流速的比率关系；
根据需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例，以及所述比率关系，分别确定新增的业务接入端口在所述指定时间段内的每一子时间段的数据流速；
将确定的每一子时间段的数据流速作为需要新增的业务接入端口在所述指定时间段内的数据流速。
结合第一方面，在第七种可能的实现方式中，确定需要新增的业务接入端口的数据流速之后，还包括：
获取需要新增的业务接入端口所在网络环的环内数据流速信息；
将所述网络环的环内数据流速信息加上所述需要新增的业务接入端口的数据流速，确定出新增业务接入端口之后所述网络环的环内数据流速；
根据新增业务接入端口之后所述网络环的环内数据流速，确定新增业务接入端口之后所述网络环的峰值流速。
结合第一方面的第七种可能的实现方式，在第八种可能的实现方式中，所述网络环包括：
接入环，或汇聚环，或骨干环。
结合第一方面，在第九种可能的实现方式中，所述确定需要新增的业务接入端口对应的数据流量模型，包括：
确定各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息；以及，确定需要新增的业务接入端口的端口属性信息；
根据所述各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息和所述需要新增的业务接入端口的端口属性信息，确定需要新增的业务接入端口对应的数据流量模型。
第二方面，一种确定业务接入端口的数据流速的装置，包括：
信息获取单元，用于获取已有的各业务接入端口的数据流量信息；
特征确定单元，用于根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类，并确定出各个类别的业务接入端口的数据流量模型；
流速确定单元，用于当确定网络中需要新增业务接入端口时，确定需要新增的业务接入端口对应的数据流量模型，根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速。
结合第二方面，在第一种可能的实现方式中，所述特征确定单元用于根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类时，具体包括：
按照时间段对所述各业务接入端口的数据流量信息进行划分；
确定所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例；
根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类。
结合第二方面的第一种可能的实现方式，在第二种可能的实现方式中，所述特征确定单元用于根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类时，具体包括：
根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果；
根据各个时间段分别对应的分类结果，确定各业务接入端口的分类结果，其中，被划分为同一类别的业务接入端口在所述各个时间段分别对应的分类结果中被划分为同一类别的次数大于预设值。
结合第二方面的第二种可能的实现方式，在第三种可能的实现方式中，所述特征确定单元用于根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果时，具体包括：
使用聚类算法，根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果。
结合第二方面的第一种可能的实现方式，在第四种可能的实现方式中，所述特征确定单元用于确定出各个类别的业务接入端口的数据流量模型时，具体包括：
确定属于同一类别的各业务接入端口；
根据属于所述同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出所述同一类别的业务接入端口的数据流量模型；
所述同一类别的业务接入端口的数据流量模型包括所述同一类别的业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例。
结合第二方面的第四种可能的实现方式，在第五种可能的实现方式中，所述特征确定单元用于根据属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出所述同一类别的业务接入端口的数据流量模型时，具体包括：
确定属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值；
将属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值，作为所述同一类别的业务接入端口的数据流量模型。
结合第二方面的第四种可能的实现方式，在第六种可能的实现方式中，所述流速确定单元用于根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速时，具体包括：
根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口在指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例；以及
确定需要新增的业务接入端口在所述指定时间段内的峰值流速；
确定所述需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例中的最大值与所述需要新增的业务接入端口在所述指定时间段内的峰值流速的比率关系；
根据需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例，以及所述比率关系，分别确定新增的业务接入端口在所述指定时间段内的每一子时间段的数据流速；
将确定的每一子时间段的数据流速作为需要新增的业务接入端口在所述指定时间段内的数据流速。
结合第二方面，在第七种可能的实现方式中，该装置还包括网络环流速确定单元，用于：
获取需要新增的业务接入端口所在网络环的环内数据流速信息；
将所述网络环的环内数据流速信息加上所述需要新增的业务接入端口的数据流速，确定出新增业务接入端口之后所述网络环的环内数据流速；
根据新增业务接入端口之后所述网络环的环内数据流速，确定新增业务接入端口之后所述网络环的峰值流速。
结合第二方面的第七种可能的实现方式，在第八种可能的实现方式中，所述网络环包括：
接入环，或汇聚环，或骨干环。
结合第二方面，在第九种可能的实现方式中，所述流速确定单元用于确定需要新增的业务接入端口对应的数据流量模型时，具体包括：
确定各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息；以及，确定需要新增的业务接入端口的端口属性信息；
根据所述各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息和所述需要新增的业务接入端口的端口属性信息，确定需要新增的业务接入端口对应的数据流量模型。
第三方面，一种确定业务接入端口的数据流速的装置，包括处理器，用于：
获取已有的各业务接入端口的数据流量信息；
根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类，并确定出各个类别的业务接入端口的数据流量模型；
当确定网络中需要新增业务接入端口时，确定需要新增的业务接入端口对应的数据流量模型，根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速。
结合第三方面，在第一种可能的实现方式中，所述处理器用于根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类时，具体包括：
按照时间段对所述各业务接入端口的数据流量信息进行划分；
确定所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例；
根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类。
结合第三方面的第一种可能的实现方式，在第二种可能的实现方式中，所述处理用于根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类时，具体包括：
根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果；
根据各个时间段分别对应的分类结果，确定各业务接入端口的分类结果，其中，被划分为同一类别的业务接入端口在所述各个时间段分别对应的分类结果中被划分为同一类别的次数大于预设值。
结合第三方面的第二种可能的实现方式，在第三种可能的实现方式中，所述处理器用于根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果时，具体包括：
使用聚类算法，根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果。
结合第三方面的第一种可能的实现方式，在第四种可能的实现方式中，所述处理器用于确定出各个类别的业务接入端口的数据流量模型时，具体包括：
确定属于同一类别的各业务接入端口；
根据属于所述同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出所述同一类别的业务接入端口的数据流量模型；
所述同一类别的业务接入端口的数据流量模型包括所述同一类别的业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例。
结合第三方面的第四种可能的实现方式，在第五种可能的实现方式中，所述处理器用于根据属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出所述同一类别的业务接入端口的数据流量模型时，具体包括：
确定属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值；
将属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值，作为所述同一类别的业务接入端口的数据流量模型。
结合第三方面的第四种可能的实现方式，在第六种可能的实现方式中，所述处理器用于根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速时，具体包括：
根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口在指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例；以及
确定需要新增的业务接入端口在所述指定时间段内的峰值流速；
确定所述需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例中的最大值，与所述需要新增的业务接入端口在所述指定时间段内的峰值流速的比率关系；
根据需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例，以及所述比率关系，分别确定新增的业务接入端口在所述指定时间段内的每一子时间段的数据流速；
将确定的每一子时间段的数据流速作为需要新增的业务接入端口在所述指定时间段内的数据流速。
结合第三方面，在第七种可能的实现方式中，所述处理器用于确定需要新增的业务接入端口的数据流速之后，还用于：
获取需要新增的业务接入端口所在网络环的环内数据流速信息；
将所述网络环的环内数据流速信息加上所述需要新增的业务接入端口的数据流速，确定出新增业务接入端口之后所述网络环的环内数据流速；
根据新增业务接入端口之后所述网络环的环内数据流速，确定新增业务接入端口之后所述网络环的峰值流速。
结合第三方面的第七种可能的实现方式，在第八种可能的实现方式中，所述网络环包括：
接入环，或汇聚环，或骨干环。
结合第三方面，在第九种可能的实现方式中，所述处理器用于确定需要新增的业务接入端口对应的数据流量模型时，具体包括：
确定各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息；以及，确定需要新增的业务接入端口的端口属性信息；
根据所述各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息和所述需要新增的业务接入端口的端口属性信息，确定需要新增的业务接入端口对应的数据流量模型。
本发明实施例，获取现有的各业务接入端口的数据流量信息，根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类，并确定出各个类别的业务接入端口的数据流量模型；相比于根据用户使用网络的需求信息统计出数据流量模型的方法，本发明实施例提供的确定业务接入端口的数据流速的方案避免了采集用户使用网络的需求信息，因而需要的成本更低，同时，避免了根据不准确的用户需求信息来确定数据流量模型，使得模拟预测新增业务接入端口的数据流速的准确性更高。
附图说明
图1是承载网组网结构示意图；
图2是本发明实施例提供的确定业务接入端口的数据流速的方法的流程示意图；
图3、图4是本发明实施例提供的对各业务接入端口进行分类的方法的流程示意图；
图5是本发明实施例提供的确定新增业务接入端口之后接入环的数据流速的流程示意图；
图6是本发明实施例提供的确定新增业务接入端口之后汇聚环的数据流速的流程示意图；
图7是本发明实施例提供的确定新增业务接入端口之后骨干环的数据流速的流程示意图；
图8是本发明具体实施例提供的流程示意图；
图9是本发明具体实施例提供的接入环的流速叠加过程示意图；
图10是本发明实施例提供的确定业务接入端口的数据流速的装置的结构示意图；
图11是本发明实施例提供的确定业务接入端口的数据流速的装置的另一结构示意图。
具体实施方式
本发明实施例提供了一种确定业务接入端口的数据流速的方法及装置，降低了模拟需要新增的业务接入端口的数据流速的成本，并且增加了模拟预测新增业务接入端口的数据流速的准确性。
参见图2，本发明实施例提供的一种确定数据流速的方法包括：
S201：获取已有的各业务接入端口的数据流量信息。
业务接入端口可以包括以下类型：第二代移动通讯(second generation,2G)业务接入端口、3G业务接入端口、LTE业务接入端口、WLAN业务接入端口、家庭客户业务接入端口以及集团客户业务接入端口。
具体的，步骤S201通过每隔预设长度时间统计一次业务接入端口的累计数据流量，以获取业务接入端口的数据流量信息。
S202：根据各业务接入端口的数据流量信息对各业务接入端口进行分类，并确定出各个类别的业务接入端口的数据流量模型。
业务接入端口的数据流量信息，取决于业务接入端口所在地点的用户群使用习惯、用户数目，以及业务接入端口的类型等因素，尽管不同的业务接入端口的数据流量信息各不相同，但是部分业务接入端口的数据流量信息却有一定的共同特征。以分布在不同居民小区的家庭客户以太网端口为例，这些端口通常周一至周五的白天时间流量较少，周一至周五的晚上以及周六、日流量较多，一周流量的峰值通常出现在周五或周六晚上，甚至这些端口出现峰值的具体时间点也比较接近。经过分析计算，能够将数据流量信息存在大量共同特征的业务接入端口分为一类。进一步地，通过对同一类别的业务接入端口的数据流量信息进行分析计算，确定出该类别的业务接入端口的数据流量模型。
较佳的，步骤S202中根据各业务接入端口的数据流量信息对各业务接入端口进行分类，如图3所示，具体包括步骤：
S301：按照时间段对各业务接入端口的数据流量信息进行划分。
S302：确定各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例。
各业务接入端口的流量大小各不相同，导致数据流量信息的共同特征不明显，难以直接进行分类。因此，需要先将各业务接入端口的数据流量信息按照时间段进行划分，再将各个时间段内的每一子时间段的数据流量信息以占所在时间段全部流量的比例表示，之后才能使用有关分类算法按照时间段对各业务接入端口进行分类。
具体示例如下：对于业务接入端口A，时间段的粒度为天，子时间段的粒度为15分钟，某一天的全部流量为1000M，第m个15分钟的流量为50M，第n个15分钟的流量为100M，那么将这一天第m个15分钟的流量记为5%，第n个15分钟的流量记为10%。
S303：根据各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类。
如图4所示，步骤S303具体包括：
S401：根据各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果。
例如：有A、B、C、D、E、F、G七个业务接入端口，时间段的粒度为天，子时间段的粒度为15分钟，在得到各个业务接入端口在每个15分钟的数据流量占当天全部数据流量的比例之后，使用分类算法，将比例随时间分布情况相同或相近的业务接入端口分为一类。
分类结果示意如下：
第一天分类结果：ABC一类，DE一类、FG一类；
第二天分类结果：AB一类，CDE一类、FG一类；
第三天分类结果：AB一类，DE一类、CFG一类。
具体的，步骤S501使用的分类算法可以是聚类算法。
S402：根据各个时间段分别对应的分类结果，确定各业务接入端口的分类结果。
各个时间段对应的分类结果不一定相同，因此需要根据每一次的分类结果，统计出最终的分类结果。为了能够仅将多次被分为同一类别的业务接入端口分为一类，最终的各业务接入端口的分类结果中，被划分为同一类别的业务接入端口在所述各个时间段分别对应的分类结果中被划分为同一类别的次数大于预设值。
以步骤S401的示例对本步骤进行说明，若要求最终的分类结果中被划分为同一类别的业务接入端口在每天的分类结果中都被划分为同一类别，那么最终的分类结果是：AB一类，DE一类、FG一类；C作为不稳定的业务接入端口，不划分入任一类别。
通常最终分为一类的业务接入端口的周围环境是相同的，例如，它们都是部署在居民小区、或者都是部署在开发区、或者都是部署在商业区，并且端口类型也相同，例如，都是以太网端口，或者都是3G基站端口；这些信息都预先记录在业务接入端口的端口属性信息中。
进一步的，步骤S202中确定出各个类别的业务接入端口的数据流量模型，包括：确定属于同一类别的各业务接入端口；根据属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出同一类别的业务接入端口的数据流量模型；所述同一类别的业务接入端口的数据流量模型，包括同一类别的业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例。
具体的，根据属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出同一类别的业务接入端口的数据流量模型，包括：确定属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值；将属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值，作为所述同一类别的业务接入端口的数据流量模型。例如：业务接入端口A、B被划分为同一类别，业务接入端口A、B在某一时间段内的某一子时间段的数据流量占所在时间段的全部数据流量的比例分别为4.1%、4.3%，那么，最终得到的数据流量模型中，在该时间段内的该子时间段的数据流量占该时间段的全部数据流量的比例为二者的均值4.2%；依照该方式，确定同一类别的业务接入端口在每一时间段的每一子时间段的数据流量占所在时间段的全部数据流量的比例的均值，这些比例的均值组成了该类别的业务接入端口的数据流量模型。
并且，还可以对同一类别的业务接入端口的数据流量模型进行进一步处理，将不同时间段的特征较为接近的数据流量模型求均值合并，减少数据流量模型的数量。例如：在时间段的粒度为天的前提下，考虑到周一至周五的流量分布特征比较接近，将同一类别的业务接入端口的周一至周五的数据流量模型求均值合并，得到该类别的业务接入端口的工作日数据流量模型。
S203：当确定网络中需要新增业务接入端口时，确定需要新增的业务接入端口对应的数据流量模型，根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速。
需要新增的业务接入端口的环境信息和端口类型等端口属性信息是已经确定的，根据这些已经确定的因素，可以预估出该新增的业务接入端口的峰值流速。并且，根据步骤S202确定的各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息，以及需要新增的业务接入端口的端口属性信息，还可以确定需要新增的业务接入端口对应的数据流量模型。例如：数据流量模型1对应的各业务接入端口包括业务接入端口A、业务接入端口B、业务接入端口C，业务接入端口A、B、C的端口属性信息记录了A、B、C都分布在学校，端口类型为以太网端口；若新增的业务接入端口D也分布在学校，端口类型也为以太网，那么业务接入端口D可以使用数据流量模型1。
较佳的，根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速，包括：根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口在指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例；以及确定需要新增的业务接入端口在所述指定时间段内的峰值流速；确定所述需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例中的最大值与所述需要新增的业务接入端口在所述指定时间段内的峰值流速的比率关系；根据需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例，以及所述比率关系，分别确定新增的业务接入端口在所述指定时间段内的每一子时间段的数据流速；将确定的每一子时间段的数据流速作为需要新增的业务接入端口在所述指定时间段内的数据流速。
确定需要新增的业务接入端口的数据流速的具体示例如下：
已知需要新增的业务接入端口在周一的峰值流速应为100Mbit/s，该业务接入端口对应的周一数据流量模型预测了周一每15分钟的流量占全天流量的百分比，或者，该业务接入端口对应的工作日数据流量模型预测了周一每15分钟的流量占全天流量的百分比，根据该业务接入端口对应的数据流量模型确定周一的第m个15分钟的流量为全部1天时间流量的20%，大于同一天其它任意一个15分钟的流量占当天流量的百分比，达到了峰值比例；以及，确定在同一天的第n个15分钟的流量为全部1天时间流量的5%。那么，峰值流速应当发生在第m个15分钟，即第m个15分钟的流速为100Mbit/s，然后根据峰值比例20%与峰值流速100Mbit/s的比率关系，可以计算出第n个15分钟的流速为(100/20)*5=25Mbit/s。同理，可以根据该比率关系推算出业务接入端口在同一天任意一个15分钟内的数据流速。
实际应用中，由于各个业务接入端口的峰值流速不在同一时刻产生，网络中需要新增的业务接入端口的峰值流速之和，不等于承载网新增的峰值流速。这样，无法确定新增业务接入端口对承载网的影响。目前常用的方法是，将新增的业务接入端口的峰值流速之和乘以一个固定的小数，得到的结果作为承载网新增的峰值流速，这种方式不能够结合实际情况，导致难以准确预估承载网峰值速率的变化，进而造成业务接入端口数量建设过多导致承载网带宽瓶颈，或者造成业务接入端口数量过少导致承载网带宽的浪费。而本发明实施例能够确定新增的业务接入端口的各个时间的数据流速，并进一步确定出新增的业务接入端口对承载网的具体影响，有助于合理规划网络建设，具体内容如下：
如图5所示，确定需要新增的业务接入端口的数据流速之后，确定新增业务接入端口对接入环的影响的步骤包括：
S501：获取新增的业务接入端口所在接入环的环内数据流速信息。
S502：将所述接入环的环内数据流速加上新增的业务接入端口的数据流速，得到新增业务接入端口之后接入环的环内数据流速。
S503：根据新增业务接入端口之后所述接入环的环内数据流速，确定新增业务接入端口之后所述接入环的峰值流速。
较佳的，还可以根据环内的峰值流速确定环内的带宽利用率；带宽利用率=(峰值流速/环内带宽)*100%。
当确定新增业务接入端口之后接入环的带宽利用率小于第一门限值时，则认为可以建设该业务接入端口；当确定新增业务接入端口之后接入环的带宽利用率大于第一门限值时，则认为该业务接入端口在建设后承载网压力过大，不能建设该业务接入端口，或者需要提升接入环带宽。
如图6所示，确定新增的业务接入端口的数据流速之后，确定新增业务接入端口对汇聚环的影响的步骤包括：
S601：获取新增的业务接入端口所在汇聚环的环内数据流速信息。
S602：将汇聚环的环内数据流速加上新增的业务接入端口的数据流速，得到新增业务接入端口之后汇聚环的环内数据流速。
S603：根据新增业务接入端口之后所述汇聚环的环内数据流速，确定新增业务接入端口之后所述汇聚环的峰值流速。
较佳的，还可以根据环内的峰值流速确定环内的带宽利用率。
当确定新增业务接入端口之后汇聚环的带宽利用率小于第二门限值时，则认为可以建设该业务接入端口；当确定新增业务接入端口之后汇聚环的带宽利用率大于第二门限值时，则认为该业务接入端口在建设后承载网压力过大，不能建设该业务接入端口，或者需要提升汇聚环带宽。
如图7所示，确定新增的业务接入端口的数据流速之后，确定新增业务接入端口对骨干环的影响的步骤包括：
S701：获取新增的业务接入端口所在骨干环的环内数据流速信息。
S702：将骨干环的环内数据流速加上新增的业务接入端口的数据流速，得到新增业务接入端口之后骨干环的环内数据流速。
S703：根据新增业务接入端口之后所述骨干环的环内数据流速，确定新增业务接入端口之后所述骨干环的峰值流速。
较佳的，还可以根据环内的峰值流速确定环内的带宽利用率。
当确定新增业务接入端口之后骨干环的带宽利用率小于第三门限值时，则认为可以建设该业务接入端口；当确定新增业务接入端口之后骨干环的带宽利用率大于第三门限值时，则认为该业务接入端口在建设后承载网压力过大，不能建设该业务接入端口，或者需要提升骨干环带宽。
这样，根据新增的业务接入端口的数据流速，便能够确定承载网各个环线的承载变化，给网络建设规划提供了参考。
本实施例确定新增业务接入端口对承载网各环线的影响，还可以帮助实现最优化部署业务接入端口。例如，尽量将同一接入环的各个业务接入端口部署在不同的环境中，使得各个业务接入端口的数据流速的峰值出现在不同的时间，这样，能够减小承载网各环线的峰值流速的增加幅度，提高了网络线路资源的利用率。
此外，本发明实施例，实现了自动收集现网已有的各业务接入端口的数据流量信息，并根据现网已有的各业务接入端口的数据流量信息模拟出需要新增的业务接入端口的数据流速；当用户行为发生改变，如随着智能手机各种应用的推广，对3G基站的数据流量的使用快速增长的情况下，能够即时重新收集现网数据流量信息并进行模拟，得到具有时效性的数据流量模型。
下面结合3G基站建设规划的应用场景，给出本发明的具体实施例；如图8所示，具体包括以下内容：
S801：统计各3G基站接入端口每15分钟的累计流量，以天为粒度进行划分。
S802：对划分的累计流量数据进行向量化处理，得到各3G基站每天的各个15分钟的累计流量占当天全天流量的比例。
S803：使用K均值(K-means)算法，根据向量化处理后的累计流量数据，对各3G基站进行分类；其中，K-means算法是聚类算法中的一种。
S804：综合N天的分类结果，得到最终的分类结果。
S805：结合聚类算法，根据每一类别的各个向量化处理后的累计流量数据，统计出该类别的流量模型；包括：工作日流量子模型，休息日流量子模型和节假日流量子模型。
S806：确定规划建设的3G基站的业务接入端口信息和某天的峰值流速。
S807：根据这天对应的流量子模型和这天的峰值流速，确定规划建设的3G基站在这天的流速。
S808：通过业务接入端口信息，查找到端口的环（接入环、汇聚环和骨干环）信息。
S809：获取各环的流速和带宽利用率等数据，并预测这天各环在未新增3G基站的条件下原本的流速和带宽利用率；例如：若这天是工作日，则对各环的工作日的流速求均值，预测出这天各环原本的流速。
S810：在各环原本的流速上叠加规划建设的3G基站的流速，计算该天的各环流速和带宽利用率；其中，接入环的流速叠加过程如图9所示。
根据以上流程，可以确定任意一天规划建设的3G基站的流速，以及确定任意一天的新增3G基站之后各环的流速和带宽利用率。
参见图10，本发明实施例提供的一种确定业务接入端口的数据流速的装置100，包括：
信息获取单元1001，用于获取已有的各业务接入端口的数据流量信息；
特征确定单元1002，用于根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类，并确定出各个类别的业务接入端口的数据流量模型；
流速确定单元1003，用于当确定网络中需要新增业务接入端口时，确定需要新增的业务接入端口对应的数据流量模型，根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速。
较佳的，所述特征确定单元1002用于根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类时，具体包括：
按照时间段对所述各业务接入端口的数据流量信息进行划分；
确定所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例；
根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类。
较佳的，所述特征确定单元1002用于根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类时，具体包括：
根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果；
根据各个时间段分别对应的分类结果，确定各业务接入端口的分类结果，其中，被划分为同一类别的业务接入端口在所述各个时间段分别对应的分类结果中被划分为同一类别的次数大于预设值。
较佳的，所述特征确定单元1002用于根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果时，具体包括：
使用聚类算法，根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果。
较佳的，所述特征确定单元1002用于确定出各个类别的业务接入端口的数据流量模型时，具体包括：
确定属于同一类别的各业务接入端口；
根据属于所述同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出所述同一类别的业务接入端口的数据流量模型；
所述同一类别的业务接入端口的数据流量模型，包括所述同一类别的业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例。
较佳的，所述特征确定单元1002用于根据属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出所述同一类别的业务接入端口的数据流量模型时，具体包括：
确定属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值；
将属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值，作为所述同一类别的业务接入端口的数据流量模型。
较佳的，所述流速确定单元1003用于根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速时，具体包括：
根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口在指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例；以及
确定需要新增的业务接入端口在所述指定时间段内的峰值流速；
确定所述需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例中的最大值与所述需要新增的业务接入端口在所述指定时间段内的峰值流速的比率关系；
根据需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例，以及所述比率关系，分别确定新增的业务接入端口在所述指定时间段内的每一子时间段的数据流速；
将确定的每一子时间段的数据流速作为需要新增的业务接入端口在所述指定时间段内的数据流速。
较佳的，该装置还包括网络环流速确定单元，用于：
获取需要新增的业务接入端口所在网络环的环内数据流速信息；
将所述网络环的环内数据流速信息加上所述需要新增的业务接入端口的数据流速，确定出新增业务接入端口之后所述网络环的环内数据流速；
根据新增业务接入端口之后所述网络环的环内数据流速，确定新增业务接入端口之后所述网络环的峰值流速。
所述网络环包括：
接入环，或汇聚环，或骨干环。
较佳的，所述流速确定单元用于确定需要新增的业务接入端口对应的数据流量模型时，具体包括：
确定各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息；以及，确定需要新增的业务接入端口的端口属性信息；
根据所述各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息和所述需要新增的业务接入端口的端口属性信息，确定需要新增的业务接入端口对应的数据流量模型。
需要说明的是，该实施例的确定业务接入端口的数据流速的装置是为实现上述步骤S201－S203的，上述的对方法的解释和限定同样适用于本实施例的确定业务接入端口的数据流速的装置。
参见图11，本发明实施例提供的一种确定业务接入端口的数据流速的装置110，包括处理器1101和存储器1102，所述处理器1101，用于：
获取已有的各业务接入端口的数据流量信息；
根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类，并确定出各个类别的业务接入端口的数据流量模型；
当确定网络中需要新增业务接入端口时，确定需要新增的业务接入端口对应的数据流量模型，根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速；
所述存储器1102，用于存储已有的各业务接入端口的数据流量信息。
较佳的，所述处理器1101用于根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类时，具体包括：
按照时间段对所述各业务接入端口的数据流量信息进行划分；
确定所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例；
根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类。
较佳的，所述处理1101用于根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类时，具体包括：
根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果；
根据各个时间段分别对应的分类结果，确定各业务接入端口的分类结果，其中，被划分为同一类别的业务接入端口在所述各个时间段分别对应的分类结果中被划分为同一类别的次数大于预设值。
较佳的，所述处理器1101用于根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果时，具体包括：
使用聚类算法，根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果。
较佳的，所述处理器1101用于确定出各个类别的业务接入端口的数据流量模型时，具体包括：
确定属于同一类别的各业务接入端口；
根据属于所述同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出所述同一类别的业务接入端口的数据流量模型；
所述同一类别的业务接入端口的数据流量模型，包括所述同一类别的业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例。
较佳的，所述处理器1101用于根据属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出所述同一类别的业务接入端口的数据流量模型时，具体包括：
确定属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值；
将属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值，作为所述同一类别的业务接入端口的数据流量模型。
较佳的，所述处理器1101用于根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速时，具体包括：
根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口在指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例；以及
确定需要新增的业务接入端口在所述指定时间段内的峰值流速；
确定所述需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例中的最大值，与所述需要新增的业务接入端口在所述指定时间段内的峰值流速的比率关系；
根据需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例，以及所述比率关系，分别确定新增的业务接入端口在所述指定时间段内的每一子时间段的数据流速；
将确定的每一子时间段的数据流速作为需要新增的业务接入端口在所述指定时间段内的数据流速。
较佳的，所述处理器1101用于确定需要新增的业务接入端口的数据流速之后，还用于：
获取需要新增的业务接入端口所在网络环的环内数据流速信息；
将所述网络环的环内数据流速信息加上所述需要新增的业务接入端口的数据流速，确定出新增业务接入端口之后所述网络环的环内数据流速；
根据新增业务接入端口之后所述网络环的环内数据流速，确定新增业务接入端口之后所述网络环的峰值流速。
所述网络环包括：
接入环，或汇聚环，或骨干环。
较佳的，所述处理器1101用于确定需要新增的业务接入端口对应的数据流量模型时，具体包括：
确定各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息；以及，确定需要新增的业务接入端口的端口属性信息；
根据所述各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息和所述需要新增的业务接入端口的端口属性信息，确定需要新增的业务接入端口对应的数据流量模型。
综上所述，本发明实施例提供了一种确定业务接入端口的数据流速的方法及装置，能够自动收集各业务接入端口的流量数据，并确定出业务接入端口的数据流量模型，降低了确定需要新增的业务接入端口的数据流速的成本，并且具有更高的准确性，为全网规划提供了依据；由于各业务接入端口的流量数据的收集周期短，还能够快速更新业务接入端口的数据流量模型，提升数据流量模型的时效性；此外，根据本发明实施例提供的方法及装置，还能够确定出网络中的最优的业务接入端口部署方案。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器和光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (20)
1.一种确定业务接入端口的数据流速的方法，其特征在于，该方法包括：
获取已有的各业务接入端口的数据流量信息；
根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类，并确定出各个类别的业务接入端口的数据流量模型；
当确定网络中需要新增业务接入端口时，确定需要新增的业务接入端口对应的数据流量模型，根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速。
2.如权利要求1所述的方法，其特征在于，根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类，包括：
按照时间段对所述各业务接入端口的数据流量信息进行划分；
确定所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例；
根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类。
3.如权利要求2所述的方法，其特征在于，根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类，包括：
根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果；
根据各个时间段分别对应的分类结果，确定各业务接入端口的分类结果，其中，被划分为同一类别的业务接入端口在所述各个时间段分别对应的分类结果中被划分为同一类别的次数大于预设值。
4.如权利要求3所述的方法，其特征在于，根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果，包括：
使用聚类算法，根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果。
5.如权利要求2所述的方法，其特征在于，所述确定出各个类别的业务接入端口的数据流量模型，包括：
确定属于同一类别的各业务接入端口；
根据属于所述同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出所述同一类别的业务接入端口的数据流量模型；
所述同一类别的业务接入端口的数据流量模型包括所述同一类别的业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例。
6.如权利要求5所述的方法，其特征在于，根据属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出所述同一类别的业务接入端口的数据流量模型，包括：
确定属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值；
将属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值，作为所述同一类别的业务接入端口的数据流量模型。
7.如权利要求5所述的方法，其特征在于，所述根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速，包括：
根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口在指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例；以及
确定需要新增的业务接入端口在所述指定时间段内的峰值流速；
确定所述需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例中的最大值，与所述需要新增的业务接入端口在所述指定时间段内的峰值流速的比率关系；
根据需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例，以及所述比率关系，分别确定新增的业务接入端口在所述指定时间段内的每一子时间段的数据流速；
将确定的每一子时间段的数据流速作为需要新增的业务接入端口在所述指定时间段内的数据流速。
8.如权利要求1所述的方法，其特征在于，确定需要新增的业务接入端口的数据流速之后，该方法还包括：
获取需要新增的业务接入端口所在网络环的环内数据流速信息；
将所述网络环的环内数据流速信息加上所述需要新增的业务接入端口的数据流速，确定出新增业务接入端口之后所述网络环的环内数据流速；
根据新增业务接入端口之后所述网络环的环内数据流速，确定新增业务接入端口之后所述网络环的峰值流速。
9.如权利要求8所述的方法，其特征在于，所述网络环包括：
接入环，或汇聚环，或骨干环。
10.如权利要求1所述的方法，其特征在于，所述确定需要新增的业务接入端口对应的数据流量模型，包括：
确定各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息；以及，确定需要新增的业务接入端口的端口属性信息；
根据所述各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息和所述需要新增的业务接入端口的端口属性信息，确定需要新增的业务接入端口对应的数据流量模型。
11.一种确定业务接入端口的数据流速的装置，其特征在于，该装置包括：
信息获取单元，用于获取已有的各业务接入端口的数据流量信息；
特征确定单元，用于根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类，并确定出各个类别的业务接入端口的数据流量模型；
流速确定单元，用于当确定网络中需要新增业务接入端口时，确定需要新增的业务接入端口对应的数据流量模型，根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速。
12.如权利要求11所述的装置，其特征在于，所述特征确定单元用于根据所述各业务接入端口的数据流量信息对各业务接入端口进行分类时，具体包括：
按照时间段对所述各业务接入端口的数据流量信息进行划分；
确定所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例；
根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类。
13.如权利要求12所述的装置，其特征在于，所述特征确定单元用于根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，对各业务接入端口进行分类时，具体包括：
根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果；
根据各个时间段分别对应的分类结果，确定各业务接入端口的分类结果，其中，被划分为同一类别的业务接入端口在所述各个时间段分别对应的分类结果中被划分为同一类别的次数大于预设值。
14.如权利要求13所述的装置，其特征在于，所述特征确定单元用于根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果时，具体包括：
使用聚类算法，根据所述各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，分别确定各个时间段对应的各业务接入端口的分类结果。
15.如权利要求12所述的装置，其特征在于，所述特征确定单元用于确定出各个类别的业务接入端口的数据流量模型时，具体包括：
确定属于同一类别的各业务接入端口；
根据属于所述同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出所述同一类别的业务接入端口的数据流量模型；
所述同一类别的业务接入端口的数据流量模型包括所述同一类别的业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例。
16.如权利要求15所述的装置，其特征在于，所述特征确定单元用于根据属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例，确定出所述同一类别的业务接入端口的数据流量模型时，具体包括：
确定属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值；
将属于同一类别的各业务接入端口在各个时间段内的每一子时间段的数据流量占所在时间段全部数据流量的比例的均值，作为所述同一类别的业务接入端口的数据流量模型。
17.如权利要求15所述的装置，其特征在于，所述流速确定单元用于根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口的数据流速时，具体包括：
根据需要新增的业务接入端口对应的数据流量模型，确定需要新增的业务接入端口在指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例；以及
确定需要新增的业务接入端口在所述指定时间段内的峰值流速；
确定所述需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例中的最大值,与所述需要新增的业务接入端口在所述指定时间段内的峰值流速的比率关系；
根据需要新增的业务接入端口在所述指定时间段内的每一子时间段的数据流量占所述指定时间段全部数据流量的比例，以及所述比率关系，分别确定新增的业务接入端口在所述指定时间段内的每一子时间段的数据流速；
将确定的每一子时间段的数据流速作为需要新增的业务接入端口在所述指定时间段内的数据流速。
18.如权利要求11所述的装置，其特征在于，该装置还包括网络环流速确定单元，用于：
获取需要新增的业务接入端口所在网络环的环内数据流速信息；
将所述网络环的环内数据流速信息加上所述需要新增的业务接入端口的数据流速，确定出新增业务接入端口之后所述网络环的环内数据流速；
根据新增业务接入端口之后所述网络环的环内数据流速，确定新增业务接入端口之后所述网络环的峰值流速。
19.如权利要求18所述的装置，其特征在于，所述网络环包括：
接入环，或汇聚环，或骨干环。
20.如权利要求11所述的装置，其特征在于，所述流速确定单元用于确定需要新增的业务接入端口对应的数据流量模型时，具体包括：
确定各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息；以及，确定需要新增的业务接入端口的端口属性信息；
根据所述各个数据流量模型分别对应的已有的各业务接入端口的端口属性信息和所述需要新增的业务接入端口的端口属性信息，确定需要新增的业务接入端口对应的数据流量模型。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310687399.0A CN103702360B (zh) | 2013-12-12 | 2013-12-12 | 一种确定业务接入端口的数据流速的方法及装置 |
| EP14808803.2A EP2905931B1 (en) | 2013-12-12 | 2014-06-26 | Method and apparatus for determining data flow rate of service access port |
| PCT/CN2014/080878 WO2015085752A1 (zh) | 2013-12-12 | 2014-06-26 | 一种确定业务接入端口的数据流速的方法及装置 |
| ES14808803.2T ES2681437T3 (es) | 2013-12-12 | 2014-06-26 | Método y aparato para determinar la velocidad del flujo de datos del puerto de acceso al servicio |
| US14/577,062 US9706414B2 (en) | 2013-12-12 | 2014-12-19 | Method and apparatus for determining data flow rate on service access port |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310687399.0A CN103702360B (zh) | 2013-12-12 | 2013-12-12 | 一种确定业务接入端口的数据流速的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103702360A true CN103702360A (zh) | 2014-04-02 |
| CN103702360B CN103702360B (zh) | 2017-06-06 |
Family
ID=50363733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310687399.0A Active CN103702360B (zh) | 2013-12-12 | 2013-12-12 | 一种确定业务接入端口的数据流速的方法及装置 |
Country Status (4)
| Country | Link |
|---|---|
| EP (1) | EP2905931B1 (zh) |
| CN (1) | CN103702360B (zh) |
| ES (1) | ES2681437T3 (zh) |
| WO (1) | WO2015085752A1 (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015085752A1 (zh) * | 2013-12-12 | 2015-06-18 | 华为技术有限公司 | 一种确定业务接入端口的数据流速的方法及装置 |
| CN105245588A (zh) * | 2015-09-28 | 2016-01-13 | 浪潮(北京)电子信息产业有限公司 | 一种web业务端口分离处理的方法 |
| CN105472631A (zh) * | 2014-09-02 | 2016-04-06 | 中兴通讯股份有限公司 | 一种业务数据量和/或资源数据量的预测方法及预测系统 |
| CN105634850A (zh) * | 2014-11-04 | 2016-06-01 | 中国移动通信集团广东有限公司 | Ptn网络的业务流量建模方法及装置 |
| CN106612212A (zh) * | 2015-10-23 | 2017-05-03 | 中国移动通信集团公司 | 一种业务的网络资源利用率统计方法及装置 |
| US9706414B2 (en) | 2013-12-12 | 2017-07-11 | Huawei Technologies Co., Ltd. | Method and apparatus for determining data flow rate on service access port |
| CN107948098A (zh) * | 2017-12-04 | 2018-04-20 | 中国联合网络通信集团有限公司 | 一种带宽调节方法及系统 |
| CN108271198A (zh) * | 2016-12-30 | 2018-07-10 | 华为技术有限公司 | 一种流量仿真方法及装置 |
| CN112218326A (zh) * | 2020-10-10 | 2021-01-12 | 锐迪科（重庆）微电子科技有限公司 | 测量方法、装置及设备 |
| CN112771816A (zh) * | 2018-09-19 | 2021-05-07 | 华为技术有限公司 | 一种预测网络速率的方法及预测装置 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116232958A (zh) * | 2023-01-09 | 2023-06-06 | 浪潮通信信息系统有限公司 | 一种流出峰值流速核查方法及装置 |
Family Cites Families (10)
| 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 |
| CN101056274B (zh) * | 2007-06-15 | 2010-08-04 | 中兴通讯股份有限公司 | 一种分时流量管理方法及装置 |
| CN101547150B (zh) * | 2009-04-30 | 2011-12-28 | 中兴通讯股份有限公司 | 数据通信输入端口调度的方法及装置 |
| CN101577681B (zh) * | 2009-06-02 | 2012-05-23 | 华为技术有限公司 | 一种流量控制方法、装置以及系统 |
| EP2273737B1 (en) * | 2009-06-30 | 2017-10-04 | Alcatel Lucent | Measurement-based resource access control |
| CN101997635B (zh) * | 2009-08-27 | 2013-03-27 | 中兴通讯股份有限公司 | 一种变换业务单板端口速率的方法和系统 |
| CN102195985B (zh) * | 2011-05-19 | 2013-08-21 | 北京邮电大学 | 一种对呈现业务网络载荷进行控制的系统和方法 |
| CN102724317B (zh) * | 2012-06-21 | 2016-05-25 | 华为技术有限公司 | 一种网络数据流量分类方法和装置 |
| CN102724123B (zh) * | 2012-06-27 | 2015-04-29 | 青岛上锋科技有限公司 | 网络流量控制方法及控制装置 |
| CN103702360B (zh) * | 2013-12-12 | 2017-06-06 | 华为技术有限公司 | 一种确定业务接入端口的数据流速的方法及装置 |
-
2013
- 2013-12-12 CN CN201310687399.0A patent/CN103702360B/zh active Active
-
2014
- 2014-06-26 ES ES14808803.2T patent/ES2681437T3/es active Active
- 2014-06-26 WO PCT/CN2014/080878 patent/WO2015085752A1/zh active Application Filing
- 2014-06-26 EP EP14808803.2A patent/EP2905931B1/en active Active
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9706414B2 (en) | 2013-12-12 | 2017-07-11 | Huawei Technologies Co., Ltd. | Method and apparatus for determining data flow rate on service access port |
| WO2015085752A1 (zh) * | 2013-12-12 | 2015-06-18 | 华为技术有限公司 | 一种确定业务接入端口的数据流速的方法及装置 |
| CN105472631A (zh) * | 2014-09-02 | 2016-04-06 | 中兴通讯股份有限公司 | 一种业务数据量和/或资源数据量的预测方法及预测系统 |
| CN105634850B (zh) * | 2014-11-04 | 2019-06-14 | 中国移动通信集团广东有限公司 | Ptn网络的业务流量建模方法及装置 |
| CN105634850A (zh) * | 2014-11-04 | 2016-06-01 | 中国移动通信集团广东有限公司 | Ptn网络的业务流量建模方法及装置 |
| CN105245588B (zh) * | 2015-09-28 | 2018-12-07 | 浪潮(北京)电子信息产业有限公司 | 一种web业务端口分离处理的方法 |
| CN105245588A (zh) * | 2015-09-28 | 2016-01-13 | 浪潮(北京)电子信息产业有限公司 | 一种web业务端口分离处理的方法 |
| CN106612212A (zh) * | 2015-10-23 | 2017-05-03 | 中国移动通信集团公司 | 一种业务的网络资源利用率统计方法及装置 |
| CN106612212B (zh) * | 2015-10-23 | 2020-02-07 | 中国移动通信集团公司 | 一种业务的网络资源利用率统计方法及装置 |
| CN108271198A (zh) * | 2016-12-30 | 2018-07-10 | 华为技术有限公司 | 一种流量仿真方法及装置 |
| CN107948098A (zh) * | 2017-12-04 | 2018-04-20 | 中国联合网络通信集团有限公司 | 一种带宽调节方法及系统 |
| CN112771816A (zh) * | 2018-09-19 | 2021-05-07 | 华为技术有限公司 | 一种预测网络速率的方法及预测装置 |
| CN112771816B (zh) * | 2018-09-19 | 2022-09-16 | 华为技术有限公司 | 一种预测网络速率的方法及预测装置 |
| CN112218326A (zh) * | 2020-10-10 | 2021-01-12 | 锐迪科（重庆）微电子科技有限公司 | 测量方法、装置及设备 |
| CN112218326B (zh) * | 2020-10-10 | 2022-12-27 | 锐迪科（重庆）微电子科技有限公司 | 测量方法、装置及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2015085752A1 (zh) | 2015-06-18 |
| EP2905931A4 (en) | 2015-08-19 |
| EP2905931A1 (en) | 2015-08-12 |
| CN103702360B (zh) | 2017-06-06 |
| EP2905931B1 (en) | 2018-05-30 |
| ES2681437T3 (es) | 2018-09-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103702360A (zh) | 一种确定业务接入端口的数据流速的方法及装置 | |
| Huang et al. | A dynamical spatial-temporal graph neural network for traffic demand prediction | |
| Arribas et al. | Urban solid waste collection system using mathematical modelling and tools of geographic information systems | |
| CN103984993B (zh) | 一种轨道交通客流od分布实时推测方法 | |
| Boldrini et al. | Characterising demand and usage patterns in a large station-based car sharing system | |
| CN102088754A (zh) | 一种基于网络访问行为的无线局域网接入控制方法及系统 | |
| CN105101302A (zh) | 基于用户使用习惯的流量管理方法及系统 | |
| CN108632077A (zh) | 一种电力业务数据传输建模流程及传输通道确定方法 | |
| CN115314499B (zh) | 适用于电力领域的多终端协同工作方法及系统 | |
| Jensen et al. | Location intelligence application in digital data activity dimensioning in smart cities | |
| CN110400459A (zh) | 针对交通状况的报警规则配置方法、报警方法及装置 | |
| Nasiboglu | Dijkstra solution algorithm considering fuzzy accessibility degree for patch optimization problem | |
| CN105848104B (zh) | 基于区域的人员流动状态监测方法及装置 | |
| Osorio et al. | An efficient simulation-based optimization algorithm for large-scale transportation problems | |
| CN103607731A (zh) | 一种测量报告的处理方法及装置 | |
| CN103634470A (zh) | 一种基于终端移动数据接入网Qos的人机交互预测方法 | |
| CN102209369B (zh) | 基于无线网络接口选择的增强智能手机用户体验的方法 | |
| CN105634850B (zh) | Ptn网络的业务流量建模方法及装置 | |
| Hussain et al. | Computing platforms for big data analytics in electric vehicle infrastructures | |
| CN106850777A (zh) | 推送信息的方法和装置 | |
| CN101197730B (zh) | 多维混合业务效用的实现方法 | |
| US9706414B2 (en) | Method and apparatus for determining data flow rate on service access port | |
| CN103065461A (zh) | 用于采集和获取交通路况信息的方法和设备 | |
| CN113903171B (zh) | 一种基于高速路网时空特性的车辆群智感知节点优化方法 | |
| Jara et al. | Short paper: Sensors data fusion for smart cities with knime: A real experience in the smartsantander testbed |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |