CN104038957A - 一种基于一体化结构的4g基站运维信息分析处理方法 - Google Patents
一种基于一体化结构的4g基站运维信息分析处理方法 Download PDFInfo
- Publication number
- CN104038957A CN104038957A CN201410263499.5A CN201410263499A CN104038957A CN 104038957 A CN104038957 A CN 104038957A CN 201410263499 A CN201410263499 A CN 201410263499A CN 104038957 A CN104038957 A CN 104038957A
- Authority
- CN
- China
- Prior art keywords
- data
- base station
- information
- priority
- analysis
- 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.)
- Pending
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于一体化结构的4G基站运维信息分析处理方法,具体步骤如下:在原有的数据检测基础上,构建包括不同类型基站、不同协议栈设备在不同应用组合下的动力系统信息、空气调节系统信息、环境系统信息、安防系统信息、维护管理系统信息多维度的基站动态分析数据阵列;在终端设备加上存储介质;重要运维数据优先传输。本发明的有益效果为:将多维度基站运维数据阵列进行基站侧数据关联和存储,结合优先判定策略保障重要信息优先传输,将动力、空气调节、环境、安防、维护管理等子系统的信息在基站侧进行预处理的结果通过PTN网络上送到中心平台,实现运维支撑系统全网IP化、基站侧智慧处理和降低中心处理负荷。
Description
技术领域
本发明涉及4G基站领域,主要是一种基于一体化结构的4G基站运维信息分析处理方法。
背景技术
4G基站庞大的通信网络规模和新增设备数量,对基站相配套的通信网络运维综合管理提出了很高的要求,从而催生了通信基站运维支撑系统新的要求,主要体现在以下几个方面:⑴.由于基站设备量大幅度的增加导致人均维护管理量急剧增加,需要采取措施来提高人均维护量的效率;⑵.4G网络不断向用户侧延伸,为了提高信号覆盖率,站点规模呈现小型化,物理位置分散,维护管理难度增加,对站点运行性能自动分析、故障精确定位提出了更高的要求;⑶.提高了维护的精细化管理要求,增加了各种运行分析报表,各动力、环境、空气调节、安防等系统之间信息量间的关联性显得更为密切。⑷.4G传输采用PTN网络,运维支撑设备要满足PTN网络接入传输;⑸.4G基站内智能设备众多,运维支撑设备需要满足众多智能设备的业务接口接入。
现有运维支撑系统存在的主要解决的问题主要有以下几点:
⑴.告警关联简单,在海量的告警数据中,一些重要告警会被淹没,由于关联简单,影响到故障定位和分析。
⑵.只简单的将运行数据传递至中心端,没有分析和预警功能,后台的统计分析工作量巨大,中心平台负荷很重。
⑶.由于传输网中断等原因使监控系统运行稳定性差,加之底端无存储功能,导致部分运行信息丢失,导致运行分析结果的偏差和故障困难。
⑷.新增一个检测点就必须上传一路信号,大量的信号周期性的回传,增加传输的压力。
发明内容
本发明的目的在于克服现有技术存在的不足,而提供一种基于一体化结构的4G基站运维信息分析处理方法,一种具备PTN传输接口,具备自动分析功能的基站运维支撑系统,实现运行性能自动分析、故障精确定位,从而提高维护人员的工作效率,提高维护管理精细化程度,是基站运维支撑系统的发展方向。
本发明的目的是通过如下技术方案来完成的。这种基于一体化结构的4G基站运维信息分析处理方法,设置在基站中含有智能分析模块的基于一体化结构的4G基站运维信息分析与管理终端通过PTN传输网络与交换机相连,交换机通过运维交换机与运维服务器相连,具体步骤如下:面向基站设备,在原有的数据检测基础上,构建包括不同类型基站、不同协议栈设备在不同应用组合下的动力系统信息、空气调节系统信息、环境系统信息、安防系统信息、维护管理系统信息多维度的基站动态分析数据阵列,为基站运维智能分析与管理维护提供支撑;在终端设备加上存储介质,内置FLASH、硬盘、SD卡或U盘方式实现底端设备的数据存储;对于重要运维数据优先传输,采用优先数据判定模型及策略算法进行处理。
所述的建立的基站动态分析数据阵列步骤如下:
(1)、数据获取:数据获取的目标是从系统中收集包含运维系统感兴趣信息的数据,从动力系统、空气调节系统、环境系统、安防系统、维护管理系统获取原始数据;
(2)、初步预处理:将这些数据根据Time_id属性对运维支撑系统的动力运行状况、蓄电池SOC、空调运行情况、恒温箱运行情况、温度/水浸的环境量、通风系统、门禁系统运行状况及事件记录、图像/视频信息进行预处理,得到有用的信息;
(3)、数据选择:经过数据的初步预处理后,得到格式化的数据,根据动态规则和数据挖掘任务,经过数据选择后得到与挖据任务相关的数据集;
(4)、预处理与变换:把预处理后的数据转换成挖掘算法更容易处理的数据形式,对任务相关数据进行预处理和变换后得到的数据;
(5)、数据挖掘:通过频繁模式挖掘、关联分析与动态关联规则挖掘整理好的数据,用任务相关的挖据方法,预处理和变换后得到的数据进行分析得到的结果;
(6)、模式评估:通过评估,从上一步得到的模式中找出和Time_id属性相关有用的模式;
(7)、有效数据流,将数据送到PTN网络进行传输:将与Time_id属性相关分析后的有效数据流上送到PTN网络来传输到中心管理平台。
所述优先数据判定模型及策略算法步骤如下:网络节点同时存储有可用资源列表和已分配资源列表;
(1)当高优先级任务A接入时,查询可用资源列表,如果网络节点上有足够的资源,则直接接入任务A;
(2)如果网络节点上没有足够资源,则查询已分配资源列表,按照优先级从低到高的顺序降低节Si(C(S0)>C(S1)>…>C(SI)>C(A),i=0,1,…,n;优先数越小,优先级越高,优先数为0时优先级最高)的QoS,I<n,使得网络节点有足够的资源接入A;i=n,网络节点依然没有足够资源接入A,则A进入优先级排队队列,等待下一次任务调度。
本发明的有益效果为:将多维度基站运维数据阵列进行基站侧数据关联和存储,结合优先判定策略保障重要信息优先传输,将动力、空气调节、环境、安防、维护管理等子系统的信息在基站侧进行预处理的结果通过PTN网络上送到中心平台,实现运维支撑系统全网IP化、基站侧智慧处理和降低中心处理负荷。
附图说明
图1是基于PTN网络的基站运维支撑系统拓扑逻辑图;
图2是本发明算法策略执行流程图;
图3是本发明优先级调度算法流程图。
具体实施方式
下面将结合附图和实施例对本发明做详细的介绍:
本发明根据4G基站建设的运维支撑系统新需求,通过组网应用改造、基站动态关联分析数据阵列、终端设备智能接入和PTN传输固有特点的挖掘利用方面的创新而设计基站运维支撑系统的分析与管理终端,整个系统中的节点设备是基于自主软件研制而成的新一代具有带宽共享功能的高集成度的综合接入设备,它以具有VLANTAG的IP传输包中将多个RS-232/422/485接口和业务接口进行汇聚传输,通过PTN大网络实现对各个分块区域数据的高效汇聚并传输到支撑平台中心端,这样串口数据通过PTN网进行远距离传输。本发明根据多年基站运维支撑经验总结,将部分基站内监控设备的协议解析在基站内一体化设备上完成,这个方式可以实现运维支撑系统数据处理负荷的分散化和均衡化,实现智慧处理效果;以灵活、经济、维护便利的组网方式满足客户的通信需求,给用户的网络建设带来更多的安全性和经济性,基于IP的PTN网络传输,充分利用PTN和TCP/IP的优势,以最经济合理的组网方式实现移动基站的运维支撑数据传输,以满足移动TD-LTE基站的运维支撑系统。
本发明主要研究的主要技术关键是FPGA、CPLD、嵌入式CPU、嵌入式系统、嵌入式软件技术、基于神经元网络的运维数据阵列动态关联算法和优先数据判定策略算法。
本发明解决原先运维支撑系统的问题的关键问题办法:
⑴.面向基站设备,在原有的数据检测基础上,采用神经网络原理分析影响基站运维支撑系统的关键因素,构建了包括不同类型基站、不同协议栈设备在不同应用组合下的动力系统信息、空气调节系统信息、环境系统信息、安防系统信息、维护管理系统信息等维度的基站动态分析数据阵列,为基站运维智能分析与管理维护提供支撑。增加对各类运维数据的智能(关联)分析和部分设备参数自动修正的功能。
⑵.设计了具有PTN网络接口以太网口、同时实现16路串行数据隔离接入与具备独立分析能力的基站一体化智慧终端设备,实现基站原先众多监控终端的集成统一,实现以太网口和多串口物理层数据与协议层数据的同步解析、减少中心对众多终端设备的解析负荷。相当于将现有的动力环境监控系统和动力运维支撑平台融合一起,一个基站自成一个系统,相当于一个智慧设备。
⑶.在一体化终端设备加上存储介质,内置FLASH、硬盘、SD卡,U盘等方式实现底端设备的数据存储,将消除由于传输问题而导致系统分析不完整。
⑷.对于告警关联性问题进行多维度的模型建立。
由于上述措施,实现了运行分析功能,减轻了人工统计分析工作量;参数修正功能,确保及时准确的参数修正;故障关联功能,实现迅速准确的定位故障点;底端设备的存储功能,避免了数据丢失、具有黑匣子分析功能。
本发明是研究开发一个基于一体化结构的4G基站运维信息分析与管理终端,涉及基站设备技术与工作原理、PTN技术与工作原理、网管软件平台技术与工作原理、基站运维支撑系统的故障定位机制,一体化终端设备技术与工作原理。
在产品设计上运用了大规模可编程逻辑FPGA器件、嵌入式CPU、CPLD等部件,采用神经元网络智能处理机制,在嵌入式软件层面上采用自行开发的软件构架与处理机制,整个系统从硬件到软件层面上具有集成度高、运行故障点少、成本低、安全性高、升级换代灵活方便等优点,并且可以在满足产品共性性能需求的基础上,根据不同客户、不同产品、不同组网应用的特殊需求,快速定制相应的解决方案并实现。
本发明主要研究的技术关键是FPGA、CPLD、嵌入式CPU、嵌入式系统、嵌入式软件技术和基于神经网络的运维数据阵列动态关联算法、运维支撑系统优先数据评价策略算法,主要研究开发内容为嵌入式系统设计、基于PTN传输的一体化终端设计、中心功能性平台设计、网管设计、基于神经元网络原理的基站运维数据阵列动态关联算法和基站运维支撑系统的数据可靠性和传输优先级的判定模型和优先数据判定策略算法。
本发明自主研发构建了针对不同类型基站、不同协议栈设备在不同应用组合下的动力系统信息、空气调节系统信息、环境系统信息、安防系统信息、维护管理系统信息等多维度的基站动态关联分析数据阵列,包括采用神经网络原理提出运维数据阵列动态关联算法,分析影响基站运维支撑系统正常运行的关键因素,为基站运维智能分析与管理维护提供支撑。
影响基站运维的因素很多,为了分析这些因素之间的内部逻辑关系,构建相关信息管理维护系统,需要大量的相关数据支持,这些数据分布在基站的各子系统中,本系统基于神经网络中BP神经网络算法和专家系统中Rete模式匹配算法将动力系统信息、空气调节系统信息、环境系统信息、安防系统信息、维护管理系统信息进行重新构建数据结构,划分主题维度来建立基站动态分析数据阵列。
建立的基站动态分析数据阵列,为基站运维智能分析与管理维护提供支撑,针对中国移动现阶段基站实际运维情况,这五大主要系统的信息数据具备完整的数据信息包,大多数数据的维护和统计数据都可以提供,对于很小部分无法通过本系统自动获取的信息,在本发明中通过采用以下三种方法进行采集:
⑴.建立补充管理信息系统。例如维护人员现场维护后的一些信息登记。
⑵.手工补录。例如一些特征事件的采集。
⑶.提供开发数据接口方式实现这些补充数据进入基站动态分析数据仓储。例如与第三方平台进行对接,将第三方数据通过数据接口接入。
本发明设计了运维数据阵列动态关联算法描述如下:
动态关联规则是一种可以描述自身随着时间变化过程并能预测自身发展趋势的规则。动态关联规则可以定义如下:
设I={i1,i2,…,im)是项的集合,任务相关的事务数据集D是在时间段t内收集到的。时间段t可以分成不相交的长度为n的时间序列,即t={t1,t2,…,tn}。相应地,数据集D可以划分为相应的n个子数据集,D={D1,D2,…,Dn},其中Di,i∈{1,2,…,n}对应于时间段ti,i∈{1,2,…,n}内收集到的数据。数据集D中每个事务T是项的集合,使得每个事务有一个标识符,称作TID。设A是一个项集,事务T包含A当且仅当动态关联规则是形如A=>B的蕴涵式,其中并且A∩B=Φ。规则A=>B在事务集D中成立,具有支持度s,其中s是D中事务包含A∩B(即A和B二者)的百分比,它是概率PD(A∪B),也即各个子数据集Di,i∈{1,2,…,n}中所包含的A∪B在总数据集D中占的百分比之和,用概率表示为:
其PD(A∪B),表示数据子集Di中包含的项集A∪B的事务数目在数据集D总的事务数目中所占比例。规则A=>B在事务集D中具有置信度c,它是条件概率PD(B|A),即D中包含A的事务同时也包含B的百分比,也即各个子数据集Di,i∈{1,2,…,n}中包含的A∪B相对于D中包含A的事务的百分比之和,用概率表示为:
●支持度向量
项的集合称为项集,包含k个项的项集称为k-项集。频繁项集是满足最小支持度的项集,也是产生关联规则的基础。对于动态关联规则,在利用支持度衡量规则是否频繁同时,引入支持度向量来描述支持这条规则的项集在整个数据库中的分布情况。而包含支持度向量的频繁项集称之为动态频繁项集,它是产生动态关联规则的基础。
项集A∪B的支持度向量定义为:
SV={s1,s2,…,sn}
设最小支持度min_sup,则当s≥min_sup时,项集A∪B就是动态频繁项集。
●置信度向量
置信度是衡量一条关联规则有效性的非常重要的参数,对于动态关联规则,除了置信度外,还定义了置信度向量用来描述规则的置信度在各个数据子集中的分布情况。
动态关联规则A=>B的置信度向量定义为:
CV={C1,C2,…,Cn}
设最小置信度为min_conf,则当c≥min_conf时,规则sAuB是强动态关联规则。
模型及算法描述:
在动态关联规则的评价中,不仅仅利用支持度s和置信度c进行评价,也利用支持度s和置信度C结合支持度向量SV和置信度向量GV进行描述和评价。在准备用于动态关联规则挖掘的数据时,需要考虑时间因素。动力系统、空气调节系统、环境系统、安防系统、维护管理系统的信息数据集中的每条记录必须包含一个时间指示属性,称之为Time_id,它作为分割数据集的依据,数据格式中T代表时间指示属性Time_id。
算法流程如下:
⑴.数据获取,原始数据:数据获取的目标是从系统中收集包含运维系统感兴趣信息的数据,从动力系统、空气调节系统、环境系统、安防系统、维护管理系统获取原始数据;
⑵.初步预处理,整理后的数据:将这些数据根据Time_id属性对运维支撑系统的动力运行状况、蓄电池SOC、空调运行情况、恒温箱运行情况、温度/水浸等环境量、通风系统、门禁系统运行状况及事件记录、图像/视频信息等进行预处理,得到有用的信息;
⑶.数据选择,任务相关数据:经过数据的初步预处理后,得到格式化的数据,在数据选择的过程中,需要考虑两个方面的问题。一是挖掘的任务。只有选择了相关的数据,才能达到挖掘的目标。二是数据集的大小和时间跨度。如果所选数据集太小,可能不能正确反映实际的情况;如果所选数据集太陈旧,就不能反映当前的趋势。根据动态规则和数据挖掘任务,经过数据选择后得到与挖据任务相关的数据集;
⑷.预处理与变换,预处理和变换后的数据:选择得到的任务相关数据集并不一定适合挖掘任务对应的算法。因此,在进行数据挖掘之前,还要对数据迸行预处理与变换。例如:在数据中挖掘动态关联规则时,需要根据任务把数据集划分成若干数据子集。在挖掘过程中为了便利算法的编写和加快处理过程,有时也需要对数据进行变换。数据变换的任务是把预处理后的数据转换成挖掘算法更容易处理的数据形式。对任务相关数据进行预处理和变换后得到的数据;
⑸.数据挖掘,模式:得到整理好的数据后,就可以对其进行分析与挖掘。在挖掘过程中,最为主要的方法是频繁模式挖掘、关联分析与动态关联规则挖掘。用任务相关的挖据方法,预处理和变换后得到的数据进行分析得到的结果;
⑹.模式评估,知识:通过评估,从上一步得到的模式中找出和Time_id属性相关有用的模式;
⑺.有效数据流,将数据送到PTN网络进行传输:将与Time_id属性相关分析后的有效数据流上送到PTN网络来传输到中心管理平台;
本发明设计了一种适用于基站运维支撑系统的数据可靠性和传输优先级的判定模型,提出了优先数据判定策略算法,解决了基于PTN网络的重要运维数据优先传输的问题。
本系统对众多的基站运维数据的重要性、有效性、及时性、生存性等方面进行了数据定义,建立数据可靠性和传输优先级评价模型。网络可靠性的评价指标包括抗毁性、有效性、生存性等,采用PTN网络作为智慧运维支撑系统的网络,具有可靠性,同时PTN技术可以满足TD-LTE基站的回传传送需求。分组传送网是面向连接符合电信级业务和电信级网络要求的传送网,而传统以太网和局部增强型以太网就不能称其为分组传送网。PTN数据分组传送网是传送基于连接、可预知行为、可控制的网络,并集成了灵活性、可扩展性、统计复用等分组特性和网络端到端OAM及保护、面向连接、QoS、QinQ、定时同步等传送特性,这些技术措施保障了可靠性和优先级传输机制。
为保证数据可靠性和传输优先级评价,需要设计特定的算法来实现此功能。特别是故障告警的可靠性和传输优先级的评价,设计的基站告警故障数据可靠性和传输优先级算法本质上属于梯度下降法。
本发明设计了基站运维支撑系统优先数据判定模型及策略算法描述如下:
(1)优先级调度
优先级调度基于基站运维信息优先级节,保证优先级高的任务优先得到系统提供的服务,这对实时信息及一些抢占式任务是必须的。网络节点上应该同时存储有可用资源列表和已分配资源列表,如果一个较高优先级的任务没有足够资源,则降低优先级比它低的任务的QoS,减少系统资源占用,为高优先级任务提供足够的资源接入,这个过程叫作QoS收缩。
(2)QoS映射
动力、环境、空气调节、安防、运维管理等子系统提出的QoS请求只是一些其子系统级别优先级描述,对于整个运维支撑系统而言需要更高的顶层优先级描述,为了通过PTN的QinQ协议进行QoS协商和许可控制,必须将用户QoS映射为应用QoS,应用QoS在映射到系统QoS,包括网络QoS进行协商。
(3)QoS协商
QoS协商沿着网络选择路径发送资源保留消息并解释这些消息,直到到达接收方为止。如果QoS协商成功返回,则表明该传输的服务质量参数已经被网络所接受;否则,表明网络资源不足,在这种情况下,应用可以在适当降低QoS后重试,或干脆放弃操作,自适应降低QoS由适应性函数完成。
(4)QoS接入(许可控制)
如果QoS协商成功返回,表明已经沿着网络选择路径建立了资源保留,并通过资源管理函数确保有足够的资源预留为业务服务,则可接入;否则,不能接入.所谓接入,即进入网络传输。
(5)传输过程QoS控制和传输缓冲区控制
在传输过程中,由于网络状态或网络拥塞可能会发生变化,传输过程采用QoS自适应控制算法。当网络变得拥塞时,降低QoS请求;当网络带宽变得可用时,提高QoS请求.另外,缓冲区用于平滑话音播放效果,但缓冲区长度设置得太大,会浪费过多系统资源(特别是业务流比较多的时候),增大时延。因此,当时延抖动较小时,减少缓冲区长度;时延抖动较大时,增加缓冲区长度。
算法策略执行流程图如图2:本算法以实际输出与期望输出之间的差值构造误差函数,利用该函数对各个节点之间的连接权值进行调整,从而使实际输出越来越接近于期望输出,当误差达到了一定精度之后,算法便结束。
优先级调度算法流程图如图3:网络节点(包括终端节点和网络传输节点)同时存储有可用资源列表和已分配资源列表。
(1)当高优先级任务A接入时,查询可用资源列表,如果网络节点上有足够的资源,则直接接入任务A。
(2)如果网络节点上没有足够资源,则查询已分配资源列表,按照优先级从低到高的顺序降低节Si(C(S0)>C(S1)>…>C(SI)>C(A),i=0,1,…,n.按照一般惯例,优先数越小,优先级越高,优先数为0时优先级最高)的QoS,有两种可能的情况:①I<n,使得网络节点有足够的资源接入A;②i=n,网络节点依然没有足够资源接入A,则A进入优先级排队队列,等待下一次任务调度。
基站动态分析数据阵列模型
面向基站设备,采用神经网络原理分析影响基站运维支撑系统的关键因素,构建了包括不同类型基站、不同协议栈设备在不同应用组合下的动力系统信息、空气调节系统信息、环境系统信息、安防系统信息、维护管理系统信息等多维度的基站动态关联分析数据阵列,为基站运维智能分析与管理维护提供支撑。
影响基站运维的因素很多,为了分析这些因素之间的内部逻辑关系,构建相关信息管理维护系统,需要大量的相关数据支持,这些数据分布在基站的各子系统中,本系统基于神经网络中BP神经网络算法和专家系统中Rete模式匹配算法将动力系统信息、空气调节系统信息、环境系统信息、安防系统信息、维护管理系统信息进行构建数据维度,划分主题维度来建立基站动态分析数据阵列。
针对现阶段移动基站运维支撑系统实际情况,这五大主要系统的信息数据具备完整的数据信息包,大多数数据的维护和统计数据都可以提供,对于很小部分无法通过本系统自动获取的信息,在本发明中通过采用建立补充管理信息系统、手工补录、提供开发数据接口方式实现这些补充数据进入基站动态分析数据阵列。
本发明不局限于上述实施方式,不论在其形状或材料构成上作任何变化,凡是采用本发明所提供的结构设计,都是本发明的一种变形,均应认为在本发明保护范围之内。
Claims (3)
1.一种基于一体化结构的4G基站运维信息分析处理方法,其特征在于:设置在基站中含有智能分析模块的基于一体化结构的4G基站运维信息分析与管理终端通过PTN传输网络与交换机相连,交换机通过运维交换机与运维服务器相连,具体步骤如下:面向基站设备,在原有的数据检测基础上,构建包括不同类型基站、不同协议栈设备在不同应用组合下的动力系统信息、空气调节系统信息、环境系统信息、安防系统信息、维护管理系统信息多维度的基站动态分析数据阵列,为基站运维智能分析与管理维护提供支撑;在终端设备加上存储介质,内置FLASH、硬盘、SD卡或U盘方式实现底端设备的数据存储;对于重要运维数据优先传输,采用优先数据判定模型及策略算法进行处理。
2.根据权利要求1所述的基于一体化结构的4G基站运维信息分析处理方法,其特征在于:所述的建立的基站动态分析数据阵列步骤如下:
(1)、数据获取:数据获取的目标是从系统中收集包含运维系统感兴趣信息的数据,从动力系统、空气调节系统、环境系统、安防系统、维护管理系统获取原始数据;
(2)、初步预处理:将这些数据根据Time_id属性对运维支撑系统的动力运行状况、蓄电池SOC、空调运行情况、恒温箱运行情况、温度/水浸的环境量、通风系统、门禁系统运行状况及事件记录、图像/视频信息进行预处理,得到有用的信息;
(3)、数据选择:经过数据的初步预处理后,得到格式化的数据,根据动态规则和数据挖掘任务,经过数据选择后得到与挖据任务相关的数据集;
(4)、预处理与变换:把预处理后的数据转换成挖掘算法更容易处理的数据形式,对任务相关数据进行预处理和变换后得到的数据;
(5)、数据挖掘:通过频繁模式挖掘、关联分析与动态关联规则挖掘整理好的数据,用任务相关的挖据方法,预处理和变换后得到的数据进行分析得到的结果;
(6)、模式评估:通过评估,从上一步得到的模式中找出和Time_id属性相关有用的模式;
(7)、有效数据流,将数据送到PTN网络进行传输:将与Time_id属性相关分析后的有效数据流上送到PTN网络来传输到中心管理平台。
3.根据权利要求1所述的基于一体化结构的4G基站运维信息分析处理方法,其特征在于:所述优先数据判定模型及策略算法步骤如下:网络节点同时存储有可用资源列表和已分配资源列表;
(1)当高优先级任务A接入时,查询可用资源列表,如果网络节点上有足够的资源,则直接接入任务A;
(2)如果网络节点上没有足够资源,则查询已分配资源列表,按照优先级从低到高的顺序降低节Si(C(S0)>C(S1)>…>C(SI)>C(A),i=0,1,…,n;优先数越小,优先级越高,优先数为0时优先级最高)的QoS,I<n,使得网络节点有足够的资源接入A;i=n,网络节点依然没有足够资源接入A,则A进入优先级排队队列,等待下一次任务调度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410263499.5A CN104038957A (zh) | 2014-06-13 | 2014-06-13 | 一种基于一体化结构的4g基站运维信息分析处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410263499.5A CN104038957A (zh) | 2014-06-13 | 2014-06-13 | 一种基于一体化结构的4g基站运维信息分析处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104038957A true CN104038957A (zh) | 2014-09-10 |
Family
ID=51469513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410263499.5A Pending CN104038957A (zh) | 2014-06-13 | 2014-06-13 | 一种基于一体化结构的4g基站运维信息分析处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104038957A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104796935A (zh) * | 2015-03-15 | 2015-07-22 | 西安电子科技大学 | 基于大数据分析的自组织网络及其信息回传方法 |
CN106371356A (zh) * | 2016-08-29 | 2017-02-01 | 杭州大光明通信系统股份有限公司 | 基站动环监控系统、接口协议和基站动环监控方法 |
CN106973413A (zh) * | 2017-03-28 | 2017-07-21 | 重庆理工大学 | 面向无线传感器网络的自适应QoS控制方法 |
CN107247804A (zh) * | 2017-06-30 | 2017-10-13 | 中国工商银行股份有限公司 | 运维大数据分析方法、装置及系统 |
CN108197251A (zh) * | 2017-12-29 | 2018-06-22 | 百度在线网络技术(北京)有限公司 | 一种大数据运行维护分析方法、装置及服务器 |
CN108401257A (zh) * | 2018-03-06 | 2018-08-14 | 北京全路通信信号研究设计院集团有限公司 | 一种铁路基站一体化监测系统 |
CN109412882A (zh) * | 2017-08-18 | 2019-03-01 | 中兴通讯股份有限公司 | 特征提取方法、装置、服务器及计算机可读存储介质 |
CN112559167A (zh) * | 2020-11-06 | 2021-03-26 | 南京嘉环科技股份有限公司 | 基于Voronoi动态图优化基站维护资源配置的方法 |
CN112818030A (zh) * | 2021-01-21 | 2021-05-18 | 北京理工大学 | 一种自适应的分布式流数据关联规则挖掘方法 |
CN113468245A (zh) * | 2021-07-19 | 2021-10-01 | 金陵科技学院 | 面向轨道交通应用的动态最小支持度计算方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202014263U (zh) * | 2011-03-29 | 2011-10-19 | 常州中兴华达科技有限公司 | 通信基站动力和环境设备集中监控系统 |
-
2014
- 2014-06-13 CN CN201410263499.5A patent/CN104038957A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202014263U (zh) * | 2011-03-29 | 2011-10-19 | 常州中兴华达科技有限公司 | 通信基站动力和环境设备集中监控系统 |
Non-Patent Citations (4)
Title |
---|
毛松苗,陈文环: ""通信基站智慧安防系统的探讨"", 《通信电源技术》 * |
汤庸,杨学良,区海翔,傅秀芬,李松: ""基于IP网络的自适应QoS管理方案研究"", 《计算机学报》 * |
田宝生: ""基于PTN网络传送动环业务的技术实现方式"", 《移动通信》 * |
贾俊杰: ""基于关联规则的数据挖掘算法研究"", 《中国优秀硕士学位论文全文数据 信息科技辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104796935A (zh) * | 2015-03-15 | 2015-07-22 | 西安电子科技大学 | 基于大数据分析的自组织网络及其信息回传方法 |
CN106371356A (zh) * | 2016-08-29 | 2017-02-01 | 杭州大光明通信系统股份有限公司 | 基站动环监控系统、接口协议和基站动环监控方法 |
CN106973413A (zh) * | 2017-03-28 | 2017-07-21 | 重庆理工大学 | 面向无线传感器网络的自适应QoS控制方法 |
CN106973413B (zh) * | 2017-03-28 | 2020-04-28 | 重庆理工大学 | 面向无线传感器网络的自适应QoS控制方法 |
CN107247804B (zh) * | 2017-06-30 | 2020-09-15 | 中国工商银行股份有限公司 | 运维大数据分析方法、装置及系统 |
CN107247804A (zh) * | 2017-06-30 | 2017-10-13 | 中国工商银行股份有限公司 | 运维大数据分析方法、装置及系统 |
CN109412882B (zh) * | 2017-08-18 | 2023-01-10 | 中兴通讯股份有限公司 | 特征提取方法、装置、服务器及计算机可读存储介质 |
CN109412882A (zh) * | 2017-08-18 | 2019-03-01 | 中兴通讯股份有限公司 | 特征提取方法、装置、服务器及计算机可读存储介质 |
CN108197251A (zh) * | 2017-12-29 | 2018-06-22 | 百度在线网络技术(北京)有限公司 | 一种大数据运行维护分析方法、装置及服务器 |
CN108401257B (zh) * | 2018-03-06 | 2021-01-22 | 北京全路通信信号研究设计院集团有限公司 | 一种铁路基站一体化监测系统 |
CN108401257A (zh) * | 2018-03-06 | 2018-08-14 | 北京全路通信信号研究设计院集团有限公司 | 一种铁路基站一体化监测系统 |
CN112559167A (zh) * | 2020-11-06 | 2021-03-26 | 南京嘉环科技股份有限公司 | 基于Voronoi动态图优化基站维护资源配置的方法 |
CN112559167B (zh) * | 2020-11-06 | 2023-05-09 | 嘉环科技股份有限公司 | 基于Voronoi动态图优化基站维护资源配置的方法 |
CN112818030A (zh) * | 2021-01-21 | 2021-05-18 | 北京理工大学 | 一种自适应的分布式流数据关联规则挖掘方法 |
CN112818030B (zh) * | 2021-01-21 | 2022-11-04 | 北京理工大学 | 一种自适应的分布式流数据关联规则挖掘方法 |
CN113468245A (zh) * | 2021-07-19 | 2021-10-01 | 金陵科技学院 | 面向轨道交通应用的动态最小支持度计算方法 |
CN113468245B (zh) * | 2021-07-19 | 2023-05-05 | 金陵科技学院 | 面向轨道交通应用的动态最小支持度计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104038957A (zh) | 一种基于一体化结构的4g基站运维信息分析处理方法 | |
Li et al. | 5Growth: An end-to-end service platform for automated deployment and management of vertical services over 5G networks | |
Alavikia et al. | A comprehensive layered approach for implementing internet of things-enabled smart grid: A survey | |
EP3497884B1 (en) | Method and apparatus for network slicing | |
US7099879B2 (en) | Real-time monitoring of service performance through the use of relational database calculation clusters | |
US8099488B2 (en) | Real-time monitoring of service agreements | |
US10171973B2 (en) | Method and system for MTC event management | |
US20030120764A1 (en) | Real-time monitoring of services through aggregation view | |
CN104158753A (zh) | 基于软件定义网络的动态流调度方法及系统 | |
CN101466109B (zh) | 一种WiMAX网络管理的通信系统和方法 | |
CN106412880A (zh) | 一种基于SDN的无线mesh安全分级传输方法 | |
CN110851252A (zh) | 一种基于tsn架构的规约转换设备和规约转换方法 | |
Souza et al. | Developing smart grids based on GPRS and ZigBee technologies using queueing modeling–based optimization algorithm | |
US9621438B2 (en) | Network traffic management | |
Singh et al. | Designing fog device network for digitization of university campus | |
CN104363187A (zh) | 一种物联网网关资源响应方法和装置 | |
Sayed et al. | Smart Utilities IoT-Based Data Collection Scheduling | |
KR101404436B1 (ko) | 통신 시스템들에서 리소스 사용을 제어하는 방법 | |
CN102845042B (zh) | 一种应用层多个活动物理接口的带宽聚集系统及方法 | |
CN115460617A (zh) | 基于联邦学习的网络负载预测方法、装置、电子设备及介质 | |
CN110086662B (zh) | 一种需求定义网络的实现方法及网络架构 | |
Abdukodir et al. | Development of edge computing distribution method in VANET based real-time systems | |
Cornel-Cristian et al. | Smart grid integration of IoT | |
CN106487694A (zh) | 一种数据流处理方法和装置 | |
Davoli et al. | Resource Allocation in Satellite Networks—From Physical to Virtualized Network Functions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140910 |