CN105656709B - 分组域网络容量的预测方法及装置 - Google Patents
分组域网络容量的预测方法及装置 Download PDFInfo
- Publication number
- CN105656709B CN105656709B CN201410674583.6A CN201410674583A CN105656709B CN 105656709 B CN105656709 B CN 105656709B CN 201410674583 A CN201410674583 A CN 201410674583A CN 105656709 B CN105656709 B CN 105656709B
- Authority
- CN
- China
- Prior art keywords
- capacity
- sequence
- users
- related parameter
- related parameters
- 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.)
- Active
Links
Images
Abstract
本发明提供了一种分组域网络容量的预测方法及装置，该方法包括：按照预定周期采集分组域网络的容量相关参数的数值，根据多个周期的采集结果，得到容量相关参数的序列；针对容量相关参数，以分组域网络中的用户数为自变量，该容量相关参数为因变量，通过多项式曲线拟合容量相关参数的序列，得到该容量相关参数与用户数之间的第一函数关系；根据第一函数关系以及一给定用户数，得到该给定用户数对应的容量相关参数的数值。本发明通过持续的采集容量相关参数的数值，得到的第一函数关系为动态关系式，可以适应多类网络特征如节假日人员迁徙，使分组域网络更加稳定。
Description
技术领域
本发明涉及本发明涉及核心网、分组域和网络容量规划技术领域，尤其涉及一种分组域网络容量的预测方法及装置。
背景技术
通信系统的容量规划离不开话务模型，设立话务模型的目的是统计并预测话务量的现状和发展，进而进行容量相关的规划，通用分组无线服务GPRS系统引入之后，“话务模型”概念改成“业务模型”概念。
现有分组域业务模型的产生，主要是通过实验室数据，并结合国内外运营商经验，确定用户业务模型关键参数，参数较少，主要包括附着激活比、同时使用业务用户比例、每使用业务用户平均流量、用户平均包长等等，此业务模型是仅基于用户的模型，与设备性能和接口流量无关。
目前在分组域网络建设过程中，分组域网络的规划设计依据上述运营商分组域业务模型、结合市场部门提出的用户数，计算出需要配置的设备、链路等资源需求，并依此进行工程建设。
现有分组域模型是通过理论计算获得，是静态的不可变模型，未进行仿真测算，未考虑到各地市固有的网络特征(如节假日迁徙等)，导致按此业务模型规划的网络难以应对此类网络突发事件；本地市用户实际的业务行为和规划期采用的统一业务模型不一致，导致规划的设备不能满足实际用户需求或大大高于实际用户需求，造成网络负荷过大或资源利用率过低。
发明内容
为了克服现有分组域模型无法应对节假日人员迁徙等网络特征以及规划的业务模型无法满足用户实际的业务需求，本发明提供了一种分组域网络容量的预测方法及装置。
为了解决上述技术问题，本发明采用如下技术方案：
依据本发明的一个方面，提供了一种分组域网络容量的预测方法，该方法包括：按照预定周期采集分组域网络的容量相关参数的数值，根据多个周期的采集结果，得到所述容量相关参数的序列；针对所述容量相关参数，以分组域网络中的用户数为自变量，该容量相关参数为因变量，通过多项式曲线拟合所述容量相关参数的序列，得到该容量相关参数与用户数之间的第一函数关系；根据所述第一函数关系以及一给定用户数，得到该给定用户数对应的容量相关参数的数值。
可选的，上述方法还包括分别比较该给定用户数对应的容量相关参数的数值与该容量相关参数的预设门限；若有任一容量相关参数的数值超出该容量相关参数的预设门限，则发出对所述分组域网络容量进行扩容的提示消息。
可选的，在通过多项式曲线拟合所述容量相关参数的序列之前，所述方法还包括：对所述容量相关参数的序列进行躁点识别并消除。
可选的，所述通过多项式曲线拟合所述容量相关参数的序列，得到该容量相关参数与用户数之间的第一函数关系，包括：分别采用多条曲线拟合所述容量相关参数的序列；根据所述多条曲线拟合后的结果，得到所述多条曲线各自的权重，将各条曲线分别与各自对应的权重相乘，得到一乘积，并得到由所有乘积之和所组成的第一函数关系，其中，所有曲线对应的权重之和为1。
可选的，进一步通过以下步骤，确定所述给定用户数：按照预定周期采集分组域网络的用户数的数值，根据多个周期的采集结果，得到所述用户数的序列；针对所述用户数，以时间为自变量，该用户数为因变量，通过多项式曲线拟合所述用户数的序列，得到时间与该用户数之间的第二函数关系；根据所述第二函数关系，预测得到在未来一给定时刻的用户数，得到所述给定用户数。
可选的，所述通过多项式曲线拟合所述用户数的序列，得到时间与该用户数之间的第二函数关系，包括：分别采用多条曲线拟合所述容量相关参数的序列；根据所述多条曲线拟合后的结果，得到所述多条曲线各自的权重，将各条曲线分别与各自对应的权重相乘，得到一乘积，并得到由所有乘积之和所组成的第二函数关系，其中，所有曲线对应的权重之和为1。
依据本发明的另一个方面，提供了一种分组域网络容量的预测装置，该装置包括：第一序列模块，用于按照预定周期采集分组域网络的容量相关参数的数值，根据多个周期的采集结果，得到所述容量相关参数的序列；第一拟合模块，用于针对所述容量相关参数，以分组域网络中的用户数为自变量，该容量相关参数为因变量，通过多项式曲线拟合所述容量相关参数的序列，得到该容量相关参数与用户数之间的第一函数关系；第一处理模块，用于根据所述第一函数关系以及一给定用户数，得到该给定用户数对应的容量相关参数的数值。
可选的，上述装置还包括：比较模块，用于分别比较该给定用户数对应的容量相关参数的数值与该容量相关参数的预设门限；发送模块，用户若有任一容量相关参数的数值超出该容量相关参数的预设门限，发出对所述分组域网络容量进行扩容的提示消息。
可选的，上述装置还包括：噪点处理模块，用于对所述容量相关参数的序列进行躁点识别并消除。
可选的，所述第一拟合模块包括：第一拟合单元，用于分别采用多条曲线拟合所述容量相关参数的序列；第一处理单元，用于根据所述多条曲线拟合后的结果，得到所述多条曲线各自的权重，将各条曲线分别与各自对应的权重相乘，得到一乘积，并得到由所有乘积之和所组成的第一函数关系，其中，所有曲线对应的权重之和为1。
可选的，所述装置还包括以下模块，用以确定所述给定用户数：第二序列模块，用于按照预定周期采集分组域网络的用户数的数值，根据多个周期的采集结果，得到所述用户数的序列；第二拟合模块，用于针对所述用户数，以时间为自变量，该用户数为因变量，通过多项式曲线拟合所述用户数的序列，得到时间与该用户数之间的第二函数关系；第二处理模块，用于根据所述第二函数关系，预测得到在未来一给定时刻的用户数，得到所述给定用户数。
可选的，所述第二拟合模块包括：第二拟合单元，用于分别采用多条曲线拟合所述容量相关参数的序列；第二处理单元，用于根据所述多条曲线拟合后的结果，得到所述多条曲线各自的权重，将各条曲线分别与各自对应的权重相乘，得到一乘积，并得到由所有乘积之和所组成的第二函数关系，其中，所有曲线对应的权重之和为1。
本发明的有益效果是：本发明通过持续的采集容量相关参数的数值，得到的第一函数关系为动态关系式，可以适应多类网络特征如节假日人员迁徙，使分组域网络更加稳定；进一步可以使业务模型与用户实际业务需求更加平衡，用户实际业务量减少或者增多，业务模型会相应的改变以满足用户的需求。
附图说明
图1表示本发明实施例分组域网络容量的预测方法流程图之一；
图2表示本发明实施例分组域网络容量的预测方法流程图之二；
图3表示本发明实施例分组域网络容量的预测方法流程图之三；
图4表示本发明实施例分组域网络容量的预测方法中给定用户数的得到方法流程图；
图5表示本发明实施例分组域网络容量的预测方法在实际应用中的示意图；
图6表示本发明实施例分组域网络容量的预测装置示意图之一；
图7表示本发明实施例分组域网络容量的预测方法示意图之二；
图8表示本发明实施例分组域网络容量的预测装置确定给定用户数部分的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。
如图1所示，本发明实施例分组域网络容量的预测方法流程图之一，包括以下步骤：
步骤S100、按照预定周期采集分组域网络的容量相关参数的数值，根据多个周期的采集结果，得到容量相关参数的序列。
应当说明的是容量相关参数可以是附着用户数、激活用户数、 Gn/Gi/IuPS/Gb口流量和防火墙会话数中的至少一个，当然也不仅限于此。
步骤S200、针对容量相关参数，以分组域网络中的用户数为自变量，该容量相关参数为因变量，通过多项式曲线拟合容量相关参数的序列，得到该容量相关参数与用户数之间的第一函数关系。
应当说明的是，曲线的拟合为现有技术，为了得到较准确的第一函数关系，分别采用多条曲线拟合容量相关参数的序列，根据多条曲线拟合后的结果，得到多条曲线各自的权重，将各条曲线分别与各自对应的权重相乘，得到一乘积，并得到由所有乘积之和所组成的第一函数关系，其中，所有曲线对应的权重之和为1；曲线的条数可以是三条，三条曲线可以都为一次曲线、二次曲线或者指数曲线，也可以分别为一次曲线、二次曲线和指数曲线；但也不仅限于此。据拟合结果得到多条曲线各自的权重，可以是每条曲线的权重都相同，例如有 n条曲线时，每条曲线的权重都为1/n；也可以根据拟合的效果得到各自的权重，例如，采用接近程度作为曲线拟合效果的评价指标，在第一曲线与容量相关参数的序列之间的第一接近程度，优于第二曲线与容量相关参数的序列的第二接近程度时，第一曲线的第一权重大于第二曲线的第二权重。
步骤S300、根据第一函数关系以及一给定用户数，得到该给定用户数对应的容量相关参数的数值。
应当说明的是，通过持续的采集容量相关参数的数值，得到的第一函数关系为动态关系式，可以适应多类网络特征如节假日人员迁徙，使分组域网络更加稳定；进一步可以使业务模型与用户实际业务需求更加平衡，用户实际业务量减少或者增多，业务模型会相应的改变以满足用户的需求。
如图2所示，本发明实施例分组域网络容量的预测方法流程图之二，与图 1不同的是，图2在图1的步骤S300之后增加了一下步骤：
步骤S400、分别比较该给定用户数对应的容量相关参数的数值与该容量相关参数的预设门限。
步骤S500、若有任一容量相关参数的数值超出该容量相关参数的预设门限，则发出对分组域网络容量进行扩容的提示消息。
如图3所示，本发明实施例分组域网络容量的预测方法流程图之三，与图 2不同的是，图3在图2的步骤S200之前增加步骤S600：
步骤S600、对容量相关参数的序列进行躁点识别并消除。
应当说明的是，躁点识别的方法有多种，如定义 s(ti)＝z(ti)-z(ti-1)/ti-tt-1，s(ti+1)＝z(ti+1)-z(ti)/ti+1-ti，其中，z(ti+1)、为容量相关参数的序列中第i+1个预定周期采集的数值，ti+1为容量相关参数的序列中第i+1个预定周期；z(ti)为容量相关参数的序列中第i个预定周期采集的数值，ti为容量相关参数的序列中第i个预定周期；z(ti-1)、为容量相关参数的序列中第i-1个预定周期采集的数值，ti-1为容量相关参数的序列中第 i-1个预定周期；s(ti+1)表示容量相关参数的序列中第i+1个预定周期采集的数值处的斜率；s(ti)表示容量相关参数的序列中第i个预定周期采集的数值处的斜率，比较s(ti)与s(ti+1)的大小，若s(ti+1)/s(ti)的比值大于预设门限时，则 z(ti+1)为噪点，例如s(ti+1)/s(ti)的比值大于等于2时，识别z(ti+1)为噪点，将噪点从容量相关参数的序列中删除。
如图4所示，本发明实施例分组域网络容量的预测方法中给定用户数的得到方法流程图，包括：
步骤S700、按照预定周期采集分组域网络的用户数的数值，根据多个周期的采集结果，得到用户数的序列。
步骤S800、针对用户数，以时间为自变量，该用户数为因变量，通过多项式曲线拟合用户数的序列，得到时间与该用户数之间的第二函数关系。
应当说明的是，得到第二函数关系的方法与得到第一函数关系的方法类似，在此不再赘述。
步骤S900、根据第二函数关系，预测得到在未来一给定时刻的用户数，得到给定用户数。
如图5所示，本发明实施例在实际应用中的示意图，
步骤1、网管数据采集；采集分组域网络的容量相关参数的数值。
步骤2、数据预处理；进行噪点识别并消除。
步骤3、数据拟合，确定动态循环迭代模型；循环进行步骤1、步骤2和步骤3，确定容量相关参数与用户数之间的第一函数关系。
步骤4、用户数预测；确定时间与用户数之间的第二函数关系。
步骤5、网络容量预测；根据某一时刻确定该时刻的用户数，进而获得当前分组域网络的容量相关参数的数值。
步骤6、分析网络压力点；预设分组域网络的容量相关参数的门限，比较该门限与当前分组域网络的容量相关参数的数值，从而获得网络压力点。
如图6所示，本发明实施例分组域网络容量的预测装置示意图之一，包括：
第一序列模块60、第一拟合模块61和第一处理模块62；第一序列模块 60，用于按照预定周期采集分组域网络的容量相关参数的数值，根据多个周期的采集结果，得到容量相关参数的序列；第一拟合模块61，用于针对容量相关参数，以分组域网络中的用户数为自变量，该容量相关参数为因变量，通过多项式曲线拟合容量相关参数的序列，得到该容量相关参数与用户数之间的第一函数关系；第一处理模块62，用于根据第一函数关系以及一给定用户数，得到该给定用户数对应的容量相关参数的数值。
应当说明的是，本发明通过持续的采集容量相关参数的数值，得到的第一函数关系为动态关系式，可以适应多类网络特征如节假日人员迁徙，使分组域网络更加稳定。同时可以使业务模型与用户实际业务需求更加平衡，用户实际业务量减少或者增多，业务模型会相应的改变以满足用户的需求。
如图7所示，本发明实施例分组域网络容量的预测装置示意图之二，与图 5不同的是，分组域网络容量的预测装置还包括：比较模块63和发送模块64；比较模块63，用于分别比较该给定用户数对应的容量相关参数的数值与该容量相关参数的预设门限；发送模块64，用户若有任一容量相关参数的数值超出该容量相关参数的预设门限，发出对分组域网络容量进行扩容的提示消息。应当说明的是，比较模块和发送模块可以在分组域网络容量需要扩容时，对分组域网络进行提示。
为了得到更加准确的容量相关参数与用户数之间的第一函数关系，在本发明的又一个实施例中还设有噪点处理模块，用于对容量相关参数的序列进行躁点识别并消除。
第一拟合模块61包括：第一拟合单元，用于分别采用多条曲线拟合容量相关参数的序列；第一处理单元，用于根据多条曲线拟合后的结果，得到多条曲线各自的权重，将各条曲线分别与各自对应的权重相乘，得到一乘积，并得到由所有乘积之和所组成的第一函数关系，其中，所有曲线对应的权重之和为 1。
如图8所示，为确定给定用户数本发明实施例分组域网络容量的预测装置还包括第二序列模块90，用于按照预定周期采集分组域网络的用户数的数值，根据多个周期的采集结果，得到用户数的序列；第二拟合模块91，用于针对用户数，以时间为自变量，该用户数为因变量，通过多项式曲线拟合用户数的序列，得到时间与该用户数之间的第二函数关系；第二处理模块92，用于根据第二函数关系，预测得到在未来一给定时刻的用户数，得到给定用户数。
第二拟合模块91包括：第二拟合单元，用于分别采用多条曲线拟合容量相关参数的序列；第二处理单元，用于根据多条曲线拟合后的结果，得到多条曲线各自的权重，将各条曲线分别与各自对应的权重相乘，得到一乘积，并得到由所有乘积之和所组成的第二函数关系，其中，所有曲线对应的权重之和为 1。
以上的是本发明的优选实施方式，应当指出对于本技术领域的普通人员来说，在不脱离本发明的原理前提下还可以作出若干改进和润饰，这些改进和润饰也在本发明的保护范围内。
Claims (6)
1.一种分组域网络容量的预测方法，其特征在于，包括：
按照预定周期采集分组域网络的容量相关参数的数值，根据多个周期的采集结果，得到所述容量相关参数的序列；其中，所述容量相关参数包括附着用户数、激活用户数、Gn/Gi/IuPS/Gb口流量和防火墙会话数中的至少一个；
针对所述容量相关参数，以分组域网络中的用户数为自变量，该容量相关参数为因变量，通过多项式曲线拟合所述容量相关参数的序列，得到该容量相关参数与用户数之间的第一函数关系；
根据所述第一函数关系以及一给定用户数，得到该给定用户数对应的容量相关参数的数值；
所述通过多项式曲线拟合所述容量相关参数的序列，得到该容量相关参数与用户数之间的第一函数关系，包括：
分别采用多条曲线拟合所述容量相关参数的序列；
根据所述多条曲线拟合后的结果，得到所述多条曲线各自的权重，将各条曲线分别与各自对应的权重相乘，得到一乘积，并得到由所有乘积之和所组成的第一函数关系，其中，所有曲线对应的权重之和为1；
分别比较该给定用户数对应的容量相关参数的数值与该容量相关参数的预设门限；
若有任一容量相关参数的数值超出该容量相关参数的预设门限，则发出对所述分组域网络容量进行扩容的提示消息；
在通过多项式曲线拟合所述容量相关参数的序列之前，所述方法还包括：对所述容量相关参数的序列进行噪点识别并消除；
所述噪点识别并消除具体包括：
2.如权利要求1所述的方法，其特征在于，进一步通过以下步骤，确定所述给定用户数：
按照预定周期采集分组域网络的用户数的数值，根据多个周期的采集结果，得到所述用户数的序列；
针对所述用户数，以时间为自变量，该用户数为因变量，通过多项式曲线拟合所述用户数的序列，得到时间与该用户数之间的第二函数关系；
根据所述第二函数关系，预测得到在未来一给定时刻的用户数，得到所述给定用户数。
3.如权利要求2所述的方法，其特征在于，所述通过多项式曲线拟合所述用户数的序列，得到时间与该用户数之间的第二函数关系，包括：
分别采用多条曲线拟合所述用户数的序列；
根据所述多条曲线拟合后的结果，得到所述多条曲线各自的权重，将各条曲线分别与各自对应的权重相乘，得到一乘积，并得到由所有乘积之和所组成的第二函数关系，其中，所有曲线对应的权重之和为1。
4.一种分组域网络容量的预测装置，其特征在于，包括：
第一序列模块，用于按照预定周期采集分组域网络的容量相关参数的数值，根据多个周期的采集结果，得到所述容量相关参数的序列；其中，所述容量相关参数包括附着用户数、激活用户数、Gn/Gi/IuPS/Gb口流量和防火墙会话数中的至少一个；
第一拟合模块，用于针对所述容量相关参数，以分组域网络中的用户数为自变量，该容量相关参数为因变量，通过多项式曲线拟合所述容量相关参数的序列，得到该容量相关参数与用户数之间的第一函数关系；
第一处理模块，用于根据所述第一函数关系以及一给定用户数，得到该给定用户数对应的容量相关参数的数值；
所述第一拟合模块包括：
第一拟合单元，用于分别采用多条曲线拟合所述容量相关参数的序列；
第一处理单元，用于根据所述多条曲线拟合后的结果，得到所述多条曲线各自的权重，将各条曲线分别与各自对应的权重相乘，得到一乘积，并得到由所有乘积之和所组成的第一函数关系，其中，所有曲线对应的权重之和为1；
比较模块，用于分别比较该给定用户数对应的容量相关参数的数值与该容量相关参数的预设门限；
发送模块，用户若有任一容量相关参数的数值超出该容量相关参数的预设门限，发出对所述分组域网络容量进行扩容的提示消息；
噪点处理模块，用于对所述容量相关参数的序列进行噪点识别并消除；
所述噪点识别并消除具体包括：
5.如权利要求4所述的装置，其特征在于，所述装置还包括以下模块，用以确定所述给定用户数：
第二序列模块，用于按照预定周期采集分组域网络的用户数的数值，根据多个周期的采集结果，得到所述用户数的序列；
第二拟合模块，用于针对所述用户数，以时间为自变量，该用户数为因变量，通过多项式曲线拟合所述用户数的序列，得到时间与该用户数之间的第二函数关系；
第二处理模块，用于根据所述第二函数关系，预测得到在未来一给定时刻的用户数，得到所述给定用户数。
6.如权利要求5所述的装置，其特征在于，所述第二拟合模块包括：
第二拟合单元，用于分别采用多条曲线拟合所述用户数的序列；
第二处理单元，用于根据所述多条曲线拟合后的结果，得到所述多条曲线各自的权重，将各条曲线分别与各自对应的权重相乘，得到一乘积，并得到由所有乘积之和所组成的第二函数关系，其中，所有曲线对应的权重之和为1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410674583.6A CN105656709B (zh) | 2014-11-21 | 2014-11-21 | 分组域网络容量的预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410674583.6A CN105656709B (zh) | 2014-11-21 | 2014-11-21 | 分组域网络容量的预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105656709A CN105656709A (zh) | 2016-06-08 |
| CN105656709B true CN105656709B (zh) | 2020-02-18 |
Family
ID=56479273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410674583.6A Active CN105656709B (zh) | 2014-11-21 | 2014-11-21 | 分组域网络容量的预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105656709B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109981392B (zh) * | 2017-12-28 | 2020-12-22 | 中国移动通信集团公司 | 流速预测的方法、装置、电子设备和存储介质 |
| CN110493796B (zh) * | 2018-05-15 | 2022-12-02 | 中国移动通信集团湖北有限公司 | Lte网络容量的预估方法、装置、设备和介质 |
| CN110880987A (zh) * | 2019-11-07 | 2020-03-13 | 中通服咨询设计研究院有限公司 | 一种基于时间特征的分组域网络容量预测方法及系统 |
| CN111307199A (zh) * | 2019-12-05 | 2020-06-19 | 北京普源精电科技有限公司 | 一种具有预测装置的电子测量仪及电子测量仪的预测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101304590A (zh) * | 2008-04-14 | 2008-11-12 | 中国网络通信集团公司 | 移动通信网络的无线网络容量确定装置及方法 |
| WO2010032245A3 (en) * | 2008-09-17 | 2010-05-20 | Opticul Diagnostics Ltd. | Means and methods for detecting bacteria in an aerosol sample |
| CN102036309A (zh) * | 2011-01-20 | 2011-04-27 | 西安电子科技大学 | 异构多无线网络覆盖场景中终端接入选择方法 |
| CN102325331A (zh) * | 2011-07-20 | 2012-01-18 | 北京邮电大学 | 热点覆盖网络小区的热点基站设置方法 |
| CN102740341A (zh) * | 2011-04-02 | 2012-10-17 | 中国联合网络通信集团有限公司 | 网络业务量的预测方法及设备 |
| CN103596214A (zh) * | 2013-11-28 | 2014-02-19 | 中国联合网络通信集团有限公司 | 一种分析数据的方法和装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101598798B (zh) * | 2008-12-31 | 2012-01-04 | 中国资源卫星应用中心 | 一种对高光谱干涉数据进行光谱重建的系统和方法 |
| CN101895786B (zh) * | 2010-07-15 | 2012-07-25 | 杭州海康威视软件有限公司 | 一种图像传感器的检测方法及装置 |
-
2014
- 2014-11-21 CN CN201410674583.6A patent/CN105656709B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101304590A (zh) * | 2008-04-14 | 2008-11-12 | 中国网络通信集团公司 | 移动通信网络的无线网络容量确定装置及方法 |
| WO2010032245A3 (en) * | 2008-09-17 | 2010-05-20 | Opticul Diagnostics Ltd. | Means and methods for detecting bacteria in an aerosol sample |
| CN102036309A (zh) * | 2011-01-20 | 2011-04-27 | 西安电子科技大学 | 异构多无线网络覆盖场景中终端接入选择方法 |
| CN102740341A (zh) * | 2011-04-02 | 2012-10-17 | 中国联合网络通信集团有限公司 | 网络业务量的预测方法及设备 |
| CN102325331A (zh) * | 2011-07-20 | 2012-01-18 | 北京邮电大学 | 热点覆盖网络小区的热点基站设置方法 |
| CN103596214A (zh) * | 2013-11-28 | 2014-02-19 | 中国联合网络通信集团有限公司 | 一种分析数据的方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105656709A (zh) | 2016-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105656709B (zh) | 分组域网络容量的预测方法及装置 | |
| CN115442375B (zh) | 一种基于云边协同技术的物业数字化管理系统 | |
| CN104581749B (zh) | 一种移动网络数据业务业务量的预测方法和装置 | |
| CN105824813B (zh) | 一种挖掘核心用户的方法及装置 | |
| CN107094301B (zh) | 确定小区用户感知的方法及设备 | |
| CN103854065A (zh) | 一种用于客户流失预测的方法和装置 | |
| US8180716B2 (en) | Method and device for forecasting computational needs of an application | |
| JP6169022B2 (ja) | 携帯端末を所持したユーザの滞在地を推定する装置、プログラム及び方法 | |
| JP6207451B2 (ja) | センサデータ収集システム | |
| Paul et al. | Traffic analysis of vehicular ad-hoc networks of V2I communication | |
| CN115168024A (zh) | 基于边缘计算的预警方法、装置及设备 | |
| CN111901134A (zh) | 一种基于循环神经网络模型rnn的预测网络质量的方法和装置 | |
| CN104217088B (zh) | 运营商移动业务资源的优化方法与系统 | |
| CN107925702B (zh) | 用于检测损坏的绑定器的方法、设备、计算机可读介质 | |
| CN105591842B (zh) | 一种获取移动终端操作系统版本的方法和装置 | |
| CN111162945A (zh) | 一种告警关联关系的确定方法、装置、设备及存储介质 | |
| CN108271181A (zh) | 一种无线网络的pci优化方法及装置 | |
| CN105165080B (zh) | 估计连接无线网络的基站的用户设备的速度的方法和装置 | |
| JP6186303B2 (ja) | トラヒック量上限値予測装置及び方法及びプログラム | |
| CN110880987A (zh) | 一种基于时间特征的分组域网络容量预测方法及系统 | |
| CN107104744B (zh) | 一种认知无线网络中的频谱感知方法及装置 | |
| CN116882510A (zh) | 一种业务系统配置参数获取方法以及相关设备 | |
| JP2019092125A (ja) | 無線リソース設計装置、無線リソース設計方法、及びプログラム | |
| CN113344064A (zh) | 事件处理方法和装置 | |
| CN110401966B (zh) | 无线网络性能评估监控方法、装置、电子设备和存储介质 |
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 |