CN106714202B - 一种网络容量优化方法及装置 - Google Patents

Abstract

本发明公开了一种网络容量优化方法，所述方法包括：获取采集时间段中与基站相关的N类数据；其中，所述N为大于等于1的正整数；基于所述N类数据对基站进行聚类分析；基于聚类分析结果进行相应的网络配置。本发明还同时公开了一种网络容量优化装置。采用本发明技术方案，能根据终端属性对基站流量变化属性进行分析，给出相应的解决网络容量问题的措施，以达到充分利用现有网络资源，提高资源利用效率以及用户服务质量的目的。

Description

一种网络容量优化方法及装置

技术领域

本发明涉及通信领域中信息处理技术，尤其涉及一种网络容量优化方法及装置。

背景技术

目前，网络容量是网络优化的重要指标之一。但是，目前对于网络容量的变化缺乏预测机制，对于网络容量增加的需求也通常直接采用扩容的方法，缺乏精细化管理，网络成本效率和用户体验都有待于提高。

大数据分析是在海量数据中挖掘出其中的特性和关联的重要方法，目前已广泛应用于计算机、生物、电子商务等各个领域，在通信领域，也引起了广泛重视。因此，如何采用大数据分析的方法进行网络的精细化管理，以创造更多的附加价值称为亟待解决的问题。

发明内容

有鉴于此，本发明期望提供一种网络容量优化方法及装置，能根据终端属性对基站流量变化属性进行分析，给出相应的解决网络容量问题的措施，以达到充分利用现有网络资源，提高资源利用效率以及用户服务质量的目的。

为达到上述目的，本发明的技术方案是这样实现的：

本发明提供了一种网络容量优化方法，所述方法包括：

获取采集时间段中与基站相关的N类数据；其中，所述N为大于等于1的正整数；

基于所述N类数据对基站进行聚类分析；

根据聚类分析结果进行网络配置。

上述方案中，优选地，所述N类数据，包括下述中的一种或多种：

驻留用户身份标识号码(ID，IDentity)、驻留用户签约信息、驻留终端类型及型号、驻留用户使用的应用类型。

上述方案中，优选地，所述N类数据，包括：

驻留基站期间用户在各时间周期所用流量及流量构成占比，和/或基站在采集时间段内的流量及流量构成占比。

上述方案中，优选地，所述基于所述N类数据对基站进行聚类分析，包括：

根据各采集时间段内用户属性占比、终端类型占比及应用流量占比将基站进行聚类和贴标签；

根据各采集时间段流量及流量构成占比将基站进行聚类和贴标签。

上述方案中，优选地，所述根据各采集时间段内用户属性占比、终端类型占比及应用流量占比将基站进行聚类和贴标签，包括：

根据用户属性占比、终端类型占比以及应用流量占比进行数学建模，并采用n+2元向量表示数学模型，所述数学模型为：{终端类型占比，用户属性占比，应用1流量占比，应用2流量占比，…，应用n流量占比}；其中，终端类型占比的取值为终端类型的分类的归一值，用户属性占比的取值为用户属性的分类的归一值，应用m流量占比取值为应用m流量占比的归一值；其中，m、n为正整数，m≤n；

将建模后的向量组输入到聚类算法中；

通过聚类算法收敛得到各向量组的聚类和/或向量组的属性，作为基站的第一种聚类和/或第一种属性组。

上述方案中，优选地，所述根据各采集时间段流量及流量构成占比将基站进行聚类和贴标签，包括：

根据基站各采集时间段流量及流量构成占比进行数学建模，并构造3x元向量组，所述数学模型为：{时间段1流量，时间段1语音流量，时间段1数据流量，时间段2流量，时间段2语音流量，时间段2数据流量，…，时间段x流量，时间段x语音流量，时间段x数据流量}；其中，时间段x流量取值为时间段x流量的归一值，时间段x语音流量为时间段x语音流量的归一值，时间段x数据流量为时间段x数据流量的归一值；

将建模后的向量组输入到聚类算法中；

通过聚类算法收敛得到各向量组的聚类和/或向量组的属性，作为基站的第二种聚类和/或第二种属性组。

上述方案中，优选地，所述根据聚类分析结果进行网络配置，包括：

对于价值度低于第一阈值、和/或数据业务达到第一设定条件，和/或对服务质量要求低于设定阈值的应用达到第二设定条件的基站，给出第一配置策略；其中，所述第一配置策略包括：建议在所述基站所在区域增设无线保真(WIFI，Wireless Fidelity)热点，并给出需增设的WIFI热点的个数，和/或推送WIFI信息；

对于价值度高于第一阈值、和/或数据业务达到第一设定条件，和/或对服务质量要求高于设定阈值的应用达到第三设定条件的基站，给出第二配置策略；其中，所述第二配置策略包括：建议在所述基站所在区域增设4G基站，并给出所述4G基站需要承载的流量；或给出所述基站的推荐扩容量；

对于语音业务达到第四设定条件的基站，给出第三配置策略；其中，所述第三配置策略包括：建议将所述基站的流量有导向的向2G基站、3G基站进行分流，并给出分流量；

对于流量分布特点满足第五设定条件的基站，给出第四配置策略；其中，所述第四配置策略包括：设置关闭或打开所述基站的时间。

其中，所述价值度低于第一阈值，具体指：第一类型套餐用户占比或数量高于第二阈值，和/或第二类型套餐用户占比或数量低于第三阈值。

其中，所述数据业务达到第一设定条件，具体指：数据流量与语音流量或总流量占比高于第四阈值，和/或基站数据流量值高于第五阈值，和/或基站语音流量值低于第六阈值。

其中，所述对服务质量要求低于设定阈值的应用达到第二设定条件，具体指：对服务质量要求低于设定阈值的应用的业务数量和/或流量占比高于第七阈值；和/或对服务质量要求高于设定阈值的应用的业务数量和/或流量占比低于第八阈值。

其中，所述价值度高于第一阈值，具体指，

第一类型套餐用户占比或数量低于第二阈值，和/或第二类型套餐用户占比或数量高于第三阈值。

其中，所述对服务质量要求高于设定阈值的应用达到第三设定条件，具体指：

对服务质量要求低于设定阈值的应用的业务数量和/或流量占比低于第七阈值；和/或对服务质量要求高于设定阈值的应用的业务数量和/或流量占比高于第八阈值。

其中，所述语音业务达到第四设定条件的，具体指：

数据流量与语音流量或总流量占比低于第四阈值，和/或基站数据流量值低于第五阈值，和/或基站语音流量值高于第六阈值。

本发明还提供了一种网络容量优化装置，所述装置包括：

获取模块，用于获取采集时间段中与基站相关的N类数据；其中，所述N为大于等于1的正整数；

分析模块，用于基于所述N类数据对基站进行聚类分析；

处理模块，用于根据聚类分析结果进行网络配置。

上述方案中，优选地，所述N类数据，至少包括：

驻留用户ID、驻留用户签约信息、驻留终端类型及型号；

驻留用户使用的应用类型；

驻留基站期间用户在各时间周期所用流量及流量构成占比，和/或基站在采集时间段内的流量及流量构成占比。

上述方案中，优选地，所述获取模块，还用于：

采用共享数据传输协议(SDTP，Shared Data Transport Protocol)从与网络设备的接口获取与基站相关的N类数据。

上述方案中，优选地，所述分析模块，包括：

第一分析单元，用于根据各采集时间段内用户属性占比、终端类型占比及应用流量占比将基站进行聚类和贴标签；

第二分析单元，用于根据各采集时间段流量及流量构成占比将基站进行聚类和贴标签。

上述方案中，优选地，所述第一分析单元，还用于：

根据用户属性占比、终端类型占比以及应用流量占比进行数学建模，并采用n+2元向量表示数学模型，所述数学模型为：{终端类型占比，用户属性占比，应用1流量占比，应用2流量占比，…，应用n流量占比}；其中，终端类型占比的取值为终端类型的分类的归一值，用户属性占比的取值为用户属性的分类的归一值，应用m流量占比取值为应用m流量占比的归一值；其中，m、n为正整数，m≤n；

将建模后的向量组输入到聚类算法中；

通过聚类算法收敛得到各向量组的聚类和/或向量组的属性，作为基站的第一种聚类和/或第一种属性组。

上述方案中，优选地，所述第二分析单元，还用于：

根据基站各采集时间段流量及流量构成占比进行数学建模，并构造3x元向量组，所述数学模型为：{时间段1流量，时间段1语音流量，时间段1数据流量，时间段2流量，时间段2语音流量，时间段2数据流量，…，时间段x流量，时间段x语音流量，时间段x数据流量}；其中，时间段x流量取值为时间段x流量的归一值，时间段x语音流量为时间段x语音流量的归一值，时间段x数据流量为时间段x数据流量的归一值；

将建模后的向量组输入到聚类算法中；

通过聚类算法收敛得到各向量组的聚类和/或向量组的属性，作为基站的第二种聚类和/或第二种属性组。

上述方案中，优选地，所述处理模块，包括：

第一处理单元，用于对于价值度低于第一阈值、和/或数据业务达到第一设定条件，和/或对服务质量要求低于设定阈值的应用达到第二设定条件的基站，给出第一配置策略；其中，所述第一配置策略包括：建议在所述基站所在区域增设WIFI热点，并给出需增设的WIFI热点的个数，和/或推送WIFI信息；

第二处理单元，用于对于价值度高于第一阈值、和/或数据业务达到第一设定条件，和/或对服务质量要求高于设定阈值的应用达到第三设定条件的基站，给出第二配置策略；其中，所述第二配置策略包括：建议在所述基站所在区域增设4G基站，并给出所述4G基站需要承载的流量；或给出所述基站的推荐扩容量；

第三处理单元，用于对于语音业务达到第四设定条件的基站，给出第三配置策略；其中，所述第三配置策略包括：建议将所述基站的流量有导向的向2G基站、3G基站进行分流，并给出分流量；

第四处理单元，用于对于流量分布特点满足第五设定条件的基站，给出第四配置策略；其中，所述第四配置策略包括：设置关闭或打开所述基站的时间。

本发明所提供的网络容量优化方法及装置，获取采集时间段中与基站相关的N类数据；其中，所述N为大于等于1的正整数；基于所述N类数据对基站进行聚类分析；根据聚类分析结果进行网络配置；如此，能通过对所采集的大量用户维度属性数据、基站维度属性数据进行分析，得到基站的聚类和标签，并给出相应的解决网络容量问题的措施，以达到充分利用现有网络资源，提高资源利用效率以及用户服务质量的目的。

附图说明

图1为本发明提供的网络容量优化方法的实现流程图；

图2为本发明提供的根据用户维度属性对基站属性进行大数据分析的流程示意图；

图3为本发明提供的根据基站属性对基站流量进行大数据分析及预测的流程示意图；

图4为本发明提供的网络容量优化装置的组成结构示意图。

具体实施方式

为了能够更加详尽地了解本发明的特点与技术内容，下面结合附图对本发明的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本发明。

实施例一

图1为本发明提供的网络容量优化方法的实现流程图，如图1所示，所述方法主要包括以下步骤：

步骤101：获取采集时间段中与基站相关的N类数据；其中，所述N为大于等于1的正整数。

优选地，所述N类数据，可以包括下述中的一种或几种：

驻留用户ID、驻留用户签约信息、驻留终端类型及型号、驻留用户使用的应用类型。

优选地，所述N类数据，还可以包括：

驻留基站期间用户在各时间周期所用流量及流量构成占比，和/或基站在采集时间段内的流量及流量构成占比。

其中，所述驻留用户ID、驻留用户签约信息、驻留终端类型及型号、驻留用户使用的应用类型、驻留基站期间用户在各时间周期所用流量及流量构成占比，均属于用户维度属性数据；所述基站在采集时间段内的流量及流量构成占比，属于基站维度属性数据。

这里，所述时间周期可以可以包括：四季，白天黑夜，周中周末等。所述驻留用户签约信息可以包括：套餐类型。所述终端类型可以包括：是否为4G终端，平板，2G终端、3G终端等。所述终端型号可以包括：iphone(5，5s，6，6s)，三星，小米…，华为)等。

优选地，所述获取采集时间段中与基站相关的N类数据，包括：

采用SDTP从与网络设备的接口获取与基站相关的N类数据。

这里，所述网络设备，如基站，核心网设备等。

下面，以LTE网络为例，来说明如何获取获取与基站相关的N类数据。

优选地，所述获取采集时间段中与基站相关的N类数据，可以包括：

通过S1-MME接口或S6a接口获得驻留用户ID；

通过S1-MME获得驻留终端类型及型号；

通过S1-U接口和S11接口获得驻留基站期间用户在各时间周期所用流量及流量构成占比；

通过S1-U接口上的信息得到驻留用户使用的应用类型以及各应用流量占比；

从核心网设备上获取驻留用户签约信息；例如，从归属签约用户服务器(HomeSubscriber Server，HSS)获取驻留用户签约信息；

从基站侧获取基站在采集时间段内的流量及流量构成占比；

其中，流量构成占比包括：粗粒度流量占比、精细化流量占比；

其中，所述粗粒度流量占比用于表示采集时间段内语音流量与数据流量的占比；所述精细化流量占比表示采集时间段内各应用流量占比；

基于采集时间段内基站对应的用户信息以及应用流量情况；并结合用户的终端类型，用户签约信息，得到基站中用户类型的占比。

可见，所述基站维度属性数据，是在所述用户维度属性数据上分析得到的。

步骤102：基于所述N类数据对基站进行聚类分析。

优选地，所述基于所述N类数据对基站进行聚类分析，可以包括：

根据各采集时间段内用户属性占比、终端类型占比及应用流量占比将基站进行聚类和贴标签；

根据各采集时间段流量及流量构成占比将基站进行聚类和贴标签。

优选地，所述根据各采集时间段流量及流量构成占比将基站进行聚类和贴标签之后，还包括：

绘制流量分布时间地图。

优选地，可以对各采集时间段内用户属性占比、终端类型占比及应用流量占比均满足第一预设条件的基站进行聚类和贴标签；可以对各采集时间段流量及流量构成占比均满足第二预设条件的基站进行聚类和贴标签。

其中，所述第一预设条件是指相似度大于p％,其中，0＜p≤100；所述二预设条件是指相似度大于q％,其中，0＜q≤100。

优选地，所述根据各采集时间段内用户属性占比、终端类型占比及应用流量占比将基站进行聚类和贴标签，包括：

根据用户属性占比、终端类型占比以及应用流量占比进行数学建模，并采用n+2元向量表示数学模型，所述数学模型为：{终端类型占比，用户属性占比，应用1流量占比，应用2流量占比，…，应用n流量占比}；其中，终端类型占比的取值为终端类型的分类的归一值，用户属性占比的取值为用户属性的分类的归一值，应用m流量占比取值为应用m流量占比的归一值；其中，m、n为正整数，m≤n；

将建模后的向量组输入到聚类算法中；

通过聚类算法收敛得到各向量组的聚类和/或向量组的属性，作为基站的第一种聚类和/或第一种属性组。

这里，所述应用1～应用n通常是指终端上所安装的应用，如即时消息类应用、HTTP下载类应用、浏览类应用、流媒体类应用、游戏类应用等。

这里，所述用户属性通常根据所述驻留用户签约信息来确定。也就是说，所述用户属性可以根据用户所签约的不同档次的套餐来确定，如用户属性可以包括：普通套餐用户、金牌套餐用户。

优选地，所述根据各采集时间段流量及流量构成占比将基站进行聚类和贴标签，包括：

根据基站各采集时间段流量及流量构成占比进行数学建模，并构造3x元向量组，所述数学模型为：{时间段1流量，时间段1语音流量，时间段1数据流量，时间段2流量，时间段2语音流量，时间段2数据流量，…，时间段x流量，时间段x语音流量，时间段x数据流量}；其中，时间段x流量取值为时间段x流量的归一值，时间段x语音流量为时间段x语音流量的归一值，时间段x数据流量为时间段x数据流量的归一值；

将建模后的向量组输入到聚类算法中；

通过聚类算法收敛得到各向量组的聚类和/或向量组的属性，作为基站的第二种聚类和/或第二种属性组。

上述聚类算法通常是指适用于对大数据进行分析的聚类算法，如划分法、层次法、密度算法、图论聚类法、模型算法等。

步骤103：根据聚类分析结果进行网络配置。

优选地，所述根据聚类分析结果进行网络配置，可以包括：

对于价值度低于第一阈值、和/或数据业务达到第一设定条件，和/或对服务质量要求低于设定阈值的应用达到第二设定条件的基站，给出第一配置策略；其中，所述第一配置策略包括：建议在所述基站所在区域增设WIFI热点，并给出需增设的WIFI热点的个数，和/或推送WIFI信息；

对于价值度高于第一阈值、和/或数据业务达到第一设定条件，和/或对服务质量要求高于设定阈值的应用达到第三设定条件的基站，给出第二配置策略；其中，所述第二配置策略包括：建议在所述基站所在区域增设4G基站，并给出所述4G基站需要承载的流量；或给出所述基站的推荐扩容量；

对于语音业务达到第四设定条件的基站，给出第三配置策略；其中，所述第三配置策略包括：建议将所述基站的流量有导向的向2G基站、3G基站进行分流，并给出向2G基站、3G基站的分流量；

对于流量分布特点满足第五设定条件的基站，给出第四配置策略；其中，所述第四配置策略包括：设置关闭或打开所述基站的时间。

这里，所述价值度低于第一阈值的基站是指价值度较低的基站；所述价值度高于第一阈值的基站是指价值度较高的基站。

具体的，所述价值度较低的基站，可以是指：第一类型(普通)套餐用户占比或数量高于某一阈值A，或者第二类型(金牌)套餐用户占比或数量低于某一阈值B的基站。所述价值度较高的基站，可以是指：第一类型(普通)套餐用户占比或数量低于某一阈值H，或者第二类型(金牌)套餐用户占比或数量高于某一阈值I的基站。

这里，数据业务达到第一设定条件的基站是指以数据流量用户为主的基站；语音业务达到第四设定条件的基站是指以语音流量用户为主的基站。

具体的，所述以数据流量用户为主的基站可以是指：数据流量与语音流量或总流量占比高于某一阈值C，和/或数据流量值高于某一阈值D，和/或语音流量值低于某一阈值E的基站。所述以语音流量用户为主的基站可以是指：语音流量与数据流量或总流量占比高于某一阈值L，和/或语音流量值高于某一阈值M，和/或数据流量值低于某一阈值N。

这里，所述第五预设条件，可以包括：

对于在一段时间内，某一时段基站用户数低于某一阈值O，和/或基站流量低于某一阈值P，和/或数据流量低于某一阈值Q，和/或区域内存在同/异制式基站。

这里，所述对服务质量要求低于设定阈值的应用达到第二设定条件的基站是指对于可靠性或时延要求不高的应用居多的基站。其中，所述对服务质量要求低于设定阈值的应用达到第二设定条件，具体指：对服务质量要求低于设定阈值的应用的业务数量和/或流量占比高于第七阈值；和/或对服务质量要求高于设定阈值的应用的业务数量和/或流量占比低于第八阈值。

这里，所述对服务质量要求高于设定阈值的应用达到第三设定条件的基站是指对于可靠性或时延要求较高的应用居多的基站。其中，所述对服务质量要求高于设定阈值的应用达到第三设定条件，具体指：对服务质量要求低于设定阈值的应用的业务数量和/或流量占比低于第七阈值；和/或对服务质量要求高于设定阈值的应用的业务数量和/或流量占比高于第八阈值。

需要说明的是，可靠性或时延要求不高的应用居多，可以是指：FTP、视频类等可靠性或时延要求不高的业务数量和/或流量占比高于某一阈值F；和/或VOIP等可靠性或时延性要求较高的业务数量和/或流量占比低于某一阈值G。相应地，可靠性或时延要求较高的应用，可以是指：，例如FTP、视频类等可靠性或时延要求不高的业务数量和/或流量占比低于某一阈值J；和/或VOIP等可靠性或时延性要求较高的业务数量和/或流量占比高于某一阈值K。

本实施例所述网络容量优化方法，获取采集时间段中与基站相关的N类数据；其中，所述N为大于等于1的正整数；基于所述N类数据对基站进行聚类分析；根据聚类分析结果进行网络配置；如此，能通过对所采集的大量用户维度属性数据、基站维度属性数据进行分析，得到基站的聚类和标签，并给出相应的解决网络容量问题的措施，以达到充分利用现有网络资源，提高资源利用效率以及用户服务质量的目的。

实施例二

图2为本发明提供的根据用户维度属性对基站属性进行大数据分析的流程示意图，如图2所示，该流程主要包括：

步骤201：对各用户/终端的属性进行建模描述；

例如，U1{a1,a2,a3,a4,…,ai},其中，a1、a2、…、ai是用户/终端的属性值，如套餐类型，终端类型等。

步骤202：对所采集的数据进行处理，按所述建模模型赋值；

步骤203：采用LDA算法进行大数据分析；

这里，所述LDA算法是指线性判别式分析算法(Linear Discriminant Analysis,LDA)算法。

步骤204：对大数据分析结果进行梳理，必要时做几次迭代；

步骤205：根据分析结果的梳理确定各基站用户构成的属性。

一个地区的用户构成(套餐等级，终端类型，使用习惯)是构成地区流量模式的重要因素，通过对用户群体属性、时间周期、终端类型等数据的采集和分析，能挖掘地区中用户潜在的使用特性，可以对地区中流量管理模式给出指导。

实施例三

图3为本发明提供的根据基站属性对基站流量进行大数据分析及预测的流程示意图，如图3所示，该流程主要包括：

步骤301：对各采集时间段流量及流量构成占比进行建模描述；其中，建模模型为：{时间段1流量，时间段1语音流量，时间段1数据流量，时间段2流量，时间段2语音流量，时间段2数据流量，…，时间段x流量，时间段x语音流量，时间段x数据流量}；

步骤302：对采集数据进行处理，按所述建模模型赋值；

步骤303：采用LDA算法进行大数据分析及绘制流量地图；

步骤304：根据分析结果预测基站流量变化趋势。

如此，通过对地区历史流量变化的分析，以及同类地区流量变化的分析，给出地区流量变化趋势，基于基站流量情况预测基站流量变化趋势，能够更好地给出相应的网络配置调整措施。

实施例四

图4为本发明提供的网络容量优化装置的组成结构示意图，如图4所示，所述装置包括：获取模块41、分析模块42和处理模块43；其中，

所述获取模块41，用于获取采集时间段中与基站相关的N类数据；其中，所述N为大于等于1的正整数；

所述分析模块42，用于基于所述N类数据对基站进行聚类分析；

所述处理模块43，用于根据聚类分析结果进行网络配置。

上述方案中，所述N类数据，包括下述中的一种或几种：

驻留用户ID、驻留用户签约信息、驻留终端类型及型号；

驻留用户使用的应用类型；

驻留基站期间用户在各时间周期所用流量及流量构成占比，和/或基站在采集时间段内的流量及流量构成占比。

其中，所述驻留用户ID、驻留用户签约信息、驻留终端类型及型号、驻留用户使用的应用类型、驻留基站期间用户在各时间周期所用流量及流量构成占比，均属于用户维度属性数据；所述基站在采集时间段内的流量及流量构成占比，属于基站维度属性数据。

优选地，所述获取模块41，还用于：

采用SDTP从与网络设备的接口获取与基站相关的N类数据。

这里，所述网络设备，如基站，核心网设备等。

下面，以LTE网络为例，来说明如何获取获取与基站相关的N类数据。

优选地，所述获取模块41，具体可以用于：

通过S1-MME接口或S4a接口获得驻留用户ID；

通过S1-MME获得驻留终端类型及型号；

通过S1-U接口和S11接口获得驻留基站期间用户在各时间周期所用流量及流量构成占比；

通过S1-U接口上的信息得到驻留用户使用的应用类型以及各应用流量占比；

从核心网设备上获取驻留用户签约信息；

从基站侧获取基站在采集时间段内的流量及流量构成占比；

其中，流量构成占比包括：粗粒度流量占比、精细化流量占比；

其中，所述粗粒度流量占比用于表示采集时间段内语音流量与数据流量的占比；所述精细化流量占比表示采集时间段内各应用流量占比；

基于采集时间段内基站对应的用户信息以及应用流量情况；并结合用户的终端类型，用户签约信息，得到基站中用户类型的占比。

在一具体子实施例中，所述分析模块42，包括：

第一分析单元421，用于根据各采集时间段内用户属性占比、终端类型占比及应用流量占比将基站进行聚类和贴标签；

第二分析单元422，用于根据各采集时间段流量及流量构成占比将基站进行聚类和贴标签。

在一具体子实施例中，所述第一分析单元421，具体用于将各采集时间段内用户属性占比、终端类型占比及应用流量占比均满足第一预设条件的基站进行聚类和贴标签；所述第二分析单元422，具体用于将各采集时间段流量及流量构成占比均满足第二预设条件的基站进行聚类和贴标签。

其中，所述第一预设条件是指相似度大于p％,其中，0＜p≤100；所述二预设条件是指相似度大于q％,其中，0＜q≤100。

优选地，所述第一分析单元421，还用于：

根据用户属性占比、终端类型占比以及应用流量占比进行数学建模，并采用n+2元向量表示数学模型，所述数学模型为：{终端类型占比，用户属性占比，应用1流量占比，应用2流量占比，…，应用n流量占比}；其中，终端类型占比的取值为终端类型的分类的归一值，用户属性占比的取值为用户属性的分类的归一值，应用m流量占比取值为应用m流量占比的归一值；其中，m、n为正整数，m≤n；

将建模后的向量组输入到聚类算法中；

通过聚类算法收敛得到各向量组的聚类和/或向量组的属性，作为基站的第一种聚类和/或第一种属性组。

这里，所述应用1～应用n通常是指终端上所安装的应用，如即时消息类应用、HTTP下载类应用、浏览类应用、流媒体类应用、游戏类应用等。

这里，所述用户属性通常根据所述驻留用户签约信息来确定。也就是说，所述用户属性可以根据用户所签约的不同档次的套餐来确定，如用户属性可以包括：普通套餐用户、金牌套餐用户。

优选地，所述第二分析单元422，还用于：

根据基站各采集时间段流量及流量构成占比进行数学建模，并构造3x元向量组，所述数学模型为：{时间段1流量，时间段1语音流量，时间段1数据流量，时间段2流量，时间段2语音流量，时间段2数据流量，…，时间段x流量，时间段x语音流量，时间段x数据流量}；其中，时间段x流量取值为时间段x流量的归一值，时间段x语音流量为时间段x语音流量的归一值，时间段x数据流量为时间段x数据流量的归一值；

将建模后的向量组输入到聚类算法中；

通过聚类算法收敛得到各向量组的聚类和/或向量组的属性，作为基站的第二种聚类和/或第二种属性组。

上述聚类算法通常是指适用于对大数据进行分析的聚类算法。

在一具体子实施例中，所述处理模块43，包括：

第一处理单元431，用于对于价值度低于第一阈值、和/或数据业务达到第一设定条件，和/或对服务质量要求低于设定阈值的应用达到第二设定条件的基站，给出第一配置策略；其中，所述第一配置策略包括：建议在所述基站所在区域增设WIFI热点，并给出需增设的WIFI热点的个数，和/或推送WIFI信息；

第二处理单元432，用于对于价值度高于第一阈值、和/或数据业务达到第一设定条件，和/或对服务质量要求高于设定阈值的应用达到第三设定条件的基站，给出第二配置策略；其中，所述第二配置策略包括：建议在所述基站所在区域增设4G基站，并给出所述4G基站需要承载的流量；或给出所述基站的推荐扩容量；

第三处理单元433，用于对于语音业务达到第四设定条件的基站，给出第三配置策略；其中，所述第三配置策略包括：建议将所述基站的流量有导向的向2G基站、3G基站进行分流，并给出向2G基站、3G基站的分流量；

第四处理单元434，用于对于流量分布特点满足第五设定条件的基站，给出第四配置策略；其中，所述第四配置策略包括：设置关闭或打开所述基站的时间。

这里，所述价值度低于第一阈值的基站是指价值度较低的基站；所述价值度高于第一阈值的基站是指价值度较高的基站。

具体的，所述价值度较低的基站，可以是指：第一类型(普通)套餐用户占比或数量高于某一阈值A，或者第二类型(金牌)套餐用户占比或数量低于某一阈值B的基站。所述价值度较高的基站，可以是指：第一类型(普通)套餐用户占比或数量低于某一阈值H，或者第二类型(金牌)套餐用户占比或数量高于某一阈值I的基站。

这里，数据业务达到第一设定条件的基站是指以数据流量用户为主的基站；语音业务达到第四设定条件的基站是指以语音流量用户为主的基站。

具体的，所述以数据流量用户为主的基站可以是指：数据流量与语音流量或总流量占比高于某一阈值C，和/或数据流量值高于某一阈值D，和/或语音流量值低于某一阈值E的基站。所述以语音流量用户为主的基站可以是指：语音流量与数据流量或总流量占比高于某一阈值L，和/或语音流量值高于某一阈值M，和/或数据流量值低于某一阈值N。

这里，所述第五预设条件，可以包括：

对于在一段时间内，某一时段基站用户数低于某一阈值O，和/或基站流量低于某一阈值P，和/或数据流量低于某一阈值Q，和/或区域内存在同/异制式基站。

这里，所述对服务质量要求低于设定阈值的应用达到第二设定条件的基站是指对于可靠性或时延要求不高的应用居多的基站。其中，所述对服务质量要求低于设定阈值的应用达到第二设定条件，具体指：对服务质量要求低于设定阈值的应用的业务数量和/或流量占比高于第七阈值；和/或对服务质量要求高于设定阈值的应用的业务数量和/或流量占比低于第八阈值。

这里，所述对服务质量要求高于设定阈值的应用达到第三设定条件的基站是指对于可靠性或时延要求较高的应用居多的基站。其中，所述对服务质量要求高于设定阈值的应用达到第三设定条件，具体指：对服务质量要求低于设定阈值的应用的业务数量和/或流量占比低于第七阈值；和/或对服务质量要求高于设定阈值的应用的业务数量和/或流量占比高于第八阈值。

这里，所述第五设定条件，可以包括：

对于在一段时间内，某一时段基站用户数低于某一阈值O，和/或基站流量低于某一阈值P，和/或数据流量低于某一阈值Q，和/或区域内存在同/异制式基站。

需要说明的是，可靠性或时延要求不高的应用居多，可以是指：FTP、视频类等可靠性或时延要求不高的业务数量和/或流量占比高于某一阈值F；和/或VOIP等可靠性或时延性要求较高的业务数量和/或流量占比低于某一阈值G。相应地，可靠性或时延要求较高的应用，可以是指：，例如FTP、视频类等可靠性或时延要求不高的业务数量和/或流量占比低于某一阈值J；和/或VOIP等可靠性或时延性要求较高的业务数量和/或流量占比高于某一阈值K。

本领域技术人员应当理解，本实施例的网络容量优化装置中各模块的功能，可参照前述网络容量优化方法的相关描述而理解，本实施例的网络容量优化装置中各模块，可通过实现本实施例所述的功能的模拟电路而实现，也可以通过执行本实施例所述的功能的软件在网络设备上的运行而实现。

实际应用中，本实施例所述网络容量优化装置可设置于网络设备中；所述获取模块41、分析模块42和处理模块43以及各个模块的单元，均可由所述网络容量优化装置或所述网络容量优化装置所属网络设备中的中央处理器(CPU，Central Processing Unit)、微处理器(MPU，Micro Processor Unit)、数字信号处理器(DSP，Digital Signal Processor)或现场可编程门阵列(FPGA，Field Programmable Gate Array)等实现。

本实施例所述网络容量优化装置，通过利用大数据分析对所采集的大量用户维度属性数据、基站维度属性数据进行分析，对网络容量的变化特征进行提取，从而得到基站的聚类和标签，并根据聚类和标签结果采取相应的优化措施，以达到充分利用现有网络资源(2G，3G，4G以及WiFi等)，提高资源利用效率以及用户服务质量的目的。

在本发明所提供的几个实施例中，应该理解到，所揭露的方法、装置和电子设备，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

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：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明实施例上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (18)

1.一种网络容量优化方法，其特征在于，所述方法包括：

获取采集时间段中与基站相关的N类数据；其中，所述N为大于等于1的正整数；

基于所述N类数据对基站进行聚类分析；

根据聚类分析结果进行网络配置；

其中，所述根据聚类分析结果进行网络配置，包括：

对于价值度低于第一阈值、和/或数据业务达到第一设定条件，和/或对服务质量要求低于设定阈值的应用达到第二设定条件的基站，给出第一配置策略；其中，所述第一配置策略包括：建议在所述基站所在区域增设无线保真WIFI热点，并给出需增设的WIFI热点的个数，和/或推送WIFI信息；

对于价值度高于第一阈值、和/或数据业务达到第一设定条件，和/或对服务质量要求高于设定阈值的应用达到第三设定条件的基站，给出第二配置策略；其中，所述第二配置策略包括：建议在所述基站所在区域增设4G基站，并给出所述4G基站需要承载的流量；或给出所述基站的推荐扩容量；

对于语音业务达到第四设定条件的基站，给出第三配置策略；其中，所述第三配置策略包括：建议将所述基站的流量有导向的向2G基站、3G基站进行分流，并给出向2G基站、3G基站的分流量；

对于流量分布特点满足第五设定条件的基站，给出第四配置策略；其中，所述第四配置策略包括：设置关闭或打开所述基站的时间；

其中，所述价值度，是以第一类型套餐用户占比或数量，和/或第二类型套餐用户占比或数量为衡量标准的。

2.根据权利要求1所述的方法，其特征在于，所述N类数据，包括下述中的一种或几种：

驻留用户身份标识号码ID、驻留用户签约信息、驻留终端类型及型号、驻留用户使用的应用类型。

3.根据权利要求1所述的方法，其特征在于，所述N类数据，包括：

驻留基站期间用户在各时间周期所用流量及流量构成占比，和/或基站在采集时间段内的流量及流量构成占比。

4.根据权利要求1所述的方法，其特征在于，所述基于所述N类数据对基站进行聚类分析，包括：

根据各采集时间段内用户属性占比、终端类型占比及应用流量占比将基站进行聚类和贴标签；

根据各采集时间段流量及流量构成占比将基站进行聚类和贴标签。

5.根据权利要求4所述的方法，其特征在于，所述根据各采集时间段内用户属性占比、终端类型占比及应用流量占比将基站进行聚类和贴标签，包括：

根据用户属性占比、终端类型占比以及应用流量占比进行数学建模，并采用n+2元向量组表示数学模型，所述数学模型为：{终端类型占比，用户属性占比，应用1流量占比，应用2流量占比，…，应用n流量占比}；其中，终端类型占比的取值为终端类型的分类的归一值，用户属性占比的取值为用户属性的分类的归一值，应用m流量占比取值为应用m流量占比的归一值；其中，m、n为正整数，m≤n；

将建模后的所述n+2元向量组输入到聚类算法中；

通过聚类算法收敛得到各所述n+2元向量组的聚类和/或所述n+2元向量组的属性，作为基站的第一种聚类和/或第一种属性组。

6.根据权利要求4所述的方法，其特征在于，所述根据各采集时间段流量及流量构成占比将基站进行聚类和贴标签，包括：

根据基站各采集时间段流量及流量构成占比进行数学建模，并构造3x元向量组，数学模型为：{时间段1流量，时间段1语音流量，时间段1数据流量，时间段2流量，时间段2语音流量，时间段2数据流量，…，时间段x流量，时间段x语音流量，时间段x数据流量}；其中，时间段x流量取值为时间段x流量的归一值，时间段x语音流量为时间段x语音流量的归一值，时间段x数据流量为时间段x数据流量的归一值；所述x为时间段的编号；

将建模后的所述3x元向量组输入到聚类算法中；

通过聚类算法收敛得到各所述3x元向量组的聚类和/或所述3x元向量组的属性，作为基站的第二种聚类和/或第二种属性组。

7.根据权利要求1所述的方法，其特征在于，所述价值度低于第一阈值，具体指：第一类型套餐用户占比或数量高于第二阈值，和/或第二类型套餐用户占比或数量低于第三阈值。

8.根据权利要求1所述的方法，其特征在于，所述数据业务达到第一设定条件，具体指：数据流量与语音流量或总流量占比高于第四阈值，和/或基站数据流量值高于第五阈值，和/或基站语音流量值低于第六阈值。

9.根据权利要求1所述的方法，其特征在于，所述对服务质量要求低于设定阈值的应用达到第二设定条件，具体指：对服务质量要求低于设定阈值的应用的业务数量和/或流量占比高于第七阈值；和/或对服务质量要求高于设定阈值的应用的业务数量和/或流量占比低于第八阈值。

10.根据权利要求1所述的方法，其特征在于，所述价值度高于第一阈值，具体指：第一类型套餐用户占比或数量低于第二阈值，和/或第二类型套餐用户占比或数量高于第三阈值。

11.根据权利要求1所述的方法，其特征在于，所述对服务质量要求高于设定阈值的应用达到第三设定条件，具体指：

对服务质量要求低于设定阈值的应用的业务数量和/或流量占比低于第七阈值；和/或对服务质量要求高于设定阈值的应用的业务数量和/或流量占比高于第八阈值。

12.根据权利要求1所述的方法，其特征在于，所述语音业务达到第四设定条件的，具体指：

数据流量与语音流量或总流量占比低于第四阈值，和/或基站数据流量值低于第五阈值，和/或基站语音流量值高于第六阈值。

13.一种网络容量优化装置，其特征在于，所述装置包括：

获取模块，用于获取采集时间段中与基站相关的N类数据；其中，所述N为大于等于1的正整数；

分析模块，用于基于所述N类数据对基站进行聚类分析；

处理模块，用于根据聚类分析结果进行网络配置；

其中，所述处理模块，包括：

第一处理单元，用于对于价值度低于第一阈值、和/或数据业务达到第一设定条件，和/或对服务质量要求低于设定阈值的应用达到第二设定条件的基站，给出第一配置策略；其中，所述第一配置策略包括：建议在所述基站所在区域增设WIFI热点，并给出需增设的WIFI热点的个数，和/或推送WIFI信息；

第二处理单元，用于对于价值度高于第一阈值、和/或数据业务达到第一设定条件，和/或对服务质量要求高于设定阈值的应用达到第三设定条件的基站，给出第二配置策略；其中，所述第二配置策略包括：建议在所述基站所在区域增设4G基站，并给出所述4G基站需要承载的流量；或给出所述基站的推荐扩容量；

第三处理单元，用于对于语音业务达到第四设定条件的基站，给出第三配置策略；其中，所述第三配置策略包括：建议将所述基站的流量有导向的向2G基站、3G基站进行分流，并给出向2G基站、3G基站的分流量；

第四处理单元，用于对于流量分布特点满足第五设定条件的基站，给出第四配置策略；其中，所述第四配置策略包括：设置关闭或打开所述基站的时间；

其中，所述价值度，是以第一类型套餐用户占比或数量，和/或第二类型套餐用户占比或数量为衡量标准的。

14.根据权利要求13所述的装置，其特征在于，所述N类数据，包括下述中的一种或几种：

驻留用户ID、驻留用户签约信息、驻留终端类型及型号、驻留用户使用的应用类型。

15.根据权利要求13所述的装置，其特征在于，所述N类数据，包括：

驻留基站期间用户在各时间周期所用流量及流量构成占比，和/或基站在采集时间段内的流量及流量构成占比。

16.根据权利要求13所述的装置，其特征在于，所述分析模块，包括：

第一分析单元，用于根据各采集时间段内用户属性占比、终端类型占比及应用流量占比将基站进行聚类和贴标签；

第二分析单元，用于根据各采集时间段流量及流量构成占比将基站进行聚类和贴标签。

17.根据权利要求16所述的装置，其特征在于，所述第一分析单元，还用于：

根据用户属性占比、终端类型占比以及应用流量占比进行数学建模，并采用n+2元向量组表示数学模型，所述数学模型为：{终端类型占比，用户属性占比，应用1流量占比，应用2流量占比，…，应用n流量占比}；其中，终端类型占比的取值为终端类型的分类的归一值，用户属性占比的取值为用户属性的分类的归一值，应用m流量占比取值为应用m流量占比的归一值；其中，m、n为正整数，m≤n；

将建模后的所述n+2元向量组输入到聚类算法中；

通过聚类算法收敛得到各所述n+2元向量组的聚类和/或所述n+2元向量组的属性，作为基站的第一种聚类和/或第一种属性组。

18.根据权利要求16所述的装置，其特征在于，所述第二分析单元，还用于：

根据基站各采集时间段流量及流量构成占比进行数学建模，并构造3x元向量组，数学模型为：{时间段1流量，时间段1语音流量，时间段1数据流量，时间段2流量，时间段2语音流量，时间段2数据流量，…，时间段x流量，时间段x语音流量，时间段x数据流量}；其中，时间段x流量取值为时间段x流量的归一值，时间段x语音流量为时间段x语音流量的归一值，时间段x数据流量为时间段x数据流量的归一值；所述x为时间段的编号；

将建模后的所述3x元向量组输入到聚类算法中；

通过聚类算法收敛得到各所述3x元向量组的聚类和/或所述3x元向量组的属性，作为基站的第二种聚类和/或第二种属性组。

Images