CN106998556A - 一种构建无线网络业务分布地图的系统及实现方法 - Google Patents

Abstract

本发明公开了一种构建无线网络业务分布地图的系统及其实现方法，涉及无线网络技术领域。本发明基于蜂窝无线网络中业务的时间和空间变化的特点，通过分布在空间上多个基站定期统计的业务流量数据以及基站的位置数据，计算构建栅格化的分时业务密集地图，并且通过对数据进行估计和平滑减少计算量，以可视化的方式呈现动态业务流量密度地图。本发明能够较好的反应地图内各个区域的无线网络业务需求，对进一步分析业务需求、利用业务需求特点进行灵活的业务调度有着重要作用，可以广泛应用在无线网络规划，运维和优化过程中。

Description

一种构建无线网络业务分布地图的系统及实现方法

技术领域

本发明涉及无线网络技术，尤其涉及一种构建无线网络业务分布地图的系统及其实现方法。

背景技术

在无线网络规划时，必须根据业务分布情况，才能够得到准确的网络容量和覆盖范围，这需要更为准确的业务分布预测方法，以预测出与实际网络运营状况相符合的业务分布。业务分布预测在网络建设的初期规划和后期优化中都有很重要的作用。原则上，为了避免频繁的切换，充分利用系统资源，基站站址应当选择在业务量相对集中的地区，显而易见，业务分布的实际情况将直接影响到基站位置的确定，准确的业务分布预测可以提高网络的后期收益。在基站运行过程中，可以通过动态开关基站来达到节能的目的，准确的业务分布预测可以有利于制定基站开启/关闭策略以实现节能或干扰管理。

参考国外相关文献，在进行无线网络性能分析时所采用的业务分布方法通常都比较简单，例如简单的均匀分布，或简单地假设业务密度随着与基站距离的增大降低的函数分布，比如负指数函数。这种简单的近似处理，与实际业务分布不相符，必然要影响系统性能分析结果。

业务分布预测在国内不少文献均给出了相关方法，其基本算法是基于数字电子地图进行，电子地图的精度由分辨率决定，例如分辨率为20m×20m(地理单元)。业务分布预测是在已知业务量或者用户数的情况下，按照某种算法将业务量或者用户数分配到电子地图中的各个地理单元中。传统的无线业务分布都是假设在基站范围内(范围在公里级别)，不考虑异构网，如微基站等，不区分业务，因此传统的无线网络业务模型粒度粗，不适合未来进一步构建业务地图，并且计算量和存储量大。

发明内容

针对未来无线网络中的业务具有时间上动态变化，在短期内稳定，基站部署密度不均匀，空间业务密度分布不均匀的特点，而传统的无线网络业务模型粒度粗的问题，本发明提供了一种构建无线网络业务分布地图的方法及系统。

本发明提供的构建无线网络业务分布地图的系统，包括无线基站或接入点、终端设备、业务地图控制器和链路。终端设备通过无线链路与无线基站或接入点进行通信，无线基站或接入点定时把终端设备在设定时间段产生的业务数据量通过链路传输到业务地图控制器。业务地图控制器构建和维护区域内的业务密度地图，包括业务数据输入接口、背景地图数据模块、数据库模块、业务密度计算模块和可视化呈现模块。

业务数据输入接口用于接收终端设备传输的业务数据量；背景地图数据模块中存储着地理信息系统(GIS)地图；数据库模块负责对终端设备输入的业务数据量以及GIS地图进行栅格化后的数据进行存储和管理；业务密度计算模块根据设定好的业务密度计算算法对数据库模块中的数据进行处理，计算GIS地图每个栅格内的实时业务流量密度；最终可视化呈现模块将计算出的业务流量密度数据以无线网络业务分部地图的形式展示。

本发明提供的构建无线网络业务分布地图的方法，实现步骤为：

步骤1，收集网络拓扑和开启的基站地理位置，如果是首次部署基站，或区域内基站位置或基站开关状态发生变化，执行步骤2，否则执行步骤3；

步骤2，构建栅格化的地图，具体包括：根据基站位置构建泰森多边形，一个基站对应一个泰森多边形，结合GIS地图划分栅格，并对栅格按序标号；

步骤3，计算每个栅格内的实时业务流量密度；

设与栅格h有重叠部分的泰森多边形的集合为G，h为栅格标号，集合G中元素g为泰森多边形中基站的编号，栅格h的实时业务流量密度Traffic(h)表示为：

其中，Traffic(g)代表基站g在当前时间段收集到的业务总量，Area(g)代表基站g的泰森多边形面积，Area(h in g)代表栅格h与基站g的泰森多边形的重叠面积。

步骤4，根据步骤3得到的基站所在栅格的实时业务流量密度，采用平滑插值的方法来确定各栅格的业务流量密度；

步骤5，将插值后得到的各个栅格的业务流量密度值进行可视化呈现。

本发明所产生的技术效果为：

通过终端设备将业务数据输入系统，系统可以通过业务数据和栅格化GIS地图计算得到各个栅格的业务流量密度，并可视化为无线网络业务分部地图，在该地图中，栅格的不同颜色等级表示不同的业务密度，更深的颜色对应更高的业务流量密度。

本发明的优点与积极效果在于：本发明基于蜂窝无线网络中业务的时间和空间变化的特点，通过分布在空间上多个基站定期统计的业务流量数据以及基站的位置数据，计算构建栅格化的分时业务密集地图，并且通过对数据进行估计和平滑减少计算量。通过统计数据构建的分时业务密度地图能够较好的反应地图内各个区域的无线网络业务需求，对进一步分析业务需求、利用业务需求特点进行灵活的业务调度有着重要作用。

附图说明

图1是本发明构建无线网络业务分布地图系统的结构示意图；

图2是本发明系统中业务地图控制器的组成模块图；

图3是本发明构建无线网络业务分布地图的方法的主要实现流程图；

图4是栅格化的GIS地图中构建泰森多边形的实例；

图5是自然邻居插值法的示意图；其中(a)为估计点p的示意图，(b)为估计点p的泰森多边形与自然邻居基站的泰森多边形的重叠面积示意图。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

本发明基于现有无线网络中获取的数据研究用户的特点、构成及在网络应用过程中表现出的行为模式和特征规律，密集无线网络业务应用内容在时间、空间上的趋同性及业务触发在时间、空间上的分布模型；研究用户行为与业务特征的时空关联模型，进一步研究不同业务类型网络流量的时间相似性与周期性、空间相关性和低秩性，提出基于用户行为和业务特征的业务流量预测模型，使预测流量数据能够准确跟踪实时流量数据固有的空时特性。

业务流量预测模型是用时间序列表示网络中每一个时间内到达的字节数或数据包数量，可以描述为：在时间点t₁,…t_n-1,t_n,t_n+1…的一个观测值序列x(t₁),…x(t_n-1),x(t_n),x(t_n+1)...，利用相关的数学模型对观测序列x(t_n)与时间t建立关系，达到模拟和预测网络业务流量的目的。由于业务流量具有显著的时间周期性，因此平稳序列分析，如ARIMA(自回归移动平均模型)模型等并不一定适合于业务流量数据分析。

本发明的系统如图1所示，包括支持不同接入技术，如GSM、GPRS、FD-LTE和TD-LTE，WiFi的无线基站或接入点101、终端设备102、业务地图控制器103和链路104。终端设备102和无线基站或接入点101通过无线链路进行通信，产生业务数据。无线基站或接入点101定时把该基站所属设备一段时间内产生的上下行业务数据量或不同业务对应的上下行数据量，通过链路104传输到该区域的业务地图控制器103，业务地图控制器103负责构建和维护该区域的业务密度地图。链路104可以是有线链路或无线回传链路。

业务地图控制器103包括业务数据输入接口201、背景地图数据模块202、数据库模块203、业务密度计算模块204和可视化呈现模块205，如图2所示。业务数据输入接口201是终端设备102通过链路传输的业务数据量的入口；背景地图数据模块202中存储着地理信息系统(GIS)地图；数据库模块203负责对终端设备102输入的数据、GIS地图进行栅格化后的数据进行存储和管理；业务密度计算模块204根据设定好的业务密度计算算法对数据库模块中的数据进行处理，计算业务流量密度并进行插值；最终可视化呈现模块205将计算出的业务流量密度数据以无线网络业务分部地图的形式展示。

本发明构建无线网络业务分布地图的方法的流程，如图3所示。

第一步301：初始化阶段。收集网络拓扑和开启的基站地理位置，位置可以用经纬度二维坐标或经纬高度三维坐标来表示。如果是第一次部署基站或该区域内基站位置发生变化或基站开关状态发生变化，则需要进行初始化，进入第二步302，否则，进行第三步303。

第二步302：构建栅格阶段。基于随机几何学和泰森多边形图的方法，根据收集到的有限地点有限时间点的业务数据，构建无线网络中栅格化的地图。

和传统的六边形蜂窝网络拓扑不同，未来无线网络中基站的位置并没有固定的规律，而是受到各种不确定因素的影响从而表现出非常强的不确定性。对于这些位置及其变化的效应可以看作是在二维或三维空间中的随机点过程。泰森多边形图是由连接两邻点(基站)直线的垂直平分线组成的连续多边形组成的不规则多边形。因此基于随机几何学和泰森多边形图的方法，在已知各类型基站的地理位置之后，可以构建出相对应的泰森多边形。结合GIS地图，划分流量密度图的栅格，栅格的大小可以根据不同的场合调整，如在市区热点地区可以选择较小的栅格区域，而在郊区或农村地区可以选择较大的栅格区域，对栅格进行按序标号，其中顺序编号可以是按照从中心到边缘顺时针排列，也可以是按照从左到右，从上到下的顺序。

第三步303：计算每个栅格内的实时业务流量密度。在构建泰森多边形和划分栅格之后，利用某个时间点部署有网络探针的基站汇报的业务流量，根据每个泰森多边形和栅格的重叠关系以及各自的面积关系，把基站的业务流量均匀分配到该泰森多边形所包含的一个或多个栅格中。如果某个栅格对应两个或更多的泰森多边形，则通过对不同泰森多边形区域的流量进行叠加的方法进行计算。如图4所示，图中星号表示的是不同类型的基站，不同深浅的灰度区域代表不同的泰森多边形。虚线代表的就是10*10＝100个栅格。图中2号栅格全部位于A基站的泰森多边形内，因此其实时业务流量密度可以按照下式计算:

Traffic(2)＝Traffic(A)*Area(grid)/Area(A)

其中，Traffic(2)代表2号栅格的实时业务流量密度，Traffic(A)代表A基站在当前时间段收集到的业务总量，Area(A)代表A基站的泰森多边形面积，Area(grid)代表2号栅格与A基站的泰森多边形的重叠面积，如图4所示此重叠面积即为一个栅格的面积。而图中4号栅格位于A基站和B基站的泰森多边形的重叠部分，其业务流量密度可以按照下式计算:

其中，Traffic(4)代表4号栅格的实时业务流量密度，Area(4in A)代表4号栅格与A基站的泰森多边形的重叠面积，Traffic(B)代表B基站在当前时间段收集到的业务总量，Area(B)代表B基站的泰森多边形面积，Area(4in B)代表4号栅格与B基站的泰森多边形的重叠面积。

依次类推可以得到任意栅格当前时刻的估计业务流量密度。

任意有限多边形的面积可以根据该多边形的顶点坐标来计算得到，设某个多边形的n个顶点二维坐标分别为(x₁,y₁)，(x₂,y₂)，…，(x_n,y_n)，则该多边形的面积S为：

根据该公式可以求取泰森多边形的面积。

第四步304：平滑插值阶段。由于之前步骤得到的只是基于业务流量平均分配计算的每个栅格内实时业务流量密度的估计值，因此接下来可以通过自然邻居插值或Kriging插值方法来进行平滑。将包含基站b₁,b₂,…,b_m的m个栅格作为样本点，通过插值得到其他所有不包含基站的栅格的业务流量密度估计值。在插值计算过程中，将每个不包含基站的待估计的栅格记为估计点b₀，插值得到相应的栅格的业务流量密度为z^*(b₀)。

实施例一是通过Kriging插值实现，设通过第三步得到基站b₁,b₂,…,b_m所在的栅格的实时业务流量密度分别为z(b₁),z(b₂),…z(b_m)，并且满足二阶平稳特性和本征假设，则在估计点b₀处的估计业务密度为：

其中，λ_i为权重系数，表示第i个基站对估计点的贡献程度，根据无偏和方差最优的要求，可以通过样本的协方差矩阵C确定权重系数λ_i：

无偏性：E[z^*(b₀)-z(b₀)]＝0化简可得到：

方差最优(最小)：minσ²＝E[(z^*(b₀)-z(b₀))²]，用拉格朗日乘数法求解无偏条件下的极值，即：

其中，μ是拉格朗日乘数法引入的参数，z(b₀)表示待估计的栅格b₀的业务流量密度。

进一步化简后，对于每一个权重系数λ_i，可以得到m+1阶的线性方程组，即Kriging方程组：

其中，是基站b_i和b_j位置的协方差的均值。求解方程组即可得到计算z^*(b₀)时z(b_i)对应的权值λ_i。

实施例二是通过自然邻居插值实现，假设基站p₁,…,p₄所在栅格的实时业务流量密度为z(p₁),…,z(p₄)，如图5(a)所示，针对估计点p构建泰森多边形，与p₁,…,p₄构建的泰森多边形重叠构成二阶泰森多边形，与点p的泰森多边形重叠的泰森多边形对应的基站p₁,…,p₄称为点p的自然邻居，在点p处的估计业务密度为：

其中，m为点p自然邻居的个数，在本例中m＝4，λ_i为权重系数，表示第i个基站对估计点的贡献程度。

权重系数λ_i由点p和各个自然邻居的相互位置关系决定，具体地说是通过各个自然邻居的泰森多边形与点p的泰森多边形重叠面积大小来衡量：

如图5(b)所示，u_i为点p的泰森多边形与它的自然邻居p_i重叠部分的面积。

第五步305：在得到分时的业务密度地图之后，结合GIS信息和可视化技术，可以很方便的可视化的展示某个大范围内每个小区域局域的动态业务密度分布状态，用不同的颜色代表不同的业务密度等级，并存储到数据库中以方便利用。

Claims (6)

1.一种构建无线网络业务分布地图的系统，其特征在于，包括无线基站或接入点、终端设备、业务地图控制器和链路；终端设备通过无线链路与无线基站或接入点进行通信，无线基站或接入点定时把终端设备在设定时间段产生的业务数据量通过链路传输到业务地图控制器；业务地图控制器构建和维护区域内的业务密度地图，包括业务数据输入接口、背景地图数据模块、数据库模块、业务密度计算模块和可视化呈现模块；

业务数据输入接口用于接收终端设备传输的业务数据量；背景地图数据模块中存储着地理信息系统GIS地图；数据库模块用于对终端设备输入的业务数据量以及GIS地图进行栅格化后的数据进行存储和管理；业务密度计算模块根据设定好的业务密度计算算法对数据库模块中的数据进行处理，计算GIS地图每个栅格内的实时业务流量密度；可视化呈现模块将计算出的业务流量密度数据以无线网络业务分布地图的形式展示。

2.一种构建无线网络业务分布地图的实现方法，其特征在于，包括如下步骤：

步骤1，收集网络拓扑和开启的基站地理位置，如果是首次部署基站，或者区域内基站位置或基站开关状态发生变化，执行步骤2，否则执行步骤3；

步骤2，构建栅格化的地图，具体是：根据基站位置构建泰森多边形，一个基站对应一个泰森多边形，结合GIS地图划分栅格，并对栅格按序标号；GIS表示地理信息系统；

步骤3，计算每个栅格内的实时业务流量密度；

设与栅格h有重叠部分的泰森多边形的集合为G，h为栅格标号，集合G中元素g为泰森多边形中基站的编号，栅格h的实时业务流量密度Traffic(h)表示为：

$Traffic\left(h\right)={\mathrm{\Σ}}_{g\∈G}Traffic\left(g\right)*\frac{Area\left(hing\right)}{Area\left(g\right)}$

其中，Traffic(g)代表基站g在当前时间段收集到的业务总量，Area(g)表基站g的泰森多边形面积，Area(h in g)代表栅格h与基站g的泰森多边形的重叠面积；

步骤4，根据步骤3得到的基站所在栅格的实时业务流量密度，采用平滑插值的方法来确定各不包含基站的栅格的业务流量密度；

步骤5，将插值后得到的各个栅格的业务流量密度值进行可视化呈现。

3.根据权利要求2所述的一种构建无线网络业务分布地图的实现方法，其特征在于，所述的步骤3中泰森多边形面积的面积求取方法如下：

令多边形的n个顶点二维坐标分别为(x₁,y₁)，(x₂,y₂)，…，(x_n,y_n)，则该多边形的面积S为：

$S=\frac{1}{2}\underset{k=1}{\overset{n}{\Σ}}(x_k{y}_{\left(\right(k+1\left)\mathrm{mod}\right(n\left)\right)}-x_{\left(\right(k+1\left)\mathrm{mod}\right(n\left)\right)}{y}_k).$

4.根据权利要求2所述的一种构建无线网络业务分布地图的实现方法，其特征在于，所述步骤4中平滑插值是通过自然邻居插值或Kriging插值进行平滑。

5.根据权利要求4所述的一种构建无线网络业务分布地图的实现方法，其特征在于，所述的Kriging插值的实现包括：

设通过所述的步骤3得到基站b₁,b₂,…,b_m所在的栅格的实时业务流量密度分别为z(b₁),z(b₂),…z(b_m)，并且满足二阶平稳特性和本征假设，则在估计点b₀处的估计业务密度为：

$z^{*}\left(b_0\right)=\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_{i}z\left(b_i\right)$

其中，λ_i为权重系数，表示第i个基站对估计点的贡献程度；

根据无偏性和方差最优的要求，通过样本的协方差矩阵C确定权重系数λ_i如下：

由无偏性，得到

由方差最优，用拉格朗日乘数法求解无偏条件下的极值：

$\frac{\∂}{\∂{\mathrm{\λ}}_i}\{E\[{\left(z^{*}\right(b_0)-z(b_0\left)\right)}^2\]-2\mathrm{\μ}\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i\}=0,i=1,...,m$

其中，μ是拉格朗日乘数法引入的参数，z(b₀)表示待估计的栅格b₀的业务流量密度；

进一步化简，对于每一个权重系数λ_i，得到m+1阶的线性方程组：

$\left\{\begin{array}{c}\underset{i=1}{\overset{m}{\Σ}}\stackrel{\‾}{C}(b_i-b_j){\mathrm{\λ}}_i-\mathrm{\μ}=\stackrel{\‾}{C}(b_0-b_j),j=1,...,m\\ \underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i=1\end{array}\right.$

其中，是基站b_i和b_j位置的协方差的均值；求解上面的方程组得到计算z^*(b₀)时z(b_i)对应的权值λ_i。

6.根据权利要求4所述的一种构建无线网络业务分布地图的实现方法，其特征在于，所述的自然邻居插值的实现包括如下：

设基站p₁,…,p_m所在栅格的实时业务流量密度为z(p₁),…,z(p_m)，针对估计点p构建泰森多边形，与p₁,…,p_m构建的泰森多边形重叠构成二阶泰森多边形，与点p的泰森多边形重叠的泰森多边形对应的基站p₁,…,p_m称为点p的自然邻居，在点p处的估计业务密度z^*(p)为：

$z^{*}\left(p\right)=\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_{i}z\left(p_i\right)$

其中，m为点p自然邻居的个数，λ_i为权重系数，表示第i个基站对估计点的贡献程度；

权重系数λ_i如下确定：

${\mathrm{\λ}}_i=\frac{u_i}{{\mathrm{\Σ}}_i{u}_i}$

其中，u_i为点p的泰森多边形与它的自然邻居p_i重叠部分的面积。