CN109151895B - 一种数据传输方法、装置、服务器及网络中心节点 - Google Patents
一种数据传输方法、装置、服务器及网络中心节点 Download PDFInfo
- Publication number
- CN109151895B CN109151895B CN201710457078.XA CN201710457078A CN109151895B CN 109151895 B CN109151895 B CN 109151895B CN 201710457078 A CN201710457078 A CN 201710457078A CN 109151895 B CN109151895 B CN 109151895B
- Authority
- CN
- China
- Prior art keywords
- network center
- center node
- terminal
- training
- data
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0289—Congestion control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
Abstract
本发明提供一种数据传输方法、装置、服务器及网络中心节点，该方法包括：获取终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息；向网络中心节点发送终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息。本发明实施例部署一服务器，该服务器对终端的特征数据进行采集，并通过网络将和/或网络中心节点训练分析所需的模型的特征信息分发给终端当前接入的网络中心节点，则网络中心节点可以基于这些特征数据来辅助进行资源分配及通信方式决策；使得网络可以针对业务及用户的特征数据进行精细化、差异化的资源优化、传输方案设计，且可以根据这些预测的特征，对用户进行预先提前进行服务，提前回避拥塞，有效的利用闲置资源。
Description
技术领域
本发明涉及通信技术领域，特别是指一种数据传输方法、装置、服务器及网络中心节点。
背景技术
无线移动通信的快速发展，使其能够支持更高的速率并满足多样化的业务需求，无线网络产生大量数据。这些大量的数据给网络的处理速度，时延等提出了更高的要求，带来巨大的挑战。
传统无线网络在设计过程中假设用户的行为随机，即用户位置、移动路径、用户发出请求的时间及内容随机。基于这样的认知，为了应对不可预测的最坏情况，在设计无线网络时往往面向峰值速率、采用保守设计。面向差异化的用户，通常采用相同的模型进行网络行为的决策。同时，网络通常根据业务的到达情况进行瞬时决策，当出现大量用户同时发生请求时，可能导致网络的拥塞，降低用户体验；当长时间无用户业务需求时，又导致网络资源的剩余。
发明内容
本发明的目的在于提供一种数据传输方法、装置、服务器及网络中心节点，解决了传统无线网络设计过程中假设用户的行为随机导致的资源浪费或网络拥塞的问题。
为了达到上述目的，本发明实施例提供一种数据传输方法，应用于服务器侧，包括：
获取终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息；
向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
其中，所述获取终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息的步骤，包括：
采集控制面数据以及用户面业务特征数据；
对所述控制面数据和所述用户面业务特征数据进行分析，确定终端的特征数据；其中，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息和/或终端的能力信息；和/或，对所述控制面数据和所述用户面业务特征数据进行分析，确定所述网络中心节点训练分析所需的模型的特征信息；其中，所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
其中，所述向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当终端接入网络中心节点时，向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
其中，所述向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当终端接入网络中心节点时，接收所述网络中心节点发送的请求信令；
根据所述请求信令，向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
其中，所述向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当终端从第一网络中心节点切换到第二网络中心节点时，向所述第二网络中心节点发送所述终端的特征数据和/或第二网络中心节点训练分析所需的模型的特征信息。
其中，所述向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当所述终端的特征数据发生更新时，将更新后的所述终端的特征数据发送给所述网络中心节点；和/或，
当所述网络中心节点训练分析所需的模型的特征信息发生更新时，将更新后的所述网络中心节点训练分析所需的模型的特征信息发送给所述网络中心节点。
本发明实施例还提供一种数据传输方法，应用于网络中心节点侧，包括：
接收与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
其中，所述接收与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息之后，所述方法还包括：
根据所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息，进行资源和/或通信方式的配置。
其中，所述接收与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
其中，所述接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当终端接入网络中心节点时，接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
其中，所述接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当终端接入网络中心节点时，向服务器发送请求信令；所述请求信令用于请求所述服务器发送与所述网络中心节点连接到终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息；
接收所述服务器根据所述请求信令发送的所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
其中，所述接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当终端从第一网络中心节点切换到第二网络中心节点时，第二网络中心节点接收服务器所发送的、与所述第二网络中心节点相连接的终端的特征数据和/或第二网络节点训练分析所需的模型的特征信息。
其中，所述接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当所述终端的特征数据发生更新时，接收服务器发送的、更新后的所述终端的特征数据；和/或，
当所述网络中心节点训练分析所需的模型的特征信息发生更新时，接收服务器发送的，更新后的所述网络中心节点训练分析所需的模型的特征信息。
其中，所述接收与所述网络中心节点相连接的终端的特征数据的步骤，包括：
当终端从第一网络中心节点切换到第二网络中心节点时，若第一网络中心节点存储有所述终端的特征数据，第二网络中心节点接收所述第一网络中心节点发送的、与所述第二网络中心节点相连接的终端的特征数据。
其中，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息以及终端的能力信息；
所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
本发明实施例还提供一种数据传输装置，应用于服务器侧，包括：
数据获取模块，用于获取终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息；
数据发送模块，用于向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
本发明实施例还提供一种服务器，包括处理器、存储器以及用于在所述处理器的控制下接收和发送数据的收发器；
所述处理器用于读取存储器中的程序，执行如下过程：
通过所述收发器获取终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息；并通过所述收发器向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
进一步的，所述处理器还用于执行如下过程：
所述处理器控制所述收发器采集控制面数据以及用户面业务特征数据；
所述处理器对所述控制面数据和所述用户面业务特征数据进行分析，确定终端的特征数据；其中，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息和/或终端的能力信息；和/或，对所述控制面数据和所述用户面业务特征数据进行分析，确定所述网络中心节点训练分析所需的模型的特征信息；其中，所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
进一步的，所述处理器还用于执行如下过程：
当终端接入网络中心节点时，所述处理器控制所述收发器向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
进一步的，所述处理器还用于执行如下过程：
当终端接入网络中心节点时，所述处理器控制所述收发器接收所述网络中心节点发送的请求信令；所述处理器根据所述请求信令，控制所述收发器向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
进一步的，所述处理器还用于执行如下过程：
当终端从第一网络中心节点切换到第二网络中心节点时，所述处理器控制所述收发器向所述第二网络中心节点发送所述终端的特征数据和/或第二网络中心节点训练分析所需的模型的特征信息。
进一步的，所述处理器还用于执行如下过程：
当所述终端的特征数据发生更新时，所述处理器控制所述收发器将更新后的所述终端的特征数据发送给所述网络中心节点；和/或
当所述网络中心节点训练分析所需的模型的特征信息发生更新时，所述处理器控制所述收发器将更新后的所述网络中心节点训练分析所需的模型的特征信息发送给所述网络中心节点。
本发明实施例还提供一种计算机可读存储介质，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的数据传输方法。
本发明实施例还提供一种数据传输装置，应用于网络中心节点侧，包括：
数据接收模块，用于接收与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
本发明实施例还提供一种网络中心节点，包括处理器、存储器以及用于在所述处理器的控制下接收和发送数据的收发器；
所述处理器用于读取存储器中的程序，执行如下过程：
所述处理器控制所述收发器接收与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
进一步的，所述处理器还用于执行如下过程：
所述处理器根据所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息，进行资源和/或通信方式的配置。
进一步的，所述处理器还用于执行如下过程：
所述处理器控制所述收发器接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
进一步的，所述处理器还用于执行如下过程：
当终端接入网络中心节点时，所述处理器控制所述收发器接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
进一步的，所述处理器还用于执行如下过程：
当终端接入网络中心节点时，所述处理器控制所述收发器向服务器发送请求信令；所述请求信令用于请求所述服务器发送与所述网络中心节点连接到终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息；
且所述处理器控制所述收发器接收所述服务器根据所述请求信令发送的所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
进一步的所述处理器还用于执行如下过程：
当终端从第一网络中心节点切换到第二网络中心节点时，所述第二网络中心节点的处理器控制所述第二网络中心节点的收发器接收服务器所发送的、与所述第二网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
进一步的，所述处理器还用于执行如下过程：
当所述终端的特征数据发生更新时，所述处理器控制所述收发器接收服务器发送的、更新后的所述终端的特征数据；和/或，
当所述网络中心节点训练分析所需的模型的特征信息发生更新时，所述处理器控制所述收发器接收服务器发送的，更新后的所述网络中心节点训练分析所需的模型的特征信息。
进一步的，所述处理器还用于执行如下过程：
当终端从第一网络中心节点切换到第二网络中心节点时，若第一网络中心节点存储有所述终端的特征数据，第二网络中心节点的处理器控制所述第二网络中心节点的收发器接收所述第一网络中心节点发送的、与所述第二网络中心节点相连接的终端的特征数据。
进一步的，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息以及终端的能力信息；
所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
本发明实施例还提供一种计算机可读存储介质，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的数据传输方法。
本发明的上述技术方案至少具有如下有益效果：
本发明实施例的数据传输方法、装置、服务器及网络中心节点中，部署一服务器，该服务器对终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息进行采集，并通过网络分发给终端当前接入的网络中心节点，则网络中心节点可以基于这些特征数据和/或网络中心节点训练分析所需的模型的特征信息来辅助进行资源分配及通信方式决策；从而使得网络可以针对业务及用户的特征数据进行精细化、差异化的资源优化、传输方案设计，同时可以根据这些预测的特征，对用户进行预先提前进行服务，提前回避拥塞，有效的利用闲置资源。
附图说明
图1表示本发明实施例提供的数据传输方法的步骤流程图之一；
图2表示本发明实施例提供的数据传输方法的原理图之一；
图3表示本发明实施例提供的数据传输方法的原理图之二；
图4表示本发明实施例提供的数据传输方法的原理图之三；
图5表示本发明实施例提供的数据传输方法的步骤流程图之二；
图6表示本发明实施例提供的数据传输装置的结构示意图之一；
图7表示本发明实施例提供的服务器及网络中心节点的结构示意图；
图8表示本发明实施例提供的数据传输装置的结构示意图之二。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
如图1所示，本发明实施例提供一种数据传输方法，应用于服务器侧，包括：
步骤11，获取终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息；
步骤12，向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
本发明实施例中在网络中部署一服务器，该服务器可部署于核心网侧，也可以独立部署，在此不作具体限定。该服务器通过网络将终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息分发给终端当前接入的网络中心节点，则网络中心节点可以基于这些特征数据来辅助进行资源分配及通信方式决策；从而使得网络可以针对终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息对业务进行精细化、差异化的资源优化、传输方案设计，同时可以根据这些预测的特征，对用户进行预先提前进行服务，提前回避拥塞，有效的利用闲置资源。
具体的，本发明的上述实施例中步骤11包括：
步骤111，采集控制面数据以及用户面业务特征数据；
步骤112，对所述控制面数据和所述用户面业务特征数据进行分析，确定终端的特征数据；其中，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息和/或终端的能力信息；和/或，对所述控制面数据和所述用户面业务特征数据进行分析，确定所述网络中心节点训练分析所需的模型的特征信息；其中，所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
进一步的，本发明的上述实施例中，服务器采集用户相关的控制面数据以及用户面业务特征数据，并根据采集的数据进行计算及特征分析，形成终端的特征数据(也可以称为业务及用户行为的特征资料数据)。
终端的特征数据包含：用户业务习惯，用户终端的解调性能(不同信噪比和传输模式下的误包率，吞吐量，HARQ重传次数)，用户位置信息，终端的轨迹信息等。
或者，服务器根据采集的数据进行计算及特征分析，形成网络中心节点训练分析所需的模型的特征信息；所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型(例如神经网络或者支持向量机(support vector machine，SVM))以及所述模型的基本参数(例如神经网络包含的节点数、层数等；或者，支持向量机的基本参数)。具体举例如下：
示例1：模型的类型为：后向传播(Back propagation,BP)的神经网络；模型的基本参数为：网络层数：2层，中间层节点数：10。
示例2：模型的类型为：支持向量机；模型的基本参数为：支持向量机的基本参数。例如，支持向量机的类型可能是如下的一种：a)C-SVC：C-支持向量分类机；b)V-SVC：V支持向量分类机；c)一类SVM，单类别-支持向量机；d)e-SVR：ε-支持向量回归机；e)v-SVR：n-支持向量回归机。再例如，支持向量机的基本参数可能是如下的一种：a)线性；b)多项式；c)神经元的非线性作用函数Sigmoid函数；d)Gaussion radial basis kernel(RBF，高斯径向基函数)。
具体的，本发明的上述实施例中步骤12包括：
步骤121，当当终端接入网络中心节点时，向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。即终端首次附着到网络中心节点时，身份验证后，服务器主动向终端附着的网络中心节点推送终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
或者，步骤122，当终端接入网络中心节点时，接收所述网络中心节点发送的请求信令；根据所述请求信令，向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。即终端首次附着到网络中心节点时，身份验证后，终端附着的网络中心节点向服务器发起请求，服务器基于其请求向用户附着的网络中心节点发送用户的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息，如图2所示。
或者，步骤123，当终端从第一网络中心节点切换到第二网络中心节点时，向所述第二网络中心节点发送所述终端的特征数据和/或第二网络中心节点训练分析所需的模型的特征信息。当用户从CU-1切换到CU-2时，CU-2向服务器或CU-1请求终端的特征数据，服务器或CU-1将终端的特征数据发送给CU-2或者将CU-2训练分析所需的模型的特征信息发送给CU-2，如图3所示。
或者，步骤124，当所述终端的特征数据发生更新时，将更新后的所述终端的特征数据发送给所述网络中心节点；和/或，当所述网络中心节点训练分析所需的模型的特征信息发生更新时，将更新后的所述网络中心节点训练分析所需的模型的特征信息发送给所述网络中心节点。服务器根据终端当前接入的网络中心节点的位置，向终端所在的网络中心节点推送特征数据和/或模型的特征信息的更新。推送周期取决与用户的特征数据的更新或者模型的特征信息的更新，当用户的特征数据发生更新或者模型的特征信息发生更新时，进行推送，如图4所示。
如图5所示，本发明实施例还提供一种数据传输方法，应用于网络中心节点侧，包括：
步骤21，接收与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
进一步的，所述方法还包括：
步骤22，根据所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息，进行资源和/或通信方式的配置。
本发明实施例中在网络中部署一服务器，该服务器可部署于核心网侧，也可以独立部署，在此不作具体限定。该服务器通过网络将终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息分发给终端当前接入的网络中心节点，则网络中心节点可以基于这些特征数据来辅助进行资源分配及通信方式决策；从而使得网络可以针对业务及用户的特征数据进行精细化、差异化的资源优化、传输方案设计，同时可以根据这些预测的特征，对用户进行预先提前进行服务，提前回避拥塞，有效的利用闲置资源。
具体的，本发明的上述实施例中步骤21包括：
步骤211，接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
或者，步骤212，当终端从第一网络中心节点切换到第二网络中心节点时，若第一网络中心节点存储有所述终端的特征数据，第二网络中心节点接收所述第一网络中心节点发送的、与所述第二网络中心节点相连接的终端的特征数据。
进一步的，步骤211包括：
步骤2111，当终端接入网络中心节点时，接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。即终端首次附着到网络中心节点时，身份验证后，服务器主动向终端附着的网络中心节点推送终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
或者，步骤2112，当终端接入网络中心节点时，向服务器发送请求信令；所述请求信令用于请求所述服务器发送与所述网络中心节点连接到终端的特征数据；接收所述服务器根据所述请求信令发送的所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。即终端首次附着到网络中心节点时，身份验证后，终端附着的网络中心节点向服务器发起请求，服务器基于其请求向用户附着的网络中心节点发送用户的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
或者，步骤2113，当终端从第一网络中心节点切换到第二网络中心节点时，第二网络中心节点接收服务器所发送的、与所述第二网络中心节点相连接的终端的特征数据和/或第二网络节点训练分析所需的模型的特征信息。当用户从CU-1切换到CU-2时，CU-2向服务器或CU-1请求终端的特征数据，服务器或CU-1将终端的特征数据发送给CU-2。或者，当用户从CU-1切换到CU-2时，CU-2向服务器请求CU-2训练分析所需的模型的特征信息，服务器将CU-2训练分析所需的模型的特征信息发送给CU-2。
或者，步骤2114，当所述终端的特征数据发生更新时，接收服务器发送的、更新后的所述终端的特征数据；和/或，当所述网络中心节点训练分析所需的模型的特征信息发生更新时，接收服务器发送的，更新后的所述网络中心节点训练分析所需的模型的特征信息。服务器根据终端当前接入的网络中心节点的位置，向终端所在的网络中心节点推送特征数据的更新或者模型的特征信息的更新。推送周期取决与用户的特征数据的更新或者模型的特征信息的更新，当用户的特征数据发生更新时或者模型的特征信息的发生更新时，进行推送。
具体的，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息以和/或终端的能力信息；所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。进一步的，本发明的上述实施例中，服务器采集用户相关的控制面数据以及用户面业务特征数据，并根据采集的数据进行计算及特征分析，形成终端的特征数据(也可以称为业务及用户行为的特征资料数据)。
终端的特征数据包含：用户业务习惯，用户终端的解调性能(不同信噪比和传输模式下的误包率，吞吐量，HARQ重传次数)，用户位置信息，终端的轨迹信息等。
或者，服务器根据采集的数据进行计算及特征分析，形成网络中心节点训练分析所需的模型的特征信息；所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型(例如神经网络或者支持向量机(support vector machine，SVM))以及所述模型的基本参数(例如神经网络包含的节点数、层数等；或者，支持向量机的基本参数)。具体举例如下：
示例1：模型的类型为：后向传播(Back propagation,BP)的神经网络；模型的基本参数为：网络层数：2层，中间层节点数：10。
示例2：模型的类型为：支持向量机；模型的基本参数为：支持向量机的基本参数。例如，支持向量机的类型可能是如下的一种：a)C-SVC：C-支持向量分类机；b)V-SVC：V支持向量分类机；c)一类SVM，单类别-支持向量机；d)e-SVR：ε-支持向量回归机；e)v-SVR：n-支持向量回归机。再例如，支持向量机的基本参数可能是如下的一种：a)线性；b)多项式；c)神经元的非线性作用函数Sigmoid函数；d)Gaussion radial basis kernel(RBF，高斯径向基函数)。
为了更清楚的描述上述数据传输方法，下面结合附图进行详细描述：
服务器通过软采，硬采等方式，采集网络DPI(deep packet inspection)数据；服务器对DPI数据进行大数据分析，获取用户的业务习惯，轨迹信息及用户终端能力信息：
a)轨迹/位置信息，如表1所示。i.不同时间段，所在的位置坐标；ii.不同时间段，运动轨迹(起始位置坐标，终点位置坐标，中间关键标识位置坐标)；
b)业务习惯包含：不同时间段/位置，业务发起类型，在线视频，语音，或者是下载业务等；如表2所示。
c)用户终端能力信息；
i.接收机类型：例如可以用2bit标识4种不同的接收机能力等级，11强；10，较强；01，弱；00，很弱；
ii.芯片处理能力：例如可以用1bit标识2种能力等级；1标识处理能力强；0标识弱；
iii.网络接入能力：例如可用2bit标识4种不同的接入能力；11：移动/联通/电信4G网络都可以接入；10：移动/联通4G网络可接入；01：联通3G网络可以接入；00:2G用户。
在用户进行初始接入或者切换时，用户特征服务器，将上述用户特征数据资料发送给CU。
表1某用户的特征数据-业务习惯
表2某用户的特征数据-轨迹及位置
综上，本发明的上述实施例提供的数据传输方法中，核心网侧的服务器根据采集到的数据进行无线大数据进行处理，生成终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息，并基于终端移动，对特征数据和/或特征信息进行分发和更新，网络中心节点可以根据分发的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息，进行资源的优化配置及传输方式决策。具体的，网络可以动态感知用户业务及行为特征，针对业务及用户的特征进行精细化、差异化的资源优化、传输方案设计，同时可以根据这些预测的特征，对用户进行预先提前进行服务，提前回避拥塞，有效的利用闲置资源等。
如图6所示，本发明实施例还提供一种数据传输装置，应用于服务器侧，包括：
数据获取模块61，用于获取终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息；
数据发送模块62，用于向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中所述数据获取模块包括：
获取子模块，用于采集控制面数据以及用户面业务特征数据；
确定子模块，用于对所述控制面数据和所述用户面业务特征数据进行分析，确定终端的特征数据；其中，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息和/或终端的能力信息；和/或，对所述控制面数据和所述用户面业务特征数据进行分析，确定所述网络中心节点训练分析所需的模型的特征信息；其中，所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
具体的，本发明的上述实施例中所述数据发送模块包括：
第一数据发送子模块，用于当终端接入网络中心节点时，向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中所述数据发送模块包括：
信令接收子模块，用于当终端接入网络中心节点时，接收所述网络中心节点发送的请求信令；
第二数据发送子模块，用于根据所述请求信令，向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中所述数据发送模块包括：
第三数据发送子模块，用于当终端从第一网络中心节点切换到第二网络中心节点时，向所述第二网络中心节点发送所述终端的特征数据和/或第二网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中所述数据发送模块包括：
第四数据发送子模块，用于当所述终端的特征数据发生更新时，将更新后的所述终端的特征数据发送给所述网络中心节点；和/或
第五数据发送子模块，用于当所述网络中心节点训练分析所需的模型的特征信息发生更新时，将更新后的所述网络中心节点训练分析所需的模型的特征信息发送给所述网络中心节点。
本发明实施例中在网络中部署一服务器，该服务器可部署于核心网侧，也可以独立部署，在此不作具体限定。该服务器通过网络将终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息分发给终端当前接入的网络中心节点，则网络中心节点可以基于这些特征数据来辅助进行资源分配及通信方式决策；从而使得网络可以针对业务及用户的特征数据进行精细化、差异化的资源优化、传输方案设计，同时可以根据这些预测的特征，对用户进行预先提前进行服务，提前回避拥塞，有效的利用闲置资源。
需要说明的是，本发明实施例提供的数据传输装置是能够执行上述数据传输方法的传输装置，则上述数据传输方法的所有实施例均适用于该数据传输装置，且均能达到相同或相似的有益效果。
如图7所示，本发明实施例还提供一种服务器，包括处理器700、存储器720以及用于在所述处理器700的控制下接收和发送数据的收发器710；
所述处理器700用于读取存储器720中的程序，执行如下过程：
通过所述收发器710获取终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息；并通过所述收发器710向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中，所述处理器700还用于执行如下过程：
所述处理器700控制所述收发器710采集控制面数据以及用户面业务特征数据；
所述处理器700对所述控制面数据和所述用户面业务特征数据进行分析，确定终端的特征数据；其中，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息和/或终端的能力信息；和/或，对所述控制面数据和所述用户面业务特征数据进行分析，确定所述网络中心节点训练分析所需的模型的特征信息；其中，所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
具体的，本发明的上述实施例中，所述处理器700还用于执行如下过程：
当终端接入网络中心节点时，所述处理器700控制所述收发器710向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中，所述处理器700还用于执行如下过程：
当终端接入网络中心节点时，所述处理器700控制所述收发器710接收所述网络中心节点发送的请求信令；所述处理器700根据所述请求信令，控制所述收发器向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中，所述处理器700还用于执行如下过程：
当终端从第一网络中心节点切换到第二网络中心节点时，所述处理器700控制所述收发器710向所述第二网络中心节点发送所述终端的特征数据和/或第二网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中，所述处理器700还用于执行如下过程：
当所述终端的特征数据发生更新时，所述处理器700控制所述收发器710将更新后的所述终端的特征数据发送给所述网络中心节点；和/或
当所述网络中心节点训练分析所需的模型的特征信息发生更新时，所述处理器700控制所述收发器710将更新后的所述网络中心节点训练分析所需的模型的特征信息发送给所述网络中心节点。
其中，在图7中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器700代表的一个或多个处理器和存储器720代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机710可以是多个元件，即包括发送机和收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器700负责管理总线架构和通常的处理，存储器720可以存储处理器700在执行操作时所使用的数据。
处理器700负责管理总线架构和通常的处理，存储器720可以存储处理器700在执行操作时所使用的数据。
本发明实施例中在网络中部署一服务器，该服务器可部署于核心网侧，也可以独立部署，在此不作具体限定。该服务器通过网络将终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息分发给终端当前接入的网络中心节点，则网络中心节点可以基于这些特征数据来辅助进行资源分配及通信方式决策；从而使得网络可以针对业务及用户的特征数据进行精细化、差异化的资源优化、传输方案设计，同时可以根据这些预测的特征，对用户进行预先提前进行服务，提前回避拥塞，有效的利用闲置资源。
需要说明的是，本发明实施例提供的服务器是能够执行上述数据传输方法的服务器，则上述数据传输方法的所有实施例均适用于该服务器，且均能达到相同或相似的有益效果。
为了更好的实现上述目的，本发明实施例还提供一种计算机可读存储介质，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上所述的数据传输方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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读存储介质(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。
本申请是参照根据本申请实施例的方法、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、嵌入式处理机或其它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它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它可编程数据处理设备以特定方式工作的计算机可读存储介质中，使得存储在该计算机可读存储介质中的指令产生包括指令装置的纸制品，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它可编程数据处理设备上，使得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科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。
为了更好的实现上述目的，如图8所示，本发明实施例还提供一种数据传输装置，应用于网络中心节点侧，包括：
数据接收模块81，用于接收与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中所述装置还包括：
处理模块，用于根据所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息，进行资源和/或通信方式的配置。
具体的，本发明的上述实施例中所述数据接收模块包括：
第一数据接收子模块，用于接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中所述第一数据接收子模块包括：
第一数据接收单元，用于当终端接入网络中心节点时，接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中所述第一数据接收子模块包括：
信令发送单元，用于当终端接入网络中心节点时，向服务器发送请求信令；所述请求信令用于请求所述服务器发送与所述网络中心节点连接到终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息；
第二数据接收单元，用于接收所述服务器根据所述请求信令发送的所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中所述第一数据接收子模块包括：
第三数据接收单元，用于当终端从第一网络中心节点切换到第二网络中心节点时，第二网络中心节点接收服务器所发送的、与所述第二网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中所述第一数据接收子模块包括：
第四数据接收单元，用于当所述终端的特征数据发生更新时，接收服务器发送的、更新后的所述终端的特征数据；和/或，
第五数据接收单元，用于当所述网络中心节点训练分析所需的模型的特征信息发生更新时，接收服务器发送的，更新后的所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中所述数据接收模块包括：
第二数据接收子模块，用于当终端从第一网络中心节点切换到第二网络中心节点时，若第一网络中心节点存储有所述终端的特征数据，第二网络中心节点接收所述第一网络中心节点发送的、与所述第二网络中心节点相连接的终端的特征数据。
具体的，本发明的上述实施例中所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息以及终端的能力信息；
所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
本发明实施例中在网络中部署一服务器，该服务器可部署于核心网侧，也可以独立部署，在此不作具体限定。该服务器通过网络将终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息分发给终端当前接入的网络中心节点，则网络中心节点可以基于这些特征数据来辅助进行资源分配及通信方式决策；从而使得网络可以针对业务及用户的特征数据进行精细化、差异化的资源优化、传输方案设计，同时可以根据这些预测的特征，对用户进行预先提前进行服务，提前回避拥塞，有效的利用闲置资源。
需要说明的是，本发明实施例提供的数据传输装置是能够执行上述数据传输方法的传输装置，则上述数据传输方法的所有实施例均适用于该数据传输装置，且均能达到相同或相似的有益效果。
如图7所示，本发明实施例还提供一种网络中心节点，包括处理器700、存储器720以及用于在所述处理器700的控制下接收和发送数据的收发器710；
所述处理器700用于读取存储器720中的程序，执行如下过程：
所述处理器700控制所述收发器710接收与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中，所述处理器700还用于执行如下过程：
所述处理器700根据所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息，进行资源和/或通信方式的配置。
具体的，本发明的上述实施例中，所述处理器700还用于执行如下过程：
所述处理器700控制所述收发器710接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中，所述处理器700还用于执行如下过程：
当终端接入网络中心节点时，所述处理器700控制所述收发器710接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中，所述处理器700还用于执行如下过程：
当终端接入网络中心节点时，所述处理器700控制所述收发器710向服务器发送请求信令；所述请求信令用于请求所述服务器发送与所述网络中心节点连接到终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息；
且所述处理器700控制所述收发器710接收所述服务器根据所述请求信令发送的所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中，所述处理器700还用于执行如下过程：
当终端从第一网络中心节点切换到第二网络中心节点时，所述第二网络中心节点的处理器控制所述第二网络中心节点的收发器接收服务器所发送的、与所述第二网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中，所述处理器700还用于执行如下过程：
当所述终端的特征数据发生更新时，所述处理器700控制所述收发器710接收服务器发送的、更新后的所述终端的特征数据；和/或，
当所述网络中心节点训练分析所需的模型的特征信息发生更新时，所述处理器700控制所述收发器710接收服务器发送的，更新后的所述网络中心节点训练分析所需的模型的特征信息。
具体的，本发明的上述实施例中，所述处理器700还用于执行如下过程：
当终端从第一网络中心节点切换到第二网络中心节点时，若第一网络中心节点存储有所述终端的特征数据，第二网络中心节点的处理器控制所述第二网络中心节点的收发器接收所述第一网络中心节点发送的、与所述第二网络中心节点相连接的终端的特征数据。
具体的，本发明的上述实施例中，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息以及终端的能力信息；
所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
其中，在图7中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器700代表的一个或多个处理器和存储器720代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机710可以是多个元件，即包括发送机和收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器700负责管理总线架构和通常的处理，存储器720可以存储处理器700在执行操作时所使用的数据。
处理器700负责管理总线架构和通常的处理，存储器720可以存储处理器700在执行操作时所使用的数据。
本发明实施例中在网络中部署一服务器，该服务器可部署于核心网侧，也可以独立部署，在此不作具体限定。该服务器通过网络将终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息分发给终端当前接入的网络中心节点，则网络中心节点可以基于这些特征数据来辅助进行资源分配及通信方式决策；从而使得网络可以针对业务及用户的特征数据进行精细化、差异化的资源优化、传输方案设计，同时可以根据这些预测的特征，对用户进行预先提前进行服务，提前回避拥塞，有效的利用闲置资源。
需要说明的是，本发明实施例提供的网络中心节点是能够执行上述数据传输方法的网络中心节点，则上述数据传输方法的所有实施例均适用于该网络中心节点，且均能达到相同或相似的有益效果。
本发明实施例还提供一种计算机可读存储介质，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上所述的数据传输方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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读存储介质(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。
本申请是参照根据本申请实施例的方法、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、嵌入式处理机或其它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它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它可编程数据处理设备以特定方式工作的计算机可读存储介质中，使得存储在该计算机可读存储介质中的指令产生包括指令装置的纸制品，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它可编程数据处理设备上，使得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科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，以上所述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技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (30)
1.一种数据传输方法，应用于服务器侧，其特征在于，包括：
获取终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息；
向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息；以使所述网络中心节点根据所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息进行资源和/或通信方式的配置；
其中，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息和/或终端的能力信息；所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
2.根据权利要求1所述的方法，其特征在于，所述获取终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息的步骤，包括：
采集控制面数据以及用户面业务特征数据；
对所述控制面数据和所述用户面业务特征数据进行分析，确定终端的特征数据；和/或，对所述控制面数据和所述用户面业务特征数据进行分析，确定所述网络中心节点训练分析所需的模型的特征信息。
3.根据权利要求1所述的方法，其特征在于，所述向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当终端接入网络中心节点时，向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
4.根据权利要求1所述的方法，其特征在于，所述向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当终端接入网络中心节点时，接收所述网络中心节点发送的请求信令；
根据所述请求信令，向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
5.根据权利要求1所述的方法，其特征在于，所述向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当终端从第一网络中心节点切换到第二网络中心节点时，向所述第二网络中心节点发送所述终端的特征数据和/或第二网络中心节点训练分析所需的模型的特征信息。
6.根据权利要求1所述的方法，其特征在于，所述向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当所述终端的特征数据发生更新时，将更新后的所述终端的特征数据发送给所述网络中心节点；和/或，
当所述网络中心节点训练分析所需的模型的特征信息发生更新时，将更新后的所述网络中心节点训练分析所需的模型的特征信息发送给所述网络中心节点。
7.一种数据传输方法，应用于网络中心节点侧，其特征在于，包括：
接收与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息；
其中，所述接收与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息之后，所述方法还包括：
根据所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息，进行资源和/或通信方式的配置；
其中，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息和/或终端的能力信息；所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
8.根据权利要求7所述的方法，其特征在于，所述接收与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
9.根据权利要求8所述的方法，其特征在于，所述接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当终端接入网络中心节点时，接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
10.根据权利要求8所述的方法，其特征在于，所述接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当终端接入网络中心节点时，向服务器发送请求信令；所述请求信令用于请求所述服务器发送与所述网络中心节点连接到终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息；
接收所述服务器根据所述请求信令发送的所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
11.根据权利要求8所述的方法，其特征在于，所述接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当终端从第一网络中心节点切换到第二网络中心节点时，第二网络中心节点接收服务器所发送的、与所述第二网络中心节点相连接的终端的特征数据和/或第二网络节点训练分析所需的模型的特征信息。
12.根据权利要求8所述的方法，其特征在于，所述接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息的步骤，包括：
当所述终端的特征数据发生更新时，接收服务器发送的、更新后的所述终端的特征数据；和/或，
当所述网络中心节点训练分析所需的模型的特征信息发生更新时，接收服务器发送的，更新后的所述网络中心节点训练分析所需的模型的特征信息。
13.根据权利要求7所述的方法，其特征在于，所述接收与所述网络中心节点相连接的终端的特征数据的步骤，包括：
当终端从第一网络中心节点切换到第二网络中心节点时，若第一网络中心节点存储有所述终端的特征数据，第二网络中心节点接收所述第一网络中心节点发送的、与所述第二网络中心节点相连接的终端的特征数据。
14.一种数据传输装置，应用于服务器侧，其特征在于，包括：
数据获取模块，用于获取终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息；
数据发送模块，用于向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息；以使所述网络中心节点根据所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息进行资源和/或通信方式的配置；
其中，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息和/或终端的能力信息；所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
15.一种服务器，其特征在于，包括处理器、存储器以及用于在所述处理器的控制下接收和发送数据的收发器；
所述处理器用于读取存储器中的程序，执行如下过程：
通过所述收发器获取终端的特征数据和/或网络中心节点训练分析所需的模型的特征信息；并通过所述收发器向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息；以使所述网络中心节点根据所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息进行资源和/或通信方式的配置；
其中，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息和/或终端的能力信息；所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
16.根据权利要求15所述的服务器，其特征在于，所述处理器还用于执行如下过程：
所述处理器控制所述收发器采集控制面数据以及用户面业务特征数据；
所述处理器对所述控制面数据和所述用户面业务特征数据进行分析，确定终端的特征数据；和/或，对所述控制面数据和所述用户面业务特征数据进行分析，确定所述网络中心节点训练分析所需的模型的特征信息。
17.根据权利要求15所述的服务器，其特征在于，所述处理器还用于执行如下过程：
当终端接入网络中心节点时，所述处理器控制所述收发器向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
18.根据权利要求15所述的服务器，其特征在于，所述处理器还用于执行如下过程：
当终端接入网络中心节点时，所述处理器控制所述收发器接收所述网络中心节点发送的请求信令；所述处理器根据所述请求信令，控制所述收发器向网络中心节点发送所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
19.根据权利要求15所述的服务器，其特征在于，所述处理器还用于执行如下过程：
当终端从第一网络中心节点切换到第二网络中心节点时，所述处理器控制所述收发器向所述第二网络中心节点发送所述终端的特征数据和/或第二网络中心节点训练分析所需的模型的特征信息。
20.根据权利要求15所述的服务器，其特征在于，所述处理器还用于执行如下过程：
当所述终端的特征数据发生更新时，所述处理器控制所述收发器将更新后的所述终端的特征数据发送给所述网络中心节点；和/或
当所述网络中心节点训练分析所需的模型的特征信息发生更新时，所述处理器控制所述收发器将更新后的所述网络中心节点训练分析所需的模型的特征信息发送给所述网络中心节点。
21.一种计算机可读存储介质，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的数据传输方法。
22.一种数据传输装置，应用于网络中心节点侧，其特征在于，包括：
数据接收模块，用于接收与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息；
所述装置还包括：
处理模块，用于根据所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息，进行资源和/或通信方式的配置；
其中，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息和/或终端的能力信息；所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
23.一种网络中心节点，其特征在于，包括处理器、存储器以及用于在所述处理器的控制下接收和发送数据的收发器；
所述处理器用于读取存储器中的程序，执行如下过程：
所述处理器控制所述收发器接收与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息；
其中，所述处理器还用于执行如下过程：
所述处理器根据所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息，进行资源和/或通信方式的配置；
其中，所述终端的特征数据包括：终端的业务习惯、终端的轨迹信息和/或终端的能力信息；所述网络中心节点训练分析所需的模型的特征信息包括：所述模型的类型以及所述模型的基本参数。
24.根据权利要求23所述的网络中心节点，其特征在于，所述处理器还用于执行如下过程：
所述处理器控制所述收发器接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
25.根据权利要求24所述的网络中心节点，其特征在于，所述处理器还用于执行如下过程：
当终端接入网络中心节点时，所述处理器控制所述收发器接收服务器所发送的、与所述网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
26.根据权利要求24所述的网络中心节点，其特征在于，所述处理器还用于执行如下过程：
当终端接入网络中心节点时，所述处理器控制所述收发器向服务器发送请求信令；所述请求信令用于请求所述服务器发送与所述网络中心节点连接到终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息；
且所述处理器控制所述收发器接收所述服务器根据所述请求信令发送的所述终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
27.根据权利要求24所述的网络中心节点，其特征在于，所述处理器还用于执行如下过程：
当终端从第一网络中心节点切换到第二网络中心节点时，所述第二网络中心节点的处理器控制所述第二网络中心节点的收发器接收服务器所发送的、与所述第二网络中心节点相连接的终端的特征数据和/或所述网络中心节点训练分析所需的模型的特征信息。
28.根据权利要求24所述的网络中心节点，其特征在于，所述处理器还用于执行如下过程：
当所述终端的特征数据发生更新时，所述处理器控制所述收发器接收服务器发送的、更新后的所述终端的特征数据；和/或，
当所述网络中心节点训练分析所需的模型的特征信息发生更新时，所述处理器控制所述收发器接收服务器发送的，更新后的所述网络中心节点训练分析所需的模型的特征信息。
29.根据权利要求23所述的网络中心节点，其特征在于，所述处理器还用于执行如下过程：
当终端从第一网络中心节点切换到第二网络中心节点时，若第一网络中心节点存储有所述终端的特征数据，第二网络中心节点的处理器控制所述第二网络中心节点的收发器接收所述第一网络中心节点发送的、与所述第二网络中心节点相连接的终端的特征数据。
30.一种计算机可读存储介质，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求7-13任一项所述的数据传输方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710457078.XA CN109151895B (zh) | 2017-06-16 | 2017-06-16 | 一种数据传输方法、装置、服务器及网络中心节点 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710457078.XA CN109151895B (zh) | 2017-06-16 | 2017-06-16 | 一种数据传输方法、装置、服务器及网络中心节点 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109151895A CN109151895A (zh) | 2019-01-04 |
| CN109151895B true CN109151895B (zh) | 2022-07-22 |
Family
ID=64830417
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710457078.XA Active CN109151895B (zh) | 2017-06-16 | 2017-06-16 | 一种数据传输方法、装置、服务器及网络中心节点 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109151895B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116233919A (zh) * | 2021-12-03 | 2023-06-06 | 维沃移动通信有限公司 | 信息传输方法、装置、终端及网络侧设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103475790A (zh) * | 2013-09-06 | 2013-12-25 | 中国科学院计算技术研究所 | 一种智能移动终端功耗管理方法 |
| CN104035698A (zh) * | 2013-03-04 | 2014-09-10 | 联想(北京)有限公司 | 终端设备及其状态切换方法 |
| CN104077516A (zh) * | 2014-06-26 | 2014-10-01 | 华为技术有限公司 | 一种生物认证方法及终端 |
| CN105939416A (zh) * | 2016-05-30 | 2016-09-14 | 努比亚技术有限公司 | 移动终端及其应用预启动方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9807640B2 (en) * | 2013-12-17 | 2017-10-31 | Taiwan Semiconductor Manufacturing Company, Ltd. | Network operating system resource coordination |
-
2017
- 2017-06-16 CN CN201710457078.XA patent/CN109151895B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104035698A (zh) * | 2013-03-04 | 2014-09-10 | 联想(北京)有限公司 | 终端设备及其状态切换方法 |
| CN103475790A (zh) * | 2013-09-06 | 2013-12-25 | 中国科学院计算技术研究所 | 一种智能移动终端功耗管理方法 |
| CN104077516A (zh) * | 2014-06-26 | 2014-10-01 | 华为技术有限公司 | 一种生物认证方法及终端 |
| CN105939416A (zh) * | 2016-05-30 | 2016-09-14 | 努比亚技术有限公司 | 移动终端及其应用预启动方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109151895A (zh) | 2019-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101943530B1 (ko) | 이동성 관리를 위한 가상 서빙 게이트웨이를 배치하기 위한 시스템 및 방법 | |
| Kaur et al. | Edge computing in the industrial internet of things environment: Software-defined-networks-based edge-cloud interplay | |
| CN113261244B (zh) | 联合mec主机和upf选择的网络节点 | |
| CN105830031B (zh) | 用于选择媒体处理单元的方法和网络节点 | |
| Nguyen et al. | Distributed deep deterministic policy gradient for power allocation control in D2D-based V2V communications | |
| Wang et al. | Regional intelligent resource allocation in mobile edge computing based vehicular network | |
| KR102046713B1 (ko) | 모바일 비디오의 품질 향상을 위한 모바일 에지 클라우드에서의 트래픽 관리 방법 및 이를 위한 장치 | |
| CN104904166A (zh) | 电信设备上的网络分组智能路由 | |
| KR101460048B1 (ko) | 태깅을 이용한 다이나믹 서비스 체이닝 제어 방법 및 장치 | |
| Dai et al. | Edge intelligence for adaptive multimedia streaming in heterogeneous internet of vehicles | |
| CN113766576B (zh) | 服务质量管理方法、电子设备以及存储介质 | |
| CN108141796A (zh) | 协作ran和传输网络利用 | |
| CN105830415A (zh) | 用于管理媒体流的方法、无线通信设备和基站设备 | |
| Quan et al. | Cybertwin-driven DRL-based adaptive transmission scheduling for software defined vehicular networks | |
| Siddiqi et al. | Towards AI-enabled traffic management in multipath TCP: A survey | |
| CN107426721A (zh) | 一种无线网络资源调控方法及装置 | |
| CN106792923A (zh) | 一种配置QoS策略的方法及装置 | |
| CN109151895B (zh) | 一种数据传输方法、装置、服务器及网络中心节点 | |
| CN113328953B (zh) | 网络拥塞调整的方法、装置和存储介质 | |
| CN107154901A (zh) | 数据传输的控制方法及系统、数据传输方法及装置 | |
| CN115665264A (zh) | 一种基于时延感知的电力通信网自主业务编排方法和装置 | |
| KR20190114126A (ko) | 메시지의 처리 완료 지연 시간을 기초로 스위치로의 메시지 송신을 제어하는 sdn 컨트롤러 및 그 방법 | |
| CN103905316B (zh) | 一种应用与网络融合驱动的多协议选路系统及方法 | |
| WO2022258196A1 (en) | Determine handover parameters by machine learning | |
| Shah et al. | Toward Network Slicing Enabled Edge Computing: A Cloud-Native Approach for Slice Mobility |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |