CN109302719B - 一种lte小区容量预测分析方法及装置 - Google Patents
一种lte小区容量预测分析方法及装置 Download PDFInfo
- Publication number
- CN109302719B CN109302719B CN201811308006.XA CN201811308006A CN109302719B CN 109302719 B CN109302719 B CN 109302719B CN 201811308006 A CN201811308006 A CN 201811308006A CN 109302719 B CN109302719 B CN 109302719B
- Authority
- CN
- China
- Prior art keywords
- capacity
- index
- cell
- prediction analysis
- user number
- 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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供一种LTE小区容量预测分析方法及装置,选取多个LTE小区作为样本小区,获取每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率;根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型;根据容量预测分析模型对目标LTE小区进行容量预测分析。该方法及装置综合考量用户数、流量、PRB负荷、理想用户数等各项指标,建立容量预测分析模型,以实现对目标LTE小区的容量预测分析,从而对容量受限小区进行预扩容,能够提前预测并处理小区容量问题,能够有效提升无线网络日常优化和应急保障工作能力。
Description
技术领域
本发明实施例涉及通信技术领域,更具体地,涉及一种LTE小区容量预测分析方法及装置。
背景技术
目前,LTE无线网络规模逐步扩大,用户量持续增加,国内运营商相继推出了不限量套餐,用户使用手机网络的流量呈现爆发式增长。如何快速、高效地分析和预测无线网络容量状况,并精准开展LTE网络扩容,是提升无线网络日常优化和应急保障工作能力的重点方向。
当前无线网络容量分析所采用的分析方法通常是在小区容量不足已经长期发生的情况下进行排查实现的,这种分析方法只能分析小区过去发生的容量问题而无法预测后续的容量变化,难以提升无线网络日常优化和应急保障工作能力。
发明内容
本发明实施例为了克服现有的容量分析方法只能分析小区过去发生的容量问题而无法预测后续的容量变化的问题,提供一种LTE小区容量预测分析方法及装置。
第一方面,本发明实施例提供一种LTE小区容量预测分析方法,包括:
选取多个LTE小区作为样本小区,获取每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率;
根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型;
根据容量预测分析模型对目标LTE小区进行容量预测分析。
第二方面,本发明实施例提供一种LTE小区容量预测分析装置,包括:
样本预处理模块,用于选取多个LTE小区作为样本小区,获取每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率;
模型建立模块,用于根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型;
预测分析模块,用于根据容量预测分析模型对目标LTE小区进行容量预测分析。
第三方面,本发明实施例提供一种电子设备,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如第一方面所提供的方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如第一方面所提供的方法的步骤。
本发明实施例提供的LTE小区容量预测分析方法及装置,选取多个LTE小区作为样本小区,获取每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率;根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型;根据容量预测分析模型对目标LTE小区进行容量预测分析。该方法及装置从移动通信网络专网优化的实际工作出发,通过分析多个LTE小区在历史统计周期内的用户数、流量、PRB负荷、理想用户数等各项指标,建立容量预测分析模型,以实现对目标LTE小区的容量预测分析,从而对容量受限小区进行预扩容,能够提前预测并处理小区容量问题,能够有效提升无线网络日常优化和应急保障工作能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的LTE小区容量预测分析方法的流程示意图;
图2为本发明实施例提供的LTE小区容量预测分析装置的结构示意图;
图3为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的LTE小区容量预测分析方法的流程示意图,如图1所示,本发明实施例提供一种LTE小区容量预测分析方法,包括:
S1,选取多个LTE小区作为样本小区,获取每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率;
具体地,选取多个LTE小区作为样本小区,其中样本小区包括历史统计周期内出现的容量受限小区和容量不受限小区,其中历史统计周期可以为过去的一段时间,比如,过去的一个月,历史统计周期的具体时长可以根据实际情况进行确定,此处不做具体限定。此外,需要说明的是,容量受限小区指的是需要进行容量扩容的小区,容量不受限小区指的是无需进行容量扩容的小区。
在上述技术方案的基础上,获取每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率。其中,用户数指标表示的是样本小区在某个时段的平均RRC连接用户数;流量指标表示的是样本小区在某个时段的下行实际流量与下行承载流量的比值;PRB负荷指标表示的是样本小区在某个时段的下行PRB负荷;理想用户数指标表示的是样本小区在某个时段的实际承载用户数与理想承载用户数的比值;容量受限概率表示的是样本小区的容量受限情况,其中容量受限情况包括容量受限和容量不受限两种情况。本实施例中,若某个样本小区在某一天容量受限,则将该样本小区在这一天对应的容量受限概率记为1;若某个样本小区在某一天容量不受限,则将该样本小区在这一天对应的容量受限概率记为0。
可以理解的是,由于历史统计周期为过去的一段时间,因此,每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率是可以直接根据每个样本小区的历史统计数据获得的。此外,可以理解的是,若某个样本小区在某一天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标越高,则该样本小区在这一天对应的容量受限概率越大。
S2,根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型;
具体地,在获得每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率的基础上,将所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标作为非线性回归算法的输入变量,并将所有样本小区在历史统计周期内每天对应的容量受限概率作为非线性回归算法的目标向量,建立容量预测分析模型。
S3,根据容量预测分析模型对目标LTE小区进行容量预测分析。
具体地,在建立容量预测分析模型之后,获取目标LTE小区在当前时段对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标,将目标LTE小区在当前时段对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标输入容量预测分析模型,获得目标LTE小区对应的容量受限概率。最终,根据目标LTE小区对应的容量受限概率获得目标LTE小区的容量受限情况,并根据目标LTE小区的容量受限情况确定是否对目标LTE小区进行扩容。
本发明实施例提供的LTE小区容量预测分析方法,选取多个LTE小区作为样本小区,获取每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率;根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型;根据容量预测分析模型对目标LTE小区进行容量预测分析。该方法从移动通信网络专网优化的实际工作出发,通过分析多个LTE小区在历史统计周期内的用户数、流量、PRB负荷、理想用户数等各项指标,建立容量预测分析模型,以实现对目标LTE小区的容量预测分析,从而对容量受限小区进行预扩容,能够提前预测并处理小区容量问题,能够有效提升无线网络日常优化和应急保障工作能力。
基于上述任一实施例,提供一种LTE小区容量预测分析方法,根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型,具体为:将所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标作为非线性回归算法的输入变量,并将所有样本小区在历史统计周期内每天对应的容量受限概率作为非线性回归算法的目标向量,建立容量预测分析模型。
具体地,本实施例中,根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型,具体实现如下:
将所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标作为非线性回归算法的输入变量,并将所有样本小区在历史统计周期内每天对应的容量受限概率作为非线性回归算法的目标向量,建立容量预测分析模型。在这个过程中,对容量预测分析模型进行迭代训练,调整容量预测分析模型的各项参数,使得容量预测分析模型的输出向量与目标向量之间的误差在预设的误差范围内,此时容量预测分析模型达到最优状态,容量预测分析模型迭代训练完成。
本发明实施例提供的LTE小区容量预测分析方法,将所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标作为非线性回归算法的输入变量,并将所有样本小区在历史统计周期内每天对应的容量受限概率作为非线性回归算法的目标向量,建立容量预测分析模型。该方法综合考量用户数、流量、PRB负荷、理想用户数等各项指标,建立容量预测分析模型,能够有效提高容量预测分析模型的预测分析能力,并能够有效确保容量预测分析模型的预测分析结果的准确性。
基于上述任一实施例,提供一种LTE小区容量预测分析方法,根据容量预测分析模型对目标LTE小区进行容量预测分析,具体包括:将目标LTE小区在当前时段对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标输入容量预测分析模型,获得目标LTE小区对应的容量受限概率;结合目标LTE小区对应的容量受限概率、目标LTE小区的覆盖情况和目标LTE小区的覆盖情景判断是否对目标LTE小区进行预扩容。
具体地,本实施例中,在获得容量预测分析模型之后,根据容量预测分析模型对目标LTE小区进行容量预测分析,具体实现过程如下:
若当前时段需要对目标LTE小区下一时段的容量进行预测分析,则获取目标LTE小区在当前时段对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标,将目标LTE小区在当前时段对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标输入容量预测分析模型,获得目标LTE小区对应的容量受限概率。在此基础上,进一步判断目标LTE小区对应的容量受限概率是否大于预设概率阈值,若大于预设概率阈值,则进一步确定目标LTE小区的覆盖情况和目标LTE小区的覆盖情景,若目标LTE小区不存在过覆盖的干扰,且目标LTE小区的覆盖场景优先级高于预设优先级,则对目标LTE小区进行预扩容。本实施例中,预设概率阈值为0.8,在其他实施例中,预设概率阈值可以根据实际情况进行确定,此处不做具体限定。此外,目标LTE小区的覆盖情况可以根据过覆盖算法进行确定,目标LTE小区的覆盖情景和预设优先级可以结合目标LTE小区的实际情况进行设置,此处不做具体限定。
本发明实施例提供的LTE小区容量预测分析方法,将目标LTE小区在当前时段对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标输入容量预测分析模型,获得目标LTE小区对应的容量受限概率;结合目标LTE小区对应的容量受限概率、目标LTE小区的覆盖情况和目标LTE小区的覆盖情景判断是否对目标LTE小区进行预扩容。该方法能够提前预测并处理小区容量问题,能够有效提升无线网络日常优化和应急保障工作能力。
基于上述任一实施例,提供一种LTE小区容量预测分析方法,获取每个样本小区在历史统计周期内每天对应的用户数指标,具体为:对于任意一个样本小区,获取样本小区在历史统计周期内每天对应的自忙时平均RRC连接用户数,作为样本小区在历史统计周期内每天对应的用户数指标。
具体地,本实施例中,对于任意一个样本小区,以小时为单位,以一天内平均RRC连接用户数最大的时段为该样本小区自忙时。在此基础上,获取该样本小区在历史统计周期内每天对应的自忙时平均RRC连接用户数,作为该样本小区在历史统计周期内每天对应的用户数指标。可以理解的是,小区自忙时平均RRC连接用户数为一天内平均RRC连接用户数最大的时段,小区自忙时相较于其他时段更容易出现容量受限的情况。因此,本实施例中将自忙时平均RRC连接用户数作为用户指标输入非线性回归算法以建立容量预测分析模型,使得容量预测分析模型能够有效预测分析小区容量受限的情况。
本发明实施例提供的LTE小区容量预测分析方法,对于任意一个样本小区,获取样本小区在历史统计周期内每天对应的自忙时平均RRC连接用户数,作为样本小区在历史统计周期内每天对应的用户数指标。该方法将自忙时平均RRC连接用户数作为用户指标输入非线性回归算法以建立容量预测分析模型,使得容量预测分析模型能够有效预测分析小区容量受限的情况,有利于提升容量预测分析模型的预测分析能力。
基于上述任一实施例,提供一种LTE小区容量预测分析方法,获取每个样本小区在历史统计周期内每天对应的流量指标,具体为:对于任意一个样本小区,获取样本小区在历史统计周期内每天对应的自忙时下行实际流量与下行承载流量的比值,作为样本小区在历史统计周期内每天对应的流量指标。
具体地,本实施例中,对于任意一个样本小区,以小时为单位,以一天内小区下行实际流量最大的时段为该样本小区自忙时。在此基础上,获取该样本小区在历史统计周期内每天对应的自忙时下行实际流量与下行承载流量的比值,作为该样本小区在历史统计周期内每天对应的流量指标。其中,小区下行实际流量为小区PDCP层下行用户面总流量,小区下行承载流量=[下行频谱效率×带宽×统计时长(秒)/8]。可以理解的是,小区自忙时下行实际流量为一天内下行实际流量最大的时段,小区自忙时相较于其他时段更容易出现容量受限的情况。因此,本实施例中将自忙时下行实际流量与下行承载流量的比值作为流量指标输入非线性回归算法以建立容量预测分析模型,使得容量预测分析模型能够有效预测分析小区容量受限的情况。
本发明实施例提供的LTE小区容量预测分析方法,对于任意一个样本小区,获取样本小区在历史统计周期内每天对应的自忙时下行实际流量与下行承载流量的比值,作为样本小区在历史统计周期内每天对应的流量指标。该方法将自忙时下行实际流量与下行承载流量的比值作为流量指标输入非线性回归算法以建立容量预测分析模型,使得容量预测分析模型能够有效预测分析小区容量受限的情况,有利于提升容量预测分析模型的预测分析能力。
基于上述任一实施例,提供一种LTE小区容量预测分析方法,获取每个样本小区在历史统计周期内每天对应的PRB负荷指标,具体为:对于任意一个样本小区,获取样本小区在历史统计周期内每天对应的自忙时下行PRB负荷,作为样本小区在历史统计周期内每天对应的PRB负荷指标。
具体地,本实施例中,对于任意一个样本小区,以小时为单位,以一天内下行PRB平均占用率最高的时段为该样本小区自忙时。在此基础上,获取该样本小区在历史统计周期内每天对应的自忙时下行PRB负荷,作为该样本小区在历史统计周期内每天对应的PRB负荷指标。其中,下行PRB负荷为下行PRB平均占用率。可以理解的是,小区自忙时下行PRB负荷为一天内下行PRB负荷最高的时段,小区自忙时相较于其他时段更容易出现容量受限的情况。因此,本实施例中将自忙时下行PRB负荷作为PRB负荷指标输入非线性回归算法以建立容量预测分析模型,使得容量预测分析模型能够有效预测分析小区容量受限的情况。
本发明实施例提供的LTE小区容量预测分析方法,对于任意一个样本小区,获取样本小区在历史统计周期内每天对应的自忙时下行PRB负荷,作为样本小区在历史统计周期内每天对应的PRB负荷指标。该方法将自忙时下行PRB负荷作为PRB负荷指标输入非线性回归算法以建立容量预测分析模型,使得容量预测分析模型能够有效预测分析小区容量受限的情况,有利于提升容量预测分析模型的预测分析能力。
基于上述任一实施例,提供一种LTE小区容量预测分析方法,获取每个样本小区在历史统计周期内每天对应的理想用户数指标,具体为:对于任意一个样本小区,获取样本小区在历史统计周期内每天对应的自忙时实际承载用户数与理想承载用户数的比值,作为样本小区在历史统计周期内每天对应的理想用户数指标。
具体地,本实施例中,对于任意一个样本小区,以小时为单位,以一天内实际承载用户数最大的时段为该样本小区自忙时。在此基础上,获取该样本小区在历史统计周期内每天对应的自忙时实际承载用户数与理想承载用户数的比值,作为该样本小区在历史统计周期内每天对应的理想用户数指标。其中,小区实际承载用户数为小区下行平均激活用户数,小区理想承载用户数=[下行频谱效率×带宽/2Mbps]。可以理解的是,小区自忙时实际承载用户数为一天内实际承载用户数最大的时段,小区自忙时相较于其他时段更容易出现容量受限的情况。因此,本实施例中将自忙时实际承载用户数与理想承载用户数的比值作为理想用户数指标输入非线性回归算法以建立容量预测分析模型,使得容量预测分析模型能够有效预测分析小区容量受限的情况。
本发明实施例提供的LTE小区容量预测分析方法,对于任意一个样本小区,获取样本小区在历史统计周期内每天对应的自忙时实际承载用户数与理想承载用户数的比值,作为样本小区在历史统计周期内每天对应的理想用户数指标。该方法将自忙时实际承载用户数与理想承载用户数的比值作为理想用户数指标输入非线性回归算法以建立容量预测分析模型,使得容量预测分析模型能够有效预测分析小区容量受限的情况,有利于提升容量预测分析模型的预测分析能力。
图2为本发明实施例提供的LTE小区容量预测分析装置的结构示意图,如图2所示,该预测分析装置包括:样本预处理模块21、模型建立模块22和预测分析模块23,其中:
样本预处理模块21,用于选取多个LTE小区作为样本小区,获取每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率;
具体地,利用样本预处理模块21选取多个LTE小区作为样本小区,其中样本小区包括历史统计周期内出现的容量受限小区和容量不受限小区,其中历史统计周期可以为过去的一段时间,比如,过去的一个月,历史统计周期的具体时长可以根据实际情况进行确定,此处不做具体限定。此外,需要说明的是,容量受限小区指的是需要进行容量扩容的小区,容量不受限小区指的是无需进行容量扩容的小区。
在上述技术方案的基础上,利用样本预处理模块21获取每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率。其中,用户数指标表示的是样本小区在某个时段的平均RRC连接用户数;流量指标表示的是样本小区在某个时段的下行实际流量与下行承载流量的比值;PRB负荷指标表示的是样本小区在某个时段的下行PRB负荷;理想用户数指标表示的是样本小区在某个时段的实际承载用户数与理想承载用户数的比值;容量受限概率表示的是样本小区的容量受限情况,其中容量受限情况包括容量受限和容量不受限两种情况。本实施例中,若某个样本小区在某一天容量受限,则将该样本小区在这一天对应的容量受限概率记为1;若某个样本小区在某一天容量不受限,则将该样本小区在这一天对应的容量受限概率记为0。
模型建立模块22,用于根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型;
具体地,在获得每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率的基础上,利用模型建立模块22将所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标作为非线性回归算法的输入变量,并将所有样本小区在历史统计周期内每天对应的容量受限概率作为非线性回归算法的目标向量,建立容量预测分析模型。
预测分析模块23,用于根据容量预测分析模型对目标LTE小区进行容量预测分析。
具体地,在建立容量预测分析模型之后,利用预测分析模块23获取目标LTE小区在当前时段对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标,将目标LTE小区在当前时段对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标输入容量预测分析模型,获得目标LTE小区对应的容量受限概率。最终,根据目标LTE小区对应的容量受限概率获得目标LTE小区的容量受限情况,并根据目标LTE小区的容量受限情况确定是否对目标LTE小区进行扩容。
本发明实施例提供的LTE小区容量预测分析装置,具体执行上述各预测分析方法实施例流程,具体请详见上述各预测分析方法实施例的内容,在此不再赘述。
本发明实施例提供的LTE小区容量预测分析装置,选取多个LTE小区作为样本小区,获取每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率;根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型;根据容量预测分析模型对目标LTE小区进行容量预测分析。该装置从移动通信网络专网优化的实际工作出发,通过分析多个LTE小区在历史统计周期内的用户数、流量、PRB负荷、理想用户数等各项指标,建立容量预测分析模型,以实现对目标LTE小区的容量预测分析,从而对容量受限小区进行预扩容,能够提前预测并处理小区容量问题,能够有效提升无线网络日常优化和应急保障工作能力。
图3为本发明实施例提供的电子设备的实体结构示意图。参照图3,所述电子设备,包括:处理器(processor)31、存储器(memory)32和总线33;其中,所述处理器31和存储器32通过所述总线33完成相互间的通信;所述处理器31用于调用所述存储器32中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:选取多个LTE小区作为样本小区,获取每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率;根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型;根据容量预测分析模型对目标LTE小区进行容量预测分析。
此外,上述的存储器32中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,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或者该技术方案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步骤。而前述的存储介质包括:U盘、移动硬盘、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。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的预测分析方法,例如包括:选取多个LTE小区作为样本小区,获取每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率;根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型;根据容量预测分析模型对目标LTE小区进行容量预测分析。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种LTE小区容量预测分析方法,其特征在于,包括:
选取多个LTE小区作为样本小区,获取每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率;
根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型;
根据容量预测分析模型对目标LTE小区进行容量预测分析;
根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型,具体为:
将所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标作为非线性回归算法的输入变量,并将所有样本小区在历史统计周期内每天对应的容量受限概率作为非线性回归算法的目标向量,建立容量预测分析模型;
根据容量预测分析模型对目标LTE小区进行容量预测分析,具体包括:
将目标LTE小区在当前时段对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标输入容量预测分析模型,获得目标LTE小区对应的容量受限概率;
结合目标LTE小区对应的容量受限概率、目标LTE小区的覆盖情况和目标LTE小区的覆盖情景判断是否对目标LTE小区进行预扩容。
2.根据权利要求1所述的方法,其特征在于,获取每个样本小区在历史统计周期内每天对应的用户数指标,具体为:
对于任意一个样本小区,获取所述样本小区在历史统计周期内每天对应的自忙时平均RRC连接用户数,作为所述样本小区在历史统计周期内每天对应的用户数指标。
3.根据权利要求1所述的方法,其特征在于,获取每个样本小区在历史统计周期内每天对应的流量指标,具体为:
对于任意一个样本小区,获取所述样本小区在历史统计周期内每天对应的自忙时下行实际流量与下行承载流量的比值,作为所述样本小区在历史统计周期内每天对应的流量指标。
4.根据权利要求1所述的方法,其特征在于,获取每个样本小区在历史统计周期内每天对应的PRB负荷指标,具体为:
对于任意一个样本小区,获取所述样本小区在历史统计周期内每天对应的自忙时下行PRB负荷,作为所述样本小区在历史统计周期内每天对应的PRB负荷指标。
5.根据权利要求1所述的方法,其特征在于,获取每个样本小区在历史统计周期内每天对应的理想用户数指标,具体为:
对于任意一个样本小区,获取所述样本小区在历史统计周期内每天对应的自忙时实际承载用户数与理想承载用户数的比值,作为所述样本小区在历史统计周期内每天对应的理想用户数指标。
6.一种LTE小区容量预测分析装置,其特征在于,包括:
样本预处理模块,用于选取多个LTE小区作为样本小区,获取每个样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率;
模型建立模块,用于根据所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标、理想用户数指标和容量受限概率建立容量预测分析模型;
预测分析模块,用于根据容量预测分析模型对目标LTE小区进行容量预测分析;
所述模型建立模块,具体用于将所有样本小区在历史统计周期内每天对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标作为非线性回归算法的输入变量,并将所有样本小区在历史统计周期内每天对应的容量受限概率作为非线性回归算法的目标向量,建立容量预测分析模型;
所述预测分析模块,具体用于将目标LTE小区在当前时段对应的用户数指标、流量指标、PRB负荷指标和理想用户数指标输入容量预测分析模型,获得目标LTE小区对应的容量受限概率;结合目标LTE小区对应的容量受限概率、目标LTE小区的覆盖情况和目标LTE小区的覆盖情景判断是否对目标LTE小区进行预扩容。
7.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至5任一所述的方法。
8.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至5任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811308006.XA CN109302719B (zh) | 2018-11-05 | 2018-11-05 | 一种lte小区容量预测分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811308006.XA CN109302719B (zh) | 2018-11-05 | 2018-11-05 | 一种lte小区容量预测分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109302719A CN109302719A (zh) | 2019-02-01 |
CN109302719B true CN109302719B (zh) | 2022-02-08 |
Family
ID=65145971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811308006.XA Active CN109302719B (zh) | 2018-11-05 | 2018-11-05 | 一种lte小区容量预测分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109302719B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111586737B (zh) * | 2019-02-19 | 2022-04-05 | 大唐移动通信设备有限公司 | 一种基站扩容的数据分析方法和装置 |
CN111865635B (zh) * | 2019-04-29 | 2022-11-22 | 中国移动通信集团贵州有限公司 | 环网容量越限时间的确定方法及装置 |
CN110098966B (zh) * | 2019-05-13 | 2022-02-22 | 中国联合网络通信集团有限公司 | 无线网络容量分析方法及设备 |
CN112203320B (zh) * | 2019-07-08 | 2023-04-28 | 中国移动通信集团贵州有限公司 | 一种基于灰色模型预测目标网络参数的方法和装置 |
CN110598243B (zh) * | 2019-07-26 | 2021-04-30 | 浙江大学 | 一种基于机械产品历史数据的虚拟样本扩容方法 |
CN112398670A (zh) * | 2019-08-15 | 2021-02-23 | 中国移动通信集团浙江有限公司 | 流量预测方法、装置、计算设备及计算机存储介质 |
CN112637904B (zh) * | 2019-09-24 | 2024-04-12 | 中国移动通信集团陕西有限公司 | 负载均衡方法、装置及计算设备 |
CN110944339B (zh) * | 2019-10-12 | 2022-09-30 | 中国通信建设集团设计院有限公司 | 基站内小区的负载分流方法、装置及设备 |
CN112954808A (zh) * | 2019-12-11 | 2021-06-11 | 中国移动通信集团山东有限公司 | 载波资源调整方法、装置、存储介质和计算机设备 |
CN113162780B (zh) * | 2020-01-22 | 2023-04-25 | 中国移动通信集团山东有限公司 | 实时网络拥塞分析方法、装置、计算机设备和存储介质 |
CN112308345A (zh) * | 2020-11-30 | 2021-02-02 | 中国联合网络通信集团有限公司 | 通信网络负荷预测方法、装置及服务器 |
CN114760637B (zh) * | 2020-12-25 | 2023-06-06 | 中国联合网络通信集团有限公司 | 小区扩容方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101541016A (zh) * | 2009-05-06 | 2009-09-23 | 华为技术有限公司 | 数据预测方法和设备 |
CN105491599A (zh) * | 2015-12-21 | 2016-04-13 | 南京华苏科技股份有限公司 | 预测lte网络性能指标的新型回归系统 |
CN106162680A (zh) * | 2015-03-24 | 2016-11-23 | 中国移动通信集团福建有限公司 | 扩容参数确定方法及装置 |
CN106934514A (zh) * | 2015-12-31 | 2017-07-07 | 华为技术有限公司 | 一种回归模型的生成方法以及装置 |
CN108271197A (zh) * | 2016-12-30 | 2018-07-10 | 上海大唐移动通信设备有限公司 | 一种lte容量分析方法及装置 |
CN108684058A (zh) * | 2018-03-14 | 2018-10-19 | 大连理工大学 | 一种基于fahp-集成学习的lte小区负载评价方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9955488B2 (en) * | 2016-03-31 | 2018-04-24 | Verizon Patent And Licensing Inc. | Modeling network performance and service quality in wireless networks |
-
2018
- 2018-11-05 CN CN201811308006.XA patent/CN109302719B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101541016A (zh) * | 2009-05-06 | 2009-09-23 | 华为技术有限公司 | 数据预测方法和设备 |
CN106162680A (zh) * | 2015-03-24 | 2016-11-23 | 中国移动通信集团福建有限公司 | 扩容参数确定方法及装置 |
CN105491599A (zh) * | 2015-12-21 | 2016-04-13 | 南京华苏科技股份有限公司 | 预测lte网络性能指标的新型回归系统 |
CN106934514A (zh) * | 2015-12-31 | 2017-07-07 | 华为技术有限公司 | 一种回归模型的生成方法以及装置 |
CN108271197A (zh) * | 2016-12-30 | 2018-07-10 | 上海大唐移动通信设备有限公司 | 一种lte容量分析方法及装置 |
CN108684058A (zh) * | 2018-03-14 | 2018-10-19 | 大连理工大学 | 一种基于fahp-集成学习的lte小区负载评价方法 |
Non-Patent Citations (1)
Title |
---|
"基于指标分析与容量消耗测试的WCDMA无线网络扩容方法探讨";李维佳;《电信科学》;20120715;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109302719A (zh) | 2019-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109302719B (zh) | 一种lte小区容量预测分析方法及装置 | |
CN109195170B (zh) | 小区扩容方法、装置及存储介质 | |
CN107547154B (zh) | 一种建立视频流量预测模型的方法及装置 | |
CN110662245B (zh) | 基于深度学习的基站负荷预警方法及装置 | |
Naumov et al. | LTE performance analysis using queuing systems with finite resources and random requirements | |
CN108934016B (zh) | 小区场景类别的划分方法、装置、计算机设备和存储介质 | |
CN107787015B (zh) | 基于大数据的网络调整方法和装置 | |
US20150319586A1 (en) | System and Method for Fast and Accurate Detection of SMS Spam Numbers Via Monitoring Grey Phone Space | |
US20170013439A1 (en) | Determining a service leakage rate within a wireless communication network | |
CN111885618B (zh) | 一种网络性能优化方法和装置 | |
CN110796366A (zh) | 质差小区识别方法和装置 | |
CN113379176A (zh) | 电信网络异常数据检测方法、装置、设备和可读存储介质 | |
CN108966237B (zh) | 确定退频评估标准的方法、装置及退频评估方法、装置 | |
CN116506953A (zh) | 应用于智能通信系统的多信道切换方法、系统及介质 | |
CN114071525B (zh) | 基站优化次序确定方法、装置及存储介质 | |
CN109982375B (zh) | 一种服务小区的负荷均衡调整方法及装置 | |
CN108632088B (zh) | 业务处理方法、装置及服务器 | |
KR20180130295A (ko) | 통신망의 장애를 예측하는 장치 및 방법 | |
US11636366B2 (en) | User service prediction in a communication network | |
CN113891336B (zh) | 通信网络减频退网方法、装置、计算机设备和存储介质 | |
CN115984742A (zh) | 视频选帧模型的训练方法、视频处理方法及装置 | |
CN109446020B (zh) | 云存储系统的动态评估方法以及装置 | |
WO2016070606A1 (zh) | 系统容量的预测方法及装置 | |
CN109121165B (zh) | 基于上行大包业务的负载均衡处理方法及装置 | |
WO2019111866A1 (ja) | 分析装置、通信システム、データ処理方法、及び非一時的なコンピュータ可読媒体 |
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 |