CN109327844B - 一种小区扩容方法及装置 - Google Patents
一种小区扩容方法及装置 Download PDFInfo
- Publication number
- CN109327844B CN109327844B CN201811429023.9A CN201811429023A CN109327844B CN 109327844 B CN109327844 B CN 109327844B CN 201811429023 A CN201811429023 A CN 201811429023A CN 109327844 B CN109327844 B CN 109327844B
- Authority
- CN
- China
- Prior art keywords
- cell
- generating
- kpi
- capacity expansion
- periodic change
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000008859 change Effects 0.000 claims abstract description 49
- 230000000737 periodic effect Effects 0.000 claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 230000010261 cell growth Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 abstract description 12
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的实施例公开一种小区扩容方法及装置,涉及通信技术领域,能够通过对不同场景的小区的未来KPI指标进行预测,从而真实、客观地反映用户在未来一段时件内对网络实际信息业务的需求。该方法包括:获取预设区域内目标场景的小区的小时粒度KPI指标集合Xk;根据影响因素集合Xn以及由Xk生成的非周期性变化序列生成影响比例集合Qn;根据Xk生成的周期性变化规律序列确定预测值的次数d;将由Xk按照预设时间序列生成的Xkt根据第一预定算法生成预测值Ykn;将预测值Ykn加入Xkt以及预测值集合Yd中,如果将预测值Ykn加入Xkt以及预测值集合Yd中的执行次数小于d,则将加入Ykn的Xkt根据第一预定算法生成预测值Ykn;否则,将Xn、Qn以及Yd根据预定公式最终预测结果。本发明实施例应用于通信系统。
Description
技术领域
本发明的实施例涉及通信技术领域,尤其涉及一种小区扩容方法及装置。
背景技术
由于网络新业务的不断出现和用户数据业务需求量的激增,运营商需要合理地评估、制定扩容计划。为了充分利用资源,运营商需要在提升用户网络体验、避免网络拥塞的同时合理分配网络扩容资源。另外,为保障用户体验,在扩容工作中,需要了解用户业务的发展趋势,提前判断网络扩容的时间点和扩容需求。不仅要考虑当前用户、业务的网络需求,而且要依据历史用户和业务的变化规律预测未来一段时间内网络的需求,提前进行扩容工作的规划布局。针对无线网络需求的预测研究一直是通信领域扩容工作中备受关注的课题。现有的扩容发明方法是主要根据基站的PRB利用率、RRC连接数以及吞吐量情况等参数指标经验门限值或者根据不同参数的组合公式计算扩容门限值来进行网络扩容。也有一些扩容方法是根据预测网络未来趋势开展扩容,例如利用线性拟合预测未来趋势,或者简单的利用回归、LSTM、ARIMA等算法进行单一网络变量参数的预测。现有的扩容技术大多都是以当前小区的网络参数以及历史的经验值来定义扩容门限,决定是否进行扩容,没有考虑未来一段时间内网络的需求。或者仅仅预测网络单一参数(例如下行网络流量)的变化来预估网络整体需求的变化。
发明内容
本发明的实施例提供一种小区扩容方法及装置,能够通过对不同场景的小区的未来KPI指标进行预测,从而真实、客观地反映用户在未来一段时件内对网络实际信息业务的需求。
为达到上述目的,本发明采用如下技术方案:
第一方面,提供一种小区扩容方法,该方法包括:S1、获取预设区域内目标场景的小区的小时粒度KPI指标集合Xk;S2、提取Xk中的非周期性变化规律的小时粒度KPI指标生成非周期性变化规律序列,并根据非周期性变化序列以及影响因素集合Xn生成目标场景的影响比例集合Qn;S3、提取Xk中的周期性变化规律的小时粒度KPI指标生成周期性变化规律序列,并根据周期性变化规律序列确定d,其中d为获取预测值的次数;S4、将Xk按照预设时间序列生成每个KPI指标集合Xkt;S5、将Xkt根据第一预定算法生成预测值Ykn;S6、将Ykn加入Xkt以及预测值集合Yd中,如果步骤S6的执行次数小于d,则执行步骤S5,否则执行步骤S7;S7、将Xn、Qn以及Yd根据预定公式最终预测结果。
在上述方法中,利用KPI指标的多样性,获取预设区域内目标场景的小区的小时粒度KPI指标集合Xk;提取Xk中的非周期性变化规律的小时粒度KPI指标生成非周期性变化规律序列,由于考虑到热点事件、新推出套餐等影响因素,则根据非周期性变化序列以及影响因素集合Xn生成目标场景的影响比例集合Qn;提取Xk中的周期性变化规律的小时粒度KPI指标生成周期性变化规律序列,并根据周期性变化规律序列确定d,其中d为获取预测值的次数;将Xk按照预设时间序列生成每个KPI指标集合Xkt;并将Xkt根据第一预定算法生成预测值Ykn;将预测值Ykn加入Xkt以及预测值集合Yd中,如果将Ykn加入Xkt以及预测值集合Yd中的执行次数小于d,则将加入Ykn的Xkt根据第一预定算法生成预测值Ykn;否则,将Xn、Qn以及Yd根据预定公式最终预测结果。因此,本发明实施例能够通过对不同场景的小区的未来KPI指标进行预测,从而真实、客观地反映用户在未来一段时件内对网络实际信息业务的需求。
第二方面,提供一种小区扩容装置,该装置包括:
处理单元,用于执行以下步骤:
S1、获取预设区域内目标场景的小区的小时粒度KPI指标集合Xk。
S2、提取Xk中的非周期性变化规律的小时粒度KPI指标生成非周期性变化规律序列,并根据非周期性变化序列以及影响因素集合Xn生成目标场景的影响比例集合Qn。
S3、提取Xk中的周期性变化规律的小时粒度KPI指标生成周期性变化规律序列,并根据周期性变化规律序列确定d,其中d为获取预测值的次数。
S4、将Xk按照预设时间序列生成每个KPI指标集合Xkt。
S5、将Xkt根据第一预定算法生成预测值Ykn。
S6、将Ykn加入Xkt以及预测值集合Yd中,如果步骤S6的执行次数小于d,则执行步骤S5,否则执行步骤S7。
S7、将Xn、Qn以及Yd根据预定公式生成最终预测结果Y。
可以理解地,上述提供的小区扩容装置用于执行上文所提供的第一方面对应的方法,因此,其所能达到的有益效果可参考上文第一方面对应的方法以及下文具体实施方式中对应的方案的有益效果,此处不再赘述。
第三方面,提供了一种小区扩容装置,该小区扩容装置的结构中包括处理器和存储器,存储器用于与处理器耦合,保存该小区扩容装置必要的程序指令和数据,处理器用于执行存储器中存储的程序指令,使得该小区扩容装置执行第一方面所述的小区扩容方法。
第四方面,提供一种计算机存储介质,计算机存储介质中存储有计算机程序代码,当计算机程序代码在如第三方面所述的小区扩容装置上运行时,使得小区扩容装置执行上述第一方面的方法。
第五方面,提供一种计算机程序产品,该计算机程序产品储存有上述计算机软件指令,当计算机软件指令在如第三方面所述的小区扩容装置上运行时,使得小区扩容装置执行如上述第一方面所述方案的程序。
附图说明
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,所描述的实施例仅仅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做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为本发明的实施例提供的一种小区扩容方法的流程示意图;
图2为本发明的实施例提供的一种小区扩容装置的结构示意图;
图3为本发明的实施例提供的又一种小区扩容装置的结构示意图;
图4为本发明的实施例提供的再一种小区扩容装置的结构示意图。
具体实施方式
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,所描述的实施例仅仅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做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。
需要说明的是,本发明实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
还需要说明的是,本发明实施例中,“的(英文:of)”,“相应的(英文:corresponding,relevant)”和“对应的(英文:corresponding)”有时可以混用,应当指出的是,在不强调其区别时,其所要表达的含义是一致的。
为了便于清楚描述本发明实施例的技术方案,在本发明的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分,本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
由于网络新业务的不断出现和用户数据业务需求量的激增,运营商需要合理地评估、制定扩容计划。现有的扩容技术大多都是以当前小区的网络参数以及历史的经验值来定义扩容门限,决定是否进行扩容,没有考虑未来一段时间内网络的需求。或者,仅仅预测网络单一参数(例如下行网络流量)的变化来预估网络整体需求的变化。或者,例如资源占有率扩容法,其主要是以移动基站的信道利用率、吞吐量以及有效RRC连接情况等一系列的无线资源利用率情况作为最基本的依据开展网络扩容。虽然这一扩容方法考虑到了现代移动网络不断增长的数据流量服务需求,但是其占有率分析与实际的用户流量数据分布情况存在较大差异,难以对用户的实际流量信息业务需求进行客观、真实的反应。这会造成投资有效性的下降,也会造成网络建设的精准性不足。不同场景的小区在不同时间段具有不同业务量,例如景点小区在节假日的业务需求量会突增;当某一区域发生热点事件时,流量也会急剧增加;当运营商推出无限量套餐时,用户数量的增加和用户业务使用量的增加,使整网的流量也会较之前的上升趋势更快。因此,外界因素的影响以及未来一段时间内网络的需求的分析,对网络提前进行扩容工作的规划布局具有重要意义。
基于上述技术背景以及现有技术存在的问题,参照图1,本发明实施例提供一种小区扩容方法,该方法包括:
S1、获取预设区域内目标场景的小区的小时粒度KPI指标集合Xk。
其中,获取预设区域内目标场景的小区的小时粒度KPI指标集合Xk,具体包括如下步骤:
S11、获取预设区域内的至少一个小区的小时粒度KPI指标集合Pk,其中一个Pk对应一个小区。
S12、将Pk根据第二预定算法对至少一个小区进行场景分类生成预设区域内各场景的小区的小时粒度KPI指标集合Xk。
其中,第二预定算法包括聚类算法。
示例性的,可以根据小区的长期业务量、PRB利用率、RRC连接用户数的均值等将小区划分为郊区或市区,然后根据不同时间段的业务量、PRB利用率、RRC连接用户数,又可以将小区细分为住宅、学校、商圈、办公区或景区等场景。
S13、根据预设区域内各场景的小区的小时粒度KPI指标集合Xk获取预设区域内目标场景的小区的小时粒度KPI指标集合Xk。
另外,小时粒度KPI指标集合Xk至少包括以下一项或多项:平均RRC连接用户数、PRB利用率、业务字节数、平均CQI。
S2、提取Xk中的非周期性变化规律的小时粒度KPI指标生成非周期性变化规律序列,并根据非周期性变化序列以及影响因素集合Xn生成目标场景的影响比例集合Qn。
示例性的,影响因素可以包括但不限于节假日、热点事件、新推出套餐、新推出业务等。
S3、提取Xk中的周期性变化规律的小时粒度KPI指标生成周期性变化规律序列,并根据周期性变化规律序列确定d,其中d为获取预测值的次数。
S4、将Xk按照预设时间序列生成每个KPI指标集合Xkt。
S5、将Xkt根据第一预定算法生成预测值Ykn。
其中,第一预定算法包括随机森林算法。
S6、将Ykn加入Xkt以及预测值集合Yd中,如果步骤S6的执行次数小于d,则执行步骤S5,否则执行步骤S7。
为了更好的理解,针对步骤S4、S5以及S6进行示例性说明,可将时间序列预设为按天根据由时间顺序依次排列,Xkt中设定t的取值范围为(1,n-1)天,其中n为大于1的正整数,则可以得到集合Xkt={xk1,xk2,...,xkn-1}。那么将Xkt={xk1,xk2,...,xkn-1}作为输入,利用随机森林算法,则得到第n天的预测值为:
Ykn=Hmk({xk1,xk2,...,xkn-1}),
其中Hmk为随机森林预测函数。然后再将Xkt={xk1,xk2,...,xkn-1,Ykn}作为输入,则可以得到第n+1天的预测值为:
Yk(n+1)=Hmk({xk1,xk2,...,xkn-1,Ykn}),
以此类推,根据次数d的获取预测值,并由d个预测值组成集合Yd={Ykn,Yk(n+1),…}。
S7、将Xn、Qn以及Yd根据预定公式生成最终预测结果Y。
其中,预定公式包括Y=Yd*Xn*Qn。
在上述方法中,利用KPI指标的多样性,获取预设区域内目标场景的小区的小时粒度KPI指标集合Xk;提取Xk中的非周期性变化规律的小时粒度KPI指标生成非周期性变化规律序列,由于考虑到热点事件、新推出套餐等影响因素,则根据非周期性变化序列以及影响因素集合Xn生成目标场景的影响比例集合Qn;提取Xk中的周期性变化规律的小时粒度KPI指标生成周期性变化规律序列,并根据周期性变化规律序列确定d,其中d为获取预测值的次数;将Xk按照预设时间序列生成每个KPI指标集合Xkt;根据Xkt根据第一预定算法生成预测值Ykn;将预测值Ykn加入Xkt以及预测值集合Yd中,如果将预测值Ykn加入Xkt以及预测值集合Yd中的执行次数小于d,则将加入预测值Ykn的Xkt根据第一预定算法生成预测值Ykn;否则,将Xn、Qn以及Yd根据预定公式最终预测结果。因此,本发明实施例能够通过对不同场景的小区的未来KPI指标进行预测,从而真实、客观地反映用户在未来一段时件内对网络实际信息业务的需求。
参照图2,本发明实施例提供一种小区扩容装置20,该小区扩容装置20包括:
处理单元201,用于执行以下步骤:
S1、获取预设区域内目标场景的小区的小时粒度KPI指标集合Xk。
S2、提取Xk中的非周期性变化规律的小时粒度KPI指标生成非周期性变化规律序列,并根据非周期性变化序列以及影响因素集合Xn生成目标场景的影响比例集合Qn。
S3、提取Xk中的周期性变化规律的小时粒度KPI指标生成周期性变化规律序列,并根据周期性变化规律序列确定d,其中d为获取预测值的次数。
S4、将Xk按照预设时间序列生成每个KPI指标集合Xkt。
S5、将Xkt根据第一预定算法生成预测值Ykn。
S6、将Ykn加入Xkt以及预测值集合Yd中,如果步骤S6的执行次数小于d,则执行步骤S5,否则执行步骤S7。
S7、将Xn、Qn以及Yd根据预定公式生成最终预测结果Y。
在一种示例性的方案中,获取单元202,用于获取预设区域内的至少一个小区的小时粒度KPI指标集合Pk,其中一个Pk对应一个小区。
处理单元201,用于将获取单元202获取的Pk根据第二预定算法对至少一个小区进行场景分类生成预设区域内各场景的小区的小时粒度KPI指标集合Xk。
处理单元201,还用于根据预设区域内各场景的小区的小时粒度KPI指标集合Xk获取预设区域内目标场景的小区的小时粒度KPI指标集合Xk。
在一种示例性的方案中,第一预定算法包括随机森林算法。
在一种示例性的方案中,预定公式包括Y=Yd*Xn*Qn。
在一种示例性的方案中,第二预定算法包括聚类算法。
在一种示例性的方案中,小时粒度KPI指标集合Xk至少包括以下一项或多项:平均RRC连接用户数、PRB利用率、业务字节数、平均CQI。
由于本发明实施例中的小区扩容装置可以应用于实施上述方法实施例,因此,其所能获得的技术效果也可参考上述方法实施例,本发明实施例在此不再赘述。
在采用集成的单元的情况下,图3示出了上述实施例中所涉及的小区扩容装置20的一种可能的结构示意图。小区扩容装置20包括:处理模块301、通信模块302和存储模块303。处理模块301用于对小区扩容装置20的动作进行控制管理,例如,处理模块301用于支持小区扩容装置20执行图1中的过程101~106。通信模块302用于支持小区扩容装置20与其他实体的通信。存储模块303用于存储小区扩容装置20的程序代码和数据。
其中,处理模块301可以是处理器或控制器,例如可以是中央处理器(centralprocessing unit,CPU),通用处理器,数字信号处理器(digital signal processor,DSP),专用集成电路(application-specific integrated circuit,ASIC),现场可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。所述处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等等。通信模块302可以是收发器、收发电路或通信接口等。存储模块303可以是存储器。
当处理模块301为如图4所示的处理器,通信模块302为图4的收发器,存储模块303为图4的存储器时,本申请实施例所涉及的小区扩容装置20可以为如下所述的小区扩容装置20。
参照图4所示,该小区扩容装置20包括:处理器401、收发器402、存储器403和总线404。
其中,处理器401、收发器402、存储器403通过总线404相互连接;总线404可以是外设部件互连标准(peripheral component interconnect,PCI)总线或扩展工业标准结构(extended industry standard architecture,EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器401可以是一个通用中央处理器(Central Processing Unit,CPU),微处理器,特定应用集成电路(Application-Specific Integrated Circuit,ASIC),或一个或多个用于控制本申请方案程序执行的集成电路。
存储器403可以是只读存储器(Read-Only Memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(Random Access Memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(ElectricallyErasable Programmable Read-only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器403用于存储执行本申请方案的应用程序代码,并由处理器401来控制执行。收发器402用于接收外部设备输入的内容,处理器401用于执行存储器403中存储的应用程序代码,从而实现本申请实施例中所述的小区扩容方法。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、设备和方法,可以通过其它的方式实现。例如,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的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,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(Digital Subscriber Line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带),光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
本发明实施例还提供一种计算机程序产品,该计算机程序产品可直接加载到存储器中,并含有软件代码,该计算机程序产品经由计算机载入并执行后能够实现上述的小区扩容方法。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (11)
1.一种小区扩容方法,其特征在于,所述方法包括如下步骤:
S1、获取预设区域内目标场景的小区的小时粒度KPI指标集合Xk;
S2、提取所述Xk中的非周期性变化规律的小时粒度KPI指标生成非周期性变化规律序列,并根据所述非周期性变化序列以及影响因素集合Xn生成所述目标场景的影响比例集合Qn;
S3、提取所述Xk中的周期性变化规律的小时粒度KPI指标生成周期性变化规律序列,并根据所述周期性变化规律序列确定d,其中d为获取预测值的次数;
S4、将所述Xk按照预设时间序列生成每个KPI指标集合Xkt;
S5、将所述Xkt根据第一预定算法生成预测值Ykn;所述第一预定算法包括随机森林算法;
S6、将所述Ykn加入所述Xkt以及预测值集合Yd中,如果步骤S6的执行次数小于d,则执行步骤S5,否则执行步骤S7;
S7、将所述Xn、所述Qn以及所述Yd根据预定公式生成最终预测结果Y;所述预定公式包括Y=Yd*Xn*Qn。
2.根据权利要求1所述的小区扩容方法,其特征在于,所述获取预设区域内目标场景的小区的小时粒度KPI指标集合Xk,具体包括:
获取预设区域内的至少一个小区的小时粒度KPI指标集合Pk,其中一个Pk对应一个小区;
将所述Pk根据第二预定算法对所述至少一个小区进行场景分类生成所述预设区域内各场景的小区的小时粒度KPI指标集合Xk;
根据所述预设区域内各场景的小区的小时粒度KPI指标集合Xk获取所述预设区域内目标场景的小区的小时粒度KPI指标集合Xk。
3.根据权利要求2所述的小区扩容方法,其特征在于,所述第二预定算法包括聚类算法。
4.根据权利要求1所述的小区扩容方法,其特征在于,所述小时粒度KPI指标集合Xk至少包括以下一项或多项:平均RRC连接用户数、PRB利用率、业务字节数、平均CQI。
5.一种小区扩容装置,其特征在于,包括:
处理单元,用于执行以下步骤:
S1、获取预设区域内目标场景的小区的小时粒度KPI指标集合Xk;
S2、提取所述Xk中的非周期性变化规律的小时粒度KPI指标生成非周期性变化规律序列,并根据所述非周期性变化序列以及影响因素集合Xn生成所述目标场景的影响比例集合Qn;
S3、提取所述Xk中的周期性变化规律的小时粒度KPI指标生成周期性变化规律序列,并根据所述周期性变化规律序列确定d,其中d为获取预测值的次数;
S4、将所述Xk按照预设时间序列生成每个KPI指标集合Xkt;
S5、将所述Xkt根据第一预定算法生成预测值Ykn;所述第一预定算法包括随机森林算法;
S6、将所述Ykn加入所述Xkt以及预测值集合Yd中,如果步骤S6的执行次数小于d,则执行步骤S5,否则执行步骤S7;
S7、将所述Xn、所述Qn以及所述Yd根据预定公式生成最终预测结果Y;所述预定公式包括Y=Yd*Xn*Qn。
6.根据权利要求5所述的小区扩容装置,其特征在于,具体包括:
获取单元,用于获取预设区域内的至少一个小区的小时粒度KPI指标集合Pk,其中一个Pk对应一个小区;
所述处理单元,用于将所述获取单元获取的所述Pk根据第二预定算法对所述至少一个小区进行场景分类生成所述预设区域内各场景的小区的小时粒度KPI指标集合Xk;
所述处理单元,还用于根据所述预设区域内各场景的小区的小时粒度KPI指标集合Xk获取所述预设区域内目标场景的小区的小时粒度KPI指标集合Xk。
7.根据权利要求6所述的小区扩容装置,其特征在于,所述第二预定算法包括聚类算法。
8.根据权利要求5所述的小区扩容装置,其特征在于,所述小时粒度KPI指标集合Xk至少包括以下一项或多项:平均RRC连接用户数、PRB利用率、业务字节数、平均CQI。
9.一种小区扩容装置,其特征在于,所述小区扩容装置的结构中包括处理器和存储器,所述存储器用于与所述处理器耦合,保存所述小区扩容装置必要的程序指令和数据,所述处理器用于执行所述存储器中存储的程序指令,使得所述小区扩容装置执行如权利要求1-4任一项所述的小区扩容方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质中存储有计算机程序代码,当所述计算机程序代码在如权利要求9所述的小区扩容装置上运行时,使得所述小区扩容装置执行如权利要求1-4任一项所述的小区扩容方法。
11.一种计算机程序产品,其特征在于,所述计算机程序产品储存有计算机软件指令,当所述计算机软件指令在如权利要求9所述的小区扩容装置上运行时,使得所述小区扩容装置执行如权利要求1-4任一项所述的小区扩容方法的程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811429023.9A CN109327844B (zh) | 2018-11-27 | 2018-11-27 | 一种小区扩容方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811429023.9A CN109327844B (zh) | 2018-11-27 | 2018-11-27 | 一种小区扩容方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109327844A CN109327844A (zh) | 2019-02-12 |
CN109327844B true CN109327844B (zh) | 2021-09-14 |
Family
ID=65257592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811429023.9A Active CN109327844B (zh) | 2018-11-27 | 2018-11-27 | 一种小区扩容方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109327844B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112036542A (zh) * | 2019-06-04 | 2020-12-04 | 山东华软金盾软件股份有限公司 | 一种基于深度学习的cpu占有率的预测方法及系统 |
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 |
CN110474808B (zh) * | 2019-08-20 | 2022-02-18 | 中国联合网络通信集团有限公司 | 一种流量预测方法及装置 |
CN112423327B (zh) * | 2019-08-22 | 2024-02-09 | 中兴通讯股份有限公司 | 一种容量预测方法及设备、存储介质 |
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 |
CN113891363B (zh) * | 2021-10-15 | 2023-05-30 | 中国联合网络通信集团有限公司 | 小区扩容指数的预测方法、装置及计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1703416A2 (en) * | 2005-03-15 | 2006-09-20 | Microsoft Corporation | Method and Computer-Readable Medium for Providing Spreadsheet-Driven Key Performance Indicators |
CN101808339A (zh) * | 2010-04-06 | 2010-08-18 | 哈尔滨工业大学 | 一种应用k-means和先验知识的话务小区自适应分类方法 |
CN102932826A (zh) * | 2012-11-30 | 2013-02-13 | 北京邮电大学 | 蜂窝移动通信系统网络自组织中的小区中断探测定位方法 |
US9119086B1 (en) * | 2014-05-08 | 2015-08-25 | Cellco Partnership | Evaluating 3G and voice over long term evolution voice quality |
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 |
CN105636056A (zh) * | 2014-11-14 | 2016-06-01 | 中兴通讯股份有限公司 | 一种频谱资源自优化的节能方法、装置和系统 |
CN105871879A (zh) * | 2016-05-06 | 2016-08-17 | 中国联合网络通信集团有限公司 | 网元异常行为自动检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9872188B2 (en) * | 2015-07-28 | 2018-01-16 | Futurewei Technologies, Inc. | Adaptive filtering based network anomaly detection |
-
2018
- 2018-11-27 CN CN201811429023.9A patent/CN109327844B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1703416A2 (en) * | 2005-03-15 | 2006-09-20 | Microsoft Corporation | Method and Computer-Readable Medium for Providing Spreadsheet-Driven Key Performance Indicators |
CN101808339A (zh) * | 2010-04-06 | 2010-08-18 | 哈尔滨工业大学 | 一种应用k-means和先验知识的话务小区自适应分类方法 |
CN102932826A (zh) * | 2012-11-30 | 2013-02-13 | 北京邮电大学 | 蜂窝移动通信系统网络自组织中的小区中断探测定位方法 |
US9119086B1 (en) * | 2014-05-08 | 2015-08-25 | Cellco Partnership | Evaluating 3G and voice over long term evolution voice quality |
CN105636056A (zh) * | 2014-11-14 | 2016-06-01 | 中兴通讯股份有限公司 | 一种频谱资源自优化的节能方法、装置和系统 |
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 |
CN105871879A (zh) * | 2016-05-06 | 2016-08-17 | 中国联合网络通信集团有限公司 | 网元异常行为自动检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109327844A (zh) | 2019-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109327844B (zh) | 一种小区扩容方法及装置 | |
CN109710405B (zh) | 区块链智能合约管理方法、装置、电子设备及存储介质 | |
CN112153700A (zh) | 一种网络切片资源管理方法及设备 | |
CN107341029B (zh) | 系统资源部署策略的获取方法、装置及电子设备 | |
US10117103B2 (en) | Method for sharing network and network element | |
CN109257758B (zh) | 一种网络扩容方法及装置 | |
CN103491556A (zh) | 一种网络调整的方法及装置 | |
CN111985726B (zh) | 资源数量预测方法、装置、电子设备及存储介质 | |
CN109905271B (zh) | 一种预测方法、训练方法、装置及计算机存储介质 | |
CN111147395B (zh) | 一种网络资源调整方法及装置 | |
CN109413147B (zh) | 服务节点的管理方法、装置、设备及计算机可读存储介质 | |
CN110380881B (zh) | 一种网络扩容预测方法及装置 | |
CN106648557A (zh) | 一种应用程序编程接口api的分享方法和装置 | |
CN111431741A (zh) | 服务上线方法、系统、计算机设备及存储介质 | |
CN109992408B (zh) | 一种资源分配方法、装置、电子设备和存储介质 | |
CN107844496B (zh) | 统计信息输出方法及装置 | |
CN111427682B (zh) | 任务分配方法、系统、装置及设备 | |
CN112085282B (zh) | 小区流量预测方法及服务器 | |
KR102464688B1 (ko) | 모니터링 결과의 이벤트 등급 결정 방법 및 장치 | |
CN113656046A (zh) | 一种应用部署方法和装置 | |
CN109522118B (zh) | 一种业务处理方法、装置、服务器及可读存储介质 | |
CN112205023B (zh) | 蜂窝电信网络 | |
CN115499846A (zh) | 载波动态调度方法、装置、设备及计算机程序产品 | |
CN108235362B (zh) | 一种网络评价方法及装置 | |
CN113891363B (zh) | 小区扩容指数的预测方法、装置及计算机可读存储介质 |
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 |