CN109391974B - 一种lte系统间流量自适应方法 - Google Patents

Abstract

本发明提供一种LTE系统间流量自适应方法。所述方法包括：基于当前业务与历史业务预测结果的匹配度，获取待分析数据源；基于所述待分析数据源，按照预定步长进行调整，获取当前互操作参数值。本发明提出LTE系统间流量自适应方法，通过历史业务的预测结果与当前业务的匹配度，结合优化目标进行调整，获取互操作参数值；利用获取的互操作参数值进行LTE系统的互操作，实现以让用户尽量驻留在LTE网络为目的。本发明所述方法基于历史数据进行动态评估，不需要依赖人工的优化经验，实现流量自适应调整，可以达到稳定的调整效果。

Description

一种LTE系统间流量自适应方法

技术领域

本发明涉及计算机技术领域，更具体地，涉及一种LTE系统间流量自适应方法。

背景技术

目前，4G-2G流量控制主要由LTE互操作参数进行控制，互操作参数在当前阶段的目的为尽量让数据用户驻留在LTE网络。目前4G-2G网络互操作参数的配置主要通过网络优化工程师根据近期指标进行评估，基于优化经验进行大概值进行采用静态配置。

现有互操作参数的优化存在以下缺点：

(1)对应业务模型不断变化的无线网络而言，依据近期指标评估一个静态值进行配置不合理。为应对不断变化的业务模型，评估的次数需要非常频繁，而数据量大难于评估，另外评估静态配置值在某些时段相对来说配置较高，容易引起指标的恶化，而在某些时段又相对配置过低，无法吸纳足够多的用户。

(2)基于人工优化经验进行大致的调整，过于依赖网优工程师优化经验，难于保障稳定的调整效果，无法根据历史大数据进行准确评估，存在一定的调整偏差。

(3)与此同时，无线网络规模不断扩大，多网融合，网络优化工作量不断增大，将大部分精力放在网络的扩大和维护上，难于更多的抽出人员和时间去提升网络性能。

目前很多自动化参数调整研究局限于实时业务的变动作出相应的调整，未考虑历史优化大数据和实际参数调整效果，难于让网络指标性能最优化。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的一种LTE系统间流量自适应方法。

根据本发明的一个方面，提供一种LTE系统间流量自适应方法，包括：

基于当前业务与历史业务预测结果的匹配度，获取待分析数据源；

基于所述待分析数据源，按照预定步长进行调整，获取当前互操作参数值。

进一步，所述LTE系统间流量自适应方法还包括：

基于历史互操作参数、小区参数和历史调整效果参数，建立调整记录库；

基于所述调整记录库，利用遗传算法对所述当前互操作参数进行分析，以修正所述当前互操作参数值。

本发明提出LTE系统间流量自适应方法，通过历史业务的预测结果与当前业务的匹配度，结合优化目标进行调整，获取互操作参数值；利用获取的互操作参数值进行LTE系统的互操作，实现以让用户尽量驻留在LTE网络为目的。本发明所述方法基于历史数据进行动态评估，不需要依赖人工的优化经验，实现流量自适应调整，可以达到稳定的调整效果。

附图说明

图1为本发明实施例一种LTE系统间流量自适应方法流程图；

图2为本发明实施例指标分值分布示意图；

图3为本发明实施例一种LTE系统间流量自适应设备的结构示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

由于目前的人工和自动化的参数调整存在诸多问题，难于让网络指标性能最优化，本发明实施例通过对实时业务和网络场景进行分析，结合业务预测和优化目标，实现以让用户尽量驻留在LTE网络为目的，同时历史调整数据不断进行收集，收集的调整数据作为参数最优解的适应依据，进行参数自适应调整，在保障网络指标的前提下最大化的让用户驻留在LTE网络。

如图1所示，本发明实施例提供一种LTE系统间流量自适应方法，包括：

S100，基于当前业务与历史业务预测结果的匹配度，获取待分析数据源；

本发明实施例所述当前业务主要指当前业务流量，所述历史业务预测结果是指根据历史业务流程进行预测得到的流量结果。在计算匹配度时，将当前业务与历史业务的同一时间段的预测结果进行匹配计算，匹配计算的结果作为待分析数据源的获取依据。

本发明实施例所述历史业务预测结果通过预测过程得到，所述预测过程包括两部分，即业务分布预测和历史业务预测。业务分布预测的是指将小区按场景进行分类，比如：商业区、市场、住宅区、郊区等，预测不同小区的业务密度分布。历史业务预测是从STS统计文件中获取小区当前流量(TRA)，作为业务预测的基础，通过历史业务来预测未来相同时间段内的业务流量。

S101，基于所述待分析数据源，按照预定步长进行调整，获取当前互操作参数值。

本发明实施例所述按照预定步长进行调整是指在所述待分析数据源的参数值的基础上进行调整。

本发明实施例所述待分析数据源为：若当前业务与历史业务预测结果的匹配度高，则以历史业务预测结果作为待分析数据源，否则以当前业务作为待分析数据源；

实时业务与历史业务预测结果匹配度计算，历史一周相同时段内满足以下要求则认为当前业务和历史业务匹配度高，包括：

历史一周当前时段业务标准方差<预定方差值；

当前业务<历史一周当前时段平均值*K；

当前业务>历史一周当前时段平均值/K；

其中，K为整数，K大于1。优选的，K＝2。优选的，所述预定方差值可设为0.5。

本发明实施例提出LTE系统间流量自适应方法，通过历史业务的预测结果与当前业务的匹配度，结合优化目标进行调整，获取互操作参数值；利用获取的互操作参数值进行LTE系统的互操作，实现以让用户尽量驻留在LTE网络为目的。本发明所述方法基于历史数据进行动态评估，不需要依赖人工的优化经验，实现流量自适应调整，可以达到稳定的调整效果。

本发明实施例提供一种LTE系统间流量自适应方法，还包括：

S102，基于历史互操作参数、小区参数和历史调整效果参数，建立调整记录库；基于所述调整记录库，利用遗传算法对所述当前互操作参数进行分析，以修正所述当前互操作参数值。

本发明实施例互操作参数自适应调整是个长期的调整方案，随着方案上线时间的积累，可将小区参数和调整效果记录起来，搭建成调整记录库，为了能够使分析的参数值在无线网络业务中具备更强的适应能力，依据方案调整记录引入遗传算法进一步分析更加合理的参数值。调整记录内容入表：

调整记录包括方案计算出来的参数值和现网参数值一致的记录。

上表中，所述调整记录库的内容包括：小区、日期、时段、参数Pa、当前时段流量、下一时段指标分值及下一时段流量提升比例。

为了控制记录库的容量不至于无上限增加和保障后续遗传算法分析参数值的效率，默认每个小区最多保留一万条记录，当记录库容量达到上限时，则按照时间进行淘汰时间最久的记录，另外每次通过遗传算法计算出来的最优解不断替换所述调整记录库中的最差解，达到不断更新记录库的同时不断提高参数的适应度。

在一个可选的实施例中，所述历史业务预测结果通过以下步骤获取：

基于小区的当前流量，利用历史当前时间段流量和历史下个时间段流量，利用下式预测下个时间段流量：

TRA_N＝(TRA_SAMPLE_N/TRA_SAMPLE)*TRA (1)

其中，TRA_N为所预测的下个时间段流量，TRA_SAMPLE_N为历史下个时间段流量，TRA_SAMPLE历史当前时间段流量，TRA为当前流量。

本发明实施例通过历史业务进行预测，历史业务预测是从STS统计文件中获取小区当前流量(TRA)，作为业务预测的基础。读取业务模型列表中，本小区历史当前时间段流量(TRA_SAMPLE)和历史下个时间段流量(TRA_SAMPLE_N)，通过公式(1)预测下个时间段流量(TRA_N)。

本发明实施例所述历史当前时间段流量是指与当前流量的时间段相同的历史时间段的流量。所述历史下个时间段流量是在于当前流量的时间端的下个时间段相同的历史时间段的流量。

举例：

假定从统计中取得小区当前9点流量(TRA)为10M，读取业务模型列表如下：

时间	08	09	10	11	12	13
							CELL01	14.07	23.59	26.79	23.80	21.34	24.34

TRA_SAMPLE＝23.59；

TRA_SAMPLE_N＝26.79；

下个时间段流量TRA_N＝10*26.79/23.59＝11.35M；

流量预测对历史流量取值要求：要求进行流量预测时，取前一周的指标数据在历史数据中存在T天或以上数据时(数据量取最大值)，系统就正常进行流量预测并往下执行；其中T为大于1的整数，优选的，T＝3。

在一个可选的实施例中，所述利用历史当前时间段流量和历史下个时间段流量，预测下个时间段流量，进一步包括：

对不同场景的小区设置不同的业务密度因子；本发明实施例将小区按场景进行分类，比如：商业区、市场、住宅区、郊区等，对不同的场景对应设置不同的业务密度因子，设小区场景数为n，则不同的小区对应的业务密度因子分别为：t₁、t₂、t₃、…以及t_n。

利用历史当前时间段流量和历史下个时间段流量，结合所述小区的业务密度因子，利用下式预测下个时间段流量：

TRA_N＝(TRA_SAMPLE_N/TRA_SAMPLE*TRA)*(1+t) (2)

其中，t为小区的业务密度因子，TRA_N为所预测的下个时间段流量，TRA_SAMPLE_N为历史下个时间段流量，TRA_SAMPLE历史当前时间段流量，TRA为当前流量。

在一个可选的实施例中，所述利用历史当前时间段流量和历史下个时间段流量，预测下个时间段流量，还包括：

设置流量提升系数，通过下式最终预测所述下个时间段流量：

TRA_N＝(TRA_SAMPLE_N/TRA_SAMPLE*TRA*(1+k))*(1+t) (3)

其中，k为流量提升系数。

K为浮点型，范围为[0.0,1.0]，默认为0。

本发明实施例通过设置流量提升系数可以较好的对未来的流量预测进行修正，以适应实际的流量增长趋势。

在一个可选的实施例中，所述基于所述待分析数据源，按照预定步长进行调整，获取当前互操作参数值，包括第一计算法和第二调整法；

所述第一计算法通过下式获取当前互操作参数：

当前互操作参数值＝roundup(p*(1±n*max(mp,(1-r/m)/(1/mp)))，0)；

所述第二调整法按照指定步长进行调整，满足：

当前互操作参数值＝p±n；

其中，p为待处理数据源，m为指标恶化幅度最大容忍程度，n为步长调整基础单位，r为小区指标恶化程度，mp为步长允许最大值。

本发明实施例所述一种LTE系统间流量自适应方法，用于实现让用户尽量驻留在LTE网络为目的，但需要尽量保证指标在可接受范围内，则基于目标指标效果设计参数分析计算算法，通过互操作参数吸纳更多的流量驻留在LTE网络，主要可能影响的指标有：

接通率

掉话率

切换成功率

本方案每个指标设定一个目标值和恶化底线值，则要求在进行流量自适应吸纳到LTE网络的同时，指标不能低于恶化底线，如指标低于底线值则需立刻进行参数回调保障。

指标分值建模：

指标名称	权重	当前值	指标底线	目标值
					接通率	k1	A1	z1	T1
掉话率	k2	A2	z2	T2
					切换成功率	k3	A3	z3	T3

举例：接通率指标得分为：MIN(100*k1*(T1-A1)/(T1-z1),100*k1)

总体指标满分是100分，则小区指标总分值为三个指标分之和。

按如上分值设计，则小区分值的分布情况如图2所示。参数调整是在现网参数的基础上进行调整，按照一定的步长进行调整，参数设置和指标的分值存在直接的关系，可进行两种方式进行分析小区参数需求值。此处的现网参数是指不是S100中的待分析数据源，可能是历史业务预测结果，也可能是当前业务。调整方法包括第一计算法和第二调整法，其中第二调整法的小区指标只在接受范围内进行指定步长调整，所示指定步长根据实际情况而定，本发明实施例对此不作限定。

第一计算法和第二调整法不能同时生效，只能择其一使用。

在一个可选的实施例中，所述按照预定步长进行调整，获取当前互操作参数值时，增加临近点规则，所述临近点规则包括：

当小区触发回调时，在N个周期内不允许正调操作，其中，N为整数。

本发明实施例为了使在指标分值在恶化底线临近点不至于频繁兵乓切换正向调整和回调影响指标，算法中增加临近点规则：

当小区触发回调时，N个周期内不允许正调操作，但回调操作允许继续进行，这样可以有效地降低兵乓切换的发生，N是用户设定值。

本发明实施例通过对实时业务和网络场景进行分析，结合业务预测和优化目标，实现以让用户尽量驻留在LTE网络为目的，同时历史调整数据不断进行收集，收集的调整数据作为参数最优解的适应依据，进行参数自适应调整，在保障网络指标的前提下最大化的让用户驻留在LTE网络。

图3示出了本发明实施例一种LTE系统间流量自适应设备的结构示意图。

参照图3，所述设备，包括：处理器(processor)601、存储器(memory)602和总线603；

其中，所述处理器601和存储器602通过所述总线603完成相互间的通信；

所述处理器601用于调用所述存储器602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：基于当前业务与历史业务预测结果的匹配度，获取待分析数据源；基于所述待分析数据源，按照预定步长进行调整，获取当前互操作参数值。

本发明另一实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：基于当前业务与历史业务预测结果的匹配度，获取待分析数据源；基于所述待分析数据源，按照预定步长进行调整，获取当前互操作参数值。

本发明另一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上述各方法实施例所提供的方法，例如包括：基于当前业务与历史业务预测结果的匹配度，获取待分析数据源；基于所述待分析数据源，按照预定步长进行调整，获取当前互操作参数值。

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：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所描述的一种LTE系统间流量自适应设备等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，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种LTE系统间流量自适应方法，其特征在于，包括：

基于当前业务与历史业务预测结果的匹配度，获取待分析数据源；

所述基于当前业务与历史业务预测结果的匹配度，获取待分析数据源，包括：若当前业务与历史业务预测结果的匹配度高，则以历史业务预测结果作为待分析数据源，否则以当前业务作为待分析数据源；所述当前业务与历史业务预测结果的匹配度高，包括：历史一周当前时段业务标准方差<预定方差值；当前业务<历史一周当前时段平均值*K；当前业务>历史一周当前时段平均值/K；其中，K为整数，K大于1；

基于所述待分析数据源，按照预定步长进行调整，获取当前互操作参数值；

所述基于所述待分析数据源，按照预定步长进行调整，获取当前互操作参数值，包括第一计算法和第二调整法；所述第一计算法通过下式获取当前互操作参数：当前互操作参数值＝roundup(p*(1±n*max(mp,(1-r/m)/(1/mp)))，0)；所述第二调整法按照指定步长进行调整，满足：当前互操作参数值＝p±n；其中，p为待处理数据源，m为指标恶化幅度最大容忍程度，n为步长调整基础单位，r为小区指标恶化程度，mp为步长允许最大值；

还包括：基于历史互操作参数、小区参数和历史调整效果参数，建立调整记录库；基于所述调整记录库，利用遗传算法对所述当前互操作参数进行分析，以修正所述当前互操作参数值。

2.如权利要求1所述的方法，其特征在于，所述历史业务预测结果通过以下步骤获取：

基于小区的当前流量，利用历史当前时间段流量和历史下个时间段流量，利用下式预测下个时间段流量：

TRA_N＝(TRA_SAMPLE_N/TRA_SAMPLE)*TRA；

其中，TRA_N为所预测的下个时间段流量，TRA_SAMPLE_N为历史下个时间段流量，TRA_SAMPLE历史当前时间段流量，TRA为当前流量。

3.如权利要求2所述的方法，其特征在于，所述利用历史当前时间段流量和历史下个时间段流量，预测下个时间段流量，进一步包括：

对不同场景的小区设置不同的业务密度因子；

利用历史当前时间段流量和历史下个时间段流量，结合所述小区的业务密度因子，利用下式预测下个时间段流量：

TRA_N＝(TRA_SAMPLE_N/TRA_SAMPLE*TRA)*(1+t)；

其中，t为小区的业务密度因子，TRA_N为所预测的下个时间段流量，TRA_SAMPLE_N为历史下个时间段流量，TRA_SAMPLE历史当前时间段流量，TRA为当前流量。

4.如权利要求3所述的方法，其特征在于，所述利用历史当前时间段流量和历史下个时间段流量，预测下个时间段流量，还包括：

设置流量提升系数，通过下式最终预测所述下个时间段流量：

TRA_N＝(TRA_SAMPLE_N/TRA_SAMPLE*TRA*(1+k))*(1+t)；

其中，k为流量提升系数。

5.如权利要求4所述的方法，其特征在于，所述按照预定步长进行调整，获取当前互操作参数值时，增加临近点规则，所述临近点规则包括：

当小区触发回调时，在N个周期内不允许正调操作，其中，N为整数。

6.如权利要求1所述的方法，其特征在于，所述调整记录库的内容包括：小区、日期、时段、当前时段流量、下一时段指标分值及下一时段流量提升比例。

7.如权利要求1或6所述的方法，其特征在于，用每次通过遗传算法计算出来的最优解替换所述调整记录库中的最差解。

Images