CN109548138A - 小蜂窝网络中一种基于重叠社区检测的跟踪区列表管理方法 - Google Patents
小蜂窝网络中一种基于重叠社区检测的跟踪区列表管理方法 Download PDFInfo
- Publication number
- CN109548138A CN109548138A CN201910000877.3A CN201910000877A CN109548138A CN 109548138 A CN109548138 A CN 109548138A CN 201910000877 A CN201910000877 A CN 201910000877A CN 109548138 A CN109548138 A CN 109548138A
- Authority
- CN
- China
- Prior art keywords
- tal
- alliance
- tracking area
- paging
- maxv
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W60/00—Affiliation to network, e.g. registration; Terminating affiliation with the network, e.g. de-registration
- H04W60/04—Affiliation to network, e.g. registration; Terminating affiliation with the network, e.g. de-registration using triggered events
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供小蜂窝网络中一种基于重叠社区检测的跟踪区列表管理方法。该方法主要是针对小蜂窝网络中用户位置管理,优化网络系统的信令开销,提供一种TAL的确定方法。对于给定一个经TA规划之后的小蜂窝网络模型,本发明提出的方法整体思路是,先统计用户在特定时间段、特定区域内发生的跟踪区位置更新和寻呼数据;然后将TAL管理方法建模为图形分割问题并给出线性规划模型;最后应用基于博弈论的重叠社区检测算法给出TAL结构。
Description
技术领域
本发明涉及通信技术中的位置管理技术领域,主要是涉及一种基于重叠社区检测的跟踪区列表(TAL,Tracking Area List)管理方法。
背景技术
在未来的小蜂窝网络中,将会涌现大量的移动终端,对网络的容量要求大大增加。在大型的热点区域,如商场、体育场等区域将存在大量的移动设备,因此小蜂窝基站的密集部署迫在眉睫,随之而来的超密集组网应用而生。未来小蜂窝网络将密集部署具有自组织、低成本、低功率等特点的小蜂窝。随着小蜂窝尺寸的小型化以及更高的用户密度和移动性。这些都将显著增加移动用户位置更新频率,从而带来更高的位置管理信令开销,甚至会导致在热点区域无线通道超载。因此需要一种优化策略来进行位置管理,尽可能地减少由用户移动而引起的信令开销,并减轻网络的负荷以及优化网络性能。
在移动通信网络中,位置管理负责跟踪用户的位置,当有呼叫到达时能够成功的将呼叫传递给用户。位置管理包括两个关键操作:位置更新和寻呼。位置更新由用户设备触发并将当前位置上报给核心网络的移动性管理实体。因此,3GPP标准定义了三个标准去定位用户:1)小区,小区是覆盖用户的最小范围单位;2)跟踪区域,TA是一组连续的社区,每个TA都有自己唯一的识别码,TA之间不能相互重叠,并且每个社区仅属于一个TA;3)跟踪区列表,LTE允许用户属于具有不同TA的列表,以避免用户在两个TA之间频繁切换所造成的“乒乓效应”问题。一个TAL是针对一个特定用户在不触发位置更新操作情况下驻留的一组TA。每当用户访问不属于其TAL的TA时,LU消息被发送到MME,在接收到LU消息后,MME将新的TAL分配给用户。新的TAL应包括访问过的TA。
目前已经从不同角度广泛地研究了各种移动性位置管理方法,总体分为两大类:基于用户状态信息和独立于用户状态信息。(1).基于用户状态信息:2010年Razavi等人提出一种基于邻区之间信令开销最小的跟踪区配置方法。该方法的主要特点是对于不同的移动用户在同一个跟踪区时,它们所分配的跟踪区列表会随上一个注册的跟踪区不同而不同。2011年Sara Modarres等人所提方法是目前研究比较简单,有效的方法之一。其主要思想与上述方法一致,但是该方法在实现上更简单、快速。2014年Ikeda等人提出了一种通过记录移动用户进入每个跟踪区的时间来管理跟踪区列表。该方法以移动用户进入跟踪区的时间作为参考信息来分配跟踪区列表。对于移动区域有一定规律的移动用户,此方法能够有针对性的分配跟踪区列表,能够降低位置更新的频次。但是缺点也很明显,此方法特别不适合移动性高的用户,因为每进入一个新的跟踪区都会进行跟踪区更新。(2).独立于用户状态信息:2011年Yun等人提出了一种通过测量移动用户在两个连续会话到来之间的移动和寻呼特性来获取最优运动量门限值,并对每个移动用户最优门限值分配相应地跟踪区列表。2014年S.Ikeda等人提出了一种通过接收移动用户发送的包含在跟踪区更新请求消息中的记录信息,分析移动用户的相关记录信息,确定移动用户运动方向和速率。根据移动用户运动的方向和速率设计出移动用户的跟踪区列表。2014年Taleb等人提出了一种通过无缝监督移动用户运动状态来动态调整跟踪区列表大小的方法。
上述这些多数基于TAL的位置管理方法都是针对不同移动用户产生不同的TAL,在海量的小蜂窝部署环境下这些方法的计算效率会急剧降低。并且大都是基于一种蜂窝同大小,同形状,同分布的规则模式的假设,尽管结构化的蜂窝拓扑简化了分析计算,但它们严重脱离现实生活中的实际特征,尤其是在小蜂窝网络的部署环境中。在面对海量的小蜂窝部署环境,还需要研究更加快速高效的位置管理方法来优化位置管理所带来的信令开销成本。
发明内容
针对现有技术中存在的问题,本发明提出了一种基于重叠社区检测的跟踪区列表管理方法,该方法主要是针对小蜂窝网络中用户位置管理,优化网络系统的信令开销,提供一种TAL的确定方法。对于给定一个经TA规划之后的小蜂窝网络模型,本发明提出的方法整体思路是,先统计用户在特定时间段、特定区域内发生的跟踪区位置更新和寻呼数据;然后将TAL管理方法建模为图形分割问题并给出线性规划模型;最后应用基于博弈论的重叠社区检测算法给出TAL结构。
一种基于重叠社区检测的跟踪区列表管理方法主要包括以下步骤:
步骤1,构建基于图论的TAL模型
当移动用户在小蜂窝网络移动时,会产生用户切换和寻呼数据,将这些数据转化为基于图论的TAL模型,具体方法如下。
首先TAL规划模型图表示为:G=(V,E)。
(1)图G=(V,E)中V={TA1,TA2,...,TAn}是顶点集合,每一个顶点TAi∈V表示一个跟踪区,每个TA最少包含一个社区,i是跟踪区TAi在TAL规划模型图中的编号,n是TA数量。E是TA之间有向边的集合,有向边e(i,j)∈E表示从TAi到TAj之间的用户移动方向。TAi是有向边的起始顶点,TAj是有向边的终止顶点,i和j分别是跟踪区TAi和跟踪区TAj在TAL规划模型图中的编号,且i≠j。
(2)每一条有向边都有一个权重值,用于表示有边相连的两个TA之间发生的用户切换次数。使用n×n矩阵h来表示TAL规划模型图中任意两个TA之间发生的用户切换次数,其中n为TA数量,hij表示由TAi到TAj之间发生的用户切换次数。
(3)每个顶点也具有权重值,用于表示该TA内发生的寻呼次数。P={p1,p2,...,pn}表示TAL规划模型中顶点的权重集合,其中pi∈P表示在跟踪区TAi内发生的寻呼请求次数,i是跟踪区TAi在TAL规划模型图中的编号,n是TA数量。
(4)经过TAL划分之后,TAL规划模型图的TAL集合为Γ={S1,S2,...,Sk},k是TAL数量,其中Sl∈Γ为至少包含一个TA,l是跟踪区列表Sl在模型图中的编号。参数ail表示跟踪区TAi是否在跟踪区列表Sl中,i是跟踪区TAi在TAL规划模型图中的编号,公式表示为:
(5)cu和cp分别表示进行一次位置更新和寻呼操作的信令开销,α表示在同段时间内每个用户被寻呼的次数。ui表示在同一时间内跟踪区TAi内的用户数量,i是跟踪区TAi在TAL规划模型图中的编号。则位置更新和寻呼开销的最小化可以建模以下线性规划模型:
其中,Cpaging(i)表示发生在跟踪区TAi内的寻呼次数,CLU(i,j)表示发生在TAi与TAj之间的用户切换次数,i和j分别是跟踪区TAi和跟踪区TAj在TAL规划模型图中的编号,且i≠j。公式(2)表示TAL划分的目的就是最小化位置更新和寻呼总信令开销。公式(3)约束计算网络每两个不同TA之间的位置更新信令开销。公式(4)约束计算网络中每个TA的寻呼开销。公式(5)约束确保TALl的长度不超过Ntalmax,其中Ntalmax是TAL中允许包含TA的最大数量。
步骤2,基于重叠社区检测的跟踪区列表方法
为了快速给出TAL划分结构,本发明将应用复杂网络中的社区检测算来检测TAL结构。通过基于博弈论的重叠社区检测算法在位置更新与寻呼开销之间寻找更优的平衡点,进一步优化网络总信令开销。
(1)基于博弈论方法检测重叠TAL结构。将TAL作为联盟形成博弈模型,其中网络中的TA作为理性参与者,通过与网络中的其他TA形成联盟来改善整个联盟效用。只要合并操作有利用合并之后联盟效用函数的增加,就允许每个参与者加入多个联盟。接下来将给出效用函数的计算方式。
(2)跟踪区列表集合S∈Γ称为联盟。e(S)表示联盟S内顶点之间的连接边数的权重之和,即TAL包含所有TA之间的用户切换总次数。p(S)表示联盟S内顶点的权重和,即TAL包含所有TA内发生的寻呼请求总数。v(S)表示联盟S的效用函数,即TAL集合的效用函数。联盟S的效用函数计算方式为:
公式(8)中的第一项和第二项分别称为联盟S的增益函数和成本函数。增益函数是S内的位置更新开销与S内中寻呼开销之比;相反,成本函数代表联盟中的寻呼开销和与整个网络中的总寻呼开销的比率。较大的增益函数值意味着S内的参与者之间存在更多的交互,并且较大的成本函数值意味着联盟S内的参与者与网络的其余参与者之间存在更大的交互程度。公式(8)表明联盟的建立会给其参与者带来位置更新的成本收益,即将更多TA划分到同一TAL,位置更新开销将降低。同时收益受到组建联盟的寻呼开销成本的限制。公式中θ和ω是调整联盟S成本的比例因子,这里取θ=1和其中|P|代表网络所有结点的权重和,即所有TA的寻呼请求和,计算公式为:
(3)此外,对于任意联盟S1,e(S1,S2)表示联盟S1与联盟S2之间的连接边数的权重和,计算公式为:
(4)那么,当满足以下三个条件时,联盟S1和联盟S2进行合并操作:
条件1:v(S1+S2)>v(S1)&v(S1+S2)>v(S2)。条件表明通过合并操作增加了联盟S1和联盟S2的效用。两个不等式必须同时满足才进行合并。该条件确保由合并操作形成的联盟具有比其子集更大的效用。
条件2:e(S1,S2)≠0。条件表明如果e(S1,S2)=0,联盟S1不与联盟S2合并。该条件意味着两个没有联系的联盟不能合并成一个更大的联盟。
条件3:
(5)最后,给出基于重叠社区检测的跟踪区列表管理算法算法的具体步骤:
1.初始化
1.1每个TA形成单独的TAL,为集合V0;
1.2初始化m=0为循环检测次数和集合Vm为第m次循环检测出的TAL结构。
2.重复以下步骤,直至Vm=Vm+1:
2.1初始化集合copyV,令copyV=VkcopyV=Vm;
2.2 m=m+1;
2.3
2.4重复以下步骤,直至
2.4.1初始化集合即合作发起者,在Vm中具有最大效用的联盟;
2.4.2 copyV=copyV-{MaxV};
2.4.3初始化集合canV;该集合是一组联盟合作候选者,与集合MaxV之间至少有一条边相连;令
2.4.4重复以下步骤,直至
2.4.4.1初始化集合opV*,它是集合canV中的一个最佳合作候选者,与合作发起者MaxV合并可以带来最大联盟效用增量。令
2.4.4.2判断集合MaxV和opV*是否满足步骤2(4)节所述三个条件;
2.4.4.3如果满足,则:MaxV=MaxV+opV*
canV=canV-{opV*}
canV(MaxV)=canV(MaxV)-{opV*}+(canV(opV*)-{MaxV})
2.4.4.4如果不满足,则canV(MaxV)=canV(MaxV)-{opV*};
2.5 Vm=Vm+{MaxV};
3.返回集合Vk。
步骤3,最后将步骤2中算法输出的集合Vk作为网络最终的TAL规划结果。
与现有技术相比,本发明具有以下优势:
(1)本发明充分考虑跟踪区TA之间的用户移动特性和寻呼特性,将TAL管理方法建模为图形分割问题,给出线性规划模型。
(2)提出了一种基于重叠社区检测的跟踪区列表管理方法。
(3)本发明与其他方法相比算法能够有效降低小蜂窝网络的总信令开销,提高TAL管理方法效率。
附图说明
图1是本发明跟踪区TA与跟踪区列表TAL的关系图
图2是本发明基于图论的TAL模型图
图3是本发明重叠社区划分结构示意图
具体实施方式
下面将结合附图和实例对发明做进一步说明。
步骤1,构建基于图论的TAL模型。
本发明是基于TA规划结果的基础,跟踪区TA与跟踪区列表TAL的关系如图1所示,其中一个TAL可以包含多个TA,各个TAL即可以存在重叠区域也可以不存在重叠区域。
(1)基于图论的TAL模型如图2所示,给定网络图G=(V,E)表示要进行TAL规划的小蜂窝网络,其中顶点集合V={TA1,TA2,...,TA7},共个7个跟踪区TA,每个TA包含若干蜂窝小区,具体不在本发明讨论范围。
(2)有向边e(1,2)的权重值表示发生在TA1移动到TA2的用户数量为h12。
(3)顶点TA1的权重值表示发生在跟踪区TA1内的用户寻呼请求次数为p1。
(4)将图2网络经过TAL划分之后,TAL集合为Γ={S1,S2},TAL数量为2。其中S1={TA1,TA2,TA3,TA4},S2={TA4,TA5,TA6,TA7}。参数a12=0表示跟踪区TA1不在跟踪区列表S2中。
(5)则LU和寻呼开销的最小化可以建模为线性规划模型公式(1),(2)所示。
步骤2,基于重叠社区检测跟踪区列表方法
(1)接着,本发明应用基于博弈论的重叠社区检测算法来检测TAL结构。重叠社区划分结构示意图如图3所示,复杂网络具有自组织、自相似等性质,这与小蜂窝网络基站的部署具有随机性极为相似。因此我们将TA作为网络中的节点,TAL结构作为网络中社区结构。接下来给出效用函数的计算方法。
(2)如图2所示,跟踪区列表集合S1∈Γ称为联盟。e(S1),p(S1),v(S1)具体计算为:
e(S1)=h12+h21+h23+h34+h43+h14
p(S1)=p1+p2+p3+p4
其中θ和ω是调整联盟S成本的比例因子,取θ=1和
其中,|P|=p1+p2+...+p7
(3)此外,对于联盟S1,具体计算为:
e(S1,S2)=(h14+h34+h43)+(h54+h47+h74)
(4)那么,当满足以下三个条件时,联盟S1和联盟S2进行合并操作:
条件1:v(S1+S2)>v(S1)&v(S1+S2)>v(S2)。
条件2:e(S1,S2)≠0。
条件3:
(5)最后,给出基于重叠社区检测的跟踪区列表管理算法算法的具体步骤:
1.初始化
1.1每个TA形成单独的TAL,为集合V0;
1.2初始化m=0为循环检测次数和集合Vm为第m次循环检测出的TAL结构。
2.重复以下步骤,直至Vm=Vm+1:
2.1初始化集合copyV,令copyV=VkcopyV=Vm;
2.2 m=m+1;
2.3
2.4重复以下步骤,直至
2.4.1初始化集合即合作发起者,在Vm中具有最大效用的联盟;
2.4.2 copyV=copyV-{MaxV};
2.4.3初始化集合canV;该集合是一组联盟合作候选者,与集合MaxV之间至少有一条边相连;令
2.4.4重复以下步骤,直至
2.4.4.1初始化集合opV*,它是集合canV中的一个最佳合作候选者,与合作
发起者MaxV合并可以带来最大联盟效用增量。令
2.4.4.2判断集合MaxV和opV*是否满足步骤2(4)节所述三个条件;
2.4.4.3如果满足,则:MaxV=MaxV+opV*
canV=canV-{opV*}
canV(MaxV)=canV(MaxV)-{opV*}+(canV(opV*)-{MaxV})
2.4.4.4如果不满足,则canV(MaxV)=canV(MaxV)-{opV*};
2.5 Vm=Vm+{MaxV};
3.返回集合Vk。
步骤3,最后将算法输出的集合Vk作为图2网络最终的TAL规划结果。
Claims (1)
1.小蜂窝网络中一种基于重叠社区检测的跟踪区列表管理方法,其特征在于,包括以下步骤:
步骤1,构建基于图论的TAL模型
当移动用户在小蜂窝网络移动时,会产生用户切换和寻呼数据,将这些数据转化为基于图论的TAL模型,具体方法如下;
首先TAL规划模型图表示为:G=(V,E);
(1)图G=(V,E)中V={TA1,TA2,...,TAn}是顶点集合,每一个顶点TAi∈V表示一个跟踪区,每个TA最少包含一个社区,i是跟踪区TAi在TAL规划模型图中的编号,n是TA数量;E是TA之间有向边的集合,有向边e(i,j)∈E表示从TAi到TAj之间的用户移动方向;TAi是有向边的起始顶点,TAj是有向边的终止顶点,i和j分别是跟踪区TAi和跟踪区TAj在TAL规划模型图中的编号,且i≠j;
(2)每一条有向边都有一个权重值,用于表示有边相连的两个TA之间发生的用户切换次数;使用n×n矩阵h来表示TAL规划模型图中任意两个TA之间发生的用户切换次数,其中n为TA数量,hij表示由TAi到TAj之间发生的用户切换次数;
(3)每个顶点也具有权重值,用于表示该TA内发生的寻呼次数;P={p1,p2,...,pn}表示TAL规划模型中顶点的权重集合,其中pi∈P表示在跟踪区TAi内发生的寻呼请求次数,i是跟踪区TAi在TAL规划模型图中的编号,n是TA数量;
(4)经过TAL划分之后,TAL规划模型图的TAL集合为Γ={S1,S2,...,Sk},k是TAL数量,其中Sl∈Γ为至少包含一个TA,l是跟踪区列表Sl在模型图中的编号;参数ail表示跟踪区TAi是否在跟踪区列表Sl中,i是跟踪区TAi在TAL规划模型图中的编号,公式表示为:
(5)cu和cp分别表示进行一次位置更新和寻呼操作的信令开销,α表示在同段时间内每个用户被寻呼的次数;ui表示在同一时间内跟踪区TAi内的用户数量,i是跟踪区TAi在TAL规划模型图中的编号;则位置更新和寻呼开销的最小化建模以下线性规划模型:
其中,Cpaging(i)表示发生在跟踪区TAi内的寻呼次数,CLU(i,j)表示发生在TAi与TAj之间的用户切换次数,i和j分别是跟踪区TAi和跟踪区TAj在TAL规划模型图中的编号,且i≠j;公式(2)表示TAL划分的目的就是最小化位置更新和寻呼总信令开销;公式(3)约束计算网络每两个不同TA之间的位置更新信令开销;公式(4)约束计算网络中每个TA的寻呼开销;公式(5)约束确保TALll的长度不超过Ntalmax,其中Ntalmax是TAL中允许包含TA的最大数量;
步骤2,基于重叠社区检测的跟踪区列表(1)基于博弈论方法检测重叠TAL结构;将TAL作为联盟形成博弈模型,其中网络中的TA作为理性参与者,通过与网络中的其他TA形成联盟来改善整个联盟效用;只要合并操作有利用合并之后联盟效用函数的增加,就允许每个参与者加入多个联盟;接下来将给出效用函数的计算方式;
(2)跟踪区列表集合S∈Γ称为联盟;e(S)表示联盟S内顶点之间的连接边数的权重之和,即TAL包含所有TA之间的用户切换总次数;p(S)表示联盟S内顶点的权重和,即TAL包含所有TA内发生的寻呼请求总数;v(S)表示联盟S的效用函数,即TAL集合的效用函数;联盟S的效用函数计算方式为:
公式(8)中的第一项和第二项分别称为联盟S的增益函数和成本函数;增益函数是S内的位置更新开销与S内中寻呼开销之比;相反,成本函数代表联盟中的寻呼开销和与整个网络中的总寻呼开销的比率;较大的增益函数值意味着S内的参与者之间存在更多的交互,并且较大的成本函数值意味着联盟S内的参与者与网络的其余参与者之间存在更大的交互程度;公式(8)表明联盟的建立会给其参与者带来位置更新的成本收益,即将更多TA划分到同一TAL,位置更新开销将降低;同时收益受到组建联盟的寻呼开销成本的限制;公式中θ和ω是调整联盟S成本的比例因子,这里取θ=1和其中|P|代表网络所有结点的权重和,即所有TA的寻呼请求和,计算公式为:
(3)此外,对于任意联盟S1,e(S1,S2)表示联盟S1与联盟S2之间的连接边数的权重和,计算公式为:
(4)那么,当满足以下三个条件时,联盟S1和联盟S2进行合并操作:
条件1:v(S1+S2)>v(S1)&v(S1+S2)>v(S2);条件表明通过合并操作增加了联盟S1和联盟S2的效用;两个不等式必须同时满足才进行合并;该条件确保由合并操作形成的联盟具有比其子集更大的效用;
条件2:e(S1,S2)≠0;条件表明如果e(S1,S2)=0,联盟S1不与联盟S2合并;该条件意味着两个没有联系的联盟不能合并成一个更大的联盟;
条件3:
(5)给出基于重叠社区检测的跟踪区列表管理算法,算法的具体步骤:
1.初始化
1.1每个TA形成单独的TAL,为集合V0;
1.2初始化m=0为循环检测次数和集合Vm为第m次循环检测出的TAL结构;
2.重复以下步骤,直至Vm=Vm+1:
2.1初始化集合copyV,令copyV=Vk copyV=Vm;
2.2m=m+1;
2.3
2.4重复以下步骤,直至
2.4.1初始化集合即合作发起者,在Vm中具有最大效用的联盟;
2.4.2copyV=copyV-{MaxV};
2.4.3初始化集合canV;该集合是一组联盟合作候选者,与集合MaxV之间至少有一条边相连;令
2.4.4重复以下步骤,直至
2.4.4.1初始化集合opV*,它是集合canV中的一个最佳合作候选者,与合作发起者MaxV合并带来最大联盟效用增量;令
2.4.4.2判断集合MaxV和opV*是否满足步骤2(4)节所述三个条件;
2.4.4.3如果满足,则:MaxV=MaxV+opV*
canV=canV-{opV*}
canV(MaxV)=canV(MaxV)-{opV*}+(canV(opV*)-{MaxV})
2.4.4.4如果不满足,则canV(MaxV)=canV(MaxV)-{opV*};
2.5Vm=Vm+{MaxV};
3.返回集合Vk;
步骤3,最后将输出的集合Vk作为网络最终的TAL规划结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910000877.3A CN109548138B (zh) | 2019-01-02 | 2019-01-02 | 小蜂窝网络中基于重叠社区检测的跟踪区列表管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910000877.3A CN109548138B (zh) | 2019-01-02 | 2019-01-02 | 小蜂窝网络中基于重叠社区检测的跟踪区列表管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109548138A true CN109548138A (zh) | 2019-03-29 |
CN109548138B CN109548138B (zh) | 2021-10-01 |
Family
ID=65834072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910000877.3A Active CN109548138B (zh) | 2019-01-02 | 2019-01-02 | 小蜂窝网络中基于重叠社区检测的跟踪区列表管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109548138B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110719569A (zh) * | 2019-10-21 | 2020-01-21 | 北京邮电大学 | 一种基于用户频繁移动模式的跟踪区列表管理方法及装置 |
CN114173363A (zh) * | 2022-02-10 | 2022-03-11 | 深圳市优网科技有限公司 | 一种tac规划异常的检测方法、装置及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101489209A (zh) * | 2008-01-17 | 2009-07-22 | 华为技术有限公司 | 一种注册区的更新方法和设备 |
US20110190010A1 (en) * | 2010-01-29 | 2011-08-04 | Pantech Co., Ltd. | Apparatus and method for managing paging area |
CN102843711A (zh) * | 2012-08-20 | 2012-12-26 | 大唐移动通信设备有限公司 | Lte系统中用户设备的跟踪区列表维护方法及装置 |
-
2019
- 2019-01-02 CN CN201910000877.3A patent/CN109548138B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101489209A (zh) * | 2008-01-17 | 2009-07-22 | 华为技术有限公司 | 一种注册区的更新方法和设备 |
US20110190010A1 (en) * | 2010-01-29 | 2011-08-04 | Pantech Co., Ltd. | Apparatus and method for managing paging area |
CN102843711A (zh) * | 2012-08-20 | 2012-12-26 | 大唐移动通信设备有限公司 | Lte系统中用户设备的跟踪区列表维护方法及装置 |
Non-Patent Citations (1)
Title |
---|
王维鹏: "基于重叠社区检测的跟踪区列表管理方法", 《计算机工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110719569A (zh) * | 2019-10-21 | 2020-01-21 | 北京邮电大学 | 一种基于用户频繁移动模式的跟踪区列表管理方法及装置 |
CN114173363A (zh) * | 2022-02-10 | 2022-03-11 | 深圳市优网科技有限公司 | 一种tac规划异常的检测方法、装置及存储介质 |
CN114173363B (zh) * | 2022-02-10 | 2022-04-15 | 深圳市优网科技有限公司 | 一种tac规划异常的检测方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109548138B (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Anandakumar et al. | A bio-inspired swarm intelligence technique for social aware cognitive radio handovers | |
Yu et al. | A heterogeneous network selection algorithm based on network attribute and user preference | |
Wong et al. | An adaptive distance-based location update algorithm for next-generation PCS networks | |
Lin et al. | A data-driven base station sleeping strategy based on traffic prediction | |
Khalil et al. | Stable-aware evolutionary routing protocol for wireless sensor networks | |
CN105531963A (zh) | 无线网络中多目标小区关闭的系统和方法 | |
CN109548138A (zh) | 小蜂窝网络中一种基于重叠社区检测的跟踪区列表管理方法 | |
Du et al. | Data-driven deployment and cooperative self-organization in ultra-dense small cell networks | |
CN107567079A (zh) | 一种移动互联网数据驱动的基站节能方法 | |
Chen et al. | Modeling the tracking area planning problem using an evolutionary multi-objective algorithm | |
CN109673015B (zh) | 一种基于谱聚类的跟踪区域规划方法 | |
Pang et al. | Crowdsourced mobility prediction based on spatio-temporal contexts | |
CN101351020A (zh) | 移动通信系统中实现移动台位置管理的系统及其方法 | |
Asnaashari et al. | Irregular cellular learning automata and its application to clustering in sensor networks | |
Zhang et al. | K-barrier coverage in wireless sensor networks based on immune particle swarm optimisation | |
Wang et al. | Deep Learning Based Traffic Prediction in Mobile Network-A Survey | |
Dinani et al. | Vehicle position nowcasting with gossip learning | |
Pal et al. | Dynamic location management with variable size location areas | |
Han et al. | A novel handover detection model via frequent trajectory patterns mining | |
Zhao et al. | A contextual awareness-learning approach to multi-objective mobility management | |
Tu et al. | Tracking area list allocation scheme based on overlapping community algorithm | |
Lin et al. | Tracking areas planning based on spectral clustering in small cell networks | |
Chen et al. | Study on Base Station Topology in National Cellular Networks: Take Advantage of Alpha Shapes, Betti Numbers, and Euler Characteristics | |
Navaz et al. | Multi-Objective ED2MT Strategy-based Clustering Algorithm for Large Scale WSN | |
Boc et al. | Towards self-characterization of user mobility patterns |
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 |