CN109617765A - 一种物联网连接质量的预测方法和装置 - Google Patents
一种物联网连接质量的预测方法和装置 Download PDFInfo
- Publication number
- CN109617765A CN109617765A CN201910002865.4A CN201910002865A CN109617765A CN 109617765 A CN109617765 A CN 109617765A CN 201910002865 A CN201910002865 A CN 201910002865A CN 109617765 A CN109617765 A CN 109617765A
- Authority
- CN
- China
- Prior art keywords
- internet
- things
- connection
- quality
- index
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0811—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking connectivity
-
- 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
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- 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
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/06—Generation of reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0823—Errors, e.g. transmission errors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- General Physics & Mathematics (AREA)
- Algebra (AREA)
- Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供一种物联网连接质量的预测方法和装置,涉及物联网领域,能够对物联网终端的连接状况进行预测。该方法包括:获取物联网相关历史数据;从物联网相关的历史数据中统计得出物联网终端连接相关指标的历史值;根据物联网终端连接相关指标的历史值和物联网终端连接故障数据,依据机器学习算法构建连接质量预测模型;获取当前时刻的物联网相关数据;从当前时刻的物联网相关数据中统计得出物联网终端连接相关指标的当前值;根据连接质量预测模型和物联网终端连接相关指标的当前值对当前物联网中各个物联网终端的连接质量进行预测并将预测结果输出。
Description
技术领域
本发明涉及物联网领域,尤其涉及一种物联网连接质量的预测方法和装置。
背景技术
对于运营商来说,已经基本完成了人与人的连接,人口红利逐渐消失。为了寻找新的业务增长点,运营商的目光都在慢慢从“人的连接”转向“物的连接”,故而物联网迎来快速发展的黄金时代。各个运营商都致力于打造多样化、多场景的物联网络,且越来越看重手中数据的价值,采集多渠道数据,对数据进行整合分析和挖掘,实现数据运营,提高运营效率。目前承载物联网终端的主要有两种网络形态。其中一个是使用传统的2/3/4G网络来承载,这部分网络连接的管理和维护,与传统方法一致,是通过运营商内部的网络管理平台进行维护。而传统的网络管理平台,仍然基于统计分析为主,是一种发现问题解决问题的传统思路,无法做到提前预防,异常检测预警;另外就是承载在为了物联网这种低功耗、广覆盖、低成本的业务而设计的NB-IOT网络,目前NB-IOT网络在国内仍处于商用的初期,故对于这类连接缺乏有效的管理手段。总之,对于物联网业务,呈现出与传统的人联网业务不同的特点,针对于这些特点,要专门针对于物联网的连接进行管理。
发明内容
本发明的实施例提供一种物联网连接质量的预测方法和装置,能够对物联网终端中的设备连接状况进行预测。
为达到上述目的,本发明的实施例采用如下技术方案:
第一方面,提供一种物联网连接质量的预测方法,包括:
获取物联网相关历史数据;物联网相关历史数据至少包括:运营商网络侧的物联网终端相关历史数据、物联网终端历史数据、辅助历史数据和物联网终端连接故障数据;
从物联网相关的历史数据中统计得出物联网终端连接相关指标的历史值;物联网终端连接相关指标至少包括:接入类指标、保持类指标、业务量类指标、资源负荷类指标、网络质量类指标和设备运行类指标;
根据物联网终端连接相关指标的历史值和物联网终端连接故障数据,依据机器学习算法构建连接质量预测模型;连接质量模型中包括影响因子,影响因子与物联网相关指标一一对应;
获取当前时刻的物联网相关数据;当前时刻的物联网相关数据至少包括:当前时刻的运营商网络侧的物联网终端相关数据、当前时刻的物联网终端数据和当前时刻的辅助数据;
从当前时刻的物联网相关数据中统计得出物联网终端连接相关指标的当前值;
根据连接质量预测模型和物联网终端连接相关指标的当前值对当前物联网中各个物联网终端的连接质量进行预测,并将当前物联网中各个物联网终端的连接质量的预测结果输出。
上述实施例提供高的技术方案,因为历史数据是非常多的,所以可以涵盖各种连接质量问题,而机器学习算法又可以顺利从其中总结得出物联网终端的连接质量和物联网终端连接相关指标之间的公式模型,从而在获取物联网终端连接相关指标的当前值后可以对当前物联网中的物联网终端的连接情况做出预测,从而方便物联网维护人员和管理人员的管理和维护。
第二方面,提供一种物联网连接质量的预测装置,包括:获取模块、统计模块、模型生成模块、处理模块和通信模块;
获取模块,用于获取物联网相关历史数据;物联网相关历史数据至少包括:运营商网络侧的物联网终端相关历史数据、物联网终端历史数据、辅助历史数据和物联网终端连接故障数据;
统计模块,用于从获取模块获取的物联网相关的历史数据中统计得出物联网终端连接相关指标的历史值;物联网终端连接相关指标至少包括:接入类指标、保持类指标、业务量类指标、资源负荷类指标、网络质量类指标和设备运行类指标;
模型生成模块,用于根据统计模块统计的物联网终端连接相关指标的历史值和获取模块获取的物联网终端连接故障数据,依据机器学习算法构建连接质量预测模型;
获取模块还用于获取当前时刻的物联网相关数据;当前时刻的物联网相关数据至少包括:当前时刻的运营商网络侧的物联网终端相关数据、当前时刻的物联网终端数据和当前时刻的辅助数据;
统计模块还用于从获取模块获取的当前时刻的物联网相关数据中统计得出物联网终端连接相关指标的当前值;
处理模块,用于根据模型生成模块生成的连接质量预测模型和统计模块统计出的物联网终端连接相关指标的当前值对当前物联网中各个物联网终端的连接质量进行预测;
通信模块,用于将处理模块对当前物联网中各个物联网终端的连接质量的预测结果输出。
第三方面,提供一种物联网连接质量的预测装置,包括存储器、处理器、总线和通信接口;存储器用于存储计算机执行指令,处理器与存储器通过总线连接;当物联网连接质量的预测装置运行时,处理器执行存储器存储的计算机执行指令,以使物联网连接质量的预测装置执行如第一方面提供的物联网连接质量的预测方法。
第四方面,提供一种计算机存储介质,包括:计算机执行指令,当计算机执行指令在计算机上运行时,使得计算机执行如第一方面提供的物联网连接质量的预测方法。
本发明实施例提供的物联网连接质量的预测方法和装置,该方法包括:获取物联网相关历史数据;物联网相关历史数据至少包括:运营商网络侧的物联网终端相关历史数据、物联网终端历史数据、辅助历史数据和物联网终端连接故障数据;从物联网相关的历史数据中统计得出物联网终端连接相关指标的历史值;物联网终端连接相关指标至少包括:接入类指标、保持类指标、业务量类指标、资源负荷类指标、网络质量类指标和设备运行类指标;根据物联网终端连接相关指标的历史值和物联网终端连接故障数据,依据机器学习算法构建连接质量预测模型;连接质量模型中包括影响因子,影响因子与物联网相关指标一一对应;获取当前时刻的物联网相关数据;当前时刻的物联网相关数据至少包括:当前时刻的运营商网络侧的物联网终端相关数据、当前时刻的物联网终端数据和当前时刻的辅助数据;从当前时刻的物联网相关数据中统计得出物联网终端连接相关指标的当前值;根据连接质量预测模型和物联网终端连接相关指标的当前值对当前物联网中各个物联网终端的连接质量进行预测,并将当前物联网中各个物联网终端的连接质量的预测结果输出。本发明实施例提供的技术方案,首先从大量的物联网终端相关的历史数据中统计得到和物联网终端连接情况相关的指标数据即物联网终端连接相关指标的历史值据以及物联网终端连接故障数据,然后使用机器学习算法从这些数据中得到一个用于预测物联网终端的连接状况的连接质量预测模型,然后在从当前实时获取的物联网终端相关的数据中统计得到物联网终端连接相关指标的当前值后,和连接质量预测模型相结合,便可以对当前物联网中各个物联网终端的连接质量进行预测。因为历史数据是非常多的,所以可以涵盖各种连接质量问题,而机器学习算法又可以顺利从其中总结得出物联网终端的连接质量和物联网终端连接相关指标之间的公式模型,从而在获取物联网终端连接相关指标的当前值后可以对当前物联网中的物联网终端的连接情况做出预测,从而方便物联网维护人员和管理人员的管理和维护。
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简单地介绍,显而易见地,下面描述中的附图仅仅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一种物联网连接质量的预测方法的流程示意图;
图2为本发明另一实施例提供的一种物联网连接质量的预测方法的流程示意图;
图3为本发明实施例提供的一种物联网连接质量的预测装置的结构示意图;
图4为本发明另一实施例提供的一种物联网连接质量的预测装置的结构示意图。
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。
现有技术中对于物联网终端的连接问题的处理大都还是基于统计分析,仅仅是一种发现问题后的解决问题的思路,不能做到提前预防和异常检测预警,故而也就导致目前运营商对于物联网终端的连接缺乏有效的管理。
针对上述问题,参照图1所示本发明实施例提供一种物联网连接指令的预测方法和装置,包括:
101、获取物联网相关历史数据。
其中,物联网相关历史数据至少包括:运营商网络侧的物联网终端相关历史数据、物联网终端历史数据、辅助历史数据和物联网终端连接故障数据。
运营商网络侧的物联网终端的相关历史数据为运营商网络侧的物联网终端的相关数据的历史数据,其具体由运营商通过在网络设备中植入相应的探针进行数据收集,具体包括:
所有网络制式的信号强度、信号质量等;
用户所接入移动网络/基站/小区基础信息,譬如MCC(Mob i le Country Code,移动国家码)、MNC(Mobi le Network Code,移动网络号码)、CI(Communi ty Identity,小区识别码)、LAC(locat ion area code,位置区码);
物联网终端信息:终端的型号、终端的设备编码等;
告警数据:由通信设备的自身健康检查程序产生的告警数据;
性能数据:网络性指标的统计数据;
测量数据:即测量报告MR(Measurement Report),是手机向网络上报的,能够反映用户当前无线环境真实情况的报告;
计数器Counter数据:系统内部的相关计数器,是通信系统用于对设备的运行状况、信令、用户和系统资源的使用情况进行统计和观察基本手段。
物联网终端历史数据是物联网终端数据的历史数据,具体是通过在物联网终端中植入信息采集模块,收集到的信息,具体包括:
终端位置信息数据:经度、纬度、高度等信息;
终端业务数据:业务数据涉及具体的行业,诸如温度,压力,湿度,空气质量,振动,声音,图像等信息;
终端错误代码,故障原因等;
终端连接质量标识,0代表健康,1代表故障。
辅助历史数据具体包括:
基站的工参数据库,包括基站小区所在的经纬度信息、LAC、CI信息,室内外类别等;全国GIS(Geographic Informat ion Sys tem或Geo-Informat ion sys tem,地理信息系统)图层数据。
物联网终端连接故障数据则为上述运营商网络侧的物联网终端相关历史数据、物联网终端历史数据中的告警数据、终端错误代码、故障原因、终端连接质量标识等表明物联网终端/设备连接故障的数据。
102、从物联网相关的历史数据中统计得出物联网终端连接相关指标的历史值;物联网终端连接相关指标至少包括:接入类指标、保持类指标、业务量类指标、资源负荷类指标、网络质量类指标和设备运行类指标。
其中,接入类指标包括物联网终端的业务建立请求成功率;保持类指标包括物联网终端的业务异常释放次数;业务量类指标包括物联网终端的上下行业务量、业务时长、业务速率等;资源负荷类指标包括物联网终端的平均资源负荷消耗、平均能耗;网络质量类指标包括物联网终端的信号强度、信号干扰;设备运行类指标包括物联网终端的总运行时长、停机频次、断电频次等。
具体的,因为不同的时间段或不同的地区的物联网终端的连接质量的影响因素存在一定差异,所以上述的各个指标可以从不同的时间维度或不同的地理维度进行统计。
103、根据物联网终端连接相关指标的历史值和物联网终端连接故障数据,依据机器学习算法构建连接质量预测模型;连接质量模型中包括影响因子,影响因子与物联网相关指标一一对应。
示例性的,构建得出的公式如下:
其中,为物联网终端连接质量的预测值,为0时表示物联网终端的连接质量的预测值为健康,为1时则表明物联网终端的连接质量的预测值为故障;x1至xn为影响物联网终端连接质量的各个影响因子,每一个都代表上述统计的一个指标;另外,具体公式中还会包括各个影响因子的权重值,权重值越大的影响因子对预测结果的影响越大。
104、获取当前时刻的物联网相关数据;当前时刻的物联网相关数据至少包括:当前时刻的运营商网络侧的物联网终端相关数据、当前时刻的物联网终端数据和当前时刻的辅助数据。
当前时刻的物联网相关数据和物联网相关历史数据的内容相同,前者为之前产生的数据,后者为当前产生的数据。
具体的,实际中并不是每一时刻都回去获取当前时刻的物联网相关数据,而是每预设时间段获取一次。
105、从当前时刻的物联网相关数据中统计得出物联网终端连接相关指标的当前值。
实际中,当得到物联网终端连接相关指标的当前值后除了将其用于后续预测步骤以外,还会将其存储仅历史数据库中作为物联网终端连接相关指标的历史值供下次重新生成连接质量预测模型时使用,以省略从物联网相关历史数据提取物联网终端连接相关指标的历史值这一步骤,当然也可以将当前时刻的物联网相关数据存入历史数据库中作为下次重新生成连接质量预测模型时,获取的物联网相关历史数据中的一部分,此处不对此做具体限制。
106、根据连接质量预测模型和物联网终端连接相关指标的当前值对当前物联网中各个物联网终端的连接质量进行预测,并将当前物联网中各个物联网终端的连接质量的预测结果输出。
本发明实施例提供的技术方案,首先从大量的物联网终端相关的历史数据中统计得到和物联网终端连接情况相关的指标数据即物联网终端连接相关指标的历史值据以及物联网终端连接故障数据,然后使用机器学习算法从这些数据中得到一个用于预测物联网终端的连接状况的连接质量预测模型,然后在从当前实时获取的物联网终端相关的数据中统计得到物联网终端连接相关指标的当前值后,和连接质量预测模型相结合,便可以对当前物联网中各个物联网终端的连接质量进行预测。因为历史数据是非常多的,所以可以涵盖各种连接质量问题,而机器学习算法又可以顺利从其中总结得出物联网终端的连接质量和物联网终端连接相关指标之间的公式模型,从而在获取物联网终端连接相关指标的当前值后可以对当前物联网中的物联网终端的连接情况做出预测,从而方便物联网维护人员和管理人员的管理和维护。
参照图2所示,本发明实施例还提供另一种物联网连接质量的预测方法,作为对上述实施例提供的技术方案的补充说明,包括:
201、获取物联网相关历史数据。
202、从物联网相关的历史数据中统计得出物联网终端连接相关指标的历史值;物联网终端连接相关指标至少包括:接入类指标、保持类指标、业务量类指标、资源负荷类指标、网络质量类指标和设备运行类指标。
203、根据物联网终端连接相关指标的历史值和物联网终端连接故障数据,依据机器学习算法构建连接质量预测模型;连接质量模型中包括影响因子,影响因子与物联网相关指标一一对应。
204、获取当前时刻的物联网相关数据;当前时刻的物联网相关数据至少包括:当前时刻的运营商网络侧的物联网终端相关数据、当前时刻的物联网终端数据和当前时刻的辅助数据。
205、从当前时刻的物联网相关数据中统计得出物联网终端连接相关指标的当前值。
2061、对当前值不存在的物联网终端连接相关指标使用预设填充方法填充其当前值。
因为每一次当前时刻的物联网线管数据的获取可能都会存在某些数据获取不到的情况,所以需要进行填充,一般都使用历史数据填充,填充方法不做限制。
2062、对物联网终端连接相关指标的当前值中存在分阶评价的物联网终端连接相关指标进行离散化赋值。
示例性的,某些指标在获取时并不是存在确定的值的,例如网络质量可能获取到优、良、中等数据,此时就需要对这些分阶评价的物联网终端连接相关指标按照不同的阶级进行赋值,例如优赋值5,良赋值3,中赋值2等。
2063、清洗物联网终端连接相关指标的当前值中不符合预设标准的物联网终端连接相关指标。
因为获取数据的过程必然存在一定错误,所以会存在获取到的数据的误差超过允许的误差范围即不符合预设标准,此时则表明该数据是错误数据,所以需要208步骤对数据进行清洗,以保证后续预测结果的准确性。
上述的2061、2062和2063步骤可以同时存在也可以存在一种或两种,具体根据实际情况而定;当然也可以存在其他处理方法使得物联网终端连接相关指标的当前值更加合理,以提高预测精度。
2071、根据连接质量预测模型中各个影响因子的权重值,从物联网终端连接相关指标中选取第一目标指标。
因为历史数据的学习可能会因为特征过多导致在后续预测时存在过拟合的缺陷,所以在实际预测时,为了防止过拟合,会将权重值较大的影响因子对应的物联网终端连接相关指标的当前值作为预测时使用的参数。
2072、根据连接质量预测模型和第一目标指标的当前值对当前物联网中各个物联网终端的连接质量进行预测。
示例性的,预测结果包括健康和故障。
2081、当确定第一目标物联网终端的连接质量的预测结果为故障时,将在连接质量预测模型中权重值大于预设值的影响因子对应的第二目标指标确定为故障指标。
第一目标物联网终端为当前物联网中所有物联网终端中任一个;第二目标指标为物联网终端连接相关指标中任一个或多个。
2082、根据故障指标生成故障提示信息,并输出至维护终端。
示例性的,故障提示信息除了包括建议维护人员维护的故障指标以外,还会对故障指标根据其对应的影响因子在连接质量预测模型中的权重值进行分级,级别越高表明越应该优先处理,级别的区分可以是通过不同文字、不同字符、不同颜色等手段进行区分。
209、接收维护终端发送的模型修改指令;模型修改指令中包括第二目标物联网终端的连接相关数据。
第二目标物联网终端的连接相关数据包括:运营商网络侧的第二目标物联网终端相关数据和第二目标物联网终端数据。
210、根据模型修改指令对连接质量预测模型进行修正。
因为机器学习得到的连接质量预测模型不一定完全准确,可能会和实际情况存在差异,所以在将预测结果输出后,维护人员还会根据实际情况返回和预测结果不同的物联网终端的相关数据给模型生成模块,以使其对连接质量预测模型进行修正;具体修正过程可以是在下一次对物联网中的连接情况进行预测之前,根据第二目标物联网终端的连接相关数据对连接质量预测模型采用微调方式修正;也可以是重新生成一次连接质量预测模型,将当前一次获取的当前时刻的物联网相关数据或物联网终端连接相关指标的当前值,以及第二目标物联网终端的连接相关数据均当做物联网相关的历史数据中的一部分重新统计得到物联网终端连接相关指标的历史值,然后再根据新的物联网终端连接相关指标的历史值生成新的连接质量预测模型;具体采用哪种方式依据实际而定,此处不做具体限制。
本发明实施例提供的物联网连接质量的预测方法,该方法包括:获取物联网相关历史数据;物联网相关历史数据至少包括:运营商网络侧的物联网终端相关历史数据、物联网终端历史数据、辅助历史数据和物联网终端连接故障数据;从物联网相关的历史数据中统计得出物联网终端连接相关指标的历史值;物联网终端连接相关指标至少包括:接入类指标、保持类指标、业务量类指标、资源负荷类指标、网络质量类指标和设备运行类指标;根据物联网终端连接相关指标的历史值和物联网终端连接故障数据,依据机器学习算法构建连接质量预测模型;连接质量模型中包括影响因子,影响因子与物联网相关指标一一对应;获取当前时刻的物联网相关数据;当前时刻的物联网相关数据至少包括:当前时刻的运营商网络侧的物联网终端相关数据、当前时刻的物联网终端数据和当前时刻的辅助数据;从当前时刻的物联网相关数据中统计得出物联网终端连接相关指标的当前值;根据连接质量预测模型和物联网终端连接相关指标的当前值对当前物联网中各个物联网终端的连接质量进行预测,并将当前物联网中各个物联网终端的连接质量的预测结果输出。本发明实施例提供的技术方案,首先从大量的物联网终端相关的历史数据中统计得到和物联网终端连接情况相关的指标数据即物联网终端连接相关指标的历史值据以及物联网终端连接故障数据,然后使用机器学习算法从这些数据中得到一个用于预测物联网终端的连接状况的连接质量预测模型,然后在从当前实时获取的物联网终端相关的数据中统计得到物联网终端连接相关指标的当前值后,和连接质量预测模型相结合,便可以对当前物联网中各个物联网终端的连接质量进行预测。因为历史数据是非常多的,所以可以涵盖各种连接质量问题,而机器学习算法又可以顺利从其中总结得出物联网终端的连接质量和物联网终端连接相关指标之间的公式模型,从而在获取物联网终端连接相关指标的当前值后可以对当前物联网中的物联网终端的连接情况做出预测,从而方便物联网维护人员和管理人员的管理和维护。
为了更好的实施上述实施例提供高的物联网连接质量的预测方法,参照图3所示,本发明实施例还提供一种物联网连接质量的预测装置01,包括:获取模块31、统计模块32、模型生成模块33、处理模块34和通信模块35;
获取模块31,用于获取物联网相关历史数据;物联网相关历史数据至少包括:运营商网络侧的物联网终端相关历史数据、物联网终端历史数据、辅助历史数据和物联网终端连接故障数据;
统计模块32,用于从获取模块31获取的物联网相关的历史数据中统计得出物联网终端连接相关指标的历史值;物联网终端连接相关指标至少包括:接入类指标、保持类指标、业务量类指标、资源负荷类指标、网络质量类指标和设备运行类指标;
模型生成模块33,用于根据统计模块32统计的物联网终端连接相关指标的历史值和获取模块31获取的物联网终端连接故障数据,依据机器学习算法构建连接质量预测模型;
获取模块31还用于获取当前时刻的物联网相关数据;当前时刻的物联网相关数据至少包括:当前时刻的运营商网络侧的物联网终端相关数据、当前时刻的物联网终端数据和当前时刻的辅助数据;
统计模块32还用于从获取模块31获取的当前时刻的物联网相关数据中统计得出物联网终端连接相关指标的当前值;
处理模块34,用于根据模型生成模块33生成的连接质量预测模型和统计模块32统计出的物联网终端连接相关指标的当前值对当前物联网中各个物联网终端的连接质量进行预测;
通信模块35,用于将处理模块34对当前物联网中各个物联网终端的连接质量的预测结果输出。
可选的,该预测装置还包括指标修正模块36;
指标修正模块36,用于对统计模块32统计的当前值不存在的物联网终端连接相关指标使用预设填充方法填充其当前值。
可选的,指标修正模块36还用于对统计模块32统计的物联网终端连接相关指标的当前值中存在分阶评价的物联网终端连接相关指标进行离散化赋值。
可选的,指标修正模块36还用于清洗统计模块32统计的物联网终端连接相关指标的当前值中不符合预设标准的物联网终端连接相关指标。
可选的,处理模块34具体用于:
根据模型生成模块33生成的连接质量预测模型中各个影响因子的权重值,从物联网终端连接相关指标中选取第一目标指标;
根据模型生成模块33生成的连接质量预测模型和统计模块32统计的第一目标指标的当前值对当前物联网中各个物联网终端的连接质量进行预测。
可选的,预测结果包括健康和故障;物联网连接质量的预测装置还包括判断模块37;
通信模块35具体用于当判断模块37确定处理模块34对第一目标物联网终端的连接质量的预测结果为故障时,将在模型生成模块33生成的连接质量预测模型中的权重值大于预设值的影响因子对应的第二目标指标确定为故障指标;
根据故障指标生成故障提示信息,并输出至维护终端02;
第一目标物联网终端为当前物联网中所有物联网终端中任一个;第二目标指标为物联网终端连接相关指标中任一个或多个。
可选的,通信模块35还用于接收维护终端02发送的模型修改指令;模型修改指令中包括第二目标物联网终端的连接相关数据;第二目标物联网终端的连接相关数据包括:运营商网络侧的第二目标物联网终端相关数据和第二目标物联网终端数据;
模型生成模块33还用于根据通信模块35接收到的模型修改指令对连接质量预测模型进行修正;第二目标物联网终端为当前物联网中所有物联网终端中连接质量的预测结果和实际测量结果不符的物联网终端。
本发明实施例提供的物联网连接质量的预测装置,因为该装置包括:获取模块,用于获取物联网相关历史数据;物联网相关历史数据至少包括:运营商网络侧的物联网终端相关历史数据、物联网终端历史数据、辅助历史数据和物联网终端连接故障数据;统计模块,用于从获取模块获取的物联网相关的历史数据中统计得出物联网终端连接相关指标的历史值;物联网终端连接相关指标至少包括:接入类指标、保持类指标、业务量类指标、资源负荷类指标、网络质量类指标和设备运行类指标;模型生成模块,用于根据统计模块统计的物联网终端连接相关指标的历史值和获取模块获取的物联网终端连接故障数据,依据机器学习算法构建连接质量预测模型;获取模块还用于获取当前时刻的物联网相关数据;当前时刻的物联网相关数据至少包括:当前时刻的运营商网络侧的物联网终端相关数据、当前时刻的物联网终端数据和当前时刻的辅助数据;统计模块还用于从获取模块获取的当前时刻的物联网相关数据中统计得出物联网终端连接相关指标的当前值;处理模块,用于根据模型生成模块生成的连接质量预测模型和统计模块统计出的物联网终端连接相关指标的当前值对当前物联网中各个物联网终端的连接质量进行预测;通信模块,用于将处理模块对当前物联网中各个物联网终端的连接质量的预测结果输出。所以本发明实施例提供的技术方案,可以首先从大量的物联网终端相关的历史数据中统计得到和物联网终端连接情况相关的指标数据即物联网终端连接相关指标的历史值据以及物联网终端连接故障数据,然后使用机器学习算法从这些数据中得到一个用于预测物联网终端的连接状况的连接质量预测模型,然后在从当前实时获取的物联网终端相关的数据中统计得到物联网终端连接相关指标的当前值后,和连接质量预测模型相结合,便可以对当前物联网中各个物联网终端的连接质量进行预测。因为历史数据是非常多的,所以可以涵盖各种连接质量问题,而机器学习算法又可以顺利从其中总结得出物联网终端的连接质量和物联网终端连接相关指标之间的公式模型,从而在获取物联网终端连接相关指标的当前值后可以对当前物联网中的物联网终端的连接情况做出预测,从而方便物联网维护人员和管理人员的管理和维护。
参照图4所示,本发明实施例还提供另一种物联网连接质量的预测,包括存储器41、处理器42、总线43和通信接口44;存储器41用于存储计算机执行指令,处理器42与存储器41通过总线43连接;当物联网连接质量的预测运行时,处理器42执行存储器41存储的计算机执行指令,以使物联网连接质量的预测执行如上述实施例提供的物联网连接质量的预测方法。
在具体的实现中,作为一种实施例,处理器42(42-1和42-2)可以包括一个或多个CPU,例如图4中所示的CPU0和CPU1。且作为一种实施例,物联网连接质量的预测可以包括多个处理器42,例如图4中所示的处理器42-1和处理器42-2。这些处理器42中的每一个CPU可以是一个单核处理器(Single-CPU),也可以是一个多核处理器(Multi-CPU)。这里的处理器42可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
存储器41可以是只读存储器41(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(Electrically Erasable 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41可以是独立存在,通过通信总线43与处理器42相连接。存储器41也可以和处理器42集成在一起。
在具体的实现中,存储器41,用于存储本申请中的数据和执行本申请的软件程序对应的计算机执行指令。处理器42可以通过运行或执行存储在存储器41内的软件程序,以及调用存储在存储器41内的数据,物联网连接质量的预测的各种功能。
通信接口44,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如控制系统、无线接入网(Radio Access Network,RAN),无线局域网(Wireless Local AreaNetworks,WLAN)等。通信接口44可以包括接收单元实现接收功能,以及发送单元实现发送功能。
总线43,可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。该总线43可以分为地址总线、数据总线、控制总线等。为便于表示,图4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。
本发明实施例还提供一种计算机存储介质,计算机存储介质包括计算机执行指令,当计算机执行指令在计算机上运行时,使得计算机执行如上述实施例提供的物联网连接质量的预测方法。
本发明实施例还提供一种计算机程序,该计算机程序可直接加载到存储器中,并含有软件代码,该计算机程序经由计算机载入并执行后能够实现上述实施例提供的物联网连接质量的预测方法。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
通过以上的实施方式的描述,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,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,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装置,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,装置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。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一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。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,在本发明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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。集成的单元如果以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,可以存储在一个可读取存储介质中。基于这样的理解,本申请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全部或部分可以以软件产品的形式体现出来,该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个设备(可以是单片机,芯片等)或处理器(processor)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、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (16)
1.一种物联网连接质量的预测方法,其特征在于,包括:
获取物联网相关历史数据;所述物联网相关历史数据至少包括:运营商网络侧的物联网终端相关历史数据、物联网终端历史数据、辅助历史数据和物联网终端连接故障数据;
从所述物联网相关的历史数据中统计得出物联网终端连接相关指标的历史值;所述物联网终端连接相关指标至少包括:接入类指标、保持类指标、业务量类指标、资源负荷类指标、网络质量类指标和设备运行类指标;
根据所述物联网终端连接相关指标的历史值和所述物联网终端连接故障数据,依据机器学习算法构建连接质量预测模型;所述连接质量模型中包括影响因子,所述影响因子与所述物联网相关指标一一对应;
获取当前时刻的物联网相关数据;所述当前时刻的物联网相关数据至少包括:当前时刻的运营商网络侧的物联网终端相关数据、当前时刻的物联网终端数据和当前时刻的辅助数据;
从所述当前时刻的物联网相关数据中统计得出物联网终端连接相关指标的当前值;
根据所述连接质量预测模型和所述物联网终端连接相关指标的当前值对当前物联网中各个物联网终端的连接质量进行预测,并将当前物联网中各个物联网终端的连接质量的预测结果输出。
2.根据权利要求1所述的物联网连接质量的预测方法,其特征在于,所述从所述当前时刻的物联网相关数据统计得出物联网终端连接相关指标的当前值之后还包括:
对当前值不存在的物联网终端连接相关指标使用预设填充方法填充其当前值。
3.根据权利要求1所述的物联网连接质量的预测方法,其特征在于,所述从所述当前时刻的物联网相关数据统计得出物联网终端连接相关指标的当前值之后还包括:
对所述物联网终端连接相关指标的当前值中存在分阶评价的物联网终端连接相关指标进行离散化赋值。
4.根据权利要求1所述的物联网连接质量的预测方法,其特征在于,所述从所述当前时刻的物联网相关数据统计得出物联网终端连接相关指标的当前值之后还包括:
清洗所述物联网终端连接相关指标的当前值中不符合预设标准的物联网终端连接相关指标。
5.根据权利要求1所述的物联网连接质量的预测方法,其特征在于,所述根据所述连接质量预测模型和所述物联网终端连接相关指标的当前值对当前物联网中各个物联网终端的连接质量进行预测包括:
根据所述连接质量预测模型中各个影响因子的权重值,从所述物联网终端连接相关指标中选取第一目标指标;
根据所述连接质量预测模型和所述第一目标指标的当前值对当前物联网中各个物联网终端的连接质量进行预测。
6.根据权利要求1所述的物联网连接质量的预测方法,其特征在于,所述预测结果包括健康和故障;
所述将当前物联网中各个物联网终端的连接质量的预测结果输出包括:
当确定第一目标物联网终端的连接质量的预测结果为故障时,将在所述连接质量预测模型中权重值大于预设值的影响因子对应的第二目标指标确定为故障指标;
根据所述故障指标生成故障提示信息,并输出至维护终端;
所述第一目标物联网终端为当前物联网中所有物联网终端中任一个;所述第二目标指标为所述物联网终端连接相关指标中任一个或多个。
7.根据权利要求6所述的物联网连接质量的预测方法,其特征在于,将所述故障提示信息输出至维护终端之后还包括:
接收所述维护终端发送的模型修改指令;所述模型修改指令中包括第二目标物联网终端的连接相关数据;所述第二目标物联网终端的连接相关数据包括:运营商网络侧的第二目标物联网终端相关数据和第二目标物联网终端数据;
根据所述模型修改指令对所述连接质量预测模型进行修正;
所述第二目标物联网终端为当前物联网中所有物联网终端中连接质量的预测结果和实际测量结果不符的物联网终端。
8.一种物联网连接质量的预测装置,其特征在于,包括:获取模块、统计模块、模型生成模块、处理模块和通信模块;
所述获取模块,用于获取物联网相关历史数据;所述物联网相关历史数据至少包括:运营商网络侧的物联网终端相关历史数据、物联网终端历史数据、辅助历史数据和物联网终端连接故障数据;
所述统计模块,用于从所述获取模块获取的所述物联网相关的历史数据中统计得出物联网终端连接相关指标的历史值;所述物联网终端连接相关指标至少包括:接入类指标、保持类指标、业务量类指标、资源负荷类指标、网络质量类指标和设备运行类指标;
所述模型生成模块,用于根据所述统计模块统计的所述物联网终端连接相关指标的历史值和所述获取模块获取的所述物联网终端连接故障数据,依据机器学习算法构建连接质量预测模型;
所述获取模块还用于获取当前时刻的物联网相关数据;所述当前时刻的物联网相关数据至少包括:当前时刻的运营商网络侧的物联网终端相关数据、当前时刻的物联网终端数据和当前时刻的辅助数据;
所述统计模块还用于从所述获取模块获取的所述当前时刻的物联网相关数据中统计得出物联网终端连接相关指标的当前值;
所述处理模块,用于根据所述模型生成模块生成的所述连接质量预测模型和所述统计模块统计出的所述物联网终端连接相关指标的当前值对当前物联网中各个物联网终端的连接质量进行预测;
所述通信模块,用于将所述处理模块对当前物联网中各个物联网终端的连接质量的预测结果输出。
9.根据权利要求8所述的物联网连接质量的预测装置,其特征在于,还包括指标修正模块;
所述指标修正模块,用于对所述统计模块统计的当前值不存在的物联网终端连接相关指标使用预设填充方法填充其当前值。
10.根据权利要求9所述的物联网连接质量的预测装置,其特征在于,所述指标修正模块还用于对所述统计模块统计的所述物联网终端连接相关指标的当前值中存在分阶评价的物联网终端连接相关指标进行离散化赋值。
11.根据权利要求9所述的物联网连接质量的预测装置,其特征在于,所述指标修正模块还用于清洗所述统计模块统计的所述物联网终端连接相关指标的当前值中不符合预设标准的物联网终端连接相关指标。
12.根据权利要求8所述的物联网连接质量的预测装置,其特征在于,所述处理模块具体用于:
根据所述模型生成模块生成的所述连接质量预测模型中各个影响因子的权重值,从所述物联网终端连接相关指标中选取第一目标指标;
根据所述模型生成模块生成的所述连接质量预测模型和所述统计模块统计的所述第一目标指标的当前值对当前物联网中各个物联网终端的连接质量进行预测。
13.根据权利要求8所述的物联网连接质量的预测装置,其特征在于,所述预测结果包括健康和故障;所述物联网连接质量的预测装置还包括判断模块;
所述通信模块具体用于当所述判断模块确定所述处理模块对第一目标物联网终端的连接质量的预测结果为故障时,将在所述模型生成模块生成的所述连接质量预测模型中的权重值大于预设值的影响因子对应的第二目标指标确定为故障指标;
根据所述故障指标生成故障提示信息,并输出至维护终端;
所述第一目标物联网终端为当前物联网中所有物联网终端中任一个;所述第二目标指标为所述物联网终端连接相关指标中任一个或多个。
14.根据权利要求13所述的物联网连接质量的预测装置,其特征在于,
所述通信模块还用于接收维护终端发送的模型修改指令;所述模型修改指令中包括第二目标物联网终端的连接相关数据;所述第二目标物联网终端的连接相关数据包括:运营商网络侧的第二目标物联网终端相关数据和第二目标物联网终端数据;
所述模型生成模块还用于根据所述通信模块接收到的所述模型修改指令对所述连接质量预测模型进行修正;
所述第二目标物联网终端为当前物联网中所有物联网终端中连接质量的预测结果和实际测量结果不符的物联网终端。
15.一种物联网连接质量的预测装置,其特征在于,包括存储器、处理器、总线和通信接口;所述存储器用于存储计算机执行指令,所述处理器与所述存储器通过所述总线连接;当所述物联网连接质量的预测装置运行时,所述处理器执行所述存储器存储的所述计算机执行指令,以使所述物联网连接质量的预测装置执行如权利要求1-7任一项所述的物联网连接质量的预测方法。
16.一种计算机存储介质,其特征在于,所述计算机存储介质包括计算机执行指令,当所述计算机执行指令在计算机上运行时,使得所述计算机执行如权利要求1-7任一项所述的物联网连接质量的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910002865.4A CN109617765A (zh) | 2019-01-02 | 2019-01-02 | 一种物联网连接质量的预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910002865.4A CN109617765A (zh) | 2019-01-02 | 2019-01-02 | 一种物联网连接质量的预测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109617765A true CN109617765A (zh) | 2019-04-12 |
Family
ID=66017868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910002865.4A Pending CN109617765A (zh) | 2019-01-02 | 2019-01-02 | 一种物联网连接质量的预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109617765A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110418315A (zh) * | 2019-07-24 | 2019-11-05 | 北京市天元网络技术股份有限公司 | 一种用于计算和管理物联网终端功耗的方法 |
CN110443497A (zh) * | 2019-08-05 | 2019-11-12 | 深圳市盟天科技有限公司 | 服务运营质量检测方法、装置、设备及存储介质 |
CN111589107A (zh) * | 2020-05-14 | 2020-08-28 | 北京代码乾坤科技有限公司 | 虚拟模型的行为预测方法和装置 |
CN112187514A (zh) * | 2020-09-02 | 2021-01-05 | 上海御威通信科技有限公司 | 一种数据中心网络设备智能运维系统、方法及终端 |
CN112491572A (zh) * | 2019-09-12 | 2021-03-12 | 华为技术有限公司 | 终端之间连接状态的预测方法、装置和分析设备 |
CN114257547A (zh) * | 2020-09-21 | 2022-03-29 | 中国移动通信集团广东有限公司 | 一种处理网络拥塞的方法和装置 |
CN116916362A (zh) * | 2023-09-12 | 2023-10-20 | 中国铁路设计集团有限公司 | 一种多目标优化的lte-r基站通信质量预测方法 |
CN117880055A (zh) * | 2024-03-12 | 2024-04-12 | 灵长智能科技(杭州)有限公司 | 基于传输层指标的网络故障诊断方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022560A (zh) * | 2016-05-05 | 2016-10-12 | 四川铁安达科技有限公司 | 基于物联网和云计算的地铁盾构管片姿态监测管理系统 |
CN106302487A (zh) * | 2016-08-22 | 2017-01-04 | 中国农业大学 | 农业物联网数据流异常实时检测处理方法及装置 |
CN106897494A (zh) * | 2017-01-20 | 2017-06-27 | 重庆酷能节能科技有限公司 | 一种物联网能效管理系统 |
CN108848515A (zh) * | 2018-05-31 | 2018-11-20 | 武汉虹信技术服务有限责任公司 | 一种基于大数据的物联网业务质量监测平台及方法 |
-
2019
- 2019-01-02 CN CN201910002865.4A patent/CN109617765A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022560A (zh) * | 2016-05-05 | 2016-10-12 | 四川铁安达科技有限公司 | 基于物联网和云计算的地铁盾构管片姿态监测管理系统 |
CN106302487A (zh) * | 2016-08-22 | 2017-01-04 | 中国农业大学 | 农业物联网数据流异常实时检测处理方法及装置 |
CN106897494A (zh) * | 2017-01-20 | 2017-06-27 | 重庆酷能节能科技有限公司 | 一种物联网能效管理系统 |
CN108848515A (zh) * | 2018-05-31 | 2018-11-20 | 武汉虹信技术服务有限责任公司 | 一种基于大数据的物联网业务质量监测平台及方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110418315A (zh) * | 2019-07-24 | 2019-11-05 | 北京市天元网络技术股份有限公司 | 一种用于计算和管理物联网终端功耗的方法 |
CN110443497A (zh) * | 2019-08-05 | 2019-11-12 | 深圳市盟天科技有限公司 | 服务运营质量检测方法、装置、设备及存储介质 |
JP7354424B2 (ja) | 2019-09-12 | 2023-10-02 | 華為技術有限公司 | 端末間接続状態予測方法及び装置、及び分析デバイス |
CN112491572A (zh) * | 2019-09-12 | 2021-03-12 | 华为技术有限公司 | 终端之间连接状态的预测方法、装置和分析设备 |
WO2021047665A1 (zh) * | 2019-09-12 | 2021-03-18 | 华为技术有限公司 | 终端之间连接状态的预测方法、装置和分析设备 |
JP2022547582A (ja) * | 2019-09-12 | 2022-11-14 | 華為技術有限公司 | 端末間接続状態予測方法及び装置、及び分析デバイス |
CN111589107A (zh) * | 2020-05-14 | 2020-08-28 | 北京代码乾坤科技有限公司 | 虚拟模型的行为预测方法和装置 |
CN112187514A (zh) * | 2020-09-02 | 2021-01-05 | 上海御威通信科技有限公司 | 一种数据中心网络设备智能运维系统、方法及终端 |
CN114257547A (zh) * | 2020-09-21 | 2022-03-29 | 中国移动通信集团广东有限公司 | 一种处理网络拥塞的方法和装置 |
CN114257547B (zh) * | 2020-09-21 | 2023-11-10 | 中国移动通信集团广东有限公司 | 一种处理网络拥塞的方法和装置 |
CN116916362A (zh) * | 2023-09-12 | 2023-10-20 | 中国铁路设计集团有限公司 | 一种多目标优化的lte-r基站通信质量预测方法 |
CN116916362B (zh) * | 2023-09-12 | 2023-12-12 | 中国铁路设计集团有限公司 | 一种多目标优化的lte-r基站通信质量预测方法 |
CN117880055A (zh) * | 2024-03-12 | 2024-04-12 | 灵长智能科技(杭州)有限公司 | 基于传输层指标的网络故障诊断方法、装置、设备及介质 |
CN117880055B (zh) * | 2024-03-12 | 2024-05-31 | 灵长智能科技(杭州)有限公司 | 基于传输层指标的网络故障诊断方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109617765A (zh) | 一种物联网连接质量的预测方法和装置 | |
CN106338705B (zh) | 一种用于三相电能计量装置的校验误差的方法和装置 | |
CN107995030A (zh) | 一种网络探测方法、网络故障检测方法及系统 | |
CN105408881B (zh) | 大规模网络中的带宽计量 | |
CN108303093A (zh) | 一种室内定位方法及装置 | |
CN109246740A (zh) | 一种网络质量的评价方法及装置 | |
CN106874187A (zh) | 代码覆盖率收集方法和装置 | |
CN106535234A (zh) | 测量报告与用户关联和上网问题的定位方法和装置 | |
CN104244317B (zh) | 确定室内话务状态、室内话务量的方法和设备 | |
CN106937303A (zh) | 一种基站测试方法及系统、终端、云服务器 | |
CN108307427A (zh) | 一种lte网络覆盖分析、预测方法及系统 | |
CN108495329A (zh) | 一种基站可靠性的评价方法和装置 | |
CN110096419A (zh) | 接口日志的获取方法、接口日志管理服务器及业务服务器 | |
CN109902930A (zh) | 一种基于实有人口指标的配套设施规划辅助系统 | |
CN108551491A (zh) | 基于人工智能的异构网络空间多层次移动物联网云系统 | |
CN109582751A (zh) | 一种检索效果的度量方法及服务器 | |
CN112423337B (zh) | 网络覆盖诊断模型构建方法、网络覆盖诊断方法及装置 | |
CN113660687B (zh) | 网络差小区处理方法、装置、设备及存储介质 | |
CN108234227A (zh) | 网络节点设备的时延测量方法、装置及网络节点设备 | |
CN109088949A (zh) | 一种物联网业务的匹配方法以及mme | |
CN112216112A (zh) | 基于与物联融合场景的北斗定位诱导泊车系统及方法 | |
CN112203322A (zh) | 一种信道资源利用率的统计方法和装置 | |
CN110337118A (zh) | 用户投诉快速处理方法及装置 | |
CN110489598A (zh) | 一种用户社团划分方法及装置 | |
CN108768776A (zh) | 一种基于OpenFlow的网络监控方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190412 |
|
RJ01 | Rejection of invention patent application after publication |