CN109756911A - 网络质量预测方法、业务调整方法、相关设备及存储介质 - Google Patents
网络质量预测方法、业务调整方法、相关设备及存储介质 Download PDFInfo
- Publication number
- CN109756911A CN109756911A CN201910103593.7A CN201910103593A CN109756911A CN 109756911 A CN109756911 A CN 109756911A CN 201910103593 A CN201910103593 A CN 201910103593A CN 109756911 A CN109756911 A CN 109756911A
- Authority
- CN
- China
- Prior art keywords
- information
- network quality
- prediction
- quality
- time section
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例公开了一种网络质量预测方法、业务调整方法、相关设备及存储介质，其中网络质量预测方法包括：获取待预测的目标地理区域在历史时间段内的历史网络质量，所述历史网络质量基于多个终端提交的上报信息得到；根据所述历史网络质量调用网络质量预测模型进行预测处理，得到所述目标地理区域在预测时间段内的预测网络质量，所述预测时间段的起始时间晚于所述历史时间段的结束时间。本发明实施例可以更好地进行网络质量预测，提高网络质量的预测精准度。
Description
技术领域
本发明涉及通信技术领域，具体涉及一种网络质量预测方法、一种业务调整方法、一种网络质量预测装置、一种业务调整装置、一种服务器、一种终端及一种计算机存储介质。
背景技术
随着移动通信技术的发展，用户业务从传统的语音通话业务逐渐转向视频点播、视频直播及网络游戏等多媒体数据业务。为了满足用户日渐丰富的业务需求，对网络质量提出了更高的要求。当某地理区域的网络需求接入过多，网络负荷增大时，容易导致网络拥塞，从而无法满足用户的网络需求以实现相应的业务。因此，通信运营商通常会对该地理区域的网络质量进行预测，根据预测网络质量对该地理区域进行网络扩容等保障处理，以满足用户的网络需求。
目前，对待预测的目标地理区域进行网络预测时，主要根据目标地理区域中已配置的基站的负载、预估人数以及网络需求预测目标地理区域在未来的预测时间段内的预测网络质量。由此可见，目前的网络质量预测方法主要是从通信运营商所配置的基站负载的角度考虑的；但基站通常存在网络覆盖盲区(如室内死角)，若根据基站负载预测目标地理区域的网络质量，则会无法预测到目标地理区域中所存在的网络覆盖盲区的网络质量，其预测精准度较低。因此，如何更好地对目标地理区域进行网络预测成为了研究热点。
发明内容
本发明实施例提供了一种网络质量预测方法、业务调整方法、相关设备及计算机存储介质，可以更好地进行网络预测，提高网络质量的预测精准度。
一方面，本发明实施例提供了一种网络质量预测方法，所述网络质量预测方法包括：
获取待预测的目标地理区域在历史时间段内的历史网络质量，所述历史网络质量基于终端提交的上报信息得到；
根据所述历史网络质量调用网络质量预测模型进行预测处理，得到所述目标地理区域在预测时间段内的预测网络质量，所述预测时间段的起始时间晚于所述历史时间段的结束时间。
另一方面，本发明实施例提供了一种业务调整方法，所述业务调整方法包括：
向服务器提交关于目标地理区域的上报信息，所述上报信息包括时间信息、位置信息及网络质量信息；
接收所述服务器发送的所述目标地理区域在预测时间段内的预测网络质量，所述预测网络质量是由所述服务器根据所述目标地理区域在历史时间段内的历史网络质量调用网络质量预测模型进行预测处理得到的，所述历史网络质量基于所述上报信息得到，所述预测时间段的起始时间晚于所述历史时间段的结束时间；
根据所述目标地理区域在预测时间段内的预测网络质量，对目标应用的业务策略进行调整。
再一方面，本发明实施例提供了一种网络质量预测装置，所述网络质量预测装置包括：
获取单元，用于获取待预测的目标地理区域在历史时间段内的历史网络质量，所述历史网络质量基于终端提交的上报信息得到；
处理单元，用于根据所述历史网络质量调用网络质量预测模型进行预测处理，得到所述目标地理区域在预测时间段内的预测网络质量，所述预测时间段的起始时间晚于所述历史时间段的结束时间。
再一方面，本发明实施例提供了一种业务调整方法，所述业务调整方法包括：
上报单元，用于向服务器提交关于目标地理区域的上报信息，所述上报信息包括时间信息、位置信息及网络质量信息；
接收单元，接收所述服务器发送的所述目标地理区域在预测时间段内的预测网络质量，所述预测网络质量是由所述服务器根据所述目标地理区域在历史时间段内的历史网络质量调用网络质量预测模型进行预测处理得到的，所述预测时间段的起始时间晚于所述历史时间段的结束时间；
调整单元，用于根据所述目标地理区域在预测时间段内的预测网络质量，对目标应用的业务策略进行调整。
再一方面，本发明实施例提供了一种服务器，所述服务器包括通信接口，所述服务器还包括：
处理器，适于实现一条或一条以上指令；以及，
计算机存储介质，所述计算机存储介质存储有一条或一条以上指令，所述一条或一条以上指令适于由所述处理器加载并执行如下步骤：
获取待预测的目标地理区域在历史时间段内的历史网络质量，所述历史网络质量基于终端提交的上报信息得到；
根据所述历史网络质量调用网络质量预测模型进行预测处理，得到所述目标地理区域在预测时间段内的预测网络质量，所述预测时间段的起始时间晚于所述历史时间段的结束时间。
再一方面，本发明实施例提供了一种终端，所述终端包括输入设备和输出设备，所述终端还包括：
处理器，适于实现一条或一条以上指令；以及，
计算机存储介质，所述计算机存储介质存储有一条或一条以上指令，所述一条或一条以上指令适于由所述处理器加载并执行如下步骤：
向服务器提交关于目标地理区域的上报信息，所述上报信息包括时间信息、位置信息及网络质量信息；
接收所述服务器发送的所述目标地理区域在预测时间段内的预测网络质量，所述预测网络质量是由所述服务器根据所述目标地理区域在历史时间段内的历史网络质量调用网络质量预测模型进行预测处理得到的，所述预测时间段的起始时间晚于所述历史时间段的结束时间；
根据所述目标地理区域在预测时间段内的预测网络质量，对目标应用的业务策略进行调整。
再一方面，本发明实施例提供了一种计算机存储介质，所述计算机存储介质存储有一条或一条以上第一指令，所述一条或一条以上第一指令适于由处理器加载并执行如下步骤：
获取待预测的目标地理区域在历史时间段内的历史网络质量，所述历史网络质量基于终端提交的上报信息得到；
根据所述历史网络质量调用网络质量预测模型进行预测处理，得到所述目标地理区域在预测时间段内的预测网络质量，所述预测时间段的起始时间晚于所述历史时间段的结束时间。
或者，所述计算机存储介质存储有一条或一条以上第二指令，所述一条或一条以上第二指令适于由处理器加载并执行如下步骤：
向服务器提交关于目标地理区域的上报信息，所述上报信息包括时间信息、位置信息及网络质量信息；
接收所述服务器发送的所述目标地理区域在预测时间段内的预测网络质量，所述预测网络质量是由所述服务器根据所述目标地理区域在历史时间段内的历史网络质量调用网络质量预测模型进行预测处理得到的，所述预测时间段的起始时间晚于所述历史时间段的结束时间；
根据所述目标地理区域在预测时间段内的预测网络质量，对目标应用的业务策略进行调整。
本发明实施例在对目标地理区域进行网络质量预测时，先获取目标地理区域在历史时间段内的历史网络质量；再调用根据历史网络质量调用网络质量预测模型进行预测处理，得到目标地理区域在预测时间段内的预测网络质量。在上述网络质量预测的过程中，由于历史网络质量是基于终端提交的上报信息得到的，可避免从基站侧收集历史网络质量时因网络覆盖盲区而导致历史网络质量不完整的问题；可提高历史网络质量的准确性。并且，根据较为准确的历史网络质量进行网络质量预测，可提高网络质量的预测精准度；从而可使得预测得到的预测网络质量能够更加准确、真实地反映用户网络使用体验。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例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1a是本发明实施例提供的一种通信系统的结构示意图；
图1b是本发明实施例提供的一种组网架构的示意图；
图1c是本发明另一实施例提供的一种组网架构的示意图；
图2a是本发明实施例提供的一种网络质量预测方案的流程示意图；
图2b是本发明实施例提供的一种信息编排格式的示意图；
图3是本发明实施例提供的一种网络质量预测方法的流程示意图；
图4a是本发明实施例提供的一种待预测区域和目标地理区域的示意图；
图4b是本发明实施例提供的另一种待预测区域和目标地理区域的示意图；
图5是本发明另一实施例提供的一种网络质量预测方法的流程示意图；
图6是本发明实施例提供的一种网络质量热力图的示意图；
图7是本发明实施例提供的一种业务调整方法的流程示意图；
图8a是本发明实施例提供的一种业务调整方法的应用场景图；
图8b是本发明实施例提供的一种业务调整方法的另一应用场景图；
图9是本发明实施例提供的一种网络质量预测装置的结构示意图；
图10是本发明实施例提供的一种业务调整装置的结构示意图；
图11是本发明实施例提供的一种服务器的结构示意图；
图12是本发明实施例提供的一种终端的结构示意图。
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。
计算机网络(简称网络)是指：将地理位置不同的具有独立功能的多台终端及其外部设备，通过通信线路连接起来，并在网络操作系统、网络管理软件以及网络通信协议的管理和协调下，实现资源共享和信息传递的计算机系统。计算机网络可包括：无线网络(Wireless Network)和有线网络(Wired network)；其中，无线网络是指：采用无线通信技术实现的网络；有线网络是指：采用同轴电缆、双绞线和光纤等通信介质连接的网络。网络质量通常影响着用户体验；若网络质量较差，则会出现用户无法上网、网速较慢或者无法拨打电话等情况，从而无法满足用户的网络需求。
本发明实施例的相关技术提及：通信运营商通常会对目标地理区域的网络质量进行预测，从而根据目标地理区域的预测网络质量对目标地理区域进行网络扩容等保障处理，以满足位于目标地理区域内的用户的网络需求。基于此，本发明实施例提出了一种网络质量预测方案，该网络质量预测方案可以应用在如图1a所示的通信系统中，可以更好地对通信系统中的计算机网络进行网络质量预测，提高预测精准度。如图1a所示，通信系统包括多个终端和服务器，各个终端和服务器可在计算机网络中进行资源共享和信息传递；此处的终端可以包括但不限于：移动终端、膝上计算机、平板电脑、台式计算机，等等；此处的服务器可以是用于提供网络质量预测服务的服务设备，其可以是数据处理服务器、web服务器、应用服务器等等；该服务器可以是一个独立的服务设备，也可以是由多个服务设备共同构成的集群设备。
在图1a所示的通信系统中，终端至少包括上报模块，该上报模块用于提交位置信息、时间信息以及网络质量信息等上报信息；应理解的是，终端不局限于只包括上报模块，还可包括其他功能模块，例如用于采集信息的采集模块、用于与用户进行人机交互的交互模块等。服务器至少包括存储模块、预测模块以及控制模块；其中，存储模块用于存储终端的上报模块提交的上报信息；预测模块用于根据存储模块存储的上报信息求解得到待预测区域在预测时间段内的预测网络质量和/或网络质量热力图；控制模块用于向终端发送信息收集请求、下发或调整上报策略，向预测模块发起网络质量的预测请求等。基于地理区域的地理位置不同，图1a所示的通信系统对应不同的组网架构。若地理区域存在核心网(CoreNetwork)，如地理区域为具有核心网的省会城市，则服务器位于数据中心(Data Center)，那么此情况下的通信系统对应的组网架构如图1b所示。图1b所示的组网架构中包括：终端、基站、UPF(User Port Function，用户端口功能)、核心网、数据中心以及位于数据中心内的服务器；终端和服务器之间通过基站、UPF以及核心网进行信息传递和资源共享。若地理区域不存在核心网，则服务器位于MEC(Mobile Edge Computing，移动边缘计算)，那么此情况下的通信系统对应的组网架构如图1c所示。图1c所示的组网架构中包括：终端、基站、UPF、MEC以及位于MEC内的服务器；终端和服务器之间通过基站和UPF进行信息传递和资源共享。
本发明实施例以计算机网络为无线网络、组网架构为图1b所示的组网架构为例，对该网络质量预测方案的主要流程进行阐述，即本发明实施例后续所提及的网络均是指无线网络。当计算机网络为有线网络和/或组网架构为图1c所示的组网架构时，进行网络质量预测的具体实施方式均可参见本发明实施例。请参见图2a，网络质量预测方案的主要流程如下：
①服务器的控制模块向终端的上报模块发送信息收集请求。
②上报模块应答，并询问控制模块上报策略。
③控制模块应答，并下发上报策略至终端的上报模块；该上报策略包括但不限于上报周期和/或上报内容；例如上报周期为每隔30秒上报一次，上报内容包括位置信息、时间信息以及在历史时间段内的网络质量信息。
④上报模块按照上报策略采集信息，编排采集到的信息，并提交编排后的信息。具体的，上报模块按照上报策略中的上报周期采集终端所处的位置信息、时间信息以及网络质量信息；然后按照如图2b所示的信息编排格式，对位置信息、时间信息以及网络质量信息进行编排处理，得到编排后的上报信息；将上报信息提交至服务器的存储模块。
⑤存储模块定期通知控制模块信息接收情况，以及信息特征；其中，信息接收情况用于指示是否成功接收到上报信息；信息特征用于指示终端的地理位置是否发生变化，和/或信息特征用于指示下一次接收到上报信息的概率。
⑥控制模块根据信息特征调整上报策略，并将调整后的上报策略下发至终端的上报模块。
⑦上报模块按照调整后的上报策略采集信息，并对新采集到的信息进行编排处理后提交至存储模块。
⑧存储模块定期通知控制模块信息接收情况，以及信息特征。可选的，可多次执行上述步骤⑥-步骤⑧。
⑨控制模块向服务器的预测模块发起预测请求，预测请求携带待预测区域的区域标识以及预测时间段，该待预测区域为需要进行网络质量预测的地理区域。例如，若需要对商场A的网络质量进行预测，则待预测区域为商场A；又如，若需要对大型景区B节假日的网络质量进行预测，则待预测区域为大型景区B；再如，若需要对大型演唱会的举办场地的网络质量进行预测，则待预测区域为该大型演唱会的举办场地，等等。
⑩预测模块向存储模块发起请求，以请求存储模块发送各终端历史上报的关于待预测区域的上报信息。
存储模块响应，向预测模块发送相关上报信息。
预测模块根据相关上报信息进行预测处理，求解得到预测结果，该预测结果包括待预测区域在预测时间段内的预测网络质量和/或网络质量热力图。
预测模块向控制模块发送预测结果，以便于控制模块根据预测结果进行业务处理。
需要说明的是，在其他实施例中，终端也可通过上报模块主动向服务器提交上报信息。具体的：终端的上报模块向服务器发送策略获取请求，所述策略获取请求用于请求服务器下发上报策略；服务器的控制模块在接收到终端发送的策略获取请求后，下发上报策略至终端的上报模块。由上述主要流程可知，服务器可从终端侧收集上报信息，可避免从基站侧收集上报信息时因网络覆盖盲区而导致上报信息不完整的问题；可提高上报信息的准确性。并且，根据较为准确的上报信息进行网络质量预测，可提高网络质量的预测精准度；从而可使得预测得到的预测结果能够更加准确、真实地反映用户网络使用体验。
基于上述描述，本发明实施例提出一种网络质量预测方法，该网络质量预测方法可以由上述所提及的服务器执行。请参见图3，该网络质量预测方法可包括以下步骤S301-S302：
S301，获取待预测的目标地理区域在历史时间段内的历史网络质量。
此处的目标地理区域是指待预测区域中的任一子区域；在对待预测区域进行网络质量预测时，可将待预测区域划分为多个子区域，从多个子区域中任意选取一个子区域作为目标地理区域。例如，如图4a所示，待预测区域为商场A，该商场A可分为多个子区域，图4a中的每个网格可表示一个子区域；从商场A中的多个子区域中任意选取一个子区域所得到的目标地理区域可以如图4a中的虚线网格所示。可理解的是，当待预测区域的面积足够小(待预测区域的面积小于预设面积阈值)时，目标地理区域可以表示为待预测区域。例如，如图4b所示，待预测区域的面积较小，此情况下目标地理区域和待预测区域为同一个区域。
目标地理区域在历史时间段内的历史网络质量基于终端提交的上报信息得到。其中，历史时间段是指：结束时间早于或等于服务器的当前系统时间的时间段；例如，服务器的当前系统时间为10:00，若时间段A为9:00-10:00，则时间段A为历史时间段；若时间段B为9:30-10:30，则时间段B不是历史时间段。上报信息是指：终端基于服务器下发的上报策略所提交的信息，上报策略可至少包括上报周期和/或上报内容；上报信息可包括但不限于：时间信息、位置信息及网络质量信息。
时间信息所指示的时间为：从终端的系统时钟处采集的系统时间，或者从服务器处获取的互联网时间；该时间信息包括但不限于：提交上报信息的上报时刻的年月日时分秒信息，和/或采集到网络质量信息和位置信息的采集时刻的年月日时分秒信息。需要说明的是，上报时刻和采集时刻可相同，可不同，也可部分相同；例如，若上报时刻为2018年12月31日10点30分10秒，采集时刻为2018年12月31日10点30分10秒，则上报时刻和采集时刻相同；若上报时刻为2018年12月31日10点30分10秒，采集时刻为2018年12月30日9点30分30秒，则上报时刻和采集时刻不同；若上报时刻为2018年12月31日10点30分10秒，采集时刻为2018年12月31日9点30分10秒，则上报时刻和采集时刻部分相同。
位置信息可以为：提交上报信息的终端自身的位置信息，或者与该终端进行通信的其他终端的位置信息；该位置信息包括但不限于：经纬度信息、坐标信息。位置信息的采集方式包括以下至少一项：从GPS(Global Positioning System，全球定位系统)定位中采集、从WIFI(Wireless-Fidelity，无线保真)定位中采集、采用高精度定位算法(如RTK(Real-TimeKinematic，实时动态定位)算法)采集，或者其它定位功能中采集。
网络质量信息可包括以下至少一项网络参数：参考信号接收功率(ReferenceSignal Receiving Power，RSRP)、参考信号接收质量(Reference Signal ReceivingQuality，RSRQ)、接收信号强度指示(Received Signal Strength Indication，RSSI)、信号与干扰加噪声(Signal to Interference plus Noise Ratio，SINR)比及跟踪区编码(Tracking Area Code，TAC)。网络质量信息的采集方式包括以下至少一项：通过与基站进行交互采集、通过终端底层的SDK(Software Development Kit，软件开发工具包)采集、通过终端的其他开放接口采集，等等；其他开放接口可包括：终端内已安装的应用程序的SDK，例如腾讯地图的SDK。
S302，根据历史网络质量调用质量预测模型进行预测处理，得到目标地理区域在预测时间段内的预测网络质量。
在获取到目标地理区域的历史网络质量之后，可根据历史网络质量调用质量预测模型进行预测处理，得到目标地理区域在预测时间段内的预测网络质量，该预测时间段的起始时间晚于历史时间段的结束时间。预测时间段可根据实际业务需求设置，例如设置为10:00-11:00。在一种实施方式中，预测时间段的起始时间也可等于历史时间段的结束时间。再一种实施方式中，预测时间段与历史时间段相关联，此处的相关联是指：预测时间段和历史时间段表示不同年份的同一节假日或者同一纪念日的相同时间段。例如，预测时间段为2019年10月1日11:00-12:00，历史时间段为2018年10月1日11:00-12:00，那么预测时间段和历史时间段均表示国庆节10月1日的11:00-12:00这一时间段，此情况可认为预测时间段与历史时间段相关联。在本实施方式中，由于预测时间段与历史时间段相关联，因此在历史时间段内的历史网络质量更具参考意义，根据历史时间段的历史网络质量所得到的预测网络质量的精确度更高。
本发明实施例的相关技术提及，现有的网络质量预测方法通常是从通信运营商所配置的基站负载的角度考虑的；由此可见，现有的网络质量预测方法是静态的。通信运营商为满足用户的网络需求，通常会根据静态预测得到网络质量对热点高峰区域提前做网络资源的扩容。而在实际应用中，热点高峰区域(网络需求较大的区域)是随着时间的流逝和人流的走向而发生变化，由于现有的网络质量预测方法是静态的，所以无法感知热点高峰区域的变化，从而导致通信运营商不会动态调整网络资源，缺乏灵活性。而本发明实施例则是采用历史网络质量进行网络质量的预测；由于位置信息可反映人流量信息，因此基于时间信息、位置信息及网络质量信息得到的历史网络质量可反映目标地理区域在历史上不同时间的人流量、网络质量的相应变化，根据该历史网络质量可实时动态预测目标地理区域的网络质量；从而可以根据动态预测得到的预测网络质量动态调整网络资源，灵活性较高。
应理解的是，当预测时间段的时间间隔足够小时(小于预设时间间隔)，预测时间段可用于表示具体的时刻；例如，设预测时间段为10点30分10秒00毫秒至10点30分10秒01毫秒，此情况下的预测时间段的时间间隔为1毫秒，该时间间隔可忽略不计，即此情况下的预测时间段可用于表示具体的时刻：10点30分10秒00毫秒或者10点30分10秒01毫秒。同理，当历史时间段的时间间隔足够小时，历史时间段可用于表示具体的时刻。由于对目标地理区域的网络质量预测带有时间维度(如预测时间段和历史时间段)，因此预测得到的预测网络质量在通信运营商或者目标地理区域的管理者对网络进行调整和优化保障时具有重要意义。
网络质量预测模型可至少包括时间序列分析模型和/或基于机器学习训练的神经网络模型；其中，时间序列分析模块可包括差分整合移动平均自回归模型(AutoregressiveIntegrated Moving Average model，ARIMA模型)。采用ARIMA模型进行预测处理的主要原理如下：1、根据时间序列数据(各位置信息对应的网络质量信息以及位置信息反映的人群数量)的散点图、自相关函数和偏自相关函数识别其平稳性。2、对非平稳的时间序列数据进行平稳化处理，直至处理后的自相关函数和偏自相关函数的数值非显著非零。3、根据识别出的特征建立相应的时间序列模型。平稳化处理后，若偏自相关函数是截尾的，而自相关函数是拖尾的，则建立AR模型(Autoregressive model，自回归模型)；若偏自相关函数是拖尾的，而自相关函数是截尾的，则建立MA模型(Moving Average model，移动平均模型)；若偏自相关函数和自相关函数均是拖尾的，则建立ARMA模型(Autoregressive moving averagemodel，自回归滑动平均模型)。4、参数估计，检验是否具有统计意义。5、假设检验，判断(诊断)残差序列是否为白噪声序列。6、利用已通过检验的模型进行预测处理。
本发明实施例在对目标地理区域进行网络质量预测时，先获取目标地理区域在历史时间段内的历史网络质量；再调用根据历史网络质量调用网络质量预测模型进行预测处理，得到目标地理区域在预测时间段内的预测网络质量。在上述网络质量预测的过程中，由于历史网络质量是基于终端提交的上报信息得到的，可避免从基站侧收集历史网络质量时因网络覆盖盲区而导致历史网络质量不完整的问题；可提高历史网络质量的准确性。并且，根据较为准确的历史网络质量进行网络质量预测，可提高网络质量的预测精准度；从而可使得预测得到的预测网络质量能够更加准确、真实地反映用户网络使用体验。
请参见图5，是本发明实施例提供的另一种网络质量预测方法的流程示意图。该网络质量预测方法可以由上述所提及的服务器执行。请参见图5，该网络质量预测方法可包括以下步骤S501-S507：
S501，向终端发送信息收集请求。
S502，接收终端返回的应答消息。
S503，向终端发送上报策略，该上报策略包括上报周期和/或上报内容。
S504，接收终端按照上报策略提交的上报信息。
上报信息可包括：时间信息、位置信息及网络质量信息；上报信息按照预设的信息编排格式对时间信息、位置信息以及网络质量信息进行编排处理得到。服务器可通过步骤S501-S504接收终端提交的多个上报信息；服务器每次在接收到上报信息之后，可获取上报信息的信息特征，并根据信息特征调整上报策略；在一种实施方式中，信息特征可包括：信息传输特征和/或位置特征。服务器在根据信息特征调整上报策略之后，还可将调整后的上报策略发送至终端，以便于终端按照调整后的上报策略提交上报信息。
其中，信息传输特征包括：丢包率和/或带宽信息，此处的丢包率是指实际接收到的上报信息的数量与基于上报周期计算得到的上报信息的数量之间的比值。例如：上报周期为每隔10秒钟上报一次，那么在1分钟内，基于上报周期计算得到的上报信息的数量为6，而实际接收到的上报信息的数量为3，那么丢包率则为3/6*100％＝50％。信息传输特征可用于预测下一次成功接收到上报信息的概率，具体的：丢包率与下一次成功接收到上报信息的预测概率成反比，即丢包率越大，则预测概率越小；带宽信息所指示的带宽与下一次成功接收到上报信息的预测概率成正比，即带宽信息所指示的带宽越小，则预测概率越小。实践表明，预测概率越小，则说明终端当前的网络质量较差，此情况下可延长上报周期。因此，在根据信息传输特征调整上报策略时，若根据信息传输特征预测到的预测概率小于预设概率阈值，则延长上报策略中的上报周期。
位置特征包括终端所处位置的变化频率，位置特征可用于预测终端的地理位置是否发生变化。例如，变化频率为每一个小时变化一次位置，当前时间为10:30，上报周期为每隔30秒上报一次；服务器根据终端的上报信息检测到终端在10:00时变化了位置，那么根据变化频率可预测到终端在30分钟(10:30-11:00)内不会发生位置变化。实践表明，同一位置处的网络质量信息通常不会发生较大的变化，因此为节省资源，服务器可减少终端提交上报信息的次数，即服务器可延长上报周期，如将上报周期延长为1分钟。因此，在根据位置特征调整上报策略时，若变化频率大于预设频率阈值，则可缩短上报周期；若变化频率不大于预设频率阈值，则可延长上报周期。
服务器可接收多个终端提交的上报信息。可选的，服务器在接收到任一终端提交的上报信息后，可存储已接收到的上报信息。服务器还可根据上报信息中的位置信息和时间信息生成带时间戳的人流量热力图，根据上报信息中的网络质量信息和时间信息生成带时间戳的网络质量分布图；并存储人流量热力图和网络质量分布图。服务器在检测预测请求后，可执行步骤S505。
S505，获取待预测的目标地理区域在历史时间段内的历史网络质量，该历史网络质量基于终端提交的上报信息得到。
由于服务器可接收并存储多个终端提交的上报信息，在这多个终端中可能存在部分终端提交的上报信息中的时间信息所指示的时间不在历史时间段内，或者存在部分终端提交的上报信息中的位置信息所指示的位置不在目标地理区域内，那么这部分终端提交的上报信息对目标地理区域的网络质量预测不具有参考意义。因此，为了节省处理资源，步骤S505可包括如下步骤s11-s12：
s11，从已接收到的上报信息中筛选出与目标地理区域相关的目标信息集合。
目标集合中包括多条目标上报信息，该目标上报信息中的时间信息所指示的时间位于历史时间段内，且目标历史上报信息中的位置信息所指示的位置位于目标地理区域内。
s12，根据目标信息集合中各目标上报信息中的网络质量信息确定目标地理区域在历史时间段内的历史网络质量。
目标地理区域在历史时间段内的历史网络质量具有如下两种表示方式：第一种表示方式为：直接采用目标信息集合中各目标上报信息中的网络质量信息中的网络参数表示；第二种表示方式为：对目标信息集合中各目标上报信息中的网络质量信息进行汇总处理后，采用汇总处理后的网络质量信息中的网络参数表示。具体的，若目标信息集合中的各目标上报信息中的时间信息均不相同和/或位置信息均不相同，则采用第一种表示方式表示目标地理区域在历史时间段内的历史网络质量；若目标信息集合中存在至少两条目标上报信息中的时间信息和位置信息相同，则采用第二种表示方式表示目标地理区域在历史时间段内的历史网络质量。
相应的，步骤s12的具体实施方式为：选取目标地理区域内的第一位置对应的第一位置信息，以及选取历史时间段内的第一时间对应的第一时间信息；第一位置为目标地理区域内的任意位置，第一时间为历史时间段内的任意时间。然后从目标信息集合中筛选包含第一位置信息及第一时间信息的目标上报信息；将筛选出的目标上报信息中的第一网络质量信息进行汇总处理，此处的汇总处理包括平均值求取处理、加权处理或随机选取处理；采用汇总处理得到的网络质量信息表示目标地理区域内的第一位置在第一时间的历史网络质量。需要说明的是，若筛选出的目标上报信息只有一条，那么汇总处理得到的网络质量信息与筛选出的目标上报信息相同；可采用汇总处理得到的网络质量参数信息中的网络参数表示目标地理区域内的第一位置在第一时间的历史网络质量。
迭代上述步骤得到目标地理区域在历史时间段内的历史网络质量；所谓迭代上述步骤如下：
子步骤A：位置不变，时间迭代。从历史时间段内未被选取的时间中重新选取第一时间，第一位置不变；然后执行从目标信息集合中筛选包含第一位置信息及重新选取的第一时间对应的第一时间信息的目标上报信息；将筛选出的目标上报信息中的第一网络质量信息进行汇总处理；采用汇总处理得到的网络质量信息表示目标地理区域内的第一位置在重新选取的第一时间的历史网络质量；经过子步骤A的时间迭代，直至历史时间段内的所有时间均被选取后，可获取同一位置(不变的第一位置)处的历史时间段内的历史网络质量。
子步骤B：位置迭代。从目标地理区域内未被子步骤A选取的位置中重新选取第一位置，并按照子步骤A的过程处理得到重新选取的第一位置在历史时间段内的历史网络质量。经过子步骤B的位置迭代，直至目标地理区域内的所有位置均被选取过，此时结束迭代流程。最终可得到目标地理区域在历史时间段内的历史网络质量。
需要说明的是，在迭代上述步骤得到目标地理区域在历史时间段内的历史网络质量时，也可以先保持时间不变，进行位置迭代；然后再进行时间迭代。
S506，根据历史网络质量调用网络质量预测模型进行预测处理，得到目标地理区域在预测时间段内的预测网络质量，预测时间段的起始时间晚于历史时间段的结束时间。
S507，根据目标地理区域在预测时间段内的预测网络质量绘制目标地理区域在预测时间段内的网络质量热力图。
目标地理区域在预测时间段内的预测网络质量包括多个网络参数的预测值，相应的步骤S507的具体实施方式为：获取各网络参数的权重值；根据各网络参数的权重值和各网络参数的预测值，计算得到目标地理区域的预测网络质量的预测值；根据预测网络质量的预测值绘制目标地理区域在预设时间段内的网络质量热力图。
其中，在根据各网络参数的权重值和各网络参数的预测值，计算得到目标地理区域的预测网络质量的预测值时，可对各网络参数的权重值和各网络参数的预测值进行加权平均处理，将得到的加权平均值作为目标地理区域的预测网络质量的预测值。预测网络质量的预测值越大，表明目标地理区域在预设时间段内的预测网络质量越好；各网络参数的权重值可根据实际业务需求设置，例如各网络参数的权重值设置为：RSRP的权重值为0.3、RSRQ的权重值为0.2、RSSI的权重值为0.3、SINR的权重值为0.2。
需要说明的是，针对包括多个子区域的待预测区域，可将多个子区域中的每一个子区域均作为目标地理区域，并采用上述步骤S501-S507处理得到每一个子区域的网络质量热力图，从而得到待预测区域的网络质量热力图。在网络质量热力图中，可用不同的颜色表示不同的预测网络质量的预测值。进一步地，服务器还可设置多个预测时间段，得到待预测区域在各个预测时间段内的网络质量热力图。例如，设置三个预测时间段，分别是：10:00-11:00、11:00-12:00以及12:00-13:00，待预测区域在三个预测时间段内的网络质量热力图可如图6所示；其中，黑色所表示的预测网络质量比灰色所表示的预测网络质量差。
可选的，服务器在得到目标地理区域在预测时间段内的预测网络质量后，还可根据目标地理区域在预测时间段内的预测网络质量进行业务处理；或者，服务器可将目标地理区域在预测时间段内的预测网络质量反馈给终端，以便于终端根据目标地理区域在预测时间段内的预测网络质量进行业务处理。具体的，服务器或者终端在根据目标地理区域在预测时间段内的预测网络质量进行业务处理时，可判断目标地理区域在预设时间段内的预测网络质量是否小于网络质量阈值；若小于，则进行业务处理。其中，业务处理包括以下至少一种处理：网络设备配置处理、业务策略的调整处理、网络资源分配处理以及网络建设处理。网络设备配置处理包括：在目标地理区域增设应急网络设备，该应急网络设备包括：基站和/或应急通信车，所谓应急通信车是指：用于应急处理的装有车载通信设备的车辆；业务策略的调整处理包括：调整终端应用的数据缓冲量；网络资源分配处理包括以下至少一项：增加频谱资源、增加信道资源、提高网络覆盖面积以及调整上下行子帧配比。需要说明的是，在其他实施例中，服务器或者终端也可根据目标地理区域在预测时间段内的网络质量热力图进行业务处理，其原理可参见根据预测网络质量进行业务处理的具体实施方式，在此不再赘述。
本发明实施例在对目标地理区域进行网络质量预测时，先获取目标地理区域在历史时间段内的历史网络质量；再调用根据历史网络质量调用网络质量预测模型进行预测处理，得到目标地理区域在预测时间段内的预测网络质量。在上述网络质量预测的过程中，由于历史网络质量是基于终端提交的上报信息得到的，可避免从基站侧收集历史网络质量时因网络覆盖盲区而导致历史网络质量不完整的问题；可提高历史网络质量的准确性。并且，根据较为准确的历史网络质量进行网络质量预测，可提高网络质量的预测精准度；从而可使得预测得到的预测网络质量能够更加准确、真实地反映用户网络使用体验。
基于上述方法实施例的描述，本发明实施例提出了如下三种应用场景：
一、商场周年庆促销场景的网络质量预测，主要流程如下：
步骤1：将商场作为待预测区域，将该商场划分为多个子区域，并任意选取一个子区域作为目标地理区域，获取目标地理区域在历史时间段内的历史网络质量。
步骤2：根据历史网络质量调用网络质量预测模型进行预测处理，得到目标地理区域在预测时间段内的预测网络质量。此处的预测时间段包括商场周年庆当天的各营业时间段；例如商场周年庆为2019年10月18日，那么预测时间段包括：2019年10月18日的08:00-09:00、09:00-10:00、10:00-11:00、…20:00-21:00等等；应理解的是，预测时间段的时间间隔还可根据实际需求进行调整，例如将08:00-09:00调整为08:00-08:30或者08:00-10:00。
步骤3：重复上述步骤，得到商场各子区域在预测时间段内的预测网络质量。可选的，还可根据各子区域在预测时间段内的预测网络质量绘制得到商场在预测时间段内的网络质量热力图。
步骤4：根据商场的网络质量预测结果进行业务处理，网络质量预测结果包括：商场各子区域在预测时间段内的预测网络质量，和/或，商场在预测时间段内的网络质量热力图。
商场周年庆促销场景特征为人群密度大，用户对移动支付成功率和支付时间要求高(如要求微信支付在10秒内能完成扫码支付)。为保障此场景下的网络质量，根据网络质量预测结果进行的业务处理包括：1、从频域方面，在信号较差区域额外布设室内小基站，增加频谱资源。2、从时域方面，增大PDCCH(Physical Downlink Control Channel，物理下行控制信道)和PUCCH(Physical Uplink Control Channel，物理上行控制信道)的资源，满足更多用户的接入。
二、大型景区节假日场景的网络质量预测，主要流程如下：
步骤1：将待预测的大型景区作为待预测区域，将该景区划分为多个子区域，并任意选取一个子区域作为目标地理区域，获取目标地理区域在历史时间段内的历史网络质量。
步骤2：根据历史网络质量调用网络质量预测模型进行预测处理，得到目标地理区域在预测时间段内的预测网络质量。此处的预测时间段包括节假日当天的各时间段；例如节假日为2019年1月1日，那么预测时间段包括：2019年1月1日的08:00-09:00、09:00-10:00、10:00-11:00、…20:00-21:00等等；应理解的是，预测时间段的时间间隔还可根据实际需求进行调整。
步骤3：重复上述步骤，得到景区各子区域在预测时间段内的预测网络质量。可选的，还可根据各子区域在预测时间段内的预测网络质量绘制得到景区在预测时间段内的网络质量热力图。
步骤4：根据景区的网络质量预测结果进行业务处理，网络质量预测结果包括：景区各子区域在预测时间段内的预测网络质量，和/或，景区在预测时间段内的网络质量热力图。
大型景区覆盖面积大，游客安全的优先级为最高，因此需要保证景区内网络全覆盖，以便于游客可实时使用网络拨打电话、上网等。为保障此场景下的网络质量，根据网络质量预测结果进行的业务处理包括：1、在信号较差区域额外布设应急通信车，增加频谱资源。2、使用较长CP(Cyclic Prefix，循环前缀)的帧结构，使信号漂移对帧间干扰的影响减小，提高网络覆盖面积。
三、大型演唱会的网络质量预测，主要流程如下：
步骤1：将演唱会的举办场地作为待预测区域，将该举办场地划分为多个子区域，并任意选取一个子区域作为目标地理区域，获取目标地理区域在历史时间段内的历史网络质量。
步骤2：根据历史网络质量调用网络质量预测模型进行预测处理，得到目标地理区域在预测时间段内的预测网络质量。此处的预测时间段包括演唱会举办当天的各时间段；例如演唱会的举办日期为2019年5月8日，那么预测时间段包括：2019年5月8日的10:00-11:00、…20:00-21:00等等；应理解的是，预测时间段的时间间隔还可根据实际需求进行调整。
步骤3：重复上述步骤，得到举办场地各子区域在预测时间段内的预测网络质量。可选的，还可根据各子区域在预测时间段内的预测网络质量绘制得到举办场地在预测时间段内的网络质量热力图。
步骤4：根据举办场地的网络质量预测结果进行业务处理，网络质量预测结果包括：举办场地各子区域在预测时间段内的预测网络质量，和/或，举办场地在预测时间段内的网络质量热力图。
演唱会场景下，观众拍摄现场照片、视频并上传到社交平台(如微信朋友圈)的需求大，需要保证上行带宽支持举办场地内所有观众同时上传照片和/或视频至社交平台。为保障此场景下的网络质量，根据网络质量预测结果进行的业务处理包括：1、在信号较差区域额外布设应急通信车，增加频谱资源。2、调整上下行子帧配比，给上行子帧分配足够资源，保障用户上传带宽。
需要说明的是，除了上述所提及的三种应用场景，本发明实施例所提出的网络质量方法还可应用在其他应用场景中。例如，该网络质量预测方法还可应用在网络建设和升级的应用场景。例如将同等规模、类似地形和住户人群分布的现有小区的网络质量作为历史网络质量，根据该历史网络质量对即将新建或者升级改造的现网小区的网络质量进行预测，得到现网小区的预测网络质量，从而根据现网小区的预测网络质量对现网小区进行网络建设和升级。又如，服务器可采用该网络质量方法预测得到待预测区域中的各个子区域的预测网络质量，从而可确定待预测区域的弱网区域；然后可根据弱网区域的预测网络质量，为弱网区域重新分配网络资源；例如，调整弱网区域的上下行子帧配比；又如，提高待预测区域的网络覆盖面积，或者增加弱网区域的信道资源，以提高弱网区域的网络质量。由此可见，该网络质量预测方法还可用于指导网络建设和升级，从而辅助通信运营商对新建网络或现有网络升级改造的网络进行质量分析和评估。除此之外，采用该网络质量方法还可为通信运营商提供网络资源分配和保障的参考，等等。
基于上述描述，本发明实施例还提出一种如图7所示的业务调整方法，该业务调整方法可以由上述所提及的通信系统中的任一终端执行。请参见图7，该业务调整方法可包括以下步骤S701-S703：
S701，向服务器提交关于目标地理区域的上报信息，该上报信息包括时间信息、位置信息及网络质量信息。
终端可安装多个应用，如视频应用、通话应用、音乐应用等等；终端检测到对任一应用(称为目标应用)的启动操作后，可运行该目标应用。终端在目标地理区域运行目标应用时，可采集网络质量信息，并可以通过该目标应用向服务器发送策略获取请求，以请求服务器下发上报策略；并按照上报策略提交上报信息至服务器。可选的，终端在目标地理区域运行目标应用时，也可接收服务器发送的信息搜集请求，并向服务器返回应答消息；然后接收服务器下发的上报策略，按照上报策略提交上报信息至服务器。
S702，接收服务器发送的目标地理区域在预测时间段内的预测网络质量。
此处的预测网络质量是由服务器根据目标地理区域在历史时间段内的历史网络质量调用网络质量预测模型进行预测处理得到的；该历史网络质量基于多个终端的上报信息得到，预测时间段的起始时间晚于历史时间段的结束时间。
S703，根据目标地理区域在预测时间段内的预测网络质量，对目标应用的业务策略进行调整。
在具体实施过程中，目标应用的业务策略可包括以下至少一项：缓冲量、码率或带宽；终端可判断目标地理区域在预设时间段内的预测网络质量是否小于网络质量阈值；若小于，则提前增大目标应用的缓冲，或者降低目标应用的码率或带宽；若不小于，则可保持目标应用的业务策略。
本发明实施例所提出的业务调整方法可应用在腾讯地图、腾讯视频或者LBS(Location Based Service，基于移动位置服务)的业务场景中。具体的，位于待预测区域中的用户正使用目标终端的视频应用观看视频，终端可向服务器提交上报信息，以便于服务器预测得到待预测区域中的各个子区域的预测网络质量。终端可接收服务器反馈的待预测区域中的各个子区域的预测网络质量，并根据各个子区域的预测网络质量确定待预测区域中的弱网区域，如图8a所示。若目标终端预测到用户即将进入弱网区域，如图8b所示，则可调用视频应用进行业务策略的调整；例如，调用视频应用提前增大视频的缓冲，或者调用视频应用降低视频的码率或带宽，从而保证用户观看视频的过程中不出现视频卡顿等现象，保障用户可流畅观看视频。
本发明实施例在进行业务调整的过程中，终端可在目标地理区域运行目标应用时，向服务器提交关于目标地理区域的上报信息；接收服务器发送的目标地理区域在预测时间段内的预测网络质量；根据目标地理区域在预测时间段内的预测网络质量，对目标应用的业务策略进行调整。在上述业务调整的过程中，由于历史网络质量是基于终端提交的上报信息得到的，可提高历史网络质量的准确性以及网络质量的预测精准度，使得预测得到的预测网络质量能够更加准确、真实地反映用户网络使用体验；从而使得终端可根据较为准确的预测网络质量进行业务策略调整。
基于上述网络质量预测方法实施例的描述，本发明实施例还公开了一种网络质量预测装置，所述网络质量预测装置可以是运行于服务器中的一个计算机程序(包括程序代码)。该网络质量预测装置可以执行图3或图5所示的方法。请参见图9，所述网络质量预测装置可以运行如下单元：
获取单元101，用于获取待预测的目标地理区域在历史时间段内的历史网络质量，所述历史网络质量基于终端提交的上报信息得到；
处理单元102，用于根据所述历史网络质量调用网络质量预测模型进行预测处理，得到所述目标地理区域在预测时间段内的预测网络质量，所述预测时间段的起始时间晚于所述历史时间段的结束时间。
在一种实施方式中，所述网络质量预测模型包括时间序列分析模型和/或基于机器学习训练的神经网络模型；
所述时间序列分析模型包括差分整合移动平均自回归模型。
再一种实施方式中，所述网络质量预测装置还可包括通信单元103，用于：
向终端发送信息收集请求，并接收所述终端返回的应答消息；
向所述终端发送上报策略，所述上报策略包括上报周期和/或上报内容；
接收所述终端按照所述上报策略提交的上报信息；
其中，所述上报信息包括：时间信息、位置信息及网络质量信息；所述网络质量信息包括以下至少一项网络参数：参考信号接收功率、参考信号接收质量、接收信号强度指示、信号与干扰加噪声比及跟踪区编码。
再一种实施方式中，获取单元101在用于获取待预测的目标地理区域在历史时间段内的历史网络质量时，具体用于：
从已接收到的上报信息中筛选出与所述目标地理区域相关的目标信息集合，所述目标集合中包括多条目标上报信息，所述目标上报信息中的时间信息所指示的时间位于所述历史时间段内，且所述目标历史上报信息中的位置信息所指示的位置位于所述目标地理区域内；
根据所述目标信息集合中各目标上报信息中的网络质量信息确定所述目标地理区域在历史时间段内的历史网络质量。
再一种实施方式中，获取单元101在用于根据所述目标信息集合中各目标上报信息中的网络质量信息确定所述目标地理区域在历史时间段内的历史网络质量时，具体用于：
选取所述目标地理区域内的第一位置对应的第一位置信息，以及选取所述历史时间段内的第一时间对应的第一时间信息；所述第一位置为所述目标地理区域内的任意位置，所述第一时间为所述历史时间段内的任意时间；
从所述目标信息集合中筛选包含所述第一位置信息及所述第一时间信息的目标上报信息；
将筛选出的目标上报信息中的第一网络质量信息进行汇总处理，所述汇总处理包括平均值求取处理、加权处理或随机选取处理；
采用汇总处理得到的网络质量信息表示所述目标地理区域内的所述第一位置在所述第一时间的历史网络质量；
迭代上述步骤得到所述目标地理区域在所述历史时间段内的历史网络质量。
再一种实施方式中，处理单元102，还可用于：
获取所述上报信息的信息特征，并根据所述信息特征调整所述上报策略。
再一种实施方式中，所述信息特征包括：信息传输特征和/或位置特征；
所述信息传输特征包括丢包率或带宽信息；所述位置特征包括所述终端所处位置的变化频率。
再一种实施方式中，处理单元102还可用于：
根据所述目标地理区域在所述预测时间段内的预测网络质量绘制所述目标地理区域在所述预测时间段内的网络质量热力图。
再一种实施方式中，处理单元102还可用于：
根据所述目标地理区域在所述预测时间段内的预测网络质量进行业务处理；或者，
将所述目标地理区域在所述预测时间段内的预测网络质量反馈给所述终端，以便于所述终端根据所述目标地理区域在所述预测时间段内的预测网络质量进行业务处理；
其中，所述业务处理包括以下至少一种处理：网络设备配置处理、业务策略的调整处理、网络资源分配处理以及网络建设处理。
根据本发明的一个实施例，图3或图5所示的方法所涉及的各个步骤均可以是由图9所示的网络质量预测装置中的各个单元来执行的。例如，图3中所示的步骤S301和S302可以分别由图9中所示的获取单元101和处理单元102来执行；又如，图5中所示的步骤S501-S504可由图9中所示的通信单元103来执行，步骤S505可由图9中所示的获取单元101来执行，步骤S506-S507可由图9中所示的处理单元102来执行。
根据本发明的另一个实施例，图9所示的网络质量预测装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成，或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成，这可以实现同样的操作，而不影响本发明的实施例的技术效果的实现。上述单元是基于逻辑功能划分的，在实际应用中，一个单元的功能也可以由多个单元来实现，或者多个单元的功能由一个单元实现。在本发明的其它实施例中，基于网络质量预测装置也可以包括其它单元，在实际应用中，这些功能也可以由其它单元协助实现，并且可以由多个单元协作实现。
根据本发明的另一个实施例，可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图3或图5中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码)，来构造如图9中所示的网络质量预测装置设备，以及来实现本发明实施例的网络质量预测方法。所述计算机程序可以记载于例如计算机可读记录介质上，并通过计算机可读记录介质装载于上述计算设备中，并在其中运行。
本发明实施例在对目标地理区域进行网络质量预测时，先获取目标地理区域在历史时间段内的历史网络质量；再调用根据历史网络质量调用网络质量预测模型进行预测处理，得到目标地理区域在预测时间段内的预测网络质量。在上述网络质量预测的过程中，由于历史网络质量是基于终端提交的上报信息得到的，可避免从基站侧收集历史网络质量时因网络覆盖盲区而导致历史网络质量不完整的问题；可提高历史网络质量的准确性。并且，根据较为准确的历史网络质量进行网络质量预测，可提高网络质量的预测精准度；从而可使得预测得到的预测网络质量能够更加准确、真实地反映用户网络使用体验。
基于上述业务调整方法实施例的描述，本发明实施例还公开了一种业务调整装置，所述业务调整装置可以是运行于终端中的一个计算机程序(包括程序代码)。该业务调整装置可以执行图7所示的方法。请参见图10，所述业务调整装置可以运行如下单元：
上报单元201，用于向服务器提交关于目标地理区域的上报信息，所述上报信息包括时间信息、位置信息及网络质量信息；
接收单元202，接收所述服务器发送的所述目标地理区域在预测时间段内的预测网络质量，所述预测网络质量是由所述服务器根据所述目标地理区域在历史时间段内的历史网络质量调用网络质量预测模型进行预测处理得到的，所述预测时间段的起始时间晚于所述历史时间段的结束时间；
调整单元203，用于根据所述目标地理区域在预测时间段内的预测网络质量，对所述目标应用的业务策略进行调整。
根据本发明的一个实施例，图7所示的方法所涉及的各个步骤均可以是由图10所示的业务调整装置中的各个单元来执行的。例如，图7中所示的步骤S701-S703可以分别由图10中所示的上报单元201、接收单元202以及调整单元203来执行。根据本发明的另一个实施例，图10所示的业务调整装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成，或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成，这可以实现同样的操作，而不影响本发明的实施例的技术效果的实现。上述单元是基于逻辑功能划分的，在实际应用中，一个单元的功能也可以由多个单元来实现，或者多个单元的功能由一个单元实现。在本发明的其它实施例中，基于业务调整装置也可以包括其它单元，在实际应用中，这些功能也可以由其它单元协助实现，并且可以由多个单元协作实现。
根据本发明的另一个实施例，可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图7中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码)，来构造如图10中所示的业务调整装置设备，以及来实现本发明实施例的业务调整方法。所述计算机程序可以记载于例如计算机可读记录介质上，并通过计算机可读记录介质装载于上述计算设备中，并在其中运行。
本发明实施例在进行业务调整的过程中，终端可在目标地理区域运行目标应用时，向服务器提交关于目标地理区域的上报信息；接收服务器发送的目标地理区域在预测时间段内的预测网络质量；根据目标地理区域在预测时间段内的预测网络质量，对目标应用的业务策略进行调整。在上述业务调整的过程中，由于历史网络质量是基于终端提交的上报信息得到的，可提高历史网络质量的准确性以及网络质量的预测精准度，使得预测得到的预测网络质量能够更加准确、真实地反映用户网络使用体验；从而使得终端可根据较为准确的预测网络质量进行业务策略调整。
基于上述方法实施例以及装置实施例的描述，本发明实施例还提供一种服务器。请参见图11，该服务器可包括存储模块、预测模块以及控制模块，各模块可通过总线或其他方式连接。其中，控制模块中可包括通信接口301，该通信接口301可用于与终端进行通信；存储模块中可包括存储器以及计算机存储介质302，存储器可用于存储终端提交的上报信息、网络质量分布图、人流量热力图等信息，计算机存储介质302可用于存储计算机程序，所述计算机程序包括程序指令；可选的，计算机存储介质302也可以存储在存储器中。
预测模块中可包括处理器303，所述处理器303用于执行所述计算机存储介质302存储的程序指令。处理器303(或称CPU(Central Processing Unit，中央处理器))是服务器的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；在一个实施例中，本发明实施例所述的处理器303可以用于进行一系列的网络质量预测处理，包括：获取待预测的目标地理区域在历史时间段内的历史网络质量，所述历史网络质量基于终端提交的上报信息得到；根据所述历史网络质量调用网络质量预测模型进行预测处理，得到所述目标地理区域在预测时间段内的预测网络质量，所述预测时间段的起始时间晚于所述历史时间段的结束时间，等等。
本发明实施例还提供了一种计算机存储介质(Memory)，所述计算机存储介质是服务器中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机存储介质既可以包括服务器中的内置存储介质，当然也可以包括服务器所支持的扩展存储介质。计算机存储介质提供存储空间，该存储空间存储了服务器的操作系统。并且，在该存储空间中还存放了适于被处理器303加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器；可选的还可以是至少一个位于远离前述处理器的计算机存储介质。
在一个实施例中，可由处理器303加载并执行计算机存储介质中存放的一条或一条以上第一指令，以实现上述有关网络质量预测方法实施例中的方法的相应步骤；具体实现中，计算机存储介质中的一条或一条以上第一指令由处理器303加载并执行如下步骤：
获取待预测的目标地理区域在历史时间段内的历史网络质量，所述历史网络质量基于终端提交的上报信息得到；
根据所述历史网络质量调用网络质量预测模型进行预测处理，得到所述目标地理区域在预测时间段内的预测网络质量，所述预测时间段的起始时间晚于所述历史时间段的结束时间。
在一种实施方式中，所述网络质量预测模型包括时间序列分析模型和/或基于机器学习训练的神经网络模型；
所述时间序列分析模型包括差分整合移动平均自回归模型。
再一种实施方式中，该一条或一条以上第一指令还可由处理器303加载并执行如下步骤：
向终端发送信息收集请求，并接收所述终端返回的应答消息；
向所述终端发送上报策略，所述上报策略包括上报周期和/或上报内容；
接收所述终端按照所述上报策略提交的上报信息；
其中，所述上报信息包括：时间信息、位置信息及网络质量信息；所述网络质量信息包括以下至少一项网络参数：参考信号接收功率、参考信号接收质量、接收信号强度指示、信号与干扰加噪声比及跟踪区编码。
再一种实施方式中，在获取待预测的目标地理区域在历史时间段内的历史网络质量时，该一条或一条以上第一指令可由处理器303加载并执行如下步骤：
从已接收到的上报信息中筛选出与所述目标地理区域相关的目标信息集合，所述目标集合中包括多条目标上报信息，所述目标上报信息中的时间信息所指示的时间位于所述历史时间段内，且所述目标历史上报信息中的位置信息所指示的位置位于所述目标地理区域内；
根据所述目标信息集合中各目标上报信息中的网络质量信息确定所述目标地理区域在历史时间段内的历史网络质量。
再一种实施方式中，在根据所述目标信息集合中各目标上报信息中的网络质量信息确定所述目标地理区域在历史时间段内的历史网络质量时，该一条或一条以上第一指令可由处理器303加载并执行如下步骤：
选取所述目标地理区域内的第一位置对应的第一位置信息，以及选取所述历史时间段内的第一时间对应的第一时间信息；所述第一位置为所述目标地理区域内的任意位置，所述第一时间为所述历史时间段内的任意时间；
从所述目标信息集合中筛选包含所述第一位置信息及所述第一时间信息的目标上报信息；
将筛选出的目标上报信息中的第一网络质量信息进行汇总处理，所述汇总处理包括平均值求取处理、加权处理或随机选取处理；
采用汇总处理得到的网络质量信息表示所述目标地理区域内的所述第一位置在所述第一时间的历史网络质量；
迭代上述步骤得到所述目标地理区域在所述历史时间段内的历史网络质量。
再一种实施方式中，该一条或一条以上第一指令还可由处理器303加载并执行如下步骤：
获取所述上报信息的信息特征，并根据所述信息特征调整所述上报策略。
再一种实施方式中，所述信息特征包括：信息传输特征和/或位置特征；
所述信息传输特征包括丢包率或带宽信息；所述位置特征包括所述终端所处位置的变化频率。
再一种实施方式中，该一条或一条以上第一指令还可由处理器303加载并执行如下步骤：
根据所述目标地理区域在所述预测时间段内的预测网络质量绘制所述目标地理区域在所述预测时间段内的网络质量热力图。
再一种实施方式中，该一条或一条以上第一指令还可由处理器303加载并执行如下步骤：
根据所述目标地理区域在所述预测时间段内的预测网络质量进行业务处理；或者，
将所述目标地理区域在所述预测时间段内的预测网络质量反馈给所述终端，以便于所述终端根据所述目标地理区域在所述预测时间段内的预测网络质量进行业务处理；
其中，所述业务处理包括以下至少一种处理：网络设备配置处理、业务策略的调整处理、网络资源分配处理以及网络建设处理。
本发明实施例在对目标地理区域进行网络质量预测时，先获取目标地理区域在历史时间段内的历史网络质量；再调用根据历史网络质量调用网络质量预测模型进行预测处理，得到目标地理区域在预测时间段内的预测网络质量。在上述网络质量预测的过程中，由于历史网络质量是基于终端提交的上报信息得到的，可避免从基站侧收集历史网络质量时因网络覆盖盲区而导致历史网络质量不完整的问题；可提高历史网络质量的准确性。并且，根据较为准确的历史网络质量进行网络质量预测，可提高网络质量的预测精准度；从而可使得预测得到的预测网络质量能够更加准确、真实地反映用户网络使用体验。
基于上述方法实施例以及装置实施例的描述，本发明实施例还提供一种终端。请参见图12，该终端包括处理器401、输入设备402、输出设备403以及计算机存储介质404。其中，该输入设备402可包括键盘、触摸屏控制等组件；该输出设备403可位于终端的上报模块中，用于向服务器提交上报信息。终端内的处理器401、输入设备402、输出设备403以及计算机存储介质404可通过总线或其他方式连接。
计算机存储介质404可以存储在终端的存储器中，所述计算机存储介质404用于存储计算机程序，所述计算机程序包括程序指令，所述处理器401用于执行所述计算机存储介质404存储的程序指令。处理器401(或称CPU(Central Processing Unit，中央处理器))是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；在一个实施例中，本发明实施例所述的处理器401可以用于进行一系列的业务调整处理，包括：向服务器提交关于目标地理区域的上报信息，所述上报信息包括时间信息、位置信息及网络质量信息；接收所述服务器发送的所述目标地理区域在预测时间段内的预测网络质量，所述预测网络质量是由所述服务器根据所述目标地理区域在历史时间段内的历史网络质量调用网络质量预测模型进行预测处理得到的，所述预测时间段的起始时间晚于所述历史时间段的结束时间；根据所述目标地理区域在预测时间段内的预测网络质量，对目标应用的业务策略进行调整，等等。
本发明实施例还提供了一种计算机存储介质(Memory)，所述计算机存储介质是终端中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机存储介质既可以包括终端中的内置存储介质，当然也可以包括终端所支持的扩展存储介质。计算机存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器401加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器；可选的还可以是至少一个位于远离前述处理器的计算机存储介质。
在一个实施例中，可由处理器401加载并执行计算机存储介质中存放的一条或一条以上第二指令，以实现上述有关业务调整方法实施例中的方法的相应步骤；具体实现中，计算机存储介质中的一条或一条以上第二指令由处理器401加载并执行如下步骤：
向服务器提交关于目标地理区域的上报信息，所述上报信息包括时间信息、位置信息及网络质量信息；
接收所述服务器发送的所述目标地理区域在预测时间段内的预测网络质量，所述预测网络质量是由所述服务器根据所述目标地理区域在历史时间段内的历史网络质量调用网络质量预测模型进行预测处理得到的，所述预测时间段的起始时间晚于所述历史时间段的结束时间；
根据所述目标地理区域在预测时间段内的预测网络质量，对目标应用的业务策略进行调整。
本发明实施例在进行业务调整的过程中，终端可在目标地理区域运行目标应用时，向服务器提交关于目标地理区域的上报信息；接收服务器发送的目标地理区域在预测时间段内的预测网络质量；根据目标地理区域在预测时间段内的预测网络质量，对目标应用的业务策略进行调整。在上述业务调整的过程中，由于历史网络质量是基于终端提交的上报信息得到的，可提高历史网络质量的准确性以及网络质量的预测精准度，使得预测得到的预测网络质量能够更加准确、真实地反映用户网络使用体验；从而使得终端可根据较为准确的预测网络质量进行业务策略调整。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (15)
1.一种网络质量预测方法，其特征在于，包括：
获取待预测的目标地理区域在历史时间段内的历史网络质量，所述历史网络质量基于终端提交的上报信息得到；
根据所述历史网络质量调用网络质量预测模型进行预测处理，得到所述目标地理区域在预测时间段内的预测网络质量，所述预测时间段的起始时间晚于所述历史时间段的结束时间。
2.如权利要求1所述的方法，其特征在于，所述网络质量预测模型包括时间序列分析模型和/或基于机器学习训练的神经网络模型；
所述时间序列分析模型包括差分整合移动平均自回归模型。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
向终端发送信息收集请求，并接收所述终端返回的应答消息；
向所述终端发送上报策略，所述上报策略包括上报周期和/或上报内容；
接收所述终端按照所述上报策略提交的上报信息；
其中，所述上报信息包括：时间信息、位置信息及网络质量信息；所述网络质量信息包括以下至少一项网络参数：参考信号接收功率、参考信号接收质量、接收信号强度指示、信号与干扰加噪声比及跟踪区编码。
4.如权利要求3所述的方法，其特征在于，所述获取待预测的目标地理区域在历史时间段内的历史网络质量，包括：
从已接收到的上报信息中筛选出与所述目标地理区域相关的目标信息集合，所述目标集合中包括多条目标上报信息，所述目标上报信息中的时间信息所指示的时间位于所述历史时间段内，且所述目标历史上报信息中的位置信息所指示的位置位于所述目标地理区域内；
根据所述目标信息集合中各目标上报信息中的网络质量信息确定所述目标地理区域在历史时间段内的历史网络质量。
5.如权利要求4所述的方法，其特征在于，所述根据所述目标信息集合中各目标上报信息中的网络质量信息确定所述目标地理区域在历史时间段内的历史网络质量，包括：
选取所述目标地理区域内的第一位置对应的第一位置信息，以及选取所述历史时间段内的第一时间对应的第一时间信息；所述第一位置为所述目标地理区域内的任意位置，所述第一时间为所述历史时间段内的任意时间；
从所述目标信息集合中筛选包含所述第一位置信息及所述第一时间信息的目标上报信息；
将筛选出的目标上报信息中的第一网络质量信息进行汇总处理，所述汇总处理包括平均值求取处理、加权处理或随机选取处理；
采用汇总处理得到的网络质量信息表示所述目标地理区域内的所述第一位置在所述第一时间的历史网络质量；
迭代上述步骤得到所述目标地理区域在所述历史时间段内的历史网络质量。
6.如权利要求3所述的方法，其特征在于，所述方法还包括：
获取所述上报信息的信息特征，并根据所述信息特征调整所述上报策略。
7.如权利要求6所述的方法，其特征在于，所述信息特征包括：信息传输特征和/或位置特征；
所述信息传输特征包括丢包率或带宽信息；所述位置特征包括所述终端所处位置的变化频率。
8.如权利要求1-7任一项所述的方法，其特征在于，所述方法还包括：
根据所述目标地理区域在所述预测时间段内的预测网络质量绘制所述目标地理区域在所述预测时间段内的网络质量热力图。
9.如权利要求1-7任一项所述的方法，其特征在于，所述方法还包括：
根据所述目标地理区域在所述预测时间段内的预测网络质量进行业务处理；或者，
将所述目标地理区域在所述预测时间段内的预测网络质量反馈给所述终端，以便于所述终端根据所述目标地理区域在所述预测时间段内的预测网络质量进行业务处理；
其中，所述业务处理包括以下至少一种处理：网络设备配置处理、业务策略的调整处理、网络资源分配处理以及网络建设处理。
10.一种业务调整方法，其特征在于，包括：
向服务器提交关于目标地理区域的上报信息，所述上报信息包括时间信息、位置信息及网络质量信息；
接收所述服务器发送的所述目标地理区域在预测时间段内的预测网络质量，所述预测网络质量是由所述服务器根据所述目标地理区域在历史时间段内的历史网络质量调用网络质量预测模型进行预测处理得到的，所述预测时间段的起始时间晚于所述历史时间段的结束时间；
根据所述目标地理区域在预测时间段内的预测网络质量，对目标应用的业务策略进行调整。
11.一种网络质量预测装置，其特征在于，包括：
获取单元，用于获取待预测的目标地理区域在历史时间段内的历史网络质量，所述历史网络质量基于终端提交的上报信息得到；
处理单元，用于根据所述历史网络质量调用网络质量预测模型进行预测处理，得到所述目标地理区域在预测时间段内的预测网络质量，所述预测时间段的起始时间晚于所述历史时间段的结束时间。
12.一种业务调整装置，其特征在于，包括：
上报单元，用于向服务器提交关于目标地理区域的上报信息，所述上报信息包括时间信息、位置信息及网络质量信息；
接收单元，接收所述服务器发送的所述目标地理区域在预测时间段内的预测网络质量，所述预测网络质量是由所述服务器根据所述目标地理区域在历史时间段内的历史网络质量调用网络质量预测模型进行预测处理得到的，所述预测时间段的起始时间晚于所述历史时间段的结束时间；
调整单元，用于根据所述目标地理区域在预测时间段内的预测网络质量，对所述目标应用的业务策略进行调整。
13.一种服务器，包括通信接口，其特征在于，还包括：
处理器，适于实现一条或一条以上指令；以及，
计算机存储介质，所述计算机存储介质存储有一条或一条以上指令，所述一条或一条以上指令适于由所述处理器加载并执行如权利要求1-9任一项所述的网络质量预测方法。
14.一种终端，包括输入设备和输出设备，其特征在于，还包括：
处理器，适于实现一条或一条以上指令；以及，
计算机存储介质，所述计算机存储介质存储有一条或一条以上指令，所述一条或一条以上指令适于由所述处理器加载并执行如权利要求10所述的业务调整方法。
15.一种计算机存储介质，其特征在于，所述计算机存储介质存储有一条或一条以上第一指令，所述一条或一条以上第一指令适于由处理器加载并执行如权利要求1-9任一项所述的网络质量预测方法；或者，所述计算机存储介质存储有一条或一条以上第二指令，所述一条或一条以上第二指令适于由处理器加载并执行如权利要求10所述的业务调整方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910103593.7A CN109756911B (zh) | 2019-01-31 | 2019-01-31 | 网络质量预测方法、业务调整方法、相关设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910103593.7A CN109756911B (zh) | 2019-01-31 | 2019-01-31 | 网络质量预测方法、业务调整方法、相关设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109756911A true CN109756911A (zh) | 2019-05-14 |
| CN109756911B CN109756911B (zh) | 2020-11-27 |
Family
ID=66407390
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910103593.7A Active CN109756911B (zh) | 2019-01-31 | 2019-01-31 | 网络质量预测方法、业务调整方法、相关设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109756911B (zh) |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110517731A (zh) * | 2019-10-23 | 2019-11-29 | 上海思路迪医学检验所有限公司 | 基因检测质量监控数据处理方法和系统 |
| CN110944354A (zh) * | 2019-11-12 | 2020-03-31 | 广州丰石科技有限公司 | 基于波形分析和深度学习的基站干扰监测方法及系统 |
| CN111128193A (zh) * | 2019-12-27 | 2020-05-08 | 科大讯飞股份有限公司 | 语音交互方法、网络分析端及客户端 |
| CN111525985A (zh) * | 2020-04-21 | 2020-08-11 | 中国人民解放军陆军勤务学院 | 一种北斗消息接收周期预测与丢包判定方法 |
| CN111611070A (zh) * | 2020-04-10 | 2020-09-01 | 北京电子工程总体研究所 | 一种动态互联资源的配置方法、系统、设备和存储介质 |
| CN111698128A (zh) * | 2020-05-22 | 2020-09-22 | 深圳市有方科技股份有限公司 | 物联网网络质量检测方法、装置、计算机设备和存储介质 |
| CN111726749A (zh) * | 2020-06-11 | 2020-09-29 | 广州小鹏车联网科技有限公司 | 一种车辆空中下载ota处理方法和装置 |
| CN111756646A (zh) * | 2020-07-08 | 2020-10-09 | 腾讯科技（深圳）有限公司 | 网络传输控制方法、装置、计算机设备及存储介质 |
| CN111884939A (zh) * | 2020-08-31 | 2020-11-03 | 广州文远知行科技有限公司 | 数据传输方法、装置、可移动载体和存储介质 |
| CN112040501A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术（深圳）有限公司 | 移动网络质量的检测预警方法、装置、设备及存储介质 |
| CN112214523A (zh) * | 2019-07-11 | 2021-01-12 | 中国移动通信集团湖南有限公司 | 容量控制方法及系统 |
| CN112367708A (zh) * | 2020-10-30 | 2021-02-12 | 新华三技术有限公司 | 一种网络资源分配方法及装置 |
| CN112447185A (zh) * | 2019-08-30 | 2021-03-05 | 广州虎牙科技有限公司 | 音频同步误差测试方法、装置、服务器及可读存储介质 |
| CN112584319A (zh) * | 2019-09-30 | 2021-03-30 | 大唐移动通信设备有限公司 | 一种位置报告周期调整方法、装置、网络设备及终端 |
| CN112751721A (zh) * | 2019-10-31 | 2021-05-04 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪控制方法、装置、服务器、计算机存储介质及烹饪控制系统 |
| CN112911620A (zh) * | 2021-02-18 | 2021-06-04 | 联想(北京)有限公司 | 信息处理方法、装置及电子设备和存储介质 |
| CN113259163A (zh) * | 2021-05-17 | 2021-08-13 | 云南大学 | 一种基于网络拓扑感知的Web服务质量预测方法及系统 |
| CN113824602A (zh) * | 2021-11-24 | 2021-12-21 | 南京中孚信息技术有限公司 | 一种新型用户网络质量监测技术及装置 |
| CN113950075A (zh) * | 2020-07-17 | 2022-01-18 | 华为技术有限公司 | 预测方法和终端设备 |
| CN114024946A (zh) * | 2021-11-02 | 2022-02-08 | 中国联合网络通信集团有限公司 | 流媒体码率的调整方法、装置和计算机可读存储介质 |
| CN114071791A (zh) * | 2020-08-06 | 2022-02-18 | 北京佰才邦技术股份有限公司 | 用户面功能信息上报方法、接入网设备及核心网设备 |
| WO2022179455A1 (zh) * | 2021-02-26 | 2022-09-01 | 维沃移动通信有限公司 | 小区数据传输方法、装置和电子设备 |
| CN115334559A (zh) * | 2022-08-19 | 2022-11-11 | 中国联合网络通信集团有限公司 | 网络检测方法、装置、设备及介质 |
| WO2023040887A1 (zh) * | 2021-09-18 | 2023-03-23 | 维沃移动通信有限公司 | 信息上报方法、装置、终端及可读存储介质 |
| CN116302009A (zh) * | 2023-05-19 | 2023-06-23 | 微网优联科技(成都)有限公司 | 一种基于无线路由器的软件更新方法及装置 |
| CN116528274A (zh) * | 2023-07-05 | 2023-08-01 | 腾讯科技（深圳）有限公司 | 网络质量调控方法以及相关设备 |
| CN117459188A (zh) * | 2023-12-25 | 2024-01-26 | 吉林省吉能电力通信有限公司 | 基于北斗通信技术的电力北斗通信系统及通信方法 |
| CN115334559B (zh) * | 2022-08-19 | 2024-07-02 | 中国联合网络通信集团有限公司 | 网络检测方法、装置、设备及介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101739614A (zh) * | 2009-12-08 | 2010-06-16 | 江苏省邮电规划设计院有限责任公司 | 层级组合预测通信业务的方法 |
-
2019
- 2019-01-31 CN CN201910103593.7A patent/CN109756911B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101739614A (zh) * | 2009-12-08 | 2010-06-16 | 江苏省邮电规划设计院有限责任公司 | 层级组合预测通信业务的方法 |
Cited By (44)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112214523A (zh) * | 2019-07-11 | 2021-01-12 | 中国移动通信集团湖南有限公司 | 容量控制方法及系统 |
| CN112447185B (zh) * | 2019-08-30 | 2024-02-09 | 广州虎牙科技有限公司 | 音频同步误差测试方法、装置、服务器及可读存储介质 |
| CN112447185A (zh) * | 2019-08-30 | 2021-03-05 | 广州虎牙科技有限公司 | 音频同步误差测试方法、装置、服务器及可读存储介质 |
| CN112584319A (zh) * | 2019-09-30 | 2021-03-30 | 大唐移动通信设备有限公司 | 一种位置报告周期调整方法、装置、网络设备及终端 |
| CN110517731A (zh) * | 2019-10-23 | 2019-11-29 | 上海思路迪医学检验所有限公司 | 基因检测质量监控数据处理方法和系统 |
| CN112751721B (zh) * | 2019-10-31 | 2022-10-21 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪控制方法、装置、服务器、计算机存储介质及烹饪控制系统 |
| CN112751721A (zh) * | 2019-10-31 | 2021-05-04 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪控制方法、装置、服务器、计算机存储介质及烹饪控制系统 |
| CN110944354A (zh) * | 2019-11-12 | 2020-03-31 | 广州丰石科技有限公司 | 基于波形分析和深度学习的基站干扰监测方法及系统 |
| CN111128193A (zh) * | 2019-12-27 | 2020-05-08 | 科大讯飞股份有限公司 | 语音交互方法、网络分析端及客户端 |
| CN111611070B (zh) * | 2020-04-10 | 2023-05-09 | 北京电子工程总体研究所 | 一种动态互联资源的配置方法、系统、设备和存储介质 |
| CN111611070A (zh) * | 2020-04-10 | 2020-09-01 | 北京电子工程总体研究所 | 一种动态互联资源的配置方法、系统、设备和存储介质 |
| CN111525985B (zh) * | 2020-04-21 | 2022-08-26 | 中国人民解放军陆军勤务学院 | 一种北斗消息接收周期预测与丢包判定方法 |
| CN111525985A (zh) * | 2020-04-21 | 2020-08-11 | 中国人民解放军陆军勤务学院 | 一种北斗消息接收周期预测与丢包判定方法 |
| CN111698128A (zh) * | 2020-05-22 | 2020-09-22 | 深圳市有方科技股份有限公司 | 物联网网络质量检测方法、装置、计算机设备和存储介质 |
| CN111726749A (zh) * | 2020-06-11 | 2020-09-29 | 广州小鹏车联网科技有限公司 | 一种车辆空中下载ota处理方法和装置 |
| CN111756646B (zh) * | 2020-07-08 | 2023-09-29 | 腾讯科技（深圳）有限公司 | 网络传输控制方法、装置、计算机设备及存储介质 |
| CN111756646A (zh) * | 2020-07-08 | 2020-10-09 | 腾讯科技（深圳）有限公司 | 网络传输控制方法、装置、计算机设备及存储介质 |
| CN113950075B (zh) * | 2020-07-17 | 2024-06-18 | 华为技术有限公司 | 预测方法和终端设备 |
| CN113950075A (zh) * | 2020-07-17 | 2022-01-18 | 华为技术有限公司 | 预测方法和终端设备 |
| CN114071791B (zh) * | 2020-08-06 | 2024-01-26 | 北京佰才邦技术股份有限公司 | 用户面功能信息上报方法、接入网设备及核心网设备 |
| CN114071791A (zh) * | 2020-08-06 | 2022-02-18 | 北京佰才邦技术股份有限公司 | 用户面功能信息上报方法、接入网设备及核心网设备 |
| CN112040501A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术（深圳）有限公司 | 移动网络质量的检测预警方法、装置、设备及存储介质 |
| CN112040501B (zh) * | 2020-08-28 | 2023-04-18 | 康键信息技术（深圳）有限公司 | 移动网络质量的检测预警方法、装置、设备及存储介质 |
| CN111884939A (zh) * | 2020-08-31 | 2020-11-03 | 广州文远知行科技有限公司 | 数据传输方法、装置、可移动载体和存储介质 |
| CN112367708A (zh) * | 2020-10-30 | 2021-02-12 | 新华三技术有限公司 | 一种网络资源分配方法及装置 |
| CN112367708B (zh) * | 2020-10-30 | 2023-05-26 | 新华三技术有限公司 | 一种网络资源分配方法及装置 |
| CN112911620B (zh) * | 2021-02-18 | 2023-05-02 | 联想(北京)有限公司 | 信息处理方法、装置及电子设备和存储介质 |
| CN112911620A (zh) * | 2021-02-18 | 2021-06-04 | 联想(北京)有限公司 | 信息处理方法、装置及电子设备和存储介质 |
| WO2022179455A1 (zh) * | 2021-02-26 | 2022-09-01 | 维沃移动通信有限公司 | 小区数据传输方法、装置和电子设备 |
| CN113259163A (zh) * | 2021-05-17 | 2021-08-13 | 云南大学 | 一种基于网络拓扑感知的Web服务质量预测方法及系统 |
| CN115913486A (zh) * | 2021-09-18 | 2023-04-04 | 维沃移动通信有限公司 | 信息上报方法、装置、终端及可读存储介质 |
| WO2023040887A1 (zh) * | 2021-09-18 | 2023-03-23 | 维沃移动通信有限公司 | 信息上报方法、装置、终端及可读存储介质 |
| CN114024946B (zh) * | 2021-11-02 | 2024-02-23 | 中国联合网络通信集团有限公司 | 流媒体码率的调整方法、装置和计算机可读存储介质 |
| CN114024946A (zh) * | 2021-11-02 | 2022-02-08 | 中国联合网络通信集团有限公司 | 流媒体码率的调整方法、装置和计算机可读存储介质 |
| CN113824602B (zh) * | 2021-11-24 | 2022-07-19 | 南京中孚信息技术有限公司 | 一种新型用户网络质量监测方法及装置 |
| CN113824602A (zh) * | 2021-11-24 | 2021-12-21 | 南京中孚信息技术有限公司 | 一种新型用户网络质量监测技术及装置 |
| CN115334559A (zh) * | 2022-08-19 | 2022-11-11 | 中国联合网络通信集团有限公司 | 网络检测方法、装置、设备及介质 |
| CN115334559B (zh) * | 2022-08-19 | 2024-07-02 | 中国联合网络通信集团有限公司 | 网络检测方法、装置、设备及介质 |
| CN116302009A (zh) * | 2023-05-19 | 2023-06-23 | 微网优联科技(成都)有限公司 | 一种基于无线路由器的软件更新方法及装置 |
| CN116302009B (zh) * | 2023-05-19 | 2023-08-08 | 微网优联科技(成都)有限公司 | 一种基于无线路由器的软件更新方法及装置 |
| CN116528274A (zh) * | 2023-07-05 | 2023-08-01 | 腾讯科技（深圳）有限公司 | 网络质量调控方法以及相关设备 |
| CN116528274B (zh) * | 2023-07-05 | 2023-09-22 | 腾讯科技（深圳）有限公司 | 网络质量调控方法以及相关设备 |
| CN117459188B (zh) * | 2023-12-25 | 2024-04-05 | 吉林省吉能电力通信有限公司 | 基于北斗通信技术的电力北斗通信系统及通信方法 |
| CN117459188A (zh) * | 2023-12-25 | 2024-01-26 | 吉林省吉能电力通信有限公司 | 基于北斗通信技术的电力北斗通信系统及通信方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109756911B (zh) | 2020-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109756911A (zh) | 网络质量预测方法、业务调整方法、相关设备及存储介质 | |
| US10419949B2 (en) | Web server and method for hosting a web page for presenting location based user quality data related to a communication network | |
| CN109921941B (zh) | 网络业务质量评估和优化方法、装置、介质及电子设备 | |
| US9485152B2 (en) | Web server and method for hosting a web page for presenting location based user quality data related to a communication network | |
| US9867067B2 (en) | Measurement module | |
| US11323890B2 (en) | Integrated mobility network planning | |
| CN109857518A (zh) | 一种网络资源的分配方法及设备 | |
| CN105357638B (zh) | 预测预定时刻的用户位置的方法和装置 | |
| US20120021775A1 (en) | Service provider recommendation engine | |
| CN103401938A (zh) | 分布式云架构下基于业务特性的资源分配系统及其方法 | |
| CN109697637A (zh) | 对象类别确定方法、装置、电子设备及计算机存储介质 | |
| US11750711B1 (en) | Systems and methods for adaptively rate limiting client service requests at a blockchain service provider platform | |
| CN113230658A (zh) | 资源分配方法、装置、计算机可读介质及电子设备 | |
| Di Francesco et al. | Assembling and using a cellular dataset for mobile network analysis and planning | |
| CN111311193B (zh) | 公共服务资源的配置方法和装置 | |
| CN112052096A (zh) | 资源处理方法、装置、服务器及终端 | |
| CN110826786A (zh) | 目的地点人口数量的预测方法、装置及存储介质 | |
| CN109993562B (zh) | 一种满意度仿真方法、装置及终端设备 | |
| CN103188629B (zh) | 一种不同制式网络间的流量引导方法和装置 | |
| US9253325B1 (en) | Online technical support management | |
| CN106332293A (zh) | 一种基于宏微协同的调度方法及通信网络系统 | |
| CN103065461A (zh) | 用于采集和获取交通路况信息的方法和设备 | |
| CN115705400A (zh) | 话务量预测模型构建方法、装置及计算机可读存储介质 | |
| CN118298541A (zh) | 一种排队预约管理方法及装置 | |
| CN114339796B (zh) | 小区休眠数据处理方法、装置、电子设备及存储介质 |
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 |