CN110380881B - 一种网络扩容预测方法及装置 - Google Patents
一种网络扩容预测方法及装置 Download PDFInfo
- Publication number
- CN110380881B CN110380881B CN201810330043.4A CN201810330043A CN110380881B CN 110380881 B CN110380881 B CN 110380881B CN 201810330043 A CN201810330043 A CN 201810330043A CN 110380881 B CN110380881 B CN 110380881B
- Authority
- CN
- China
- Prior art keywords
- cell
- load data
- prediction
- function
- expanded
- 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
Images
Classifications
-
- 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
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- 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
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
Abstract
本发明提供一种网络扩容预测方法及装置,该方法包括:划分步骤:将预设区域内的小区分成至少一个小区簇,每一小区簇包括至少一个小区,每一小区簇对应的负荷数据的第一预测函数均不相同;第一获取步骤:根据每个小区当前的负荷数据和第一预测函数,获取预设区域内的全部小区在规划时间末的区域预测负荷数据;调整步骤:根据区域预测负荷数据和规划时间末的目标负荷数据,将每一小区簇对应的第一预测函数调整为第二预测函数;第二获取步骤:根据每个小区当前的负荷数据和第二预测函数,获取每个小区在规划时间末的小区预测负荷数据;确定步骤:比较每个小区的小区预测负荷数据与预设扩容标准,确定待扩容小区。本发明能够精准地预测出扩容规模。
Description
技术领域
本发明涉及无线通信技术领域,尤其涉及一种网络扩容预测方法及装置。
背景技术
随着通信网络不断建成和逐步规模化、成熟化,用户也在不断增长,负荷也会迅速增长,随之而来的是部分热点基站的容量会发生不足。为充分满足用户的需求,保障网络的正常运营和效益的持续获得,在网络规划和建设过程中,需要基于网络的容量需求,进行建设规模的分析估算,为后续的网络投资进行参考。
在第二代移动通信(2-Generation wireless telephone technology,简称2G)中,由于其系统能力比较固定,因此可以根据预测的负荷数据,查询爱尔兰B表,得到所需要的资源,例如所需信道数,再基于固定的系统能力(例如不同配置下能提供的信道数),两者相除直接获得所需的载频数。
在第四代移动通信(the 4th Generation mobile communication technology,简称4G)中,由于其信道为共享信道,用户所占用的资源也是共享的,每个物理资源块(physical resource block,简称PRB)的承载能力也可以变换,即系统能力是软能力,不能直接用预测的全网级负荷数据除以系统能力获得待扩容规模。因而,需要基于每个小区进行扩容判断。
然而,2G的扩容预测方案,并不适用于4G通信网络,尤其是网络承载能力非固定的网络。而4G的扩容预测方案中,目前已知的是小区级扩容标准,以及预设区域的目标负荷数据,如果直接以预设区域的目标负荷数据除以现网测量的该预设区域的负荷数据,简单得到单一的小区负荷增长系数,会存在以下问题:目前扩容标准包括3个维度:小区流量、用户数和信道利用率,这3个指标的增长速度是不同,如果都乘以相同的流量增长系数显然不合理;而且,每个小区的负荷数据的增长速度也是不同的,所有小区乘以同一个增长系数也明显不合理。因此,在现有的扩容预测方案中,不能对每个小区的负荷数据进行精准预测,不能得到准确的扩容规模。
因而,如何精确预测出每个小区在规划时间末的负荷数据,得到准确的扩容规模,是目前亟待解决的技术问题。
发明内容
有鉴于此,本发明提供一种网络扩容预测方法及装置,能够精确预测出每个小区在规划时间末的负荷数据,得到准确的扩容规模。
为解决上述技术问题,第一方面,本发明实施例提供一种网络扩容预测方法,包括:
划分步骤:将预设区域内的小区分成至少一个小区簇,其中,每一小区簇包括至少一个小区,每一小区簇对应的负荷数据的第一预测函数均不相同;
第一获取步骤:根据每个小区当前的负荷数据和所述第一预测函数,获取所述预设区域内的全部小区在规划时间末的区域预测负荷数据;
调整步骤:根据所述区域预测负荷数据和规划时间末的目标负荷数据,将所述每一小区簇对应的第一预测函数调整为第二预测函数;
第二获取步骤:根据所述每个小区当前的负荷数据和所述第二预测函数,获取每个小区在规划时间末的小区预测负荷数据;
确定步骤:比较所述每个小区的小区预测负荷数据与预设扩容标准,确定待扩容小区。
优选的,所述第一获取步骤包括:
获取每一小区簇中每个小区当前的负荷数据,计算每一小区簇当前的负荷数据;
根据所述每一小区簇当前的负荷数据和所述第一预测函数,计算所述区域预测负荷数据。
优选的,所述根据所述每一小区簇当前的负荷数据和所述第一预测函数,计算所述区域预测负荷数据的步骤包括:
根据所述每一小区簇当前的负荷数据和所述第一预测函数,获取每一小区簇在规划时间末的小区簇预测负荷数据,根据所述小区簇预测负荷数据,计算所述区域预测负荷数据;或者
根据所述每一小区簇当前的负荷数据和所述第一预测函数,获取每一小区簇在规划时间末的小区簇预测增长数据,结合所述每一小区簇当前的负荷数据,计算所述区域预测负荷数据。
优选的,所述确定步骤之后,还包括:
根据所述待扩容小区的个数,确定扩容规模。
优选的,所述确定步骤之后,还包括:
更新步骤:更新所述预设区域内的小区,更新后的预设区域内的小区包括:所述预设区域内的待扩容小区、现网小区中除待扩容小区之外的小区以及由所述待扩容小区确定的预增加的扩容小区;其中,所述待扩容小区对应的扩容小区的负荷数据和更新后的待扩容小区的负荷数据由更新前的待扩容小区的负荷数据决定;
迭代步骤:执行所述划分步骤、所述第一获取步骤、所述调整步骤、所述第二获取步骤以及所述确定步骤,判断是否满足预设条件,当不满足所述预设条件时,返回至所述更新步骤;当满足所述预设条件时,确定扩容规模。
优选的,所述当满足所述预设条件时,确定扩容规模的步骤包括:
当满足所述预设条件时,计算本次迭代步骤及之前每一次迭代步骤中得到的新的待扩容小区的个数之和,确定所述扩容规模。
优选的,所述预设条件为所述迭代步骤的执行达到预设的迭代次数或本次迭代步骤中没有新增待扩容小区。
优选的,所述第一预测函数为一次函数、幂函数、指数函数或多元函数;
所述调整步骤包括:
将所述第一预测函数乘以一常数和/或调整所述第一预测函数中的参数,确定所述第二预测函数。
第二方面,本发明实施例还提供一种网络扩容预测装置,包括:
划分模块,用于将预设区域内的小区分成至少一个小区簇,其中,每一小区簇包括至少一个小区,每一小区簇对应的负荷数据的第一预测函数均不相同;
第一获取模块,用于根据每个小区当前的负荷数据和所述第一预测函数,获取所述预设区域内的全部小区在规划时间末的区域预测负荷数据;
调整模块,用于根据所述区域预测负荷数据和规划时间末的目标负荷数据,将所述每一小区簇对应的第一预测函数调整为第二预测函数;
第二获取模块,用于根据所述每个小区当前的负荷数据和所述第二预测函数,获取每个小区在规划时间末的小区预测负荷数据;
确定模块,用于比较所述每个小区的小区预测负荷数据与预设扩容标准,确定待扩容小区。
第三方面,本发明实施例还提供一种网络扩容预测装置,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;所述处理器执行所述程序时实现上述的预测方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述的预测方法中的步骤。
本发明的上述技术方案的有益效果如下:区别于现有技术的情况,本发明通过将预设区域内的小区分成至少一个小区簇,其中,每一小区簇对应的负荷数据的第一预测函数均不相同,小区分类使得预测更为精细化、更为准确;再获取每一小区簇在规划时间末的小区簇预测负荷数据,并结合规划时间末的目标负荷数据,将第一预测函数调整为第二预测函数,利用第二预测函数预测得出每个小区在规划时间末的小区预测负荷数据,与预设扩容标准进行比较,进而确定待扩容小区,能够适用于系统容量非固定的系统,且基于整个预设区域的目标负荷数据,对预测函数进行调整,能更精准地预测出每个小区在规划时间末的小区预测负荷数据,得到更准确的待扩容小区。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一的网络扩容预测方法的流程示意图;
图2为本发明一些优选实施例的迭代预测的流程示意图;
图3为本发明一些优选实施例的迭代预测的流程示意图;
图4为本发明一些优选实施例的网络扩容预测方法的流程示意图;
图5为本发明实施例二的网络扩容预测方法的流程示意图;
图6为本发明一些优选实施例的E-RAB流量和下行频谱效率的关系图;
图7为本发明实施例三的网络扩容预测装置的结构示意图;
图8为本发明一些优选实施例的网络扩容预测装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
参阅图1,图1是本发明实施例一的网络扩容预测方法的流程示意图,该方法包括:
步骤S11:划分步骤:将预设区域内的小区分成至少一个小区簇,其中,每一小区簇包括至少一个小区,每一小区簇对应的负荷数据的第一预测函数均不相同;
步骤S12:第一获取步骤:根据每个小区当前的负荷数据和所述第一预测函数,获取所述预设区域内的全部小区在规划时间末的区域预测负荷数据;
步骤S13:调整步骤:根据所述区域预测负荷数据和规划时间末的目标负荷数据,将所述每一小区簇对应的第一预测函数调整为第二预测函数;
步骤S14:第二获取步骤:根据所述每个小区当前的负荷数据和所述第二预测函数,获取每个小区在规划时间末的小区预测负荷数据;
步骤S15:确定步骤:比较所述每个小区的小区预测负荷数据与预设扩容标准,确定待扩容小区。
采用上述方法,本发明能够适用于系统容量非固定的系统,且基于整个预设区域的目标负荷数据,对预测函数进行调整,能更精准地预测出每个小区在规划时间末的小区预测负荷数据,得到更准确的待扩容小区。
在本发明的一些优选实施例中,划分步骤中的预设区域可以为一个城市、一个省或全国,当然也根据实际需求进行具体设定,更加灵活方便,本发明不作限定。
在本发明的一些优选实施例中,针对每个小区,判断是否需要扩容的预设扩容标准如下。
每个载频的预设扩容标准为:按照大、中、小包的小区分类确定标准,当小区七日平均自忙时达到门限时实施载频扩容。小区分类标准及扩容门限如下表1。
表1
其中,小区扩容核定逻辑为:[“有效RRC用户数达到门限”且“上行利用率达到门限”且“上行流量达到门限”]或[“有效RRC用户数达到门限”且“下行利用率达到门限(PDSCH或PDCCH)”且“下行流量达到门限”]。
上行利用率(即PUSCH PRB利用率)、下行利用率(即PDSCH PRB利用率)、PDCCH利用率(即PDCCH CCE利用率)均为实际网络资源实际占用情况,定义如下:
PUSCH PRB利用率=PUSCH PRB占用平均数/(PUSCH PRB可用平均数);
PDSCH PRB利用率=PDSCH PRB占用平均数/(PDSCH PRB可用平均数);
PDCCH CCE利用率=PDCCH CCE占用平均数/(PDCCH CCE可用平均数)。
小区自忙时定义为:一天24小时小区利用率最大的一小时。
小区利用率=MAX{PUSCH PRB利用率;PDSCH PRB利用率;PDCCH CCE利用率}。
其中,CCE(Control Channel Element,控制信道单元);
PDSCH(Physical Downlink Shared Channel,物理下行共享信道);
PUSCH(Physical Uplink Shared Channel,物理上行共享信道);
RRC(Radio Resource Control,无线资源控制);
PDCCH(Physical Downlink Control Channel指的是物理下行控制信道);
E-RAB(Evolved Radio Access Bearer,演进的无线接入承载)。
在本发明的一些优选实施例中,每个小区的负荷数据可以为KPI(KeyPerformance Indicator,关键性能指标)相关指标或相关指标的集合,用户数,流量,物理资源块PRB利用率,频谱效率中的至少一种。例如:当每个小区的负荷数据为流量时,第一获取步骤中,每个小区当前的负荷数据为小区当前七日平均自忙时流量。
在本发明的其他一些优选实施例中,将第一预测函数记为Y(X,t),第二预测函数记为Y’(X,t),其中,X为小区的负荷数据,为KPI(Key Performance Indicator,关键性能指标)相关指标或相关指标的集合,用户数,流量,物理资源块PRB利用率,频谱效率这些负荷指标中的至少一种;t为时间量;Y为预测量。
第一预测函数Y(X,t)可以是根据历史数据拟合获得的函数,比如:线性函数、指数函数或者多元函数;也可以是根据大数据的预测方式,例如:聚类或者分类,获得的函数;本发明不作限定。
第一预测函数Y(X,t)可以应用到一个负荷指标或者同时多个负荷指标上;也可以应用到部分负荷指标,再根据部分负荷指标与其他负荷指标的关系,得到其他负荷指标的预测函数。
用户可根据需求具体选择应用哪一个或哪几个负荷指标进行分别预测,可使得预测更精细、更切合实际且更准确。而且,当选用不同的负荷指标进行预测时,本发明能够基于不同的扩容标准进行灵活自适应,更加便捷。
在本发明的另一些优选实施例中,所述确定步骤之后,还包括:根据所述待扩容小区的个数,确定扩容规模。
在本发明的一些优选实施例中,可采用迭代的方法对小区进行预扩容和预负载均衡,使得扩容更充分,预测结果更准确,下面首先对迭代预测的完整流程进行说明。
请参阅图2和图3,将小区根据不同的预测规律(即第一预测函数)进行小区分类,然后基于规划时间末的目标负荷数据对预测规律(即第一预测函数)进行调整得到新的预测规律(即第二预测函数);基于现网小区负荷以及第二预测函数进行规划时间末的小区级负荷预测,获得小区预测负荷数据;并与预设扩容标准进行比较,确定待扩容小区,获得新的扩容小区。进一步,可以将待扩容小区与其对应的扩容小区进行预扩容和预负载均衡,迭代上述步骤进行判断,直至满足预设条件,可以统计待扩容小区个数,得到扩容规模。
参阅图4,也就是说,所述确定步骤之后,还包括:
步骤S16:更新步骤:更新所述预设区域内的小区,更新后的预设区域内的小区包括:所述预设区域内的待扩容小区、现网小区中除待扩容小区之外的小区以及由所述待扩容小区确定的预增加的扩容小区;其中,所述待扩容小区对应的扩容小区的负荷数据和更新后的待扩容小区的负荷数据由更新前的待扩容小区的负荷数据决定;
也就是说,确定待扩容小区之后,将这些待扩容小区进行预扩容,得到由待扩容小区确定的预增加的扩容小区,并将待扩容小区和待扩容小区对应的扩容小区的负荷数据进行预负载均衡,从而对预设区域内的小区进行更新。
例如:假设预设区域中共有M个小区,其中,小区簇1中的小区个数为M1,确定的待扩容小区均为小区簇1中的小区,而且为m个,则预增加m个扩容小区,加上原来小区簇1中的m个待扩容小区,将2m个小区的负荷进行预负载均衡,可以粗略估算为原m个小区负荷的一半。更新预设区域内的小区,则更新后,预设区域中共有M+m个小区,其中,新增的m个扩容小区和原小区簇1中的m个待扩容小区的负荷均为原m个小区负荷的一半,现网小区中除待扩容小区之外的M-m个小区的负荷仍保持不变。
在一具体应用场景中,预设区域内的小区共划分为小区簇1和小区簇2两个小区簇。小区的负荷数据为小区的用户数,小区簇1中的小区负荷的用户数均未超过预设的扩容门限值,而小区簇2共有2个小区:小区1和小区2,若小区1负荷的用户数为10,未超过预设的扩容门限值20,小区2负荷的用户数为100,超过预设的扩容门限值20。则确定待扩容小区为小区簇2中的小区2,预增加1个扩容小区,对增加的扩容小区和待扩容小区小区2进行负载均衡,新增的1个扩容小区和小区2负荷的用户数分别为50、50,而小区簇1中的小区和小区簇2中的小区1负荷的用户数不变。
步骤S17:迭代步骤:执行所述划分步骤、所述第一获取步骤、所述调整步骤、所述第二获取步骤以及所述确定步骤,判断是否满足预设条件,当不满足所述预设条件时,返回至所述更新步骤;当满足所述预设条件时,确定扩容规模。
本步骤中的预设条件可以为所述迭代步骤的执行达到预设的迭代次数,预设的迭代次数可以根据实际需求进行设定,更加灵活方便;或者,预设条件可以为本次迭代步骤中没有新增待扩容小区,通过预扩容和预负载均衡,对预设区域内的小区不断进行迭代,直至没有新增待扩容小区为止,使得预测更为精细,也更为充分。
当满足预设条件时,根据本次迭代步骤及之前每一次迭代步骤中得到的新的待扩容小区,计算一共新增的待扩容小区个数之和,即可得到扩容规模。
例如,预设条件为没有新增待扩容小区,对更新后的M+m个小区执行步骤S11-S15后,判断是否新增待扩容小区,如果新增待扩容小区,返回至步骤S16,不断进行迭代,直至没有新增待扩容小区为止;如果没有新增待扩容小区,则确定所述扩容规模。
参阅图5,图5是本发明实施例二的网络扩容预测方法的流程示意图,该方法包括:
步骤S51:将预设区域内的小区分成至少一个小区簇,其中,每一小区簇包括至少一个小区,每一小区簇对应的负荷数据的第一预测函数均不相同;
具体的,可以根据分类的精度或者复杂程度,选择合适的小区簇组个数,对预设区域内的小区进行划分。
例如,可以根据预设区域内的小区的流量增长率进行分类,增长率在相同范围内的小区为同一类,其中,第一预测函数Y(X,t)=K*X*t,斜率K即为小区的流量增长率。请参见表2,将一预设区域内的小区划分成3个小区簇。
小区分类 | 第一预测函数Y(X,t) |
小区簇1 | K<sub>1</sub>*X*t |
小区簇2 | K<sub>2</sub>*X*t |
小区簇3 | K<sub>3</sub>*X*t |
表2
步骤S52:获取每一小区簇中每个小区当前的负荷数据,计算每一小区簇当前的负荷数据;
本步骤中,可通过测量、计算获取每一小区簇中每个小区当前的负荷数据,再通过一函数或简单求和计算得出每一小区簇当前的负荷数据。
例如,一小区簇中每个小区当前的负荷数据为测量并计算得出的每个小区当前七日平均自忙时流量,求出该小区簇中所有小区当前七日平均自忙时流量之和,即为该小区簇当前的负荷数据。
步骤S53:根据所述每一小区簇当前的负荷数据和所述第一预测函数,计算所述区域预测负荷数据;
具体的,可以根据所述每一小区簇当前的负荷数据和第一预测函数,获取每一小区簇在规划时间末的小区簇预测负荷数据,根据小区簇预测负荷数据,计算得出区域预测负荷数据。
假设步骤S52中计算出的小区簇1、2、3当前的流量数据分别为Z1、Z2、Z3,即小区簇1、2、3当前的负荷数据分别为Z1、Z2、Z3,规划时间为1年,根据小区簇的第一预测函数,计算得:
小区簇1的预测负荷数据=K1*Z1×1+Z1=K1*Z1+Z1,
小区簇2的预测负荷数据=K2*Z2×1+Z2=K2*Z2+Z2,
小区簇2的预测负荷数据=K3*Z3×1+Z3=K3*Z3+Z3。
则预设区域内的全部小区在规划时间末的区域预测负荷数据
Q预测=(K1*Z1+Z1)+(K2*Z2+Z2)+(K3*Z3+Z3)
=(K1*Z1+K2*Z2+K3*Z3)+(Z1+Z2+Z3)。
本步骤中,还可以根据每一小区簇当前的负荷数据和第一预测函数,获取每一小区簇在规划时间末的小区簇预测增长数据,结合每一小区簇当前的负荷数据,计算区域预测负荷数据。
小区簇1的预测增长数据=K1*Z1×1=K1*Z1,
小区簇2的预测负荷数据=K2*Z2×1=K2*Z2,
小区簇2的预测负荷数据=K3*Z3×1=K3*Z3。
同样可以得出预设区域内的全部小区在规划时间末的区域预测负荷数据
Q预测=(K1*Z1+K2*Z2+K3*Z3)+(Z1+Z2+Z3)。
步骤S54:根据所述区域预测负荷数据和所述目标负荷数据,将所述第一预测函数调整为所述第二预测函数;
若已知规划时间末(即1年后)的目标流量需求为Q目标,即目标负荷数据为Q目标,将区域预测负荷数据Q预测与目标负荷数据Q目标进行比较,将第一预测函数Y(X,t)调整为第二预测函数Y’(X,t),具体请参阅表3。
小区分类 | 第二预测函数Y’(X,t) |
小区簇1 | c*K<sub>1</sub>*X*t |
小区簇2 | c*K<sub>2</sub>*X*t |
小区簇3 | c*K<sub>3</sub>*X*t |
表3
调整后,满足:Q预测=Q目标,
即(c*K1*Z1×1+c*K2*Z2×1+c*K3*Z3×1)+(Z1+Z2+Z3)=Q目标,
即(c*K1*Z1+c*K2*Z2+c*K3*Z3)+(Z1+Z2+Z3)=Q目标。
步骤S55:根据所述每个小区当前的负荷数据和所述第二预测函数,获取每个小区在规划时间末的小区预测负荷数据;
例如,小区簇2中的一小区当前七日平均自忙时流量为x,即该小区当前的负荷数据为x,则该小区在规划时间末的小区预测负荷数据=x+c*K2*x×1=x+c*K2*x。
步骤S56:比较所述每个小区的小区预测负荷数据与预设扩容标准,确定待扩容小区。
具体的,预设扩容标准中的数据是忙时的数据,而区域预测负荷数据往往是月级数据或者年级数据,需要先进行转换,再进行比较。例如:区域预测负荷数据是月级数据,则将预测得到的区域预测负荷数据乘以忙月集中系数,乘以忙天集中系数,乘以忙时集中系数,获得忙时的区域预测负荷数据。由于忙月集中系数、忙天集中系数和忙时集中系数往往是时间函数,会随着时间进行变化,可以结合这些系数的变化趋势进行转换。
上述实施例中,根据小区的流量增长率对预设区域内的小区进行分类,已知规划时间末的目标流量需求,求规划时间末的待扩容小区。
当然,在本发明的其他优选实施例中,也可以根据小区的PRB利用率对预设区域内的小区进行分类,进而进行预测。
具体的,可利用流量增长率计算PRB利用率。由于网络优化、业务发展等因素,这些因素导致PRB承载效率不同,从而相同流量下占用的PRB资源会不同,在某些情况下,PRB利用率的增长率与流量的增长并非是正比例关系,而在有些情况下则是正比例关系。因此,需要将流量增长率除以(1+频谱效率增长率),得到PRB利用率的增长率,进而进行预测。
在本发明的一些优选实施例中,也可以根据小区的E-RAB流量对预设区域内的小区进行分类,预测规划时间末PRB利用率。
具体的,获取E-RAB流量与频谱效率的关系,请参阅图6,由于E-RAB流量与频谱效率的关系影响PRB利用率的增长。可以先预测规划时间末的E-RAB流量,进而得出流量增长率。可采用频谱效率上限管理,选择较好样本或者一省份的频谱效率为目标值,与当前的频谱效率进行比较,获取频谱效率增长率。进一步将流量增长率除以(1+频谱效率增长率),得到PRB利用率的增长率,进而进行预测。
上述实施例中,第一预测函数为正比例函数,在其他实施例中,第一预测函数也可以为普通一次函数、幂函数、指数函数或者多元函数,本发明不作限定。
上述实施例中,通过将第一预测函数乘以一常数,确定第二预测函数;在其他实施例中,也可以调整第一预测函数中的参数,或者,将第一预测函数乘以一常数,并调整第一预测函数中的参数,确定第二预测函数,本发明不作限定。
例如:第一预测函数为普通一次函数时,可以将该一次函数乘以一常数,或者调整该一次函数中自变量的系数和常数项,将调整后的函数作为第二预测函数;第一预测函数为幂函数时,可以将该幂函数乘以一常数,和/或调整该幂函数的指数,将调整后的函数作为第二预测函数;第一预测函数为指数函数时,可以将该指数函数乘以一常数,和/或调整该指数函数的底数,将调整后的函数作为第二预测函数;第一预测函数为多元函数时,可以调整该多元函数中自变量的系数和常数项,将调整后的函数作为第二预测函数。
上述实施例中,通过简单求和的方式求出预设区域内的全部小区在规划时间末的区域预测负荷数据;在其他实施例中,也可以利用一预设函数求出区域预测负荷数据,本发明不作限定。
参阅图7,图7是本发明实施例三的网络扩容预测装置的结构示意图,该装置70包括:
划分模块71,用于将预设区域内的小区分成至少一个小区簇,其中,每一小区簇包括至少一个小区,每一小区簇对应的负荷数据的第一预测函数均不相同;
第一获取模块72,用于根据每个小区当前的负荷数据和所述第一预测函数,获取所述预设区域内的全部小区在规划时间末的区域预测负荷数据;
调整模块73,用于根据所述区域预测负荷数据和规划时间末的目标负荷数据,将所述每一小区簇对应的第一预测函数调整为第二预测函数;
第二获取模块74,用于根据所述每个小区当前的负荷数据和所述第二预测函数,获取每个小区在规划时间末的小区预测负荷数据;
确定模块75,用于比较所述每个小区的小区预测负荷数据与预设扩容标准,确定待扩容小区。
优选的,所述第一获取模块72,用于获取每一小区簇中每个小区当前的负荷数据,计算每一小区簇当前的负荷数据;
根据所述每一小区簇当前的负荷数据和所述第一预测函数,计算所述区域预测负荷数据。
所述第一获取模块72,用于根据所述每一小区簇当前的负荷数据和所述第一预测函数,获取每一小区簇在规划时间末的小区簇预测负荷数据,根据所述小区簇预测负荷数据,计算所述区域预测负荷数据;或者根据所述每一小区簇当前的负荷数据和所述第一预测函数,获取每一小区簇在规划时间末的小区簇预测增长数据,结合所述每一小区簇当前的负荷数据,计算所述区域预测负荷数据。
优选的,所述装置70还包括:
扩容模块,用于根据所述待扩容小区的个数,确定扩容规模。
优选的,请参阅图8,所述装置70还包括:
更新模块76,用于更新所述预设区域内的小区,更新后的预设区域内的小区包括:所述预设区域内的待扩容小区、现网小区中除待扩容小区之外的小区以及由所述待扩容小区确定的预增加的扩容小区;其中,所述待扩容小区对应的扩容小区的负荷数据和更新后的待扩容小区的负荷数据由更新前的待扩容小区的负荷数据决定;
迭代模块77,用于执行所述划分步骤、所述第一获取步骤、所述调整步骤、所述第二获取步骤以及所述确定步骤,判断是否满足预设条件,当不满足所述预设条件时,返回至所述更新步骤;当满足所述预设条件时,确定扩容规模。
优选的,所述迭代模块77,用于当满足所述预设条件时,计算本次迭代步骤及之前每一次迭代步骤中得到的新的待扩容小区的个数之和,确定所述扩容规模。
优选的,所述预设条件为所述迭代步骤的执行达到预设的迭代次数或本次迭代步骤中没有新增待扩容小区。
优选的,所述第一预测函数为一次函数、幂函数、指数函数或多元函数;
所述调整模块73,用于将所述第一预测函数乘以一常数和/或调整所述第一预测函数中的参数,确定所述第二预测函数。
需要说明的是,本实施例的装置可以执行上述方法中的步骤,相关内容的详细说明请参见上述方法部分,在此不再赘叙。
本发明实施例还提供一种网络扩容预测装置,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;所述处理器执行所述程序时实现如上述的预测方法。具体工作过程与上述预测方法实施例中一致,故在此不再赘述,详细请参阅以上对应方法步骤的说明。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如上述的预测方法中的步骤。具体工作过程与上述预测方法实施例中一致,故在此不再赘述,详细请参阅以上对应方法步骤的说明。
上述计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(Phase-change Random AccessMemory,简称PRAM)、静态随机存取存储器(Static Random Access Memory,简称SRAM)、动态随机存取存储器(Dynamic Random Access Memory,简称DRAM)、其他类型的随机存取存储器(Random Access Memory,简称RAM)、只读存储器(Read Only Memory,简称ROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable read only,简称EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(Compact Disc Read OnlyMemory,简称CD-ROM)、数字多功能光盘(Digital Video Disc,简称DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种网络扩容预测方法,其特征在于,包括:
划分步骤:将预设区域内的小区分成至少一个小区簇,其中,每一小区簇包括至少一个小区,每一小区簇对应的负荷数据的第一预测函数均不相同;
第一获取步骤:根据每个小区当前的负荷数据和所述第一预测函数,获取所述预设区域内的全部小区在规划时间末的区域预测负荷数据;
调整步骤:根据所述区域预测负荷数据和规划时间末的目标负荷数据,将所述每一小区簇对应的第一预测函数调整为第二预测函数;
第二获取步骤:根据所述每个小区当前的负荷数据和所述第二预测函数,获取每个小区在规划时间末的小区预测负荷数据;
确定步骤:比较所述每个小区的小区预测负荷数据与预设扩容标准,确定待扩容小区。
2.如权利要求1所述的预测方法,其特征在于,所述第一获取步骤包括:
获取每一小区簇中每个小区当前的负荷数据,计算每一小区簇当前的负荷数据;
根据所述每一小区簇当前的负荷数据和所述第一预测函数,计算所述区域预测负荷数据。
3.如权利要求2所述的预测方法,其特征在于,所述根据所述每一小区簇当前的负荷数据和所述第一预测函数,计算所述区域预测负荷数据的步骤包括:
根据所述每一小区簇当前的负荷数据和所述第一预测函数,获取每一小区簇在规划时间末的小区簇预测负荷数据,根据所述小区簇预测负荷数据,计算所述区域预测负荷数据;或者
根据所述每一小区簇当前的负荷数据和所述第一预测函数,获取每一小区簇在规划时间末的小区簇预测增长数据,结合所述每一小区簇当前的负荷数据,计算所述区域预测负荷数据。
4.如权利要求1所述的预测方法,其特征在于,所述确定步骤之后,还包括:
根据所述待扩容小区的个数,确定扩容规模。
5.如权利要求1所述的预测方法,其特征在于,所述确定步骤之后,还包括:
更新步骤:更新所述预设区域内的小区,更新后的预设区域内的小区包括:所述预设区域内的待扩容小区、现网小区中除待扩容小区之外的小区以及由所述待扩容小区确定的预增加的扩容小区;其中,所述待扩容小区对应的扩容小区的负荷数据和更新后的待扩容小区的负荷数据由更新前的待扩容小区的负荷数据决定;
迭代步骤:执行所述划分步骤、所述第一获取步骤、所述调整步骤、所述第二获取步骤以及所述确定步骤,判断是否满足预设条件,当不满足所述预设条件时,返回至所述更新步骤;当满足所述预设条件时,确定扩容规模。
6.如权利要求5所述的预测方法,其特征在于,所述当满足所述预设条件时,确定扩容规模的步骤包括:
当满足所述预设条件时,计算本次迭代步骤及之前每一次迭代步骤中得到的新的待扩容小区的个数之和,确定所述扩容规模。
7.如权利要求5所述的预测方法,其特征在于,
所述预设条件为所述迭代步骤的执行达到预设的迭代次数或本次迭代步骤中没有新增待扩容小区。
8.如权利要求1所述的预测方法,其特征在于,
所述第一预测函数为一次函数、幂函数、指数函数或多元函数;
所述调整步骤包括:
将所述第一预测函数乘以一常数和/或调整所述第一预测函数中的参数,确定所述第二预测函数。
9.一种网络扩容预测装置,其特征在于,包括:
划分模块,用于将预设区域内的小区分成至少一个小区簇,其中,每一小区簇包括至少一个小区,每一小区簇对应的负荷数据的第一预测函数均不相同;
第一获取模块,用于根据每个小区当前的负荷数据和所述第一预测函数,获取所述预设区域内的全部小区在规划时间末的区域预测负荷数据;
调整模块,用于根据所述区域预测负荷数据和规划时间末的目标负荷数据,将所述每一小区簇对应的第一预测函数调整为第二预测函数;
第二获取模块,用于根据所述每个小区当前的负荷数据和所述第二预测函数,获取每个小区在规划时间末的小区预测负荷数据;
确定模块,用于比较所述每个小区的小区预测负荷数据与预设扩容标准,确定待扩容小区。
10.一种网络扩容预测装置,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;其特征在于,所述处理器执行所述程序时实现如权利要求1-8任一项所述的预测方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8任一项所述的预测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810330043.4A CN110380881B (zh) | 2018-04-13 | 2018-04-13 | 一种网络扩容预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810330043.4A CN110380881B (zh) | 2018-04-13 | 2018-04-13 | 一种网络扩容预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110380881A CN110380881A (zh) | 2019-10-25 |
CN110380881B true CN110380881B (zh) | 2021-11-19 |
Family
ID=68243951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810330043.4A Active CN110380881B (zh) | 2018-04-13 | 2018-04-13 | 一种网络扩容预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110380881B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112867064B (zh) * | 2019-11-26 | 2022-09-16 | 中国移动通信集团山东有限公司 | 一种负载均衡方法、装置、存储介质和源基站 |
CN112085282B (zh) * | 2020-09-11 | 2023-08-04 | 中国联合网络通信集团有限公司 | 小区流量预测方法及服务器 |
CN112351440B (zh) * | 2020-09-28 | 2024-03-12 | 北京拓明科技有限公司 | 一种对5g/4g高负荷小区池化扩容的预测方法及系统 |
CN113762421B (zh) * | 2021-10-22 | 2024-03-15 | 中国联合网络通信集团有限公司 | 分类模型的训练方法、流量分析方法、装置及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103002459A (zh) * | 2011-09-15 | 2013-03-27 | 中兴通讯股份有限公司 | 一种wcdma网络扩容规划的方法和装置 |
CN104881704A (zh) * | 2014-02-27 | 2015-09-02 | 中国移动通信集团广东有限公司 | 一种话务指标的预测方法、装置及电子设备 |
WO2016033969A1 (zh) * | 2014-09-02 | 2016-03-10 | 中兴通讯股份有限公司 | 业务数据量和/或资源数据量的预测方法及预测系统 |
CN105580407A (zh) * | 2014-12-05 | 2016-05-11 | 华为技术有限公司 | 一种网络资源部署方法和设备 |
CN106412917A (zh) * | 2015-07-29 | 2017-02-15 | 中国移动通信集团公司 | 一种网络扩容方法及装置 |
-
2018
- 2018-04-13 CN CN201810330043.4A patent/CN110380881B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103002459A (zh) * | 2011-09-15 | 2013-03-27 | 中兴通讯股份有限公司 | 一种wcdma网络扩容规划的方法和装置 |
CN104881704A (zh) * | 2014-02-27 | 2015-09-02 | 中国移动通信集团广东有限公司 | 一种话务指标的预测方法、装置及电子设备 |
WO2016033969A1 (zh) * | 2014-09-02 | 2016-03-10 | 中兴通讯股份有限公司 | 业务数据量和/或资源数据量的预测方法及预测系统 |
CN105580407A (zh) * | 2014-12-05 | 2016-05-11 | 华为技术有限公司 | 一种网络资源部署方法和设备 |
CN106412917A (zh) * | 2015-07-29 | 2017-02-15 | 中国移动通信集团公司 | 一种网络扩容方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于多维度数据的LTE网络智能容量优化研究;郭奕吟;《数字通信世界》;20171101(第11期);全文 * |
考虑业扩报装的相关向量机月度负荷预测方法;江梦洋等;《电力系统及其自动化学报》;20170715(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110380881A (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110380881B (zh) | 一种网络扩容预测方法及装置 | |
CN109195170A (zh) | 小区扩容方法、装置及存储介质 | |
CN105392154A (zh) | 一种资源占用量的预测方法与预测系统 | |
CN110505650B (zh) | 随机异构分层网容量智能评估方法及装置 | |
CN103313307B (zh) | 网络资源配置方法和装置 | |
CN113382477B (zh) | 应用于无线网络用户间上行干扰建模的方法 | |
CN105636088A (zh) | 一种处理小区间干扰的方法、设备、控制装置及基站 | |
CN111328146B (zh) | 一种基于遗传算法优化传输速率权重的业务调度方法 | |
CN111132179A (zh) | 一种小区调度方法、系统、装置和存储介质 | |
CN108777870B (zh) | 基于皮尔森系数的lte高负荷小区甄别方法及系统 | |
Liu et al. | FaLQE: Fluctuation adaptive link quality estimator for wireless sensor networks | |
CN109525995B (zh) | 一种小区识别方法、装置及计算机可读存储介质 | |
CN111385821B (zh) | 一种lte载波需求数量预测的方法和装置 | |
CN100499422C (zh) | 自适应的码分多址系统负载预测方法 | |
Fletscher et al. | An assessment of different user–BS association policies for green HetNets in off‐grid environments | |
WO2020215282A1 (en) | Method and apparatus for evaluate data traffic depressed by radio issues | |
CN112423327B (zh) | 一种容量预测方法及设备、存储介质 | |
Gao et al. | Short term prediction models of mobile network traffic based on time series analysis | |
Mohammed et al. | A Machine Learning-Based Framework for Efficient LTE Downlink Throughput | |
CN109005589B (zh) | 一种用于频谱资源分配的方法及设备 | |
CN102724687B (zh) | 无线网络利用率的获取方法和网管设备 | |
EP2894892A1 (en) | Frequency spectrum division method, device and system | |
CN112954808A (zh) | 载波资源调整方法、装置、存储介质和计算机设备 | |
CN113541993B (zh) | 网络评估方法及装置、网络指标处理方法、设备和介质 | |
CN110719594B (zh) | 一种设备选型方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |