CN110475255B - 网络负荷预测方法和装置 - Google Patents
网络负荷预测方法和装置 Download PDFInfo
- Publication number
- CN110475255B CN110475255B CN201810441979.4A CN201810441979A CN110475255B CN 110475255 B CN110475255 B CN 110475255B CN 201810441979 A CN201810441979 A CN 201810441979A CN 110475255 B CN110475255 B CN 110475255B
- Authority
- CN
- China
- Prior art keywords
- cell
- flow
- uplink
- package
- downlink
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例提供一种网络负荷预测方法和装置。所述方法包括:在特定套餐推广之后,根据各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量增幅;根据所述单用户月度平均使用流量增幅计算小区日均总流量;根据所述小区日均总流量计算小区自忙时总流量以及小区自忙时上下行总流量;根据小区自忙时上下行流量增长率计算小区自忙时上下行PRB利用率;根据套餐推广后小区有效RRC连接用户数增幅计算小区自忙时有效RRC连接平均数;根据所述小区自忙时上下行PRB利用率、小区自忙时有效RRC连接平均数以及小区自忙时上下行总流量确定高负荷小区。本发明实施例能够准确预测出待扩容的高负荷小区,从而进行针对性的扩容优化。
Description
技术领域
本发明实施例涉及通信技术领域,尤其涉及一种网络负荷预测方法和装置。
背景技术
随着4G网络的蓬勃发展和用户规模的不断增长,各省市运营商和众多互联网公司为了竞争用户,开始逐步推广大流量套餐。随着用户流量套餐的推广,流量增长迅速,网络负荷越来越大,因此需要精细、准确的预测出高负荷小区,进而对其进行扩容优化,以避免高负荷网络对用户感知造成的影响。
目前针对网络负荷容量的预测基本是基于历史数据,从用户数、利用率和流量三维度,预测未来变化情趋势,进而依据扩容标准筛选待扩容小区。一般方法是根据网络历史数据统计出小区各维度指标的自然增长率,结合当地扩容标准,筛选出符合扩容标准筛的高负荷小区。
由于受市场营销策略的影响,目前预测方法已经不能准确反应小区的负荷情况,例如预测流量方面,现有的预测模型只考虑流量自然增长率,但是用户使用流量增长受市场营销策略、网络使用习惯等多方面因素影响,若只考虑自然增长率不能真实反映用户流量增长需求,因此也不能准确预测出高负荷小区。
发明内容
针对现有技术的缺陷,本发明实施例提供一种网络负荷预测方法和装置。
一方面,本发明实施例提供一种网络负荷预测方法,所述方法包括:
在特定套餐推广之后,根据各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量增幅;
根据所述单用户月度平均使用流量增幅计算小区日均总流量;
根据所述小区日均总流量计算小区自忙时总流量以及小区自忙时上下行总流量;
根据小区自忙时上下行流量增长率计算小区自忙时上下行PRB利用率;
根据套餐推广后小区有效RRC连接用户数增幅计算小区自忙时有效RRC连接平均数;
根据所述小区自忙时上下行PRB利用率、小区自忙时有效RRC连接平均数以及小区自忙时上下行总流量确定高负荷小区。
另一方面,本发明实施例提供一种网络负荷预测装置,所述装置包括:
第一计算单元,用于在特定套餐推广之后,根据各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量增幅;
第二计算单元,用于根据所述单用户月度平均使用流量增幅计算小区日均总流量;
第三计算单元,用于根据所述小区日均总流量计算小区自忙时总流量以及小区自忙时上下行总流量;
第四计算单元,用于根据小区自忙时上下行流量增长率计算小区自忙时上下行PRB利用率;
第五计算单元,用于根据套餐推广后小区有效RRC连接用户数增幅计算小区自忙时有效RRC连接平均数;
确定单元,用于根据所述小区自忙时上下行PRB利用率、小区自忙时有效RRC连接平均数以及小区自忙时上下行总流量确定高负荷小区。
另一方面,本发明实施例还提供一种电子设备,包括存储器、处理器以及存储在存储器上并可在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网络负荷预测方法的步骤。
另一方面,本发明实施例还提供存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述网络负荷预测方法的步骤。
本发明实施例通过计算出高流量套餐推广后的小区自忙时上/下行流量、自忙时上/下行PRB利用率以及自忙时有效RRC连接平均数,能够准确预测出待扩容的高负荷小区,进而能够进行针对性的扩容优化。
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一简单地介绍,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1为本发明一实施例提供的网络负荷预测方法的流程示意图;
图2为本发明一实施例提供的室外上行干扰与负荷变化的关系示意图;
图3为本发明一实施例提供的上行PRB利用率与MCS阶数之间的关系示意图;
图4为本发明一实施例提供的下行PRB利用率与DQI均值之间的关系示意图;
图5为本发明一实施例提供的网络负荷预测装置的结构示意图;
图6为本发明一实施例提供的电子设备的结构示意图。
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作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。
图1示出了本发明实施例提供的一种网络负荷预测方法的流程示意图。
如图1所示,本发明实施例提供的网络负荷预测方法具体包括以下步骤:
S11、在特定套餐推广之后,根据各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量增幅;
用户使用流量增长受市场营销策略因素的影响不可忽略,例如某省开始面向用户推广大流量套餐,随着大流量套餐的推广,用户使用流量可能迅速增长,因此需要评估在这些大流量套餐上市后的网络负荷情况。
本发明实施例在特定套餐推广之后,根据在某小区内使用这些推广套餐的用户所占的比例,以及没有变更成这些套餐的用户的比例计算套餐推广后单用户月度平均使用流量,再根据套餐推广前单用户月度使用流量,计算出单用户月度平均使用流量增幅。
S12、根据所述单用户月度平均使用流量增幅计算小区日均总流量;
套餐推广后小区日均总流量的增长受大流量套餐推广和流量自然增长两方面影响。因此,本发明实施例计算套餐推广后的小区日均总流量考虑了套餐推广后单用户月度平均使用流量增幅和单月流量自然增长率两个指标。
S13、根据所述小区日均总流量计算小区自忙时总流量以及小区自忙时上下行总流量;
本发明实施例根据小区自忙时总流量占小区日均总流量的比例系数计算小区自忙时总流量;再根据自忙时上行流量占自忙总流量的比例系数和自忙时下行流量占自忙总流量的比例系数分别计算出小区自忙时总流量以及小区自忙时上下行总流量。
S14、根据小区自忙时上下行流量增长率计算小区自忙时上下行PRB利用率;
流量增长会带来网络负荷抬升,网络负荷的增加将导致频率效率的降低,因此,流量增长率与PRB(Physical Radio Bearer,物理无线承载)利用率增长率并不是1:1映射的关系,实际上PRB利用率增长要高于流量增长倍数。
本发明实施例根据现网网络负荷与频谱效率的关系,计算出流量增长与PRB利用率增长之间的关系,进而通过流量增长预测上/下PRB行利用率的增长。
S15、根据套餐推广后小区有效RRC连接用户数增幅计算小区自忙时有效RRC连接平均数。
预测小区负荷的另一个指标为连接网络的用户数,有效RRC(Radio ResourceControl,无线资源控制)连接用户数不仅反应真实的用户数增长还反映了用户的业务时长和业务频度变化,因此本发明采用小区有效RRC连接平均数自然增长率作为反映用户数的指标。
S16、根据所述小区自忙时上下行PRB利用率、小区自忙时有效RRC连接平均数以及小区自忙时上下行总流量确定高负荷小区。
高负荷小区的判断依据通常都是流量、用户数和PRB利用率三个指标,本发明实施例通过以上步骤可以计算出小区的上/下行自忙时流量、上/下行PRB利用率、自忙时有效RRC连接平均数,再根据各省市满足扩容标准的各指标门限值筛选出需要进行扩容的高负荷小区,进行针对性的扩容优化。
本发明实施例提供的网络负荷预测方法,根据套餐推广拉动流量增长和流量自然增长计算出小区上/下行自忙时流量,根据流量增长与频谱效率的关系计算出小区上/下行PRB利用率,根据自忙时有效RRC连接平均数统计小区连接用户数。本发明实施例根据上述指标能够准确预测出高负荷小区的分布,进而进行针对性的扩容优化。
在本发明实施例中,S11具体包括如下步骤:
根据所述各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量,计算公式如下:
单用户月度平均使用流量=(非推广套餐用户比例与所述非推广套餐月度总流量的乘积+各推广套餐用户比例与所述各推广套餐月度总流量的乘积)×套餐使用饱和度系数K1;
根据所述单用户月度平均使用流量计算单用户月度平均使用流量增幅,计算公式如下:
单用户月度平均使用流量增幅=(套餐推广后单用户月度平均使用流量/套餐推广前单用户月度平均使用流量)-1。
具体地,在预测单用户流量增幅时,需要考虑到不同套餐用户使用占比和套餐使用饱和度。
单用户月度平均使用流量=(套餐未变更用户比例×α+套餐A用户比例×β+套餐B用户比例×γ+套餐C用户比例×δ)×套餐使用饱和度系数K1;
其中,套餐未变更用户指大流量套餐推广后未变更成大流量套餐的用户,α为这些用户所使用套餐的月度总流量;套餐A,套餐B和套餐C为推广的大流量套餐,β、γ和δ的取值为分别对应的不同大流量套餐的月度总流量;套餐使用饱和度K1=用户使用套餐流量/套餐总流量,按照经验值套餐使用饱和度系数K1取值为定值,例如经过大量网络数据统计,某小区平均套餐使用饱和度为百分之七十,则K1取0.7。
在本发明实施例中,S12具体包括如下步骤:
小区日均总流量=套餐推广前小区日均总流量×(1+单用户月度平均使用流量增幅)+套餐推广前小区日均总流量×(1+单月流量自然增长率K)间隔月份。
上述公式中小区日均总流量的增长包括大流量套餐推广拉动增长和流量自然增长,大流量套餐推广拉动增长=套餐推广前小区日均总流量×(1+单用户月度平均使用流量增幅),流量自然增长=套餐推广前小区日均总流量×(1+单月流量自然增长率K)间隔月份,其中,单月流量自然增长率K为统计出的经验值,例如统计某省会城市2017年K系数=6.3%。
在本发明实施例中,S13具体包括如下步骤:
小区自忙时总流量=小区日均总流量×小区自忙时流量比例系数K2;
小区自忙时上行总流量=小区自忙时总流量×自忙时上行流量占自忙总流量的比例系数K3;
小区自忙时下行总流量=小区自忙时总流量×自忙时下行流量占自忙总流量的比例系数K4。
其中,K2系数与用户网络使用时间、业务类型、上网时长等使用习惯密切相关,通过统计现网周期内(比如一周)自忙时流量和日均总流量,可以确认该系数值,再计算出小区自忙时总流量。例如统计某省会城市K2系数=自忙时总流量/天汇总流量=11.30%。
上/下行自忙时流量与用户网络使用习惯也密切相关,通过统计现网周期内(比如一周)上/下行自忙时流量占自忙时总流量的比例系数K3、K4,例如统计某省会城市K3系数=上行自忙时总流量/自忙时总流量=9.50%,K4系数=下行自忙时总流量/自忙时总流量=90.50%。
间隔月份指当前进行负荷预测的日期与大流量套餐推广日期之间相隔的月份。
在本发明实施例中,S14具体包括如下步骤:
小区自忙时上行PRB利用率=当前上行PRB利用率×自忙时上行流量增长倍数×上行PRB利用率增长倍数,所述上行PRB利用率增长倍数为上行流量增长一倍时上行PRB利用率增长的倍数;
小区自忙时下行PRB利用率=当前下行PRB利用率×自忙时下行流量增长倍数×下行PRB利用率增长倍数,所述下行PRB利用率增长倍数为下行流量增长一倍时下行PRB利用率增长的倍数。
具体地,流量增长会带来网络负荷抬升,在同频组网场景下干扰也随之上升,进一步影响网络频谱效率降低。流量增长伴随着PRB利用率增长,现有计算方法往往将流量增长率1:1映射到PRB利用率增长率,考虑到网络负荷与频谱效率的关系,上下行PRB利用率增长实际要高于上下行流量增长倍数,比如流量增长2倍,上下行PRB利用率实际增加的倍数大于2倍。
下面介绍本发明实施例计算上下行PRB利用率实际增长率的方法。
图2示出了室外上行干扰随负荷变化情况。
参照图2,上行(Up Link,UL)干扰随着负荷的抬升而上升,这必然会导致频谱效率下降,频谱效率下降阶数能够根据现网数据统计得出。
图3示出了上行PRB利用率与MCS阶数之间的关系。
参照图3,上行PRB利用率增加2倍(从20%增加到40%)时,MCS(Modulation andCoding Scheme,调制编码策略)阶数从15.4下降到13.4,即下降2阶。根据现网数据统计,ULMCS阶数下降2阶对应的频谱效率下降至70.2%,因此,上行PRB利用率实际增长=流量增长倍数/频谱效率下降倍数=2/0.70≈2.86,以流量增长一倍进行归一化预测,UL PRB利用率增长对比UL流量增长的倍数为1.23,即上行流量增长一倍,上行PRB利用率增长1.23倍。
本发明实施例根据上述结果重新计算上行PRB利用率=当前上行PRB利用率×上行自忙时流量增长倍数×1.23。
图4示出了下行PRB利用率与DQI均值之间的关系。
参照图4,下行(Down Link,DL)PRB利用率增加2倍(从0.2增加到0.4)时,CQI(Chanel Quality Indication,信道质量指示)均值从10降至9,根据现网统计出的数据CQI从10降至9,对应的MCS阶数下降约2阶,对应的频谱效率下降至86%。故下行PRB利用率增长倍数=流量增长倍数/频谱效率下降倍数=2/0.86≈2.3,以流量增长一倍进行归一化预测,PRB利用率增长倍数为1.3,即流量增长一倍,下行PRB利用率增长1.3倍。
根据上述结果,下行PRB利用率的计算方法与上行PRB利用率的计算方法相同:下行PRB利用率=当前PRB利用率×下行自忙时流量增长倍数×1.3。
在本发明实施例中,S15具体包括如下步骤:
小区自忙时有效RRC连接平均数=套餐推广前有效RRC连接平均数×小区有效RRC连接平均数自然增长率K5×间隔月份。
其中,小区有效RRC连接平均数自然增长率K5也是统计出的定值,例如统计某省会城市17年K5系数=12%。
在本发明实施例中,S16具体包括如下步骤:
当指定小区的自忙时上下行PRB利用率、自忙时有效RRC连接平均数以及自忙时上下行总流量均超过对应的阈值时,确定所述指定小区为高负荷小区。
具体地,各省市高负荷小区定义标准不一,但判断依据都是流量、用户数和PRB利用率,差别在于各指标门限值、是否区分宏站室分、大包中包小包等,筛选出需要进行优化扩容的高负荷小区清单。
例如常见LTE扩容标准,同时满足三条为高负荷待扩容小区:
1)在系统自忙时,上行PRB平均利用率或下行PRB平均利用率大于50%;
2)自忙时有效RRC连接平均数大于30;
3)小区自忙时吞吐量大于门限(比如上行总流量大于1G以及下行总流量大于5G)。
本发明实施例根据计算出的小区上/下行自忙时流量、上/下行PRB利用率、自忙时有效RRC连接平均数,能够准确预测出高负荷小区的分布,从而进行针对性的扩容优化。
本发明实施例还提供一种网络负荷预测装置。
图5示出了本发明实施例提供的一种网络负荷预测装置的结构示意图。
如图5所示,本发明实施例提供的网络负荷预测配置装置包括第一计算单元11、第二计算单元12、第三计算单元13、第四计算单元14、第五计算单元15以及确定单元16,其中:
所述第一计算单元11,用于在特定套餐推广之后,根据各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量增幅;
所述第二计算单元12,用于根据所述单用户月度平均使用流量增幅计算小区日均总流量;
所述第三计算单元13,用于根据所述小区日均总流量计算小区自忙时总流量以及小区自忙时上下行总流量;
所述第四计算单元14,用于根据小区自忙时上下行流量增长率计算小区自忙时上下行PRB利用率;
所述第五计算单元15,用于根据套餐推广后小区有效RRC连接用户数增幅计算小区自忙时有效RRC连接平均数;
所述确定单元16,用于根据所述小区自忙时上下行PRB利用率、小区自忙时有效RRC连接平均数以及小区自忙时上下行总流量确定高负荷小区。
本发明实施例提供的网络负荷预测装置,根据套餐推广拉动流量增长和流量自然增长计算出小区上/下行自忙时流量,根据流量增长与频谱效率的关系计算出小区上/下行PRB利用率,根据自忙时有效RRC连接平均数统计小区连接用户数。本发明实施例根据上述指标能够准确预测出高负荷小区的分布,进而进行针对性的扩容优化。
具体地,所述第一计算单元11包括:
第一计算模块,用于根据所述各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量,计算公式如下:
单用户月度平均使用流量=(非推广套餐用户比例与所述非推广套餐月度总流量的乘积+各推广套餐用户比例与所述各推广套餐月度总流量的乘积)×套餐使用饱和度系数K1;
第二计算模块,用于根据所述单用户月度平均使用流量计算单用户月度平均使用流量增幅,计算公式如下:
单用户月度平均使用流量增幅=(套餐推广后单用户月度平均使用流量/套餐推广前单用户月度平均使用流量)-1。
具体地,所述第二计算单元12用于计算小区日均总流量=套餐推广前小区日均总流量×(1+单用户月度平均使用流量增幅)+套餐推广前小区日均总流量×(1+单月流量自然增长率K)间隔月份。
具体地,所述第三计算单元13包括:
第三计算模块,用于小区自忙时总流量=小区日均总流量×小区自忙时流量比例系数K2;
第四计算模块,用于小区自忙时上行总流量=小区自忙时总流量×自忙时上行流量占自忙总流量的比例系数K3;
第五计算模块,用于小区自忙时下行总流量=小区自忙时总流量×自忙时下行流量占自忙总流量的比例系数K4。
具体地,所述第四计算单元14包括:
第六计算模块,用于小区自忙时上行PRB利用率=当前上行PRB利用率×自忙时上行流量增长倍数×上行PRB利用率增长倍数,所述上行PRB利用率增长倍数为上行流量增长一倍时上行PRB利用率增长的倍数;
第七计算模块,用于小区自忙时下行PRB利用率=当前下行PRB利用率×自忙时下行流量增长倍数×下行PRB利用率增长倍数,所述下行PRB利用率增长倍数为下行流量增长一倍时下行PRB利用率增长的倍数。
具体地,所述第五计算单元15,用于计算小区自忙时有效RRC连接平均数=套餐推广前有效RRC连接平均数×小区有效RRC连接平均数自然增长率K5×间隔月份。
具体地,所述确定单元16,用于当指定小区的自忙时上下行PRB利用率、自忙时有效RRC连接平均数以及自忙时上下行总流量均超过对应的阈值时,确定所述指定小区为高负荷小区。
本发明实施例中的功能模块可以通过硬件处理器(hardware processor)来实现相关功能模块,本发明实施例不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在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图1的方法。
图6示出了本发明一实施例提供的电子设备的结构示意图。
如图6所示,本发明实施例提供的电子设备包括存储器21、处理器22、总线23以及存储在存储器21上并可在处理器22上运行的计算机程序。其中,所述存储器21、处理器22通过所述总线23完成相互间的通信。
所述处理器22用于调用所述存储器21中的程序指令,以执行所述程序时实现如图1的方法。
例如,所述处理器执行所述程序时实现如下方法:
在特定套餐推广之后,根据各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量增幅;
根据所述单用户月度平均使用流量增幅计算小区日均总流量;
根据所述小区日均总流量计算小区自忙时总流量以及小区自忙时上下行总流量;
根据小区自忙时上下行流量增长率计算小区自忙时上下行PRB利用率;
根据套餐推广后小区有效RRC连接用户数增幅计算小区自忙时有效RRC连接平均数;
根据所述小区自忙时上下行PRB利用率、小区自忙时有效RRC连接平均数以及小区自忙时上下行总流量确定高负荷小区。
本发明实施例提供的电子设备,通过计算出小区自忙时上/下行流量、自忙时上/下行PRB利用率以及自忙时有效RRC连接平均数,根据扩容标准预测出待扩容的高负荷小区,能够进行针对性的扩容优化。
本发明实施例还提供一种非暂态计算机可读存储介质,所述存储介质上存储有计算机程序,所述程序被处理器执行时实现如图1的步骤。
例如,所述处理器执行所述程序时实现如下方法:
在特定套餐推广之后,根据各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量增幅;
根据所述单用户月度平均使用流量增幅计算小区日均总流量;
根据所述小区日均总流量计算小区自忙时总流量以及小区自忙时上下行总流量;
根据小区自忙时上下行流量增长率计算小区自忙时上下行PRB利用率;
根据套餐推广后小区有效RRC连接用户数增幅计算小区自忙时有效RRC连接平均数;
根据所述小区自忙时上下行PRB利用率、小区自忙时有效RRC连接平均数以及小区自忙时上下行总流量确定高负荷小区。
本发明实施例提供的存储介质,通过计算出小区自忙时上/下行流量、自忙时上/下行PRB利用率以及自忙时有效RRC连接平均数,根据扩容标准预测出待扩容的高负荷小区,能够进行针对性的扩容优化。
本发明一实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:
在特定套餐推广之后,根据各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量增幅;
根据所述单用户月度平均使用流量增幅计算小区日均总流量;
根据所述小区日均总流量计算小区自忙时总流量以及小区自忙时上下行总流量;
根据小区自忙时上下行流量增长率计算小区自忙时上下行PRB利用率;
根据套餐推广后小区有效RRC连接用户数增幅计算小区自忙时有效RRC连接平均数;
根据所述小区自忙时上下行PRB利用率、小区自忙时有效RRC连接平均数以及小区自忙时上下行总流量确定高负荷小区。
本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种网络负荷预测方法,其特征在于,所述方法包括:
在特定套餐推广之后,根据各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量增幅;
根据所述单用户月度平均使用流量增幅计算小区日均总流量;
根据所述小区日均总流量计算小区自忙时总流量以及小区自忙时上下行总流量;
根据小区自忙时上下行流量增长率计算小区自忙时上下行PRB利用率;
根据套餐推广后小区有效RRC连接用户数增幅计算小区自忙时有效RRC连接平均数;
根据所述小区自忙时上下行PRB利用率、小区自忙时有效RRC连接平均数以及小区自忙时上下行总流量确定高负荷小区;所述根据各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量增幅包括:
根据所述各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量,计算公式如下:
单用户月度平均使用流量=(非推广套餐用户比例与所述非推广套餐月度总流量的乘积+各推广套餐用户比例与所述各推广套餐月度总流量的乘积)×套餐使用饱和度系数K1;
根据所述单用户月度平均使用流量计算单用户月度平均使用流量增幅,计算公式如下:
单用户月度平均使用流量增幅=(套餐推广后单用户月度平均使用流量/套餐推广前单用户月度平均使用流量)-1;所述根据所述单用户月度平均使用流量增幅计算小区日均总流量包括:
根据所述单用户月度平均使用流量增幅和单月流量自然增长率计算小区日均总流量:
小区日均总流量=套餐推广前小区日均总流量×(1+单用户月度平均使用流量增幅)+套餐推广前小区日均总流量×(1+单月流量自然增长率K)间隔月份。
2.根据权利要求1所述的方法,其特征在于,所述根据所述小区日均总流量计算小区自忙时总流量以及小区自忙时上下行总流量包括:
小区自忙时总流量=小区日均总流量×小区自忙时流量比例系数K2;
小区自忙时上行总流量=小区自忙时总流量×自忙时上行流量占自忙总流量的比例系数K3;
小区自忙时下行总流量=小区自忙时总流量×自忙时下行流量占自忙总流量的比例系数K4。
3.根据权利要求2所述的方法,其特征在于,所述根据小区自忙时上下行流量增长倍数计算小区自忙时上下行PRB利用率包括:
小区自忙时上行PRB利用率=当前上行PRB利用率×自忙时上行流量增长倍数×上行PRB利用率增长倍数,所述上行PRB利用率增长倍数为上行流量增长一倍时上行PRB利用率增长的倍数;
小区自忙时下行PRB利用率=当前下行PRB利用率×自忙时下行流量增长倍数×下行PRB利用率增长倍数,所述下行PRB利用率增长倍数为下行流量增长一倍时下行PRB利用率增长的倍数。
4.根据权利要求1所述的方法,其特征在于,所述根据套餐推广后小区有效RRC连接用户数增幅计算小区自忙时有效RRC连接平均数包括:
小区自忙时有效RRC连接平均数=套餐推广前有效RRC连接平均数×小区有效RRC连接平均数自然增长率K5×间隔月份。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述根据所述小区自忙时上下行PRB利用率、小区自忙时有效RRC连接平均数以及小区自忙时上下行总流量确定高负荷小区包括:
当指定小区的自忙时上行PRB利用率超过第一预设阈值、下行PRB利用率超过第二预设阈值、自忙时有效RRC连接平均数超过第三预设阈值、自忙时上行总流量超过第四预设阈值以及下行总流量超过第五预设阈值时,确定所述指定小区为高负荷小区。
6.一种网络负荷预测装置,其特征在于,所述装置包括:
第一计算单元,用于在特定套餐推广之后,根据各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量增幅;
第二计算单元,用于根据所述单用户月度平均使用流量增幅计算小区日均总流量;
第三计算单元,用于根据所述小区日均总流量计算小区自忙时总流量以及小区自忙时上下行总流量;
第四计算单元,用于根据小区自忙时上下行流量增长率计算小区自忙时上下行PRB利用率;
第五计算单元,用于根据套餐推广后小区有效RRC连接用户数增幅计算小区自忙时有效RRC连接平均数;
确定单元,用于根据所述小区自忙时上下行PRB利用率、小区自忙时有效RRC连接平均数以及小区自忙时上下行总流量确定高负荷小区;
所述根据各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量增幅包括:
根据所述各套餐用户使用比例和套餐使用饱和度计算单用户月度平均使用流量,计算公式如下:
单用户月度平均使用流量=(非推广套餐用户比例与所述非推广套餐月度总流量的乘积+各推广套餐用户比例与所述各推广套餐月度总流量的乘积)套餐使用饱和度系数K1;
根据所述单用户月度平均使用流量计算单用户月度平均使用流量增幅,计算公式如下:
单用户月度平均使用流量增幅=(套餐推广后单用户月度平均使用流量/套餐推广前单用户月度平均使用流量)-1;
所述根据所述单用户月度平均使用流量增幅计算小区日均总流量包括:
小区日均总流量=套餐推广前小区日均总流量×(1+单用户月度平均使用流量增幅)+套餐推广前小区日均总流量×(1+单月流量自然增长率K)间隔月份。
7.一种电子设备,包括存储器、处理器及存储在存储器上并可在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至5任一项所述网络负荷预测步骤。
8.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至5任一项所述网络负荷预测步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810441979.4A CN110475255B (zh) | 2018-05-10 | 2018-05-10 | 网络负荷预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810441979.4A CN110475255B (zh) | 2018-05-10 | 2018-05-10 | 网络负荷预测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110475255A CN110475255A (zh) | 2019-11-19 |
CN110475255B true CN110475255B (zh) | 2022-04-05 |
Family
ID=68503918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810441979.4A Active CN110475255B (zh) | 2018-05-10 | 2018-05-10 | 网络负荷预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110475255B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113630786B (zh) * | 2020-05-09 | 2023-08-15 | 中国移动通信集团安徽有限公司 | 网络数据流量预测方法、装置、计算设备及存储介质 |
CN112020073B (zh) * | 2020-08-10 | 2022-03-15 | 中国联合网络通信集团有限公司 | 一种小区的分类方法和装置 |
CN117835302A (zh) * | 2022-09-29 | 2024-04-05 | 中兴通讯股份有限公司 | 通信负荷预测方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102291753A (zh) * | 2010-06-21 | 2011-12-21 | 鼎桥通信技术有限公司 | 一种话务量的确定方法 |
CN102740341A (zh) * | 2011-04-02 | 2012-10-17 | 中国联合网络通信集团有限公司 | 网络业务量的预测方法及设备 |
CN103338461A (zh) * | 2013-06-18 | 2013-10-02 | 中国联合网络通信集团有限公司 | 基于业务量预测的网络规划方法及装置 |
CN104901827A (zh) * | 2014-03-07 | 2015-09-09 | 中国移动通信集团安徽有限公司 | 一种基于用户业务结构的网络资源评估方法及装置 |
CN105407494A (zh) * | 2015-10-23 | 2016-03-16 | 中国联合网络通信集团有限公司 | 网络扩容方法及装置 |
US9357429B1 (en) * | 2012-12-28 | 2016-05-31 | Sprint Communications Company L.P. | Estimating average user throughput in a wireless network |
CN106034331A (zh) * | 2015-03-20 | 2016-10-19 | 中国移动通信集团公司 | 一种网络数据流量的均衡方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9432901B1 (en) * | 2015-07-24 | 2016-08-30 | Cisco Technology, Inc. | System and method to facilitate radio access point load prediction in a network environment |
-
2018
- 2018-05-10 CN CN201810441979.4A patent/CN110475255B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102291753A (zh) * | 2010-06-21 | 2011-12-21 | 鼎桥通信技术有限公司 | 一种话务量的确定方法 |
CN102740341A (zh) * | 2011-04-02 | 2012-10-17 | 中国联合网络通信集团有限公司 | 网络业务量的预测方法及设备 |
US9357429B1 (en) * | 2012-12-28 | 2016-05-31 | Sprint Communications Company L.P. | Estimating average user throughput in a wireless network |
CN103338461A (zh) * | 2013-06-18 | 2013-10-02 | 中国联合网络通信集团有限公司 | 基于业务量预测的网络规划方法及装置 |
CN104901827A (zh) * | 2014-03-07 | 2015-09-09 | 中国移动通信集团安徽有限公司 | 一种基于用户业务结构的网络资源评估方法及装置 |
CN106034331A (zh) * | 2015-03-20 | 2016-10-19 | 中国移动通信集团公司 | 一种网络数据流量的均衡方法及系统 |
CN105407494A (zh) * | 2015-10-23 | 2016-03-16 | 中国联合网络通信集团有限公司 | 网络扩容方法及装置 |
Non-Patent Citations (2)
Title |
---|
"4G网络扩容规划及后评估体系研究";王乐等;《电信工程技术与标准化》;20180115;第31卷(第01期);全文 * |
"TD-LTE网络扩容策略及方法探讨";李浩等;《邮电设计技术》;20160620;第2016卷(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110475255A (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110475255B (zh) | 网络负荷预测方法和装置 | |
US6246880B1 (en) | Determining subscriber demands on a communications system | |
CN107371178B (zh) | 高负荷小区优化方法和装置 | |
WO2019034065A1 (zh) | 一种智能调度方法和装置及其计算机可读存储介质和计算机设备 | |
CN104038941B (zh) | 网络扩容方法和装置 | |
US20130225156A1 (en) | Systems and Methods for Convergence and Forecasting for Mobile Broadband Networks | |
CN103596285A (zh) | 无线资源调度方法及无线资源调度器及系统 | |
CN102711129A (zh) | 网络规划参数的确定方法及装置 | |
Jha et al. | Techno-economic assessment of the potential for LTE based 4G mobile services in rural India | |
CN103081537B (zh) | 用于许可控制的通信设备、方法和计算机可实现的产品 | |
CN106027288A (zh) | 一种配电线路信息监测业务通信流量预测方法 | |
CN109391950A (zh) | 终端分布的预测方法、装置、设备及介质 | |
CN104936188A (zh) | 确定无线网络资源利用率的方法及装置 | |
CN104754587A (zh) | 一种lte系统干扰协调的方法及装置 | |
CN108428155A (zh) | 一种基于业务特征模型的行为处理分析方法 | |
CN103703830A (zh) | 一种物理资源调整方法、装置及控制器 | |
CN103096388B (zh) | Tbf资源配置方法、装置 | |
CN102404778B (zh) | 一种负载估测方法 | |
CN103533628A (zh) | 一种下行功率分配方法 | |
CN106922030B (zh) | 调度的处理方法及装置 | |
CN106535222B (zh) | 一种自动生成基站基带处理板调整方案的方法及装置 | |
CN105871564B (zh) | 一种流量计费方法及装置 | |
CN106793093A (zh) | 一种业务处理方法及装置 | |
CN103209488B (zh) | 半速率比例门限配置方法和装置 | |
CN110868304B (zh) | 一种pcc策略下发方法及系统 |
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 |