CN110838018A - 节假日期间小区最大用户数预测方法及装置 - Google Patents
节假日期间小区最大用户数预测方法及装置 Download PDFInfo
- Publication number
- CN110838018A CN110838018A CN201810937145.2A CN201810937145A CN110838018A CN 110838018 A CN110838018 A CN 110838018A CN 201810937145 A CN201810937145 A CN 201810937145A CN 110838018 A CN110838018 A CN 110838018A
- Authority
- CN
- China
- Prior art keywords
- users
- maximum number
- holiday
- target cell
- cell during
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000003321 amplification Effects 0.000 claims description 20
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G06Q50/40—
Abstract
本发明实施例提供一种节假日期间小区最大用户数预测方法及装置,所述方法包括:获取目标小区在节假日前的历史数据,所述历史数据至少包括所述目标小区在所述节假日前预设时间段内的最大用户数和所述目标小区在上一次节假日期间的最大用户数中的任一种;将所述历史数据输入至预设的预测模型,输出所述目标小区在所述节假日期间的最大用户数的预测值,所述预测模型中包含场景化调整系数和天气调整系数。本发明实施例提供的节假日期间小区最大用户数预测方法及装置,通过预设的包含场景化调整系数和天气调整系数的预测模型,避免了天气因素对预测结果的影响,避免了不同场景因素对预测结果的影响,提高了预测结果的精确度。
Description
技术领域
本发明实施例涉及移动通信技术领域,尤其涉及一种节假日期间小区最大用户数预测方法及装置。
背景技术
随着LTE用户及业务量不断增高,热点场景高负荷小区猛增,为了保障高负荷小区容量感知,需要针对热点区域提前进行容量扩容,因此,精准的容量预估方法是解决高负荷必不可少的步骤,而小区负荷最重要的指标之一就是小区最大用户数,精准的预测小区最大用户数,对于节假日前针对热点区域进行准确的提前扩容具有重要意义。
现有技术中,节假日期间,预估小区最大用户数的方法为根据目前小区的负荷情况,结合以往节假日期间的小区用户增幅,再乘以自然增长系数得出。自然用户增幅以预测时间距离节假日到来之间的一个可以预计的时间长度内话务正常增幅来计算,根据在线用户数增幅预估来计算。
但是,实际应用中,通信环境较为复杂,根据现有技术中的预估小区最大用户数的方法得到的结果不精确,进而无法在节假日前针对热点区域进行准确的提前扩容。
发明内容
本发明实施例的目的是提供一种克服上述问题或者至少部分地解决上述问题的节假日期间小区最大用户数预测方法及装置。
为了解决上述技术问题,一方面,本发明实施例提供一种节假日期间小区最大用户数预测方法,包括:
获取目标小区在节假日前的历史数据,所述历史数据至少包括所述目标小区在所述节假日前预设时间段内的最大用户数和所述目标小区在上一次节假日期间的最大用户数中的任一种;
将所述历史数据输入至预设的预测模型,输出所述目标小区在所述节假日期间的最大用户数的预测值,所述预测模型中包含场景化调整系数和天气调整系数。
另一方面,本发明实施例提供一种节假日期间小区最大用户数预测装置,包括:
获取模块,用于获取目标小区在节假日前的历史数据,所述历史数据至少包括所述目标小区在所述节假日前预设时间段内的最大用户数和所述目标小区在上一次节假日期间的最大用户数中的任一种;
预测模块,用于将所述历史数据输入至预设的预测模型,输出所述目标小区在所述节假日期间的最大用户数的预测值,所述预测模型中包含场景化调整系数和天气调整系数。
再一方面,本发明实施例提供一种电子设备,包括:
存储器和处理器,所述处理器和所述存储器通过总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行上述的方法。
又一方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法。
本发明实施例提供的节假日期间小区最大用户数预测方法及装置,通过预设的包含场景化调整系数和天气调整系数的预测模型,避免了天气因素对预测结果的影响,避免了不同场景因素对预测结果的影响,提高了预测结果的精确度。
附图说明
图1为本发明实施例提供的节假日期间小区最大用户数预测方法示意图;
图2为本发明实施例提供的节假日期间小区最大用户数预测装置示意图;
图3为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了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。
图1为本发明实施例提供的节假日期间小区最大用户数预测方法示意图,如图1所示,本发明实施例提供一种节假日期间小区最大用户数预测方法,其执行主体为节假日期间小区最大用户数预测装置(以下简称“预测装置”),该方法包括:
步骤S101、获取目标小区在节假日前的历史数据,所述历史数据至少包括所述目标小区在所述节假日前预设时间段内的最大用户数和所述目标小区在上一次节假日期间的最大用户数中的任一种;
步骤S102、将所述历史数据输入至预设的预测模型,输出所述目标小区在所述节假日期间的最大用户数的预测值,所述预测模型中包含场景化调整系数和天气调整系数。
具体来说,首先,预测装置获取目标小区在节假日前的历史数据,该历史数据至少包括目标小区在节假日前预设时间段内的最大用户数和目标小区在上一次节假日期间的最大用户数中的任一种。获取到的目标小区在节假日前预设时间段内的最大用户数,作为小区现网用户数。为了获取更精准的预测结果,通常情况下,选择节假日前较近的预设时间段内的最大用户数作为小区现网用户数。
例如,要预测目标小区在2018年国庆节期间的最大用户数,优选目标小区在2018年国庆节前一周的最大用户数作为小区现网用户数,2018年国庆节前一周的最大用户数,可以通过统计目标小区在2018年国庆节前一周中的每天的最大用户数,然后求平均值得到。
然后,将小区现网用户数输入至预设的预测模型,输出目标小区在节假日期间的最大用户数的预测值,预测模型中包含场景化调整系数和天气调整系数。
例如,要预测目标小区在2018年国庆节期间的最大用户数,获取到了目标小区在2018年国庆节前一周的最大用户数为500,则直接将目标小区在2018年国庆节前一周的最大用户数500输入至预设的预测模型,直接输出目标小区在2018年国庆节期间的最大用户数的预测值。预测模型中包含场景化调整系数和天气调整系数,避免了天气因素对预测结果的影响,避免了不同场景因素对预测结果的影响。
需要说明的是,上述实施例中预测的区域选择的是一个小区,而在实际应用中不限于此,预测的区域还可以是扇区或者栅格,扇区级为同覆盖各频点小区用户数之和,栅格级为栅格区域内各小区用户数之和,具体的预测区域可以视情况而定。
本发明实施例提供的节假日期间小区最大用户数预测方法,通过预设的包含场景化调整系数和天气调整系数的预测模型,避免了天气因素对预测结果的影响,避免了不同场景因素对预测结果的影响,提高了预测结果的精确度。
在上述实施例的基础上,进一步地,所述预测模型具体为:
P1=P2*(1+b1)*(1+b2)*w1/w2
b1=(Q1-Q2)/Q2
其中,P1为所述目标小区在所述节假日期间的最大用户数的预测值,P2为所述目标小区在所述节假日前预设时间段内的最大用户数,b2为自然用户增幅,w1为场景化调整系数,w2天气调整系数,b1为以往节假日用户增幅,Q1为所述目标小区在上一次节假日期间的最大用户数,Q2为所述目标小区在上一次节假日前预设时间段内的最大用户数。
具体来说,本发明实施例提供的预测模型,为日常增长预测等比模型,该模型用公式表示如下:
P1=P2*(1+b1)*(1+b2)*w1/w2
b1=(Q1-Q2)/Q2
其中,P1为目标小区在节假日期间的最大用户数的预测值,P2为目标小区在节假日前预设时间段内的最大用户数,b2为自然用户增幅,w1为场景化调整系数,w2天气调整系数,b1为以往节假日用户增幅,Q1为目标小区在上一次节假日期间的最大用户数,Q2为目标小区在上一次节假日前预设时间段内的最大用户数。
为了使预测结果更加精准,以往节假日用户增幅通常选择上一次节假日的用户增幅。
例如,要预测目标小区在2018年国庆节期间的最大用户数,以往节假日用户增幅由2017年国庆节期间的最大用户数减去2017年国庆节前一个周的最大用户数,然后再除以2017年国庆节前一个周的最大用户数得到。
自然用户增幅以预测时间距离节假日到来之间的一个可以预计的时间长度内话务正常增幅来计算。
例如,要预测目标小区在2018年国庆节期间的最大用户数,预测时间为2018年9月1日,距离国庆节还有30天的时间。可根据2018年1月1日至2018年9月1日这段历史数据计算出每天的平均自然增幅b,然后,以每天的平均自然增幅乘以30天,即可得到自然用户增幅b2的值。
天气调整系数为考虑以往节假日天气因素影响室内外用户数的一个加权,为了避免特殊天气因素对预测结果的影响,获取小区现网用户数,以及目标小区在节假日前预设时间段内的最大用户数时,不能选择雨雪、冰雹、台风等恶劣天气。对预测时间后新开通的站点,需要纳入扩容建议里进行评估。各类天气调整系数可根据不同地市及场景进行调整,不同天气对应的天气调整系数如表1所示。
表1天气调整系数
天气 | 天气调整系数 |
暴风雪 | 机场车站室内:2,商业中心:1.2,室外:0.8 |
雷雨 | 机场车站室内:1.5,商业中心:1.2,室外:0.8 |
台风 | 机场车站室内:1.5,商业中心:1.2,室外:0.8 |
晴朗 | 景区1.2,其它场景1 |
场景化调整系数为区分不同保障场景(景区、商业中心、交通枢纽、高速以及乡镇农村等)优先级的加权。各场景调整系数可根据不同地市及场景进行调整,不同场景对应的场景调整系数如表2所示。
表2场景调整系数
场景 | 场景调整系数 |
景区 | 1.2 |
商业中心 | 1.2 |
交通枢纽 | 1.2 |
高速 | 1 |
乡镇农村 | 1 |
高校 | 0.8 |
其它 | 1 |
本发明实施例提供的节假日期间小区最大用户数预测方法,通过预设的包含场景化调整系数和天气调整系数的预测模型,避免了天气因素对预测结果的影响,避免了不同场景因素对预测结果的影响,提高了预测结果的精确度。
在上述实施例的基础上,进一步地,所述预测模型具体为:
P1=Q1*(1+c1)*w1/w2
c1=(Q1-Q3)/Q3
其中,P1为所述目标小区在所述节假日期间的最大用户数的预测值,w1为场景化调整系数,w2天气调整系数,c1为历届节假日用户增幅,Q1为所述目标小区在上一次节假日期间的最大用户数,Q3为所述目标小区在上二次节假日期间的最大用户数。
具体来说,本发明实施例提供的预测模型,为历年增长预测等比模型,该模型用公式表示如下:
P1=Q1*(1+c1)*w1/w2
c1=(Q1-Q3)/Q3
其中,P1为目标小区在节假日期间的最大用户数的预测值,w1为场景化调整系数,w2天气调整系数,c1为历届节假日用户增幅,Q1为目标小区在上一次节假日期间的最大用户数,Q3为目标小区在上二次节假日期间的最大用户数。
为了使预测结果更加精准,历届节假日用户增幅通常选择上一次节假日的用户增幅。
例如,要预测目标小区在2018年国庆节期间的最大用户数,历届节假日用户增幅由2017年国庆节期间的最大用户数减去2016年国庆节期间的最大用户数,然后再除以2016年国庆节期间的最大用户数得到。
天气调整系数为考虑以往节假日天气因素影响室内外用户数的一个加权,为了避免特殊天气因素对预测结果的影响,获取目标小区在历届节假日的最大用户数时,不能选择雨雪、冰雹、台风等恶劣天气。对预测时间后新开通的站点,需要纳入扩容建议里进行评估。各类天气调整系数可根据不同地市及场景进行调整,不同天气对应的天气调整系数如表1所示。
场景化调整系数为区分不同保障场景(景区、商业中心、交通枢纽、高速以及乡镇农村等)优先级的加权。各场景调整系数可根据不同地市及场景进行调整,不同场景对应的场景调整系数如表2所示。
本发明实施例提供的节假日期间小区最大用户数预测方法,通过预设的包含场景化调整系数和天气调整系数的预测模型,避免了天气因素对预测结果的影响,避免了不同场景因素对预测结果的影响,提高了预测结果的精确度。
在上述实施例的基础上,进一步地,所述场景化调整系数和所述天气调整系数为根据历史数据确定的经验值。
具体来说,场景化调整系数和天气调整系数为根据历史数据确定的经验值。
各类天气调整系数可根据不同地市及场景进行调整,不同天气对应的天气调整系数如表1所示。
各场景调整系数可根据不同地市及场景进行调整,不同场景对应的场景调整系数如表2所示。
本发明实施例提供的节假日期间小区最大用户数预测方法,通过预设的包含场景化调整系数和天气调整系数的预测模型,避免了天气因素对预测结果的影响,避免了不同场景因素对预测结果的影响,提高了预测结果的精确度。
本发明实施例在获取节假日期间目标小区的最大用户数的预测值后,还包括容量预测优先级划分,具体如下:
随着不限量套餐的推广,小区业务暴增,根据预测出的高负荷小区数量较多,而在资源有限的情况下需要针对高价值小区优先进行扩容。因此,本容量精准预估方案提出针对小区价值划分的方法,高负荷小区可分为绝对高负荷及预估高负荷,其中绝对高负荷还可划分为持续高负荷及突发高负荷,针对高负荷小区可打上价值标签,优先高价值小区的处理。容量预测优先级划分如所示。
表3容量预测优先级划分
本发明实施例在获取节假日期间目标小区的最大用户数的预测值后,还包括获取高负荷小区拐点,具体如下:
根据以往节假日期间各小区负荷变化曲线找出小区高负荷时间拐点,保障中可根据小区出现高负荷的时间拐点进行针对性保障及监控,如高速小区高负荷出现的时间拐点约为节假日前一天的16:00-20:00,而风景区以及商业中心为节假日第一天的9:00-10:00开始。高负荷小区拐点为节日前一天开始到节日结束期间首次出现高负荷的时间点。
图2为本发明实施例提供的节假日期间小区最大用户数预测装置示意图,如图2所示,本发明实施例提供一种节假日期间小区最大用户数预测装置,用于完成上述任一实施例中所述的方法,具体包括获取模块201和预测模块202,其中,
获取模块201用于获取目标小区在节假日前的历史数据,所述历史数据至少包括所述目标小区在所述节假日前预设时间段内的最大用户数和所述目标小区在上一次节假日期间的最大用户数中的任一种;
预测模块202用于将所述历史数据输入至预设的预测模型,输出所述目标小区在所述节假日期间的最大用户数的预测值,所述预测模型中包含场景化调整系数和天气调整系数。
具体来说,首先,获取模块201获取目标小区在节假日前的历史数据,该历史数据至少包括目标小区在节假日前预设时间段内的最大用户数和目标小区在上一次节假日期间的最大用户数中的任一种。获取到的目标小区在节假日前预设时间段内的最大用户数,作为小区现网用户数。为了获取更精准的预测结果,通常情况下,选择节假日前较近的预设时间段内的最大用户数作为小区现网用户数。
例如,要预测目标小区在2018年国庆节期间的最大用户数,优选目标小区在2018年国庆节前一周的最大用户数作为小区现网用户数,2018年国庆节前一周的最大用户数,可以通过统计目标小区在2018年国庆节前一周中的每天的最大用户数,然后求平均值得到。
然后,预测模块202将小区现网用户数输入至预设的预测模型,输出目标小区在节假日期间的最大用户数的预测值,预测模型中包含场景化调整系数和天气调整系数。
例如,要预测目标小区在2018年国庆节期间的最大用户数,获取到了目标小区在2018年国庆节前一周的最大用户数为500,则直接将目标小区在2018年国庆节前一周的最大用户数500输入至预设的预测模型,直接输出目标小区在2018年国庆节期间的最大用户数的预测值。预测模型中包含场景化调整系数和天气调整系数,避免了天气因素对预测结果的影响,避免了不同场景因素对预测结果的影响。
需要说明的是,上述实施例中预测的区域选择的是一个小区,而在实际应用中不限于此,预测的区域还可以是扇区或者栅格,扇区级为同覆盖各频点小区用户数之和,栅格级为栅格区域内各小区用户数之和,具体的预测区域可以视情况而定。
本发明实施例提供一种节假日期间小区最大用户数预测装置,用于完成上述任一实施例中所述的方法,通过本实施例提供的装置完成上述某一实施例中所述的方法的具体步骤与上述相应实施例相同,此处不再赘述。
本发明实施例提供的节假日期间小区最大用户数预测装置,通过预设的包含场景化调整系数和天气调整系数的预测模型,避免了天气因素对预测结果的影响,避免了不同场景因素对预测结果的影响,提高了预测结果的精确度。
图3为本发明实施例提供的电子设备的结构示意图,如图3所示,所述设备包括:处理器301、存储器302和总线303;
其中,处理器301和存储器302通过所述总线303完成相互间的通信;
处理器301用于调用存储器302中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:
获取目标小区在节假日前的历史数据,所述历史数据至少包括所述目标小区在所述节假日前预设时间段内的最大用户数和所述目标小区在上一次节假日期间的最大用户数中的任一种;
将所述历史数据输入至预设的预测模型,输出所述目标小区在所述节假日期间的最大用户数的预测值,所述预测模型中包含场景化调整系数和天气调整系数。
本发明实施例提供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:
获取目标小区在节假日前的历史数据,所述历史数据至少包括所述目标小区在所述节假日前预设时间段内的最大用户数和所述目标小区在上一次节假日期间的最大用户数中的任一种;
将所述历史数据输入至预设的预测模型,输出所述目标小区在所述节假日期间的最大用户数的预测值,所述预测模型中包含场景化调整系数和天气调整系数。
本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:
获取目标小区在节假日前的历史数据,所述历史数据至少包括所述目标小区在所述节假日前预设时间段内的最大用户数和所述目标小区在上一次节假日期间的最大用户数中的任一种;
将所述历史数据输入至预设的预测模型,输出所述目标小区在所述节假日期间的最大用户数的预测值,所述预测模型中包含场景化调整系数和天气调整系数。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置及设备等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。
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 (10)
1.一种节假日期间小区最大用户数预测方法,其特征在于,包括:
获取目标小区在节假日前的历史数据,所述历史数据至少包括所述目标小区在所述节假日前预设时间段内的最大用户数和所述目标小区在上一次节假日期间的最大用户数中的任一种;
将所述历史数据输入至预设的预测模型,输出所述目标小区在所述节假日期间的最大用户数的预测值,所述预测模型中包含场景化调整系数和天气调整系数。
2.根据权利要求1所述的方法,其特征在于,所述预测模型具体为:
P1=P2*(1+b1)*(1+b2)*w1/w2
b1=(Q1-Q2)/Q2
其中,P1为所述目标小区在所述节假日期间的最大用户数的预测值,P2为所述目标小区在所述节假日前预设时间段内的最大用户数,b2为自然用户增幅,w1为场景化调整系数,w2天气调整系数,b1为以往节假日用户增幅,Q1为所述目标小区在上一次节假日期间的最大用户数,Q2为所述目标小区在上一次节假日前预设时间段内的最大用户数。
3.根据权利要求1所述的方法,其特征在于,所述预测模型具体为:
P1=Q1*(1+c1)*w1/w2
c1=(Q1-Q3)/Q3
其中,P1为所述目标小区在所述节假日期间的最大用户数的预测值,w1为场景化调整系数,w2天气调整系数,c1为历届节假日用户增幅,Q1为所述目标小区在上一次节假日期间的最大用户数,Q3为所述目标小区在上二次节假日期间的最大用户数。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述场景化调整系数和所述天气调整系数为根据所述历史数据确定的经验值。
5.一种节假日期间小区最大用户数预测装置,其特征在于,包括:
获取模块,用于获取目标小区在节假日前的历史数据,所述历史数据至少包括所述目标小区在所述节假日前预设时间段内的最大用户数和所述目标小区在上一次节假日期间的最大用户数中的任一种;
预测模块,用于将所述历史数据输入至预设的预测模型,输出所述目标小区在所述节假日期间的最大用户数的预测值,所述预测模型中包含场景化调整系数和天气调整系数。
6.根据权利要求5所述的装置,其特征在于,所述预测模型具体为:
P1=P2*(1+b1)*(1+b2)*w1/w2
b1=(Q1-Q2)/Q2
其中,P1为所述目标小区在所述节假日期间的最大用户数的预测值,P2为所述目标小区在所述节假日前预设时间段内的最大用户数,b2为自然用户增幅,w1为场景化调整系数,w2天气调整系数,b1为以往节假日用户增幅,Q1为所述目标小区在上一次节假日期间的最大用户数,Q2为所述目标小区在上一次节假日前预设时间段内的最大用户数。
7.根据权利要求5所述的装置,其特征在于,所述预测模型具体为:
P1=Q1*(1+c1)*w1/w2
c1=(Q1-Q3)/Q3
其中,P1为所述目标小区在所述节假日期间的最大用户数的预测值,w1为场景化调整系数,w2天气调整系数,c1为历届节假日用户增幅,Q1为所述目标小区在上一次节假日期间的最大用户数,Q3为所述目标小区在上二次节假日期间的最大用户数。
8.根据权利要求5-7任一项所述的装置,其特征在于,所述场景化调整系数和所述天气调整系数为根据所述历史数据确定的经验值。
9.一种电子设备,其特征在于,包括:
存储器和处理器,所述处理器和所述存储器通过总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至4任一所述的方法。
10.一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,所述计算机程序被处理器执行时实现如权利要求1至4任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810937145.2A CN110838018A (zh) | 2018-08-16 | 2018-08-16 | 节假日期间小区最大用户数预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810937145.2A CN110838018A (zh) | 2018-08-16 | 2018-08-16 | 节假日期间小区最大用户数预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110838018A true CN110838018A (zh) | 2020-02-25 |
Family
ID=69573344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810937145.2A Pending CN110838018A (zh) | 2018-08-16 | 2018-08-16 | 节假日期间小区最大用户数预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838018A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763022A (zh) * | 2021-02-08 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 触达用户数的确定方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102883352A (zh) * | 2012-09-10 | 2013-01-16 | 北京拓明科技有限公司 | 基于话务建模与话务预测的gsm小区参数优化方法 |
CN103854068A (zh) * | 2013-12-06 | 2014-06-11 | 国家电网公司 | 一种居民小区短期负荷预测方法 |
KR20150078174A (ko) * | 2013-12-30 | 2015-07-08 | 한국전력거래소 | 조업률을 고려한 설 또는 추석 특수경부하기간의 최대전력 수요예측 방법 및 시스템 |
US20150371238A1 (en) * | 2014-06-23 | 2015-12-24 | Mastercard International Incorporated | Personal holiday imputation from payment card transactional data |
CN106470427A (zh) * | 2015-08-20 | 2017-03-01 | 中国移动通信集团黑龙江有限公司 | 一种小区场景的划分方法及装置 |
CN107832866A (zh) * | 2017-09-26 | 2018-03-23 | 晶赞广告(上海)有限公司 | 一种流量预测方法及装置、存储介质、终端 |
-
2018
- 2018-08-16 CN CN201810937145.2A patent/CN110838018A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102883352A (zh) * | 2012-09-10 | 2013-01-16 | 北京拓明科技有限公司 | 基于话务建模与话务预测的gsm小区参数优化方法 |
CN103854068A (zh) * | 2013-12-06 | 2014-06-11 | 国家电网公司 | 一种居民小区短期负荷预测方法 |
KR20150078174A (ko) * | 2013-12-30 | 2015-07-08 | 한국전력거래소 | 조업률을 고려한 설 또는 추석 특수경부하기간의 최대전력 수요예측 방법 및 시스템 |
US20150371238A1 (en) * | 2014-06-23 | 2015-12-24 | Mastercard International Incorporated | Personal holiday imputation from payment card transactional data |
CN106470427A (zh) * | 2015-08-20 | 2017-03-01 | 中国移动通信集团黑龙江有限公司 | 一种小区场景的划分方法及装置 |
CN107832866A (zh) * | 2017-09-26 | 2018-03-23 | 晶赞广告(上海)有限公司 | 一种流量预测方法及装置、存储介质、终端 |
Non-Patent Citations (1)
Title |
---|
王阳等: "基于用户预测分析的节假日移动网络应急保障策略", 《广东通信技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763022A (zh) * | 2021-02-08 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 触达用户数的确定方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11598900B2 (en) | Weather-driven multi-category infrastructure impact forecasting | |
US10356552B1 (en) | Determining hardware requirements for a wireless network event using crowdsourcing | |
CA3062119A1 (en) | Method and device for setting sample weight, and electronic apparatus | |
US20130254175A1 (en) | Returning estimated value of search keywords of entire account | |
CN110362242A (zh) | 一种地图展示方法及终端设备 | |
CN114614989A (zh) | 基于数字孪生技术的网络业务的可行性验证方法及装置 | |
CN114202114A (zh) | 一种分布式光伏电站的结算数据获取方法及装置 | |
CN110838018A (zh) | 节假日期间小区最大用户数预测方法及装置 | |
CN109995549B (zh) | 一种评估流量价值的方法及装置 | |
CN113543195A (zh) | 通信基站评估方法、装置及电子设备 | |
CN104486782B (zh) | 一种基站站址价值的获取方法及系统 | |
US20150100373A1 (en) | Demographics predictions using mobile devices | |
CN115882451A (zh) | 新能源电站的发电功率预测方法、装置、以及设备 | |
CN115879975A (zh) | 基于用电企业建设分布式光伏的电力零售套餐制定方法 | |
CN115348587B (zh) | 组网规划方法、装置、设备及存储介质 | |
CN115396244B (zh) | 带宽调度管理方法、装置、电子设备及存储介质 | |
JP6552077B1 (ja) | 日射量正規化統計解析システム、日射量正規化統計解析法および日射量正規化統計解析プログラム | |
CN102724687B (zh) | 无线网络利用率的获取方法和网管设备 | |
CN110851943B (zh) | 一种电池充电性能的建模方法和装置 | |
CN110750755A (zh) | 通信设备的扩容方法、装置、终端及存储介质 | |
CN113538026B (zh) | 一种业务量计算方法和装置 | |
CN113988491B (zh) | 光伏短期功率预测方法、装置、电子设备及存储介质 | |
JP6552076B1 (ja) | 日射量出現確率分布解析法、日射量出現確率分布解析システムおよび日射量出現確率分布解析プログラム | |
CN116757461B (zh) | 更新电网基建业务节点信息显示方法、装置、设备和介质 | |
CN113642807B (zh) | 人口流动预测方法及相关装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200225 |