CN111263366B - 基于用户行为的云化无线网集中评估规划方法及系统 - Google Patents
基于用户行为的云化无线网集中评估规划方法及系统 Download PDFInfo
- Publication number
- CN111263366B CN111263366B CN201811452476.3A CN201811452476A CN111263366B CN 111263366 B CN111263366 B CN 111263366B CN 201811452476 A CN201811452476 A CN 201811452476A CN 111263366 B CN111263366 B CN 111263366B
- Authority
- CN
- China
- Prior art keywords
- source cell
- high load
- cell
- source
- time length
- 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
- H04W16/18—Network planning tools
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供一种基于用户行为的云化无线网集中评估规划方法及系统,该方法包括:获取评测区域内每一源小区对应的目标小区;根据任一源小区的高负荷时长和任一源小区的可用激活时长,获取任一源小区的高负荷时长比;根据任一源小区和目标小区在相同时间段内进入高负荷状态的总时长、任一源小区处于高负荷状态的总时长,获取任一源小区的时差匹配率;判断任一源小区和所述目标小区是否互为潮汐效应小区。本发明通过特定统计算法,对“潮汐效应”区域进行有效的评估,可以快速有效准确的评估出现网所有符合C‑RAN规划部署的区域,极大程度地降低了C‑RAN规划的难度和提高了C‑RAN组网建设区域的准确度和效率,具有很好的实用性。
Description
技术领域
本发明实施例涉及移动通信技术领域,尤其涉及基于用户行为的云化无线网集中评估规划方法及系统。
背景技术
在移动通信中,某些区域间存在话务量按时间有规律反复迁移的现象,称为“潮汐效应”。如高校的教学区和宿舍区就具有明显的“潮汐效应”现象,在白天,学生由宿舍区迁至教学区,导致教学区的话务量突增变大,宿舍区的话务量变小;而在夜间,学生由教学区迁至宿舍区,导致教学区的话务量会大大减小,而宿舍区的话务量会大大增加,两者之间存在这种话务量互补现象。
而C-RAN组网可以减少建设成本,实现资源的协同调度,有效应对“潮汐效应”。目前对“潮汐效应”区域的评估多是出于人为主观的判断,并集中于特定的场景,如高校区域。
现有网络“潮汐效应”区域的评估由于人为的判断只能判定特定场景如高校这种明显有潮汐现场的区域,无法全面正确的评估出现网所有存在“潮汐效应”的区域,目前还没有一种行之有效的用于C-RAN评估规划方案。
发明内容
针对上述问题,本发明实施例提供一种基于用户行为的云化无线网集中评估规划方法及系统。
第一方面,本发明实施例提供一种基于用户行为的云化无线网集中评估规划方法,包括:
获取评测区域内每一源小区对应的目标小区,对于任一源小区,客户端从所述任一源小区迁移到目标小区;
若判断获知所述任一源小区的高负荷增长率大于高负荷增长率阈值,根据所述任一源小区的高负荷时长和所述任一源小区的可用激活时长,获取所述任一源小区的高负荷时长比;
根据所述任一源小区和所述目标小区在相同时间段内进入高负荷状态的总时长、所述任一源小区处于高负荷状态的总时长,获取所述任一源小区的时差匹配率;
若所述任一源小区的高负荷时长比位于预设范围内,且所述任一源小区的时差匹配率大于所述高负荷增长率阈值,判断所述任一源小区和所述目标小区互为潮汐效应小区。
第二方面,本发明实施例提供一种基于用户行为的云化无线网集中评估规划系统,包括:
第一模块,用于获取评测区域内每一源小区对应的目标小区,对于任一源小区,客户端从所述任一源小区迁移到目标小区;
第二模块,用于若判断获知所述任一源小区的高负荷增长率大于高负荷增长率阈值,根据所述任一源小区的高负荷时长和所述任一源小区的可用激活时长,获取所述任一源小区的高负荷时长比;
第三模块,用于根据所述任一源小区和所述目标小区在相同时间段内进入高负荷状态的总时长、所述任一源小区处于高负荷状态的总时长,获取所述任一源小区的时差匹配率;
第四模块,用于若所述任一源小区的高负荷时长比位于预设范围内,且所述任一源小区的时差匹配率大于所述高负荷增长率阈值,判断所述任一源小区和所述目标小区互为潮汐效应小区。
第三方面,本发明实施例提供一种电子设备,包括:
至少一个处理器、至少一个存储器、通信接口和总线;其中,
所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述通信接口用于该测试设备与显示装置的通信设备之间的信息传输;
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第一方面提供的一种基于用户行为的云化无线网集中评估规划方法。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其特征在于,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第一方面提供的一种基于用户行为的云化无线网集中评估规划方法。
本发明实施例提供的一种基于用户行为的云化无线网集中评估规划方法及系统,针对现有技术不能有效的进行“潮汐效应”区域统计,不能有效的提升现有网络软硬件资源的利用。本发明通过特定统计算法,对“潮汐效应”区域进行有效评估,可以快速有效准确的评估出现网所有符合C-RAN规划部署的区域,极大程度地降低了C-RAN规划的难度和提高了C-RAN组网建设区域的准确度和效率,具有很好的实用性。
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为本发明实施例一种基于用户行为的云化无线网集中评估规划方法的流程图;
图2为本发明实施例中客户端、源基站和目标基站的交互示意图;
图3为本发明实施例一种基于用户行为的云化无线网集中评估规划系统的结构示意图;
图4示例了一种电子设备的实体结构示意图。
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为本发明实施例一种基于用户行为的云化无线网集中评估规划方法的流程图,如图1所示,该方法包括:
S1,获取评测区域内每一源小区对应的目标小区,对于任一源小区,客户端从所述任一源小区迁移到目标小区;
S2,若判断获知所述任一源小区的高负荷增长率大于高负荷增长率阈值,根据所述任一源小区的高负荷时长和所述任一源小区的可用激活时长,获取所述任一源小区的高负荷时长比;
S3,根据所述任一源小区和所述目标小区在相同时间段内进入高负荷状态的总时长、所述任一源小区处于高负荷状态的总时长,获取所述任一源小区的时差匹配率;
S4,若所述任一源小区的高负荷时长比位于预设范围内,且所述任一源小区的时差匹配率大于所述高负荷增长率阈值,判断所述任一源小区和所述目标小区互为潮汐效应小区。
首先,获取评测区域内每个源小区对应的目标小区,以其中任意一个源小区为例进行说明。目标小区是切换过程中用到的属于,如果手机从A小区移动到B小区发生切换,A小区就是源小区,B小区就是目标小区。切换过程中手机会上报给基站测量到的目标小区。
接着需要对该源小区的高负荷增长率进行判断,如果判断得知该源小区的高负荷增长率大于高负荷增长率阈值,说明该源小区是高负荷小区,有可能是潮汐效应小区,为了进一步确认该源小区是否为潮汐效应小区,需要进行进一步的计算。其中,高负荷增长率阈值为工程师根据实际情况确定的。
根据该源小区的高负荷时长和该源小区的可用激活时长,得到该源小区的高负荷时长比。
接着再根据该源小区和目标小区在相同时间段内进入高负荷状态的总时长、该源小区处于高负荷状态的总时长,得到该源小区的时差匹配率。
如果该源小区的高负荷时长比位于预设范围之间,且该源小区的时差匹配率大于高负荷增长率阈值,那么可以判断该源小区和该目标小区互为潮汐效应小区。
本发明实施例提供一种基于用户行为的云化无线网集中评估规划方法,针对现有技术不能有效的进行“潮汐效应”区域统计,不能有效的提升现有网络软硬件资源的利用。本发明通过特定统计算法,对“潮汐效应”区域进行有效评估。
在上述实施例的基础上,优选地,所述判断所述任一源小区和所述目标小区互为潮汐效应小区,之后还包括:
根据所述评测区域内每一对互为潮汐效应的小区,对所述评测区域进行C-RAN组网规划。
具体地,本发明实施例通过对评测区域内源小区的用户活动趋势进行统计,通过数据分析将集中活动频繁的区域内源基站提出有效地C-RAN架构组网规划建议,对大话务进行有效的应对及处理,智能化的解决了特定区域内的“潮汐效应”问题。
C-RAN采用RRU拉远BBU小规模集中的架构组网,固化BBU与RRU间挂接关系,每个BBU池只下挂其辖区内的RRU。
与传统无线网络组网方式相比,C-RAN网络架构具有如下几个特征:
1、BBU集中化。传统网络中,每一个基站均需要有独立机房。在C-RAN中,一定数量的BBU被集中放置在一个大的中心机房。
2、BBU协作化。通过引入实时高速的内部互联架构,基带池内的不同BBU之间可实现快速高效地交换调度信息、信道信息和用户数据,能够更好地实现跨BBU的协作。
C-RAN架构可以归纳为基带部分集中并互联,射频部分拉远,即在C-RAN机房中集中化所有基站的数字信号处理单元,包括物理层基带处理、高层协议处理、主控及时钟等,同时基带和主控可在内部进行互联和数据交换,然后通过高速光纤接口连接分布式的远端射频单元。
在上述实施例的基础上,优选地,所述获取评测区域内每一源小区对应的目标小区,具体包括:
获取源基站向目标基站发送的Handoverrequest命令,所述源基站服务每一源小区,所述目标基站服务所述目标小区;
根据Handoverrequest命令中的ECGI,获取所述任一源小区对应的目标小区。
图2为本发明实施例中客户端、源基站和目标基站的交互示意图,如图2所示,首先UE根据源基站下发的测量配置,对相邻的系统内邻区进行测量并上报测量报告,测量报告中包含迁移目标小区的信息。通过采集Handoverrequest命令中的ECGI确认UE用户群所要迁移的目标小区。
在上述实施例的基础上,优选地,判断所述任一源小区的高负荷增长率大于高负荷增长率阈值,具体方法为:
[LBGrate]>ZI,
其中,LBGrate表示所述任一源小区的高负荷增长率,ZI表示所述高负荷增长率阈值,pup表示所述任一源小区的上行业务信道平均利用率,Pup表示所述任一源小区的七天上行业务信道平均利用率,pdown表示所述任一源小区的下行业务信道平均利用率,Pdown示所述任一源小区的七天下行业务信道平均利用率,n表示源基站有效数据传输平均用户数,N表示源基站七天有效数据传输用户数。
本发明实施例从“高负荷时长比”、“高负荷时长”、“时差匹配率”三个维度进行“潮汐效应”区域评估:
通过关键指标的增长判断该源小区是否为高负荷小区,如果为高负荷小区则进入高负荷时长统计,同时将发生次数及高负荷时间段进行记录。
在上述实施例的基础上,优选地,所述根据所述任一源小区的高负荷时长和所述任一源小区的可用激活时长,获取所述任一源小区的高负荷时长比,具体为:
其中,HLBDRatio表示所述任一源小区的高负荷时长比,HLBDuration表示所述任一源小区的高负荷时长,CellActDuration表示所述任一源小区的可用激活时长。
在上述实施例的基础上,优选地,所述根据所述任一源小区和所述目标小区在相同时间段内进入高负荷状态的总时长、所述任一源小区处于高负荷状态的总时长,获取所述任一源小区的时差匹配率,具体包括:
其中,ps表示所述任一源小区的时差匹配率,t′表示所述任一源小区和所述目标小区在相同时间段内进入高负荷状态的总时长,Ts表示所述任一源小区处于高负荷状态的总时长。
本发明实施例提供的一种基于用户行为的云化无线网集中评估规划方法,针对现有技术不能有效的进行“潮汐效应”区域统计,不能有效的提升现有网络软硬件资源的利用。本发明通过特定统计算法,对“潮汐效应”区域进行有效评估,可以快速有效准确的评估出现网所有符合C-RAN规划部署的区域,极大程度地降低了C-RAN规划的难度和提高了C-RAN组网建设区域的准确度和效率,具有很好的实用性。
图3为本发明实施例一种基于用户行为的云化无线网集中评估规划系统的结构示意图,如图3所示,该系统包括:第一模块301、第二模块302、第三模块303和第四模块304,其中:
第一模块301用于获取评测区域内每一源小区对应的目标小区,对于任一源小区,客户端从所述任一源小区迁移到目标小区;
第二模块302用于若判断获知所述任一源小区的高负荷增长率大于高负荷增长率阈值,根据所述任一源小区的高负荷时长和所述任一源小区的可用激活时长,获取所述任一源小区的高负荷时长比;
第三模块303用于根据所述任一源小区和所述目标小区在相同时间段内进入高负荷状态的总时长、所述任一源小区处于高负荷状态的总时长,获取所述任一源小区的时差匹配率;
第四模块304用于若所述任一源小区的高负荷时长比位于预设范围内,且所述任一源小区的时差匹配率大于所述高负荷增长率阈值,判断所述任一源小区和所述目标小区互为潮汐效应小区。
该系统实施例的具体执行过程与上述方法实施例的具体执行过程相同,详情请参考上述方法实施例,本系统实施例在此不再赘述。
图4示例了一种电子设备的实体结构示意图,如图4所示,该服务器可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和总线440,其中,处理器410,通信接口420,存储器430通过总线440完成相互间的通信。通信接口440可以用于服务器与智能电视之间的信息传输。处理器410可以调用存储器430中的逻辑指令,以执行如下方法:
获取评测区域内每一源小区对应的目标小区,对于任一源小区,客户端从所述任一源小区迁移到目标小区;
若判断获知所述任一源小区的高负荷增长率大于高负荷增长率阈值,根据所述任一源小区的高负荷时长和所述任一源小区的可用激活时长,获取所述任一源小区的高负荷时长比;
根据所述任一源小区和所述目标小区在相同时间段内进入高负荷状态的总时长、所述任一源小区处于高负荷状态的总时长,获取所述任一源小区的时差匹配率;
若所述任一源小区的高负荷时长比位于预设范围内,且所述任一源小区的时差匹配率大于所述高负荷增长率阈值,判断所述任一源小区和所述目标小区互为潮汐效应小区。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本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:
获取评测区域内每一源小区对应的目标小区,对于任一源小区,客户端从所述任一源小区迁移到目标小区;
若判断获知所述任一源小区的高负荷增长率大于高负荷增长率阈值,根据所述任一源小区的高负荷时长和所述任一源小区的可用激活时长,获取所述任一源小区的高负荷时长比;
根据所述任一源小区和所述目标小区在相同时间段内进入高负荷状态的总时长、所述任一源小区处于高负荷状态的总时长,获取所述任一源小区的时差匹配率;
若所述任一源小区的高负荷时长比位于预设范围内,且所述任一源小区的时差匹配率大于所述高负荷增长率阈值,判断所述任一源小区和所述目标小区互为潮汐效应小区。
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 (9)
1.一种基于用户行为的云化无线网集中评估规划方法,其特征在于,包括:
获取评测区域内每一源小区对应的目标小区,对于任一源小区,客户端从所述任一源小区迁移到目标小区;
若判断获知所述任一源小区的高负荷增长率大于高负荷增长率阈值,根据所述任一源小区的高负荷时长和所述任一源小区的可用激活时长,获取所述任一源小区的高负荷时长比;
根据所述任一源小区和所述目标小区在相同时间段内进入高负荷状态的总时长、所述任一源小区处于高负荷状态的总时长,获取所述任一源小区的时差匹配率,其中,所述时差匹配率为ps为所述任一源小区的时差匹配率,t′为所述任一源小区和所述目标小区在相同时间段内进入高负荷状态的总时长,Ts为所述任一源小区处于高负荷状态的总时长;
若所述任一源小区的高负荷时长比位于预设范围内,且所述任一源小区的时差匹配率大于所述高负荷增长率阈值,判断所述任一源小区和所述目标小区互为潮汐效应小区。
2.根据权利要求1所述方法,其特征在于,所述判断所述任一源小区和所述目标小区互为潮汐效应小区,之后还包括:
根据所述评测区域内每一对互为潮汐效应的小区,对所述评测区域进行C-RAN组网规划。
3.根据权利要求1所述方法,其特征在于,所述获取评测区域内每一源小区对应的目标小区,具体包括:
获取源基站向目标基站发送的Handover request命令,所述源基站服务每一源小区,所述目标基站服务所述目标小区;
根据Handover request命令中的ECGI,获取所述任一源小区对应的目标小区。
6.根据权利要求2所述方法,其特征在于,所述根据所述评测区域内每一对互为潮汐效应的小区,对所述评测区域进行C-RAN组网规划,具体包括:
C-RAN采用RRU拉远BBU小规模集中的架构组网;
固化BBU与RRU间挂接关系,每个BBU池只下挂其辖区内的RRU。
7.一种基于用户行为的云化无线网集中评估规划系统,其特征在于,包括:
第一模块,用于获取评测区域内每一源小区对应的目标小区,对于任一源小区,客户端从所述任一源小区迁移到目标小区;
第二模块,用于若判断获知所述任一源小区的高负荷增长率大于高负荷增长率阈值,根据所述任一源小区的高负荷时长和所述任一源小区的可用激活时长,获取所述任一源小区的高负荷时长比;
第三模块,用于根据所述任一源小区和所述目标小区在相同时间段内进入高负荷状态的总时长、所述任一源小区处于高负荷状态的总时长,获取所述任一源小区的时差匹配率,其中,所述时差匹配率为ps为所述任一源小区的时差匹配率,t′为所述任一源小区和所述目标小区在相同时间段内进入高负荷状态的总时长,Ts为所述任一源小区处于高负荷状态的总时长;
第四模块,用于若所述任一源小区的高负荷时长比位于预设范围内,且所述任一源小区的时差匹配率大于所述高负荷增长率阈值,判断所述任一源小区和所述目标小区互为潮汐效应小区。
8.一种电子设备,其特征在于,包括:
至少一个处理器、至少一个存储器、通信接口和总线;其中,
所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述通信接口用于测试设备与显示装置的通信设备之间的信息传输;
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1-6中任一项所述的方法。
9.一种非暂态计算机可读存储介质,其特征在于,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如权利要求1至6任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811452476.3A CN111263366B (zh) | 2018-11-30 | 2018-11-30 | 基于用户行为的云化无线网集中评估规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811452476.3A CN111263366B (zh) | 2018-11-30 | 2018-11-30 | 基于用户行为的云化无线网集中评估规划方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111263366A CN111263366A (zh) | 2020-06-09 |
CN111263366B true CN111263366B (zh) | 2022-12-09 |
Family
ID=70953589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811452476.3A Active CN111263366B (zh) | 2018-11-30 | 2018-11-30 | 基于用户行为的云化无线网集中评估规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111263366B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103716839A (zh) * | 2012-10-09 | 2014-04-09 | 中国移动通信集团公司 | 基站间负载均衡配置方法、装置及无线网络系统 |
CN105025508A (zh) * | 2014-04-30 | 2015-11-04 | 中国移动通信集团公司 | 小区的发现方法、装置及节能控制方法、装置 |
CN105472660A (zh) * | 2014-09-11 | 2016-04-06 | 中国移动通信集团公司 | 一种负载均衡方法、网络设备及系统 |
CN108271218A (zh) * | 2016-12-30 | 2018-07-10 | 中国移动通信集团上海有限公司 | 一种网络资源处理方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108770017B (zh) * | 2018-05-23 | 2023-04-07 | 南京欣网通信科技股份有限公司 | 一种无线资源动态均衡方法及系统 |
-
2018
- 2018-11-30 CN CN201811452476.3A patent/CN111263366B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103716839A (zh) * | 2012-10-09 | 2014-04-09 | 中国移动通信集团公司 | 基站间负载均衡配置方法、装置及无线网络系统 |
CN105025508A (zh) * | 2014-04-30 | 2015-11-04 | 中国移动通信集团公司 | 小区的发现方法、装置及节能控制方法、装置 |
CN105472660A (zh) * | 2014-09-11 | 2016-04-06 | 中国移动通信集团公司 | 一种负载均衡方法、网络设备及系统 |
CN108271218A (zh) * | 2016-12-30 | 2018-07-10 | 中国移动通信集团上海有限公司 | 一种网络资源处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111263366A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108322937B (zh) | 无线接入网中用于网络切片的资源分配方法和编排器 | |
US11477668B2 (en) | Proactively adjusting network infrastructure in response to reporting of real-time network performance | |
CN106165475B (zh) | 测量控制方法以及基站 | |
CN106714239B (zh) | 一种lte网络负载自动均衡的方法和系统 | |
CN104854900B (zh) | 无线网络kpi的测量方法、用户设备、网络设备以及系统 | |
CN110505650B (zh) | 随机异构分层网容量智能评估方法及装置 | |
CN109391513B (zh) | 一种基于大数据的网络感知智能预警与提升方法 | |
CN103379498A (zh) | 动态频谱共享方法和装置 | |
CN105163344A (zh) | 一种td-lte系统内干扰的定位方法 | |
CN108307409A (zh) | 一种实现cbr测量的方法及装置 | |
CN109996238B (zh) | 一种c-ran网络规划方法及装置 | |
US20160227452A1 (en) | Different frequency measurement and evaluation method and apparatus of cluster answering user | |
CN109995836A (zh) | 缓存决策方法及装置 | |
CN105933923B (zh) | 一种超密集组网小区分簇方法 | |
CN109587721B (zh) | 一种小区网络覆盖评估方法及装置 | |
CN107172635A (zh) | 数据传输的方法及系统 | |
CN105430661B (zh) | 一种频段分配的方法及装置 | |
CN105307269A (zh) | 小区资源状态信息处理方法、装置及基站 | |
CN102340842B (zh) | 一种资源控制方法、装置和基站 | |
CN111263366B (zh) | 基于用户行为的云化无线网集中评估规划方法及系统 | |
CN112566190B (zh) | Lte切换优化方法、装置、存储介质及计算机设备 | |
CN106937330B (zh) | 小区负载均衡方法及系统 | |
CN106255132A (zh) | 一种设置跟踪区的方法及装置 | |
CN115955698A (zh) | 一种基于智能电网的5g网络切片系统 | |
CN113329444A (zh) | 高负荷小区优化方法、装置及电子设备 |
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 |