CN111314936B - 基站业务量预测方法及设备 - Google Patents
基站业务量预测方法及设备 Download PDFInfo
- Publication number
- CN111314936B CN111314936B CN202010099679.XA CN202010099679A CN111314936B CN 111314936 B CN111314936 B CN 111314936B CN 202010099679 A CN202010099679 A CN 202010099679A CN 111314936 B CN111314936 B CN 111314936B
- Authority
- CN
- China
- Prior art keywords
- base station
- target
- switching
- probability
- traffic
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/0055—Transmission or use of information for re-establishing the radio link
- H04W36/0072—Transmission or use of information for re-establishing the radio link of resource information of target access point
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
- H04W36/0085—Hand-off measurements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例提供一种基站业务量预测方法及设备，该方法包括：获取第一预设时间段内目标终端与交互基站的交互数据；根据所述交互数据，确定所述目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率；根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件；根据所述交互数据和所述目标切换事件，获得第二预设时间段内所述目标终端在目标基站下的业务量，从而可以针对高业务量基站提前进行网络优化，提升用户体验。
Description
技术领域
本申请实施例涉及通信技术领域，尤其涉及一种基站业务量预测方法及设备。
背景技术
随着科技和经济的发展，通信行业得到了快速发展，通信设备的普及率越来越高，通信设备需要依赖基站提供的无线覆盖进行信号传输。基站的容量是有限的，即基站能够承载的业务量有限，如果基站的业务量突增，会造成基站负荷量过大，影响用户体验。因此需要及时准确地预测基站业务量，以提前对高业务量的基站进行优化。
相关技术中，通常根据基站周期性业务量数据，结合业务量增长率，粗略预测基站业务量。
然而上述预测方法仅考虑了历史业务量和业务量增长率，预测准确率较低，造成预测的基站业务量与真实基站业务量偏差较大，因此无法准确获知实际高业务量的基站，还是存在基站负荷量过大时影响用户体验的问题。
发明内容
本申请实施例提供一种基站业务量预测方法及设备，以解决现有的预测方法预测准确率较低，造成预测的基站业务量与真实基站业务量偏差较大，无法准确获知实际高业务量的基站，影响用户体验的问题。
第一方面，本申请实施例提供一种基站业务量预测方法，包括：
获取第一预设时间段内目标终端与交互基站的交互数据；
根据所述交互数据，确定所述目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率；
根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件；
根据所述交互数据和所述目标切换事件，获得第二预设时间段内所述目标终端在目标基站下的业务量。
可选地，所述交互数据包括所述第一预设时间段内所述目标终端在所述交互基站中各个基站下的业务量，所述目标终端与所述各个基站的连接时间，以及所述各个基站的标识；
所述根据所述交互数据，确定所述目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率，包括：
根据所述连接时间和所述标识，确定所述目标终端当前连接的基站，以及所述目标终端与所述各个基站的连接顺序；
根据所述目标终端在所述当前连接的基站的业务量与预设业务量之比，获得所述切换基站的概率；
根据所述连接顺序，确定所述第一预设时间段内所述当前连接的基站切换到所述目标基站的次数和所述当前连接的基站的切换总次数；
根据所述当前连接的基站切换到所述目标基站的次数和所述当前连接的基站的切换总次数之比，确定所述切换至目标基站的概率。
可选地，在所述根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件之前，还包括：
确定所述目标终端在当前连接的基站不切换基站的概率和未切换至目标基站的概率；
所述根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件，包括：
根据所述切换基站的概率、所述切换至目标基站的概率、不切换基站的概率和未切换至目标基站的概率，通过贝叶斯法则，从预设切换事件中，确定目标切换事件；其中，预设切换事件包括切换基站并切换至目标基站的切换事件、切换基站并未切换至目标基站的切换事件、不切换基站并切换至目标基站的切换事件，以及不切换基站并未切换至目标基站的切换事件。
可选地，所述交互数据包括第一预设时间段内所述目标终端在所述交互基站中各个基站下的业务量；
所述根据所述交互数据和所述目标切换事件，获得第二预设时间段内所述目标终端在目标基站下的业务量，包括：
根据所述第一预设时间段内所述目标终端在所述各个基站下的业务量和所述目标切换事件，通过回归模型，确定目标回归系数及目标偏移量，所述回归模型通过所述目标终端在所述目标基站的历史业务量、切换事件、回归系数和偏移量训练得到；
基于所述目标回归系数和所述目标偏移量，通过预设回归方程，获得所述第二预设时间段内所述目标终端在所述目标基站下的业务量。
可选地，还包括：
获得所述第二预设时间段内所有终端在目标基站的业务量；
判断所述第二预设时间段内所有终端在目标基站的业务量是否大于预设业务量阈值；
若所述第二预设时间段内所有终端在目标基站的业务量大于所述预设业务量阈值，则对所述目标基站进行优化。
第二方面，本申请实施例提供一种基站业务量预测设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机执行指令，所述处理器执行所述计算机执行指令时实现如下步骤：
获取第一预设时间段内目标终端与交互基站的交互数据；
根据所述交互数据，确定所述目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率；
根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件；
根据所述交互数据和所述目标切换事件，获得第二预设时间段内所述目标终端在目标基站下的业务量。
可选地，所述交互数据包括所述第一预设时间段内所述目标终端在所述交互基站中各个基站下的业务量，所述目标终端与所述各个基站的连接时间，以及所述各个基站的标识；
所述根据所述交互数据，确定所述目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率，包括：
根据所述连接时间和所述标识，确定所述目标终端当前连接的基站，以及所述目标终端与所述各个基站的连接顺序；
根据所述目标终端在所述当前连接的基站的业务量与预设业务量之比，获得所述切换基站的概率；
根据所述连接顺序，确定所述第一预设时间段内所述当前连接的基站切换到所述目标基站的次数和所述当前连接的基站的切换总次数；
根据所述当前连接的基站切换到所述目标基站的次数和所述当前连接的基站的切换总次数之比，确定所述切换至目标基站的概率。
可选地，所述处理器执行所述计算机执行指令时实现还如下步骤：
在所述根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件之前，
确定所述目标终端在当前连接的基站不切换基站的概率和未切换至目标基站的概率；
所述根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件，包括：
根据所述切换基站的概率、所述切换至目标基站的概率、不切换基站的概率和未切换至目标基站的概率，通过贝叶斯法则，从预设切换事件中，确定目标切换事件；其中，预设切换事件包括切换基站并切换至目标基站的切换事件、切换基站并未切换至目标基站的切换事件、不切换基站并切换至目标基站的切换事件，以及不切换基站并未切换至目标基站的切换事件。
可选地，所述交互数据包括第一预设时间段内所述目标终端在所述交互基站中各个基站下的业务量；
所述根据所述交互数据和所述目标切换事件，获得第二预设时间段内所述目标终端在目标基站下的业务量，包括：
根据所述第一预设时间段内所述目标终端在所述各个基站下的业务量和所述目标切换事件，通过回归模型，确定目标回归系数及目标偏移量，所述回归模型通过所述目标终端在所述目标基站的历史业务量、切换事件、回归系数和偏移量训练得到；
基于所述目标回归系数和所述目标偏移量，通过预设回归方程，获得所述第二预设时间段内所述目标终端在所述目标基站下的业务量。
可选地，所述处理器执行所述计算机执行指令时实现还如下步骤：
获得所述第二预设时间段内所有终端在目标基站的业务量；
判断所述第二预设时间段内所有终端在目标基站的业务量是否大于预设业务量阈值；
若所述第二预设时间段内所有终端在目标基站的业务量大于所述预设业务量阈值，则对所述目标基站进行优化。
第三方面，本申请实施例提供另一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上一方面以及第一方面各种可能的设计所述的基站业务量预测方法。
本实施例提供的基站业务量预测方法及设备，该方法通过获取第一预设时间段内目标终端与交互基站的交互数据；并根据上述交互数据，确定目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率；进而根据上述切换基站的概率和上述切换至目标基站的概率，确定出目标切换事件；根据上述交互数据和上述目标切换事件，能够准确获得待预测的第二预设时间段内该目标终端在该目标基站下的业务量，从而可以针对高业务量基站提前进行网络优化，提升用户体验。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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为本申请实施例提供的应用场景示意图；
图2为本申请实施例提供的一种基站业务量预测方法的流程示意图；
图3为本申请实施例提供的另一种基站业务量预测方法的流程示意图；
图4为本申请实施例提供的基站业务量预测装置的结构示意图；
图5为本申请实施例提供的基站业务量预测设备的硬件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请的保护的范围。
通信设备需要依赖基站提供的无线覆盖进行信号传输，基站的容量是有限的，即基站能够承载的业务量有限，如果基站的业务量突增，会造成基站负荷量过大，影响用户体验。因此需要及时准确地预测基站业务量，以提前对高业务量的基站进行优化。相关技术中，通常根据基站周期性业务量数据，结合业务量增长率，粗略预测基站业务量。
然而上述预测方法仅考虑了历史业务量和业务量增长率，预测准确率较低，造成预测的基站业务量与真实基站业务量偏差较大，因此无法准确获知实际高业务量的基站，还是存在基站负荷量过大时影响用户体验的问题。
结合终端与交互基站的历史交互数据，能够预测未来一段时间基站业务量。因此，本实施例提供一种基站业务量预测方法及设备，该方法通过获取第一预设时间段内目标终端与交互基站的交互数据；并根据上述交互数据，确定目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率；进而根据上述切换基站的概率和上述切换至目标基站的概率，确定出目标切换事件；根据上述交互数据和上述目标切换事件，能够准确获得待预测的第二预设时间段内该目标终端在该目标基站下的业务量，从而可以针对高业务量基站提前进行网络优化，提升用户体验。
本实施例提供一种基站业务量预测方法，该方法可以适用于图1所示的应用场景示意图，如图1所示，本实施例提供的应用场景主要包括基站业务量预测设备101、终端102和基站103。其中，基站103包括多个基站，图1以基站103包括三个基站为例进行说明，分别记作基站A、基站B和基站C，但本实施例对此不做具体限定，每个基站覆盖一定区域，且两个基站覆盖的区域可能有重合的部分。当终端101进入某一个区域时，可能会与本区域的或相邻区域的基站相连接，产生业务量。基站业务量预测设备101可以获取第一预设时间段内终端102与基站103的交互数据；并根据交互数据，确定终端102在当前连接的基站发生切换基站的概率和切换至目标基站的概率；还可以根据切换基站的概率和切换至目标基站的概率，确定目标切换事件；也可以根据交互数据和目标切换事件，获得第二预设时间段内终端102在目标基站下的业务量。
上述应用场景仅为一种示例性场景，具体实施时，可以根据需求应用在不同场景中。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图2为本申请实施例提供的一种基站业务量预测方法的流程示意图，本实施例可应用于图1所示实施例的应用场景，执行主体可以为图1所示实施例中的基站业务量预测设备101，如图2所示，该方法可以包括：
S201：获取第一预设时间段内目标终端与交互基站的交互数据。
在本实施例中，目标终端与基站交互过程中会产生业务量，上述交互基站就是指与目标基站进行交互的所有基站。其中，该业务量包括但不限于各种视频类、浏览类和周期性等交互业务产生的业务量，为了获得第一预设时间段内目标终端与交互基站的业务量，需要获取在第一预设时间段内目标终端与交互基站的交互数据。
可选的，该交互数据可以包括如下一种或者几种的组合：目标终端在交互基站中各个基站下的业务量，目标终端与各个基站的连接时间，以及各个基站的标识等。
另外，上述第一预设时间段为历史时间段，可以根据实际情况而定。
S202：根据所述交互数据，确定所述目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率。
可选地，所述交互数据包括所述第一预设时间段内所述目标终端在所述交互基站中各个基站下的业务量，所述目标终端与所述各个基站的连接时间，以及所述各个基站的标识；
所述根据所述交互数据，确定所述目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率，包括：
根据所述连接时间和所述标识，确定所述目标终端当前连接的基站，以及所述目标终端与所述各个基站的连接顺序；
根据所述目标终端在所述当前连接的基站的业务量与预设业务量之比，获得所述切换基站的概率；
根据所述连接顺序，确定所述第一预设时间段内所述当前连接的基站切换到所述目标基站的次数和所述当前连接的基站的切换总次数；
根据所述当前连接的基站切换到所述目标基站的次数和所述当前连接的基站的切换总次数之比，确定所述切换至目标基站的概率。
示例性的，交互数据包括目标终端与各个基站在交互过程中产生的业务量，目标终端与各个基站的连接时间，以及各个基站的标识，根据该交互数据中基站的标识，以及目标终端与各个基站的连接时间，确定目标终端与当前连接的基站，并在上述业务量中确定目标终端与当前连接的基站在交互过程中产生的业务量，根据目标终端与当前连接的基站在交互过程中产生的业务量以及预设业务量之比，确定切换基站的概率，即目标终端与当前连接的基站在交互过程中产生的业务量与预设业务量之比越大，切换基站的概率越高，例如，目标终端与当前连接的基站在交互过程中产生的业务量为70，预设业务量为100，切换基站的概率P1＝70/100＝70％。其中预设业务量可以根据实际应用场景进行设定，当前连接的基站不同，预设业务量也不相同。
通过目标终端与各个基站的连接时间，以及各个基站的标识，能够准确确定出目标终端当前连接的基站，从而获得目标终端在所述当前连接的基站的业务量，进而根据目标终端在当前连接的基站的业务量与预设业务量之比，能够方便、准确地获得切换基站的概率。
根据交互数据中目标终端与各个基站的连接时间，以及各个基站的标识，可以确定目标终端在第一预设时间段内与各个基站的连接顺序，例如：在某一时刻，目标终端连接的上一个基站、这一时刻连接的基站和连接的下一个基站，切换至目标基站的概率，根据上述连接顺序，可以确定第一预设时间段内当前连接的基站切换到目标基站的次数，以及当前连接的基站的切换总次数，根据两者之比，能够确定切换至目标基站的概率，例如，当前连接的为A基站，目标基站为B基站，确定出第一预设时间段内A基站切换到B基站的次数为5次，A基站的切换总次数为100次，其中切换总次数包括由A基站切换到A基站的次数，则切换至目标基站的概率P2＝5/100＝5％。
通过根据交互数据中目标终端与各个基站的连接时间，以及各个基站的标识，可以准确确定出目标终端在第一预设时间段内与各个基站的连接顺序，根据上述连接顺序，可以方便且精准地确定第一预设时间段内当前连接的基站切换到目标基站的次数，以及当前连接的基站的切换总次数，进而根据切换到目标基站的次数和切换总次数之比，确定出切换至目标基站的概率。
S203：根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件。
在所述根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件之前，还包括：
确定所述目标终端在当前连接的基站不切换基站的概率和未切换至目标基站的概率。
可以理解，当确定了目标终端在当前连接的基站发生切换基站的概率，也就能确定目标终端在当前连接的基站不切换基站的概率，例如目标终端在当前连接的基站发生切换基站的概率为70％，目标终端在当前连接的基站不切换基站的概率为30％。
同理，当确定了切换至目标基站的概率，也就能确定未切换至目标基站的概率，例如，切换至目标基站的概率为5％，未切换至目标基站的概率就为95％。
所述根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件，包括：
根据所述切换基站的概率、所述切换至目标基站的概率、不切换基站的概率和未切换至目标基站的概率，通过贝叶斯法则，从预设切换事件中，确定目标切换事件；其中，预设切换事件包括切换基站并切换至目标基站的切换事件、切换基站并未切换至目标基站的切换事件、不切换基站并切换至目标基站的切换事件，以及不切换基站并未切换至目标基站的切换事件。
示例性的，事件A在事件B(发生)的条件下的概率，与事件B在事件A的条件下的概率是不一样的；然而，这两者是有确定的关系，贝叶斯法则就是对这种关系的陈述。例如，事件A发生的先验概率是P(A)，事件B发生的先验概率是P(B)，事件A和B都发生的概率是P(AB)，事件A发生的条件下B发生的概率是P(B|A)，事件B发生的条件下A发生的概率是P(A|B)，则P(AB)＝P(A∩B)＝P(A)*P(B|A)＝P(B)*P(A|B)。
示例性的，根据上述切换基站(记作事件A1)的概率P1、所述切换至目标基站(记作事件B1)的概率P2、不切换基站(记作事件A2)的概率P3和未切换至目标基站(记作事件B2)的概率P4，通过贝叶斯法则，可以得到切换基站并切换至目标基站的切换事件发生的概率P(A1B1)＝P1*P(B1|A1)，切换基站并未切换至目标基站的切换事件发生的概率P(A1B2)＝P1*P(B2|A1)，不切换基站并切换至目标基站的切换事件发生的概率P(A2B1)＝P3*P(B1|A2)，不切换基站并未切换至目标基站的切换事件发生概率P(A2B2)＝P3*P(B2|A2)，判断P(A1B1)、P(A1B2)、P(A2B1)以及P(A2B2)的大小，其中概率最大的事件即为目标切换事件。
通过根据贝叶斯法则，可以准确确定出最大发生概率对应的目标切换事件。
S204：根据所述交互数据和所述目标切换事件，获得第二预设时间段内所述目标终端在目标基站下的业务量。
其中，上述第二预设时间也就是需要预测目标基站在该时间的业务量的时间。
通过根据历史交互数据，及最大发生概率的切换事件，获得待预测时间段内所述目标终端在目标基站下的业务量，综合考虑了历史交互数据，目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率等因素，因此可以提高预测准确性。
在本实施例中，通过获取第一预设时间段内目标终端与交互基站的交互数据；并根据上述交互数据，确定目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率；进而根据上述切换基站的概率和上述切换至目标基站的概率，从预设切换事件中确定出目标切换事件；根据上述交互数据和上述目标切换事件，能够准确获得待预测的第二预设时间段内该目标终端在该目标基站下的业务量，从而可以针对高业务量基站提前进行网络优化，提升用户体验。
图3为本申请实施例提供的另一种基站业务量预测方法的流程示意图，本实施例可应用于图1所示实施例的应用场景，执行主体可以为图1所示实施例中的基站业务量预测设备101，如图3所示，在上述实施例2的基础上，该方法可以包括：
S301：获取第一预设时间段内目标终端与交互基站的交互数据。
S302：根据所述交互数据，确定所述目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率。
S303：根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件。
该S301-S303与上述S201-S203实现方式相同，此处不再赘述。
S304：根据所述交互数据和所述目标切换事件，获得第二预设时间段内所述目标终端在目标基站下的业务量。
可选地，所述根据所述交互数据和所述目标切换事件，获得第二预设时间段内所述目标终端在目标基站下的业务量，包括：
根据所述第一预设时间段内所述目标终端在所述各个基站下的业务量和所述目标切换事件，通过回归模型，确定目标回归系数及目标偏移量，所述回归模型通过所述目标终端在所述目标基站的历史业务量、切换事件、回归系数和偏移量训练得到；
基于所述目标回归系数和所述目标偏移量，通过预设回归方程，获得所述第二预设时间段内所述目标终端在所述目标基站下的业务量。
如上述实施例所述，业务量包括但不限于各种视频类、浏览类和周期性等交互业务产生的业务量，示例性的，可以先将业务分为不同类型，记作A业务类型，B业务类型，……N业务类型。根据第一预设时间段内所述目标终端在所述各个基站下的各业务类型的业务量和目标切换事件，通过回归模型，确定各业务类型的目标回归系数及目标偏移量。再基于各业务类型的目标回归系数及目标偏移量，通过预设回归方程，获得目标终端在目标基站下各业务类型的业务量。
上述回归方程为f(X)＝isinTX+ε，其中f(X)为第二预设时间段内目标终端在目标基站下的业务量，i为回归系数，T为业务的发生周期，X为第二预设时间段，ε为偏移量。以业务包括A业务类型，B业务类型，……N业务类型为例进行说明，终端在A业务类型的回归方程为fA(X)＝iAsinTAX+εA，其中fA(X)为第二预设时间段内目标终端在目标基站下的A业务类型的业务量，iA为A业务类型的回归系数，TA为A业务类型的发生周期，X为第二预设时间段，εA为A业务类型的偏移量，同理，也可以得到终端在B业务类型，……N业务类型的回归方程，将各业务类型的回归系数、偏移量和发生周期，以及第二预设时间代入，能够得到目标终端在目标基站下各业务类型的业务量，各业务类型的业务量之和，即为目标终端在目标基站下的业务量。
S305：获得所述第二预设时间段内所有终端在目标基站的业务量。
可以理解，在获取其他终端在目标基站的业务量时，可以采用与上述步骤获取目标终端在目标基站下的业务量的相同的方式，只需将S301-S304中的目标终端替换为其他终端即可。各个终端在目标基站的业务量之和，即为所有终端在目标基站的业务量。
S306：判断所述第二预设时间段内所有终端在目标基站的业务量是否大于预设业务量阈值。
上述预设业务量阈值可以根据实际应用场景进行设定，例如目标基站所能承载的最大业务量。通过判断第二预设时间段内所有终端在目标基站的业务量是否大于预设业务量阈值，可以判断明确判断出目标基站的业务量是大还是小。
S307：若所述第二预设时间段内所有终端在目标基站的业务量大于所述预设业务量阈值，则对所述目标基站进行优化。
如果第二预设时间段内所有终端在目标基站的业务量大于预设业务量阈值，说明在第二预设时间段内目标基站负荷量较大，可能出现无法承载所有终端在目标基站的业务量。此时需要对目标基站进行优化，避免基站负荷量过大时影响用户体验。
本实施例综合考虑了各个基站与交互基站的历史交互数据，各个终端在当前连接的基站发生切换基站的概率和各个切换至目标基站的概率等因素，能够准确方便地获得第二预设时间段内所有终端在目标基站的业务量，进而在第二预设时间段内所有终端在目标基站的业务量大于预设业务量阈值时，对目标基站进行优化，考虑了突发事件的影响，可以主动、及时地预测目标基站的业务量。
在本实施例中，通过获取第一预设时间段内目标终端与交互基站的交互数据；并根据上述交互数据，确定目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率；进而根据上述切换基站的概率和上述切换至目标基站的概率，从预设切换事件中确定出目标切换事件；根据上述交互数据和上述目标切换事件，能够准确获得待预测的第二预设时间段内该目标终端在该目标基站下的业务量，从而可以针对高业务量基站提前进行网络优化，提升用户体验，同时综合考虑了各个基站与交互基站的历史交互数据，各个终端在当前连接的基站发生切换基站的概率和各个切换至目标基站的概率等因素，能够准确方便地获得第二预设时间段内所有终端在目标基站的业务量，进而在第二预设时间段内所有终端在目标基站的业务量大于预设业务量阈值时，对目标基站进行优化，考虑了突发事件的影响，可以主动、及时地预测目标基站的业务量。
对应于上文实施例的基站业务量预测方法，图4为本申请实施例提供的基站业务量预测装置的结构示意图。为了便于说明，仅示出了与本申请实施例相关的部分。如图4所示，基站业务量预测装置40包括：获取模块401、第一确定模块402、第二确定模块403以及获得模块404，可选地，还包括判断模块405和优化模块406。
获取模块401，用于获取第一预设时间段内目标终端与交互基站的交互数据；
第一确定模块402，用于根据所述交互数据，确定所述目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率；
第二确定模块403，用于根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件；
获得模块404，用于根据所述交互数据和所述目标切换事件，获得第二预设时间段内所述目标终端在目标基站下的业务量。
可选地，所述交互数据包括所述第一预设时间段内所述目标终端在所述交互基站中各个基站下的业务量，所述目标终端与所述各个基站的连接时间，以及所述各个基站的标识；
所述第一确定模块402根据所述交互数据，确定所述目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率，包括：
根据所述连接时间和所述标识，确定所述目标终端当前连接的基站，以及所述目标终端与所述各个基站的连接顺序；
根据所述目标终端在所述当前连接的基站的业务量与预设业务量之比，获得所述切换基站的概率；
根据所述连接顺序，确定所述第一预设时间段内所述当前连接的基站切换到所述目标基站的次数和所述当前连接的基站的切换总次数；
根据所述当前连接的基站切换到所述目标基站的次数和所述当前连接的基站的切换总次数之比，确定所述切换至目标基站的概率。
可选地，所述第一确定模块402，还用于在所述第二确定模块403根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件之前，
确定所述目标终端在当前连接的基站不切换基站的概率和未切换至目标基站的概率；
所述第二确定模块403根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件，包括：
根据所述切换基站的概率、所述切换至目标基站的概率、不切换基站的概率和未切换至目标基站的概率，通过贝叶斯法则，从预设切换事件中，确定目标切换事件；其中，预设切换事件包括切换基站并切换至目标基站的切换事件、切换基站并未切换至目标基站的切换事件、不切换基站并切换至目标基站的切换事件，以及不切换基站并未切换至目标基站的切换事件。
可选地，所述交互数据包括第一预设时间段内所述目标终端在所述交互基站中各个基站下的业务量；
所述获得模块404根据所述交互数据和所述目标切换事件，获得第二预设时间段内所述目标终端在目标基站下的业务量，包括：
根据所述第一预设时间段内所述目标终端在所述各个基站下的业务量和所述目标切换事件，通过回归模型，确定目标回归系数及目标偏移量，所述回归模型通过所述目标终端在所述目标基站的历史业务量、切换事件、回归系数和偏移量训练得到；
基于所述目标回归系数和所述目标偏移量，通过预设回归方程，获得所述第二预设时间段内所述目标终端在所述目标基站下的业务量。
获得模块404，还用于获得所述第二预设时间段内所有终端在目标基站的业务量；
判断模块405，用于判断所述第二预设时间段内所有终端在目标基站的业务量是否大于预设业务量阈值；
优化模块406，用于若所述第二预设时间段内所有终端在目标基站的业务量大于所述预设业务量阈值，则对所述目标基站进行优化。
本申请实施例提供的装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本申请实施例此处不再赘述。
图5为本申请实施例提供的基站业务量预测设备的硬件结构示意图。如图5所示，本实施例的基站业务量预测设备50包括：处理器501以及存储器502；其中
存储器502，用于存储计算机执行指令；
处理器501，用于执行存储器存储的计算机执行指令，以实现上述实施例中基站业务量预测方法的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选地，存储器502既可以是独立的，也可以跟处理器501集成在一起。
当存储器502独立设置时，该基站业务量预测设备还包括总线503，用于连接所述存储器502和处理器501。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上所述的基站业务量预测方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的基站业务量预测装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块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)或处理器执行本申请各个实施例所述基站业务量预测方法的部分步骤。
应理解，上述处理器可以是中央处理单元(Central Processing Unit，简称CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请所公开的基站业务量预测方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture，简称ISA)总线、外部设备互连(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解：实现上述各基站业务量预测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，执行包括上述各基站业务量预测方法实施例的步骤；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。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，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，或者对其中部分或者全部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申请各实施例技术方案的范围。
Claims (11)
1.一种基站业务量预测方法，其特征在于，包括：
获取第一预设时间段内目标终端与交互基站的交互数据；
根据所述交互数据，确定所述目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率；
根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件；
根据所述交互数据和所述目标切换事件，获得第二预设时间段内所述目标终端在目标基站下的业务量。
2.根据权利要求1所述的方法，其特征在于，所述交互数据包括所述第一预设时间段内所述目标终端在所述交互基站中各个基站下的业务量，所述目标终端与所述各个基站的连接时间，以及所述各个基站的标识；
所述根据所述交互数据，确定所述目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率，包括：
根据所述连接时间和所述标识，确定所述目标终端当前连接的基站，以及所述目标终端与所述各个基站的连接顺序；
根据所述目标终端在所述当前连接的基站的业务量与预设业务量之比，获得所述切换基站的概率；
根据所述连接顺序，确定所述第一预设时间段内所述当前连接的基站切换到所述目标基站的次数和所述当前连接的基站的切换总次数；
根据所述当前连接的基站切换到所述目标基站的次数和所述当前连接的基站的切换总次数之比，确定所述切换至目标基站的概率。
3.根据权利要求1所述的方法，其特征在于，在所述根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件之前，还包括：
确定所述目标终端在当前连接的基站不切换基站的概率和未切换至目标基站的概率；
所述根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件，包括：
根据所述切换基站的概率、所述切换至目标基站的概率、不切换基站的概率和未切换至目标基站的概率，通过贝叶斯法则，从预设切换事件中，确定目标切换事件；其中，预设切换事件包括切换基站并切换至目标基站的切换事件、切换基站并未切换至目标基站的切换事件、不切换基站并切换至目标基站的切换事件，以及不切换基站并未切换至目标基站的切换事件。
4.根据权利要求1所述的方法，其特征在于，所述交互数据包括第一预设时间段内所述目标终端在所述交互基站中各个基站下的业务量；
所述根据所述交互数据和所述目标切换事件，获得第二预设时间段内所述目标终端在目标基站下的业务量，包括：
根据所述第一预设时间段内所述目标终端在所述各个基站下的业务量和所述目标切换事件，通过回归模型，确定目标回归系数及目标偏移量，所述回归模型通过所述目标终端在所述目标基站的历史业务量、切换事件、回归系数和偏移量训练得到；
基于所述目标回归系数和所述目标偏移量，通过预设回归方程，获得所述第二预设时间段内所述目标终端在所述目标基站下的业务量。
5.根据权利要求1所述的方法，其特征在于，还包括：
获得所述第二预设时间段内所有终端在目标基站的业务量；
判断所述第二预设时间段内所有终端在目标基站的业务量是否大于预设业务量阈值；
若所述第二预设时间段内所有终端在目标基站的业务量大于所述预设业务量阈值，则对所述目标基站进行优化。
6.一种基站业务量预测设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机执行指令，所述处理器执行所述计算机执行指令时实现如下步骤：
获取第一预设时间段内目标终端与交互基站的交互数据；
根据所述交互数据，确定所述目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率；
根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件；
根据所述交互数据和所述目标切换事件，获得第二预设时间段内所述目标终端在目标基站下的业务量。
7.根据权利要求6所述的设备，其特征在于，所述交互数据包括所述第一预设时间段内所述目标终端在所述交互基站中各个基站下的业务量，所述目标终端与所述各个基站的连接时间，以及所述各个基站的标识；
所述根据所述交互数据，确定所述目标终端在当前连接的基站发生切换基站的概率和切换至目标基站的概率，包括：
根据所述连接时间和所述标识，确定所述目标终端当前连接的基站，以及所述目标终端与所述各个基站的连接顺序；
根据所述目标终端在所述当前连接的基站的业务量与预设业务量之比，获得所述切换基站的概率；
根据所述连接顺序，确定所述第一预设时间段内所述当前连接的基站切换到所述目标基站的次数和所述当前连接的基站的切换总次数；
根据所述当前连接的基站切换到所述目标基站的次数和所述当前连接的基站的切换总次数之比，确定所述切换至目标基站的概率。
8.根据权利要求6所述的设备，其特征在于，所述处理器执行所述计算机执行指令时实现还如下步骤：
在所述根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件之前，
确定所述目标终端在当前连接的基站不切换基站的概率和未切换至目标基站的概率；
所述根据所述切换基站的概率和所述切换至目标基站的概率，确定目标切换事件，包括：
根据所述切换基站的概率、所述切换至目标基站的概率、不切换基站的概率和未切换至目标基站的概率，通过贝叶斯法则，从预设切换事件中，确定目标切换事件；其中，预设切换事件包括切换基站并切换至目标基站的切换事件、切换基站并未切换至目标基站的切换事件、不切换基站并切换至目标基站的切换事件，以及不切换基站并未切换至目标基站的切换事件。
9.根据权利要求6所述的设备，其特征在于，所述交互数据包括第一预设时间段内所述目标终端在所述交互基站中各个基站下的业务量；
所述根据所述交互数据和所述目标切换事件，获得第二预设时间段内所述目标终端在目标基站下的业务量，包括：
根据所述第一预设时间段内所述目标终端在所述各个基站下的业务量和所述目标切换事件，通过回归模型，确定目标回归系数及目标偏移量，所述回归模型通过所述目标终端在所述目标基站的历史业务量、切换事件、回归系数和偏移量训练得到；
基于所述目标回归系数和所述目标偏移量，通过预设回归方程，获得所述第二预设时间段内所述目标终端在所述目标基站下的业务量。
10.根据权利要求6所述的设备，其特征在于，所述处理器执行所述计算机执行指令时实现还如下步骤：
获得所述第二预设时间段内所有终端在目标基站的业务量；
判断所述第二预设时间段内所有终端在目标基站的业务量是否大于预设业务量阈值；
若所述第二预设时间段内所有终端在目标基站的业务量大于所述预设业务量阈值，则对所述目标基站进行优化。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至5任意一项所述的基站业务量预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010099679.XA CN111314936B (zh) | 2020-02-18 | 2020-02-18 | 基站业务量预测方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010099679.XA CN111314936B (zh) | 2020-02-18 | 2020-02-18 | 基站业务量预测方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111314936A CN111314936A (zh) | 2020-06-19 |
| CN111314936B true CN111314936B (zh) | 2022-09-13 |
Family
ID=71147261
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010099679.XA Active CN111314936B (zh) | 2020-02-18 | 2020-02-18 | 基站业务量预测方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111314936B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101819609A (zh) * | 2001-09-21 | 2010-09-01 | 无线谷通讯有限公司 | 用于设计、跟踪、测量、预测和优化数据通信网络的系统和方法 |
| CN103889001A (zh) * | 2014-03-13 | 2014-06-25 | 南京邮电大学 | 一种基于未来负载预测的自适应负载均衡方法 |
| CN104486773A (zh) * | 2014-12-05 | 2015-04-01 | 中国联合网络通信集团有限公司 | 一种预测基站下终端数的方法及装置 |
| WO2019223001A1 (en) * | 2018-05-25 | 2019-11-28 | Telefonaktiebolaget Lm Ericsson (Publ) | Managing a massive multiple input multiple output base station |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2003236165A1 (en) * | 2003-04-25 | 2004-11-23 | Utstarcom (China) Co. Ltd. | MACRO-DIVERSITY MANAGEMENT METHOD BY USING INTELLIGENT VBSs |
| US7773991B2 (en) * | 2007-04-02 | 2010-08-10 | Telefonaktiebolaget Lm Ericsson (Publ) | Reducing access latency while protecting against control signaling data processing overload |
| TWI457012B (zh) * | 2011-08-12 | 2014-10-11 | Univ Nat Chiao Tung | 移動預測方法 |
-
2020
- 2020-02-18 CN CN202010099679.XA patent/CN111314936B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101819609A (zh) * | 2001-09-21 | 2010-09-01 | 无线谷通讯有限公司 | 用于设计、跟踪、测量、预测和优化数据通信网络的系统和方法 |
| CN103889001A (zh) * | 2014-03-13 | 2014-06-25 | 南京邮电大学 | 一种基于未来负载预测的自适应负载均衡方法 |
| CN104486773A (zh) * | 2014-12-05 | 2015-04-01 | 中国联合网络通信集团有限公司 | 一种预测基站下终端数的方法及装置 |
| WO2019223001A1 (en) * | 2018-05-25 | 2019-11-28 | Telefonaktiebolaget Lm Ericsson (Publ) | Managing a massive multiple input multiple output base station |
Non-Patent Citations (3)
| Title |
|---|
| Dynamic Base Station Operation in Large-Scale Green Cellular Networks;Yue Ling Che et al.;《IEEE Journal on Selected Areas in Communications》;20160815;全文 * |
| 基于回归模型的WCDMA网新建基站业务量预测模型研究;高畅 等;《公路交通科技(应用技术版)》;20150915(第09期);全文 * |
| 蜂窝移动通信系统中一种热点业务分配算法;党安红 等;《电子与信息学报》;20050220;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111314936A (zh) | 2020-06-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111666497B (zh) | 应用程序的加载方法、装置、电子设备及可读存储介质 | |
| CN106164864A (zh) | 服务的预测负载伸缩 | |
| CN111552945B (zh) | 一种资源处理方法、装置及设备 | |
| CN109272348B (zh) | 活跃用户数量确定方法及装置、存储介质和电子设备 | |
| CN114867065B (zh) | 基站算力负载均衡方法、设备及存储介质 | |
| CN112667405B (zh) | 信息处理方法、装置、设备及存储介质 | |
| CN111654852B (zh) | 数据卡的切换方法、装置、终端及存储介质 | |
| CN107832141A (zh) | 应用程序运行控制方法及设备 | |
| CN111324471A (zh) | 服务调整方法、装置、设备及存储介质 | |
| CN115033352A (zh) | 多核处理器任务调度方法、装置及设备、存储介质 | |
| CN112449393A (zh) | 小区切换方法及终端 | |
| CN117057290A (zh) | 时序优化方法、装置、电子设备及存储介质 | |
| CN111314936B (zh) | 基站业务量预测方法及设备 | |
| CN110839166B (zh) | 一种数据共享方法及装置 | |
| CN117240727A (zh) | 通信网络切换方法及相关设备 | |
| CN110337112B (zh) | 终端接入方法及装置 | |
| CN113746763A (zh) | 一种数据处理的方法、装置和设备 | |
| CN112306371A (zh) | 存储管理的方法、设备和计算机程序产品 | |
| CN115225950A (zh) | 视频的播放控制方法和装置 | |
| CN111666020B (zh) | 一种文档页面切换的方法、装置、电子设备及存储介质 | |
| CN111046378B (zh) | 禁止第三方应用程序设置进程优先级的方法及相关装置 | |
| KR102163214B1 (ko) | CoMP 기반 스몰 셀 네트워크에서의 기계학습을 활용한 능동 캐싱 기법 | |
| CN114598649B (zh) | 内核带宽管理方法、装置、存储设备及存储介质 | |
| CN113608770B (zh) | 一种基于虚拟节点的产品迭代方法及装置 | |
| CN111757386B (zh) | 下载控制方法及设备 |
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 |