CN111726833A - 一种网络负载均衡方法、装置和存储介质 - Google Patents

一种网络负载均衡方法、装置和存储介质 Download PDF

Info

Publication number
CN111726833A
CN111726833A CN201910220485.8A CN201910220485A CN111726833A CN 111726833 A CN111726833 A CN 111726833A CN 201910220485 A CN201910220485 A CN 201910220485A CN 111726833 A CN111726833 A CN 111726833A
Authority
CN
China
Prior art keywords
network
cell
candidate
information
users
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.)
Granted
Application number
CN201910220485.8A
Other languages
English (en)
Other versions
CN111726833B (zh
Inventor
孙奇
张思明
段然
韩双锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, China Mobile Communications Ltd Research Institute filed Critical China Mobile Communications Group Co Ltd
Priority to CN201910220485.8A priority Critical patent/CN111726833B/zh
Publication of CN111726833A publication Critical patent/CN111726833A/zh
Application granted granted Critical
Publication of CN111726833B publication Critical patent/CN111726833B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H04W28/082—Load balancing or load distribution among bearers or channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/16—Performing reselection for specific purposes
    • H04W36/22—Performing reselection for specific purposes for handling the traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated 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
    • H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/24—Reselection being triggered by specific parameters
    • H04W36/30—Reselection being triggered by specific parameters by measured or perceived connection quality data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种网络负载均衡方法、装置和存储介质，用以在进行网络负载均衡的同时，保证业务服务质量和网络资源利用效率。所述方法，包括：针对任一网络小区，根据该网络小区在当前周期的网络负载信息预测其小区负载状态信息；根据小区负载状态信息确定需要进行网络负载均衡的候选切换小区集合和/或候选频点集合；根据候选切换小区和/或候选频点集合中用户实时测量信息预测候选切换小区和/或候选频点接入的用户的用户行为信息；根据用户行为信息筛选出候选切换用户；针对每一组负载均衡策略，分别预测执行该组负载均衡策略后各网络小区对应的网络评估参数；根据网络评估参数选择一组负载均衡策略进行网络小区和/或频点间的网络负载均衡。

Description

一种网络负载均衡方法、装置和存储介质
技术领域
本发明涉及无线通信网络技术领域，尤其涉及一种网络负载均衡方法、装置和存储介质。
背景技术
无线通信系统的业务分布存在很强的时空不均匀特性，为实现更高效的网络资源利用，通常采用负载均衡技术。LTE(Long Time Evolution，长期演进)网络中一种常用的负载均衡技术是移动性负载均衡(Mobility load balancing，MLB)，MLB一般根据基站间交互的基站负载信息，调整切换参数，使得超载小区的边缘用户切换到负载比较轻的相邻小区。
上述的网络负载均衡方法通常在检测到网络拥塞时才会触发，而且，在进行网络负载均衡时，仅考虑小区级的切换参数调整，而未考虑网络业务量以及用户行为等相关因素，因此，根据现有的网络负载均衡方法进行网络负载均衡后，将会对业务服务质量以及网络资源利用效率造成影响。
发明内容
本发明实施例提供一种网络负载均衡方法、装置和存储介质，用以在进行网络负载均衡的同时，保证业务服务质量和网络资源利用效率。
第一方面，提供一种网络负载均衡方法，包括：
在每一网络负载均衡周期，针对任一网络小区，根据该网络小区在当前周期的网络负载信息，利用预先训练的网络负载预测模型预测其小区负载状态信息；
根据预测出的各网络小区对应的小区负载状态信息，确定需要进行网络负载均衡的候选切换小区集合和/或候选频点集合；
根据所述候选切换小区和/或候选频点集合中用户实时测量信息，利用预先训练的用户行为预测模型预测候选切换小区和/或候选频点接入的每一用户的用户行为信息；
根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户，并建立候选切换小区和/或候选频点与所述候选切换用户之间的映射关系，每一候选切换用户与其对应的候选切换小区和/或候选频点之间的对应关系组成一组负载均衡策略；
针对每一组负载均衡策略，分别预测执行该组负载均衡策略后各网络小区对应的网络评估参数；
根据网络评估参数选择一组负载均衡策略进行网络小区和/或频点间的网络负载均衡。
在根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户之前，还包括：
根据所述实时测量信息，利用预先构造的网络虚拟栅格或者预先训练得到的异频测量估计模型预测候选切换小区和/或候选频点接入的每一用户的异频邻区参考信号接收功率RSRP；以及
在根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户时，还包括：
确定异频邻区RSRP大于预设阈值的用户为候选切换用户。
可选地，所述用户行为信息包括用户业务类型和用户业务量；以及
在根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户之后，还包括：
针对候选切换用户，根据用户业务类型，按照业务时延敏感度和/或业务优先等级升序排序；或者根据用户业务量，按照用户业务量降序排序。
可选地，所述网络负载预测模型为利用从基站采集的网络负载历史数据进行训练得到的，所述网络负载历史数据包括以下至少一项：上行保证比特率类型GBR业务物理资源块PRB占用信息、下行GBR业务PRB占用信息、上行非GBR业务PRB占用信息、下行非GBR业务PRB占用信息、上行调度控制信道单元CCE占用信息、下行调度CCE占用信息、上行PRB占用信息、下行PRB占用信息、上行用户数、下行用户数、小区媒体访问控制MAC速率、载波MAC速率和用户MAC速率。
可选地，所述用户行为预测模型为利用用户行为历史数据进行训练得到的，所述用户行为历史数据包括以下至少一项：用户业务类型、业务等级参数、服务质量等级指示QCI、接入小区标识、RSRP、参考信号接收质量RSRQ、接收信号强度指示RSSI、信号与干扰加噪声比SINR。
可选地，网络虚拟栅格为利用历史网络测量信息、历史网络配置信息和历史网络切换参考信息构造得到的，所述史网络测量信息包括以下至少一项：用户同频测量信息、用户异频测量信息；所述历史网络配置信息包括以下至少一项：小区标识、小区邻区配置信息、小区频点配置信息、小区频点优先级配置信息、小区帧结构配置信息；所述历史网络切换参考信息包括用户切换指标信息和/或用户使用的调制编码信息MCS。
第二方面，提供一种网络负载均衡装置，包括：
第一预测单元，用于在每一网络负载均衡周期，针对任一网络小区，根据该网络小区在当前周期的网络负载信息，利用预先训练的网络负载预测模型预测其小区负载状态信息；
确定单元，用于根据所述第一预测单元预测出的各网络小区对应的小区负载状态信息，确定需要进行网络负载均衡的候选切换小区集合和/或候选频点集合；
第二预测单元，用于根据所述候选切换小区和/或候选频点集合中用户实时测量信息，利用预先训练的用户行为预测模型预测候选切换小区和/或候选频点接入的每一用户的用户行为信息；
选择单元，用于根据所述第二预测单元预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户，并建立候选切换小区和/或候选频点与所述候选切换用户之间的映射关系，每一候选切换用户与其对应的候选切换小区和/或候选频点之间的对应关系组成一组负载均衡策略；
网络评估单元，用于针对每一组负载均衡策略，分别预测执行该组负载均衡策略后各网络小区对应的网络评估参数；
负载均衡单元，用于根据网络评估参数选择一组负载均衡策略进行网络小区和/或频点间的网络负载均衡。
可选地，本发明实施例提供的网络负载均衡装置，还包括第三预测单元，
其中：
所述第三预测单元，用于在所述选择单元根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户之前，根据所述实时测量信息，利用预先构造的网络虚拟栅格或者预先训练得到的异频测量估计模型预测候选切换小区和/或候选频点接入的每一用户的异频邻区参考信号接收功率RSRP；
所述选择单元，还用于在根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户时，确定异频邻区RSRP大于预设阈值的用户为候选切换用户。
可选地，所述用户行为信息包括用户业务类型和用户业务量；以及
所述装置，还包括：
排序单元，用于在所述选择单元根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户之后，针对候选切换用户，根据用户业务类型，按照业务时延敏感度和/或业务优先等级升序排序；或者根据用户业务量，按照用户业务量降序排序。
可选地，所述网络负载预测模型为利用从基站采集的网络负载历史数据进行训练得到的，所述网络负载历史数据包括以下至少一项：上行保证比特率类型GBR业务物理资源块PRB占用信息、下行GBR业务PRB占用信息、上行非GBR业务PRB占用信息、下行非GBR业务PRB占用信息、上行调度控制信道单元CCE占用信息、下行调度CCE占用信息、上行PRB占用信息、下行PRB占用信息、上行用户数、下行用户数、小区媒体访问控制MAC速率、载波MAC速率和用户MAC速率。
可选地，所述用户行为预测模型为利用用户行为历史数据进行训练得到的，所述用户行为历史数据包括以下至少一项：用户业务类型、业务等级参数、服务质量等级指示QCI、接入小区标识、RSRP、参考信号接收质量RSRQ、接收信号强度指示RSSI、信号与干扰加噪声比SINR。
可选地，网络虚拟栅格为利用历史网络测量信息、历史网络配置信息和历史网络切换参考信息构造得到的，所述史网络测量信息包括以下至少一项：用户同频测量信息、用户异频测量信息；所述历史网络配置信息包括以下至少一项：小区标识、小区邻区配置信息、小区频点配置信息、小区频点优先级配置信息、小区帧结构配置信息；所述历史网络切换参考信息包括用户切换指标信息和/或用户使用的调制编码信息MCS。
第三方面，提供一种计算装置，包括至少一个处理器、以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行上述网络负载均衡方法所述的任一步骤。
第四方面，提供一种计算机可读介质，其存储有可由计算装置执行的计算机程序，当所述程序在计算装置上运行时，使得所述计算装置执行上述网络负载均衡方法所述的任一步骤。
本发明实施例提供的网络负载均衡方法、装置和存储介质，利用预先训练的网络负载预测模型预测小区负载状态信息，根据预测的小区负载状态信息确定需要进行网络负载均衡的候选小区和/或候选频点，进一步利用用户行为预测模型预测候选小区和/或候选频点的用户行为信息，根据预测的用户行为信息从候选小区和/或候选频点接入的用户中筛选出候选切换用户，并建立切换小区和/或候选频点与候选切换用户之间的映射关系，每一候选切换用户与其对应的候选切换小区和/或候选频点之间的对应关系组成一组负载均衡策略；针对每一组负载均衡策略，分别预测执行该组负载均衡策略后各网络小区对应的网络评估参数，并据此进行网络负载均衡，上述过程中，既考虑了网络负载情况，又考虑了用户行为对网络负载产生的影响，从而，实现了在进行网络负载均衡的同时，提保证业务服务质量和网络资源利用效率不受影响。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例中，网络负载均衡方法的实施流程示意图；
图2为本发明实施例中，网络负载均衡装置的结构示意图；
图3为根据本发明实施方式的计算装置的结构示意图。
具体实施方式
为了在进行网络负载均衡的同时，提高业务服务质量和网络资源利用效率，本发明实施例提供了一种网络负载均衡方法、装置和存储介质。
本发明实施例中的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。
在本文中提及的“多个或者若干个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明，并且在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本发明实施例中，为了实现在网络负载均衡的同时，提高业务服务质量和网络资源利用效率，通过训练网络负载预测模型和用户行为预测模型等，对网络负载情况和用户行为信息进行预测，这样，在进行网络负载均衡时可以从网络负载情况和用户行为两个维度考虑，使得进行网络负载均衡后，既能保证业务服务质量，又能保证网络资源利用效率。以下首先对网络负载预测模型和用户行为预测模型的训练过程进行说明。
本发明实施例提供的网络负载均衡方法可以由CU(控制单元)或者网络管理实体实施。具体实施时，CU(控制单元)或者网络管理实体从基站采集训练网络负载预测模型和用户行为预测模型所需的数据。其中，网络负载预测模型为利用从基站采集的网络负载历史数据进行训练得到的，具体实施时，网络负载历史数据包括以下至少一项：上行GBR(保证比特率类型)业务PRB(物理资源块)占用信息、下行GBR业务PRB占用信息、上行非GBR业务PRB占用信息、下行非GBR业务PRB占用信息、CCE(上行调度控制信道单元)占用信息、下行调度CCE占用信息、上行PRB占用信息、下行PRB占用信息、上行用户数、下行用户数、小区MAC(媒体访问控制)速率、载波MAC速率和用户MAC速率等。用户行为预测模型为利用用户行为历史数据进行训练得到的，用户行为历史数据包括以下至少一项：用户业务类型、业务等级参数、QCI(服务质量等级指示)、接入小区标识、RSRP、RSRQ(参考信号接收质量)、RSSI(接收信号强度指示)、SINR(信号与干扰加噪声比)。具体实施时，CU或者网络管理实体采集的数据还可以包括历史网络测量信息、历史网络配置信息和历史网络切换参考信息等。其中，史网络测量信息包括以下至少一项：用户同频测量信息、用户异频测量信息；所述历史网络配置信息包括以下至少一项：小区标识、小区邻区配置信息、小区频点配置信息、小区频点优先级配置信息、小区帧结构配置信息；所述历史网络切换参考信息包括用户切换指标信息和/或用户使用的MCS(调制编码信息)。具体实施时，用户同频测量信息和用户异频测量信息可以包括以下至少一项：RSRP、RSRQ、RSSI、和TA(跟踪区)等；用户切换指标信息可以包括切换成功率、切换尝试次数、切换出成功次数等等。
具体实施时，利用采集的网络负载历史数据和用户行为历史数据，可以采用机器学习算法，如ARIMA(Autoregressive Integrated Moving Average Model，自回归积分滑动平均模型)、支持向量机和LSTM(Long Short-Term Memory，长短期记忆网络)等对网络负载预测模型和用户行为预测模型进行训练，得到相应的模型参数。基于训练得到的模型，如图1所示，其为本发明实施例提供的网络负载均衡方法的实施流程示意图，可以包括以下步骤：
S11、在每一网络负载均衡周期，针对任一网络小区，根据该网络小区在当前周期的网络负载信息，利用预先训练的网络负载预测模型预测其小区负载状态信息。
具体实施时，小区负载状态信息可以包括以下至少一项：小区级PRB占用预测信息、小区级用户数量预测信息和小区级控制信道占用预测信息等。
S12、根据预测出的各网络小区对应的小区负载状态信息，确定需要进行网络负载均衡的候选切换小区集合和/或候选频点集合。
具体实施时，可以确定网络负载超过第一阈值的小区和/或频点需要进行网络负载均衡，这种小区和/或频点需要分流用户，而网络负载低于第二阈值的小区和/或频点可以接收超过网络负载超过第一阈值小区和/或频点分流出的用户。
其中，候选小区集合中包含至少一个候选小区，候选频点集合中包含至少一个候选频点。
需要说明的是，本发明实施例中涉及的用户可以为移动通信网络中的UE(用户设备)。
S13、根据所述候选切换小区和/或候选频点集合中用户实时测量信息，利用预先训练的用户行为预测模型预测候选切换小区和/或候选频点接入的每一用户的用户行为信息。
本步骤中，根据候选切换小区和/或候选频点中用户上报的实时测量信息，利用预先训练的用户行为预测模型预测用户行为信息。其中，预测出的用户行为信息包括以下至少一项：用户级业务类型/QCI(服务质量等级指示)预测信息、用户级业务量预测信息和用户移动性方向预测信息，其中，用户移动性方向预测信息可以为用户下一接入小区等。
S14、根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户，并建立候选切换小区和/或候选频点与所述候选切换用户之间的映射关系。
其中，每一候选切换用户与其对应的候选切换小区和/或候选频点之间的对应关系组成一组负载均衡策略。
具体实施时，在预测出候选切换小区和/候选切换频点以及候选切换用户之后，可以进一步的建立候选切换用户与其可能的候选切换小区和/或候选切换频点之间的对应关系。以候选切换小区包含{A，B，C}为例，候选切换用户包括{用户1，用户2，用户3}为例，假设用户A可能的切换小区为{A，B}，用户2可能的切换小区为{B}，用户C可能的切换小区为{B，C}，则可以建立如下的对应关系表，如表1所示：
表1
Figure BDA0002003460240000091
Figure BDA0002003460240000101
进一步地，根据候选切换用户与其对应的候选切换小区之间的对应关系可以确定出不同的负载均衡策略，例如，第一种负载均衡策略为：用户1切换至A，用户2切换到B，用户3切换到B，第二种负载均衡策略为：用户1切换至A，用户2切换到B，用户3切换到C；第三种负载均衡策略为：用户1切换至B，用户2切换至B，用户3切换到B；第四种负载均衡策略为：用户1切换至B，用户2切换至B，用户3切换到C等等。负载均衡策略为不同候选切换用户与不同候选切换小区之间的对应关系组合。
需要说明的是，各候选切换用户对应的候选切换小区可以根据该候选切换用户上报的测量报告、预测出的网络负载以及用户行为信息确定出。
具体实施时，用户行为信息包括用户业务类型和用户业务量，优选地，在根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户之后，还可以针对候选切换用户，根据用户业务类型，按照业务时延敏感度和/或业务优先等级升序排序，即时延敏感度低及业务优先级低业务的用户排在前面；或者根据用户业务量，按照用户业务量降序排序，用户业务量较大用户的排在前面。
其中，时延敏感度用于描述用户业务对时延的容忍程度，时延敏感度越高，说明用户业务对时延要求越高，例如，实时业务对时延的要求比非实时业务对时延的要求要高一些，即实时业务的时延敏感度更高。
S15、针对每一组负载均衡策略，分别预测执行该组负载均衡策略后各网络小区对应的网络评估参数。
具体实施时，针对每一组负载均衡测量，分别预测执行该组负载均衡策略后各网络小区对应的网络评估参数。其中，网络评估参数可以包括以下至少一项：网络服务总用户数，基站负载，最大化最小PRB占用率，网络负载均衡度等。具体实施时，网络负载均衡度可以通过小区间的PRB占用率的标准差或者每小区接入用户数量的标准差来表示。
其中，候选切换用户对目标切换小区(在该组负载均衡策略中，候选切换用户可能切换至的候选切换小区)负载的影响可以根据用户当前接入的源小区的RSRP以及该候选切换用户接入目标切换小区的RSRP进行换算：一种可能的换算方法为：PRB(i，目标切换小区)＝PRB(i，源小区)*源小区RSRP/目标小区RSRP。其中，PRB(i，目标切换小区)表示用户i接入目标小区时占用的PRB资源；PRB(i，源小区)表示用户i接入源小区时占用的PRB资源。
S16、根据网络评估参数选择一组负载均衡策略进行网络小区和/或频点间的网络负载均衡。
具体实施时，可以选择网络评估参数最大的一组负载均衡策略作为最优负载均能策略进行网络小区和/或频点间的网络负载均衡。具体实施时，可以遍历每一负载均衡策略，以选择出最优的负载均衡策略，也可以通过贪婪算法生成最优负载均能策略，如根据网络评估参数依次切换候选切换用户，还可以采用一些优化搜索方法确定最优负载均衡策略等等，本发明实施例中对此不进行限定。
在确定出最优负载均衡策略之后，CU或者网络管理实体可以根据确定出的最优负载均衡策略控制相应的候选切换用户切换至最优负载均衡策略中对应的候选切换小区，或者还可以根据足有负载均衡策略，生成网络配置参数，如网络切换参数、负载判决门限(如用户数门限、资源占用率门限、启动负载均能策略时满足门限条件需要持续的时间等等)，生成的网络配置参数可以实现上述确定出的最优负载均能策略。
为了提高网络负载均衡的准确性，本发明实施例中，在模型训练阶段，还可以利用采集的历史网络测量信息、历史网络配置信息和历史网络切换参考信息等构造网络虚拟栅格或者训练异频测量估计模型，用以在建立候选切换用户与候选切换小区之间的映射关系时作为参考。
具体地实施时，网络虚拟栅格和异频测量估计模型，可利用UE周期性上报的测量信息中的同频/异频测量信息进行构造或者训练。
其中，一种构造虚拟栅格的方式如下：利用收集到的用户的同频接入小区及至少2个同频邻区的RSRP数据组成3元组构建栅格索引，将RSRP按照一定的区间进行划分，得到不同的栅格索引，统计不同用户在栅格索引内的异频邻区RSRP测量结果，网络切换参考信息(如用户切换指标信息和/或用户使用的MCS)作为栅格属性。
对于异频测量估计模型，可以根据收集到的用户的同频接入小区及至少2个同频邻区的RSRP数据组成模型输入，用户的异频邻区的RSRP测量结果作为模型输出。基于构建的输入输出数据集，训练得到异频测量估计模型。在训练异频测量估计模型时，也可以采用ARIMA、支持向量机、LSTM等。
这样，在执行步骤S14之前，根据候选切换小区和/或候选频点集合中用户实时测量信息，利用构造的网络虚拟栅格或者预先训练得到的异频测量估计模型预测候选切换小区和/或候选频点接入的每一用户的异频邻区RSRP(参考信号接收功率)，在根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户时，可以选择异频邻区RSRP大于预设阈值的用户为候选切换用户。这样，可以提高后续根据确定出的最优负载均衡策略进行负载均衡时候选切换用户的切换成功率。
本发明实施例提供的网络负载均衡方法可以利用机器学习对网络负载及用户行为进行预测，基于准确的预测信息，可以实现精细化的负载均衡策略，提升网络资源利用效率及用户体验。
基于同一发明构思，本发明实施例中还提供了一种网络负载均衡装置，由于上述装置解决问题的原理与网络负载均衡方法相似，因此上述装置的实施可以参见方法的实施，重复之处不再赘述。
如图2所示，其为本发明实施例提供的网络负载均衡装置的结构示意图，包括：
第一预测单元21，用于在每一网络负载均衡周期，针对任一网络小区，根据该网络小区在当前周期的网络负载信息，利用预先训练的网络负载预测模型预测其小区负载状态信息；
确定单元22，用于根据所述第一预测单元21预测出的各网络小区对应的小区负载状态信息，确定需要进行网络负载均衡的候选切换小区集合和/或候选频点集合；
第二预测单元23，用于根据所述候选切换小区和/或候选频点集合中用户实时测量信息，利用预先训练的用户行为预测模型预测候选切换小区和/或候选频点接入的每一用户的用户行为信息；
选择单元24，用于根据所述第二预测单元预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户，并建立候选切换小区和/或候选频点与所述候选切换用户之间的映射关系，每一候选切换用户与其对应的候选切换小区和/或候选频点之间的对应关系组成一组负载均衡策略；
网络评估单元25，用于针对每一组负载均衡策略，分别预测执行该组负载均衡策略后各网络小区对应的网络评估参数；
负载均衡单元26，用于根据网络评估参数选择一组负载均衡策略进行网络小区和/或频点间的网络负载均衡。
可选地，本发明实施例提供的网络负载均衡装置，还包括第三预测单元，其中：
所述第三预测单元，用于在所述选择单元根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户之前，根据所述实时测量信息，利用预先构造的网络虚拟栅格或者预先训练得到的异频测量估计模型预测候选切换小区和/或候选频点接入的每一用户的异频邻区参考信号接收功率RSRP；
所述选择单元，还用于在根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户时，确定异频邻区RSRP大于预设阈值的用户为候选切换用户。
可选地，所述用户行为信息包括用户业务类型和用户业务量；以及
所述装置，还包括：
排序单元，用于在所述选择单元根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户之后，针对候选切换用户，根据用户业务类型，按照业务时延敏感度和/或业务优先等级升序排序；或者根据用户业务量，按照用户业务量降序排序。
可选地，所述网络负载预测模型为利用从基站采集的网络负载历史数据进行训练得到的，所述网络负载历史数据包括以下至少一项：上行保证比特率类型GBR业务物理资源块PRB占用信息、下行GBR业务PRB占用信息、上行非GBR业务PRB占用信息、下行非GBR业务PRB占用信息、上行调度控制信道单元CCE占用信息、下行调度CCE占用信息、上行PRB占用信息、下行PRB占用信息、上行用户数、下行用户数、小区媒体访问控制MAC速率、载波MAC速率和用户MAC速率。
可选地，所述用户行为预测模型为利用用户行为历史数据进行训练得到的，所述用户行为历史数据包括以下至少一项：用户业务类型、业务等级参数、服务质量等级指示QCI、接入小区标识、RSRP、参考信号接收质量RSRQ、接收信号强度指示RSSI、信号与干扰加噪声比SINR。
可选地，网络虚拟栅格为利用历史网络测量信息、历史网络配置信息和历史网络切换参考信息构造得到的，所述史网络测量信息包括以下至少一项：用户同频测量信息、用户异频测量信息；所述历史网络配置信息包括以下至少一项：小区标识、小区邻区配置信息、小区频点配置信息、小区频点优先级配置信息、小区帧结构配置信息；所述历史网络切换参考信息包括用户切换指标信息和/或用户使用的调制编码信息MCS。
为了描述的方便，以上各部分按照功能划分为各模块(或单元)分别描述。当然，在实施本发明时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
在介绍了本发明示例性实施方式的网络负载均衡方法和装置之后，接下来，介绍根据本发明的另一示例性实施方式的计算装置。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本发明的计算装置可以至少包括至少一个处理器、以及至少一个存储器。其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行本说明书上述描述的根据本发明各种示例性实施方式的网络负载均衡方法中的步骤。例如，所述处理器可以执行如图1中所示的步骤S11、在每一网络负载均衡周期，针对任一网络小区，根据该网络小区在当前周期的网络负载信息，利用预先训练的网络负载预测模型预测其小区负载状态信息，和步骤S12、根据预测出的各网络小区对应的小区负载状态信息，确定需要进行网络负载均衡的候选切换小区集合和/或候选频点集合；以及步骤S13、根据所述候选切换小区和/或候选频点集合中用户实时测量信息，利用预先训练的用户行为预测模型预测候选切换小区和/或候选频点接入的每一用户的用户行为信息；步骤S14、根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户，并建立候选切换小区和/或候选频点与所述候选切换用户之间的映射关系，每一候选切换用户与其对应的候选切换小区和/或候选频点之间的对应关系组成一组负载均衡策略；步骤S15、针对每一组负载均衡策略，分别预测执行该组负载均衡策略后各网络小区对应的网络评估参数；以及步骤S16、根据网络评估参数选择一组负载均衡策略进行网络小区和/或频点间的网络负载均衡。
下面参照图3来描述根据本发明的这种实施方式的计算装置30。图3显示的计算装置30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，计算装置30以通用计算设备的形式表现。计算装置30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器32可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
计算装置30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与计算装置30交互的设备通信，和/或与使得该计算装置30能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且，计算装置30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器36通过总线33与用于计算装置30的其它模块通信。应当理解，尽管图中未示出，可以结合计算装置30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中，本发明提供的网络负载均衡方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在计算机设备上运行时，所述程序代码用于使所述计算机设备执行本说明书上述描述的根据本发明各种示例性实施方式的网络负载均衡方法中的步骤，例如，所述计算机设备可以执行如图1中所示的步骤S11、在每一网络负载均衡周期，针对任一网络小区，根据该网络小区在当前周期的网络负载信息，利用预先训练的网络负载预测模型预测其小区负载状态信息，和步骤S12、根据预测出的各网络小区对应的小区负载状态信息，确定需要进行网络负载均衡的候选切换小区集合和/或候选频点集合；以及步骤S13、根据所述候选切换小区和/或候选频点集合中用户实时测量信息，利用预先训练的用户行为预测模型预测候选切换小区和/或候选频点接入的每一用户的用户行为信息；步骤S14、根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户，并建立候选切换小区和/或候选频点与所述候选切换用户之间的映射关系，每一候选切换用户与其对应的候选切换小区和/或候选频点之间的对应关系组成一组负载均衡策略；步骤S15、针对每一组负载均衡策略，分别预测执行该组负载均衡策略后各网络小区对应的网络评估参数；以及步骤S16、根据网络评估参数选择一组负载均衡策略进行网络小区和/或频点间的网络负载均衡。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本发明的实施方式的用于网络负载均衡的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在计算设备上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (14)

1.一种网络负载均衡方法，其特征在于，包括：
在每一网络负载均衡周期，针对任一网络小区，根据该网络小区在当前周期的网络负载信息，利用预先训练的网络负载预测模型预测其小区负载状态信息；
根据预测出的各网络小区对应的小区负载状态信息，确定需要进行网络负载均衡的候选切换小区集合和/或候选频点集合；
根据所述候选切换小区和/或候选频点集合中用户实时测量信息，利用预先训练的用户行为预测模型预测候选切换小区和/或候选频点接入的每一用户的用户行为信息；
根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户，并建立候选切换小区和/或候选频点与所述候选切换用户之间的映射关系，每一候选切换用户与其对应的候选切换小区和/或候选频点之间的对应关系组成一组负载均衡策略；
针对每一组负载均衡策略，分别预测执行该组负载均衡策略后各网络小区对应的网络评估参数；
根据网络评估参数选择一组负载均衡策略进行网络小区和/或频点间的网络负载均衡。
2.如权利要求1所述的方法，其特征在于，在根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户之前，还包括：
根据所述实时测量信息，利用预先构造的网络虚拟栅格或者预先训练得到的异频测量估计模型预测候选切换小区和/或候选频点接入的每一用户的异频邻区参考信号接收功率RSRP；以及
在根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户时，还包括：
确定异频邻区RSRP大于预设阈值的用户为候选切换用户。
3.如权利要求1或2所述的方法，其特征在于，所述用户行为信息包括用户业务类型和用户业务量；以及
在根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户之后，还包括：
针对候选切换用户，根据用户业务类型，按照业务时延敏感度和/或业务优先等级升序排序；或者根据用户业务量，按照用户业务量降序排序。
4.如权利要求1所述的方法，其特征在于，所述网络负载预测模型为利用从基站采集的网络负载历史数据进行训练得到的，所述网络负载历史数据包括以下至少一项：上行保证比特率类型GBR业务物理资源块PRB占用信息、下行GBR业务PRB占用信息、上行非GBR业务PRB占用信息、下行非GBR业务PRB占用信息、上行调度控制信道单元CCE占用信息、下行调度CCE占用信息、上行PRB占用信息、下行PRB占用信息、上行用户数、下行用户数、小区媒体访问控制MAC速率、载波MAC速率和用户MAC速率。
5.如权利要求1所述的方法，其特征在于，所述用户行为预测模型为利用用户行为历史数据进行训练得到的，所述用户行为历史数据包括以下至少一项：用户业务类型、业务等级参数、服务质量等级指示QCI、接入小区标识、RSRP、参考信号接收质量RSRQ、接收信号强度指示RSSI、信号与干扰加噪声比SINR。
6.如权利要求2所述的方法，其特征在于，网络虚拟栅格为利用历史网络测量信息、历史网络配置信息和历史网络切换参考信息构造得到的，所述史网络测量信息包括以下至少一项：用户同频测量信息、用户异频测量信息；所述历史网络配置信息包括以下至少一项：小区标识、小区邻区配置信息、小区频点配置信息、小区频点优先级配置信息、小区帧结构配置信息；所述历史网络切换参考信息包括用户切换指标信息和/或用户使用的调制编码信息MCS。
7.一种网络负载均衡装置，其特征在于，包括：
第一预测单元，用于在每一网络负载均衡周期，针对任一网络小区，根据该网络小区在当前周期的网络负载信息，利用预先训练的网络负载预测模型预测其小区负载状态信息；
确定单元，用于根据所述第一预测单元预测出的各网络小区对应的小区负载状态信息，确定需要进行网络负载均衡的候选切换小区集合和/或候选频点集合；
第二预测单元，用于根据所述候选切换小区和/或候选频点集合中用户实时测量信息，利用预先训练的用户行为预测模型预测候选切换小区和/或候选频点接入的每一用户的用户行为信息；
选择单元，用于根据所述第二预测单元预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户，并建立候选切换小区和/或候选频点与所述候选切换用户之间的映射关系，每一候选切换用户与其对应的候选切换小区和/或候选频点之间的对应关系组成一组负载均衡策略；
网络评估单元，用于针对每一组负载均衡策略，分别预测执行该组负载均衡策略后各网络小区对应的网络评估参数；
负载均衡单元，用于根据网络评估参数选择一组负载均衡策略进行网络小区和/或频点间的网络负载均衡。
8.如权利要求7所述的装置，其特征在于，还包括第三预测单元，其中：
所述第三预测单元，用于在所述选择单元根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户之前，根据所述实时测量信息，利用预先构造的网络虚拟栅格或者预先训练得到的异频测量估计模型预测候选切换小区和/或候选频点接入的每一用户的异频邻区参考信号接收功率RSRP；
所述选择单元，还用于在根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户时，确定异频邻区RSRP大于预设阈值的用户为候选切换用户。
9.如权利要求7或8所述的装置，其特征在于，所述用户行为信息包括用户业务类型和用户业务量；以及
所述装置，还包括：
排序单元，用于在所述选择单元根据预测出的用户行为信息，从所述候选切换小区和/或候选频点接入的所有用户中筛选出候选切换用户之后，针对候选切换用户，根据用户业务类型，按照业务时延敏感度和/或业务优先等级升序排序；或者根据用户业务量，按照用户业务量降序排序。
10.如权利要求7所述的装置，其特征在于，所述网络负载预测模型为利用从基站采集的网络负载历史数据进行训练得到的，所述网络负载历史数据包括以下至少一项：上行保证比特率类型GBR业务物理资源块PRB占用信息、下行GBR业务PRB占用信息、上行非GBR业务PRB占用信息、下行非GBR业务PRB占用信息、上行调度控制信道单元CCE占用信息、下行调度CCE占用信息、上行PRB占用信息、下行PRB占用信息、上行用户数、下行用户数、小区媒体访问控制MAC速率、载波MAC速率和用户MAC速率。
11.如权利要求7所述的装置，其特征在于，所述用户行为预测模型为利用用户行为历史数据进行训练得到的，所述用户行为历史数据包括以下至少一项：用户业务类型、业务等级参数、服务质量等级指示QCI、接入小区标识、RSRP、参考信号接收质量RSRQ、接收信号强度指示RSSI、信号与干扰加噪声比SINR。
12.如权利要求8所述的装置，其特征在于，网络虚拟栅格为利用历史网络测量信息、历史网络配置信息和历史网络切换参考信息构造得到的，所述史网络测量信息包括以下至少一项：用户同频测量信息、用户异频测量信息；所述历史网络配置信息包括以下至少一项：小区标识、小区邻区配置信息、小区频点配置信息、小区频点优先级配置信息、小区帧结构配置信息；所述历史网络切换参考信息包括用户切换指标信息和/或用户使用的调制编码信息MCS。
13.一种计算装置，其特征在于，包括至少一个处理器、以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行权利要求1～6任一权利要求所述方法的步骤。
14.一种计算机可读介质，其特征在于，其存储有可由计算装置执行的计算机程序，当所述程序在计算装置上运行时，使得所述计算装置执行权利要求1～6任一所述方法的步骤。
CN201910220485.8A 2019-03-22 2019-03-22 一种网络负载均衡方法、装置和存储介质 Active CN111726833B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910220485.8A CN111726833B (zh) 2019-03-22 2019-03-22 一种网络负载均衡方法、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910220485.8A CN111726833B (zh) 2019-03-22 2019-03-22 一种网络负载均衡方法、装置和存储介质

Publications (2)

Publication Number Publication Date
CN111726833A true CN111726833A (zh) 2020-09-29
CN111726833B CN111726833B (zh) 2023-03-31

Family

ID=72562636

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910220485.8A Active CN111726833B (zh) 2019-03-22 2019-03-22 一种网络负载均衡方法、装置和存储介质

Country Status (1)

Country Link
CN (1) CN111726833B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112469091A (zh) * 2020-11-05 2021-03-09 厦门大学 基于数据共享的多系统测量方法及装置
CN112533238A (zh) * 2020-11-23 2021-03-19 东智安通(北京)科技有限公司 网络优化方法、装置、电子设备及存储介质
CN112996067A (zh) * 2021-02-23 2021-06-18 中国联合网络通信集团有限公司 服务小区确定方法、装置及存储介质
CN113286315A (zh) * 2021-06-11 2021-08-20 中国联合网络通信集团有限公司 负载均衡判断方法、装置、设备及存储介质
CN113709799A (zh) * 2021-09-07 2021-11-26 中国联合网络通信集团有限公司 小区均衡负载方法、装置、电子设备及存储介质
CN114189475A (zh) * 2021-12-15 2022-03-15 中国电信股份有限公司 网络负荷优化方法和装置、计算机存储介质、电子设备
CN114258081A (zh) * 2021-11-16 2022-03-29 中国联合网络通信集团有限公司 同覆盖小区的负载均衡方法、装置、电子设备及存储介质
CN114286408A (zh) * 2021-12-27 2022-04-05 广州爱浦路网络技术有限公司 基于天地一体化的网络性能优化方法、系统、装置及介质
CN114401531A (zh) * 2021-12-21 2022-04-26 京信网络系统股份有限公司 负载均衡方法、装置、系统和存储介质
CN114554551A (zh) * 2022-04-25 2022-05-27 广州世炬网络科技有限公司 基于prb利用率的基站负载均衡方法、装置及设备
CN114727350A (zh) * 2022-04-21 2022-07-08 中国联合网络通信集团有限公司 终端切换方法、装置、设备及存储介质
WO2022151199A1 (zh) * 2021-01-14 2022-07-21 北京小米移动软件有限公司 条件切换的方法、装置、通信设备及存储介质
WO2022179339A1 (zh) * 2021-02-24 2022-09-01 华为技术有限公司 一种功率调整方法以及网络管理服务器
CN115278792A (zh) * 2022-06-23 2022-11-01 重庆邮电大学 超密集异构无线网络中感知终端接入偏好的切换判决方法
WO2023011423A1 (zh) * 2021-08-04 2023-02-09 华为技术有限公司 一种负载均衡策略的确定方法和装置
CN115278792B (zh) * 2022-06-23 2024-05-24 重庆邮电大学 超密集异构无线网络中感知终端接入偏好的切换判决方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105007591A (zh) * 2015-07-28 2015-10-28 重庆大学 一种异构无线网络中用户与网络双向选择方法
US20160050588A1 (en) * 2014-08-13 2016-02-18 Huawei Technologies Canada Co., Ltd. System and Method for Wireless Load Balancing
CN105430689A (zh) * 2016-01-06 2016-03-23 重庆邮电大学 异构网络中基于业务和效用函数的负载均衡方法
CN105813133A (zh) * 2014-12-30 2016-07-27 中国电信股份有限公司 网络负载均衡控制方法和系统、负载均衡控制装置
CN107318118A (zh) * 2017-06-27 2017-11-03 广东工业大学 一种基于反馈计算的无线异构网络负载均衡方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160050588A1 (en) * 2014-08-13 2016-02-18 Huawei Technologies Canada Co., Ltd. System and Method for Wireless Load Balancing
CN105813133A (zh) * 2014-12-30 2016-07-27 中国电信股份有限公司 网络负载均衡控制方法和系统、负载均衡控制装置
CN105007591A (zh) * 2015-07-28 2015-10-28 重庆大学 一种异构无线网络中用户与网络双向选择方法
CN105430689A (zh) * 2016-01-06 2016-03-23 重庆邮电大学 异构网络中基于业务和效用函数的负载均衡方法
CN107318118A (zh) * 2017-06-27 2017-11-03 广东工业大学 一种基于反馈计算的无线异构网络负载均衡方法

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112469091A (zh) * 2020-11-05 2021-03-09 厦门大学 基于数据共享的多系统测量方法及装置
CN112533238A (zh) * 2020-11-23 2021-03-19 东智安通(北京)科技有限公司 网络优化方法、装置、电子设备及存储介质
WO2022151199A1 (zh) * 2021-01-14 2022-07-21 北京小米移动软件有限公司 条件切换的方法、装置、通信设备及存储介质
CN112996067A (zh) * 2021-02-23 2021-06-18 中国联合网络通信集团有限公司 服务小区确定方法、装置及存储介质
CN112996067B (zh) * 2021-02-23 2023-11-07 中国联合网络通信集团有限公司 服务小区确定方法、装置及存储介质
WO2022179339A1 (zh) * 2021-02-24 2022-09-01 华为技术有限公司 一种功率调整方法以及网络管理服务器
CN113286315A (zh) * 2021-06-11 2021-08-20 中国联合网络通信集团有限公司 负载均衡判断方法、装置、设备及存储介质
CN113286315B (zh) * 2021-06-11 2022-08-09 中国联合网络通信集团有限公司 负载均衡判断方法、装置、设备及存储介质
WO2023011423A1 (zh) * 2021-08-04 2023-02-09 华为技术有限公司 一种负载均衡策略的确定方法和装置
CN113709799B (zh) * 2021-09-07 2023-07-07 中国联合网络通信集团有限公司 小区均衡负载方法、装置、电子设备及存储介质
CN113709799A (zh) * 2021-09-07 2021-11-26 中国联合网络通信集团有限公司 小区均衡负载方法、装置、电子设备及存储介质
CN114258081B (zh) * 2021-11-16 2024-05-03 中国联合网络通信集团有限公司 同覆盖小区的负载均衡方法、装置、电子设备及存储介质
CN114258081A (zh) * 2021-11-16 2022-03-29 中国联合网络通信集团有限公司 同覆盖小区的负载均衡方法、装置、电子设备及存储介质
CN114189475A (zh) * 2021-12-15 2022-03-15 中国电信股份有限公司 网络负荷优化方法和装置、计算机存储介质、电子设备
CN114189475B (zh) * 2021-12-15 2024-03-19 中国电信股份有限公司 网络负荷优化方法和装置、计算机存储介质、电子设备
CN114401531A (zh) * 2021-12-21 2022-04-26 京信网络系统股份有限公司 负载均衡方法、装置、系统和存储介质
CN114286408A (zh) * 2021-12-27 2022-04-05 广州爱浦路网络技术有限公司 基于天地一体化的网络性能优化方法、系统、装置及介质
CN114727350A (zh) * 2022-04-21 2022-07-08 中国联合网络通信集团有限公司 终端切换方法、装置、设备及存储介质
CN114727350B (zh) * 2022-04-21 2023-08-08 中国联合网络通信集团有限公司 终端切换方法、装置、设备及存储介质
CN114554551A (zh) * 2022-04-25 2022-05-27 广州世炬网络科技有限公司 基于prb利用率的基站负载均衡方法、装置及设备
CN115278792A (zh) * 2022-06-23 2022-11-01 重庆邮电大学 超密集异构无线网络中感知终端接入偏好的切换判决方法
CN115278792B (zh) * 2022-06-23 2024-05-24 重庆邮电大学 超密集异构无线网络中感知终端接入偏好的切换判决方法

Also Published As

Publication number Publication date
CN111726833B (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
CN111726833B (zh) 一种网络负载均衡方法、装置和存储介质
CN109788488B (zh) 一种网络站点的规划方法和装置
KR101583582B1 (ko) 동적 주파수 스펙트럼 최적화 방법, 장치 및 시스템
CN105009475B (zh) 考虑到用户设备(ue)移动性的用于准入控制和资源可用性预测的方法和系统
KR102292990B1 (ko) 상태 관련 정보 공유 방법 및 장치
US9848337B2 (en) Metro cell planning
CN111132190A (zh) 基站负荷预警方法、装置
US20130294272A1 (en) Deactivation of micro cells in cellular wireless networks
CN113543284A (zh) 节能方法、基站、控制单元及存储介质
US20230066688A1 (en) Methods and systems for data-driven roll-out planning optimization
CN112020098B (zh) 负荷均衡方法、装置、计算设备及计算机存储介质
CN110662245A (zh) 基于深度学习的基站负荷预警方法及装置
US11706642B2 (en) Systems and methods for orchestration and optimization of wireless networks
Sesto-Castilla et al. Use of Machine Learning for energy efficiency in present and future mobile networks
CN103828422A (zh) 负载均衡的方法和网络控制节点
CN111225392A (zh) 小区负荷均衡方法、装置、设备及计算机存储介质
CN109982385B (zh) 基于lte业务类型特征的网络智能均衡方法及装置
CN113132437B (zh) Cdn调度方法、系统、设备和存储介质
Kahvand et al. Channel selection in cognitive radio networks: A new dynamic approach
US11706719B2 (en) Dynamic operation parameter optimization and modulation of a wireless network
US11838766B2 (en) Facilitating implementation of communication network deployment through network planning in advanced networks
CN107294672B (zh) 一种小区载波聚合的调度方法及装置
CN112637904B (zh) 负载均衡方法、装置及计算设备
CN112437469B (zh) 服务质量保障方法、装置和计算机可读存储介质
Agarwal et al. A Low Complexity ML-Assisted Multi-knapsack-based Approach for User Association and Resource Allocation in 5G HetNets

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