CN111800807A - 一种基站用户数量告警的方法及装置 - Google Patents

一种基站用户数量告警的方法及装置 Download PDF

Info

Publication number
CN111800807A
CN111800807A CN201910276342.9A CN201910276342A CN111800807A CN 111800807 A CN111800807 A CN 111800807A CN 201910276342 A CN201910276342 A CN 201910276342A CN 111800807 A CN111800807 A CN 111800807A
Authority
CN
China
Prior art keywords
base station
time point
alarm
user
time period
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.)
Withdrawn
Application number
CN201910276342.9A
Other languages
English (en)
Inventor
孙遒
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 Suzhou Software Technology Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Suzhou Software Technology Co Ltd
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 Suzhou Software Technology Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201910276342.9A priority Critical patent/CN111800807A/zh
Publication of CN111800807A publication Critical patent/CN111800807A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/04—Arrangements for maintaining operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0681—Configuration of triggering conditions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • 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)
  • Telephonic Communication Services (AREA)

Abstract

本发明公开了一种基站用户数量告警的方法，所述方法包括：获取基站历史用户数量数据；将所述基站历史用户数量数据按日期类型进行分类；获取与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据；根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值。本发明所公开的技术方案能够减少与第一时间段的日期类型不相同的基站历史用户数量数据对所述第一时间段的第一时间点的用户数量预测值的影响，提高了所述第一时间段的第一时间点的用户数量预测值的准确度。本发明还公开了一种基站用户数量告警的装置。

Description

一种基站用户数量告警的方法及装置
技术领域
本发明涉及数据处理技术，尤其涉及一种基站用户数量告警的方法及装置。
背景技术
随着城市化的高速发展，城市人口增长迅速，各种人员密集型的活动较多，需要提前对发生人员聚集的基站进行监控，并实时统计每个小区基站内用户数量，若用户数量超过一定阈值就产生告警，提醒基站工作人员及时进行维护检查，保证大规模活动或者人数高压时基站的正常运作。
如何准确预测基站的用户数量，是目前需要解决的问题。
发明内容
本发明实施例提供了一种基站处理用户数量告警的方法和装置。
本发明实施例提供了一种基站用户数量告警的方法，包括：
获取基站历史用户数量数据；
将所述基站历史用户数量数据按日期类型进行分类；
获取与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据；
根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值。
上述方案中，还包括：
基于所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警；
其中，所述第二时间点位于当前时间点和所述第一时间点之间。
上述方案中，所述基于所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警，包括：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第一告警用户数量阈值时，生成基站告警信息。
上述方案中，所述基于所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警，包括：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
将所述第一告警用户数量阈值和预设的最低告警用户数量阈值中的较大值作为第一目标告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第一目标告警用户数量阈值时，生成基站告警信息。
上述方案中，还包括：
获取与所述第一时间段的日期类型相同的对应时间段的基站历史用户数量数据中的历史用户数量最大值；
基于所述历史用户数量最大值和所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警。
上述方案中，所述基于所述历史用户数量最大值和所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警，包括：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
根据所述历史用户数量最大值，生成第二告警用户数量阈值；
将所述第一告警用户数量阈值和所述第二告警用户数量阈值中的较大值作为第二目标告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第二目标告警用户数量阈值时，生成基站用户数量告警信息。
上述方案中，所述基于所述历史用户数量最大值和所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警，包括：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
根据所述历史用户数量最大值，生成第二告警用户数量阈值；
将所述第一告警用户数量阈值、所述第二告警用户数量阈值和预设的最低告警用户数量阈值中的最大值作为第三目标告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第三目标告警用户数量阈值时，生成基站用户数量告警信息。
上述方案中，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警系数相乘，得到所述第一告警用户数量阈值。
上述方案中，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警增量相加，得到所述第一告警用户数量阈值。
上述方案中，所述根据所述历史用户数量最大值，生成第二告警用户数量阈值，包括：
将所述历史用户数量最大值与预设的第二告警系数相乘，得到所述第二告警用户数量阈值。
上述方案中，所述获取基站历史用户数量数据，包括：
获取预设周期内所述基站每隔预设时长间隔的时间点的用户数量，作为所述基站历史用户数量数据。
上述方案中，所述根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值，包括：
根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据建立二次指数平滑法预测模型；
根据所述二次指数平滑法预测模型确定所述第一时间段的第一时间点的用户数量预测值。
上述方案中，所述根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据建立二次指数平滑法预测模型，包括：
将所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据按照时间顺序排列，通过拟合训练确定平滑系数α；
所述二次指数平滑法预测模型的表达式为：Ft+T＝at+btT，其中，Ft+T为第t+T个时间点的预测值，t为时间点序数，T为第t个时间点到所述第一时间点的所述预设时长间隔的间隔数；
其中，at为一次指数平滑值加上一次指数平滑值与二次指数平滑值的差值，bt为趋势变动值，at和bt的计算公式为：
at＝2St (1)-St (2)
Figure BDA0002020097390000041
St (1)＝αxt+(1-α)St-1 (1)
St (2)＝αSt (1)+(1-α)St-1 (2)
其中，xt为第t个时间点对应的用户数量，St (1)为一次指数平滑值，St (2)为二次指数平滑值；
所述根据所述二次指数平滑法预测模型确定所述第一时间段的第一时间点的用户数量预测值，包括：
计算所述第一时间点与所述第一时间段的起始时间的差值，将所述差值除以所述预设时长间隔，得到所述T。
本发明实施例提供一种基站用户数量告警的装置，包括：
接收模块，用于获取基站历史用户数量数据；
分类模块，用于将所述基站历史用户数量数据按日期类型进行分类；
第一获取模块，用于获取与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据；
处理模块，用于根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值。
上述方案中，所述装置还包括：
第一告警模块，用于基于所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警；其中，所述第二时间点位于当前时间点和所述第一时间点之间。
上述方案中，所述装置还包括：
第二获取模块，用于获取与所述第一时间段的日期类型相同的对应时间段的基站历史用户数量数据中的历史用户数量最大值；
第二告警模块，用于基于所述历史用户数量最大值和所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警。
上述方案中，所述接收模块，具体用于：
获取预设周期内所述基站每隔预设时长间隔的时间点的用户数量，作为所述基站历史用户数量数据。
上述方案中，所述处理模块，具体用于：
根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据建立二次指数平滑法预测模型；
根据所述二次指数平滑法预测模型确定所述第一时间段的第一时间点的用户数量预测值。
本发明实施例提供一种基站用户数量告警的装置，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；
其中，所述处理器用于运行所述计算机程序时，执行上述任一基站用户数量告警的方法的步骤。
本发明实施例提供一种计算机存储介质，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上述任一基站用户数量告警的方法的步骤。
本发明实施例提供的基站用户数量告警的方法，通过获取基站历史用户数量数据；将所述基站历史用户数量数据按日期类型进行分类；获取与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据；根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值，减少与第一时间段的日期类型不相同的基站历史用户数量数据对所述第一时间段的第一时间点的用户数量预测值的影响，提高了所述第一时间段的第一时间点的用户数量预测值的准确度。
附图说明
附图以示例而非限制的方式大体示出了本文中所讨论的各个实施例。
图1为本发明实施例一种基站用户数量告警的方法流程示意图；
图2为本发明又一实施例一种基站用户数量告警的方法流程示意图；
图3为本发明又一实施例一种基站用户数量告警的方法流程示意图；
图4为本发明实施例一种基站用户数量告警的装置结构示意图；
图5为本发明又一实施例一种基站用户数量告警的装置结构示意图；
图6为本发明又一实施例一种基站用户数量告警的装置结构示意图；
图7为本发明一个具体实施例中基站用户数量告警的流程示意图；
图8为本发明实施例提供的装置的硬件结构示意图。
具体实施方式
为了能够更加详尽地了解本发明实施例的特点与技术内容，下面结合附图对本发明实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本发明实施例。
本发明实施例提供一种基站用户数量告警的方法，如图1所示，包括：
步骤101，获取基站历史用户数量数据。
其中，基站的用户，包括：移动电话、物联网设备和智能移动终端等可以访问基站的设备。历史用户数量数据的来源主要包括对基站上传的信令数据进行统计获得的用户数量。
步骤102，将所述基站历史用户数量数据按日期类型进行分类。
在一些实施例中，所述日期类型包括：工作日、公休日或公共假日。
相同日期类型的基站历史用户数量数据之间的差异性相对较小，通过将基站历史用户数量数据按日期类型进行分类，可以减少不同日期类型之间差异较大对用户数量预测值的影响。
步骤103，获取与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据。
步骤104，根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值。
在一些实施例中，所述步骤101包括：
获取预设周期内所述基站每隔预设时长间隔的时间点的用户数量，作为所述基站历史用户数量数据。
一段连续时间的基站历史用户数量数据，通常包含以单位时间为节点的每一个时间点的用户数量；例如：连续三天中的每秒所对应的用户数量；因此数据量非常巨大。所述预设时长间隔可以根据应用场景对预测精度的需求进行设定，精度需求越高对应预设的时长间隔越小；获取每隔预设时长间隔的时间点，可以减少处理的数据量，提高运算效率。
在一些具体的实施例中，所述预设时长可以设置为5分钟，以每5分钟间隔的用户数量数据作为基站历史用户数量数据，可以满足对以5分钟为周期的用户数量预测的精度需求。
在一些实施例中，所述步骤104包括：
根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据建立二次指数平滑法预测模型；
根据所述二次指数平滑法预测模型确定所述第一时间段的第一时间点的用户数量预测值。
其中，所述根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据建立二次指数平滑法预测模型，包括：
将所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据按照时间顺序排列，通过拟合训练确定平滑系数α；
所述二次指数平滑法预测模型的表达式为：Ft+T＝at+btT，其中，Ft+T为第t+T个时间点的预测值，t为时间点序数，T为第t个时间点到所述第一时间点的所述预设时长间隔的间隔数；
其中，at为一次指数平滑值加上一次指数平滑值与二次指数平滑值的差值，bt为趋势变动值，at和bt的计算公式为：
at＝2St (1)-St (2)
Figure BDA0002020097390000081
St (1)＝αxt+(1-α)St-1 (1)
St (2)＝αSt (1)+(1-α)St-1 (2)
其中，xt为第t个时间点对应的用户数量，St (1)为一次指数平滑值，St (2)为二次指数平滑值；
所述根据所述二次指数平滑法预测模型确定所述第一时间段的第一时间点的用户数量预测值，包括：
计算所述第一时间点与所述第一时间段的起始时间的差值，将所述差值除以所述预设时长间隔，得到所述T。
自回归模型(auto regressive model，AR)和滑动平均模型(moving averagemodel，MA)，都是模型参量法高分辨率谱分析方法。
自回归滑动平均模型(auto regressive moving average model，ARMA)模型参量法高分辨率谱分析方法之一。这种方法是研究平稳随机过程有理谱的典型方法，适用于很大一类实际问题。它比AR模型法与MA模型法有较精确的谱估计及较优良的谱分辨率性能，但其参数估算比较繁琐。ARMA模型对于历史数据的数据维度要求较高，对于不稳定的数据、数据量不全的情况，均无法训练出合适的模型。因此，基于ARMA的用户数量预警方法只适用于对特定场景或者特定区域范围提供有效的监控管理，而对于数十万级量级的基站，受计算能力的限制，对每个基站进行单独建立预测模型监控用户数量的场景无法满足。
二次指数平滑法是对一次指数平滑值作再一次指数平滑的方法。二次指数平滑法不能单独地进行预测，必须与一次指数平滑法配合，建立预测的数学模型，然后运用数学模型确定预测值。采用二次指数平滑法可以先求出一次指数平滑值和二次指数平滑值的差值，然后将此差值加到一次指数平滑值上去，再加上趋势变动值就能得出近似于实际的预测值。因此，二次指数平滑法建立的预测模型相对于ARMA所需要的计算量更少。二次指数平滑法的加权的特点是对离预测值较近的历史数据给予较大的权数，对离预测期较远的历史数据给予较小的权数，权数由近到远按指数规律递减，因此，选用二次指数平滑法预测模型能够获得接近实际值的预测用户数量。
本发明又一实施例提供一种基站用户数量告警的方法，如图2所示，包括：
步骤201，获取基站历史用户数量数据。
步骤202，将所述基站历史用户数量数据按日期类型进行分类。
步骤203，获取与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据。
步骤204，根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值。
步骤205，基于所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警；其中，所述第二时间点位于当前时间点和所述第一时间点之间。
在一些实施例中，所述步骤205包括：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第一告警用户数量阈值时，生成基站告警信息。
在一些实施例中，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警系数相乘，得到所述第一告警用户数量阈值。
在一些实施例中，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警增量相加，得到所述第一告警用户数量阈值。
在一些实施例中，所述步骤205包括：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
将所述第一告警用户数量阈值和预设的最低告警用户数量阈值中的较大值作为第一目标告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第一目标告警用户数量阈值时，生成基站告警信息。
其中，预设的最低告警用户数量阈值，用于减少在获取到的基站历史用户数量远小于基站负荷时用户数量波动产生的误告警。例如，某基站的设计负荷可以承载用户数量为1000个，而基站历史用户数量在10-20个之间变化，此时设置最低告警用户数量为200个，可以减少用户数量相对于基站历史用户数量波动时产生的误告警。
在一些实施例中，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警系数相乘，得到所述第一告警用户数量阈值。
在一些实施例中，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警增量相加，得到所述第一告警用户数量阈值。
本发明又一实施例提供一种基站用户数量告警的方法，如图3所示，包括：
步骤301，获取基站历史用户数量数据。
步骤302，将所述基站历史用户数量数据按日期类型进行分类。
步骤303，获取与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据。
步骤304，根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值。
步骤305，获取与所述第一时间段的日期类型相同的对应时间段的基站历史用户数量数据中的历史用户数量最大值。
步骤306，基于所述历史用户数量最大值和所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警。
基于所述历史用户数量最大值和所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警，可以减少平时用户数量较多，而在用户数量下降后恢复到平时用户数量水平时的误告警。例如：某基站在一个月以前的用户数量稳定在500个，该基站的历史用户数量最大值为520个，而近一个月内的用户数量下降至100个，在根据近一个月的基站历史用户数据进行预测所得到的第一时间点的用户数量也是100个，但在实际应用中，对于在这种情况下用户数量突然恢复到500个，依然是该基站所能稳定承载的用户数量，不需要进行告警，因此，在这种情况下，基于历史用户数量最大值判断用户数量是否需要告警，能够减少误告警。
在一些实施例中，所述步骤306包括：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
根据所述历史用户数量最大值，生成第二告警用户数量阈值；
将所述第一告警用户数量阈值和所述第二告警用户数量阈值中的较大值作为第二目标告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第二目标告警用户数量阈值时，生成基站用户数量告警信息。
在一些实施例中，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警系数相乘，得到所述第一告警用户数量阈值。
在一些实施例中，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警增量相加，得到所述第一告警用户数量阈值。
在一些实施例中，所述根据所述历史用户数量最大值，生成第二告警用户数量阈值，包括：
将所述历史用户数量最大值与预设的第二告警系数相乘，得到所述第二告警用户数量阈值。
在一些实施例中，所述根据所述历史用户数量最大值，生成第二告警用户数量阈值，包括：
将所述历史用户数量最大值作为所述第二告警用户数量阈值。
将所述历史用户数量最大值作为所述第二告警用户数量阈值可以减少判断第二告警用户数量阈值的运算量，简化判断过程。
在一些具体的实施例中，历史用户数量最大值是基站正常工作时所能承载的用户数量的最大值，在实际应用中，用户数量低于历史用户数量最大值时，通常不会影响基站的正常工作，因此当用户数量不超过历史用户数量最大值的时候，可以不生成基站用户数量告警信息。
在一些实施例中，所述步骤306包括：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
根据所述历史用户数量最大值，生成第二告警用户数量阈值；
将所述第一告警用户数量阈值、所述第二告警用户数量阈值和预设的最低告警用户数量阈值中的最大值作为第三目标告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第三目标告警用户数量阈值时，生成基站用户数量告警信息。
在一些实施例中，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警系数相乘，得到所述第一告警用户数量阈值。
在一些实施例中，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警增量相加，得到所述第一告警用户数量阈值。
在一些实施例中，所述根据所述历史用户数量最大值，生成第二告警用户数量阈值，包括：
将所述历史用户数量最大值与预设的第二告警系数相乘，得到所述第二告警用户数量阈值。
在一些实施例中，所述根据所述历史用户数量最大值，生成第二告警用户数量阈值，包括：
将所述历史用户数量最大值作为所述第二告警用户数量阈值。
本发明实施例提供一种基站用户数量告警的装置，如图4所示，包括：
接收模块401，用于获取基站历史用户数量数据。
分类模块402，用于将所述基站历史用户数量数据按日期类型进行分类。
在一些实施例中，所述日期类型包括：工作日、公休日或公共假日。
第一获取模块403，用于获取与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据。
处理模块404，用于根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值。
在一些实施例中，所述接收模块401，具体用于：
获取预设周期内所述基站每隔预设时长间隔的时间点的用户数量，作为所述基站历史用户数量数据。
在一些实施例中，所述处理模块404，具体用于：
根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据建立二次指数平滑法预测模型；
根据所述二次指数平滑法预测模型确定所述第一时间段的第一时间点的用户数量预测值。
在一些实施例中，所述处理模块404，具体用于：
将所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据按照时间顺序排列，通过拟合训练确定平滑系数α；
所述二次指数平滑法预测模型的表达式为：Ft+T＝at+btT，其中，Ft+T为第t+T个时间点的预测值，t为时间点序数，T为第t个时间点到所述第一时间点的所述预设时长间隔的间隔数；
其中，at为一次指数平滑值加上一次指数平滑值与二次指数平滑值的差值，bt为趋势变动值，at和bt的计算公式为：
at＝2St (1)-St (2)
Figure BDA0002020097390000141
St (1)＝αxt+(1-α)St-1 (1)
St (2)＝αSt (1)+(1-α)St-1 (2)
其中，xt为第t个时间点对应的用户数量，St (1)为一次指数平滑值，St (2)为二次指数平滑值；
计算所述第一时间点与所述第一时间段的起始时间的差值，将所述差值除以所述预设时长间隔，得到所述T。
本发明又一实施例提供一种基站用户数量告警的装置，如图5所示，包括：
接收模块501，用于获取基站历史用户数量数据。
分类模块502，用于将所述基站历史用户数量数据按日期类型进行分类。
第一获取模块503，用于获取与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据。
处理模块504，用于根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值。
第一告警模块505，用于基于所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警；其中，所述第二时间点位于当前时间点和所述第一时间点之间。
在一些实施例中，所述第一告警模块505，具体用于：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第一告警用户数量阈值时，生成基站告警信息。
在一些实施例中，所述第一告警模块505，具体用于：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
将所述第一告警用户数量阈值和预设的最低告警用户数量阈值中的较大值作为第一目标告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第一目标告警用户数量阈值时，生成基站告警信息。
本发明又一实施例提供一种基站用户数量告警的装置，如图6所示，包括：
接收模块601，用于获取基站历史用户数量数据。
分类模块602，用于将所述基站历史用户数量数据按日期类型进行分类。
第一获取模块603，用于获取与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据。
处理模块604，用于根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值。
第二获取模块605，用于获取与所述第一时间段的日期类型相同的对应时间段的基站历史用户数量数据中的历史用户数量最大值。
第二告警模块606，用于基于所述历史用户数量最大值和所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警。
在一些实施例中，所述第二告警模块606，具体用于：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
根据所述历史用户数量最大值，生成第二告警用户数量阈值；
将所述第一告警用户数量阈值和所述第二告警用户数量阈值中的较大值作为第二目标告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第二目标告警用户数量阈值时，生成基站用户数量告警信息。
在一些实施例中，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警系数相乘，得到所述第一告警用户数量阈值。
在一些实施例中，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警增量相加，得到所述第一告警用户数量阈值。
在一些实施例中，所述第二告警模块606，具体用于：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
根据所述历史用户数量最大值，生成第二告警用户数量阈值；
将所述第一告警用户数量阈值、所述第二告警用户数量阈值和预设的最低告警用户数量阈值中的最大值作为第三目标告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第三目标告警用户数量阈值时，生成基站用户数量告警信息。
在一些实施例中，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警系数相乘，得到所述第一告警用户数量阈值。
在一些实施例中，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警增量相加，得到所述第一告警用户数量阈值。
在一些实施例中，所述根据所述历史用户数量最大值，生成第二告警用户数量阈值，包括：
将所述历史用户数量最大值与预设的第二告警系数相乘，得到所述第二告警用户数量阈值。
在一些实施例中，所述根据所述历史用户数量最大值，生成第二告警用户数量阈值，包括：
将所述历史用户数量最大值作为所述第二告警用户数量阈值。
本发明一个具体的实施例提供一种基站用户数量告警的方法，流程如图7所示，包括：
获取基站历史用户数量数据，数据来源包括对基站上传的信令数据进行统计获得的历史时刻对应的用户数量。取得预设时间周期的基站历史用户数量数据后进行预处理消除时间特征；其中，预设时间周期可以根据基站应用场景的实际需求进行调整，例如，对商务办公区域基站，预设时间周期在三至四周即可获得满足对工作日基站用户数量预测所需的数据，对于其他应用场景，技术人员可以根据实际需要进行预设时间周期的设定，这里只是举例说明，并非对本发明中预设时间周期的限定；按照日期类型对基站历史用户数量数据进行分类：将所获取的基站历史用户数量数据按照日期类型特征和每天时间切片分类。具体包括：将日期类型分为工作日、公休日和公共假日；将一天作为半小时粒度的48个时间切片分类；再分别计算模型。
对于日期类型相同的半小时粒度的基站历史用户数量数据，将基站历史用户数量数据进行数据采样：提取预设时间周期内相同日期类型的基站历史用户数量数据，进行模型的拟合，建立二次指数平滑法预测模型，并检验二次指数平滑法预测模型的准确度。模型训练包括：计算一次指数平滑序列；计算二次指数平滑序列；计算预测的直线斜率和截距；建立二次指数平滑法预测模型；利用所得二次指数平滑法预测模型获得指定时刻的预测用户数量。
具体地，获取基站历史人数数据在预设时间周期内每五分钟时间点的用户数量的集合。根据日期类型将基站历史用户数量数据分为三类：工作日、公休日和公共假日。将相同日期类型的数据按照半小时为粒度的每天48个时间切片分类，例如10点到10点半为同一时间切片，那么取出相同时间类型的基站历史用户数量数据中每天10点到10点半的用户数量，将分类后的基站历史用户数量数据按照时间顺序排列，然后针对每一组分类的数据进行模型的拟合训练。通过拟合训练，确定平滑系数α。
二次指数平滑法预测模型的表达式为：Ft+T＝at+btT，其中，Ft+T为第t+T个时间点的预测值，t为时间点序数，T为第t个时间点到所述第一时间点的所述预设时长间隔的间隔数，at为一次指数平滑值加上一次指数平滑值与二次指数平滑值的差值，bt为趋势变动值，at和bt的计算公式为：
at＝2St (1)-St (2)
Figure BDA0002020097390000181
St (1)＝αxt+(1-α)St-1 (1)
St (2)＝αSt (1)+(1-α)St-1 (2)
其中，xt为第t个时间点对应的用户数量，St (1)为一次指数平滑值，St (2)为二次指数平滑值。
根据基站历史用户数量数据获得at和bt，T个时间周期后时间点的人数预测值，即为在at的基础上行加上T个bt。
每隔半小时，利用基站的二次指数平滑法预测模型和基站历史用户数量数据，计算下一个半小时时间点的用户数量预测值；将用户数量预测值乘以预设的告警系数作为告警用户数量阈值，将所述告警用户数量阈值、预设的最小告警用户数量阈值和历史最大用户数量阈值中的最大值作为目标告警用户数量阈值，当下一个半小时时间点之前的当前时刻基站用户数量超出目标告警用户数量阈值时，生成基站用户数量告警信息。
其中考虑到了多种误告警的情况：最小告警用户数量阈值可以减少在基站人数很少时大幅度人数波动产生的误告警；历史最大用户数量阈值考虑到了基站用户数量在预设时间周期内下降导致的误告警情况。因此，结合多个用户数量告警阈值进行基站用户数量告警判定，能够有效减少误告警的情况，提高了基站的维护工作效率。
随时间变化，由于受到其他因素影响，用户数量随时间变化趋势可能会改变，所以每隔一段时间，需要更新基站历史用户数量数据重建二次指数平滑法预测模型。
为了实现本发明实施例的基站用户数量告警的方法，本发明实施例还提供了一种基于硬件实现的基站用户数量告警的装置，如图8所示，基站用户数量告警的装置91包括：处理器901和用于存储能够在处理器上运行的计算机程序的存储器902，其中，
所述处理器901用于运行所述计算机程序时，执行：
获取基站历史用户数量数据；
将所述基站历史用户数量数据按日期类型进行分类；
获取与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据；
根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值。
在一些实施例中，所述处理器901还用于运行所述计算机程序时，执行：
根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据建立二次指数平滑法预测模型；
根据所述二次指数平滑法预测模型确定所述第一时间段的第一时间点的用户数量预测值。
其中，所述根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据建立二次指数平滑法预测模型，包括：
将所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据按照时间顺序排列，通过拟合训练确定平滑系数α；
所述二次指数平滑法预测模型的表达式为：Ft+T＝at+btT，其中，Ft+T为第t+T个时间点的预测值，t为时间点序数，T为第t个时间点到所述第一时间点的所述预设时长间隔的间隔数；
其中，at为一次指数平滑值加上一次指数平滑值与二次指数平滑值的差值，bt为趋势变动值，at和bt的计算公式为：
at＝2St (1)-St (2)
Figure BDA0002020097390000201
St (1)＝αxt+(1-α)St-1 (1)
St (2)＝αSt (1)+(1-α)St-1 (2)
其中，xt为第t个时间点对应的用户数量，St (1)为一次指数平滑值，St (2)为二次指数平滑值；
所述根据所述二次指数平滑法预测模型确定所述第一时间段的第一时间点的用户数量预测值，包括：
计算所述第一时间点与所述第一时间段的起始时间的差值，将所述差值除以所述预设时长间隔，得到所述T。
上述实施例提供的基站用户数量告警的装置与基站用户数量告警的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
当然，实际应用时，如图8所示，该数据处理装置还可以包括至少一个通信接口903。数据处理装置中的各个组件通过总线系统904耦合在一起。可理解，总线系统904用于实现这些组件之间的连接通信。总线系统904除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图8中将各种总线都标为总线系统904。
其中，通信接口903，用于与其它设备进行交互。
具体来说，所述处理器901可以通过通信接口903向对应所述被调用方应用的应用服务器发送操作结果查询请求，获取所述应用服务器发送的所述被调用方应用的操作结果。
可以理解，存储器902可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器902旨在包括但不限于这些和任意其它适合类型的存储器。
本发明实施例中，还提供了一种计算机可读存储介质，用于存储上述实施例中提供的计算程序，以完成前述方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备，如移动电话、计算机、智能家电、服务器等。
需要说明的是：以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (20)

1.一种基站用户数量告警的方法，其特征在于，所述方法包括：
获取基站历史用户数量数据；
将所述基站历史用户数量数据按日期类型进行分类；
获取与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据；
根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警；
其中，所述第二时间点位于当前时间点和所述第一时间点之间。
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警，包括：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第一告警用户数量阈值时，生成基站告警信息。
4.根据权利要求2所述的方法，其特征在于，所述基于所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警，包括：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
将所述第一告警用户数量阈值和预设的最低告警用户数量阈值中的较大值作为第一目标告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第一目标告警用户数量阈值时，生成基站告警信息。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取与所述第一时间段的日期类型相同的对应时间段的基站历史用户数量数据中的历史用户数量最大值；
基于所述历史用户数量最大值和所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警。
6.根据权利要求5所述的方法，其特征在于，所述基于所述历史用户数量最大值和所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警，包括：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
根据所述历史用户数量最大值，生成第二告警用户数量阈值；
将所述第一告警用户数量阈值和所述第二告警用户数量阈值中的较大值作为第二目标告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第二目标告警用户数量阈值时，生成基站用户数量告警信息。
7.根据权利要求5所述的方法，其特征在于，所述基于所述历史用户数量最大值和所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警，包括：
根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值；
根据所述历史用户数量最大值，生成第二告警用户数量阈值；
将所述第一告警用户数量阈值、所述第二告警用户数量阈值和预设的最低告警用户数量阈值中的最大值作为第三目标告警用户数量阈值；
当所述第二时间点的基站用户数量大于所述第三目标告警用户数量阈值时，生成基站用户数量告警信息。
8.根据权利要求3、4、6或7所述的方法，其特征在于，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警系数相乘，得到所述第一告警用户数量阈值。
9.根据权利要求3、4、6或7所述的方法，其特征在于，所述根据所述第一时间点的用户数量预测值，生成第一告警用户数量阈值，包括：
将所述第一时间点的用户数量预测值与预设的第一告警增量相加，得到所述第一告警用户数量阈值。
10.根据权利要求6或7所述的方法，其特征在于，所述根据所述历史用户数量最大值，生成第二告警用户数量阈值，包括：
将所述历史用户数量最大值与预设的第二告警系数相乘，得到所述第二告警用户数量阈值。
11.根据权利要求1所述的方法，其特征在于，所述获取基站历史用户数量数据，包括：
获取预设周期内所述基站每隔预设时长间隔的时间点的用户数量，作为所述基站历史用户数量数据。
12.根据权利要求11所述的方法，其特征在于，所述根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值，包括：
根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据建立二次指数平滑法预测模型；
根据所述二次指数平滑法预测模型确定所述第一时间段的第一时间点的用户数量预测值。
13.根据权利要求12所述的方法，其特征在于，所述根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据建立二次指数平滑法预测模型，包括：
将所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据按照时间顺序排列，通过拟合训练确定平滑系数α；
所述二次指数平滑法预测模型的表达式为：Ft+T＝at+btT，其中，Ft+T为第t+T个时间点的预测值，t为时间点序数，T为第t个时间点到所述第一时间点的所述预设时长间隔的间隔数；
其中，at为一次指数平滑值加上一次指数平滑值与二次指数平滑值的差值，bt为趋势变动值，at和bt的计算公式为：
at＝2St (1)-St (2)
Figure FDA0002020097380000041
St (1)＝αxt+(1-α)St-1 (1)
St (2)＝αSt (1)+(1-α)St-1 (2)
其中，xt为第t个时间点对应的用户数量，St (1)为一次指数平滑值，St (2)为二次指数平滑值；
所述根据所述二次指数平滑法预测模型确定所述第一时间段的第一时间点的用户数量预测值，包括：
计算所述第一时间点与所述第一时间段的起始时间的差值，将所述差值除以所述预设时长间隔，得到所述T。
14.一种基站用户数量告警的装置，其特征在于，所述装置包括：
接收模块，用于获取基站历史用户数量数据；
分类模块，用于将所述基站历史用户数量数据按日期类型进行分类；
第一获取模块，用于获取与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据；
处理模块，用于根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据，确定所述第一时间段的第一时间点的用户数量预测值。
15.根据权利要求14所述的装置，其特征在于，所述装置还包括：
第一告警模块，用于基于所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警；其中，所述第二时间点位于当前时间点和所述第一时间点之间。
16.根据权利要求14所述的装置，其特征在于，所述装置还包括：
第二获取模块，用于获取与所述第一时间段的日期类型相同的对应时间段的基站历史用户数量数据中的历史用户数量最大值；
第二告警模块，用于基于所述历史用户数量最大值和所述第一时间点的用户数量预测值，对第二时间点的基站用户数量告警。
17.根据权利要求14所述的装置，其特征在于，所述接收模块，具体用于：
获取预设周期内所述基站每隔预设时长间隔的时间点的用户数量，作为所述基站历史用户数量数据。
18.根据权利要求17所述的装置，其特征在于，所述处理模块，具体用于：
根据所述与第一时间段的日期类型相同的对应时间段的基站历史用户数量数据建立二次指数平滑法预测模型；
根据所述二次指数平滑法预测模型确定所述第一时间段的第一时间点的用户数量预测值。
19.一种基站用户数量告警的装置，其特征在于，所述装置包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；
其中，所述处理器用于运行所述计算机程序时，执行权利要求1至13任一项所述方法的步骤。
20.一种计算机存储介质，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权利要求1至13任一项所述方法的步骤。
CN201910276342.9A 2019-04-08 2019-04-08 一种基站用户数量告警的方法及装置 Withdrawn CN111800807A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910276342.9A CN111800807A (zh) 2019-04-08 2019-04-08 一种基站用户数量告警的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910276342.9A CN111800807A (zh) 2019-04-08 2019-04-08 一种基站用户数量告警的方法及装置

Publications (1)

Publication Number Publication Date
CN111800807A true CN111800807A (zh) 2020-10-20

Family

ID=72805621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910276342.9A Withdrawn CN111800807A (zh) 2019-04-08 2019-04-08 一种基站用户数量告警的方法及装置

Country Status (1)

Country Link
CN (1) CN111800807A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112527608A (zh) * 2020-12-10 2021-03-19 北京自如信息科技有限公司 一种告警方法、装置及计算机设备
CN113891386A (zh) * 2021-11-02 2022-01-04 中国联合网络通信集团有限公司 基站的隐性故障确定方法、装置、设备和可读存储介质
CN114500231A (zh) * 2022-01-20 2022-05-13 中通服创立信息科技有限责任公司 一种流量波动的预警方法、系统、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101593343A (zh) * 2009-06-24 2009-12-02 贵州省理化测试分析研究中心 无公害农产品的长期安全预警方法
CN107844848A (zh) * 2016-09-20 2018-03-27 中国移动通信集团湖北有限公司 一种区域人流量预测方法及系统
CN108665096A (zh) * 2018-04-28 2018-10-16 新华三大数据技术有限公司 人流量告警方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101593343A (zh) * 2009-06-24 2009-12-02 贵州省理化测试分析研究中心 无公害农产品的长期安全预警方法
CN107844848A (zh) * 2016-09-20 2018-03-27 中国移动通信集团湖北有限公司 一种区域人流量预测方法及系统
CN108665096A (zh) * 2018-04-28 2018-10-16 新华三大数据技术有限公司 人流量告警方法及装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112527608A (zh) * 2020-12-10 2021-03-19 北京自如信息科技有限公司 一种告警方法、装置及计算机设备
CN113891386A (zh) * 2021-11-02 2022-01-04 中国联合网络通信集团有限公司 基站的隐性故障确定方法、装置、设备和可读存储介质
CN113891386B (zh) * 2021-11-02 2023-06-20 中国联合网络通信集团有限公司 基站的隐性故障确定方法、装置、设备和可读存储介质
CN114500231A (zh) * 2022-01-20 2022-05-13 中通服创立信息科技有限责任公司 一种流量波动的预警方法、系统、电子设备及存储介质
CN114500231B (zh) * 2022-01-20 2023-07-25 中通服创立信息科技有限责任公司 一种流量波动的预警方法、系统、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US10248528B2 (en) System monitoring method and apparatus
CN106685674B (zh) 网络事件预测以及建立网络事件预测模型的方法和装置
CN110209560B (zh) 数据异常检测方法及检测装置
CN111985726B (zh) 资源数量预测方法、装置、电子设备及存储介质
CN114285728B (zh) 一种预测模型训练方法、流量预测方法、装置及存储介质
CN111800807A (zh) 一种基站用户数量告警的方法及装置
CN110414715B (zh) 一种基于社团检测的客流量预警方法
CN112700017B (zh) 物业维修资源分配方法、装置、计算机设备及存储介质
CN108989092A (zh) 一种无线网络预测方法、电子设备及存储介质
CN111835536B (zh) 一种流量预测方法和装置
CN114786190A (zh) 一种流量的预测方法、装置及存储介质
CN110443451B (zh) 事件定级方法、装置、计算机设备和存储介质
CN112533270A (zh) 基站节能的处理方法、装置、电子设备及存储介质
CN116756522A (zh) 概率预报方法、装置、存储介质及电子设备
CN116227929A (zh) 通信数据的分析方法、装置、设备及存储介质
CN109218062B (zh) 基于置信区间的互联网业务报警方法和装置
CN111372286B (zh) 移动终端数据处理方法、介质和电子设备
CN110764975A (zh) 设备性能的预警方法、装置及监控设备
CN114721798A (zh) 一种专有云的资源处理方法和装置
CN114339967A (zh) 基站业务量的预测方法及装置
CN113112795A (zh) 一种路况预测方法、装置及设备
CN113973329B (zh) 一种移动基站退服预警的方法、装置、设备和存储介质
CN111191669B (zh) 一种数据处理方法、装置及存储介质
CN113051128B (zh) 功耗检测方法、装置、电子设备及存储介质
CN115474203A (zh) 区域补点规划方法、装置、电子设备和存储介质

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20201020

WW01 Invention patent application withdrawn after publication