CN111866953A - 一种网络资源分配方法、装置和存储介质 - Google Patents
一种网络资源分配方法、装置和存储介质 Download PDFInfo
- Publication number
- CN111866953A CN111866953A CN201910341609.8A CN201910341609A CN111866953A CN 111866953 A CN111866953 A CN 111866953A CN 201910341609 A CN201910341609 A CN 201910341609A CN 111866953 A CN111866953 A CN 111866953A
- Authority
- CN
- China
- Prior art keywords
- network
- slice
- network slice
- resource allocation
- determining
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种网络资源分配方法、装置和存储介质,用以在满足业务QoS需求的同时保证频谱利用效率。网络资源分配方法,包括:获得当前资源调整周期内每一网络切片的流量统计信息,所述流量统计信息为执行上一资源调整周期确定出的无线资源切片方案后统计得到的;利用获得的各网络切片对应的流量统计信息对网络资源分配模型进行训练;确定所述网络资源分配模型稳定时,针对每一网络切片,根据该网络切片当前的流量统计信息,利用所述网络资源分配模型确定该网络切片对应的无线资源切片方案。
Description
技术领域
本发明涉及无线通信技术领域,尤其涉及一种网络资源分配方法、装置和存储介质。
背景技术
随着信息技术的不断发展,网络中信息的交互变得更加频繁,不仅改变了人们的生活方式,而且驱动了网络的变革。电脑、手机、平板等各种智能终端的市场占有率不断提高,宽带接入量迅速增长,带来了爆炸式的流量增长,使得传统的以资源为导向的拓扑架构和算法难以满足日益增加的需求。网络开始向着以用户和业务为导向的模式转变,智能化、定制化的服务越来越受关注。因此,网络切片作为一种解决方法应运而生。
如图1所示,其为现有网络切片资源管理方法的基本框图,其目的是根据输入的业务元信息和网络资源信息,给每个切片分配相适应的资源。其中业务元信息可以包括业务的流量负载特征(包到达时间、包大小及其他标识),QoS(时延、吞吐率要求)、优先级等;网络资源可以指时、频、码等多种资源,也可以包括虚拟化的计算和存储资源等。现有网络切片资源管理方法主要包括3个步骤:
(1)业务流分类
根据业务元信息,通过一定的分类策略,确定业务所需要的切片种类。例如,可以通过将QoS要求相似的业务,归成一类。也可以将优先级相同的一类业务归为一类。一般而言,一类业务可以有一种切片进行服务。
(2)网络切片资源分配
根据业务流的分类结果,通过一定的业务和切片的映射关系,将业务和切片建立关联。通过统计一段时间内每个切片内业务需求情况(例如统计包的数量等),计算每类业务相应需要的网络切片资源比例。根据当前资源池的大小以及每个切片所需资源的比例,确定最终切片的分配情况。
(3)业务切片建立与服务
针对每类业务,将所属切片可使用的物理资源块或子带序号发送给相应切片,并在切片内完成资源的调度(如轮询策略、比例公平策略等)。
由于每个网络切片的资源相对独立,通过给业务需求比较多的切片分配更多的资源,提高业务的服务质量。但是,业务需要的资源同业务包数量等需求信息并不是简单的线性关系,因此现有的网络资源分配方案无法带来较好的QoS保证,降低了一些业务切片的体验;另一方面无线资源中时频码资源时非常宝贵,如何在满足业务QoS需求的同时保证频谱利用效率也成为现有技术中亟待解决的技术问题之一。
发明内容
本发明实施例提供一种网络资源分配方法、装置和存储介质,用以在满足业务QoS需求的同时保证频谱利用效率。
第一方面,提供一种网络资源分配方法,包括:
获得当前资源调整周期内每一网络切片的流量统计信息,所述流量统计信息为执行上一资源调整周期确定出的无线资源切片方案后统计得到的;
利用获得的各网络切片对应的流量统计信息对网络资源分配模型进行训练;
确定所述网络资源分配模型稳定时,针对每一网络切片,根据该网络切片当前的流量统计信息,利用所述网络资源分配模型确定该网络切片对应的无线资源切片方案。
在一种可能的是实施方式中,按照以下方法确定所述网络资源分配模型稳定:
针对任一网络切片对应的流量统计信息,相邻两次利用所述网络资源分配模型确定其对应于任一无线资源切片方案的概率之差小于第一预设阈值。
在一种可能的实施方式中,获得当前资源调整周期内每一网络切片的流量统计信息,具体包括:
接收基站在当前资源调整周期内,按照信息上报周期上报的每一网络切片的流量统计信息;或者
接收基站在当前资源调整周期内,在确定任一网络切片对应的网络服务质量异常时上报的每一网络切片的流量统计信息。
在一种可能的实施方式中,所述上报周期为预设周期,或者所述上报周期为所述基站根据接收到的指令确定出的指令周期。
在一种可能的实施方式中,所述流量统计信息包括以下至少一项:网络吞吐率、网络传输时延和频谱利用效率。
在一种可能的实施方式中,按照以下方法确定网络服务质量异常:
确定所述频谱利用效率下降;或者
确定网络服务质量满足率的变化值大于第二预设阈值。
在一种可能的实施方式中,针对任一网络切片,按照以下方法确定该网络切片对应的网络服务质量满足率:
针对任一网络切片,根据该网络切片对应的网络传输时延和吞吐量的实际统计值和期望值、以及满足期望值的用户数量和该网络切片内的用户总数量确定该网络切片对应的网络服务质量满足率。
第二方面,提供一种网络资源分配装置,包括:
获得单元,用于获得当前资源调整周期内每一网络切片的流量统计信息,所述流量统计信息为执行上一资源调整周期确定出的无线资源切片方案后统计得到的;
训练单元,用于利用获得的各网络切片对应的流量统计信息对网络资源分配模型进行训练;
第一确定单元,用于确定所述网络资源分配模型稳定时,针对每一网络切片,根据该网络切片当前的流量统计信息,利用所述网络资源分配模型确定该网络切片对应的无线资源切片方案。
在一种可能的实施方式中,所述第一确定单元,用于按照以下方法确定所述网络资源分配模型稳定:针对任一网络切片对应的流量统计信息,相邻两次利用所述网络资源分配模型确定其对应于任一无线资源切片方案的概率之差小于第一预设阈值。
在一种可能的实施方式中,所述获得单元,具体用于接收基站在当前资源调整周期内,按照信息上报周期上报的每一网络切片的流量统计信息;或者接收基站在当前资源调整周期内,在确定任一网络切片对应的网络服务质量异常时上报的每一网络切片的流量统计信息。
在一种可能的实施方式中,所述上报周期为预设周期,或者所述上报周期为所述基站根据接收到的指令确定出的指令周期。
在一种可能的实施方式中,所述流量统计信息包括以下至少一项:网络吞吐率、网络传输时延和频谱利用效率。
在一种可能的实施方式中,本发明提供的网络资源分配装置,还包括:
第二确定单元,用于按照以下方法确定网络服务质量异常:确定所述频谱利用效率下降;或者确定网络服务质量满足率的变化值大于第二预设阈值。
在一种可能的实施方式中,所述第二确定单元,具体用于针对任一网络切片,按照以下方法确定该网络切片对应的网络服务质量满足率:针对任一网络切片,根据该网络切片对应的网络传输时延和吞吐量的实际统计值和期望值、以及满足期望值的用户数量和该网络切片内的用户总数量确定该网络切片对应的网络服务质量满足率。
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任一网络资源分配方法所述的步骤。
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任一网络资源分配方法所述的步骤。
本发明实施例提供的网络资源分配方法、装置和存储介质中,根据各个网络切片的流量统计信息对网络资源分配模型进行训练,并根据网络切片的实时流量统计信息,动态调整为各个网络切片分配的网络资源,从而能够根据业务实时需求动态调整网络资源,在满足网络切片业务QoS需求的同时保证频谱利用效率。
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为现有技术中,网络切片资源管理方法的基本框图;
图2为本发明实施例提供的网络资源分配方法的原理示意图;
图3为本发明实施例中,网络资源分配方法的实施流程示意图;
图4为本发明实施例中,网络资源分配模型的训练流程示意图;
图5为根据本发明实施例方式的又一网络资源分配方法的实施流程示意图;
图6a为根据本发明实施方式的第一种不同无线资源切片方案的性能对比示意图;
图6b为根据本发明实施方式的第二种不同无线资源切片方案的性能对比示意图;
图6c为根据本发明实施方式的第三种不同无线资源切片方案的性能对比示意图;
图6d为根据本发明实施方式的第四种不同无线资源切片方案的性能对比示意图;
图6e为根据本发明实施方式的第五种不同无线资源切片方案的性能对比示意图;
图6f为根据本发明实施方式的第六种不同无线资源切片方案的性能对比示意图;
图7为根据本发明实施方式的网络资源分配装置的结构示意图;
图8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
为了在保证业务QoS服务质量的同时,提高频谱利用效率,本发明实施例提供了一种网络资源分配方法、装置和存储介质。
需要说明的是,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。
现有的切片资源分配方案主要根据业务的需求进行资源的分配,通过给业务需求比较多的切片分配更多的资源,提高业务的服务质量。但是,这些方案仅仅是一个开环机制,没有考虑为了满足业务SLA(Service License Agreement)中约定QoS要求,所需要的资源同业务包数量等需求信息并不是简单的线性关系。因此相关方案无法带来较好的QoS保证,降低了一些业务切片的体验;另一方面无线资源中时频码资源时非常宝贵,保障一定的频谱效率依然是很重要的。
有鉴于此,本发明实施例中提出了一种结合业务切片QoS保障率和频谱效率反馈信息的无线切片资源分配方法,以提升无线切片的体验,避免造成过大的频谱效率损失。随着人工智能技术的飞速发展,无线接入网中的业务元信息和服务过程中产生的各类统计数据也变得更加丰富。例如,目前可以通过多种渠道获得针对单一用户的吞吐率、时延、频谱效率等流量统计信息。但受限于存储和计算能力的限制,单纯的基站侧无法有效快捷地处理上述信息。因此,本发明实施例中引入一个智能实体,运行强化学习等人工智能算法,完成与基站的必要交互流程,分析学习切片资源方案对服务质量和频谱效率造成的影响,从而实现一个闭环的资源管理方案,确保服务质量和频谱效率。具体实施时,该智能实体还可以设置于基站中,本发明实施例对此不进行限定。
如图2所示,其为本发明实施例提供的网络资源分配方法的原理示意图,在基站外引入了智能实体,用于承担计算和存储任务。智能实体在无线接入网类似于NWDAF(NetworkData Analytics Function)在核心网的地位。
根据图2,基站包括业务切片服务质量统计功能模块和频谱效率统计功能模块,并将业务元信息、服务质量和(或)频谱效率统计结果汇报给智能实体。特别地,“频谱效率统计”功能模块可以通过记录每个Slot(时隙)针对PDSCH(Physical Downlink SharedChannel,物理下行共享信道)调度用户下发的MCS(Modulation and Coding Scheme,调制与编码策略)折算获得;“切片服务质量统计”功能模块中吞吐率和传输时延等信息可以根据3GPP中相关规定进行折算。
例如,基站可以在一定的时间周期TP≤T1内,满足T'jk(i)<TP、Tjk(i)<TP的包数目为NSDU,则该用户j访问切片k所对应的吞吐率可以按照以下公式确定:
同样的,传输时延可以按照以下公式确定:
其中,Tjk(i)表示SDU(服务数据单元)i的到达时间,T'jk(i)表示收到用户确认的时间,SDU i的大小为Si。
智能实体的主要工作是利用智能算法处理收集到的基站发送的各类数据,其中“切片需求分析”功能模块是根据业务元信息,通过一定的分类策略(QoS要求相似的业务),确定业务所需要的切片种类,并统计这类业务的需求(包数量、分类业务的服务器IP数量等)。“网络资源分配模型训练”功能模块是根据强化学习训练结果,在一定的业务需求下获得切片资源的分配方案。具体而言,强化学习实体的本质在于维护一个足够刻画业务需求(状态)、切片服务质量与频谱效率(回报)、切片分配方案(动作)的状态价值函数,其工作流程如图3所示,包括:
2、状态执行:基站为每个切片分配的时频资源大小、在Resource block(资源块)对应的位置,定义为动作a,所有动作的空间记为基站基于一定的学习策略π(s,a)针对一个状态s选择一个动作a进行执行,这里学习策略定义为针对状态s选择动作a的概率。即本发明实施例中,可以利用实时的流量统计信息对网络资源分配模型进行训练,在网络资源分配模型稳定时,可以根据网络切片的流量统计信息,利用网络资源分配模型确定其对应的无线资源切片方案,即从动作空间中选择对应的动作。
3、状态价值函数更新:利用频效和(或)切片服务质量的反馈,进一步更新状态价值函数。
具体实施时,更新方法可以用显示的更新,即v(s,a)←v(s,a)+δ(R+maxa′C(s',a')-C(s,a))。这里C(s,a)=∑γv(s,a),γ是衰减因子。更新方法也可以使用神经网络进行非线性拟合训练。R可以是频谱效率和传输时延中的一种,也可以是两者的加权叠加。
4、动作执行:在每个状态,根据强化学习学到的策略结果,确定需要执行的动作。
基于此,本发明实施例提供了一种网络资源分配方法,如图3所示,可以包括以下步骤:
S31、获得当前资源调整周期内每一网络切片的流量统计信息。
其中,所述流量统计信息为执行上一资源调整周期确定出的无线资源切片方案后统计得到的。
S32、利用获得的各网络切片对应的流量统计信息对网络资源分配模型进行训练。
S33、确定网络资源分配模型稳定时,针对每一网络切片,根据该网络切片当前的流量统计信息,利用网络资源分配模型确定该网络切片对应的无线资源切片方案。
具体实施时,基站向智能实体发送业务的元信息(包括每个用户数据包的源地址、目的地址、数据包到达时间、数据包大小、服务质量约束等信息),相关信息可以通过基站周期或者非周期方式发送。智能实体在一定周期内统计收集到的业务元信息,并根据一定策略对业务进行分类,从而确定每种业务对应的切片ID(标识)。
智能实体利用基站上报的信息对网络资源分配模型进行训练,利用训练得到的网络资源分配模型获得为每个网络切片分配的资源。在训练初期,智能实体可能尚未形成最优的状态价值函数,及网络资源分配模型尚未稳定,这时,可以根据状态价值函数依据Boltzmann(玻尔兹曼机)函数,确定当前的无线资源切片方案。
在网络资源分配模型稳定后,智能实体向基站下发切片资源分配方案,该方案包含每种业务同切片的映射关系,以及每项切片分配的资源描述;基站收到资源分配方案后,进行业务调度,并统计服务质量和(或)频效等信息;基站以周期性或者非周期性向智能实体上报各个网络切片的流量统计信息和业务元信息;其中周期性触发时,周期可以由智能实体根据训练进度进行调整;事件触发时,触发事件可以是服务质量和(或)频效的下降幅度超过一定门限。智能实体收到后进一步调整资源分配方案,并将调整结果下发给基站。
为了更好地理解本发明实施例,以下结合智能实体学习网络变化情况的流程对本发明的实施过程进行说明。为了便于描述,本发明实施例中以下行数据传输为例,并假定每个用户属于一个独立的切片。针对一个用户需要多种服务请求多个切片的过程,这里的每一种服务等同于一个用户。需要说明的是,上行数据传输的实施例可以采用类似的方法获得。如图4所示,包括以下步骤:
S41、智能实体向基站下发无线资源切片方案。
具体实施时,强化学习实体以一定周期T1向基站下发无线资源切片方案,相关方案可以包括每个切片的时频资源大小、在Resource block对应的位置等;也可以用表格的方式将上述内容固定下来,向基站下发方案对应的编号。
S42、基站执行接收到的无线资源切片方案。
具体实施时,基站记录每个用户对应的网络切片编号,PDCP SDU的到达时间、回复确认时间和基站每次下发配置的MCS。具体地,基站根据下发的每个切片比例,在每个切片中独立的调度用户,并与用户进行双向通信:在此期间,基站将记录到的用户ID对应的切片ID。与此同时,针对用户j访问切片k,在PDCP(Packet Data Convergence Protocol,分组数据汇聚协议)层记录SDU(服务数据单元)i的到达时间Tjk(i),收到用户确认的时间T'jk(i),SDUi的大小为Si,基站针对每个Slot记录针对PDSCH调度用户下发的MCS。
S43、基站统计各网络切片的流量统计信息。
本步骤中,基站根据相关记录,计算每个网络切片PDCP SDU数量、吞吐率、延迟和系统频谱效率。
具体地,基站根据3GPP,折算吞吐率和传输时延。假如基站可以在一定的时间周期TP≤T1内,满足T'jk(i)<TP、Tjk(i)<TP的包数目为NSDU(j,k),则该用户j访问切片k所对应的吞吐率为:同样的传输时延为同样,根据3GPP TS折算成频谱效率SEjk。
S44、基站向智能实体上报流量统计信息。
基站将每个用户ID对应的切片的吞吐率、传输时延、用户频谱效率、每一切片PDCPSDU数量等相关数据发送给智能实体。
S45、智能实体利用接收到的流量统计信息训练网络资源分配模型。
本步骤中,智能实体利用接收到的流量统计信息训练网络资源分配模型,其具体实施过程可以参见图3,这里不再赘述。在调整周期定时器T1到达后,再次根据训练得到的网络资源分配模型确定每个切片对应的无线资源切片方案并下发给基站执行。
如图5所示,其为本发明实施例中,智能实体对网络资源分配模型进行训练并据此进行网络资源动态调整的流程示意图,包括以下步骤:
S51、基站执行智能实体下发的无线资源切片方案。
具体实施时,智能实体以一定的资源调整周期T1向基站下发无线资源切片方案,相关方案可以包括每个切片的时频资源大小、在Resource block对应的位置等;也可以用表格的方式将上述内容固定下来,向基站下发方案对应的编号。
在训练初期,智能实体可能尚未形成稳定的网络资源分配模型,这时,智能实体可以根据状态价值函数依据Boltzmann函数,确定当前的无线资源切片方案。
基站根据下发的每个切片比例,在每个切片中独立的调度用户,并与用户进行双向通信:在此期间,基站将记录到的用户ID对应的切片ID。与此同时,针对用户j访问切片k,在PDCP层记录SDU i的到达时间Tjk(i),收到用户确认的时间T'jk(i),SDU i的大小为Si。基站针对每个Slot记录针对PDSCH调度用户下发的MCS。
S52、针对各个网络切片,基站统计其对应的流量统计信息。
具体实施时,针对每一网络切片,基站根据记录的相关信息,分别统计计算该网络切片对应的吞吐率、传输时延、频谱效率等流量统计信息。
S53、基站向智能实体上报统计得到的流量统计信息。
具体地,智能实体接收基站在当前资源调整周期内,按照信息上报周期上报的每一网络切片的流量统计信息;或者接收基站在当前资源调整周期内,在确定任一网络切片对应的网络服务质量异常时上报的每一网络切片的流量统计信息。其中,所述上报周期为预设周期,或者所述上报周期为所述基站根据接收到的指令确定出的指令周期。所述流量统计信息包括以下至少一项:网络吞吐率、网络传输时延和频谱利用效率。
具体实施时,可以按照以下任一方法确定网络服务质量异常:
确定所述频谱利用效率下降;或者确定网络服务质量满足率的变化值大于第二预设阈值。具体地,针对任一网络切片,按照以下方法确定该网络切片对应的网络服务质量满足率:
针对任一网络切片,根据该网络切片对应的网络传输时延和吞吐量的实际统计值和期望值、以及满足期望值的用户数量和该网络切片内的用户总数量确定该网络切片对应的网络服务质量满足率。
具体实施时,基站将每个用户ID对应的切片的吞吐率、传输时延、用户频谱效率等相关数据发送给智能实体;智能实体据此统计切片服务质量满足率和切片频谱效率。例如,用户j访问切片k的吞吐率记为Rjk,传输时延记为Djk;假设切片k的吞吐率和传输时延要求为和统计同时满足及的用户数NS。访问切片k的用户数总量为Nk,则切片服务质量满足率
S54、智能实体利用获得的各网络切片对应的流量统计信息对网络资源分配模型进行训练。
S55、智能实体判断网络资源分配模型是否稳定,如果是,执行步骤S56,否则,执行步骤S51。
具体实施时,智能实体可以按照以下方法确定所述网络资源分配模型稳定:针对任一网络切片对应的流量统计信息,相邻两次利用所述网络资源分配模型确定其对应于任一无线资源切片方案的概率之差小于第一预设阈值。
S56、智能实体确定无线资源切片方案并发送给基站。
需要说明的是,具体实施中,当网络资源分配模型稳定之后,智能实体可以利用网络资源分配模型确定出各个网络切片对应的无线资源切片方案发送给基站执行,可以将训练的网络资源分配模型发送给基站,由基站自行确定各个网络切片对应的无线资源切片方案。
具体实施时,智能实体在向基站发送无线资源切片方案或者网络资源分配模型的同时,还可以调整流量统计信息的上报周期。
S57、基站执行无线资源切片方案。
S58、基站判断网络服务质量是否异常,如果是,执行步骤SS53,否则,执行步骤S59。
具体实施时,基站判断网络服务质量满足率τk,同先前满足率τ'k的变化|τk-τ'k|超过门限θ2,如果是,则确定网络服务质量异常。
S59、基站判断是否达到上报周期,如果是,执行步骤S53,否则,执行步骤S57。
需要说明的是,该上报周期可以为预设周期,也可以为智能实体在发送无线资源切片方案时发送的指令周期,本发明实施例对此不进行限定。
通过网络资源分配模型的训练过程,智能实体能够学习到无线网络的实时变化情况,根据训练得到的网络资源分配模型确定为每个网络切片分配的网络资源,不同的网络切片需求下的分配比例等,并以周期性触发和时间触发相结合的方式同基站进行交互,配置相关无线资源分配方法。
为了更好的理解本发明实施例,以下结合具体的实施对本发明的实施过程进行说明。
例如,在一个包含100位用户无线医疗场景,其中包含3类用户:VoLTE用户40名、eMBB(视频)用户40名、URLLC(远程超声)用户20名。不同用户的下行速率、时延要求如表1所示:
表1
这里的时延包括2ms的基带和处理时延。不同业务的业务到达模型约定如下:
1.VoLTE业务:假定用户都采用RTP AMR 12.2的编解码方案,每个数据包大小为40kbyte。每次数据包发出后同一用户会有一段数据静默期,静默期长度服从0到160ms的均匀分布。
2.eMBB(视频)业务:用户的包长服从截断Pareto分布(指数因子为1.2),平均包长为100byte,最大包长不超过250byte。用户包之间的间隔(静默周期)同样服从截断Pareto分布(指数因子为1.2),平均间隔为6ms,最长不超过12.5ms。
3.URLLC(远程超声)用户:采用了FTP 2模型。用户的包长服从对数正态分布(均值和标准差分别为14.45,0.35),对应的平均包长为2Mbytes。用户包之间的间隔(静默周期)服从指数分布,平均间隔为180ms。
每一个用户的缓存区内最多缓存5份数据包。
假定这100位用户位于同一个基站的、半径为40米的覆盖范围内,每位用户的位置可以根据Poisson随机点过程产生,并保持不动。基站的发射功率定为30dBm。信道模型方面,Pathloss路损采用3GPP约定的路损方程,同时考虑了8dB的Rayleigh衰落因子,噪声功率谱密度为-174dBm/Hz。系统总带宽为10MHz。对于进行切片隔离的方案,基站将对同一切片的用户通过随机轮询的方式进行调度、分配所属切片内的Resource Block(RB)数量,调度间隔为0.5ms(即1个Slot的长度);对于没有切片隔离的方案,基站将对所有用户无差别的通过随机轮询的方式进行调度。例如,加入VoLTE内有10个RB,如果有20个活跃用户的(U1,U2,……),第一个Slot内将分配给U1至U10,第二个Slot内再分配给U11到U20;如果仅有5个活跃用户,则每个用户会被分配到2个RB。仿真中只考虑了下行因素,基站到用户U在每个Slot内传输速率由确定,其中是下行天线数量,计算SINR过程中对每个UE在路损、阴影的基础上考虑20dB的接收天线增益。
(2)切片服务保障率:针对某一类切片的QoS单独计算,分为速率和时延两部分。在1秒内(2000个LTE Slot),统计包的数目,针对每个包计算包大小和传输时延计算得到包的传输速率,最终求得满足速率和时延的包的比例。
本发明实施例中,将考虑三种方法,一是没有切片;二是使用DQN(深度强化学习)进行深度学习用户需求和系统频谱效率;三是利用LSTM(长短期记忆网络)单独预测每个切片的用户数量。
使用标准DQL深度强化学习算法:状态定义为每个切片传输的包数目;动作为离散化的分配资源,最小可调配切片带宽为2MHz,同样为一个向量,即[0,8,2]表示分别分配给VoLTE切片、Video切片、URLLC切片0MHz、8MHz、2MHz带宽。仿真过程中每2000个Slot对深度学习的神经网络训练优化一次。Reward定义为,其中是一个SE和QoS的转换因子。
LSTM预测方法,将使用3层的LSTM结构,利用历史的每个切片的用户数量进行单独预测(预测过程中既往5个数据预测接下来的一个数据),并根据两种方式分配带宽:1)预测的每个切片可能出现的用户比例;2)预测的每个切片的用户数与相关切片需要的最小传输速率的乘积。仿真过程中每100个Slot对深度学习的神经网络训练优化一次。LSTM预测的前100个Slot将执行切片的硬隔离,获取每个切片的活跃用户数据。
硬隔离:每种网络切片始终占有1/3的网络带宽。
图6a-图6f给出了不同网络切片管理方法的详细性能比较,其中深度强化学习(DQL)的结果是在50000次学习更新之后得到的。从图6a~图6b可以看出,当发射天线从64减少到16时,意味着网络容量下降和跨切片的潜在冲突的增加,此时,网络带宽倾向于重新分配给带宽消耗但活动受限的URLLC切片。而且,从图6f可以看出,当下行链路传输使用64个天线时,“不分片”表现最好,因为传输能力足够,并且调度周期为0.5ms但分配给每个分片的带宽每秒调整一次,因此捕获需求变化较慢。
同时,从图6d和图6e可以看到,基于需求预测方案的分配方式性能较差,这是因为视频数据包的数量在传输中占主导地位(如图6b所示),基于数据包编号的简单预测无法捕捉到需求与QoE之间的复杂关系。根据DQL中的奖励定义,如果我们将QoE权重从50降低到1,那么DQL可以学习另一种带宽分配策略(图6c),并产生更大的SE但更低的QoE。
基于同一发明构思,本发明实施例中还提供了一种移动终端界面图标排列装置及移动终端,由于上述装置及设备解决问题的原理与移动终端界面图标排列方法相似,因此上述装置及设备的实施可以参见方法的实施,重复之处不再赘述。
如图7所示,其为本发明实施例提供的网络资源分配装置的结构示意图,包括:
获得单元71,用于获得当前资源调整周期内每一网络切片的流量统计信息,所述流量统计信息为执行上一资源调整周期确定出的无线资源切片方案后统计得到的;
训练单元72,用于利用获得的各网络切片对应的流量统计信息对网络资源分配模型进行训练;
第一确定单元73,用于确定所述网络资源分配模型稳定时,针对每一网络切片,根据该网络切片当前的流量统计信息,利用所述网络资源分配模型确定该网络切片对应的无线资源切片方案。
在一种可能的实施方式中,所述第一确定单元,用于按照以下方法确定所述网络资源分配模型稳定:针对任一网络切片对应的流量统计信息,相邻两次利用所述网络资源分配模型确定其对应于任一无线资源切片方案的概率之差小于第一预设阈值。
在一种可能的实施方式中,所述获得单元,具体用于接收基站在当前资源调整周期内,按照信息上报周期上报的每一网络切片的流量统计信息;或者接收基站在当前资源调整周期内,在确定任一网络切片对应的网络服务质量异常时上报的每一网络切片的流量统计信息。
在一种可能的实施方式中,所述上报周期为预设周期,或者所述上报周期为所述基站根据接收到的指令确定出的指令周期。
在一种可能的实施方式中,所述流量统计信息包括以下至少一项:网络吞吐率、网络传输时延和频谱利用效率。
在一种可能的实施方式中,本发明提供的网络资源分配装置,还包括:
第二确定单元,用于按照以下方法确定网络服务质量异常:确定所述频谱利用效率下降;或者确定网络服务质量满足率的变化值大于第二预设阈值。
在一种可能的实施方式中,所述第二确定单元,具体用于针对任一网络切片,按照以下方法确定该网络切片对应的网络服务质量满足率:针对任一网络切片,根据该网络切片对应的网络传输时延和吞吐量的实际统计值和期望值、以及满足期望值的用户数量和该网络切片内的用户总数量确定该网络切片对应的网络服务质量满足率。
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资源分配方法和装置之后,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资源分配方法中的步骤。例如,所述处理器可以执行如图3中所示的步骤S31、获得当前资源调整周期内每一网络切片的流量统计信息,和步骤S32、利用获得的各网络切片对应的流量统计信息对网络资源分配模型进行训练;以及步骤S33、确定网络资源分配模型稳定时,针对每一网络切片,根据该网络切片当前的流量统计信息,利用网络资源分配模型确定该网络切片对应的无线资源切片方案。
下面参照图8来描述根据本发明的这种实施方式的计算装置80。图8显示的计算装置80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8所示,计算装置80以通用计算设备的形式表现。计算装置80的组件可以包括但不限于:上述至少一个处理器81、上述至少一个存储器82、连接不同系统组件(包括存储器82和处理器81)的总线83。
总线83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82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)821和/或高速缓存存储器822,还可以进一步包括只读存储器(ROM)823。
存储器82还可以包括具有一组(至少一个)程序模块824的程序/实用工具825,这样的程序模块824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80也可以与一个或多个外部设备84(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80交互的设备通信,和/或与使得该计算装置80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85进行。并且,计算装置80还可以通过网络适配器86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86通过总线83与用于计算装置80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80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,本发明提供的网络资源分配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资源分配方法中的步骤,例如,所述计算机设备可以执行如图3中所示的步骤S31、获得当前资源调整周期内每一网络切片的流量统计信息,和步骤S32、利用获得的各网络切片对应的流量统计信息对网络资源分配模型进行训练;以及步骤S33、确定网络资源分配模型稳定时,针对每一网络切片,根据该网络切片当前的流量统计信息,利用网络资源分配模型确定该网络切片对应的无线资源切片方案。
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资源分配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 (16)
1.一种网络资源分配方法,其特征在于,包括:
获得当前资源调整周期内每一网络切片的流量统计信息,所述流量统计信息为执行上一资源调整周期确定出的无线资源切片方案后统计得到的;
利用获得的各网络切片对应的流量统计信息对网络资源分配模型进行训练;
确定所述网络资源分配模型稳定时,针对每一网络切片,根据该网络切片当前的流量统计信息,利用所述网络资源分配模型确定该网络切片对应的无线资源切片方案。
2.如权利要求1所述的方法,其特征在于,按照以下方法确定所述网络资源分配模型稳定:
针对任一网络切片对应的流量统计信息,相邻两次利用所述网络资源分配模型确定其对应于任一无线资源切片方案的概率之差小于第一预设阈值。
3.如权利要求1所述的方法,其特征在于,获得当前资源调整周期内每一网络切片的流量统计信息,具体包括:
接收基站在当前资源调整周期内,按照信息上报周期上报的每一网络切片的流量统计信息;或者
接收基站在当前资源调整周期内,在确定任一网络切片对应的网络服务质量异常时上报的每一网络切片的流量统计信息。
4.如权利要求3所述的方法,其特征在于,所述上报周期为预设周期,或者所述上报周期为所述基站根据接收到的指令确定出的指令周期。
5.如权利要求3所述的方法,其特征在于,所述流量统计信息包括以下至少一项:网络吞吐率、网络传输时延和频谱利用效率。
6.如权利要求5所述的方法,其特征在于,按照以下方法确定网络服务质量异常:
确定所述频谱利用效率下降;或者
确定网络服务质量满足率的变化值大于第二预设阈值。
7.如权利要求6所述的方法,其特征在于,针对任一网络切片,按照以下方法确定该网络切片对应的网络服务质量满足率:
针对任一网络切片,根据该网络切片对应的网络传输时延和吞吐量的实际统计值和期望值、以及满足期望值的用户数量和该网络切片内的用户总数量确定该网络切片对应的网络服务质量满足率。
8.一种网络资源分配装置,其特征在于,包括:
获得单元,用于获得当前资源调整周期内每一网络切片的流量统计信息,所述流量统计信息为执行上一资源调整周期确定出的无线资源切片方案后统计得到的;
训练单元,用于利用获得的各网络切片对应的流量统计信息对网络资源分配模型进行训练;
第一确定单元,用于确定所述网络资源分配模型稳定时,针对每一网络切片,根据该网络切片当前的流量统计信息,利用所述网络资源分配模型确定该网络切片对应的无线资源切片方案。
9.如权利要求8所述的装置,其特征在于,
所述第一确定单元,用于按照以下方法确定所述网络资源分配模型稳定:针对任一网络切片对应的流量统计信息,相邻两次利用所述网络资源分配模型确定其对应于任一无线资源切片方案的概率之差小于第一预设阈值。
10.如权利要求8所述的装置,其特征在于,
所述获得单元,具体用于接收基站在当前资源调整周期内,按照信息上报周期上报的每一网络切片的流量统计信息;或者接收基站在当前资源调整周期内,在确定任一网络切片对应的网络服务质量异常时上报的每一网络切片的流量统计信息。
11.如权利要求10所述的装置,其特征在于,所述上报周期为预设周期,或者所述上报周期为所述基站根据接收到的指令确定出的指令周期。
12.如权利要求10所述的装置,其特征在于,所述流量统计信息包括以下至少一项:网络吞吐率、网络传输时延和频谱利用效率。
13.如权利要求12所述的装置,其特征在于,还包括:
第二确定单元,用于按照以下方法确定网络服务质量异常:确定所述频谱利用效率下降;或者确定网络服务质量满足率的变化值大于第二预设阈值。
14.如权利要求13所述的装置,其特征在于,
所述第二确定单元,具体用于针对任一网络切片,按照以下方法确定该网络切片对应的网络服务质量满足率:针对任一网络切片,根据该网络切片对应的网络传输时延和吞吐量的实际统计值和期望值、以及满足期望值的用户数量和该网络切片内的用户总数量确定该网络切片对应的网络服务质量满足率。
15.一种计算装置,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1~7任一权利要求所述方法的步骤。
16.一种计算机可读介质,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1~7任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910341609.8A CN111866953B (zh) | 2019-04-26 | 2019-04-26 | 一种网络资源分配方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910341609.8A CN111866953B (zh) | 2019-04-26 | 2019-04-26 | 一种网络资源分配方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111866953A true CN111866953A (zh) | 2020-10-30 |
CN111866953B CN111866953B (zh) | 2023-05-09 |
Family
ID=72951629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910341609.8A Active CN111866953B (zh) | 2019-04-26 | 2019-04-26 | 一种网络资源分配方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111866953B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112291793A (zh) * | 2020-12-29 | 2021-01-29 | 北京邮电大学 | 网络接入设备的资源分配方法和装置 |
CN112291792A (zh) * | 2020-11-02 | 2021-01-29 | 中国联合网络通信集团有限公司 | 无线资源的获取方法和会话管理功能实体 |
CN112383927A (zh) * | 2020-11-02 | 2021-02-19 | 网络通信与安全紫金山实验室 | 无线网络的交互方法、装置、设备及存储介质 |
CN112512083A (zh) * | 2020-11-24 | 2021-03-16 | 好活(昆山)网络科技有限公司 | 一种网络共享方法及系统 |
CN112532459A (zh) * | 2020-12-07 | 2021-03-19 | 郑州师范学院 | 一种带宽资源调整方法、装置及设备 |
CN112737823A (zh) * | 2020-12-22 | 2021-04-30 | 国网北京市电力公司 | 一种资源切片分配方法、装置及计算机设备 |
CN112954742A (zh) * | 2021-02-08 | 2021-06-11 | 中国科学院计算技术研究所 | 一种移动通信网络切片的资源分配方法 |
CN113329446A (zh) * | 2021-05-08 | 2021-08-31 | 中国联合网络通信集团有限公司 | 网络切片的资源分配方法及装置 |
CN113692057A (zh) * | 2021-08-26 | 2021-11-23 | 中信科移动通信技术股份有限公司 | 一种网络切片资源分配方法及系统 |
CN113726847A (zh) * | 2021-07-15 | 2021-11-30 | 阿里巴巴新加坡控股有限公司 | 网络系统、网络切分系统、网络切分方法及电子设备 |
CN113839813A (zh) * | 2021-09-14 | 2021-12-24 | 中国电信股份有限公司 | 设备控制策略模型训练及设备控制方法、介质与设备 |
CN113840333A (zh) * | 2021-08-16 | 2021-12-24 | 国网河南省电力公司信息通信公司 | 电网资源分配的方法、装置、电子设备及存储介质 |
CN114205238A (zh) * | 2021-12-16 | 2022-03-18 | 中国电信股份有限公司 | 网络资源优化、模型训练方法、装置、存储介质及设备 |
CN114268537A (zh) * | 2021-11-26 | 2022-04-01 | 华中科技大学 | 面向确定性网络的网络切片生成及动态配置系统及方法 |
CN114363827A (zh) * | 2021-12-31 | 2022-04-15 | 中国电信股份有限公司 | 网络资源分配方法及装置、存储介质及电子设备 |
CN114531355A (zh) * | 2020-11-23 | 2022-05-24 | 维沃移动通信有限公司 | 通信方法、装置及通信设备 |
CN114666233A (zh) * | 2020-12-23 | 2022-06-24 | 上海华为技术有限公司 | 一种网络资源的请求方法及其相关设备 |
CN114760639A (zh) * | 2022-03-30 | 2022-07-15 | 深圳市联洲国际技术有限公司 | 资源单元分配方法、装置、设备及存储介质 |
CN115209431A (zh) * | 2021-04-13 | 2022-10-18 | 中移(成都)信息通信科技有限公司 | 一种触发方法、装置、设备和计算机存储介质 |
CN115514454A (zh) * | 2022-09-19 | 2022-12-23 | Oppo广东移动通信有限公司 | 数据传输方法及装置、电子设备、计算机可读存储介质 |
CN115941487A (zh) * | 2022-12-02 | 2023-04-07 | 中国联合网络通信集团有限公司 | 流量分配方法、装置、设备及介质 |
CN117240755A (zh) * | 2023-11-10 | 2023-12-15 | 北京派网科技有限公司 | 一种用于边缘计算设备的日志审计方法、装置和存储介质 |
CN113726847B (zh) * | 2021-07-15 | 2024-05-28 | 阿里巴巴创新公司 | 网络系统、网络切分系统、网络切分方法及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170318468A1 (en) * | 2016-04-27 | 2017-11-02 | Kabushiki Kaisha Toshiba | Radio resource slicing in a radio access network |
CN107743100A (zh) * | 2017-09-30 | 2018-02-27 | 重庆邮电大学 | 一种基于业务预测的在线自适应网络切片虚拟资源分配方法 |
CN108235434A (zh) * | 2016-12-22 | 2018-06-29 | 中国电信股份有限公司 | 网络切片无线频谱资源管理方法、装置和系统 |
CN108990068A (zh) * | 2017-06-01 | 2018-12-11 | 华为技术有限公司 | 通信方法和网络设备 |
CN109495907A (zh) * | 2018-11-29 | 2019-03-19 | 北京邮电大学 | 一种意图驱动的无线接入组网方法和系统 |
-
2019
- 2019-04-26 CN CN201910341609.8A patent/CN111866953B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170318468A1 (en) * | 2016-04-27 | 2017-11-02 | Kabushiki Kaisha Toshiba | Radio resource slicing in a radio access network |
CN108235434A (zh) * | 2016-12-22 | 2018-06-29 | 中国电信股份有限公司 | 网络切片无线频谱资源管理方法、装置和系统 |
CN108990068A (zh) * | 2017-06-01 | 2018-12-11 | 华为技术有限公司 | 通信方法和网络设备 |
CN107743100A (zh) * | 2017-09-30 | 2018-02-27 | 重庆邮电大学 | 一种基于业务预测的在线自适应网络切片虚拟资源分配方法 |
CN109495907A (zh) * | 2018-11-29 | 2019-03-19 | 北京邮电大学 | 一种意图驱动的无线接入组网方法和系统 |
Non-Patent Citations (1)
Title |
---|
任语铮等: "基于增强学习的5G网络切片资源动态优化方案", 《中兴通讯技术》 * |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112291792A (zh) * | 2020-11-02 | 2021-01-29 | 中国联合网络通信集团有限公司 | 无线资源的获取方法和会话管理功能实体 |
CN112383927A (zh) * | 2020-11-02 | 2021-02-19 | 网络通信与安全紫金山实验室 | 无线网络的交互方法、装置、设备及存储介质 |
CN112291792B (zh) * | 2020-11-02 | 2023-07-04 | 中国联合网络通信集团有限公司 | 无线资源的获取方法和会话管理功能实体 |
CN114531355A (zh) * | 2020-11-23 | 2022-05-24 | 维沃移动通信有限公司 | 通信方法、装置及通信设备 |
CN114531355B (zh) * | 2020-11-23 | 2023-07-18 | 维沃移动通信有限公司 | 通信方法、装置及通信设备 |
CN112512083A (zh) * | 2020-11-24 | 2021-03-16 | 好活(昆山)网络科技有限公司 | 一种网络共享方法及系统 |
CN112532459A (zh) * | 2020-12-07 | 2021-03-19 | 郑州师范学院 | 一种带宽资源调整方法、装置及设备 |
CN112737823A (zh) * | 2020-12-22 | 2021-04-30 | 国网北京市电力公司 | 一种资源切片分配方法、装置及计算机设备 |
CN114666233A (zh) * | 2020-12-23 | 2022-06-24 | 上海华为技术有限公司 | 一种网络资源的请求方法及其相关设备 |
CN114666233B (zh) * | 2020-12-23 | 2023-08-22 | 上海华为技术有限公司 | 一种网络资源的请求方法及其相关设备 |
WO2022135373A1 (zh) * | 2020-12-23 | 2022-06-30 | 华为技术有限公司 | 一种网络资源的请求方法及其相关设备 |
CN112291793A (zh) * | 2020-12-29 | 2021-01-29 | 北京邮电大学 | 网络接入设备的资源分配方法和装置 |
CN112291793B (zh) * | 2020-12-29 | 2021-04-06 | 北京邮电大学 | 网络接入设备的资源分配方法和装置 |
CN112954742A (zh) * | 2021-02-08 | 2021-06-11 | 中国科学院计算技术研究所 | 一种移动通信网络切片的资源分配方法 |
CN112954742B (zh) * | 2021-02-08 | 2023-03-24 | 中国科学院计算技术研究所 | 一种移动通信网络切片的资源分配方法 |
CN115209431B (zh) * | 2021-04-13 | 2023-10-27 | 中移(成都)信息通信科技有限公司 | 一种触发方法、装置、设备和计算机存储介质 |
CN115209431A (zh) * | 2021-04-13 | 2022-10-18 | 中移(成都)信息通信科技有限公司 | 一种触发方法、装置、设备和计算机存储介质 |
CN113329446A (zh) * | 2021-05-08 | 2021-08-31 | 中国联合网络通信集团有限公司 | 网络切片的资源分配方法及装置 |
CN113329446B (zh) * | 2021-05-08 | 2022-06-21 | 中国联合网络通信集团有限公司 | 网络切片的资源分配方法及装置 |
CN113726847A (zh) * | 2021-07-15 | 2021-11-30 | 阿里巴巴新加坡控股有限公司 | 网络系统、网络切分系统、网络切分方法及电子设备 |
CN113726847B (zh) * | 2021-07-15 | 2024-05-28 | 阿里巴巴创新公司 | 网络系统、网络切分系统、网络切分方法及电子设备 |
CN113840333B (zh) * | 2021-08-16 | 2023-11-10 | 国网河南省电力公司信息通信公司 | 电网资源分配的方法、装置、电子设备及存储介质 |
CN113840333A (zh) * | 2021-08-16 | 2021-12-24 | 国网河南省电力公司信息通信公司 | 电网资源分配的方法、装置、电子设备及存储介质 |
CN113692057A (zh) * | 2021-08-26 | 2021-11-23 | 中信科移动通信技术股份有限公司 | 一种网络切片资源分配方法及系统 |
CN113692057B (zh) * | 2021-08-26 | 2023-12-08 | 中信科移动通信技术股份有限公司 | 一种网络切片资源分配方法及系统 |
CN113839813B (zh) * | 2021-09-14 | 2023-03-24 | 中国电信股份有限公司 | 设备控制策略模型训练及设备控制方法、介质与设备 |
CN113839813A (zh) * | 2021-09-14 | 2021-12-24 | 中国电信股份有限公司 | 设备控制策略模型训练及设备控制方法、介质与设备 |
CN114268537B (zh) * | 2021-11-26 | 2023-12-22 | 华中科技大学 | 面向确定性网络的网络切片生成及动态配置系统及方法 |
CN114268537A (zh) * | 2021-11-26 | 2022-04-01 | 华中科技大学 | 面向确定性网络的网络切片生成及动态配置系统及方法 |
CN114205238A (zh) * | 2021-12-16 | 2022-03-18 | 中国电信股份有限公司 | 网络资源优化、模型训练方法、装置、存储介质及设备 |
CN114363827A (zh) * | 2021-12-31 | 2022-04-15 | 中国电信股份有限公司 | 网络资源分配方法及装置、存储介质及电子设备 |
CN114760639A (zh) * | 2022-03-30 | 2022-07-15 | 深圳市联洲国际技术有限公司 | 资源单元分配方法、装置、设备及存储介质 |
CN115514454A (zh) * | 2022-09-19 | 2022-12-23 | Oppo广东移动通信有限公司 | 数据传输方法及装置、电子设备、计算机可读存储介质 |
CN115514454B (zh) * | 2022-09-19 | 2024-05-28 | Oppo广东移动通信有限公司 | 数据传输方法及装置、电子设备、计算机可读存储介质 |
CN115941487A (zh) * | 2022-12-02 | 2023-04-07 | 中国联合网络通信集团有限公司 | 流量分配方法、装置、设备及介质 |
CN117240755A (zh) * | 2023-11-10 | 2023-12-15 | 北京派网科技有限公司 | 一种用于边缘计算设备的日志审计方法、装置和存储介质 |
CN117240755B (zh) * | 2023-11-10 | 2024-02-06 | 北京派网科技有限公司 | 一种用于边缘计算设备的日志审计方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111866953B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111866953B (zh) | 一种网络资源分配方法、装置和存储介质 | |
US10218460B2 (en) | System and method for improved push-to-talk communication performance | |
EP3058772B1 (en) | Dynamic frequency and power resource allocation with granular policy management | |
Lee et al. | PERCEIVE: deep learning-based cellular uplink prediction using real-time scheduling patterns | |
CN110417565B (zh) | 一种模型更新方法、装置及系统 | |
Azari et al. | On the latency-energy performance of NB-IoT systems in providing wide-area IoT connectivity | |
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 | |
US11546806B2 (en) | Communication system | |
US10425864B2 (en) | Methods and apparatuses for processing UE context of UE | |
US10158583B2 (en) | Virtual network function state scaling | |
US20200374721A1 (en) | Streaming Media Quality of Experience Prediction for Network Slice Selection in 5G Networks | |
Bakri et al. | Data-driven RAN slicing mechanisms for 5G and beyond | |
WO2020249017A1 (zh) | 接入网的业务处理方法及设备 | |
US20220104127A1 (en) | Method and apparatus for power management in a wireless communication system | |
Maia et al. | A fair QoS-aware dynamic LTE scheduler for machine-to-machine communication | |
Stea et al. | A comprehensive simulation analysis of LTE Discontinuous Reception (DRX) | |
EP3413595B1 (en) | Processing method, device and system for service optimization | |
CN107426809B (zh) | 基于虚拟用户队列模型的wvn功率和缓存分配方法 | |
US20220377616A1 (en) | Method and apparatus for service level agreement monitoring and violation mitigation in wireless communication networks | |
US11838766B2 (en) | Facilitating implementation of communication network deployment through network planning in advanced networks | |
Dimakis et al. | GreenLoRaWAN: An energy efficient and resilient LoRaWAN communication protocol | |
CN101442821B (zh) | 一种无线局域网中的上行语音传输的优化方法及装置 | |
Kim et al. | Enabling Grant-Free URLLC for AoI Minimization in RAN-Coordinated 5G Health Monitoring System | |
Berri et al. | Joint Content-Prefetching, Transmission Scheduling, and Rate Adaptation in Vehicular Networks | |
Kim et al. | Admission control for cellular networks with direct QoS monitoring |
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 |