CN112135305B - 一种网络优化的方法、装置和无线网络优化控制功能元 - Google Patents
一种网络优化的方法、装置和无线网络优化控制功能元 Download PDFInfo
- Publication number
- CN112135305B CN112135305B CN201910551380.0A CN201910551380A CN112135305B CN 112135305 B CN112135305 B CN 112135305B CN 201910551380 A CN201910551380 A CN 201910551380A CN 112135305 B CN112135305 B CN 112135305B
- Authority
- CN
- China
- Prior art keywords
- rcf
- real
- wireless
- optimization
- time
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims description 40
- 239000000284 extract Substances 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000007726 management method Methods 0.000 description 29
- 238000011156 evaluation Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010295 mobile communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Classifications
-
- 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
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种网络优化的方法、装置、RCF和计算机可读存储介质，所述方法包括：边缘计算系统中的RCF根据无线接入网的实时数据确定实时特征；所述RCF根据所述实时特征生成无线优化辅助策略；所述RCF发布所述无线优化辅助策略。本发明实施例融合了MEC技术和无线接入网，在两者之间高效交互实时无线数据和智能无线优化辅助策略，形成无线网络智能优化的闭环控制，达到无线网络自驱优化。
Description
技术领域
本文涉及但不限于一种网络优化的方法、装置、RCF(Radio networkoptimization Control Functional，无线网络优化控制功能元)和计算机可读存储介质。
背景技术
无线接入技术发展迅猛，移动互联网遍布全球，移动应用越来越丰富，移动通信网络已成为人们生活娱乐不可或缺的必需品。5G(第五代移动通信)时代的三大应用场景，eMBB(Enhance Mobile Broadband，增强型移动宽带)、uRLLC(Ultra Reliable&LowLatency Communication，高可靠低时延通信)和mMTC(Massive Machine TypeCommunication，大规模机器通信)，将进一步导致移动数据流量和多样性的猛增。
在低时延和高带宽业务不断增长的需求背景之下，MEC(Multi-Access EdgeComputing，多接入边缘计算)应运而生。边缘计算技术通过在无线网络边缘配置服务器，将云计算资源下沉至无线接入网，拉近UE(User Equipment，用户设备)终端与业务APP(Application，应用)的物理距离，既能极大降低时延又能节省回传网带宽。边缘计算有效融合了移动通信网和互联网技术，具有业务本地化、近距离、低时延等特点。通过在移动网络中部署边缘计算，可形成分布式云计算架构如图1所示。
ETSI(European Telecommunications Standards Institute，欧洲电信标准协会)-MEC标准定义了边缘计算框架如图2所示。其中，主要功能元包括：
MEC host(MEC主机)：包含MEC platform(MEC平台)、MEC APP(MEC应用)和虚拟化基础设施。MEC平台主要负责提供多接入边缘服务、以及收集边缘应用必要的运行信息。虚拟化基础设施可包含Data plane(数据面)。
MEC host level management(MEC主机级管理)：包括MEC平台管理，负责MEC平台功能元管理、应用的规则和生命周期管理；以及虚拟化基础设施管理，负责分配、管理和释放虚拟化资源。
MEC system level management(MEC系统级管理)：包括边缘编排器，负责选择MEC主机、加载应用、触发应用实例初始化和终止；以及运营支撑系统，负责运维和运营、对终端设备和第三方客户请求的授权、并转到边缘编排器。
MEC的网络：包括3GPP(3rd Generation Partnership Project，第3代合作伙伴计划)网络、本地网、外部网络等。
ETSI-MEC作为边缘计算系统最主流的参考架构，主要围绕4G通信网络部署MEC展开，后续会与3GPP 5G通信网络结合演进。
另一方面，随着日益密集、丰富、高要求的移动应用的增长，移动网络变得越来越复杂。依靠人工进行网络部署操作和网络优化的传统方式将无力应对。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供了一种网络优化的方法、装置、RCF和计算机可读存储介质。
本发明实施例提供了一种网络优化的方法，包括：
边缘计算系统中的无线网络优化控制功能元RCF根据无线接入网的实时数据确定实时特征；
所述RCF根据所述实时特征生成无线优化辅助策略；
所述RCF发布所述无线优化辅助策略。
本发明实施例还提供一种网络优化的装置，包括：
实时特征模块，用于边缘计算系统中的RCF根据无线接入网的实时数据确定实时特征；
策略生成模块，用于根据所述实时特征生成无线优化辅助策略；
策略发布模块，用于发布所述无线优化辅助策略。
本发明实施例还提供一种RCF，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述方法。
本发明实施例还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述方法。
本发明实施例包括：边缘计算系统中的RCF根据无线接入网的实时数据确定实时特征；所述RCF根据所述实时特征生成无线优化辅助策略；所述RCF发布所述无线优化辅助策略。本发明实施例融合了MEC技术和无线接入网，在两者之间高效交互实时无线数据和智能无线优化辅助策略，形成无线网络智能优化的闭环控制，达到无线网络自驱优化。
在阅读并理解了附图和详细描述后，可以明白其他方面。
附图说明
图1是MEC在云计算网络的位置；
图2是ETSI-MEC系统框架；
图3是4G/5G无线接入网整体架构；
图4是本发明实施例提出的RCF在ETSI-MEC系统框架的位置；
图5是本发明实施例的网络优化的方法的流程图；
图6是本发明另一实施例的网络优化的方法的流程图；
图7是本发明实施例的基于边缘计算的网络优化的系统的组成示意图；
图8是本发明实施例的RCF从无线接入网元获取实时信息的流程图；
图9是本发明实施例的RCF主动发布无线优化辅助策略的流程图；
图10是本发明实施例的RCF查询发布无线优化辅助策略的流程图；
图11是本发明实施例的RCF从管理系统获取智能离线模型，向管理系统上报智能模型应用的评估结果的流程图；
图12是本发明实施例的RCF通过第三接口a向业务APP发送无线优化辅助策略指示的流程图；
图13是本发明实施例的RCF从智能算法APP获取智能离线模型，向智能算法APP上报智能模型应用的评估结果的流程图；
图14是本发明实施例的RCF完成特征提取，智能算法APP完成在线推理的流程图；
图15是本发明应用实例1的流程图；
图16是本发明应用实例2的流程图；
图17是本发明实施例的网络优化的装置的示意图；
图18是本发明另一实施例的网络优化的装置的示意图。
具体实施方式
下文中将结合附图对本发明的实施例进行详细说明。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
智能化是移动通信网络的重要发展方向。移动通信网络要利用新兴的人工智能和深度学习技术，形成自适应和自驱力，降低网络运营成本，为网络运营创造新时代。
为降低用户面时延、避免单点故障，3GPP的4/5G无线接入网络采用扁平化架构如图3所示。在扁平化网络中没有分布式计算锚点，无法针对特定区域建立全局实时/近实时数据视图，无法形成区域集中的近实时的智能优化控制，这将成为移动通信网络向智能化全面发展的一大障碍。
本发明实施例将MEC技术和3GPP的4/5G无线接入网进行深度融合、形成高效交互，从而为区域集中的和近实时的无线网络智能优化提供技术支撑，同时将边缘计算系统扩展到无线网络智能优化的应用领域。
本发明实施例在边缘计算系统中新增功能元，下载或者生成基于人工智能或者机器学习算法的智能模型、收集区域范围的实时数据、执行在线模型推理、发布无线优化辅助策略。
如图4所示，本发明实施例在边缘计算系统内增加RCF，RCF可连接MEC管理系统、3GPP网络中的无线接入网元、MEC APP。
其中，3GPP的无线接入网元包括：eNB(增强节点B)、gNB(新空口下一代节点B)和ng-eNB(支持NG接口的增强节点B)；MEC APP是指服务器端的APP，通常为第三方APP，MECAPP可分为2类，一类是业务APP，一类是智能算法APP。
如图5所示，本发明实施例的网络优化的方法，包括：
步骤101，边缘计算系统中的RCF根据无线接入网的实时数据确定实时特征。
本步骤中，RCF搜集实时数据，提取实时特征。
所述实时数据是指非历史数据，可以包括当前时间及时获取的数据，也可以包括当前一段时间内获取的数据。当前一段时间内获取的数据也可称为近实时数据。
在一实施例中，所述实时数据包括实时信息，所述RCF从无线接入网元获取实时信息，从所述实时信息中提取实时特征。
所述RCF还可以从数据面的数据流提取实时特征。
如图6所示，在一实施例中，所述步骤101之前，还包括：
步骤100，RCF确定智能模型。
其中，所述RCF可以采用如下三种方式确定智能模型：
1、所述RCF从MEC管理系统获取所述智能模型。
这种方式中，RCF可以从MEC管理系统，接收已完成训练的智能离线模型。
2、所述RCF从MEC智能算法APP获取所述智能模型。
这种方式中，RCF从智能算法APP接收定制化的智能离线模型。
3、所述RCF根据自身获取的实时数据，训练得到所述智能模型。
这种方式中，RCF根据自己搜集的实时数据，训练生成本地智能模型。
其中，智能模型基于一定规模的数据量、采用人工智能和机器学习算法来生成。
在一实施例中，所述RCF根据所述实时特征更新本地的智能模型。
该本地的智能模型可以是智能离线模型。
步骤102，所述RCF根据所述实时特征生成无线优化辅助策略。
在一实施例中，步骤102包括：所述RCF基于智能模型，根据所述实时特征执行在线推理，生成无线优化辅助策略。
在另一实施例中，步骤102包括：所述RCF将所述实时特征上报给MEC智能算法APP，根据所述MEC智能算法APP提供的在线推理结果指示，生成无线优化辅助策略。
步骤103，所述RCF发布所述无线优化辅助策略。
在一实施例中，所述RCF将所述无线优化辅助策略发送至无线接入网元，以使所述无线接入网元实现无线资源优化。
其中，RCF将所述无线优化辅助策略发送至无线接入网元，由无线接入网元根据策略指示，结合自有的无线资源管理算法，完成无线资源优化。
在一实施例中，所述RCF将所述无线优化辅助策略发送至MEC业务APP，以使所述MEC APP针对UE应用进行优化。
其中，RCF将所述无线优化辅助策略发送至MEC业务APP，由MEC APP根据策略指示，结合自有的业务应用层算法，针对UE应用进行优化。
如图6所示，在一实施例中，对于下载到本地的智能离线模型，所述步骤103之后，还包括：
步骤104，所述RCF根据在线推理的执行情况，评估所述智能模型。
在一实施例中，所述RCF根据在线推理的执行情况，评估所述智能模型之后，所述方法还包括：
步骤105，所述RCF向所述智能模型的提供者反馈评估报告。
所述智能模型的提供者可据此重启离线模型训练。
本发明实施例融合了MEC技术和无线接入网，在两者之间高效交互实时无线数据和智能无线优化辅助策略，形成无线网络智能优化的闭环控制，达到无线网络自驱优化。
如图7所示，本发明实施例基于边缘计算的网络优化的系统包括以下模块：
MEC中的管理系统21、MEC APP22、MEC网络中的3GPP无线接入网元23。还包括新增模块：MEC中的RCF24。
RCF在ETSI-MEC边缘计算框架的位置如图4所示。RCF和其他模块的关系如图7所示。
一、RCF24和3GPP无线接入网元23之间的接口为第一接口。通过该第一接口，RCF从无线接入网元获取实时信息，RCF向无线接入网元发送无线优化辅助策略。
如图8所示，RCF从无线接入网元获取实时信息，包括如下步骤：
步骤301，RCF向无线接入网元发送实时信息请求消息。消息中可包含但不限于：基站标识、小区标识、采集信息类型、采集状态等。
步骤302，RCF收到无线接入网元的实时信息响应消息。消息中可包含但不限于：执行结果等。
步骤303，RCF收到无线接入网元的实时信息报告消息。消息中可包含但不限于：基站标识、小区标识、小区负荷、邻区干扰、邻区负荷、UE标识、频内/频间/系统间测量、切换统计、采集时间、事件/周期类型等。
RCF发布无线优化辅助策略，可为主动发布方式、或者查询发布方式。
如图9所示，主动发布包括如下步骤：
步骤401，RCF向无线接入网元发送无线优化辅助策略指示消息。消息中可包含但不限于：基站标识、小区标识、邻区辅助信息、UE标识、算法类型、建议的目标小区、建议的Qos(质量等级)优先级、建议的POLICY(策略)类型等。
步骤402，RCF收到无线接入网元的无线优化辅助策略指示确认消息。消息中可包含但不限于：执行结果等。
如图10所示，查询发布可包括如下步骤：
步骤501，RCF收到无线接入网元发送的无线优化辅助策略请求消息。消息中可包含但不限于：基站标识、UE标识、小区标识及其实时信息、邻区信息等。
步骤502，RCF向无线接入网元发送无线优化辅助策略响应消息。消息内容参考步骤401中所述。消息中可包含但不限于：基站标识、小区标识、邻区辅助信息、UE标识、算法类型、建议的目标小区、建议的Qos(质量等级)优先级、建议的POLICY(策略)类型等。
二、RCF24和管理系统21之间的接口为第二接口。通过该第二接口，RCF24从管理系统21获取训练好的智能离线模型，RCF24向管理系统21上报智能模型应用的评估结果。如图11所示，可包括如下步骤：
步骤601，RCF收到管理系统的智能模型更新命令消息。消息中可包含但不限于：用户名、密码、下载地址和文件名等。
步骤602，RCF启动传输过程，完成智能模型下载。该过程可包含但不限于：文件传输过程。
文件内容可包含但不限于：智能模型类型、发生变更的模型的标识、模型数据等。
智能模型类型可包含但不限于：无线射频指纹库、智能定位指纹库、小区干扰模型、TCP层智能优化模型、业务智能识别模型、业务智能预测模型等。
步骤603，RCF向管理系统发送模型更新命令结果消息。消息中可包含但不限于：执行结果等。
步骤604，RCF还可以向管理系统发送智能模型评估报告消息。消息中可包含但不限于：智能模型类型、模型标识、模型可用程度、模型执行统计等。
三、RCF24和MEC APP22之间的接口为第三接口。其中，和业务APP之间为第三接口a，和智能算法APP之间为第三接口b。
通过第三接口a，RCF向业务APP发送无线优化辅助策略指示，触发APP执行业务应用层优化。可为主动发布方式、或者查询发布方式。如图12所示，包括如下步骤：
主动发布：
步骤701，RCF向业务APP发送无线优化辅助策略指示消息。消息中可包含但不限于：APP标识、UE标识、建议的视频码率等。
步骤702，RCF收到业务APP返回的无线优化辅助策略指示确认消息。消息中可包含但不限于：APP标识、UE标识、执行结果等。
或者查询发布：
步骤703，RCF收到业务APP发送的无线优化辅助策略请求消息。消息中可包含但不限于：APP标识、UE标识、需要建议的策略类型等。
步骤704，RCF向业务APP发送无线优化辅助策略响应消息。消息内容参考步骤701中所述。
第三接口b有2种方式可选，方式I或者方式II。
方式I、RCF完成特征提取和在线推理。
此时通过第三接口b，RCF从智能算法APP获取训练好的智能离线模型，RCF向智能算法APP上报智能模型应用的评估结果。如图13所示，与第二接口类似，可包括如下步骤：
步骤801，RCF收到智能算法APP的智能模型更新命令消息。消息中可包含但不限于：用户名、密码、下载地址和文件名等。
步骤802，RCF启动传输过程，完成智能模型下载。该过程可包含但不限于：文件传输过程。
文件内容可包含但不限于：智能模型类型、发生变更的模型的标识、模型数据等。
智能模型类型可包含但不限于：无线射频指纹库、智能定位指纹库、小区干扰模型、TCP层智能优化模型、业务智能识别模型、业务智能预测模型等。
步骤803，RCF向智能算法APP发送模型更新命令结果消息。消息中可包含但不限于：执行结果等。
步骤804，RCF还可以向智能算法APP发送智能模型评估报告消息。消息中可包含但不限于：智能模型类型、模型标识、模型可用程度、模型执行统计等。
方式II、RCF完成特征提取、APP完成在线推理。此时通过第三接口b，RCF向智能算法APP发送实时特征报告、同时接收其发送的在线推理结果指示，RCF进而生成无线优化辅助策略。如图14所示，包括如下步骤：
步骤901，RCF向智能算法APP发送实时特征报告消息。消息中可包含但不限于：APP标识、智能模型类型、模型标识、指定特征统计值等。
步骤902，RCF收到智能算法APP的在线推理结果指示消息。消息中可包含但不限于：APP标识、智能模型类型、模型标识、业务预测结果等。
综上所述，通过本发明实施例，可在边缘计算区域内建立全局实时(近实时)无线数据视图，形成区域集中的近实时的无线智能优化控制，发挥资源集中决策和统一调度的优势，最终能提高无线资源利用率和提升用户感知体验。而且，本发明实施例可兼容4/5G无线接入网。4/5G无线接入网元聚焦于3GPP协议栈处理，其无需频繁升级版本、无需引入智能模型获取/解析和实时特征提取的性能开销、无需面对直接向第三方MEC APP开放的安全风险，就可以完成无线优化算法增强，推动整个无线网络的智能优化功能向前演进。
下面以一些应用实例进行说明。
应用实例1：
RCF从管理系统获取智能离线模型、向无线接入网元发布辅助策略。如图15所示，主要处理步骤如下：
步骤1001～1003，RCF从管理系统获取智能离线模型。
步骤1001，RCF收到管理系统的智能模型更新命令。消息中包含但不限于：用户名、密码、下载地址和文件名。
步骤1002，RCF启动传输过程，完成智能模型下载。该过程可包含但不限于：文件传输过程。文件内容可包含但不限于：智能模型类型、发生变更的模型的标识、模型数据。
步骤1003，RCF向管理系统返回智能模型更新命令结果。消息中携带的信元可包含但不限于：执行结果。
步骤1004～1006，RCF采集无线接入网元的实时数据。
步骤1004，RCF向无线接入网元发送实时信息请求。消息中可包含但不限于：基站标识、小区标识、采集信息类型、采集状态。
步骤1005，无线接入网元返回响应。消息中可包含但不限于：执行结果。
步骤1006，无线接入网元执行上报。消息中可包含但不限于：基站标识、小区标识、小区负荷、邻区干扰、邻区负荷、UE标识、频内/频间/系统间测量、切换统计、采集时间、事件/周期类型。
步骤1007～1009，RCF提取实时特征、执行在线推理。
步骤1007，RCF根据智能模型要求，从实时信息中提取指定的实时特征，从Dataplane数据流提取实时特征。
步骤1008，RCF根据实时特征，执行在线推理；同时RCF更新本地智能离线模型。
步骤1009，RCF根据推理结果生成无线优化辅助策略。
步骤1010～1011，RCF向无线接入网元发布无线优化辅助策略。
步骤1010，RCF收到无线接入网元的无线优化辅助策略请求。消息中可包含但不限于：基站标识、UE标识、小区标识及其实时信息、邻区信息。
步骤1011，RCF向无线接入网元发送无线优化辅助策略响应。消息中可包含但不限于：基站标识、小区标识、邻区辅助信息、UE标识、算法类型、建议的目标小区、建议的Qos优先级。
步骤1012，RCF向管理系统上报智能模型评估。
其中，RCF向管理系统发送智能模型评估报告，消息中包含但不限于：智能模型类型、模型标识、模型可用程度、模型执行统计。管理系统可据此判断是否重新训练智能离线模型。
应用实例2：
RCF从智能算法APP获取在线推理结果、向无线接入网元和业务APP发布辅助策略。如图16所示，主要处理步骤如下：
步骤1101～1102，RCF受理业务APP的优化服务请求。
步骤1101，RCF收到业务APP的优化服务注册请求。消息中可包含但不限于：APP标识、UE标识、服务类型。
步骤1102，RCF向业务APP发送优化服务注册响应。消息中可包含但不限于：APP标识、UE标识、服务类型、执行结果。
步骤1103～1104，RCF受理智能算法APP的算法服务请求。
步骤1103，RCF收到智能算法APP的服务注册请求消息。消息中可包含但不限于：APP标识、服务类型、智能模型类型、模型标识、指定特征。
步骤1104，RCF向智能算法APP发送服务注册响应。消息中可包含但不限于：APP标识、服务类型、执行结果。
步骤1105～1107，RCF采集无线接入网元的实时数据。
步骤1105，RCF向无线接入网元发送实时信息请求。消息中可包含但不限于：基站标识、小区标识、采集信息类型、采集状态。
步骤1106，无线接入网元返回响应。消息中可包含但不限于：执行结果。
步骤1107，无线接入网元执行上报。消息中可包含但不限于：基站标识、小区标识、小区负荷、邻区干扰、邻区负荷、UE标识、频内/频间/系统间测量、切换统计、采集时间、事件/周期类型。
步骤1108～1109，RCF向智能算法APP上报实时特征。
步骤1108，RCF从实时信息中提取指定的特征，向APP发送实时特征报告。消息中可包含但不限于：APP标识、智能模型类型、模型标识、指定特征统计值。
步骤1109，RCF收到智能算法APP发送的在线推理结果指示消息。消息可包含但不限于：APP标识、智能模型类型、模型标识、业务预测结果。
步骤1110～1111，RCF可向无线接入网元发布无线优化辅助策略。
步骤1110，RCF向无线接入网元发送无线优化辅助策略指示。消息中可包含但不限于：基站标识、小区标识、UE标识、算法类型、建议的Qos优先级。
步骤1111，RCF收到无线接入网元返回的指示确认。消息中可包含但不限于：执行结果。
步骤1112～1113，RCF也可向业务APP发布无线优化辅助策略。
步骤1112，RCF向业务APP发送无线优化辅助策略指示。消息中可包含但不限于：APP标识、UE标识、建议的视频码率。
步骤1113，RCF收到业务APP返回的指示确认。消息中可包含但不限于：执行结果。
如图17所示，本发明实施例还提供一种网络优化的装置，包括：
实时特征模块1201，用于边缘计算系统中的RCF根据无线接入网的实时数据确定实时特征；
策略生成模块1202，用于根据所述实时特征生成无线优化辅助策略；
策略发布模块1203，用于发布所述无线优化辅助策略。
在一实施例中，所述实时数据包括实时信息，所述实时特征模块1201，用于从无线接入网元获取实时信息，从所述实时信息中提取实时特征。
在一实施例中，所述实时特征模块1201，用于从数据面的数据流提取实时特征。
如图18所示，在一实施例中，所述装置还包括：
智能模型确定模块1200，用于确定智能模型。
在一实施例中，所述智能模型确定模块1200，用于采用如下方式中的至少之一确定所述智能模型：
从MEC管理系统获取所述智能模型；
从MEC智能算法应用APP获取所述智能模型；
根据自身获取的实时数据，训练得到所述智能模型。
在一实施例中，所述智能模型确定模块1200，还用于根据所述实时特征更新本地的智能模型。
在一实施例中，所述策略生成模块1202，用于所述RCF基于智能模型，根据所述实时特征执行在线推理，生成无线优化辅助策略。
如图18所示，在一实施例中，所述装置还包括：
智能模型评估模块1204，用于根据在线推理的执行情况，评估所述智能模型。
在一实施例中，所述装置还包括：
反馈模块1205，用于向所述智能模型的提供者反馈评估报告。
在一实施例中，策略生成模块1202，用于将所述实时特征上报给MEC智能算法APP，根据所述MEC智能算法APP提供的在线推理结果指示，生成无线优化辅助策略。
在一实施例中，策略发布模块1203，用于将所述无线优化辅助策略发送至无线接入网元，以使所述无线接入网元实现无线资源优化。
在一实施例中，策略发布模块1203，用于将所述无线优化辅助策略发送至MEC业务APP，以使所述MEC APP针对用户设备UE应用进行优化。
本发明实施例还提供一种RCF，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述网络优化的方法。
本发明实施例还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述会议控制的实现方法。
在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
Claims (13)
1.一种网络优化的方法，包括：
边缘计算系统中的无线网络优化控制功能元RCF根据无线接入网的实时数据确定实时特征；
基于智能模型,所述RCF根据所述实时特征生成无线优化辅助策略；
所述RCF发布所述无线优化辅助策略；
其中，所述RCF发布所述无线优化辅助策略，包括：
所述RCF将所述无线优化辅助策略发送至无线接入网元，以使所述无线接入网元实现无线资源优化；
所述RCF将所述无线优化辅助策略发送至MEC业务APP，以使所述MEC业务APP针对用户设备UE应用进行优化。
2.如权利要求1所述的方法，其特征在于，所述实时数据包括实时信息，所述RCF根据无线接入网的实时数据确定实时特征，包括：
所述RCF从无线接入网元获取实时信息，从所述实时信息中提取实时特征。
3.如权利要求1所述的方法，其特征在于，所述RCF根据无线接入网的实时数据确定实时特征，包括：
所述RCF从数据面的数据流提取实时特征。
4.如权利要求1所述的方法，其特征在于，所述边缘计算系统中的RCF根据无线接入网的实时数据确定实时特征之前，所述方法还包括：
所述RCF确定智能模型。
5.如权利要求4所述的方法，其特征在于，所述RCF采用如下方式中的至少之一确定所述智能模型：
所述RCF从多接入边缘计算MEC管理系统获取所述智能模型；
所述RCF从MEC智能算法应用APP获取所述智能模型；
所述RCF根据自身获取的实时数据，训练得到所述智能模型。
6.如权利要求1所述的方法，其特征在于，所述RCF确定实时特征之后，所述方法还包括：
所述RCF根据所述实时特征更新本地的智能模型。
7.如权利要求1所述的方法，其特征在于，所述基于智能模型,所述RCF根据所述实时特征生成无线优化辅助策略，包括：
所述RCF基于智能模型，根据所述实时特征执行在线推理，生成无线优化辅助策略。
8.如权利要求7所述的方法，其特征在于，所述RCF发布所述无线优化辅助策略之后，所述方法还包括：
所述RCF根据在线推理的执行情况，评估所述智能模型。
9.如权利要求8所述的方法，其特征在于，所述RCF根据在线推理的执行情况，评估所述智能模型之后，所述方法还包括：
所述RCF向所述智能模型的提供者反馈评估报告。
10.如权利要求1所述的方法，其特征在于，所述基于智能模型,所述RCF根据所述实时特征生成无线优化辅助策略，包括：
基于智能模型,所述RCF将所述实时特征上报给MEC智能算法APP，根据所述MEC智能算法APP提供的在线推理结果指示，生成无线优化辅助策略。
11.一种网络优化的装置，包括：
实时特征模块，用于边缘计算系统中的RCF根据无线接入网的实时数据确定实时特征；
策略生成模块，用于基于智能模型,根据所述实时特征生成无线优化辅助策略；
策略发布模块，用于发布所述无线优化辅助策略；
其中，所述RCF发布所述无线优化辅助策略，包括：
所述RCF将所述无线优化辅助策略发送至无线接入网元，以使所述无线接入网元实现无线资源优化；
所述RCF将所述无线优化辅助策略发送至MEC业务APP，以使所述MEC业务APP针对用户设备UE应用进行优化。
12.一种无线网络优化控制功能元，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～10中任意一项所述的方法。
13.一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1～10中任意一项所述的方法。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910551380.0A CN112135305B (zh) | 2019-06-24 | 2019-06-24 | 一种网络优化的方法、装置和无线网络优化控制功能元 |
| US17/294,904 US20210409974A1 (en) | 2019-06-24 | 2020-06-09 | Method and apparatus for network optimization and radio network optimization control functional unit (rcf) |
| PCT/CN2020/095113 WO2020259276A1 (zh) | 2019-06-24 | 2020-06-09 | 一种网络优化的方法、装置和无线网络优化控制功能元 |
| EP20831624.0A EP3869849A4 (en) | 2019-06-24 | 2020-06-09 | Method, apparatus and radio network optimization control function unit (rcf) for network optimization |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910551380.0A CN112135305B (zh) | 2019-06-24 | 2019-06-24 | 一种网络优化的方法、装置和无线网络优化控制功能元 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112135305A CN112135305A (zh) | 2020-12-25 |
| CN112135305B true CN112135305B (zh) | 2024-04-16 |
Family
ID=73849815
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910551380.0A Active CN112135305B (zh) | 2019-06-24 | 2019-06-24 | 一种网络优化的方法、装置和无线网络优化控制功能元 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20210409974A1 (zh) |
| EP (1) | EP3869849A4 (zh) |
| CN (1) | CN112135305B (zh) |
| WO (1) | WO2020259276A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220295309A1 (en) * | 2019-09-12 | 2022-09-15 | Telefonaktiebolaget Lm Ericsson (Publ) | Data Sharing Between a Non-RT-RIC and a NearRT-RIC for Radio Resource Management |
| US20220247651A1 (en) * | 2021-01-29 | 2022-08-04 | Assia Spe, Llc | System and method for network and computation performance probing for edge computing |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105898762A (zh) * | 2015-01-26 | 2016-08-24 | 华为技术有限公司 | 基站优化及部署方法和装置 |
| CN107018534A (zh) * | 2016-01-28 | 2017-08-04 | 中兴通讯股份有限公司 | 一种实现移动边缘计算服务的方法、装置及系统 |
| WO2017220158A1 (en) * | 2016-06-24 | 2017-12-28 | Nokia Solutions And Networks Oy | Policy control of mobile edge applications |
| CN107846270A (zh) * | 2016-09-20 | 2018-03-27 | 中国移动通信有限公司研究院 | 传输策略配置方法及装置、信息传输方法及装置 |
| CN109561444A (zh) * | 2017-09-26 | 2019-04-02 | 中国移动通信有限公司研究院 | 一种无线数据处理方法及系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106465257B (zh) * | 2014-05-30 | 2020-02-14 | 华为技术有限公司 | 无线网络控制方法和无线网络控制器 |
| US11343868B2 (en) * | 2017-06-06 | 2022-05-24 | Telefonaktiebolaget Lm Ericsson (Publ) | Method for establishing a connection between a neutral host network and one or more virtual radio access networks |
| US11244242B2 (en) * | 2018-09-07 | 2022-02-08 | Intel Corporation | Technologies for distributing gradient descent computation in a heterogeneous multi-access edge computing (MEC) networks |
| CN109688597B (zh) * | 2018-12-18 | 2020-09-01 | 北京邮电大学 | 一种基于人工智能的雾无线接入网络组网方法及装置 |
| US11373099B2 (en) * | 2018-12-28 | 2022-06-28 | Intel Corporation | Artificial intelligence inference architecture with hardware acceleration |
| WO2020185130A1 (en) * | 2019-03-08 | 2020-09-17 | Telefonaktiebolaget Lm Ericsson (Publ) | Dynamic access network selection based on application orchestration information in an edge cloud system |
| CN113875278A (zh) * | 2019-05-24 | 2021-12-31 | 苹果公司 | 5g新空口负载平衡和移动性稳健性 |
-
2019
- 2019-06-24 CN CN201910551380.0A patent/CN112135305B/zh active Active
-
2020
- 2020-06-09 WO PCT/CN2020/095113 patent/WO2020259276A1/zh unknown
- 2020-06-09 EP EP20831624.0A patent/EP3869849A4/en active Pending
- 2020-06-09 US US17/294,904 patent/US20210409974A1/en not_active Abandoned
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105898762A (zh) * | 2015-01-26 | 2016-08-24 | 华为技术有限公司 | 基站优化及部署方法和装置 |
| CN107018534A (zh) * | 2016-01-28 | 2017-08-04 | 中兴通讯股份有限公司 | 一种实现移动边缘计算服务的方法、装置及系统 |
| WO2017220158A1 (en) * | 2016-06-24 | 2017-12-28 | Nokia Solutions And Networks Oy | Policy control of mobile edge applications |
| CN107846270A (zh) * | 2016-09-20 | 2018-03-27 | 中国移动通信有限公司研究院 | 传输策略配置方法及装置、信息传输方法及装置 |
| CN109561444A (zh) * | 2017-09-26 | 2019-04-02 | 中国移动通信有限公司研究院 | 一种无线数据处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112135305A (zh) | 2020-12-25 |
| EP3869849A1 (en) | 2021-08-25 |
| EP3869849A4 (en) | 2021-12-29 |
| WO2020259276A1 (zh) | 2020-12-30 |
| US20210409974A1 (en) | 2021-12-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108174421B (zh) | 一种5g网络中基于mec辅助的数据分流方法 | |
| US11425225B2 (en) | Method, apparatus, and equipment for exposing edge network capability, and storage medium | |
| CN111565418B (zh) | 一种o-ran与mec的通信方法及系统 | |
| JP6019233B2 (ja) | 端末アクセス方法、システム及び端末 | |
| CN110831261B (zh) | 用于组合的rrc非活动恢复、rrc rna＆nas注册过程的装置 | |
| CN113115394B (zh) | 基于地面移动网络和卫星移动网络切换的通信方法和核心网 | |
| US20220279403A1 (en) | Information transmission method and apparatus, storage medium and electronic apparatus | |
| CN111200810B (zh) | 终端的能力信息的获取方法、装置及系统 | |
| CN112135305B (zh) | 一种网络优化的方法、装置和无线网络优化控制功能元 | |
| JP6730511B2 (ja) | ネットワークポリシー更新のトリガー方法、管理機能エンティティおよびコアネットワークデバイス | |
| CN113766576B (zh) | 服务质量管理方法、电子设备以及存储介质 | |
| US20230127601A1 (en) | Dynamic update of path selection policy for user equipment in wireless communication network | |
| US20230144337A1 (en) | Method and system for managing radio unit (ru) supervision failure in o-ran | |
| US11463517B2 (en) | Methods and system for training and reinforcing computer vision models using distributed computing | |
| US20240012675A1 (en) | Dynamic discovery mechanism in 5g systems and methods | |
| KR102071024B1 (ko) | 위성 기반 인터넷 액세스 및 전송을 위한 수락 제어 시스템 | |
| CN113852950A (zh) | 面向算力网络的智能移动性跟踪调度方法及装置 | |
| US20230239747A1 (en) | Handover method and apparatus, devices and storage medium | |
| KR20210046179A (ko) | 네트워크 기능 제어방법 및 장치 | |
| CN113396573B (zh) | 计算服务的迁移 | |
| CN108337692B (zh) | 终端与管理基站通信故障的管理方法、装置及计算机可读存储介质 | |
| US20230047537A1 (en) | System and method for delivering quality of service | |
| US20240023062A1 (en) | Apparatuses and methods for facilitating efficient paging in networks | |
| US20230318794A1 (en) | Optimizing physical cell id assignment in a wireless communication network | |
| JP2021516468A (ja) | ハンドオーバ処理方法、ネットワーク装置、端末装置及びコンピュータ記憶媒体 |
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 |