CN112351440A - 一种对5g/4g高负荷小区池化扩容的预测方法及系统 - Google Patents
一种对5g/4g高负荷小区池化扩容的预测方法及系统 Download PDFInfo
- Publication number
- CN112351440A CN112351440A CN202011040921.2A CN202011040921A CN112351440A CN 112351440 A CN112351440 A CN 112351440A CN 202011040921 A CN202011040921 A CN 202011040921A CN 112351440 A CN112351440 A CN 112351440A
- Authority
- CN
- China
- Prior art keywords
- cell
- probability
- load
- high load
- pool
- 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
- 238000011176 pooling Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 7
- 230000015556 catabolic process Effects 0.000 description 8
- 238000006731 degradation reaction Methods 0.000 description 8
- 230000001186 cumulative effect Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/24—Cell structures
- H04W16/26—Cell enhancers or enhancement, e.g. for tunnels, building shadow
-
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种对5G/4G高负荷小区池化扩容的预测方法及系统,方法包括:步骤A:获取小区的负荷指标历史数据;步骤B:根据负荷指标历史数据,基于泊松公式和概率乘法预测小区在未来某一时间段内出现高负荷的概率;步骤C:若小区在未来某一时间段内出现高负荷的概率超过预设概率则将小区存入5G/4G高负荷待扩容小区资源池,并记录入池日期和入池次数;步骤D:根据入池日期和入池次数进行判断,将符合第一条件的小区标识为5G/4G高负荷待扩容小区,将符合第二条件的小区移除并清除对应的入池日期和入池次数的记录。本发明基于泊松分布和概率乘法预测5G\4G高负荷小区并对其进行池化扩容管理,可有效解决高负荷预测手段不足的问题。
Description
技术领域
本发明涉及无线通信网络技术领域,具体涉及一种对5G/4G高负荷小区池化扩容的预测方法及系统。
背景技术
随着不限量套餐的推广,用户流量持续快速增长,用户行为习惯的转变也导致对视频、游戏等高速率、低时延业务的使用保障需求愈发强烈,受业务不均衡性影响导致5G/4G热点区域小区高负荷问题愈发突出。同时5G/4G网络的快速建设导致现网存量资源越来越大,如何挖掘低效载频提升资源使用效率成为盘活现网资源的重要工作。目前业界多采用长期观测无线负荷指标的方法,发现高负荷小区然后进行扩容,属于事后处理型。或者采用业务线性增长预测等手段,但是实际情况往往不符合线性增长预测。
总之,在高负荷小区预测方面目前缺乏有效手段。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种对5G/4G高负荷小区池化扩容的预测方法及系统,可有效解决高负荷预测手段不足的问题。
为实现上述目的,本发明采用的技术方案如下:
一种对5G/4G高负荷小区池化扩容的预测方法,包括:
步骤A:获取小区的负荷指标历史数据;
步骤B:根据所述负荷指标历史数据,基于泊松公式和概率乘法预测所述小区在未来某一时间段内出现高负荷的概率;
步骤C:若所述小区在未来某一时间段内出现高负荷的概率超过预设概率则将所述小区存入5G/4G高负荷待扩容小区资源池,并记录入池日期和入池次数;
步骤D:根据所述入池日期和入池次数进行判断,将符合第一条件的小区标识为5G/4G高负荷待扩容小区,将符合第二条件的小区移除并清除对应的入池日期和入池次数的记录。
进一步,如上所述的对5G/4G高负荷小区池化扩容的预测方法,步骤B包括:
步骤B1:选定能反映出高负荷本质的多个特征事件;
步骤B2:通过泊松公式预测所述小区在未来某一时间段内各特征事件出现的概率;
步骤B3:根据所述小区各特征事件出现的概率,基于概率算法计算所述小区在未来某一时间段内出现高负荷的概率。
进一步,如上所述的对5G/4G高负荷小区池化扩容的预测方法,步骤B3中,通过下式计算所述小区在未来某一时间段内出现高负荷的概率P:
P=P1*P2*…*Pn;
其中,P1为特征事件1出现的概率,P2为特征事件2出现的概率,Pn为特征事件n出现的概率。
进一步,如上所述的对5G/4G高负荷小区池化扩容的预测方法,
n=2;
所述特征事件1为:出现数据传输的RRC数大于或等于10的时长达到第一预设时长;
所述特征事件2为:出现max(上行PRB利用率,下行PRB利用率)大于或等于50%的时长达到第二预设时长。
进一步,如上所述的对5G/4G高负荷小区池化扩容的预测方法,
所述第一条件为:小区在1个月内出现高负荷的天数大于15天,或者在1个月内出现高负荷的周数大于2周,或者在12个月内出现高负荷的月数大于6个月;
所述第二条件为:如果小区在1个月内出现高负荷的天数小于5天,或者在1个月内出现高负荷的周数小于1周,或者在12个月内出现高负荷的月数小于3个月。
一种对5G/4G高负荷小区池化扩容的预测系统,包括:
获取模块,用于获取小区的负荷指标历史数据;
预测模块,用于根据所述负荷指标历史数据,基于泊松公式和概率乘法预测所述小区在未来某一时间段内出现高负荷的概率;
记录模块,用于若所述小区在未来某一时间段内出现高负荷的概率超过预设概率则将所述小区存入5G/4G高负荷待扩容小区资源池,并记录入池日期和入池次数;
筛选模块,用于根据所述入池日期和入池次数进行判断,将符合第一条件的小区标识为5G/4G高负荷待扩容小区,将符合第二条件的小区移除并清除对应的入池日期和入池次数的记录。
进一步,如上所述的对5G/4G高负荷小区池化扩容的预测系统,所述预测模块具体用于:
选定能反映出高负荷本质的多个特征事件;
通过泊松公式预测所述小区在未来某一时间段内各特征事件出现的概率;
根据所述小区各特征事件出现的概率,基于概率算法计算所述小区在未来某一时间段内出现高负荷的概率。
进一步,如上所述的对5G/4G高负荷小区池化扩容的预测系统,所述预测模块中,通过下式计算所述小区在未来某一时间段内出现高负荷的概率P:
P=P1*P2*…*Pn;
其中,P1为特征事件1出现的概率,P2为特征事件2出现的概率,Pn为特征事件n出现的概率。
进一步,如上所述的对5G/4G高负荷小区池化扩容的预测系统,
n=2;
所述特征事件1为:出现数据传输的RRC数大于或等于10的时长达到第一预设时长;
所述特征事件2为:出现max(上行PRB利用率,下行PRB利用率)大于或等于50%的时长达到第二预设时长。
进一步,如上所述的对5G/4G高负荷小区池化扩容的预测系统,
所述第一条件为:小区在1个月内出现高负荷的天数大于15天,或者在1个月内出现高负荷的周数大于2周,或者在12个月内出现高负荷的月数大于6个月;
所述第二条件为:如果小区在1个月内出现高负荷的天数小于5天,或者在1个月内出现高负荷的周数小于1周,或者在12个月内出现高负荷的月数小于3个月。
本发明的有益效果在于:本发明所提供的方法及系统,基于泊松分布和概率乘法预测5G\4G高负荷小区并对其进行池化扩容管理,可有效解决高负荷预测手段不足的问题。
附图说明
图1为本发明实施例中提供的一种对5G/4G高负荷小区池化扩容的预测方法的流程示意图;
图2为本发明实施例中提供的一种对5G/4G高负荷小区池化扩容的预测方法的流程示意图;
图3为本发明实施例中提供的某小区的负荷指标未来出现概率P1和P2的折线图;
图4为本发明实施例中提供的一种对5G/4G高负荷小区池化扩容的预测系统的结构示意图。
具体实施方式
下面结合说明书附图与具体实施方式对本发明做进一步的详细说明。
针对目前业界多采用长期观测无线负荷指标发现高负荷小区进行事后扩容的方法和线性增长预测手段不适用,在高负荷小区预测方面目前缺乏有效手段的问题。本发明提出了一种基于泊松分布和概率乘法预测5G/4G高负荷小区进行池化扩容管理的方法,可有效解决高负荷预测手段不足的问题。
如图1所示,一种对5G/4G高负荷小区池化扩容的预测方法,包括:
步骤A:获取小区的负荷指标历史数据。
步骤B:根据负荷指标历史数据,基于泊松公式和概率乘法预测小区在未来某一时间段内出现高负荷的概率。
可选地,步骤B包括如下步骤B1至步骤B3。
步骤B1:选定能反映出高负荷本质的多个特征事件。
步骤B2:通过泊松公式预测小区在未来某一时间段内各特征事件出现的概率。
目前5G/4G高负荷小区采用“出现有效RRC连接最大数大于或等于10的时长达到若干小时\天\周\月数,以及出现PRB利用率=max(上行PRB利用率,下行PRB利用率)大于或等于50%的时长达到若干小时\天\周\月数”两个条件进行判断,其中,有效RRC连接最大数(或有数据传输的RRC最大数),用于表征无线小区中统计的最大激活用户数。上行PRB利用率(业务信道)=上行PUSCH PRB占用数/上行PUSCH PRB可用数*100%。下行PRB利用率(业务信道)=下行PDSCH PRB占用数/下行PDSCH PRB可用数*100%。受用户上网习惯的影响,在一定时间内出现有效RRC连接最大数大于或等于10和PRB利用率大于或等于50%的概率具有一定稳定性。事件N(t)是独立增量过程,即有效RRC连接最大数大于或等于10和PRB利用率大于或等于50%在不同的小时间段里,发生与否相互独立。由上述内容可知,现有的无线通信小区负荷表征指标符合泊松分布成立的3个必要充分条件。因此,可以通过泊松公式预测5G/4G小区高负荷指标未来出现概率P1和P2。泊松分布是一种离散随机分布,通常被使用在预测在一段特定时间/空间内随机时间发生次数的概率,比如特征事件1发生次数的概率P1和特征事件2发生次数的概率P2,特征事件1为:出现数据传输的RRC数大于或等于10的时长达到第一预设时长,特征事件2为:出现max(上行PRB利用率,下行PRB利用率)大于或等于50%的时长达到第二预设时长。具体可以使用泊松累积分布概率公式计算在未来某一时间段内特征事件1和特征事件2发生的概率。
泊松分布密度函数为:
泊松累积分布概率为:
泊松累积分布概率,即随机事件发生的次数在0到x之间(包含0和1)的总概率。具体参数如下表1。
表1泊松公式参数
步骤B3:根据小区各特征事件出现的概率,基于概率算法计算小区在未来某一时间段内出现高负荷的概率。
通过泊松公式预测得到小区在未来某一时间段内各特征事件出现的概率,基于各特征事件出现的概率计算小区出现高负荷的概率,具体可以通过下式计算小区在未来某一时间段内出现高负荷的概率P,P=P1*P2*…*Pn,其中,P1为特征事件1出现的概率,P2为特征事件2出现的概率,Pn为特征事件n出现的概率。根据概率乘法法则:两个独立事件A与B同时出现的概率等于这两事件概率的乘积,即P(AB)=P(A)*P(B),由此推断5G/4G高负荷小区两个判决条件“出现有效RRC连接最大数大于或等于10的时长达到第一预设时长(例如x小时\天\周\月数)的概率P1,以及出现RB利用率大于或等于50%的时长达到第二预设时长(例如y小时\天\周\月数)的概率P2”符合概率乘法法则。
步骤C:若小区在未来某一时间段内出现高负荷的概率超过预设概率则将小区存入5G/4G高负荷待扩容小区资源池,并记录入池日期和入池次数。
通过前述步骤计算得到小区在未来某一时间段内出现高负荷的概率P,基于P判断是否需要对小区进行扩容,如果概率P超过预设概率(比如95%),则表明小区初步具备5G/4G高负荷待扩容小区的资格,将小区存入5G/4G高负荷待扩容小区资源池,同时记录入池日期和入池次数,作为候选名单,用以后续进一步筛选出真正的5G/4G高负荷待扩容小区。
步骤D:根据入池日期和入池次数进行判断,将符合第一条件的小区标识为5G/4G高负荷待扩容小区,将符合第二条件的小区移除并清除对应的入池日期和入池次数的记录。
其中,第一条件包括:a1.在1个月内出现高负荷的天数大于15天,a2.在1个月内出现高负荷的周数大于2周,a3.在12个月内出现高负荷的月数大于6个月。第二条件包括:b1.小区在1个月内出现高负荷的天数小于5天,b2.在1个月内出现高负荷的周数小于1周,b3在12个月内出现高负荷的月数小于3个月。具体地,对5G/4G高负荷待扩容小区资源池进行管理,包括将符合第一条件的小区标识为5G/4G高负荷待扩容小区,将符合第二条件的小区移除同时删除相关记录,包括入池日期和入池次数。根据入池日期和入池次数判断小区是否符合第一条件或第二条件。第一种情况:若小区满足条件a1,则说明小区出现高负荷的概率较高,需要进行扩容,应该将该小区标识为5G/4G高负荷待扩容小区;若小区满足条件b1,则说明小区出现高负荷较小,并不需要扩容,不属于真正的5G/4G高负荷待扩容小区,应该将其从候选名单中移除。第二种情况:若小区满足条件a2,则说明小区出现高负荷的概率较高,需要进行扩容,应该将该小区标识为5G/4G高负荷待扩容小区;若小区满足条件b2,则说明小区出现高负荷较小,并不需要扩容,不属于真正的5G/4G高负荷待扩容小区,应该将其从候选名单中移除。第三种情况:若小区满足条件a3,则说明小区出现高负荷的概率较高,需要进行扩容,应该将该小区标识为5G/4G高负荷待扩容小区;若小区满足条件b3,则说明小区出现高负荷较小,并不需要扩容,不属于真正的5G/4G高负荷待扩容小区,应该将其从候选名单中移除。
可选地,还可以对5G/4G高负荷待扩容小区,从中筛选入池次数最多的前若干个小区进行扩容。具体地,在前端界面以图表的形式展示5G/4G小区高负荷待扩容小区,派发工单对选中的小区进行扩容,通过前端界面能够根据用户设置自动推荐前若干个小区名单,不仅视觉效果更加直观,而且方便工作人员进行小区定位和扩容,提高工作效率。
本发明借鉴计算机队列概念提出高负荷待扩容资源池,对高负荷预测小区进行长期监测实现扩容工作的弹性管理,可以排除一些偶发波动事件,保证了最终结论更加科学合理、稳定可靠。
实施例一
如图2所示,一种对5G/4G高负荷小区池化扩容的预测方法,包括:
S1、程序读入5G/4G无线小区负荷指标历史数据,时间粒度可选:小时\天\周\月;
S2、基于泊松公式+概率乘法预测5G/4G小区在未来时间段内(小时\天\周\月)出现高负荷的概率P=P1*P2;
S3、判断预测5G/4G小区未来出现高负荷的概率是否满足P>95%,如果不满足则丢弃该条数据;
S4、如果满足,则将该小区存入5G/4G高负荷待扩容小区资源池,并记录该小区入池日期,且次数加1;
S5、对5G/4G高负荷待扩容小区资源池进行管理,包括:
如果5G/4G高负荷待扩容资源池内的小区1个月内出现天数>15天(或1个月内出现周数>2周;或1年内出现月数>6月),则预测为高负荷进行扩容,且每批只筛选次数最多的前100个小区进行扩容;
如果5G/4G高负荷待扩容资源池内的小区一个月内出现天数<5天(或1月内出现周数<1周;或1年内出现月数<3月),说明是偶发现象如演唱会周边小区临时高负荷,则将该小区移出待扩容资源池;
S6、在前端界面以图表的形式展示5G/4G小区高负荷待扩容小区,派发工单进行扩容。
通过泊松公式预测第9日无线小区有效RRC连接最大数>=10劣化小时数出现的概率P1和PRB利用率>=50%劣化小时数出现的概率P2,假设X=k=8日,即X取第8日的数据,λ=历史数据的均值,计算结果如下:
当X=k=“第8日有效RRC连接最大数>=10的劣化小时数”,计算的泊松累积分布概率P1>90%,且5个小区在第9日有效RRC连接最大数>=10的劣化小时数与第8日的值接近,如表2,预测准确率=5/5=100%。
表2
当X=k=“第8日最大PRB利用率>=50%的劣化小时数”,计算的泊松累积分布概率P2>80%,且5个小区在第9日最大PRB利用率>=50%劣化小时数与第8日的值接近,如表3,预测准确率=5/5=100%。
表3
如图3所示,通过泊松公式预测得到某小区的负荷指标未来出现概率P1和P2的折线图。从图中可以看出,P1和P2最低概率为71.65%,最高可以达到95.54%,在区间[71.65%,95.54%]内上下浮动。
通过概率乘法对泊松公式预测的负荷指标未来出现概率P1和P2计算最终出现概率P,如果P>95%说明是大概率事件则进行扩容。
通过对1095个4G高负荷小区进行实验验证:当P的值在(95%,100%]区间内时,如表4,可准确预测80.92%的小区在未来仍为高负荷小区需进行扩容,说明算法置信度较高。
表4
本发明通过泊松公式可预测5G/4G小区在未来时间段内:有数据传输的RRC数>=10的劣化小时\天\周\月数的出现概率P1,max(上行PRB利用率,下行PRB利用率)>=50%的劣化小时\天\周\月数的出现概率P2;采用概率乘法计算未来仍为高负荷小区的概率P(P=P1*P2),如果P>95%说明是大概率事件则进行扩容,预测准确率和算法置信度均较高,表明本发明的预测方法具有可行性,满足实际生产工作的需要。
如图4所示,一种对5G/4G高负荷小区池化扩容的预测系统,包括:获取模块100、预测模块200、记录模块300和筛选模块400;获取模块100用于获取小区的负荷指标历史数据;预测模块200用于根据负荷指标历史数据,基于泊松公式和概率乘法预测小区在未来某一时间段内出现高负荷的概率;记录模块300用于若小区在未来某一时间段内出现高负荷的概率超过预设概率则将小区存入5G/4G高负荷待扩容小区资源池,并记录入池日期和入池次数;筛选模块400用于根据入池日期和入池次数进行判断,将符合第一条件的小区标识为5G/4G高负荷待扩容小区,将符合第二条件的小区移除并清除对应的入池日期和入池次数的记录。
可选地,预测模块200具体用于:选定能反映出高负荷本质的多个特征事件;通过泊松公式预测小区在未来某一时间段内各特征事件出现的概率;根据小区各特征事件出现的概率,基于概率算法计算小区在未来某一时间段内出现高负荷的概率。
可选地,预测模块200中,通过下式计算小区在未来某一时间段内出现高负荷的概率P,P=P1*P2*…*Pn,其中,P1为特征事件1出现的概率,P2为特征事件2出现的概率,Pn为特征事件n出现的概率。
可选地,n=2;特征事件1为:出现数据传输的RRC数大于或等于10的时长达到第一预设时长;特征事件2为:出现max(上行PRB利用率,下行PRB利用率)大于或等于50%的时长达到第二预设时长。
可选地,筛选模块400中,第一条件为:小区在1个月内出现高负荷的天数大于15天,或者在1个月内出现高负荷的周数大于2周,或者在12个月内出现高负荷的月数大于6个月;第二条件为:如果小区在1个月内出现高负荷的天数小于5天,或者在1个月内出现高负荷的周数小于1周,或者在12个月内出现高负荷的月数小于3个月。
本发明至少包括以下有益效果:
1、本发明结合泊松分布和概率乘法预测5G/4G高负荷小区,具有贴合统计规律、非主观、可量化的优点。本发明通过泊松公式预测5G/4G小区在未来时间段内:数据传输的RRC数>=10的时长达到第一预设时长的出现概率P1,max(上行PRB利用率,下行PRB利用率)>=50%的时长达到第二预设时长的出现概率P2;采用概率乘法计算未来仍为高负荷小区的概率P(P=P1*P2),如果P>95%说明是大概率事件则进行扩容,预测准确率和算法置信度均较高,具有可行性,满足实际生产工作的需要。
2、本发明对特征事件1、特征事件2、阈值数值的选定比较有代表性。特征事件1和特征事件2均为能反映出高负荷本质的细节事件。根据特征事件1出现的概率P1和特征事件2出现概率P2计算小区在未来时间段内出现高负荷的概率P,如果P>95%则说明是大概率事件,需要将小区存入5G\4G高负荷待扩容小区资源池。
3、本发明借鉴计算机队列概念提出高负荷待扩容资源池,对高负荷预测小区进行长期监测实现扩容工作的弹性管理,可以排除一些偶发波动事件,保证了最终结论更加科学合理、稳定可靠。对高负荷预测小区进行长期监测实现扩容工作的弹性管理体现在:如果5G\4G高负荷待扩容资源池内的小区1个月内出现天数>15天,或1个月内出现周数>2周,或1年内出现月数>6月,则说明出现高负荷是大概率时间,需要将改小区标识为高负荷进行扩容;如果5G\4G高负荷待扩容资源池内的小区一个月内出现天数<5天,或1月内出现周数<1周,或1年内出现月数<3月,则说明出现高负荷是偶发现象,需要将该小区移出待扩容资源池。
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同等技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种对5G/4G高负荷小区池化扩容的预测方法,其特征在于,包括:
步骤A:获取小区的负荷指标历史数据;
步骤B:根据所述负荷指标历史数据,基于泊松公式和概率乘法预测所述小区在未来某一时间段内出现高负荷的概率;
步骤C:若所述小区在未来某一时间段内出现高负荷的概率超过预设概率则将所述小区存入5G/4G高负荷待扩容小区资源池,并记录入池日期和入池次数;
步骤D:根据所述入池日期和入池次数进行判断,将符合第一条件的小区标识为5G/4G高负荷待扩容小区,将符合第二条件的小区移除并清除对应的入池日期和入池次数的记录。
2.根据权利要求1所述的对5G/4G高负荷小区池化扩容的预测方法,其特征在于,步骤B包括:
步骤B1:选定能反映出高负荷本质的多个特征事件;
步骤B2:通过泊松公式预测所述小区在未来某一时间段内各特征事件出现的概率;
步骤B3:根据所述小区各特征事件出现的概率,基于概率算法计算所述小区在未来某一时间段内出现高负荷的概率。
3.根据权利要求2所述的对5G/4G高负荷小区池化扩容的预测方法,其特征在于,步骤B3中,通过下式计算所述小区在未来某一时间段内出现高负荷的概率P:
P=P1*P2*…*Pn;
其中,P1为特征事件1出现的概率,P2为特征事件2出现的概率,Pn为特征事件n出现的概率。
4.根据权利要求3所述的对5G/4G高负荷小区池化扩容的预测方法,其特征在于,
n=2;
所述特征事件1为:出现数据传输的RRC数大于或等于10的时长达到第一预设时长;
所述特征事件2为:出现max(上行PRB利用率,下行PRB利用率)大于或等于50%的时长达到第二预设时长。
5.根据权利要求1所述的对5G/4G高负荷小区池化扩容的预测方法,其特征在于,
所述第一条件为:小区在1个月内出现高负荷的天数大于15天,或者在1个月内出现高负荷的周数大于2周,或者在12个月内出现高负荷的月数大于6个月;
所述第二条件为:如果小区在1个月内出现高负荷的天数小于5天,或者在1个月内出现高负荷的周数小于1周,或者在12个月内出现高负荷的月数小于3个月。
6.一种对5G/4G高负荷小区池化扩容的预测系统,其特征在于,包括:
获取模块,用于获取小区的负荷指标历史数据;
预测模块,用于根据所述负荷指标历史数据,基于泊松公式和概率乘法预测所述小区在未来某一时间段内出现高负荷的概率;
记录模块,用于若所述小区在未来某一时间段内出现高负荷的概率超过预设概率则将所述小区存入5G/4G高负荷待扩容小区资源池,并记录入池日期和入池次数;
筛选模块,用于根据所述入池日期和入池次数进行判断,将符合第一条件的小区标识为5G/4G高负荷待扩容小区,将符合第二条件的小区移除并清除对应的入池日期和入池次数的记录。
7.根据权利要求6所述的对5G/4G高负荷小区池化扩容的预测系统,其特征在于,所述预测模块具体用于:
选定能反映出高负荷本质的多个特征事件;
通过泊松公式预测所述小区在未来某一时间段内各特征事件出现的概率;
根据所述小区各特征事件出现的概率,基于概率算法计算所述小区在未来某一时间段内出现高负荷的概率。
8.根据权利要求7所述的对5G/4G高负荷小区池化扩容的预测系统,其特征在于,所述预测模块中,通过下式计算所述小区在未来某一时间段内出现高负荷的概率P:
P=P1*P2*…*Pn;
其中,P1为特征事件1出现的概率,P2为特征事件2出现的概率,Pn为特征事件n出现的概率。
9.根据权利要求8所述的对5G/4G高负荷小区池化扩容的预测系统,其特征在于,
n=2;
所述特征事件1为:出现数据传输的RRC数大于或等于10的时长达到第一预设时长;
所述特征事件2为:出现max(上行PRB利用率,下行PRB利用率)大于或等于50%的时长达到第二预设时长。
10.根据权利要求6所述的对5G/4G高负荷小区池化扩容的预测系统,其特征在于,
所述第一条件为:小区在1个月内出现高负荷的天数大于15天,或者在1个月内出现高负荷的周数大于2周,或者在12个月内出现高负荷的月数大于6个月;
所述第二条件为:如果小区在1个月内出现高负荷的天数小于5天,或者在1个月内出现高负荷的周数小于1周,或者在12个月内出现高负荷的月数小于3个月。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011040921.2A CN112351440B (zh) | 2020-09-28 | 2020-09-28 | 一种对5g/4g高负荷小区池化扩容的预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011040921.2A CN112351440B (zh) | 2020-09-28 | 2020-09-28 | 一种对5g/4g高负荷小区池化扩容的预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112351440A true CN112351440A (zh) | 2021-02-09 |
CN112351440B CN112351440B (zh) | 2024-03-12 |
Family
ID=74361215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011040921.2A Active CN112351440B (zh) | 2020-09-28 | 2020-09-28 | 一种对5g/4g高负荷小区池化扩容的预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112351440B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014134910A (ja) * | 2013-01-09 | 2014-07-24 | Mitsubishi Electric Corp | 負荷量予測装置、負荷量予測方法および負荷量予測プログラム |
CN105407486A (zh) * | 2015-12-02 | 2016-03-16 | 中国联合网络通信集团有限公司 | 一种网络扩容的方法及装置 |
CN105992228A (zh) * | 2015-01-29 | 2016-10-05 | 中国移动通信集团浙江有限公司 | 一种无线网络的扩容方法、装置及电子设备 |
CN106851736A (zh) * | 2016-12-15 | 2017-06-13 | 北京拓明科技有限公司 | 基于负荷的lte邻区参数自动优化方法 |
CN106982441A (zh) * | 2017-05-27 | 2017-07-25 | 中国联合网络通信集团有限公司 | 一种小区扩容的确定方法及装置 |
CN110380881A (zh) * | 2018-04-13 | 2019-10-25 | 中国移动通信有限公司研究院 | 一种网络扩容预测方法及装置 |
CN111132179A (zh) * | 2019-12-26 | 2020-05-08 | 宜通世纪物联网研究院(广州)有限公司 | 一种小区调度方法、系统、装置和存储介质 |
CN111328084A (zh) * | 2018-12-14 | 2020-06-23 | 中国移动通信集团广东有限公司 | 一种小区容量的评估方法及装置 |
CN111385815A (zh) * | 2018-12-27 | 2020-07-07 | 中国移动通信集团辽宁有限公司 | 小区网络资源优化方法、装置、设备和介质 |
-
2020
- 2020-09-28 CN CN202011040921.2A patent/CN112351440B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014134910A (ja) * | 2013-01-09 | 2014-07-24 | Mitsubishi Electric Corp | 負荷量予測装置、負荷量予測方法および負荷量予測プログラム |
CN105992228A (zh) * | 2015-01-29 | 2016-10-05 | 中国移动通信集团浙江有限公司 | 一种无线网络的扩容方法、装置及电子设备 |
CN105407486A (zh) * | 2015-12-02 | 2016-03-16 | 中国联合网络通信集团有限公司 | 一种网络扩容的方法及装置 |
CN106851736A (zh) * | 2016-12-15 | 2017-06-13 | 北京拓明科技有限公司 | 基于负荷的lte邻区参数自动优化方法 |
CN106982441A (zh) * | 2017-05-27 | 2017-07-25 | 中国联合网络通信集团有限公司 | 一种小区扩容的确定方法及装置 |
CN110380881A (zh) * | 2018-04-13 | 2019-10-25 | 中国移动通信有限公司研究院 | 一种网络扩容预测方法及装置 |
CN111328084A (zh) * | 2018-12-14 | 2020-06-23 | 中国移动通信集团广东有限公司 | 一种小区容量的评估方法及装置 |
CN111385815A (zh) * | 2018-12-27 | 2020-07-07 | 中国移动通信集团辽宁有限公司 | 小区网络资源优化方法、装置、设备和介质 |
CN111132179A (zh) * | 2019-12-26 | 2020-05-08 | 宜通世纪物联网研究院(广州)有限公司 | 一种小区调度方法、系统、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112351440B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tikunov et al. | Traffic prediction for mobile network using Holt-Winter’s exponential smoothing | |
CN109195170A (zh) | 小区扩容方法、装置及存储介质 | |
WO2000030385A1 (en) | Determining subscriber demands on a communications system | |
CN100464606C (zh) | 一种无线网络资源调整方法及系统 | |
CN108770017B (zh) | 一种无线资源动态均衡方法及系统 | |
US20110242980A1 (en) | Capacity Monitoring of Multi-Service Networks | |
CN110380881B (zh) | 一种网络扩容预测方法及装置 | |
WO2017054422A1 (zh) | 小区忙时段管理方法、装置及自组织网络网元 | |
CN103108343B (zh) | 建立决策树的方法及装置、网络性能优化方法及装置 | |
CN110677854A (zh) | 载频容量调整的方法、装置、设备和介质 | |
CN104768171A (zh) | 一种网络优化方法及装置 | |
CN116860789A (zh) | 一种数据分布优化方法及分布式数据库系统 | |
CN105246124A (zh) | 一种异构无线网络联合接纳控制方法 | |
CN108777870B (zh) | 基于皮尔森系数的lte高负荷小区甄别方法及系统 | |
CN112351440B (zh) | 一种对5g/4g高负荷小区池化扩容的预测方法及系统 | |
CN114462784A (zh) | 一种装维人员调度方法、装置、设备 | |
CN108595666B (zh) | 动态计算新闻采集服务资源的方法、信息数据处理终端 | |
JPWO2014021069A1 (ja) | トラフィックデータ収集装置、トラフィックデータ収集方法、及びプログラム | |
CN114244904B (zh) | 遥感数据传输方法、装置、设备及介质 | |
CN113891336A (zh) | 通信网络减频退网方法、装置、计算机设备和存储介质 | |
CN111950869B (zh) | 改进航天测控网调度问题初始解的迭代求解方法及系统 | |
CN114189904A (zh) | 一种lte载频资源调度方法及装置 | |
CN111338788B (zh) | 资源配额审批方法、存储介质 | |
CN111327442B (zh) | 基于控制图的投诉预警阈值获取方法及装置 | |
CN111586737B (zh) | 一种基站扩容的数据分析方法和装置 |
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 |