CN112714480A - 一种小区驻留方法、装置、终端及存储介质 - Google Patents
一种小区驻留方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN112714480A CN112714480A CN202110124160.7A CN202110124160A CN112714480A CN 112714480 A CN112714480 A CN 112714480A CN 202110124160 A CN202110124160 A CN 202110124160A CN 112714480 A CN112714480 A CN 112714480A
- Authority
- CN
- China
- Prior art keywords
- cell
- terminal
- network
- residence
- cache table
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/16—Discovering, processing access restriction or access information
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例公开了一种小区驻留方法、装置、终端及存储介质，该方法应用于终端，该方法包括：获取终端移动路径的路径信息；根据所述路径信息，确定驻网缓存表；其中，所述驻网缓存表包括所述终端移动路径上的至少一个小区；根据所述驻网缓存表确定所述终端待驻留的目标小区。这样，可以利用具有学习能力的神经网络模型，对终端一段时间内频繁移动路径上的路径信息进行学习，得到终端驻留优先级较高的历史小区建立驻网缓存表，终端再次移动到相同路径时可以根据驻网缓存表实现快速驻留，从而提高驻留效率和驻留质量，减小驻留时延。
Description
技术领域
本申请涉及通信技术，尤其涉及一种小区驻留方法、装置、终端及存储介质。
背景技术
当前终端在初始接入4G或5G等移动通信网络时，都需要先进行初始驻网，根据S准则选择合适的小区后进行驻留。在移动场景下，根据现有的搜网策略终端进行测量RSRP，然后将测量的结果上报给基站，基站决定切换、或者重定向来换小区驻留。
然而，在初始驻网时，需要进行扫频以及S准则判决驻留小区。在移动场景时，需要终端进行测量和上报，并且需要与基站进行信令交互。现有技术中对于两种情况下终端的搜网速度和信令交互时延都有待优化。
发明内容
为解决上述技术问题，本申请实施例期望提供一种小区驻留方法、装置、终端及存储介质。
本申请的技术方案是这样实现的：
第一方面，提供了一种小区驻留方法，所述方法应用于终端，所述方法包括：
获取终端移动路径的路径信息；
根据所述路径信息，确定驻网缓存表；其中，所述驻网缓存表包括所述终端移动路径上的至少一个小区；
根据所述驻网缓存表确定所述终端待驻留的目标小区。
第二方面，提供了一种小区驻留装置，所述装置应用于终端，所述装置包括：
获取单元，用于获取终端移动路径的路径信息；
处理单元，用于根据所述路径信息，确定驻网缓存表；其中，所述驻网缓存表包括所述终端移动路径上的至少一个小区；
通信单元，用于根据所述驻网缓存表确定所述终端待驻留的目标小区。
第三方面，提供了一种终端，包括：处理器和配置为存储能够在处理器上运行的计算机程序的存储器，
其中，所述处理器配置为运行所述计算机程序时，执行前述方法的步骤。
第四方面，提供了一种计算机存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现前述方法的步骤。
本申请实施例中提供了一种小区驻留方法、装置、终端及存储介质，该方法应用于终端，该方法包括：获取终端移动路径的路径信息；根据所述路径信息，确定驻网缓存表；其中，所述驻网缓存表包括所述终端移动路径上的至少一个小区；根据所述驻网缓存表确定所述终端待驻留的目标小区。这样，可以利用具有学习能力的神经网络模型，对终端一段时间内频繁移动路径上的路径信息进行学习，得到终端驻留优先级较高的历史小区建立驻网缓存表，终端再次移动到相同路径时可以根据驻网缓存表实现快速驻留，从而提高驻留效率和驻留质量，减小驻留时延。
附图说明
图1为本申请实施例中小区驻留方法的第一流程示意图；
图2为神经网络模型的组成结构示意图；
图3为本申请实施例中小区驻留方法的第二流程示意图；
图4为本申请实施例中小区驻留方法的第三流程示意图；
图5为本申请实施例中小区驻留方法的第四流程示意图；
图6为本申请实施例中小区驻留装置的组成结构示意图；
图7为本申请实施例中终端的组成结构示意图。
具体实施方式
为了能够更加详尽地了解本申请实施例的特点与技术内容，下面结合附图对本申请实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本申请实施例。
图1为本申请实施例中小区驻留方法的第一流程示意图，如图1所示，该方法具体可以包括：
步骤101：获取终端移动路径的路径信息；
在一些实施例中，所述路径信息包括：所述终端移动路径上的M个历史小区的小区信息、小区驻留信息和位置信息。示例性的，小区信息可以为小区识别码，小区位置为小区地理位置信息，小区驻留信息用于表征终端在该小区的驻留情况，比如驻留时长、驻留次数、驻留频率等。
需要说明的是，对于终端经常经过的路径或停留的地点，终端记录这些路径或地点上驻留过的历史小区的特征信息，特征信息可以包括：小区信息、小区驻留信息和位置信息，通过分析历史小区的特征信息，确定驻留频率和驻留质量最高的小区并保存到驻网缓存表，当终端再次移动到相同地点时，可以根据保存的小区实现快速注网。
实际应用中，预设时间段可以为预先设定的固定时间段，比如，一周、两周、一个月、两个月、半年等。终端驻留小区后，记录最新一段时间内的路径信息，并删除最久的路径信息。
预设时间段也可以为从用户身份识别模块(Subscriber Identity Module，SIM)卡初次注网开始到现在累计的总时间段，但随着终端位置更新得到的驻网缓存表也是不断更新的，可以将驻网缓存表存储到SIM卡或云端，SIM更换终端时，新终端可以从SIM卡或云端获取驻网缓存表。
步骤102：根据所述路径信息，确定驻网缓存表；其中，所述驻网缓存表包括所述终端移动路径上的至少一个小区；
这里，驻网缓存表中保存了终端在预设时间段内频繁经过的移动路径上的最优驻留小区。
在一些实施例中，所述根据所述路径信息，确定驻网缓存表，包括：将所述路径信息输入到神经网络模型确定历史小区的驻留优先级，得到驻留优先级位于前N位的N个历史小区；其中，N取小于或者等于M的整数；利用所述N个历史小区及其驻留优先级，构建所述驻网缓存表。
也就是说，本申请实施例借助神经网络模型的学习能力，对终端一段时间内频繁移动路径上的路径信息进行学习，得到终端驻留优先级较高的历史小区建立驻网缓存表。
在机器学习领域，神经网络算法具有很强的学习能力，通过对历史小区的特征信息进行逻辑分析，分析终端的小区驻留习惯，从而确定终端驻留过的历史小区的驻留优先级。
图2为神经网络模型的组成结构示意图，如图2所示，神经网络从左至右包括输入层、隐藏层和输出层，每个圆圈代表一个神经元，也叫节点，相邻层节点之间的连接线对应不同的权重(即神将网络参数)，这些参数需要对神经网络模型进行不断训练得到的。历史小区的特征信息输入到输入层，神经网络模型对历史小区的小区驻留信息进行学习，输出历史小区的驻留优先级。
在一些实施例中，所述路径信息包括至少两种小区驻留信息，经过神经网络模型综合分析多种小区驻留信息，判断驻留小区质量和驻留小区频率等信息，得到小区的驻留优先级，并选择驻留优先级位于前N位的N个历史小区。这种通过多种小区驻留信息确定的驻留优先级的准确性更高。
示例性的，所述小区驻留信息包括：小区驻留时长和/或小区驻留次数。也就是说，通过分析小区驻留时长和小区驻留次数，来判断小区是否为终端经常驻留的小区，若为终端经常驻留的小区则驻留优先级较高，若为终端偶尔驻留的小区则驻留优先级较低，选择驻留优先级位于前N位的N个历史小区并缓存到驻网缓存表。
实际应用中，终端在空闲态，将路径信息输入到神经网络模型进行小区驻留优先级计算，确定驻留优先级位于前N位的N个历史小区。避免占用终端运行态的处理资源。
这里，N个历史小区可以按照驻留优先级从高到低的顺序缓存到驻网缓存表中，并保存驻网缓存表。
在一些实施例中，该方法还包括：上传所述驻网缓存表至网络侧，使所述网络侧基于接收到的至少一个终端的驻网缓存表，得到至少一个位置对应的小区列表；其中，所述小区列表中包含至少一个小区及小区优先级。
需要说明的是，终端还可以将自身维护的驻网缓存表上传至网络侧，网络侧根据多个终端上传的驻网缓存表，确定不同位置对应的小区列表，以辅助其他终端进行小区切换和移动性管理，特别是针对一些热点区域，驻留终端量较大，终端切换频繁容易导致注网时延增大的问题，通过本申请实施例提供的方法，网络侧根据多个终端的搜网结果可以建立热点地区的快速搜网小区图，当终端进入到热点地区内，网络侧可以根据终端的位置，快速返回适合驻网小区的小区列表，而不需要终端和网络进行复杂的信令交互来获取可驻留的小区，提高小区驻留速度。
步骤103：根据所述驻网缓存表确定所述终端待驻留的目标小区。
这里，由于驻网缓存表是根据终端经常经过的路径或停留的地点上的小区建立的，终端在进行小区切换和移动性管理时，终端驻留在驻网缓存表中的小区概率较高，所以先从驻网缓存表中搜索合适的小区进行驻留，若未搜索到小区，基于小区选择准则搜索适合驻留的小区。比如，进行初始驻网，根据S准则选择合适的小区后进行驻留，在移动场景下，终端进行测量参考信号接收功率测量，然后将测量的结果上报给基站，基站决定切换、或者重定向来换小区驻留。
这里，步骤101至步骤103的执行主体可以为终端的处理器。本申请中描述的终端是任意一种具备无线通信功能的移动终端，可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、便捷式媒体播放器(PortableMedia Player，PMP)、导航装置、可穿戴设备、智能手环、相机等。
采用上述技术方案，可以利用具有学习能力的神经网络模型，对终端一段时间内频繁移动路径上的路径信息进行学习，得到终端驻留优先级较高的历史小区建立驻网缓存表，终端再次移动到相同路径时可以根据驻网缓存表实现快速驻留，从而提高驻留效率和驻留质量，减小驻留时延。
为了能更加体现本申请的目的，在本申请上述实施例的基础上，进行进一步的举例说明，如图3所示，该方法具体包括：
步骤301：获取终端移动路径的路径信息；
在一些实施例中，所述路径信息包括：所述终端移动路径上的M个历史小区的小区信息、小区驻留信息和位置信息。示例性的，小区信息可以为小区识别码，小区位置为小区地理位置信息，小区驻留信息用于表征终端在该小区的驻留情况，比如驻留时长、驻留次数、驻留频率等。
需要说明的是，对于终端经常经过的路径或停留的地点，终端记录这些路径或地点上驻留过的历史小区的特征信息，特征信息可以包括：小区信息、小区驻留信息和位置信息，通过分析历史小区的特征信息，确定驻留频率和驻留质量最高的小区并保存到驻网缓存表，当终端再次移动到相同地点时，可以根据保存的小区实现快速注网。
步骤302：将所述路径信息输入到神经网络模型确定历史小区的驻留优先级，得到驻留优先级位于前N位的N个历史小区；其中，N取小于或者等于M的整数；
这里，所述N个历史小区中部分或全部历史小区为所述终端在预设时间段内移动路径上的最优驻留小区。
实际应用中，预设时间段可以为预先设定的固定时间段，比如，一周、两周、一个月、两个月、半年等。终端驻留小区后，记录最新一段时间内的路径信息，并删除最久的路径信息。
在一些实施例中，所述路径信息包括至少两种小区驻留信息时，所述方法包括：为所述至少两种小区驻留信息设置至少两个权重值；将所述路径信息和所述至少两个权重值输入到所述神经网络模型确定历史小区的驻留优先级。
也就是说，路径信息中的历史小区特征信息包括两种及以上小区驻留信息时，由于不同小区驻留信息表征不同的驻留情况，不同驻留情况对驻留质量有着不同程度的影响。因此，通过设置不同权重值来体现不同小区驻留信息的重要程度，从而进一步提高小区驻留优先级的准确性。
实际应用中，路径信息还可以包括影响终端驻留的其他附加信息，同样可以为其他附加信息赋予权重值。
图2中输入层的输入信息V表示路径信息，W表示小区驻留信息的权重值，A表示其他附加信息。
示例性的，所述小区驻留信息包括：小区驻留时长和/或小区驻留次数。也就是说，通过分析小区驻留时长和小区驻留次数，来判断小区是否为终端经常驻留的小区，若为终端经常驻留的小区则驻留优先级较高，若为终端偶尔驻留的小区则驻留优先级较低，选择驻留优先级位于前N位的N个历史小区并缓存到驻网缓存表。
实际应用中，终端在空闲态，将路径信息输入到神经网络模型进行小区驻留优先级计算，确定驻留优先级位于前N位的N个历史小区。避免占用终端运行态的处理资源。
步骤303：利用所述N个历史小区及其驻留优先级，构建所述驻网缓存表；
实际应用中，神经网络模型可以直接输出位于前N位的N个历史小区，或者输出每个历史小区的驻留优先级，通过对驻留优先级进行排序确定位于前N位的N个历史小区。
步骤304：获取所述终端的当前位置；
步骤305：基于所述当前位置查询所述驻网缓存表；
这里，由于驻网缓存表是根据终端经常经过的路径或停留的地点上的小区建立的，终端在进行小区切换和移动性管理时，终端驻留在驻网缓存表中的小区概率较高，所以先从驻网缓存表中搜索合适的小区进行驻留，若未搜索到小区，基于小区选择准则搜索适合驻留的小区。比如，进行初始驻网，根据S准则选择合适的小区后进行驻留，在移动场景下，终端进行测量参考信号接收功率测量，然后将测量的结果上报给基站，基站决定切换、或者重定向来换小区驻留。
具体地，当终端移动后需要进行小区切换，终端获取当前位置，确定与当前位置匹配的目标小区。
实际应用中，所述路径信息包括：所述终端移动路径上的M个历史小区的小区信息、小区驻留信息和位置信息。终端根据当前位置与驻网缓存表中小区位置进行匹配，判断是否存在小区位置与当前位置一致的目标小区，若存在则终端选择目标小区进行驻留，执行步骤306；若不存在确定未查询到与当前位置匹配的小区，执行步骤307。
步骤306：将所述驻网缓存表中与所述当前位置匹配的小区作为所述目标小区；
也就是说，若查询到与所述当前位置匹配的小区，将所述驻网缓存表中与所述当前位置匹配的小区作为所述目标小区。
步骤307：若未查询到与所述当前位置匹配的小区，对所述驻网缓存表中的小区按照驻留优先级从高到底的顺序进行搜索，将搜索到的小区作为所述目标小区。
在一些实施例中，该方法还包括：若在驻网缓存表中未搜索到目标小区，基于小区选择准则搜索适合驻留的小区。比如，进行初始驻网，根据S准则选择合适的小区后进行驻留，在移动场景下，终端进行测量参考信号接收功率测量，然后将测量的结果上报给基站，基站决定切换、或者重定向来换小区驻留。
采用上述技术方案，可以利用具有学习能力的神经网络模型，对终端一段时间内频繁移动路径上的路径信息进行学习，得到终端驻留优先级较高的历史小区建立驻网缓存表，终端再次移动到相同路径时可以根据驻网缓存表实现快速驻留，从而提高驻留效率和驻留质量，减小驻留时延。
在上述实施例的基础上进行进一步的举例说明，如图4所示，在得到驻网缓存表后，该方法还包括：
步骤401：上传所述驻网缓存表至网络侧；
步骤402：网络侧基于接收到的至少一个终端的驻网缓存表，得到至少一个位置对应的小区列表；
这里，所述N个历史小区中部分或全部历史小区为所述终端在预设时间段内移动路径上的最优驻留小区。所述小区列表中包含至少一个小区及驻留优先级。
需要说明的是，终端还可以将自身维护的驻网缓存表上传至网络侧，网络侧根据多个终端上传的驻网缓存表，确定不同位置对应的小区列表，以辅助其他终端进行小区切换和移动性管理，特征是针对一些热点区域，驻留终端量较大，终端切换频繁容易导致注网时延增大的问题，通过本申请实施例提供的方法，网络侧根据多个终端的搜网结果可以建立热点地区的快速搜网小区图，当终端进入到热点地区内，网络侧可以根据终端的位置，快速返回适合驻网小区的小区列表，而不需要终端和网络进行复杂的信令交互来获取可驻留的小区，提高小区驻留速度。
步骤403：根据所述驻网缓存表无法确定所述终端待驻留的目标小区时，向网络侧发送小区驻留请求；
其中，所述小区驻留请求携带所述终端的当前位置，以使所述网络侧基于所述终端的当前位置，确定所述当前位置对应的目标小区列表。
需要说明的是，终端在初始注网时，未建立驻网缓存表(或者驻网缓存表为空)，也可以理解为从驻网缓存表中未确定所述终端待驻留的目标小区。终端初始注网时，直接向网络侧上传小区驻留请求，网络侧根据终端的当前位置，确定当前位置对应目标小区列表，目标小区列表中包含至少一个小区及驻留优先级。
需要说明的是，当终端移动至新位置时，终端无法在缓存的驻网缓存表中找到适合驻留的目标小区，则可以向网络侧发送小区驻留请求，以请求网络侧根据终端的位置确定小区列表，小区列表中包含了终端可驻留的至少一个小区以及驻留优先级。
步骤404：接收网络侧下发的所述目标小区列表；
步骤405：基于驻留优先级，从所述目标小区列表中选择待驻留的目标小区。
具体地，当小区列表中包含一个小区时，终端直接驻留在该小区，当小区列表中包含两个及以上小区时，根据驻留优先级从高到低选择小区驻留。
采用上述技术方案，通过将终端自身确定搜网结果，上传到网络侧，网络侧根据多个终端的搜网结果可以建立热点地区的快速搜网小区图，当终端进入到热点地区内，网络侧可以根据终端的位置，快速返回适合驻网小区的小区列表，而不需要终端和网络进行复杂的信令交互来获取可驻留的小区，提高小区驻留速度。
为了能更加体现本申请的目的，在本申请上述实施例的基础上，进行进一步的举例说明，如图5所示，该方法具体包括：
步骤501：获取终端移动路径的路径信息；
示例性的，一段时间内的路径信息集合V＝{C,T,N,L}，其中小区标识C＝{C1,C2,...,CK}，驻留时长T＝{T1,T2,...,TK}，以及驻留次数N＝{N1,N2,...,NK}，小区所在位置L＝{L1,L2,...,LK}。路径信息集合V中记录了一段时间终端驻留过的全部或部分历史小区。路径信息集合V中记录了部分历史小区可以是对获取到的历史小区信息进行预处理，根据设定的驻留次数阈值过滤掉驻留次数小于次数阈值的历史小区。
本申请实施例主要是对终端经常经过的路径或停留的地点上的小区的基本信息进行记录，从小区的基本信息中提取出特征信息，然后利用神经网络算法对驻留过的历史小区的特征信息进行学习，得到驻留优先级较高的几个小区，将其加入到驻网缓存表中，经过几轮学习驻网缓存表的准确性也会随之提高。
步骤502：为不同路径信息赋予不同权重值；
将一段时间内路径信息集合V，根据驻留时长T，驻留次数N，以及其他额外附加信息A，赋予不同的权重W。
步骤503：将路径信息和权重值输入到神经网络模型；
步骤504：将神经网络模型的输出结果Y按照驻留优先级从高到底排序，得到前N个小区，缓存到驻网缓存表；
步骤505：从驻网缓存表中选择目标小区进行驻留。
这样，终端到达经常经过的路径或停留的地点时，快速的在缓存的驻网缓存表中选取小区进行驻留，而不需要进行复杂的搜网过程和信令交互，大大缩减了驻网时间。
为实现本申请实施例的方法，基于同一发明构思本申请实施例还提供了一种小区驻留装置，该装置应用于终端，如图6所示，该装置包括：
获取单元601，用于获取终端移动路径的路径信息；
处理单元602，用于根据所述路径信息，确定驻网缓存表；其中，所述驻网缓存表包括所述终端移动路径上的至少一个小区；
通信单元603，用于根据所述驻网缓存表确定所述终端待驻留的目标小区。
在一些实施例中，所述路径信息包括：所述终端移动路径上的M个历史小区的小区信息、小区驻留信息和位置信息；
处理单元602，具体用于将所述路径信息输入到神经网络模型确定历史小区的驻留优先级，得到驻留优先级位于前N位的N个历史小区；其中，N取小于或者等于M的整数；利用所述N个历史小区及其驻留优先级，构建所述驻网缓存表。
在一些实施例中，所述路径信息包括至少两种小区驻留信息时，处理单元602，用于为所述至少两种小区驻留信息设置至少两个权重值；将所述路径信息和所述至少两个权重值输入到所述神经网络模型确定历史小区的驻留优先级。
在一些实施例中，所述小区驻留信息包括：小区驻留时长和/或小区驻留次数。
在一些实施例中，通信单元603，用于获取所述终端的当前位置；基于所述当前位置查询所述驻网缓存表；将所述驻网缓存表中与所述当前位置匹配的小区作为所述目标小区；若未查询到与所述当前位置匹配的小区，对所述驻网缓存表中的小区按照驻留优先级从高到底的顺序进行搜索，将搜索到的小区作为所述目标小区。
在一些实施例中，所述N个历史小区中部分或全部历史小区为所述终端在预设时间段内移动路径上的最优驻留小区。
在一些实施例中，通信单元603，还用于上传所述驻网缓存表至网络侧，使所述网络侧基于接收到的至少一个终端的驻网缓存表，得到至少一个位置对应的小区列表；其中，所述小区列表中包含至少一个小区及小区优先级。
在一些实施例中，通信单元603，还用于根据所述驻网缓存表无法确定所述终端待驻留的目标小区时，向网络侧发送小区驻留请求；其中，所述小区驻留请求携带所述终端的当前位置，以使所述网络侧基于所述终端的当前位置，确定所述当前位置对应的目标小区列表；接收网络侧下发的所述目标小区列表；基于驻留优先级，从所述目标小区列表中选择待驻留的目标小区。
在一些实施例中，通信单元603，还用于若在驻网缓存表中未搜索到小区，基于小区选择准则搜索适合驻留的小区。
采用上述装置，可以利用具有学习能力的神经网络模型，对终端一段时间内频繁移动路径上的路径信息进行学习，得到终端驻留优先级较高的历史小区建立驻网缓存表，终端再次移动到相同路径时可以根据驻网缓存表实现快速驻留，从而提高驻留效率和驻留质量，减小驻留时延。
基于上述装置中各单元的硬件实现，本申请实施例还提供了一种终端，如图7所示，该终端包括：处理器701和配置为存储能够在处理器上运行的计算机程序的存储器702；
其中，处理器701配置为运行计算机程序时，执行前述实施例中的方法步骤。
当然，实际应用时，如图7所示，该终端中的各个组件通过总线系统703耦合在一起。可理解，总线系统703用于实现这些组件之间的连接通信。总线系统703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7中将各种总线都标为总线系统703。
在实际应用中，上述处理器可以为特定用途集成电路(ASIC，ApplicationSpecific Integrated Circuit)、数字信号处理装置(DSPD，Digital Signal ProcessingDevice)、可编程逻辑装置(PLD，Programmable Logic Device)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、控制器、微控制器、微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器功能的电子器件还可以为其它，本申请实施例不作具体限定。
上述存储器可以是易失性存储器(volatile memory)，例如随机存取存储器(RAM，Random-Access Memory)；或者非易失性存储器(non-volatile memory)，例如只读存储器(ROM，Read-Only Memory)，快闪存储器(flash memory)，硬盘(HDD，Hard Disk Drive)或固态硬盘(SSD，Solid-State Drive)；或者上述种类的存储器的组合，并向处理器提供指令和数据。
在示例性实施例中，本申请实施例还提供了一种计算机可读存储介质，例如包括计算机程序的存储器，计算机程序可由终端的处理器执行，以完成前述方法的步骤。
应当理解，在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。本申请中表述“具有”、“可以具有”、“包括”和“包含”、或者“可以包括”和“可以包含”在本文中可以用于指示存在对应的特征(例如，诸如数值、功能、操作或组件等元素)，但不排除附加特征的存在。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开，不必用于描述特定的顺序或先后次序。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。
本申请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。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法、装置和设备，可以通过其它的方式实现。以上所描述的实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种小区驻留方法，其特征在于，所述方法应用于终端，所述方法包括：
获取终端移动路径的路径信息；
根据所述路径信息，确定驻网缓存表；其中，所述驻网缓存表包括所述终端移动路径上的至少一个小区；
根据所述驻网缓存表确定所述终端待驻留的目标小区。
2.根据权利要求1所述的方法，其特征在于，所述路径信息包括：所述终端移动路径上的M个历史小区的小区信息、小区驻留信息和位置信息；
所述根据所述路径信息，确定驻网缓存表，包括：
将所述路径信息输入到神经网络模型确定历史小区的驻留优先级，得到驻留优先级位于前N位的N个历史小区；其中，N取小于或者等于M的整数；
利用所述N个历史小区及其驻留优先级，构建所述驻网缓存表。
3.根据权利要求2所述的方法，其特征在于，所述路径信息包括至少两种小区驻留信息时，所述方法包括：
为所述至少两种小区驻留信息设置至少两个权重值；
将所述路径信息和所述至少两个权重值输入到所述神经网络模型确定历史小区的驻留优先级。
4.根据权利要求2所述的方法，其特征在于，所述小区驻留信息包括：小区驻留时长和/或小区驻留次数。
5.根据权利要求2所述的方法，其特征在于，所述根据所述驻网缓存表确定所述终端待驻留的目标小区，包括：
获取所述终端的当前位置；
基于所述当前位置查询所述驻网缓存表；
将所述驻网缓存表中与所述当前位置匹配的小区作为所述目标小区；
若未查询到与所述当前位置匹配的小区，对所述驻网缓存表中的小区按照驻留优先级从高到底的顺序进行搜索，将搜索到的小区作为所述目标小区。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
上传所述驻网缓存表至网络侧，使所述网络侧基于接收到的至少一个终端的驻网缓存表，得到至少一个位置对应的小区列表；其中，所述小区列表中包含至少一个小区及小区优先级。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
根据所述驻网缓存表无法确定所述终端待驻留的目标小区时，向网络侧发送小区驻留请求；其中，所述小区驻留请求携带所述终端的当前位置，以使所述网络侧基于所述终端的当前位置，确定所述当前位置对应的目标小区列表；
接收网络侧下发的所述目标小区列表；
基于驻留优先级，从所述目标小区列表中选择待驻留的目标小区。
8.一种小区驻留装置，其特征在于，所述装置应用于终端，所述装置包括：
获取单元，用于获取终端移动路径的路径信息；
处理单元，用于根据所述路径信息，确定驻网缓存表；其中，所述驻网缓存表包括所述终端移动路径上的至少一个小区；
通信单元，用于根据所述驻网缓存表确定所述终端待驻留的目标小区。
9.一种终端，其特征在于，所述终端设备包括：处理器和配置为存储能够在处理器上运行的计算机程序的存储器，
其中，所述处理器配置为运行所述计算机程序时，执行权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110124160.7A CN112714480A (zh) | 2021-01-29 | 2021-01-29 | 一种小区驻留方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110124160.7A CN112714480A (zh) | 2021-01-29 | 2021-01-29 | 一种小区驻留方法、装置、终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112714480A true CN112714480A (zh) | 2021-04-27 |
Family
ID=75549826
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110124160.7A Pending CN112714480A (zh) | 2021-01-29 | 2021-01-29 | 一种小区驻留方法、装置、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112714480A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113905426A (zh) * | 2021-08-30 | 2022-01-07 | 阿里巴巴达摩院(杭州)科技有限公司 | 通信方法、设备及系统 |
| CN114363995A (zh) * | 2022-01-21 | 2022-04-15 | 高新兴物联科技有限公司 | 一种快速查找网络的方法及装置、移动终端及存储介质 |
| CN116582371A (zh) * | 2023-07-13 | 2023-08-11 | 上海观安信息技术股份有限公司 | 扫描器的检测方法及装置、存储介质、电子设备 |
| CN113905426B (zh) * | 2021-08-30 | 2024-06-07 | 杭州阿里云飞天信息技术有限公司 | 通信方法、设备及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111726846A (zh) * | 2020-06-08 | 2020-09-29 | 南京酷派软件技术有限公司 | 网络小区切换方法、装置、存储介质及电子设备 |
-
2021
- 2021-01-29 CN CN202110124160.7A patent/CN112714480A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111726846A (zh) * | 2020-06-08 | 2020-09-29 | 南京酷派软件技术有限公司 | 网络小区切换方法、装置、存储介质及电子设备 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113905426A (zh) * | 2021-08-30 | 2022-01-07 | 阿里巴巴达摩院(杭州)科技有限公司 | 通信方法、设备及系统 |
| CN113905426B (zh) * | 2021-08-30 | 2024-06-07 | 杭州阿里云飞天信息技术有限公司 | 通信方法、设备及系统 |
| CN114363995A (zh) * | 2022-01-21 | 2022-04-15 | 高新兴物联科技有限公司 | 一种快速查找网络的方法及装置、移动终端及存储介质 |
| CN114363995B (zh) * | 2022-01-21 | 2023-08-18 | 高新兴物联科技股份有限公司 | 一种快速查找网络的方法及装置、移动终端及存储介质 |
| CN116582371A (zh) * | 2023-07-13 | 2023-08-11 | 上海观安信息技术股份有限公司 | 扫描器的检测方法及装置、存储介质、电子设备 |
| CN116582371B (zh) * | 2023-07-13 | 2023-09-22 | 上海观安信息技术股份有限公司 | 扫描器的检测方法及装置、存储介质、电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112714480A (zh) | 一种小区驻留方法、装置、终端及存储介质 | |
| RU2571573C1 (ru) | Способ и сервер для поиска соседнего пользователя в службах социальных сетей | |
| CN111556441B (zh) | 用于移动终端的接入网络小区的方法及装置 | |
| CN109068350B (zh) | 一种无线异构网络的终端自主选网系统及方法 | |
| Goudarzi et al. | MDP-based network selection scheme by genetic algorithm and simulated annealing for vertical-handover in heterogeneous wireless networks | |
| WO2020207197A1 (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
| CN104285470A (zh) | 使得能够改进移动通信网络中的切换的方法、计算机程序产品和装置 | |
| CN105262833B (zh) | 一种内容中心网络的跨层缓存方法及其节点 | |
| CN112214261A (zh) | 一种面向边缘智能的三层结构dnn计算卸载方法 | |
| WO2021238471A1 (zh) | 一种小区选择方法及终端、存储介质 | |
| CN106792985B (zh) | 一种移动终端接入点预测方法及装置 | |
| Lin et al. | Successive poi recommendation with category transition and temporal influence | |
| Khan et al. | A vertical handover management scheme based on decision modelling in heterogeneous wireless networks | |
| CN111309946A (zh) | 一种已建立档案优化方法及装置 | |
| Ali et al. | Network selection in heterogeneous access networks simultaneously satisfying user profile and QoS | |
| CN113127515A (zh) | 面向电网的调控数据高速缓存方法、装置、计算机设备和存储介质 | |
| KR102299095B1 (ko) | 유사 패션 상품 데이터 검색 및 제공 방법과 그를 위한 컴퓨팅 장치 | |
| CN112035490B (zh) | 基于云平台的电动车信息监控方法、装置及系统 | |
| CN116018601A (zh) | 一种联邦学习方法、装置及系统 | |
| CN111050398B (zh) | 寻呼方法、装置、设备及存储介质 | |
| CN110059882B (zh) | 一种基于移动社交网络的内容流行度预测方法和装置 | |
| CN111554292A (zh) | 在移动终端中进行人机交互的方法及其装置 | |
| CN110475244B (zh) | 终端管理方法、系统、装置、终端及存储介质 | |
| CN112199280B (zh) | 软件的缺陷预测方法和装置、存储介质和电子装置 | |
| CN107766407A (zh) | 一种采用两阶段搜索的轨迹相似性连接查询方法 |
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 |