CN112822706A - 一种信息处理方法、装置及计算机可读存储介质 - Google Patents

一种信息处理方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN112822706A
CN112822706A CN202011623718.8A CN202011623718A CN112822706A CN 112822706 A CN112822706 A CN 112822706A CN 202011623718 A CN202011623718 A CN 202011623718A CN 112822706 A CN112822706 A CN 112822706A
Authority
CN
China
Prior art keywords
terminal
cell
information
designated
configuration information
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
Application number
CN202011623718.8A
Other languages
English (en)
Other versions
CN112822706B (zh
Inventor
彭红燕
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.)
Lenovo Future Communication Technology Chongqing Co Ltd
Original Assignee
Lenovo Future Communication Technology Chongqing 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 Lenovo Future Communication Technology Chongqing Co Ltd filed Critical Lenovo Future Communication Technology Chongqing Co Ltd
Priority to CN202011623718.8A priority Critical patent/CN112822706B/zh
Publication of CN112822706A publication Critical patent/CN112822706A/zh
Application granted granted Critical
Publication of CN112822706B publication Critical patent/CN112822706B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W24/00Supervisory, monitoring or testing arrangements
    • H04W24/06Testing, supervising or monitoring using simulated traffic
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W28/00Network traffic management; Network resource management
    • H04W28/02Traffic management, e.g. flow control or congestion control
    • H04W28/08Load balancing or load distribution
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W72/00Local resource management
    • H04W72/12Wireless traffic scheduling
    • H04W72/1263Mapping of traffic onto schedule, e.g. scheduled allocation or multiplexing of flows

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种信息处理方法、装置及计算机可读存储介质,方法包括:发送配置获取指令至多个指定网元,用以指示指定网元获得第一反馈信息和第二反馈信息;其中,指定网元包含多个指定小区,指定小区通信连接有多个指定终端;获得来自指定网元的第一反馈信息和第二反馈信息,第一反馈信息携带有与指定终端对应的第一配置信息,第二反馈信息携带有与指定小区对应的第二配置信息;基于第一配置信息和第二配置信息确定第一目标终端和第一目标小区,发送第一指令至指定网元;第一指令用以指示将第一目标终端迁移至第一目标小区;用于对终端采取针对性的处理,以保障用户体验。

Description

一种信息处理方法、装置及计算机可读存储介质
技术领域
本发明涉及信息处理技术领域,尤其涉及一种信息处理方法、装置及计算机可读存储介质。
背景技术
随着移动通信的不断发展,网络容量和流量不断增加,移动网络变得越来越复杂。如何有效地引导流量,提高用户体验,将是一个巨大的挑战。移动负载均衡技术,作为移动通信关键技术之一,主要用于调节小区间的负载状态,让终端从负荷高的小区向负荷低的小区迁移,从而使系统中的用户拥有最佳的用户体验。
传统的负载均衡方案是以小区为中心,即对小区内的所有终端采取相同的策略。然而,对于同一环境不同地方的终端,其无线环境和业务QoS可能不同,如果对所有终端一视同仁,可能大大影响用户体验。
发明内容
本发明实施例提供一种信息处理方法、装置及计算机可读存储介质,用于对终端采取针对性的处理,以保障用户体验。
根据本发明实施例第一方面,提供了一种信息处理方法,所述方法包括:发送配置获取指令至多个指定网元,用以指示所述指定网元获得第一反馈信息和第二反馈信息;其中,所述指定网元包含多个指定小区,所述指定小区通信连接有多个指定终端;获得来自所述指定网元的第一反馈信息和第二反馈信息,所述第一反馈信息携带有与指定终端对应的第一配置信息,所述第二反馈信息携带有与指定小区对应的第二配置信息;基于所述第一配置信息和第二配置信息确定第一目标终端和第一目标小区,发送第一指令至指定网元;所述第一指令用以指示将第一目标终端迁移至第一目标小区;其中,所述第一目标终端为所述多个指定终端的至少之一,所述第一目标小区为所述多个指定小区的至少之一。
在一实施方式中,基于所述第一配置信息和第二配置信息确定第一目标终端和第一目标小区,包括:发送所述第一配置信息和第二配置信息至第一设备,以使第一设备基于所述第一配置信息和第二配置信息预测终端迁移范围和小区负载范围;基于所述终端迁移范围和小区负载范围确定第一目标终端和第一目标小区。
在一实施方式中,基于所述第一配置信息和第二配置信息确定第一目标终端和第一目标小区,包括:基于与第一配置信息对应的第一信息样本预测终端迁移范围;基于与第二配置信息对应的第二信息样本预测小区负载范围;当与所述指定终端对应的第一配置信息满足所述终端迁移范围的情况下,将满足所述终端迁移范围的指定终端确定为第一目标终端;当与所述指定小区对应的第二配置信息满足所述小区负载范围的情况下,将满足所述小区负载范围的指定小区确定为第一目标小区。
在一实施方式中,所述基于与第一配置信息对应的第一信息样本预测终端迁移范围;基于与第二配置信息对应的第二信息样本预测小区负载范围;包括:基于第一配置预测模型对所述第一配置信息进行预测,获得终端迁移范围;基于第二配置预测模型对第二配置信息进行预测,获得小区负载范围;其中,所述第一配置预测模型通过所述第一信息样本对神经网络进行训练获得;所述第二配置预测模型通过所述第二信息样本对神经网络进行训练获得。
在一实施方式中,所述基于与第一配置信息对应的第一信息样本预测终端迁移范围;基于与第二配置信息对应的第二信息样本预测小区负载范围;包括:基于第三配置预测模型对第一配置信息和第二配置信息就行预测,获得终端迁移范围和小区负载范围;其中,所述第三配置预测模型通过所述第一信息样本和第二信息样本对神经网络进行训练获得。
在一实施方式中,所述配置获取指令还携带有事件反馈阈值,所述事件反馈阈值用于指示所述指定网元在满足事件反馈阈值的情况下反馈第三反馈信息;所述方法还包括:获得来自所述指定网元的第三反馈信息,所述第三反馈信息携带有与第二目标终端对应的第三配置信息;基于所述第三配置信息确定第三目标终端和第二目标小区,发送第二指令至指定网元,以指示将与第三目标终端迁移至第二目标小区。
在一实施方式中,所述配置获取指令还携带反馈周期间隔;基于所述第一配置信息和第二配置信息确定第一目标终端和第一目标小区,还包括:当所述反馈周期间隔小于指定时间间隔的情况下,确定与所述指定终端对应的所述第一配置信息是否满足预设迁移阈值,确定与所述指定小区对应的所述第二配置信息是否满足预设负载阈值;将满足所述预设迁移阈值的指定终端确定为第四目标终端,将满足所述预设负载阈值的指定小区确定为第三目标小区,发送第三指令用以指示将第四目标终端迁移至第三目标小区。
在一实施方式中,所述第一配置信息包括以下参数至少之一:用于表征终端配置参数的第一终端参数、用于表征终端基于SSB信号参数的第二终端参数、用于表征终端基于CSI-RS信号参数的第三终端参数,用于表征终端PRB使用情况的第四终端参数、用于表征终端优先级的第五终端参数、用于表征终端吞吐量的第六终端参数;所述第二配置信息包括以下参数至少之一:用于表征小区内终端数量的第一小区参数、用于表征小区PRB使用率的第二小区参数、用于表征小区PRB数的第三小区参数。
根据本发明实施例第二方面,还提供了一种信息处理装置,所述装置包括:发送模块,用于发送配置获取指令至多个指定网元,用以指示所述指定网元获得第一反馈信息和第二反馈信息;其中,所述指定网元包含多个指定小区,所述指定小区通信连接有多个指定终端;获得模块,用于获得来自所述指定网元的第一反馈信息和第二反馈信息,所述第一反馈信息携带有与指定终端对应的第一配置信息,所述第二反馈信息携带有与指定小区对应的第二配置信息;确定模块,用于基于所述第一配置信息和第二配置信息确定第一目标终端和第一目标小区,发送第一指令至指定网元;所述第一指令用以指示将第一目标终端迁移至第一目标小区;其中,所述第一目标终端为所述多个指定终端的至少之一,所述第一目标小区为所述多个指定小区的至少之一。
在一实施方式中,所述确定模块,包括:发送子模块,用于发送所述第一配置信息和第二配置信息至第一设备,以使第一设备基于所述第一配置信息和第二配置信息预测终端迁移范围和小区负载范围;确定子模块,用于基于所述终端迁移范围和小区负载范围确定第一目标终端和第一目标小区。
在一实施方式中,所述确定模块,包括:预测子模块,用于基于与第一配置信息对应的第一信息样本预测终端迁移范围;所述预测子模块,用于基于与第二配置信息对应的第二信息样本预测小区负载范围;所述确定子模块,用于当与所述指定终端对应的第一配置信息满足所述终端迁移范围的情况下,将满足所述终端迁移范围的指定终端确定为第一目标终端;所述确定子模块,用于当与所述指定小区对应的第二配置信息满足所述小区负载范围的情况下,将满足所述小区负载范围的指定小区确定为第一目标小区。
在一实施方式中,所述预测子模块,包括:基于第一配置预测模型对所述第一配置信息进行预测,获得终端迁移范围;基于第二配置预测模型对第二配置信息进行预测,获得小区负载范围;其中,所述第一配置预测模型通过所述第一信息样本对神经网络进行训练获得;所述第二配置预测模型通过所述第二信息样本对神经网络进行训练获得。
在一实施方式中,所述预测子模块,包括:基于第三配置预测模型对第一配置信息和第二配置信息就行预测,获得终端迁移范围和小区负载范围;其中,所述第三配置预测模型通过所述第一信息样本和第二信息样本对神经网络进行训练获得。
在一实施方式中,所述配置获取指令还携带有事件反馈阈值,所述事件反馈阈值用于指示所述指定网元在满足事件反馈阈值的情况下反馈第三反馈信息;相应的,所述获得模块,还用于获得来自所述指定网元的第三反馈信息,所述第三反馈信息携带有与第二目标终端对应的第三配置信息;所述确定模块,还用于基于所述第三配置信息确定第三目标终端和第二目标小区,发送第二指令至指定网元,以指示将与第三目标终端迁移至第二目标小区。
在一实施方式中,所述配置获取指令还携带反馈周期间隔;所述确定模块,还包括:当所述反馈周期间隔小于指定时间间隔的情况下,确定与所述指定终端对应的所述第一配置信息是否满足预设迁移阈值,确定与所述指定小区对应的所述第二配置信息是否满足预设负载阈值;将满足所述预设迁移阈值的指定终端确定为第四目标终端,将满足所述预设负载阈值的指定小区确定为第三目标小区,发送第三指令用以指示将第四目标终端迁移至第三目标小区。
根据本发明实施例第三方面,又提供了一种计算机可读存储介质,所述存储介质包括一组计算机可执行指令,当所述指令被执行时用于执行上述任一所述的信息处理方法。
本发明实施例提供的信息处理方法、设备及计算机可读存储介质通过获得与指定终端对应的第一配置信息和与指定小区对应的第二配置信息以确定需要进行数据迁移的第一目标终端和能够负载第一目标终端的第一目标小区,并将第一目标终端迁移至第一目标小区,以实现在任一小区过载时,对该小区内特定的第一目标终端进行迁移,使该小区内的指定终端能够根据与指定终端对应的第二配置信息采取不同的迁移策略,从而使用户能够拥有较佳的用户体验。
需要理解的是,本发明的教导并不需要实现上面所述的全部有益效果,而是特定的技术方案可以实现特定的技术效果,并且本发明的其他实施方式还能够实现上面未提到的有益效果。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本发明实施例一种信息处理方法的实现流程示意图;
图2示出了本发明实施例一种信息处理方法确定第一目标终端和第一目标小区的实现流程示意图;
图3示出了本发明实施例一种信息处理方法预测终端迁移范围和小区负载范围的实现流程示意图;
图4示出了本发明实施例一种信息处理方法事件反馈的实现流程示意图;
图5示出了本发明实施例一种信息处理方法配置反馈周期间隔的实现流程示意图;
图6示出了本发明实施例一种信息处理方法O-RAN架构图;
图7示出了本发明实施例一种信息处理方法小区负载状态上报流程图;
图8示出了本发明实施例一种信息处理方法终端参数上报流程图;
图9示出了本发明实施例一种信息处理装置的实现模块示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为使本发明更加透彻和完整,并能够将本发明的范围完整地传达给本领域的技术人员。
下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
图1示出了本发明实施例一种信息处理方法的实现流程示意图。
参见图1,根据本发明实施例第一方面,提供了一种信息处理方法,方法包括:操作101,发送配置获取指令至多个指定网元,用以指示指定网元获得第一反馈信息和第二反馈信息;其中,指定网元包含多个指定小区,指定小区通信连接有多个指定终端;操作102,获得来自指定网元的第一反馈信息和第二反馈信息,第一反馈信息携带有与指定终端对应的第一配置信息,第二反馈信息携带有与指定小区对应的第二配置信息;操作103,基于第一配置信息和第二配置信息确定第一目标终端和第一目标小区,发送第一指令至指定网元;第一指令用以指示将第一目标终端迁移至第一目标小区;其中,第一目标终端为多个指定终端的至少之一,第一目标小区为多个指定小区的至少之一。
本发明实施例提供的信息处理方法可以用于对指定小区的负载状态进行调控,以避免小区过载而影响用户体验。本方法通过获得与指定终端对应的第一配置信息和与指定小区对应的第二配置信息以确定需要进行数据迁移的第一目标终端和能够负载第一目标终端的第一目标小区,并将第一目标终端迁移至第一目标小区,以实现在任一小区过载时,对该小区内特定的第一目标终端进行迁移,使该小区内的指定终端能够根据与指定终端对应的第二配置信息采取不同的迁移策略,通过迁移第一目标终端至第一目标小区,从而使与指定终端对应的用户能够拥有较佳的用户体验。其中,本方法的指定网元可以用于指代基站中的节点。基站可以为5g基站,也可以为其他基站,每个基站均包含多个节点。指定小区用于指代一个节点下的多个区域。
本方法可以应用与对多个基站进行负载调控的控制设备,具体的,本方法可以采用基于O-RAN系统架构的控制设备,以实现同时管理多个5g基站的目的,控制设备可以采用无线智能控制器(RAN Intelligence Control,RIC)。本方法在操作101中,由该控制设备发送配置获取指令至多个指定网元,具体的,该控制设备可以用于对多个基站进行控制,该控制设备可以发送配置获取指令至其所控制的基站,由基站下发至指定网元,该控制设备也可以直接与多个指定网元分别通信连接,并将送配置获取指令至多个指定网元。配置获取指令用以指示指定网元获得与指定终端对应的第一反馈信息和与指定小区对应的第二反馈信息。
在本方法操作102中,指定网元根据配置获取指令对第一反馈信息和第二反馈信息完成收集后,将第一反馈信息和第二反馈信息反馈至控制设备,以使控制设备获得来自指定网元的第一反馈信息和第二反馈信息。其中,第一反馈信息携带有与指定终端对应的第一配置信息,第一配置信息包含能够表征指定终端发送第一反馈信息时候的通信状态及终端状态的信息参数。第二反馈信息携带有与指定小区对应的第二配置信息,第二配置信息可以包含能够表征指定小区发送第二反馈信息时候的负载状态的信息参数。需要补充的是,第一反馈信息和第二反馈信息可以以周期性反馈至控制设备,即控制设备获得在每个预设周期内都能够获得第一反馈信息和第二反馈信息。
在本方法操作103中,控制设备可以基于第一配置信息和第二配置信息确定第一目标终端和第一目标小区。具体的,当第一配置信息和第二配置信息为周期性反馈的情况下,控制设备可以基于对多个反馈获得的第一配置信息和第二配置信息结合其反馈周期进行分析,以确定第一目标终端和第一目标小区。当第一配置信息和第二配置信息为实时反馈的情况下,控制设备可以直接基于当前反馈的第一配置信息和第二配置信息确定第一目标终端和第一目标小区。在确定第一目标终端和第一目标小区之后,控制设备可以发送第一指令至指定网元,以指示指定网元将第一目标终端迁移至第一目标小区。需要说明的是,该指定网元具体指代与第一目标终端和第一目标小区对应的指定网元。在一种情况下,与第一目标终端对应的原指定小区和第一目标小区为同一指定网元内的小区,则控制设备需发送第一指令至该指定网元,由该指定网元将第一目标终端迁移至第一目标小区。在另一种情况下,与第一目标终端对应的原指定小区和第一目标小区为非同一指定网元内的小区,则控制设备需发送第一指令至与第一目标终端对应的指定网元和与第一目标小区对应的指定网元,以实现网元间的终端迁移。可以理解的是,第一指令中携带有与第一目标终端对应的信息参数和与第一目标小区对应的信息参数,以使指定网元能够基于信息参数将第一目标终端准确迁移至第一目标小区。可以理解的是,基于本方法,第一目标终端可以为一个或多个,第一目标小区也可以为一个或多个。在一种具体场景下,可以将超负载或即将超负载的小区内的多个第一目标终端分别迁移至不同的第一目标小区内。基于上述方法,对超负载或即将超负载的小区进行终端迁移的情况下,能够有针对性的选择第一目标终端进行迁移,以保障用户的用户体验。
图2示出了本发明实施例一种信息处理方法确定第一目标终端和第一目标小区的实现流程示意图。
参见图2,在一实施方式中,操作103,基于第一配置信息和第二配置信息确定第一目标终端和第一目标小区,包括:操作1031,发送第一配置信息和第二配置信息至第一设备,以使第一设备基于第一配置信息和第二配置信息预测终端迁移范围和小区负载范围;操作1032,基于终端迁移范围和小区负载范围确定第一目标终端和第一目标小区。
具体的,本方法还可以将无线智能控制器通过非实时无线智能控制器(Non-Real-Time RAN Intelligence Control,Non-RT RIC)和近实时无线智能控制器(Near RealTime RAN Intelligence Control,Near-RT RIC)两个无线智能控制器实现,通过两个无线智能控制器分别处理对应的任务,以提高控制的流畅性。第一设备可以用于指代非实时无线智能控制器。具体的,可以由近实时无线智能控制器实现与指定网元之间的信息交互,如由近实时无线智能控制器发送配置获取指令至多个指定网元,并由近实时无线智能控制器接收来自多个指定网元的第一配置信息和第二配置信息。近实时无线智能控制器还可以实现与非实时无线智能控制器之间的数据交互,如由近实时无线智能控制器转发第一配置信息和第二配置信息至非实时无线智能控制器。非实时无线智能控制器可以用于进行数据的存储和分析,如对基于第一配置信息和第二配置信息预测,以确定终端迁移范围和小区负载范围。
在一种实施情况下,确定第一目标终端和第一目标小区的决策可以由非实时无线智能控制器执行,由非实时无线智能控制器确定第一目标终端和第一目标小区后发送与第一目标终端和第一目标小区对应的第一指令至近实时无线智能控制器,以使近实时无线智能控制器转发第一指令至指定网元。在另一种实施情况下,确定第一目标终端和第一目标小区的决策可以由非实时无线智能控制器执行,由非实时无线智能控制器确定第一目标终端和第一目标小区后发送、第一目标终端和第一目标小区的信息参数至近实时无线智能控制器,由近实时无线智能控制器生成第一指令后发送第一指令至指定网元。在再一种事实情况下,确定第一目标终端和第一目标小区的决策可以由近实时无线智能控制器执行,由非实时无线智能控制器确定终端迁移范围和小区负载范围后发送至近实时无线智能控制器,由近实时无线智能控制器接收终端迁移范围和小区负载范围后与来自多个网元的第一反馈信息和第二反馈信息进行比较,以确定第一目标小区和第一目标终端,并由近实时无线智能控制器生成第一指令后发送第一指令至指定网元。
图3示出了本发明实施例一种信息处理方法预测终端迁移范围和小区负载范围的实现流程示意图。
参见图3,在一实施方式中,操作103,基于第一配置信息和第二配置信息确定第一目标终端和第一目标小区,包括:操作1033,基于与第一配置信息对应的第一信息样本预测终端迁移范围;操作1034,基于与第二配置信息对应的第二信息样本预测小区负载范围;操作1035,当与指定终端对应的第一配置信息满足终端迁移范围的情况下,将满足终端迁移范围的指定终端确定为第一目标终端;操作1036,当与指定小区对应的第二配置信息满足小区负载范围的情况下,将满足小区负载范围的指定小区确定为第一目标小区。
需要说明的是,操作1031-操作1032和操作1033-操作1036用于对操作进行区分,并不具备实际的先后顺序,本方法可以只执行操作1031-操作1032,不执行操作1033-操作1036;也可以只执行操作1033-操作1036,不执行操作1031-操作1032;还可以结合操作1031-操作1032和操作1033-操作1036。以下对结合操作1031-操作1032和操作1033-操作1036的场景进行说明。
当由非实时无线智能控制器基于第一配置信息和第二配置信息预测终端迁移范围和小区负载范围的情况下,可以由近实时无线智能控制器将每一次获取到第一配置信息和第二配置信息发送至非实时无线智能控制器,非实时无线智能控制器将来自近实时无线智能控制器的第一配置信息和第二配置信息作为第一信息样本和第二信息样本以对终端迁移范围和小区负载范围进行预测。其中,非实时无线智能控制器可以通过预设模板或者预设阈值结合第一信息样本和第二信息样本实现对终端迁移范围和小区负载范围的预测,也可以通过机器学习构建预测模型,通过第一信息样本和第二信息样本不断训练,实现对终端迁移范围和小区负载范围的预测,并能够提高非实时无线智能控制器对终端迁移范围和小区负载范围的预测能力,模型还可以具有决策能力,以使模型能够具有快速预测第一目标小区和第一目标终端的决策能力。
在一实施方式中,操作1033,基于与第一配置信息对应的第一信息样本预测终端迁移范围;操作1034,基于与第二配置信息对应的第二信息样本预测小区负载范围;包括:首先,基于第一配置预测模型对第一配置信息进行预测,获得终端迁移范围;然后,基于第二配置预测模型对第二配置信息进行预测,获得小区负载范围;其中,第一配置预测模型通过第一信息样本对神经网络进行训练获得;第二配置预测模型通过第二信息样本对神经网络进行训练获得。
当非实时无线智能控制器采用机器学习构建模型对终端迁移范围和小区负载范围进行预测的情况下,其中模型可以选为常见的分类模型,通过第一信息样本对该模型进行训练,能够获得用于预测终端迁移范围的第一配置预测模型。第一配置预测模型可以对终端迁移范围进行预测,以使将满足终端迁移范围的指定终端确定为第一目标终端,第一配置预测模型还可以基于预测获得的终端迁移范围对第一目标终端进行预测,以直接输出与第一目标终端对应的信息。
第二配置预测模型同样可以选为常见的分类模型,第一配置预测模型和第二配置预测模型可以选为相同或不同的模型,通过第二信息样本对该模型进行训练,能够获得用于预测小区负载范围的第二配置预测模型。第二配置预测模型可以对小区负载范围进行预测,以使将满足小区负载范围的指定小区确定为第一目标小区,第二配置预测模型还可以基于预测获得的小区负载范围对第一目标小区进行预测,以直接输出与第一目标小区对应的信息。
在一实施方式中,操作1033,基于与第一配置信息对应的第一信息样本预测终端迁移范围;操作1034,基于与第二配置信息对应的第二信息样本预测小区负载范围;包括:基于第三配置预测模型对第一配置信息和第二配置信息就行预测,获得终端迁移范围和小区负载范围;其中,第三配置预测模型通过第一信息样本和第二信息样本对神经网络进行训练获得。
再另一种实施情况下,通过对模型训练参数的调整,即通过第一信息样本和第二信息样本对神经网络进行训练,以同时输出终端迁移范围和小区负载范围,相较于单独预测输出终端迁移范围或小区负载范围的模型,整体预测终端迁移范围和小区负载范围的模型,其预测的终端迁移范围和小区负载范围之间的关联度更高,与实际应用场景较为贴近,有利于提高负载的均衡。
需要补充的是,根据模型训练的参数调整,本方法还可以采用通过第一信息样本和第二信息样本对神经网络进行训练,获得能够预测终端迁移范围的第四配置预测模型。采用通过第一信息样本和第二信息样本对神经网络进行训练,获得能够预测小区范围的第五配置预测模型等,以下不做赘述。
具体的,在进行模型训练及模型预测时,第一配置信息可以包括以下参数信息至少之一:用于表征终端配置参数的第一终端参数、用于表征终端基于SSB信号参数的第二终端参数、用于表征终端基于CSI-RS信号参数的第三终端参数,用于表征终端PRB使用情况的第四终端参数、用于表征终端优先级的第五终端参数、用于表征终端吞吐量的第六终端参数;第二配置信息可以包括以下参数信息至少之一:用于表征小区内终端数量的第一小区参数、用于表征小区PRB使用率的第二小区参数、用于表征小区PRB数的第三小区参数。
图4示出了本发明实施例一种信息处理方法事件反馈的实现流程示意图。
参见图4,在一实施方式中,操作101中的配置获取指令还携带有事件反馈阈值,事件反馈阈值用于指示指定网元在满足事件反馈阈值的情况下反馈第三反馈信息;方法还包括:操作401,获得来自所述指定网元的第三反馈信息,第三反馈信息携带有与第二目标终端对应的第三配置信息;操作402,基于第三配置信息确定第三目标终端和第二目标小区,发送第二指令至指定网元,以指示将与第三目标终端迁移至第二目标小区。
本方法在由控制设备发送配置获取指令至多个指定网元的情况下,配置获取指令还携带有事件反馈阈值。事件反馈阈值可以是与指定终端对应的参数信息的设定阈值,也可以是与指定小区对应的参数信息的设定阈值,还可以是即包括指定终端对应的参数信息的设定阈值也包括与指定小区对应的参数信息的设定阈值,即可以理解的是,事件反馈阈值可以存在一个或多个阈值。可以是当满足任一阈值,发送第三反馈信息;也可以是当满足所有阈值,发送第三反馈信息。指定网元根据事件反馈阈值对与事件反馈阈值对应的当前参数信息进行判断,当指定网元的当前参数信息满足事件反馈阈值的情况下,指定网元生成并发送第三反馈信息至控制设备。
在本方法操作401中,控制设备获得来自指定网元的第三反馈信息,第三反馈信息携带与第二目标终端对应的第三配置信息,根据需求设计,第二目标终端可以是满足事件反馈阈值的指定小区内的所有指定终端,即处于过载状态的小区内的所有终端;也可以是满足事件反馈阈值的指定终端。需要解释的是,第三配置信息和第一配置信息的具体参数类型可以相同,其命名不同是用于对不同场景下的终端的配置信息在表述上进行区分,不具备实际意义。
在本方法操作402中,基于第三配置信息确定第三目标终端的操作方法与操作103相同,具体的,可以通过配置预测模型进行预测。同理,确定第二目标小区的方法可以通过对应的配置预测模型进行预测。第三目标终端指代由操作103所获得的满足终端迁移阈值的终端,其与第一目标终端的命名不同是用于对不同场景下的终端在表述上进行区分,不具备实际意义。
本方法在确定第三目标终端和第二目标小区后,根据第三目标终端和第二目标小区生成并发送第二指令至指定网元,以指示将与第三目标终端迁移至第二目标小区。同操作103,第三目标终端和第二目标小区均可以存在多个。
需要补充的是,事件反馈阈值也可以由非实时无线智能控制器构建对应的模型进行训练,模型的训练样本和模型类型可以与上述的配置预测模型相同或不同。
图5示出了本发明实施例一种信息处理方法配置反馈周期间隔的实现流程示意图。
参见图5,在一实施方式中,配置获取指令还携带反馈周期间隔;操作103,基于第一配置信息和第二配置信息确定第一目标终端和第一目标小区,还包括:操作1037,当反馈周期间隔小于指定时间间隔的情况下,确定与指定终端对应的第一配置信息是否满足预设迁移阈值,确定与指定小区对应的第二配置信息是否满足预设负载阈值;操作1038,将满足预设迁移阈值的指定终端确定为第四目标终端,将满足预设负载阈值的指定小区确定为第三目标小区,发送第三指令用以指示将第四目标终端迁移至第三目标小区。
同上,操作1037-操作1038与操作1031-操作1032,操作1033-操作1036之间无先后顺序,仅用于对操作进行区分,操作1037-操作1038、操作1031-操作1032和操作1033-操作1036可以结合执行,也可以只执行其中一个或两个。
在一种具体实施场景下,配置获取指令还携带反馈周期间隔,反馈周期间隔用于指示指定网元按照反馈周期间隔进行第一反馈信息和第二反馈信息的上报。当反馈周期间隔较长的情况下,由于不同指定网元向控制设备反馈信息的时间不同,反馈信息的实时性较差,在该情况下,需要采用操作1031-操作1032和操作1033-操作1036对第一目标小区和第一目标终端进行预测。在反馈周期间隔较短的情况下,由于不同指定网元向控制设备反馈信息的时间较为接近,反馈信息的实时性较好,在该情况下,近实时无线智能控制器可以预先设置预设迁移阈值和预设负载阈值,也可以由非实时无线智能控制器可以预测终端迁移范围和小区负载范围,并将终端迁移范围和小区负载范围发送至近实时无线智能控制器,由近实时无线智能控制器将终端迁移范围和小区负载范围确定为预设迁移阈值和预设负载阈值。近实时无线智能控制器将判断为第一配置信息满足预设迁移阈值的指定终端确定为第四目标终端,将满足预设负载阈值的指定小区确定为第三目标小区,发送第三指令用以指示将第四目标终端迁移至第三目标小区。需要补充的是,反馈信息的实时性是否好坏由设计需求的实时精度进行判定,不同实施场景中,实时性较好或较差的具体时差数值可以进行调整。在该场景中第四目标终端和第三目标小区与第一目标终端和第一目标小区同样仅用于在表述上进行区分,实质无明显不同。
为方便上述实施方式的理解,以下提供一种具体实施场景进行具体说明。
图6示出了本发明实施例一种信息处理方法的O-RAN架构图。图7示出了本发明实施例一种信息处理方法小区负载状态上报流程图。图8示出了本发明实施例一种信息处理方法终端参数上报流程图。
参见图6、图7和图8,在该实施场景下,本方法应用于O-RAN架构,该架构包括非实时无线智能控制器601和近实时无线智能控制器602,非实时无线智能控制器601和近实时无线智能控制器602通信连接,近实时无线智能控制器602还与每一个5G基站603中的网元604连接,网元为E2-Node。每一个网元604均包含一个或多个小区,每个小区内均通信连接有多个终端605。本该场景下,利用5G基站603开放的无线能力,以及非实时无线智能控制器601和近实时无线智能控制器602无线智能控制能力,实现智能化的小区负载均衡算法。
通过近实时无线智能控制器602与多个5G基站603建立关联。由5G基站603周期性或事件性地向近实时无线智能控制器602上报小区负载状态信息和终端状态信息。近实时无线智能控制器602将5G基站603周期性上报的小区负载状态信息和终端状态信息转发给非实时无线智能控制器601。非实时无线智能控制器601将周期性上报的小区负载信息和终端状态信息作为机器学习的输入,提高非实时无线智能控制器601对网络负载状况的预测能力,近实时无线智能控制器602利用非实时无线智能控制器601的预测能力在小区即将过载或过载时,向5G基站603下发负载均衡策略,使特定的终端605从负荷高的小区向负荷低的小区迁移,从而有效避免小区过载情况出现。另一方面,近实时无线智能控制器602根据事件性上报的小区负载状态信息,感知系统负载状态信息的变更,从而触发近实时无线智能控制器602开始或停止负载均衡过程。
具体的,该架构在应用过程中,
首先,由近实时无线智能控制器602向5G基站603发送监控小区负载状态信息的小区配置信息。小区配置信息包括:小区负载状态信息的周期性上报类型、小区负载状态信息的周期性上报的时间间隔、小区负载状态信息的事件性上报类型、小区负载状态信息的事件性上报的触发条件。
并且,由近实时无线智能控制器602向5G基站603发送监控终端状态信息的终端配置信息。终端配置信息包括:终端状态信息的周期性上报类型、终端状态信息的周期性上报的时间间隔、终端状态信息的事件性上报类型、终端状态信息的事件性上报的触发条件、终端测量配置。
然后,5G基站603根据近实时无线智能控制器602下发的小区负载状态信息配置,周期性或事件性地将小区负载状态信息上报给近实时无线智能控制器602。小区负载状态信息包括:RRC_CONNECTED态的用户数、小区PRB上行使用率、小区PRB下行使用率、小区可用的PRB上行数、小区可用的PRB下行数、CPU使用率等。
并且,5G基站603根据近实时无线智能控制器602下发的终端状态参数配置信息,向UE发送测量配置信息。终端605根据收到的测量配置信息,上报终端测量报告给5G基站603。5G基站603根据近实时无线智能控制器602下发的终端状态信息配置,周期性或事件性地将终端状态信息上报给近实时无线智能控制器602。终端信息包括:基于SSB的RSRP、RSRQ、SINR;基于CSI-RS的RSRP、RSRQ、SINR,终端PRB上行使用情况、终端PRB下行使用情况、终端优先级、终端上行吞吐量、终端下行吞吐量等。
再后,对于周期性上报的小区负载状态信息,一方面,近实时无线智能控制器602将其转发给非实时无线智能控制器601,非实时无线智能控制器601提供给人工智能模块,作为机器学习的输入,提高近实时无线智能控制器602对网络负载状态的预测能力,以及负载均衡过程中目标小区快速决策能力。当非实时无线智能控制器601预测到系统中某个小区即将过载时,主动对小区内的终端605进行迁移,以使小区间负载均衡。另一方面,当周期性上报时间间隔较短时,可认为近实时无线智能控制器602掌握了O-RAN系统中所有小区的实时负载状态信息,当过载情况出现时,近实时无线智能控制器602可直接为待迁移的终端605选择合适的目标迁移小区,减少了O-RAN系统小区间、基站间信令的交互,提高了负载均衡处理的效率。
并且,对于周期性上报的终端状态信息,一方面,近实时无线智能控制器602将其转发给非实时无线智能控制器601,非实时无线智能控制器601提供给人工智能模块,作为机器学习的输入,提高非实时无线智能控制器601对中终端605网络性能的预测能力。当非时无线智能控制器对终端605网络性能的预估能力足够好的情况下,当系统内的小区发生过载时,可直接选择目标小区下发迁移命令,大大提高负载均衡的效率。对于事件性上报的终端状态信息,在过载的情况下,提供给近实时无线智能控制器602,用于选取目标终端605进行迁移。
非实时无线智能控制器601和近实时无线智能控制器602可根据负载均衡过程执行后,从由5G基站603上报的小区负载状态信息、终端状态信息、终端迁移结果等信息中,提取负载均衡性能反馈参数。提取的负载均衡性能反馈参数可以包括:终端迁移成功率、小区从过载到不过载的时长、负载均衡的稳定性(是否存在终端乒乓切换、终端迁移后是否让不过载的小区变成了过载小区等)等。其中,终端迁移的成功率可从终端迁移结果中获取;小区从过载到不过载的时长、负载均衡的稳定性可从5G基站603上报的小区负载状态信息和终端状态信息中获取。
图9示出了本发明实施例一种信息处理装置的实现模块示意图。
参见图9,根据本发明实施例第二方面,还提供了一种信息处理装置,装置包括:发送模块901,用于发送配置获取指令至多个指定网元,用以指示指定网元获得第一反馈信息和第二反馈信息;其中,指定网元包含多个指定小区,指定小区通信连接有多个指定终端;获得模块902,用于获得来自指定网元的第一反馈信息和第二反馈信息,第一反馈信息携带有与指定终端对应的第一配置信息,第二反馈信息携带有与指定小区对应的第二配置信息;确定模块903,用于基于第一配置信息和第二配置信息确定第一目标终端和第一目标小区,发送第一指令至指定网元;第一指令用以指示将第一目标终端迁移至第一目标小区;其中,第一目标终端为多个指定终端的至少之一,第一目标小区为多个指定小区的至少之一。
在一实施方式中,确定模块903,包括:发送子模块9031,用于发送第一配置信息和第二配置信息至第一设备,以使第一设备基于第一配置信息和第二配置信息预测终端迁移范围和小区负载范围;确定子模块9032,用于基于终端迁移范围和小区负载范围确定第一目标终端和第一目标小区。
在一实施方式中,确定模块903,包括:预测子模块9033,用于基于与第一配置信息对应的第一信息样本预测终端迁移范围;预测子模块9033,用于基于与第二配置信息对应的第二信息样本预测小区负载范围;确定子模块9032,用于当与指定终端对应的第一配置信息满足终端迁移范围的情况下,将满足终端迁移范围的指定终端确定为第一目标终端;确定子模块9032,用于当与指定小区对应的第二配置信息满足小区负载范围的情况下,将满足小区负载范围的指定小区确定为第一目标小区。
在一实施方式中,预测子模块9033,包括:基于第一配置预测模型对第一配置信息进行预测,获得终端迁移范围;基于第二配置预测模型对第二配置信息进行预测,获得小区负载范围;其中,第一配置预测模型通过第一信息样本对神经网络进行训练获得;第二配置预测模型通过第二信息样本对神经网络进行训练获得。
在一实施方式中,预测子模块9033,包括:基于第三配置预测模型对第一配置信息和第二配置信息就行预测,获得终端迁移范围和小区负载范围;其中,第三配置预测模型通过第一信息样本和第二信息样本对神经网络进行训练获得。
在一实施方式中,配置获取指令还携带有事件反馈阈值,事件反馈阈值用于指示指定网元在满足事件反馈阈值的情况下反馈第三反馈信息;相应的,所述获得模块902,还用于获得来自所述指定网元的第三反馈信息,所述第三反馈信息携带有与第二目标终端对应的第三配置信息;所述确定模块,还用于基于所述第三配置信息确定第三目标终端和第二目标小区,发送第二指令至指定网元,以指示将与第三目标终端迁移至第二目标小区。
在一实施方式中,配置获取指令还携带反馈周期间隔;确定模块903,还包括:当反馈周期间隔小于指定时间间隔的情况下,确定与指定终端对应的第一配置信息是否满足预设迁移阈值,确定与指定小区对应的第二配置信息是否满足预设负载阈值;将满足预设迁移阈值的指定终端确定为第四目标终端,将满足预设负载阈值的指定小区确定为第三目标小区,发送第三指令用以指示将第四三目标终端迁移至第三目标小区。
根据本发明实施例第三方面,又提供了一种计算机可读存储介质,存储介质包括一组计算机可执行指令,当指令被执行时用于执行上述任一的信息处理方法。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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;既可以位于一个地方,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,在本发明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。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种信息处理方法,所述方法包括:
发送配置获取指令至多个指定网元,用以指示所述指定网元获得第一反馈信息和第二反馈信息;其中,所述指定网元包含多个指定小区,所述指定小区通信连接有多个指定终端;
获得来自所述指定网元的第一反馈信息和第二反馈信息,所述第一反馈信息携带有与指定终端对应的第一配置信息,所述第二反馈信息携带有与指定小区对应的第二配置信息;
基于所述第一配置信息和第二配置信息确定第一目标终端和第一目标小区,发送第一指令至指定网元;所述第一指令用以指示将第一目标终端迁移至第一目标小区;
其中,所述第一目标终端为所述多个指定终端的至少之一,所述第一目标小区为所述多个指定小区的至少之一。
2.根据权利要求1所述的方法,基于所述第一配置信息和第二配置信息确定第一目标终端和第一目标小区,包括:
发送所述第一配置信息和第二配置信息至第一设备,以使第一设备基于所述第一配置信息和第二配置信息预测终端迁移范围和小区负载范围;
基于所述终端迁移范围和小区负载范围确定第一目标终端和第一目标小区。
3.根据权利要求1所述的方法,基于所述第一配置信息和第二配置信息确定第一目标终端和第一目标小区,包括:
基于与第一配置信息对应的第一信息样本预测终端迁移范围;
基于与第二配置信息对应的第二信息样本预测小区负载范围;
当与所述指定终端对应的第一配置信息满足所述终端迁移范围的情况下,将满足所述终端迁移范围的指定终端确定为第一目标终端;
当与所述指定小区对应的第二配置信息满足所述小区负载范围的情况下,将满足所述小区负载范围的指定小区确定为第一目标小区。
4.根据权利要求3所述的方法,所述基于与第一配置信息对应的第一信息样本预测终端迁移范围;基于与第二配置信息对应的第二信息样本预测小区负载范围;包括:
基于第一配置预测模型对所述第一配置信息进行预测,获得终端迁移范围;
基于第二配置预测模型对第二配置信息进行预测,获得小区负载范围;
其中,所述第一配置预测模型通过所述第一信息样本对神经网络进行训练获得;所述第二配置预测模型通过所述第二信息样本对神经网络进行训练获得。
5.根据权利要求3所述的方法,所述基于与第一配置信息对应的第一信息样本预测终端迁移范围;基于与第二配置信息对应的第二信息样本预测小区负载范围;包括:
基于第三配置预测模型对第一配置信息和第二配置信息就行预测,获得终端迁移范围和小区负载范围;
其中,所述第三配置预测模型通过所述第一信息样本和第二信息样本对神经网络进行训练获得。
6.根据权利要求1所述的方法,所述配置获取指令还携带有事件反馈阈值,所述事件反馈阈值用于指示所述指定网元在满足事件反馈阈值的情况下反馈第三反馈信息;
相应的,所述方法还包括:
获得来自所述指定网元的第三反馈信息,所述第三反馈信息携带有与第二目标终端对应的第三配置信息;
基于所述第三配置信息确定第三目标终端和第二目标小区,发送第二指令至指定网元,以指示将与第三目标终端迁移至第二目标小区。
7.根据权利要求1所述的方法,所述配置获取指令还携带反馈周期间隔;
基于所述第一配置信息和第二配置信息确定第一目标终端和第一目标小区,还包括:
当所述反馈周期间隔小于指定时间间隔的情况下,确定与所述指定终端对应的所述第一配置信息是否满足预设迁移阈值,确定与所述指定小区对应的所述第二配置信息是否满足预设负载阈值;
将满足所述预设迁移阈值的指定终端确定为第四目标终端,将满足所述预设负载阈值的指定小区确定为第三目标小区,发送第三指令用以指示将第四目标终端迁移至第三目标小区。
8.根据权利要求1-7任一项所述的方法,
所述第一配置信息包括以下参数至少之一:用于表征终端配置参数的第一终端参数、用于表征终端基于SSB信号参数的第二终端参数、用于表征终端基于CSI-RS信号参数的第三终端参数,用于表征终端PRB使用情况的第四终端参数、用于表征终端优先级的第五终端参数、用于表征终端吞吐量的第六终端参数;
所述第二配置信息包括以下参数至少之一:用于表征小区内终端数量的第一小区参数、用于表征小区PRB使用率的第二小区参数、用于表征小区PRB数的第三小区参数。
9.一种信息处理装置,所述装置包括:
发送模块,用于发送配置获取指令至多个指定网元,用以指示所述指定网元获得第一反馈信息和第二反馈信息;其中,所述指定网元包含多个指定小区,所述指定小区通信连接有多个指定终端;
获得模块,用于获得来自所述指定网元的第一反馈信息和第二反馈信息,所述第一反馈信息携带有与指定终端对应的第一配置信息,所述第二反馈信息携带有与指定小区对应的第二配置信息;
确定模块,用于基于所述第一配置信息和第二配置信息确定第一目标终端和第一目标小区,发送第一指令至指定网元;所述第一指令用以指示将第一目标终端迁移至第一目标小区;
其中,所述第一目标终端为所述多个指定终端的至少之一,所述第一目标小区为所述多个指定小区的至少之一。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序,当所述程序被处理器执行时,使得所述处理器执行如权利要求1-8任一项所述的方法。
CN202011623718.8A 2020-12-31 2020-12-31 一种信息处理方法、装置及计算机可读存储介质 Active CN112822706B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011623718.8A CN112822706B (zh) 2020-12-31 2020-12-31 一种信息处理方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011623718.8A CN112822706B (zh) 2020-12-31 2020-12-31 一种信息处理方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112822706A true CN112822706A (zh) 2021-05-18
CN112822706B CN112822706B (zh) 2023-03-21

Family

ID=75854598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011623718.8A Active CN112822706B (zh) 2020-12-31 2020-12-31 一种信息处理方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112822706B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101686497A (zh) * 2008-09-24 2010-03-31 华为技术有限公司 小区负荷均衡方法、小区负荷评估方法及装置
US20140050089A1 (en) * 2011-04-22 2014-02-20 Telefonaktiebolaget L M Ericsson (Publ) Intra-Frequency Load Balancing Method and Apparatus Thereof
CN107710816A (zh) * 2015-07-31 2018-02-16 华为技术有限公司 一种负载均衡方法及装置
CN108495342A (zh) * 2018-01-29 2018-09-04 努比亚技术有限公司 一种切换方法、终端、基站及计算机可读存储介质
CN108882293A (zh) * 2018-06-11 2018-11-23 Oppo广东移动通信有限公司 一种小区切换方法、终端及计算机可读存储介质
CN109155947A (zh) * 2016-05-25 2019-01-04 华为技术有限公司 用于小区切换的方法、基站和控制节点
CN109257773A (zh) * 2017-07-14 2019-01-22 大唐移动通信设备有限公司 一种负载均衡的方法和装置
CN110519797A (zh) * 2018-05-21 2019-11-29 中国移动通信有限公司研究院 负载均衡方法、装置、网络设备及存储介质
CN111010708A (zh) * 2018-10-08 2020-04-14 电信科学技术研究院有限公司 移动性管理的方法、无线接入网、终端及计算机存储介质
CN111083753A (zh) * 2019-11-08 2020-04-28 中兴通讯股份有限公司 一种切换方法、切换装置及网络系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101686497A (zh) * 2008-09-24 2010-03-31 华为技术有限公司 小区负荷均衡方法、小区负荷评估方法及装置
US20140050089A1 (en) * 2011-04-22 2014-02-20 Telefonaktiebolaget L M Ericsson (Publ) Intra-Frequency Load Balancing Method and Apparatus Thereof
CN107710816A (zh) * 2015-07-31 2018-02-16 华为技术有限公司 一种负载均衡方法及装置
CN109155947A (zh) * 2016-05-25 2019-01-04 华为技术有限公司 用于小区切换的方法、基站和控制节点
CN109257773A (zh) * 2017-07-14 2019-01-22 大唐移动通信设备有限公司 一种负载均衡的方法和装置
CN108495342A (zh) * 2018-01-29 2018-09-04 努比亚技术有限公司 一种切换方法、终端、基站及计算机可读存储介质
CN110519797A (zh) * 2018-05-21 2019-11-29 中国移动通信有限公司研究院 负载均衡方法、装置、网络设备及存储介质
CN108882293A (zh) * 2018-06-11 2018-11-23 Oppo广东移动通信有限公司 一种小区切换方法、终端及计算机可读存储介质
CN111010708A (zh) * 2018-10-08 2020-04-14 电信科学技术研究院有限公司 移动性管理的方法、无线接入网、终端及计算机存储介质
CN111083753A (zh) * 2019-11-08 2020-04-28 中兴通讯股份有限公司 一种切换方法、切换装置及网络系统

Also Published As

Publication number Publication date
CN112822706B (zh) 2023-03-21

Similar Documents

Publication Publication Date Title
US11451452B2 (en) Model update method and apparatus, and system
CN107113635B (zh) 用于确定小区状态以调整天线配置参数的方法和装置
Wang et al. Intelligent user-centric network selection: A model-driven reinforcement learning framework
Moysen et al. Conflict resolution in mobile networks: a self-coordination framework based on non-dominated solutions and machine learning for data analytics [application notes]
EP3847841A1 (en) Procedure for optimization of self-organizing network
CN111642011B (zh) 一种进行无线资源管理的方法和nRT RIC
Liu et al. A fuzzy-clustering based approach for MADM handover in 5G ultra-dense networks
JP2014523159A5 (zh)
JP2014523159A (ja) デジタル・セルラー無線遠隔通信ネットワークにおける測定の実施
CN113498137A (zh) 获取小区关系模型、推荐小区切换指导参数的方法及装置
CN111967605A (zh) 无线电接入网中的机器学习
US11706642B2 (en) Systems and methods for orchestration and optimization of wireless networks
US11647457B2 (en) Systems and methods for performance-aware energy saving in a radio access network
WO2023143267A1 (zh) 一种模型配置方法及装置
Moysen et al. On the potential of ensemble regression techniques for future mobile network planning
CN112822706B (zh) 一种信息处理方法、装置及计算机可读存储介质
CN110662264A (zh) 切换方法、系统、核心网设备和计算机可读存储介质
US11985527B2 (en) Systems and methods for autonomous network management using deep reinforcement learning
WO2023011371A1 (en) Method and system for configuring a threshold value for a handover parameter of a wireless communication system
CN114650606A (zh) 通信设备、媒体接入控制层架构及其实现方法
Sakat et al. Load balancing using neural networks approach for assisted content delivery in heterogeneous network
CN112243240B (zh) 小区调整方法、装置及无线智能控制器
WO2024100753A1 (ja) 制御システム、制御装置、制御方法、及び非一時的なコンピュータ可読媒体
CN113543242B (zh) 一种实现异频切换的方法、装置和计算机可读存储介质
WO2024038554A1 (ja) 制御システム、制御装置、制御方法、及び非一時的なコンピュータ可読媒体

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