CN112866129B - 根据时效标志自动调节间隔的组包方法、装置及系统 - Google Patents

根据时效标志自动调节间隔的组包方法、装置及系统 Download PDF

Info

Publication number
CN112866129B
CN112866129B CN202110349466.2A CN202110349466A CN112866129B CN 112866129 B CN112866129 B CN 112866129B CN 202110349466 A CN202110349466 A CN 202110349466A CN 112866129 B CN112866129 B CN 112866129B
Authority
CN
China
Prior art keywords
time period
traffic
interval
group
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.)
Active
Application number
CN202110349466.2A
Other languages
English (en)
Other versions
CN112866129A (zh
Inventor
陈芳军
李远东
成伟权
巫春梅
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.)
Industrial and Commercial Bank of China Ltd ICBC
Original Assignee
Industrial and Commercial Bank of China Ltd ICBC
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 Industrial and Commercial Bank of China Ltd ICBC filed Critical Industrial and Commercial Bank of China Ltd ICBC
Priority to CN202110349466.2A priority Critical patent/CN112866129B/zh
Publication of CN112866129A publication Critical patent/CN112866129A/zh
Application granted granted Critical
Publication of CN112866129B publication Critical patent/CN112866129B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Signal Processing (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种根据时效标志自动调节间隔的组包方法、装置及系统，其中该方法包括：确定业务量与时间段的基线，所述基线包括正常时间段的基线和特殊时间段的基线；获取当前时间段；若所述当前时间段为正常时间段，根据正常时间段的基线预测得到相应的业务量，若所述当前时间段为特殊时间段，根据特殊时间段的基线预测得到相应的业务量；根据相应的业务量确定组包间隔；将所述组包间隔发送至跨行清算系统进行相应时间段的组包间隔的调整。本发明提供组包间隔的灵活性与合理性，从而提高系统的性能和资源利用率。

Description

根据时效标志自动调节间隔的组包方法、装置及系统
技术领域
本发明涉及清算业务处理技术领域，尤其涉及根据时效标志自动调节间隔的组包方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
近年来机器学习在各个领域的应用已经十分广泛，通过对大量的历史数据进行建模和算法处理，实现对结果的计算和预测。机器通过合理的对数据进行建模与训练，通过自我学习与认知，得出相应的规律和预测结果，从而解决问题。
随着清算业务在银行系统业务量的比重越来越高，尤其是跨行清算系统与支付交易系统直联，进行报文传递以及交互的性能要求越来越高，所以清算系统对报文的高效处理与传递就显得非常重要，目前在各个商业银行内系统内与支付交易系统的报文交互都是通过将同类报文组包发送的方式，以小额报文为例，发送支付交易系统的小额报文的组包间隔都是固定的时间间隔，在节假日前夕等业务量高峰期间，由于业务量的剧增但组包间隔固定，这样容易导致组包效率较低的情况，而在空闲时间端，业务量较少，组包时间间隔还是按照原有的正常情况下处理，导致组包个数过多，进而占用了多余的网络带宽，影响系统的正常资源分配，从而浪费了跨行系统资源。
发明内容
本发明实施例提供一种根据时效标志自动调节间隔的组包方法，用以解决组包间隔固定导致的跨行系统资源浪费的问题，该方法包括：
确定业务量与时间段的基线，所述基线包括正常时间段的基线和特殊时间段的基线；
获取当前时间段；
若所述当前时间段为正常时间段，根据正常时间段的基线预测得到相应的业务量，若所述当前时间段为特殊时间段，根据特殊时间段的基线预测得到相应的业务量；
根据相应的业务量确定组包间隔；
将所述组包间隔发送至跨行清算系统进行相应时间段的组包间隔的调整。
本发明实施例还提供一种根据时效标志自动调节间隔的组包装置，用以解决组包间隔固定导致的跨行系统资源浪费的问题，该装置包括：
基线确定模块，用于确定业务量与时间段的基线，所述基线包括正常时间段的基线和特殊时间段的基线；
当前时间段获取模块，用于获取当前时间段；
业务量预测模块，用于若所述当前时间段为正常时间段，根据正常时间段的基线预测得到相应的业务量，若所述当前时间段为特殊时间段，根据特殊时间段的基线预测得到相应的业务量；
组包间隔确定模块，用于根据相应的业务量确定组包间隔；
组包间隔发送模块，用于将所述组包间隔发送至跨行清算系统进行相应时间段的组包间隔的调整。
本发明实施例还提供一种根据时效标志自动调节间隔的组包系统，用以解决组包间隔固定导致的跨行系统资源浪费的问题，该系统包括：上述所述的根据时效标志自动调节间隔的组包装置和跨行清算系统。
本发明实施例还提供一种计算机设备，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计算机程序时实现上述根据时效标志自动调节间隔的组包方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述根据时效标志自动调节间隔的组包方法的步骤。
本发明实施例中，针对现有跨行清算系统与支付交易系统交互时在赋有带宽一定的情况下，组包间隔固定，导致业务量低的时候资源浪费以及业务量高时系统处理效率低的问题，通过人工智能学习算法，根据历史上各个时段的业务量数据进行分析后建立模型，对相应时间的业务量进行预测，并根据预测值调节系统的组包间隔，提供组包间隔的灵活性与合理性，从而提高系统的性能和资源利用率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中根据时效标志自动调节间隔的组包方法流程图(一)；
图2为本发明实施例中业务量与时间段的基线确定方法流程图；
图3为本发明实施例中根据时效标志自动调节间隔的组包方法流程图(二)；
图4为本发明实施例中根据业务量确定组包间隔的方法流程图；
图5为本发明实施例中根据时效标志自动调节间隔的组包装置结构框图(一)；
图6为本发明实施例中根据时效标志自动调节间隔的组包装置结构框图(二)；
图7为本发明实施例中根据时效标志自动调节间隔的组包系统结构框图(一)；
图8为本发明实施例中根据时效标志自动调节间隔的组包系统结构框图(二)；
图9为本发明实施例中根据时效标志自动调节间隔的组包系统结构框图(三)。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
本发明针对现有跨行清算系统与支付交易系统交互时在赋有带宽一定的情况下，组包间隔固定，导致业务量低的时候资源浪费以及业务量高时系统处理效率低的问题，提出一种根据时效标志自动调节间隔的组包方法，通过人工智能学习算法，根据历史上各个时段的业务量数据进行分析后建立模型，对相应时间的业务量进行预测，并根据预测值调节系统的组包间隔，提供组包间隔的灵活性与合理性，从而提高系统的性能和资源利用率。
下面详细描述一下根据时效标志自动调节间隔的组包方法。
图1为本发明实施例中根据时效标志自动调节间隔的组包方法流程图，如图1所示，该方法包括：
步骤101：确定业务量与时间段的基线，所述基线包括正常时间段的基线和特殊时间段的基线；
步骤102：获取当前时间段；
步骤103：若所述当前时间段为正常时间段，根据正常时间段的基线预测得到相应的业务量，若所述当前时间段为特殊时间段，根据特殊时间段的基线预测得到相应的业务量；
步骤104：根据相应的业务量确定组包间隔；
步骤105：将所述组包间隔发送至跨行清算系统进行相应时间段的组包间隔的调整。
在本发明实施例中，上述提到的正常时间段指的是非农历节假日，特殊时间段指的是农历节假日。本方法考虑了农历节假日日期时间的变化因素，因此将每年日期会变化的农历节假日日期时间段和不变的非农历日期分开分别得到不同的两条基线，从而不会因为日期影响因素导致特异性异常误差，这样大大提高了预测精度。
在本发明实施例中，通过对历史数据进行建模得到最终的预测基线，从而实现对其业务量的预测，同时考虑到农历节假日日期的变化对结果的影响，对其特殊日期进行区分处理。如图2所示，步骤101具体过程如下：
步骤201：设置历史周期的时间段和实验样本空间的时间段；
步骤202：根据历史周期的时间段从跨行清算系统获取业务量数据，建立对应的第一样本空间；
步骤203：根据实验样本空间的时间段从跨行清算系统获取业务量数据，建立对应的第二样本空间；
步骤204：计算第二样本空间内每个时间段的业务量数据到第一样本空间内对应时间段的业务量数据的距离；
步骤205：选择所述距离满足预设距离要求的对应的第一样本空间内对应时间段的多个样本数据点；
步骤206：确定多个样本数据点对应的业务量平均值，将所述业务量平均值作为对应时间段的业务量的基线，得到业务量与时间段的基线。
在本发明实施例中，步骤201至步骤203具体包括：
设置历史周期的时间段，基于此，从跨行清算系统采集每个时间段的历史数据，标记为训练集合G2：
G2＝(x1，y1),(x2,y2),...(xn,yn)；
其中，x为输入参数的特征参数，此处为其时间段，y记做其所对应的业务量。
具体的，历史周期的时间段比如可以为2010至2020年，第一样本空间可以是包括2010至2020年这10年的数据；实验样本空间的时间段比如可以是最近两年，第二样本空间可以是包括选定的最近两年某段时间的数据。
同时根据设置的历史周期，判断是否在此周期时间内有最新的数据加入，若在此历史周期内有最新的数据加入，则不断的更新样本空间的数据库数据。
该历史周期可以随时调整，比如初始设置为2017年至2019年，可以改成2018年至2020年，其目的是为了使使用的数据不断的更新，更加靠近目前时间的数据，以达到更新数据的效果，保证数据的有效性和代表性。
设置实验样本空间的时间段，基于此，从跨行清算系统采集每个时间段的历史数据，标记为训练集合G1。实验样本空间比如是最近1年内。
同时，考虑到每年农历节假日的日期时间都不同，根据农历节假日时间段选取某一段时期时间内样本空间G3，历史农历节假日每年与之对应样本空间集合G4。
在本发明实施例中，步骤204具体包括：采用欧式距离计算第二样本空间G1内的每个数据到与之对应的第一样本空间G2的每个样本数据的距离。
通常对于n维实数的特征向量，一般选择距离的时候分为两种，一种是欧氏距离，另一种是曼哈顿距离；对于X为n维实数的特征向量空间，
Figure BDA0003001713810000051
其距离可表示为：
Figure BDA0003001713810000052
因为选择的样本属性的差别基本一致，各变量量纲之间基本无差别，而曼哈顿距离对样本属性的差别更加敏感，所以根据清算系统特性选择欧式距离更加精确，所以p＝2有：
Figure BDA0003001713810000053
在本发明实施例中，步骤205至步骤206具体包括：
对于样本空间的估计算法，主要有knn(k-NearestNeighbor，K最近邻分类算法，所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表)，朴素贝叶斯以及正则化方法，由于朴素贝叶斯方法需要知道先验概率，根据先验概率进行模型假设，而先验模型的选择会对预测效果产出很大的影响，同时还对输入数据的表达形式敏感。同样对于正则化方法则对数据的敏感性要求高，还容易产生过度拟合的问题从而导致较大的误差。
knn算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。knn方法在类别决策时，只与极少量的相邻样本有关。由于knn方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，knn方法较其他方法更为适合。knn算法具有精度高，对异常数据不敏感，对输入的数据没有输入假定的要求，所以综合以上因素在此选择knn算法进行处理。
统计k个样本(xi,yi)中每个类标号出现的次数，选择出现频率最大的类标号作为新数据的类别即作为此时间段的业务量。对实验数据进行knn算法处理，其时间复杂度为O(n)。其中n为样本的数量，样本数据相关系数为rn，业务量为bn，以及实时数据相关系数r，b。
相关系数的计算公式为：
Figure BDA0003001713810000061
其中，Cov(xi,yi)为x与y的协方差，Var|xi|为x的方差，Var|yi|为y的方差。xi，yi分别为样本点数据。
因此，根据knn算法的距离选择标准，选择分别计算每个实时数据(为此时间段的历史数据)到样本空间数据的几何距离：
Figure BDA0003001713810000062
基于此几何距离确定同一时间段与之距离最接近的k个样本。然后基于如下公式确定k个样本集合Y。
Figure BDA0003001713810000063
其中：I为指示函数，(xi，yi)为G1样本空间中的数据点，xi为训练点样本空间的第i个时间段，yi为训练点样本空间第i时间段的业务量，cj为此类别G2空间的所有样本点。
对于k值的确定一般采取交叉验证的方法来确定最小最优的k值。
k个样本集合中根据日期时间段的所有对应的业务量的值，有S1，S2，S3，……，Sk，计算样本空间内对每个历史相应的时段的业务量进行求平均值，得到日期时间段对应的各个业务量的均值：
Figure BDA0003001713810000071
那么，就将均值Uk作为对应时间段的业务量的基线，从而就得到了一组日期时间段对应的业务量的基线，可以将其作为日期时间段基线y1。未来某一日期时间段就可以以基线样本空间为数据库预测此时的业务量，从而为后续的调整组包间隔作为参考依据。
同时，采用与上得到的预测基线y1同样的步骤和方法得到农历节日基线y2作为补偿基线，二者相互补充减小误差。
在本发明实施例中，如图3所示，该方法还包括：
步骤301：对业务量与时间段的基线进行验证。
具体的，对已经得到的基线y1，y2，通过采集一定数量的实时数据进行验证，同时对其他采用诸如朴素贝叶斯以及正则化方法处理得到的基线进行比较，通过对其验证发现采用knn得到的准确率是最高的。
在本发明实施例中，如图4所示，步骤104具体包括：
步骤401：确定组包间隔与系统效率的关系；
步骤402：基于组包间隔与系统效率的关系，根据相应的业务量确定组包间隔。
具体的，通过大量的数据分析结果可知，跨行清算系统效率与组包间隔之间存在着相关性，计算其相关系数r：
Figure BDA0003001713810000072
其中，r为在i时刻的组包间隔与系统效率的相关系数。
Figure BDA0003001713810000073
和
Figure BDA0003001713810000074
为二者在时间段内的平均值，Xi为i时刻的组包间隔，Yi为此时的系统效率。
得到相关系数后，发现相关系数0<r<1，所以存在正相关性质，为了找到近似最佳的组包间隔，通过大量实验不断改变其组包间隔，得出其较为合适的组包间隔，使系统资源利用率得到合理的分配。
根据每个时间段业务量的多少来调节组包间隔与每个包的组包笔数，当业务量大时结合系统资源利用率减小组包间隔和加大组包笔数，当业务量小时增大组包间隔，减小组包笔数，从而根据业务量的多少实现自动调节系统组包间隔和组包笔数实现系统的灵活性与合理化。
在本发明实施例中，步骤103中通过判断当前日期是否是农历节假日，如果是非农历节假日则选择y1基线，是农历节假日则选择y2预测基线，步骤104进行算法处理将得到的合适的组包间隔发送到跨行清算系统，跨行清算系统收到该信号后，及时调整相应时间段的组包间隔，从而提高系统的处理效率与节约系统资源，达到调优的效果。
本发明实施例中还提供了一种根据时效标志自动调节间隔的组包装置，如下面的实施例所述。由于该装置解决问题的原理与根据时效标志自动调节间隔的组包方法相似，因此该装置的实施可以参见根据时效标志自动调节间隔的组包方法的实施，重复之处不再赘述。
图5为本发明实施例中根据时效标志自动调节间隔的组包装置结构框图，如图5所示，该根据时效标志自动调节间隔的组包装置包括：
基线确定模块02，用于确定业务量与时间段的基线，所述基线包括正常时间段的基线和特殊时间段的基线；
当前时间段获取模块04，用于获取当前时间段；
业务量预测模块06，用于若所述当前时间段为正常时间段，根据正常时间段的基线预测得到相应的业务量，若所述当前时间段为特殊时间段，根据特殊时间段的基线预测得到相应的业务量；
组包间隔确定模块08，用于根据相应的业务量确定组包间隔；
组包间隔发送模块10，用于将所述组包间隔发送至跨行清算系统进行相应时间段的组包间隔的调整。
在本发明实施例中，基线确定模块02具体用于：
设置历史周期的时间段和实验样本空间的时间段；
根据历史周期的时间段从跨行清算系统获取业务量数据，建立对应的第一样本空间；
根据实验样本空间的时间段从跨行清算系统获取业务量数据，建立对应的第二样本空间；
计算第二样本空间内每个时间段的业务量数据到第一样本空间内对应时间段的业务量数据的距离；
选择所述距离满足预设距离要求的对应的第一样本空间内对应时间段的多个样本数据点；
确多个样本数据点对应的业务量平均值，将所述业务量平均值作为对应时间段的业务量的基线，得到业务量与时间段的基线。
在本发明实施例中，基线确定模块02具体用于：
采用knn分类算法选择所述距离满足预设距离要求的对应的第一样本空间内对应时间段的多个样本数据点。
在本发明实施例中，如图6所示，该装置还包括：验证模块12，用于对业务量与时间段的基线进行验证。
在本发明实施例中，组包间隔确定模块08具体用于：
确定组包间隔与系统效率的关系；
基于组包间隔与系统效率的关系，根据相应的业务量确定组包间隔。
本发明实施例中还提供了一种根据时效标志自动调节间隔的组包系统，如下面的实施例所述。
图7本发明实施例中根据时效标志自动调节间隔的组包系统结构框图，如图7所示，该根据时效标志自动调节间隔的组包系统包括：根据时效标志自动调节间隔的组包装置和和跨行清算系统。
在本发明实施例中，如图8所示，该系统还包括：支付交易系统；
跨行清算系统用于：将按照调整后的组包间隔组包后的业务报文发送至支付交易系统；
支付交易系统用于：根据所述业务报文进行相应的业务处理。
上述根据时效标志自动调节间隔的组包方法是由一个服务器完成的，其也可以分布于两个服务器中，其中，如图9所示，该根据时效标志自动调节间隔的组包系统可以包括支付交易系统、跨行清算系统、大数据平台和人工智能平台。
其中，支付交易系统负责接收跨行清算系统发送的业务报文对其进行相应的业务处理。跨行清算系统负责对各类业务报文进行分类组包并将组好的报文包发送给支付交易系统进行处理。大数据平台通过与跨行清算系统相连，大数据平台对跨行清算系统的历史时期的业务量等数据进行采集分析并建立数据的样本空间。人工智能平台主要通过相应的算法对历史时期业务量数据进行分析进而得到对应时间段的业务量预测，同时通知跨行清算系统调整相应组包间隔实现自动优化处理。人工智能平台进行建模算法处理，大数据平台负责对数据进行采集分析，两个的负责分工不同。
本发明实施例还提供一种计算机设备，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计算机程序时实现上述根据时效标志自动调节间隔的组包方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述根据时效标志自动调节间隔的组包方法的步骤。
本发明实施例中，针对现有跨行清算系统与支付交易系统交互时在赋有带宽一定的情况下，组包间隔固定，导致业务量低的时候资源浪费以及业务量高时系统处理效率低的问题，通过人工智能学习算法，根据历史上各个时段的业务量数据进行分析后建立模型，对相应时间的业务量进行预测，同时考虑到农历节假日日期的变化情况对结果的影响，对其进行特殊处理，进而自动拟合以提高预测精度。根据业务量调整作为组包间隔的参考依据，不断提高组包间隔的灵活性与合理性，实现了系统的优化业务量高时系统组包效率提高同时业务量低时合理的节约带宽提高系统的资源利用率。
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。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种根据时效标志自动调节间隔的组包方法，其特征在于，包括：
确定业务量与时间段的基线，所述基线包括正常时间段的基线和特殊时间段的基线；
获取当前时间段；
若所述当前时间段为正常时间段，根据正常时间段的基线预测得到相应的业务量，若所述当前时间段为特殊时间段，根据特殊时间段的基线预测得到相应的业务量；
根据相应的业务量确定组包间隔；
将所述组包间隔发送至跨行清算系统进行相应时间段的组包间隔的调整；所述的根据相应的业务量确定组包间隔，包括：
根据每个时间段业务量的多少来调节组包间隔与每个包的组包笔数，当业务量大时结合系统资源利用率减小组包间隔和加大组包笔数，当业务量小时增大组包间隔，减小组包笔数；
确定业务量与时间段的基线，包括：
设置历史周期的时间段和实验样本空间的时间段；
根据历史周期的时间段从跨行清算系统获取业务量数据，建立对应的第一样本空间；
根据实验样本空间的时间段从跨行清算系统获取业务量数据，建立对应的第二样本空间；
计算第二样本空间内每个时间段的业务量数据到第一样本空间内对应时间段的业务量数据的距离；
选择所述距离满足预设距离要求的对应的第一样本空间内对应时间段的多个样本数据点；
确定多个样本数据点对应的业务量平均值，将所述业务量平均值作为对应时间段的业务量的基线，得到业务量与时间段的基线；
选择所述距离满足预设距离要求的对应的第一样本空间内对应时间段的多个样本数据点，包括：
采用knn分类算法选择所述距离满足预设距离要求的对应的第一样本空间内对应时间段的多个样本数据点。
2.如权利要求1所述的根据时效标志自动调节间隔的组包方法，其特征在于，还包括：
对业务量与时间段的基线进行验证。
3.如权利要求1所述的根据时效标志自动调节间隔的组包方法，其特征在于，根据相应的业务量确定组包间隔，包括：
确定组包间隔与系统效率的关系；
基于组包间隔与系统效率的关系，根据相应的业务量确定组包间隔。
4.一种根据时效标志自动调节间隔的组包装置，其特征在于，包括：
基线确定模块，用于确定业务量与时间段的基线，所述基线包括正常时间段的基线和特殊时间段的基线；
当前时间段获取模块，用于获取当前时间段；
业务量预测模块，用于若所述当前时间段为正常时间段，根据正常时间段的基线预测得到相应的业务量，若所述当前时间段为特殊时间段，根据特殊时间段的基线预测得到相应的业务量；
组包间隔确定模块，用于根据相应的业务量确定组包间隔；
组包间隔发送模块，用于将所述组包间隔发送至跨行清算系统进行相应时间段的组包间隔的调整；
所述的根据相应的业务量确定组包间隔，包括：
根据每个时间段业务量的多少来调节组包间隔与每个包的组包笔数，当业务量大时结合系统资源利用率减小组包间隔和加大组包笔数，当业务量小时增大组包间隔，减小组包笔数；
基线确定模块具体用于：
设置历史周期的时间段和实验样本空间的时间段；
根据历史周期的时间段从跨行清算系统获取业务量数据，建立对应的第一样本空间；
根据实验样本空间的时间段从跨行清算系统获取业务量数据，建立对应的第二样本空间；
计算第二样本空间内每个时间段的业务量数据到第一样本空间内对应时间段的业务量数据的距离；
选择所述距离满足预设距离要求的对应的第一样本空间内对应时间段的多个样本数据点；
确定多个样本数据点对应的业务量平均值，将所述业务量平均值作为对应时间段的业务量的基线，得到业务量与时间段的基线；
基线确定模块具体用于：
采用knn分类算法选择所述距离满足预设距离要求的对应的第一样本空间内对应时间段的多个样本数据点。
5.如权利要求4所述的根据时效标志自动调节间隔的组包装置，其特征在于，还包括：验证模块，用于对业务量与时间段的基线进行验证。
6.如权利要求4所述的根据时效标志自动调节间隔的组包装置，其特征在于，组包间隔确定模块具体用于：
确定组包间隔与系统效率的关系；
基于组包间隔与系统效率的关系，根据相应的业务量确定组包间隔。
7.一种根据时效标志自动调节间隔的组包系统，其特征在于，包括：权利要求4至6任一项所述的根据时效标志自动调节间隔的组包装置和跨行清算系统。
8.如权利要求7所述的根据时效标志自动调节间隔的组包系统，其特征在于，还包括：支付交易系统；
跨行清算系统用于：将按照调整后的组包间隔组包后的业务报文发送至支付交易系统；
支付交易系统用于：根据所述业务报文进行相应的业务处理。
9.一种计算机设备，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计算机程序时实现权利要求1至3任一所述根据时效标志自动调节间隔的组包方法。
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，该程序被处理器执行时实现权利要求1至3任一所述根据时效标志自动调节间隔的组包方法的步骤。
CN202110349466.2A 2021-03-31 2021-03-31 根据时效标志自动调节间隔的组包方法、装置及系统 Active CN112866129B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110349466.2A CN112866129B (zh) 2021-03-31 2021-03-31 根据时效标志自动调节间隔的组包方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110349466.2A CN112866129B (zh) 2021-03-31 2021-03-31 根据时效标志自动调节间隔的组包方法、装置及系统

Publications (2)

Publication Number Publication Date
CN112866129A CN112866129A (zh) 2021-05-28
CN112866129B true CN112866129B (zh) 2023-03-21

Family

ID=75991914

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110349466.2A Active CN112866129B (zh) 2021-03-31 2021-03-31 根据时效标志自动调节间隔的组包方法、装置及系统

Country Status (1)

Country Link
CN (1) CN112866129B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102665258A (zh) * 2012-04-13 2012-09-12 北京邮电大学 蜂窝系统中一种基于基站协调控制的节能方法
CN108805211A (zh) * 2018-06-15 2018-11-13 电子科技大学 基于机器学习的智能业务类型感知方法
CN109995562A (zh) * 2017-12-30 2019-07-09 中国移动通信集团河北有限公司 网络业务量预测方法、装置、设备及介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100416263B1 (ko) * 2001-11-30 2004-01-31 삼성전자주식회사 비콘간격의 조절이 가능한 무선통신기기 및 그 방법
JP2005086566A (ja) * 2003-09-09 2005-03-31 Central Res Inst Of Electric Power Ind トラヒック量の推定方法及びこれを利用したパケット廃棄防止方法
RU2407179C2 (ru) * 2005-08-24 2010-12-20 Квэлкомм Инкорпорейтед Переменные интервалы времени передачи для системы радиосвязи
CN101572905B (zh) * 2008-04-30 2014-06-04 华为技术有限公司 传输时间间隔的调整方法和装置
CN103490956A (zh) * 2013-09-22 2014-01-01 杭州华为数字技术有限公司 基于业务量预测的自适应节能控制方法及设备、系统
CN107454628B (zh) * 2017-07-18 2020-09-08 西安电子科技大学 竞争多址中基于统计负载的分组调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102665258A (zh) * 2012-04-13 2012-09-12 北京邮电大学 蜂窝系统中一种基于基站协调控制的节能方法
CN109995562A (zh) * 2017-12-30 2019-07-09 中国移动通信集团河北有限公司 网络业务量预测方法、装置、设备及介质
CN108805211A (zh) * 2018-06-15 2018-11-13 电子科技大学 基于机器学习的智能业务类型感知方法

Also Published As

Publication number Publication date
CN112866129A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
US11240125B2 (en) System and method for predicting and reducing subscriber churn
CN111294812B (zh) 一种资源扩容规划的方法及系统
WO2020164740A1 (en) Methods and systems for automatically selecting a model for time series prediction of a data stream
CN110097088A (zh) 一种基于迁移学习与特殊点策略的动态多目标进化方法
CN105704031B (zh) 一种数据传输路径确定方法及装置
WO2021129464A1 (zh) 信道识别方法、装置、传输方法、传输设备、基站、介质
EP3382938A1 (en) A computer implemented method, a system and computer programs to forecast the performance of a network
CN115146764A (zh) 一种预测模型的训练方法、装置、电子设备及存储介质
CN113139570A (zh) 一种基于最优混合估值的大坝安全监测数据补全方法
CN112866129B (zh) 根据时效标志自动调节间隔的组包方法、装置及系统
CN116010228B (zh) 面向网络安全扫描的时间预估方法及装置
WO2018035101A1 (en) Spending allocation in multi-channel digital marketing
CN115511159A (zh) 一种基于贝叶斯神经网络的快速路事件检测方法和装置
JP4780668B2 (ja) トラヒック分析モデルの構築方法、装置および構築プログラムならびにその記憶媒体
CN111209105A (zh) 扩容处理方法、装置、设备及可读存储介质
CN112925831A (zh) 基于云计算服务的大数据挖掘方法及大数据挖掘服务系统
CN110134575B (zh) 一种服务器集群的服务能力计算方法及装置
CN112948469A (zh) 数据挖掘方法、装置、计算机设备及存储介质
CN109981325B (zh) 一种告警阈值的设定方法、装置、计算设备及介质
Gias et al. SampleHST: Efficient On-the-Fly Selection of Distributed Traces
CN117350607B (zh) 改进型knn算法模型的国际物流运输路径规划系统
CN117829791B (zh) 基于监管物联网的智慧燃气监管信息处理方法与系统
CN114417817B (zh) 一种会话信息切割方法和装置
CN115563555B (zh) 一种数据驱动的互联网卡用户价值分类方法、设备及介质
CN117896384B (zh) 物联网通信方法、装置、设备及存储介质

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