CN113015177B - 一种小区分裂方法、设备及介质 - Google Patents

一种小区分裂方法、设备及介质 Download PDF

Info

Publication number
CN113015177B
CN113015177B CN201911323764.3A CN201911323764A CN113015177B CN 113015177 B CN113015177 B CN 113015177B CN 201911323764 A CN201911323764 A CN 201911323764A CN 113015177 B CN113015177 B CN 113015177B
Authority
CN
China
Prior art keywords
cell
user
splitting
rrus
migration
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
CN201911323764.3A
Other languages
English (en)
Other versions
CN113015177A (zh
Inventor
杨骄龙
袁雁南
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.)
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
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 China Mobile Communications Group Co Ltd, China Mobile Communications Ltd Research Institute filed Critical China Mobile Communications Group Co Ltd
Priority to CN201911323764.3A priority Critical patent/CN113015177B/zh
Publication of CN113015177A publication Critical patent/CN113015177A/zh
Application granted granted Critical
Publication of CN113015177B publication Critical patent/CN113015177B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/08—Access point devices
    • H04W88/085—Access point devices with remote components
    • 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

Abstract

本发明公开了一种小区分裂方法、设备及介质，包括：根据各用户终端的活动规律确定用户移动性指标，所述用户移动性指标表征了各用户终端在不同时间下的物理位置变换；根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区。采用本发明，不需要人工现场勘测或结合场景推测即可自动进行小区分裂决策，同时分裂结果准确且不耗费人力。实现了远端射频单元的分配过程自动化完成，并具有较好的负载、小区界面复杂度的优化效果。

Description

一种小区分裂方法、设备及介质
技术领域
本发明涉及无线通信技术领域，特别涉及一种小区分裂方法、设备及介质。
背景技术
在一些移动网络场景下，通常配置多个RRU(远端射频单元，Remote Radio Unit)为同一个小区。例如，在新型室分系统中，受限于部署环境和单个RRU的覆盖范围，通常规划和配置多个远端射频属于同一个小区。当出现高容量需求时，小区分裂是一种重要的应对容量需求的方法。一种常用的实现是将原来的属于同一个小区的RRU(远端射频单元，Remote Radio Unit)，通过重新规划RRU和小区的归属关系分为两个小区。
目前在进行小区分裂时，由于基带单元和RRU之间的交换单元能力问题等原因，目前设备一般不支持RRU级别数据采集和分析，主要通过人工现场判断，或通过预设固定分配模式，决定如何分配。RRU分配模式即指RRU以何种形式分配到分裂后的两个小区中。
现有技术的不足在于，RRU分配模式需要人工参与，不够灵活，不能适应需求。
发明内容
本发明提供了一种小区分裂方法、设备及介质，用以解决不能灵活分裂小区的问题。
本发明实施例提供了一种小区分裂方法，包括：
根据各用户终端的活动规律确定用户移动性指标，所述用户移动性指标表征了各用户终端在不同时间下的物理位置变换；
根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区。
实施中，用户移动性指标是根据小区分裂前，各用户终端到不同RRU路损的历史数据，和/或，小区分裂前，各用户终端到不同RRU映射关系的历史数据来确定的。
实施中，用户移动性指标是根据用户终端在同一个小区内部的RRU之间的迁移次数构成的表征小区内用户移动性的有向迁移图；和/或，根据用户终端在跨不同小区的RRU之间的迁移次数构成的表征跨小区用户移动性的有向迁移图。
实施中，进一步包括：
通过LSTM或时序预测算法预测出的用户终端轨迹在RRU间的迁移次数构成的有向迁移图。
实施中，根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区，包括：
将所述有向迁移图转化为无向图，其中，所述无向图的顶点表示RRU，边的权值表示所连接顶点间相互的用户迁移系数之和；
将顶点的权值置为该RRU承担的负载度量值；
根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，其中，所述负载均衡度量是指分裂后小区的负载之差，所述界面复杂度量为分裂后的小区的各自的有向迁移图之间的迁移总次数。
实施中，根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，包括：
采用全局最小割算法在预设的负载均衡度量容忍值下，按最小的界面复杂度量分裂小区；
和/或，
采用背包问题的动态规划算法在预设的界面复杂度量的约束条件下，按最优的负载均衡度量分裂小区。
实施中，根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，包括：
采用全局最小割算法按如下公式在预设的负载均衡度量容忍值下，按最小的界面复杂度量分裂小区：
Figure BDA0002327830420000031
Figure BDA0002327830420000032
和/或，
采用背包问题的动态规划算法按如下公式在预设的界面复杂度量的约束条件下，按最优的负载均衡度量分裂小区：
Figure BDA0002327830420000033
s.t.∑i∈A,j∈BWij＜Ethreshold；
其中，设有向迁移图被分割为A、B两部分，以Mi表示第i个顶点的权值，Eij表示连接A部分第i个顶点和B部分第j个顶点的边，Wij表示边Eij的权值，Mthreshold为负载均衡容忍上限，Ethreshold为复杂度容忍上限。
实施中，所述用户移动性指标是根据各用户终端跨RRU的活动规律通过预测确定的表征各用户终端潜在的切换次数的指标。
实施中，小区的负载是小区的RRU的总负载。
本发明实施例提供了一种通信设备，设备中包括：
处理器，用于读取存储器中的程序，执行下列过程：
根据各用户终端的活动规律确定用户移动性指标，所述用户移动性指标表征了各用户终端在不同时间下的物理位置变换；
根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区；
收发机，用于在处理器的控制下接收和发送数据。
实施中，用户移动性指标是根据小区分裂前，各用户终端到不同RRU路损的历史数据，和/或，小区分裂前，各用户终端到不同RRU映射关系的历史数据来确定的。
实施中，用户移动性指标是根据用户终端在同一个小区内部的RRU之间的迁移次数构成的表征小区内用户移动性的有向迁移图；和/或，根据用户终端在跨不同小区的RRU之间的迁移次数构成的表征跨小区用户移动性的有向迁移图。
实施中，进一步包括：
通过长短期记忆网络LSTM或时序预测算法预测出的用户终端轨迹在RRU间的迁移次数构成的有向迁移图。
实施中，根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区，包括：
将所述有向迁移图转化为无向图，其中，所述无向图的顶点表示RRU，边的权值表示所连接顶点间相互的用户迁移系数之和；
将顶点的权值置为该RRU承担的负载度量值；
根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，其中，所述负载均衡度量是指分裂后小区的负载之差，所述界面复杂度量为分裂后的小区的各自的有向迁移图之间的迁移总次数。
实施中，根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，包括：
采用全局最小割算法在预设的负载均衡度量容忍值下，按最小的界面复杂度量分裂小区；
和/或，
采用背包问题的动态规划算法在预设的界面复杂度量的约束条件下，按最优的负载均衡度量分裂小区。
实施中，根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，包括：
采用全局最小割算法按如下公式在预设的负载均衡度量容忍值下，按最小的界面复杂度量分裂小区：
Figure BDA0002327830420000051
Figure BDA0002327830420000052
和/或，
采用背包问题的动态规划算法按如下公式在预设的界面复杂度量的约束条件下，按最优的负载均衡度量分裂小区：
Figure BDA0002327830420000053
s.t.∑i∈A,j∈BWij＜Ethreshold；
其中，设有向迁移图被分割为A、B两部分，以Mi表示第i个顶点的权值，Eij表示连接A部分第i个顶点和B部分第j个顶点的边，Wij表示边Eij的权值，Mthreshold为负载均衡容忍上限，Ethreshold为复杂度容忍上限。
实施中，用户移动性指标是根据各用户终端跨RRU的活动规律通过预测确定的表征各用户终端潜在的切换次数的指标。
实施中，小区的负载是小区的RRU的总负载。
本发明实施例提供了一种通信设备，包括：
指标确定模块，用于根据各用户终端的活动规律确定用户移动性指标，所述用户移动性指标表征了各用户终端在不同时间下的物理位置变换；
分裂模块，用于根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区。
实施中，指标确定模块进一步用于根据小区分裂前，各用户终端到不同RRU路损的历史数据，和/或，小区分裂前，各用户终端到不同RRU映射关系的历史数据来确定所述用户移动性指标。
实施中，指标确定模块进一步用于将根据用户终端在同一个小区内部的RRU之间的迁移次数构成的表征小区内用户移动性的有向迁移图；和/或，根据用户终端在跨不同小区的RRU之间的迁移次数构成的表征跨小区用户移动性的有向迁移图作为用户移动性指标。
实施中，指标确定模块进一步用于采用通过长短期记忆网络LSTM或时序预测算法预测出的用户终端轨迹在RRU间的迁移次数构成的有向迁移图。
实施中，分裂模块进一步用于在根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区时，包括：
将所述有向迁移图转化为无向图，其中，所述无向图的顶点表示RRU，边的权值表示所连接顶点间相互的用户迁移系数之和；
将顶点的权值置为该RRU承担的负载度量值；
根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，其中，所述负载均衡度量是指分裂后小区的负载之差，所述界面复杂度量为分裂后的小区的各自的有向迁移图之间的迁移总次数。
实施中，分裂模块进一步用于在根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区时，包括：
采用全局最小割算法在预设的负载均衡度量容忍值下，按最小的界面复杂度量分裂小区；
和/或，
采用背包问题的动态规划算法在预设的界面复杂度量的约束条件下，按最优的负载均衡度量分裂小区。
实施中，分裂模块进一步用于在根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区时，包括：
采用全局最小割算法按如下公式在预设的负载均衡度量容忍值下，按最小的界面复杂度量分裂小区：
Figure BDA0002327830420000071
Figure BDA0002327830420000072
和/或，
采用背包问题的动态规划算法按如下公式在预设的界面复杂度量的约束条件下，按最优的负载均衡度量分裂小区：
Figure BDA0002327830420000073
s.t.∑i∈A,j∈BWij＜Ethreshold；
其中，设有向迁移图被分割为A、B两部分，以Mi表示第i个顶点的权值，Eij表示连接A部分第i个顶点和B部分第j个顶点的边，Wij表示边Eij的权值，Mthreshold为负载均衡容忍上限，Ethreshold为复杂度容忍上限。
实施中，用户移动性指标是根据各用户终端跨RRU的活动规律通过预测确定的表征各用户终端潜在的切换次数的指标。
实施中，分裂模块进一步用于将小区的RRU的总负载作为小区的负载。
本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述小区分裂方法的计算机程序。
本发明有益效果如下：
在本发明实施例提供的技术方案中，由于小区的分裂是根据用户移动性指标和/或对分裂后小区的负载来作为小区分裂的判断依据的，而这两个指标是明确可知的，因此不需要人工现场勘测或结合场景推测即可自动进行小区分裂决策，同时分裂结果准确且不耗费人力。实现了RRU的分配过程自动化完成，并具有较好的负载、小区界面复杂度的优化效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例中小区分裂方法实施流程示意图；
图2为本发明实施例中网络设备结构示意图。
具体实施方式
发明人在发明过程中注意到：
目前设备一般不支持RRU级别数据，主要通过人工现场判断，或通过预设固定分配模式，决定如何分配。
现网方案尚未有相关研究及实现，一方面尚未有用户在RRU间迁移的计算方法，一方面执行小区分裂时通常完全地由人工来决策如何规划RRU分配，没有涉及到负载、迁移状况的相关自动化方案。
因此，一方面现网尚未有计算用户在RRU间移动性的方法，需要人工现场勘测或结合场景推测，不够准确且耗费人力。另一方面现网使用人工来决策小区分裂，同样有耗费人力、难以量化的问题。
基于此，本发明实施例中提出了一种小区分裂方案，通过指标指示了两个小区间用户移动性大小，并通过这种方式量化出用户在RRU间的移动性，从而给出分裂小区的依据。具体方案中，将会基于所提出的界面复杂度这一指标，给出从小区界面复杂度、负载均衡两个方面搜索优化RRU分配方案。该方式能够给出一种RRU分配方案使得在满足负载均衡约束的情况下小区界面复杂度达到局部极小值点。
下面结合附图对本发明的具体实施方式进行说明。
图1为小区分裂方法实施流程示意图，如图所示，可以包括：
步骤101、根据各用户终端的活动规律确定用户移动性指标，所述用户移动性指标表征了各用户终端在不同时间下的物理位置变换；
步骤102、根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区。
实施中，所述用户移动性指标是根据各用户终端跨RRU的活动规律通过预测确定的表征各用户终端潜在的切换次数的指标。
具体的，小区分裂的目标而言，可以从两个方面对小区分裂的效果进行优化和评估，这两个方面分别为：
用户移动性指标：使用该指标的目的是为了表征分裂后两个小区间用户的潜在切换次数应当尽可能少；
负载均衡：使用该指标的目的是为了表征分裂后的两个小区负载应当尽可能均衡。
实施中，用户移动性指标是根据小区分裂前，各用户终端到不同RRU路损的历史数据，和/或，小区分裂前，各用户终端到不同RRU映射关系的历史数据来确定的。
实施中，用户移动性指标是根据用户终端在同一个小区内部的RRU之间的迁移次数构成的表征小区内用户移动性的有向迁移图；和/或，根据用户终端在跨不同小区的RRU之间的迁移次数构成的表征跨小区用户移动性的有向迁移图。
实施中，还可以进一步包括：
通过LSTM(长短期记忆网络，Long Short-Term Memory)或时序预测算法预测出的用户终端轨迹在RRU间的迁移次数构成的有向迁移图。
实施中，小区的负载是小区的RRU的总负载。
下面对用户移动性指标、小区界面复杂度、有向迁移图、小区的负载等特征以及它们之间的关系的实施进行说明。
首先对小区界面复杂度进行说明。
在本发明实施例提供的技术方案中，小区界面复杂度是衡量两个小区间用户移动性的指标。在说明小区间用户移动性指标之前，首先说明RRU间用户移动性的指标。
由于RRU和用户可能是多对一的关系，因此，根据小区所具有的能力，小区界面复杂度定义有所不同。
1)小区分裂前，基站可以统计并记录过去一段时间内，用户到不同RRU路损的历史数据。
设一共有三个RRU，记为A、B、C，设某用户的两条在时间上连续的记录为R1、R2，记录的值为表征RRU相对于该用户的权重信息，例如路损。
以路损为例，如下表所示：
A B C
R1 10 31 20
R2 27 5 15
对R1、R2按路损进行排序，在R1、R2两条记录中，如果存在检测R1相对于R2，某两个RRU位序发生置换，则认为这两个RRU间发生了一次迁移，以上表中的RRU A和RRU B为例，认为用户在R1到R2之间的时间段发生了一次从A到B的迁移。同理也存在一次从A到C的迁移和一次从C到B的迁移。每一次迁移被迁移后目标RRU的位序的倒数加权，例如R2中目标RRU B的位序为1，则记A到B发生了1次迁移，目标RRU C的位序为3，则记A到C发生了1/3次迁移，同理C到B发生了1/3次迁移。因此，根据R1和R2这两条记录，最终认为：
A到B发生了1次迁移，A到C发生了1/3次迁移，C到B发生了1/3次迁移。
按上述方式计算的所有迁移次数统计起来就得到了表征RRU之间用户移动性的有向迁移图，则可以定义图的顶点为RRU，定义图的边的权重为源RRU到目标RRU的用户迁移总次数。
此时，两个小区界面复杂度可以视为：
两个小区各自的RRU构成两个有向迁移子图，这两个小区的界面复杂度定义为这两个子图间的迁移总次数。
2)小区分裂前，基站统计并记录过去一段时间内，用户到不同RRU映射关系的历史数据。
假设历史数据中包含RRU A、B、C，考察连续的两个时刻T1、T2和用户u：
T1时刻，u附着在A、B；
T2时刻，u附着在B、C。
假设T2到T1的时间差小于阈值T0，则认为各发生了一次用户从A到B、A到C、B到C的迁移。T0典型值为1分钟。
按上述方式统计不同RRU间的迁移次数，按照1)中的方式构建不同RRU间的用户有向迁移图。
类似，两个小区界面复杂度可以视为：
两个小区各自的RRU构成两个有向迁移子图，这两个小区界面的复杂度定义为这两个子图间的迁移总次数。
下面对小区分裂的负载均衡度量进行说明。
小区的负载均衡度量基于每个RRU的负载状况。每个RRU的负载度量值可以是每RRU承载的平均流量、平均用户数量或其它有效度量。
基于每个RRU的负载度量，两个小区之间的负载均衡度量可以将其确定为：两个小区RRU的总负载之差的绝对值。
下面对用户在RRU间的轨迹预测方式进行说明。
基于用户到RRU间的历史映射或路损数据，可以利用该数据进行轨迹预测。根据历史数据，以以下形式构建每个用户的历史轨迹时间序列：
设某小区包含A、B、C三个RRU，以下表示例表示某个用户的历史轨迹时间序列，其中每一行代表该用户在某个时刻测量的到各RRU的路损信息或所附着的RRU：
在数据为用户到各RRU的路损数据时：
A B C
T1 40 18 10
T2 30 15 20
T3 14 18 35
T4 7 25 40
在数据为用户到各RRU的映射关系时，以1代表用户附着，0代表用户未附着：
A B C
T1 0 1 1
T2 0 1 0
T3 1 1 0
T4 1 0 0
以上述时序数据为输入，通过LSTM或其它时序预测算法，可预测出未来N个时刻的用户轨迹，预测出的轨迹可以用来估算未来一段时间内的用户在RRU之间迁移次数的有向图。
下面对根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区的具体实施进行说明。
实施中，根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区，包括：
将所述有向迁移图转化为无向图，其中，所述无向图的顶点表示RRU，边的权值表示所连接顶点间相互的用户迁移系数之和；
将顶点的权值置为该RRU承担的负载度量值；
根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，其中，所述负载均衡度量是指分裂后小区的负载之差，所述界面复杂度量为分裂后的小区的各自的有向迁移图之间的迁移总次数。
具体实施中，根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，包括：
采用全局最小割算法在预设的负载均衡度量容忍值下，按最小的界面复杂度量分裂小区；
和/或，
采用背包问题的动态规划算法在预设的界面复杂度量的约束条件下，按最优的负载均衡度量分裂小区。
具体实施中，根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，可以包括：
采用全局最小割算法按如下公式在预设的负载均衡度量容忍值下，按最小的界面复杂度量分裂小区：
Figure BDA0002327830420000131
Figure BDA0002327830420000132
和/或，
采用背包问题的动态规划算法按如下公式在预设的界面复杂度量的约束条件下，按最优的负载均衡度量分裂小区：
Figure BDA0002327830420000133
s.t.∑i∈A,j∈BWij＜Ethreshold；
其中，设有向迁移图被分割为A、B两部分，以Mi表示第i个顶点的权值，Eij表示连接A部分第i个顶点和B部分第j个顶点的边，Wij表示边Eij的权值，Mthreshold为负载均衡容忍上限，Ethreshold为复杂度容忍上限。
下面进行具体说明。
获取表征RRU之间用户迁移次数的有向图，将其转化为如下无向图：
顶点仍表示RRU，边的权值表示所连接顶点间相互的用户迁移系数之和，并将顶点的权值置为该RRU承担的负载度量值。
获取上述无向图，可以将优化问题建模为：
问题模型1：在给定负载均衡度量容忍值的条件下寻找具有最小界面复杂度量的图的分割。
问题模型2：在给定界面复杂度量约束的条件下寻找最优化负载均衡度量的图的分割。
下面设以下符号定义：
以Mi表示第i个顶点的权值，Eij表示连接第i个顶点和第j个定点的边，Wij表示边Eij的权值。设图被分割为A、B两部分。则有：
一、第一种问题模型：
第一种问题模型可以描述为下式：
Figure BDA0002327830420000141
Figure BDA0002327830420000142
这是一个有约束无向图最小割问题，为NP-hard(非确定性多项式困难问题，Non-deterministic Polynomial-time hardness)问题，例中提出下列迭代方法进行近似计算。
计算前先指定：
1)如果RRU总数量少于N，枚举出所有满足Mthreshold约束的分割方案，从中选取割集权值最小的分割方案并输出，否则转入2)。N的典型值为8。
2)量化权值到合适的整值，将RRU的分配视为一个目标为0.5×(总负载量)的0-1背包问题，利用经典动态规划算法求出一个满足负载需求的初始分割，分割后的子集为A、B。若算法求出的初始值不满足负载需求，输出：无分配方式满足负载均衡需求，算法失败。
3)在初始分配结果的基础上，从A中选择一个顶点，这个顶点加入B后满足负载需求，且使得割集权值之和减量最多，将该顶点加入B。
4)反过来用与2)中相同的方式从B中选择一个顶点加入A。
5)如果在一轮操作中A、B子集中都不存在这样一个顶点，则算法结束，输出分割结果A、B，否则反复执行2)和3)
最终输出的子集A、B即为RRU在分裂后的两个小区间的分配结果。具体实践中可以通过调整负载均衡容忍值Mthreshold来改变分配结果。
二、第二种问题模型：
第二种问题模型可以描述为下式：
Figure BDA0002327830420000151
s.t.∑i∈A,j∈BWij＜Ethreshold；
这是一个NP-hard难度的有约束背包问题，例中提出下列迭代方法进行近似计算。
计算前先指定小区界面：
1)如果RRU总数量少于N，枚举出所有满足Ethreshold约束的分割方案，从中选取割集权值最小的分割方案并输出，否则转入2)。N的典型值为8。
2)量化权值到合适的整值，利用Stoer-Wagner算法计算该无向图的最小割作为初始分配结果。若该分割满足Ethreshold约束，进入3)，否则无满足约束条件的方案，输出计算失败。
3)设初始分配方案将RRU分割为子集A、B，在初始分配结果的基础上，从A中选择一个顶点，这个顶点加入B后满足Ethreshold约束，且使得负载均衡度量减少最多，将该顶点加入B。若不存在这样一个顶点，跳过本步骤。
4)反过来用与2)中相同的方式从B中选择一个顶点加入A。若不存在这样一个顶点，跳过本步骤。
5)如果在一轮操作中A、B子集中都不存在这样一个顶点，则算法结束，输出分割结果A、B，否则反复执行2)和3)
最终输出的子集A、B即为RRU在分裂后的两个小区间的分配结果。具体实践中可以通过调整界面复杂度容忍值Ethreshold来改变分配结果。
基于同一发明构思，本发明实施例中还提供了通信设备、及计算机可读存储介质，由于这些设备解决问题的原理与小区分裂方法相似，因此这些设备的实施可以参见方法的实施，重复之处不再赘述。
在实施本发明实施例提供的技术方案时，可以按如下方式实施。
图2为网络设备结构示意图，如图所示，设备中包括：
处理器200，用于读取存储器220中的程序，执行下列过程：
根据各用户终端的活动规律确定用户移动性指标，所述用户移动性指标表征了各用户终端在不同时间下的物理位置变换；
根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区；
收发机210，用于在处理器200的控制下接收和发送数据。
实施中，用户移动性指标是根据小区分裂前，各用户终端到不同RRU路损的历史数据，和/或，小区分裂前，各用户终端到不同RRU映射关系的历史数据来确定的。
实施中，用户移动性指标是根据用户终端在同一个小区内部的RRU之间的迁移次数构成的表征小区内用户移动性的有向迁移图；和/或，根据用户终端在跨不同小区的RRU之间的迁移次数构成的表征跨小区用户移动性的有向迁移图。
实施中，进一步包括：
通过长短期记忆网络LSTM或时序预测算法预测出的用户终端轨迹在RRU间的迁移次数构成的有向迁移图。
实施中，根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区，包括：
将所述有向迁移图转化为无向图，其中，所述无向图的顶点表示RRU，边的权值表示所连接顶点间相互的用户迁移系数之和；
将顶点的权值置为该RRU承担的负载度量值；
根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，其中，所述负载均衡度量是指分裂后小区的负载之差，所述界面复杂度量为分裂后的小区的各自的有向迁移图之间的迁移总次数。
实施中，根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，包括：
采用全局最小割算法在预设的负载均衡度量容忍值下，按最小的界面复杂度量分裂小区；
和/或，
采用背包问题的动态规划算法在预设的界面复杂度量的约束条件下，按最优的负载均衡度量分裂小区。
实施中，根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，包括：
采用全局最小割算法按如下公式在预设的负载均衡度量容忍值下，按最小的界面复杂度量分裂小区：
Figure BDA0002327830420000171
Figure BDA0002327830420000172
和/或，
采用背包问题的动态规划算法按如下公式在预设的界面复杂度量的约束条件下，按最优的负载均衡度量分裂小区：
Figure BDA0002327830420000181
s.t.∑i∈A,j∈BWij＜Ethreshold；
其中，设有向迁移图被分割为A、B两部分，以Mi表示第i个顶点的权值，Eij表示连接A部分第i个顶点和B部分第j个顶点的边，Wij表示边Eij的权值，Mthreshold为负载均衡容忍上限，Ethreshold为复杂度容忍上限。
实施中，所述用户移动性指标是根据各用户终端跨RRU的活动规律通过预测确定的表征各用户终端潜在的切换次数的指标。
实施中，小区的负载是小区的RRU的总负载。
其中，在图2中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器200代表的一个或多个处理器和存储器220代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机210可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。处理器200负责管理总线架构和通常的处理，存储器220可以存储处理器200在执行操作时所使用的数据。
本发明实施例提供了一种通信设备，包括：
指标确定模块，用于根据各用户终端的活动规律确定用户移动性指标，所述用户移动性指标表征了各用户终端在不同时间下的物理位置变换；
分裂模块，用于根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区。
实施中，指标确定模块进一步用于根据小区分裂前，各用户终端到不同RRU路损的历史数据，和/或，小区分裂前，各用户终端到不同RRU映射关系的历史数据来确定所述用户移动性指标。
实施中，指标确定模块进一步用于将根据用户终端在同一个小区内部的RRU之间的迁移次数构成的表征小区内用户移动性的有向迁移图；和/或，根据用户终端在跨不同小区的RRU之间的迁移次数构成的表征跨小区用户移动性的有向迁移图作为用户移动性指标。
实施中，指标确定模块进一步用于采用通过长短期记忆网络LSTM或时序预测算法预测出的用户终端轨迹在RRU间的迁移次数构成的有向迁移图。
实施中，分裂模块进一步用于在根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区时，包括：
将所述有向迁移图转化为无向图，其中，所述无向图的顶点表示RRU，边的权值表示所连接顶点间相互的用户迁移系数之和；
将顶点的权值置为该RRU承担的负载度量值；
根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，其中，所述负载均衡度量是指分裂后小区的负载之差，所述界面复杂度量为分裂后的小区的各自的有向迁移图之间的迁移总次数。
实施中，分裂模块进一步用于在根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区时，包括：
采用全局最小割算法在预设的负载均衡度量容忍值下，按最小的界面复杂度量分裂小区；
和/或，
采用背包问题的动态规划算法在预设的界面复杂度量的约束条件下，按最优的负载均衡度量分裂小区。
实施中，分裂模块进一步用于在根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区时，包括：
采用全局最小割算法按如下公式在预设的负载均衡度量容忍值下，按最小的界面复杂度量分裂小区：
Figure BDA0002327830420000191
Figure BDA0002327830420000201
和/或，
采用背包问题的动态规划算法按如下公式在预设的界面复杂度量的约束条件下，按最优的负载均衡度量分裂小区：
Figure BDA0002327830420000202
s.t.∑i∈A,j∈BWij＜Ethreshold；
其中，设有向迁移图被分割为A、B两部分，以Mi表示第i个顶点的权值，Eij表示连接A部分第i个顶点和B部分第j个顶点的边，Wij表示边Eij的权值，Mthreshold为负载均衡容忍上限，Ethreshold为复杂度容忍上限。
实施中，指标确定模块进一步用于将根据各用户终端跨RRU的活动规律通过预测确定的表征各用户终端潜在的切换次数的指标作为所述用户移动性指标。
实施中，分裂模块进一步用于将小区的RRU的总负载作为小区的负载。
为了描述的方便，以上所述装置的各部分以功能分为各种模块或单元分别描述。当然，在实施本发明时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。
本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述小区分裂方法的计算机程序。
具体的实施可以参见小区分裂方法的实施。
综上所述，在本发明实施例提供的技术方案中，面向小区分裂过程提出了用户在RRU间移动性的推算方案，并基于该方案引入了小区界面复杂度。基于所引入的小区界面复杂度，提出了RRU的分配方式的优化方案，该方案能够在小区界面复杂度和负载均衡方面进行优化。
进一步的，提出了用户在RRU间轨迹的预测方案以及利用预测结果进行小区分裂。
具体的，在方案中提供了输入表征RRU对于用户的重要性的指标，系统对RRU间的移动性的推算方式。
进一步的，通过对移动性的推算结果生成并输出用户在RRU间的有向迁移图，图的顶点为RRU，有向边的权值代表从一个RRU到另一个RRU的相对迁移次数。再基于用户在RRU间的有向迁移图定义小区界面复杂度的方式。
进一步的，引入界面复杂度，同时或单独优化小区分裂中界面复杂度和负载均衡容忍度量的方案。
进一步的，还基于RRU对于用户重要性的指标，给出了用户在RRU间移动轨迹的移动预测模型的方案。
进一步的，通过各RRU到用户的路损信息，或者用户相对各RRU的附着信息确定RRU对于用户的重要性指标，其中附着信息按照二元状态:附着/未附着进行量化。
进一步的，为在满足负载均衡约束的条件下对小区界面复杂度的优化以及在满足小区界面复杂度约束的条件下对负载均衡的优化建立问题模型，从而提供解决方案。
进一步的，根据问题模型提供的具体算法包含两个方面，第一方面，输入为每RRU负载度量值，RRU间的用户迁移度量和负载均衡容忍值，算法先生成初始满足均衡负载条件的分配方案，继而迭代的对小区界面复杂度进行优化，输出RRU分配方案。第二方面，输入为每RRU负载度量值，RRU间的用户迁移度量和界面复杂度容忍值，算法在小区界面复杂度约束条件下，生成满足小区界面复杂度约束条件的初始分配方案，迭代的对负载均衡进行优化，输出RRU分配方案。
进一步的，提供了生成初始满足均衡负载条件的分配方案：量化边的权值到整值后，使用背包问题的动态规划算法，迭代方法为从两个子集中依次的选择满足均衡负载条件且最小化界面复杂度的RRU加入另一个子集；还提供了生成满足小区界面复杂度约束条件的分配方案的算法-无向图全局最小割算法：Stoer-Wagner算法，迭代方法为从两个子集中依次选择满足复杂度约束条件且最优化均衡负载的RRU加入另一个子集。
进一步的，将已量化的用户到各RRU的重要性指标的连续时间序列数据作为预测模型的输入，输出为时间序列之后一个或多个时刻的用户到各RRU的重要性指标。
进一步的，还使用长短期记忆网络(LSTM)作为预测方案。
可见，在现有的技术方案中，小区分裂中，RRU的分配通常都是人工完成。同时也尚未有相关算法将用户在RRU间的移动性量化的考虑到小区分裂过程中。本发明实施例提出的技术方案中，一方面给出了RRU间的移动性的量化方案，引入了小区界面复杂度；一方面提出了一种小区分裂中优化负载均衡和小区界面复杂度的RRU分配方案，从而使得RRU的分配过程可以自动化完成，并具有较好的负载、小区界面复杂度的优化效果。最后，还给出了预测用户在RRU间移动轨迹的方案，该方案可以用于实时动态小区分裂方案。
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和光学存储器等)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。
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等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种小区分裂方法，其特征在于，包括：
根据各用户终端的活动规律确定用户移动性指标，所述用户移动性指标表征了各用户终端在不同时间下的物理位置变换；
根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区；
用户移动性指标是根据小区分裂前，各用户终端到不同远端射频单元RRU路损的历史数据，和/或，小区分裂前，各用户终端到不同RRU映射关系的历史数据来确定的；
用户移动性指标是根据用户终端在同一个小区内部的RRU之间的迁移次数构成的表征小区内用户移动性的有向迁移图；和/或，根据用户终端在跨不同小区的RRU之间的迁移次数构成的表征跨小区用户移动性的有向迁移图。
2.如权利要求1所述的方法，其特征在于，进一步包括：
通过长短期记忆网络LSTM或时序预测算法预测出的用户终端轨迹在RRU间的迁移次数构成的有向迁移图。
3.如权利要求2所述的方法，其特征在于，根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区，包括：
将所述有向迁移图转化为无向图，其中，所述无向图的顶点表示RRU，边的权值表示所连接顶点间相互的用户迁移系数之和；
将顶点的权值置为该RRU承担的负载均衡度量值；
根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，其中，所述负载均衡度量是指分裂后小区的负载之差，所述界面复杂度量为分裂后的小区的各自的有向迁移图之间的迁移总次数。
4.如权利要求3所述的方法，其特征在于，根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，包括：
采用全局最小割算法在预设的负载均衡度量容忍值下，按最小的界面复杂度量分裂小区；
和/或，
采用背包问题的动态规划算法在预设的界面复杂度量的约束条件下，按最优的负载均衡度量分裂小区。
5.如权利要求4所述的方法，其特征在于，根据预设的负载均衡度量容忍值，以及预设的界面复杂度量的约束条件分裂小区，包括：
采用全局最小割算法按如下公式在预设的负载均衡度量容忍值下，按最小的界面复杂度量分裂小区：
Figure FDA0003601718180000021
Figure FDA0003601718180000022
和/或，
采用背包问题的动态规划算法按如下公式在预设的界面复杂度量的约束条件下，按最优的负载均衡度量分裂小区：
Figure FDA0003601718180000023
s.t.∑i∈A，j∈BWij＜Ethreshold；
其中，设有向迁移图被分割为A、B两部分，以Mi表示第i个顶点的权值，Eij表示连接A部分第i个顶点和B部分第j个顶点的边，Wij表示边Eij的权值，Mthreshold为负载均衡容忍上限，Ethreshold为复杂度容忍上限。
6.如权利要求1至2任一所述的方法，其特征在于，所述用户移动性指标是根据各用户终端跨RRU的活动规律通过预测确定的表征各用户终端潜在的切换次数的指标。
7.一种通信设备，其特征在于，设备中包括：
处理器，用于读取存储器中的程序，执行如权利要求1至权利要求6任一所述方法。
8.一种通信设备，其特征在于，包括：
指标确定模块，用于根据各用户终端的活动规律确定用户移动性指标，所述用户移动性指标表征了各用户终端在不同时间下的物理位置变换；
用户移动性指标是根据小区分裂前，各用户终端到不同远端射频单元RRU路损的历史数据，和/或，小区分裂前，各用户终端到不同RRU映射关系的历史数据来确定的；
用户移动性指标是根据用户终端在同一个小区内部的RRU之间的迁移次数构成的表征小区内用户移动性的有向迁移图；和/或，根据用户终端在跨不同小区的RRU之间的迁移次数构成的表征跨小区用户移动性的有向迁移图；
分裂模块，用于根据所述用户移动性指标和/或对分裂后小区的负载预测分裂小区。
9.一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执行权利要求1至6任一所述方法的计算机程序。
CN201911323764.3A 2019-12-20 2019-12-20 一种小区分裂方法、设备及介质 Active CN113015177B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911323764.3A CN113015177B (zh) 2019-12-20 2019-12-20 一种小区分裂方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911323764.3A CN113015177B (zh) 2019-12-20 2019-12-20 一种小区分裂方法、设备及介质

Publications (2)

Publication Number Publication Date
CN113015177A CN113015177A (zh) 2021-06-22
CN113015177B true CN113015177B (zh) 2022-08-23

Family

ID=76381976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911323764.3A Active CN113015177B (zh) 2019-12-20 2019-12-20 一种小区分裂方法、设备及介质

Country Status (1)

Country Link
CN (1) CN113015177B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101102606A (zh) * 2007-07-20 2008-01-09 中兴通讯股份有限公司 一种支持网络实时优化的室内分布式系统及实现方法
CN105992229A (zh) * 2015-02-27 2016-10-05 上海贝尔股份有限公司 一种在无线通信网络中实施小区分割的方法及其设备
CN109314865A (zh) * 2016-11-28 2019-02-05 华为技术有限公司 一种基站发送数据的方法、bbu和rhub

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9526091B2 (en) * 2012-03-16 2016-12-20 Intel Corporation Method and apparatus for coordination of self-optimization functions in a wireless network

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101102606A (zh) * 2007-07-20 2008-01-09 中兴通讯股份有限公司 一种支持网络实时优化的室内分布式系统及实现方法
CN105992229A (zh) * 2015-02-27 2016-10-05 上海贝尔股份有限公司 一种在无线通信网络中实施小区分割的方法及其设备
CN109314865A (zh) * 2016-11-28 2019-02-05 华为技术有限公司 一种基站发送数据的方法、bbu和rhub

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
application of BBU+RRU Based Comp System to LTE-Advanced;Q. Wang，D. Jiang，etc.;《2009 IEEE International Conference on Communications Workshops》;20090818;全文 *
多层多小区无线网络建模与性能分析;张颖恺;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20150415;全文 *

Also Published As

Publication number Publication date
CN113015177A (zh) 2021-06-22

Similar Documents

Publication Publication Date Title
US11410046B2 (en) Learning-based service migration in mobile edge computing
US11101652B2 (en) Monitoring electrical substation networks
EP3822880A1 (en) Load prediction method and apparatus based on neural network
Camara et al. A pareto optimal study for the multi-objective oil platform location problem with NSGA-II
CN104519494A (zh) 无线电频谱管理设备、方法、系统以及次用户设备
CN105472631A (zh) 一种业务数据量和/或资源数据量的预测方法及预测系统
CN113382477B (zh) 应用于无线网络用户间上行干扰建模的方法
Yang et al. Deep reinforcement learning based wireless network optimization: A comparative study
CN104022951A (zh) 一种网络服务路径的建立方法及系统
Al-Habob et al. Sequential task scheduling for mobile edge computing using genetic algorithm
CN113015177B (zh) 一种小区分裂方法、设备及介质
CN102077526A (zh) 用于分布式信息管理的方法、装置和计算机程序产品
CN111160614B (zh) 资源转移预测模型的训练方法、装置及计算设备
CN113759311B (zh) 一种定位方法、装置及存储介质
Shakya et al. AI based 5G RAN planning
CN111343664A (zh) 用户定位方法、装置、设备及介质
JP2019092125A (ja) 無線リソース設計装置、無線リソース設計方法、及びプログラム
Weikert et al. Multi-Objective Task Allocation for Dynamic IoT Networks
CN110505632B (zh) 站址规划方法和装置
Parera et al. Anticipating mobile radio networks key performance indicators with transfer learning
Keramidi et al. Exploiting machine learning for the performance analysis of a mobile hotspot with a call admission control mechanism
Okic et al. Forecasting mobile cellular traffic sampled at different frequencies
CN110837889A (zh) 神经网络的训练方法及装置、存储介质、电子装置
US20240089757A1 (en) Systems and methods for selecting a machine learning model that predicts a subscriber network experience in a geographic area
EP4133769B1 (en) Estimating communication traffic demand

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