CN113133025B - 数据业务的体验量化方法、装置、计算设备及存储介质 - Google Patents
数据业务的体验量化方法、装置、计算设备及存储介质 Download PDFInfo
- Publication number
- CN113133025B CN113133025B CN201911420548.0A CN201911420548A CN113133025B CN 113133025 B CN113133025 B CN 113133025B CN 201911420548 A CN201911420548 A CN 201911420548A CN 113133025 B CN113133025 B CN 113133025B
- Authority
- CN
- China
- Prior art keywords
- rate
- experience
- blocking
- minute
- level
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例涉及无线通信技术领域,公开了一种数据业务的体验量化方法、装置、计算设备及存储介质,该方法包括:获取一区域中用户的实际体验速率;根据所述实际体验速率获取所述区域的分钟级速率阻塞率;根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数;根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系。通过上述方式,本发明实施例能够在1min粒度内实现了更高精度的数据业务的体验量化,时间精度更高,更精准地刻画了体验波动和体验波动损失的关系,过程更简洁、高效。
Description
技术领域
本发明实施例涉及无线通信技术领域,具体涉及一种数据业务的体验量化方法、装置、计算设备及存储介质。
背景技术
在数据业务中,因为无线信道条件和用户行为的变化,小区的流量、用户的感知速率一直在不断波动,如同一条高速公路,有小车、大车,车辆的通行速度也随时随地受到道路状况、用户行为(驾驶习惯)的影响而波动,这种波动有随机性,也有规律性。道路保障的是车辆的通过能力,与无线信道(空口调度算法等)保障的是流量通过能力一样,那么,如何准确衡量数据业务(如长期演进(Long Term Evolution,LTE))体验波动造成的体验满足度下降,并量化体验波动造成的流量损失,就如同衡量道路的拥堵指数一样,需要模型和量化的算法。
现有LTE数据业务的体验衡量,一般从物理资源块(physical resource block,PRB)(资源维度)、用户数、速率(体验速率)维度进行分析。基于PRB+用户数衡量用户体验的方法,一般是基于大量数据的区段平均值进行趋势的分析,并找到体验的拐点,确定相关的扩容门限。从资源和用户数维度来衡量体验的问题在于,导致体验的波动原因并不仅是资源限制,所以资源和体验的关系不是唯一强相关或简单函数关系能刻画的。基于速率(体验速率)目标来衡量用户体验,也叫XMbps方法,一般是基于15min、30min、60min话统统计的平均用户级体验速率,并与目标体验速率如3M、5M进行比较,以确定是否低于目标速率,即需要扩容。
在实现本发明实施例的过程中,发明人发现:基于速率(体验速率)目标来衡量用户体验的方法直接对体验速率进行了测量,比资源维度的度量更直接,但是因为话统周期的限制,只能对最小15min的平均值进行度量,无法对15min内的体验波动进行度量,这显然与实际的体验波动是不相符的。
发明内容
鉴于上述问题,本发明实施例提供了一种数据业务的体验量化方法、装置、计算设备及存储介质,克服了上述问题或者至少部分地解决了上述问题。
根据本发明实施例的一个方面,提供了一种数据业务的体验量化方法,所述方法包括:获取一区域中用户的实际体验速率;根据所述实际体验速率获取所述区域的分钟级速率阻塞率;根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数;根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系。
在一种可选的方式中,所述根据所述实际体验速率获取所述区域的分钟级速率阻塞率,包括:根据所述实际体验速率获取所述区域中用户的平均体验速率;根据所述平均体验速率获取所述区域的所述分钟级速率阻塞率。
在一种可选的方式中,所述根据所述平均体验速率获取所述区域的所述分钟级速率阻塞率,包括:如果所述平均体验速率大于或等于所述目标体验速率,则所述分钟级速率阻塞率为0;如果所述平均体验速率小于所述目标体验速率,则应用以下关系式计算所述分钟级速率阻塞率:
在一种可选的方式中,所述根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数,包括:根据所述分钟级速率阻塞率获取所述区域的所述分钟级阻塞流量;根据所述分钟级阻塞流量计算预设时间的体验阻塞指数。
在一种可选的方式中,所述根据所述分钟级速率阻塞率获取所述区域的所述分钟级阻塞流量,包括:获取所述区域的分钟级总流量;根据所述分钟级速率阻塞率以及所述分钟级总流量计算获取所述分钟级阻塞流量,其中,所述分钟级阻塞流量=所述分钟级速率阻塞率*所述分钟级总流量。
在一种可选的方式中,所述根据所述分钟级阻塞流量计算预设时间的体验阻塞指数,包括:计算所述预设时间内所述分钟级阻塞流量之和;获取所述区域的所述预设时间内的总流量;根据所述预设时间内所述分钟级阻塞流量之和以及所述预设时间内的总流量计算所述预设时间的所述体验阻塞指数。
在一种可选的方式中,所述根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系,包括:获取所述体验阻塞指数和所述实际体验速率的二维坐标的散点图;根据所述散点图拟合出预设时间的所述体验阻塞指数与所述实际体验速率的统计关系曲线,得到两者的所述映射关系。
根据本发明实施例的另一个方面,提供了一种数据业务的体验量化装置,所述装置包括:实际速率获取单元,用于获取一区域中用户的实际体验速率;阻塞率获取单元,用于根据所述实际体验速率获取所述区域的分钟级速率阻塞率;阻塞指数计算单元,用于根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数;映射关系获取单元,用于根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系。
根据本发明实施例的另一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述数据业务的体验量化方法的步骤。
根据本发明实施例的又一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使所述处理器执行上述数据业务的体验量化方法的步骤。
本发明实施例通过获取一区域中用户的实际体验速率;根据所述实际体验速率获取所述区域的分钟级速率阻塞率;根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数;根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系,能够在1min粒度内实现了更高精度的数据业务的体验量化,时间精度更高,更精准地刻画了体验波动和体验波动损失的关系,过程更简洁、高效。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的体验阻塞指数模型示意图;
图2示出了本发明实施例提供的数据业务的体验量化方法的流程示意图;
图3示出了本发明实施例提供的数据业务的体验量化方法的分钟级速率阻塞率计算示意图;
图4示出了本发明实施例提供的数据业务的体验量化方法的步骤S13的流程示意图;
图5示出了本发明实施例提供的数据业务的体验量化方法的体验阻塞指数示意图;
图6示出了本发明实施例提供的数据业务的体验量化方法的下行15min体验速率与EBI关系的散点图;
图7示出了本发明实施例提供的数据业务的体验量化方法的上行15min体验速率与EBI关系的散点图;
图8示出了本发明实施例提供的数据业务的体验量化方法的EBI与下行体验速率的拟合曲线示意图;
图9示出了本发明实施例提供的数据业务的体验量化方法的EBI与上行体验速率的拟合曲线示意图;
图10示出了本发明实施例提供的数据业务的体验量化装置的结构示意图;
图11示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供的体验阻塞指数模型如图1所示,横坐标为时间(min),纵坐标为任一区域中用户的实际体验速率。假设目标体验速率为2兆比特每秒(Mbps),当实际体验速率低于目标体验速率时,说明存在阻塞现象,总流量为实际体验速率与时间的积分,如图1中的竖换条纹填充区域,图1中的斜条纹填充区域为实际体验速率低于目标体验速率时的阻塞流量,体验阻塞指数(Experience Blocking Index,EBI)定义为阻塞流量与总流量的比值。本发明实施例采用1min级粒度话统对阻塞流量进行量化精细计算(近似积分方法的数值化计算),能够更精准地刻画体验波动和体验波动损失的关系,并且计算过程更简洁、高效。
图2示出了本发明实施例提供的数据业务的体验量化方法的流程示意图。如图2所示,数据业务的体验量化方法包括:
步骤S11:获取一区域中用户的实际体验速率。
在本发明实施例中,获取话统数据,其中包括区域中用户的实际体验速率。区域可以是任一通信区域,具体可以是一通信小区中的某一个或几个地理区域,也可以是为一通信小区,或者大于单个通信小区,在此不作限制。
步骤S12:根据所述实际体验速率获取所述区域的分钟级速率阻塞率。
在步骤S12中,根据所述实际体验速率获取所述区域中用户的平均体验速率;根据所述平均体验速率获取所述区域的所述分钟级速率阻塞率。该平均速率为分钟级的平均速率。如果所述平均体验速率大于或等于所述目标体验速率,则所述分钟级速率阻塞率为0。如果所述平均体验速率小于所述目标体验速率,则应用以下关系式计算所述分钟级速率阻塞率:
如图3所示,实际体验速率为下行体验速率为例,图中横坐标为时间,左侧纵坐标为下行体验速率,右侧是纵坐标计算得到的分钟速率阻塞率。假设目标体验速率为2Mbps,从图中可以看出,平均体验速率大于或等于2Mbps时,分钟速率阻塞率为0,平均体验速率小于2Mbps时,分钟速率阻塞率与下行体验速率相关,且下行体验速率越大,分钟速率阻塞率越小。本发明实施例基于1min话统数据建模,在1min粒度内实现了更高精度的体验(阻塞)和体验阻塞损失的量化计算,时间精度更高。
步骤S13:根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数。
具体地,如图4所示,步骤S13包括:
步骤S131:根据所述分钟级速率阻塞率获取所述区域的所述分钟级阻塞流量。
在步骤S131中,首先获取所述区域的分钟级总流量;进而根据所述分钟级速率阻塞率以及所述分钟级总流量计算获取所述分钟级阻塞流量。分钟级阻塞流量=分钟级速率阻塞率*分钟级总流量,其中,总流量采用下行去尾包/上行去小包,如此叫剔除来水量不足问题。
步骤S132:根据所述分钟级阻塞流量计算预设时间的体验阻塞指数。
在本发明实施例中,根据分钟级阻塞流量应用近似积分的方法计算预设时间的所述体验阻塞指数,即由1min阻塞流量累计计算预设时间的体验阻塞指数(EBI)。具体地,计算所述预设时间内所述分钟级阻塞流量之和;获取所述区域的所述预设时间内的总流量;根据所述预设时间内所述分钟级阻塞流量之和以及所述预设时间内的总流量计算所述预设时间的所述体验阻塞指数。其中,预设时间可以为15min、30min、60min等,当然也可以为其他任意时间,在此不作限制。
在本发明实施例中,优选地,计算第一预设时间的体验阻塞指数,进一步在第一预设时间的体验阻塞指数的基础上通过流量加权计算,可以得到更广区域和更长时间粒度的EBI,如小区级或站点级遥的EBI。第一预设时间优选为15min,具体关系式如下:
其中,15min EBI*15min流量计算的是15min内的阻塞流量,总流量是指15分钟内的总的下行体验流量。i=1时,计算的是15min的EBI,i=2时,为半小时加权平均,计算的是30min的EBI,i=3时,计算的是45min的EBI,i=4时,为1小时加权平均,计算的是60min的EBI。如图5所示,虚线为分钟速率阻塞率,斜线填充部分为下行体验流量,黑色填充部分为阻塞流量,预设时间为15min。第一个15min的阻塞流量为176.8兆字节(MB),总流量为229.3MB,计算得到15min的EBI为77.1%。
步骤S14:根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系。
在本发明实施例中,获取所述体验阻塞指数和所述实际体验速率的二维坐标的散点图,如图6和图7所示,其中,图6为下行目标体验速率为2Mbps的下行15min体验速率与EBI关系的散点图,图7为上行15min体验速率与EBI关系的散点图,上行目标体验速率为250kbps。从图中可以看出,EBI指数与体验速率有明确的对应关系,并且散点图的曲线趋势有很好的收敛性。进而根据所述散点图拟合出预设时间的所述体验阻塞指数与所述实际体验速率的统计关系曲线,得到两者的所述映射关系。根据图6中的散点图拟合得到图8所示的EBI与下行体验速率的统计关系曲线,记为EBI@2M统计曲线,横坐标为下行体验速率,纵坐标为EBI。根据图7中的散点图拟合得到图9所示的EBI与上行体验速率的统计关系曲线,记为EBI@250kbps统计曲线,横坐标为上行体验速率,纵坐标为EBI。经过曲线拟合,EBI统计关系曲线拟合公式统一为:EBI=A*V^(B)-C。
更具体地,下行EBI@2M统计曲线拟合公式:
V<1,A=2,B=-1,C=-0.9891;
1<=V<2,A=1.11055,B=-1.98,C=-0.09565;
V>=2,A=1.0178,B=-1.88,C=-0.0867。
上行EBI@250kbps统计曲线拟合公式:
V<=0.125,A=0.2625,B=-1,C=-1.05;
0.125<V<=0.25,A=0.004265,B=-2.648,C=0;
V>0.25,A=0.01665,B=-1.77,C=-0.02912。
本发明实施例的EBI模型基于概率统计方法,直接面向体验速率的随机波动过程建模,EBI模型和EBI统计曲线,更精准地刻画了体验波动和体验波动损失的关系。EBI将体验阻塞和流量损失建立了准确的联系,建模方法更科学,损失的流量占比即为EBI指数,EBI量化分析的物理意义非常清晰。本发明实施例通过EBI统计曲线,建立了小区级15min~60min话统体验速率和EBI指数间的映射关系,实际工程实践中,不需要全网开启1min话统,通过现网15min~60min话统统计的体验速率即可通过EBI统计曲线映射得到EBI指数,实际计算过程更简洁、高效。
本发明实施例通过获取一区域中用户的实际体验速率;根据所述实际体验速率获取所述区域的分钟级速率阻塞率;根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数;根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系,能够在1min粒度内实现了更高精度的数据业务的体验量化,时间精度更高,更精准地刻画了体验波动和体验波动损失的关系,过程更简洁、高效。
图10示出了本发明实施例的数据业务的体验量化装置的结构示意图。如图10所示,该数据业务的体验量化装置包括:实际速率获取单元101、阻塞率获取单元102、阻塞指数计算单元103以及映射关系获取单元104。其中:
实际速率获取单元101用于获取一区域中用户的实际体验速率;阻塞率获取单元102用于根据所述实际体验速率获取所述区域的分钟级速率阻塞率;阻塞指数计算单元103用于根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数;映射关系获取单元104用于根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系。
在一种可选的方式中,阻塞率获取单元102用于:根据所述实际体验速率获取所述区域中用户的平均体验速率;根据所述平均体验速率获取所述区域的所述分钟级速率阻塞率。
在一种可选的方式中,阻塞率获取单元102用于:如果所述平均体验速率大于或等于所述目标体验速率,则所述分钟级速率阻塞率为0;如果所述平均体验速率小于所述目标体验速率,则应用以下关系式计算所述分钟级速率阻塞率:
在一种可选的方式中,阻塞指数计算单元103用于:根据所述分钟级速率阻塞率获取所述区域的所述分钟级阻塞流量;根据所述分钟级阻塞流量计算预设时间的体验阻塞指数。
在一种可选的方式中,阻塞指数计算单元103用于:获取所述区域的分钟级总流量;根据所述分钟级速率阻塞率以及所述分钟级总流量计算获取所述分钟级阻塞流量,其中,所述分钟级阻塞流量=所述分钟级速率阻塞率*所述分钟级总流量。
在一种可选的方式中,阻塞指数计算单元103用于:计算所述预设时间内所述分钟级阻塞流量之和;获取所述区域的所述预设时间内的总流量;根据所述预设时间内所述分钟级阻塞流量之和以及所述预设时间内的总流量计算所述预设时间的所述体验阻塞指数。
在一种可选的方式中,映射关系获取单元104用于:获取所述体验阻塞指数和所述实际体验速率的二维坐标的散点图;根据所述散点图拟合出预设时间的所述体验阻塞指数与所述实际体验速率的统计关系曲线,得到两者的所述映射关系。
本发明实施例通过获取一区域中用户的实际体验速率;根据所述实际体验速率获取所述区域的分钟级速率阻塞率;根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数;根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系,能够在1min粒度内实现了更高精度的数据业务的体验量化,时间精度更高,更精准地刻画了体验波动和体验波动损失的关系,过程更简洁、高效。
本发明实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的数据业务的体验量化方法。
可执行指令具体可以用于使得处理器执行以下操作:
获取一区域中用户的实际体验速率;
根据所述实际体验速率获取所述区域的分钟级速率阻塞率;
根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数;
根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
根据所述实际体验速率获取所述区域中用户的平均体验速率;
根据所述平均体验速率获取所述区域的所述分钟级速率阻塞率。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
如果所述平均体验速率大于或等于所述目标体验速率,则所述分钟级速率阻塞率为0;
如果所述平均体验速率小于所述目标体验速率,则应用以下关系式计算所述分钟级速率阻塞率:
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
根据所述分钟级速率阻塞率获取所述区域的所述分钟级阻塞流量;
根据所述分钟级阻塞流量计算预设时间的体验阻塞指数。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
获取所述区域的分钟级总流量;
根据所述分钟级速率阻塞率以及所述分钟级总流量计算获取所述分钟级阻塞流量,其中,所述分钟级阻塞流量=所述分钟级速率阻塞率*所述分钟级总流量。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
计算所述预设时间内所述分钟级阻塞流量之和;
获取所述区域的所述预设时间内的总流量;
根据所述预设时间内所述分钟级阻塞流量之和以及所述预设时间内的总流量计算所述预设时间的所述体验阻塞指数。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
获取所述体验阻塞指数和所述实际体验速率的二维坐标的散点图;
根据所述散点图拟合出预设时间的所述体验阻塞指数与所述实际体验速率的统计关系曲线,得到两者的所述映射关系。
本发明实施例通过获取一区域中用户的实际体验速率;根据所述实际体验速率获取所述区域的分钟级速率阻塞率;根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数;根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系,能够在1min粒度内实现了更高精度的数据业务的体验量化,时间精度更高,更精准地刻画了体验波动和体验波动损失的关系,过程更简洁、高效。
本发明实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述任意方法实施例中的数据业务的体验量化方法。
可执行指令具体可以用于使得处理器执行以下操作:
获取一区域中用户的实际体验速率;
根据所述实际体验速率获取所述区域的分钟级速率阻塞率;
根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数;
根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
根据所述实际体验速率获取所述区域中用户的平均体验速率;
根据所述平均体验速率获取所述区域的所述分钟级速率阻塞率。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
如果所述平均体验速率大于或等于所述目标体验速率,则所述分钟级速率阻塞率为0;
如果所述平均体验速率小于所述目标体验速率,则应用以下关系式计算所述分钟级速率阻塞率:
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
根据所述分钟级速率阻塞率获取所述区域的所述分钟级阻塞流量;
根据所述分钟级阻塞流量计算预设时间的体验阻塞指数。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
获取所述区域的分钟级总流量;
根据所述分钟级速率阻塞率以及所述分钟级总流量计算获取所述分钟级阻塞流量,其中,所述分钟级阻塞流量=所述分钟级速率阻塞率*所述分钟级总流量。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
计算所述预设时间内所述分钟级阻塞流量之和;
获取所述区域的所述预设时间内的总流量;
根据所述预设时间内所述分钟级阻塞流量之和以及所述预设时间内的总流量计算所述预设时间的所述体验阻塞指数。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
获取所述体验阻塞指数和所述实际体验速率的二维坐标的散点图;
根据所述散点图拟合出预设时间的所述体验阻塞指数与所述实际体验速率的统计关系曲线,得到两者的所述映射关系。
本发明实施例通过获取一区域中用户的实际体验速率;根据所述实际体验速率获取所述区域的分钟级速率阻塞率;根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数;根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系,能够在1min粒度内实现了更高精度的数据业务的体验量化,时间精度更高,更精准地刻画了体验波动和体验波动损失的关系,过程更简洁、高效。
图11示出了本发明实施例提供的计算设备的结构示意图,本发明具体实施例并不对设备的具体实现做限定。
如图11所示,该计算设备可以包括:处理器(processor)202、通信接口(Communications Interface)204、存储器(memory)206、以及通信总线208。
其中:处理器202、通信接口204、以及存储器206通过通信总线208完成相互间的通信。通信接口204,用于与其它设备比如客户端或其它服务器等的网元通信。处理器202,用于执行程序210,具体可以执行上述数据业务的体验量化方法实施例中的相关步骤。
具体地,程序210可以包括程序代码,该程序代码包括计算机操作指令。
处理器202可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或各个集成电路。设备包括的一个或各个处理器,可以是同一类型的处理器,如一个或各个CPU;也可以是不同类型的处理器,如一个或各个CPU以及一个或各个ASIC。
存储器206,用于存放程序210。存储器206可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序210具体可以用于使得处理器202执行以下操作:
获取一区域中用户的实际体验速率;
根据所述实际体验速率获取所述区域的分钟级速率阻塞率;
根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数;
根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系。
在一种可选的方式中,所述程序210使所述处理器执行以下操作:
根据所述实际体验速率获取所述区域中用户的平均体验速率;
根据所述平均体验速率获取所述区域的所述分钟级速率阻塞率。
在一种可选的方式中,所述程序210使所述处理器执行以下操作:
如果所述平均体验速率大于或等于所述目标体验速率,则所述分钟级速率阻塞率为0;
如果所述平均体验速率小于所述目标体验速率,则应用以下关系式计算所述分钟级速率阻塞率:
在一种可选的方式中,所述程序210使所述处理器执行以下操作:
根据所述分钟级速率阻塞率获取所述区域的所述分钟级阻塞流量;
根据所述分钟级阻塞流量计算预设时间的体验阻塞指数。
在一种可选的方式中,所述程序210使所述处理器执行以下操作:
获取所述区域的分钟级总流量;
根据所述分钟级速率阻塞率以及所述分钟级总流量计算获取所述分钟级阻塞流量,其中,所述分钟级阻塞流量=所述分钟级速率阻塞率*所述分钟级总流量。
在一种可选的方式中,所述程序210使所述处理器执行以下操作:
计算所述预设时间内所述分钟级阻塞流量之和;
获取所述区域的所述预设时间内的总流量;
根据所述预设时间内所述分钟级阻塞流量之和以及所述预设时间内的总流量计算所述预设时间的所述体验阻塞指数。
在一种可选的方式中,所述程序210使所述处理器执行以下操作:
获取所述体验阻塞指数和所述实际体验速率的二维坐标的散点图;
根据所述散点图拟合出预设时间的所述体验阻塞指数与所述实际体验速率的统计关系曲线,得到两者的所述映射关系。
本发明实施例通过获取一区域中用户的实际体验速率;根据所述实际体验速率获取所述区域的分钟级速率阻塞率;根据所述分钟级速率阻塞率计算预设时间的体验阻塞指数;根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系,能够在1min粒度内实现了更高精度的数据业务的体验量化,时间精度更高,更精准地刻画了体验波动和体验波动损失的关系,过程更简洁、高效。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (8)
1.一种数据业务的体验量化方法,其特征在于,所述方法包括:
获取一区域中用户的实际体验速率;
根据所述实际体验速率获取所述区域中用户的平均体验速率;
根据所述平均体验速率获取所述区域的分钟级速率阻塞率;
根据所述分钟级速率阻塞率获取所述区域的分钟级阻塞流量;
根据所述分钟级阻塞流量计算预设时间的体验阻塞指数;
根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系。
3.根据权利要求1所述的方法,其特征在于,所述根据所述分钟级速率阻塞率获取所述区域的所述分钟级阻塞流量,包括:
获取所述区域的分钟级总流量;
根据所述分钟级速率阻塞率以及所述分钟级总流量计算获取所述分钟级阻塞流量,其中,所述分钟级阻塞流量=所述分钟级速率阻塞率*所述分钟级总流量。
4.根据权利要求3所述的方法,其特征在于,所述根据所述分钟级阻塞流量计算预设时间的体验阻塞指数,包括:
计算所述预设时间内所述分钟级阻塞流量之和;
获取所述区域的所述预设时间内的总流量;
根据所述预设时间内所述分钟级阻塞流量之和以及所述预设时间内的总流量计算所述预设时间的所述体验阻塞指数。
5.根据权利要求1所述的方法,其特征在于,所述根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系,包括:
获取所述体验阻塞指数和所述实际体验速率的二维坐标的散点图;
根据所述散点图拟合出预设时间的所述体验阻塞指数与所述实际体验速率的统计关系曲线,得到两者的所述映射关系。
6.一种数据业务的体验量化装置,其特征在于,所述装置包括:
实际速率获取单元,用于获取一区域中用户的实际体验速率;
阻塞率获取单元,用于根据所述实际体验速率获取所述区域中用户的平均体验速率;根据所述平均体验速率获取所述区域的分钟级速率阻塞率;
阻塞指数计算单元,用于根据所述分钟级速率阻塞率获取所述区域的分钟级阻塞流量;根据所述分钟级阻塞流量计算预设时间的体验阻塞指数;
映射关系获取单元,用于根据所述体验阻塞指数以及所述实际体验速率获取两者的映射关系。
7.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行根据权利要求1-5任一项所述数据业务的体验量化方法的步骤。
8.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行根据权利要求1-5任一项所述数据业务的体验量化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911420548.0A CN113133025B (zh) | 2019-12-31 | 2019-12-31 | 数据业务的体验量化方法、装置、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911420548.0A CN113133025B (zh) | 2019-12-31 | 2019-12-31 | 数据业务的体验量化方法、装置、计算设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113133025A CN113133025A (zh) | 2021-07-16 |
CN113133025B true CN113133025B (zh) | 2022-09-27 |
Family
ID=76769492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911420548.0A Active CN113133025B (zh) | 2019-12-31 | 2019-12-31 | 数据业务的体验量化方法、装置、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113133025B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1549486A (zh) * | 2003-05-22 | 2004-11-24 | �����ʩ���عɷݹ�˾ | 移动通信系统中实现系统容量动态调整的方法 |
CN101335595A (zh) * | 2008-07-25 | 2008-12-31 | 中兴通讯股份有限公司 | 下行数据接收过程中自动调节接收性能的方法及移动终端 |
CN102761388A (zh) * | 2011-04-29 | 2012-10-31 | 华为技术有限公司 | 数据传输中速率的调整方法和设备 |
CN103581982A (zh) * | 2012-07-19 | 2014-02-12 | 华为技术有限公司 | 一种业务热点的检测方法、确定方法、定位方法及装置 |
CN103974294A (zh) * | 2013-01-29 | 2014-08-06 | 中国移动通信集团广东有限公司 | 一种无线网络数据业务容量的配置方法及装置 |
CN109565677A (zh) * | 2017-02-20 | 2019-04-02 | 华为技术有限公司 | 网络容量调整方法和网络设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9992692B2 (en) * | 2014-10-03 | 2018-06-05 | Telefonaktiebolaget Lm Ericsson (Publ) | Network node, a mobility management node and methods therein for handling GTP tunnel failures in a radio communications network |
-
2019
- 2019-12-31 CN CN201911420548.0A patent/CN113133025B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1549486A (zh) * | 2003-05-22 | 2004-11-24 | �����ʩ���عɷݹ�˾ | 移动通信系统中实现系统容量动态调整的方法 |
CN101335595A (zh) * | 2008-07-25 | 2008-12-31 | 中兴通讯股份有限公司 | 下行数据接收过程中自动调节接收性能的方法及移动终端 |
CN102761388A (zh) * | 2011-04-29 | 2012-10-31 | 华为技术有限公司 | 数据传输中速率的调整方法和设备 |
CN103581982A (zh) * | 2012-07-19 | 2014-02-12 | 华为技术有限公司 | 一种业务热点的检测方法、确定方法、定位方法及装置 |
CN103974294A (zh) * | 2013-01-29 | 2014-08-06 | 中国移动通信集团广东有限公司 | 一种无线网络数据业务容量的配置方法及装置 |
CN109565677A (zh) * | 2017-02-20 | 2019-04-02 | 华为技术有限公司 | 网络容量调整方法和网络设备 |
Non-Patent Citations (2)
Title |
---|
基于用户体验的视频网络规划建设方法研究;冯毅等;《邮电设计技术》;20180220(第02期);全文 * |
基于用户感知的数据承载效率提升研究;张晓斌等;《移动通信》;20130730(第14期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113133025A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10783673B2 (en) | Method and apparatus for generating heatmap | |
CN109510715B (zh) | 带宽分配方法、装置、数据中心以及存储介质 | |
CN106096226B (zh) | 一种数据评估方法、装置及服务器 | |
US11153375B2 (en) | Using reinforcement learning to scale queue-based services | |
CN105869022B (zh) | 一种应用流行度预测方法和装置 | |
CN109391950B (zh) | 终端分布的预测方法、装置、设备及介质 | |
WO2022052446A1 (zh) | 道路运行情况确定方法及装置、设备、存储介质和程序 | |
CN111147395A (zh) | 一种网络资源调整方法及装置 | |
CN104679444A (zh) | 虚拟化存储资源的动态调整方法与装置 | |
CN113133025B (zh) | 数据业务的体验量化方法、装置、计算设备及存储介质 | |
JP6992271B2 (ja) | 無線通信端末 | |
CN103559278A (zh) | 用于网页页面点击量统计的数据处理方法和装置 | |
CN111404974B (zh) | 一种云计算效能评估方法、装置及评估设备 | |
CN111784173B (zh) | Ab实验数据处理方法、装置、服务器及介质 | |
CN109167761A (zh) | 一种请求自动处理的方法及装置 | |
CN111278039B (zh) | 用户感知压抑识别方法、装置、设备及介质 | |
EP3046029B1 (en) | Method and device for determining program performance interference model | |
CN103559277A (zh) | 用于网页页面点击量统计的数据处理方法和装置 | |
CN110866831A (zh) | 资产活跃度等级的确定方法、装置及服务器 | |
CN115696356A (zh) | 小区容量调整方法、装置、电子设备及存储介质 | |
CN114418427A (zh) | 一种燃气表选配方法及系统 | |
CN114332129A (zh) | 模型训练方法和装置、图像分割方法和装置 | |
KR102116244B1 (ko) | 네트워크 트래픽 예측 기반의 효율적인 컨테이너 오토 스케일링 방법 및 장치 | |
CN115915237A (zh) | 基站设备的节能量测算方法、装置及计算设备 | |
CN112714037A (zh) | 一种线上服务质量的保障性能评估方法、装置及设备 |
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 |