CN113133094B - 一种门限值获取方法以及相关设备 - Google Patents
一种门限值获取方法以及相关设备 Download PDFInfo
- Publication number
- CN113133094B CN113133094B CN202010043215.7A CN202010043215A CN113133094B CN 113133094 B CN113133094 B CN 113133094B CN 202010043215 A CN202010043215 A CN 202010043215A CN 113133094 B CN113133094 B CN 113133094B
- Authority
- CN
- China
- Prior art keywords
- sector
- pointed
- cell
- identifier
- traffic load
- 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
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/30—TPC using constraints in the total amount of available transmission power
- H04W52/34—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading
- H04W52/343—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading taking into account loading or congestion level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
- H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请实施例公开一种门限值获取方法以及相关设备,该方法可用于基站管理领域,方法可以包括:在获取小区关断指令之后,根据扇区中基础小区的话务负载的门限值与扇区的话务质量之间的第一映射关系,获取与扇区的话务质量的第一参数值对应的第一门限值,第一映射关系为根据扇区的历史话务数据生成的,向基站发送携带有第一门限值的小区关断信息,以指示基站在对扇区执行小区关断操作时,配置基础小区的话务负载的参数值小于或等于第一门限值;保证基站在执行小区关断操作时,扇区的话务质量的可控性,通过数据驱动的方式生成第一映射关系,保证了第一映射关系与扇区的实际情况相符,有利于提高扇区的节能效果。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种门限值获取方法以及相关设备。
背景技术
随着无线通信网络的不断发展,高速率和大容量的无线网络催生出了大量新型移动端应用业务,对应的,激增的无线移动业务又对无线通信网络的容量提出了更高的要求。提升无线通信网络容量的一种手段是部署大量基站,但密集部署的基站会带来高额能耗。
为了在在保证无线通信网络容量的同时,降低基站的能耗,可以对基站中的部分小区进行关断。目前,基站包括扇区,扇区包括基础小区和容量小区,基础小区为扇区中用于保证扇区覆盖范围内基础服务质量的小区,不会被关断,容量小区是为了提升服务质量的小区,可以被关断。
由于随着容量小区的关断,基础小区的话务负载会增大,为了保证扇区覆盖范围内的服务质量,在对容量小区进行关断之前,会预先设置基础小区的话务负载的门限值,综上可知,一种基础小区的话务负载的门限值的生成方案亟待推出。
发明内容
本申请提供了一种门限值获取方法以及相关设备,提供了一种门限值的生成方案,第一门限值与扇区标识指向的扇区的话务质量对应,保证基站在利用第一门限值对容量小区进行关断之后,扇区标识指向的扇区的话务质量的可控性,通过数据驱动的方式生成门限值与扇区的话务质量之间的映射关系,保证了该映射关系与扇区的实际情况相符合,有利于提高扇区的节能效果。
为解决上述技术问题,本申请提供以下技术方案:
第一方面,本申请提供一种门限值获取方法,可用于基站管理领域中。服务器获取小区关断指令,小区关断指令中携带有扇区标识,小区关断指令用于指示对扇区标识指向的扇区执行小区关断操作。小区关断指令可以为小区关断操作的开启指令,与之对应的为小区关断操作的关闭指令,其中可以不携带关断期间,对扇区标识指向的扇区执行小区关断操作的期间为服务器接收到小区关断操作的开启指令和接收到小区关断操作的关闭指令的整个期间。小区关断指令中也可以携带有关断期间,用于指示对在所述关断期间进行小区关断操作,关断期间包括一个或多个关断日期,每个关断日期的时长为一天。服务器根据扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的第一映射关系,获取与第一参数值对应的第一门限值;具体的,若小区关断指令中携带有第一参数值,则服务器从小区关断指令中获取第一参数值,若小区关断指令中不携带第一参数值,则服务器可以生成第一参数值,也可以从预存数据中获取第一参数值。其中,基础小区为在对扇区标识指向的扇区执行小区关断操作的过程中扇区标识指向的扇区中不会被关断的小区;扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的映射关系为根据扇区标识指向的扇区的历史话务数据生成的,扇区标识指向的扇区的历史话务数据包括扇区标识指向的扇区的历史话务负载和扇区标识指向的扇区的历史话务质量。进一步地,扇区标识指向的扇区中小区的话务负载的可以表现为至少一种指标的参数值,所述至少一种指标可以包括以下指标中的一项或多项:物理资源块利用率、物理资源块使用数、吞吐量、用户数或活跃用户数;扇区标识指向的扇区的话务质量也可以表现为至少一种指标的参数值,所述至少一种指标可以包括以下指标中的一项或多项:吞吐率、掉话率、边缘用户的吞吐率或切换成功率;第一参数值为指示扇区标识指向的扇区的话务质量的参数值,第一门限值的有效使用时长可以为一个小时、一天、一周或整个关断期间。服务器在获取到第一门限值之后,向基站发送小区关断信息,小区关断信息中包括扇区标识和第一门限值,用于指示基站在对扇区标识指向的扇区执行小区关断操作的过程中配置扇区标识指向的扇区中基础小区的话务负载的参数值小于或等于第一门限值。
本实现方式中,提供了一种门限值的生成方案,由于第一门限值是与扇区标识指向的扇区的话务质量的第一参数值对应的,从而保证基站在利用第一门限值对容量小区进行关断之后,扇区标识指向的扇区的话务质量的可控性;此外,由于第一映射关系是根据扇区标识指向的扇区的历史话务负载生成的,也即通过数据驱动的方式生成第一映射关系,保证了第一映射关系与扇区标识指向的扇区的实际情况相符合,从而有利于提高扇区的节能效果。
在第一方面的一种可能实现方式中,服务器在获取与第一参数值对应的第一门限值之前,还会根据扇区标识指向的扇区的历史话务负载,生成扇区标识指向的扇区的预估总话务负载;其中,扇区标识指向的扇区的历史话务负载中至少包括扇区标识指向的扇区中小区的历史话务负载,扇区标识指向的扇区的历史话务负载中还可以包括扇区标识指向的扇区的历史总话务负载。服务器获取扇区标识指向的扇区中基础小区的话务负载的第二门限值,并根据扇区标识指向的扇区的预估总话务负载和第二门限值,生成扇区中小区的预估话务负载;其中,第二门限值是服务器为了生成扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的第二映射关系而预先获取的门限值,与第二门限值对应的目标指标可以为一个或多个,目标指标为物理资源块利用率、物理资源块使用数、吞吐量、用户数或活跃用户数中的一项或多项。若目标指标包括一种指标,则第二门限值包括一个门限值,若目标指标包括至少两种指标,则第二门限值包括与至少两种指标一一对应的多个门限值。服务器根据扇区标识指向的扇区中小区的预估话务负载,生成扇区标识指向的扇区的预估话务质量的第二参数值,得到第二门限值与第二参数值之间的第二映射关系;其中,第二参数值用于指示在扇区标识指向的扇区中基础小区的门限值为第二门限值的情况下扇区标识指向的扇区的预估话务量,第二映射关系包括于第一映射关系中。服务器更新第二门限值的取值,并根据更新后的第二门限值生成更新后的第二参数值,得到更新后的第二门限值和更新后的第二参数值之间的映射关系的步骤,重复执行前述步骤直至预设次数,得到扇区中基础小区的话务负载的门限值与扇区的话务质量之间的第一映射关系。
本实现方式中,利用扇区标识指向的扇区的历史话务数据生成第一映射关系,能够准确地描述整个扇区标识指向的扇区在不同门限值下的话务质量的变化情况;先对扇区标识指向的扇区的总话务负载进行预估,再分配到各个小区,进而基于小区的预估话务负载,生成扇区标识指向的扇区的预估话务质量,整个过程与实际情况吻合度高,从而提高了本方案的适配性。
在第一方面的一种可能实现中,服务器根据扇区标识指向的扇区的历史话务负载,生成扇区标识指向的扇区的预估总话务负载,具体可以包括:服务器通过时间序列预测算法,根据扇区标识指向的扇区的历史话务负载,生成扇区标识指向的扇区的预估总话务负载。其中,时间序列预测算法是指将同一种指标的参数值按其发生的时间先后顺序排列形成数列,并从前述数列包括的多个参数值中挖掘出参数值变化的规律,以对未来的数据进行预测的方法;时间序列预测算法包括以下一项或多项:指数平滑算法、差分整合移动平均自回归算法和循环神经网络。本实现方式中,利用时间序列预测算法对扇区的预估总话务负载进行预估,可以提高扇区的预估总话务负载生成过程的准确度。
在第一方面的一种可能实现中,扇区标识指向的扇区的历史话务负载的粒度级为小时级,扇区标识指向的扇区的预估总话务负载的粒度级为小时级。本实现方式中,由于一天中不同小时的话务负载之间差距可能较大,将扇区标识指向的扇区中小区的历史话务负载、扇区标识指向的扇区的历史总话务负载和扇区标识指向的扇区的预估总话务负载的粒度级确定为小时级的,有利于提高扇区的预估总话务负载的准确度。
在第一方面的一种可能实现中,服务器在需要生成扇区标识指向的扇区的基础小区的第二参数值之前,确定对扇区标识指向的扇区进行小区关断操作的关断日期,并获取关断日期在关断日期归属的第一周期中的目标位置,以及获取第二周期,其中,关断日期为对扇区执行小区关断操作的日期,周期的长度包括以下一项或多项:一星期、十五天和一个月,第二周期包括第一周期之前的至少一个周期,所述至少一个周期具体可以为一个周期、三个周期、四个周期或五个周期;服务器从扇区标识指向的扇区的历史话务负载中获取目标日期的历史话务负载,目标日期包括第二周期内的每个周期中与目标位置一致的至少一个日期,根据扇区标识指向的扇区在目标日期的历史话务负载,生成扇区标识指向的扇区在关断日期的预估总话务负载。本实现方式中,由于位于周期中同一位置的话务负载相似性较大,有利于提高扇区标识指向的扇区在关断日期的预估话务负载的准确度;此外,仅根据目标日期的历史话务负载生成扇区标识指向的扇区在关断日期的预估总话务负载,节省了预估总话务负载生成过程中所使用的计算机资源,有利于提高计算机资源的使用效率。
在第一方面的一种可能实现中,服务器在根据扇区标识指向的扇区的历史话务负载,生成扇区标识指向的扇区的预估总话务负载之前,服务器接收基站发送的扇区标识指向的扇区中小区的历史话务数据,扇区标识指向的扇区中小区的历史话务数据中包括扇区标识指向的扇区中小区的历史话务负载;服务器还可以根据扇区标识指向的扇区的历史话务负载中包括的扇区标识指向的扇区中小区的历史话务负载,生成扇区标识指向的扇区的历史总话务负载。其中,扇区标识指向的扇区的历史总话务负载为扇区标识指向的扇区中小区的历史话务负载的和。具体的,由于扇区标识指向的扇区中小区的历史话务负载包括至少一种指标的参数值,则服务器在接收到扇区标识指向的扇区中小区的历史话务负载之后,将与第一指标对应的参数值相加,得到扇区标识指向的扇区的历史总话务负载中与第一指标对应的参数值,其中,第一指标为扇区标识指向的扇区中小区的历史话务负载中包括的至少一种指标中的任一种指标,服务器对扇区标识指向的扇区中小区的历史话务负载中包括的所有指标均执行前述操作,以生成扇区标识指向的扇区的历史总话务负载中所有指标的参数值。本实现方式中,将扇区标识指向的扇区中小区的历史话务负载求和得到扇区标识指向的扇区的历史总话务负载,可以将扇区标识指向的扇区的话务负载的预测与扇区标识指向的扇区的门限进行解耦,使得话务负载的预测过程仅与时间相关,能够降低预测的难度、提升准确性。
在第一方面的一种可能实现中,服务器根据扇区标识指向的扇区的预估总话务负载和第二门限值,生成扇区标识指向的扇区中小区的预估话务负载,可以包括:服务器获取与第二门限值对应的目标指标,并从扇区标识指向的扇区的预估总话务负载中获取与目标指标对应的第三参数值。其中,目标指标为物理资源块PRB利用率、PRB使用数、吞吐量、用户数或活跃用户数中的一项或多项。服务器根据第三参数值和第二门限值,从扇区标识指向的扇区包括的小区中确定未关断小区,也即从扇区标识指向的扇区包括的所有容量小区中确定可以关断哪些容量小区,对这些容量小区进行关断后,基础小区在目标指标的话务负载未超过第二门限值,且所有未关断的小区的话务负载之和大于或等于第三参数值。服务器在确定未关断小区之后,根据扇区标识指向的扇区的预估总话务负载和未关断小区,生成扇区标识指向的扇区中小区的每种指标的预估话务负载;进一步地,服务器可以生成扇区标识指向的扇区中每个小区的预估话务负载,也可以只生成扇区标识指向的扇区中未关断小区的预估话务负载。本实现方式中,利用扇区标识指向的扇区的话务负载中部分指标的参数值确定未关断小区,再根据扇区标识指向的扇区的预估总话务负载和未关断小区,生成扇区标识指向的扇区中小区的预估话务负载,也即服务器在确定未关断小区的过程中,可以不是参考所有类型指标的参数值,降低了未关断小区确定过程的复杂度,有利于提高方案的执行效率。
在第一方面的一种可能实现中,服务器在根据扇区标识指向的扇区的预估总话务负载和第二门限值,生成扇区标识指向的扇区中小区的预估话务负载之前,还可以根据扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载,通过概率估计,生成扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型。其中,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载包括于扇区标识指向的扇区中小区的历史话务负载中,扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型可以包括与至少一种指标对应的至少一个比例模型;每个比例模型用于指示第一容量小区与基础小区在一种指标上的比例,第一容量小区为扇区标识指向的扇区包括的至少一个容量小区中的任一个容量小区。进而服务器根据扇区标识指向的扇区的预估总话务负载、第二门限值和扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成扇区标识指向的扇区中小区的每种指标的预估话务负载。本实现方式中,预先训练生成扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,并基于前述比例模型进行扇区标识指向的扇区中小区的预估话务负载的分配操作,有利于提高本方案的鲁棒性。
在第一方面的一种可能实现中,扇区标识指向的扇区的历史话务负载为:在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载。
在第一方面的一种可能实现中,扇区标识指向的扇区的历史话务负载为:在扇区标识指向的扇区中的容量小区均为开启状态的情况下,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载。
在第一方面的一种可能实现中,服务器在根据扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载,通过概率估计,生成扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型之后,还可以从扇区标识指向的扇区中小区的历史话务负载中获取最新的历史话务负载。其中,所述最新的历史话务负载为基站执行最后一次扇区标识指向的扇区中小区的历史话务负载;所述最新的历史话务负载包括在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下扇区标识指向的扇区中基础小区的话务负载和扇区标识指向的扇区中未关断容量小区的话务负载,和/或,在扇区标识指向的扇区中的容量小区均为开启状态的情况下扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载。进而根据在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下扇区标识指向的扇区中基础小区的话务负载和扇区标识指向的扇区中未关断容量小区的话务负载和/或在扇区标识指向的扇区中的容量小区均为开启状态的情况下扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载,通过贝叶斯更新估计,对扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型进行更新,得到更新后的扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型。服务器根据扇区标识指向的扇区的预估总话务负载、第二门限值和更新后的扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成扇区标识指向的扇区中小区的每种指标的预估话务负载,其中,贝叶斯更新估计指的是利用贝叶斯定理结合新的数据以及通过概率估计得到的先验概率,得到更新后的概率。本实现方式中,利用新获取到的数据,对扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型进行更新,以提高比例模型的准确度。
在第一方面的一种可能实现中,服务器根据小区的预估话务负载,生成扇区标识指向的扇区的预估话务质量的第二参数值,可以包括:服务器根据扇区标识指向的扇区中小区的话务负载和话务质量之间的关系模型,以及扇区标识指向的扇区中小区的预估话务负载,生成扇区标识指向的扇区中小区的预估话务质量。其中,关系模型为根据扇区标识指向的扇区的历史话务负载中包括的小区的历史话务负载以及扇区标识指向的扇区的历史话务质量中包括的与小区的历史话务负载对应的历史话务质量生成的,扇区标识指向的扇区的历史话务质量包括于扇区标识指向的扇区的历史话务数据中。服务器根据扇区标识指向的扇区中小区的预估话务质量,生成扇区标识指向的扇区的预估话务质量的第二参数值;其中,扇区标识指向的扇区中小区的预估话务质量的粒度级为小时级的,扇区标识指向的扇区的预估话务质量的粒度级为天级的。本实现方式中,预先生成小区的话务负载和小区的话务质量之间的关系模型,并逐步生成扇区标识指向的扇区的话务质量,有利于提高生成扇区标识指向的扇区的话务质量的精准度;进一步地,由于目前采集到的扇区标识指向的扇区中小区的话务数据一般为小时级,而实际操作过程中,一般是以天为单位执行小区关断操作,所以将扇区标识指向的扇区中小区的预估话务负载和预估话务质量确定为小时级,将扇区标识指向的扇区的预估话务质量的粒度级确定为天级,有利于提高与实际操作过程的适配度。
在第一方面的一种可能实现中,关系模型为扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务负载的平方与扇区标识指向的扇区中小区的话务质量之间的映射关系,扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务负载的平方为自变量,扇区标识指向的扇区中小区的话务质量为因变量。本实现方式中,在关系模型中引入利用二次特征,能够有效提升所述关系模型的表达能力。
在第一方面的一种可能实现中,服务器生成扇区标识指向的扇区的话务质量的第二参数值之前,还获取与关系模型的模型参数对应的岭回归模型,并生成岭回归模型的单调性约束。其中,岭回归模型指的是一种专用于共线性数据分析的有偏估计回归方法,通过放弃最小二乘法的无偏性,以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法,对病态数据的拟合要强于最小二乘法;单调性约束指的是为了保证生成的扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务质量之间的关系模型的单调性,所加入的约束。服务器将岭回归模型、岭回归模型的单调性约束和扇区标识指向的扇区中小区的历史话务负载以及与扇区标识指向的扇区中小区的历史话务负载对应的历史话务质量输入求解器,获取求解器输出的岭回归模型的最优解,并将其确定为关系模型的模型参数的参数值,以生成扇区标识指向的扇区中小区的话务负载和话务质量之间的关系模型。其中,前述关系模型可以包括一个或多个关系模型,关系模型的数量可以和扇区标识指向的扇区中小区的话务质量的指标种类数一致,每个关系模型为扇区标识指向的扇区中小区的一种指标的话务质量与扇区标识指向的扇区中小区的所有种类的指标的话务负载之间的关系模型。本实现方式中,在与关系模型的模型参数对应的岭回归模型中加入单调性约束,保证最后得到的模型参数的参数值与实际场景适配;且利用求解器生成关系模型的模型参数的参数值,方便快捷,提高了本方案的实现效率。
在第一方面的一种可能的实现中,扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务质量之间的关系模型包括至少两个关系模型,服务器上配置有至少两个求解器,服务器可以并行调用至少两个求解器的接口,将与不同关系模型的模型参数对应的岭回归模型、岭回归模型的单调性约束和扇区标识指向的扇区中小区的历史话务负载以及与扇区标识指向的扇区中小区的历史话务负载对应的小区的历史话务质量,分别输入到不同的求解器中,以使至少两个求解器对不同关系模型的模型参数并行求解,以提高关系模型生成过程的效率。
在第一方面的一种可能实现中,小区的预估话务质量的指标为吞吐量、传输时间、掉话率或边缘用户的吞吐率中的一项或多项,扇区标识指向的扇区的预估话务质量的指标为吞吐率、掉话率或边缘用户的吞吐率中的一项或多项。本实现方式中,通过前述描述,提供了小区的预估话务质量和扇区标识指向的扇区的预估话务质量的多种指标类型,提高了本方案的实现灵活性。
在第一方面的一种可能实现中,服务器在获取与第一参数值对应的第一门限值之前,还会对扇区标识指向的扇区的历史话务数据中包括的多个参数值执行筛选操作,在扇区标识指向的扇区的历史话务数据包括的参数值中存在位于参数值范围之外的参数值的情况下,从扇区标识指向的扇区的历史话务数据中剔除位于参数值范围之外的参数值,得到筛选后的扇区标识指向的扇区的历史话务数据,所述筛选操作可以包括剔除野值和/或剔除异常参数值的筛选操作。本实现方式中,在利用扇区标识指向的扇区的历史话务数据生成扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的映射关系之前,对获取到的扇区标识指向的扇区的历史话务数据进行筛选,不仅避免了参数值范围之外的参数值带来的统计误差,以提高生成的映射关系的准确率;此外,服务器在生成映射关系的过程中不再需要对参数值范围之外的参数值进行处理,有利于提高服务器资源的利用率。
第二方面,本申请提供了一种门限值获取装置,可用于基站管理领域中,装置可以包括:获取模块和发送模块,其中,获取模块,用于获取小区关断指令,小区关断指令中携带有扇区标识,小区关断指令用于指示对扇区标识指向的扇区执行小区关断操作;获取模块,还用于根据根据扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的第一映射关系,获取与第一参数值对应的第一门限值,其中,基础小区为在对扇区标识指向的扇区执行小区关断操作的过程中扇区标识指向的扇区中不会被关断的小区,第一映射关系为根据扇区的历史话务数据生成的,第一参数值为指示扇区标识指向的扇区的话务质量的参数值;发送模块,用于向基站发送小区关断信息,小区关断信息中包括扇区标识和第一门限值,用于指示基站在对扇区标识指向的扇区执行小区关断操作的过程中配置扇区中基础小区的话务负载的参数值小于或等于第一门限值。
在第二方面的一种可能实现方式中,装置还包括:生成模块,用于根据扇区标识指向的扇区的历史话务负载,生成扇区标识指向的扇区的预估总话务负载,扇区标识指向的扇区的历史话务负载包括于扇区标识指向的扇区的历史话务数据中;生成模块,还用于获取扇区标识指向的扇区中基础小区的话务负载的第二门限值,并根据扇区标识指向的扇区的预估总话务负载和第二门限值,生成扇区标识指向的扇区中小区的预估话务负载;生成模块,还用于根据扇区标识指向的扇区中小区的预估话务负载,生成扇区标识指向的扇区的预估话务质量的第二参数值,得到第二门限值与第二参数值之间的第二映射关系,第二映射关系包括于第一映射关系中;生成模块,还用于更新第二门限值的取值,并根据更新后的第二门限值生成更新后的第二参数值,得到更新后的第二门限值和更新后的第二参数值之间的映射关系的步骤,重复执行前述步骤直至预设次数,以得到第一映射关系。
在第二方面的一种可能实现方式中,生成模块,具体用于通过时间序列预测算法,根据扇区标识指向的扇区的历史话务负载,生成扇区标识指向的扇区的预估总话务负载,其中,时间序列预测算法包括以下一项或多项:指数平滑算法、差分整合移动平均自回归ARIMA算法和循环神经网络RNN。
在第二方面的一种可能实现方式中,扇区标识指向的扇区的历史话务负载的粒度级为小时级,扇区标识指向的扇区的预估总话务负载的粒度级为小时级。
在第二方面的一种可能实现方式中,生成模块,具体用于:获取关断日期在关断日期归属的第一周期中的目标位置,并获取第二周期,其中,关断日期为对扇区标识指向的扇区执行小区关断操作的日期,周期的长度包括以下一项或多项:一星期、十五天和一个月,第二周期包括第一周期之前的至少一个周期;从扇区标识指向的扇区的历史话务负载中获取目标日期的历史话务负载,目标日期包括第二周期内的每个周期中与目标位置一致的至少一个日期;根据扇区在目标日期的历史话务负载,生成扇区标识指向的扇区在关断日期的预估总话务负载。
在第二方面的一种可能实现方式中,生成模块,还用于根据扇区标识指向的扇区的历史话务负载中包括的扇区中小区的历史话务负载,生成扇区标识指向的扇区的历史总话务负载,其中,扇区标识指向的扇区的历史总话务负载为扇区标识指向的扇区中小区的历史话务负载的和。
在第二方面的一种可能实现方式中,生成模块,具体用于:获取与第二门限值对应的目标指标,并从扇区标识指向的扇区的预估总话务负载中获取与目标指标对应的第三参数值,其中,目标指标为物理资源块PRB利用率、PRB使用数、吞吐量、用户数或活跃用户数中的一项或多项;根据第三参数值和第二门限值,从扇区标识指向的扇区包括的小区中确定未关断小区;根据扇区标识指向的扇区的预估总话务负载和未关断小区,生成扇区标识指向的扇区中小区的预估话务负载。
在第二方面的一种可能实现方式中,生成模块,还用于根据扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载,通过概率估计,生成扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,其中,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载包括于扇区标识指向的扇区的历史话务负载中,容量小区为在对扇区标识指向的扇区执行小区关断操作的过程中扇区标识指向的扇区中能够被关断的小区;生成模块,具体用于根据扇区标识指向的扇区的预估总话务负载、第二门限值和扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成扇区标识指向的扇区中小区的预估话务负载。
在一种可能的设计中,扇区标识指向的扇区的历史话务负载为:在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载。
在一种可能的设计中,扇区标识指向的扇区的历史话务负载为:在扇区标识指向的扇区中的容量小区均为开启状态的情况下,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载。
在第二方面的一种可能实现方式中,获取模块,还用于获取在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下扇区标识指向的扇区中基础小区的话务负载和扇区标识指向的扇区中未关断容量小区的话务负载和/或在扇区标识指向的扇区中的容量小区均为开启状态的情况下扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载;装置还包括:更新模块,用于根据在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下扇区标识指向的扇区中基础小区的话务负载和扇区标识指向的扇区中未关断容量小区的话务负载和/或在扇区标识指向的扇区中的容量小区均为开启状态的情况下扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载,通过贝叶斯更新估计,对扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型进行更新,得到更新后的扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型;生成模块,具体用于根据扇区标识指向的扇区的预估总话务负载、第二门限值和更新后的扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成扇区标识指向的扇区中小区的预估话务负载。
在第二方面的一种可能实现方式中,生成模块,具体用于:根据扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务质量之间的关系模型,以及扇区标识指向的扇区中小区的预估话务负载,生成扇区标识指向的扇区中小区的预估话务质量,其中,关系模型为根据扇区标识指向的扇区的历史话务负载中包括的小区的历史话务负载以及扇区标识指向的扇区的历史话务质量中包括的与小区的历史话务负载对应的历史话务质量生成的,扇区标识指向的扇区的历史话务质量包括于扇区标识指向的扇区的历史话务数据中;根据扇区标识指向的扇区中小区的预估话务质量,生成扇区标识指向的扇区的预估话务质量的第二参数值。
在第二方面的一种可能实现方式中,关系模型为扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务负载的平方与扇区标识指向的扇区中小区的话务质量之间的映射关系,扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务负载的平方为自变量,扇区标识指向的扇区中小区的话务质量为因变量。
在第二方面的一种可能实现方式中,获取模块,还用于获取与关系模型的模型参数对应的岭回归模型,并生成岭回归模型的单调性约束;生成模块,还用于将岭回归模型、岭回归模型的单调性约束和扇区标识指向的扇区中小区的历史话务负载以及与扇区标识指向的扇区中小区的历史话务负载对应的历史话务质量输入求解器,获取求解器输出的岭回归模型的最优解,并将其确定为关系模型的模型参数的参数值,以生成关系模型。
在第二方面的一种可能实现方式中,扇区标识指向的扇区中小区的预估话务质量的指标为吞吐量、传输时间、掉话率或边缘用户的吞吐率中的一项或多项,扇区标识指向的扇区的预估话务质量的指标为吞吐率、掉话率或边缘用户的吞吐率中的一项或多项。
在第二方面的一种可能实现方式中,装置还包括:筛选模块,用于在扇区标识指向的扇区的历史话务数据包括的参数值中存在位于参数值范围之外的参数值的情况下,从扇区标识指向的扇区的历史话务数据中剔除位于参数值范围之外的参数值,得到筛选后的扇区标识指向的扇区的历史话务数据。
对于本申请第二方面以及第二方面的各种可能实现方式的具体实现步骤,以及每种可能实现方式所带来的有益效果,均可以参考第一方面中各种可能的实现方式中的描述,此处不再一一赘述。
第三方面,本申请提供了一种门限值获取装置,可以包括处理器,处理器和存储器耦合,存储器存储有程序指令,当存储器存储的程序指令被处理器执行时实现上述第一方面所述的门限值获取方法。
对于处理器执行第一方面的各个可能实现方式中服务器执行的步骤,具体均可以参阅第一方面,此处不再赘述。
第四方面,本申请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中存储有计算机程序,当其在计算机上运行时,使得计算机执行上述第一方面所述的门限值获取方法。
第五方面,本申请提供了一种电路系统,所述电路系统包括处理电路,所述处理电路配置为执行上述第一方面所述的门限值获取方法。
第六方面,本申请提供了一种计算机程序,当其在计算机上运行时,使得计算机执行上述第一方面所述的门限值获取方法。
第七方面,本申请提供了一种芯片系统,该芯片系统包括处理器,用于支持门限获取装置实现上述方面中所涉及的功能,例如,发送或处理上述方法中所涉及的数据和/或信息。在一种可能的设计中,所述芯片系统还包括存储器,所述存储器,用于保存服务器或通信设备必要的程序指令和数据。该芯片系统,可以由芯片构成,也可以包括芯片和其他分立器件。
附图说明
图1a为本申请实施例提供的门限值获取系统的一种结构示意图;
图1b为本申请实施例提供的门限值获取系统的另一种结构示意图;
图2为本申请实施例提供的门限值获取方法的一种流程示意图;
图3为本申请实施例提供的门限值获取方法中获取历史话务负载的一种示意图;
图4为本申请实施例提供的门限值获取方法中生成扇区标识指向的扇区的预估总话务负载的一种示意图;
图5为本申请实施例提供的门限值获取方法中生成扇区中小区的预估话务负载的一种流程示意图;
图6为本申请实施例提供的门限值获取方法中第一映射关系的一种示意图;
图7为本申请实施例提供的门限值获取方法中获取第一门限值的一种示意图;
图8为本申请实施例提供的门限值获取方法的一种流程示意图;
图9为本申请实施例提供的门限值获取装置的一种结构示意图;
图10为本申请实施例提供的门限值获取装置的另一种结构示意图;
图11为本申请实施例提供的服务器的一种结构示意图。
具体实施方式
本申请实施例提供了一种门限值获取方法以及相关设备,提供了一种门限值的生成方案,第一门限值与扇区标识指向的扇区的话务质量对应,保证基站在利用第一门限值对容量小区进行关断之后,扇区标识指向的扇区的话务质量的可控性,通过数据驱动的方式生成门限值与扇区的话务质量之间的映射关系,保证了该映射关系与扇区的实际情况相符合,有利于提高扇区的节能效果。
本申请的说明书和权利要求书及上述附图中的术语“第一”、第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
下面结合附图,对本申请的实施例进行描述。本领域普通技术人员可知,随着技术的发展和新场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
为了便于理解本方案,本申请实施例中首先结合图1a和图1b对本申请实施例提供的门限值获取系统的网络架构进行介绍。请先参阅图1a,图1a为本申请实施例提供的门限值获取系统的一种结构示意图,门限值获取系统中包括至少一个基站和至少一个用于管理基站的管理服务器,每个基站和管理服务器之间通信连接,管理服务器用于获取与目标基站对应的小区关断指令,并获取到与小区关断指令对应的第一门限值之后,将第一门限值发送给目标基站,目标基站为至少一个基站中的一个基站。请再参与图1b,图1b为本申请实施例提供的门限值获取系统的另一种结构示意图,门限值获取系统中包括至少一个基站、管理服务器和云服务器,每个基站和管理服务器之间通信连接,管理服务器和通信服务器之间通信连接。
其中,管理服务器和云服务器均可以是独立的服务器,也可以是由多个独立服务器组成的服务器集群。云服务器为一个云计算服务中心,可以为虚拟机或具体的物理服务器。用户设备可以具体表现为台式电脑、手机、平板、笔记本电脑、智能穿戴设备或其他具有处理功能和通信功能的终端侧设备等。需要说明的是,虽然图1a和图1b中示出了一个管理服务器与一个用户设备连接,一个管理服务器与五个基站连接,一个管理服务器和一个云服务器连接,但图1a和图1b仅为示例,不用于限定用户设备、云服务器、管理服务器和基站的数量。
结合上述描述,本申请实施例提供了一种门限值获取方法,请参阅图2,图2为本申请实施例提供的门限值获取方法的一种流程示意图,本申请实施例提供的门限值获取方法可以包括:
201、服务器获取小区关断指令。
本申请实施例中,服务器获取小区关断指令,小区关断指令中携带有扇区标识,小区关断指令用于指示对扇区标识指向的扇区执行小区关断操作。可选地,小区关断指令中还可以携带有第一参数值,第一参数值为在对扇区执行小区关断操作之后,扇区的话务服务器质量想要达到的参数值。第一参数值可以包括一个参数值,也可以包括至少两个参数值,具体取决于扇区的话务质量的指标种类数。其中,扇区标识用于唯一标识基站中的一个扇区,具体可以表现为数字编码形式的扇区标识码,作为示例,例如7865923_48、7865923_49、 7865923_50或其他数字编码等;也可以表现为字符编码形式的扇区标识码,此次不做限定。基站为布置于物理空间中的物理实体,一个基站一般会配置有多个有向天线,每个有向天线指向特定方向,为一个物理覆盖区域提供通信服务。前述特定方向的天线所提供通信服务的一个物理覆盖区域被称为一个扇区(sector)。一个有向天线中可以搭载有多个载频提供通信服务,也可能是多根指向同一方向的有向天线分别搭载不同载频提供服务,一个特定载频所提供通信服务的物理覆盖区域被称为一个小区(cell)。
小区关断操作为根据扇区标识指向的扇区中基础小区的话务负载的门限值,对扇区标识指向的扇区中的容量小区进行关断的操作。由于随着容量小区的关断,基础小区的话务负载会增加,扇区标识指向的扇区在执行小区关断操作中,需要保证基础小区的话务负载不会超过基础小区的话务负载的门限值。在实际情况中,对小区执行一次小区关断操作时,执行结果可以为对小区中的一个或多个容量小区进行关断,也可以为不会小区中的任何一个容量小区进行关断。小区的话务负载表示为提供通信服务,基站中的小区承受的负载。小区的话务负载可以包括至少一种指标的参数值,前述至少一种指标可以为以下指标中的一项或多项:物理资源块(physical resource block,PRB)利用率、PRB使用数、吞吐量、用户数、活跃用户数或其他类型的指标等,前述用户数和活跃用户数中的用户数可以为平均用户数,也可以为最大用户数,还可以为最小用户数等,具体此处均不作限定。
一个扇区中包括的基础小区的数量可以为一个,包括的容量小区的数量可以为一个或多个,不同的扇区中包括的容量小区的数量可以不同。基站中可以通过不同的标识来区分基础小区和容量小区。进一步地,基础小区指的是在对扇区标识指向的扇区进行小区关断操作时扇区标识指向的扇区中不会被关断的小区,基础小区可以为扇区标识指向的扇区的所有小区中话务负载能力最强的小区,也可以为扇区标识指向的扇区的所有小区中话务负载能力最稳定的小区,还可以为根据其他因素确定等。进一步地,基站可以根据扇区标识指向的扇区的历史话务数据对扇区标识指向的扇区中所有小区的话务负载能力进行统计,以从扇区标识指向的扇区的所有小区中选取出基础小区;基站也可以为根据扇区标识指向的扇区中所有小区的创建时间,将创建时间最早的小区确定为基础小区等,此次不做限定。
容量小区指的是在对扇区标识指向的扇区进行关断操作时扇区标识指向的扇区中能够被关断的小区。由于一个扇区中可以包括多个容量小区,则基站中可以预先存储有每个容量小区的关断优先级,关断优先级越高的容量小区,越早被关断,越晚被打开,关断优先级越低的容量小区,越晚被关断,越早被打开。可选地,容量小区的小区标识中可以携带有容量小区的优先级顺序。作为示例,例如扇区标识为7865923_48的扇区中包括一个基础小区和三个容量小区,一个基础小区的小区标识为7865923_480,三个容量小区的小区标识分别为7865923_481、7865923_482和7865923_483,前述三个容量小区的关断优先级逐渐降低,则在对扇区标识为7865923_48的扇区进行小区关断操作时,会先关断 7865923_481对应的容量小区,再关断7865923_482对应的容量小区,再关断7865923_483 对应的容量小区,也即关断优先级越高,越早被关断;在对容量小区进行关断之后,需要打开容量小区时,先打开7865923_483对应的容量小区,再打开7865923_482对应的容量小区,再打开7865923_481对应的容量小区,也即关断优先级越高,越晚被打开,应当理解,此次举例仅为方便理解本方案,不用于限定本方案。
需要说明的是,在实际产品实现中,扇区中也可以不存在基础小区和容量小区的概念,而是仅通过不同的标识来区别能够被关断的小区和不能够被关断的小区,例如上述举例中基础小区的小区标识为7865923_480,也即序号排列最靠前的是技术小区,本申请实施例中是为了方便描述对基础小区和容量小区进行的逻辑上的定义,不用于限定本方案。
具体的,在一种情况下,小区关断指令指的是小区关断操作的开启指令,与之对应的为小区关断操作的关闭指令。服务器在接收到小区关断操作的开启指令之后,可以响应于小区关断操作的开启指令,执行扇区标识指向的扇区的基础小区的第一门限值获取操作,直至服务器接收到小区关断操作的关闭指令,服务器停止执行扇区标识指向的扇区的基础小区的第一门限值获取操作,则关断期间为服务器接收到小区关断操作的开启指令和接收到小区关断操作的关闭指令的整个期间,关断期间包括一个或多个关断日期,每个关断日期的时长为一天。其中,随着对扇区标识指向的扇区中容量小区的关断,基础小区的话务负载会增加,扇区标识指向的扇区的话务质量也会下降,第一门限值用于指示在对扇区标识指向的扇区进行小区关断操作的过程中,为了使扇区标识指向的扇区的话务质量达到第一参数值,扇区标识指向的扇区的基础小区的话务负载的最高门限值。
在另一种情况下,服务器接收小区关断指令,小区关断指令中携带有关断期间,所述关断期间包括一个或多个关断日期,小区关断指令用于指示对扇区标识指向的扇区在所述关断日期进行小区关断操作,则服务器生成前述关断日期内扇区标识指向的扇区的基础小区的第一门限值。服务器在所述关断日期内可以执行一次或至少两次第一门限值获取操作。
其中,由于扇区标识指向的扇区中小区的话务负载可以包括一种或多种指标的参数值,服务执行一次第一门限值获取操作获取的第一门限值中可以包括一个门限值,也可以包括多个门限值。进一步地,服务器可以在确定与扇区标识指向的扇区中小区的话务负载对应的一种或多种指标之后,从前述一种或多种指标中选取一种指标,并获取与所述一种指标对应的一个第一门限值。服务器也可以从前述一种或多种指标中选取至少两种指标,并获取与所述至少两种指标对应的至少两个门限值,第一门限值包括所述至少两个门限值。
对于服务器接收小区关断指令的方式。具体的,服务器可以接收携带有小区关断指令的脚本。进一步地,若服务器为直接管理基站的管理服务器,则管理服务器接收用户设备上传的携带有关断指令的脚本。若服务器为与直接管理基站的管理服务器进行通信的云服务器,则云服务器可以直接接收用户设备上传的携带有小区关断指令的脚本;也可以为管理服务器接收用户设备上传的携带有小区关断指令的脚本之后,云服务器接收管理服务器发送的携带有小区关断指令的脚本。服务器也可以接收携带有小区关断指令的报文,具体接收方式与接收携带有小区关断指令的脚本的接收方式类似,此次不做赘述。
202、服务器获取扇区标识指向的扇区的历史话务数据。
本申请实施例中,基站可以统计扇区标识指向的扇区中小区的历史话务数据,并上报给服务器,对应的,服务器接收并存储扇区标识指向的扇区中小区的历史话务数据,其中,历史话务数据包括历史话务负载和历史话务质量。可选地,扇区标识指向的扇区的历史话务负载中还可以包括扇区标识指向的扇区的历史总话务负载,则服务器可以根据扇区标识指向的扇区中小区的历史话务负载,生成扇区标识指向的扇区的历史总话务负载。进一步可选地,扇区标识指向的扇区的历史话务质量中还可以包括扇区标识指向的扇区的历史总话务质量,则服务器可以根据扇区标识指向的扇区中小区的历史话务质量,生成扇区标识指向的扇区的历史总话务质量。具体的,在一种实现方式中,基站可以每隔固定时长或者在固定时间点执行一次扇区标识指向的扇区中小区的历史话务数据上报操作,作为示例,例如基站可以在每天凌晨2点半执行一次扇区中小区的历史话务数据上报操作。可选地,基站执行扇区中小区的历史话务数据上报操作的时间可以早于服务器执行基础小区的关断门限生成操作的时间,从而服务器在执行基础小区的关断门限生成操作时所采用的为最新的历史话务数据,以提高本方案的精准度。在另一种实现方式中,也可以为服务器在获取到小区关断指令之后,向基站发送数据获取请求,所述数据获取请求用于从基站处获取扇区标识指向的扇区中小区的历史话务数据,从而服务器接收基站发送的扇区标识指向的扇区中小区的历史话务数据。
进一步地,若服务器为直接管理基站的管理服务器,则管理服务器可以直接接收基站上报的扇区标识指向的扇区中小区的历史话务数据。若服务器为与直接管理基站的管理服务器进行通信的云服务器,则管理服务器在接收基站上报的扇区标识指向的扇区中小区的历史话务数据之后,可以将扇区标识指向的扇区中小区的历史话务数据透传给云服务器,也即云服务器通过管理服务器接收基站发送的扇区标识指向的扇区中小区的历史话务数据。
其中,扇区标识指向的扇区中小区的历史话务负载的指标类型和扇区标识指向的扇区的历史总话务负载的指标类型可以与步骤201中描述的小区的话务负载的指标类型类似,此次不做赘述。扇区标识指向的扇区中小区的历史话务质量可以包括至少一种指标的参数值,前述至少一种指标可以为以下指标中的一项或多项:吞吐量、传输时间、掉话率、边缘用户的吞吐率、切换成功率或其他类型的指标等;扇区标识指向的扇区的历史总话务质量可以包括至少一种指标的参数值,前述至少一种指标可以为以下指标中的一项或多项:吞吐率、掉话率、边缘用户的吞吐率、切换成功率或其他类型的指标等,此次对于各种指标的举例仅为方便理解本方案,不用于限定本方案。通过前述描述,提供了小区的预估话务质量和扇区标识指向的扇区的预估话务质量的多种指标类型,提高了本方案的实现灵活性。
可选地,服务器会对扇区标识指向的扇区的历史话务数据执行筛选操作,在扇区标识指向的扇区的历史话务数据包括的参数值中存在位于参数值范围之外的参数值的情况下,从扇区标识指向的扇区的历史话务数据中剔除位于参数值范围之外的参数值,得到筛选后的扇区标识指向的扇区的历史话务数据。本申请实施例中,服务器在利用扇区标识指向的扇区的历史话务数据生成扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的映射关系之前,会对获取到的扇区标识指向的扇区的历史话务数据进行筛选,不仅避免了参数值范围之外的参数值带来的统计误差,以提高生成的映射关系的准确率;此外,服务器在生成映射关系的过程中不再需要对参数值范围之外的参数值进行处理,有利于提高服务器资源的利用率。
具体的,在一种实现方式中,服务器在接收到基站发送的扇区标识指向的扇区中小区的历史话务数据之后,对扇区标识指向的扇区中小区的历史话务数据进行筛选,得到筛选后的扇区标识指向的扇区中小区的历史话务数据。可选地,服务器根据筛选后的扇区标识指向的扇区中小区的历史话务负载生成扇区标识指向的扇区的历史总话务负载,或者,服务器根据筛选后的扇区标识指向的扇区中小区的历史话务质量生成扇区标识指向的扇区的历史总话务质量。更具体的,由于扇区标识指向的扇区中小区的历史话务数据中可以包括一种或多种指标的参数值,则服务器可以获取每种指标所对应的参数值范围。针对扇区标识指向的扇区中小区的历史话务数据中的目标参数值,服务器获取与目标参数值对应的指标类型,再将目标参数值与目标参数值范围进行比较,以判断目标参数值是否在目标参数值之外,在目标参数值位于目标参数值范围之外的情况下,从扇区标识指向的扇区中小区的历史话务数据中剔除目标参数值。其中,目标参数值为扇区标识指向的扇区中小区的历史话务数据包括的多个参数值中任一个参数值,目标参数值范围与目标参数值的指标类型相同。服务器对扇区标识指向的扇区中小区的历史话务数据中的每个参数值均执行上述操作,从而可以完成对扇区标识指向的扇区中小区的历史话务数据的筛选,以得到筛选后的扇区标识指向的扇区中小区的历史话务数据。
在另一种实现方式中,服务器在根据扇区标识指向的扇区中小区的历史话务负载,生成扇区标识指向的扇区的历史总话务负载,或者,服务器根据扇区标识指向的扇区中小区的历史话务质量,生成扇区标识指向的扇区的历史总话务质量之后,服务器对扇区标识指向的扇区中的历史话务数据执行筛选操作。其中,扇区标识指向的扇区的历史话务数据包括扇区标识指向的扇区中的小区的历史话务数据,还包括扇区标识指向的扇区的总历史话务负载和/或扇区标识指向的扇区的总历史话务质量。更具体的,扇区标识指向的扇区的历史总话务负载或者扇区标识指向的扇区的历史总话务质量中也可以包括一种或多种指标的参数值,服务器对扇区标识指向的扇区的历史总话务负载或者扇区标识指向的扇区的历史总话务质量执行筛选操作的具体实现方式可参阅上述描述,此次不做赘述。
进一步地,所述筛选操作可以包括剔除野值、剔除异常参数值和/或其他类型的筛选操作。所述筛选操作所对应的参数值范围可以为一个或多个参数值范围,具体参数值范围的数量与扇区标识指向的扇区的历史话务数据中的指标种类数相关。作为示例,例如有的指标的参数值不可能为负值,则该指标的参数值范围为大于等于0,与该指标对应的所有参数值中小于0的参数值均视为异常参数值。作为另一示例,例如有的指标的参数值不可能大于1,则该指标的参数值范围为小于等于1,与该指标对应的所有参数值中大于1的参数值均视为异常参数值。作为再一示例,例如以代表扇区标识指向的扇区的历史话务数据中包括的所有参数值中与一种指标对应的所有参数值的均值,代表扇区标识指向的扇区的历史话务数据中包括的所有参数值中与一种指标对应的所有参数值的标准差,该指标的参数值范围为与该指标对应的所有参数值中落在 区间外的参数值视为野值等,在实际情况中,所述参数值范围还可以为其参数值范围,此次不做穷举。
可选地,扇区标识指向的扇区的历史总话务负载为扇区标识指向的扇区中小区的历史话务负载的和。步骤202可以包括:服务器在接收到扇区标识指向的扇区中小区的历史话务负载之后,扇区标识指向的扇区中小区的历史话务负载中包括与至少一种指标对应的至少一个参数值,将与第一指标对应的参数值相加,得到扇区标识指向的扇区的历史总话务负载中与第一指标对应的参数值,其中,第一指标为扇区标识指向的扇区中小区的历史话务负载中包括的至少一种指标中的任一种指标,服务器对扇区标识指向的扇区中小区的历史话务负载中包括的所有指标均执行前述操作,以生成扇区标识指向的扇区的历史总话务负载中所有指标的参数值。本申请实施例中,将扇区标识指向的扇区中小区的历史话务负载求和得到扇区标识指向的扇区的历史总话务负载,可以将扇区标识指向的扇区的话务负载的预测与扇区标识指向的扇区的取值门限进行解耦,使得话务负载的预测过程仅与时间相关,能够降低预测的难度、提升准确性。
作为示例,例如扇区标识指向的扇区中小区的历史话务负载的指标类型包括PRB利用率、用户数和活跃用户数,扇区标识指向的扇区中包括1个基础小区和2个容量小区,此处通过表格的形式来展示扇区标识指向的扇区的历史总话务负载与扇区标识指向的扇区中小区的历史话务负载之间的关系,请参阅如下表1。
表1
PRB利用率 | 用户数 | 活跃用户数 | |
基础小区 | 40% | 38 | 35 |
容量小区1 | 70% | 20 | 15 |
容量小区2 | 75% | 16 | 10 |
扇区 | 185% | 74 | 60 |
请参阅如上表1,表1中以示出扇区标识指向的扇区中小区的历史话务负载的部分数据为例,如图所示,扇区标识指向的扇区的PRB利用率为基础小区、容量小区1和容量小区2的PRB利用率的和,扇区标识指向的扇区的用户数为基础小区、容量小区1和容量小区2的用户数的和,扇区标识指向的扇区中活跃用户数为基础小区、容量小区1和容量小区2中活跃用户数的和,应当理解,在实际情况中,基站和服务器之间可以通过除表格之外的其他形式来承载扇区标识指向的扇区中小区的历史话务负载,例如数组、索引等,扇区标识指向的扇区中小区的历史话务负载中采用的也可以为其他类型的指标,上述举例仅为方便理解本方案,不用于限定本方案。
为进一步理解本方案,请参阅图3,图3为本申请实施例提供的门限值获取方法中获取历史话务负载的一种示意图。A1、基站在每天的固定时间点向管理服务器发送扇区标识指向的扇区中小区的历史话务数据,对应的,云服务器通过管理服务器接收基站上报的扇区标识指向的扇区中小区的历史话务数据,其中,扇区标识指向的扇区中小区的历史话务数据中包括扇区标识指向的扇区中小区的历史话务负载和扇区标识指向的扇区中小区的历史话务质量;A2、云服务器对扇区标识指向的扇区中小区的历史话务数据进行筛选,得到筛选后的扇区标识指向的扇区中小区的历史话务数据;A3、云服务器根据筛选后的扇区标识指向的扇区中小区的历史话务数据,生成扇区标识指向的扇区的历史总话务数据,其中,扇区标识指向的扇区的历史总话务数据为扇区标识指向的扇区中小区的历史话务负载的和。需要说明的是,步骤A2为可选步骤,若不执行步骤A2,则在执行完步骤A1之后,可以直接执行步骤A3;若执行步骤A2,本申请实施例不限定步骤A2和步骤A3之间的执行顺序,可以先执行步骤A2,再执行步骤A3,也可以先执行步骤A3,再执行步骤A2,则步骤A2需要替换为:云服务器对扇区标识指向的扇区的历史话务数据进行筛选,得到筛选后的扇区标识指向的扇区的历史话务数据,扇区标识指向的扇区的历史话务数据包括扇区标识指向的扇区中小区的历史话务数据和扇区标识指向的扇区的历史总话务数据,应当理解,图3中的示例仅为方便理解本方案,不用于限定本方案。
需要说明的是,本申请实施例不限定步骤201和步骤202的执行顺序,可以同时执行步骤201和步骤202,也即在获取小区关断指令的同时,获取扇区标识指向的扇区的历史数据;也可以先执行步骤201,再执行步骤202;还可以先执行步骤202,再执行步骤201。此外,本申请实施例也不限定步骤201和步骤202之间的执行次数关系,步骤201和步骤 202之间的执行次数之间的比值可以为一比多,也可以为一比一。
203、服务器获取扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型。
本申请的一些实施例中,服务器在根据扇区标识指向的扇区的预估总话务负载生成扇区标识指向的扇区中小区的历史话务负载之前,可以生成扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,前述生成方式指的可以为通过概率估计的方式生成,也可以为通过对旧的比例模型进行更新的方式生成。
具体的,在一种实现方式中,服务器可以扇区标识指向的扇区中小区的历史话务负载中获取扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载,并通过概率估计,生成扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型。由于扇区标识指向的扇区中小区的历史话务负载可以包括至少一种指标的参数值,对应的,扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型可以包括与至少一种指标对应的至少一个比例模型,每个比例模型用于指示第一容量小区与基础小区在一种指标上的比例,第一容量小区为扇区标识指向的扇区包括的至少一个容量小区中的任一个容量小区。进一步地,若扇区标识指向的扇区中包括C个容量小区,扇区标识指向的扇区中小区的话务负载包括M种指标的参数值,则服务器可以生成(C+1)*C*M 个比例模型,所述(C+1)*C*M个比例模型中可以包括相同的比例模型,每个比例模型指示在关断了c个容量小区的情况下,第一容量小区与基础小区在第一指标上的比例,其中,C和M均为大于等于1的整数,c为大于等于0且小于等于C的整数。
其中,在一种情况下,扇区标识指向的扇区中小区的历史话务负载包括:在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载。具体的,服务器获取在关断了c个容量小区的情况下,与扇区标识指向的扇区中基础小区的第一指标对应的参数值和与扇区标识指向的扇区中第一容量小区的第一指标对应的参数值,通过概率估计,生成在关断c个容量小区的情况下,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中第一容量小区在第一指标上的比例模型。
在另一种情况下,扇区标识指向的扇区的历史话务负载包括:在扇区标识指向的扇区中的容量小区均未开启状态的情况下,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载。本实施例中(C+1)*C*M个比例模型中可以包括C*M个不同的比例模型,服务器获取与扇区标识指向的扇区中基础小区的第一指标对应的参数值和与扇区标识指向的扇区中第一容量小区的第一指标对应的参数值,通过概率估计,生成扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中第一容量小区在第一指标上的比例模型。由于在扇区标识指向的扇区的历史话务负载中包括的为扇区标识指向的扇区中的容量小区均未开启状态的情况下,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载,则在关断了0个容量小区、1个容量小区至c个容量小区这C+1个情况下,服务器生成的扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中第一容量小区在第一指标上的比例模型相同。
在另一种实现方式中,为了提高服务器生成的比例模型的精准度,服务器在通过概率估计生成比例模型之后,还可以利用新接收的数据对生成的比例模型进行更新。具体的,服务器从扇区标识指向的扇区中小区的历史话务负载中获取最新的历史话务负载,所述最新的历史话务负载为基站执行最后一次扇区标识指向的扇区中小区的历史话务负载,所述最新的历史话务负载包括在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下扇区标识指向的扇区中基础小区的话务负载和扇区标识指向的扇区中未关断容量小区的话务负载,和/或,在扇区标识指向的扇区中的容量小区均为开启状态的情况下,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载;并根据在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下扇区标识指向的扇区中基础小区的话务负载和扇区标识指向的扇区中未关断容量小区的话务负载,和/或,在扇区标识指向的扇区中的容量小区均为开启状态的情况下,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载,通过贝叶斯更新估计,对扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型进行更新,得到更新后的扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,其中,贝叶斯更新估计指的是利用贝叶斯定理结合新的数据以及通过概率估计得到的先验概率,得到更新后的概率。需要说明的是,此次仅以通过贝叶斯更新算法进行举例,在实际应用过程中,还可以通过最大似然估计模型或其他模型实现,只要是能够进行不确定度拟合和后验更新的模型都可以。
需要说明的是,利用新接收的数据对生成的比例模型进行更新这一操作可以为在步骤 212之后执行,从而有利于提高下一次小区关断操作的准确率;也可以为在为了执行当次小区关断操作之前执行,也即在步骤206之前执行,在步骤203在步骤206之前执行的情况下,本申请实施例不限定步骤202与步骤201和202之间的执行顺序,可以先执行步骤203,再执行步骤201和202,也即扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型可以为不是根据最新的历史话务数据生成的,服务器在获取到小区关断指令之后,可以根据预先生成的比例模型进行扇区标识指向的扇区的话务负载分配操作;也可以先执行步骤201和202,再执行步骤203,也即服务器在获取到小区关断指令之后,再利用获取到的最新的历史话务数据来生成或更新所述比例模型;还可以为同时执行步骤201和202和步骤203。
204、服务器获取扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务质量之间的关系模型的模型参数对应的岭回归模型,并生成岭回归模型的单调性约束。
本申请的一些实施例中,服务器在生成扇区标识指向的扇区的预估话务质量的第二参数值之前,会生成扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务质量之间的关系模型。其中,前述关系模型可以包括一个或多个关系模型,关系模型的数量可以和扇区标识指向的扇区中小区的话务质量的指标种类数一致,每个关系模型为扇区标识指向的扇区中小区的一种指标的话务质量与扇区标识指向的扇区中小区的所有种类的指标的话务负载之间的关系模型。进一步地,前述关系模型可以为带二次特征的关系模型,也即关系模型为扇区标识指向的扇区中小区的话务质量与扇区标识指向的扇区中小区的话务负载以及扇区标识指向的扇区中小区的话务负载的平方之间的映射关系。本申请实施例中,在关系模型中引入利用二次特征,能够有效提升所述关系模型的表达能力。
岭回归(ridge regression)模型指的是一种专用于共线性数据分析的有偏估计回归方法,通过放弃最小二乘法的无偏性,以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法,对病态数据的拟合要强于最小二乘法。由于当与话务质量对应的指标为吞吐量和传输时间等指标时,话务质量和话务负载之间的关系为正相关的关系,也可以称为单调增的关系。单调性约束指的是为了保证生成的扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务质量之间的关系模型的单调性,所加入的约束。
205、服务器将岭回归模型、岭回归模型的单调性约束和扇区标识指向的扇区中小区的历史话务负载以及与扇区标识指向的扇区中小区的历史话务负载对应的小区的历史话务质量输入求解器,获取求解器输出的岭回归模型的最优解,并将其确定为关系模型的模型参数的参数值,以生成关系模型。
本申请的一些实施例中,扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务质量之间的关系模型包括至少一个关系模型,针对至少一个关系模型中目标关系模型的模型参数,目标关系模型指的是至少一个关系模型中的任一个关系模型。服务器在获取到与目标模型参数对应的目标岭回归模型以及岭回归模型的单调性约束之后,调用求解器接口,将目标岭回归模型、目标岭回归模型的单调性约束和扇区标识指向的扇区中小区的历史话务负载以及与扇区标识指向的扇区中小区的历史话务负载对应的小区的历史话务质量输入求解器中,以获取求解器输出的目标岭回归模型的最优解,并将目标岭回归模型的最优解确定为目标关系模型的模型参数的参数值。其中,扇区标识指向的扇区中小区的历史话务负载以及与扇区标识指向的扇区中小区的历史话务负载对应的小区的历史话务质量包括于扇区标识指向的扇区的历史话务负载。求解器可以为通用的求解器,作为示例,例如Scipy.optimize求解器、fsolve求解器或其他对非线性回归模型进行求解的求解器,此处不做穷举。服务器针对至少一个关系模型包括的所有关系模型的模型参数均执行上述求解操作之后,得到所有关系模型的模型参数的参数值。
可选地,至少一个关系模型中包括至少两个关系模型,且服务器上可以配置有至少两个求解器,服务器可以并行调用至少两个求解器的接口,将与不同关系模型的模型参数对应的岭回归模型、岭回归模型的单调性约束和扇区标识指向的扇区中小区的历史话务负载以及与扇区标识指向的扇区中小区的历史话务负载对应的小区的历史话务质量,分别输入到不同的求解器中,以使至少两个求解器对不同关系模型的模型参数并行求解,以提高关系模型生成过程的效率。
本申请的一些实施例中,服务器在得到目标关系模型的模型参数的参数值之后,可以将目标关系模型的模型参数的参数值带入到目标关系模型中,以生成目标关系模型。服务器针对至少一个关系模型包括的所有关系模型的模型参数均执行前述操作之后,得到所有关系模型的模型参数的参数值。本申请实施例中,在与关系模型的模型参数对应的岭回归模型中加入单调性约束,保证最后得到的模型参数的参数值与实际场景适配;且利用求解器生成关系模型的模型参数的参数值,方便快捷,提高了本方案的实现效率。
应理解,本申请实施例不限定步骤204和205与步骤203之间的执行顺序,可以为先执行步骤203,再执行步骤204和205;也可以先执行步骤204和205,再执行步骤203。
206、服务器根据扇区标识指向的扇区的历史话务负载,生成扇区标识指向的扇区的预估总话务负载。
本申请实施例中,服务器在获取到扇区标识指向的扇区的历史话务数据之后,可以根据扇区标识指向的扇区的历史话务数据,生成扇区标识指向的扇区的预估总话务负载,其中,扇区标识指向的扇区的预估总话务负载的指标类型与扇区标识指向的扇区的历史总话务负载的指标类型类似,此次不做赘述。具体的,由于扇区标识指向的扇区的预估总话务负载包括至少一种指标的参数值,则服务器需要针对前述至少一种指标中的每种指标进行预估,从而得到扇区标识指向的扇区的所有指标的预估参数值。作为示例,例如扇区标识指向的扇区的预估总话务负载的指标类型为PRB使用率、吞吐量和活跃用户数,则需要根据扇区标识指向的扇区的历史总PRB使用率生成扇区标识指向的扇区的预估总PRB使用率,利用扇区标识指向的扇区的历史总吞吐量生成扇区标识指向的扇区的预估总吞吐量,利用扇区标识指向的扇区的活跃历史总用户数生成扇区标识指向的扇区的活跃预估总用户数等,此次举例仅为方便理解本方案,不用于限定本方案。
针对与扇区标识指向的扇区的预估总话务负载对应的至少一种指标中的任一种指标 (也即“第一指标”)的参数值的生成方式。具体的,服务器从扇区标识指向的扇区的历史总话务负载中获取与第一指标对应的第四参数值,第四参数值中包括至少一个第一指标的参数值,所述至少一个第一指标的参数值为不同时间点的第一指标的参数值。进一步地,前述不同时间点指的可以为不同小时,也可以为不同天或其他时间长度等,此次不做限定。在一种实现方式中,服务器可以获取第四参数值包括的至少一个参数值的平均值,并将其确定为扇区标识指向的扇区的预估总话务负载。在另一种实现方式中,服务器还可以获取第四参数值包括的至少一个参数值的中值,并将其确定为扇区标识指向的扇区的预估总话务负载。在另一种实现方式中,服务器还可以通过时间序列预测算法,根据第四参数值包括的至少一个参数值,生成扇区标识指向的扇区的第一指标的预估参数值。其中,时间序列预测算法是指将同一种指标的参数值按其发生的时间先后顺序排列形成数列,并从前述数列包括的多个参数值中挖掘出参数值变化的规律,以对未来的数据进行预测的方法。作为示例,例如时间序列预测算法包括以下一项或多项:指数平滑算法、差分整合移动平均自回归(autoregressive integrated moving average model,ARIMA)算法和循环神经网络(recurrent neural networks,RNN)。服务器对扇区标识指向的扇区的预估总话务负载对应的至少一种指标中的每个指标均通过上述任一种实现方式生成预估参数值,从而可以得到扇区标识指向的扇区的预估总话务负载。本申请实施例中,利用时间序列预测算法对扇区标识指向的扇区的预估总话务负载进行预估,可以提高扇区标识指向的扇区的预估总话务负载生成过程的准确度。
可选地,扇区标识指向的扇区中小区的历史话务负载和扇区标识指向的扇区的历史总话务负载的粒度级可以为小时级的,扇区标识指向的扇区的预估总话务负载的粒度级也为小时级的。作为示例,例如扇区标识指向的扇区中小区的历史话务负载包括9月18日至9 月26日的数据,服务器从中获取每个小区每天8点的用户数,以生成扇区标识指向的扇区每天8点的总用户数,进而根据扇区标识指向的扇区在9月18日至9月26日这一期间内每天8点的总用户数,以生成扇区标识指向的扇区在9月27日的预估总话务数,应当理解前述举例仅为方便理解粒度级为小时级这一概念,不用于限定本方案。本申请实施例中,由于一天中不同小时的话务负载之间差距可能较大,将扇区标识指向的扇区中小区的历史话务负载、扇区标识指向的扇区的历史总话务负载和扇区标识指向的扇区的预估总话务负载的粒度级确定为小时级的,有利于提高扇区标识指向的扇区的预估总话务负载的准确度。
可选地,服务器在需要生成扇区标识指向的扇区的基础小区的第二参数值之前,确定对扇区标识指向的扇区进行小区关断操作的关断日期。步骤202可以包括:服务器获取关断日期在关断日期归属的第一周期中的目标位置,并获取第二周期,其中,周期的长度包括以下一项或多项:一星期、十五天或一个月,第二周期包括第一周期之前的至少一个周期,前述至少一个周期具体可以为一个周期、三个周期、四个周期、五个周期或其他数值等;服务器从扇区标识指向的扇区的历史话务负载中获取目标日期的历史话务负载,目标日期包括第二周期内的每个周期中与目标位置一致的至少一个日期;根据扇区标识指向的扇区在目标日期的历史话务负载,生成扇区标识指向的扇区在关断日期的预估总话务负载。本申请实施例中,获取关断日期在关断日期归属的第一周期中的目标位置,并根据扇区标识指向的扇区在目标日期的历史话务负载,生成扇区标识指向的扇区在关断日期的预估总话务负载,其中,目标日期包括第二周期内的每个周期中与目标位置一致的至少一个日期,由于位于周期中同一位置的话务负载相似性较大,有利于提高扇区标识指向的扇区在关断日期的预估话务负载的准确度;此外,仅根据目标日期的历史话务负载生成扇区标识指向的扇区在关断日期的预估总话务负载,节省了预估总话务负载生成过程中所使用的计算机资源,有利于提高计算机资源的使用效率。
为进一步理解本方案,请参阅图4,图4为本申请实施例提供的门限值获取方法中生成扇区标识指向的扇区的预估总话务负载的一种示意图。图4中以关断日期为12月26日(也即关断日期为星期四),周期的长度为一星期,第二周期包括四个周期为例,且以矩形方格来指代扇区标识指向的扇区在某一天的历史话务数据。其中,B1指的是扇区标识指向的扇区在第二周期内的历史话务负载,图4中以扇区标识指向的扇区在第二周期内的历史话务负载包括12月26日之前的28天的历史话务负载为例,扇区标识指向的扇区每天的历史话务负载中可以包括扇区标识指向的扇区中小区每个小时的历史话务负载,扇区标识指向的扇区在第二周期内的历史话务负载包括了扇区标识指向的扇区在关断日期的前四个周期的历史话务负载。由于目标日期为星期四,则服务器分别获取B2、B3、B4和B5,也即目标日期包括12月19日、12月12日、12月5日和11月28日,12月19日、12月 12日、12月5日和11月28日均为星期四,也即在周期内的位置与12月26日在周期内的位置一致,扇区标识指向的扇区在目标日期的历史话务负载包括扇区标识指向的扇区在12 月19日、12月12日、12月5日和11月28日的历史话务负载(也即B6中包括的B2、 B3、B4和B5)。进而服务器根据扇区标识指向的扇区在目标日期的历史话务负载(也即 B6中包括的B2、B3、B4和B5),通过指数平滑算法,生成扇区标识指向的扇区在关断日期(也即12月26日)的预估总话务负载,应当理解,图4中的示例仅为方便理解本方案,不用于限定本方案。
207、服务器获取扇区标识指向的扇区中基础小区的话务负载的第二门限值。
本申请实施例中,服务器在生成扇区标识指向的扇区中小区的预估话务负载之前,还需要获取扇区标识指向的扇区中基础小区的话务负载的第二门限值。具体的,服务器可以从预先存储的多个门限值中获取与目标指标对应的第二门限值,也可以直接生成与目标指标对应的第二门限值。
其中,第二门限值是服务器为了生成扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的映射关系而预先获取的门限值,与第二门限值对应的目标指标可以为一个或多个,目标指标为PRB利用率、PRB使用数、吞吐量、用户数或活跃用户数中的一项或多项。若目标指标包括一种指标,则第二门限值包括一个门限值,若目标指标包括至少两种指标,则第二门限值包括与至少两种指标一一对应的多个门限值。作为示例,例如目标指标为PRB利用率,第二门限值的取值可以为20%至45%,作为示例,例如20%、21%、22%、23%、……、45%等,作为另一示例,例如目标指标为吞吐量,则第二门限值的取值可以为2000bps至20000bps,作为示例,例如2000bps、3000 bps、4000bps、5000bps、10000bps、15000bps或20000bps等,此次举例仅为方便理解本方案,不用于限定本方案。
208、服务器根据扇区标识指向的扇区的预估总话务负载和第二门限值,生成扇区标识指向的扇区中小区的预估话务负载。
本申请实施例中,服务器在获取到扇区标识指向的扇区的预估总话务负载和第二门限值之后,会生成扇区标识指向的扇区中小区的预估话务负载。
具体的,服务器获取与第二门限值对应的目标指标,并从扇区标识指向的扇区的预估总话务负载中获取与目标指标对应的第三参数值,其中,目标指标为PRB利用率、PRB使用数、吞吐量、用户数或活跃用户数中的一项或多项。服务器在获取到目标指标和第三参数值之后,根据第三参数值和第二门限值,从扇区标识指向的扇区包括的小区中确定未关断小区,也即从扇区标识指向的扇区包括的所有容量小区中确定可以关断哪些容量小区,对这些容量小区进行关断后,基础小区在目标指标的话务负载未超过第二门限值,且所有未关断的小区的话务负载之和大于或等于第三参数值。进一步地,若目标指标包括一种指标,则服务器仅需基于一种指标执行上述未关断小区的确定操作;若目标指标包括至少两种指标,则服务器可以从前述至少两种指标中选取至少一种指标,并基于选取出的至少一种指标中的每种指标执行一次上述未关断小区的确定操作,从而得到与选取出的至少一种指标对应的至少一种小区关断方案,从前述至少一种小区关断方案中选取关断的容量小区最少的方案,并根据关断的容量小区最少的方案确定需要关断的小区和未关断小区。在确定了未关断小区之后,服务器根据扇区标识指向的扇区的预估总话务负载包括的每种指标的预估总话务负载和未关断小区,生成扇区标识指向的扇区中小区的每种指标的预估话务负载,作为示例,例如扇区标识指向的扇区的预估总话务负载包括PRB利用率、PRB使用数和吞吐量这三种指标,则服务器需要分别生成扇区标识指向的扇区中小区的预估PRB 利用率、预估PRB使用数和预估吞吐量,此次举例不用于限定本方案。进一步地,服务器可以生成扇区标识指向的扇区中每个小区的预估话务负载,也可以只生成扇区标识指向的扇区中未关断小区的预估话务负载。本申请实施例中,服务器可以利用扇区标识指向的扇区的话务负载中部分指标的参数值确定未关断小区,再根据扇区标识指向的扇区的预估总话务负载和未关断小区,生成扇区标识指向的扇区中小区的预估话务负载,也即服务器在确定未关断小区的过程中,可以不是参考所有类型指标的参数值,降低了未关断小区确定过程的复杂度,有利于提高方案的执行效率。
更具体的,步骤203为可选步骤,若执行步骤203,步骤206可以包括:服务器根据扇区标识指向的扇区的预估总话务负载、第二门限值和扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成扇区标识指向的扇区中小区的预估话务负载。进一步地,服务器在获取到与第二门限值对应的目标指标,并从扇区标识指向的扇区的预估总话务负载中获取到与目标指标对应的第三参数值之后,根据第三参数值、第二门限值和扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,从扇区标识指向的扇区包括的小区中确定未关断小区,进而根据扇区标识指向的扇区的预估总话务负载中包括的所有指标类型的参数值、未关断小区和扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,确定扇区标识指向的扇区中小区的每种指标的预估话务负载。本申请实施例中,服务器预先训练生成扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,并基于前述比例模型进行扇区标识指向的扇区中小区的预估话务负载的分配操作,有利于提高本方案的鲁棒性。
为进一步理解本方案,请参阅图5,图5为本申请实施例提供的门限值获取方法中生成扇区标识指向的扇区中小区的预估话务负载的一种流程示意图。图5中以目标指标包括 PRB利用率这一种指标,扇区标识指向的扇区中小区的预估话务负载包括PRB利用率、吞吐量和的用户数这个三种指标为例。C1、服务器获取到与第二门限值对应的目标指标为PRB利用率,从扇区标识指向的扇区的预估总话务负载中获取扇区的预估总PRB利用率;C2、服务器根据扇区标识指向的扇区中基础小区的PRB利用率的第二门限值、扇区标识指向的扇区的预估总PRB利用率和扇区标识指向的扇区中容量小区的PRB利用率与扇区标识指向的扇区中基础小区的PRB利用率之间的比例模型,从扇区标识指向的扇区包括的小区中确定未关断小区,未关断小区中至少包括基础小区,还可以包括容量小区;C3、服务器根据扇区标识指向的扇区的预估总PRB利用率、未关断小区和扇区标识指向的扇区中容量小区的PRB利用率与扇区标识指向的扇区中基础小区的PRB利用率之间的比例模型,生成扇区标识指向的扇区中每个小区的预估PRB利用率;C4、服务器根据扇区标识指向的扇区的预估总吞吐量、未关断小区和扇区标识指向的扇区中容量小区的吞吐量与扇区标识指向的扇区中基础小区的吞吐量之间的比例模型,生成扇区标识指向的扇区中每个小区的预估吞吐量;C5、服务器根据扇区标识指向的扇区的总用户数、未关断小区和扇区标识指向的扇区中容量小区的用户数与扇区标识指向的扇区中基础小区的用户数之间的比例模型,生成扇区标识指向的扇区中每个小区的预估用户数。需要说明的是,本申请实施例不限定步骤C3至步骤C5之间的执行顺序,步骤C3至步骤C5之间的执行顺序可以任意排列;此外,在其他实施例中,步骤C3至步骤C5中也可以替换为服务器也可以只生成扇区标识指向的扇区中未关断小区的预估PRB利用率、预估吞吐量和的预估用户数,目标指标也可以替换为其他种类的指标,扇区标识指向的扇区中小区的预估话务负载也可以被替换为其他种类的指标等,图5中的示例仅为方便理解本方案,不用于限定本方案。
可选地,步骤206可以包括:服务器根据扇区标识指向的扇区的预估总话务负载、第二门限值和更新后的扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成扇区标识指向的扇区中小区的预估话务负载。前述步骤的具体实现方式,可以参阅上述图5对应的实施例中的描述,区别仅在于图5对应实施例中是根据扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成扇区标识指向的扇区中小区的预估话务负载,本实施例中是根据更新后的扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成扇区标识指向的扇区中小区的预估话务负载。本申请实施例中,服务器可以利用新获取到的数据,对扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型进行更新,以提高比例模型的准确度。
若不执行步骤203,在一种情况下,步骤206可以包括:服务器获取扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区的总话务负载之间的比例模型,根据扇区标识指向的扇区的预估总话务负载、第二门限值和扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区的总话务负载之间的比例模型,生成扇区标识指向的扇区中小区的预估话务负载,其中,扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区的总话务负载之间的比例模型为根据扇区标识指向的扇区中容量小区的历史话务负载和扇区标识指向的扇区的历史总话务负载生成的。
209、服务器根据扇区标识指向的扇区中小区的预估话务负载,生成扇区标识指向的扇区的预估话务质量的第二参数值,得到第二门限值与第二参数值之间的第二映射关系。
本申请的一些实施例中,服务器在根据扇区标识指向的扇区中基础小区的话务负载的第二门限值生成扇区标识指向的扇区中小区的预估话务负载之后,需要生成扇区标识指向的扇区的预估话务质量的第二参数值,以得到第二门限值与第二参数值之间的第二映射关系,第二参数值用于指示在扇区标识指向的扇区中基础小区的门限值为第二门限值的情况下扇区标识指向的扇区的预估话务量。
步骤204和205为可选步骤,若执行步骤204和205,具体的,服务器可以根据扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务质量之间的关系模型,以及扇区标识指向的扇区中小区的预估话务负载,生成扇区标识指向的扇区中小区的预估话务质量,其中,关系模型为根据扇区标识指向的扇区的历史话务负载中包括的小区的历史话务负载以及与小区的历史话务负载对应的小区的历史话务质量生成的;进而根据扇区标识指向的扇区中小区的预估话务质量,生成扇区标识指向的扇区的预估话务质量的第二参数值。
更具体的,服务器可以根据扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务质量之间的关系模型,以及扇区标识指向的扇区中小区在关断日期的每个小时的预估话务负载,生成扇区标识指向的扇区中小区在关断日期的每个小时的预估话务质量,进而根据扇区标识指向的扇区中小区在关断日期的每个小时的预估话务质量,可以生成扇区标识指向的扇区在关断日期的预估话务质量的第二参数值,也即扇区标识指向的扇区的预估话务质量的粒度级可以为天级的,也可以生成扇区标识指向的扇区在关断日期的每个小时的预估话务质量的第二参数值,也即扇区标识指向的扇区的预估话务质量的粒度级可以为小时级的。
本申请实施例中,服务器预先生成小区的话务负载和小区的话务质量之间的关系模型,根据小区的话务负载生成小区的话务质量之后,再根据小区的话务质量生成扇区标识指向的扇区的话务质量,逐步生成扇区标识指向的扇区的话务质量,有利于提高生成扇区标识指向的扇区的话务质量的精准度;进一步地,由于目前采集到的扇区标识指向的扇区中小区的话务数据一般为小时级,而实际操作过程中,一般是以天为单位执行小区关断操作,所以将扇区标识指向的扇区中小区的预估话务负载和预估话务质量确定为小时级,将扇区标识指向的扇区的预估话务质量的粒度级确定为天级,有利于提高与实际操作过程的适配度。
若不执行步骤204和205,服务器也可以预先生成扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区的话务质量之间的关系模型,根据扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区的话务质量之间的关系模型,以及扇区标识指向的扇区中每个小区的预估话务负载,生成扇区标识指向的扇区的预估服务质量。其中,扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区的话务质量之间的关系模型可以包括一个或多个关系模型,关系模型的数量可以和扇区标识指向的扇区的话务质量的指标种类数一致,每个关系模型为扇区标识指向的扇区中一种指标的话务质量与扇区标识指向的扇区中小区的所有种类的指标的话务负载之间的关系模型,关系模型为根据扇区标识指向的扇区的历史话务负载中包括的小区的历史话务负载以及与小区的历史话务负载对应的扇区标识指向的扇区的历史话务质量生成的。
210、服务器生成扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的第一映射关系。
本申请的一些实施例中,服务器在执行完步骤209之后,可以重新进入步骤207,以重新获取第二门限值的取值,也即服务器在通过步骤207更新第二门限值的取值之后,根据更新后的第二门限值重新执行步骤208和步骤209,从而生成更新后的第二参数值,得到更新后的第二门限值和更新后的第二参数值之间的映射关系。服务器重复执行步骤207 至209的次数达到预设次数,则可以生成扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的第一映射关系,第二门限值与第二参数值之间的第二映射关系包括于扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的第一映射关系中。服务器在生成扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的第二映射关系之后,可以通过表格、线条图、索引组或其他形式存储第二映射关系。为进一步理解本方案,此次以线条图的方式展示第二映射关系为例,请参阅图6,图6为本申请实施例提供的门限值获取方法中第二映射关系的一种示意图,图6中以第二门限值对应的目标指标为PRB利用率这一种指标,且通过扇区标识指向的扇区的吞吐率这一指标来表达扇区标识指向的扇区的话务质量,其中,D1所指的这一条折线代表扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的第一映射关系,D2指的是一个第二门限值与一个第二参数值之间的第二映射关系,应当理解,图6中的示例仅为方便理解第二映射关系与第一映射关系这两种映射关系之间的归属关系,不用于限定本方案。
211、服务器获取与第一参数值对应的第一门限值。
本申请实施例中,服务器在获取到第一映射关系之后,可以从第一映射关系中获取与第一参数值对应的第一门限值。具体的,在小区关断指令中携带有第一参数值的情况下,服务器从小区关断指令中获取第一参数值,也即小区关断指令中携带有在对扇区标识指向的扇区标识指向的扇区标识指向的扇区执行小区关断操作之后,扇区标识指向的扇区需要达到的话务质量。在小区关断指令中不携带有第一参数值的情况下,服务器上也可以从服务器自身中获取第一参数值;更进一步地,服务器上可以预先存储有第一参数值,也可以为服务器直接生成第一参数值等。为进一步理解本方案,请参阅图7,图7为本申请实施例提供的门限值获取方法中获取第一门限值的一种示意图。图7中以与第一参数值对应的指标为吞吐率,第一门限值对应的指标为PRB利用率为例,第一映射关系中与第一参数对应的点为图7中的E1,进而获取与E1对应的第一门限值,应当理解,图7中的示例仅为方便理解本方案,不用于限定本方案。
更具体的,结合步骤201对服务器生成第一门限值的时间进行描述,在一种情况下,小区关断指令为小区关断操作的开启指令。服务器可以在每个小时的固定时间点获取扇区标识指向的扇区的基础小区的第一门限值,从而每次获取的第一门限值的有效时长为一个小时;也可以在每天的固定时间获取扇区标识指向的扇区的基础小区的第一门限值,从而每次获取的第一门限值的有效使用时长为一天,作为示例,例如在每天的凌晨3点生成扇区标识指向的扇区的基础小区的第一门限值;也可以为在每周的固定时间生成扇区标识指向的扇区的基础小区的第一门限值,从而每次生成的第一门限值的有效使用时长为一周,作为示例,例如在每周周日的凌晨3点生成扇区标识指向的扇区的基础小区的第一门限值等,还可以通过间隔更长或更短的时间来执行第一门限值获取操作,此次不做限定。作为示例,例如服务器在9月10日上午九点接收到小区关断操作的开启指令,在9月15日下午8点接收到小区关断操作的关闭指令,预设规则为在每天的凌晨3点生成扇区标识指向的扇区的基础小区的第一门限值,则服务器可以从小区关断操作的开启指令中获取扇区标识,在9月11日、9月12日、9月13日、9月14日和9月15日的凌晨3点分别生成扇区标识指向的扇区的基础小区的第一门限值,应当理解,此次举例仅为方便理解本方案,不用于限定本方案。
在另一种情况下,小区关断指令中携带有关断时间,用于指示对扇区标识指向的扇区在所述关断时间进行小区关断操作。在一种实现方式中,服务器执行一次第一门限值获取操作,第一门限值的有效使用时长为与关断时间对应的整个关断期间。在另一种实现中,服务器可以一次性执行多次第一门限值获取操作,第一门限值的有效使用时长为一天。服务器可以为一次性生成关断时间内的基础小区的多个门限值,作为示例,例如服务器在9月10日接收的小区关断指令,小区关断指令中携带的关断时间为9月11日至9月15日,则服务器可以在9月10日一次性生成5个第一门限值,分别为9月11日、9月12日、9 月13日、9月14日和9月15日的门限值。在另一种实现方式中,服务器也可以分批次生成关断时间内的基础小区的多个门限值,第一门限值的有效使用时长为一天。作为示例,例如在9月10日接收的小区关断指令,小区关断指令中携带的关断时间为9月11日至9 月15日,则服务器可以分别在9月11日、9月12日、9月13日、9月14日和9月15日生成一个第一门限值等,应当理解,此次对于第一门限值的获取时间、获取次数和有效使用时长的举例仅为方便理解本方案,不用于限定本方案。
需要说明的是,步骤202至210为可选步骤,若不执行步骤202至210,服务器也可以从其他通信设备处接收第一映射关系,进而从第一映射关系中获取与第一参数值对应的第一门限值。更具体的,可以为管理服务器在接收到小区关断指令之后,从云服务器处接收第一映射关系。若执行步骤202至210,本申请实施例不限定步骤202至210和步骤201 之间的执行顺序,可以先执行步骤201,再执行步骤202至210,也可以先执行步骤202 至210,再执行步骤201。此外,本申请实施例不限定步骤202至210和步骤201以及步骤211和212之间的执行次数,步骤202至210和步骤201以及步骤211和212之间的执行次数可以为一比一,也可以为一比多。
本申请实施例中,利用扇区标识指向的扇区的历史话务数据生成对扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的映射关系,能够准确地描述整个扇区标识指向的扇区在不同门限值下的话务质量的变化情况;先对扇区标识指向的扇区的总话务负载进行预估,再分配到各个小区,进而基于小区的预估话务负载,生成扇区标识指向的扇区的预估话务质量,整个过程与实际情况吻合度高,从而提高了本方案的适配性。
212、服务器向基站发送小区关断信息,小区关断信息中包括扇区标识和第一门限值。
本申请实施例中,服务器在获取到第一门限值之后,会向基站发送小区关断信息。其中,小区关断信息中至少包括扇区标识和第一门限值,用于指示基站在对扇区标识指向的扇区执行小区关断操作的过程中,基础小区的话务负载的参数值小于或等于第一门限值。具体的,在服务器为云服务器的情况下,云服务器可以向管理服务器发送小区关断信息,以使管理服务器向基站发送小区关断信息;在服务器为管理服务器的情况下,管理服务器直接向基站发送小区关断信息。
本申请实施例中,提供了一种门限值的生成方案,由于第一门限值是与扇区标识指向的扇区的话务质量的第一参数值对应的,从而保证基站在利用第一门限值对容量小区进行关断之后,扇区标识指向的扇区的话务质量的可控性;此外,由于扇区标识指向的扇区的基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的映射关系是根据扇区标识指向的扇区的历史话务负载生成的,也即通过数据驱动的方式生成该映射关系,保证了该映射关系与扇区标识指向的扇区的实际情况相符合,从而有利于提高扇区标识指向的扇区的节能效果。
本申请实施例还提供了一种门限值获取方法,请参阅图8,图8为本申请实施例提供的门限值获取方法的一种流程示意图,图8中以扇区标识指向的扇区和小区的话务负载中均包括PRB利用率、平均用户数和平均活跃用户数这三种指标的参数值,扇区标识指向的扇区中小区的话务质量包括吞吐量和传输时间这两种指标,扇区标识指向的扇区的话务质量为吞吐率这一种指标,扇区标识指向的扇区和小区的话务负载以及扇区标识指向的扇区中小区的话务质量中数据的粒度级均为小时级,扇区标识指向的扇区的话务质量中数据的粒度级为天级为例进行说明。具体的,方法可以包括:
F1、云服务器接收小区关断操作的开启指令。
本实施例中,用户设备向管理服务器发送携带有小区关断指令的脚本,管理服务器将所述脚本透传给云服务器,从而云服务器能够通过管理服务器接收用户设备上传的携带有小区关断指令的脚本,小区关断指令具体表现为针对小区关断操作的开启指令,其中携带有扇区标识指向的扇区标识,从而云服务器根据扇区标识指向的扇区标识确定需要进行小区关断操作的扇区标识指向的扇区。
F2、云服务器接收扇区标识指向的扇区中小区的历史话务数据。
本实施例中,基站在每天的第二固定时间点统计当天新产生的扇区标识指向的扇区中小区的历史话务数据,并上报给管理服务器,管理服务器将所述当天新产生的扇区标识指向的扇区中小区的历史话务数据透传给云服务器,从而云服务器通过管理服务器接收并存储扇区标识指向的扇区中小区的历史话务数据,云服务器对基站每天上报的扇区标识指向的扇区中小区的历史话务数据进行存储,从而存储有扇区标识指向的扇区中小区多天的历史话务数据。云服务器在接收到小区关断指令的开启指令之后,每天都会在第一固定时间点生成在未来一天扇区标识指向的扇区中基础小区的PRB利用率的门限值,则对扇区标识指向的扇区进行小区关断操作的关断日期为未来一天,进而获取关断日期之前的预设时长的小区的历史话务数据,此次以预设时长为28天为例进行举例。
作为示例,例如云服务器在9月28日的凌晨四点生成扇区标识指向的扇区在9月28日凌晨四点至9月29日凌晨三点的基础小区的PRB利用率的门限值,则关断日期可以视为9月28日,服务器获取9月28日之前28天的小区的历史话务数据。例如扇区标识指向的扇区中小区的话务负载为{xi,j,k,yi,j,k,zi,j,k}i∈D,j∈H,k∈C,其中,x、y和z分别表示PRB 利用率、平均用户数和平均激活用户数,i、j和k分别表示日期、小时和小区的标号,D表示获取到历史数据的日期集合,也即{1,2,…,28},H表示一天的24个小时,也即{0, 1,…,23},和C表示扇区标识指向的扇区中的小区列表,也即{0,1,…,C-1},小区列表的顺序为基础小区、容量小区按照关断优先级从低到高排列。扇区标识指向的扇区中小区的话务质量为{pi,j,k,qi,j,k}i∈D,j∈H,k∈C,其中p、q分别表示吞吐量和传输时间,i、j、k、D、H和C的表示含义同上。
F3、云服务器对扇区标识指向的扇区中小区的历史话务数据进行筛选操作,得到筛选后的扇区标识指向的扇区中小区的历史话务数据。
本实施例中,以云服务器筛选扇区标识指向的扇区中小区的PRB利用率为例,云服务器先判断xi,j,k中每个参数值是否小于零,则参数值小于零,则剔除,反之则保留。进而求出小区数据{xi,j,k}i∈D,j∈H,k∈C均值与标准差判断xi,j,k中每个参数值是否落在 区间内,若参数值位于所述区间之外,则剔除,若位于所述区间之内,则保留。云服务器对yi,j,k、zi,j,k、pi,j,k和qi,j,k中的每个参数值均执行前述操作,以完成对扇区标识指向的扇区中小区的历史话务数据进行筛选操作,得到筛选后的扇区标识指向的扇区中小区的历史话务数据。
F4、云服务器生成扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型。
本实施例中,云服务器生成扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,所述比例模型可以通过如下公式表示:
其中,r代表扇区标识指向的扇区中小区的话务负载包括的至少一个指标中的任一种指标,结合上述举例,也即r可以表示为x、y和z中的任一种指标,rj,c,k代表在打开到第c个小区的情况下,第k个容量小区的话务负载与基础小区的话务负载之间的比例。由于本实施例中扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型是通过贝叶斯更新算法对初始生成的比例模型进行修正得到的,针对PRB利用率(也即x)这一话务负载指标,以下做进一步举例。
在初始推荐阶段,rj,|C|,k是根据扇区标识指向的扇区中小区的历史话务数据,通过概率估计生成的,具体根据均值的先验和,均值的方差系数为得到的,其中,b指的是扇区标识指向的扇区的各个小区中的基础小区,xi,j,k代表在打开到第c个小区的情况下,第k个容量小区的PRB利用率,xi,j,b代表在打开到第c个小区的情况下基础小区的PRB利用率。
在关断日期结束之后,云服务器可以接收到关断日期的扇区标识指向的扇区中小区的话务负载,可以利用新获取的扇区标识指向的扇区中小区的历史话务数据更新所述比例模型。
其中,d代表关断日期,b代表扇区标识指向的扇区中的容量小区,xd,j,k代表扇区标识指向的扇区在关断日期的第j个小时的话务数据中包括的在打开到第c个小区的情况下,第k个容量小区的PRB利用率,xd,j,b代表扇区标识指向的扇区在关断日期的第j个小时的话务数据中包括的在打开到第c个小区的情况下基础小区的PRB利用率,需要说明的是,此次仅以通过贝叶斯更新算法进行举例,在实际应用过程中,还可以通过其他种类的更新模型实现,只要是能够进行不确定度拟合和后验更新的模型都可以。
F5、云服务器获取扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务质量之间的关系模型的模型参数对应的岭回归模型,并生成岭回归模型的单调性约束。
本实施例中,前述扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务质量之间的关系模型的公式具体可以如下:
其中,代表第k个容量小区在关断日期的第j个小时的吞吐量,mk代表扇区标识指向的扇区中小区的话务负载和吞吐量之间的关系模型的模型参数,代表根据第k个容量小区在关断日期的第j个小时的所有种类的话务负载生成的特征向量,以扇区标识指向的扇区中小区的话务负载包括三种指标的参数值为例, 代表第k个容量小区在关断日期的第j个小时的 PRB利用率,代表第k个容量小区在关断日期的第j个小时的PRB利用率的平均用户数,代表第k个容量小区在关断日期的第j个小时的平均活跃用户数,代表的平方,代表的平方,代表的平方,第i天指的是关断日期所在的天,与式(1) 中模型参数对应的岭回归模型和单调性约束具体可以如下:
其中,式(2)代表与式(1)中模型参数对应的岭回归模型(也可以称为岭回归模型的目标函数),式(3)至式(5)代表与模型参数对应的单调性约束,D代表与扇区标识指向的扇区中小区的历史话务负载对应的总天数,H代表一天内的24个小时,pi,j,k代表第k 个容量小区在D天中的第i天的第j个小时的历史吞吐量,mk=[mk,1,..,mk,6],mk为要训练的模型参数向量,代表式(1)取最优解的时候mk的取值, ei,j,k=[xi,j,k,yi,j,k,zi,j,k,xi,j,k 2,yi,j,k 2,zi,j,k 2],xi,j,k代表第k个容量小区在第i天的第j个小时的一种指标的话务负载的参数值,yi,j,k和zi,j,k的含义与xi,j,k的含义类似,但y和z与x 分别为三种不同的指标,此次以PRB利用率、平均用户数和平均激活用户数为例,xi,j,k 2代表xi,j,k的平方,yi,j,k 2代表yi,j,k的平方,zi,j,k 2代表zi,j,k的平方,α为岭回归模型的正则化超参数,例如α的取值可以为1,[xmin,xmax]、[ymin,ymax]和[zmin,zmax]为预先输入的物理资源块利用率、平均用户数、平均激活用户数保持单调增的范围,例如xmin=0, xmax=3.0,ymin=0,ymax=100,zmin=0,zmax=100。需要说明的是,上述式(1) 至式(5)仅为扇区标识指向的扇区中小区的话务负载和话务质量之间的关系模型包括的至少一个关系模型中的一个关系模型,以及与关系模型的模型参数对应的岭回归模型和单调性约束的一个示例,在另一个示例中,前述关系模型还可以如下:
与式(6)中模型参数对应的岭回归模型和单调性约束具体可以如下:
其中,式(7)代表与式(6)中模型参数对应的岭回归模型(也可以称为岭回归模型的目标函数),式(8)至式(10)代表与模型参数对应的单调性约束,qi,j,k代表第k个容量小区在D天中的第i天的第j个小时的历史传输时间,wk=[wk,1,..,wk,6],wk为要训练的模型参数向量,代表式(7)取最优解的时候wk的取值,式(7)至式(10)中其他字母代表的含义可以参阅上述对式(2)至式(5)的描述,此处不再赘述。
应当理解,上述对于扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务质量之间的关系模型的举例仅为方便理解本方案,在实际应用产品应用中,扇区标识指向的扇区中小区的话务质量还可以采用其他类型的指标,此处不进行限定。
F6、云服务器将岭回归模型、岭回归模型的单调性约束和扇区标识指向的扇区中小区的历史话务负载以及与扇区标识指向的扇区中小区的历史话务负载对应的小区的历史话务质量输入求解器,获取求解器输出的岭回归模型的最优解,并将其确定为关系模型的模型参数的参数值,以生成关系模型。
本实施例中,云服务器在分别得到扇区标识指向的扇区中小区的话务负载-扇区标识指向的扇区中小区的吞吐量之间关系模型的模型参数的参数值和,扇区标识指向的扇区中小区的话务负载-扇区标识指向的扇区中小区的传输时间之间关系模型的模型参数的参数值之后,生成扇区标识指向的扇区中小区的话务负载-扇区标识指向的扇区中小区的吞吐量之间的关系模型:以及,扇区标识指向的扇区中小区的话务负载- 扇区标识指向的扇区中小区的传输时间之间关系模型
F7、云服务器根据筛选后的扇区标识指向的扇区中小区的历史话务负载,生成扇区标识指向的扇区的历史总话务负载。
本实施例中,云服务器根据筛选后的扇区标识指向的扇区中小区的历史话务负载,生成扇区标识指向的扇区的历史总话务负载,得到扇区标识指向的扇区的历史话务数据,扇区标识指向的扇区的历史话务负载中包括扇区标识指向的扇区中小区的历史话务负载、扇区标识指向的扇区的历史总话务负载和扇区标识指向的扇区中小区的历史话务质量。
记整个扇区标识指向的扇区的话务负载为其中,代表第i天第 j小时扇区标识指向的扇区的PRB利用率,代表第i天第j小时扇区标识指向的扇区的平均用户数,代表第i天第j小时扇区标识指向的扇区活跃平均用户数,云服务器从筛选后的扇区标识指向的扇区中小区的历史话务数据中获取各个小区的历史话务负载,将扇区标识指向的扇区中各个小区的话务负载直接叠加得到扇区标识指向的扇区的总话务负载,公式如下:
其中,由于上述公式中字母的含义在步骤F2中已经进行了解释,此次不再赘述,需要说明的是,本实施例中,未对扇区标识指向的扇区的总话务负载的参数值做归一化处理。
F8、云服务器根据扇区标识指向的扇区在目标日期的历史总话务数据,生成扇区标识指向的扇区在关断日期的预估总话务负载。
本实施例中,云服务器根据扇区标识指向的扇区的历史总话务数据,获取扇区标识指向的扇区在目标日期的历史总话务数据,生成扇区标识指向的扇区在关断日期的预估总话务负载。作为示例,例如云服务器在确定关断日期为9月28日之后,由于9月28日是星期六,且扇区标识指向的扇区的历史总话务数据中包括关断日期前28天的扇区标识指向的扇区的历史总话务数据,则云服务器分别获取9月21日、9月14日、9月7日和8月 31日的扇区标识指向的扇区的历史总话务负载,通过指数平滑算法生成扇区标识指向的扇区在9月28日的各个小时的预估总话务负载。
具体的,记关断日期为d日,也即9月28日,代表扇区标识指向的扇区在d日各个小时的预估总PRB利用率,代表扇区标识指向的扇区在d日各个小时的预估总平均用户数,代表扇区标识指向的扇区在d日各个小时的预估总平均活跃用户数,具体计算公式如下:
其中,集合为扇区标识指向的扇区的历史话务数据中,与d日为相同星期几的日期的集合,按照日期由近及远排序,也即9月27日至8月31日的扇区标识指向的扇区的历史话务数据中9月21日、9月14日、9月7日和8月31日的扇区标识指向的扇区的历史话务数据。id为Dd中各日期的序号,Dd(id)表示Dd中第id个日期。应当理解,上述描述中对日期的举例仅为方便理解本方案,不用于限定本方案。
F9、云服务器获取扇区标识指向的扇区中基础小区的PRB利用率的第二门限值。
F10、云服务器根据扇区标识指向的扇区的预估总话务负载和第二门限值,生成扇区标识指向的扇区中小区的预估话务负载。
本实施例中,云服务器在获取到PRB利用率的第二门限值和扇区标识指向的扇区的预估总话务负载之后,从扇区标识指向的扇区的预估总话务负载中获取扇区标识指向的扇区的预估总PRB利用率,根据扇区标识指向的扇区的基础小区的PRB利用率的第二门限值、预估总PRB利用率和扇区标识指向的扇区中容量小区的PRB利用率与扇区标识指向的扇区中基础小区的PRB利用率之间的比例模型,确定能够关断的容量小区,进而确定未关断的容量小区,也即确定了c。
本实施例中以云服务器生成扇区标识指向的扇区中每个小区的预估话务负载为例,云服务器根据扇区标识指向的扇区的预估总PRB利用率预估总平均用户数和预估总平均活跃用户数以及通过步骤F4得到的扇区标识指向的扇区话务负载在小区间分配模型{rj,c,k},生成扇区标识指向的扇区中第k个小区在第j个小时的预估PRB利用率预估平均用户数和预估平均活跃用户数具体公式可以如下:
云服务器重复执行前述操作,从而得到扇区标识指向的扇区中每个小区在每个小时的预估PRB利用率、预估平均用户数和预估平均活跃用户数。
F11、云服务器根据扇区标识指向的扇区中小区的预估话务负载,生成扇区标识指向的扇区的预估话务质量的第二参数值,得到第二门限值与第二参数值之间的第二映射关系。
本实施例中,云服务器在生成扇区标识指向的扇区中小区的话务负载-扇区标识指向的扇区中小区的传输时间之间关系模型和扇区标识指向的扇区中小区的话务负载-扇区标识指向的扇区中小区的传输时间之间关系模型之后,根据通过步骤F10获取到的扇区标识指向的扇区中每个小区在关断日期的每个小时的预估PRB利用率、预估平均用户数和预估平均活跃用户数,生成扇区标识指向的扇区中每个小区在关断日期的每个小时的预估吞吐量和预估传输时间,进而生成扇区标识指向的扇区在关断日期的预估吞吐率的第二参数值。
作为示例,例如扇区标识指向的扇区中小区的话务质量通过吞吐量和传输时间这两种指标表达,扇区标识指向的扇区的话务质量通过吞吐率这一种指标表达,则服务器根据扇区标识指向的扇区中小区在关断日期的每个小时的吞吐量和传输时间生成扇区标识指向的扇区在关断日期的吞吐率的第二参数值所采用的公式可以如下:
其中,trp代表扇区标识指向的扇区在关断日期的吞吐率,代表扇区标识指向的扇区中第k个小区在关断日期的第j个小时的吞吐量,H代表关断日期的24个小时,C代表扇区标识指向的扇区中包括的C个小区,代表扇区标识指向的扇区中第k个小区在关断日期的第j个小时的传输时间。应当理解,上述举例仅为证明本方案的可实现性,在其他实施例中,扇区标识指向的扇区中小区的话务质量和扇区标识指向的扇区的话务质量还可以通过其他类型的指标表达,对应的,根据扇区标识指向的扇区中小区的话务质量生成扇区标识指向的扇区的话务质量的公式还可以表达为其他形式,此次不做穷举。
F12、云服务器生成扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的第一映射关系。
F13、云服务器获取与第一参数值对应的第一门限值。
F14、云服务器通过管理服务器向基站发送小区关断信息。
需要说明的是,在具体产品实现中,PRB利用率、平均用户数、平均活跃用户数、吞吐量、传输时间和吞吐率等指标均可以被替换为其他指标,或者,在不替换的情况下,也可以包括更多或更少的质保,数据的粒度级也可以更粗或更细,图8对应实施例中的描述是为了方便理解本方案,不用于限定本方案。
为了对本申请实施例所带来的有益效果有更为直观的认识,以下对本申请实施例所带来的有益效果作进一步的介绍,在将本申请实施例提供的门限值的生成方案在2019年6 月和7月在杭州移动进行了现网验证,在保证话务质量在正常波动范围内的前提下,将综合节能效果从之前的10%提升到了15%。
在图1a 至图8所对应的实施例的基础上,为了更好的实施本申请实施例的上述方案,下面还提供用于实施上述方案的相关设备。具体参阅图9,图9为本申请实施例提供的门限值获取装置的一种结构示意图,门限值获取装置900包括可以包括获取模块901和发送模块902。其中,获取模块901,用于获取小区关断指令,小区关断指令中携带有扇区标识,小区关断指令用于指示对扇区标识指向的扇区执行小区关断操作;获取模块901,还用于根据根据扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的第一映射关系,获取与第一参数值对应的第一门限值,其中,基础小区为在对扇区标识指向的扇区执行小区关断操作的过程中扇区标识指向的扇区中不会被关断的小区,第一映射关系为根据扇区的历史话务数据生成的,第一参数值为指示扇区标识指向的扇区的话务质量的参数值;发送模块902,用于向基站发送小区关断信息,小区关断信息中包括扇区标识和第一门限值,用于指示基站在对扇区标识指向的扇区执行小区关断操作的过程中配置扇区中基础小区的话务负载的参数值小于或等于第一门限值。
本申请实施例中,提供了一种门限值的生成方案,由于第一门限值是与扇区的话务质量的第一参数值对应的,从而保证基站在利用第一门限值对容量小区进行关断之后,扇区的话务质量的可控性;此外,由于扇区的基础小区的话务负载的门限值与扇区的话务质量之间的映射关系是根据扇区的历史话务负载生成的,也即通过数据驱动的方式生成该映射关系,保证了该映射关系与扇区的实际情况相符合,从而有利于提高扇区的节能效果。
在一种可能的设计中,请参阅图10,图10为本申请实施例提供的门限值获取装置的一种结构示意图,装置900还包括:生成模块903,用于根据扇区标识指向的扇区的历史话务负载,生成扇区标识指向的扇区的预估总话务负载,扇区标识指向的扇区的历史话务负载包括于扇区标识指向的扇区的历史话务数据中;生成模块903,还用于获取扇区标识指向的扇区中基础小区的话务负载的第二门限值,并根据扇区标识指向的扇区的预估总话务负载和第二门限值,生成扇区标识指向的扇区中小区的预估话务负载;生成模块903,还用于根据扇区标识指向的扇区中小区的预估话务负载,生成扇区标识指向的扇区的预估话务质量的第二参数值,得到第二门限值与第二参数值之间的第二映射关系,第二映射关系包括于第一映射关系中;生成模块903,还用于更新第二门限值的取值,并根据更新后的第二门限值生成更新后的第二参数值,得到更新后的第二门限值和更新后的第二参数值之间的映射关系的步骤,重复执行前述步骤直至预设次数,以得到第一映射关系。
本申请实施例中,利用扇区的历史话务数据对扇区中基础小区的话务负载的门限值与扇区的话务质量之间的映射关系,能够准确地描述整个扇区在不同门限值下的话务质量的变化情况;先对扇区的总话务负载进行预估,再分配到各个小区,进而基于小区的预估话务负载,生成扇区的预估话务质量,整个过程与实际情况吻合度高,从而提高了本方案的适配性。
在一种可能的设计中,生成模块903,具体用于通过时间序列预测算法,根据扇区标识指向的扇区的历史话务负载,生成扇区标识指向的扇区的预估总话务负载,其中,时间序列预测算法包括以下一项或多项:指数平滑算法、差分整合移动平均自回归ARIMA算法和循环神经网络RNN。
本申请实施例中,利用时间序列预测算法对扇区的预估总话务负载进行预估,可以提高扇区的预估总话务负载生成过程的准确度。
在一种可能的设计中,扇区标识指向的扇区的历史话务负载的粒度级为小时级,扇区标识指向的扇区的预估总话务负载的粒度级为小时级。
本申请实施例中,由于一天中不同小时的话务负载之间差距可能较大,将扇区中小区的历史话务负载、扇区的历史总话务负载和扇区的预估总话务负载的粒度级确定为小时级的,有利于提高扇区的预估总话务负载的准确度。
在一种可能的设计中,生成模块903,具体用于:获取关断日期在关断日期归属的第一周期中的目标位置,并获取第二周期,其中,关断日期为对扇区标识指向的扇区执行小区关断操作的日期,周期的长度包括以下一项或多项:一星期、十五天和一个月,第二周期包括第一周期之前的至少一个周期;从扇区标识指向的扇区的历史话务负载中获取目标日期的历史话务负载,目标日期包括第二周期内的每个周期中与目标位置一致的至少一个日期;根据扇区在目标日期的历史话务负载,生成扇区标识指向的扇区在关断日期的预估总话务负载。
本申请实施例中,由于位于周期中同一位置的话务负载相似性较大,有利于提高扇区在关断日期的预估话务负载的准确度;此外,仅根据目标日期的历史话务负载生成扇区在关断日期的预估总话务负载,节省了预估总话务负载生成过程中所使用的计算机资源,有利于提高计算机资源的使用效率。
在一种可能的设计中,生成模块903,还用于根据扇区标识指向的扇区的历史话务负载中包括的扇区中小区的历史话务负载,生成扇区标识指向的扇区的历史总话务负载,其中,扇区标识指向的扇区的历史总话务负载为扇区标识指向的扇区中小区的历史话务负载的和。
本申请实施例中,将扇区中小区的历史话务负载求和得到扇区的历史总话务负载,可以将扇区的话务负载的预测与扇区的门限进行解耦,使得话务负载的预测过程仅与时间相关,能够降低预测的难度、提升准确性。
在一种可能的设计中,生成模块903,具体用于:获取与第二门限值对应的目标指标,并从扇区标识指向的扇区的预估总话务负载中获取与目标指标对应的第三参数值,其中,目标指标为物理资源块PRB利用率、PRB使用数、吞吐量、用户数或活跃用户数中的一项或多项;根据第三参数值和第二门限值,从扇区标识指向的扇区包括的小区中确定未关断小区;根据扇区标识指向的扇区的预估总话务负载和未关断小区,生成扇区标识指向的扇区中小区的预估话务负载。
本申请实施例中,利用扇区的话务负载中部分指标的参数值确定未关断小区,再根据扇区的预估总话务负载和未关断小区,生成扇区中小区的预估话务负载,也即生成模块903 在确定未关断小区的过程中,可以不是参考所有类型指标的参数值,降低了未关断小区确定过程的复杂度,有利于提高方案的执行效率。
在一种可能的设计中,生成模块903,还用于根据扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载,通过概率估计,生成扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,其中,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载包括于扇区标识指向的扇区的历史话务负载中,容量小区为在对扇区标识指向的扇区执行小区关断操作的过程中扇区标识指向的扇区中能够被关断的小区;生成模块903,具体用于根据扇区标识指向的扇区的预估总话务负载、第二门限值和扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成扇区标识指向的扇区中小区的预估话务负载。
本申请实施例中,预先训练生成扇区中容量小区的话务负载与扇区中基础小区的话务负载之间的比例模型,并基于前述比例模型进行扇区中小区的预估话务负载的分配操作,有利于提高本方案的鲁棒性。
在一种可能的设计中,扇区标识指向的扇区的历史话务负载为:在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载。
在一种可能的设计中,扇区标识指向的扇区的历史话务负载为:在扇区标识指向的扇区中的容量小区均为开启状态的情况下,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载。
在一种可能的设计中,获取模块901,还用于获取在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下扇区标识指向的扇区中基础小区的话务负载和扇区标识指向的扇区中未关断容量小区的话务负载和/或在扇区标识指向的扇区中的容量小区均为开启状态的情况下扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载;装置900还包括:更新模块904,用于根据在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下扇区标识指向的扇区中基础小区的话务负载和扇区标识指向的扇区中未关断容量小区的话务负载和/或在扇区标识指向的扇区中的容量小区均为开启状态的情况下扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载,通过贝叶斯更新估计,对扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型进行更新,得到更新后的扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型;生成模块903,具体用于根据扇区标识指向的扇区的预估总话务负载、第二门限值和更新后的扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成扇区标识指向的扇区中小区的预估话务负载。
本申请实施例中,利用新获取到的数据,对扇区中容量小区的话务负载与扇区中基础小区的话务负载之间的比例模型进行更新,以提高比例模型的准确度。
在一种可能的设计中,生成模块903,具体用于:根据扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务质量之间的关系模型,以及扇区标识指向的扇区中小区的预估话务负载,生成扇区标识指向的扇区中小区的预估话务质量,其中,关系模型为根据扇区标识指向的扇区的历史话务负载中包括的小区的历史话务负载以及扇区标识指向的扇区的历史话务质量中包括的与小区的历史话务负载对应的历史话务质量生成的,扇区标识指向的扇区的历史话务质量包括于扇区标识指向的扇区的历史话务数据中;根据扇区标识指向的扇区中小区的预估话务质量,生成扇区标识指向的扇区的预估话务质量的第二参数值。
本申请实施例中,预先生成小区的话务负载和小区的话务质量之间的关系模型,并逐步生成扇区的话务质量,有利于提高生成扇区的话务质量的精准度;进一步地,由于目前采集到的扇区中小区的话务数据一般为小时级,而实际操作过程中,一般是以天为单位执行小区关断操作,所以将扇区中小区的预估话务负载和预估话务质量确定为小时级,将扇区的预估话务质量的粒度级确定为天级,有利于提高与实际操作过程的适配度。
在一种可能的设计中,关系模型为扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务负载的平方与扇区标识指向的扇区中小区的话务质量之间的映射关系,扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务负载的平方为自变量,扇区标识指向的扇区中小区的话务质量为因变量。
本申请实施例中,在关系模型中引入利用二次特征,能够有效提升所述关系模型的表达能力。
在一种可能的设计中,获取模块901,还用于获取与关系模型的模型参数对应的岭回归模型,并生成岭回归模型的单调性约束;生成模块903,还用于将岭回归模型、岭回归模型的单调性约束和扇区标识指向的扇区中小区的历史话务负载以及与扇区标识指向的扇区中小区的历史话务负载对应的历史话务质量输入求解器,获取求解器输出的岭回归模型的最优解,并将其确定为关系模型的模型参数的参数值,以生成关系模型。
本申请实施例中,在与关系模型的模型参数对应的岭回归模型中加入单调性约束,保证最后得到的模型参数的参数值与实际场景适配;且利用求解器生成关系模型的模型参数的参数值,方便快捷,提高了本方案的实现效率。
在一种可能的设计中,扇区标识指向的扇区中小区的预估话务质量的指标为吞吐量、传输时间、掉话率或边缘用户的吞吐率中的一项或多项,扇区标识指向的扇区的预估话务质量的指标为吞吐率、掉话率或边缘用户的吞吐率中的一项或多项。
本申请实施例中,通过前述描述,提供了小区的预估话务质量和扇区的预估话务质量的多种指标类型,提高了本方案的实现灵活性。
在一种可能的设计中,装置900还包括:筛选模块905,用于在扇区标识指向的扇区的历史话务数据包括的参数值中存在位于参数值范围之外的参数值的情况下,从扇区标识指向的扇区的历史话务数据中剔除位于参数值范围之外的参数值,得到筛选后的扇区标识指向的扇区的历史话务数据。
本申请实施例中,在利用扇区的历史话务数据生成扇区中基础小区的话务负载的门限值与扇区的话务质量之间的映射关系之前,对获取到的扇区的历史话务数据进行筛选,不仅避免了参数值范围之外的参数值带来的统计误差,以提高生成的映射关系的准确率;此外,服务器在生成映射关系的过程中不再需要对参数值范围之外的参数值进行处理,有利于提高服务器资源的利用率。
需要说明的是,门限值获取装置900中各模块/单元之间的信息交互、执行过程等内容,与本申请中图2至图8对应的各个方法实施例基于同一构思,具体内容可参见本申请前述所示的方法实施例中的叙述,此处不再赘述。
本申请实施例还提供了一种门限值获取装置1100,请参阅图11,图11是本申请实施例提供的门限值获取装置一种结构示意图,门限值获取装置1100上可以部署有图9和图10对应实施例中所描述的门限值获取装置900,用于实现图1至图8对应实施例中服务器的功能,具体的,门限值获取装置1100由一个或多个服务器实现,门限值获取装置1100 可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(centralprocessing units,CPU)1122(例如,一个或一个以上处理器)和存储器1132,一个或一个以上存储应用程序1142或数据1144的存储介质1130(例如一个或一个以上海量存储设备)。其中,存储器1132和存储介质1130可以是短暂存储或持久存储。存储在存储介质 1130的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对门限值获取装置中的一系列指令操作。更进一步地,中央处理器1122可以设置为与存储介质1130 通信,在门限值获取装置1100上执行存储介质1130中的一系列指令操作。
门限值获取装置1100还可以包括一个或一个以上电源1126,一个或一个以上有线或无线网络接口1150,一个或一个以上输入输出接口1158,和/或,一个或一个以上操作系统1141,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
本申请实施例中,中央处理器1122,用于执行图2对应实施例中的服务器执行的门限值获取方法。具体的,中央处理器1122用于执行如下步骤:
获取小区关断指令,小区关断指令中携带有扇区标识,小区关断指令用于指示对扇区标识指向的扇区执行小区关断操作;
根据扇区标识指向的扇区中基础小区的话务负载的门限值与扇区标识指向的扇区的话务质量之间的第一映射关系,获取与第一参数值对应的第一门限值,其中,基础小区为在对扇区标识指向的扇区执行小区关断操作的过程中扇区标识指向的扇区中不会被关断的小区,第一映射关系为根据扇区的历史话务数据生成的,第一参数值为指示扇区标识指向的扇区的话务质量的参数值;
向基站发送小区关断信息,小区关断信息中包括扇区标识和第一门限值,用于指示基站在对扇区标识指向的扇区执行小区关断操作的过程中配置扇区标识指向的扇区中基础小区的话务负载的参数值小于或等于第一门限值。
可选地,中央处理器1122还用于:
根据扇区标识指向的扇区的历史话务负载,生成扇区标识指向的扇区的预估总话务负载,扇区标识指向的扇区的历史话务负载包括于扇区标识指向的扇区的历史话务数据中;
获取扇区标识指向的扇区中基础小区的话务负载的第二门限值,并根据扇区标识指向的扇区的预估总话务负载和第二门限值,生成扇区标识指向的扇区中小区的预估话务负载;
根据扇区标识指向的扇区中小区的预估话务负载,生成扇区标识指向的扇区的预估话务质量的第二参数值,得到第二门限值与第二参数值之间的第二映射关系,第二映射关系包括于第一映射关系中;
更新第二门限值的取值,并根据更新后的第二门限值生成更新后的第二参数值,得到更新后的第二门限值和更新后的第二参数值之间的映射关系的步骤,重复执行前述步骤直至预设次数,以得到第一映射关系。
可选地,中央处理器1122具体用于通过时间序列预测算法,根据扇区标识指向的扇区的历史话务负载,生成扇区标识指向的扇区的预估总话务负载,其中,时间序列预测算法包括以下一项或多项:指数平滑算法、差分整合移动平均自回归ARIMA算法和循环神经网络RNN。
可选地,扇区标识指向的扇区的历史话务负载的粒度级为小时级,扇区标识指向的扇区的预估总话务负载的粒度级为小时级。
可选地,中央处理器1122具体用于:
获取关断日期在关断日期归属的第一周期中的目标位置,并获取第二周期,其中,关断日期为对扇区标识指向的扇区执行小区关断操作的日期,周期的长度包括以下一项或多项:一星期、十五天和一个月,第二周期包括第一周期之前的至少一个周期;
从扇区标识指向的扇区的历史话务负载中获取目标日期的历史话务负载,目标日期包括第二周期内的每个周期中与目标位置一致的至少一个日期;
根据扇区在目标日期的历史话务负载,生成扇区标识指向的扇区在关断日期的预估总话务负载。
可选地,中央处理器1122还用于根据扇区标识指向的扇区的历史话务负载中包括的扇区中小区的历史话务负载,生成扇区标识指向的扇区的历史总话务负载,其中,扇区标识指向的扇区的历史总话务负载为扇区标识指向的扇区中小区的历史话务负载的和。
可选地,中央处理器1122具体用于:
获取与第二门限值对应的目标指标,并从扇区标识指向的扇区的预估总话务负载中获取与目标指标对应的第三参数值,其中,目标指标为物理资源块PRB利用率、PRB使用数、吞吐量、用户数或活跃用户数中的一项或多项;
根据第三参数值和第二门限值,从扇区标识指向的扇区包括的小区中确定未关断小区;
根据扇区标识指向的扇区的预估总话务负载和未关断小区,生成扇区标识指向的扇区中小区的预估话务负载。
可选地,中央处理器1122还用于根据扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载,通过概率估计,生成扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,其中,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载包括于扇区标识指向的扇区的历史话务负载中,容量小区为在对扇区标识指向的扇区执行小区关断操作的过程中扇区标识指向的扇区中能够被关断的小区;
中央处理器1122具体用于根据扇区标识指向的扇区的预估总话务负载、第二门限值和扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成扇区标识指向的扇区中小区的预估话务负载。
可选地,扇区标识指向的扇区的历史话务负载为:在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载。
可选地,扇区标识指向的扇区的历史话务负载为:在扇区标识指向的扇区中的容量小区均为开启状态的情况下,扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载。
可选地,中央处理器1122还用于:
获取在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下扇区标识指向的扇区中基础小区的话务负载和扇区标识指向的扇区中未关断容量小区的话务负载和/ 或在扇区标识指向的扇区中的容量小区均为开启状态的情况下扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载;
根据在扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下扇区标识指向的扇区中基础小区的话务负载和扇区标识指向的扇区中未关断容量小区的话务负载和/ 或在扇区标识指向的扇区中的容量小区均为开启状态的情况下扇区标识指向的扇区中基础小区的历史话务负载和扇区标识指向的扇区中容量小区的历史话务负载,通过贝叶斯更新估计,对扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型进行更新,得到更新后的扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型;
中央处理器1122具体用于根据扇区标识指向的扇区的预估总话务负载、第二门限值和更新后的扇区标识指向的扇区中容量小区的话务负载与扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成扇区标识指向的扇区中小区的预估话务负载。
可选地,中央处理器1122具体用于:
根据扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务质量之间的关系模型,以及扇区标识指向的扇区中小区的预估话务负载,生成扇区标识指向的扇区中小区的预估话务质量,其中,关系模型为根据扇区标识指向的扇区的历史话务负载中包括的小区的历史话务负载以及扇区标识指向的扇区的历史话务质量中包括的与小区的历史话务负载对应的历史话务质量生成的,扇区标识指向的扇区的历史话务质量包括于扇区标识指向的扇区的历史话务数据中;
根据扇区标识指向的扇区中小区的预估话务质量,生成扇区标识指向的扇区的预估话务质量的第二参数值。
可选地,关系模型为扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务负载的平方与扇区标识指向的扇区中小区的话务质量之间的映射关系,扇区标识指向的扇区中小区的话务负载和扇区标识指向的扇区中小区的话务负载的平方为自变量,扇区标识指向的扇区中小区的话务质量为因变量。
可选地,中央处理器1122还用于:
获取与关系模型的模型参数对应的岭回归模型,并生成岭回归模型的单调性约束;
将岭回归模型、岭回归模型的单调性约束和扇区标识指向的扇区中小区的历史话务负载以及与扇区标识指向的扇区中小区的历史话务负载对应的历史话务质量输入求解器,获取求解器输出的岭回归模型的最优解,并将其确定为关系模型的模型参数的参数值,以生成关系模型。
可选地,扇区标识指向的扇区中小区的预估话务质量的指标为吞吐量、传输时间、掉话率或边缘用户的吞吐率中的一项或多项,扇区标识指向的扇区的预估话务质量的指标为吞吐率、掉话率或边缘用户的吞吐率中的一项或多项。
可选地,中央处理器1122还用于在扇区标识指向的扇区的历史话务数据包括的参数值中存在位于参数值范围之外的参数值的情况下,从扇区标识指向的扇区的历史话务数据中剔除位于参数值范围之外的参数值,得到筛选后的扇区标识指向的扇区的历史话务数据。
需要说明的是,对于中央处理器1122执行门限值获取方法的具体实现方式以及带来的有益效果,均可以参考图2至图9对应的各个方法实施例中的叙述,此处不再一一赘述。
本申请实施例中还提供一种计算机可读存储介质,该计算机可读存储介质中存储有用于生成车辆行驶速度的程序,当其在计算机上行驶时,使得计算机执行如前述图2至图8 所示实施例描述的方法中服务器所执行的步骤。
本申请实施例中还提供一种包括计算机程序产品,当其在计算机上行驶时,使得计算机执行如前述图2至图8所示实施例描述的方法中服务器所执行的步骤。
本申请实施例中还提供一种电路系统,所述电路系统包括处理电路,所述处理电路配置为执行如前述图2至图8所示实施例描述的方法中服务器所执行的步骤。
本申请实施例提供的门限值获取装置或服务器具体可以为芯片,芯片包括:处理单元和通信单元,所述处理单元例如可以是处理器,所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令,以使服务器内的芯片执行上述图2至图8所示实施例描述的门限值获取方法。可选地,所述存储单元为所述芯片内的存储单元,如寄存器、缓存等,所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元,如只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)等。
其中,上述任一处提到的处理器,可以是一个通用中央处理器,微处理器,ASIC,或一个或多个用于控制上述第一方面方法的程序执行的集成电路。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部模块来实现本实施例方案的目的。另外,本申请提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用 CLU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请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可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等,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)执行本申请各个实施例所述的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如, DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
Claims (31)
1.一种门限值获取方法,其特征在于,所述方法包括:
获取小区关断指令,所述小区关断指令中携带有扇区标识,所述小区关断指令用于指示对所述扇区标识指向的扇区执行小区关断操作;
根据所述扇区标识指向的扇区中基础小区的话务负载的门限值与所述扇区标识指向的扇区的话务质量之间的第一映射关系,获取与第一参数值对应的第一门限值,其中,基础小区为在对所述扇区标识指向的扇区执行小区关断操作的过程中所述扇区标识指向的扇区中不会被关断的小区,所述第一映射关系为根据所述扇区标识指向的扇区的历史话务数据生成的,所述第一参数值为指示所述扇区标识指向的扇区的话务质量的参数值;
向基站发送小区关断信息,所述小区关断信息中包括所述扇区标识和所述第一门限值,用于指示所述基站在对所述扇区标识指向的扇区执行小区关断操作的过程中配置所述扇区标识指向的扇区中基础小区的话务负载的参数值小于或等于所述第一门限值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述扇区标识指向的扇区中基础小区的话务负载的门限值与所述扇区标识指向的扇区的话务质量之间的第一映射关系,获取与第一参数值对应的第一门限值之前,所述方法还包括:
根据所述扇区标识指向的扇区的历史话务负载,生成所述扇区标识指向的扇区的预估总话务负载,所述扇区标识指向的扇区的历史话务负载包括于所述扇区标识指向的扇区的历史话务数据中;
获取所述扇区标识指向的扇区中基础小区的话务负载的第二门限值,并根据所述扇区标识指向的扇区的预估总话务负载和所述第二门限值,生成所述扇区标识指向的扇区中小区的预估话务负载;
根据所述扇区标识指向的扇区中小区的预估话务负载,生成所述扇区标识指向的扇区的预估话务质量的第二参数值,得到所述第二门限值与所述第二参数值之间的第二映射关系,所述第二映射关系包括于所述第一映射关系中;
更新所述第二门限值的取值,并根据更新后的第二门限值生成更新后的第二参数值,得到更新后的第二门限值和更新后的第二参数值之间的映射关系的步骤,重复执行前述步骤直至预设次数,以得到所述第一映射关系。
3.根据权利要求2所述的方法,其特征在于,所述根据所述扇区标识指向的扇区的历史话务负载,生成所述扇区标识指向的扇区的预估总话务负载,包括:
通过时间序列预测算法,根据所述扇区标识指向的扇区的历史话务负载,生成所述扇区标识指向的扇区的预估总话务负载,其中,所述时间序列预测算法包括以下一项或多项:指数平滑算法、差分整合移动平均自回归ARIMA算法和循环神经网络RNN。
4.根据权利要求2或3所述的方法,其特征在于,所述扇区标识指向的扇区的历史话务负载的粒度级为小时级,所述扇区标识指向的扇区的预估总话务负载的粒度级为小时级。
5.根据权利要求2或3所述的方法,其特征在于,所述根据所述扇区标识指向的扇区的历史话务负载,生成所述扇区标识指向的扇区的预估总话务负载,包括:
获取关断日期在所述关断日期归属的第一周期中的目标位置,并获取第二周期,其中,所述关断日期为对所述扇区标识指向的扇区执行小区关断操作的日期,周期的长度包括以下一项或多项:一星期、十五天和一个月,所述第二周期包括所述第一周期之前的至少一个周期;
从所述扇区标识指向的扇区的历史话务负载中获取目标日期的历史话务负载,所述目标日期包括所述第二周期内的每个周期中与所述目标位置一致的至少一个日期;
根据扇区在所述目标日期的历史话务负载,生成所述扇区标识指向的扇区在所述关断日期的预估总话务负载。
6.根据权利要求2所述的方法,其特征在于,所述根据所述扇区标识指向的扇区的历史话务负载,生成所述扇区标识指向的扇区的预估总话务负载之前,所述方法还包括:
根据所述扇区标识指向的扇区的历史话务负载中包括的扇区中小区的历史话务负载,生成所述扇区标识指向的扇区的历史总话务负载,其中,所述扇区标识指向的扇区的历史总话务负载为所述扇区标识指向的扇区中小区的历史话务负载的和。
7.根据权利要求2或3所述的方法,其特征在于,所述根据所述扇区标识指向的扇区的预估总话务负载和所述第二门限值,生成所述扇区标识指向的扇区中小区的预估话务负载,包括:
获取与所述第二门限值对应的目标指标,并从所述扇区标识指向的扇区的预估总话务负载中获取与所述目标指标对应的第三参数值,其中,所述目标指标为物理资源块PRB利用率、PRB使用数、吞吐量、用户数或活跃用户数中的一项或多项;
根据所述第三参数值和所述第二门限值,从所述扇区标识指向的扇区包括的小区中确定未关断小区;
根据所述扇区标识指向的扇区的预估总话务负载和所述未关断小区,生成所述扇区标识指向的扇区中小区的预估话务负载。
8.根据权利要求2或3所述的方法,其特征在于,所述根据所述扇区标识指向的扇区的预估总话务负载和所述第二门限值,生成所述扇区标识指向的扇区中小区的预估话务负载之前,所述方法还包括:
根据所述扇区标识指向的扇区中基础小区的历史话务负载和所述扇区标识指向的扇区中容量小区的历史话务负载,通过概率估计,生成所述扇区标识指向的扇区中容量小区的话务负载与所述扇区标识指向的扇区中基础小区的话务负载之间的比例模型,其中,所述扇区标识指向的扇区中基础小区的历史话务负载和所述扇区标识指向的扇区中容量小区的历史话务负载包括于所述扇区标识指向的扇区的历史话务负载中,容量小区为在对所述扇区标识指向的扇区执行小区关断操作的过程中所述扇区标识指向的扇区中能够被关断的小区;
所述根据所述扇区标识指向的扇区的预估总话务负载和所述第二门限值,生成所述扇区标识指向的扇区中小区的预估话务负载,包括:
根据所述扇区标识指向的扇区的预估总话务负载、所述第二门限值和所述扇区标识指向的扇区中容量小区的话务负载与所述扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成所述扇区标识指向的扇区中小区的预估话务负载。
9.根据权利要求8所述的方法,其特征在于,所述根据所述扇区标识指向的扇区中基础小区的历史话务负载和所述扇区标识指向的扇区中容量小区的历史话务负载,通过概率估计,生成所述扇区标识指向的扇区中容量小区的话务负载与所述扇区标识指向的扇区中基础小区的话务负载之间的比例模型之后,所述方法还包括:
获取在所述扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下所述扇区标识指向的扇区中基础小区的话务负载和所述扇区标识指向的扇区中未关断容量小区的话务负载和/或在所述扇区标识指向的扇区中的容量小区均为开启状态的情况下所述扇区标识指向的扇区中基础小区的历史话务负载和所述扇区标识指向的扇区中容量小区的历史话务负载;
根据在所述扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下所述扇区标识指向的扇区中基础小区的话务负载和所述扇区标识指向的扇区中未关断容量小区的话务负载和/或在所述扇区标识指向的扇区中的容量小区均为开启状态的情况下所述扇区标识指向的扇区中基础小区的历史话务负载和所述扇区标识指向的扇区中容量小区的历史话务负载,通过贝叶斯更新估计,对所述扇区标识指向的扇区中容量小区的话务负载与所述扇区标识指向的扇区中基础小区的话务负载之间的比例模型进行更新,得到更新后的所述扇区标识指向的扇区中容量小区的话务负载与所述扇区标识指向的扇区中基础小区的话务负载之间的比例模型;
所述根据所述扇区标识指向的扇区的预估总话务负载、所述第二门限值和所述扇区标识指向的扇区中容量小区的话务负载与所述扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成所述扇区标识指向的扇区中小区的预估话务负载,包括:
根据所述扇区标识指向的扇区的预估总话务负载、所述第二门限值和更新后的所述扇区标识指向的扇区中容量小区的话务负载与所述扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成所述扇区标识指向的扇区中小区的预估话务负载。
10.根据权利要求2或3所述的方法,其特征在于,所述根据小区的预估话务负载,生成所述扇区标识指向的扇区的预估话务质量的第二参数值,包括:
根据所述扇区标识指向的扇区中小区的话务负载和所述扇区标识指向的扇区中小区的话务质量之间的关系模型,以及所述扇区标识指向的扇区中小区的预估话务负载,生成所述扇区标识指向的扇区中小区的预估话务质量,其中,所述关系模型为根据所述扇区标识指向的扇区的历史话务负载中包括的小区的历史话务负载以及所述扇区标识指向的扇区的历史话务质量中包括的与小区的历史话务负载对应的历史话务质量生成的,所述扇区标识指向的扇区的历史话务质量包括于所述扇区标识指向的扇区的历史话务数据中;
根据所述扇区标识指向的扇区中小区的预估话务质量,生成所述扇区标识指向的扇区的预估话务质量的第二参数值。
11.根据权利要求10所述的方法,其特征在于,所述关系模型为所述扇区标识指向的扇区中小区的话务负载和所述扇区标识指向的扇区中小区的话务负载的平方与所述扇区标识指向的扇区中小区的话务质量之间的映射关系,所述扇区标识指向的扇区中小区的话务负载和所述扇区标识指向的扇区中小区的话务负载的平方为自变量,所述扇区标识指向的扇区中小区的话务质量为因变量。
12.根据权利要求10所述的方法,其特征在于,所述生成所述扇区标识指向的扇区的话务质量的第二参数值之前,所述方法还包括:
获取与所述关系模型的模型参数对应的岭回归模型,并生成所述岭回归模型的单调性约束;
将所述岭回归模型、所述岭回归模型的单调性约束和所述扇区标识指向的扇区中小区的历史话务负载以及与所述扇区标识指向的扇区中小区的历史话务负载对应的历史话务质量输入求解器,获取求解器输出的所述岭回归模型的最优解,并将其确定为所述关系模型的模型参数的参数值,以生成所述关系模型。
13.根据权利要求10所述的方法,其特征在于,所述扇区标识指向的扇区中小区的预估话务质量的指标为吞吐量、传输时间、掉话率或边缘用户的吞吐率中的一项或多项,所述扇区标识指向的扇区的预估话务质量的指标为吞吐率、掉话率或边缘用户的吞吐率中的一项或多项。
14.根据权利要求1至3任一项所述的方法,其特征在于,所述获取与第一参数值对应的第一门限值之前,所述方法还包括:
在所述扇区标识指向的扇区的历史话务数据包括的参数值中存在位于参数值范围之外的参数值的情况下,从所述扇区标识指向的扇区的历史话务数据中剔除位于所述参数值范围之外的参数值,得到筛选后的所述扇区标识指向的扇区的历史话务数据。
15.一种门限值获取装置,其特征在于,所述装置包括:
获取模块,用于获取小区关断指令,所述小区关断指令中携带有扇区标识,所述小区关断指令用于指示对所述扇区标识指向的扇区执行小区关断操作;
所述获取模块,还用于根据根据所述扇区标识指向的扇区中基础小区的话务负载的门限值与所述扇区标识指向的扇区的话务质量之间的第一映射关系,获取与第一参数值对应的第一门限值,其中,基础小区为在对所述扇区标识指向的扇区执行小区关断操作的过程中所述扇区标识指向的扇区中不会被关断的小区,所述第一映射关系为根据所述扇区的历史话务数据生成的,所述第一参数值为指示所述扇区标识指向的扇区的话务质量的参数值;
发送模块,用于向基站发送小区关断信息,所述小区关断信息中包括所述扇区标识和所述第一门限值,用于指示所述基站在对所述扇区标识指向的扇区执行小区关断操作的过程中配置所述扇区中基础小区的话务负载的参数值小于或等于所述第一门限值。
16.根据权利要求15所述的装置,其特征在于,所述装置还包括:
生成模块,用于根据所述扇区标识指向的扇区的历史话务负载,生成所述扇区标识指向的扇区的预估总话务负载,所述扇区标识指向的扇区的历史话务负载包括于所述扇区标识指向的扇区的历史话务数据中;
所述生成模块,还用于获取所述扇区标识指向的扇区中基础小区的话务负载的第二门限值,并根据所述扇区标识指向的扇区的预估总话务负载和所述第二门限值,生成所述扇区标识指向的扇区中小区的预估话务负载;
所述生成模块,还用于根据所述扇区标识指向的扇区中小区的预估话务负载,生成所述扇区标识指向的扇区的预估话务质量的第二参数值,得到所述第二门限值与所述第二参数值之间的第二映射关系,所述第二映射关系包括于所述第一映射关系中;
所述生成模块,还用于更新所述第二门限值的取值,并根据更新后的第二门限值生成更新后的第二参数值,得到更新后的第二门限值和更新后的第二参数值之间的映射关系的步骤,重复执行前述步骤直至预设次数,以得到所述第一映射关系。
17.根据权利要求16所述的装置,其特征在于,所述生成模块,具体用于通过时间序列预测算法,根据所述扇区标识指向的扇区的历史话务负载,生成所述扇区标识指向的扇区的预估总话务负载,其中,所述时间序列预测算法包括以下一项或多项:指数平滑算法、差分整合移动平均自回归ARIMA算法和循环神经网络RNN。
18.根据权利要求16或17所述的装置,其特征在于,所述扇区标识指向的扇区的历史话务负载的粒度级为小时级,所述扇区标识指向的扇区的预估总话务负载的粒度级为小时级。
19.根据权利要求16或17所述的装置,其特征在于,所述生成模块,具体用于:
获取关断日期在所述关断日期归属的第一周期中的目标位置,并获取第二周期,其中,所述关断日期为对所述扇区标识指向的扇区执行小区关断操作的日期,周期的长度包括以下一项或多项:一星期、十五天和一个月,所述第二周期包括所述第一周期之前的至少一个周期;
从所述扇区标识指向的扇区的历史话务负载中获取目标日期的历史话务负载,所述目标日期包括所述第二周期内的每个周期中与所述目标位置一致的至少一个日期;
根据扇区在所述目标日期的历史话务负载,生成所述扇区标识指向的扇区在所述关断日期的预估总话务负载。
20.根据权利要求16所述的装置,其特征在于,所述生成模块,还用于根据所述扇区标识指向的扇区的历史话务负载中包括的扇区中小区的历史话务负载,生成所述扇区标识指向的扇区的历史总话务负载,其中,所述扇区标识指向的扇区的历史总话务负载为所述扇区标识指向的扇区中小区的历史话务负载的和。
21.根据权利要求16或17所述的装置,其特征在于,所述生成模块,具体用于:
获取与所述第二门限值对应的目标指标,并从所述扇区标识指向的扇区的预估总话务负载中获取与所述目标指标对应的第三参数值,其中,所述目标指标为物理资源块PRB利用率、PRB使用数、吞吐量、用户数或活跃用户数中的一项或多项;
根据所述第三参数值和所述第二门限值,从所述扇区标识指向的扇区包括的小区中确定未关断小区;
根据所述扇区标识指向的扇区的预估总话务负载和所述未关断小区,生成所述扇区标识指向的扇区中小区的预估话务负载。
22.根据权利要求16或17所述的装置,其特征在于,
所述生成模块,还用于根据所述扇区标识指向的扇区中基础小区的历史话务负载和所述扇区标识指向的扇区中容量小区的历史话务负载,通过概率估计,生成所述扇区标识指向的扇区中容量小区的话务负载与所述扇区标识指向的扇区中基础小区的话务负载之间的比例模型,其中,所述扇区标识指向的扇区中基础小区的历史话务负载和所述扇区标识指向的扇区中容量小区的历史话务负载包括于所述扇区标识指向的扇区的历史话务负载中,容量小区为在对所述扇区标识指向的扇区执行小区关断操作的过程中所述扇区标识指向的扇区中能够被关断的小区;
所述生成模块,具体用于根据所述扇区标识指向的扇区的预估总话务负载、所述第二门限值和所述扇区标识指向的扇区中容量小区的话务负载与所述扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成所述扇区标识指向的扇区中小区的预估话务负载。
23.根据权利要求22所述的装置,其特征在于,
所述获取模块,还用于获取在所述扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下所述扇区标识指向的扇区中基础小区的话务负载和所述扇区标识指向的扇区中未关断容量小区的话务负载和/或在所述扇区标识指向的扇区中的容量小区均为开启状态的情况下所述扇区标识指向的扇区中基础小区的历史话务负载和所述扇区标识指向的扇区中容量小区的历史话务负载;
所述装置还包括:更新模块,用于根据在所述扇区标识指向的扇区中的至少一个容量小区为关断状态的情况下所述扇区标识指向的扇区中基础小区的话务负载和所述扇区标识指向的扇区中未关断容量小区的话务负载和/或在所述扇区标识指向的扇区中的容量小区均为开启状态的情况下所述扇区标识指向的扇区中基础小区的历史话务负载和所述扇区标识指向的扇区中容量小区的历史话务负载,通过贝叶斯更新估计,对所述扇区标识指向的扇区中容量小区的话务负载与所述扇区标识指向的扇区中基础小区的话务负载之间的比例模型进行更新,得到更新后的所述扇区标识指向的扇区中容量小区的话务负载与所述扇区标识指向的扇区中基础小区的话务负载之间的比例模型;
所述生成模块,具体用于根据所述扇区标识指向的扇区的预估总话务负载、所述第二门限值和更新后的所述扇区标识指向的扇区中容量小区的话务负载与所述扇区标识指向的扇区中基础小区的话务负载之间的比例模型,生成所述扇区标识指向的扇区中小区的预估话务负载。
24.根据权利要求16或17所述的装置,其特征在于,所述生成模块,具体用于:
根据所述扇区标识指向的扇区中小区的话务负载和所述扇区标识指向的扇区中小区的话务质量之间的关系模型,以及所述扇区标识指向的扇区中小区的预估话务负载,生成所述扇区标识指向的扇区中小区的预估话务质量,其中,所述关系模型为根据所述扇区标识指向的扇区的历史话务负载中包括的小区的历史话务负载以及所述扇区标识指向的扇区的历史话务质量中包括的与小区的历史话务负载对应的历史话务质量生成的,所述扇区标识指向的扇区的历史话务质量包括于所述扇区标识指向的扇区的历史话务数据中;
根据所述扇区标识指向的扇区中小区的预估话务质量,生成所述扇区标识指向的扇区的预估话务质量的第二参数值。
25.根据权利要求24所述的装置,其特征在于,所述关系模型为所述扇区标识指向的扇区中小区的话务负载和所述扇区标识指向的扇区中小区的话务负载的平方与所述扇区标识指向的扇区中小区的话务质量之间的映射关系,所述扇区标识指向的扇区中小区的话务负载和所述扇区标识指向的扇区中小区的话务负载的平方为自变量,所述扇区标识指向的扇区中小区的话务质量为因变量。
26.根据权利要求24所述的装置,其特征在于,
所述获取模块,还用于获取与所述关系模型的模型参数对应的岭回归模型,并生成所述岭回归模型的单调性约束;
所述生成模块,还用于将所述岭回归模型、所述岭回归模型的单调性约束和所述扇区标识指向的扇区中小区的历史话务负载以及与所述扇区标识指向的扇区中小区的历史话务负载对应的历史话务质量输入求解器,获取求解器输出的所述岭回归模型的最优解,并将其确定为所述关系模型的模型参数的参数值,以生成所述关系模型。
27.根据权利要求24所述的装置,其特征在于,所述扇区标识指向的扇区中小区的预估话务质量的指标为吞吐量、传输时间、掉话率或边缘用户的吞吐率中的一项或多项,所述扇区标识指向的扇区的预估话务质量的指标为吞吐率、掉话率或边缘用户的吞吐率中的一项或多项。
28.根据权利要求15至17任一项所述的装置,其特征在于,
所述装置还包括:筛选模块,用于在所述扇区标识指向的扇区的历史话务数据包括的参数值中存在位于参数值范围之外的参数值的情况下,从所述扇区标识指向的扇区的历史话务数据中剔除位于所述参数值范围之外的参数值,得到筛选后的所述扇区标识指向的扇区的历史话务数据。
29.一种门限值获取装置,其特征在于,包括处理器,所述处理器和存储器耦合,所述存储器存储有程序指令,当所述存储器存储的程序指令被所述处理器执行时实现权利要求1至14中任一项所述的方法。
30.一种计算机可读存储介质,其特征在于,包括程序,当其在计算机上运行时,使得计算机执行如权利要求1至14中任一项所述的方法。
31.一种电路系统,其特征在于,所述电路系统包括处理电路,所述处理电路配置为执行如权利要求1至14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010043215.7A CN113133094B (zh) | 2020-01-15 | 2020-01-15 | 一种门限值获取方法以及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010043215.7A CN113133094B (zh) | 2020-01-15 | 2020-01-15 | 一种门限值获取方法以及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113133094A CN113133094A (zh) | 2021-07-16 |
CN113133094B true CN113133094B (zh) | 2022-07-12 |
Family
ID=76771829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010043215.7A Active CN113133094B (zh) | 2020-01-15 | 2020-01-15 | 一种门限值获取方法以及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113133094B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011021975A1 (en) * | 2009-08-18 | 2011-02-24 | Telefonaktiebolaget Lm Ericsson (Publ) | Energy-saving mechanisms in a heterogeneous radio communication network |
CN105814950A (zh) * | 2013-12-05 | 2016-07-27 | 华为技术有限公司 | 异构网络节能方法及设备 |
CN108270929A (zh) * | 2016-12-30 | 2018-07-10 | 杭州华为数字技术有限公司 | 网络话务量预测方法及装置 |
CN108990073A (zh) * | 2017-06-02 | 2018-12-11 | 中兴通讯股份有限公司 | 无线小区的覆盖控制方法、装置及基站 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8942710B2 (en) * | 2012-08-28 | 2015-01-27 | At&T Mobility Ii Llc | Facilitation of idle mode traffic load balancing |
-
2020
- 2020-01-15 CN CN202010043215.7A patent/CN113133094B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011021975A1 (en) * | 2009-08-18 | 2011-02-24 | Telefonaktiebolaget Lm Ericsson (Publ) | Energy-saving mechanisms in a heterogeneous radio communication network |
CN105814950A (zh) * | 2013-12-05 | 2016-07-27 | 华为技术有限公司 | 异构网络节能方法及设备 |
CN108270929A (zh) * | 2016-12-30 | 2018-07-10 | 杭州华为数字技术有限公司 | 网络话务量预测方法及装置 |
CN108990073A (zh) * | 2017-06-02 | 2018-12-11 | 中兴通讯股份有限公司 | 无线小区的覆盖控制方法、装置及基站 |
Also Published As
Publication number | Publication date |
---|---|
CN113133094A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210185676A1 (en) | Dynamic carrier management and network slicing for internet of things (iot) | |
CN107171848B (zh) | 一种流量预测方法和装置 | |
Pérez-Romero et al. | Knowledge-based 5G radio access network planning and optimization | |
Tikunov et al. | Traffic prediction for mobile network using Holt-Winter’s exponential smoothing | |
CN107204894B (zh) | 网络业务质量的监控方法及装置 | |
CN111065114B (zh) | 节能管理方法、装置及存储介质 | |
US11632767B2 (en) | BWP allocation method, apparatus, electronic device and computer readable storage medium | |
WO2017054422A1 (zh) | 小区忙时段管理方法、装置及自组织网络网元 | |
CN113133064A (zh) | 一种切换方法及装置、存储介质、电子设备 | |
CN116743669A (zh) | 一种深度强化学习分组调度方法、系统、终端及介质 | |
Ouyang et al. | Application behaviors driven self-organizing network (SON) for 4G LTE networks | |
CN113133094B (zh) | 一种门限值获取方法以及相关设备 | |
WO2021253905A1 (zh) | 小区重选方法、网管设备、基站及存储介质 | |
Singh et al. | A partially observable MDP approach for sequential testing for infectious diseases such as covid-19 | |
CN117435306A (zh) | 集群容器扩缩容方法、装置、设备及存储介质 | |
Pérez-Romero et al. | Monitoring and analytics for the optimisation of cloud enabled small cells | |
EP3866527A1 (en) | Paging method and apparatus, equipment, and storage medium | |
Schiavo et al. | Forecasting for network management with joint statistical modelling and machine learning | |
CN113867933B (zh) | 边缘计算应用部署方法和装置 | |
CN116862036A (zh) | 一种负载预测方法以及装置 | |
WO2023193680A1 (zh) | 基站控制方法、网络设备、基站及存储介质 | |
Badarch et al. | Big data area: A novel network performance analysis technique based on bayesian traffic classification algorithm | |
US20240089757A1 (en) | Systems and methods for selecting a machine learning model that predicts a subscriber network experience in a geographic area | |
WO2023073401A1 (en) | Method for implementing radio topology recommender systems | |
Hecker et al. | Application of classification and regression trees for paging traffic prediction in LAC planning |
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 |