CN114007251A - 用于基站节能的方法、装置和系统 - Google Patents
用于基站节能的方法、装置和系统 Download PDFInfo
- Publication number
- CN114007251A CN114007251A CN202010737498.5A CN202010737498A CN114007251A CN 114007251 A CN114007251 A CN 114007251A CN 202010737498 A CN202010737498 A CN 202010737498A CN 114007251 A CN114007251 A CN 114007251A
- Authority
- CN
- China
- Prior art keywords
- energy
- time
- track area
- road section
- section track
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000004134 energy conservation Methods 0.000 title claims abstract description 6
- 238000012549 training Methods 0.000 claims abstract description 39
- 230000008859 change Effects 0.000 claims abstract description 21
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 claims description 8
- 230000005059 dormancy Effects 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000027311 M phase Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
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
- H04W52/02—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)
Abstract
本公开涉及用于基站节能的方法、装置和系统。所述方法包括：按列车的行车轨迹顺序将列车线路L划分成一个或多个路段轨迹区域c’；训练节能策略预测模型；以及基于所述节能策略预测模型，利用T时刻之前的历史用户数信息U(c’,T‑i,L)以及之前预测的节能策略的变化ΔM(T‑1)＝M(c’,T‑1,L)‑M(c’,T‑2,L)，预测各个路段轨迹区域c’在T时刻的节能策略M(c’,T,L)并向相应的基站小区下发关于节能策略的指令。
Description
技术领域
本公开涉及无线通信领域，更具体地，涉及基站节能。
背景技术
基站节能是运营商在无线网络智慧运营领域的重要课题，尤其在5G时代，基站能耗成本数倍增加，运营成本增加的问题更为凸显。高速场景是无线网络领域的重要场景，在地铁、铁路、高速公路等高速场景下，基站负载变化较快，用户驻留时间短，且负载变化不具有周期性的特征。
传统的基站节能方法包括方法1：利用基站负载的历史时间趋势预测未来一段时间的负载，并进行能耗预测和模拟，从而设置节能策略。但由于高速场景下车次发车时间及列车运行时间不固定，因而该方法通过历史数据对未来一段时间负载和能耗进行预测和模拟的方法准确度不高，且速度较慢。方法2：对一定区域内的业务量进行整体预测，并对区域内所有基站采取逐步的关断策略。但由于高速场景下，一定地理区域内的基站负载不具有周期性特征，因此该方法不适用于高速场景。方法3：基站间通过信令实时同步负载信息，并根据负载阈值协同节能。但由于高速场景下负载变化变化快，用户驻留时间短，节能策略生效具有一定的滞后性，因此该方法依然不能满足实时性的要求。方法4：通过配置进行定时节能。但该方法仅适用于在高速场景的固定非运营时间节能，不能很好地适应运营时间的变化，且实时性不够，尤其对于高速公路、铁路等24小时营业的场景，节电效果不佳。
当前仍然没有针对高速场景的专门基站节能设计。传统基站节能方法在针对高速场景方面，存在实时性差、预判性差等缺陷。因此，期望提出一种针对高速场景下的基站节能技术。
发明内容
本发明面向地铁、铁路、高速公路等典型的高速场景，旨在提出一种利用运营商现网设备接口和数据，解决高速场景下基站节能问题的方法、装置与系统。
在下文中给出了关于本公开的简要概述，以便提供关于本公开的一些方面的基本理解。但是，应当理解，这个概述并不是关于本公开的穷举性概述。它并不是意图用来确定本公开的关键性部分或重要部分，也不是意图用来限定本公开的范围。其目的仅仅是以简化的形式给出关于本公开的某些概念，以此作为稍后给出的更详细描述的前序。
本公开涉及一种用于基站节能的方法，包括：按列车的行车轨迹顺序将列车线路L划分成一个或多个路段轨迹区域c’；训练节能策略预测模型，包括：采集与列车线路L相关联的每个基站小区c在t时刻的用户数指标P(c,t,L)，并对每个路段轨迹区域c’对应的基站小区c的用户数指标P(c,t,L)进行求和，从而得到每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)，其中用户数指标P(c,t,L)包括用户装备UE数和最大无线电资源控制RRC连接用户数；基于每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)和高负载阈值θ设置每个路段轨迹区域c’在t时刻的用户标识U(c’,t,L)；基于每个路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
来确定每个路段轨迹区域c’在t时刻应当采取的节能策略E(c’,t,L)；以及使用各个路段轨迹区域c’在t时刻之前的历史用户标识U(c’,t-i,L)以及各个路段轨迹区域c’的节能策略从t-2时刻到t-1时刻的变化差值ΔE(t-1)＝E(c’,t-1,L)-E(c’,t-2,L)作为训练参数，以所确定的各个路段轨迹区域c’在t时刻的节能策略E(c’,t,L)作为训练目标，训练用于预测节能策略M(c’,t,L)的节能策略预测模型；以及基于所述节能策略预测模型，利用T时刻之前的历史用户数信息U(c’,T-i,L)以及之前预测的节能策略的变化ΔM(T-1)＝M(c’,T-1,L)-M(c’,T-2,L)，预测各个路段轨迹区域c’在T时刻的节能策略M(c’,T,L)并向相应的基站小区下发关于节能策略的指令。
本公开涉及一种用于基站节能的系统，包括：路段划分单元，被配置为按列车的行车轨迹顺序将列车线路L划分成一个或多个路段轨迹区域c’；节能策略预测模型训练单元，被配置为：采集与列车线路L相关联的每个基站小区c在t时刻的用户数指标P(c,t,L)，并对每个路段轨迹区域c’对应的基站小区c的用户数指标P(c,t,L)进行求和，从而得到每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)，其中用户数指标P(c,t,L)包括用户装备UE数和最大无线电资源控制RRC连接用户数；基于每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)和高负载阈值θ设置每个路段轨迹区域c’在t时刻的用户标识U(c’,t,L)；基于每个路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
来确定每个路段轨迹区域c’在t时刻应当采取的节能策略E(c’,t,L)；以及使用各个路段轨迹区域c’在t时刻之前的历史用户标识U(c’,t-i,L)以及各个路段轨迹区域c’的节能策略从t-2时刻到t-1时刻的变化差值ΔE(t-1)＝E(c’,t-1,L)-E(c’,t-2,L)作为训练参数，以各个路段轨迹区域c’在t时刻的节能策略E(c’,t,L)作为训练目标，训练用于预测节能策略M(c’,t,L)的节能策略预测模型；以及节能策略预测单元，被配置为基于所述节能策略预测模型，利用T时刻之前的历史用户数信息U(c’,T-i,L)以及之前预测的节能策略的变化ΔM(T-1)＝M(c’,T-1,L)-M(c’,T-2,L)，预测各个路段轨迹区域c’在T时刻的节能策略M(c’,T,L)并向相应的基站小区下发关于节能策略的指令。
本公开涉及一种用于基站节能的装置，包括：存储器，其上存储有指令；以及处理器，所述处理器耦合到所述存储器，并且被配置为在执行所述指令时使得所述装置执行上述用于基站节能的方法。
本公开涉及一种其上存储有可执行指令的非暂态计算机可读存储介质，所述可执行指令当由一个或多个处理器执行时，使得所述一个或多个处理器执行上述用于基站节能的方法。
根据本发明的实施例的方法、装置和系统通过获取高速场景下每个基站的用户数，结合空间拓扑，计算和预测用户轨迹，从而能够实时生成基站小区的节能策略。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得更为清楚。
附图说明
构成说明书的一部分的附图描述了本公开的示例性实施例，并且连同说明书一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1是根据本公开的实施例的用于基站节能的方法的流程图；
图2是根据本公开的又一实施例的用于基站节能的方法的流程图；以及
图3是根据本公开的又一实施例的用于基站节能的系统的框图。
具体实施方式
在下文中，将参照附图详细地描述本公开内容的优选实施例。注意，在本说明书和附图中，有时在不同的附图之间共同使用同一附图标记来表示相同部分或具有相同功能的部分，因而省略其重复说明。在本说明书中，使用相似的标号和字母表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
为了便于理解，在附图等中所示的各结构的位置、尺寸及范围等有时不表示实际的位置、尺寸及范围等。因此，所公开的发明并不限于附图等所公开的位置、尺寸及范围等。
将按照以下顺序进行描述。
1.可适用于本公开的实施例的无线通信技术的概述
2.根据本发明的实施例
3.结论
首先，将对可适用于本公开的实施例的无线通信技术进行整体性描述，以使根据本发明的实施例的方法、装置和系统更为清晰。
1.可适用于本公开的实施例的无线通信技术的概述
为便于更好地理解根据本公开的技术方案，下面简单介绍一些可适用于本公开的实施例的无线通信技术。
基站和UE(User Equipment，用户装备)具有支持MIMO技术的多个天线。MIMO技术的使用使得基站和UE能够利用空域来支持空间复用、波束赋形和发射分集。空间复用可被用于在相同频率上同时传送不同的数据流。这些数据流可被传送给单个UE以提高数据率(可归为SU-MIMO技术)或传送给多个UE以增加系统总容量(可归为MU-MIMO技术)。这是藉由对每一数据流进行空间预编码(即，在基带进行应用振幅的比例缩放和相位调整)并且随后通过多个发射天线在从基站到UE的下行链路(DL)上传送每一经空间预编码的流来达成的。经空间预编码的数据流带有不同空间签名地抵达(诸)UE处，这使得(诸)UE中每个UE能够经由其的多个天线接收数据流并且恢复以该UE为目的地的一个或多个数据流。在从UE到基站的上行链路(UL)上，每个UE通过其的多个天线传送经空间预编码的数据流，这使得基站能够通过其的天线接收数据流，并且标识每个经空间预编码的数据流的源。
除了在基带进行空间预编码，还可以调整每个射频链路所连接的多个天线的相位以使用波束赋形来将相应射频链路的发射/接收能量集中在特定方向上从而提高信号发射/接收强度。
接下来解说LTE(长期演进)、NR(新无线电)中用于用户面和控制面的无线电协议架构。用于UE和eNB、gNB的无线电协议架构被示为具有三层：层1、层2和层3。层1(L1层)是最低层并实现各种物理层信号处理功能。L1层将在本文中被称为物理层。层2(L2层)在物理层之上并且负责UE与eNB、gNB之间在物理层之上的链路。
在用户面中，L2层包括媒体接入控制(MAC)子层、无线电链路控制(RLC)子层、以及分组数据汇聚协议(PDCP)子层，它们在网络侧上终接于eNB、gNB处。UE在L2层之上还可具有若干个上层，包括在网络侧终接于PDN网关处的网络层(例如，IP层)、以及终接于连接的另一端(例如，远端UE、服务器等)的应用层。
PDCP子层提供不同无线电承载与逻辑信道之间的复用。PDCP子层还提供对上层数据分组的报头压缩以减少无线电传输开销，通过将数据分组暗码化来提供安全性，以及提供对UE在各eNB、gNB之间的切换支持。RLC子层提供对上层数据分组的分段和重装、对丢失数据分组的重传、以及对数据分组的重排序以补偿因混合自动重传请求(HARQ)而引起的脱序接收。MAC子层提供逻辑信道与传输信道之间的复用。MAC子层还负责在各UE间分配一个蜂窝小区中的各种无线电资源(例如，资源块)。MAC子层还负责HARQ操作。
在控制面中，用于UE和eNB、gNB的无线电协议架构对于物理层和L2层而言基本相同，区别在于对控制面而言没有头部压缩功能。控制面还包括层3(L3层)中的无线电资源控制(RRC)子层。RRC子层负责获得无线电资源(即，无线电承载)以及负责使用eNB、gNB与UE之间的RRC信令来配置各下层。
简要介绍基站侧实现L1层(即，物理层)的各种信号处理功能。这些信号处理功能包括编码和交织以促成UE的前向纠错(FEC)以及基于各种调制方案(例如，二进制相移键控(BPSK)、正交相移键控(QPSK)、M相移键控(M-PSK)、M正交振幅调制(M-QAM))向信号星座进行的映射。随后，经编码和调制的码元被拆分成并行流。每个流随后与参考信号一起用于产生携带时域码元流的物理信道。该码元流被空间预编码以产生多个空间流。信道估计可被用来确定编码和调制方案以及用于空间处理。该信道估计可以从由UE传送的参考信号和/或信道状况反馈推导出来。每个空间流随后经由分开的发射机被提供给不同的天线。每个发射机用各自的空间流来调制RF载波以供传输。
在UE处，每个接收机通过其各自相应的天线来接收信号。每个接收机恢复出调制到射频(RF)载波上的信息并将该信息提供给L1层的各种信号处理功能。在L1层对该信息执行空间处理以恢复出以UE为目的地的任何空间流。如果有多个空间流以UE为目的地，那么它们可被组合成单个码元流。随后将该码元流从时域转换到频域。通过确定最有可能由eNB、gNB传送了的信号星座点来恢复和解调每个码元、以及参考信号。这些软判决可以基于信道估计。这些软判决随后被解码和解交织以恢复出原始由eNB、gNB在物理信道上传送的数据和控制信号。这些数据和控制信号随后被提供给更高层处理。
2.根据本发明的实施例
下面将结合图1至图3描述根据本公开的实施例的用于高速场景的基站节能的方法、装置和系统。
图1示出了根据本公开的实施例的用于高速场景的基站节能的方法100。
如图1所示，在步骤S102处，按列车的行车轨迹顺序将线路L划分成一个或多个路段轨迹区域c’。
在根据本公开的一些实施方式中，线路L可以包括诸如地铁线路、高铁线路、高速公路线路等的高速场景下的任何移动线路。
在根据本公开的一些实施方式中，可以针对一条或多条路线L执行上述步骤S102。此外，例如，通过人工梳理，确定需要节能的一条或多条高速线路L，并根据空间关系对高速路线进行路段轨迹划分。
例如，对于每条高速线路L，按列车的行车轨迹顺序将线路划分成长度为D的一个或多个路段轨迹区域c’，建立与高速线路L相关联的基站小区c和路段轨迹区域c’之间的映射关系F(c)＝c’。映射关系F(c)＝c’表示每个路段轨迹区域c’所具有的基站小区的数量，并且可以用于后续的用户数指标计算、用户标识设置和节能策略确定。
此外，对于高速线路的分叉路段，以分叉处作为起点，分叉尽头作为重点，建立新的线路，并重复步骤102，直至对列车线路L的所有路段进行路段轨迹区域划分。
接下来转到步骤S104-S110。步骤S104-S110说明了对节能策略预测模型的训练过程。
在步骤S104处，采集与列车线路L相关联的每个基站小区c在t时刻的用户数指标P(c,t,L)，并对每个路段轨迹区域c’对应的基站小区c的用户数指标P(c,t,L)进行求和，从而得到每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)，其中用户数指标P(c,t,L)包括UE数和最大RRC连接用户数。
例如，通过接入无线接入网网元管理系统(OMC-R)(诸如接入OMC-R的南向查询接口或北向文件接口)周期性地采集每个基站小区c的用户数指标P(c,t,L)。
在根据本公开的一些实施方式中，每个基站小区c的用户数指标P(c,t,L)的采集周期通常为1分钟至5分钟，并且用户数指标P(c,t,L)的统计周期通常为1秒至300秒。
接下来转到步骤S106。在步骤S106处，基于每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)和高负载阈值θ设置每个路段轨迹区域c’在t时刻的用户标识U(c’,t,L)。
例如，如果t时刻的路段轨迹区域c’的用户数指标P(c’,t,L)高于高负载阈值θ，则认为在t时刻有高速用户经过该路段轨迹区域c’，并将该路段轨迹区域c’的用户标识U(c’,t,L)标记为U(c’,t,L)＝1；并且如果t时刻的路段轨迹区域c’的用户数指标P(c’,t,L)低于高负载阈值θ，则认为在t时刻没有高速用户经过该路段轨迹区域c’，并将该路段轨迹区域c’的用户标识U(c’,t,L)标记为U(c’,t,L)＝0。
要注意的是，将路段轨迹区域c’的用户标识U(c’,t,L)标记为0或1仅仅是作为示例示出。应当理解的是，可以基于用户数指标P(c’,t,L)相对于高负载阈值θ的程度来设置不同的值，诸如在一定范围内的梯度值。
接下来转到步骤S108。在步骤S108处，基于每个路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
来确定每个路段轨迹区域c’在t时刻应当采取的节能策略E(c’,t,L)。
在根据本公开的一些实施方式中，如果路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
即从t时刻起连续N个时刻没有高速用户经过该路段轨迹区域c’，则将该路段轨迹区域c’在t时刻的节能策略E(c’,t,L)标记为E(c’,t,L)＝1；并且如果路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
即从t时刻起连续N个时刻有高速用户经过该路段轨迹区域c’，则将该路段轨迹区域c’在t时刻的节能策略E(c’,t,L)标记为E(c’,t,L)＝0。
要注意的是，与路段轨迹区域c’的用户标识U(c’,t,L)的标记类似，这里将路段轨迹区域c’的节能策略E(c’,t,L)标记为0或1也仅仅是作为示例示出。应当理解的是，当路段轨迹区域c’的用户标识U(c’,t,L)的值设置为不同的值(诸如梯度值)时，节能策略E(c’,t,L)也可以相应地具有不同的值，诸如梯度值。
接下来转到步骤S110。在步骤S110处，使用各个路段轨迹区域c’在t时刻之前的历史用户标识U(c’,t-i,L)以及各个路段轨迹区域c’的节能策略从t-2时刻到t-1时刻的变化差值ΔE(t-1)＝E(c’,t-1,L)-E(c’,t-2,L)作为训练参数，以各个路段轨迹区域c’在t时刻的节能策略E(c’,t,L)作为训练目标，训练用于预测节能策略M(c’,t,L)的节能策略预测模型。
在根据本发明的一些实施方式中，利用机器学习算法训练用于预测节能策略M(c’,t,L)的节能策略预测模型。机器学习算法例如包括遗传算法、蚁群算法、神经网络算法等。但要注意的是，本文所示出的机器学习算法并不构成对本发明的限制，而是可以包括能够实现多元二分类模型建立的各种算法。
在根据本公开的一些实施方式中，通过针对不同的路段轨迹区域c’设置不同的高负载阈值θ和N的值，可以计算得到不同的节能策略并训练得到不同的节能策略预测模型，从而预测得到不同的节能策略并根据节能策略的优先级启用多重节能策略。例如，根据不同的节能策略的生效时间以及预期的最小关断时长配置N的值。
在根据本公开的一些实施方式中，节能策略按优先级从高到低依次为深度休眠、载频关断、通道关断、时隙关断、符号关断。此外，针对不同的节能策略，可以设置不同的生效时间以及关断时长。
在根据本公开的一些实施方式中，对于执行深度休眠和载频关断的路段轨迹区域c’，保留对该路段轨迹区域c’的载频覆盖，以保证数据的正常监控和载频的正常恢复。
要注意的是，在本发明中，“t”意指任意时刻。也就说，可以以任意时刻作为t为标准来区分历史数据和未来数据。
接下来转到步骤S112。在步骤S112处，基于节能策略预测模型，利用T时刻之前的历史用户数信息U(c’,T,L)以及之前预测的节能策略的变化ΔM(T-1)＝M(c’,T-1,L)-M(c’,T-2,L)，预测各个路段轨迹区域c’在T时刻的节能策略M(c’,T,L)并向相应的基站小区下发关于节能策略的指令。
要注意的是，在本发明中，“T”意指希望预测其所属节能策略的具体时刻。
例如，如果M(c’,T,L)＝1，意味着该轨迹区域c’在T时刻的未来一段时间内没有高速用户，应当执行节能策略。
例如，如果M(c’,T,L)＝0，意味着该轨迹区域c’在T时刻的未来一段时间内有高速用户，不应执行节能策略。
在根据本公开的一些实施方式中，通过OMC-R下发关于节能策略的指令。对于在未来一段时间内没有高速用户经过的小区c，通过OMC-R向该小区c下发执行节能策略的指令；并且对于在未来一段时间内将有高速用户经过的小区c，通过OMC-R向该小区c下发不执行节能策略的指令。
在根据本发明的一些实施方式中，由于在对高速路线进行划分时，存在一个小区c属于多个路段轨迹区域c’的情况，因此如果一个小区c对应多个路段轨迹区域c’，当该小区c对应的多个路段轨迹区域c’的节能策略彼此冲突时，下发不执行节能策略的指令。
本领域技术人员应当理解，本发明并不限于上述步骤，而是能够根据其来实现基站节能方法的所有相关技术步骤。
根据本公开的实施例的基站节能方法根据历史负载数据和空间位置顺序特征，训练节能策略预测模型，并对高速线路迹进行预测拟合，从而实现了利用已知的历史数据来预测未来时刻的节能策略的目的，提高了确定节能策略的便利性，进而更好地实现了基站节能。
图2示出了根据本公开的又一实施例的用于高速场景的基站节能的方法200。
方法200中的步骤S202至S212分别对应于方法100中的步骤S102至S112，因此在此省略对其的详细描述。方法200与方法100相比，区别在于步骤S214至S216。步骤S214至S216说明了节能策略的更新。
如图2所示，在步骤S214处，用预测得到的T时刻的节能策略M(c’,T,L)减去预测得到的T-1时刻的节能策略M(c’,T-1,L)得到变化差值ΔM(T)。
接下来转到步骤S216。在步骤S216处，根据ΔM(T)更新各个路段轨迹区域c’的节能策略的指令。
在根据本发明的一些实施方式中，对于ΔM(T)>0的路段轨迹区域c’，向该路段轨迹区域c’内的相应基站小区c下发执行节能策略的指令；并且对于ΔM(T)<0的路段轨迹区域c’，向该路段轨迹区域c’内的相应基站小区c下发取消节能策略的指令。
本领域技术人员应当理解，本发明并不限于上述步骤，而是能够根据其来实现高速场景下的基站节能方法的所有相关技术步骤。
为了更完整全面地理解本发明，下面将以图3为例来详细描述根据本公开的实施例的用于基站节能的系统。
图3示出了根据本公开的实施例的用于高速场景的基站节能的系统300。
如图3所示，系统300包括路段划分单元302、节能策略预测模型训练单元304、节能策略预测单元306、以及数据存储单元308。
路段划分单元302按列车的行车轨迹顺序将列车线路L划分成一个或多个路段轨迹区域c’。
节能策略预测模型训练单元304采集与列车线路L相关联的每个基站小区c在t时刻的用户数指标P(c,t,L)，并对每个路段轨迹区域c’对应的基站小区c的用户数指标P(c,t,L)进行求和，从而得到每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)，其中用户数指标P(c,t,L)包括用户装备UE数和最大无线电资源控制RRC连接用户数。
节能策略预测模型训练单元304基于每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)和高负载阈值θ设置每个路段轨迹区域c’在t时刻的用户标识U(c’,t,L)。
节能策略预测模型训练单元304基于每个路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
来确定每个路段轨迹区域c’在t时刻应当采取的节能策略E(c’,t,L)。
节能策略预测模型训练单元304使用各个路段轨迹区域c’在t时刻之前的历史用户标识U(c’,t-i,L)以及各个路段轨迹区域c’的节能策略从t-2时刻到t-1时刻的变化差值ΔE(t-1)＝E(c’,t-1,L)-E(c’,t-2,L)作为训练参数，以各个路段轨迹区域c’在t时刻的节能策略E(c’,t,L)作为训练目标，训练用于预测节能策略M(c’,t,L)的节能策略预测模型。
节能策略预测单元306基于所述节能策略预测模型，利用T时刻之前的历史用户数信息U(c’,T-i,L)以及之前预测的节能策略的变化ΔM(T-1)＝M(c’,T-1,L)-M(c’,T-2,L)，预测各个路段轨迹区域c’在T时刻的节能策略M(c’,T,L)并向相应的基站小区下发关于节能策略的指令。
数据存储单元308存储每个基站小区c的用户数指标P(c,t,L)、每个路段轨迹区域c’对应的用户数指标P(c’,t,L)、每个路段轨迹区域c’的用户标识U(c’,t,L)、每个路段轨迹区域c’的节能策略E(c’,t,L)、节能策略预测模型以及预测的节能策略M(c’,T,L)。
在根据本发明的一些实施方式中，将系统300部署于省级网管平台系统内，对接OMC-R，并查询或采集分钟级的基站用户数信息。
要注意的是，上述示例并不意图构成对本发明的限制，并且上面结合图1至图2所述描述的用于高速场景的基站节能方法100和方法200全部都适用于图3所示的系统300。为了避免对本发明不必要的模糊，在此省略了对图3所示的系统300的其他功能的描述。
此外，在根据本发明的一些实施方式中，上述方法100、方法200和系统300也可以作为由处理器、存储器、通信单元、外部接口以及总线等构成的装置来实现。
例如，处理器可以为中央处理单元(CPU)或数字信号处理器(DSP)，并且控制装置的功能。
存储器例如包括随机存取存储器(RAM)和只读存储器(ROM)，并且存储数据和由处理器执行的应用程序。存储器用作处理器的工作区域。当执行诸如应用的应用程序时，执行所需的各种数据被加载到存储器中。
此外，代替ROM或除了ROM之外，还可以设置HDD(硬盘驱动器)、闪存或诸如固态存储器的另一非易失性存储器。然后，在这些存储设备中，可以存储上述各种数据或应用程序。
通信单元用于将根据本发明的实施例的装置连接到各个基站。例如，作为通信单元，设置诸如WIFI的无线LAN模块或诸如蓝牙(注册商标)的短距离无线模块。
外部接口(I/F)是用于基于诸如USB和HDMI(注册商标)(高清晰度多媒体接口)的标准来连接到外部装置的接口。此外，可以配置用于连接到诸如存储棒的各种存储卡的接口。
总线将处理器、存储器、通信单元和外部接口(I/F)彼此连接。总线可以包括各自具有不同速度的两个或更多个总线(诸如高速总线和低速总线)。
此外，在根据本发明的一些实施方式中，由具有上述硬件配置的根据本发明的实施例的装置执行的处理通过存储在ROM等中的软件和装置的硬件资源的协作来实现。例如，通过处理器(CPU)将存储在ROM等中的根据本技术的应用程序(应用)加载到RAM中以执行它，实现了根据本发明的用于高速场景的基站节能的方法。为了实现这些块，可以适当地使用专用硬件。
诸如应用的应用程序从例如全球网络安装在根据本发明的实施例的装置中。或者，应用程序可以经由记录介质安装在根据本发明的实施例的装置中。
3.结论
根据本发明的实施例的方法、装置和系统通过将高速路线进行路段轨迹划分和编码，建立小区和路段轨迹之间的映射关系；通过采集高速场景下的用户数信息，建立一系列节能策略；基于基站下的历史用户数据信息和当前时刻之前的节能策略变化作为训练集，当前时刻的节能策略作为训练目标，训练得到节能策略预测模型；基于得到的节能策略预测模型，利用已知的历史数据，预测当前时刻的实时节能策略；并根据当前时刻与前一时刻所预测的节能策略的差值，更新节能策略。此外，针对同一条高速线路的不同路段轨迹设置不同的高负载阈值θ和连续低负载时长阈值N，以便得到多种不同的节能策略预测模型。
根据本发明的实施例的方法、装置和系统基于空间计算和轨迹预测的人工智能方法，在保障用户体验的前提下实现高速场景的基站节能。与现有基站节能方法相比，根据本发明的实施例的方法、装置和系统面向高速场景，充分利用历史用户量数据和空间数据，对用户的轨迹进行捕捉和动态预测，实现更准确的节能调度，避免用户高速切换引起的乒乓关断；预测时输入数据少，预测速度更快，更适用于高速场景；无需基站设备之间的通信协作，可以适用于5G SA、跨制式跨频段及跨厂家等基站部署场景；既可以在地铁、高铁的非运营时段节电，也可以在运营时段内的夜间、非上下班高峰等发车间隔较大的时段进行基站节电。
本领域技术人员应当知道，本公开被实施为一方法、系统、装置或作为计算机应用程序产品的计算机可读媒体(例如非瞬态存储介质)。因此，本公开可以实施为各种形式，例如完全的硬件示例性实施例、完全的软件示例性实施例(包括固件、常驻软件、微应用程序代码等)，或者也可实施为软件与硬件的实施形式，在以下会被称为“电路”、“模块”或“系统”。此外，本公开也可以任何有形的媒体形式实施为计算机应用程序产品，其具有计算机可使用应用程序代码存储于其上。
本公开的相关叙述参照根据本公开具体示例性实施例的方法、系统、装置及计算机应用程序产品的流程图和/或框图来进行说明。可以理解每一个流程图和/或框图中的每一个块，以及流程图和/或框图中的块的任何组合，可以使用计算机应用程序指令来实施。这些计算机应用程序指令可供通用型计算机或特殊计算机的处理器或其他可编程数据处理装置所组成的机器来执行，而指令经由计算机或其他可编程数据处理装置处理以便实施流程图和/或框图中所说明的功能或操作。
在附图中显示根据本公开各种示例性实施例的方法、系统、装置及计算机应用程序产品可实施的架构、功能及操作的流程图及框图。因此，流程图或框图中的每个块可表示一模块、区段、或部分的应用程序代码，其包括一个或多个可执行指令，以实施指定的逻辑功能。另外应当注意，在某些其他的示例性实施例中，块所述的功能可以不按图中所示的顺序进行。举例来说，两个图示相连接的块事实上也可以同时执行，或根据所涉及的功能在某些情况下也可以按图标相反的顺序执行。此外还需注意，每个框图和/或流程图的块，以及框图和/或流程图中块的组合，可藉由基于专用硬件的系统来实施，或者藉由专用硬件与计算机指令的组合，来执行特定的功能或操作。
如在此所使用的，词语“示例性的”意指“用作示例、实例或说明”，而不是作为将被精确复制的“模型”。在此示例性描述的任意实现方式并不一定要被解释为比其它实现方式优选的或有利的。而且，本公开不受在上述技术领域、背景技术、发明内容或具体实施方式中所给出的任何所表述的或所暗示的理论所限定。
如在此所使用的，词语“基本”意指包含由设计或制造的缺陷、器件或元件的容差、环境影响和/或其它因素所致的任意微小的变化。词语“基本”还允许由寄生效应、噪音以及可能存在于实际的实现方式中的其它实际考虑因素所致的与完美的或理想的情形之间的差异。
另外，仅仅为了参考的目的，还可以在本文中使用“第一”、“第二”等类似术语，并且因而并非意图限定。例如，除非上下文明确指出，否则涉及结构或元件的词语“第一”、“第二”和其它此类数字词语并没有暗示顺序或次序。
还应理解，“包括/包含”一词在本文中使用时，说明存在所指出的特征、整体、步骤、操作、单元和/或组件，但是并不排除存在或增加一个或多个其它特征、整体、步骤、操作、单元和/或组件以及/或者它们的组合。
在本公开中，术语“提供”从广义上用于涵盖获得对象的所有方式，因此“提供某对象”包括但不限于“购买”、“制备/制造”、“布置/设置”、“安装/装配”、和/或“订购”对象等。
本领域技术人员应当意识到，在上述操作之间的边界仅仅是说明性的。多个操作可以结合成单个操作，单个操作可以分布于附加的操作中，并且操作可以在时间上至少部分重叠地执行。而且，另选的示例性实施例可以包括特定操作的多个实例，并且在其他各种示例性实施例中可以改变操作顺序。但是，其它的修改、变化和替换同样是可能的。因此，本说明书和附图应当被看作是说明性的，而非限制性的。
另外，本公开的实施方式还可以包括以下示例：
(1)一种用于基站节能的方法，包括：
按列车的行车轨迹顺序将列车线路L划分成一个或多个路段轨迹区域c’；
训练节能策略预测模型，包括：
采集与列车线路L相关联的每个基站小区c在t时刻的用户数指标P(c,t,L)，并对每个路段轨迹区域c’对应的基站小区c的用户数指标P(c,t,L)进行求和，从而得到每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)，其中用户数指标P(c,t,L)包括用户装备UE数和最大无线电资源控制RRC连接用户数；
基于每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)和高负载阈值θ设置每个路段轨迹区域c’在t时刻的用户标识U(c’,t,L)；
基于每个路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
来确定每个路段轨迹区域c’在t时刻应当采取的节能策略E(c’,t,L)；以及
使用各个路段轨迹区域c’在t时刻之前的历史用户标识U(c’,t-i,L)以及各个路段轨迹区域c’的节能策略从t-2时刻到t-1时刻的变化差值ΔE(t-1)＝E(c’,t-1,L)-E(c’,t-2,L)作为训练参数，以所确定的各个路段轨迹区域c’在t时刻的节能策略E(c’,t,L)作为训练目标，训练用于预测节能策略M(c’,t,L)的节能策略预测模型；以及
基于所述节能策略预测模型，利用T时刻之前的历史用户数信息U(c’,T-i,L)以及之前预测的节能策略的变化ΔM(T-1)＝M(c’,T-1,L)-M(c’,T-2,L)，预测各个路段轨迹区域c’在T时刻的节能策略M(c’,T,L)并向相应的基站小区下发关于节能策略的指令。
(2)根据(1)所述的方法，其特征在于，基于每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)和高负载阈值θ设置每个路段轨迹区域c’在t时刻的用户标识U(c’,t,L)包括：
如果t时刻的路段轨迹区域c’的用户数指标P(c’,t,L)高于高负载阈值θ，则认为在t时刻有高速用户经过该路段轨迹区域c’，并将该路段轨迹区域c’在t时刻的用户标识U(c’,t,L)标记为U(c’,t,L)＝1；并且
如果t时刻的路段轨迹区域c’的用户数指标P(c’,t,L)低于高负载阈值θ，则认为在t时刻没有高速用户经过该路段轨迹区域c’，并将该路段轨迹区域c’在t时刻的用户标识U(c’,t,L)标记为U(c’,t,L)＝0。
(3)根据(2)所述的方法，其特征在于，基于每个路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
来确定每个路段轨迹区域c’在t时刻应当采取的节能策略E(c’,t,L)包括：
如果路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
则将该路段轨迹区域c’在t时刻的节能策略E(c’,t,L)标记为E(c’,t,L)＝1；并且
如果路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
则将该路段轨迹区域c’在t时刻的节能策略E(c’,t,L)标记为E(c’,t,L)＝0。
(4)根据(1)所述的方法，其特征在于，
如果M(c’,T,L)＝1，意味着该轨迹区域c’在T时刻的未来一段时间内没有高速用户，应当执行节能策略；
如果M(c’,T,L)＝0，意味着该轨迹区域c’在T时刻的未来一段时间内有高速用户，不应执行节能策略。
(5)根据(4)所述的方法，其特征在于，下发关于节能策略的指令包括：
根据ΔM(T)＝M(c’,T,L)-M(c’,T-1,L)更新各个路段轨迹区域c’的节能策略的指令，其中
对于ΔM(T)>0的路段轨迹区域c’，向该路段轨迹区域c’内的相应基站小区c下发执行节能策略的指令；并且
对于ΔM(T)<0的路段轨迹区域c’，向该路段轨迹区域c’内的相应基站小区c下发取消节能策略的指令。
(6)根据(1)所述的方法，其特征在于，
如果一个基站小区c对应多个路段轨迹区域c’，当该基站小区c对应的多个路段轨迹区域c’的节能策略彼此冲突时，取消节能策略。
(7)根据(1)所述的方法，其特征在于，
针对不同的路段轨迹区域c’设置不同的高负载阈值θ和N值，以便训练得到多个不同的节能策略预测模型，从而预测得到不同的节能策略并根据节能策略的优先级启用多重节能策略。
(8)根据(7)所述的方法，其特征在于，
所述节能策略按优先级高低依次为深度休眠、载频关断、通道关断、时隙关断、符号关断。
(9)根据(8)所述的方法，其特征在于，
对于执行深度休眠和载频关断的路段轨迹区域c’，保留对该路段轨迹区域c’的载频覆盖，以保证数据的正常监控和载频的正常恢复。
(10)根据(1)所述的方法，其特征在于，
通过接入无线接入网网元管理系统OMC-R来周期性地采集每个基站小区c在t时刻的用户数指标P(c,t,L)，并通过OMC-R下发节能策略的指令。
(11)根据(1)所述的方法，其特征在于，
对于列车线路L的分叉路段，以分叉处作为起点，分叉尽头作为终点，建立新的列车线路，直至对列车线路L的所有路段进行路段轨迹区域划分。
(12)根据(1)所述的方法，其特征在于，
每个基站小区c的用户数指标P(c,t,L)的采集周期为1分钟至5分钟，且用户数指标P(c,t,L)的统计周期为1秒至300秒。
(13)一种用于基站节能的系统，包括：
路段划分单元，被配置为按列车的行车轨迹顺序将列车线路L划分成一个或多个路段轨迹区域c’；
节能策略预测模型训练单元，被配置为：
采集与列车线路L相关联的每个基站小区c在t时刻的用户数指标P(c,t,L)，并对每个路段轨迹区域c’对应的基站小区c的用户数指标P(c,t,L)进行求和，从而得到每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)，其中用户数指标P(c,t,L)包括用户装备UE数和最大无线电资源控制RRC连接用户数；
基于每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)和高负载阈值θ设置每个路段轨迹区域c’在t时刻的用户标识U(c’,t,L)；
基于每个路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
来确定每个路段轨迹区域c’在t时刻应当采取的节能策略E(c’,t,L)；以及
使用各个路段轨迹区域c’在t时刻之前的历史用户标识U(c’,t-i,L)以及各个路段轨迹区域c’的节能策略从t-2时刻到t-1时刻的变化差值ΔE(t-1)＝E(c’,t-1,L)-E(c’,t-2,L)作为训练参数，以各个路段轨迹区域c’在t时刻的节能策略E(c’,t,L)作为训练目标，训练用于预测节能策略M(c’,t,L)的节能策略预测模型；以及
节能策略预测单元，被配置为基于所述节能策略预测模型，利用T时刻之前的历史用户数信息U(c’,T-i,L)以及之前预测的节能策略的变化ΔM(T-1)＝M(c’,T-1,L)-M(c’,T-2,L)，预测各个路段轨迹区域c’在T时刻的节能策略M(c’,T,L)并向相应的基站小区下发关于节能策略的指令。
(14)根据(13)所述的系统，其特征在于，还包括：
数据存储单元，被配置为存储每个基站小区c的用户数指标P(c,t,L)、每个路段轨迹区域c’对应的用户数指标P(c’,t,L)、每个路段轨迹区域c’的用户标识U(c’,t,L)、每个路段轨迹区域c’的节能策略E(c’,t,L)以及节能预测模型。
(15)一种用于基站节能的装置，包括：
存储器，其上存储有指令；以及
处理器，所述处理器耦合到所述存储器，并且被配置为在执行所述指令时使得所述装置执行根据(1)至(12)中的任一项所述的方法。
(16)一种其上存储有可执行指令的计算机可读存储介质，当所述可执行指令由计算机执行时，使所述计算机执行根据(1)至(12)中的任一项所述的方法。
虽然已经通过示例对本公开的一些特定示例性实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。在此公开的各示例性实施例可以任意组合，而不脱离本公开的精神和范围。本领域的技术人员还应理解，可以对示例性实施例进行多种修改而不脱离本公开的范围和精神。本公开的范围由所附权利要求来限定。
Claims (16)
1.一种用于基站节能的方法，包括：
按列车的行车轨迹顺序将列车线路L划分成一个或多个路段轨迹区域c’；
训练节能策略预测模型，包括：
采集与列车线路L相关联的每个基站小区c在t时刻的用户数指标P(c,t,L)，并对每个路段轨迹区域c’对应的基站小区c的用户数指标P(c,t,L)进行求和，从而得到每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)，其中用户数指标P(c,t,L)包括用户装备UE数和最大无线电资源控制RRC连接用户数；
基于每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)和高负载阈值θ设置每个路段轨迹区域c’在t时刻的用户标识U(c’,t,L)；
基于每个路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
来确定每个路段轨迹区域c’在t时刻应当采取的节能策略E(c’,t,L)；以及
使用各个路段轨迹区域c’在t时刻之前的历史用户标识U(c’,t-i,L)以及各个路段轨迹区域c’的节能策略从t-2时刻到t-1时刻的变化差值ΔE(t-1)＝E(c’,t-1,L)-E(c’,t-2,L)作为训练参数，以所确定的各个路段轨迹区域c’在t时刻的节能策略E(c’,t,L)作为训练目标，训练用于预测节能策略M(c’,t,L)的节能策略预测模型；以及
基于所述节能策略预测模型，利用T时刻之前的历史用户数信息U(c’,T-i,L)以及之前预测的节能策略的变化ΔM(T-1)＝M(c’,T-1,L)-M(c’,T-2,L)，预测各个路段轨迹区域c’在T时刻的节能策略M(c’,T,L)并向相应的基站小区下发关于节能策略的指令。
2.根据权利要求1所述的方法，其特征在于，基于每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)和高负载阈值θ设置每个路段轨迹区域c’在t时刻的用户标识U(c’,t,L)包括：
如果t时刻的路段轨迹区域c’的用户数指标P(c’,t,L)高于高负载阈值θ，则认为在t时刻有高速用户经过该路段轨迹区域c’，并将该路段轨迹区域c’在t时刻的用户标识U(c’,t,L)标记为U(c’,t,L)＝1；并且
如果t时刻的路段轨迹区域c’的用户数指标P(c’,t,L)低于高负载阈值θ，则认为在t时刻没有高速用户经过该路段轨迹区域c’，并将该路段轨迹区域c’在t时刻的用户标识U(c’,t,L)标记为U(c’,t,L)＝0。
3.根据权利要求2所述的方法，其特征在于，基于每个路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
来确定每个路段轨迹区域c’在t时刻应当采取的节能策略E(c’,t,L)包括：
如果路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
则将该路段轨迹区域c’在t时刻的节能策略E(c’,t,L)标记为E(c’,t,L)＝1；并且
如果路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
则将该路段轨迹区域c’在t时刻的节能策略E(c’,t,L)标记为E(c’,t,L)＝0。
4.根据权利要求1所述的方法，其特征在于，
如果M(c’,T,L)＝1，意味着该轨迹区域c’在T时刻的未来一段时间内没有高速用户，应当执行节能策略；
如果M(c’,T,L)＝0，意味着该轨迹区域c’在T时刻的未来一段时间内有高速用户，不应执行节能策略。
5.根据权利要求4所述的方法，其特征在于，下发关于节能策略的指令包括：
根据ΔM(T)＝M(c’,T,L)-M(c’,T-1,L)更新各个路段轨迹区域c’的节能策略的指令，其中
对于ΔM(T)>0的路段轨迹区域c’，向该路段轨迹区域c’内的相应基站小区c下发执行节能策略的指令；并且
对于ΔM(T)<0的路段轨迹区域c’，向该路段轨迹区域c’内的相应基站小区c下发取消节能策略的指令。
6.根据权利要求1所述的方法，其特征在于，
如果一个基站小区c对应多个路段轨迹区域c’，当该基站小区c对应的多个路段轨迹区域c’的节能策略彼此冲突时，取消节能策略。
7.根据权利要求1所述的方法，其特征在于，
针对不同的路段轨迹区域c’设置不同的高负载阈值θ和N值，以便训练得到多个不同的节能策略预测模型，从而预测得到不同的节能策略并根据节能策略的优先级启用多重节能策略。
8.根据权利要求7所述的方法，其特征在于，
所述节能策略按优先级高低依次为深度休眠、载频关断、通道关断、时隙关断、符号关断。
9.根据权利要求8所述的方法，其特征在于，
对于执行深度休眠和载频关断的路段轨迹区域c’，保留对该路段轨迹区域c’的载频覆盖，以保证数据的正常监控和载频的正常恢复。
10.根据权利要求1所述的方法，其特征在于，
通过接入无线接入网网元管理系统OMC-R来周期性地采集每个基站小区c在t时刻的用户数指标P(c,t,L)，并通过OMC-R下发节能策略的指令。
11.根据权利要求1所述的方法，其特征在于，
对于列车线路L的分叉路段，以分叉处作为起点，分叉尽头作为终点，建立新的列车线路，直至对列车线路L的所有路段进行路段轨迹区域划分。
12.根据权利要求1所述的方法，其特征在于，
每个基站小区c的用户数指标P(c,t,L)的采集周期为1分钟至5分钟，且用户数指标P(c,t,L)的统计周期为1秒至300秒。
13.一种用于基站节能的系统，包括：
路段划分单元，被配置为按列车的行车轨迹顺序将列车线路L划分成一个或多个路段轨迹区域c’；
节能策略预测模型训练单元，被配置为：
采集与列车线路L相关联的每个基站小区c在t时刻的用户数指标P(c,t,L)，并对每个路段轨迹区域c’对应的基站小区c的用户数指标P(c,t,L)进行求和，从而得到每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)，其中用户数指标P(c,t,L)包括用户装备UE数和最大无线电资源控制RRC连接用户数；
基于每个路段轨迹区域c’在t时刻的用户数指标P(c’,t,L)和高负载阈值θ设置每个路段轨迹区域c’在t时刻的用户标识U(c’,t,L)；
基于每个路段轨迹区域c’的用户标识U(c’,t,L)从t时刻起连续N个时刻的总和
来确定每个路段轨迹区域c’在t时刻应当采取的节能策略E(c’,t,L)；以及
使用各个路段轨迹区域c’在t时刻之前的历史用户标识U(c’,t-i,L)以及各个路段轨迹区域c’的节能策略从t-2时刻到t-1时刻的变化差值ΔE(t-1)＝E(c’,t-1,L)-E(c’,t-2,L)作为训练参数，以各个路段轨迹区域c’在t时刻的节能策略E(c’,t,L)作为训练目标，训练用于预测节能策略M(c’,t,L)的节能策略预测模型；以及
节能策略预测单元，被配置为基于所述节能策略预测模型，利用T时刻之前的历史用户数信息U(c’,T-i,L)以及之前预测的节能策略的变化ΔM(T-1)＝M(c’,T-1,L)-M(c’,T-2,L)，预测各个路段轨迹区域c’在T时刻的节能策略M(c’,T,L)并向相应的基站小区下发关于节能策略的指令。
14.根据权利要求13所述的系统，其特征在于，还包括：
数据存储单元，被配置为存储每个基站小区c的用户数指标P(c,t,L)、每个路段轨迹区域c’对应的用户数指标P(c’,t,L)、每个路段轨迹区域c’的用户标识U(c’,t,L)、每个路段轨迹区域c’的节能策略E(c’,t,L)以及节能预测模型。
15.一种用于基站节能的装置，包括：
存储器，其上存储有指令；以及
处理器，所述处理器耦合到所述存储器，并且被配置为在执行所述指令时使得所述装置执行根据权利要求1-12中的任一项所述的方法。
16.一种其上存储有可执行指令的计算机可读存储介质，当所述可执行指令由计算机执行时，使所述计算机执行根据权利要求1-12中的任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010737498.5A CN114007251B (zh) | 2020-07-28 | 2020-07-28 | 用于基站节能的方法、装置和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010737498.5A CN114007251B (zh) | 2020-07-28 | 2020-07-28 | 用于基站节能的方法、装置和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114007251A true CN114007251A (zh) | 2022-02-01 |
| CN114007251B CN114007251B (zh) | 2023-11-10 |
Family
ID=79920382
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010737498.5A Active CN114007251B (zh) | 2020-07-28 | 2020-07-28 | 用于基站节能的方法、装置和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114007251B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115348649A (zh) * | 2022-06-29 | 2022-11-15 | 厦门大学 | 基站节能方法、系统及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102164401A (zh) * | 2011-04-21 | 2011-08-24 | 上海华为技术有限公司 | 一种铁路移动网络基站的节能方法、设备及系统 |
| CN109255494A (zh) * | 2015-03-31 | 2019-01-22 | 江苏理工学院 | 基于鲁棒策略的地铁轨迹的实时预测方法 |
| CN111417180A (zh) * | 2020-03-25 | 2020-07-14 | 沈欣颖 | 一种协同基站节能管理的网络调度方法及装置 |
-
2020
- 2020-07-28 CN CN202010737498.5A patent/CN114007251B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102164401A (zh) * | 2011-04-21 | 2011-08-24 | 上海华为技术有限公司 | 一种铁路移动网络基站的节能方法、设备及系统 |
| CN109255494A (zh) * | 2015-03-31 | 2019-01-22 | 江苏理工学院 | 基于鲁棒策略的地铁轨迹的实时预测方法 |
| CN111417180A (zh) * | 2020-03-25 | 2020-07-14 | 沈欣颖 | 一种协同基站节能管理的网络调度方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 张青: "AI 技术在5G 基站节能应用的展望", 广东通信技术 * |
| 黄吉莹: "铁路应用场景移动通信网络节能机制与方法研究", 中国优秀博士学位论文全文数据库 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115348649A (zh) * | 2022-06-29 | 2022-11-15 | 厦门大学 | 基站节能方法、系统及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114007251B (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101867959B1 (ko) | 이동통신 시스템에서 중앙 집중형 기지국 운영을 위한 장치와 방법 | |
| TWI493912B (zh) | 無線電通訊系統中接收上行鏈路射頻訊號之方法及其主控單元及從屬單元 | |
| EP2248369B1 (en) | Virtual scheduling in heterogeneous networks | |
| US8626088B2 (en) | Data communication scheduling | |
| CN112187424B (zh) | 一种被用于无线通信的节点中的方法和装置 | |
| CN104365126A (zh) | 用于动态小区配置的方法和系统 | |
| JP2018526854A (ja) | 干渉測定リソースの構成 | |
| US11792765B2 (en) | Method for measuring position of terminal in wireless communication system and terminal | |
| CN105432118A (zh) | 使用预测移动性调适移动设备行为 | |
| CN113661740A (zh) | 无线通信系统中的物理下行链路控制信道监测 | |
| JP6367716B2 (ja) | 無線通信カバー方法及びシステム | |
| CN112118081B (zh) | 一种被用于无线通信的节点中的方法和装置 | |
| KR102616261B1 (ko) | 물리 하향링크 제어채널 모니터링 방법 및 상기 방법을 이용하는 장치 | |
| WO2020263948A1 (en) | Paging for non-terrestrial networks | |
| Botsov et al. | Location-based resource allocation for mobile D2D communications in multicell deployments | |
| US11985605B2 (en) | Method and device in nodes used for wireless communication | |
| CN114007251B (zh) | 用于基站节能的方法、装置和系统 | |
| CN111279769B (zh) | 用于实现动态点选择的方法和装置 | |
| US11452117B2 (en) | Method and device in node used for wireless communication | |
| US8774117B2 (en) | Terminal and grant processing method thereof | |
| WO2022138232A1 (ja) | 通信装置、通信方法、および通信システム | |
| CN107925447B (zh) | 高速场景下的调度 | |
| CN113498098B (zh) | 一种被用于无线通信的方法和设备 | |
| CN112399581B (zh) | 一种被用于无线通信的节点中的方法和装置 | |
| US20130072179A1 (en) | Switching method and system of multiple input multiple output mode |
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 |