CN114124709B - 网络切片配置的优化方法、装置及可读存储介质 - Google Patents
网络切片配置的优化方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN114124709B CN114124709B CN202010794996.3A CN202010794996A CN114124709B CN 114124709 B CN114124709 B CN 114124709B CN 202010794996 A CN202010794996 A CN 202010794996A CN 114124709 B CN114124709 B CN 114124709B
- Authority
- CN
- China
- Prior art keywords
- network slice
- data
- related data
- service
- slice
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Abstract
本申请提供一种网络切片配置的优化方法、装置及可读存储介质,该方法包括:接收核心网功能实体发送的目标网络切片中的终端相关数据;和/或接收操作管理维护网元OAM发送的目标网络切片中的网络管理相关数据;根据终端相关数据和/或网络管理相关数据确定目标网络切片在运行中的服务分布分析数据和/或网络切片优化数据;将服务分布分析数据和/或网络切片优化数据发送给OAM,服务分布分析数据和/或网络切片优化数据用于对目标网络切片的配置参数进行优化。能够对目标网络切片的服务性能进行充分地分析,进而能够对网络切片的配置参数进行更加合理的优化,有效保证网络切片端到端间的SLA闭环保障。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种网络切片配置的优化方法、装置及可读存储介质。
背景技术
为了适应5G网络面向多样化的业务需求,网络切片的概念应运而生。网络切片是一种按需组网的方式,可以在统一的基础设施上切出多个虚拟的端到端网络。每个网络切片从无线接入网(简称:AN)到承载网(简称:TN)再到核心网(简称:CN)进行逻辑上的隔离,适配各种类型的业务应用。
在创建网络切片时,需要根据初始服务等级协议(简称:SLA,英文为:ServiceLevel Agreement)对网络切片进行配置,5G核心网(简称:5GC)将SLA的服务需求在网络层映射为业务指标和性能指标,并在网络切片的运行过程中进行配置的优化调整以保证服务性能。
现有技术中,5GC引入网络数据分析功能实体(简称:NWDAF)从用户面分析某一网络切片的服务性能,输出服务分析报告,提供给网络功能实体(简称:NF)或者操作管理维护网元(简称:OAM),以用于对该网络切片配置的优化,但通过这种分析方式并不能充分分析网络切片的服务性能,进而对网络切片配置的优化并不充分,无法有效保证网络切片端到端间的SLA闭环保障。
发明内容
本申请提供一种网络切片配置的优化方法、装置及可读存储介质,解决了现有技术中不能充分分析网络切片的服务性能,进而对网络切片配置的优化并不充分,无法有效保证网络切片端到端间的SLA闭环保障的技术问题。
第一方面,本申请提供一种网络切片配置的优化方法,所述方法应用于网络数据分析功能实体NWDAF,所述方法包括:
接收核心网功能实体发送的目标网络切片中的终端相关数据;和/或接收操作管理维护网元OAM发送的目标网络切片中的网络管理相关数据;
根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片在运行中的服务分布分析数据和/或网络切片优化数据;
将所述服务分布分析数据和/或网络切片优化数据发送给所述OAM,所述服务分布分析数据和/或网络切片优化数据用于对所述目标网络切片的配置参数进行优化。
可选地,所述根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片在运行中的服务分布分析数据,包括:
根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片的服务分布统计/预测信息;将所述服务分布统计/预测信息确定为所述服务分布分析数据。
本申请实施例中,在根据终端相关数据和/或网络管理相关数据确定目标网络切片在运行中的服务分布分析数据时,根据终端相关数据和/或网络管理相关数据确定目标网络切片服务分布统计/预测信息,将服务分布统计/预测信息确定为服务分布分析数据。所以在服务分布分析数据中包括目标网络切片服务分布统计信息及服务分布预测信息中的任意一种,所以基于该服务分布分析数据对目标网络切片的配置参数进行优化时,能够考虑服务分布统计信息或预测信息,进而对配置参数更加合理地优化。
可选地,所述根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片的服务分布统计/预测信息,包括:
根据所述终端相关数据和/或所述网络管理相关数据的类型确定对应的机器学习模型;采用所述对应的机器学习模型根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片服务分布统计/预测信息。
本申请实施例中,在根据终端相关数据和/或网络管理相关数据确定目标网络切片的服务分布统计/预测信息时,根据终端相关数据和/或网络管理相关数据的类型确定对应的机器学习模型;采用对应的机器学习模型根据终端相关数据和/或网络管理相关数据确定目标网络切片服务分布统计/预测信息,由于机器学习模型具有很强的学习能力,所以能够更加准确地确定出目标网络切片服务分布统计/预测信息。
可选地,还包括:
根据所述服务分布统计/预测信息生成对应的网络切片优化数据。
可选地,所述目标网络切片在运行中的服务分布分析数据包括以下至少一种:移动性分布统计/预测信息;流量分布统计/预测信息。
可选地,所述移动性分布统计/预测信息包括:切片内各移动级别UE的百分比及分布区域/移动性变化预测信息;或切片内所有UE的移动性分析报告。
可选地,所述接收核心网功能实体发送的目标网络切片中的终端相关数据,包括:
接收用户移动性和接入管理功能实体AMF发送的目标网络切片内各UE的移动性相关数据。
可选地,所述网络管理相关数据包括:目标网络切片的S-NSSAI标识,目标网络切片的最小化路测数据及移动性性能测量数据。
可选地,所述机器学习模型为训练至收敛的分类预测模型;
所述采用所述对应的机器学习模型根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片服务分布的统计/预测信息,包括:
将所述终端相关数据和/或所述网络管理相关数据输入到所述训练至收敛的分类预测模型中;通过所述训练至收敛的分类预测模型确定并输出各移动级别UE的百分比及所在区域或所述移动性变化预测信息。
可选地,所述流量分布统计/预测信息包括:切片内所有UE的流量分布区域、平均速率及最大速率/流量变化预测信息;或切片内所有UE流量分析报告。
可选地,所述接收核心网功能实体发送的目标网络切片中的终端相关数据,包括:
接收用户移动性和接入管理功能实体AMF发送的目标网络切片中UE的标识信息和位置信息;接收会话管理功能实体SMF发送的目标网络切片对应的S-NSSAI标识;接收SMF或用户平面功能实体UPF发送的目标网络切片QoS流比特率。
可选地,所述网络管理相关数据包括:目标网络切片的S-NSSAI标识,目标网络切片的最小化路测数据及流量性能测量数据。
可选地,所述机器学习模型为训练至收敛的回归预测模型;
所述采用所述对应的机器学习模型根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片服务分布的统计/预测信息,包括:
将所述终端相关数据和/或所述网络管理相关数据输入到所述训练至收敛的回归预测模型中;通过所述训练至收敛的回归预测模型确定并输出所有UE的流量分布区域、平均速率、最大速率或所述流量变化预测信息。
第二方面,本申请提供一种网络切片配置的优化方法,所述方法应用于接收操作管理维护网元OAM,所述方法包括:
接收NWDAF发送的服务分布分析数据和/或网络切片优化数据,所述服务分布分析数据和/或网络切片优化数据是所述NWDAF根据目标网络切片在运行中的终端相关数据和/或网络管理相关数据确定出的;
通过通信业务管理功能实体CSMF发送目标网络切片的配置参数修改请求,所述配置参数修改请求中包括所述服务分布分析数据和/或网络切片优化数据,所述配置参数修改请求用于根据所述服务分布分析数据和/或网络切片优化数据对服务模型描述文件和/或切片子网描述配置文件中的配置参数进行优化。
可选地,所述接收NWDAF发送的服务分布分析数据和/或网络切片优化数据,包括:
从网络数据分析功能实体NWDAF订阅分析相关服务;接收NWDAF发送的分析服务通知,所述分析服务通知中包括所述服务分布分析数据和/或网络切片优化数据。
第三方面,本申请提供一种网络切片配置的优化装置,包括存储器,收发机,处理器:
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行以下操作:
接收核心网功能实体发送的目标网络切片中的终端相关数据;和/或接收操作管理维护网元OAM发送的目标网络切片中的网络管理相关数据;
根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片在运行中的服务分布分析数据和/或网络切片优化数据;
将所述服务分布分析数据和/或网络切片优化数据发送给所述OAM,所述服务分布分析数据和/或网络切片优化数据用于对所述目标网络切片的配置参数进行优化。
可选地,所述处理器,用于读取所述存储器中的计算机程序并执行所述根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片在运行中的服务分布分析数据时,具体包括:
根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片的服务分布统计/预测信息;
将所述服务分布统计/预测信息确定为所述服务分布分析数据。
可选地,所述处理器,用于读取所述存储器中的计算机程序并执行所述根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片的服务分布统计/预测信息时,具体包括:
根据所述终端相关数据和/或所述网络管理相关数据的类型确定对应的机器学习模型;
采用所述对应的机器学习模型根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片服务分布统计/预测信息。
第四方面,本申请提供一种网络切片配置的优化装置,包括:包括存储器,收发机,处理器:
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行以下操作:
接收NWDAF发送的服务分布分析数据和/或网络切片优化数据,所述服务分布分析数据和/或网络切片优化数据是所述NWDAF根据目标网络切片在运行中的终端相关数据和/或网络管理相关数据确定出的;
向通信业务管理功能实体CSMF发送目标网络切片的配置参数修改请求,所述配置参数修改请求中包括所述服务分布分析数据和/或网络切片优化数据,所述配置参数修改请求用于通过所述通信业务管理功能实体根据所述服务分布分析数据和/或网络切片优化数据对服务模型描述文件和/或切片子网描述配置文件中的配置参数进行优化。
可选地,所述处理器,用于读取所述存储器中的计算机程序并执行所述接收NWDAF发送的服务分布分析数据和/或网络切片优化数据时,具体包括:
从网络数据分析功能实体NWDAF订阅分析相关服务;
接收NWDAF发送的分析服务通知,所述分析服务通知中包括所述服务分布分析数据和/或网络切片优化数据。
第五方面,本申请提供一种网络切片配置的优化装置,包括:
数据接收单元,用于接收核心网功能实体发送的目标网络切片中的终端相关数据;和/或接收操作管理维护网元OAM发送的目标网络切片中的网络管理相关数据;
数据确定单元,用于根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片在运行中的服务分布分析数据和/或网络切片优化数据;
数据发送单元,用于将所述服务分布分析数据和/或网络切片优化数据发送给所述OAM,所述服务分布分析数据和/或网络切片优化数据用于对所述目标网络切片的配置参数进行优化。
第六方面,本申请提供一种网络切片配置的优化装置,包括:
数据接收单元,用于接收NWDAF发送的服务分布分析数据和/或网络切片优化数据,所述服务分布分析数据和/或网络切片优化数据是所述NWDAF根据目标网络切片在运行中的终端相关数据和/或网络管理相关数据确定出的;
数据发送单元,用于通过通信业务管理功能实体CSMF发送目标网络切片的配置参数修改请求,所述配置参数修改请求中包括所述服务分布分析数据和/或网络切片优化数据,所述配置参数修改请求用于根据所述服务分布分析数据和/或网络切片优化数据对服务模型描述文件和/或切片子网描述配置文件中的配置参数进行优化。
第七方面,本申请提供一种处理器可读存储介质,所述处理器可读存储介质存储有计算机程序,所述计算机程序用于使所述处理器执行第一方面或第二方面任一项所述的方法。
本申请提供一种网络切片配置的优化方法、装置及可读存储介质,通过接收核心网功能实体发送的目标网络切片中的终端相关数据;和/或接收操作管理维护网元OAM发送的目标网络切片中的网络管理相关数据;根据终端相关数据和/或网络管理相关数据确定目标网络切片在运行中的服务分布分析数据和/或网络切片优化数据;将服务分布分析数据和/或网络切片优化数据发送给OAM,服务分布分析数据和/或网络切片优化数据用于对目标网络切片的配置参数进行优化。由于NWDAF通过获取目标网络切片中的终端相关数据和/或网络管理相关数据,所以能够结合用户层和控制面服务性能相关数据和/或网络管理相关数据对目标网络切片的服务性能进行充分地分析,来得到目标网络的服务分布分析数据和/或网络切片优化数据,基于该服务分布分析数据和/或网络切片优化数据能够对网络切片的配置参数进行更加合理的优化,有效保证网络切片端到端间的SLA闭环保障。
应当理解,上述发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征,亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的SLA闭环质量保障的网络架构图;
图2为本申请实施例提供的网络切片配置的优化方法的网络架构图;
图3为本申请一实施例提供的网络切片配置的优化方法的流程示意图;
图4为本申请另一实施例提供的网络切片配置的优化方法的流程示意图;
图5为本申请再一实施例提供的网络切片配置的优化方法的流程示意图;
图6为本申请又一实施例提供的网络切片配置的优化方法的流程示意图;
图7为本申请还一实施例提供的网络切片配置的优化方法的流程示意图;
图8a为本申请下一实施例提供的网络切片配置的优化方法的第一信令流程示意图;
图8b为本申请下一实施例提供的网络切片配置的优化方法的第二信令流程示意图;
图9为本申请一实施例提供的网络切片配置的优化装置的结构示意图;
图10为本申请另一实施例提供的网络切片配置的优化装置的结构示意图;
图11为本申请再一实施例提供的网络切片配置的优化装置的结构示意图;
图12为本申请又一实施例提供的网络切片配置的优化装置的结构示意图。
具体实施方式
本申请中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,并不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了清楚理解本申请的技术方案,首先对现有技术的方案进行详细介绍。现有技术中,在5GC引入NWDAF,采用NWDAF从用户面考虑应用功能实体(简称:AF)的体验质量(简称:QoE)信息和网络切片的服务质量(简称QoS)信息,进而输出服务分析报告。然而发明人在研究中发现,仅仅对网络切片从用户面来分析是否满足SLA,是并不充分的,也无法有效保证网络切片端到端间的SLA闭环保障。
发明人进一步研究发现,要保证网络切片端到端间的SLA闭环保障,需要包括两个管理控制闭环的交互。如图1所示,第一个是在通信服务客户(简称:CSC)和通信服务提供商(简称:CSP)之间实现通信业务的闭环保障。CSC向CSP提供通信服务保障需求,输入SLA。CSP向CSC提供对应的通信服务反馈。CSP调整通信服务实例(简称CSI)或者CSC调整服务等级规范(简称:SLS),持续进行以达成保障需求。另一个是在CSP与网络切片服务(简称:NSP)之间实现网络闭环保障。网络切片服务通过修改网络切片的服务模型描述文件或切片子网描述配置文件中的配置参数对网络切片服务进行调整,CSP调整通信服务实例(简称CSI),持续进行以达成保障需求。从图1中可看出对网络切片服务进行调整时,需要进行跨域管理,不仅需要核心网(简称:CN)、接入网(简称:AN)从用户面和控制面进行闭环保障,而且需要从管理面提供闭环保障。
所以基于上述发明人的创造性研究,提出了本申请提出的网络切片配置的优化方法,本申请中,NWDAF在对目标网络切片进行服务性能分析时,要从核心网功能实体获取到目标网络切片的终端相关数据,和/或从操作管理维护网元OAM获取到目标网络切片的网络管理相关数据。根据终端相关数据和/或网络管理相关数据确定目标网络切片在运行中的服务分布分析数据和/或网络切片优化数据,最终将服务分布分析数据和/或网络切片优化数据发送给OAM,以通过OAM对目标网络切片的配置参数进行优化。由于终端相关数据中既可以包括用户面服务相关数据,又可以包括控制面板服务相关数据,从而能够结合用户层和控制面服务性能相关数据和/或网络管理相关数据对目标网络切片的服务性能进行充分地分析,使对网络切片配置的优化更加充分,有效保证网络切片端到端间的SLA闭环保障。
图2为本申请实施例提供的网络切片配置的优化方法的网络架构图,如图2所示,本申请实施例中,NWDAF为5GC中网络数据分析功能实体。在5GC中还包括其他多种功能实体。分别为用户平面功能实体(简称:UPF)、接收会话管理功能实体(简称:SMF)、用户接入和移动性管理功能实体(简称:AMF)、统一数据管理功能实体(简称:UDR)、网络能力开放功能实体(简称:NEF)、应用功能实体(简称:AF)、策略控制功能实体(简称:PCF)及OCS。其中,这些其他功能实体均可统称为网络功能实体(简称:NF)。并且在该网络架构中还包括:操作管理维护网元(OAM)。NWDAF基于服务化接口与5G核心网中其他功能实体及OAM进行通信。本申请实施例中,在一种应用场景中,在OAM订阅NWDAF的分析相关服务后,NWDAF接收其他核心网功能实体发送的目标网络切片中的终端相关数据,和/或接收操作管理维护网元OAM发送的目标网络切片中的网络管理相关数据,根据终端相关数据和/或网络管理相关数据确定目标网络切片在运行中的服务分布分析数据和/或网络切片优化数据,并将服务分布分析数据和/或网络切片优化数据发送给OAM,通过OAM进入目标网络切片的配置参数修改流程,完成对网络切片中配置参数的修改,以完成对网络切片配置参数的优化。由于NWDAF通过获取目标网络切片中的终端相关数据和/或网络管理相关数据,所以能够结合用户层和控制面服务性能相关数据和/或网络管理相关数据对目标网络切片的服务性能进行充分地分析,来得到目标网络的服务分布分析数据和/或网络切片优化数据,基于该服务分布分析数据和/或网络切片优化数据能够对网络切片的配置参数进行更加合理的优化,有效保证网络切片端到端间的SLA闭环保障。
以下将参照附图来描述本申请的实施例。
实施例一
图3为本申请一实施例提供的网络切片配置的优化方法的流程示意图,如图3所示,本实施例提供的网络切片配置的优化方法的执行主体为NWDAF,则本申请实施例提供的网络切片配置的优化方法包括以下步骤:
步骤101,接收核心网功能实体发送的目标网络切片中的终端相关数据;和/或接收操作管理维护网元OAM发送的目标网络切片中的网络管理相关数据。
本实施例中,若NWDAF接收核心网功能实体发送的目标网络切片中的终端相关数据,则5GC的其他核心网功能实体可向NWDAF提供订阅服务,则NWDAF根据订阅的服务,接收核心网功能实体发送的目标网络切片中的终端相关数据。
其中,目标网络切片为需要进行配置优化的网络切片。
本实施例中,根据需要获取的终端相关数据的类型不同,对应核心网功能实体的类型也不同。所以可分别从不同的核心网功能实体中接收到对应的终端相关数据。
示例性地,终端相关数据可以包括终端移动性相关数据、终端流量相关数据等。
相应地,NWDAF可从AMF接收到目标网络切片中的终端移动性相关数据。NWDAF可从NF、SMF、UPF及AMF中接收到目标网络切片中的对应的终端流量相关数据。
本实施例中,若NWDAF接收操作管理维护网元OAM发送的目标网络切片中的网络管理相关数据,则OAM在向NWDAF订阅分析相关服务后,NWDAF根据订阅的分析相关服务,接收OAM发送的目标网络切片中的网络管理相关数据。
其中,网络管理相关数据可以包括网络管理移动性相关数据、网络管理流量相关数据等。其中,网络管理相关数据可以从目标网络切片的最小化路测数据(简称:MDT数据)及性能统计数据中获取。
步骤102,根据终端相关数据和/或网络管理相关数据确定目标网络切片在运行中的服务分布分析数据和/或网络切片优化数据。
本实施例中,首先可对终端相关数据和/或网络管理相关数据按照类型进行统计和分析,以确定对应类型的服务分布分析数据。
示例性地,根据终端移动性相关数据和网络管理移动性相关数据确定目标网络切片中的移动性分布数据。根据终端流量相关数据和网络管理流量相关数据确定目标网络切片中的流量分布数据。
其中,每种类型的服务分布分析数据可以包括目标网络切片服务分布统计/预测信息。
其次,还可根据目标网络切片服务分布统计/预测信息生成对应的网络切片优化数据。
本实施例中,服务分布分析数据和/或网络切片优化数据可以以服务分析报告的形式进行表示。
步骤103,将服务分布分析数据和/或网络切片优化数据发送给OAM,服务分布分析数据和/或网络切片优化数据用于对目标网络切片的配置参数进行优化。
本实施例中,在获得服务分布分析数据和/或网络切片优化数据后,将服务分布分析数据和/或网络切片优化数据通过对应的服务接口发送给OAM。通过OAM进入网络切片的配置参数修改流程,根据服务分布分析数据和/或网络切片优化数据完成对网络切片中服务模型描述文件(英文为:ServiceProfile)和/或切片子网描述配置文件(英文为:SliceProfile)中配置参数的修改,以完成对网络切片配置参数的优化。
本实施例提供的网络切片配置的优化方法,通过接收核心网功能实体发送的目标网络切片中的终端相关数据;和/或接收操作管理维护网元OAM发送的目标网络切片中的网络管理相关数据;根据终端相关数据和/或网络管理相关数据确定目标网络切片在运行中的服务分布分析数据和/或网络切片优化数据;将服务分布分析数据和/或网络切片优化数据发送给OAM,服务分布分析数据和/或网络切片优化数据用于对目标网络切片的配置参数进行优化。由于NWDAF通过获取目标网络切片中的终端相关数据和/或网络管理相关数据,所以能够结合用户层和控制面服务性能相关数据和/或网络管理相关数据对目标网络切片的服务性能进行充分地分析,来得到目标网络的服务分布分析数据和/或网络切片优化数据,基于该服务分布分析数据和/或网络切片优化数据能够对网络切片的配置参数进行更加合理的优化,有效保证网络切片端到端间的SLA闭环保障。
实施例二
图4为本申请另一实施例提供的网络切片配置的优化方法的流程示意图,如图4所示,本实施例提供的网络切片配置的优化方法在本发明实施例一提供的网络切片配置的优化方法的基础上,对步骤103的细化,则本实施例提供的网络切片配置的优化方法包括以下步骤:
步骤1031,根据终端相关数据和/或网络管理相关数据确定目标网络切片的服务分布统计/预测信息。
可选地,本实施例中,步骤1031包括以下步骤:
步骤1031a,根据终端相关数据和/或网络管理相关数据的类型确定对应的机器学习模型。
本实施例中,可针对每种终端相关数据和/或网络管理相关数据获取对应的训练样本,采用训练样本对初始机器学习模型进行训练,得到针对该种终端相关数据和/或网络管理相关数据对应的训练至收敛的机器学习模型,建立每种终端相关数据和/或网络管理相关数据的类型标识与对应的训练至收敛的机器学习模型标识的映射关系,根据该映射关系确定对应的机器学习模型。
步骤1031b,采用对应的机器学习模型根据终端相关数据和/或网络管理相关数据确定目标网络切片服务分布统计/预测信息。
本实施例中,在针对每种服务性能相关数据对初始机器学习模型进行训练时,可设定对应的机器学习模型的输入数据为对应类型的终端相关数据和/或网络管理相关数据,输出数据为服务分布统计/预测信息。并采用训练样本对对应的机器学习模型进行训练,获得训练至收敛的机器学习模型。然后将终端相关数据和/或网络管理相关数据输入到训练至收敛的机器学习模型中,该训练至收敛的机器学习模型对终端相关数据和/或网络管理相关数据进行统计分析或预测处理,获得目标网络切片服务分布统计/预测信息,并输出目标网络切片服务分布统计/预测信息。
步骤1032,将服务分布统计/预测信息确定为服务分布分析数据。
本实施例中,服务分析报告可以为表格的形式,则可预先生成针对目标网络切片的空白表格信息,然后将目标网络切片的切片标识,服务分布统计/预测信息填入到表格对应位置中,生成该目标网络切片的服务分析报告。
本实施例提供的网络切片配置的优化方法,在根据终端相关数据和/或网络管理相关数据确定目标网络切片在运行中的服务分布分析数据时,根据终端相关数据和/或网络管理相关数据确定目标网络切片服务分布统计/预测信息,将服务分布统计/预测信息确定为服务分布分析数据。所以在服务分布分析数据中包括目标网络切片服务分布统计信息及服务分布预测信息中的任意一种,所以基于该服务分布分析数据对目标网络切片的配置参数进行优化时,能够考虑服务分布统计信息或预测信息,进而对配置参数更加合理地优化。
本实施例提供的网络切片配置的优化方法,在根据终端相关数据和/或网络管理相关数据确定目标网络切片的服务分布统计/预测信息时,根据终端相关数据和/或网络管理相关数据的类型确定对应的机器学习模型;采用对应的机器学习模型根据终端相关数据和/或网络管理相关数据确定目标网络切片服务分布统计/预测信息,由于机器学习模型具有很强的学习能力,所以能够更加准确地确定出目标网络切片服务分布统计/预测信息。
可选地,本实施例中,在步骤1032之后,还包括以下步骤:
步骤1033,根据服务分布统计/预测信息生成对应的网络切片优化数据。
其中,网络切片优化数据为对目标网络切片采取优化行为时需要的数据。如改变目标网络切片的当前拓扑结构,调整配置参数,重新分配物理或虚拟资源等。
本实施例中,可预先建立每种服务分布统计/预测信息与网络切片优化数据的映射关系,则在确定目标网络切片对应的服务分布统计/预测信息后,根据该映射关系获取匹配的网络切片优化数据。
可以理解的是,若确定出网络切片优化数据,也可将网络切片优化数据添加到服务分析报告中,则在服务分析报告表格中不仅加入服务分布统计/预测信息,还加入网络切片优化数据。所以基于该服务分布分析数据和网络切片优化数据对目标网络切片的配置参数进行优化时,不仅能够考虑服务分布统计/预测信息,还能够以网络切片优化数据作为参考,进一步提高了对配置参数优化的合理性。
实施例三
图5为本申请再一实施例提供的网络切片配置的优化方法的流程示意图,如图5所示,本实施例提供的网络切片配置的优化方法在本发明实施例二提供的网络切片配置的优化方法的基础上,终端相关数据至少包括:终端移动性相关数据,网络管理相关数据至少包括:网络管理移动性相关数据,服务分布分析数据至少包括移动性分布统计/预测信息。并且本实施例中,NWDAF同时获取终端移动性相关数据和网络管理移动性相关数据。则本实施例提供的网络切片配置的优化方法包括以下步骤:
步骤201,接收用户移动性和接入管理功能实体AMF发送的目标网络切片内各UE的移动性相关数据。
本实施例中,NWDAF可从AMF订阅移动性事件开放服务(5G标准中的Namf_EventExposure_Subscribe),则AMF实时采集并存储有各UE的移动性相关数据,并可周期性地通过移动性事件开放通知(5G标准中Namf_EventExposure_Notify)发送给NWDAF,NWDAF接收到AMF发送的移动性事件开放通知后,从移动性事件开放通知中抽取各UE的移动性相关数据。
如表1所示,各UE的移动性相关数据包括UE的标识信息,UE的位置信息及UE所在跟踪小区的TAC码。其中,在UE的位置信息中包括UE所在小区或跟踪区域,以及UE在每个位置时的时间戳。
步骤202,接收操作管理维护网元OAM发送的目标网络切片中的网络管理移动性相关数据。
本实施例中,OAM周期性采集目标网络切片的网络管理移动性相关数据,并可周期性发送给NWDAF。则NWDAF可周期性接收到网络管理移动性相关数据。
表1:各UE移动性相关数据示例表
其中,如表2所示,在网络管理移动性相关数据中包括目标网络切片的S-NSSAI标识,目标网络切片的最小化路测数据(简称MDT数据)及移动性性能测量数据。
表2:网络管理移动性相关数据示例表
步骤203,根据各UE的移动性相关数据和网络管理移动性相关数据确定目标网络切片移动性分布统计/预测信息。
其中,移动性分布统计/预测信息包括:各移动级别UE的百分比及分布区域/移动性变化预测信息。
可以理解的是,移动性分布统计/预测信息也可以为切片内所有UE的移动性分析报告。即在切片内所有UE的移动性分析报告中包括移动性分布统计/预测信息。
本实施例中,预先设定UE移动级别可分为静止,游牧,限制性移动及完全移动。
其中,静止级别为UE不移动或长时间停留在同一小区和/或由同一gNB服务,无移动性上报事件的级别。游牧级别为UE在切片覆盖范围内不频繁的改变移动性轨迹,或者至少在预设的时间段内不移动的级别。限制性移动级别为由于服务性限制,UE仅在允许区内移动的级别。完全移动级别为UE在整个目标网络切片覆盖范围内自由移动的级别。
本实施例中,在执行步骤203时,根据各UE移动性相关数据和网络管理移动性相关数据的类型确定对应的机器学习模型为训练至收敛的分类预测模型。则首先采用训练样本对初始分类预测模型进行训练。
具体地,在对初始分类预测模型进行训练时,获取针对同一网络切片的训练样本,每个训练样本中包括从AMF获取到的基于单个UE的移动性相关数据和从OAM获取的网络管理移动性相关数据,若确定网络切片移动性分布统计信息,则每个训练样本中标注有用户移动性等级和所在区域,若确定网络切片移动性分布预测信息,则每个训练样本中标注网络切片对应的移动性变化预测信息。
将每个训练样本输入到初始分类预测模型中,初始分类预测模型对训练样本进行特征提取并进行分类/预测处理,根据预设的收敛条件判断该分类预测模型是否收敛。示例性地,该收敛条件可以为分类预测模型分类/预测的准确率达到预设准确率。或者损失函数达到最小等。若该分类预测模型收敛,则说明该训练至收敛的分类预测模型能够准确确定出目标网络切片的所有UE的移动等级及所在区域,进而准确计算出各移动等级UE的百分比。或者能够准确预测出目标网络切片对应的移动性变化预测信息。
所以本实施例中,将终端相关数据和/或网络管理相关数据输入到训练至收敛的分类预测模型中;通过训练至收敛的分类预测模型确定并输出各移动级别UE的百分比及所在区域或移动性变化预测信息。
步骤204,根据切片内各移动级别UE的百分比及分布区域/移动性变化预测信息生成对应的网络切片优化数据。
本实施例中,可预先存储有每种各移动级别UE的百分比及分布区域/移动性变化预测信息与网络切片优化数据的映射关系,则根据目标网络切片对应的各移动级别UE的百分比及分布区域/移动性变化预测信息确定对应的网络切片优化数据。
步骤205,根据切片内各移动级别UE的百分比及分布区域/移动性变化预测信息,及对应的网络切片优化数据生成切片内所有UE的移动性分析报告。
如表3所示,该切片内所有UE的移动性分析报告包括:切片内各移动级别UE的百分比及分布区域、移动性变化预测信息及对应的网络切片优化数据。
表3:切片内所有UE的移动性分析报告
步骤206,将切片内所有UE的移动性分析报告发送给OAM,切片内所有UE的移动性分析报告用于指示通过OAM对网络切片的移动性相关配置参数进行优化。
本实施例中,NWDAF可向OAM发送分析订阅通知(5G标准中的Nnwdaf_AnalyticsSusbcription_Notify),并将切片内所有UE的移动性分析报告携带在该分析订阅通知中,以使OAM接收到切片内所有UE的移动性分析报告。并且OAM向通信业务管理功能实体发送目标网络切片的配置参数修改请求,在配置参数修改请求中包括该切片内所有UE的移动性分析报告,通过通信业务管理功能实体根据切片内所有UE的移动性分析报告对服务模型描述文件和/或切片子网描述配置文件中的流量相关配置参数进行优化。
其中,在对移动性相关配置参数进行优化时,可在满足目标网络切片SLA的前提下,对目标网络切片支持的UE移动性等级,和/或切片业务所需要覆盖的最右区域进行优化。
本实施例提供的网络切片配置的优化方法,通过接收用户移动性和接入管理功能实体AMF发送的目标网络切片内各UE的移动性相关数据,接收操作管理维护网元OAM发送的目标网络切片中的网络管理移动性相关数据,根据各UE的移动性相关数据和网络管理移动性相关数据确定目标网络切片移动性分布统计/预测信息,根据切片内各移动级别UE的百分比及分布区域/移动性变化预测信息生成对应的网络切片优化数据,根据切片内各移动级别UE的百分比及分布区域/移动性变化预测信息,及对应的网络切片优化数据生成切片内所有UE的移动性分析报告,将切片内所有UE的移动性分析报告发送给OAM,切片内所有UE的移动性分析报告用于指示通过OAM对网络切片的移动性相关配置参数进行优化,能够结合终端移动性相关数据和网络管理移动性相关数据对目标网络切片的移动性方面的性能进行充分的分析,来得到目标网络的移动性分布统计/预测信息和对应的网络切片优化数据,基于该移动性分布统计/预测信息和对应的网络切片优化数据能够对目标网络切片移动性方面的配置参数进行更加合理的优化,有效保证网络切片端到端间的SLA闭环保障。
实施例四
图6为本申请又一实施例提供的网络切片配置的优化方法的流程示意图,如图6所示,本实施例提供的网络切片配置的优化方法在本发明实施例二提供的网络切片配置的优化方法的基础上,终端相关数据包括:终端流量相关数据,网络管理相关数据包括:网络管理流量相关数据,服务分布分析数据至少包括流量分布统计/预测信息。则本实施例提供的网络切片配置的优化方法包括以下步骤:
步骤301,接收用户移动性和接入管理功能实体AMF发送的目标网络切片中的UE的标识信息和位置信息。
步骤302,接收网络功能实体NF发送的UE流量信息的时间戳。
步骤303,接收会话管理功能实体SMF发送的目标网络切片对应的S-NSSAI标识。
步骤304,接收SMF或用户平面功能实体UPF发送的目标网络切片QoS流比特率。
可以理解的是,步骤301-步骤304的步骤先后顺序不作限定,可以同时执行,也可以先后执行。
本实施例中,由于终端流量相关数据分别由不同的核心网功能实体进行采集及存储的。所以分别与终端流量相关数据有关的核心网功能实体进行通信,接收对应核心网功能实体发送的终端流量相关数据。
其中,如表4所示,终端流量相关数据包括:UE的标识信息和位置信息、UE流量信息的时间戳、目标网络切片对应的S-NSSAI标识及QoS流比特率。
表4:终端流量相关数据示例表
步骤305,接收操作管理维护网元OAM发送的目标网络切片中的网络管理流量相关数据。
其中,如表5所示,网络管理流量相关数据包括:目标网络切片的S-NSSAI标识,目标网络切片的测量数据及流量性能测量数据。
表5:网络管理流量相关数据示例表
如表5所示,流量性能测量数据包括:目标网络切片的上下行带宽、吞吐量等统计数据。具体可包括UE平均上行/下行吞吐量,UE上行/下行吞吐量分布,目标网络及网络切片的上行/下行吞吐量。
步骤306,根据终端流量相关数据和网络管理流量相关数据确定目标网络切片流量分布统计/预测信息。
其中,流量分布统计/预测信息包括:切片内所有UE的流量分布区域、平均速率及最大速率/流量变化预测信息。
或者流量分布统计/预测信息也可以为切片内所有UE流量分析报告。即在切片内所有UE流量分析报告中包括流量分布统计/预测信息。
本实施例中,在执行步骤303时,根据终端流量相关数据和网络管理流量相关数据的类型确定对应的机器学习模型为训练至收敛的回归预测模型。则首先采用训练样本对初始回归预测模型进行训练。
具体地,在对初始回归预测模型进行训练时,获取针对同一网络切片的训练样本,每个训练样本中包括从AMF获取到的基于单个UE的终端流量相关数据和从OAM获取的基于单个UE和目标网络切片维度的网络管理流量相关数据,若确定网络切片流量分布统计信息,则每个训练样本中标注有UE的流量分布区域、平均速率、最大速率,若确定网络切片流量分布预测信息,则每个训练样本标注网络切片对应的流量变化预测信息。
将每个训练样本输入到回归预测模型中,初始回归预测模型对训练样本进行特征提取并进行回归/预测处理,根据预设的收敛条件判断该回归预测模型是否收敛。
同理,该收敛条件可以为回归预测模型确定出的UE的流量分布区域、平均速率、最大速率的准确率达到预设准确率,或流量变化预测信息的准确率达到预设准确率;或者损失函数达到最小等。若该回归预测模型收敛,则说明该训练至收敛的回归预测模型能够准确确定出目标网络切片的所有UE的流量分布区域、平均速率、最大速率。或者能够准确确定出目标网络切片对应的流量变化预测信息。
所以本实施例中,将终端相关数据和/或网络管理相关数据输入到训练至收敛的回归预测模型中;通过训练至收敛的回归预测模型确定并输出切片内所有UE的流量分布区域、平均速率、最大速率或流量变化预测信息。
步骤307,根据切片内所有UE的流量分布区域、平均速率、最大速率或流量变化预测信息生成对应的网络切片优化数据。
同理,本实施例中,可预先存储有每种UE的流量分布区域、平均速率、最大速率或流量变化预测信息与网络切片优化数据的映射关系,则根据目标网络切片内所有UE的流量分布区域、平均速率、最大速率或流量变化预测信息确定对应的网络切片优化数据。
步骤308,根据切片内所有UE的流量分布区域、平均速率、最大速率、或流量变化预测信息及对应的网络切片优化数据生成切片内所有UE流量分析报告。
如表6所示,该UE流量分析报告包括:切片内所有UE的流量分布区域、平均速率、最大速率、流量变化预测信息及对应的网络切片优化数据。
表6:UE移动性分析报告
步骤309,将切片内所有UE流量分析报告发送给OAM,切片内所有UE流量分析报告用于指示通过OAM对网络切片的流量相关配置参数进行优化。
本实施例中,NWDAF可向OAM发送分析订阅通知(Nnwdaf_AnalyticsSusbcription_Notify),并将切片内所有UE流量分析报告携带在该分析订阅通知中,以使OAM接收到切片内所有UE流量分析报告。以使OAM向通信业务管理功能实体发送目标网络切片的配置参数修改请求,在配置参数修改请求中包括该切片内所有UE流量分析报告,通过通信业务管理功能实体根据切片内所有UE流量分析报告对服务模型描述文件和/或切片子网描述配置文件中的流量相关配置参数进行优化。
其中,在对流量相关配置参数进行优化时,扩大或缩小目标网络切片的覆盖区域列表参数,最大流量指标进行优化。
本实施例提供的网络切片配置的优化方法,通过接收用户移动性和接入管理功能实体AMF发送的目标网络切片中的UE的标识信息和位置信息,接收网络功能实体NF发送的UE流量信息的时间戳,接收会话管理功能实体SMF发送的目标网络切片对应的S-NSSAI标识,接收SMF或用户平面功能实体UPF发送的目标网络切片QoS流比特率,接收操作管理维护网元OAM发送的目标网络切片中的网络管理流量相关数据,根据终端流量相关数据和网络管理流量相关数据确定目标网络切片流量分布统计/预测信息,根据切片内所有UE的流量分布区域、平均速率、最大速率或流量变化预测信息生成对应的网络切片优化数据,根据切片内所有UE的流量分布区域、平均速率、最大速率、或流量变化预测信息及对应的网络切片优化数据生成切片内所有UE流量分析报告,将切片内所有UE流量分析报告发送给OAM,切片内所有UE流量分析报告用于指示通过OAM对网络切片的流量相关配置参数进行优化,能够结合终端流量相关数据和网络管理流量相关数据对目标网络切片的流量方面的性能进行充分的分析,来得到目标网络的流量分布统计/预测信息和对应的网络切片优化数据,基于该流量分布统计/预测信息和对应的网络切片优化数据能够对网络切片流量方面的配置参数进行更加合理的优化,有效保证网络切片端到端间的SLA闭环保障。
实施例五
图7为本申请还一实施例提供的网络切片配置的优化方法的流程示意图,如图7所示,本实施例提供的网络切片配置的优化方法的执行主体为操作管理维护网元(简称:OAM),则本申请实施例提供的网络切片配置的优化方法包括以下步骤:
步骤401,接收NWDAF发送的服务分布分析数据和/或网络切片优化数据,服务分布分析数据和/或网络切片优化数据是NWDAF根据目标网络切片在运行中的终端相关数据和网络管理相关数据确定出的。
可选地,本实施例中,OAM从网络数据分析功能实体NWDAF订阅分析相关服务,如参见5G标准中的TS 23.288,订阅Nnwdaf_AnalyticsInfo或Nnwdaf_AnalyticsSubscriptionservice。然后接收NWDAF发送的分析服务通知(Nnwdaf_AnalyticsSusbcription_Notify),在分析服务通知中包括服务分布分析数据和/或网络切片优化数据。
其中,服务分布分析数据至少一种:移动性分布统计/预测信息;流量分布统计/预测信息。
步骤402,通过通信业务管理功能实体CSMF发送目标网络切片的配置参数修改请求,配置参数修改请求中包括服务分布分析数据和/或网络切片优化数据,配置参数修改请求用于根据服务分布分析数据和/或网络切片优化数据对服务模型描述文件和/或切片子网描述配置文件中的配置参数进行优化。
本实施例中,OAM启动目标网络切片配置参数的优化流程。具体地,OAM中包括多个功能实体,具体可包括:通信业务管理功能实体(简称:CSMF)、网络切片管理功能实体(简称:NSMF)、子网管理功能实体(简称:NSSMF)。首先OAM通过CSMF发送目标网络切片的配置参数修改请求,在配置参数修改请求中包括服务分布分析数据和/或网络切片优化数据。NSMF判断是否需要对服务模型描述文件(ServiceProfile)中的配置参数进行修改,若需要对ServiceProfile中的配置参数进行修改,则修改ServiceProfile中的配置参数,并根据修改后的ServiceProfile中配置参数判断是否需要分解到AN/CN/TN子网的切片子网描述配置文件(SliceProfile)中,若需要,则修改切片子网描述配置文件中的配置参数,并向NSSMF发送切片子网修改请求。在切片子网修改请求中包括修改后的切片子网描述配置文件。NSSMF根据切片子网修改请求中的修改后的切片子网描述配置文件发起网络功能实体(简称:NF)的修改流程,完成网络切片子网实例的管理和编排。
本实施例提供的网络切片配置的优化方法,通过接收NWDAF发送的服务分布分析数据和/或网络切片优化数据,服务分布分析数据和/或网络切片优化数据是NWDAF根据目标网络切片在运行中的终端相关数据和网络管理相关数据确定出的;通过通信业务管理功能实体CSMF发送目标网络切片的配置参数修改请求,配置参数修改请求中包括服务分布分析数据和/或网络切片优化数据,配置参数修改请求用于根据服务分布分析数据和/或网络切片优化数据对服务模型描述文件和/或切片子网描述配置文件中的配置参数进行优化。NWDAF通过获取目标网络切片中的终端相关数据和/或网络管理相关数据,所以能够结合用户层和控制面服务性能相关数据和/或网络管理相关数据对目标网络切片的服务性能进行充分地分析,来得到目标网络的服务分布分析数据和/或网络切片优化数据,基于该服务分布分析数据和/或网络切片优化数据能够对网络切片的配置参数进行更加合理的优化,有效保证网络切片端到端间的SLA闭环保障。
实施例六
图8a为本申请下一实施例提供的网络切片配置的优化方法的第一信令流程示意图,图8b为本申请下一实施例提供的网络切片配置的优化方法的第二信令流程示意图,图8a为网络切片配置的优化方法中NWDAF与OAM和AMF间的信令交互图,图8b为网络切片配置的优化方法中OAM内各功能实体间的信令交互图。如图8a和图8b所示,本实施例中终端相关数据为各UE移动性相关数据,网络管理相关数据为网络管理类移动性相关数据。则本实施例提供的网络切片配置的优化方法包括以下步骤:
步骤501,OAM从NWDAF订阅分析相关服务。
其中,分析相关服务可以为5G标准中的TS 23.288,订阅Nnwdaf_AnalyticsInfo或Nnwdaf_AnalyticsSubscription service。
步骤502,NWDAF从AMF订阅目标网络切片的移动性事件开放服务。
本实施例中,移动性事件开放服务为(5G标准中的Namf_EventExposure_Subscribe),NWDAF从AMF订阅目标网络切片的移动性事件开放服务,以能够从AMF中获取用户面移动性相关数据。
步骤503,AMF向NWDAF发送移动性事件开放通知。
其中,移动性事件开放通知为5G标准中的Namf_EventExposure_Notify,在移动性事件开放通知中包括:各UE移动性相关数据。
其中,终端移动性相关数据包括:UE的标识信息,UE的位置信息及UE所在跟踪小区的TAC码,具体可参考表1所示。
步骤504,NWDAF接收OAM发送的目标网络切片中的网络管理相关数据。
其中,网络管理移动性相关数据包括:目标网络切片的S-NSSAI标识,目标网络切片的最小化路测数据及移动性性能测量数据。具体可参见表2。
步骤505,NWDAF根据各UE移动性相关数据和网络管理移动性相关数据确定目标网络切片内所有UE的移动性分析报告。
步骤506,NWDAF向OAM发送分析相关服务通知。
其中,在分析相关服务通知中包括:目标网络切片内所有UE的移动性分析报告。
其中,分析相关服务通知为5G标准中的Nnwdaf_AnalyticsSusbcription_Notify。
步骤507,OAM通过CSMF向NSMF发送目标网络切片的配置参数修改请求。
其中,配置参数修改请求中包括:目标网络切片内所有UE的移动性分析报告。
步骤508,NSMF若确定修改服务模型描述文件和/或切片子网描述配置文件中的配置参数,则对服务模型描述文件和/或切片子网描述配置文件中的配置参数进行修改。
本实施例中,NSMF判断是否需要对服务模型描述文件(ServiceProfile)中的配置参数进行修改,若需要对ServiceProfile中的配置参数进行修改,则修改ServiceProfile中的配置参数,并根据修改后的ServiceProfile中配置参数判断是否需要分解到AN/CN/TN子网的切片子网描述配置文件(SliceProfile)中,若需要,则修改切片子网描述配置文件中的配置参数。
步骤509,NSMF向NSSMF发送切片子网修改请求。
本实施例中,在切片子网修改请求中包括修改后的切片子网描述配置文件。
步骤510,NSSMF根据切片子网修改请求中的修改后的切片子网描述配置文件发起NF的修改流程,完成网络切片子网实例的管理和编排。
本实施例中,各步骤的实现方式可参考上述各实施例中对应的步骤,在此不再一一赘述。
需要说明的是,若终端相关数据为终端流量相关数据,网络管理相关数据为网络管理流量相关数据,则NWDAF与核心网功能实体AMF、NF、SMF及UPF进行交互,来获取终端流量相关数据,其他的步骤与实施例六中的步骤类似,在此不再一一赘述。
实施例七
图9为本申请一实施例提供的网络切片配置的优化装置的结构示意图,如图9所示,本实施例提供的网络切片配置的优化装置耦合在NWDAF中。则本实施例提供的网络切片配置的优化装置包括:收发机600,用于在处理器610的控制下接收和发送数据。
其中,在图9中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器610代表的一个或多个处理器和存储器620代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机600可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元,这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器610负责管理总线架构和通常的处理,存储器620可以存储处理器610在执行操作时所使用的数据。
处理器610可以是中央处埋器(CPU)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或复杂可编程逻辑器件(Comple6Programmable Logic Device,CPLD),处理器也可以采用多核架构。
本实施例中,存储器620,用于存储计算机程序;收发机600,用于在处理器610的控制下收发数据;处理器610,用于读取存储器中的计算机程序并执行以下操作:
接收核心网功能实体发送的目标网络切片中的终端相关数据;和/或接收操作管理维护网元OAM发送的目标网络切片中的网络管理相关数据;根据终端相关数据和/或网络管理相关数据确定目标网络切片在运行中的服务分布分析数据和/或网络切片优化数据;将服务分布分析数据和/或网络切片优化数据发送给OAM,服务分布分析数据和/或网络切片优化数据用于对目标网络切片的配置参数进行优化。
可选地,处理器610,用于读取存储器中的计算机程序并执行根据终端相关数据和/或网络管理相关数据确定目标网络切片在运行中的服务分布分析数据时,具体包括:
根据终端相关数据和/或网络管理相关数据确定目标网络切片的服务分布统计/预测信息;
将服务分布统计/预测信息确定为服务分布分析数据。
可选地,处理器610,用于读取存储器中的计算机程序并执行根据终端相关数据和/或网络管理相关数据确定目标网络切片的服务分布统计/预测信息时,具体包括:
根据终端相关数据和/或网络管理相关数据的类型确定对应的机器学习模型;
采用对应的机器学习模型根据终端相关数据和/或网络管理相关数据确定目标网络切片服务分布统计/预测信息。
可选地,处理器610,用于读取存储器中的计算机程序并执行根据服务分布统计/预测信息生成对应的网络切片优化数据。
其中,目标网络切片在运行中的服务分布分析数据包括以下至少一种:移动性分布统计/预测信息;流量分布统计/预测信息。
可选地,移动性分布统计/预测信息包括:切片内各移动级别UE的百分比及分布区域/移动性变化预测信息;或切片内所有UE的移动性分析报告。
处理器610,用于读取存储器中的计算机程序并执行接收核心网功能实体发送的目标网络切片中的终端相关数据时,具体包括:
接收用户移动性和接入管理功能实体AMF发送的目标网络切片内各UE的移动性相关数据。
可选地,网络管理相关数据包括:目标网络切片的S-NSSAI标识,目标网络切片的最小化路测数据及移动性性能测量数据。
可选地,机器学习模型为训练至收敛的分类预测模型,处理器610,用于采用对应的机器学习模型根据终端相关数据和/或网络管理相关数据确定目标网络切片服务分布的统计/预测信息时,具体包括:
将终端相关数据和/或网络管理相关数据输入到训练至收敛的分类预测模型中;通过训练至收敛的分类预测模型确定并输出各移动级别UE的百分比及所在区域或移动性变化预测信息。
可选地,流量分布统计/预测信息包括:切片内所有UE的流量分布区域、平均速率及最大速率/流量变化预测信息;或切片内所有UE流量分析报告。
处理器610,用于读取存储器中的计算机程序并执行接收核心网功能实体发送的目标网络切片在运行中的服务性能相关数据时,具体包括:
接收用户移动性和接入管理功能实体AMF发送的目标网络切片中UE的标识信息和位置信息;接收会话管理功能实体SMF发送的目标网络切片对应的S-NSSAI标识;接收SMF或用户平面功能实体UPF发送的目标网络切片QoS流比特率。
可选地,网络管理流量相关数据包括:目标网络切片的S-NSSAI标识,目标网络切片的最小化路测数据及流量性能测量数据。
可选地,机器学习模型为训练至收敛的回归预测模型;处理器610,用于读取存储器中的计算机程序并执行采用对应的机器学习模型根据终端相关数据和/或网络管理相关数据确定目标网络切片服务分布的统计/预测信息时,具体包括:
将终端相关数据和/或网络管理相关数据输入到训练至收敛的回归预测模型中;通过训练至收敛的回归预测模型确定并输出所有UE的流量分布区域、平均速率、最大速率或流量变化预测信息。
在此需要说明的是,本申请提供的网络切片配置的优化装置,能够实现图3-图6、图8所示方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
实施例八
图10为本申请另一实施例提供的网络切片配置的优化装置的结构示意图,如图10所示,本实施例提供的网络切片配置的优化装置可以耦合在NWDAF中,则本实施例提供的网络切片配置的优化装置700包括:数据接收单元701,数据确定单元702,数据发送单元703。
其中,数据接收单元701,用于接收核心网功能实体发送的目标网络切片中的终端相关数据;和/或接收操作管理维护网元OAM发送的目标网络切片中的网络管理相关数据。数据确定单元702,用于根据终端相关数据和/或网络管理相关数据确定目标网络切片在运行中的服务分布分析数据和/或网络切片优化数据。数据发送单元703,用于将服务分布分析数据和/或网络切片优化数据发送给OAM,服务分布分析数据和/或网络切片优化数据用于指示通过OAM对目标网络切片的配置参数进行优化。
可选地,数据确定单元702,具体用于:
根据终端相关数据和/或网络管理相关数据确定目标网络切片的服务分布统计/预测信息;将服务分布统计/预测信息确定为服务分布分析数据。
可选地,数据确定单元702,在根据终端相关数据和/或网络管理相关数据确定目标网络切片的服务分布统计/预测信息时,具体用于:
根据终端相关数据和/或网络管理相关数据的类型确定对应的机器学习模型;采用对应的机器学习模型根据终端相关数据和/或网络管理相关数据确定目标网络切片服务分布统计/预测信息。
可选地,数据确定单元702,还用于:
根据服务分布统计/预测信息生成对应的网络切片优化数据。
可选地,目标网络切片在运行中的服务分布分析数据包括以下至少一种:移动性分布统计/预测信息;流量分布统计/预测信息。
可选地,移动性分布统计/预测信息包括:切片内各移动级别UE的百分比及分布区域/移动性变化预测信息;或切片内所有UE的移动性分析报告。
可选地,数据接收单元701,具体用于:
接收用户移动性和接入管理功能实体AMF发送的目标网络切片内各UE的移动性相关数据。
可选地,网络管理相关数据包括:目标网络切片的S-NSSAI标识,目标网络切片的最小化路测数据及移动性性能测量数据。
可选地,机器学习模型为训练至收敛的分类预测模型;
数据确定单元702,在采用对应的机器学习模型根据终端相关数据和/或网络管理相关数据确定目标网络切片服务分布的统计/预测信息时,具体用于:
将终端相关数据和/或网络管理相关数据输入到训练至收敛的分类预测模型中;通过训练至收敛的分类预测模型确定并输出各移动级别UE的百分比及所在区域或移动性变化预测信息。
可选地,流量分布统计/预测信息包括:切片内所有UE的流量分布区域、平均速率及最大速率/流量变化预测信息;或切片内所有UE流量分析报告。
可选地,数据接收单元701,具体用于:
接收用户移动性和接入管理功能实体AMF发送的目标网络切片中UE的标识信息和位置信息;接收会话管理功能实体SMF发送的目标网络切片对应的S-NSSAI标识;接收SMF或用户平面功能实体UPF发送的目标网络切片QoS流比特率。
可选地,网络管理相关数据包括:目标网络切片的S-NSSAI标识,目标网络切片的最小化路测数据及流量性能测量数据。
可选地,机器学习模型为训练至收敛的回归预测模型;
数据确定单元702,在采用对应的机器学习模型根据终端相关数据和/或网络管理相关数据确定目标网络切片服务分布的统计/预测信息时,具体用于:
将终端相关数据和/或网络管理相关数据输入到训练至收敛的回归预测模型中;通过训练至收敛的回归预测模型确定并输出所有UE的流量分布区域、平均速率、最大速率或流量变化预测信息。
在此需要说明的是,本申请提供的网络切片配置的优化装置,能够实现图3-图6方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
实施例九
图11为本申请再一实施例提供的网络切片配置的优化装置的结构示意图,如图11所示,本实施例提供的网络切片配置的优化装置耦合在OAM中。则本实施例提供的网络切片配置的优化装置包括:收发机800,用于在处理器810的控制下接收和发送数据。
其中,在图11中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器810代表的一个或多个处理器和存储器820代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机800可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元,这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器810负责管理总线架构和通常的处理,存储器820可以存储处理器810在执行操作时所使用的数据。
处理器810可以是中央处埋器(CPU)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或复杂可编程逻辑器件(Comple8Programmable Logic Device,CPLD),处理器也可以采用多核架构。
本实施例中,存储器820,用于存储计算机程序;收发机800,用于在处理器的控制下收发数据;处理器810,用于读取存储器中的计算机程序并执行以下操作:
接收NWDAF发送的服务分布分析数据和/或网络切片优化数据,服务分布分析数据和/或网络切片优化数据是NWDAF根据目标网络切片在运行中的终端相关数据和/或网络管理相关数据确定出的;通过通信业务管理功能实体CSMF发送目标网络切片的配置参数修改请求,配置参数修改请求中包括服务分布分析数据和/或网络切片优化数据,配置参数修改请求用于根据服务分布分析数据和/或网络切片优化数据对服务模型描述文件和/或切片子网描述配置文件中的配置参数进行优化。
可选地,处理器810,用于读取存储器中的计算机程序并执行接收NWDAF发送的服务分布分析数据和/或网络切片优化数据时,具体包括:
从网络数据分析功能实体NWDAF订阅分析相关服务;接收NWDAF发送的分析服务通知,分析服务通知中包括服务分布分析数据和/或网络切片优化数据。
在此需要说明的是,本申请提供的网络切片配置的优化装置,能够实现图7-图8所示方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
实施例十
图12为本申请又一实施例提供的网络切片配置的优化装置的结构示意图,如图12所示,本申请实施例提供的网络切片配置的优化装置耦合在OAM中,则本实施例提供的网络切片配置的优化装置包括:数据接收模块901和数据发送模块902。
其中,数据接收单元901,用于接收NWDAF发送的服务分布分析数据和/或网络切片优化数据,服务分布分析数据和/或网络切片优化数据是NWDAF根据目标网络切片在运行中的终端相关数据和/或网络管理相关数据确定出的。数据发送单元902,用于通过通信业务管理功能实体CSMF发送目标网络切片的配置参数修改请求,配置参数修改请求中包括服务分布分析数据和/或网络切片优化数据,配置参数修改请求用于根据服务分布分析数据和/或网络切片优化数据对服务模型描述文件和/或切片子网描述配置文件中的配置参数进行优化。
可选地,数据接收模块901,具体用于从网络数据分析功能实体NWDAF订阅分析相关服务;接收NWDAF发送的分析服务通知,分析服务通知中包括服务分布分析数据和/或网络切片优化数据。
在此需要说明的是,本申请提供的网络切片配置的优化装置,能够实现图7-图8方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
需要说明的是,本申请实施例八和实施例十中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可读取存储介质中。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或者该技术方案的全部或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一个存储介质中,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)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
实施例十一
本申请实施例十一还提供一种处理器可读存储介质。处理器可读存储介质存储有计算机程序,计算机程序用于使处理器执行上述任一种方法实施例。
其中,处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机可执行指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机可执行指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些处理器可执行指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的处理器可读存储器中,使得存储在该处理器可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些处理器可执行指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (19)
1.一种网络切片配置的优化方法,其特征在于,所述方法应用于网络数据分析功能实体NWDAF,所述方法包括:
接收核心网功能实体发送的目标网络切片中的终端相关数据;和/或接收操作管理维护网元OAM发送的目标网络切片中的网络管理相关数据;
根据所述终端相关数据和/或所述网络管理相关数据的类型确定对应的机器学习模型;
采用所述对应的机器学习模型根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片服务分布统计/预测信息;
将所述服务分布统计/预测信息确定为所述服务分布分析数据;
将所述服务分布分析数据发送给所述OAM,所述服务分布分析数据用于对所述目标网络切片的配置参数进行优化。
2.根据权利要求1所述的方法,其特征在于,还包括:
根据所述服务分布统计/预测信息生成对应的网络切片优化数据。
3.根据权利要求1所述的方法,其特征在于,所述目标网络切片在运行中的服务分布分析数据包括以下至少一种:
移动性分布统计/预测信息;
流量分布统计/预测信息。
4.根据权利要求3所述的方法,其特征在于,所述移动性分布统计/预测信息包括:切片内各移动级别UE的百分比及分布区域/移动性变化预测信息;或
切片内所有UE的移动性分析报告。
5.根据权利要求4所述的方法,其特征在于,所述接收核心网功能实体发送的目标网络切片中的终端相关数据,包括:
接收用户移动性和接入管理功能实体AMF发送的目标网络切片内各UE的移动性相关数据。
6.根据权利要求4所述的方法,其特征在于,所述网络管理相关数据包括:目标网络切片的S-NSSAI标识,目标网络切片的最小化路测数据及移动性性能测量数据。
7.根据权利要求4所述的方法,其特征在于,所述机器学习模型为训练至收敛的分类预测模型;
所述采用所述对应的机器学习模型根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片服务分布的统计/预测信息,包括:
将所述终端相关数据和/或所述网络管理相关数据输入到所述训练至收敛的分类预测模型中;
通过所述训练至收敛的分类预测模型确定并输出各移动级别UE的百分比及所在区域或所述移动性变化预测信息。
8.根据权利要求3所述的方法,其特征在于,所述流量分布统计/预测信息包括:切片内所有UE的流量分布区域、平均速率及最大速率/流量变化预测信息;或
切片内所有UE流量分析报告。
9.根据权利要求8所述的方法,其特征在于,所述接收核心网功能实体发送的目标网络切片中的终端相关数据,包括:
接收用户移动性和接入管理功能实体AMF发送的目标网络切片中UE的标识信息和位置信息;
接收会话管理功能实体SMF发送的目标网络切片对应的S-NSSAI标识;
接收SMF或用户平面功能实体UPF发送的目标网络切片QoS流比特率。
10.根据权利要求8所述的方法,其特征在于,所述网络管理相关数据包括:目标网络切片的S-NSSAI标识,目标网络切片的最小化路测数据及流量性能测量数据。
11.根据权利要求8所述的方法,其特征在于,所述机器学习模型为训练至收敛的回归预测模型;
所述采用所述对应的机器学习模型根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片服务分布的统计/预测信息,包括:
将所述终端相关数据和/或所述网络管理相关数据输入到所述训练至收敛的回归预测模型中;
通过所述训练至收敛的回归预测模型确定并输出所有UE的流量分布区域、平均速率、最大速率或所述流量变化预测信息。
12.一种网络切片配置的优化方法,其特征在于,所述方法应用于操作管理维护网元OAM,所述方法包括:
接收NWDAF发送的服务分布分析数据,所述服务分布分析数据是所述NWDAF采用目标网络切片在运行中的终端相关数据和/或网络管理相关数据的类型确定的机器学习模型,根据所述终端相关数据和/或所述网络管理相关数据确定出的;
通过通信业务管理功能实体CSMF发送目标网络切片的配置参数修改请求,所述配置参数修改请求中包括所述服务分布分析数据,所述配置参数修改请求用于根据所述服务分布分析数据对服务模型描述文件和/或切片子网描述配置文件中的配置参数进行优化。
13.根据权利要求12所述的方法,其特征在于,所述接收NWDAF发送的服务分布分析数据,包括:
从网络数据分析功能实体NWDAF订阅分析相关服务;
接收NWDAF发送的分析服务通知,所述分析服务通知中包括所述服务分布分析数据。
14.一种网络切片配置的优化装置,其特征在于,包括存储器,收发机,处理器:
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行以下操作:
接收核心网功能实体发送的目标网络切片中的终端相关数据;和/或接收操作管理维护网元OAM发送的目标网络切片中的网络管理相关数据;
根据所述终端相关数据和/或所述网络管理相关数据的类型确定对应的机器学习模型;
采用所述对应的机器学习模型根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片服务分布统计/预测信息;
将所述服务分布统计/预测信息确定为所述服务分布分析数据;
将所述服务分布分析数据发送给所述OAM,所述服务分布分析数据用于对所述目标网络切片的配置参数进行优化。
15.一种网络切片配置的优化装置,其特征在于,包括:包括存储器,收发机,处理器:
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行以下操作:
接收NWDAF发送的服务分布分析数据,所述服务分布分析数据是所述NWDAF采用目标网络切片在运行中的终端相关数据和/或网络管理相关数据的类型确定的机器学习模型,根据所述终端相关数据和/或所述网络管理相关数据确定出的;
通过通信业务管理功能实体CSMF发送目标网络切片的配置参数修改请求,所述配置参数修改请求中包括所述服务分布分析数据,所述配置参数修改请求用于根据所述服务分布分析数据对服务模型描述文件和/或切片子网描述配置文件中的配置参数进行优化。
16.根据权利要求15所述的装置,其特征在于,所述处理器,用于读取所述存储器中的计算机程序并执行所述接收NWDAF发送的服务分布分析数据时,具体包括:
从网络数据分析功能实体NWDAF订阅分析相关服务;
接收NWDAF发送的分析服务通知,所述分析服务通知中包括所述服务分布分析数据。
17.一种网络切片配置的优化装置,其特征在于,包括:
数据接收单元,用于接收核心网功能实体发送的目标网络切片中的终端相关数据;和/或接收操作管理维护网元OAM发送的目标网络切片中的网络管理相关数据;
数据确定单元,用于根据所述终端相关数据和/或所述网络管理相关数据的类型确定对应的机器学习模型;采用所述对应的机器学习模型根据所述终端相关数据和/或所述网络管理相关数据确定所述目标网络切片服务分布统计/预测信息;将所述服务分布统计/预测信息确定为所述服务分布分析数据;
数据发送单元,用于将所述服务分布分析数据发送给所述OAM,所述服务分布分析数据用于对所述目标网络切片的配置参数进行优化。
18.一种网络切片配置的优化装置,其特征在于,包括:
数据接收单元,用于接收NWDAF发送的服务分布分析数据,所述服务分布分析数据是所述NWDAF采用目标网络切片在运行中的终端相关数据和/或网络管理相关数据的类型确定的机器学习模型,根据所述终端相关数据和/或所述网络管理相关数据确定出的;
数据发送单元,用于通过通信业务管理功能实体CSMF发送目标网络切片的配置参数修改请求,所述配置参数修改请求中包括所述服务分布分析数据,所述配置参数修改请求用于根据所述服务分布分析数据对服务模型描述文件和/或切片子网描述配置文件中的配置参数进行优化。
19.一种处理器可读存储介质,其特征在于,所述处理器可读存储介质存储有计算机程序,所述计算机程序用于使所述处理器执行权利要求1至13任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010794996.3A CN114124709B (zh) | 2020-08-10 | 2020-08-10 | 网络切片配置的优化方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010794996.3A CN114124709B (zh) | 2020-08-10 | 2020-08-10 | 网络切片配置的优化方法、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114124709A CN114124709A (zh) | 2022-03-01 |
CN114124709B true CN114124709B (zh) | 2023-06-20 |
Family
ID=80373581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010794996.3A Active CN114124709B (zh) | 2020-08-10 | 2020-08-10 | 网络切片配置的优化方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114124709B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114828261A (zh) * | 2022-04-29 | 2022-07-29 | 广州爱浦路网络技术有限公司 | 通信网络切片分配方法、计算机装置及存储介质 |
CN115426716A (zh) * | 2022-08-18 | 2022-12-02 | 广州爱浦路网络技术有限公司 | 切片资源分析、选择方法、装置、网元及接纳控制设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108632848A (zh) * | 2017-03-20 | 2018-10-09 | 华为技术有限公司 | 网络切片自优化协调方法及装置 |
CN109600262A (zh) * | 2018-12-17 | 2019-04-09 | 东南大学 | Urllc传输网络切片中资源自配置和自优化方法及装置 |
CN110062407A (zh) * | 2018-01-19 | 2019-07-26 | 华为技术有限公司 | 网络切片性能管理的方法和装置 |
WO2020025715A1 (en) * | 2018-07-31 | 2020-02-06 | NEC Laboratories Europe GmbH | Data analytics for network automation utilising user qoe data |
CN110798360A (zh) * | 2019-11-06 | 2020-02-14 | 腾讯科技(深圳)有限公司 | Nwdaf网元的选择方法、装置、电子设备及可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10708806B2 (en) * | 2018-01-02 | 2020-07-07 | Verizon Patent And Licensing Inc. | Systems and methods for a self-organizing network based on user equipment information |
-
2020
- 2020-08-10 CN CN202010794996.3A patent/CN114124709B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108632848A (zh) * | 2017-03-20 | 2018-10-09 | 华为技术有限公司 | 网络切片自优化协调方法及装置 |
CN110062407A (zh) * | 2018-01-19 | 2019-07-26 | 华为技术有限公司 | 网络切片性能管理的方法和装置 |
WO2020025715A1 (en) * | 2018-07-31 | 2020-02-06 | NEC Laboratories Europe GmbH | Data analytics for network automation utilising user qoe data |
CN109600262A (zh) * | 2018-12-17 | 2019-04-09 | 东南大学 | Urllc传输网络切片中资源自配置和自优化方法及装置 |
CN110798360A (zh) * | 2019-11-06 | 2020-02-14 | 腾讯科技(深圳)有限公司 | Nwdaf网元的选择方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114124709A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA3112926C (en) | Slice information processing method and apparatus | |
US10701606B2 (en) | Dynamic steering of traffic across radio access networks | |
D’Oro et al. | Orchestran: Network automation through orchestrated intelligence in the open ran | |
US20210105638A1 (en) | Network data analytics for oam | |
Tselios et al. | On QoE-awareness through virtualized probes in 5G networks | |
US20220408293A1 (en) | Method and device for providing network analysis information for rfsp index selection in mobile communication network | |
Iyer et al. | Automating diagnosis of cellular radio access network problems | |
CN114124709B (zh) | 网络切片配置的优化方法、装置及可读存储介质 | |
CN115004653A (zh) | 一种数据分析方法、装置及系统 | |
US20200344641A1 (en) | Network configuration using cell congestion predictions | |
WO2014114322A1 (en) | A method and network node for determining a recommended cell for a user equipment | |
US20210273890A1 (en) | Devices and methods for time sensitive communication in a communication network | |
US20220330071A1 (en) | SYSTEMS AND METHODS FOR ADAPTIVE COLLECTION OF QUALITY OF EXPERIENCE (QoE) MEASUREMENTS | |
Rizwan et al. | A zero-touch network service management approach using ai-enabled cdr analysis | |
Laselva et al. | Advancements of QoE assessment and optimization in mobile networks in the machine era | |
CN114205850A (zh) | 业务处理方法、基站、核心网系统和业务处理系统 | |
Ferrús et al. | Data analytics architectural framework for smarter radio resource management in 5G radio access networks | |
Qazzaz et al. | Machine learning-based xApp for dynamic resource allocation in O-RAN networks | |
CN103856998A (zh) | 一种用户切换方法、通信系统以及相关装置 | |
Garcia-Martin et al. | Network automation and data analytics in 3gpp 5g systems | |
Vila et al. | Performance measurements-based estimation of radio resource requirements for slice admission control | |
García et al. | Automatic UMTS system resource dimensioning based on service traffic analysis | |
Mkocha et al. | Trends and Opportunities for Traffic Engineering Paradigms Across Mobile Cellular Network Generations | |
US9826427B2 (en) | System and method for dynamic operational decision making in multi types/layers wireless radio access networks based on progressive data flow detection | |
EP4274177A1 (en) | Method for evaluating action impact over mobile network performance |
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 |