CN114339796A - 小区休眠数据处理方法、装置、电子设备及存储介质 - Google Patents
小区休眠数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114339796A CN114339796A CN202111575656.2A CN202111575656A CN114339796A CN 114339796 A CN114339796 A CN 114339796A CN 202111575656 A CN202111575656 A CN 202111575656A CN 114339796 A CN114339796 A CN 114339796A
- Authority
- CN
- China
- Prior art keywords
- cell
- slice
- dormant
- capacity
- service
- 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
- 230000005059 dormancy Effects 0.000 title claims abstract description 62
- 238000003672 processing method Methods 0.000 title abstract description 18
- 238000013508 migration Methods 0.000 claims abstract description 59
- 230000005012 migration Effects 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 4
- 238000009472 formulation Methods 0.000 abstract description 2
- 239000000203 mixture Substances 0.000 abstract description 2
- 230000007958 sleep Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000003213 activating effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000020411 cell activation Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供一种小区休眠数据处理方法、装置、电子设备及存储介质,该方法包括:对小区进行切片划分处理,得到多个小区切片,小区包括休眠小区和激活小区;根据多个小区切片中每个小区切片的平均容量计算得到对应小区切片的第一容量需求;分别获取在休眠小区进行休眠节能时休眠小区中每个小区切片的业务迁移到第一切片的概率,第一切片为激活小区中的一个小区切片;根据休眠小区中每个小区切片的业务迁移到第一切片中的概率、休眠小区中每个小区切片的第一容量需求以及第一切片的第一容量需求预测第一切片的第二容量需求。本申请实施例的技术方案能预测休眠节能时激活小区内各小区切片的容量需求,为小区休眠节能策略的制定提供参考数据。
Description
技术领域
本申请涉及移动通信技术领域,具体而言,涉及一种小区休眠数据处理方法、装置、电子设备及存储介质。
背景技术
小区休眠节能是基站节能的有效手段。启用小区休眠时,休眠小区会暂停服务,休眠小区的用户需要迁移到其它不休眠的小区(激活小区),容量需求也随之从休眠小区转移到激活小区。
现有的小区休眠节能策略一般基于节能时段的小区容量需求的预测,如通过预测激活小区在接收到休眠小区用户迁移后的容量需求,根据容量需求改变休眠小区向激活小区的迁移方案、扩大激活小区的容量等方式制定新的小区休眠节能策略,而现有的小区休眠数据处理方法大多只能预测得到滞后、粗放的小区节能时段容量需求,无法为小区休眠节能策略的制定提供更精确的参考数据。
发明内容
为解决上述技术问题,本申请的实施例提供了一种小区休眠数据处理方法及装置、电子设备、计算机可读存储介质,能预测休眠节能时激活小区内各小区切片的容量需求。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种小区休眠数据处理方法,包括:对小区进行切片划分处理,得到多个小区切片,所述小区包括休眠小区和激活小区;根据所述多个小区切片中每个小区切片的平均容量计算得到对应小区切片的第一容量需求;分别获取在所述休眠小区进行休眠节能时休眠小区中每个小区切片的业务迁移到第一切片的概率,所述第一切片为所述激活小区中的一个小区切片;根据所述休眠小区中每个小区切片的业务迁移到第一切片中的概率、所述休眠小区中每个小区切片的第一容量需求以及第一切片的第一容量需求预测所述第一切片的第二容量需求
在一实施例中,所述根据所述多个小区切片中每个小区切片的平均容量计算得到对应小区切片的第一容量需求,包括:
根据每个小区切片的历史容量数据分别计算对应小区切片的平均容量;
根据每个小区切片的平均容量计算对应小区切片的容量标准差;
根据每个小区切片对应的平均容量和容量标准差计算对应小区切片的所述第一容量需求。
在一实施例中,所述分别获取在所述休眠小区进行休眠节能时休眠小区中每个小区切片的业务迁移到第一切片的概率,包括:
根据所述休眠小区中每个小区切片的业务量获取各小区切片的业务量迁移至所述第一切片中的比例;
根据所述各小区切片的业务量迁移至所述第一切片中的比例计算得到所述休眠小区中每个小区切片的业务迁移到第一切片的概率。
在一实施例中,在所述根据所述休眠小区中每个小区切片的业务迁移到第一切片中的概率、所述休眠小区中每个小区切片的第一容量需求以及第一切片的第一容量需求预测所述第一切片的第二容量需求之后,所述方法还包括:
根据所述第一切片的实际容量以及所述第一切片的第二容量需求,获取所述第一切片的业务迁移能力;
基于所述第一切片的业务迁移能力调整所述休眠小区在进行休眠节能时的业务迁移方案。
在一实施例中,所述基于所述第一切片的业务迁移能力调整所述休眠小区在进行休眠节能时的业务迁移方案,包括:
若所述第一切片的业务迁移能力不足以满足所述第一切片的第二容量需求,则对所述第一切片的实际容量进行扩容处理;或者,
对迁移进入所述第一切片中的业务量进行调整,以使所述第一切片的实际容量能满足进行业务量调整后的第一切片的第二容量需求。
在一实施例中,在所述根据所述休眠小区的每个小区切片的业务迁移到第一切片中的概率、所述休眠小区的各小区切片的第一容量需求、第一切片的第一容量需求预测所述第一切片的第二容量需求之后,所述方法还包括:
分别获取在所述休眠小区进行休眠节能时第二切片的业务迁移到激活小区中的每个小区切片的概率,所述第二切片为所述休眠小区中的一个小区切片;
根据所述第二切片的第一容量需求和所述第二切片的业务迁移到激活小区中的每个小区切片的概率,预测得到所述第二切片的业务损失值。
在一实施例中,在所述根据所述第二切片的第一容量需求和所述第二切片的业务迁移到激活小区中的每个小区切片的概率,预测得到所述第二切片的业务损失值之后,所述方法还包括:
根据各时间段的所述第二切片的业务损失值和预设业务量损失阈值,筛选出所述第二切片的业务损失值小于所述预设业务量损失阈值的时间段;
根据筛选出的所述第二切片的业务损失值小于所述预设业务量损失阈值的时间段调整所述休眠小区进入休眠节能状态的时间。
根据本申请实施例的一个方面,提供了一种小区休眠数据处理装置,包括:切片模块,配置为对小区进行切片处理,得到多个小区切片,所述小区包括休眠小区和激活小区;第一容量需求获取模块,配置为根据所述多个小区切片中每个小区切片的平均容量计算得到对应小区切片的第一容量需求;概率获取模块,配置为分别获取在所述休眠小区进行休眠节能时休眠小区中每个小区切片的业务迁移到第一切片的概率,所述第一切片为所述激活小区中的一个小区切片;第二容量需求获取模块,配置为根据所述休眠小区中每个小区切片的业务迁移到第一切片中的概率、所述休眠小区中每个小区切片的第一容量需求、第一切片的第一容量需求预测所述第一切片的第二容量需求。
根据本申请实施例的一个方面,提供了一种电子设备,包括一个或多个处理器;存储装置,用于存储一个或多个计算机程序,当所述一个或多个计算机程序被所述一个或多个处理器执行时,使得所述电子设备实现如上所述的小区休眠数据处理方法。
根据本申请实施例的一个方面,提供了一种计算机可读存储介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行如上所述的小区休眠数据处理方法。
根据本申请实施例的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实施例中提供的小区休眠数据处理方法。
在本申请的实施例所提供的技术方案中,通过将小区进行切片划分,以小区切片为粒度,将激活小区的在进入休眠节能阶段后容量需求分解成不同休眠小区的小区切片迁移的容量需求以及自身的容量需求,精准预测休眠节能时激活小区的小区切片的容量需求,为小区休眠节能策略的制定提供参考数据。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术者来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本申请涉及的一种实施环境的示意图;
图2是本申请的一示例性实施例示出的小区休眠数据处理方法的流程图;
图3是本申请的一示例性实施例示出的小区与小区切片的关系示意图;
图4是本申请的一示例性实施例示出的各小区切片集合间的关系示意图;
图5是图2所示实施例中的步骤S230在一示例性实施例中的流程图;
图6是图2所示实施例中的步骤S250在一示例性实施例中的流程图;
图7是本申请的一示例性实施例示出的各小区切片之间的迁移关系示意图;
图8是本申请的另一示例性实施例示出的小区休眠数据处理方法的流程图;
图9是本申请的另一示例性实施例示出的小区休眠数据处理方法的流程图;
图10是本申请的一示例性实施例示出的小区休眠数据处理装置的结构示意图;
图11示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
还需要说明的是:在本申请中提及的“多个”是指两个或者两个以上。“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。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提出的小区休眠数据处理方法及装置、电子设备、存储介质涉及人工智能技术以及机器学习技术,以下将对这些实施例进行详细说明。
首先请参阅图1,图1是本申请涉及的一种实施环境的示意图。该实施环境包括终端100和服务器端200,终端100和服务器端200之间通过有线或者无线网络进行通信。终端100用于采集小区信息,如某一基站内的多个小区信息,该基站在进行节能时会将一些小区设定为休眠,即为休眠小区,并将休眠小区的用户需求迁移到其他小区,即激活小区,从另一方面来说,小区信息包括休眠小区的业务需求、容量等数据,以及激活小区的业务需求、容量等数据;终端100在采集到小区信息后,将采集到的小区信息输入至服务器端200,服务器端200对小区信息进行数据处理,预测激活小区内各切片的容量需求,然后将结果发送至终端100,可通过终端100自带的显示模块可视化展示激活小区内各切片的容量需求预测数据。
示例性的,终端100在接收到小区信息,将小区信息发送至服务器端200,服务器端200对小区信息进行数据处理预测激活小区的每个切片容量需求,如对小区进行切片划分处理,得到多个小区切片,进行切片划分的小区包括多个休眠小区和多个激活小区;然后根据多个小区切片中每个切片的平均容量计算得到对应切片的第一容量需求;分别获取在休眠小区进行休眠节能时休眠小区中每个切片的业务迁移到第一切片的概率,第一切片为激活小区中的一个切片;根据休眠小区中每个切片的业务迁移到第一切片中的概率、休眠小区中每个切片的第一容量需求以及第一切片的第一容量需求预测第一切片的第二容量需求。
其中,终端100可以是智能手机、平板、笔记本电脑、计算机等任意能够实现数据可视化的电子设备,本处不进行限制。服务器端200可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,其中多个服务器可组成一区块链,而服务器为区块链上的节点,服务器端200还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)以及大数据和人工智能平台等基础云计算服务的云服务器,本处也不对此进行限制。
图2是根据一示例性实施例示出一种小区休眠数据处理方法的流程图。如图2所示,在一示例性实施例中,该方法可以包括步骤S210至步骤S270,详细介绍如下:
步骤S210:对小区进行切片划分处理,得到多个小区切片。
本实施例中,小区包括休眠小区和激活小区,在基站进行节能时,休眠小区的业务会迁移到激活小区。
本实施例,首先对小区进行划分,每个小区可得到至少一个小区切片,当然,为了方便后续查找与使用,还可为各小区的小区切片进行编号,用不同的编号代表不同的小区切片。
如图3即为一实施例中小区与小区切片的关系示意图;而对于如4G系统的小区虽然不支持切片,但支持某切片类型业务的,因此也可看作4G系统的小区支持切片划分。
在基站进行节能时,休眠小区一般为容量层的一部分或全部小区,激活小区可以是容量层的小区也可以是覆盖层的小区,如在一实施例中,将容量层和覆盖层的所有小区分别进行切片划分,得到容量层的小区切片集合为V,覆盖层的小区切片集合为B,则,若在进行休眠节能时的休眠小区的小区切片集合为S,激活小区的小区切片集合为A,则有S是V的子集,A是B的超集,各小区切片集合间的关系如图4所示,在节能时段,一部分容量层的小区切片可进入休眠状态(即休眠小区内的小区切片),该进入休眠状态的小区切片中的业务会转移至其他小区切片中(即激活小区内的小区切片)。
步骤S230:根据多个小区切片中每个小区切片的平均容量计算得到对应小区切片的第一容量需求。
本实施例中,各小区切片的容量需求可通过多种方法得到,比如根据各小区历史容量数据,计算各小区切片的平均容量,最后通过小区切片的平均容量计算各小区切片的第一容量需求,该第一容量需求为各小区切片在没有进入休眠节能阶段的容量需求;该容量的参数定义可以是业务数据量,也可以是活跃用户数、需寻呼用户数等,容量的参数定义可以是上述的一种参数或多种参数组合,此处仅仅是示例性举例,不对容量需求的参数定义做具体限制,且不同小区切片的容量可采用不同的定义,在进行多次小区休眠数据处理的过程中,可使用不同的容量参数进行数据处理,如将活跃用户数作为容量参数,则通过各小区切片中历史活跃用户数计算各小区切片的第一容量需求。
步骤S250:分别获取在休眠小区进行休眠节能时休眠小区中每个小区切片的业务迁移到第一切片的概率。
由于在休眠小区进行休眠节能时,休眠小区和激活小区之间可能是交叠覆盖的,一个休眠小区的用户可能分流到由多个激活小区,因此,可以计算进入休眠的休眠小区中每个小区切片迁移到激活小区中某一切片的概率。
本实施例中,第一切片为激活小区中的一个小区切片。
本实施例中可以通过休眠小区中各小区切片的覆盖范围、负载、EPSFB(EvolvedPacket System Fall back,演进的分组系统回落)等中的一种或多种组合的方法计算休眠小区中每个小区切片的业务迁移到第一切片的概率。
步骤S270:根据休眠小区中每个切片的业务迁移到第一切片中的概率、休眠小区中每个切片的第一容量需求以及第一切片的第一容量需求预测第一切片的第二容量需求。
本实施例中,在得到休眠小区中每个小区切片迁移到激活小区中某一切片的概率后,即可通过该概率预测激活小区中某一切片在休眠节能时间的容量需求。
在进行休眠节能时,激活小区某小区切片的容量需求应为自身容量需求与从各休眠小区的各小区切片迁移到此切片的容量需求之和,因此,本实施例中,可通过休眠小区中每个切片的业务迁移到第一切片中的概率、休眠小区中每个切片的第一容量需求以及第一切片的第一容量需求预测第一切片的第二容量需求,具体可通过以下公式预测在休眠节能后,激活小区某小区切片的第二容量需求:
其中,(Cj)ES为第j个小区切片的第二容量需求,M表示所有小区切片的集合,Ci为第i个小区切片的第一容量需求,休眠小区中小区切片i的第一容量需求,Pij表示第i个小区切片的业务迁移到第j个小区切片的概率。
在一些特殊情况中,当第j个小区切片为休眠小区内的小区切片时,则由于没有其他小区切片的业务迁移到第j个小区切片,即无论第i个小区切片是激活小区内的小区切片还是休眠小区内的小区切片,第j个小区切片的第二容量需求都为零;当第j个小区切片激活小区内的小区切片时,可能存在休眠小区内的小区切片业务迁移,则可以通过上述公式预测第j个小区切片的第二容量需求,在特殊时刻j=i,即此时CiPij得到的是第j个小区切片的第一容量需求。因此,通过上述公式即能得到在休眠节能阶段激活小区某小区切片的第二容量需求,而休眠小区内的所有小区切片由于已进行业务迁移,其第二容量需求为0,因此,为了减少计算量,可以不计算所有小区切片的第二容量需求,仅计算休眠小区中各小区切片的业务迁移到休眠小区中各小区切片的概率。
以下举例描述本实施例提出的小区休眠数据处理方法,如存在1个容量层小区,支持小区切片1、2;1个覆盖层小区,支持小区切片3、4;1个覆盖层4G小区,不支持切片,但支持小区切片1对应的业务,看作支持小区切片5。
小区切片1、2被标记为休眠小区切片,小区切片3、4、5被标记为激活小区切片。小区切片2的业务可迁移到小区切片4,小区切片1的业务可迁移到小区切片3或5,节能时段小区切片的容量需求估算为C1,C2,…,C5。小区切片业务迁移概率Pij估算如下表:
表1
则可预测在休眠节能时用户迁移后,各激活小区切片的容量需求分别为:
(C3)ES=C1P13+C3P33=0.5C1+C3
(C4)ES=C2P24+C4P44=0.5C2+C4
(C5)ES=C1P15+C5P55=0.5C1+C5
本实施例中,通过将各小区进行切片划分处理,以小区切片为粒度能更精确的获取各小区的容量数据,同时,将激活小区的在进入休眠节能阶段后容量需求分解成不同休眠小区的小区切片迁移的容量需求以及自身的容量需求,辅以将各小区进行切片划分处理后各小区的容量数据,更准确的预测激活小区内各小区切片在进入休眠节能阶段后的第二容量需求,可通过激活小区各小区切片的第二容量需求预测休眠节能时段激活小区网络提供各类型服务的能力,还可通过激活小区内各小区切片在进入休眠节能阶段后容量需求作为切片配置调优、载波扩容的参考依据以及评估休眠节能策略的可行性。
图5是图2所示实施例中步骤S230在一示例性实施例中的流程图。如图5所示,在一示例性实施例中,该根据多个小区切片中每个小区切片的平均容量计算得到对应小区切片的第一容量需求的过程可以包括步骤S510至步骤S550,详细介绍如下:
步骤S510:根据每个小区切片的历史容量数据分别计算对应小区切片的平均容量。
本实施中,可根据每个小区切片未在休眠节能阶段的历史容量出具计算各自的平均容量。
步骤S530:根据每个小区切片的平均容量计算对应小区切片的容量标准差。
步骤S530:根据每个小区切片对应的平均容量和容量标准差计算对应小区切片的第一容量需求。
本实施例中,通过以下公式计算各小区切片的第一容量需求:
Ci=Di+k·S(Di)
其中,Ci为第i个小区切片的第一容量需求,S(Di)为第i个小区切片的容量标准差,k为系数,可根据实际容量数据与历史容量数据的多次计算得到,且k设置得越大,瞬时容量大于第一容量需求的概率越小,Di为第i个小区切片的平均容量。
本实施例中,通过历史容量数据计算各小区切片在未进入休眠节能阶段的第一容量需求,以通过各小区切片的第一容量需求预测激活小区的小区在进入休眠节能阶段的第二容量需求,可参考第二容量需求可为小区提供休眠节能策略。
图6是图2所示实施例中步骤S250在一示例性实施例中的流程图。如图6所示,在一示例性实施例中,该分别获取在休眠小区进行休眠节能时休眠小区中每个小区切片的业务迁移到第一切片的概率的过程可以包括步骤S610至步骤S630,详细介绍如下:
步骤S610:根据休眠小区中每个小区切片的业务量获取各切片的业务量迁移至第一切片中的比例。
本实施例中,在休眠节能时,休眠小区内的业务会迁移到其他小区,由于休眠小区和激活小区之间可能是交叠覆盖的,休眠小区的用户可能分流到多个激活小区,在小区切片为粒度时,则为休眠小区的一个小区切片会迁移到激活小区的一个或多个小区切片,因此,可通过一个小区切片的迁移至另一个小区切片的业务量比例计算迁移概率。
步骤S630:根据各小区切片的业务量迁移至第一切片中的比例计算得到休眠小区中每个小区切片的业务迁移到第一切片的概率。
本实施例中通过一个小区切片的业务量迁移到另一个小区切片比例计算对应小区切片的业务迁移到另一个小区切片的概率,如存在小区切片i和j,小区切片i的业务全部迁移到小区切片j,即小区切片i的业务量迁移至小区切片j的比例为100%,则有小区切片i的业务迁移至小区切片j的概率Pij=1;若小区切片i的业务不迁移到小区切片j,即小区切片i的业务量迁移至小区切片j的比例为0%,则有Pij=0;若小区切片i的业务一半迁移到小区切片j,另一半迁移到其他一个或多个小区切片,即小区切片i的业务量迁移至小区切片j的比例为50%,则有pij=0.5;因此可得出小区切片i的业务量迁移至小区切片j的比例为A,则有Pij=A。
本实施例中,由于休眠小区在进入休眠节能后即不提供服务,因此需要将休眠小区的所有业务迁移到激活小区,也就是说,当小区切片j为休眠小区的小区切片的时候,不论i是休眠小区的小区切片还是激活小区的小区切片,Pij均为0,因为不会有其他业务迁移至休眠小区的小区切片。当然,也存在小区切片i、j为均为激活小区的小区切片的情况,两个激活小区的小区切片也是不存在业务迁移的,因此Pij也为0;在特殊时候,小区切片i、j相同,即小区切片i、j指向同一个激活小区的小区切片,由于此时激活小区的业务部迁移,因此该小区切片内的业务仍在自身小区切片内,则Pij为1。
在实际计算中,由于上述特殊情况,且进入休眠节能后休眠小区的业务已进行迁移只需预测激活小区内小区切片的容量需求,为了减少计算量,可以不计算所有小区切片中,一个小区切片的业务迁移到另一个小区切片的概率,仅计算休眠小区中各小区切片的业务迁移到休眠小区中各小区切片的概率。
本实施例中,如图7为示出的一实施例中各小区切片之间的迁移关系,用户业务从休眠小区的某小区切片迁移到激活小区的某小区切片,这两个小区切片可能同属一个S-NSSAI(网络分片),也可能属于不同S-NSSAI,在迁移时可能存在映射关系,也可能不存在映射关系,但均使用上述方法得到小区切片间业务迁移的概率。
本实施例中可通过网络建设时实测的各小区覆盖范围,得出小区覆盖重合、交叠的情况,再通过几何模型估算;基于小区间负载均衡的统计;基于EPSFB的统计;基于测量上报的统计等方法中的一个或多个计算一个小区切片的业务迁移到另一个小区切片的概率,如当通过负载均衡计算概率时,则可通过小区切片i在休眠节能前的负载,以及该小区切片i的负载迁移到小区切片j的比例计算小区切片i的业务迁移至小区切片j的概率。
当然,也存在休眠小区中的某个小区切片的业务需求无法被激活小区内的小区切片满足,则就会存在∑jPij≤1。
当然,由于是需要预测休眠节能时激活小区的小区切片的第二容量需求,因此可预先制定休眠小区中各小区切片的业务量迁移到激活小区中各小区切片的比例(如预先制定的休眠节能策略中迁移方案),然后根据预先设定的比例计算对应概率,再通过图2中的方法预测激活小区的小区切片的第二容量需求,此后可根据激活小区的小区切片的第二容量需求数值以及对应小区切片的实际容量需求数值对比,调整休眠小区中各小区切片的业务量迁移到激活小区中各小区切片的比例(调整休眠小区的迁移方案),降低休眠节能时的业务损失以及优化休眠节能时的小区切片配置。
本实施例中,通过各小区切片的业务量迁移至第一切片中的比例计算得到休眠小区中每个小区切片的业务迁移到第一切片的概率,以此可预测在小区休眠节能阶段激活小区中的小区切片需要接收迁移业务量,为后续预测休眠节能阶段激活小区各小区切片的容量需求提供参考数据。
图8是根据另一示例性实施例示出一种小区休眠数据处理方法的流程图。如图8所示,在一示例性实施例中,该方法可实施于图2所示实施例中的步骤S270之后,该方法可以包括步骤S810至步骤S830,详细介绍如下:
步骤S810:根据第一切片的实际容量以及第一切片的第二容量需求,获取第一切片的业务迁移能力。
本实施例中,在预测得到激活小区中每个小区切片的第二容量需求后,可结合制定的指标要求,评估预测得到的第二容量需求对应休眠节能策略的可行性,如对激活小区内一小区切片m,其第二容量需求为(Cm)ES,其实际容量为(Cm)max,且在小区切片m需要实际容量为(Cm)max不低于第二容量需求为(Cm)ES的x%,才能满足小区切片m的正常运转,则此时即可比较激活小区的小区切片m的实际容量以及第一切片的第二容量需求,如满足以下条件,则证明小区切片m的业务迁移能力正常,能满足休眠节能时小区切片m的正常运转需求,否则证明小区切片m的业务迁移能力弱,小区切片m的业务迁移能力不足以满足小区切片m的第二容量需求,需重新制定休眠节能计划:
步骤S830:基于第一切片的业务迁移能力调整休眠小区在进行休眠节能时的业务迁移方案。
本实施例中,当小区切片m的迁移能力满足休眠节能时小区切片m的正常运转的需求,则可不对休眠节能的迁移方案进行调整。
但若小区切片m的业务迁移能力不足以满足小区切片m的第二容量需求,即小区切片s的业务迁移能力弱,在进行休眠节能后小区切片m对于迁移过来的业务以及自身的业务无法进行正常服务,则可对小区切片m的实际容量进行扩容处理,以使小区切片m的实际容量能满足正常服务迁移过来的业务以及自身的业务需求。
当然,在一些实施例中,还可不对小区切片m的实际容量进行扩容处理,而是对迁移进入小区切片m中的业务量进行调整,如减少休眠小区内的小区切片迁移到小区切片m中的业务量,使休眠小区内的小区切片业务迁移到其他业务能力较强的激活小区的其他小区切片,以使小区切片m的实际容量能满足进行业务量调整后的小区切片m的第二容量需求;当然小区切片m的实际容量进行扩容处理以及对迁移进入小区切片m中的业务量进行调整两种方法可以同时实施,也可以仅实施其中的一种,或是通过其他方案来调整业务迁移方案,直到激活小区的小区切片满足各自正常运转的需求。
本实施例中,通过激活小区各小区切片的第二容量需求以及对应小区切片的实际容量需求,可评估休眠节能策略的可行性,为调整修改休眠节能时的业务迁移方案提供参考数据,避免小区休眠节能时激活小区的小区切片无法满足业务需求造成的用户无法使用服务或是服务质量下降的结果,可优化小区休眠节能的节能策略。
图9是根据另一示例性实施例示出一种小区休眠数据处理方法的流程图。如图9所示,在一示例性实施例中,该方法可实施于图2所示实施例中的步骤S270之后,该方法可以包括步骤S910至步骤S930,详细介绍如下:
步骤S910:分别获取在休眠小区进行休眠节能时第二切片的业务迁移到激活小区中的每个小区切片的概率。
本实施例中,第二切片为休眠小区中的一个小区切片。
步骤S930:根据第二切片的第一容量需求和所述第二切片的业务迁移到激活小区中的每个切片的概率,预测得到第二切片的业务损失值。
本实施例中,在进入休眠节能阶段后,休眠小区内的小区切片的业务会迁移激活小区,在进行迁移的过程中,休眠小区内的小区切片会存在业务量损失,因此,可通过以下公式预测休眠节能阶段,休眠小区内的小区切片的业务量损失:
其中,Pnm为在休眠节能时小区切片n的业务迁移到小区切片m的概率,Ln为小区切片n的业务量损失,Cn为小区切片n的第一容量需求,表示小区切片m为激活小区的一个小区切片,表示小区切片n为休眠小区的一个小区切片。
本实施例中,在得到休眠节能时休眠小区的各小区切片的业务量损失后,可评估各小区切片的业务量损失是否在可承受范围内,如要求每个休眠小区的小区切片业务量损失不高于y%,即各小区切片的业务量损失满足以下公式:
当小区切片n满足上述公式时,则认为小区切片n的业务量损失是在可接受范围内,可在休眠节能时不对小区切片n进行调整。
否则,根据各小区切片的业务量损失重新制定休眠节能策略,如在一实施中,可根据各时间段的第二切片的业务损失值和预设业务量损失阈值,筛选出第二切片的业务损失值小于预设业务量损失阈值的时间段;然后根据筛选出的第二切片的业务损失值小于预设业务量损失阈值的时间段调整休眠小区进入休眠节能状态的时间。
具体地,对于休眠小区的小区切片来说,其在不同时间段进入休眠节能时的业务损失值不同,则可预测业务量损失阈值,选出业务损失值小于预设业务量损失阈值的时间段,将这些时间段认为是进入休眠节能阶段造成损失较小的时间段,在制定休眠节能策略时,可设定在筛选出来的时间段进行休眠节能。
当然,还可以在计算休眠小区各小区切片的业务量损失是在可接受范围内后,进行休眠小区的选择,如筛选出业务量损失在可接受范围内的小区切片,认为其进入休眠节能造成的损失较小,在制定休眠节能策略时可选择其对应的小区为休眠小区;而对于业务量损失较大的,则可在制定休眠节能策略时认为其对应小区作为休眠小区损失较大,因此不再作为休眠小区。
本实施例中对进入休眠节能节点后,休眠小区各小区切片的业务损失量进行预测,通过该业务损失量评估对应小区切片作为休眠小区造成的损失值,以此调整休眠节能时段、休眠小区选择,从而优化休眠节能策略,减少休眠节能时的业务损失。
图10是根据一示例性实施例示出的一种小区休眠数据处理装置的结构示意图。如图10所示,在一示例性实施例中,该小区休眠数据处理装置包括:
切片模块1010,配置为对小区进行切片处理,得到多个小区切片,小区包括休眠小区和激活小区;
第一容量需求获取模块1030,配置为根据多个小区切片中每个小区切片的平均容量计算得到对应小区切片的第一容量需求;
概率获取模块1050,配置为分别获取在休眠小区进行休眠节能时休眠小区中每个小区切片的业务迁移到第一切片的概率,第一切片为激活小区中的一个小区切片;
第二容量需求获取模块1070,配置为根据休眠小区中每个小区切片的业务迁移到第一切片中的概率、休眠小区中每个小区切片的第一容量需求、第一切片的第一容量需求预测第一切片的第二容量需求。
本实施例中,通过上述结构的数据处理装置,能准确的预测激活小区各小区切片在进入休眠节能阶段后的容量需求,为休眠节能的配置提供参考数据。
在一实施例中,第一容量需求获取模块1030包括:
平均容量获取单元,配置为根据每个小区切片的历史容量数据分别计算对应小区切片的平均容量;
容量标准差获取单元,配置为根据每个小区切片的平均容量计算对应小区切片的容量标准差;
第一容量需求获取单元,配置为根据每个小区切片对应的平均容量和容量标准差计算对应小区切片的第一容量需求。
在一实施例中,概率获取模块1050包括:
迁移比例获取单元,配置为根据休眠小区中每个小区切片的业务量获取各小区切片的业务量迁移至第一切片中的比例;
第一切片的概率获取单元,配置为根据各小区切片的业务量迁移至第一切片中的比例计算得到休眠小区中每个小区切片的业务迁移到第一切片的概率。
在一实施例中,该小区休眠数据处理装置还包括:
业务迁移能力获取模块,配置为根据第一切片的实际容量以及第一切片的第二容量需求,获取第一切片的业务迁移能力;
迁移方案获取模块,配置为基于第一切片的业务迁移能力调整休眠小区在进行休眠节能时的业务迁移方案。
在一实施例中,迁移方案获取模块包括:
扩容单元,配置为若第一切片的业务迁移能力不足以满足第一切片的第二容量需求,则对第一切片的实际容量进行扩容处理;或者,
业务量调整单元,配置为对迁移进入第一切片中的业务量进行调整,以使第一切片的实际容量能满足进行业务量调整后的第一切片的第二容量需求。
在一实施例中,该小区休眠数据处理装置还包括:
切片迁移概率获取单元模块,配置为分分别获取在休眠小区进行休眠节能时第二切片的业务迁移到激活小区中的每个小区切片的概率,第二切片为休眠小区中的一个小区切片;
业务损失值获取模块,配置为根据第二切片的第一容量需求和第二切片的业务迁移到激活小区中的每个小区切片的概率,预测得到第二切片的业务损失值。
在一实施例中,该小区休眠数据处理装置还包括:
筛选模块,配置为根据各时间段的第二切片的业务损失值和预设业务量损失阈值,筛选出第二切片的业务损失值小于预设业务量损失阈值的时间段;
休眠调整模块,配置为根据筛选出的第二切片的业务损失值小于预设业务量损失阈值的时间段调整休眠小区进入休眠节能状态的时间。
需要说明的是,上述实施例所提供的密钥交换装置与上述实施例所提供的密钥交换方法属于同一构思,其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。
本实施例中还提出一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个计算机程序,当一个或多个计算机程序被所述一个或多个处理器执行时,使得电子设备实现如上述实施例描述的小区休眠数据处理方法。
图11示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图11示出的电子设备的计算机系统1100仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图11所示,计算机系统1100包括中央处理单元(Central Processing Unit,CPU)1101,其可以根据存储在只读存储器(Read-Only Memory,ROM)1102中的程序或者从储存部分1108加载到随机访问存储器(Random Access Memory,RAM)1103中的程序而执行各种适当的动作和处理,例如执行上述实施例中的方法。在RAM 1103中,还存储有系统操作所需的各种程序和数据。CPU 1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(Input/Output,I/O)接口1105也连接至总线1104。
以下部件连接至I/O接口1105:包括键盘、鼠标等的输入部分1106;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1107;包括硬盘等的储存部分1108;以及包括诸如LAN(Local AreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1110上,以便于从其上读出的计算机程序根据需要被安装入储存部分1108。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分1109从网络上被下载和安装,和/或从可拆卸介质1111被安装。在该计算机程序被中央处理单元(CPU)1101执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本申请的另一方面还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如前的小区休眠数据处理方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中。
本申请的另一方面还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各个实施例中提供的小区休眠数据处理方法。
上述内容,仅为本申请的较佳示例性实施例,并非用于限制本申请的实施方案,本领域普通技术人员根据本申请的主要构思和精神,可以十分方便地进行相应的变通或修改,故本申请的保护范围应以权利要求书所要求的保护范围为准。
Claims (10)
1.一种小区休眠数据处理方法,其特征在于,包括:
对小区进行切片划分处理,得到多个小区切片,所述小区包括休眠小区和激活小区;
根据所述多个小区切片中每个小区切片的平均容量计算得到对应小区切片的第一容量需求;
分别获取在所述休眠小区进行休眠节能时休眠小区中每个小区切片的业务迁移到第一切片的概率,所述第一切片为所述激活小区中的一个小区切片;
根据所述休眠小区中每个小区切片的业务迁移到第一切片中的概率、所述休眠小区中每个小区切片的第一容量需求以及第一切片的第一容量需求预测所述第一切片的第二容量需求。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个小区切片中每个小区切片的平均容量计算得到对应小区切片的第一容量需求,包括:
根据每个小区切片的历史容量数据分别计算对应小区切片的平均容量;
根据每个小区切片的平均容量计算对应小区切片的容量标准差;
根据每个小区切片对应的平均容量和容量标准差计算对应小区切片的所述第一容量需求。
3.根据权利要求1所述的方法,其特征在于,所述分别获取在所述休眠小区进行休眠节能时休眠小区中每个小区切片的业务迁移到第一切片的概率,包括:
根据所述休眠小区中每个小区切片的业务量获取各小区切片的业务量迁移至所述第一切片中的比例;
根据所述各小区切片的业务量迁移至所述第一切片中的比例计算得到所述休眠小区中每个小区切片的业务迁移到第一切片的概率。
4.根据权利要求1所述的方法,其特征在于,在所述根据所述休眠小区中每个小区切片的业务迁移到第一切片中的概率、所述休眠小区中每个小区切片的第一容量需求以及第一切片的第一容量需求预测所述第一切片的第二容量需求之后,所述方法还包括:
根据所述第一切片的实际容量以及所述第一切片的第二容量需求,获取所述第一切片的业务迁移能力;
基于所述第一切片的业务迁移能力调整所述休眠小区在进行休眠节能时的业务迁移方案。
5.根据权利要求4所述的方法,其特征在于,所述基于所述第一切片的业务迁移能力调整所述休眠小区在进行休眠节能时的业务迁移方案,包括:
若所述第一切片的业务迁移能力不足以满足所述第一切片的第二容量需求,则对所述第一切片的实际容量进行扩容处理;和/或,
对迁移进入所述第一切片中的业务量进行调整,以使所述第一切片的实际容量能满足进行业务量调整后的第一切片的第二容量需求。
6.根据权利要求1所述的方法,其特征在于,在所述根据所述休眠小区的每个小区切片的业务迁移到第一切片中的概率、所述休眠小区的各小区切片的第一容量需求、第一切片的第一容量需求预测所述第一切片的第二容量需求之后,所述方法还包括:
分别获取在所述休眠小区进行休眠节能时第二切片的业务迁移到激活小区中的每个小区切片的概率,所述第二切片为所述休眠小区中的一个小区切片;
根据所述第二切片的第一容量需求和所述第二切片的业务迁移到激活小区中的每个小区切片的概率,预测得到所述第二切片的业务损失值。
7.根据权利要求6所述的方法,其特征在于,在所述根据所述第二切片的第一容量需求和所述第二切片的业务迁移到激活小区中的每个小区切片的概率,预测得到所述第二切片的业务损失值之后,所述方法还包括:
根据各时间段的所述第二切片的业务损失值和预设业务量损失阈值,筛选出所述第二切片的业务损失值小于所述预设业务量损失阈值的时间段;
根据筛选出的所述第二切片的业务损失值小于所述预设业务量损失阈值的时间段调整所述休眠小区进入休眠节能状态的时间。
8.一种小区休眠数据处理装置,其特征在于,包括:
切片模块,配置为对小区进行切片处理,得到多个小区切片,所述小区包括休眠小区和激活小区;
第一容量需求获取模块,配置为根据所述多个小区切片中每个小区切片的平均容量计算得到对应小区切片的第一容量需求;
概率获取模块,配置为分别获取在所述休眠小区进行休眠节能时休眠小区中每个小区切片的业务迁移到第一切片的概率,所述第一切片为所述激活小区中的一个小区切片;
第二容量需求获取模块,配置为根据所述休眠小区中每个小区切片的业务迁移到第一切片中的概率、所述休眠小区中每个小区切片的第一容量需求、第一切片的第一容量需求预测所述第一切片的第二容量需求。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个计算机程序,当所述一个或多个计算机程序被所述一个或多个处理器执行时,使得所述电子设备实现如权利要求1-7中的任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行权利要求1-7中的任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111575656.2A CN114339796B (zh) | 2021-12-21 | 2021-12-21 | 小区休眠数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111575656.2A CN114339796B (zh) | 2021-12-21 | 2021-12-21 | 小区休眠数据处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114339796A true CN114339796A (zh) | 2022-04-12 |
CN114339796B CN114339796B (zh) | 2024-03-19 |
Family
ID=81053892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111575656.2A Active CN114339796B (zh) | 2021-12-21 | 2021-12-21 | 小区休眠数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114339796B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016082539A1 (zh) * | 2014-11-28 | 2016-06-02 | 中兴通讯股份有限公司 | 一种基站控制方法及基站 |
WO2017044151A1 (en) * | 2015-09-11 | 2017-03-16 | Intel IP Corporation | Air interface slicing architecture for wireless communication systems |
US20210168776A1 (en) * | 2020-02-12 | 2021-06-03 | Yingyang Li | One-shot feedback and scell dormancy behavior in 5g nr networks |
WO2021104479A1 (zh) * | 2019-11-27 | 2021-06-03 | 深圳市万普拉斯科技有限公司 | 基于休眠数据的电量优化方法、装置、计算机设备和存储介质 |
WO2021189496A1 (zh) * | 2020-03-27 | 2021-09-30 | 华为技术有限公司 | 用于网络切片的数据传输方法及设备 |
-
2021
- 2021-12-21 CN CN202111575656.2A patent/CN114339796B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016082539A1 (zh) * | 2014-11-28 | 2016-06-02 | 中兴通讯股份有限公司 | 一种基站控制方法及基站 |
WO2017044151A1 (en) * | 2015-09-11 | 2017-03-16 | Intel IP Corporation | Air interface slicing architecture for wireless communication systems |
WO2021104479A1 (zh) * | 2019-11-27 | 2021-06-03 | 深圳市万普拉斯科技有限公司 | 基于休眠数据的电量优化方法、装置、计算机设备和存储介质 |
US20210168776A1 (en) * | 2020-02-12 | 2021-06-03 | Yingyang Li | One-shot feedback and scell dormancy behavior in 5g nr networks |
WO2021189496A1 (zh) * | 2020-03-27 | 2021-09-30 | 华为技术有限公司 | 用于网络切片的数据传输方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114339796B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Optimization of lightweight task offloading strategy for mobile edge computing based on deep reinforcement learning | |
Li et al. | Collaborative cache allocation and task scheduling for data-intensive applications in edge computing environment | |
CN111132235B (zh) | 基于改进hrrn算法和多属性决策的移动卸载迁移算法 | |
Rajagopal et al. | FedSDM: Federated learning based smart decision making module for ECG data in IoT integrated Edge–Fog–Cloud computing environments | |
WO2021179176A1 (en) | Federated learning in telecom communication system | |
CN113342510B (zh) | 一种水电流域应急指挥云边计算资源协同处理方法 | |
Ahnn et al. | mhealthmon: Toward energy-efficient and distributed mobile health monitoring using parallel offloading | |
He et al. | Cost-efficient server configuration and placement for mobile edge computing | |
CN114595049A (zh) | 一种云边协同任务调度方法及装置 | |
Fu et al. | Traffic prediction-enabled energy-efficient dynamic computing resource allocation in cran based on deep learning | |
Shafik et al. | Internet of things-based energy efficiency optimization model in fog smart cities | |
CN112287503B (zh) | 用于交通需求预测的动态空间网络构建方法 | |
CN112822055A (zh) | 一种基于dqn的边缘计算节点部署算法 | |
CN114339796B (zh) | 小区休眠数据处理方法、装置、电子设备及存储介质 | |
Majlesinasab et al. | Performance evaluation of an EMS system using queuing theory and location analysis: A case study | |
CN111194045A (zh) | 一种基于用户群体聚集行为模型进行节能的方法 | |
CN115827232A (zh) | 一种为业务模型确定配置的方法、装置、系统及设备 | |
US11620575B2 (en) | Interactive and dynamic mapping engine (iDME) | |
CN115759444A (zh) | 电力设备分配方法、装置、电子设备和计算机可读介质 | |
CN111092755B (zh) | 一种基于资源占用的边缘服务迁移仿真方法 | |
Ren et al. | Balanced allocation method of physical education distance education resources based on linear prediction | |
CN111107569B (zh) | 一种问题小区的筛选方法和装置 | |
CN115705400A (zh) | 话务量预测模型构建方法、装置及计算机可读存储介质 | |
CN112579246B (zh) | 虚拟机迁移处理方法及装置 | |
CN114207634A (zh) | 使用基于容量的供给关于企业体系架构的动态生成 |
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 |