CN115460623A - 网络切片自优化方法、基站及存储介质 - Google Patents
网络切片自优化方法、基站及存储介质 Download PDFInfo
- Publication number
- CN115460623A CN115460623A CN202110635730.9A CN202110635730A CN115460623A CN 115460623 A CN115460623 A CN 115460623A CN 202110635730 A CN202110635730 A CN 202110635730A CN 115460623 A CN115460623 A CN 115460623A
- Authority
- CN
- China
- Prior art keywords
- network slice
- configuration information
- resource configuration
- optimization
- base station
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 299
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000013468 resource allocation Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 description 35
- 230000000694 effects Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 101000979909 Homo sapiens NMDA receptor synaptonuclear signaling and neuronal migration factor Proteins 0.000 description 2
- 102100024546 NMDA receptor synaptonuclear signaling and neuronal migration factor Human genes 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
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
- H04L41/40—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using virtualisation of network functions or resources, e.g. SDN or NFV entities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- 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
- H04L41/0894—Policy-based network configuration management
-
- 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
- H04L41/0895—Configuration of virtualised networks or elements, e.g. virtualised network function or OpenFlow 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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
-
- 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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5019—Ensuring fulfilment of SLA
-
- 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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5019—Ensuring fulfilment of SLA
- H04L41/5025—Ensuring fulfilment of SLA by proactively reacting to service quality change, e.g. by reconfiguration after service quality degradation or upgrade
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种网络切片自优化方法、基站及存储介质,网络切片自优化方法应用于第一基站,第一基站与服务器连接,服务器与第二基站连接,该方法包括:获取服务器发送的优化策略信息和指标阈值,其中,优化策略信息包括第一网络切片资源配置信息和参数优化模型,第一网络切片资源配置信息和参数优化模型均来自第二基站;根据第一网络切片资源配置信息和参数优化模型得到服务等级协议SLA指标;当SLA指标不满足指标阈值,调节第一网络切片资源配置信息,使得SLA指标满足指标阈值。如此,本发明能够实现对无线网络切片的自优化功能,减少人工优化工作量,提高网络优化效率。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种网络切片自优化方法、基站及存储介质。
背景技术
目前,第五代(5th Generation,5G)无线通信技术已是目前业界的热点。由于5G网络中的网络切片技术能够选择每个切片所需的特性,例如低延迟、高吞吐量、连接密度、频谱效率、流量容量和网络效率,有助于提高创建产品和服务方面的效率,提升客户体验,5G网络切片技术主要应用在车联网、应急通信、工业互联网等各种对网络通信有高需求的垂直行业。为了保证网络切片能够正常运行,需要对各个网络切片进行实时优化。但是在垂直行业中,由于规模受限,且行业本身对网络运维并不具备优化能力,需要投入大量人工工作,运维成本高。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供了一种网络切片自优化方法、基站及存储介质,能够实现对无线网络切片的自优化功能,减少人工优化工作量,提高网络优化效率。
第一方面,本发明实施例提供了一种网络切片自优化方法,应用于第一基站,所述第一基站与服务器连接,所述服务器与第二基站连接,所述网络切片自优化方法包括:
获取所述服务器发送的优化策略信息和指标阈值,其中,所述优化策略信息包括第一网络切片资源配置信息和参数优化模型,所述第一网络切片资源配置信息和所述参数优化模型均来自所述第二基站;
根据所述第一网络切片资源配置信息和所述参数优化模型得到服务等级协议SLA指标;
当所述SLA指标不满足所述指标阈值,调节所述第一网络切片资源配置信息,使得所述SLA指标满足所述指标阈值。
第二方面,本发明实施例提供一种网络切片自优化方法,应用于第二基站,所述第二基站与服务器连接,所述服务器与第一基站连接,所述网络切片自优化方法包括:
获取所述服务器发送的任务阈值;
获取本地网络切片资源配置信息和参数优化模型;
根据所述任务阈值、所述本地网络切片资源配置信息和所述参数优化模型得到第一网络切片资源配置信息;
将所述第一网络切片资源配置信息和所述参数优化模型通过所述服务器发送至所述第一基站,使得所述第一基站根据所述第一网络切片资源配置信息和所述参数优化模型得到服务等级协议SLA指标,并使得所述第一基站在所述SLA指标不满足指标阈值的情况下,调节所述第一网络切片资源配置信息,使得所述SLA指标满足所述指标阈值。
第三方面,本发明实施例提供一种基站,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例提供的网络切片自优化方法。
第四方面,本发明实施例提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,实现本发明实施例提供的网络切片自优化方法。
本发明实施例包括:获取服务器发送的优化策略信息和指标阈值,其中,优化策略信息包括第一网络切片资源配置信息和参数优化模型,第一网络切片资源配置信息和参数优化模型均来自第二基站;根据第一网络切片资源配置信息和参数优化模型得到服务等级协议SLA指标;当SLA指标不满足指标阈值,调节第一网络切片资源配置信息,使得SLA指标满足指标阈值。根据本发明实施例提供的方案,通过服务器获取指标阈值、第一网络切片资源配置信息和参数优化模型,利用第二基站的第一网络切片资源配置信息和参数优化模型得出服务等级协议SLA指标,SLA指标能够表示当前网络切片的性能,也可以表示当前网络切片的优化效果,因此,能够通过服务器获取其他基站的优化策略信息作为数据样本,对本地基站进行优化,从而扩大本地基站的数据样本,提高优化效率和优化效果。指标阈值作为服务器下发的任务标准,用于判断当前基站的优化效果,当SLA指标不满足指标阈值,可以认为,当前基站的网络切片的优化效果尚未达标,因此,通过调节第一网络切片资源配置信息,使得SLA指标满足指标阈值,即使得当前基站的网络切片的优化效果满足要求,完成优化任务。所以,通过服务器下发的指标阈值和代表当前网络切片性能的SLA指标,调节第一基站的配置参数进行优化操作,实现无线网络切片的自优化功能,减少人工优化工作量,提高网络优化效率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1是本发明实施例提供的用于执行网络切片自优化方法的网络切片优化系统的结构示意图;
图2是本发明实施例提供的一种网络切片自优化方法的流程示意图;
图3是图2中步骤S200的具体实现过程示意图;
图4是图2中步骤S300的具体实现过程示意图;
图5是图2中步骤S200后还包括的一种具体实现过程示意图;
图6是本发明实施例提供的优化策略信息形成的具体流程示意图;
图7是本发明实施例提供的一种网络切片自优化方法的流程示意图;
图8是图7中步骤S900的具体实现过程示意图;
图9是本发明实施例提供的一种基站的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
需要说明的是,虽然在模块示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于模块中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本发明提供了一种网络切片自优化方法,通过服务器获取指标阈值和来自于第二基站的优化策略信息,优化策略信息包括第一网络切片资源配置信息和参数优化模型,从而能够利用第二基站的第一网络切片资源配置信息和参数优化模型得出服务等级协议SLA指标,SLA指标能够表示当前网络切片的性能,也可以表示当前网络切片的优化效果,因此,能够通过服务器获取其他基站的优化策略信息作为数据样本,对本地基站进行优化,从而扩大数据样本,提高优化效率和优化效果。指标阈值作为服务器下发的任务标准,用于判断当前基站的优化效果,当SLA指标不满足指标阈值,可以认为,当前基站的网络切片的优化效果尚未达标,需要对网络切片进行优化,因此,通过调节第一网络切片资源配置信息,使得SLA指标满足指标阈值,即,使得当前基站的网络切片的优化效果满足要求,完成优化任务。所以,通过服务器下发的指标阈值和代表当前网络切片性能的SLA指标,调节第一基站的配置参数进行优化操作,实现无线网络切片的自优化功能,减少人工优化工作量,提高网络优化效率。
为便于理解,下面结合附图对本发明实施例提供的网络切片自优化方法的应用场景进行介绍。
图1示出了一种用于执行网络切片自优化方法的网络切片优化系统100,该网络切片优化系统100包括:服务器110、第一基站120和第二基站130,其中,服务器110分别与第一基站120和第二基站130连接。服务器110可以是无线子切片管理器,无线子切片管理器中包括有无线子切片管理系统(RAN Network Slice Subnet Management Function,RAN-NSSMF),RAN-NSSMF负责完成无线子切片的资源申请以及对无线子切片的生命周期进行管理。而与服务器110连接的第一基站120和第二基站130可以是无线子切片覆盖范围内的基站,第一基站120是需要利用其他基站的数据进行自优化的基站,而第二基站130是能够不依赖于其他基站数据进行优化的基站。从而,在服务器110的协调下,第一基站120能够利用第二基站130向服务器110发送的优化后的数据作为机器学习的输入,实现基站的横向联邦学习,达到基站自优化功能。
需要说明的是,服务器110还用于响应于实例化信息,根据实例化信息确定需要进行横向联邦学习优化的待优化基站以及与实例化配置数据,并将实例化配置数据发送至待优化基站。服务器110还用于接收来自于待优化基站对实例化配置数据的反馈结果,并根据反馈结果确定完成实例化的待优化基站,以便于对待优化基站进行后续的网络切片自优化处理。
需要说明的是,服务器110还可以与切片管理系统(Network Slice ManagementFunction,NSMF)即第三方切片管理系统连接,其中,实例化信息可以是由NSMF发起的或由人工输入的,实例化信息用于服务器下发实例化操作使得基站的网络切片实例化,以便于后续网络切片的优化任务。
需要说明的是,服务器110还可以接收外部输入的切片优化任务参数,并将切片优化任务参数下发至指定基站,例如,切片优化任务参数可以是与网络切片配置相关的数据,可以包括优化算法、SLA任务指标和优化阈值。其中,服务器110还可以通过参与者选择算法选取服务器110覆盖范围内的基站作为下发优化任务的第一基站120或第二基站130,换句话说,服务器110可以根据数据样本的质量和数量等参数,从覆盖范围内的基站选择出优选基站作为第二基站130,优选基站的数据样本能够满足本地网络切片优化的任务需求,能够不依赖其他基站的数据样本,并且能够最大化满足其他基站扩大数据样本而进行网络切片优化任务的需求,即能够为第一基站120提供数据样本,提高第一基站120的优化效果和优化效率。
本发明实施例描述的用于执行网络切片自优化方法的网络切片优化系统100是为了更加清楚的说明本发明实施例的技术方案,并不构成对于本发明实施例提供的技术方案的限定,本领域技术人员可知,随着网络切片优化系统100的演变和新应用场景的出现,本发明实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图1中示出的网络切片优化系统100的结构并不构成对本发明实施例的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
基于上述网络切片优化系统100的结构,提出本发明的网络切片自优化方法的各个实施例。
参见图2,图2示出了本发明实施例提供的网络切片自优化方法的流程图,该网络切片自优化方法可以应用于第一基站,例如图1中所示的第一基站,该路径获取方法包括但不限于有以下步骤:
步骤S100,获取所述服务器发送的优化策略信息和指标阈值,其中,所述优化策略信息包括第一网络切片资源配置信息和参数优化模型,所述第一网络切片资源配置信息和所述参数优化模型均来自所述第二基站。
可以理解的是,第一基站通过服务器获取优化策略信息和指标阈值,其中,指标阈值是作为基站完成优化任务的标准条件,优化策略信息包括第一网络切片资源配置信息和参数优化模型,而优化策略信息即第一网络切片资源配置信息和参数优化模型来自于第二基站,从而第一基站能够利用第二基站的第一网络切片资源配置信息和参数优化模型进行后续的优化处理,实现第一基站与第二基站的横向联邦学习,扩大了第一基站对网络切片进行优化处理的数据样本,提高优化效果和优化效率。第一基站通过服务器获取第二基站完成优化后的优化策略信息,即第一网络切片资源配置信息和参数优化模型,对网络切片进行优化处理。目前,由于部分基站存在网络切片的数据量少,数据质量差的问题,对网络切片的优化处理效果不好,需要设置集中点获取相关基站的数据进行网络切片优化处理,但其中可能包含有用户隐私数据,并且,集中点和基站之间需要进行大量数据的交互,提高了通信开销,影响网络的稳定性。而第一基站利用第二基站完成优化处理后的第一网络切片资源配置信息和参数模型对网络切片进行后续的优化处理,实现了基站的横向联邦学习,免去了需要设置集中点获取相关基站的数据的步骤,避免设置的集中点与基站之间进行大量数据的交互,从而减少了服务器与基站之间的通信开销,提高了网络的稳定性。
步骤S200,根据所述第一网络切片资源配置信息和所述参数优化模型得到服务等级协议SLA指标;
步骤S300,当所述SLA指标不满足所述指标阈值,调节所述第一网络切片资源配置信息,使得所述SLA指标满足所述指标阈值。
可以理解的是,利用来自于第二基站的第一网络切片资源配置信息和参数优化模型,对网络切片进行优化后,得到优化后的网络切片对应的SLA指标,SLA指标能够表示当前网络切片的性能,即表示当前网络切片的可用性。在第一基站进行优化处理前,获取服务器下发的指标阈值,指标阈值与SLA指标对应,指标阈值表示的是成功完成优化任务的网络切片对应的SLA指标,即优化任务目标。当第一基站完成优化处理后的网络切片得到的SLA指标不满足指标阈值,则可以认为第一基站当前的网络切片未到达优化任务目标,需要第一基站继续对网络切片进行优化处理。第一网络切片资源配置信息是与网络切片相关的配置数据或策略数据,通过调节第一网络切片资源配置信息,实现对网络切片的调节和优化。利用调节后的第一网络切片资源配置信息和参数优化模型得到调节后的SLA指标,若调节后的SLA指标仍不满足指标阈值,则需要对网络切片继续进行优化处理,即需要对第一网络切片资源配置信息继续进行调节,使得调节后的SLA指标满足指标阈值,即使得调节后的网络切片能够达到优化任务目标。因此,通过调节第一网络切片资源配置信息,使得SLA指标满足指标阈值,即,使得当前基站的网络切片的优化效果满足要求,完成优化任务。所以,通过服务器下发的指标阈值和代表当前网络切片性能的SLA指标,调节来自于第二基站的第一网络切片资源配置信息进行优化操作,实现利用横向联邦学习对无线网络切片进行优化,减少人工优化工作量,提高网络优化效率。
需要说明的是,当SLA指标不满足指标阈值,第一基站会保持对第一网络切片资源配置信息的调节,直至SLA指标满足指标阈值。为了避免优化处理时间长,提高优化效率,可以通过设置调整次数上限对SLA的迭代次数进行限制,即限制第一网络切片资源配置信息的调节次数,在第一网络切片资源配置信息的调节次数达到调整次数上限,则保留最后一次调节后的第一网络切片资源配置信息,以最后一次调节后的第一网络切片资源配置信息作为优化结果,终止对网络切片的优化处理。
需要说明的是,第一网络切片资源配置信息可以包括资源预留策略、服务质量配置策略或5G服务质量指示符中至少一种,还可以是第三代合作计划(3rd GenerationPartnership Project,3GPP)规范中的定义的与SLA指标相关的参数集合,本实施例并不对此作具体限制。例如,第一网络切片资源配置信息可以是资源预留策略中的最大资源预留比例参数,通过调节最大资源预留比例参数对网络切片进行优化处理,使得SLA指标满足指标阈值。又如,第一网络切片资源配置信息可以是服务质量配置策略,可以通过调节服务质量配置策略中的网络流量优先级对网络切片进行优化处理,使得SLA指标满足指标阈值。
需要说明的是,在SLA指标不满足指标阈值的情况下,第一基站可以根据第一网络切片资源配置信息调节后对应的SLA指标与指标阈值的差距关系,对第一网络切片资源配置信息进行调节,例如,第一网络切片资源配置信息可以是最大资源预留比例参数,在将最大资源预留比例参数增大后,得到调节后的SLA与指标阈值的差距增大,则向反方向继续调节最大资源预留比例参数,即减小最大资源预留比例参数;又如,在将最大资源预留比例参数增大后,得到调节后的SLA指标与指标阈值的差距缩小,则维持第一网络切片资源配置信息的调节方向,缩小调节步幅,从而,提高第一基站对网络切片的优化效率。
参照图3,图2所示实施例中的步骤S200还包括但不限于有以下步骤:
步骤S210,将所述第一网络切片资源配置信息输入至所述参数优化模型进行优化预测,得到服务等级协议SLA指标。
可以理解的是,第一网络切片资源配置信息与参数优化模型均来自于第二基站,第一网络切片资源配置信息与参数优化模型为第二基站完成优化处理后的数据,第一基站通过服务器下发的第一网络切片资源配置信息作为参数优化模型的输入参数,进行网络切片的优化预测,得到SLA指标,即,利用第二基站完成优化处理后的数据样本,在第一基站内对网络切片进行处理,增大了第一基站进行优化处理的数据样本,提高第一基站的优化效果,使得调节后的网络切片对应的SLA指标能够更容易达到指标阈值,完成优化任务,提高优化效率。
参照图4,图2所示实施例中的步骤S300还包括但不限于有以下步骤:
步骤S310,获取本地的第二网络切片资源配置信息;
步骤S320,根据所述第二网络切片资源配置信息调节所述第一网络切片资源配置信息。
可以理解的是,第一基站通过服务器获取来自于第二基站的第一网络切片资源配置信息和参数优化模型,并利用第二基站优化处理后的第一网络切片资源配置信息和参数优化模型在第一基站内对网络切片进行优化处理。由于各个基站的环境条件不同,不同基站所需要进行优化的内容有可能不同,在利用其它基站优化处理后的数据,扩大自身的数据样本,进行优化处理,例如,以第一网络切片资源配置信息作为参考,还需要根据基站本地的网络切片资源配置信息进行调节,使得在基站本地内网络切片对应的SLA指标满足指标阈值。因此,获取基站本地的第二网络切片资源配置信息,其中,第二网络切片资源配置信息与第一网络切片资源配置信息相对应,根据本地的第二网络切片资源配置信息对第一网络切片资源配置信息进行调节,使得基站本地的网络切片优化处理符合当前基站的环境条件,本地基站的SLA指标能够满足指标阈值,完成优化任务,提高网络切片的优化效果和优化效率,提高网络的稳定性。
需要说明的是,基站本地的第二网络切片资源配置信息与来自于第二基站的第一网络切片资源配置信息相对应,第二网络切片资源配置信息可以包括资源预留策略、服务质量配置策略或5G服务质量指示符中至少一种,还可以是第三代合作计划(3rdGeneration Partnership Project,3GPP)规范中的定义的与SLA指标相关的参数集合,第二网络切片资源配置信息的具体参数与第一网络切片资源配置信息的具体参数相同,而由于第一网络切片资源配置信息相关的具体参数已在上述实施例中说明,为避免冗余,本实施例不再对此作具体说明。
参照图5,图2所示实施例中的步骤S200之后,还包括但不限于有以下步骤:
步骤S330,当所述SLA指标满足所述指标阈值,将所述第一网络切片资源配置信息和所述参数优化模型上报至所述服务器。
可以理解的是,根据第一网络切片资源配置信息和参数优化模型可以得到SLA指标,通过SLA指标与指标阈值进行判断,检测根据当前的第一网络切片资源配置信息和参数优化模型对网络切片进行优化处理,是否能满足服务器下发的优化任务目标。当SLA指标满足指标阈值,可以认为,基站本地利用当前的第一网络切片资源配置信息和优化模型对网络切片进行优化处理后,优化处理后的网络切片能够达到优化任务目标,即优化任务完成,终止对第一网络切片资源配置信息的调节和对网络切皮的优化处理。将当前满足指标阈值对应的第一网络切片资源配置信息和参数优化模型上报至服务器中,向服务器反馈优化结果,因此,能够有效减少基站与服务器之间大量数据的交互,减少通信开销,提高优化效率。
需要说明的是,当SLA指标不满足指标阈值,第一基站还可以将优化未成功作为优化结果上报至服务器,从而使得服务器能够及时了解第一基站的优化处理进度,提高优化效率。
需要说明的是,在第一基站根据调节后的第一网络切片资源配置信息和参数优化模型得到的SLA指标满足指标阈值的情况下,第一基站可以通过服务器将第一网络切片资源配置信息和参数优化模型广播至其他基站,使得其他基站将来自于第一基站调节后的第一网络切片资源配置信息和参数优化模型,补充至自己的数据样本之中,从而协助其他基站完成网络切片的优化任务,提高基站的优化效率和优化效果。
需要说明的是,第一基站可以监控自身的SLA指标,当SLA指标不满足指标阈值,即使第一基站的SLA指标曾经满足指标阈值,第一基站可以向服务器上报启动自优化的信息,并调节当前的第一网络切片资源配置信息,使得根据调节后的第一网络切片资源配置信息和参数优化模型,能够得到满足指标阈值的SLA指标,从而实现第一基站实时自优化的功能,减少了人工优化工作量,提高优化效率。
参照图6,图6示出了优化策略信息具体由以下步骤得到:
步骤S610,获取所述服务器发送的任务阈值;
步骤S620,获取本地网络切片资源配置信息和所述参数优化模型;
步骤S630,根据所述本地网络切片资源配置信息和所述参数优化模型得到候选SLA指标;
步骤S640,当所述候选SLA指标不满足所述任务阈值,调节所述本地网络切片资源配置信息,使得所述候选SLA指标满足所述任务阈值;
步骤S650,在所述候选SLA指标满足所述任务阈值的情况下,将调节后的所述本地网络切片资源配置信息确定为所述第一网络切片资源配置信息;
步骤S660,根据所述第一网络切片资源配置信息和所述参数优化模型得到所述优化策略信息。
可以理解的是,优化策略信息可以通过基站处理得到。基站通过获取服务器发送的任务阈值,以及本地网络切片资源配置信息和参数优化模型,其中,任务阈值则表示网络切片对应的SLA指标所需要达到的优化任务目标。基站利用本地网络切片资源配置信息和参数优化模型得到候选SLA指标,通过候选SLA指标表示根据本地网络切片资源配置信息优化处理后的网络切片对应的性能。当候选SLA指标不满足任务阈值,即利用当前的本地网络切片资源配置信息优化处理的网络切片未达到优化任务目标,需要调节候选SLA指标,使得候选SLA指标满足任务阈值。而候选SLA指标由本地网络切片资源配置信息和参数优化模型得到,因此,对本地网络切片资源配置信息进行调节,利用调节后的本地网络切片资源配置信息对网络切片进行优化处理,使得优化处理后的候选SLA指标满足任务阈值,因此,能够利用基站本地的数据完成自优化任务。
可以理解的是,在候选SLA指标满足任务阈值,即利用调节后的本地网络切片资源配置信息和参数优化模型得到的网络切片能够完成优化任务目标,可以认为,优化任务完成,将调节后的本地网络切片资源配置信息确定为第一网络切片资源配置信息,并根据第一网络切片资源配置信息和参数优化模型得到优化策略信息,从而能够通过服务器向其他基站共享本地基站的优化结果即优化策略信息,协助其他基站完成优化任务,减少服务器与基站之间通信开销,能够增大其他基站的数据样本,提高优化效果和优化效率。
需要说明的是,本地网络切片资源配置信息的具体参数与第一网络切片资源配置信息的具体参数相同,而由于第一网络切片资源配置信息相关的具体参数已在上述实施例中说明,为避免冗余,本实施例不再对此作具体说明。
参见图7,图7示出了本发明实施例提供的网络切片自优化方法的流程图,该网络切片自优化方法可以应用于第二基站,例如图1中所示的第二基站,该路径获取方法包括但不限于有以下步骤:
步骤S700,获取所述服务器发送的任务阈值;
步骤S800,获取本地网络切片资源配置信息和参数优化模型;
步骤S900,根据所述任务阈值、所述本地网络切片资源配置信息和所述参数优化模型得到第一网络切片资源配置信息;
步骤S1000,将所述第一网络切片资源配置信息和所述参数优化模型通过所述服务器发送至所述第一基站,使得所述第一基站根据所述第一网络切片资源配置信息和所述参数优化模型得到服务等级协议SLA指标,并使得所述第一基站在所述SLA指标不满足指标阈值的情况下,调节所述第一网络切片资源配置信息,使得所述SLA指标满足所述指标阈值。
可以理解的是,第二基站可以通过获取服务器的任务阈值以确定网络切片的优化任务目标。获取基站的本地网络切片资源配置信息和参数优化模型,不依赖其他基站优化后的数据对网络切片进行优化处理。基站可以根据任务阈值、本地网络切片资源配置信息和参数优化模型进行优化预测,得到优化处理后的第一网络切片资源配置信息。将优化处理后的第一网络切片资源配置信息和参数优化模型通过服务器发送至第一基站。从而,第一基站能够根据第二基站优化处理后的第一网络切片资源配置信息和参数优化模型,得出当前优化处理后的网络切片对应的SLA指标,并且使得第一基站在SLA指标不满足第一基站从服务器中获取的指标阈值的情况下,即在第一基站当前优化处理仍未达到服务器下发的优化任务目标的情况下,能够对第一网络切片资源配置信息进行调节,以使SLA指标满足指标阈值,完成第一基站的优化任务。第二基站的第一网络切片资源配置信息和参数优化模型能够在服务器的协调下,扩大第一基站对网络切片优化处理的数据样本,有助于第一基站完成对无线网络切片的自优化任务,减少人工优化工作量,提高优化效果和优化效率。
参照图8,图8所示实施例中的步骤S900还包括但不限于有以下步骤:
步骤S910,根据所述本地网络切片资源配置信息和所述参数优化模型得到候选SLA指标;
步骤S920,当所述候选SLA指标不满足所述任务阈值,调节所述本地网络切片资源配置信息,使得所述候选SLA指标满足所述任务阈值;
步骤S930,在所述候选SLA指标满足所述任务阈值的情况下,将调节后的所述本地网络切片资源配置信息确定为所述第一网络切片资源配置信息。
可以理解的是,利用本地网络切片资源配置信息和参数优化模型对网络切片进行优化处理,换句话说,本地网络切片资源配置信息可以作为输入参数,将本地网络切片资源配置信息输入至参数优化模型中进行优化预测,得到优化处理后的网络切片对应的候选SLA指标。当候选SLA指标不满足任务阈值,可以认为,第二基站当前优化处理后的网络切片未达到服务器的优化任务目标,需要对本地网络切片资源配置信息进行调节。本地网络切片资源配置信息是与网络切片相关的配置数据或策略数据,通过调节本地网络切片资源配置信息,能够对网络切片进行调节和优化,提高网络切片的性能,提高与其对应的候选SLA指标。根据调节后的本地网络切片资源配置信息和参数优化模型,得到调节后的候选SLA指标,若调节后的候选SLA指标仍未满足任务阈值,则需要继续对本地网络切片资源配置信息进行调节,直至候选SLA指标能够满足任务阈值,即根据调节后的本地网络切片资源配置信息和参数优化模型进行优化处理后的网络切片满足服务器的优化任务目标,完成优化任务。在候选SLA指标满足任务阈值的情况下,将该候选SLA指标对应的本地网络切片资源配置信息,即调节后的本地网络切片资源配置信息,确定为第一网络切片资源配置信息,以通过服务器协助第一基站对网络切片进行自优化处理。所以,第二基站通过服务器下发的任务阈值,利用基站本地的数据,即本地网络切片资源配置信息和参数优化模型对网络切片进行优化处理,直至优化后的网络切片达到服务器的优化任务目标。将完成优化任务目标的网络切片对应的本地网络切片资源配置信息,确定为第一网络切片资源配置信息,通过第一网络切片资源配置信息为第一基站的网络切片优化提供数据样本,协助第一基站进行网络切片自优化,实现横向联邦学习,实现对网络切片的自优化功能,减少人工优化工作量,提高网络优化效率。
需要说明的是,当候选SLA指标不满足任务阈值,第二基站会保持对本地网络切片资源配置信息的调节,直至候选SLA指标满足任务阈值。为了避免优化处理时间长,提高优化效率,可以通过设置调整次数上限对候选SLA的迭代次数进行限制,即限制本地网络切片资源配置信息的调节次数,在本地网络切片资源配置信息的调节次数达到调整次数上限,则保留最后一次调节后的本地网络切片资源配置信息,以最后一次调节后的本地网络切片资源配置信息作为优化结果,终止对网络切片的优化处理。
需要说明的是,本地网络切片资源配置信息可以包括资源预留策略、服务质量配置策略或5G服务质量指示符中至少一种,还可以是第三代合作计划(3rd GenerationPartnership Project,3GPP)规范中的定义的与SLA指标相关的参数集合,本实施例并不对此作具体限制。例如,本地网络切片资源配置信息可以是资源预留策略中的最大资源预留比例参数,通过调节最大资源预留比例参数对网络切片进行优化处理,使得调节后的SLA指标满足指标阈值。又如,本地网络切片资源配置信息可以是服务质量配置策略,可以通过调节服务质量配置策略中的网络流量优先级对网络切片进行优化处理,使得调节后的SLA指标满足指标阈值。
需要说明的是,在候选SLA指标不满足任务阈值的情况下,第一基站可以根据调节后的候选SLA指标与任务阈值的差距关系,对本地网络切片资源配置信息进行调节,例如,本地网络切片资源配置信息可以是最大资源预留比例参数,在将最大资源预留比例参数缩小后,得到调节后的候选SLA与任务阈值的差距增大,则向反方向继续调节最大资源预留比例参数,即增大最大资源预留比例参数;又如,在将最大资源预留比例参数缩小后,得到调节后的候选SLA指标与任务阈值的差距缩小,则维持本地网络切片资源配置信息的调节方向,缩小调节步幅,从而,提高第二基站对网络切片的优化效率。
参见图9,图9示出了本发明实施例提供的基站900。该基站900包括但不限于:
存储器910,用于存储程序;
处理器920,用于执行存储器910存储的程序,当处理器920执行存储器910存储的计算机程序时,处理器920用于执行上述的网络切片自优化方法。
处理器920和存储器910可以通过总线或者其他方式连接。
存储器910作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序,如本发明任意实施例描述的网络切片自优化方法。处理器920通过运行存储在存储器910中的非暂态软件程序以及指令,从而实现上述的网络切片自优化方法。
存储器910可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储执行上述的网络切片自优化方法。此外,存储器910可以包括高速随机存取存储器,还可以包括非暂态存储器,比如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器910可选包括相对于处理器920远程设置的远程存储器,这些远程存储器可以通过网络连接至该处理器920。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述的网络切片自优化方法所需的非暂态软件程序以及指令存储在存储器910中,当被一个或者多个处理器920执行时,执行本发明任意实施例提供的网络切片自优化方法。
本发明实施例还提供了一种存储介质,存储有计算机可执行指令,计算机可执行指令用于执行上述的网络切片自优化方法。
在一实施例中,该存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行,比如,被上述网络设备中的一个处理器执行,可使得上述一个或多个处理器执行本发明任意实施例提供的网络切片自优化方法。
以上所描述的实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包括计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上是对本发明的较佳实施进行了具体说明,但本发明并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的。共享条件下还可作出种种等同的变形或替换,这些等同的变形或替换均包括在本发明权利要求所限定的范围内。
Claims (11)
1.一种网络切片自优化方法,应用于第一基站,所述第一基站与服务器连接,所述服务器与第二基站连接,所述网络切片自优化方法包括:
获取所述服务器发送的优化策略信息和指标阈值,其中,所述优化策略信息包括第一网络切片资源配置信息和参数优化模型,所述第一网络切片资源配置信息和所述参数优化模型均来自所述第二基站;
根据所述第一网络切片资源配置信息和所述参数优化模型得到服务等级协议SLA指标;
当所述SLA指标不满足所述指标阈值,调节所述第一网络切片资源配置信息,使得所述SLA指标满足所述指标阈值。
2.根据权利要求1所述的网络切片自优化方法,其特征在于,所述根据所述第一网络切片资源配置信息和所述参数优化模型得到服务等级协议SLA指标,包括:
将所述第一网络切片资源配置信息输入至所述参数优化模型进行优化预测,得到服务等级协议SLA指标。
3.根据权利要求1所述的网络切片自优化方法,其特征在于,所述调节所述第一网络切片资源配置信息,包括:
获取本地的第二网络切片资源配置信息;
根据所述第二网络切片资源配置信息调节所述第一网络切片资源配置信息。
4.根据权利要求1所述的网络切片自优化方法,其特征在于,所述根据所述第一网络切片资源配置信息和所述参数优化模型得到服务等级协议SLA指标之后,所述网络切片自优化方法还包括:
当所述SLA指标满足所述指标阈值,将所述第一网络切片资源配置信息和所述参数优化模型上报至所述服务器。
5.根据权利要求1所述的网络切片自优化方法,其特征在于,所述优化策略信息具体由以下步骤得到:
获取所述服务器发送的任务阈值;
获取本地网络切片资源配置信息和所述参数优化模型;
根据所述本地网络切片资源配置信息和所述参数优化模型得到候选SLA指标;
当所述候选SLA指标不满足所述任务阈值,调节所述本地网络切片资源配置信息,使得所述候选SLA指标满足所述任务阈值;
在所述候选SLA指标满足所述任务阈值的情况下,将调节后的所述本地网络切片资源配置信息确定为所述第一网络切片资源配置信息;
根据所述第一网络切片资源配置信息和所述参数优化模型得到所述优化策略信息。
6.根据权利要求1至5任意一项所述的网络切片自优化方法,其特征在于,所述第一网络切片资源配置信息包括资源预留策略、服务质量配置策略或5G服务质量指示符中的至少一种。
7.一种网络切片自优化方法,应用于第二基站,所述第二基站与服务器连接,所述服务器与第一基站连接,所述网络切片自优化方法包括:
获取所述服务器发送的任务阈值;
获取本地网络切片资源配置信息和参数优化模型;
根据所述任务阈值、所述本地网络切片资源配置信息和所述参数优化模型得到第一网络切片资源配置信息;
将所述第一网络切片资源配置信息和所述参数优化模型通过所述服务器发送至所述第一基站,使得所述第一基站根据所述第一网络切片资源配置信息和所述参数优化模型得到服务等级协议SLA指标,并使得所述第一基站在所述SLA指标不满足指标阈值的情况下,调节所述第一网络切片资源配置信息,使得所述SLA指标满足所述指标阈值。
8.根据权利要求7所述的网络切片自优化方法,其特征在于,所述根据所述任务阈值、所述本地网络切片资源配置信息和所述参数优化模型得到第一网络切片资源配置信息,包括:
根据所述本地网络切片资源配置信息和所述参数优化模型得到候选SLA指标;
当所述候选SLA指标不满足所述任务阈值,调节所述本地网络切片资源配置信息,使得所述候选SLA指标满足所述任务阈值;
在所述候选SLA指标满足所述任务阈值的情况下,将调节后的所述本地网络切片资源配置信息确定为所述第一网络切片资源配置信息。
9.根据权利要求7或8所述的网络切片自优化方法,其特征在于,所述本地网络切片资源配置信息包括资源预留策略、服务质量配置策略或5G服务质量指示符中的至少一种。
10.一种基站,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至9中任意一项所述的网络切片自优化方法。
11.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1至9任意一项所述的网络切片自优化方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110635730.9A CN115460623A (zh) | 2021-06-08 | 2021-06-08 | 网络切片自优化方法、基站及存储介质 |
PCT/CN2021/132853 WO2022257366A1 (zh) | 2021-06-08 | 2021-11-24 | 网络切片自优化方法、基站及存储介质 |
EP21944862.8A EP4329358A1 (en) | 2021-06-08 | 2021-11-24 | Network slice self-optimization method, base station, and storage medium |
JP2023567032A JP2024515333A (ja) | 2021-06-08 | 2021-11-24 | ネットワークスライス自己最適化方法、基地局、及び記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110635730.9A CN115460623A (zh) | 2021-06-08 | 2021-06-08 | 网络切片自优化方法、基站及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115460623A true CN115460623A (zh) | 2022-12-09 |
Family
ID=84294599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110635730.9A Pending CN115460623A (zh) | 2021-06-08 | 2021-06-08 | 网络切片自优化方法、基站及存储介质 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4329358A1 (zh) |
JP (1) | JP2024515333A (zh) |
CN (1) | CN115460623A (zh) |
WO (1) | WO2022257366A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115623602B (zh) * | 2022-12-19 | 2023-04-07 | 浪潮通信信息系统有限公司 | 资源重选方法及装置 |
CN115835256B (zh) * | 2023-02-17 | 2023-04-28 | 中汽研汽车工业工程(天津)有限公司 | 一种面向汽车制造场景的智能网关资源配置与计算方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112887120B (zh) * | 2019-11-30 | 2022-08-19 | 华为技术有限公司 | 一种信息处理方法及装置 |
US10992396B1 (en) * | 2020-02-07 | 2021-04-27 | Verizon Patent And Licensing Inc. | Systems and methods for mapping resource blocks to network slices |
CN112668877B (zh) * | 2020-12-25 | 2023-05-30 | 西安电子科技大学 | 结合联邦学习和强化学习的事物资源信息分配方法及系统 |
-
2021
- 2021-06-08 CN CN202110635730.9A patent/CN115460623A/zh active Pending
- 2021-11-24 JP JP2023567032A patent/JP2024515333A/ja active Pending
- 2021-11-24 EP EP21944862.8A patent/EP4329358A1/en active Pending
- 2021-11-24 WO PCT/CN2021/132853 patent/WO2022257366A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022257366A1 (zh) | 2022-12-15 |
EP4329358A1 (en) | 2024-02-28 |
JP2024515333A (ja) | 2024-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10966122B2 (en) | Method and migration managing module for managing a migration of a service | |
EP3855842A1 (en) | Method and apparatus for dynamically allocating radio resources in a wireless communication system | |
US20230180025A1 (en) | Network optimisation method, system and storage medium | |
US11089523B2 (en) | Method, apparatus and system for mobile edge computing | |
CN112512058A (zh) | 网络优化方法、服务器、客户端设备、网络设备和介质 | |
CN111836291A (zh) | 一种切片资源调度方法及网元 | |
CN115460623A (zh) | 网络切片自优化方法、基站及存储介质 | |
Chen et al. | Minimizing age-of-information for fog computing-supported vehicular networks with deep Q-learning | |
CN113596863A (zh) | 确定用户面功能及信息提供的方法、设备及介质 | |
Xiao et al. | Driving in the fog: Latency measurement, modeling, and optimization of lte-based fog computing for smart vehicles | |
CN111464933A (zh) | 一种驾驶参数配置方法及服务器 | |
CN113556761A (zh) | 切片资源调整方法、系统、终端设备及存储介质 | |
WO2021052556A1 (en) | A device for applying artificial intelligence in a communication network | |
CN115150970A (zh) | 一种网络连接的方法及装置 | |
US20220150131A1 (en) | Method, control unit and network node for configuration in a wireless communication system | |
US20230403223A1 (en) | Data analysis apparatus management and control method and communication apparatus | |
WO2023116178A1 (zh) | 无线侧网络根因定位方法、运行控制装置及存储介质 | |
EP2930617A1 (en) | Resource management method and device | |
CN115915192A (zh) | 网络优化方法、装置、电子设备和存储介质 | |
CN115515208A (zh) | 基站节能方法、基站节能系统、基站及存储介质 | |
CN108337692B (zh) | 终端与管理基站通信故障的管理方法、装置及计算机可读存储介质 | |
WO2024037345A1 (zh) | 故障处理方法及其装置、存储介质 | |
EP3787330B1 (en) | Network architecture to improve service quality management | |
EP4135387A1 (en) | System and method for delivering quality of service | |
WO2024038554A1 (ja) | 制御システム、制御装置、制御方法、及び非一時的なコンピュータ可読媒体 |
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 |