CN115996474A - 一种功能特性资源调度方法及装置 - Google Patents

Abstract

本申请提供一种功能特性资源调度方法、装置、电子设备及计算机程序产品，涉及通信技术领域。所述方法包括：根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点；在所述资源需求站点加载目标功能特性的可用资源之后且在所述当前调度周期内，基于所述资源需求站点的第二历史流量数据，以预设的运维周期从所述资源需求站点下属的小区中筛选出目标小区，以使所述目标小区的目标功能特性开关在该运维周期内设置为开启状态。本申请通过根据历史流量数据实现站点间功能特性资源分配以及站点内功能特性自动运维，从而能够简单有效地提升网络功能特性的评估效率和应用效益。

Description

一种功能特性资源调度方法及装置

技术领域

本申请涉及通信技术领域，具体涉及一种功能特性资源调度方法、装置、电子设备及计算机程序产品。

背景技术

4G网络(4th generation mobile networks)是由3GPP(The 3rd GenerationPartnership Project)组织制定技术标准的长期演进，5G网络(5th generation mobilenetworks)是由3GPP组织制定第5代移动通信技术网络，ITU IMT-2020规范要求速度高达20Gbit/s，通过LTE和5G NR功能特性应用，可有效提升网络感知。

4/5G网络下功能特性合理应用可提升网络质量和用户感知，需根据网络用户和业务变化及时开展功能特性资源调度，当前功能特性调度应用主要根据用户和业务波动情况，基于人工制定原则定期进行梳理并实现调度。

由于现网4/5G功能特性主要基于人工制定原则开展梳理应用，同时受限于4/5G功能特性需要在站点级别上加载License实现，导致现有的License调度和功能特性应用存在调度应用周期相对较长的问题，且整体工作实现需要投入大量的人力成本资源，因此整体功能特性运维效率较低，使得部分场景下用户感知可能受到影响。

发明内容

本申请实施例提供一种功能特性资源调度方法、装置、电子设备及计算机程序产品，用以解决现有技术进行功能特性运维时效率低下的技术问题。

第一方面，本申请实施例提供一种功能特性资源调度方法，包括：

根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点；

在所述资源需求站点加载目标功能特性的可用资源之后且在所述当前调度周期内，基于所述资源需求站点的第二历史流量数据，以预设的运维周期从所述资源需求站点下属的小区中筛选出目标小区，以使所述目标小区的目标功能特性开关在该运维周期内设置为开启状态；

其中，所述调度周期是所述运维周期的正整数倍；所述资源需求站点的数量与所述目标功能特性的可用资源数量具有第一对应关系；每一所述运维周期内的目标小区的数量与所述目标功能特性的可用资源数量具有第二对应关系。

在一个实施例中，所述根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点，包括：

根据所述第一历史流量数据统计的所述目标区域中若干个站点下属的所有小区的流量统计情况，筛选出历史流量满足预设条件的小区标记为需求小区；

根据每一站点下属的被标记为需求小区的小区数量确定出所述当前调度周期的资源需求站点；其中，所述资源需求站点的数量是根据所述目标功能特性的可用资源数量以及所述第一对应关系进行确定得到的。

在一个实施例中，所述根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点，还包括：

根据所述第一历史流量数据构建m行n列的流量信息矩阵；其中，m代表所述目标区域中若干个站点下属的所有小区的数量，n代表所述每一调度周期划分的单位时间的数量；

基于所述目标功能特性的可用资源数量和所述第一对应关系，对所述流量信息矩阵进行稀疏化处理得到第一稀疏矩阵；

根据所述第一稀疏矩阵进行按行求和并重组得到需求信息矩阵，继而根据所述需求信息矩阵确定出所述当前调度周期的资源需求站点。

在一个实施例中，所述目标小区的筛选方法包括：

在每一运维周期内，根据所述第二历史流量数据统计的所述资源需求站点下属的小区的流量统计情况，筛选出历史流量满足预设条件的小区作为所述目标小区；其中，所述第二历史流量数据包括各个小区在过去若干个调度周期内的各个运维周期的流量统计信息；所述目标小区的数量是根据所述目标功能特性的可用资源数量以及所述第二对应关系进行确定得到的。

在一个实施例中，所述目标小区的筛选方法还包括：

在每一运维周期内，根据所述第二历史流量数据构建i行j列的流量数据矩阵；其中，i代表所述资源需求站点下属的小区数量，j代表第二历史流量数据中的历史调度周期的数量；

基于所述目标功能特性的可用资源数量和所述第二对应关系，对所述流量数据矩阵进行稀疏化处理得到第二稀疏矩阵；

根据所述第二稀疏矩阵进行按行求和并重组得到筛选信息矩阵，继而根据所述筛选信息矩阵从所述筛选出当前运维周期的目标小区。

在一个实施例中，所述调度周期的时长为一天，所述运维周期的时长为一小时。

在一个实施例中，所述目标功能特性为高阶调制功能特性或载波聚合功能特性。

第二方面，本申请实施例提供一种功能特性资源调度装置，包括：

需求分配模块，用于根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点；

资源运维模块，用于在所述资源需求站点加载目标功能特性的可用资源之后且在所述当前调度周期内，基于所述资源需求站点的第二历史流量数据，以预设的运维周期从所述资源需求站点下属的小区中筛选出目标小区，以使所述目标小区的目标功能特性开关在该运维周期内设置为开启状态；

其中，所述调度周期是所述运维周期的正整数倍；所述资源需求站点的数量与所述目标功能特性的可用资源数量具有第一对应关系；每一所述运维周期内的目标小区的数量与所述目标功能特性的可用资源数量具有第二对应关系。

第三方面，本申请实施例提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述的功能特性资源调度方法的步骤。

第四方面，本申请实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第一方面所述的功能特性资源调度方法的步骤。

本申请实施例提供的功能特性资源调度方法、装置、电子设备及计算机程序产品，通过基于站点级别下不同小区的历史流量数据进行资源需求计算以实现功能特性资源分配，并在加载了资源后，根据站点内小区级别的历史流量数据实现功能特性自动运维，从而能够简单有效地提升网络功能特性的评估效率和应用效益。

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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的功能特性资源调度方法的流程示意图之一；

图2是本申请实施例提供的功能特性资源调度方法的流程示意图之二；

图3是本申请实施例提供的功能特性资源调度装置的结构示意图之一；

图4是本申请实施例提供的电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作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。

图1为功能特性资源调度方法。参照图1，本申请实施例提供一种功能特性资源调度方法，可以包括：

S1、根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点；

S2、在所述资源需求站点加载目标功能特性的可用资源之后且在所述当前调度周期内，基于所述资源需求站点的第二历史流量数据，以预设的运维周期从所述资源需求站点下属的小区中筛选出目标小区，以使所述目标小区的目标功能特性开关在该运维周期内设置为开启状态；在本申请实施例中，所述目标功能特性为高阶调制功能特性或载波聚合功能特性。

其中，所述调度周期是所述运维周期的正整数倍；所述资源需求站点的数量与所述目标功能特性的可用资源数量具有第一对应关系；每一所述运维周期内的目标小区的数量与所述目标功能特性的可用资源数量具有第二对应关系。在本申请实施例中，所述调度周期的时长为一天，所述运维周期的时长为一小时。

本申请实施例中，首先获取目标区域内的各个站点的历史流量数据，例如可以以一天为一个调度周期，根据上一调度周期的历史流量数据对未来一个调度周期的资源需求进行预测，从而进行资源分配。其中历史流量数据包括各个站点中下属的所有小区的历史流量信息，并可以包括这些小区在每个细分单位时间下(例如一个调度周期分为24小时，则以一个小时作为一个细分单位时间)的具体历史流量信息。需要说明的是，选择出的资源需求站点的数量是与目标功能特性的可用资源数量具有第一对应关系的，例如，目标功能特性的可用资源数量为2(具体数值可以根据实际需求设定，本申请实施例不做具体限定)，则选择出的资源需求站点的数量可以为1或2，即可以设置为将2个可用资源全部分配到筛选出来的一个资源需求站点，或者可以设置为将2个可用资源分配到筛选出来的两个资源需求站点。

确定了资源需求站点后，则将该功能特性的可用资源加载到资源需求站点中。在加载了目标功能特性的可用资源后，对这个资源需求站点下属的各个小区进行目标功能特性的自动运维。具体地，在每一调度周期内分为若干个运维周期(调度周期是运维周期的正整数倍，例如调度周期为一天，运维周期为一小时)，根据获取的第二历史流量数据，判断各个小区在过去的若干个调度周期内的同一时段的流量统计情况，例如资源需求站点A包括三个小区：A1、A2、A3，则根据A1、A2、A3在过去7天(7个调度周期)内的同一时段(例如0-1时)的流量统计情况，可以判断得到其中哪一个小区(例如A1)在该时段的流量需求较大，则在未来的该时间段内(0-1时)将该A1小区的目标功能特性的开关设置为开启状态。可以理解的是，在该时间段内，除了该目标小区的目标功能特性的开关设置为开启状态，其余的小区的目标功能特性的开关均设置为关闭状态。

本申请实施例提供的功能特性资源调度方法，通过根据历史流量数据实现站点间功能特性资源分配以及站点内功能特性自动运维，从而能够简单有效地提升网络功能特性的评估效率和应用效益。

在一个实施例中，所述步骤S1可以包括：

根据所述第一历史流量数据统计的所述目标区域中若干个站点下属的所有小区的流量统计情况，筛选出历史流量满足预设条件的小区标记为需求小区；

根据每一站点下属的被标记为需求小区的小区数量确定出所述当前调度周期的资源需求站点；其中，所述资源需求站点的数量是根据所述目标功能特性的可用资源数量以及所述第一对应关系进行确定得到的。

需要说明的是，资源需求站点的选取可以根据上述两个步骤进行确定得到。具体地，首先根据所述第一历史流量数据统计的所述目标区域中若干个站点下属的所有小区的流量统计情况，筛选出历史流量满足预设条件的小区标记为需求小区。下面以筛选出一个需求小区进行举例说明，实例一：将一个调度周期(1天)划分为24个小时，在每个小时中，对历史流量最多的一个数据所对应的小区进行一次标记，在完成所有24次标记后，判断哪一个小区被标记的次数最多，则将这个小区确定为需求小区(若有多个小区被标记次数一样，则采用随机算法选择出一个小区)；实例二：将一个调度周期(1天)内，判断哪一个小区在该周期内的总历史流量最多，则将该小区确定为需求小区(若有多个小区总历史流量一样多，则采用随机算法选择出一个需求小区)。

然后根据各个站点对应的被标记为需求小区的数量，确定出资源需求小区。例如，若根据目标功能特性的可用资源数量以及第一对应关系确定到资源需求站点的个数是1个时，说明只有一个站点会被选为资源需求站点，则上述的需求小区的数量也对应确定为标记1个。若判断可以选出2个资源需求站点，则需求小区也对应可以标记两个，此时有可能2个需求小区均属于同一站点，则直接将该站点确定为资源需求站点，可以将2个可用资源都分配到该资源需求站点中，也可以只分配一个可用资源到该资源需求站点(后续的功能特性开关自动运维则只打开一个开关)。

本申请实施例提供的功能特性资源调度方法，通过将判断资源需求站点的依据细化到各站点的小区级别，从而能够更准确地分析站点间的小区流量时序波动特征，进而更有效地提升站点间功能特性资源调度的准确性和有效性，进一步提高了功能特性利用效率。

在一个实施例中，所述根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点，还可以包括：

根据所述第一历史流量数据构建m行n列的流量信息矩阵；其中，m代表所述目标区域中若干个站点下属的所有小区的数量，n代表所述每一调度周期划分的单位时间的数量；

基于所述目标功能特性的可用资源数量和所述第一对应关系，对所述流量信息矩阵进行稀疏化处理得到第一稀疏矩阵；

根据所述第一稀疏矩阵进行按行求和并重组得到需求信息矩阵，继而根据所述需求信息矩阵确定出所述当前调度周期的资源需求站点。

需要说明的是，资源需求站点的选取可以进一步地采用矩阵表示及运算的形式来进行确定。具体地，首先采用矩阵对第一历史流量数据进行数据罗列，构建m行n列的流量信息矩阵，例如：若目标区域中若干个站点共下属有6个小区，每一调度周期划分为24小时的数据，则构建6*24的流量信息矩阵，其中，每一行代表第m个小区在上一调度周期内24小时的历史流量，每一列代表上一调度周期内第n小时的6个小区的历史流量。

然后对流量信息矩阵进行稀疏化处理，假设可用资源的数量为1，则仅针对单列中的最大值赋值为1，其余元素赋值为0，得到第一稀疏矩阵。然后再对该矩阵进行按行维度求和并重组，得到1行6列的需求信息矩阵，继而根据这个矩阵中数值的大小即可确定出需求小区，该需求小区所属的站点即为资源需求站点。

本申请实施例提供的功能特性资源调度方法，通过将判断资源需求站点的过程转化矩阵表示及运算，从而能够更准确地分析站点间的小区流量时序波动特征，进而能够根据这些时序波动特征更有效地实现站点间功能特性资源的调度，进一步提高了功能特性利用效率。

在一个实施例中，所述目标小区的筛选方法可以包括：

在每一运维周期内，根据所述第二历史流量数据统计的所述资源需求站点下属的小区的流量统计情况，筛选出历史流量满足预设条件的小区作为所述目标小区；其中，所述第二历史流量数据包括各个小区在过去若干个调度周期内的各个运维周期的流量统计信息；所述目标小区的数量是根据所述目标功能特性的可用资源数量以及所述第二对应关系进行确定得到的。

需要说明的是，目标小区的筛选方法可以根据上述步骤进行确定。具体地，在每一运维周期内，根据资源需求站点下属的小区的流量统计情况，例如：资源需求站点下属有三个小区，每一小区的流量统计情况包括该小区在过去n个调度周期(例如一个调度周期为一天，这里取过去7天的数据)同一时段(若运维周期为一小时，则以每天的同一时间起止点作为同一时段，如每天的0-1点)的历史流量。根据这些历史流量数据计算出哪一个小区在过去7天的同一时段的总历史流量最多，则以这个小区作为目标小区。

本申请实施例提供的功能特性资源调度方法，通过根据资源需求站点下属的小区在过去若干个调度周期内的各个运维周期的流量统计信息，来实现站内小区流量时序特征预测，从而能够更准确地分析站点内的小区流量时序波动特征，进而更有效地提升站内各个小区功能特性资源自动运维的准确性和有效性，进一步提高了功能特性利用效率。

在一个实施例中，所述目标小区的筛选方法还包括：

在每一运维周期内，根据所述第二历史流量数据构建i行j列的流量数据矩阵；其中，i代表所述资源需求站点下属的小区数量，j代表第二历史流量数据中的历史调度周期的数量；

基于所述目标功能特性的可用资源数量和所述第二对应关系，对所述流量数据矩阵进行稀疏化处理得到第二稀疏矩阵；

根据所述第二稀疏矩阵进行按行求和并重组得到筛选信息矩阵，继而根据所述筛选信息矩阵从所述筛选出当前运维周期的目标小区。

需要说明的是，目标的筛选可以进一步地采用矩阵表示及运算的形式来进行确定。具体地，首先采用矩阵对第二历史流量数据进行数据罗列，构建i行j列的流量数据矩阵，例如：若资源需求站点下属有3个小区，第二历史流量数据中的历史调度周期的数量为7，则构建3*7的流量数据矩阵，其中，每一行代表第i个小区在7个历史调度周期内的同一运维周期(如0-1时)的历史流量，每一列代表第j个历史调度周期内同一运维周期的3个小区的历史流量。

然后对流量信息矩阵进行稀疏化处理，假设可用资源的数量为1，则仅针对单列中的最大值赋值为1，其余元素赋值为0，得到第二稀疏矩阵。然后再对该矩阵进行按行维度求和并重组，得到1行3列的筛选信息矩阵，继而根据这个矩阵中数值的大小即可确定出该运维周期(0-1时)的目标小区。

本申请实施例提供的功能特性资源调度方法，通过将站内目标小区的筛选过程转化矩阵表示及运算，从而能够更准确地分析站点内的小区流量时序波动特征，进而更有效地提升站内各个小区功能特性资源自动运维的准确性和有效性，进一步提高了功能特性利用效率。

请参见图2，基于上述方案，为便于更好的理解本发明提供的功能特性资源调度方法，以下进行具体说明：

针对上述背景技术提出的技术问题，本申请实施例提供一种功能特性资源调度方法，基于同站点下小区间用户流量波动和小区内用户流量时序变化情况，实现对全网小区功能特性License资源按需自动实时调度，打造自动驾驶网络，达成自动运维和降本增效的目标。

需要说明的是，本申请实施例基于小区间用户流量波动和小区内用户流量时序变化情况，实现对小区特性软件License资源需求预测评估，实现功能特性按需自动实时调度。主要基于当前4/5G可用的高阶调制、载波聚合等功能特性，基于小区级流量时序特征，实现功能特性按需自动调度应用，从而有效提升功能特性利用效率，降低功能特性License资源投入成本。

本申请实施例主要分为三个步骤实现，步骤一实现站间功能特性License资源需求计算，步骤二实现功能特性License加载，步骤三实现站内小区级时序数据处理排序和自动运维。

步骤一：站间功能特性License资源需求计算。

当前主要终端特性生效依赖于功能特性License配置，以及相应参数设置开启，当且仅当功能特性License资源配置且参数设置开启后，相应功能特性方可生效。

通过本步骤通过算法实现站点级4/5G功能特性的License资源需求计算。步骤一的具体实现细分过程如下：

1.1首先是小区级话务统计数据(相当于上述实施例的历史流量数据)提取。

该小步骤完成小区级数据业务量提取，提取周期可以为24小时。

1.2其次是小区级别流量数据矩阵构建。

统计区域内全量个小区作为行，一天内1-24小时作为列，填入每个小时每个小区对应的话务统计数据。即得到矩阵R_m*n，其中元素为N_m*n，即：

其中矩阵R_m*n是一个m*n的矩阵，其中m为统计区域内小区数量，n为小区级24个小时流量。

1.3然后是小区级别流量数据矩阵数据稀疏化。

根据上述流程得到的矩阵数据，根据实际功能特性的可用License规模对矩阵R_m*n进行稀疏化，生成新矩阵T_m*n。具体稀疏化规则如下：

1)对每列流量数据进行升序排序；

2)当该列元素对应的流量数据大小排名大于可用License规模时，则该元素填充为1；否则将该元素填充为0；

1.4最后基于矩阵数据重排序实现功能特性License资源分配计算。

将矩阵T_m*n按照行维度进行求和，得到矩阵T’_m。对矩阵T’_m进行升序排序，并按照功能特性可用License规模确定单站点下功能特性License资源投入。

步骤二：功能特性License加载。

基于步骤一得到的License资源需求数据，通过本步骤实现功能特性License加载。

步骤三：实现站内小区级时序数据处理排序和自动运维。

该步骤是根据小区级时间序列特征，通过计算并实现站点下小区级流量排序。

具体实现过程如下：

3.1首先是小区级历史流量时间序列数据提取

针对站点下所有小区的历史流量数据进行提取，以站点级别为单位，将站点下所有小区7天内同时段历史流量数据形成矩阵U_i*j，其中i代表站点下的小区数量，j代表7天同时段历史流量数据，矩阵U_i*j如下：

其中矩阵行i等于站点下小区数量，矩阵列j等于近7天内同时段历史流量。该步骤用于将流量原始数据填入矩阵，便于后续基于算法开展数据拟合。

3.2其次是小区级流量时间序列数据拟合

基于矩阵U_i*j汇总好的小区原始流量数据，通过以下步骤对小区级流量时间序列数据拟合。

1)根据步骤二获取站点下加载功能特性License数量。

2)以列为维度对每列中站点下小区流量进行升级排序。

3)若元素排序值高于站点配置License规模，则将元素值填充为1；否则元素值填充为0，得到稀疏矩阵V_i*j，实现矩阵数组稀疏化。

3.3然后是站点内小区级流量排序

对稀疏矩阵V_i*j按照行进行求和得到新矩阵V’_i，将一维矩阵V_i中的数据进行降序排列。若元素排序值高于站点配置License规模，则对应小区打开功能特性开关，否则对应小区关闭功能特性开关。

3.4最后实现功能特性自动运维执行。

根据步骤二分配的站点级别特性License资源规模，每个小时重新执行站点内小区级流量排序，以小时级为单位实现小区级功能特性开关自动运维。

为了更清楚的说明本申请方案，下面列举具体实施例进行说明：

步骤一：首先以LTE网络下行256QAM高阶调制功能特性为例进行统计计算。目标区域包括A站点和B站点，首先提取A站点下A1-A3小区和B站点下B1-B3的24小时话务量。

其次根据步骤1提取出的数据，构建矩阵R_m*n，其中m为A和B站点下6个小区规模，n为近一天24个小时数。将获取到的各小区24小时业务量(历史流量数据)填写入矩阵。

R_m*n是一个6*24矩阵。

然后结合License规模针对矩阵进行稀疏化。假设仅有1个可用256QAM功能特性License，即该步骤中仅针对单列中的最大值赋值为1，其余元素赋值为0。得到稀疏矩阵T_m*n：

T_m*n是一个6*24稀疏矩阵。

最后对稀疏矩阵T_m*n按照行维度求和，得到矩阵T’_m，T’_m为[0 22

2…]，其中A2小区对应的元素值为22，因此在仅有1个256QAM功能特性License的前提下，将该特性License资源投放于A2小区所在的A站点。

步骤二：实现对A站点进行256QAM功能特性License加载。

由于已确认A站点下加载1个256QAM特性License，步骤三将根据A站点下时序特征开展256QAM特性自动运维。

首先提取A站点下A1-A3小区近一周7*24小时业务量数据，并形成矩阵U_i*j。以周一0时为例，输出U_i*j矩阵。

其中行代表A1-A3小区，列代表近一周7天0时对应的流量数据。

其次实现小区级流量拟合。由于A站点下仅配置1个256QAM高阶调制License资源，针对列维度中最大值标识为1，其他元素标识为0，得到稀疏化V_i*j矩阵

然后根据稀疏化后得到的V_i*j矩阵按行求和得到V_i，V_i＝[1 6 0]，由于该时段A2小区元素对应的数值最大，因此在0时针对A2小区开启256QAM特性开关，针对A1和A3小区关闭256QAM特性开关。

继而在1时根据第三步骤重新计算，得到新的V_i矩阵，假设在周一1时对应的Vi＝[4 3 0]，则在1时针对A1小区开启256QAM特性开关，针对A2和A3小区关闭256QAM特性开关。后续以此类推按步骤实施实现功能特性自动运维，直至这一天24时结束时，则开启下一周期的站点间资源调度。

需要说明的是，本申请实施例主要包括以下关键点：

1、相较于传统基于站点为单位实现功能特性应用的方式，本实施例通过分析站点级别下不同小区流量时序波动特征，实现了基于时序预测进行功能特性应用。

2、本实施例实现了基于数据矩阵稀疏化进行站点License资源配置和站内小区流量时序预测的方法。

3、本实施例实现了通过系统自动运维方式进行站内小区级别功能特性调度的方法。

需要说明的是，当前现网功能特性应用策略是基于站点级别开展应用，导致功能特性资源并未得到完全充分利用。本申请实施例采用基于时间序列的预测方法，实现站点下小区级功能特性调度应用，大幅提升单站点多小区环境下的资源利用效率。

相比于现有技术，本申请实施例具有如下有益效果：

(1)本申请实施例创新性地实现站点下小区功能特性自动运维。结合站点级别下不同小区流量时序波动特征，以小时为单位实现功能特性小区级调度，优化原有以站点为单位开启功能特性方式，站内多小区场景下的功能特性利用效率得到大幅度提升。

(2)在站点级别License受限于厂商设备的前提下，本申请实施例通过算法实现站点级License资源合理配置，最大化License资源投放效益。

(3)本申请实施例通过数据稀疏化实现站点级别License资源分配统计及站点下小区时序数据估算，指导功能特性小时颗粒度自动运维，算法简单高效。

(4)本申请实施例实现功能特性运维自动化，减少人力资源投入，不需要改变网络结构，不存在网络风险，操作简单。

(5)本申请实施例实现后功能特性调度效率明显提升，同时该操作简单高效。

综上所述，本申请实施例能够简单且有效地提升4/5G功能特性的评估效率和应用效益。

下面对本申请实施例提供的功能特性资源调度装置进行描述，下文描述的功能特性资源调度装置与上文描述的功能特性资源调度方法可相互对应参照。

请参见图3，本申请实施例提供一种功能特性资源调度装置，包括：

需求分配模块1，用于根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点；

资源运维模块2，用于在所述资源需求站点加载目标功能特性的可用资源之后且在所述当前调度周期内，基于所述资源需求站点的第二历史流量数据，以预设的运维周期从所述资源需求站点下属的小区中筛选出目标小区，以使所述目标小区的目标功能特性开关在该运维周期内设置为开启状态；

其中，所述调度周期是所述运维周期的正整数倍；所述资源需求站点的数量与所述目标功能特性的可用资源数量具有第一对应关系；每一所述运维周期内的目标小区的数量与所述目标功能特性的可用资源数量具有第二对应关系。

进一步地，所述需求分配模块1具体用于：

根据所述第一历史流量数据统计的所述目标区域中若干个站点下属的所有小区的流量统计情况，筛选出历史流量满足预设条件的小区标记为需求小区；

根据每一站点下属的被标记为需求小区的小区数量确定出所述当前调度周期的资源需求站点；其中，所述资源需求站点的数量是根据所述目标功能特性的可用资源数量以及所述第一对应关系进行确定得到的。

进一步地，所述需求分配模块1具体还用于：

根据所述第一历史流量数据构建m行n列的流量信息矩阵；其中，m代表所述目标区域中若干个站点下属的所有小区的数量，n代表所述每一调度周期划分的单位时间的数量；

基于所述目标功能特性的可用资源数量和所述第一对应关系，对所述流量信息矩阵进行稀疏化处理得到第一稀疏矩阵；

根据所述第一稀疏矩阵进行按行求和并重组得到需求信息矩阵，继而根据所述需求信息矩阵确定出所述当前调度周期的资源需求站点。

进一步地，所述目标小区的筛选方法包括：

在每一运维周期内，根据所述第二历史流量数据统计的所述资源需求站点下属的小区的流量统计情况，筛选出历史流量满足预设条件的小区作为所述目标小区；其中，所述第二历史流量数据包括各个小区在过去若干个调度周期内的各个运维周期的流量统计信息；所述目标小区的数量是根据所述目标功能特性的可用资源数量以及所述第二对应关系进行确定得到的。

进一步地，所述目标小区的筛选方法还包括：

在每一运维周期内，根据所述第二历史流量数据构建i行j列的流量数据矩阵；其中，i代表所述资源需求站点下属的小区数量，j代表第二历史流量数据中的历史调度周期的数量；

基于所述目标功能特性的可用资源数量和所述第二对应关系，对所述流量数据矩阵进行稀疏化处理得到第二稀疏矩阵；

根据所述第二稀疏矩阵进行按行求和并重组得到筛选信息矩阵，继而根据所述筛选信息矩阵从所述筛选出当前运维周期的目标小区。

进一步地，所述调度周期的时长为一天，所述运维周期的时长为一小时。

进一步地，所述目标功能特性为高阶调制功能特性或载波聚合功能特性。

可以理解的是上述装置项实施例，是与本发明方法项实施例相对应的，本申请实施例提供的功能特性资源调度装置，可以实现本发明任意一项方法项实施例提供的功能特性资源调度方法。

图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communication Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的计算机程序，以执行功能特性资源调度方法的步骤，例如包括：

根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点；

在所述资源需求站点加载目标功能特性的可用资源之后且在所述当前调度周期内，基于所述资源需求站点的第二历史流量数据，以预设的运维周期从所述资源需求站点下属的小区中筛选出目标小区，以使所述目标小区的目标功能特性开关在该运维周期内设置为开启状态；

其中，所述调度周期是所述运维周期的正整数倍；所述资源需求站点的数量与所述目标功能特性的可用资源数量具有第一对应关系；每一所述运维周期内的目标小区的数量与所述目标功能特性的可用资源数量具有第二对应关系。

此外，上述的存储器430中的逻辑指令可以通过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，可以存储在一个计算机可读取存储介质中。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)执行本申请各个实施例所述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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各实施例所提供的功能特性资源调度方法的步骤，例如包括：

根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点；

在所述资源需求站点加载目标功能特性的可用资源之后且在所述当前调度周期内，基于所述资源需求站点的第二历史流量数据，以预设的运维周期从所述资源需求站点下属的小区中筛选出目标小区，以使所述目标小区的目标功能特性开关在该运维周期内设置为开启状态；

其中，所述调度周期是所述运维周期的正整数倍；所述资源需求站点的数量与所述目标功能特性的可用资源数量具有第一对应关系；每一所述运维周期内的目标小区的数量与所述目标功能特性的可用资源数量具有第二对应关系。

另一方面，本申请实施例还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处理器执行上述各实施例提供的方法的步骤，例如包括：

根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点；

在所述资源需求站点加载目标功能特性的可用资源之后且在所述当前调度周期内，基于所述资源需求站点的第二历史流量数据，以预设的运维周期从所述资源需求站点下属的小区中筛选出目标小区，以使所述目标小区的目标功能特性开关在该运维周期内设置为开启状态；

其中，所述调度周期是所述运维周期的正整数倍；所述资源需求站点的数量与所述目标功能特性的可用资源数量具有第一对应关系；每一所述运维周期内的目标小区的数量与所述目标功能特性的可用资源数量具有第二对应关系。

所述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。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种功能特性资源调度方法，其特征在于，包括：

根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点；

在所述资源需求站点加载目标功能特性的可用资源之后且在所述当前调度周期内，基于所述资源需求站点的第二历史流量数据，以预设的运维周期从所述资源需求站点下属的小区中筛选出目标小区，以使所述目标小区的目标功能特性开关在该运维周期内设置为开启状态；

其中，所述调度周期是所述运维周期的正整数倍；所述资源需求站点的数量与所述目标功能特性的可用资源数量具有第一对应关系；每一所述运维周期内的目标小区的数量与所述目标功能特性的可用资源数量具有第二对应关系。

2.根据权利要求1所述的功能特性资源调度方法，其特征在于，所述根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点，包括：

根据所述第一历史流量数据统计的所述目标区域中若干个站点下属的所有小区的流量统计情况，筛选出历史流量满足预设条件的小区标记为需求小区；

根据每一站点下属的被标记为需求小区的小区数量确定出所述当前调度周期的资源需求站点；其中，所述资源需求站点的数量是根据所述目标功能特性的可用资源数量以及所述第一对应关系进行确定得到的。

3.根据权利要求1所述的功能特性资源调度方法，其特征在于，所述根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点，还包括：

根据所述第一历史流量数据构建m行n列的流量信息矩阵；其中，m代表所述目标区域中若干个站点下属的所有小区的数量，n代表所述每一调度周期划分的单位时间的数量；

基于所述目标功能特性的可用资源数量和所述第一对应关系，对所述流量信息矩阵进行稀疏化处理得到第一稀疏矩阵；

根据所述第一稀疏矩阵进行按行求和并重组得到需求信息矩阵，继而根据所述需求信息矩阵确定出所述当前调度周期的资源需求站点。

4.根据权利要求1所述的功能特性资源调度方法，其特征在于，所述目标小区的筛选方法包括：

在每一运维周期内，根据所述第二历史流量数据统计的所述资源需求站点下属的小区的流量统计情况，筛选出历史流量满足预设条件的小区作为所述目标小区；其中，所述第二历史流量数据包括各个小区在过去若干个调度周期内的各个运维周期的流量统计信息；所述目标小区的数量是根据所述目标功能特性的可用资源数量以及所述第二对应关系进行确定得到的。

5.根据权利要求1所述的功能特性资源调度方法，其特征在于，所述目标小区的筛选方法还包括：

在每一运维周期内，根据所述第二历史流量数据构建i行j列的流量数据矩阵；其中，i代表所述资源需求站点下属的小区数量，j代表第二历史流量数据中的历史调度周期的数量；

基于所述目标功能特性的可用资源数量和所述第二对应关系，对所述流量数据矩阵进行稀疏化处理得到第二稀疏矩阵；

根据所述第二稀疏矩阵进行按行求和并重组得到筛选信息矩阵，继而根据所述筛选信息矩阵从所述筛选出当前运维周期的目标小区。

6.根据权利要求1所述的功能特性资源调度方法，其特征在于，所述调度周期的时长为一天，所述运维周期的时长为一小时。

7.根据权利要求1所述的功能特性资源调度方法，其特征在于，所述目标功能特性为高阶调制功能特性或载波聚合功能特性。

8.一种功能特性资源调度装置，其特征在于，包括：

需求分配模块，用于根据目标区域中若干个站点在上一调度周期的第一历史流量数据确定当前调度周期的资源需求站点；

资源运维模块，用于在所述资源需求站点加载目标功能特性的可用资源之后且在所述当前调度周期内，基于所述资源需求站点的第二历史流量数据，以预设的运维周期从所述资源需求站点下属的小区中筛选出目标小区，以使所述目标小区的目标功能特性开关在该运维周期内设置为开启状态；

其中，所述调度周期是所述运维周期的正整数倍；所述资源需求站点的数量与所述目标功能特性的可用资源数量具有第一对应关系；每一所述运维周期内的目标小区的数量与所述目标功能特性的可用资源数量具有第二对应关系。

9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的功能特性资源调度方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的功能特性资源调度方法的步骤。

Images