CN116017598A - 网络切换方法、装置和设备 - Google Patents

Abstract

本申请提供一种网络切换方法、装置和设备，采集网络设备的第一待识别数据和第二待识别数据；根据第一待识别数据和第二待识别数据，确定第一待识别数据和第二待识别数据二者之间所对应的特征数据；将第一待识别数据和第二待识别数据二者之间所对应的特征数据，输入至预设预测模型中，得到网络设备的网络质量信息；根据网络质量信息，切换网络设备的网络。通过采集网络设备的网络服务质量数据，基于深度学习模型，预测出当前主线和备线的网络质量优劣结果，根据预测结果来提前切换网路，进而提高网络通信质量。

Description

网络切换方法、装置和设备

技术领域

本申请涉及通信网络技术领域，尤其涉及一种网络切换方法、装置和设备。

背景技术

数据通信业务的不断增长，全球组网的需求也越来越大。为了满足组网的需求，需要通过软件定义广域网SD-WAN(Software Defined-Wide Area Network)设备终端来提供互联网接入服务。

现有技术中，在SD-WAN终端设置主线和备线，若确定SD-WAN主线的网络断开时，则切换SD-WAN终端的网络线路，由SD-WAN备线来提供互联网接入服务。

但是上述方式中，当主线网络完全断开时，才会切换到备线，导致在切换过程中出现断网，进而降低网络接入的服务质量，影响用户的体验。

发明内容

本申请提供一种网络切换方法、装置和设备，用以解决在切换过程中出现断网进而降低网络接入的服务质量的问题。

第一方面，本申请提供一种网络切换方法，所述方法包括：

采集网络设备的第一待识别数据和第二待识别数据；其中，所述第一待识别数据为预设时间段内所述网络设备的主线网络的网络服务质量数据；所述第二待识别数据为预设时间段内所述网络设备的备线网络的网络服务质量数据；

根据所述第一待识别数据和所述第二待识别数据，确定所述第一待识别数据和所述第二待识别数据二者之间所对应的特征数据；

将所述第一待识别数据和所述第二待识别数据二者之间所对应的特征数据，输入至预设预测模型中，得到所述网络设备的网络质量信息；其中，所述网络质量信息表征所述网络设备的主线网络的网络质量是否优于所述网络设备的备线网络的网络质量；

根据所述网络质量信息，切换所述网络设备的网络。

一个示例中，根据所述第一待识别数据和所述第二待识别数据，确定所述第一待识别数据和所述第二待识别数据二者之间所对应的特征数据，包括：

对所述第一待识别数据进行向量化处理，得到处理后的第一待识别数据；并对所述第二待识别数据进行向量化处理，得到处理后的第二待识别数据；

对所述处理后的第一待识别数据和所述处理后的第二待识别数据进行拼接处理，得到所述第一待识别数据和所述第二待识别数据二者之间所对应的特征数据。

一个示例中，在采集网络设备的第一待识别数据和第二待识别数据之前，还包括：确定数据采集信息；其中，所述数据采集信息为采集所述第一待识别数据和所述第二待识别数据的采集频率；

采集网络设备的第一待识别数据和第二待识别数据，包括：

根据所述数据采集信息所指示的采样频率，采集所述第一待识别数据和所述第二待识别数据。

一个示例中，根据所述网络质量信息，切换所述网络设备的网络，包括：

若确定所述网络质量信息表征所述网络设备的主线网络的网络质量优于所述网络设备的备线网络的网络质量，则将所述网络设备的网络切换为所述主线网络；

若确定所述网络质量信息表征所述网络设备的主线网络的网络质量劣于所述网络设备的备线网络的网络质量，则将所述网络设备的网络切换为所述备线网络。

一个示例中，所述网络设备的备线网络为4G/5G网络。

一个示例中，所述网络服务质量数据包括以下的一种或几种：网络时延数据、网络抖动数据、网络丢包率。

第二方面，本申请提供一种应用于网络切换的预测模型确定方法，所述方法包括：

获取网络设备的第一待训练数据和第二待训练数据；其中，所述第一待训练数据为预设时间段内所述网络设备的主线网络的网络服务质量数据，所述第二待训练数据为预设时间段内所述网络设备的备线网络的网络服务质量数据；

根据所述第一待训练数据和所述第二待训练数据，确定所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据；

根据所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据，对初始模型进行训练，得到所述预设预测模型；其中，所述预设预测模型用于对如第一方面所述的方法中的特征数据进行处理，得到网络设备的网络质量信息后进行网络切换。

一个示例中，根据所述第一待训练数据和所述第二待训练数据，确定所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据，包括：

对所述第一待训练数据进行向量化处理，得到处理后的第一待训练数据；并对所述第二待训练数据进行向量化处理，得到处理后的第二待训练数据；

对所述处理后的第一待训练数据和所述处理后的第二待训练数据进行拼接处理，得到所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据。

一个示例中，所述第一待训练数据和所述第二待训练数据二者之间具有实际网络质量信息；所述实际网络质量信息表征实际的所述网络设备的主线网络的网络质量是否优于所述网络设备的备线网络的网络质量；

根据所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据，对初始模型进行训练，得到所述预设预测模型，包括：

将所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据，输入至所述初始模型，得到所述网络设备的网络的预测网络质量信息；其中，所述预测网络质量信息表征预测的所述网络设备的主线网络的网络质量是否优于所述网络设备的备线网络的网络质量；

根据所述预测网络质量信息和所述实际网络质量信息，对所述初始模型的参数进行训练，得到所述预设预测模型。

一个示例中，所述网络服务质量数据包括以下的一种或几种：网络时延数据、网络抖动数据、网络丢包率。

第三方面，本申请提供一种网络切换装置，包括：

采集单元，用于采集网络设备的第一待识别数据和第二待识别数据；其中，所述第一待识别数据为预设时间段内所述网络设备的主线网络的网络服务质量数据；所述第二待识别数据为预设时间段内所述网络设备的备线网络的网络服务质量数据；

确定单元，用于根据所述第一待识别数据和所述第二待识别数据，确定所述第一待识别数据和所述第二待识别数据二者之间所对应的特征数据；

预测单元，用于将所述第一待识别数据和所述第二待识别数据二者之间所对应的特征数据，输入至预设预测模型中，得到所述网络设备的网络质量信息；其中，所述网络质量信息表征所述网络设备的主线网络的网络质量是否优于所述网络设备的备线网络的网络质量；

切换单元，用于根据所述网络质量信息，切换所述网络设备的网络。

一个示例中，所述确定单元，包括：

第一处理模块，用于对所述第一待识别数据进行向量化处理，得到处理后的第一待识别数据；并对所述第二待识别数据进行向量化处理，得到处理后的第二待识别数据；

第二处理模块，用于对所述处理后的第一待识别数据和所述处理后的第二待识别数据进行拼接处理，得到所述第一待识别数据和所述第二待识别数据二者之间所对应的特征数据。

一个示例中，在所述采集单元用于采集网络设备的第一待识别数据和第二待识别数据之前，还包括：确定单元，用于确定数据采集信息；其中，所述数据采集信息为采集所述第一待识别数据和所述第二待识别数据的采集频率；

所述采集单元，包括：

采集模块，用于根据所述数据采集信息所指示的采样频率，采集所述第一待识别数据和所述第二待识别数据。

一个示例中，所述切换单元，包括：

第一确定模块，用于若确定所述网络质量信息表征所述网络设备的主线网络的网络质量优于所述网络设备的备线网络的网络质量，则将所述网络设备的网络切换为所述主线网络；

第二确定模块，用于若确定所述网络质量信息表征所述网络设备的主线网络的网络质量劣于所述网络设备的备线网络的网络质量，则将所述网络设备的网络切换为所述备线网络。

一个示例中，所述网络设备的备线网络为4G/5G网络。

一个示例中，所述网络服务质量数据包括以下的一种或几种：网络时延数据、网络抖动数据、网络丢包率。

第四方面，本申请提供一种应用于网络切换的预测模型确定装置，包括：

获取单元，用于获取网络设备的第一待训练数据和第二待训练数据；其中，所述第一待训练数据为预设时间段内所述网络设备的主线网络的网络服务质量数据，所述第二待训练数据为预设时间段内所述网络设备的备线网络的网络服务质量数据；

确定单元，用于根据所述第一待训练数据和所述第二待训练数据，确定所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据；

训练单元，用于根据所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据，对初始模型进行训练，得到所述预设预测模型；其中，所述预设预测模型用于对如第三方面所述的装置中的特征数据进行处理，得到网络设备的网络质量信息后进行网络切换。

一个示例中，所述确定单元，包括：

第一处理模块，用于对所述第一待训练数据进行向量化处理，得到处理后的第一待训练数据；并对所述第二待训练数据进行向量化处理，得到处理后的第二待训练数据；

第二处理模块，用于对所述处理后的第一待训练数据和所述处理后的第二待训练数据进行拼接处理，得到所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据。

一个示例中，所述第一待训练数据和所述第二待训练数据二者之间具有实际网络质量信息；所述实际网络质量信息表征实际的所述网络设备的主线网络的网络质量是否优于所述网络设备的备线网络的网络质量；

所述训练单元，包括：

预测模块，用于将所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据，输入至所述初始模型，得到所述网络设备的网络的预测网络质量信息；其中，所述预测网络质量信息表征预测的所述网络设备的主线网络的网络质量是否优于所述网络设备的备线网络的网络质量；

训练模块，用于根据所述预测网络质量信息和所述实际网络质量信息，对所述初始模型的参数进行训练，得到所述预设预测模型。

一个示例中，所述网络服务质量数据包括以下的一种或几种：网络时延数据、网络抖动数据、网络丢包率。

第五方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现第一方面和第二方面所述的方法。

第六方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第一方面和第二方面所述的方法。

第七方面，本申请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，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面和第二方面所述的方法。

本申请提供的一种网络切换方法、装置和设备，采集网络设备的第一待识别数据和第二待识别数据；其中，待识别数据为预设时间段内网络设备的主线网络的网络服务质量数据；第二待识别数据为预设时间段内网络设备的备线网络的网络服务质量数据；根据第一待识别数据和第二待识别数据，确定第一待识别数据和第二待识别数据二者之间所对应的特征数据；将第一待识别数据和第二待识别数据二者之间所对应的特征数据，输入至预设预测模型中，得到网络设备的网络质量信息；其中，网络质量信息表征网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量；根据网络质量信息，切换网络设备的网络。通过采集用户的网络设备在一段时间内的网络质量信息，通过人工智能技术训练得到的深度学习模型，来预测当前主线和备线的网络质量优劣结果，根据预测结果表征备线的网络质量更优，则进行网络设备的网络切换，从而达到提前切换至备线网路的目的，提高网络通信质量。

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。

图1为本申请实施例提供的一种网络切换方法的流程示意图；

图2为本申请实施例提供的另一种网络切换方法的流程示意图；

图3为本申请实施例提供的一种部署SD-WAN主/备线终端设备的网络架构示意图；

图4为本申请实施例提供的一种应用于网络切换的预测模型确定方法的流程示意图；

图5为本申请实施例提供的另一种应用于网络切换的预测模型确定方法的流程示意图；

图6为本申请实施例提供的一种网络切换装置的结构示意图；

图7为本申请实施例提供的另一种网络切换装置的结构示意图；

图8为本申请实施例提供的一种应用于网络切换的预测模型确定装置的结构示意图；

图9为本申请实施例提供的另一种应用于网络切换的预测模型确定装置的结构示意图；

图10为本申请实施例提供的一种电子设备的结构示意图；

图11为根据一示例性实施例示出的一种电子设备的框图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，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。

当前，企业全球化进程加快，全球组网的需求越来越大。软件定义广域网SD-WAN(Software Defined-Wide Area Network)作为一种新型的接入技术，以其更低的成本以及较高的安全性，正成为各企业组网需求的选择之一。SD-WAN技术通过在互联网构建网络安全协议IPSEC-VPN(Internet Protocol Security)隧道，从而到达客户组网的需求。

现有技术中，通过在SD-WAN控制器上写入控制脚本，当监测到主线短线之后，才会切换到备线上。

一个示例中，通过使用SD-WAN设备终端来提供互联网接入服务；在SD-WAN终端设置主线和备线，若确定SD-WAN主线的网络断开时，则切换SD-WAN终端的网络线路，由SD-WAN备线来提供互联网接入服务。

但是上述方式中，当主线网络完全断开时，才会切换到备线，导致在切换过程中出现断网，降低网络接入的服务质量。

本申请提供一种网络切换方法、装置和设备，旨在解决现有技术的如上技术问题。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

图1为本申请实施例提供的一种网络切换方法的流程示意图，如图1所示，该方法包括：

S101、采集网络设备的第一待识别数据和第二待识别数据；其中，第一待识别数据为预设时间段内网络设备的主线网络的网络服务质量数据；第二待识别数据为预设时间段内网络设备的备线网络的网络服务质量数据。

示例性地，本实施例的执行主体可以为电子设备、或者服务器、或者终端设备、或者其他可以执行本实施例的装置或设备。本实施例中以执行主体为电子设备为例进行介绍。

基于电子设备，网络设备，如SD-WAN终端，可以提供主线网络服务和备线网络服务，针对该网络设备，可以设置网络设备的控制器，接收控制器的控制指令，来采集网络设备在预设的较近的时间段内所提供的待识别的网络服务质量数据，包括网络设备的主线和备线所提供的网络的网络服务质量数据，即第一待识别数据，以及网络设备的备线所提供的网络的网络服务质量数据，即第二待识别数据。

S102、根据第一待识别数据和第二待识别数据，确定第一待识别数据和第二待识别数据二者之间所对应的特征数据。

示例性地，根据采集的网络设备的主线所提供的网络的网络服务质量数据和网络设备的备线所提供的网络的网络服务质量数据，同时对网络设备的主线所提供的网络的网络服务质量数据和网络设备的备线所提供的网络的网络服务质量数据这两者数据进行特征处理，得到这两者数据对应的特征网络服务质量数据，用于进一步的识别和处理。

S103、将第一待识别数据和第二待识别数据二者之间所对应的特征数据，输入至预设预测模型中，得到网络设备的网络质量信息；其中，网络质量信息表征网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量。

示例性地，调用预先设置的网络质量预测模型，将处理之后得到的待识别的特征网络服务质量数据，输出至该预测模型中，该预测模型对待识别的特征网络服务质量数据进行分析比对，输出该网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量。

一个示例中，调用预先设置的网络质量预测模型，比如基于时序的神经网络模型，将处理之后得到的待识别的特征网络服务质量数据，输出至该神经网络模型中，神经网络模型对待识别的特征网络服务质量数据进行分析比对，得到预测结果，比如，神经网络模型输出“1”，代表该网络设备的主线网络的网络质量优于网络设备的备线网络的网络质量；或者，神经网络模型输出“0”，则代表该网络设备的主线网络的网络质量劣于网络设备的备线网络的网络质量。

S104、根据网络质量信息，切换网络设备的网络。

示例性地，根据网络质量预测模型输出的网络设备的网络质量信息，网络设备的控制接收到该信息后，控制网络设备切换该网络设备的供网的线路。

一个示例中，当前为网络设备的主线线路进行供网，根据网络质量预测模型输出的网络设备的网络质量信息，若确定神经网络模型输出“1”，则代表该网络设备的主线网络的网络质量优于网络设备的备线网络的网络质量，那么，网络设备控制器接收到该“1”的信号后，会对网络设备下达控制指令，控制网络设备不切换当前的主线网络；若确定神经网络模型输出“0”，则代表该网络设备的主线网络的网络质量劣于网络设备的备线网络的网络质量，那么，网络设备控制器接收到该“0”的信号后，会对网络设备下达控制指令，控制网络设备提前将主线网络切换至该网络设备的备线网络；进而保证网络服务的质量。

本实施例中，采集网络设备的第一待识别数据和第二待识别数据；其中，待识别数据为预设时间段内网络设备的主线网络的网络服务质量数据；第二待识别数据为预设时间段内网络设备的备线网络的网络服务质量数据；根据第一待识别数据和第二待识别数据，确定第一待识别数据和第二待识别数据二者之间所对应的特征数据；将第一待识别数据和第二待识别数据二者之间所对应的特征数据，输入至预设预测模型中，得到网络设备的网络质量信息；其中，网络质量信息表征网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量；根据网络质量信息，切换网络设备的网络。通过采集用户的SD-WAN设备在一段时间内的网络质量信息，通过人工智能技术训练得到的深度学习模型，来预测当前主线和备线的网络质量优劣结果，根据预测结果表征备线的网络质量更优，则进行SD-WAN设备的网络切换，从而达到提前切换至备线网路的目的，提高网络通信质量。

图2为本申请实施例提供的另一种网络切换方法的流程示意图，如图2所示，该方法包括：

S201、确定数据采集信息；其中，数据采集信息为采集第一待识别数据和第二待识别数据的采集频率。

一个示例中，网络服务质量数据包括以下的一种或几种：网络时延数据、网络抖动数据、网络丢包率。

一个示例中，网络设备的备线网络为4G/5G网络。

示例性地，本实施例的执行主体可以为电子设备、或者服务器、或者终端设备、或者其他可以执行本实施例的装置或设备。本实施例中以执行主体为电子设备为例进行介绍。

基于电子设备，网络设备，如SD-WAN终端，可以提供主线网络服务和备线网络服务，其中，备线通过4G(the 4th Generation Mobile Communication Technology)/5G(the5th Generation Mobile Communication Technology)接入的方式，针对该网络设备，可以设置网络设备的控制器，接收控制器的控制指令，设置采集主备线的网络服务质量数据的时间和采集频率，其中，网络服务质量数据包括以下的一种或几种：网络时延数据、网络抖动数据、网络丢包率。

一个示例中，图3为本申请实施例提供的一种部署SD-WAN主/备线终端设备的网络架构示意图，如图3所示，在客户侧通过分别部署SD-WAN(软件定义广域网)主/备线终端，其中SD-WAN主线通过互联网接入的方式，完成线路与POP点(网络服务提供点)的连接；而备线通过4G/5G接入的方式，完成与POP点的连接；部署的SD-WAN主备线路均被SD-WAN控制器进行纳管，用户可以登录SD-WAN终端设备的账户，预先设置采集主备线的网络服务质量数据的时间和采集频率，采样频率为每小时采集一次，等到采集时间时，可以通知SD-WAN控制器去采集网络时延数据、网络抖动数据、网络丢包率等网络服务质量数据。

S202、根据数据采集信息所指示的采样频率，采集第一待识别数据和第二待识别数据。

示例性地，根据预设设置的采样时间和采集频率，等到采集时间时，控制器下达指令，来采集网络设备在预设的较近的时间段内所提供的待识别的网络服务质量数据，包括网络设备的主线，即第一待识别数据，以及网络设备的备线所提供的网络的网络服务质量数据，即第二待识别数据。

一个示例中，用户首先登录SD-WAN终端，设置采集主备线网络服务质量数据的时间为15天，以及采样频率为1小时采集一次，根据预设设置的采样时间和采集频率，等到采集时间时，控制器下达指令，来采集网络设备在15天内所提供的待识别的网络服务质量数据，包括网络设备的主线和备线所提供的网络的网络服务质量数据，以及网络设备的备线所提供的网络的网络服务质量数据。

S203、对第一待识别数据进行向量化处理，得到处理后的第一待识别数据；并对第二待识别数据进行向量化处理，得到处理后的第二待识别数据。

示例性地，根据采集的网络设备的主线所提供的网络的网络服务质量数据和网络设备的备线所提供的网络的网络服务质量数据，对网络设备的主线所提供的网络的网络服务质量数据进行向量化处理，将数值型数据转换为向量形式的数据，即为处理后的主线网络服务质量数据；同时，对网络设备的备线所提供的网络的网络服务质量数据进行特征处理，进行向量化处理，将数值型数据转换为向量形式的数据，即为处理后的备线网络服务质量数据。

S204、对处理后的第一待识别数据和处理后的第二待识别数据进行拼接处理，得到第一待识别数据和第二待识别数据二者之间所对应的特征数据。

示例性地，根据向量化处理后的主线网络服务质量数据和向量化处理后的备线网络服务质量数据，将两者数据进行向量拼接，得到待识别的主线网络服务质量数据和待识别的备线网络服务质量数据这二者对应的特征数据，用于进一步的识别和处理。

S205、将第一待识别数据和第二待识别数据二者之间所对应的特征数据，输入至预设预测模型中，得到网络设备的网络质量信息；其中，网络质量信息表征网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量。

示例性地，本步骤可以参见步骤S103，不再赘述。

在步骤S205之后，可以执行步骤S206或者步骤S207。

S206、若确定网络质量信息表征网络设备的主线网络的网络质量优于网络设备的备线网络的网络质量，则将网络设备的网络切换为主线网络。

示例性地，在步骤S205之后，根据网络质量预测模型输出的网络设备的网络质量信息，若确定该网络设备的主线网络的网络质量优于网络设备的备线网络的网络质量，那么，网络设备控制器接收到该信息后，会对网络设备下达控制指令，若当前网络设备的网络为主线网络，则保持网络设备的网络为主线网络；若当前网络设备的网络为备线网络，则控制网络设备的网络切换为主线网络。

一个示例中，当前为网络设备的主线线路进行供网，根据网络质量预测模型输出的网络设备的网络质量信息，若确定神经网络模型输出“1”，则代表该网络设备的主线网络的网络质量优于网络设备的备线网络的网络质量，那么，网络设备控制器接收到该“1”的信号后，会对网络设备下达控制指令，控制网络设备不切换当前的主线网络。

S207、若确定网络质量信息表征网络设备的主线网络的网络质量劣于网络设备的备线网络的网络质量，则将网络设备的网络切换为备线网络。

示例性地，在步骤S205之后，根据网络质量预测模型输出的网络设备的网络质量信息，若确定该网络设备的主线网络的网络质量劣于网络设备的备线网络的网络质量，那么，网络设备控制器接收到该信息后，会对网络设备下达控制指令，若当前网络设备的网络为主线网络，则控制网络设备的网络切换为备线网络；若当前网络设备的网络为备线网络，则保持网络设备的网络为备线网络。

一个示例中，当前为网络设备的主线线路进行供网，根据网络质量预测模型输出的网络设备的网络质量信息，若确定神经网络模型输出“0”，则代表该网络设备的主线网络的网络质量劣于网络设备的备线网络的网络质量，那么，网络设备控制器接收到该“0”的信号后，会对网络设备下达控制指令，控制网络设备提前将主线网络切换至该网络设备的备线网络；进而保证网络服务的质量。

本实施例中，在上述实施例的基础上，确定数据采集信息；其中，数据采集信息为采集第一待识别数据和第二待识别数据的采集频率；根据数据采集信息所指示的采样频率，采集第一待识别数据和第二待识别数据；对第一待识别数据进行向量化处理，得到处理后的第一待识别数据；并对第二待识别数据进行向量化处理，得到处理后的第二待识别数据；对处理后的第一待识别数据和处理后的第二待识别数据进行拼接处理，得到第一待识别数据和第二待识别数据二者之间所对应的特征数据；将第一待识别数据和第二待识别数据二者之间所对应的特征数据，输入至预设预测模型中，得到网络设备的网络质量信息；其中，网络质量信息表征网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量；若确定网络质量信息表征网络设备的主线网络的网络质量优于网络设备的备线网络的网络质量，则将网络设备的网络切换为主线网络；若确定网络质量信息表征网络设备的主线网络的网络质量劣于网络设备的备线网络的网络质量，则将网络设备的网络切换为备线网络。通过在预先设置的采样频率，备线接入4G/5G网络，分别采集近期时间段内待识别的网络设备的主线网络服务质量数据和备线网络服务质量数据，并对所采集的数据进行向量化处理，得到特征数据，基于预设的预测模型，对特征数据进行分析对比，预测出当前网络设备的主线网络和备线网络之间的网络质量优劣，根据预测结果，提前进行网络切换，进而保证网络质量；当切换至备线网络时，用户可以使用4G/5G网络，进而提升用户体验。

图4为本申请实施例提供的一种应用于网络切换的预测模型确定方法的流程示意图，如图4所示，该方法包括：

S301、获取网络设备的第一待训练数据和第二待训练数据；其中，第一待训练数据为预设时间段内网络设备的主线网络的网络服务质量数据，第二待训练数据为预设时间段内网络设备的备线网络的网络服务质量数据。

示例性地，本实施例的执行主体可以为电子设备、或者服务器、或者终端设备、或者其他可以执行本实施例的装置或设备。本实施例中以执行主体为电子设备为例进行介绍。

基于电子设备，网络设备，如SD-WAN终端，可以提供主线网络服务和备线网络服务，针对该网络设备，可以设置网络设备的控制器，接收控制器的控制指令，来采集网络设备在预设的较长的时间段内所提供的待训练的网络服务质量数据，包括网络设备的主线和备线所提供的网络的网络服务质量数据，即第一待识训练数据，以及网络设备的备线所提供的网络的网络服务质量数据，即第二待训练数据。

S302、根据第一待训练数据和第二待训练数据，确定第一待训练数据和第二待训练数据二者之间所对应的特征数据。

示例性地，根据采集的待训练的网络设备的主线所提供的网络的网络服务质量数据和网络设备的备线所提供的网络的网络服务质量数据，同时对两者数据进行特征处理，得到这两者数据对应的特征网络服务质量数据，用于模型训练。

S303、根据第一待训练数据和第二待训练数据二者之间所对应的特征数据，对初始模型进行训练，得到预设预测模型；其中，预设预测模型用于对网络切换方法中的特征数据进行处理，得到网络设备的网络质量信息后进行网络切换。

示例性地，调用预先设置的初始网络质量预测模型，将处理之后的待训练的特征数据，输出至初始预测模型中，对初始鉴定模型进行训练，优化初始鉴定模型的参数，得到预设预测模型，用于对网络切换方法中的特征数据进行处理，得到网络设备的网络质量信息后进行网络切换。

本实施例中，获取网络设备的第一待训练数据和第二待训练数据；其中，第一待训练数据为预设时间段内网络设备的主线网络的网络服务质量数据，第二待训练数据为预设时间段内网络设备的备线网络的网络服务质量数据；根据第一待训练数据和第二待训练数据，确定第一待训练数据和第二待训练数据二者之间所对应的特征数据；根据第一待训练数据和第二待训练数据二者之间所对应的特征数据，对初始模型进行训练，得到预设预测模型；其中，预设预测模型用于对网络切换方法中的特征数据进行处理，得到网络设备的网络质量信息后进行网络切换。通过采集用户的网络设备在一段时间内的网络质量信息，用于训练模型，根据训练后的预测模型，来预测当前主线和备线的网络质量优劣结果，进而根据预测结果，进行网络设备的网络切换，提高网络通信质量。

图5为本申请实施例提供的另一种应用于网络切换的预测模型确定方法的流程示意图，如图5所示，该方法包括：

S401、获取网络设备的第一待训练数据和第二待训练数据；其中，第一待训练数据为预设时间段内网络设备的主线网络的网络服务质量数据，第二待训练数据为预设时间段内网络设备的备线网络的网络服务质量数据。

示例性地，本步骤可以参见步骤S301，不再赘述。

S402、对第一待训练数据进行向量化处理，得到处理后的第一待训练数据；并对第二待训练数据进行向量化处理，得到处理后的第二待训练数据。

示例性地，根据采集的网络设备的主线所提供的网络的网络服务质量数据和网络设备的备线所提供的网络的网络服务质量数据，对网络设备的待训练的主线网络服务质量数据进行向量化处理，将数值型数据转换为向量形式的数据，即为处理后的待训练的主线网络服务质量数据；同时，对网络设备的待训练的备线网络服务质量数据进行特征处理，进行向量化处理，将数值型数据转换为向量形式的数据，即为处理后的待训练的备线网络服务质量数据。

S403、对处理后的第一待训练数据和处理后的第二待训练数据进行拼接处理，得到第一待训练数据和第二待训练数据二者之间所对应的特征数据。

示例性地，根据向量化处理后的主线网络服务质量数据和向量化处理后的备线网络服务质量数据，将两者数据进行向量拼接，得到待训练的主线网络服务质量数据和待训练别的备线网络服务质量数据这二者对应的特征数据，用于进一步的模型训练。

S404、将第一待训练数据和第二待训练数据二者之间所对应的特征数据，输入至初始模型，得到网络设备的网络的预测网络质量信息；其中，预测网络质量信息表征预测的网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量。

一个示例中，第一待训练数据和第二待训练数据二者之间具有实际网络质量信息；实际网络质量信息表征实际的网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量。

示例性地，根据所采集的主线网络服务质量数据和备线网络服务质量数据，可以分析得到实际的网络设备的网络质量信息，即实际的网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量。

进一步地，调用预先设置的初始网络质量预测模型，将处理之后的待训练的特征数据，输出至初始预测模型中，得到预测的网络设备的网络质量信息，即预测的网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量。

S405、根据预测网络质量信息和实际网络质量信息，对初始模型的参数进行训练，得到预设预测模型。

示例性地，为了得到预测准确的模型，对初始鉴定模型进行训练，并且根据实际网络质量信息，优化初始鉴定模型的参数，得到预设预测模型，用于对网络切换方法中的特征数据进行处理，得到网络设备的网络质量信息后进行网络切换。

本实施例中，在上述实施例的基础上，对第一待训练数据进行向量化处理，得到处理后的第一待训练数据；并对第二待训练数据进行向量化处理，得到处理后的第二待训练数据；对处理后的第一待训练数据和处理后的第二待训练数据进行拼接处理，得到第一待训练数据和第二待训练数据二者之间所对应的特征数据；将第一待训练数据和第二待训练数据二者之间所对应的特征数据，输入至初始模型，得到网络设备的网络的预测网络质量信息；其中，预测网络质量信息表征预测的网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量；根据预测网络质量信息和实际网络质量信息，对初始模型的参数进行训练，得到预设预测模型。通过对采集到的待训练的主备线网络服务质量数据进行向量化主力、向量拼接等处理，进一步提高待训练数据的特征质量，进而提高网络质量预测模型的准确性；基于待训练数据对初始预测模型的多次训练，得到预设预测模型，来预测当前主线和备线的网络质量优劣结果，进而根据预测结果，进行网络设备的网络切换，提高网络通信质量。

图6为本申请实施例提供的一种网络切换装置的结构示意图，如图6所示，该装置500包括：

采集单元501，用于采集网络设备的第一待识别数据和第二待识别数据；其中，第一待识别数据为预设时间段内网络设备的主线网络的网络服务质量数据；第二待识别数据为预设时间段内网络设备的备线网络的网络服务质量数据。

确定单元502，用于根据第一待识别数据和第二待识别数据，确定第一待识别数据和第二待识别数据二者之间所对应的特征数据。

预测单元503，用于将第一待识别数据和第二待识别数据二者之间所对应的特征数据，输入至预设预测模型中，得到网络设备的网络质量信息；其中，网络质量信息表征网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量。

切换单元504，用于根据网络质量信息，切换网络设备的网络。

本实施例的装置，可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。

图7为本申请实施例提供的另一种网络切换装置的结构示意图，如图7所示，该装置600包括：

采集单元601，用于采集网络设备的第一待识别数据和第二待识别数据；其中，第一待识别数据为预设时间段内网络设备的主线网络的网络服务质量数据；第二待识别数据为预设时间段内网络设备的备线网络的网络服务质量数据。

确定单元602，用于根据第一待识别数据和第二待识别数据，确定第一待识别数据和第二待识别数据二者之间所对应的特征数据。

预测单元603，用于将第一待识别数据和第二待识别数据二者之间所对应的特征数据，输入至预设预测模型中，得到网络设备的网络质量信息；其中，网络质量信息表征网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量。

切换单元604，用于根据网络质量信息，切换网络设备的网络。

一个示例中，确定单元602，包括：

第一处理模块6021，用于对第一待识别数据进行向量化处理，得到处理后的第一待识别数据；并对第二待识别数据进行向量化处理，得到处理后的第二待识别数据。

第二处理模块6022，用于对处理后的第一待识别数据和处理后的第二待识别数据进行拼接处理，得到第一待识别数据和第二待识别数据二者之间所对应的特征数据。

一个示例中，在采集单元601用于采集网络设备的第一待识别数据和第二待识别数据之前，还包括：确定单元605，用于确定数据采集信息；其中，数据采集信息为采集第一待识别数据和第二待识别数据的采集频率。

采集单元601，包括：

采集模块6011，用于根据数据采集信息所指示的采样频率，采集第一待识别数据和第二待识别数据。

一个示例中，切换单元604，包括：

第一确定模块6041，用于若确定网络质量信息表征网络设备的主线网络的网络质量优于网络设备的备线网络的网络质量，则将网络设备的网络切换为主线网络。

第二确定模块6042，用于若确定网络质量信息表征网络设备的主线网络的网络质量劣于网络设备的备线网络的网络质量，则将网络设备的网络切换为备线网络。

一个示例中，网络设备的备线网络为4G/5G网络。

一个示例中，网络服务质量数据包括以下的一种或几种：网络时延数据、网络抖动数据、网络丢包率。

本实施例的装置，可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。

图8为本申请实施例提供的一种应用于网络切换的预测模型确定装置的结构示意图，如图8所示，该装置700包括：

获取单元701，用于获取网络设备的第一待训练数据和第二待训练数据；其中，第一待训练数据为预设时间段内网络设备的主线网络的网络服务质量数据，第二待训练数据为预设时间段内网络设备的备线网络的网络服务质量数据。

确定单元702，用于根据第一待训练数据和第二待训练数据，确定第一待训练数据和第二待训练数据二者之间所对应的特征数据。

训练单元703，用于根据第一待训练数据和第二待训练数据二者之间所对应的特征数据，对初始模型进行训练，得到预设预测模型；其中，预设预测模型用于对网络切换装置中的特征数据进行处理，得到网络设备的网络质量信息后进行网络切换。

本实施例的装置，可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。

图9为本申请实施例提供的另一种应用于网络切换的预测模型确定装置的结构示意图，如图9所示，该装置800包括：

获取单元801，用于获取网络设备的第一待训练数据和第二待训练数据；其中，第一待训练数据为预设时间段内网络设备的主线网络的网络服务质量数据，第二待训练数据为预设时间段内网络设备的备线网络的网络服务质量数据。

确定单元802，用于根据第一待训练数据和第二待训练数据，确定第一待训练数据和第二待训练数据二者之间所对应的特征数据。

训练单元803，用于根据第一待训练数据和第二待训练数据二者之间所对应的特征数据，对初始模型进行训练，得到预设预测模型；其中，预设预测模型用于对网络切换装置中的特征数据进行处理，得到网络设备的网络质量信息后进行网络切换。

一个示例中，确定单元802，包括：

第一处理模块8021，用于对第一待训练数据进行向量化处理，得到处理后的第一待训练数据；并对第二待训练数据进行向量化处理，得到处理后的第二待训练数据。

第二处理模块8022，用于对处理后的第一待训练数据和处理后的第二待训练数据进行拼接处理，得到第一待训练数据和第二待训练数据二者之间所对应的特征数据。

一个示例中，第一待训练数据和第二待训练数据二者之间具有实际网络质量信息；实际网络质量信息表征实际的网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量。

训练单元803，包括：

预测模块8031，用于将第一待训练数据和第二待训练数据二者之间所对应的特征数据，输入至初始模型，得到网络设备的网络的预测网络质量信息；其中，预测网络质量信息表征预测的网络设备的主线网络的网络质量是否优于网络设备的备线网络的网络质量。

训练模块8032，用于根据预测网络质量信息和实际网络质量信息，对初始模型的参数进行训练，得到预设预测模型。

一个示例中，网络服务质量数据包括以下的一种或几种：网络时延数据、网络抖动数据、网络丢包率。

本实施例的装置，可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。

图10为本申请实施例提供的一种电子设备的结构示意图，如图10所示，电子设备900包括：存储器91，处理器92；存储器91，用于存储处理器92可执行指令的存储器。

其中，处理器92被配置为执行如上述实施例提供的方法。

终端设备还包括接收器93和发送器94。接收器93用于接收其他设备发送的指令和数据，发送器94用于向外部设备发送指令和数据。

图11是根据一示例性实施例示出的一种电子设备的框图，该设备可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

电子设备1000可以包括以下一个或多个组件：处理组件1002，存储器1004，电源组件1006，多媒体组件1008，音频组件1010，输入/输出(I/O)接口1012，传感器组件1014，以及通信组件1016。

处理组件1002通常控制电子设备1000的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1002可以包括一个或多个处理器1020来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1002可以包括一个或多个模块，便于处理组件1002和其他组件之间的交互。例如，处理组件1002可以包括多媒体模块，以方便多媒体组件10010和处理组件1002之间的交互。

存储器1004被配置为存储各种类型的数据以支持在电子设备1000的操作。这些数据的示例包括用于在电子设备1000上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1004可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件1006为电子设备1000的各种组件提供电力。电源组件1006可以包括电源管理系统，一个或多个电源，及其他与为电子设备1000生成、管理和分配电力相关联的组件。

多媒体组件1008包括在电子设备1000和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件10010包括一个前置摄像头和/或后置摄像头。当电子设备1000处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1010被配置为输出和/或输入音频信号。例如，音频组件1010包括一个麦克风(MIC)，当电子设备1000处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1004或经由通信组件1016发送。在一些实施例中，音频组件1010还包括一个扬声器，用于输出音频信号。

I/O接口1012为处理组件1002和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1014包括一个或多个传感器，用于为电子设备1000提供各个方面的状态评估。例如，传感器组件1014可以检测到电子设备1000的打开/关闭状态，组件的相对定位，例如组件为电子设备1000的显示器和小键盘，传感器组件1014还可以检测电子设备1000或电子设备1000一个组件的位置改变，用户与电子设备1000接触的存在或不存在，电子设备1000方位或加速/减速和电子设备1000的温度变化。传感器组件1014可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1014还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1014还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1016被配置为便于电子设备1000和其他设备之间有线或无线方式的通信。电子设备1000可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1016经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件1016还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备1000可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1004，上述指令可由电子设备1000的处理器1020执行以完成上述方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本申请实施例还提供了一种非临时性计算机可读存储介质，当该存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述方法。

本申请实施例还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (22)

1.一种网络切换方法，其特征在于，所述方法包括：

采集网络设备的第一待识别数据和第二待识别数据；其中，所述第一待识别数据为预设时间段内所述网络设备的主线网络的网络服务质量数据；所述第二待识别数据为预设时间段内所述网络设备的备线网络的网络服务质量数据；

根据所述第一待识别数据和所述第二待识别数据，确定所述第一待识别数据和所述第二待识别数据二者之间所对应的特征数据；

将所述第一待识别数据和所述第二待识别数据二者之间所对应的特征数据，输入至预设预测模型中，得到所述网络设备的网络质量信息；其中，所述网络质量信息表征所述网络设备的主线网络的网络质量是否优于所述网络设备的备线网络的网络质量；

根据所述网络质量信息，切换所述网络设备的网络。

2.根据权利要求1所述的方法，其特征在于，根据所述第一待识别数据和所述第二待识别数据，确定所述第一待识别数据和所述第二待识别数据二者之间所对应的特征数据，包括：

对所述第一待识别数据进行向量化处理，得到处理后的第一待识别数据；并对所述第二待识别数据进行向量化处理，得到处理后的第二待识别数据；

对所述处理后的第一待识别数据和所述处理后的第二待识别数据进行拼接处理，得到所述第一待识别数据和所述第二待识别数据二者之间所对应的特征数据。

3.根据权利要求2所述的方法，其特征在于，在采集网络设备的第一待识别数据和第二待识别数据之前，还包括：确定数据采集信息；其中，所述数据采集信息为采集所述第一待识别数据和所述第二待识别数据的采集频率；

采集网络设备的第一待识别数据和第二待识别数据，包括：

根据所述数据采集信息所指示的采样频率，采集所述第一待识别数据和所述第二待识别数据。

4.根据权利要求1所述的方法，其特征在于，根据所述网络质量信息，切换所述网络设备的网络，包括：

若确定所述网络质量信息表征所述网络设备的主线网络的网络质量优于所述网络设备的备线网络的网络质量，则将所述网络设备的网络切换为所述主线网络；

若确定所述网络质量信息表征所述网络设备的主线网络的网络质量劣于所述网络设备的备线网络的网络质量，则将所述网络设备的网络切换为所述备线网络。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述网络设备的备线网络为4G/5G网络。

6.根据权利要求1-4中任一项所述的方法，其特征在于，所述网络服务质量数据包括以下的一种或几种：网络时延数据、网络抖动数据、网络丢包率。

7.一种应用于网络切换的预测模型确定方法，其特征在于，所述方法包括：

获取网络设备的第一待训练数据和第二待训练数据；其中，所述第一待训练数据为预设时间段内所述网络设备的主线网络的网络服务质量数据，所述第二待训练数据为预设时间段内所述网络设备的备线网络的网络服务质量数据；

根据所述第一待训练数据和所述第二待训练数据，确定所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据；

根据所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据，对初始模型进行训练，得到所述预设预测模型；其中，所述预设预测模型用于对如权利要求1-6中任一项所述的方法中的特征数据进行处理，得到网络设备的网络质量信息后进行网络切换。

8.根据权利要求7所述的方法，其特征在于，根据所述第一待训练数据和所述第二待训练数据，确定所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据，包括：

对所述第一待训练数据进行向量化处理，得到处理后的第一待训练数据；并对所述第二待训练数据进行向量化处理，得到处理后的第二待训练数据；

对所述处理后的第一待训练数据和所述处理后的第二待训练数据进行拼接处理，得到所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据。

9.根据权利要求7所述的方法，其特征在于，所述第一待训练数据和所述第二待训练数据二者之间具有实际网络质量信息；所述实际网络质量信息表征实际的所述网络设备的主线网络的网络质量是否优于所述网络设备的备线网络的网络质量；

根据所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据，对初始模型进行训练，得到所述预设预测模型，包括：

将所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据，输入至所述初始模型，得到所述网络设备的网络的预测网络质量信息；其中，所述预测网络质量信息表征预测的所述网络设备的主线网络的网络质量是否优于所述网络设备的备线网络的网络质量；

根据所述预测网络质量信息和所述实际网络质量信息，对所述初始模型的参数进行训练，得到所述预设预测模型。

10.根据权利要求7-9中任一项所述的方法，其特征在于，所述网络服务质量数据包括以下的一种或几种：网络时延数据、网络抖动数据、网络丢包率。

11.一种网络切换装置，其特征在于，所述装置包括：

采集单元，用于采集网络设备的第一待识别数据和第二待识别数据；其中，所述第一待识别数据为预设时间段内所述网络设备的主线网络的网络服务质量数据；所述第二待识别数据为预设时间段内所述网络设备的备线网络的网络服务质量数据；

确定单元，用于根据所述第一待识别数据和所述第二待识别数据，确定所述第一待识别数据和所述第二待识别数据二者之间所对应的特征数据；

预测单元，用于将所述第一待识别数据和所述第二待识别数据二者之间所对应的特征数据，输入至预设预测模型中，得到所述网络设备的网络质量信息；其中，所述网络质量信息表征所述网络设备的主线网络的网络质量是否优于所述网络设备的备线网络的网络质量；

切换单元，用于根据所述网络质量信息，切换所述网络设备的网络。

12.根据权利要求11所述的装置，其特征在于，所述确定单元，包括：

第一处理模块，用于对所述第一待识别数据进行向量化处理，得到处理后的第一待识别数据；并对所述第二待识别数据进行向量化处理，得到处理后的第二待识别数据；

第二处理模块，用于对所述处理后的第一待识别数据和所述处理后的第二待识别数据进行拼接处理，得到所述第一待识别数据和所述第二待识别数据二者之间所对应的特征数据。

13.根据权利要求12所述的装置，其特征在于，在所述采集单元用于采集网络设备的第一待识别数据和第二待识别数据之前，还包括：确定单元，用于确定数据采集信息；其中，所述数据采集信息为采集所述第一待识别数据和所述第二待识别数据的采集频率；

所述采集单元，包括：

采集模块，用于根据所述数据采集信息所指示的采样频率，采集所述第一待识别数据和所述第二待识别数据。

14.根据权利要求11所述的装置，其特征在于，所述切换单元，包括：

第一确定模块，用于若确定所述网络质量信息表征所述网络设备的主线网络的网络质量优于所述网络设备的备线网络的网络质量，则将所述网络设备的网络切换为所述主线网络；

第二确定模块，用于若确定所述网络质量信息表征所述网络设备的主线网络的网络质量劣于所述网络设备的备线网络的网络质量，则将所述网络设备的网络切换为所述备线网络。

15.根据权利要求11-14中任一项所述的装置，其特征在于，所述网络设备的备线网络为4G/5G网络。

16.根据权利要求11-14中任一项所述的装置，其特征在于，所述网络服务质量数据包括以下的一种或几种：网络时延数据、网络抖动数据、网络丢包率。

17.一种应用于网络切换的预测模型确定装置，其特征在于，所述装置包括：

获取单元，用于获取网络设备的第一待训练数据和第二待训练数据；其中，所述第一待训练数据为预设时间段内所述网络设备的主线网络的网络服务质量数据，所述第二待训练数据为预设时间段内所述网络设备的备线网络的网络服务质量数据；

确定单元，用于根据所述第一待训练数据和所述第二待训练数据，确定所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据；

训练单元，用于根据所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据，对初始模型进行训练，得到所述预设预测模型；其中，所述预设预测模型用于对如权利要求11-16中任一项所述的装置中的特征数据进行处理，得到网络设备的网络质量信息后进行网络切换。

18.根据权利要求17所述的装置，其特征在于，所述确定单元，包括：

第一处理模块，用于对所述第一待训练数据进行向量化处理，得到处理后的第一待训练数据；并对所述第二待训练数据进行向量化处理，得到处理后的第二待训练数据；

第二处理模块，用于对所述处理后的第一待训练数据和所述处理后的第二待训练数据进行拼接处理，得到所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据。

19.根据权利要求17所述的装置，其特征在于，所述第一待训练数据和所述第二待训练数据二者之间具有实际网络质量信息；所述实际网络质量信息表征实际的所述网络设备的主线网络的网络质量是否优于所述网络设备的备线网络的网络质量；

所述训练单元，包括：

预测模块，用于将所述第一待训练数据和所述第二待训练数据二者之间所对应的特征数据，输入至所述初始模型，得到所述网络设备的网络的预测网络质量信息；其中，所述预测网络质量信息表征预测的所述网络设备的主线网络的网络质量是否优于所述网络设备的备线网络的网络质量；

训练模块，用于根据所述预测网络质量信息和所述实际网络质量信息，对所述初始模型的参数进行训练，得到所述预设预测模型。

20.根据权利要求17-19中任一项所述的装置，其特征在于，所述网络服务质量数据包括以下的一种或几种：网络时延数据、网络抖动数据、网络丢包率。

21.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1-10中任一项所述的方法。

22.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-10任一项所述的方法。

Images