CN116074936B - 基于决策树的通信基站节能方法及系统 - Google Patents

基于决策树的通信基站节能方法及系统 Download PDF

Info

Publication number
CN116074936B
CN116074936B CN202310202728.1A CN202310202728A CN116074936B CN 116074936 B CN116074936 B CN 116074936B CN 202310202728 A CN202310202728 A CN 202310202728A CN 116074936 B CN116074936 B CN 116074936B
Authority
CN
China
Prior art keywords
base station
decision tree
layer
communication base
communication
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310202728.1A
Other languages
English (en)
Other versions
CN116074936A (zh
Inventor
陈桐伟
傅泽森
伍焕斌
杨志鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Yunshan Energy Technology Co ltd
Original Assignee
Guangdong Yunshan Energy Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Yunshan Energy Technology Co ltd filed Critical Guangdong Yunshan Energy Technology Co ltd
Priority to CN202310202728.1A priority Critical patent/CN116074936B/zh
Publication of CN116074936A publication Critical patent/CN116074936A/zh
Application granted granted Critical
Publication of CN116074936B publication Critical patent/CN116074936B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • 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

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种基于决策树的通信基站节能方法，所述方法包括：获取多层网共存的通信基站周围的居民楼分布密度以及人流密度；采用决策树模型以预测当天在设定时刻所述通信基站对应的瞬时通信带宽；基于所述瞬时通信带宽在当天的设定时刻到达时,确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备。本发明还涉及一种基于决策树的通信基站节能系统。通过本发明，能够针对多层网共存的通信基站，采用决策树模型对未来时刻通信基站的瞬时通信带宽进行提前预判，并基于判断结果在未来时刻到达时执行相应的节能减排控制，从而避免节能减排控制时间与基站容量检测时间的错配。

Description

基于决策树的通信基站节能方法及系统
技术领域
本发明涉及无线通信领域，尤其涉及一种基于决策树的通信基站节能方法及系统。
背景技术
当前移动通信网络发展迅速，已形成多网络多制式共同覆盖共同服务的多层结构，但由于移动通信业务存在明显的“潮汐效应”，在时间维度上业务波动非常明显，而通信基站设备成本（包括主设备成本、软件license成本、运维成本、用电成本）非常高，因此需要研发一种可准确有效对网络资源进行评估的方法，以促进设备资源充分利用，降低网络用电量，节能降碳。
示例地，中国发明专利公开文本CN101369839 A提出的一种通信设备节能方法、基站及通信系统，所述通信设备节能方法包括：通信设备获取绿色能源系统传送的上报信息；根据所述上报信息确定绿色能源系统的能源供给发生异常后，若检测到设定的触发条件已经满足，则触发该触发条件对应的降低功耗处理。所述基站包括：信息获取单元，用于获取绿色能源系统传送的上报信息；处理单元，用于根据所述信息获取单元获取的上报信息确定绿色能源系统的能源供给发生异常后，在检测到设定的触发条件已经满足时，则触发该触发条件对应的降低功耗处理。本发明实施例提供的技术方案能够降低能量损耗，达到节能效果，并可降低投入成本。
示例地，中国发明专利公开文本CN101841859 A提出的一种基站状态控制方法、基站节能控制系统，所述基站状态控制方法包括：管理系统根据基站的负荷通知基站执行第一预定操作，其中，第一预定操作包括以下至少之一：基站自行进入完全睡眠状态、基站自行关闭。借助于本发明的技术方案，解决了相关技术中关闭基站部分功能的节能方式不能够达到理想的节能效果的问题，在管理系统层面提供基站节能的管理方法，在相关技术所描述的节能方案基础上进一步减少了基站的耗能，达到了更加节能的目的。
然而，上述各个现有技术都是采用事后判断机制进行通信基站的节能管理，即都是通过已检测到的容量数据对通信基站进行相应的节能管理控制，显然在容量数据的检测时刻以及执行节能管理的控制时刻这二者时刻之间存在时间差，这个时间差容易造成节能管理的控制策略与实际的容量数据的错配，从而严重影响基准管理的节能效果和通信服务能力，例如，在容量数据较大时采用了较为严格的节能管理机制，影响了基准的通信服务能力，相反，在容量数据较小时采用较为宽松的节能管理机制，导致通信基站的节能减排效果不及预期。
发明内容
为了解决上述问题，本发明提供了一种基于决策树的通信基站节能方法及系统，能够针对提供包括第一覆盖层、第二覆盖层、容量覆盖混合层以及容量层的网络通信服务的多层网共存的通信基站，采用基于卷积神经网络的定制结构且经过针对性学习的决策树模型，对未来时刻通信基站的瞬时通信带宽进行提前预判，并基于判断结果在未来时刻到达时执行相应的节能减排控制，从而兼顾了通信基站的节能减排效果以及通信服务性能。
根据本发明的第一方面，提供了一种基于决策树的通信基站节能方法，所述方法包括：
获取多层网共存的通信基站周围的居民楼分布密度以及人流密度，所述多层网共存的通信基站提供包括第一覆盖层、第二覆盖层、容量覆盖混合层以及容量层的网络通信服务；
获取过往每天在设定时刻所述通信基站处于使用状态的语音信道数量以及处于使用状态的控制信道数量，并累计处于使用状态的各个语音信道的信道带宽以及处于使用状态的各个控制信道的信道带宽以获得过往每天在设定时刻所述通信基站对应的瞬时通信带宽；
将过往每天在设定时刻对应的语音信道数量、控制信道数量和瞬时通信带宽作为过往每天对应的通信数据，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络且为完成设定总数次数的学习操作后的卷积神经网络，所述过往设定天数的各天在当天之前；
基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备；
其中，基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备包括：当天在设定时刻所述通信基站对应的瞬时通信带宽位于第一带宽数值区间时，关闭容量层对应的网络设备，当天在设定时刻所述通信基站对应的瞬时通信带宽位于第二带宽数值区间时，关闭容量覆盖混合层以及容量层对应的网络设备，以及当天在设定时刻所述通信基站对应的瞬时通信带宽位于第三带宽数值区间时，关闭第二覆盖层、容量覆盖混合层以及容量层对应的网络设备；
其中，所述第二带宽数值区间的数值低于所述第一带宽数值区间的数值且高于所述第三带宽数值区间的数值。
根据本发明的第二方面，提供了一种基于决策树的通信基站节能系统，所述系统包括存储器以及一个或多个处理器，所述存储器存储有计算机程序，所述计算机程序被配置成由所述一个或多个处理器执行以完成以下步骤：
获取多层网共存的通信基站周围的居民楼分布密度以及人流密度，所述多层网共存的通信基站提供包括第一覆盖层、第二覆盖层、容量覆盖混合层以及容量层的网络通信服务；
获取过往每天在设定时刻所述通信基站处于使用状态的语音信道数量以及处于使用状态的控制信道数量，并累计处于使用状态的各个语音信道的信道带宽以及处于使用状态的各个控制信道的信道带宽以获得过往每天在设定时刻所述通信基站对应的瞬时通信带宽；
将过往每天在设定时刻对应的语音信道数量、控制信道数量和瞬时通信带宽作为过往每天对应的通信数据，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络且为完成设定总数次数的学习操作后的卷积神经网络，所述过往设定天数的各天在当天之前；
基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备；
其中，基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备包括：当天在设定时刻所述通信基站对应的瞬时通信带宽位于第一带宽数值区间时，关闭容量层对应的网络设备，当天在设定时刻所述通信基站对应的瞬时通信带宽位于第二带宽数值区间时，关闭容量覆盖混合层以及容量层对应的网络设备，以及当天在设定时刻所述通信基站对应的瞬时通信带宽位于第三带宽数值区间时，关闭第二覆盖层、容量覆盖混合层以及容量层对应的网络设备；
其中，所述第二带宽数值区间的数值低于所述第一带宽数值区间的数值且高于所述第三带宽数值区间的数值。
根据本发明的第三方面，提供了一种基于决策树的通信基站节能系统，所述系统包括：
信息访问器件，用于获取多层网共存的通信基站周围的居民楼分布密度以及人流密度，所述多层网共存的通信基站提供包括第一覆盖层、第二覆盖层、容量覆盖混合层以及容量层的网络通信服务；
带宽捕获器件，用于获取过往每天在设定时刻所述通信基站处于使用状态的语音信道数量以及处于使用状态的控制信道数量，并累计处于使用状态的各个语音信道的信道带宽以及处于使用状态的各个控制信道的信道带宽以获得过往每天在设定时刻所述通信基站对应的瞬时通信带宽；
容量分析器件，分别与所述信息访问器件以及所述带宽捕获器件连接，用于将过往每天在设定时刻对应的语音信道数量、控制信道数量和瞬时通信带宽作为过往每天对应的通信数据，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络且为完成设定总数次数的学习操作后的卷积神经网络，所述过往设定天数的各天在当天之前；
动态管理器件，与所述容量分析器件连接，用于基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备；
其中，基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备包括：当天在设定时刻所述通信基站对应的瞬时通信带宽位于第一带宽数值区间时，关闭容量层对应的网络设备，当天在设定时刻所述通信基站对应的瞬时通信带宽位于第二带宽数值区间时，关闭容量覆盖混合层以及容量层对应的网络设备，以及当天在设定时刻所述通信基站对应的瞬时通信带宽位于第三带宽数值区间时，关闭第二覆盖层、容量覆盖混合层以及容量层对应的网络设备；
其中，所述第二带宽数值区间的数值低于所述第一带宽数值区间的数值且高于所述第三带宽数值区间的数值。
相比较于现有技术，本发明至少需要具备以下三处突出的实质性特点：
（1）本发明针对提供包括第一覆盖层、第二覆盖层、容量覆盖混合层以及容量层的网络通信服务的多层网共存的通信基站，基于预测的未来时刻所述通信基站的瞬时通信带宽，自适应调节多层网中各层网的网络设备开关策略，从而在保证网络服务质量的同时最大程度地提升通信基站的节能减排性能；
（2）本发明具体地网络设备开关策略中，当天在设定时刻通信基站对应的瞬时通信带宽位于第一带宽数值区间时，关闭容量层对应的网络设备，当天在设定时刻通信基站对应的瞬时通信带宽位于第二带宽数值区间时，关闭容量覆盖混合层以及容量层对应的网络设备，以及当天在设定时刻通信基站对应的瞬时通信带宽位于第三带宽数值区间时，关闭第二覆盖层、容量覆盖混合层以及容量层对应的网络设备，所述第二带宽数值区间的数值低于所述第一带宽数值区间的数值且高于所述第三带宽数值区间的数值；
（3）本发明采用基于卷积神经网络的决策树模型，以基于过往各天与未来时刻同一时刻的各份带宽信息以及通信基站的基站参数智能预测未来时刻的所述通信基站的瞬时通信带宽，所述决策树模型的结构定制且经过针对性的多次学习以保证模型预测的可靠性和有效性。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明的基于决策树的通信基站节能方法及系统的技术流程图。
图2为根据本发明的实施方案1示出的基于决策树的通信基站节能方法的步骤流程图。
图3为根据本发明的实施方案2示出的基于决策树的通信基站节能系统的步骤流程图。
图4为根据本发明的实施方案3示出的基于决策树的通信基站节能系统的步骤流程图。
图5为根据本发明的实施方案4示出的基于决策树的通信基站节能系统的步骤流程图。
图6为根据本发明的实施方案5示出的基于决策树的通信基站节能系统的步骤流程图。
图7为根据本发明的实施方案6示出的基于决策树的通信基站节能系统的结构示意图。
图8为根据本发明的实施方案7示出的基于决策树的通信基站节能系统的结构示意图。
具体实施方式
如图1所示，给出了根据本发明示出的基于决策树的通信基站节能方法及系统的技术流程图。
如图1所示，本发明的具体的技术流程如下：
第一步、针对提供包括第一覆盖层、第二覆盖层、容量覆盖混合层以及容量层的网络通信服务的多层网共存的通信基站，建立用于预测未来某一时刻通信基站的瞬时通信带宽的决策树模型，所述决策树模型基于卷积神经网络且经过针对性的多次学习操作，从而保证了带宽预测的可靠性；
例如，以图1中的多层网共存的通信基站为例，所述多层网共存的通信基站包括覆盖层1、覆盖层2、容量/覆盖混合层以及容量层，分别对应第一覆盖层、第二覆盖层、容量覆盖混合层以及容量层；
其中，覆盖层1、覆盖层2、容量/覆盖混合层以及容量层分别提供LTE 800网络服务、LTE 1800网络服务、LTE/NR 2100网络服务以及NR 3500网络服务；
第二步、采用建立的决策树模型执行未来某一时刻通信基站的瞬时通信带宽的预测处理，以提前确定未来某一时刻所述通信基站的瞬时通信带宽，为后续的各层网的网络设备的开关状态的提前配置提供关键信息；
第三步、基于所述未来某一时刻的瞬时通信带宽，在未来某一时刻到达时，即时调节多层网中各层网的网络设备的开关状态，从而兼顾通信效果以及节能减排效果；
如图1所示，节能减排策略B比节能减排策略A更节省能源，例如，节能减排策略B可以是在未来某一时刻的瞬时通信带宽相对较窄时，关闭第二覆盖层、容量覆盖混合层以及容量层对应的网络设备，而节能减排策略A可以是在未来某一时刻的瞬时通信带宽相对较宽时，关闭容量覆盖混合层以及容量层对应的网络设备。
本发明的关键点在于：在智能预测机制的基础上，能够提取获知未来某一时刻通信基站的瞬时通信带宽，进而能够提前进行通信基站各层网的网络设备的开关状态的自适应配置，从而保证了通信基站节能减排控制时间与通信基站通信容量检测时间的一致。
下面，将对本发明的基于决策树的通信基站节能方法及系统以实施方案的方式进行具体说明。
实施方案1
图2为根据本发明的实施方案1示出的基于决策树的通信基站节能方法的步骤流程图。
如图2所示，所述基于决策树的通信基站节能方法包括以下步骤：
步骤S1：获取多层网共存的通信基站周围的居民楼分布密度以及人流密度，所述多层网共存的通信基站提供包括第一覆盖层、第二覆盖层、容量覆盖混合层以及容量层的网络通信服务；
示例地，可以以多层网共存的通信基站为中心，建立以预设半径为半径的圆体，将所述圆体覆盖的居民楼数量除以所述圆体覆盖的面积,以获得所述通信基站周围的居民楼分布密度；
同样地，可以以多层网共存的通信基站为中心，建立以预设半径为半径的圆体，将所述圆体覆盖的常住居民数量除以所述圆体覆盖的面积以获得所述通信基站周围的人流密度；
步骤S2：获取过往每天在设定时刻所述通信基站处于使用状态的语音信道数量以及处于使用状态的控制信道数量，并累计处于使用状态的各个语音信道的信道带宽以及处于使用状态的各个控制信道的信道带宽,以获得过往每天在设定时刻所述通信基站对应的瞬时通信带宽；
步骤S3：将过往每天在设定时刻对应的语音信道数量、控制信道数量和瞬时通信带宽作为过往每天对应的通信数据，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络且为完成设定总数次数的学习操作后的卷积神经网络，所述过往设定天数的各天在当天之前；
步骤S4：基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时,确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备；
其中，基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时,确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备,包括：当天在设定时刻所述通信基站对应的瞬时通信带宽位于第一带宽数值区间时，关闭容量层对应的网络设备，当天在设定时刻所述通信基站对应的瞬时通信带宽位于第二带宽数值区间时，关闭容量覆盖混合层以及容量层对应的网络设备，以及当天在设定时刻所述通信基站对应的瞬时通信带宽位于第三带宽数值区间时，关闭第二覆盖层、容量覆盖混合层以及容量层对应的网络设备；
其中，所述第二带宽数值区间的数值低于所述第一带宽数值区间的数值且高于所述第三带宽数值区间的数值；
其中，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络包括：所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联；
例如，所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联，包括：在所述居民楼分布密度不变的情况下，所述过往设定天数的取值与所述人流密度呈单调正向关联；
以及所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联还包括：在所述人流密度不变的情况下，所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联；
其中，所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联，包括：采用双输入单输出的数值函数表示所述居民楼分布密度和所述人流密度协同与所述过往设定天数的取值的数值关联关系；
其中，采用双输入单输出的数值函数表示所述居民楼分布密度和所述人流密度协同与所述过往设定天数的取值的数值关联关系，包括：所述数值函数以所述居民楼分布密度和所述人流密度为双输入，以对应的所述过往设定天数的取值为单输出；
其中，采用双输入单输出的数值函数表示所述居民楼分布密度和所述人流密度协同与所述过往设定天数的取值的数值关联关系，还包括：采用数值仿真模式执行对双输入单输出的数值函数的仿真处理。
实施方案2
图3为根据本发明的实施方案2示出的基于决策树的通信基站节能方法的步骤流程图。
如图3所示，与图2中的实施方案不同，在步骤S3中的运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽之前，所述基于决策树的通信基站节能方法还包括以下步骤：
步骤S5：对卷积神经网络执行设定总数次数的学习操作，并将完成设定总数次数的学习操作后的卷积神经网络作为决策树模型；
其中，对卷积神经网络执行设定总数次数的学习操作，并将完成设定总数次数的学习操作后的卷积神经网络作为决策树模型发送给所述容量分析器件，包括：每一次学习操作中，将某一天之前过往每天在某一时刻对应的语音信道数量、控制信道数量和瞬时通信带宽作为过往每天对应的通信数据，将所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，将某一天某一时刻已知的所述通信基站对应的瞬时通信带宽作为决策树模型的输出内容；
示例地，在将所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据输入到决策树模型之前，对所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据分别执行八进制数值转换处理。
实施方案3
图4为根据本发明的实施方案3示出的基于决策树的通信基站节能方法的步骤流程图。
如图4所示，与图2中的实施方案不同，在步骤S3中的运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽之后，所述基于决策树的通信基站节能方法还包括以下步骤：
步骤S6：采用数据暂存芯片用于暂存所述决策树模型的输入内容和输出内容；
示例地，可以采用FLASH存储芯片、动态存储芯片或者静态存储芯片用于暂存所述决策树模型的输入内容和输出内容。
实施方案4
图5为根据本发明的实施方案4示出的基于决策树的通信基站节能方法的步骤流程图。
如图5所示，与图2中的实施方案不同，在步骤S4中的基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时，确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备之后，所述基于决策树的通信基站节能方法还包括以下步骤：
步骤S7：在当天的设定时刻到达时，将关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备的状态信息无线分发给所述通信基站服务的附近的各个网络通信终端；
示例地，在当天的设定时刻到达时将关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备的状态信息通过LTE 800网络服务无线分发给所述通信基站服务的附近的各个网络通信终端。
实施方案5
图6为根据本发明的实施方案5示出的基于决策树的通信基站节能方法的步骤流程图。
如图6所示，与图2中的实施方案不同，在步骤S4中的基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时，确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备之后，所述基于决策树的通信基站节能方法还包括以下步骤：
步骤S8：实时侦测第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备分别对应的网络设备的运行状态；
其中，实时侦测第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备分别对应的网络设备的运行状态的目的是为了配合基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时，确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备的节能减排策略，避免出现设备状态的混乱。
以及在根据本发明的任一实施方案示出的基于决策树的通信基站节能方法中：
以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络且为完成设定总数次数的学习操作后的卷积神经网络包括：将所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据分别进行八进制数值转换后输入到所述决策树模型；
其中，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络且为完成设定总数次数的学习操作后的卷积神经网络还包括：所述当天在设定时刻所述通信基站对应的瞬时通信带宽为八进制数值表示模式。
实施方案6
图7为根据本发明的实施方案6示出的基于决策树的通信基站节能系统的结构示意图。
如图7所示，所述基于决策树的通信基站节能系统包括存储器以及M个处理器，M为大于等于1的正整数，所述存储器存储有计算机程序，所述计算机程序被配置成由所述一个或多个处理器执行以完成以下步骤：
获取多层网共存的通信基站周围的居民楼分布密度以及人流密度，所述多层网共存的通信基站提供包括第一覆盖层、第二覆盖层、容量覆盖混合层以及容量层的网络通信服务；
示例地，可以以多层网共存的通信基站为中心，建立以预设半径为半径的圆体，将所述圆体覆盖的居民楼数量除以所述圆体覆盖的面积，以获得所述通信基站周围的居民楼分布密度；
同样地，可以以多层网共存的通信基站为中心，建立以预设半径为半径的圆体，将所述圆体覆盖的常住居民数量除以所述圆体覆盖的面积，以获得所述通信基站周围的人流密度；
获取过往每天在设定时刻所述通信基站处于使用状态的语音信道数量以及处于使用状态的控制信道数量，并累计处于使用状态的各个语音信道的信道带宽以及处于使用状态的各个控制信道的信道带宽以获得过往每天在设定时刻所述通信基站对应的瞬时通信带宽；
将过往每天在设定时刻对应的语音信道数量、控制信道数量和瞬时通信带宽作为过往每天对应的通信数据，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络且为完成设定总数次数的学习操作后的卷积神经网络，所述过往设定天数的各天在当天之前；
基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时，确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备；
其中，基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时，确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备包括：当天在设定时刻所述通信基站对应的瞬时通信带宽位于第一带宽数值区间时，关闭容量层对应的网络设备，当天在设定时刻所述通信基站对应的瞬时通信带宽位于第二带宽数值区间时，关闭容量覆盖混合层以及容量层对应的网络设备，以及当天在设定时刻所述通信基站对应的瞬时通信带宽位于第三带宽数值区间时，关闭第二覆盖层、容量覆盖混合层以及容量层对应的网络设备；
其中，所述第二带宽数值区间的数值低于所述第一带宽数值区间的数值且高于所述第三带宽数值区间的数值；
其中，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络包括：所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联；
例如，所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联包括：在所述居民楼分布密度不变的情况下，所述过往设定天数的取值与所述人流密度呈单调正向关联；
以及所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联，还包括：在所述人流密度不变的情况下，所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联；
其中，所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联，包括：采用双输入单输出的数值函数表示所述居民楼分布密度和所述人流密度协同与所述过往设定天数的取值的数值关联关系；
其中，采用双输入单输出的数值函数表示所述居民楼分布密度和所述人流密度协同与所述过往设定天数的取值的数值关联关系，包括：所述数值函数以所述居民楼分布密度和所述人流密度为双输入，以对应的所述过往设定天数的取值为单输出；
其中，采用双输入单输出的数值函数表示所述居民楼分布密度和所述人流密度协同与所述过往设定天数的取值的数值关联关系，还包括：采用数值仿真模式执行对双输入单输出的数值函数的仿真处理。
实施方案7
图8为根据本发明的实施方案7示出的基于决策树的通信基站节能系统的结构示意图。
如图8所示，所述基于决策树的通信基站节能系统包括：
信息访问器件，用于获取多层网共存的通信基站周围的居民楼分布密度以及人流密度，所述多层网共存的通信基站提供包括第一覆盖层、第二覆盖层、容量覆盖混合层以及容量层的网络通信服务；
示例地，可以以多层网共存的通信基站为中心，建立以预设半径为半径的圆体，将所述圆体覆盖的居民楼数量除以所述圆体覆盖的面积，以获得所述通信基站周围的居民楼分布密度；
同样地，可以以多层网共存的通信基站为中心，建立以预设半径为半径的圆体，将所述圆体覆盖的常住居民数量除以所述圆体覆盖的面积，以获得所述通信基站周围的人流密度；
带宽捕获器件，用于获取过往每天在设定时刻所述通信基站处于使用状态的语音信道数量以及处于使用状态的控制信道数量，并累计处于使用状态的各个语音信道的信道带宽以及处于使用状态的各个控制信道的信道带宽以获得过往每天在设定时刻所述通信基站对应的瞬时通信带宽；
容量分析器件，分别与所述信息访问器件以及所述带宽捕获器件连接，用于将过往每天在设定时刻对应的语音信道数量、控制信道数量和瞬时通信带宽作为过往每天对应的通信数据，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络且为完成设定总数次数的学习操作后的卷积神经网络，所述过往设定天数的各天在当天之前；
动态管理器件，与所述容量分析器件连接，用于基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时，确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备；
其中，基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时，确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备包括：当天在设定时刻所述通信基站对应的瞬时通信带宽位于第一带宽数值区间时，关闭容量层对应的网络设备，当天在设定时刻所述通信基站对应的瞬时通信带宽位于第二带宽数值区间时，关闭容量覆盖混合层以及容量层对应的网络设备，以及当天在设定时刻所述通信基站对应的瞬时通信带宽位于第三带宽数值区间时，关闭第二覆盖层、容量覆盖混合层以及容量层对应的网络设备；
其中，所述第二带宽数值区间的数值低于所述第一带宽数值区间的数值且高于所述第三带宽数值区间的数值；
其中，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络包括：所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联；
例如，所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联，包括：在所述居民楼分布密度不变的情况下，所述过往设定天数的取值与所述人流密度呈单调正向关联；
以及所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联还包括：在所述人流密度不变的情况下，所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联；
其中，所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联，包括：采用双输入单输出的数值函数表示所述居民楼分布密度和所述人流密度协同与所述过往设定天数的取值的数值关联关系；
其中，采用双输入单输出的数值函数表示所述居民楼分布密度和所述人流密度协同与所述过往设定天数的取值的数值关联关系，包括：所述数值函数以所述居民楼分布密度和所述人流密度为双输入，以对应的所述过往设定天数的取值为单输出；
其中，采用双输入单输出的数值函数表示所述居民楼分布密度和所述人流密度协同与所述过往设定天数的取值的数值关联关系，还包括：采用数值仿真模式执行对双输入单输出的数值函数的仿真处理。
另外，本发明还可以引用以下技术内容以突出本发明的显著性技术进步：
在本发明中，所述设定总数的取值与所述通信基站配置的语音信道总数和所述通信基站配置的控制信道总数之和成正比；
其中，所述通信基站配置的语音信道总数大于每天在设定时刻所述通信基站处于使用状态的语音信道数量且为每天在设定时刻所述通信基站处于使用状态的语音信道数量的上限；
以及其中，所述通信基站配置的控制信道总数大于每天在设定时刻所述通信基站处于使用状态的控制信道数量且为每天在设定时刻所述通信基站处于使用状态的控制信道数量的上限。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
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上述实施方案方法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，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的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，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施方案所述的方法。
上面结合附图对本发明的实施方案进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (10)

1.一种基于决策树的通信基站节能方法，其特征在于，所述方法包括：
获取多层网共存的通信基站周围的居民楼分布密度以及人流密度，所述多层网共存的通信基站提供包括第一覆盖层、第二覆盖层、容量覆盖混合层以及容量层的网络通信服务；
获取过往每天在设定时刻所述通信基站处于使用状态的语音信道数量以及处于使用状态的控制信道数量，并累计处于使用状态的各个语音信道的信道带宽以及处于使用状态的各个控制信道的信道带宽以获得过往每天在设定时刻所述通信基站对应的瞬时通信带宽；
将过往每天在设定时刻对应的语音信道数量、控制信道数量和瞬时通信带宽作为过往每天对应的通信数据，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络且为完成设定总数次数的学习操作后的卷积神经网络，所述过往设定天数的各天在当天之前；
基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时，确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备；
其中，基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备，包括：当天在设定时刻所述通信基站对应的瞬时通信带宽位于第一带宽数值区间时，关闭容量层对应的网络设备，当天在设定时刻所述通信基站对应的瞬时通信带宽位于第二带宽数值区间时，关闭容量覆盖混合层以及容量层对应的网络设备，以及当天在设定时刻所述通信基站对应的瞬时通信带宽位于第三带宽数值区间时，关闭第二覆盖层、容量覆盖混合层以及容量层对应的网络设备；
其中，所述第二带宽数值区间的数值低于所述第一带宽数值区间的数值且高于所述第三带宽数值区间的数值；
其中，所述设定总数的取值与所述通信基站配置的语音信道总数和所述通信基站配置的控制信道总数之和成正比；
以及其中，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络包括：所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联。
2.如权利要求1所述的基于决策树的通信基站节能方法，其特征在于：
所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联，包括：采用双输入单输出的数值函数表示所述居民楼分布密度和所述人流密度协同与所述过往设定天数的取值的数值关联关系；
其中，采用双输入单输出的数值函数表示所述居民楼分布密度和所述人流密度协同与所述过往设定天数的取值的数值关联关系，包括：所述数值函数以所述居民楼分布密度和所述人流密度为双输入，以对应的所述过往设定天数的取值为单输出；
其中，采用双输入单输出的数值函数表示所述居民楼分布密度和所述人流密度协同与所述过往设定天数的取值的数值关联关系，还包括：采用数值仿真模式执行对双输入、单输出的数值函数的仿真处理。
3.如权利要求2所述的基于决策树的通信基站节能方法，其特征在于，在运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽之前，所述方法还包括：
对卷积神经网络执行设定总数次数的学习操作，并将完成设定总数次数的学习操作后的卷积神经网络作为决策树模型；
其中，对卷积神经网络执行设定总数次数的学习操作，并将完成设定总数次数的学习操作后的卷积神经网络作为决策树模型发送给容量分析器件，包括：每一次学习操作中，将某一天之前过往每天在某一时刻对应的语音信道数量、控制信道数量和瞬时通信带宽作为过往每天对应的通信数据，将所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，将某一天某一时刻已知的所述通信基站对应的瞬时通信带宽作为决策树模型的输出内容。
4.如权利要求2所述的基于决策树的通信基站节能方法，其特征在于，在运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽之后，所述方法还包括：
采用数据暂存芯片用于暂存所述决策树模型的输入内容和输出内容。
5.如权利要求2所述的基于决策树的通信基站节能方法，其特征在于，在基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时，确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备之后，所述方法还包括：
在当天的设定时刻到达时，将关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备的状态信息无线分发给通信基站服务的附近的各个网络通信终端。
6.如权利要求2所述的基于决策树的通信基站节能方法，其特征在于，在基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时，确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备之后，所述方法还包括：
实时侦测第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备分别对应的网络设备的运行状态。
7.如权利要求3-6任一所述的基于决策树的通信基站节能方法，其特征在于：
以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络且为完成设定总数次数的学习操作后的卷积神经网络，包括：将所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据分别进行八进制数值转换后输入到所述决策树模型。
8.如权利要求7所述的基于决策树的通信基站节能方法，其特征在于：
以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络且为完成设定总数次数的学习操作后的卷积神经网络，还包括：所述当天在设定时刻所述通信基站对应的瞬时通信带宽为八进制数值表示模式。
9.一种基于决策树的通信基站节能系统，其特征在于，所述系统包括存储器以及一个或多个处理器，所述存储器存储有计算机程序，所述计算机程序被配置成由所述一个或多个处理器执行以完成以下步骤：
获取多层网共存的通信基站周围的居民楼分布密度以及人流密度，所述多层网共存的通信基站提供包括第一覆盖层、第二覆盖层、容量覆盖混合层以及容量层的网络通信服务；
获取过往每天在设定时刻所述通信基站处于使用状态的语音信道数量以及处于使用状态的控制信道数量，并累计处于使用状态的各个语音信道的信道带宽以及处于使用状态的各个控制信道的信道带宽以获得过往每天在设定时刻所述通信基站对应的瞬时通信带宽；
将过往每天在设定时刻对应的语音信道数量、控制信道数量和瞬时通信带宽作为过往每天对应的通信数据，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络且为完成设定总数次数的学习操作后的卷积神经网络，所述过往设定天数的各天在当天之前；
基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时，确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备；
其中，基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时，确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备包括：当天在设定时刻所述通信基站对应的瞬时通信带宽位于第一带宽数值区间时，关闭容量层对应的网络设备，当天在设定时刻所述通信基站对应的瞬时通信带宽位于第二带宽数值区间时，关闭容量覆盖混合层以及容量层对应的网络设备，以及当天在设定时刻所述通信基站对应的瞬时通信带宽位于第三带宽数值区间时，关闭第二覆盖层、容量覆盖混合层以及容量层对应的网络设备；
其中，所述第二带宽数值区间的数值低于所述第一带宽数值区间的数值且高于所述第三带宽数值区间的数值；
其中，所述设定总数的取值与所述通信基站配置的语音信道总数和所述通信基站配置的控制信道总数之和成正比；
以及其中，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络包括：所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联。
10.一种基于决策树的通信基站节能系统，其特征在于，所述系统包括：
信息访问器件，用于获取多层网共存的通信基站周围的居民楼分布密度以及人流密度，所述多层网共存的通信基站提供包括第一覆盖层、第二覆盖层、容量覆盖混合层以及容量层的网络通信服务；
带宽捕获器件，用于获取过往每天在设定时刻所述通信基站处于使用状态的语音信道数量以及处于使用状态的控制信道数量，并累计处于使用状态的各个语音信道的信道带宽以及处于使用状态的各个控制信道的信道带宽以获得过往每天在设定时刻所述通信基站对应的瞬时通信带宽；
容量分析器件，分别与所述信息访问器件以及所述带宽捕获器件连接，用于将过往每天在设定时刻对应的语音信道数量、控制信道数量和瞬时通信带宽作为过往每天对应的通信数据，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络且为完成设定总数次数的学习操作后的卷积神经网络，所述过往设定天数的各天在当天之前；
动态管理器件，与所述容量分析器件连接，用于基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备；
其中，基于当天在设定时刻所述通信基站对应的瞬时通信带宽在当天的设定时刻到达时确定关闭的第一覆盖层、第二覆盖层、容量覆盖混合层或者容量层对应的网络设备包括：当天在设定时刻所述通信基站对应的瞬时通信带宽位于第一带宽数值区间时，关闭容量层对应的网络设备，当天在设定时刻所述通信基站对应的瞬时通信带宽位于第二带宽数值区间时，关闭容量覆盖混合层以及容量层对应的网络设备，以及当天在设定时刻所述通信基站对应的瞬时通信带宽位于第三带宽数值区间时，关闭第二覆盖层、容量覆盖混合层以及容量层对应的网络设备；
其中，所述第二带宽数值区间的数值低于所述第一带宽数值区间的数值且高于所述第三带宽数值区间的数值；
其中，所述设定总数的取值与所述通信基站配置的语音信道总数和所述通信基站配置的控制信道总数之和成正比；
以及其中，以所述居民楼分布密度、所述人流密度以及过往设定天数的各天分别对应的各份通信数据作为决策树模型的输入内容，并运行所述决策树模型以获得所述决策树模型输出的当天在设定时刻所述通信基站对应的瞬时通信带宽，所述决策树模型基于卷积神经网络包括：所述过往设定天数的取值与所述居民楼分布密度呈单调正向关联且与所述人流密度呈单调正向关联。
CN202310202728.1A 2023-03-06 2023-03-06 基于决策树的通信基站节能方法及系统 Active CN116074936B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310202728.1A CN116074936B (zh) 2023-03-06 2023-03-06 基于决策树的通信基站节能方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310202728.1A CN116074936B (zh) 2023-03-06 2023-03-06 基于决策树的通信基站节能方法及系统

Publications (2)

Publication Number Publication Date
CN116074936A CN116074936A (zh) 2023-05-05
CN116074936B true CN116074936B (zh) 2023-06-13

Family

ID=86182080

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310202728.1A Active CN116074936B (zh) 2023-03-06 2023-03-06 基于决策树的通信基站节能方法及系统

Country Status (1)

Country Link
CN (1) CN116074936B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115623503A (zh) * 2021-07-14 2023-01-17 中国移动通信集团设计院有限公司 一种多层网效能分析处理方法、装置及设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018102127A1 (en) * 2016-11-29 2018-06-07 Commscope Technologies Llc Methods of reducing power consumption in a cellular network based on traffic analytics
CN108990073A (zh) * 2017-06-02 2018-12-11 中兴通讯股份有限公司 无线小区的覆盖控制方法、装置及基站
CN114071661A (zh) * 2020-07-31 2022-02-18 大唐移动通信设备有限公司 一种基站节能控制方法和装置
CN114449574B (zh) * 2020-10-30 2024-05-03 中国移动通信集团有限公司 基站节能方法、装置、电子设备及计算机存储介质
CN112566226B (zh) * 2020-12-16 2023-03-17 北京电信规划设计院有限公司 5g基站智能化节能方法
CN114786268B (zh) * 2022-05-06 2024-10-15 中国联合网络通信集团有限公司 数据传输带宽调整方法、装置、电子设备及存储介质
CN115066006A (zh) * 2022-05-28 2022-09-16 哈尔滨工业大学 一种基于强化学习的基站休眠方法、设备和介质
CN115243349A (zh) * 2022-06-20 2022-10-25 中国电信股份有限公司 基站节能方法、装置、电子设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115623503A (zh) * 2021-07-14 2023-01-17 中国移动通信集团设计院有限公司 一种多层网效能分析处理方法、装置及设备

Also Published As

Publication number Publication date
CN116074936A (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
CN109936852B (zh) 一种覆盖重合小区的节能方法及装置
CN110139289B (zh) 一种调度方法及调度系统
CN102186209B (zh) 多小区重叠覆盖下的节能策略
CN103650571B (zh) 在数字蜂窝无线通信网络中执行测量
CN110505650B (zh) 随机异构分层网容量智能评估方法及装置
CN102387570B (zh) 一种无线网络的节能控制方法及系统
CN111132190A (zh) 基站负荷预警方法、装置
CN110891283A (zh) 一种基于边缘计算模型的小基站监控装置及方法
CN113891377B (zh) 一种5g小基站设备自动维护及调优方法
CN112235804B (zh) 基站远端单元动态划归方法和装置、小区组网方法和系统
CN104768184A (zh) 基于规模部署的家庭基站节能与干扰抑制方法和系统
CN109548167A (zh) 覆盖范围自适应调整方法、装置、计算机存储介质及设备
CN107396376A (zh) 小区预负荷均衡方法及装置
CN103188715B (zh) 无线资源自动监控调度的方法及装置
CN113938993A (zh) 一种自适应节能方法、系统、装置及计算机可读存储介质
WO2011031197A1 (en) Method and apparatus for cell control
CN115515208A (zh) 基站节能方法、基站节能系统、基站及存储介质
CN113141616B (zh) O+b域数据+业务场景自适应识别的节能基站选择及节能模式选取的方法、装置和系统
CN116074936B (zh) 基于决策树的通信基站节能方法及系统
CN114077213B (zh) 节能控制方法及装置
CN113572821A (zh) 一种边缘云节点任务协同处理方法及系统
CN116209046B (zh) 一种实时节能的移动通信方法、装置、网络侧设备及介质
CN107770816A (zh) 一种lte负载均衡方法、接纳控制模块及系统
Mazza et al. A user-satisfaction based offloading technique for smart city applications
CN109660995B (zh) 基于机器学习算法的WiFi系统中AP智能节能控制方法及设备

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