CN116233914A - 一种物理资源块利用率门限生成方法、装置、电子设备及可读介质 - Google Patents

一种物理资源块利用率门限生成方法、装置、电子设备及可读介质 Download PDF

Info

Publication number
CN116233914A
CN116233914A CN202211707639.4A CN202211707639A CN116233914A CN 116233914 A CN116233914 A CN 116233914A CN 202211707639 A CN202211707639 A CN 202211707639A CN 116233914 A CN116233914 A CN 116233914A
Authority
CN
China
Prior art keywords
linear regression
load
base station
physical resource
resource block
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
Application number
CN202211707639.4A
Other languages
English (en)
Inventor
杨建辉
彭海磊
李兴强
哈力穆拉提·图尔迪
常万香
何权
张璐
胥鹏
陈静
平宇宸
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.)
China Telecom Corp Ltd
Original Assignee
China Telecom Corp 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 China Telecom Corp Ltd filed Critical China Telecom Corp Ltd
Priority to CN202211707639.4A priority Critical patent/CN116233914A/zh
Publication of CN116233914A publication Critical patent/CN116233914A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/04—Arrangements for maintaining operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供了一种物理资源块利用率门限生成方法、装置、电子设备及可读介质，所述方法包括：获取每个基站的历史负荷投诉工单以及负荷指标的历史数据，根据历史负荷投诉工单和负荷指标的历史数据，分别确定基站各个负荷指标的系数权重，并采用当前时段的上一个时段的负荷指标数据进行线性回归，获得负荷指标线性回归结果，以及确定当前时段的场景变量值，使得可以针对任一基站，采用基站各个负荷指标的系数权重、各个负荷指标线性回归结果以及场景变量值，生成每个基站当前时段的物理资源块利用率门限，从而对高负荷小区进行预警。该方法采用用户感知相关的负荷指标针对性地评估每个基站的动态高负荷门限，实现一站一案的动态门限设计。

Description

一种物理资源块利用率门限生成方法、装置、电子设备及可读 介质
技术领域
本发明涉及移动通信技术领域，特别是涉及一种物理资源块利用率门限生成方法、一种物理资源块利用率门限生成装置、一种电子设备以及一种计算机可读介质。
背景技术
随着人们对体验需求不断的提高，促使互联网行业不断的发展，高清、超高清视频等大流量业务已普及，对移动网络容量造成了冲击，使得在高负荷时用户的网络质量较差，用户会发起投诉，而采用现有固定的高负荷评估标准去判断是否达到高负荷，不能反映不同基站下不同小区用户遇到的高负荷情况，从而如果运维人员依据现有的高负荷评估标准去判断是否需要进行维护缓解高负荷，不能真正满足不同基站下小区用户的需求，依然会收到针对移动网络高负荷的投诉。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种物理资源块利用率门限生成方法、一种物理资源块利用率门限生成装置、一种电子设备以及一种计算机可读介质。
本发明实施例公开了一种物理资源块利用率门限生成方法，包括：
获取每个基站的历史负荷投诉工单以及负荷指标的历史数据；所述负荷指标包括连接数、小包占比、体验速率；
根据所述历史负荷投诉工单和所述负荷指标的历史数据，分别确定所述基站各个负荷指标的系数权重；
采用当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据进行线性回归，获得连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果；
确定当前时段的场景变量值；
针对任一所述基站，采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果以及所述场景变量值，生成每个基站当前时段的物理资源块利用率门限；所述物理资源块利用率门限用于对高负荷小区进行预警。
可选地，采用当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据进行线性回归，获得连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果，包括：
获取每个基站的物理资源块利用率的历史数据；
采用每个基站连接数的历史数据、小包占比的历史数据、体验速率的历史数据以及所述物理资源块利用率的历史数据，分别生成每个基站的连接数线性回归公式、小包占比线性回归公式、体验速率线性回归公式；
将所述连接数数据、所述小包占比数据、所述体验速率数据分别代入所述连接数线性回归公式、所述小包占比线性回归公式、所述体验速率线性回归公式，得到所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果。
可选地，确定当前时段的场景变量值，包括：
确定所述每个基站的小区场景；所述小区场景包括普通场景和特殊场景；所述特殊场景为要求网络速度高于预设阈值的场景；
若所述基站的小区场景为普通场景，则所述场景变量值为预设数值；
若所述基站的小区场景为特殊场景，则所述场景变量值为特殊场景长时延的物理资源块利用率与普通场景长时延的物理资源块利用率的比值。
可选地，根据所述历史负荷投诉工单和所述负荷指标的历史数据，分别确定所述基站各个负荷指标的系数权重，包括：
分别确定每个所述历史负荷投诉工单的投诉时段；
在所述负荷指标的历史数据查找所述投诉时段对应的所述负荷指标的数据；
根据所述投诉时段对应的所述负荷指标的数据，分别确定与所述历史负荷投诉工单高关联度的目标负荷指标；
统计所述历史负荷投诉工单高关联度的目标负荷指标，获得所述基站各个负荷指标的系数权重。
可选地，针对任一所述基站，采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果以及所述场景变量值，计算得到每个基站当前时段的物理资源块利用率门限，包括：
采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果进行加权运算，分别得到每个基站的加权结果；
分别将所述每个基站的加权结果结合所述基站的场景变量值，计算得到每个基站当前时段的物理资源块利用率门限。
本发明实施例公开了一种高负荷小区预警方法，包括：
获取小区当前时段的物理资源块利用率以及所述小区所属的基站当前时段的物理资源块利用率门限；所述物理资源块利用率门限采用所述基站各个负荷指标的系数权重、连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果以及场景变量值计算得到；
判断所述小区当前时段的物理资源块利用率是否大于所述物理资源块利用率门限；
若所述小区当前时段的物理资源块利用率大于所述物理资源块利用率门限，发出针对所述小区的高负荷预警。
本发明实施例公开了一种物理资源块利用率门限生成装置，包括：
第一获取模块，用于获取每个基站的历史负荷投诉工单以及负荷指标的历史数据；所述负荷指标包括连接数、小包占比、体验速率；
系数权重确定模块，用于根据所述历史负荷投诉工单和所述负荷指标的历史数据，分别确定所述基站各个负荷指标的系数权重；
线性回归模块，用于采用当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据进行线性回归，获得连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果；
场景变量值确定模块，用于确定当前时段的场景变量值；
物理资源块利用率门限确定模块，用于针对任一所述基站，采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果以及所述场景变量值，生成每个基站当前时段的物理资源块利用率门限；所述物理资源块利用率门限用于对高负荷小区进行预警。
可选地，所述线性回归模块，包括：
获取子模块，用于获取每个基站的物理资源块利用率的历史数据；
生成子模块，用于采用每个基站连接数的历史数据、小包占比的历史数据、体验速率的历史数据以及所述物理资源块利用率的历史数据，分别生成每个基站的连接数线性回归公式、小包占比线性回归公式、体验速率线性回归公式；
线性回归子模块，用于将所述连接数数据、所述小包占比数据、所述体验速率数据分别代入所述连接数线性回归公式、所述小包占比线性回归公式、所述体验速率线性回归公式，得到所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果。
可选地，所述场景变量值确定模块，包括：
小区场景确定子模块，用于确定所述每个基站的小区场景；所述小区场景包括普通场景和特殊场景；所述特殊场景为要求网络速度高于预设阈值的场景；
第一场景变量值确定子模块，用于若所述基站的小区场景为普通场景，则所述场景变量值为预设数值；
第二场景变量值确定子模块，用于若所述基站的小区场景为特殊场景，则所述场景变量值为特殊场景长时延的物理资源块利用率与普通场景长时延的物理资源块利用率的比值。
可选地，所述系数权重确定模块，包括：
投诉时段确定子模块，用于分别确定每个所述历史负荷投诉工单的投诉时段；
查找子模块，用于在所述负荷指标的历史数据查找所述投诉时段对应的所述负荷指标的数据；
目标负荷指标确定子模块，用于根据所述投诉时段对应的所述负荷指标的数据，分别确定与所述历史负荷投诉工单高关联度的目标负荷指标；
统计子模块，用于统计所述历史负荷投诉工单高关联度的目标负荷指标，获得所述基站各个负荷指标的系数权重。
可选地，所述物理资源块利用率门限确定模块，包括：
加权子模块，用于采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果进行加权运算，分别得到每个基站的加权结果；
计算子模块，用于分别将所述每个基站的加权结果结合所述基站的场景变量值，计算得到每个基站当前时段的物理资源块利用率门限。
本发明实施例公开了一种高负荷小区预警装置，包括：
第二获取模块，用于获取小区当前时段的物理资源块利用率以及所述小区所属的基站当前时段的物理资源块利用率门限；所述物理资源块利用率门限采用所述基站各个负荷指标的系数权重、连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果以及场景变量值计算得到；
判断模块，用于判断所述小区当前时段的物理资源块利用率是否大于所述物理资源块利用率门限；
预警模块，用于若所述小区当前时段的物理资源块利用率大于所述物理资源块利用率门限，发出针对所述小区的高负荷预警。
本发明实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行存储器上所存放的程序时，实现如本发明实施例所述的物理资源块利用率门限生成方法。
本发明实施例还公开了一个或多个计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明实施例所述的物理资源块利用率门限生成方法。
本发明实施例包括以下优点：
在本发明实施例中，通过获取每个基站的历史负荷投诉工单以及负荷指标的历史数据，根据历史负荷投诉工单和负荷指标的历史数据，分别确定基站各个负荷指标的系数权重，并采用当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据进行线性回归，获得连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果，以及确定当前时段的场景变量值，使得可以针对任一基站，采用基站各个负荷指标的系数权重、连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果以及场景变量值，生成每个基站当前时段的物理资源块利用率门限，从而可以基于物理资源块利用率门限对高负荷小区进行预警。该方法采用用户感知相关的负荷指标连接数、小包占比、体验速率针对性地评估每个基站的动态高负荷门限，实现了一站一案的动态门限设计；并将对网络要求较高的扫码类业务场景纳入考量，更加贴近当下需求，提高高负荷门限的精准度。
附图说明
图1是本发明实施例中提供的一种物理资源块利用率门限方法的步骤流程图；
图2是本发明实施例中提供的2022年用户各时段负荷类投诉与现有高负荷评估标准评估的高负荷忙时比例的柱形图；
图3是本发明实施例中提供的2022年基于历史投诉工单确定的各个负荷指标的系数权重的饼图；
图4是本发明实施例中提供的另一种物理资源块利用率门限方法的步骤流程图；
图5是本发明实施例中提供的连接数和连接数线性回归结果的散点图；
图6是本发明实施例中提供的小包占比和小包占比线性回归结果的散点图；
图7是本发明实施例中提供的体验速率和体验速率线性回归结果的散点图；
图8是本发明实施例中提供的一种生成物理资源块利用率门限的流程图；
图9是本发明实施例中提供的一种高负荷小区预警方法的步骤流程图；
图10是本发明实施例中提供的一种物理资源块利用率门限生成装置的结构框图；
图11是本发明实施例中提供的一种一种高负荷小区预警装置的结构框图；
图12是本发明实施例中提供的一种电子设备的框图；
图13是本发明实施例中提供的一种计算机可读介质的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1，示出了本发明实施例中提供的一种物理资源块利用率门限生成方法的步骤流程图，具体可以包括如下步骤：
步骤101，获取每个基站的历史负荷投诉工单以及负荷指标的历史数据；所述负荷指标包括连接数、小包占比、体验速率；
现有技术中，针对不同基站采用统一的高负荷评估标准，忽略了不同基站下不同小区的用户遇到的负荷情况，如果采用现有固定的高负荷评估标准去判断是否达到高负荷，不能反映不同基站下不同小区用户遇到的高负荷情况，从而如果运维人员依据现有的高负荷评估标准去判断是否需要进行维护缓解高负荷，不能真正满足不同基站下小区用户的需求，依然会收到针对移动网络高负荷的投诉，所以本申请提出针对一站一案的动态高负荷门限实际方案。
参照图2，示出了本发明实施例中提供的2022年用户各时段负荷类投诉与现有高负荷评估标准评估的高负荷忙时比例的柱形图。
22年小时级负荷投诉工单及高负荷小区分析，13点～15点和21点～0点为负荷类投诉高发时段占比为88.26％，对应同时段集团高负荷评估标准评估的高负荷小区晚忙时匹配度较高，但其他时段与投诉相关度较低，预警率低。
在本发明实施例中，考虑到不同基站下不同小区用户遇到的实际负荷情况的区别，采用用户感知相关的负荷指标来针对性设计每个基站的物理资源块利用率门限。
具体地，由于不同负荷指标对负荷的影响程度不同，所以可以通过对历史的负荷数据进行分析来确定每个负荷指标对负荷的影响程度。
具体而言，可以获取每个基站的历史负荷投诉工单以及负荷指标的历史数据，进而可以根据历史负荷投诉工单的信息对负荷指标的历史数据进行分析，确定每个负荷指标对负荷的影响权重。其中，负荷指标可以包括连接数、小包占比、体验速率。连接数可以为基站每个小区下同一时间使用的用户数；小包占比可以为小区用户发送的数据中小包的占比；体验速率可以为小区中所有用户的平均体验速率。
步骤102，根据所述历史负荷投诉工单和所述负荷指标的历史数据，分别确定所述基站各个负荷指标的系数权重；
在获取到历史负荷投诉工单和负荷指标的历史数据后，可以对历史负荷投诉工单和负荷指标的历史数据进行分析，分别确定基站各个负荷指标的系数权重，即确定连接数、小包占比、体验速率这三个负荷指标的系数权重。
参照图3，示出了本发明实施例中提供的2022年基于历史投诉工单确定的各个负荷指标的系数权重的饼图。
步骤103，采用当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据进行线性回归，获得连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果；
在分别确定连接数、小包占比、体验速率的系数权重后，可以采用离当前时段最近的时段的连接数、小包占比、体验速率数据来确定基站当前时段的物理资源块利用率门限。
具体地，可以采用当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据进行线性回归，获得连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果，从而可以采用连接数、小包占比、体验速率的系数权重结合连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果确定基站当前时段的物理资源块利用率门限。
步骤104，确定当前时段的场景变量值；
本发明考虑到出现的越来越多的对网络要求高的扫码类业务场景，这类场景对网络要求较高，相比于普通场景，当处于这样的特殊场景下时，用户对网络延迟的感知更加明显，从而对高负荷的感知更明显，更加可能发起负荷投诉，所以本发明将场景变量纳入考量，以提高物理资源块利用率门限的精准度。
具体地，为了提高物理资源块利用率门限的精准度，可以先确定基站当前时段的场景变量值，采用基站当前时段的场景变量值，结合连接数、小包占比、体验速率的系数权重以及连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果确定基站当前时段的物理资源块利用率门限。
步骤105，针对任一所述基站，采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果以及所述场景变量值，生成每个基站当前时段的物理资源块利用率门限；所述物理资源块利用率门限用于对高负荷小区进行预警。
在确定基站当前时段的场景变量值、连接数、小包占比、体验速率的系数权重以及连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果后，可以针对任一基站，采用该基站各个负荷指标的系数权重、连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果以及场景变量值，生成每个基站当前时段的物理资源块利用率门限，从而实现针对性地评估每个基站的动态高负荷门限，实现了一站一案的动态门限设计。进而基于每个基站的物理资源块利用率门限可以对高负荷小区进行预警，可以在用户投诉前，进行优化以缓解高负荷。
具体地，物理资源块利用率门限采用该公式计算得到：
PRB(T)＝{a1*C(T)+a2*P(T)+a3*F(T)}*S
其中T表示当前评估的小时，C表示连接数线性回归结果，P表示小包占比线性回归结果，F表示体验速率线性回归结果，S表示场景变量，a1、a2、a3分别为连接数系数权重、小包占比系数权重、体验速率系数权重。
通过本发明实施例的物理资源块利用率门限生成方法，通过获取每个基站的历史负荷投诉工单以及负荷指标的历史数据，根据历史负荷投诉工单和负荷指标的历史数据，分别确定基站各个负荷指标的系数权重，并采用当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据进行线性回归，获得连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果，以及确定当前时段的场景变量值，使得可以针对任一基站，采用基站各个负荷指标的系数权重、连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果以及场景变量值，生成每个基站当前时段的物理资源块利用率门限，从而可以基于物理资源块利用率门限对高负荷小区进行预警。该方法采用用户感知相关的负荷指标连接数、小包占比、体验速率针对性地评估每个基站的动态高负荷门限，实现了一站一案的动态门限设计；并将对网络要求较高的扫码类业务场景纳入考量，更加贴近当下需求，提高高负荷门限的精准度。
参照图4，示出了本发明实施例中提供的另一种物理资源块利用率门限生成方法的步骤流程图，具体可以包括如下步骤：
步骤401，获取每个基站的历史负荷投诉工单以及负荷指标的历史数据；所述负荷指标包括连接数、小包占比、体验速率；
步骤402，根据所述历史负荷投诉工单和所述负荷指标的历史数据，分别确定所述基站各个负荷指标的系数权重；
在本发明的一种实施例中，根据所述历史负荷投诉工单和所述负荷指标的历史数据，分别确定所述基站各个负荷指标的系数权重，包括：
S11，分别确定每个所述历史负荷投诉工单的投诉时段；
在获取到历史负荷投诉工单和负荷指标的历史数据后，可以对历史负荷投诉工单和负荷指标的历史数据进行分析，分别确定基站各个负荷指标的系数权重。具体地，可以先确定每个历史投诉工单的投诉时段，以便对该投诉时段对应的负荷指标的历史数据进行分析。
S12，在所述负荷指标的历史数据查找所述投诉时段对应的所述负荷指标的数据；
在确定每个历史投诉工单的投诉时段后，可以在获取的负荷指标的历史数据中查找该投诉时段对应的负荷指标的数据，从而可以分别确定每个历史投诉工单的投诉时段对应的负荷指标数据，以分析每个历史投诉工单的用户投诉的原因。
S13，根据所述投诉时段对应的所述负荷指标的数据，分别确定与所述历史负荷投诉工单高关联度的目标负荷指标；
在查找到投诉时段对应的负荷指标的数据后，根据连接数、小包占比、体验速率的数据，确定这三个负荷指标中导致用户发起投诉的主要负荷指标。具体地，若该投诉时段连接数激增，小包占比和体验速率为正常水平，则说明连接数是导致用户发起投诉的主要负荷指标，即连接数为与历史负荷投诉工单高关联度的目标负荷指标；若连接数、小包占比为正常水平，体验速率低于正常范围，则说明体验速率为与历史负荷投诉工单高关联度的目标负荷指标。
确定每一个历史投诉工单的投诉时段对应的负荷指标的数据，分别确定每一个历史投诉工单的目标负荷指标，以便确定每个负荷指标的系数权重。
S14，统计所述历史负荷投诉工单高关联度的目标负荷指标，获得所述基站各个负荷指标的系数权重。
在确定每个历史负荷投诉工单高关联度的目标负荷指标后，可以对所有目标负荷指标进行统计，得到每个基站各个负荷指标的系数权重。
步骤403，获取每个基站的物理资源块利用率的历史数据；
对影响基站物理资源块利用率的负荷指标进行线性回归，首先可以先确定每个负荷指标的线性回归公式，线性回归公式可以采用基站历史的物理资源块利用率、历史负荷指标数据作散点图来获得，所以为了生成每个负荷指标的线性回归公式，可以先获取每个基站的物理资源块利用率的历史数据。
步骤404，采用每个基站连接数的历史数据、小包占比的历史数据、体验速率的历史数据以及所述物理资源块利用率的历史数据，分别生成每个基站的连接数线性回归公式、小包占比线性回归公式、体验速率线性回归公式；
在获取到每个基站的物理资源块利用率的历史数据后，可以采用每个基站连接数的历史数据、小包占比的历史数据、体验速率的历史数据以及物理资源块利用率的历史数据推导得到连接数的历史线性回归结果、小包占比的历史线性回归结果、体验速率的历史线性回归结果，再采用每个基站连接数的历史数据、小包占比的历史数据、体验速率的历史数据以及连接数的历史线性回归结果、小包占比的历史线性回归结果、体验速率的历史线性回归结果绘制散点图，基于绘制的散点图，生成每个基站的连接数线性回归公式、小包占比线性回归公式、体验速率线性回归公式。
参照图5，示出了本发明实施例中提供的连接数和连接数线性回归结果的散点图。
参照图6，示出了本发明实施例中提供的小包占比和小包占比线性回归结果的散点图。
参照图7，示出了本发明实施例中提供的体验速率和体验速率线性回归结果的散点图。
步骤405，将所述连接数数据、所述小包占比数据、所述体验速率数据分别代入所述连接数线性回归公式、所述小包占比线性回归公式、所述体验速率线性回归公式，得到所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果；
在获得每个基站的连接数线性回归公式、小包占比线性回归公式、体验速率线性回归公式后，可以将当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据分别代入连接数线性回归公式、小包占比线性回归公式、体验速率线性回归公式，得到连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果。
步骤406，确定当前时段的场景变量值；
在本发明的一种实施例中，确定当前时段的场景变量值，包括：
S21，确定所述每个基站的小区场景；所述小区场景包括普通场景和特殊场景；所述特殊场景为要求网络速度高于预设阈值的场景；
为了确定每个基站当前时段的场景变量值，首先可以先确定每个基站的小区场景。小区场景可以包括普通场景和特殊场景，普通场景可以为用户密集度不高，对网络速度要求相对不是特别高的场景；特殊场景可以为用户密集度较高，要求网络速度高于预设阈值的场景，其中，预设阈值可以根据具体小区情况设置，本申请对此不做限制。例如，普通场景可以为用户在家里观看电视、使用手机刷刷网页、使用手机发送消息等等；特殊场景可以为用户密集度高的公共交通扫码场景、商场扫码场景、医院扫码场景等等。
S22，若所述基站的小区场景为普通场景，则所述场景变量值为预设数值；
由于生活中大部分场景为普通场景，用户处于普通场景对负荷感知不会过于明显，所以若基站的小区场景为普通场景，可以预设其场景变量值为预设数值，作为特殊场景的调整标准。预设数值可以根据实际需要设置，例如1、2、3等等。
因此，在确定基站当前时段的小区场景为普通场景的情况下，可以确定场景变量值为预设数值。
S23，若所述基站的小区场景为特殊场景，则所述场景变量值为特殊场景长时延的物理资源块利用率与普通场景长时延的物理资源块利用率的比值。
当用户处于特殊场景时，对网络延时感知格外明显，更加有可能因为高负荷导致的网络延时发起投诉，例如，若要求普通场景时延低于1s，特殊场景时延低于500ms，普通场景在物理资源块利用率PRB>85％的情况下，时延会高于1s，而特殊场景在物理资源块利用率PRB>60％时延就会高于500ms，所以可以以普通场景作为调整标准，对特殊场景的场景变量值进行确定。
具体地，在确定基站当前时段的小区场景为特殊场景的情况下，场景变量值可以为特殊场景长时延的物理资源块利用率与普通场景长时延的物理资源块利用率的比值。例如，普通场景在物理资源块利用率PRB>85％的情况下，时延会高于1s，而特殊场景在物理资源块利用率PRB>60％时延就会高于500ms，那么，以普通场景为基准，得到特殊场景的场景变量值为70％。
步骤407，针对任一所述基站，采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果以及所述场景变量值，生成每个基站当前时段的物理资源块利用率门限；所述物理资源块利用率门限用于对高负荷小区进行预警。
在本发明的一种实施例中，针对任一所述基站，采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果以及所述场景变量值，计算得到每个基站当前时段的物理资源块利用率门限，包括：
S31，采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果进行加权运算，分别得到每个基站的加权结果；
在确定基站各个负荷指标的系数权重、连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果后，可以采用基站各个负荷指标的系数权重、连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果进行加权运算，分别得到每个基站的加权结果。
S32，分别将所述每个基站的加权结果结合所述基站的场景变量值，计算得到每个基站当前时段的物理资源块利用率门限。
在获得每个基站的加权结果后，可以将每个基站的加权结果乘以基站的场景变量值，得到每个基站当前时段的物理资源块利用率门限。
参照图8，示出了本发明实施例中提供的一种生成物理资源块利用率门限的流程图。
1、首先可以获取历史投诉工单和历史的连接数数据、小包占比数据、体验速率数据；
2、采用历史投诉工单和历史的连接数数据、小包占比数据、体验速率数据确定连接数、小包占比、体验速率的系数权重；
3、在确定连接数、小包占比、体验速率的系数权重后，采用连接数、小包占比、体验速率的系数权重，以及当前时段上一个时段的连接数数据、小包占比数据、体验速率数据进行加权运算，获得加权结果；
4、再确定小区场景，从而确定当前时段的场景变量值；
5、将加权结果与场景变量值相乘，输出得到物理资源块利用率门限PRB。
作为一种具体示例，若连接数的线性回归公式为：y＝-0.0024x2+1.2949x-71.97、小包占比的线性回归公式为y＝0.0179x2-0.9858x+17.363、体验速率的线性回归公式为y＝0.0062x2-1.6398x+107.67；
如某小区场景为扫码场景，S值为70％，上个时段连接数为153，小包占比为87.63％，体验速率为21Mbps，代入上述线性回归公式回归后C＝69.96％、P＝67.08％，F＝75.96％；
再代入物理资源块利用率门限计算公式，得到：
PRB(T)＝{a1*C(T)+a2*P(T)+a3*F(T)}*
S＝{28.97％*69.96％+21.5％*67.08％+49.53％*75.96％}*70％＝50.62％。
通过本发明实施例的物理资源块利用率门限生成方法，通过获取每个基站的历史负荷投诉工单以及负荷指标的历史数据，根据历史负荷投诉工单和负荷指标的历史数据，分别确定基站各个负荷指标的系数权重，并采用当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据进行线性回归，获得连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果，以及确定当前时段的场景变量值，使得可以针对任一基站，采用基站各个负荷指标的系数权重、连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果以及场景变量值，生成每个基站当前时段的物理资源块利用率门限，从而可以基于物理资源块利用率门限对高负荷小区进行预警。该方法采用用户感知相关的负荷指标连接数、小包占比、体验速率针对性地评估每个基站的动态高负荷门限，实现了一站一案的动态门限设计；并将对网络要求较高的扫码类业务场景纳入考量，更加贴近当下需求，提高高负荷门限的精准度。
参照图9，示出了本发明实施例中提供的一种高负荷小区预警方法的步骤流程图，具体可以包括如下步骤：
步骤901，获取小区当前时段的物理资源块利用率以及所述小区所属的基站当前时段的物理资源块利用率门限；所述物理资源块利用率门限采用所述基站各个负荷指标的系数权重、连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果以及场景变量值计算得到；
为了避免用户投诉，可以基于基站当前时段的物理资源块利用率门限对高负荷小区进行预警，以使运维人员在用户投诉前进行优化。具体地，可以先获取小区当前时段的物理资源块利用率以及小区所属的基站当前时段的物理资源块利用率门限，以判断小区当前的物理资源块利用率是否达到高负荷。其中，物理资源块利用率门限可以采用基站当前时段各个负荷指标的系数权重、连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果以及场景变量值计算得到。
步骤902，判断所述小区当前时段的物理资源块利用率是否大于所述物理资源块利用率门限；
在获取到小区当前时段的物理资源块利用率以及小区所属的基站当前时段的物理资源块利用率门限后，可以判断小区当前时段的物理资源块利用率是否大于物理资源块利用率门限。若小区当前时段的物理资源块利用率大于物理资源块利用率门限，说明小区当前时段处于高负荷状态，用户可能发起投诉；若小区当前时段的物理资源块利用率小于或等于物理资源块利用率门限，说明小区当前时段未处于高负荷状态，可以不用进行优化。
步骤903，若所述小区当前时段的物理资源块利用率大于所述物理资源块利用率门限，发出针对所述小区的高负荷预警。
在确定小区当前时段的物理资源块利用率大于物理资源块利用率门限时，可以确定小区当前时段处于高负荷状态，可以发出针对该小区的高负荷预警，以便运维人员提前进行优化，避免用户发起投诉。
通过本发明实施例的高负荷小区预警方法，通过获取小区当前时段的物理资源块利用率以及所述小区所属的基站当前时段的物理资源块利用率门限，判断小区当前时段的物理资源块利用率是否大于物理资源块利用率门限，使得在小区当前时段的物理资源块利用率大于物理资源块利用率门限的情况下，可以发出针对该小区的高负荷预警，从而实现基于物理资源块利用率门限对高负荷小区进行预警。该方法采用每个基站的动态高负荷门限，评估基站下的小区是否达到高负荷，在高负荷时预警从而可以提前进行优化，避免用户的投诉。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图10，示出了本发明实施例中提供的一种物理资源块利用率门限生成装置的结构框图，具体可以包括如下模块：
第一获取模块1001，用于获取每个基站的历史负荷投诉工单以及负荷指标的历史数据；所述负荷指标包括连接数、小包占比、体验速率；
系数权重确定模块1002，用于根据所述历史负荷投诉工单和所述负荷指标的历史数据，分别确定所述基站各个负荷指标的系数权重；
线性回归模块1003，用于采用当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据进行线性回归，获得连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果；
场景变量值确定模块1004，用于确定当前时段的场景变量值；
物理资源块利用率门限确定模块1005，用于针对任一所述基站，采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果以及所述场景变量值，生成每个基站当前时段的物理资源块利用率门限；所述物理资源块利用率门限用于对高负荷小区进行预警。
可选地，所述线性回归模块，包括：
获取子模块，用于获取每个基站的物理资源块利用率的历史数据；
生成子模块，用于采用每个基站连接数的历史数据、小包占比的历史数据、体验速率的历史数据以及所述物理资源块利用率的历史数据，分别生成每个基站的连接数线性回归公式、小包占比线性回归公式、体验速率线性回归公式；
线性回归子模块，用于将所述连接数数据、所述小包占比数据、所述体验速率数据分别代入所述连接数线性回归公式、所述小包占比线性回归公式、所述体验速率线性回归公式，得到所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果。
可选地，所述场景变量值确定模块，包括：
小区场景确定子模块，用于确定所述每个基站的小区场景；所述小区场景包括普通场景和特殊场景；所述特殊场景为要求网络速度高于预设阈值的场景；
第一场景变量值确定子模块，用于若所述基站的小区场景为普通场景，则所述场景变量值为预设数值；
第二场景变量值确定子模块，用于若所述基站的小区场景为特殊场景，则所述场景变量值为特殊场景长时延的物理资源块利用率与普通场景长时延的物理资源块利用率的比值。
可选地，所述系数权重确定模块，包括：
投诉时段确定子模块，用于分别确定每个所述历史负荷投诉工单的投诉时段；
查找子模块，用于在所述负荷指标的历史数据查找所述投诉时段对应的所述负荷指标的数据；
目标负荷指标确定子模块，用于根据所述投诉时段对应的所述负荷指标的数据，分别确定与所述历史负荷投诉工单高关联度的目标负荷指标；
统计子模块，用于统计所述历史负荷投诉工单高关联度的目标负荷指标，获得所述基站各个负荷指标的系数权重。
可选地，所述物理资源块利用率门限确定模块，包括：
加权子模块，用于采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果进行加权运算，分别得到每个基站的加权结果；
计算子模块，用于分别将所述每个基站的加权结果结合所述基站的场景变量值，计算得到每个基站当前时段的物理资源块利用率门限。
参照图11，示出了本发明实施例中提供的一种高负荷小区预警装置的结构框图，具体可以包括如下模块：
第二获取模块1101，用于获取小区当前时段的物理资源块利用率以及所述小区所属的基站当前时段的物理资源块利用率门限；所述物理资源块利用率门限采用所述基站各个负荷指标的系数权重、连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果以及场景变量值计算得到；
判断模块1102，用于判断所述小区当前时段的物理资源块利用率是否大于所述物理资源块利用率门限；
预警模块1103，用于若所述小区当前时段的物理资源块利用率大于所述物理资源块利用率门限，发出针对所述小区的高负荷预警。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
另外，本发明实施例还提供一种电子设备，如图12所示，包括处理器1201、通信接口1202、存储器1203和通信总线1204，其中，处理器1201，通信接口1202，存储器1203通过通信总线1204完成相互间的通信，
存储器1203，用于存放计算机程序；
处理器1201，用于执行存储器1203上所存放的程序时，实现如下步骤：
获取每个基站的历史负荷投诉工单以及负荷指标的历史数据；所述负荷指标包括连接数、小包占比、体验速率；
根据所述历史负荷投诉工单和所述负荷指标的历史数据，分别确定所述基站各个负荷指标的系数权重；
采用当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据进行线性回归，获得连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果；
确定当前时段的场景变量值；
针对任一所述基站，采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果以及所述场景变量值，生成每个基站当前时段的物理资源块利用率门限；所述物理资源块利用率门限用于对高负荷小区进行预警。
可选地，采用当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据进行线性回归，获得连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果，包括：
获取每个基站的物理资源块利用率的历史数据；
采用每个基站连接数的历史数据、小包占比的历史数据、体验速率的历史数据以及所述物理资源块利用率的历史数据，分别生成每个基站的连接数线性回归公式、小包占比线性回归公式、体验速率线性回归公式；
将所述连接数数据、所述小包占比数据、所述体验速率数据分别代入所述连接数线性回归公式、所述小包占比线性回归公式、所述体验速率线性回归公式，得到所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果。
可选地，确定当前时段的场景变量值，包括：
确定所述每个基站的小区场景；所述小区场景包括普通场景和特殊场景；所述特殊场景为要求网络速度高于预设阈值的场景；
若所述基站的小区场景为普通场景，则所述场景变量值为预设数值；
若所述基站的小区场景为特殊场景，则所述场景变量值为特殊场景长时延的物理资源块利用率与普通场景长时延的物理资源块利用率的比值。
可选地，根据所述历史负荷投诉工单和所述负荷指标的历史数据，分别确定所述基站各个负荷指标的系数权重，包括：
分别确定每个所述历史负荷投诉工单的投诉时段；
在所述负荷指标的历史数据查找所述投诉时段对应的所述负荷指标的数据；
根据所述投诉时段对应的所述负荷指标的数据，分别确定与所述历史负荷投诉工单高关联度的目标负荷指标；
统计所述历史负荷投诉工单高关联度的目标负荷指标，获得所述基站各个负荷指标的系数权重。
可选地，针对任一所述基站，采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果以及所述场景变量值，计算得到每个基站当前时段的物理资源块利用率门限，包括：
采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果进行加权运算，分别得到每个基站的加权结果；
分别将所述每个基站的加权结果结合所述基站的场景变量值，计算得到每个基站当前时段的物理资源块利用率门限。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
如图13所示，在本发明提供的又一实施例中，还提供了一种计算机可读存储介质1301，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中所述的物理资源块利用率门限生成方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中所述的物理资源块利用率门限生成方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种物理资源块利用率门限生成方法，其特征在于，包括：
获取每个基站的历史负荷投诉工单以及负荷指标的历史数据；所述负荷指标包括连接数、小包占比、体验速率；
根据所述历史负荷投诉工单和所述负荷指标的历史数据，分别确定所述基站各个负荷指标的系数权重；
采用当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据进行线性回归，获得连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果；
确定当前时段的场景变量值；
针对任一所述基站，采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果以及所述场景变量值，生成每个基站当前时段的物理资源块利用率门限；所述物理资源块利用率门限用于对高负荷小区进行预警。
2.根据权利要求1所述的方法，其特征在于，采用当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据进行线性回归，获得连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果，包括：
获取每个基站的物理资源块利用率的历史数据；
采用每个基站连接数的历史数据、小包占比的历史数据、体验速率的历史数据以及所述物理资源块利用率的历史数据，分别生成每个基站的连接数线性回归公式、小包占比线性回归公式、体验速率线性回归公式；
将所述连接数数据、所述小包占比数据、所述体验速率数据分别代入所述连接数线性回归公式、所述小包占比线性回归公式、所述体验速率线性回归公式，得到所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果。
3.根据权利要求1所述的方法，其特征在于，确定当前时段的场景变量值，包括：
确定所述每个基站的小区场景；所述小区场景包括普通场景和特殊场景；所述特殊场景为要求网络速度高于预设阈值的场景；
若所述基站的小区场景为普通场景，则所述场景变量值为预设数值；
若所述基站的小区场景为特殊场景，则所述场景变量值为特殊场景长时延的物理资源块利用率与普通场景长时延的物理资源块利用率的比值。
4.根据权利要求1所述的方法，其特征在于，根据所述历史负荷投诉工单和所述负荷指标的历史数据，分别确定所述基站各个负荷指标的系数权重，包括：
分别确定每个所述历史负荷投诉工单的投诉时段；
在所述负荷指标的历史数据查找所述投诉时段对应的所述负荷指标的数据；
根据所述投诉时段对应的所述负荷指标的数据，分别确定与所述历史负荷投诉工单高关联度的目标负荷指标；
统计所述历史负荷投诉工单高关联度的目标负荷指标，获得所述基站各个负荷指标的系数权重。
5.根据权利要求1所述的方法，其特征在于，针对任一所述基站，采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果以及所述场景变量值，计算得到每个基站当前时段的物理资源块利用率门限，包括：
采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果进行加权运算，分别得到每个基站的加权结果；
分别将所述每个基站的加权结果结合所述基站的场景变量值，计算得到每个基站当前时段的物理资源块利用率门限。
6.一种高负荷小区预警方法，其特征在于，包括：
获取小区当前时段的物理资源块利用率以及所述小区所属的基站当前时段的物理资源块利用率门限；所述物理资源块利用率门限采用所述基站各个负荷指标的系数权重、连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果以及场景变量值计算得到；
判断所述小区当前时段的物理资源块利用率是否大于所述物理资源块利用率门限；
若所述小区当前时段的物理资源块利用率大于所述物理资源块利用率门限，发出针对所述小区的高负荷预警。
7.一种物理资源块利用率门限生成装置，其特征在于，包括：
第一获取模块，用于获取每个基站的历史负荷投诉工单以及负荷指标的历史数据；所述负荷指标包括连接数、小包占比、体验速率；
系数权重确定模块，用于根据所述历史负荷投诉工单和所述负荷指标的历史数据，分别确定所述基站各个负荷指标的系数权重；
线性回归模块，用于采用当前时段的上一个时段的连接数数据、小包占比数据、体验速率数据进行线性回归，获得连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果；
场景变量值确定模块，用于确定当前时段的场景变量值；
物理资源块利用率门限确定模块，用于针对任一所述基站，采用所述基站各个负荷指标的系数权重、所述连接数线性回归结果、所述小包占比线性回归结果、所述体验速率线性回归结果以及所述场景变量值，生成每个基站当前时段的物理资源块利用率门限；所述物理资源块利用率门限用于对高负荷小区进行预警。
8.一种高负荷小区预警装置，其特征在于，包括：
第二获取模块，用于获取小区当前时段的物理资源块利用率以及所述小区所属的基站当前时段的物理资源块利用率门限；所述物理资源块利用率门限采用所述基站各个负荷指标的系数权重、连接数线性回归结果、小包占比线性回归结果、体验速率线性回归结果以及场景变量值计算得到；
判断模块，用于判断所述小区当前时段的物理资源块利用率是否大于所述物理资源块利用率门限；
预警模块，用于若所述小区当前时段的物理资源块利用率大于所述物理资源块利用率门限，发出针对所述小区的高负荷预警。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行存储器上所存放的程序时，实现如权利要求1-6任一项所述的方法。
10.一个或多个计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如权利要求1-6任一项所述的方法。
CN202211707639.4A 2022-12-27 2022-12-27 一种物理资源块利用率门限生成方法、装置、电子设备及可读介质 Pending CN116233914A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211707639.4A CN116233914A (zh) 2022-12-27 2022-12-27 一种物理资源块利用率门限生成方法、装置、电子设备及可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211707639.4A CN116233914A (zh) 2022-12-27 2022-12-27 一种物理资源块利用率门限生成方法、装置、电子设备及可读介质

Publications (1)

Publication Number Publication Date
CN116233914A true CN116233914A (zh) 2023-06-06

Family

ID=86575927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211707639.4A Pending CN116233914A (zh) 2022-12-27 2022-12-27 一种物理资源块利用率门限生成方法、装置、电子设备及可读介质

Country Status (1)

Country Link
CN (1) CN116233914A (zh)

Similar Documents

Publication Publication Date Title
CN107026746B (zh) 网络业务质量评估方法、系统及网络设备
CN103491556B (zh) 一种网络调整的方法及装置
CN112866062B (zh) 一种分布式压力测试系统、方法、装置、设备及存储介质
CN110875983B (zh) 终端业务质量的评估方法、装置、设备及介质
CN113891336B (zh) 通信网络减频退网方法、装置、计算机设备和存储介质
CN109951540A (zh) 一种数据传输方法、装置及电子设备
CN107332681B (zh) 一种故障维度分析方法及网络设备
CN116566696B (zh) 一种基于云计算的安全性评估系统及方法
CN113835905A (zh) 一种消息队列负载均衡方法、装置、电子设备及介质
CN111343647A (zh) 用户感知评估的方法、装置、设备和介质
CN107464571B (zh) 一种数据质量评估的方法、设备及系统
CN111278039B (zh) 用户感知压抑识别方法、装置、设备及介质
CN109672587B (zh) 公共终端的识别方法、识别系统、服务器、计算机可读介质
CN111368858B (zh) 用户满意度评估方法及装置
CN116233914A (zh) 一种物理资源块利用率门限生成方法、装置、电子设备及可读介质
CN114710801B (zh) 网络性能的测评参数的处理方法、装置、存储介质及设备
CN113726582B (zh) 移动网络的分析方法、装置、设备及存储介质
CN112988504B (zh) 一种报警策略的设定方法、装置、电子设备及存储介质
CN113517990B (zh) 一种网络净推荐值nps的预测方法及装置
CN113626283A (zh) 一种分布式系统节点资源评估方法、装置
CN113727382A (zh) 网络质量确定方法、装置、网络设备及计算机存储介质
CN114598904B (zh) 交互式网络电视iptv业务的故障定位方法和装置
CN113256044B (zh) 一种策略的确定方法、装置及电子设备
CN114006981B (zh) 外呼业务处理方法、装置及电子设备
CN116545942B (zh) 数据传输方法、装置、电子设备和存储介质

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