CN116724595A - 用于QoS策略优化的网络小区分类 - Google Patents
用于QoS策略优化的网络小区分类 Download PDFInfo
- Publication number
- CN116724595A CN116724595A CN202180089446.4A CN202180089446A CN116724595A CN 116724595 A CN116724595 A CN 116724595A CN 202180089446 A CN202180089446 A CN 202180089446A CN 116724595 A CN116724595 A CN 116724595A
- Authority
- CN
- China
- Prior art keywords
- qoe
- parameter
- range
- qos
- cell
- 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 32
- 230000032823 cell division Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 15
- 230000015556 catabolic process Effects 0.000 claims description 12
- 238000006731 degradation reaction Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 description 31
- 230000008569 process Effects 0.000 description 14
- 230000015654 memory Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000024245 cell differentiation Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000011545 laboratory measurement Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0268—Traffic management, e.g. flow control or congestion control using specific QoS parameters for wireless networks, e.g. QoS class identifier [QCI] or guaranteed bit rate [GBR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
基于无线网络小区中的无线电和网络条件将无线网络小区分类成组。然后，至少对于最高优先级业务，通过选择或多或少严格的预定规则直到满足目标体验质量(QoE)来对每个分类的小区组执行QoS策略优化。为了将小区分类成组，根据它们对QoE的影响对所收集(110)的无线电和网络参数进行排序(112)。基于该排序，仅选择(114)几个最具影响力的参数。然后，例如通过参数在每个范围内时影响服务质量的能力，将每个参数的值的范围划分(116)为多个范围。然后，基于小区内落入相同值范围的相同参数将小区分类(118)成组。获得(120)至少高优先级业务类别的QoE目标。然后，分别针对每个分类的小区组优化(122)QoS策略，以满足QoE目标。将优化的QoS策略应用(124)于进入小区的新UE。
Description
技术领域
本发明总体上涉及无线通信网络，具体涉及一种将小区分类为具有类似服务质量(QoS)策略优化性能的组的系统和方法。
背景技术
无线通信网络，包括网络节点和诸如蜂窝电话和智能电话之类的无线电网络设备，在世界的许多地方无处不在。这些网络的容量和复杂度持续增长。为了适应可能受益于无线通信的更多用户和更广泛类型的设备，管理无线通信网络操作的技术标准不断发展。第三代合作伙伴计划(3GPP)开发了第四代(4G)网络标准，被称为长期演进(LTE)，其已经被部署。第五代(5G，也被称为新无线电或NR)正处于高级开发阶段。LTE和NR都遵循“蜂窝”网络模型，其特征在于多个固定网络节点(被各异地称为基站、无线电基站、基站收发信台、服务节点、节点B(NodeB)、eNobeB、eNB、gNB等)，每个节点向通常固定的地理区域(被称为小区或扇区)内的大量移动设备(被各异地称为移动终端、用户设备或UE等)提供无线通信服务。UE和eNB/gNB形成无线电接入网络(RAN)；其他节点(可能不具有无线电通信能力)形成核心网络(CN)。
管理网络操作和通信质量一直是操作无线通信网络的主要挑战，并且网络规模和复杂性的不断增加大大加剧了这一挑战。网络通信质量的技术方面在网络运营商和购买网络服务的企业之间的服务水平协议(SLA)中定义。3GPP技术规范23.501的最新版本(通过全文引用并入本文)描述了作为QoS转发行为的参考的5G服务质量(QoS)指标(5QI)。
5G QoS标识符：被用作将被提供给5G QoS流的特定QoS转发行为(例如，分组丢失率、分组延迟预算)的参考的标量。这可以在接入网络中通过控制QoS转发处理的5QI参考节点特定参数(例如，调度权重、准入阈值、队列管理阈值、链路层协议配置等)来实现。
5QI中的分组延迟预算包括RAN和CN两者中的延迟。除了标准化的5QI值之外，网络服务提供商还可以定义其自己的自定义5QI。
在5G中，每个PDU会话包含一个或多个QoS流。
5G QoS流：5G系统中QoS转发处理的最精细粒度。映射到相同5G QoS流的所有业务接收相同的转发处理(例如，调度策略、队列管理策略、速率整形策略、RLC配置等)。提供不同的QoS转发处理需要单独的5G QoS流。
每个QoS流属于一个5QI类别。
分组差错率和分组延迟预算是非拥塞情况的目标值，即，如果某些网络元件的负载高于其容量，则它们可能被违反。这些拥塞情况(当系统不能满足所有QoS流的要求时)将根据所分配的优先级来进行处理：较高优先级业务将优先于较低优先级业务。因此，在拥塞情况下，最低优先级业务将首先违反差错率和延迟目标，而较高优先级业务将满足这些目标，直到负载进一步增加。
QoS度量涉及网络，例如分组差错率、分组时延或延迟等。更多涉及主观用户满意度的服务质量的另一度量是体验质量(QoE)。显然，这些度量是互相关的，因为延迟或丢弃的数据分组将降低用户体验。因此，QoE还与QoS流的服务类别相关，如SLA中所规定的。与QoE相关的关键性能指标(KPI)可以由用户与之交互的应用功能、机器学习(ML)算法等来提供。5QI参考特定QoS策略，这些策略是由策略控制功能(PCF)在网络中强制执行的技术度量。5QI从而间接地控制用户QoE。
3GPP技术报告23.791列出了与QoS策略相关的用例，例如，例如通过利用由网络数据分析功能(NWDAF)收集的网络度量来导出合适的QoS简档和调整这些简档。用例取决于5QI的正确实现。
在5G移动网络中可用的大量5QI类别以及大量业务和服务类型使得难以手动地找到适当的5QI或将适当的5QI映射到5G网络中的业务类型。这样的任务也将需要大量的业务实验室测量。选择正确的5QI类别是实现SLA和根据QoS或QoE目标定义的内部运营商业务目标的重要因素。如果不满足SLA要求，则应当手动地将业务映射到不同的5QI值，这是耗时的，并且当存在要检查和改变的大量5QI值时不缩放。
于2020年6月24日提交并且转让给本公开的受让人的题为“Traffic ForwardingPolicy Determination in a Wireless Communication System”(无线通信系统中的业务转发策略确定)的印度专利申请第2020/11026696号描述了一种高效的5QI策略学习和优化方法。简而言之，该方法可以被概念化为沿着例如分组差错率和分组延迟轴绘制测量的网络性能参数，其中每个绘制的数据点指示是否满足QoE目标。5QI类别可以基于它们的分组差错率和分组延迟目标被绘制为矩形。在每个矩形内满足与不满足QoE目标的测量参数的比率是对相关联的5QI类别将在多大程度上满足QoE目标的指示。成本(例如，在网络资源中)可以与每个5QI类别相关联，并且因此与每个矩形相关联。然后，基于它们满足QoE目标的能力和它们的相对成本来选择适当的5QI类别。可以基于网络性能的测量来设计其他方法使发现适当5QI的任务自动化。
自动QoS策略优化方法(例如，上面描述的方法)能够调整和找到网络全局SLA业务的最优5QI。在实践中，无线业务分布和负载以及不同小区中的无线电条件是非常不均匀的。例如，密集城市区域包括许多具有不良无线电条件的小区—覆盖空洞、导致干扰的高小区密度和高小区负载等。相比之下，农村地区可能具有低干扰的轻负载。将QoS策略应用于网络全局会导致QoE目标满足特定SLA标准的情况，例如，90％的小区满足QoE目标。然而，它是以这样的方式实现的，即在农村地区，QoE被100％满足，并且网络资源被过度预订，但是在一些城市小区中，服务很差。虽然全局地满足了SLA标准，但是许多用户仍然经历了不可接受的服务水平。
全局算法的另一个问题是它可能导致5QI分配，以补偿不同的无线电问题，这是过于严格的，意味着分配了比满足SLA要求所必需的更多的网络资源。例如，考虑具有带有不同无线电问题的小区的网络。在一些小区中，干扰很高，导致比SLA可容忍的更多的分组丢失。在其他小区中，HARQ重传率高，导致较高的延迟。在另外的其他小区中，存在具有弱信号的覆盖空洞，因此需要更多的物理资源块(PRB)来递送无线电中的相同比特。全局算法试图全局地解决该问题；因此，它将SLA业务分配给5QI类别，这同时确保了更小的延迟、更低的损耗和更高的优先级，需要更多的PRB、更高的调度器优先级等。该5QI类别被应用于无线电中的每个小区中，提高了整体QoE以满足SLA，但是在网络资源方面成本很高。结果，较低5QI类别中的其他业务可能受损。
理论上，这些算法可以每小区或每eNB/gNB地运行，这将解决上述问题。然而，在实践中，由于非常大量的小区(即，在大型网络中为100000或更多)导致这是不可行的。此外，识别业务流或业务类别的正确5QI需要足够大的测量样本，这对于每个小区来说是不可用的。
提供本文件的背景技术部分来将本发明的实施例置于技术和操作上下文中，以帮助本领域技术人员理解它们的范围和实用性。背景技术部分中描述的方法可以被采用，但不一定是先前已经构思或采用的方法。除非明确地这样标识，否则本文中并没有陈述仅通过将其包括在背景技术部分中而被承认是现有技术。
发明内容
为了向本领域技术人员提供基本理解，以下给出本公开的简化概述。本概述不是本公开的广泛综述，并且不旨在标识本发明的实施例的关键/重要元素或描绘本发明的范围。本概述的唯一目的是以简化形式呈现本文所公开的一些概念，作为稍后呈现的更详细描述的序言。
根据本文公开和要求保护的本发明的实施例，基于小区中的无线电和网络条件将网络小区分类成组。然后，至少对于最高优先级业务，通过选择或多或少严格的5QI规则直到满足目标QoE来对每个分类的小区组执行QoS策略优化。为了将小区分类成组，根据所收集的无线电和网络参数对QoE的影响对其进行排序。基于该排序，仅选择几个最具影响力的参数。然后，例如通过参数在每个范围内时影响服务质量的能力，将每个参数的值的范围划分为多个范围。在一个这样的划分中，参数值范围被表征为该参数的“好”、“尚可”和“坏”值。然后，基于小区内落入相同值范围的相同参数将小区分类成组。例如，所有经历“良好信号强度”、“不良信号质量”和“中等(尚可)业务负载”的小区都将被分类到同一组中。例如从SLA中获得至少高优先级业务类别的QoE目标。然后，分别针对每个分类的小区组优化高优先级业务类别的QoS策略，以满足QoS目标。该方法基于每个小区中的实际无线电和网络参数来优化QoS策略，这比全局优化方法获得了更好的结果，全局优化方法可以全局地实现QoE目标，但是却使单个小区的性能低于标准。另一方面，该方法避免了为网络中的每个小区单独执行QoS策略优化所需的大量计算负荷。对于每个分类的小区组，为表征该组的条件而优化的QoS策略被应用于该组中的所有小区。在持续的基础上，随着UE移动到新的小区中，针对包含该小区的分类小区组的优化的QoE策略被应用于去往/来自该UE的至少高优先级业务类别。
一个实施例涉及一种对无线通信网络中的小区进行分类以用于QoS策略优化的方法。在每个小区的基础上获得无线电网络和业务负载参数的测量以及用户QoE的估计。根据无线电网络和业务负载参数对QoE的影响对其进行排序。选择排序最高的参数的子集。为每个所选参数确定多个值范围。基于所选参数的值范围将小区分类成组。
在另一实施例中，获得至少高优先级业务类别的QoE目标。分别针对每个分类的小区组来优化高优先级业务类别的QoS策略，以满足QoS目标。
在又一实施例中，将小区的优化QoS策略应用于从具有不同QoS策略的小区进入该小区的UE。
另一实施例涉及一种在无线通信网络中操作的网络节点。该网络节点包括被配置为与其他网络节点通信的通信电路，以及可操作地连接到通信电路的处理电路。处理电路被配置为：获得每个小区的无线电网络和业务负载参数的测量以及用户体验质量(QoE)的估计；根据无线电网络和业务负载参数对QoE的影响对它们进行排序；选择排序最高的参数的子集；为每个所选参数确定多个值范围；以及基于所选参数的值范围将小区分类成组。
在另一实施例中，处理电路被配置为：获得至少高优先级业务类别的QoE目标；以及分别针对每个分类的小区组来优化高优先级业务类别的QoS策略，以满足QoS目标。
在又一实施例中，处理电路被配置为将小区的优化QoS策略应用于从具有不同QoS策略的小区进入该小区的UE。
附图说明
现在将在下文中参考附图更全面地描述本发明，在附图中示出了本发明的实施例。然而，本发明不应被解释为限于本文中阐述的实施例。相反，提供这些实施例是为了使本公开彻底和完整，并且将本发明的范围完全传达给本领域技术人员。相同的附图标记始终指代相同的元件。
图1是无线通信网络的相关部分的框图。
图2是作为两个无线电参数的函数的QoE的图。
图3描绘了示出确定无线电参数的重要性的两幅图。
图4是无线电参数选择和排序功能的输入和输出的框图。
图5是描绘了定义用于确定无线电参数的值范围的阈值的一种方式的图。
图6是小区分类和QoE策略优化和应用的方法的流程图。
图7是网络节点的硬件框图。
图8是无线电数据聚合和小区分类功能的功能框图。
图9是QoS策略优化功能的功能框图。
具体实施方式
为了简单和说明的目的，主要通过参考本发明的示例性实施例来描述本发明。在以下描述中，阐述了许多具体细节以便提供对本发明的透彻理解。然而，对于本领域普通技术人员显而易见的是，本发明可以在不限于这些具体细节的情况下实施。在本说明书中，没有详细描述公知的方法和结构，以免不必要地模糊本发明。
图1描绘了本发明的代表性实施例中的无线通信网络的相关部分。基本网络组件(在图1中被呈现为3GPP 5G网络，尽管本发明的实施例不限于该应用)是本领域技术人员已知的。具体地，用户设备(UE)10经由无线电接入网(RAN)12连接到核心网络(CN)14。UE与CN14中的众多网络功能交互；与本公开相关的功能包括用户面功能(UPF)16和策略控制功能(PCF)18。网络数据分析功能(NWDAF)17收集和分析网络性能数据。CN 14连接到包括应用服务器22和应用功能24的外部网络20(例如，因特网)。服务操作中心(SoC)32指定并且监控网络操作以维持服务质量。在服务水平协议(SLA)34中定义了定义各种服务类别的最小网络性能度量的技术规范。在例如3GPP技术规范的各种网络规范中定义了这些网络组件的功能和协议。
分析系统26根据本发明的实施例执行小区分类和策略优化。分析系统26可以被实现为5G NWDAF 17或管理数据分析服务(MDAF)的一部分。备选地，分析系统26可以在具有必要的连接性和计算能力的任何网络功能或节点中实现。在分析系统26内，无线电和网络数据聚合和小区分类功能(RNDA-CCF)28收集无线电和网络数据，对其进行分析，并且基于网络性能将小区分类成组。然后，策略优化功能(POF)30为每个分类的小区组优化QoS策略，向表现出较差性能的小区组分配更严格的5QI(并且因此分配更多的网络资源)，并且向具有良好性能的小区组放宽5QI(并且因此专用更少的网络资源)。以这种方式，根据实际网络性能来优化整体网络操作(与对资源进行过度分配和不足分配的全局解决方案相反)，同时将计算负荷保持在易处理的水平(与每单个小区的监控和优化相反)。
更详细地，RNDA-CCF 28例如通过预订NWDAF 17监控服务，在每个小区的基础上获得无线电网络和业务负载参数的测量。RNDA-CCF 28还例如通过从AF 24接收用户体验质量(QoE)关键性能指标(KPI)来获得当前QoE的估计。RNDA-CCF 28通过根据无线电网络和业务负载参数对QoE的影响对它们进行排序并且仅选择排序最高的参数的子集用于进一步分析来约束计算负荷。所选参数被划分为多个值范围，其可以被抽象为例如每个参数的“好”、“尚可”和“坏”值。然后，RNDA-CCF 28基于所选参数的值范围将小区分类成组。以这种方式，可能在地理上相距遥远但正经历相同网络性能问题的不同小区被分类到同一组中，因为相同的QoS策略优化将有利于该组中的所有小区。网络数据收集正在进行中(即，周期性的或连续的)。参数分析和小区分类可能不频繁地发生，例如每天。
POF 30从SoC 32(例如从SLA34)接收QoE目标，以及对于至少高优先级业务类别的实际用户QoE的估计。在每个分类小区组的基础上，POF 30通过调整5QI规则来优化至少高优先级业务类别的QoS策略，以使每个业务类别的实际QoE与QoE目标一致。POF 30根据已知的协议和程序将每个分类小区组的更新的5QI规则发送到PCF 18，以便在网络中实施。POF30通过将更严格的5QI应用于性能较差的分类小区组来提高QoS，并且通过将较不严格的5QI应用于超过业务类别的目标QoE预定裕度的分类小区组来保留网络资源。QoS策略优化可以仅在小区分类的每次迭代之后执行，例如每天一次。可选地，QoS策略优化可以更经常地执行，例如每小时地执行，以更密切地跟踪网络利用率的变化。
当UE 10进入新小区时(该新小区已经被分类到不同于UE 10在其中操作的先前小区的组中)，PCF 18将用于UE 10的QoS策略规则更新为对于新小区被分类到其中的小区组当前有效的QoS策略规则。该过程被很好地定义，并且可以以最小的网络开销快速地执行。因此，移动UE 10对其新小区的QoS策略规则的更新正在进行中，并且可以响应于UE 10的移动性在必要时执行。
本领域技术人员将认识到，尽管已经将网络数据分析和小区分类以及QoS策略优化描述为分别由单独的功能(即，RNDA-CCF 28和POF 30)来执行，但是这种划分仅是示例性的，而不是对本发明实施例的限制。给定本公开的教导，本领域技术人员可以容易地在一个、两个或更多个网络功能中实现本文所描述的任务和方法步骤，这些网络功能可以在任意数量的物理网络节点上实现。
现在将更详细地解释上面概述的程序。从RRC测量数据和订户相关的小区跟踪无线电事件中收集包括无线电网络和业务负载参数的网络数据。因为空中接口的上行链路和下行链路信道经历不同的性能，并且受到不同网络参数的影响，所以在一个实施例中，针对上行链路和下行链路单独地执行小区分类。通常，最重要的下行链路参数包括：
·参考信号接收功率(RSRP)，表征接收信号强度；
·参考信号接收质量(RSRQ)，表征干扰；
·每小区的活跃UE，同时在一个小区中的活跃UE；
·每小区的下行链路吞吐量，小区中的负载DL；以及
·下行链路混合自动重传请求(HARQ)率，表征HARQ过程的PRB重传。
相应地，最重要的上行链路参数包括：
·UL功率限制，以最大功率传输的UE比率；
·上行链路信干噪比(SINR)，UL方向上的信噪比；
·每小区的活跃UE，同时在一个小区中的活跃UE；
·每小区的上行链路吞吐量；以及
·上行链路HARQ率。
虽然这些通常是要考虑的最重要的参数，但是该列表不是限制性的，并且也可以考虑其他下行链路和/或上行链路参数。此外，在不同的实施例中，可以一起考虑上行链路和下行链路信道或者仅考虑这二者中的一个来执行本文所描述的小区分类和QoS策略优化。
RNDA-CCF 28连续接收所有网络小区的服务质量(QoE)、表征无线电参数和诸如业务负载之类的网络参数，并且确定服务质量与无线电和网络参数之间的互相关性。如图1所示，QoE主要通过AF 24从外部服务应用服务器22获得。备选地，QoE可以由机器学习(ML)模型基于UPF 16测量的QoS参数来估计，或者如果其可用于服务类型，则通过公式来计算。在所有情况下，QoE是独立于无线电参数获得的，并且它们在RNDA-CCF 28中是互相关的。
所接收的QoE值被表示为所测量的无线电网络和业务负载参数的函数。在n维网络参数集中，n维表面被拟合到QoE点。这在图2中被描绘为两个参数的简化示例：P1＝RSRP和P2＝RSRQ。该表面指示服务质量对不同参数的总体依赖性。
为了限制计算复杂度，通过仅考虑最重要的无线电网络和业务负载参数来限制POF 30应当运行的实例的数量，其中重要性被定义为它们对QoE的影响。此外，在最重要参数的子集中的网络参数再次根据它们对QoE的影响进行排序。图3描绘了一种对参数进行排序的方法：比较度量ΔQoE/Δp，其中参数p的值的范围被归一化，以允许不同参数之间的直接比较。例如，图3描绘了在归一化范围内，不同p1值的QoE存在很大差异。相反，在p2的值的归一化范围内的QoE的变化要小得多。据此，
并且参数p1的排序高于参数p2。
图4描绘了无线电参数选择和排序功能(RPSRF)40的输入和输出，其可以被实现为RNDA-CCF 28的一部分。RPSRF 40将所考虑的所有n个无线电参数和相关联的n个QoE作为输入，并且输出对QoE的变化贡献最大的n个参数的子集的排序列表。
为了进一步限制计算复杂度，通过仅考虑每个所选参数的多个值范围来进一步限制POF 30应当运行的实例的数量。例如，可以定义三个值范围，其根据每个范围内的参数对服务质量的确切或可能的影响来进行区分—这三个范围可以被概念化为该参数的“好”、“坏”和“尚可”值。定量地，可以根据该范围内的参数是否确切地或可能地引起服务降级或确切地不引起服务降级来确定该区分。例如，
·坏：在该值范围内，参数确切地导致服务质量；
·好：在该值范围内，参数不可能成为服务降级的根本原因；以及
·尚可：坏与好之间的范围。在该范围内，参数值不是最佳的，并且可能引起服务降级。
一些网络参数的值可以通过基于技术标准建立两个预定阈值而被划分为三个这样的范围。例如，网络分析可以确定参数影响或不影响(或可能影响)服务质量的阈值。作为一个示例，RSRP的范围可以被定义为：
·坏：RSRP<-120dBm；
·尚可：-120dBm≤RSRP≤-90dBm；以及
·好：RSRP>-90dBm。
作为另一个示例，RSRQ的范围可以被定义为：
·坏：RSRQ<-12dB；
·尚可：-12dB≤RSRQ≤-9dB；以及
·好：RSRQ>-9dB。
一些网络参数不适合根据客观技术阈值进行区分。在这些情况下，一种将网络参数值划分为范围的方法是按照QoE(其中该参数具有不同的值)对多个小区进行排序，并且基于小区排序建立两个百分比阈值(对于三个范围)。例如，为了确定小区中活跃的UE的数量的值范围，例如在高峰时段期间：
·坏：按QoE划分的最差5％的小区中的活跃UE的数量；
·尚可：按QoE划分的第二最差5％的小区中的活跃UE的数量；以及
·好：其他90％的小区中的活跃UE的数量。
将网络参数的值范围划分为例如三个值范围的另一种方法是针对不同的参数条件比较QoE，并且将QoE的曲线拟合为特定参数的函数。假设将参数划分为值范围的阈值对于除一个参数之外的所有参数都是已知的。图5描绘了用于确定没有为其建立值范围的一个参数的相应阈值的过程。对于未知参数P的所有值、对于所有其他参数的所有值绘制测量的QoE。然后，将两条曲线拟合到该数据－一条用于在所有其他参数处于其自身的“好”范围内的情况下为其测量QoE的P值，一条用于在所有其他参数在其全部值范围内取值的情况下为其测量QoE的P值。“其他参数全部良好”曲线与QoE目标相交的P值可以取作Pbad。也就是说，在所有其他参数处于“好”范围内的情况下，值Pbad和更低的P值会使QoE降到其目标以下。定量地，QoEtarget＝QoE＝(p1＝good,p2＝good,…,Pbad,…,pn＝good)，其中“p1＝good,p2＝good,…,Pbad,…,pn＝good”意指针对已知参数p1,p2,…,pn具有在其各自的好范围内的值的测量点确定QoE函数，不包括已知参数具有在其各自的尚可或坏范围内的值的测量点。
类似地，“其他参数具有所有值”曲线与QoE目标相交的P值可以取作Pfair。也就是说，在所有其他参数在它们各自的所有范围内变化的情况下，值Pfair和更高的P值会使QoE高于其目标—因此，这些P值不会引起服务降级。定量地，QoEtarget＝QoE＝(p1＝any,p2＝any,…,Pfair,…,pn＝any)，其中“p1＝any,p2＝any,…,Pbad,…,pn＝any”意指针对所有测量点确定QoE函数，而不管已知参数p1,p2,…,pn的值。
在RNDA-CCF 28已经收集了无线电网络和业务负载参数，根据它们对QoE的影响对它们进行了排序，选择了排序最高的参数的子集，并且为每个所选参数确定了多个值范围(例如，三个)之后，RNDA-CCF 28然后基于所选参数的值范围将小区分类成组。例如，下载信道以[RSRP：好，RSRQ：坏，负载：中等]为特征的小区内的所有网络将被分组在一起。POF 30然后将优化该小区组的QoS策略而不管该组中有多少小区、小区在地理上分布在哪里或其他因素，并且将该组中的小区的5QI规则转发给PCF 18，以用于执行实现这些小区中的高优先级业务的目标QoE的QoS策略。
在所选参数的数量n相同并且每个参数被划分为相同数量的值范围r的代表性情况下(尽管两个条件都不是对本发明的实施例的限制)，可能的小区分类的数量是rn。例如，在考虑四个最重要的参数并且使用好/尚可/坏值范围的情况下，例如对于下行链路信道，分类的数量是rn＝34＝81。如果在通过上行链路信道对小区进行分类时考虑相同数量的参数和范围，则分类的数量是162。通常，并不是所有的分类都具有分组到其中的小区，因为并不是所有参数的所有值的所有排列都将出现在网络中。
可以通过合并分类来进一步减少分类的数量。如果所确定的优化QoS策略在预定持续时间内对于两个或更多个分类的小区组是相同的，则可以出于QoS策略管理的目的而合并这些组。例如，小区分类[RSRP：好，RSRQ：坏，负载：中等]和[RSRP：好，RSRQ：坏，负载：低]：如果POF 30为这两个分类的小区组生成的5QI规则在一段持续时间内是相同的，则可以将它们合并。这可能因为一个参数占优势而发生。在该示例中，RSRQ参数驱动QoS策略，无论小区携带的是低负载还是中等负载。然而，如果对于相同的其他参数值范围，高小区负载将导致不同的QoS策略，则分类[RSRP：好，RSRQ：坏，负载：高]不会被合并。
针对每个分类的小区组聚合接收到的QoE反馈数据和测量到的QoS参数。对于每个分类的小区组单独执行策略优化，以至少对于高优先级业务类别实现目标QoE。以下伪代码实现了代表性QoS策略优化算法：
译：
图6描绘了根据本发明的实施例的QoS策略管理的总体方法100。如图所示，方法100可以被认为包括三个过程。根据网络的大小和利用率、无线电条件、可用计算资源、SLA需求等，可以以不同的迭代频率来执行所有过程中的一些过程。这三个过程是小区分类、QoS策略优化和QoS策略应用。在一些实施例中，这三个过程可以由不同的网络功能(其可以在相同或不同的物理网络节点上实现)来执行。例如，如图1所示，在一些实施例中，小区分类可以由RNDA-CCF 28执行；QoS策略优化可以由POF 30执行，并且QoS策略应用可以由PCF18执行。然而，这种任务划分不是对本发明的实施例的限制，并且本领域技术人员将容易地认识到，整个方法100可以由相同的网络功能来执行，或者由不同的网络功能但是通过对方法步骤进行不同于所示方式的分组来执行。
小区分类过程可以不频繁地执行，例如每天执行。备选地，它可以更经常地执行，例如每小时地执行，以使QoS策略适应全天网络利用率的变化。此外，可以触发这样的小区分类发生，即导致和通过已知的或预期的高小区利用率，例如用于预定的体育赛事、音乐会、游行等。QoS策略优化过程通常在小区分类的每个实例之后执行，但是也可以更经常地执行，例如在每天分类小区的实施例中每小时地执行。当然，QoS策略应用将在每次QoS策略优化之后发生，此外，它正在进行中，并且可以动态地执行，例如每当UE进入具有与该UE的先前小区不同的QoS策略的小区时。
在小区分类过程中，在每个小区的基础上获得无线电网络和业务负载参数的测量以及用户QoE的估计(框110)。根据无线电网络和业务负载参数对QoE的影响对它们进行排序(框112)。选择仅由排序最高的少数参数(例如，3或4)组成的这些参数的子集(框114)。为每个所选参数确定多个值范围(框116)。值范围可以基于该参数将(或将不)引起服务质量降级的可能性或确定性。在一个实施例中，使用三个这样的参数值范围，其表示“好”、“尚可”和“坏”值。然后，基于所选参数的值范围将网络小区分类成组(框118)。以这种方式，可以一起管理经历相同或相似无线电条件和/或业务负载的小区组的QoS。该方法提供比在网络上全局地应用的策略更优化的QoS管理，而没有单独管理每个小区的QoS的计算负荷(和数据缺乏)。
在QoS策略优化过程中，至少针对高优先级业务类别获得QoE目标(框120)。这些目标可以例如从SLA 34或SoC 32中的其他目标设置机制中获得。然后，针对每个分类的小区组分别优化高优先级业务类别的QoS策略，以满足QoS目标(框122)。QoS策略可以包括确定或多或少严格的5QI规则以应用于分类的小区组，以使实际用户QoE与QoE目标一致。这确保了将足够的网络资源应用于具有高负载和/或较差无线电条件的小区中的至少高优先级业务流，并且还确保了在具有良好无线电条件的小区中保留网络资源。
在QoS策略应用过程中，将新的、优化的QoS策略应用于每个分类的小区组(未示出)中的所有小区。此后，在正在进行的过程中，当新的UE被切换到具有与UE的切换源小区不同的QoS策略的目标小区时，PCF 18对切换目标小区已经被分类到其中的分类小区组实施优化的QoS策略(框124)。以这种方式，对小区中的至少所有高优先级业务流实施为获得小区中的目标QoE而优化的QoS策略。
本文描述的设备可以通过实现任何功能装置、模块、单元或电路来执行本文的方法100和任何其他处理。例如，在一些实施例中，该设备包括被配置为执行图6所示的步骤的相应电路或电路系统。在这点上，电路或电路系统可以包括专用于执行某些功能处理的电路和/或与存储器结合的一个或多个微处理器。例如，电路可以包括一个或多个微处理器或微控制器以及其他数字硬件(其可以包括数字信号处理器(DSP)、专用数字逻辑等)。处理电路可以被配置为执行存储在存储器中的程序代码，存储器可以包括一种或多种类型的存储器，例如只读存储器(ROM)、随机存取存储器、高速缓冲存储器、闪存设备、光存储设备等。在若干实施例中，存储在存储器中的程序代码可以包括用于执行一个或多个电信和/或数据通信协议的程序指令以及用于执行本文所述的一种或多种技术的指令。在采用存储器的实施例中，存储器存储程序代码，该程序代码当由一个或多个处理器执行时执行本文所述的技术。
例如，图7是示出根据一个或多个实施例实现的网络节点50的硬件框图。网络节点50可以被配置为实现网络功能，例如RNDA-CCF 28或POF 30。如图所示，网络节点50包括可操作地耦合到存储器54和通信电路56的处理电路52。通信电路56被配置为例如经由任何通信技术向一个或多个其他节点发送信息和/或从一个或多个其他节点接收信息。处理电路52被配置为例如通过执行存储在存储器54中的指令来执行本文所述的处理。在这点上，处理电路52可以实现某些功能装置、单元或模块。
图8示出了根据本发明的实施例的无线网络中的无线电和网络数据分析和小区分类功能(RNDA-CCF 29)的功能框图。RNDA-CCF 29例如可以在如图7所示的网络节点50中实现。RNDA-CCF 29例如经由图7中的处理电路52和/或经由软件代码实现各种功能装置、单元或模块。例如用于实现本文的方法100的这些功能装置、单元或模块例如包括：网络参数和QoE获取单元60、网络参数排序单元62、参数选择单元64、值范围确定单元66和小区分类单元68。
网络参数和QoE获取单元60被配置为在每个小区的基础上获得无线电网络和业务负载参数的测量以及用户QoE的估计。网络参数排序单元62被配置为根据无线电网络和业务负载参数对QoE的影响来对它们进行排序。参数选择单元64被配置为选择排序最高的参数的子集。值范围确定单元66被配置为针对每个所选参数确定多个值范围。小区分类单元68被配置为基于所选参数的值范围将小区分类成组。
图9示出了根据本发明的实施例的无线网络中的策略优化功能(POF 30)的功能框图。POF 30可以在例如图7所示的网络节点50中实现。POF 30例如经由图7中的处理电路52和/或经由软件代码实现各种功能装置、单元或模块。例如用于实现本文的方法100的这些功能装置、单元或模块例如包括：QoE目标获取单元70和QoS策略优化单元72。
QoE目标获取单元70被配置为获得至少高优先级业务类别的QoE目标。QoS策略优化单元72被配置为分别针对每个分类的小区组优化高优先级业务类别的QoS策略，以满足QoE目标。
本领域技术人员还将理解，本文的实施例还包括相应的计算机程序。
一种计算机程序包括指令，该指令当在设备的至少一个处理器上执行时使该设备执行上述相应处理中的任一个。在这点上，计算机程序可以包括对应于上述装置或单元的一个或多个代码模块。
实施例还包括包含这种计算机程序的载体。该载体可以包括电子信号、光信号、无线电信号或计算机可读存储介质之一。
在这点上，本文的实施例还包括存储在非暂时性计算机可读(存储或记录)介质上的计算机程序产品，该计算机程序产品包括指令，该指令当由设备的处理器执行时使该设备如上所述地执行。
实施例还包括计算机程序产品，该计算机程序产品包括程序代码部分，当计算机程序产品由计算设备执行时，该程序代码部分用于执行本文的任何实施例的步骤。该计算机程序产品可以存储在计算机可读记录介质上。
本发明的实施例与现有技术相比具有许多优点。它们通过自动地适应网络小区中的不同无线电和负载条件来确保SLA中规定的QoE(或由服务操作确定的其他质量目标)。如果违反了QoE目标，则仅针对受影响的小区将SLA业务自动地映射到较高优先级的5QI类别，从而提供更好的QoS(分组级别)服务，直到满足QoE目标为止。另一方面，如果测量的QoE好于目标值(可选择的量)，则业务被映射到受影响小区中的较低优先级5QI类别，从而确保RAN和CN中的最佳资源使用。由于小区的无线电和负载条件可以非常不同，因此从网络资源(调度优先级、物理资源块等)的观点来看，与例如应用统一全局策略的传统方法相比，将不同的策略应用于不同的小区条件的本发明的实施例具有更高的资源效率。此外，与全局优化方法不同，确保了有问题小区中的QoE目标，在全局优化方法中，QoE在有问题的小区中可能保持低于目标，而在具有良好无线电条件的小区中却比目标好得多。使用现有的功能性和标准化网络协议在PCF 18中配置按分类的小区组优化的QoS策略。因此，它们的应用和实施非常快，开销低，并且可以在每当新UE进入小区时执行。
如上面所公开的，根据本发明的实施例，小区分类过程连续地测量小区的无线电和负载条件，并且将小区分类为相对少量的组。该方法具有至少三个显著的优点：(i)该算法考虑了小区和负载条件的大范围变化，导致在网络级别上比全局算法更优的策略映射；(ii)该算法不是按小区运行(这将需要过高的处理能力)的；以及(iii)在小区组内，有足够大的测量样本用于适当的策略决策和优化循环的稳定操作。在一些实施例中，该算法可以每小时地运行，并且它也采用配合每日业务变化(业务简档)的QoS策略。
通常，本文使用的所有术语将根据它们在相关技术领域中的普通含义来解释，除非从使用它的上下文中清楚地给出和/或暗示不同的含义。除非另外明确说明，否则对元件、设备、组件、装置、步骤等的所有引用将被开放地解释为引用元件、设备、组件、装置、步骤等的至少一个实例。本文公开的任何方法的步骤不必以所公开的确切顺序执行，除非步骤被明确地描述为在另一步骤之后或之前和/或其中暗示步骤必须在另一步骤之后或之前。本文公开的任何实施例的任何特征可以应用于任何其他实施例，只要合适。同样，任何实施例的任何优点适用于任何其他实施例，反之亦然。所附实施例的其他目的、特征和优点将从描述中显而易见。
术语“单元”可以具有电子器件、电气设备和/或电子设备领域中的常规含义，并且可以例如包括电气和/或电子电路、装置、模块、处理器、存储器、逻辑固态和/或离散装置、用于执行相应任务、程序、计算、输出和/或显示功能等的计算机程序或指令，例如本文所描述的那些。如本文所使用的，术语“被配置为”意指被设置、组织、适配或安排为以特定方式操作；该术语与“被设计为”同义。如本文所使用的，术语“实质上”意指几乎或基本上，但不一定是完全地；该术语包含且考虑了机械或组件值公差、测量误差、随机变化和类似的不精确性来源。
参考附图更全面地描述本文所设想的一些实施例。然而，其他实施例被包含在本文所公开的主题的范围内。所公开的主题不应被解释为仅限于本文所阐述的实施例；相反，这些实施例是通过示例的方式提供的，以向本领域技术人员传达主题的范围。
当然，在不脱离本发明的基本特征的情况下，本发明可以以不同于本文具体阐述的方式的其他方式来实现。本实施例在所有方面都被认为是说明性的而不是限制性的，并且落入所附权利要求的含义和等同范围内的所有变化都旨在被包含在其中。
Claims (26)
1.一种对无线通信网络中的小区进行分类以用于服务质量QoS策略优化的方法(100)，所述方法的特征在于：
获得(110)每个小区的无线电网络和业务负载参数的测量以及用户体验质量QoE的估计；
根据所述无线电网络和业务负载参数对QoE的影响对所述无线电网络和业务负载参数进行排序(112)；
选择(114)排序最高的参数的子集；
为每个所选参数确定(116)多个值范围；以及
基于所选参数的值范围将小区分类(118)成组。
2.根据权利要求1所述的方法(100)，其特征还在于：
获得(120)至少高优先级业务类别的QoE目标；以及
分别针对每个分类的小区组优化(122)所述高优先级业务类别的QoS策略，以满足所述QoE目标。
3.根据任一前述权利要求所述的方法(100)，其中，所述方法(100)是分别针对上行链路和下行链路业务执行的。
4.根据权利要求2-3中任一项所述的方法(100)，其特征还在于，通过网络策略计费功能为每个分类的小区组中的每个小区实现优化的QoS策略。
5.根据权利要求4所述的方法(100)，其特征还在于，将小区的优化的QoS策略应用(124)于从具有不同QoS策略的小区进入所述小区的用户设备。
6.根据任一前述权利要求所述的方法(100)，其中，根据所述无线电网络和业务负载参数对QoE的影响对所述无线电网络和业务负载参数进行排序(112)包括：
对于每个参数，计算在参数值的归一化值范围内参数值每次变化的QoE变化率；
比较所述变化率；以及
根据每个参数相关联的变化率对参数进行排序。
7.根据任一前述权利要求所述的方法(100)，其中，为每个所选参数确定(116)多个值范围包括确定三个值范围，其中：
第一范围内的参数值引起QoS降级；
第二范围内的参数值不能引起QoS降级；以及
第三范围内的参数值位于所述第一范围和所述第二范围之间，并且所述第三范围内的参数值可能引起QoS降级。
8.根据任一前述权利要求所述的方法(100)，其中，为每个所选参数确定(116)多个值范围包括将预定阈值应用于参数值。
9.根据权利要求1-7中任一项所述的方法(100)，其中，为每个所选参数确定(116)多个值范围包括：
根据参数的测量值对多个小区进行排序；以及
根据小区排序的预定百分比值将参数值划分为多个范围。
10.根据权利要求7所述的方法(100)，其中，为所选参数中所识别的一个参数确定(116)多个值范围包括：
为除了所识别的所选参数之外的所选参数确定所述多个值范围；
通过拟合作为所识别参数的函数的QoE曲线来确定所识别参数的第一范围的阈值，其中，所有其他的所选参数值在所述第二范围内，并且其中，所述所识别参数的第一范围的阈值是所拟合的QoE曲线等于目标QoE处的值；以及
通过使用所有其他的所选参数值拟合作为所述所识别参数的函数的QoE曲线来确定所述所识别参数的第三范围的阈值，并且其中，所述所识别参数的第三范围的阈值是所拟合的QoE曲线等于所述目标QoE处的值。
11.根据权利要求2-10中任一项所述的方法(100)，其中，获得(120)至少高优先级业务类别的QoE目标包括从一个或多个服务水平协议中获得QoE目标。
12.根据权利要求2-11中任一项所述的方法(100)，其中，分别针对每个分类的小区组优化(122)所述高优先级业务类别的QoS策略以满足所述QoE目标包括：分别针对每个分类的小区组，
如果所述高优先级业务类别的估计QoE小于所述目标QoE，则应用更严格的QoS指标；以及
如果所述高优先级业务类别的估计QoE超过所述目标QoE预定阈值或更大，则应用较不严格的QoS指标。
13.根据权利要求2-12中任一项所述的方法(100)，其特征还在于，如果每个组中所确定的策略在预定持续时间内相同，则合并两个归类的小区组。
14.一种在实施服务质量QoS策略的无线通信网络中操作的网络节点(50)，其特征在于：
通信电路(56)，被配置为与其他网络节点进行通信；以及
处理电路(52)，能够操作地连接到所述通信电路并且被配置为：
获得(110)每个小区的无线电网络和业务负载参数的测量以及用户体验质量QoE的估计；
根据所述无线电网络和业务负载参数对QoE的影响对所述无线电网络和业务负载参数进行排序(112)；
选择(114)排序最高的参数的子集；
为每个所选参数确定(116)多个值范围；以及
基于所选参数的值范围将小区分类(118)成组。
15.根据权利要求14所述的网络节点(50)，其中，所述处理电路(52)还被配置为：
获得(120)至少高优先级业务类别的QoE目标；以及
分别针对每个分类的小区组优化(122)所述高优先级业务类别的QoS策略，以满足所述QoE目标。
16.根据权利要求14-15中任一项所述的网络节点(50)，其中，所述处理电路(52)被配置为分别针对上行链路和下行链路业务执行所述获得(110)、排序(112)、选择(114)、确定(116)和分类(118)步骤。
17.根据权利要求15-16中任一项所述的网络节点(50)，其中，所述处理电路(52)还被配置为通过网络策略计费功能为每个分类的小区组中的每个小区实现优化的QoS策略。
18.根据权利要求17所述的网络节点(50)，其中，所述处理电路(52)还被配置为将小区的优化的QoS策略应用(124)于从具有不同QoS策略的小区进入所述小区的用户设备。
19.根据权利要求14-18中任一项所述的网络节点(50)，其中，所述处理电路(52)被配置为通过以下方式根据所述无线电网络和业务负载参数对QoE的影响对所述无线电网络和业务负载参数进行排序(112)：
对于每个参数，计算在参数值的归一化值范围内参数值每次变化的QoE变化率；
比较所述变化率；以及
根据每个参数相关联的变化率对参数进行排序。
20.根据权利要求14-19中任一项所述的网络节点(50)，其中，所述处理电路(52)被配置为通过确定三个值范围来为每个所选参数确定(116)多个值范围，其中：
第一范围内的参数值引起QoS降级；
第二范围内的参数值不能引起QoS降级；以及
第三范围内的参数值位于所述第一范围和所述第二范围之间，并且所述第三范围内的参数值可能引起QoS降级。
21.根据权利要求14-20中任一项所述的网络节点(50)，其中，所述处理电路(52)被配置为通过将预定阈值应用于参数值来为每个所选参数确定(116)多个值范围。
22.根据权利要求14-20中任一项所述的网络节点(50)，其中，所述处理电路(52)被配置为通过以下方式为每个所选参数确定(116)多个值范围：
根据参数的测量值对多个小区进行排序；以及
根据所述小区排序的预定百分比值将参数值划分为多个范围。
23.根据权利要求20所述的网络节点(50)，其中，所述处理电路(52)被配置为通过以下方式为所选参数中所识别的一个参数确定(116)多个值范围：
为除了所识别的所选参数之外的所选参数确定所述多个值范围；
通过拟合作为所识别参数的函数的QoE曲线来确定所识别参数的第一范围的阈值，其中，所有其他的所选参数值在第二范围内，并且其中，所述所识别参数的第一范围的阈值是所拟合的QoE曲线等于目标QoE处的值；以及
通过使用所有其他的所选参数值拟合作为所述所识别参数的函数的QoE曲线来确定所述所识别参数的第三范围的阈值，并且其中，所述所识别参数的第三范围的阈值是所拟合的QoE曲线等于所述目标QoE处的值。
24.根据权利要求15-23中任一项所述的网络节点(50)，其中，所述处理电路(52)被配置为通过从一个或多个服务水平协议中获得QoE目标来获得(120)至少高优先级业务类别的QoE目标。
25.根据权利要求15-24中任一项所述的网络节点(50)，其中，所述处理电路(52)被配置为通过以下方式分别针对每个分类的小区组优化(122)所述高优先级业务类别的QoS策略以满足所述QoE目标：分别针对每个分类的小区组：
如果所述高优先级业务类别的估计QoE小于所述目标QoE，则应用更严格的QoS指标；以及
如果所述高优先级业务类别的估计QoE超过所述目标QoE预定阈值或更大，则应用较不严格的QoS指标。
26.根据权利要求14-25中任一项所述的网络节点(50)，其中，所述处理电路(52)还被配置为：如果每个组中所确定的QoS策略在预定持续时间内相同，则合并两个归类的小区组。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/IB2021/050132 WO2022148995A1 (en) | 2021-01-08 | 2021-01-08 | Network cell classification for qos policy optimization |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116724595A true CN116724595A (zh) | 2023-09-08 |
Family
ID=74187339
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180089446.4A Pending CN116724595A (zh) | 2021-01-08 | 2021-01-08 | 用于QoS策略优化的网络小区分类 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20240064554A1 (zh) |
| EP (1) | EP4275378A1 (zh) |
| CN (1) | CN116724595A (zh) |
| WO (1) | WO2022148995A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115460041B (zh) * | 2022-09-15 | 2023-08-29 | 重庆大学 | 一种5G与TSN融合网络QoS映射方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107113635B (zh) * | 2014-12-17 | 2020-02-14 | 华为技术有限公司 | 用于确定小区状态以调整天线配置参数的方法和装置 |
| US10142889B2 (en) * | 2016-05-13 | 2018-11-27 | Huawei Technologies Co., Ltd. | Method and system for providing guaranteed quality of service and quality of experience channel |
| US10986516B2 (en) * | 2017-03-10 | 2021-04-20 | Huawei Technologies Co., Ltd. | System and method of network policy optimization |
| US10779183B2 (en) * | 2018-07-17 | 2020-09-15 | Facebook, Inc. | Detecting communication network insights of alerts |
| US11678252B2 (en) * | 2018-10-05 | 2023-06-13 | Huawei Technologies Co., Ltd. | Quality of service information notification to user equipment, users, and application server |
-
2021
- 2021-01-08 CN CN202180089446.4A patent/CN116724595A/zh active Pending
- 2021-01-08 US US18/269,661 patent/US20240064554A1/en active Pending
- 2021-01-08 EP EP21700810.1A patent/EP4275378A1/en active Pending
- 2021-01-08 WO PCT/IB2021/050132 patent/WO2022148995A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| EP4275378A1 (en) | 2023-11-15 |
| US20240064554A1 (en) | 2024-02-22 |
| WO2022148995A1 (en) | 2022-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| USRE49566E1 (en) | Adjusting transmit power across a network | |
| US20210037544A1 (en) | Network slicing based on one or more token counters | |
| US9179363B2 (en) | Systems and methods for determining a coupling characteristic in a radio communications network | |
| KR101654312B1 (ko) | Qoe를 최적화하기 위하여 사용자 장비를 개별적으로 제어하기 위한 방법 및 장치들 | |
| EP3962171A1 (en) | User equipment centric wide area optimization method and system thereof | |
| EP3957100A1 (en) | Resource allocation in a network slice | |
| US20210258941A1 (en) | Optimization of 5g (fifth generation) beam coverage and capacity and nsi (network slice instance) resource allocation | |
| US11304074B1 (en) | Systems and methods for orchestration and optimization of wireless networks | |
| US20220104127A1 (en) | Method and apparatus for power management in a wireless communication system | |
| US20240064554A1 (en) | Network Cell Classification for QoS Policy Optimization | |
| CN112672364B (zh) | 策略配置方法、装置、相关设备及存储介质 | |
| CN113728673A (zh) | 用于估计被无线电问题抑制的数据业务的方法和装置 | |
| Wille et al. | Estimating pole capacity in a live HSDPA network | |
| Lee et al. | CASTLE over the air: Distributed scheduling for cellular data transmissions | |
| Fernández-Segovia et al. | Estimating cell capacity from network measurements in a multi-service LTE system | |
| US20230038198A1 (en) | Dynamic wireless network throughput adjustment | |
| US11330448B2 (en) | Dynamic adaptation of mobile network coverage | |
| Zalghout et al. | A greedy heuristic algorithm for context-aware user association and resource allocation in heterogeneous wireless networks | |
| US10305665B2 (en) | ABS proportion adjustment method and device | |
| Smaoui et al. | Multi-criteria dynamic access selection in heterogeneous wireless networks | |
| CN111836351B (zh) | 一种功率分配方法及装置 | |
| US20240064563A1 (en) | Systems and methods for network design and configuration based on user-level usage modeling | |
| Zvinys et al. | QoS efficiency for individual user in 3G networks | |
| Datsika et al. | Green Resource Management for Over-the-Top Services in 5G Networks Using Matching Theory | |
| CN114698132A (zh) | 一种调度调整方法及设备 |
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 |