CN116803120A - 分布式网络中的预测 - Google Patents
分布式网络中的预测 Download PDFInfo
- Publication number
- CN116803120A CN116803120A CN202180091642.5A CN202180091642A CN116803120A CN 116803120 A CN116803120 A CN 116803120A CN 202180091642 A CN202180091642 A CN 202180091642A CN 116803120 A CN116803120 A CN 116803120A
- Authority
- CN
- China
- Prior art keywords
- network node
- prediction
- data
- request
- response
- 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
- 230000004044 response Effects 0.000 claims abstract description 63
- 238000004891 communication Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 31
- 230000004913 activation Effects 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000001413 cellular 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
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
-
- 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
- H04W92/00—Interfaces specially adapted for wireless communication networks
- H04W92/16—Interfaces between hierarchically similar devices
- H04W92/20—Interfaces between hierarchically similar devices between access points
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种包括网络节点(20)的通信网络,网络节点被配置为生成从至少一个其它网络节点请求预测数据的请求(200)。另一网络节点被配置为响应于接收到针对预测数据的请求,生成预测数据并且向该请求网络节点传送(220)预测数据。
Description
技术领域
各种示例实施例涉及在分布式网络内使用预测数据。
背景技术
预测在网络中越来越多地被用作提高性能的方法。例如,针对UE轨迹或未来位置的预测可用于调整切换(HO)阈值或选择RRC-INACTIVE中的基于RAN的通知区域(RNA)或优化波束成形。针对UE位置的预测可以进一步帮助网络资源分配,以用于包括节能、负载平衡和移动性管理的各种使用情况。作为另一示例,可以通过使用关于目标小区处的UE性能的预测信息来改进HO决策。可以通过利用传入UE业务的预测信息,以及关于可以从候选节能小区卸载到确保覆盖的相邻小区的业务的预测信息来改进在小区本地作出的节能决策。随着计算能力、人工智能和机器学习的提高,预测数据的使用在提高网络(如无线通信网络)内设备的性能方面变得越来越重要。
通信网络可以被开发为具有对等通信的分布式系统,而不是具有集中控制模式。这对于多供应商系统来说效果很好,然而,在多供应商系统中的预测的数据被用来提高网络内的性能,那么在设备的性能受到网络内其它设备影响的情况下,提高设备的性能可能是有问题的。
发明内容
本发明的各种实施例所寻求的保护范围由独立权利要求所阐述。本说明书中描述的不属于独立权利要求范围的实施例和特征(如果有的话)将被解释为有助于理解本发明的各种实施例的示例。
根据本发明的各种但不一定是全部的实施例,根据第一方面,提供了一种网络节点,该网络节点具有被配置为生成请求,以从至少一个其它网络节点请求预测数据的装置。
在一些示例实施例中,所述网络节点可以还包括用于向至少一个另外的网络节点传送所述请求的装置。
在一些示例实施例中,所述请求包括针对所述至少一个其它网络节点的指示,所述指示用于指示生成所述预测数据的预测应当在所述至少一个其它网络节点处执行。
在一些示例实施例中,所述至少一个其它网络节点是所述请求被传送到的至少一个另外的网络节点。
在一些示例实施例中,所述请求包括针对触发器的指示,所述针对触发器的指示用于触发所述预测,所述预测用于生成要被执行的所述预测数据。
在一些示例实施例中,所述触发器包括以下各项中的至少一项:应当执行所述预测的时间段;多个时间段,在所述多个时间段内应当执行多个所述预测;以及至少一个用于触发所述请求的事件。
在一些示例实施例中,所述请求包括所述预测数据应当满足的置信水平的指示。
在一些示例实施例中,所述网络节点可以还包括用于确定所述网络的至少一个操作参数的装置,用于确定的所述装置被配置为查明需要的数据,所述需要的数据用于所述确定,并且响应于所述数据是在至少一个其它网络节点处可获取的预测数据,用于确定的所述装置被配置为触发被配置为生成所述请求,以生成针对所述预测数据的所述被请求的所述装置。
在一些示例实施例中,用于确定的所述装置包括用于预测所述网络的至少一个操作参数的预测装置。
在一些示例实施例中,所述预测装置包括处理器,所述处理器被配置为执行机器学习模型,所述预测的至少一个操作参数由所述机器学习模型依赖于接收的预测数据生成。
在一些示例实施例中,所述网络节点包括接收由所述请求请求的接收装置。
在一些示例实施例中,所述网络节点包括用于从其它网络节点接收针对预测数据的请求的接收装置。
在一些示例实施例中,所述网络节点被配置为,响应于从其它请求网络节点接收针对预测数据的请求,请求激活所述预测装置以生成所述预测数据。
在一些示例实施例中,所述网络节点还被配置为在所述预测装置激活之后,生成针对所述其它请求网络节点的响应,以指示预测已经开始。
在一些示例实施例中,响应包括预测开始的时间的指示。
在一些示例实施例中,所述网络节点被配置为响应于所述预测装置指示在恢复所述激活请求之前,请求的预测已经开始,生成对所述其它请求网络节点的响应,以指示所述预测开始的时间。
在一些示例实施例中,所述接收的请求包括针对触发器的指示,所述针对触发器的指示用于触发预测,所述预测用于生成要被执行的所述预测数据;所述网络节点被配置为在请求激活所述预测装置之前,等待所述指示的触发发生。
在一些示例实施例中,所述触发器包括以下各项中的至少一项:应当执行所述预测的时间段;多个时间段,在该多个时间段内应当执行多个所述预测;以及至少一个用于触发所述请求的事件。
在一些示例实施例中,所述接收的请求包括所述预测数据应当满足的置信水平的指示,所述预测装置被配置为生成被预测以满足所述置信水平的预测数据。
在一些示例实施例中,所述用于传送的装置被配置为向所述其它请求网络节点传送所述被请求的预测数据。
在一些示例实施例中,所述用于传送的装置被配置为在完成所述预测时传送所述被请求的预测数据。
在一些示例实施例中,所述用于传送的装置被配置为周期性地传送所述被请求的预测数据。
在一些示例实施例中,所述用于传送的装置被配置为传送所述被请求的预测数据以及所述预测数据的置信水平。
在一些示例实施例中,所述用于传送的装置被配置为将所述预测的完成时间与所述预测数据一起传送。
在一些示例实施例中,所述网络节点被配置为响应于所述预测装置不能生成所述被请求的预测数据,生成预测失败响应。
在一些示例实施例中,所述生成的预测失败响应包括所述失败原因的指示。
在一些示例实施例中,所述失败的所述原因包括以下各项中的任一项:不能满足请求的触发条件;不能满足要求的置信水平;或资源不足。
在一些示例实施例中,所述用于传送的装置被配置为响应于以下各项中的任一项,向另外的网络节点传送对所述预测数据中的所述至少一些的请求:在所述请求中的指示,指示所述预测数据中的至少一些的所述请求应当由所述另外的网络节点生成;以及所述预测数据不能由所述网络节点获取。
根据本发明的各种但不一定全部的实施例,根据第二方面,提供了一种网络节点,包括:预测装置,所述预测装置用于预测所述网络的至少一个操作参数;其中所述网络节点响应于从其它网络节点接收对预测数据的请求,请求激活所述预测装置以生成所述预测数据。
在一些示例实施例中,所述网络节点还被配置为在所述预测装置的激活之后,生成针对所述其它网络节点的响应,以指示预测已经开始。
在一些示例实施例中,所述网络节点还被配置为响应于所述预测装置指示在恢复所述激活请求之前,请求的预测已经开始,生成对所述其它请求网络节点的响应,以指示所述预测开始的时间。
在一些示例实施例中,所述请求包括针对触发器的指示,所述针对触发器的指示用于触发预测,所述预测用于生成要被执行的所述预测数据;所述网络节点被配置为在请求激活所述预测装置之前,等待所述指示的触发发生。
在一些示例实施例中,所述触发器包括以下中的至少一个:一个时间段,应当在此时间段内执行所述预测;多个时间段,在该多个时间段内应当执行多个所述预测;以及至少一个用于触发所述请求的事件。
在一些示例实施例中,所述请求包括所述预测数据应当满足的置信水平的指示,所述预测装置被配置为生成被预测以满足所述置信水平的预测数据。
在一些示例实施例中,所述网络节点被配置为向所述其它网络节点传送所述被请求的预测数据。
在一些示例实施例中,所述网络节点被配置为在完成所述预测时传送所述被请求的预测数据。
在一些示例实施例中,所述网络节点被配置为周期性地传送所述被请求的预测数据。
在一些示例实施例中,所述网络节点被配置为传送所述被请求的预测数据以及所述预测数据的置信水平。
在一些示例实施例中,所述网络节点被配置为将所述预测的完成时间与所述预测数据一起传送。
在一些示例实施例中,所述网络节点被配置为响应于所述预测装置不能生成所述被请求的预测数据,生成预测失败响应。
在一些示例实施例中,所述生成的预测失败响应包括所述失败原因的指示。
在一些示例实施例中,所述失败的所述原因包括以下各项中的任一项:不能满足请求的触发条件;不能满足要求的置信水平;或资源不足。
在一些示例实施例中,所述网络节点被配置为响应于以下各项中的任一项,向另外的网络节点传送对所述预测数据中的所述至少一些的请求:在所述请求中的指示,指示所述预测数据中的至少一些的所述请求应当由所述另外的网络节点生成;以及所述预测数据不能由所述网络节点获取。
在一些示例实施例中,所述预测装置包括处理器,所述处理器被配置为执行机器学习模型,所述预测数据由所述机器学习模型生成。
根据本发明的各种但不一定全部的实施例,根据第三方面,提供了一种无线通信系统,包括根据第一方面所述的至少一个网络节点和根据第二方面所述的多个网络节点。
根据本发明的各种但不一定是全部实施例,根据第四方面,提供了一种方法,包括:在网络节点处生成请求,以从至少一个其它网络节点请求预测数据。
在一些示例实施例中,该方法包括初始步骤,确定所需的数据,所述所需的数据用于确定网络的操作参数;以及响应于所述所需的数据是在至少一个其它网络节点处可获取的预测数据,以生成针对所述预测数据的所述请求。
在一些示例实施例中,该方法还包括向另外的网络节点传送所述请求。
在一些示例实施例中,该方法还包括接收所述预测数据;以及使用所述接收的预测数据来确定所述网络的操作参数。
根据本发明的各种但不一定全部的实施例,根据第五方面,提供了一种方法,包括:从其它网络节点接收针对预测数据的请求;以及生成所述预测数据。
在一些示例实施例中,该方法还包括向另外的网络节点传送所述请求。
根据本发明的各种但不一定全部的实施例,根据第六方面,提供了一种包括计算机可读指令的计算机程序,所述计算机可读指令在被处理器执行时,可以是可操作的以控制所述处理器:生成请求,以从至少一个远程网络节点请求预测数据。
根据本发明的各种但不一定全部的实施例,根据第七方面,提供了一种包括计算机可读指令的计算机程序,所述计算机可读指令在被处理器执行时,可以是可操作的以控制所述处理器:响应于请求预测数据的请求,生成所述预测数据。
在一些实施例中,所述计算机程序可以是进一步可操作的以控制所述处理器:生成请求,以从至少一个远程网络节点请求预测数据。
被配置为生成请求的装置可以包括被配置为生成所述被请求的电路。
用于预测的预测装置可以包括被配置为执行预测的预测电路。
用于传送的装置可以包括被配置为传送的发射机或传输电路,用于接收的装置可以包括被配置为接收的接收机或接收电路。
在所附的独立权利要求和从属权利要求中阐述了进一步的特定方面和优选方面。从属权利要求的特征可以适当地与独立权利要求的特征相结合,并且可以是除了权利要求中明确陈述的那些特征之外的组合。
在装置特征被描述为可操作以提供功能的情况下,应当理解的是,这包括提供该功能的装置特征,或者被适配为提供该功能或者被配置为提供该功能。
附图说明
现在将参考附图来描述一些示例性实施例,其中:
图1示出了示意性地示出了示例实施例的方法的步骤的流程图;
图2示出了示意性地示出了示例实施例的方法的步骤的流程图;
图3示意性地示出了根据示例实施例的包括网络节点的网络系统;以及
图4至图7示意性地示出了根据示例实施例的网络节点之间的信号传输、请求预测数据和响应请求。
具体实施方式
在更详细地讨论示例实施例之前,首先将提供概述。
通信网络正变得越来越复杂,并且因为可以有效地预测未来的操作条件(例如要服务的用户设备的数量、预期的数据速率、数据的性质等等),通信网络的性能可以得到改善。由于通信网络的分布式性质,这些经常复杂的预测或优化可能需要的一些预测数据可以只能由不同的节点获取。因此,示例实施例提供了网络节点,该网络节点被配置为从另一个节点请求预测数据,并在该网络节点的确定或预测(例如预测网络的未来场景)中使用该预测数据。
实施例的网络节点可以作为请求实体和接收实体两者或两者中的其中之一,并且可以是有时被称为RAN节点或eNB、可以是gNB或ng eNB的NG-RAN节点(在3GPP TS 38.300中描述)、en gNB(在3GPPTS 37.340中描述),网络控制节点、虚拟化网络功能、接入点的基站或UE。在分离架构的情况下(参见3GPP TS 38.401),传送实体和接收实体或网络节点可以是gNB CU(集中式单元)或gNB DU(分布式单元)(用于F1接口上的信息传输,参见3GPPTS38.473),或ng eNB CU和ng eNB DU(用于W1接口上的信息传输,并且Uu(当从用户设备请求或由用户设备请求预测数据时)接口可以用于这些信号的传输。
实施例的网络节点还可以包括基站的一部分或RAN节点的一部分(例如,在分离基站的情况下,诸如集中式单元(CU)和/或分布式单元(DU))。基站(例如,接入点(AP)、基站(BS)或(e)节点B(eNB)、BS、RAN节点)的功能的至少一部分也可以由可操作地耦合到收发机(例如,远程无线电头)的任何节点、服务器或主机来执行。BS(或AP)可以在小区内提供无线覆盖,包括向用户设备(或UE)提供无线覆盖。在网络节点是BS的情况下,其可以经由S1接口或NG接口连接到核心网络。这仅仅是其中可以使用根据实施例的网络节点的无线网络的一个示例。基站是无线网络内的无线电接入网络(RAN)节点的示例。BS(或RAN节点)可以是或可以包括(或可替换地被称为),例如,接入点(AP)、gNB、eNB或其中的一部分(例如,在分离BS或分离gNB的情况下,集中式单元(CU)和/或分布式单元(DU)),或其它网络节点。
根据其中可以使用实施例的网络的示例,BS节点(例如,BS、eNB、gNB、CU/DU等)或无线电接入网络(RAN)可以是移动通信系统的一部分。基站也可以是集成接入和回程(IAB)节点(也称为中继节点)的分布式单元(DU)部分。DU促进IAB节点的接入链路连接。
用于在实施例的网络节点之间传输信号的接口可以是根据第三代合作伙伴计划(3GPP)、下一代无线电接入网(NG-RAN)架构提供的接口,并且可以包括用于互连下一代节点B(gNB)的至少一个Xn-C接口(TS 38.401)。这些gNB还可以使用如3GPP技术规范(TS)38.423中所定义的XnAP过程以及经由中间第五代核心网(5GC)111的至少一个下一代(NG)接口进行互连。在一些情况下,gNB节点可以包括至少一个gNB集中式单元(CU)或节点,如3GPP TS 38.473中所定义的,通过使用F1AP过程的至少一个F1接口连接到至少一个g NB分散式单元(DU)或节点。gNB DU也可以由至少一个操作和维护(OAM)单元控制和配置。
示例实施例为网络节点提供了请求一个或多个另外的网络节点发起预测、生成预测数据并将该预测数据传送到请求节点的能力。请求节点不仅可以在请求中指示所需的预测数据的类型,还可以指示所要求的置信水平、何时应当执行预测以及在某些情况下应当多久执行一次预测。
在一些实施例中,复杂的预测或优化任务由人工智能AI/机器ML来解决,并且需要来自多个网络节点的预测信息。示例包括节能或需要预测UE分布或业务分布的波束成形。然而,当前的NG-RAN(下一代无线电接入网络)基于RAN节点之间的对等关系,从LTE继承了分布式架构,并且集中确定这些参数可能是有问题的。设计这样的分布式RAN架构的目的是避免集中式RAN节点,例如通过避免单点故障来节省成本并简化网络操作。示例实施例使得能够在预测算法(诸如机器学习预测算法和位于分布式RAN节点(例如NG-RAN节点)中的其它算法)之间进行交互,其中这些算法中的每一个算法均基于本地可用信息的使用。
例如,提高节能:现今可以实现ML技术来提供关于本地服务的UE(在自己的小区或自己的节点中)的预测信息,并且节点A中的这种局部算法因此可以用于预测向给定目标节点B的传出切换的速率或数量。示例实施例使得节点B能够在节点A中触发这种算法,并且随后将预测结果报告回节点B。
实施例允许一个实体向另一个实体传送预测状态请求消息。利用预测状态请求消息,传送实体请求接收实体报告在接收侧预测的参数。这些参数在预测状态请求消息中指示。要预测的参数可以是计数器的未来值或接收侧节点内部的测量值,该接收侧节点可以是gNB。可替换地,参数可以是期望的UE测量,例如未来时间范围中的UE位置。
该请求可以包括报告的预测参数应当满足的置信区间,即预测参数应当在一定精确度内。除了置信区间之外,还可以包括一个比例来指示对满足置信区间的预测有贡献的群体的比例(例如,针对至少90%的UE的预测在预测的成功切换数量中满足95%的置信度)。此外,除了上述之外,还可以包括最后期限以设置需要进行预测的时间框架。
预测值可以从接收实体内的不同实体或者与接收实体通信的不同实体请求,例如,从gNB CU、gNB DU或者从连接到NG-RAN节点的UE请求预测值。
在请求值的实体不与可获取预测信息的实体直接通信的情况下,接收实体将预测请求转发到可获取预测的信息的实体。例如,这可能是这种情况,如果预测请求涉及gNB DU或UE内部的值的预测,则NG-RAN节点可以将该请求传送到NG-RAN节点的邻居,该邻居随后将该请求转发到与其连接的相应gNB DU或者UE。选择UE转发预测请求可以通过例如在RAN中可用的标识符来识别UE来完成。可替换地,一个或多个UE可以通过位置标准被识别,例如,驻留在某个小区或某组小区中或满足某个无线电条件的UE等。
该消息可以包括参数的预测应当开始的时间。可以显式地指示时间(例如,时间t)、隐式地指示(例如,在接收到预测状态请求消息时)或基于事件(例如,当gNB(gNB-CU)经历超过阈值数量的切换失败时)。
作为进一步的选项,可以指示可以用每隔x个时间单位的给定周期来预测值,或者该预测应当是一次性的预测。
接收实体以预测状态响应消息进行响应,在该消息中它指示针对所请求的预测的开始的确认。接收实体传送预测状态更新消息,该消息包括消息中的请求的预测。
如果预测预期在接收到预测状态请求消息时开始,则预测状态响应确认预测的立即开始。否则,预测状态响应根据指示的事件或在给定时间确认预测的开始。
由于各种实体(例如,NG-RAN邻居)可以请求相同数量的预测,因此预测可能已经在给定实体处发起。在这种情况下,接收实体在预测状态响应消息中指示该信息以及关于预测在过去何时开始的时间戳信息。
预测状态请求消息的接收实体传送预测状态更新消息,以在确定了所请求的预测之后将请求的预测包括在消息中。
接收实体可以包括置信度信息(如果这样请求的话)以及参与预测并满足置信度水平的总体的比例。此外,接收实体可以包括当预测完成时的时间。此时间将小于或等于预测状态请求消息中指示的截止时间。
在不存在置信度信息的情况下,接收实体可在响应中包含最后期限内请求参数的最大努力的预测。如果最后期限未被包括在请求中,则接收实体将计算其预测,并在该接收实体确定适当时将其传送给请求节点。
预测状态更新消息可在以下情况下传送:以预测状态请求消息中发信号通知的特定周期周期性地传送;或一旦预测过程完成且预测信息可用时传送。
如果接收实体不能以给定的置信水平并且在请求的最后期限内预测所请求的参数,接收实体可以传送预测状态失败消息。它还可以返回它不能启动所请求的预测的原因。
图1示意性地示出了说明根据实施例的方法中执行的步骤的流程图。该方法在寻求执行网络内的一些操作参数的预测的网络节点处执行。在该示例中,在步骤S10发起预测,并且在步骤D5确定方法预测是否需要来自其它节点的预测数据。如果不需要,则在步骤S60执行预测。如果需要,则在步骤S20生成来自另一个节点的对该预测数据的请求,并且在步骤S30将该请求传送到另一节点。另一个节点可以是另外的节点,或者另一个节点可以是允许访问另外的节点的中间节点。
然后在步骤D15确定是否需要来自其它节点的数据,如果需要,则向其它节点传送进一步的请求。然后在步骤D25确定是否接收到指示在其它节点处开始预测的响应。如果预测已经开始,则在步骤S40接收到确认该请求并指示预测何时开始的响应。如果由于某种原因预测不能开始,则在步骤S40接收到的响应是指示不能执行预测的失败通知,并且在一些实施例中提供了为什么会出现这种情况的细节。原因可能是不能满足特定的置信水平,或者节点在这个时间点没有用于预测的空闲资源,或者它不能在所指示的时间帧内完成请求的预测。如果是这种情况,如图所示,则该方法经由步骤S70前进以结束该过程。在其它实施例中,接收到失败响应可能不会结束该方法,而是延迟该方法,并且该方法在预定时间之后通过再次传送请求而重新启动。
在步骤S40的响应是指示预测已经开始的确认的情况下,该方法前进到步骤S50,在步骤S50中接收预测数据。一旦已经接收到所有请求的数据,就可以在步骤S60执行预测。
通过这样的方式,一个节点可以使用由其它节点预测的以及从其它节点请求和接收的数据来执行预测。该请求可以是生成预测数据的请求,并且可以发起预测过程的开始。
图2示出了说明在接收请求的网络节点处执行的步骤的流程图。该网络节点可以是用户设备,它可以是gNB或一些其它网络节点,或者它可以是基站。应当注意的是,一些网络节点被配置为接收和响应预测数据请求,并生成用于向其它节点传送的预测数据的请求。
因此,在步骤S100,该节点从另一个节点接收针对预测数据的请求,并且在步骤D105,该节点确定该请求是否指示将在该接收节点处执行预测。这可以根据可以指示执行预测的节点的请求本身来确定,或者可以根据所请求的预测数据及其对其自身和其它节点的能力的了解来隐含地确定。
如果不在接收节点处执行,则在步骤S160,接收节点将请求转发到一个或多个另外的节点。一个或多个另外的节点将获取或生成预测数据,并且在存在多个节点的情况下,一个节点可以组合数据并将其返回到接收原始请求的节点。该节点在步骤S170接收预测数据(假设没有预测失败),并在步骤S150将其传送到请求节点。如果至少一个的另外的节点未能生成预测的数据,则组合数据的节点将仅组合可用的预测。如果不是在步骤S170接收到预测数据而是接收到失败响应,则正是该失败响应被传送到请求节点,即步骤S100的另一个节点。
如果要在接收节点处执行预测,则在步骤D125,该节点确定是否存在触发预测所需的触发器。如果不存在,则在步骤S110通过请求激活预测来立即开始预测。而如果指示需要触发器,则系统在步骤D125等待直到检测到触发器,并且只有在检测到触发器时才在步骤S110传送用于激活预测装置处的预测的请求。
预测装置可能不接受预测请求,因为它可能当前没有能力,或者它可能无法在所请求的时间或所请求的置信水平执行预测,并且它将在步骤D135确定这一点,并且如果是这种情况,它将生成失败响应并将其传送回接收节点。
然而,如果预测装置能够执行预测,则它将在步骤S130连同时间一起传送预测已经开始的指示符,并且它将在步骤S140执行预测。一旦预测完成,它将在步骤S150向请求节点传送预测数据。
图3示意性地示出了根据实施例的具有多个网络节点的无线通信网络。网络节点包括具有发射机/接收机14和用于生成预测数据的预测电路12的用户设备10。该电路可以是机器学习电路,可以使用人工智能来优化或至少改进其预测。
另一网络节点包括基站20,基站20包括处理电路28,处理电路28包括预测算法以及确定算法或优化算法,两者都可以使用从网络内的其它节点接收的预测数据。基站20还具有发射机/接收机14,用于与诸如用户设备和其小区内的gNB之类的其它节点进行无线通信。还存在到其它基站和到中央网络控制节点的有线连接(未示出)。
在本实施例中,基站20还包括请求生成装置或电路27,其被配置为在执行预测时或在执行用于确定网络参数的一些其它任务时(例如设置阈值以优化切换或设置波束成形值)从其认为需要的其它节点生成对预测数据的请求,这可能需要对用户设备可能在哪里及其预期数据业务的估计。该预测数据可能不是它能够自己确定的数据,因此,基站20可以使用请求生成电路27生成请求,然后该请求可以经由发射机/接收机14传送到网络内的一个或多个其它网络节点。该请求还可以经由有线回程链路传送到网络内的其它节点。
接收到请求并能够执行预测的节点将生成预测数据并将其传送回基站20,基站20然后可以执行需要该预测数据的确定。在接收请求的网络节点不能生成预测数据的情况下,它可以将请求转发给它认为能够获取数据的另一网络节点,或者它可以传送失败响应。
接收请求并且实际上其自身可以生成请求的网络节点除了UE 10之外还包括gNB节点24,其可以是集中式或分布式单元。
图4至图7示出了在两个NG-RAN节点20之间通过Xn接口传送的提出的新消息的示例,该新消息包括预测状态请求200、预测状态响应220、预测状态更新230和预测状态失败240消息。或者,这些消息可以通过F1接口在gNB CU和gNB DU之间传送,或者通过W1接口在ng-eNB-CU和ng-eNB-DU之间传送。它们还可以在NG-RAN节点(gNB CU或NG eNB CU)和UE之间传送。
图4示出了预测状态请求200从本示例中的基站20到另一个基站20的传输。预测状态请求200请求预测数据,在这种情况下是关于在接收侧预测的数据的报告。该数据可以在预测状态请求消息200中被指示。要预测的数据可以是计数器的未来值或gNB内部的其它测量,例如,指示对应于未来时刻的吞吐量、延迟测量、信号强度测量、活动RRC连接的数量、小区负载、小区可用容量等的数据。保持在gNB、gNB-CU或gNB-DU处的可能的计数器的列表被包括在TS 28.552中,但是应当理解的是,要预测的可能的计数器和测量不限于在那里描述的那些。可替代地,该数据可以是期望的UE测量,例如,未来时间范围内的UE位置、未来UE的期望信号强度值(RSRP/RSRQ/SINR)、期望的切换数量、其将连接的期望小区等。作为一个示例,UE测量可以是UEMDT测量的预测(MDT测量在TS37.320中定义)。该消息可以包括与预测相关的参数,该参数可以包括置信水平、需要预测数据的时间截止时间、涉及预测的实体的指示以及可以是明确的预测触发条件,例如应当在时间t触发预测的时间,或者它可以是隐式的基于事件的,例如,如果某个事件发生(或没有发生),则应当触发预测。还可以存在关于触发是仅一次触发还是周期性重复的触发器的指示。
预测状态响应220从接收节点20传送,并且是已经接收到预测状态请求的确认,并且可以包括指示预测的状态的预测指示符,即预测是否正在进行以及预测的开始时间,或者如果预测尚未开始,则指示预测将开始的时间或者触发预测开始的事件。
图5示出了在基站或NG-RAN节点20以及gNB CU和gNB DU 24之间(在分离架构的情况下,通过Xn和F1接口)传送的消息的示例。图5示出了预测状态请求消息200a从接收节点24转发到未通过接口与基站20连接的负责节点。在该示例中,网络节点24包括作为集中式单元的gNB CU和作为分布式单元的gNB-DU。集中式单元接收预测状态请求200并确定其认为能够响应的分布式单元,并将具有参数的预测状态请求200a传送到分布式单元。集中式单元根据包括在通过标识符标识分布式单元的原始消息200中的信息,或者根据其具有的不同分布式单元的性能信息,来确定要向其传送请求的分布式单元。在这一点上,它可以基于哪些是在指定的截止时间内提供具有所请求的置信度的计数器或测量的最佳DU来选择DU,或者简单地选择能够执行所请求的预测并且当前没有过载的DU。
分布式单元之后通过预测状态响应220a来响应集中式单元,该预测状态响应指示其正在进行以及何时开始,或者指示其将在某个时间或响应于某个事件而开始。节点24的集中式单元之后通过向请求基站20传送预测状态响应220来进行响应。
在该示例中,节点24是gNB,并且在gNB DU和gNB CU之间的分离架构的情况下,可以通过F1接口传送消息。此外,如果预测是从UE请求的,则可以通过Uu接口传送该消息。
图6示出了作为对预测状态请求消息200的响应而传送的状态更新消息210的预测的示例。在该示例中,响应以周期p周期性地传送。因此,如图4所示,预测状态请求200从网络节点20传送到接收网络节点20,并且在这种情况下,该请求指示它在每个周期p都需要预测数据。接收节点20响应具有所需参数的预测状态更新210,然后在一个周期p之后再次响应具有更新的预测数据的后续预测状态更新210。
图7示出了两个NG-RAN节点20的另一个示例,并且在该示例中发生预测状态失败。传送预测状态请求消息200,并且接收节点20认识到它不能在所需的时间帧内提供所需的置信水平的预测数据或者根本不能提供所需的置信水平的预测数据,并且以预测状态失败响应230进行响应。这可能包括它无法提供预测数据的原因,例如“无法达到置信水平”。如上所述,在gNB DU和gNB CU之间的分离架构的情况下,可以通过F1接口传送消息,或者如果从UE请求预测,则可以通过Uu传送消息。
本领域技术人员将容易地认识到,上述各种方法的步骤可以由编程计算机执行。这里,一些实施例还旨在涵盖程序存储设备,例如数字数据存储介质,该数字数据存储介质是机器或计算机可读的,并对指令的机器可执行或计算机可执行程序进行编码,其中所述指令执行所述上述方法的部分或全部步骤。程序存储设备可以是例如数字存储器、诸如磁盘和磁带的磁存储介质、硬盘驱动器或光学可读数字数据存储介质。实施例还旨在覆盖被编程为执行上述方法的所述步骤的计算机。
如本申请中使用的,术语“电路系统”可以指代以下中的一项或多项或全部:
(a)纯硬件电路实现(诸如仅使用模拟和/或数字电路系统的实现),以及
(b)硬件电路和软件的组合,诸如(如适用):
(i)(多个)模拟和/或数字硬件电路与软件/固件的组合,以及
(ii)具有软件的(多个)硬件处理器的任何部分,包括(多个)数字信号处理器、软件和(多个)存储器,其一起工作以引起装置(诸如移动电话或服务器)执行各种功能,以及(c)(多个)硬件电路和/或(多个)处理器,诸如(多个)微处理器或(多个)微处理器的一部分,其需要软件(例如,固件)进行操作,但在不需要操作时软件可以不存在。
该电路系统的定义适合于该术语在本申请中的所有使用,包括在任何权利要求中。作为另一示例,如在本申请中使用的,术语电路系统还涵盖仅硬件电路或处理器(或多个处理器)或硬件电路或处理器的一部分及其随附软件和/或固件的实现。例如,如果适用于特定权利要求元素,则术语电路系统还涵盖用于移动设备的基带集成电路或处理器集成电路、或者服务器、蜂窝网络设备或其它计算或网络设备中的类似集成电路。
尽管在先前的段落中已经参考各种实施例描述了本发明的实施例,但是应当理解,在不脱离所要求保护的本发明的范围的情况下,可以对所给出的实施例进行修改。
在先前的描述中描述的特征可以用于除明确描述的组合之外的组合。
尽管已经参照某些特征描述了功能,但是这些功能可以由其它特征执行,无论是否描述。
尽管已经参考某些实施例描述了特征,但是无论是否描述,这些特征也可以存在于其它实施例中。
尽管在前述说明书中努力提请注意本发明的那些被认为具有特别重要性的特征,但应当理解,申请人要求对上文提及和/或附图中所示的任何可申请专利的特征或特征的组合进行保护,无论是否对其进行了特别强调。
Claims (48)
1.一种网络节点,包括:
被配置为生成从至少一个其它网络节点请求预测数据的请求的装置。
2.根据权利要求1所述的网络节点,所述网络节点还包括用于向至少一个另外的网络节点传送所述请求的装置。
3.根据前述权利要求中任一项所述的网络节点,其中所述请求包括所述至少一个其它网络节点的指示,用于生成所述预测数据的预测应当所述在所述至少一个其它网络节点处被执行。
4.根据前述权利要求中任一项所述的网络节点,其中所述请求包括触发器的指示,所述触发器用于触发用以生成要被执行的所述预测数据的预测。
5.根据权利要求4所述的网络节点,其中所述触发器包括以下各项中的至少一项:一个时间段,在所述时间段内所述预测应当被执行;多个时间段,在所述多个时间段内多个所述预测应当被执行;以及用于触发所述被请求的至少一个事件。
6.根据前述权利要求中任一项所述的网络节点,其中所述请求包括所述预测数据应当满足的置信水平的指示。
7.根据前述权利要求中任一项所述的网络节点,所述网络节点包括用于接收所述预测数据的装置。
8.根据前述权利要求中任一项所述的网络节点,还包括:
用于确定所述网络的至少一个操作参数的装置,用于确定的所述装置被配置为查明针对所述确定所需要的数据,并且响应于所述数据是在至少一个其它网络节点处能够获取的预测数据,用于确定的所述装置被配置为触发被配置为生成所述请求以生成针对所述预测数据的所述请求的所述装置。
9.根据权利要求8所述的网络节点,其中用于确定的所述装置包括用于预测所述网络的至少一个操作参数的预测装置。
10.根据权利要求9所述的网络节点,其中所述预测装置包括处理器,所述处理器被配置为执行机器学习模型,经预测的所述至少一个操作参数由所述机器学习模型依赖于接收的预测数据而生成。
11.根据权利要求9或10所述的网络节点,其中
所述网络节点还被配置为:响应于从其它请求网络节点接收到针对预测数据的请求,请求激活所述预测装置以生成所述预测数据。
12.根据权利要求11所述的网络节点,所述网络节点还被配置为随着所述预测装置的激活,对所述其它请求网络节点生成指示预测已经开始的响应。
13.根据权利要求11或12所述的网络节点,所述网络节点被配置为响应于所述预测装置指示在恢复所述激活请求之前请求的预测已经开始,以对所述其它请求网络节点生成指示所述预测开始的时间的响应。
14.根据权利要求11至13中任一项所述的网络节点,其中所述被接收的请求包括触发器的指示,所述触发器用于触发用以生成要被执行的所述预测数据的预测;
所述网络节点被配置为在请求激活所述预测装置之前,等待所述被指示的触发器发生。
15.根据权利要求14所述的网络节点,其中所述触发器包括以下各项中的至少一项:一个时间段,在所述一个时间段内所述预测应当被执行;多个时间段,在所述多个时间段内多个所述预测应当被执行;以及用于触发所述被请求的至少一个事件。
16.根据权利要求11至15中任一项所述的网络节点,其中所述被接收的请求包括所述预测数据应当满足的置信水平的指示,所述预测装置被配置为生成被预测以满足所述置信水平的预测数据。
17.根据当引用权利要求2时的权利要求11至16中任一项所述的网络节点,其中用于传送的所述装置被配置为向所述其它请求网络节点传送所述被请求的预测数据。
18.根据当引用权利要求2时的权利要求17所述的网络节点,其中所述用于传送的装置被配置为在完成所述预测时,传送所述被请求的预测数据。
19.根据当引用权利要求2时的权利要求17所述的网络节点,其中所述用于传送的装置被配置为周期性地传送所述被请求的预测数据。
20.根据当引用权利要求2和16时的权利要求17至19中任一项所述的网络节点,其中所述用于传送的装置被配置为将所述被请求的预测数据与所述预测数据的置信水平一起传送。
21.根据当引用权利要求2时的权利要求17至20中任一项所述的网络节点,其中所述用于传送的装置被配置为将所述预测的完成时间与所述预测数据一起传送。
22.根据权利要求11至16中任一项所述的网络节点,其中,所述网络节点被配置为响应于所述预测装置不能生成所述被请求的预测数据,生成预测失败响应。
23.根据权利要求22所述的网络节点,其中所述生成的预测失败响应包括针对所述失败的原因的指示。
24.根据权利要求23所述的网络节点,其中所述失败的所述原因包括以下各项中的任一项:不能满足请求的触发条件;不能满足请求的置信水平;或资源不足。
25.根据当引用权利要求2时的权利要求11至24中任一项所述的网络节点,其中所述用于传送的装置被配置为响应于以下各项中的任一项,向另外的网络节点传送对所述预测数据中的所述至少一些预测数据的请求:
在所述请求中所述预测数据中的至少一些预测数据应当由所述另外的网络节点生成的指示;以及
所述预测数据不能由所述网络节点获取。
26.一种网络节点,包括:
预测装置,所述预测装置用于预测所述网络的至少一个操作参数;其中
所述网络节点响应于从其它网络节点接收到对预测数据的请求,请求激活所述预测装置以生成所述预测数据。
27.根据权利要求26所述的网络节点,所述网络节点还被配置为随着所述预测装置的激活,对所述其它网络节点生成指示预测已经开始的响应。
28.根据权利要求27所述的网络节点,所述网络节点还被配置为包括在所述响应中响应于所述预测装置指示在恢复所述激活请求之前请求的预测已经开始,对所述其它请求网络节点生成指示所述预测开始的时间的响应。
29.根据权利要求26至28中任一项所述的网络节点,其中所述请求包括触发器的指示,所述触发器用于触发用以生成要被执行的所述预测数据的预测;
所述网络节点被配置为在请求激活所述预测装置之前,等待所述被指示的触发器发生。
30.根据权利要求29所述的网络节点,其中所述触发器包括以下中的至少一个:应当执行所述预测的时间段;多个时间段,在所述多个时间段内多个所述预测应当被执行;以及至少一个用于触发所述预测的事件。
31.根据权利要求26至30中任一项所述的网络节点,其中所述请求包括所述预测数据应当满足的置信水平的指示,所述预测装置被配置为生成被预测以满足所述置信水平的预测数据。
32.根据权利要求26至31中任一项所述的网络节点,其中所述网络节点被配置为向所述其它网络节点传送所述被请求的预测数据。
33.根据权利要求32所述的网络节点,其中所述网络节点被配置为在完成所述预测时,传送所述被请求的预测数据。
34.根据权利要求32所述的网络节点,其中所述网络节点被配置为周期性地传送所述被请求的预测数据。
35.根据权利要求32至34中任一项所述的网络节点,当引用权利要求31时,其中所述网络节点被配置为传送所述被请求的预测数据以及所述预测数据的置信水平。
36.根据权利要求32至35中任一项所述的网络节点,其中所述网络节点被配置为将所述预测的完成时间与所述预测数据一起传送。
37.根据权利要求26至36中任一项所述的网络节点,其中所述网络节点被配置为响应于所述预测装置不能生成所述被请求的预测数据,生成预测失败响应。
38.根据权利要求37所述的网络节点,其中所述生成的预测失败响应包括针对所述失败的原因的指示。
39.根据权利要求38所述的网络节点,其中所述失败的所述原因包括以下各项中的任一项:不能满足请求的触发条件;不能满足要求的置信水平;或资源不足。
40.根据权利要求26至39中任一项所述的网络节点,所述网络节点被配置为响应于以下各项中的任一项,向另外的网络节点传送对所述预测数据中的所述至少一些预测数据的请求:
在所述请求中所述预测数据中的至少一些预测数据的所述请求应当由所述另外的网络节点生成的指示;以及
所述预测数据不能由所述网络节点获取。
41.根据权利要求26至40中任一项所述的网络节点,其中所述预测装置包括处理器,所述处理器被配置为执行机器学习模型,所述预测数据由所述机器学习模型生成。
42.一种无线通信系统,包括根据权利要求1至25中任一项所述的至少一个网络节点、以及根据权利要求26至41中任一项所述的多个网络节点。
43.一种方法,包括:
在网络节点处生成从至少一个其它网络节点请求预测数据的请求。
44.根据权利要求43所述的方法,包括初始步骤,
查明针对确定网络的操作参数所需要的数据;以及
响应于所述所需要的数据是在至少一个其它网络节点处能够获取的预测数据,生成针对所述预测数据的所述请求。
45.根据权利要求43或44所述的方法,还包括:
接收所述预测数据;以及
使用所述接收的预测数据来确定所述网络的操作参数。
46.一种方法,包括:
从其它网络节点接收针对预测数据的请求;以及
响应于所述请求,生成所述预测数据。
47.一种包括计算机可读指令的计算机程序,所述计算机可读指令在被处理器执行时可操作以控制所述处理器:
生成用于从至少一个远程网络节点请求预测数据的请求。
48.一种包括计算机可读指令的计算机程序,所述计算机可读指令在被处理器执行时可操作以控制所述处理器:
响应于请求预测数据的请求,生成所述预测数据。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2021/051524 WO2022156906A1 (en) | 2021-01-22 | 2021-01-22 | Prediction in a distributed network |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116803120A true CN116803120A (zh) | 2023-09-22 |
Family
ID=74236208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180091642.5A Pending CN116803120A (zh) | 2021-01-22 | 2021-01-22 | 分布式网络中的预测 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240098586A1 (zh) |
CN (1) | CN116803120A (zh) |
WO (1) | WO2022156906A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024028299A1 (en) * | 2022-08-05 | 2024-02-08 | Nokia Technologies Oy | Machine learning based control of data communication in a wireless communication system |
WO2024094762A1 (en) * | 2022-11-03 | 2024-05-10 | Telefonaktiebolaget Lm Ericsson (Publ) | Discovering network node capabilities |
US20240155377A1 (en) * | 2022-11-03 | 2024-05-09 | Nokia Technologies Oy | Validity indication as a function of confidence level |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11576064B2 (en) * | 2018-09-20 | 2023-02-07 | Lg Electronics Inc. | Method and apparatus for performing QoS prediction based on network assistance in NR V2X |
-
2021
- 2021-01-22 CN CN202180091642.5A patent/CN116803120A/zh active Pending
- 2021-01-22 US US18/262,135 patent/US20240098586A1/en active Pending
- 2021-01-22 WO PCT/EP2021/051524 patent/WO2022156906A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
US20240098586A1 (en) | 2024-03-21 |
WO2022156906A1 (en) | 2022-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10257723B2 (en) | Radio link failure report extensions in mobile communication networks | |
US8849346B2 (en) | Method and telecommunications network for deactivating or activating a cell in such a network | |
CN116803120A (zh) | 分布式网络中的预测 | |
US20120295622A1 (en) | Using mobility statistics to enhance telecommunications handover | |
US9344941B2 (en) | Autonomous cell reselection by a user equipment | |
JP2014523159A (ja) | デジタル・セルラー無線遠隔通信ネットワークにおける測定の実施 | |
KR20180127842A (ko) | 다중 캐리어 시스템에서 셀의 송신 전력 조절 방법 및 장치 | |
JP2014523159A5 (zh) | ||
US11910465B2 (en) | Inactive MDT log with inactive duration | |
US9838981B2 (en) | Energy saving method and apparatus therefor in communication system | |
US20230276324A1 (en) | Cell Reselection-Related Information Associated with Network Slice or Closed Access Group For Wireless Networks | |
KR102051851B1 (ko) | 이동통신 시스템에서 단말 접속 제어 장치 및 그 방법 | |
JP6704067B2 (ja) | ユーザ通信装置へのページングを実行するための通信ネットワーク装置および方法 | |
JP5842570B2 (ja) | 無線基地局装置、通信制御方法および通信制御プログラム | |
US20240196252A1 (en) | Managing resources in a radio access network | |
US20240119365A1 (en) | Feedback for machine learning based network operation | |
WO2024094868A1 (en) | Methods to for reporting feedback related to ai/ml events | |
WO2024027980A1 (en) | Configuration of ue context surviving during ai/ml operation | |
CN117955538A (zh) | 基于用户上下文感知ml的csi测量放宽 | |
CN117441372A (zh) | 用于处理通信网络中的mpm重新配置的方法、ue和网络节点 | |
CN117279048A (zh) | 小区切换方法及装置、计算机可读存储介质 | |
CN117641381A (zh) | 移动性优化方法、系统和相关设备 | |
CN115361711A (zh) | 第一节点、第二节点、或由其执行的方法 |
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 |