CN116887311A - 寻呼区配置方法、装置、计算机设备、存储介质及产品 - Google Patents
寻呼区配置方法、装置、计算机设备、存储介质及产品 Download PDFInfo
- Publication number
- CN116887311A CN116887311A CN202310966881.1A CN202310966881A CN116887311A CN 116887311 A CN116887311 A CN 116887311A CN 202310966881 A CN202310966881 A CN 202310966881A CN 116887311 A CN116887311 A CN 116887311A
- Authority
- CN
- China
- Prior art keywords
- cell
- high traffic
- paging
- candidate
- area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 100
- 230000000694 effects Effects 0.000 claims description 77
- 238000005259 measurement Methods 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 230000008859 change Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000007619 statistical method Methods 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
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/24—Cell structures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W68/00—User notification, e.g. alerting and paging, for incoming communication, change of service or the like
- H04W68/005—Transmission of information for alerting of incoming communication
Abstract
本申请涉及一种寻呼区配置方法、装置、计算机设备、存储介质及产品。该方法包括:根据目标网络区域内各小区的忙时网络运行数据,从各小区中确定种子小区和高话务候选小区集,根据高话务候选小区集中各高话务候选小区与种子小区之间的关联度,确定目标网络区域中的多个高话务区域,并根据目标网络区域中的多个高话务区域,对目标网络区域进行寻呼区配置。采用上述方法可以从目标网络区域中先确定种子小区和各高话务候选小区,然后根据各高话务候选小区和种子小区之间的关联度,先确定目标网络区域中的多个高话务区域,之后通过多个高话务区域能够准确配置寻呼区,提高寻呼区配置的合理性。
Description
技术领域
本申请涉及移动通信技术领域,特别是涉及一种寻呼区配置方法、装置、计算机设备、存储介质及产品。
背景技术
随着移动式通信业务的发展,合理配置寻呼区就变得尤为重要。在实际应用中,接入网设备通过寻呼区发送寻呼消息,来通知终端设备接收数据或信令。
相关技术中,主要是通过历史经验数据和各小区的历史网络运行数据,配置目标网络区域内的寻呼区,并且在网络侧发出告警信息时对寻呼区进行调整。
然而,相关技术中存在无法合理配置寻呼区,导致网络资源利用率低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种寻呼区配置方法、装置、计算机设备、存储介质及产品。
第一方面,本申请实施例提供了一种寻呼区配置方法,该方法包括:
根据目标网络区域内各小区的忙时网络运行数据,从各小区中确定种子小区和高话务候选小区集;种子小区表示各小区中小区业务活跃度最高的小区;
根据高话务候选小区集中各高话务候选小区与种子小区之间的关联度,确定目标网络区域中的多个高话务区域;
根据目标网络区域中的多个高话务区域,对目标网络区域进行寻呼区配置。
在其中一个实施例中,根据目标网络区域内各小区的忙时网络运行数据,从各小区中确定种子小区和高话务候选小区集,包括:
根据各小区的忙时网络运行数据,确定各小区的小区业务活跃度;
对于任一小区,若小区的小区业务活跃度大于预设的活跃度阈值,则将小区确定为话务候选小区;
将确定出的各话务候选小区中小区业务活跃度最高的话务候选小区确定为种子小区,并根据各话务候选小区中除种子小区之外的其它话务候选小区,构建高话务候选小区集。
在其中一个实施例中,忙时网络运行数据包括小区连接数;根据各小区的忙时网络运行数据,确定各小区的小区业务活跃度,包括:
根据各小区的小区连接数,确定所有小区的小区连接总数;
根据各小区的小区连接数和小区连接总数,确定各小区的小区业务活跃度。
在其中一个实施例中,根据高话务候选小区集中各高话务候选小区与种子小区之间的关联度,确定目标网络区域中的多个高话务区域之前,上述方法还包括:
获取种子小区相对于各高话务候选小区的第一信号质量测量数据,以及各高话务候选小区相对于种子小区的第二信号质量测量数据;
根据各第一信号质量测量数据和各第二信号质量测量数据,确定各高话务候选小区与种子小区之间的关联度。
在其中一个实施例中,根据高话务候选小区集中各高话务候选小区与种子小区之间的关联度,确定目标网络区域中的多个高话务区域,包括:
根据各高话务候选小区与种子小区之间的关联度,将关联度大于或等于第一关联度阈值的目标高话务候选小区确定为一个高话务区域;
将目标高话务候选小区从高话务候选小区集中移出,得到更新后的高话务候选小区集;
基于更新后的高话务候选小区集继续确定高话务区域,直至更新后的高话务候选小区集中高话务候选小区的总数量小于或等于预设阈值,得到多个高话务区域。
在其中一个实施例中,基于更新后的高话务候选小区集继续确定高话务区域,包括:
根据更新后的高话务候选小区集中高话务候选小区的总数量,对第一关联度阈值进行调整,得到第二关联度阈值;第二关联度阈值小于第一关联度阈值;
将更新后的高话务候选小区集中关联度大于或等于第二关联度阈值的目标高话务候选小区确定为一个高话务区域。
在其中一个实施例中,根据目标网络区域中的多个高话务区域,对目标网络区域进行寻呼区配置,包括:
从多个高话务区域中获取至少两个高话务区域进行合并,将合并得到的高话务区域配置为第一层级寻呼区;以及将多个高话务区域中每个高话务区域均作为独立的寻呼区,并配置为第二层级寻呼区。
在其中一个实施例中,上述方法还包括:
在对目标网络区域完成寻呼区配置的情况下,根据各寻呼区所属的层级,对各寻呼区配置寻呼区标识;其中,不同层级的寻呼区的寻呼区标识不同。
在其中一个实施例中,上述方法还包括:
在对目标网络区域完成寻呼区配置的情况下,根据各寻呼区所属的层级,对各寻呼区配置寻呼优先级;其中,寻呼优先级表示网络侧向不同寻呼区发送终端寻呼消息的先后顺序;第一层级寻呼区的寻呼优先级大于第二层级寻呼区的寻呼优先级。
第二方面,本申请实施例提供了一种寻呼区配置装置,该装置包括:
第一确定模块,用于根据目标网络区域内各小区的忙时网络运行数据,从各小区中确定种子小区和高话务候选小区集;种子小区表示各小区中小区业务活跃度最高的小区;
第二确定模块,用于根据高话务候选小区集中各高话务候选小区与种子小区之间的关联度,确定目标网络区域中的多个高话务区域;
配置模块,用于根据目标网络区域中的多个高话务区域,对目标网络区域进行寻呼区配置。
第三方面,本申请实施例还提供了一种计算机设备,计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述第一方面任一实施例的方法的步骤。
第四方面,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面任一实施例的方法的步骤。
第五方面,本申请实施例还提供了一种计算机程序产品,计算机程序产品包括计算机程序,该计算机程序被处理器执行时实现上述第一方面任一实施例的方法的步骤。
本申请实施例提供的寻呼区配置方法、装置、计算机设备、存储介质及产品,包括:根据目标网络区域内各小区的忙时网络运行数据,从各小区中确定种子小区和高话务候选小区集,根据高话务候选小区集中各高话务候选小区与种子小区之间的关联度,确定目标网络区域中的多个高话务区域,并根据目标网络区域中的多个高话务区域,对目标网络区域进行寻呼区配置。上述方法可以从目标网络区域中先确定种子小区和各高话务候选小区,然后根据各高话务候选小区和种子小区之间的关联度,先确定目标网络区域中的多个高话务区域,之后通过多个高话务区域能够准确配置寻呼区,提高寻呼区配置的合理性;并且,上述方法不需要考虑历史经验数据和各小区的历史网络运行数据,可以通过各小区实时的忙时网络运行数据实时配置寻呼区,提高了寻呼区配置的合理性,并且在寻呼区合理配置的基础上,能够减少网络资源开销,尽可能的避免影响网络的正常运行,并且在网络资源固定的情况下,还能够有效地提升网络侧寻呼过程中的网络资源利用率,延长待机时间,改善用户体验;再者,该方法可以合理配置寻呼区,使得实时配置的各寻呼区能够适用于无线通信环境的复杂性和快速变化以及业务发展的变化,从而提高了寻呼区配置方法的广泛使用性,并且基于合理配置的寻呼区,能够进一步使得网络侧对终端的寻呼更加准确,能够减少寻呼过程中不必要的网络开销,提高网络资源利用率和业务可靠性。
附图说明
图1为一个实施例中寻呼区配置方法的应用环境图;
图2为一个实施例中寻呼区配置方法的流程示意图;
图3为另一个实施例中寻呼区配置方法的流程示意图;
图4为另一个实施例中寻呼区配置方法的流程示意图;
图5为另一个实施例中寻呼区配置方法的流程示意图;
图6为另一个实施例中寻呼区配置方法的流程示意图;
图7为另一个实施例中寻呼区配置方法的流程示意图;
图8为另一个实施例中寻呼区配置方法的流程示意图;
图9为一个实施例中寻呼区配置装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在无线通信领域中,随着通信业务的发展,合理配置寻呼区就变得尤为重要。相关技术中,主要是通过历史经验数据和各小区的历史网络运行数据,配置目标网络区域内的寻呼区,并且在网络侧发出告警信息(即网络出现问题或者网络需要优化)时会对寻呼区进行调整。但是,相关技术没有根据实时数据配置寻呼区,并且无法对寻呼区进行自动调整,从而使得相关技术中存在无法合理配置寻呼区,导致网络资源利用率低的问题。基于此,本申请实施例提供了一种寻呼区配置方法,能够合理配置寻呼区,提高网络资源利用率。
本申请实施例提供的寻呼区配置方法,可以适用于如图1所示的寻呼区配置系统,寻呼区配置系统包括核心网设备和计算机设备,核心网设备和计算机设备之间进行通信连接,该通信方式可以为蓝牙、Wi-Fi、移动网络连接等。其中,上述计算机设备可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑,本实施例对计算机设备的具体形式不做限定。其中,图1是以计算机设备为个人计算机为例示意寻呼区配置系统的。下述实施例中将具体介绍寻呼区配置方法的具体过程,并且以执行主体为计算机设备来介绍寻呼区配置方法的具体过程。
如图2所示,为本申请实施例提供的寻呼区配置方法的流程示意图,该方法可以包括以下步骤:
S100、根据目标网络区域内各小区的忙时网络运行数据,从各小区中确定种子小区和高话务候选小区集。其中,种子小区表示各小区中小区业务活跃度最高的小区。
其中,目标网络区域可以为无线通信网络覆盖的大区域,也可以为无线通信网络覆盖的小区域,在本申请实施例中,对目标网络区域的大小不做限定。可选地,目标网络区域内可以部署多个基站,每个基站可以覆盖多个小区,也就是,目标网络区域内可以包括多个小区。
在实际应用中,小区的忙时网络运行数据可以理解为小区业务量最大的时间段对应的网络运行数据,该业务可以为数据类业务、控制类业务、通信类业务、消息类业务等;其中,该忙时可以包括早忙时(如,早上8点半至早上九点半等),还可以包括晚忙时(如,晚上八点至晚上九点等)。
可选地,上述网络运行数据可以包括基站信息、小区配置信息、小区负荷和小区的邻小区的测量报告等;上述基站信息可以包括基站的位置、基站的配置信息、基站覆盖的小区数量、基站的载波配置等信息,上述小区配置信息可以包括小区的名称、方向、标识和小区的其它属性参数等信息,上述小区负荷可以包括小区的业务量等信息,上述邻小区的测量报告可以包括邻小区的信号质量等信息。
在本申请实施例中,种子小区表示目标网络区域内各小区中小区业务活跃度最高的小区;其中,小区的小区业务活跃度可以理解为该小区在目标网络区域内所有小区中的业务量占比;高话务候选小区集可以包括多个高话务候选小区,高话务候选小区可以理解为话务量较大的候选小区。可选地,上述种子小区和高话务候选小区集中所有高话务候选小区的总数量可以等于目标网络区域内所有小区的总数量。
具体地,计算机设备可以先获取目标网络区域内各小区的忙时网络运行数据,然后对于任一小区,在映射关系表中小区的忙时网络运行数据,并获取映射关系表中查找到的小区的忙时网络运行数据对应的小区标识,然后根据该小区的小区标识确定该小区为种子小区还是高话务候选小区,之后将所有高话务候选小区确定为高话务候选小区集。
可选地,映射关系表中可以包括不同小区的忙时网络运行数据、不同小区的小区标识以及两者之间的对应关系。其中,小区标识可以用于区分小区的类型,小区的类型可以为种子小区或者高话务候选小区,该小区标识可以通过数字、字母和符号等中的至少一种组成。
另外,计算机设备还可以先获取目标网络区域内各小区的忙时网络运行数据,然后对于任一小区,对小区的忙时网络运行数据进行分析处理和比较处理等操作,得到该小区为种子小区还是高话务候选小区,之后将所有高话务候选小区确定为高话务候选小区集。
例如,获取目标网络区域内各小区的忙时网络运行数据的方式可以是核心网设备采集目标网络区域内各小区的不同时间段内的网络运行数据,然后从各小区的不同时间段内的网络运行数据中筛选出各小区的忙时网络运行数据,然后将各小区的忙时网络运行数据发送给计算机设备。
又例如,获取目标网络区域内各小区的忙时网络运行数据的方式还可以是计算机设备直接从磁盘、硬盘、云端等存储位置获取目标网络区域内各小区的忙时网络运行数据。
再例如,获取目标网络区域内各小区的忙时网络运行数据的方式还可以是先获取目标网络区域内各小区的网络运行数据,然后采用统计法对目标网络区域内各小区的网络运行数据进行忙时统计,得到各小区的忙时网络运行数据。
S200、根据高话务候选小区集中各高话务候选小区与种子小区之间的关联度,确定目标网络区域中的多个高话务区域。
在实际应用中,计算机设备可以直接获取预先存储的高话务候选小区集中各高话务候选小区与种子小区之间的关联度,然后根据各高话务候选小区与种子小区之间的关联度进行比较处理,然后根据比较结果从所有高话务候选小区中筛选出多个高话务区域,得到目标网络区域中的多个高话务区域。
其中,高话务候选小区集中所有高话务候选小区的总数量可以小于K,K可以表示寻呼区配置时每一层级寻呼区应包括的所有高话务小区的最小数量,K值可以根据高话务区域的环境、使用网络时实际的话务量和话务分布等情况确定。可选地,K值不能太小(例如大于或等于24),K值太小,说明多个高话务区域覆盖的范围不大,没有必要进行寻呼区分层,从而会增大网络资源开始,使得网络资源利用率降低。
可选地,目标网络区域中的所有高话务区域的总数量可以小于或等于高话务候选小区集中所有高话务候选小区的总数量。
另外,计算机设备还可以对于任一高话务候选小区,采用关联度计算法,对高话务候选小区的忙时网络运行数据和种子小区的忙时网络运行数据进行关联度处理,得到高话务候选小区与种子小区之间的关联度,然后将高话务候选小区与种子小区之间的关联度输入至预先训练好的算法模型中,该算法模型输出高话务候选小区是否为高话务区域的标识,若高话务区域的标识为是时,表示该高话务候选小区是高话务区域,若高话务区域的标识为否时,表示该高话务候选小区不是高话务区域。
可选地,上述关联度计算法可以为交叉熵法、相关系数法或空间自相关系数法等,对此本申请实施例不做限定。可选地,高话务区域的标识可以通过1或0表示,其中,1表示高话务区域的标识为是,0表示高话务区域的标识为否。
S300、根据目标网络区域中的多个高话务区域,对目标网络区域进行寻呼区配置。
其中,基于获取到的目标网络区域中的多个高话务区域,可以在多个高话务区域中,对目标网络区域进行寻呼区分层配置,也就是,基于多个高话务区域平衡划分不同层级寻呼区和每一层级寻呼区中独立的寻呼区,使得网络侧在寻呼过程中,能够节省网络资源开销,进一步有效提升网络资源利用率。
一实施例中,在多个高话务区域中对目标网络区域进行寻呼区配置的方式可以是根据预设的寻呼区分层策略对多个高话务区域进行寻呼区分层,然后按照预设的寻呼区划分策略,根据每一层寻呼区中的不同高话务区域进行寻呼区划分,得到目标网络区域的寻呼区配置结果。
又一实施例中,在多个高话务区域中对目标网络区域进行寻呼区配置的方式可以是获取不同高话务区域的位置和不同高话务区域对应的小区业务量,然后根据各高话务区域的位置和不同高话务区域对应的小区业务量,对多个高话务区域进行寻呼区配置,得到目标网络区域的寻呼区配置结果。
这里需要说明的是,由于目标网络区域内各小区的忙时网络运行数据是动态变化的,在本申请实施例中,可以周期性主动获取目标网络区域内各小区的忙时网络运行数据,从而能够通过各小区最新的忙时网络运行数据对高话务区域和寻呼区配置及时更新,使得动态配置的寻呼区能够适应无线通信环境的变化以及业务发展的变化。
本申请实施例中的技术方案,根据目标网络区域内各小区的忙时网络运行数据,从各小区中确定种子小区和高话务候选小区集,根据高话务候选小区集中各高话务候选小区与种子小区之间的关联度,确定目标网络区域中的多个高话务区域,并根据目标网络区域中的多个高话务区域,对目标网络区域进行寻呼区配置;上述方法可以从目标网络区域中先确定种子小区和各高话务候选小区,然后根据各高话务候选小区和种子小区之间的关联度,先确定目标网络区域中的多个高话务区域,之后通过多个高话务区域能够准确配置寻呼区,提高寻呼区配置的合理性;并且,上述方法不需要考虑历史经验数据和各小区的历史网络运行数据,可以通过各小区实时的忙时网络运行数据实时配置寻呼区,提高了寻呼区配置的合理性,并且在寻呼区合理配置的基础上,能够减少网络资源开销,尽可能的避免影响网络的正常运行,并且在网络资源固定的情况下,还能够有效地提升网络侧寻呼过程中的网络资源利用率,改善用户体验;再者,该方法可以合理配置寻呼区,使得实时配置的各寻呼区能够适用于无线通信环境的复杂性和快速变化以及业务发展的变化,从而提高了寻呼区配置方法的广泛使用性,并且基于合理配置的寻呼区,能够进一步使得网络侧对终端的寻呼更加准确,能够减少寻呼过程中不必要的网络开销,提高网络资源利用率和业务可靠性。
下面对上述根据目标网络区域内各小区的忙时网络运行数据,从各小区中确定种子小区和高话务候选小区集的过程进行说明。在一实施例中,如图3所示,上述S100中的步骤,可以通过以下方式实现:
S110、根据各小区的忙时网络运行数据,确定各小区的小区业务活跃度。
具体地,对于任一小区,计算机设备可以按照预设的小区业务活跃度计算策略,对小区的忙时网络运行数据进行算术运算处理,得到小区的小区业务活跃度。
可选地,上述算术运算可以是由加法运算、减法运算、乘法运算、除法运算、对数运算、指数运算等中的至少一种实现。
一个实施例中,忙时网络运行数据包括小区连接数;如图4所示,上述S110中根据各小区的忙时网络运行数据,确定各小区的小区业务活跃度的步骤,可以通过以下方式实现:
S111、根据各小区的小区连接数,确定所有小区的小区连接总数。
在本申请实施例中,忙时网络运行数据包括小区连接数;小区连接数可以为小区的业务量。
具体地,计算机设备可以获取目标网络区域内各小区的小区连接数,然后将各小区的小区连接数相加,得到所有小区的小区连接总数。
S112、根据各小区的小区连接数和小区连接总数,确定各小区的小区业务活跃度。
其中,对于任一小区,计算机设备可以对小区的小区连接数和小区连接总数进行算术运算处理,得到该小区的小区业务活跃度。
在本申请实施例中,对于任一小区,可以通过小区的小区连接数与小区连接总数作商,之后再乘以百分之百,得到该小区的小区业务活跃度。
例如,目标网络区域内一小区i的小区业务活跃度表示δcelli,CONNcelli表示小区i的小区连接数,CONNtotal表示目标网络区域内所有小区的小区连接总数,则小区i的小区业务活跃度δcelli可以通过下述公式(1)表示。
S120、对于任一小区,若小区的小区业务活跃度大于预设的活跃度阈值,则将小区确定为话务候选小区。
可选地,预设的活跃度阈值可以是用户自定义确定的数值,还可以是根据历史经验值确定的,对此本申请实施例不做限定。在实际应用中,活跃度阈值是根据标准的高话务小区的话务量确定的,其中,高话务小区的话务量通常占整个网络话务量的80%以上,但在本申请实施例中,活跃度阈值具体可以根据优化网络的目标(如,资源调整量、达到性能、切换成功率和/或资源利用率等)以及小区负荷确定。
具体地,对于任一小区,计算机设备可以判断小区的小区业务活跃度是否大于预设的活跃度阈值,若小区的小区业务活跃度大于预设的活跃度阈值时,将该小区可以确定为话务候选小区。
S130、将确定出的各话务候选小区中小区业务活跃度最高的话务候选小区确定为种子小区,并根据各话务候选小区中除种子小区之外的其它话务候选小区,构建高话务候选小区集。
在实际应用中,计算机设备可以获取确定出的各话务候选小区的小区业务活跃度,然后对各话务候选小区的小区业务活跃度进行比较处理或取极值处理,得到小区业务活跃度最高的话务候选小区,并将小区业务活跃度最高的话务候选小区确定为种子小区,同时,可以将所有话务候选小区中除种子小区之外的其它话务候选小区组成高话务候选小区集。
在本申请实施例中,可以按照活跃度从高到低或者从低到高的顺序,对各话务候选小区的小区业务活跃度进行排序,然后从排序结果中获取小区业务活跃度最高的话务候选小区,并将小区业务活跃度最高的话务候选小区确定为种子小区。
在本申请实施例中,将高话务候选小区集中的各话务候选小区分别确定为各高话务候选小区。
本申请实施例中的技术方案,根据各小区的忙时网络运行数据,确定各小区的小区业务活跃度,对于任一小区,在小区的小区业务活跃度大于预设的活跃度阈值时,将小区确定为话务候选小区,并将确定出的各话务候选小区中小区业务活跃度最高的话务候选小区确定为种子小区,并根据各话务候选小区中除种子小区之外的其它话务候选小区,构建高话务候选小区集;该方法可以通过各小区的小区业务活跃度,从目标网络区域中确定种子小区和高话务候选小区集,以为后续确定高话务区域做准备,使得进一步能够根据种子小区和高话务候选小区集中的各高话务候选小区来确定高话务区域,从而提高高话务区域的确定速度。
在实际应用中,执行上述S200中的步骤之前,先获取各高话务候选小区与种子小区之间的关联度,下面对获取各高话务候选小区与种子小区之间的关联度的过程进行说明。在一实施例中,在执行上述S200中的步骤之前,如图5所示,上述方法还可以包括以下步骤:
S400、获取种子小区相对于各高话务候选小区的第一信号质量测量数据,以及各高话务候选小区相对于种子小区的第二信号质量测量数据。
其中,在种子小区测量高话务候选小区的信号质量,且信号质量大于或等于预设的信号质量阈值时才会向基站发送信号质量测量数据,该情况下,该信号质量测量数据可以称为种子小区相对于高话务候选小区的第一信号质量测量数据。
同时,在高话务候选小区测量种子小区的信号质量,且信号质量大于或等于预设的信号质量阈值时才会向基站发送信号质量测量数据,该情况下,该信号质量测量数据可以称为高话务候选小区相对于种子小区的第二信号质量测量数据。
在实际应用中,不同时刻发送给基站的信号质量测量数据不同,首次发送的信号质量测量数据可以等于1,第二次发送的信号质量测量数据可以等于2,依次类推,信号质量测量数据可以为信号质量符合标准的累计数。
可选地,上述第一信号质量测量数据和第二信号质量测量数据均可以为忙时对应的信号质量测量数据。
具体地,计算机设备可以实时获取种子小区相对于各高话务候选小区的第一信号质量测量数据,以及各高话务候选小区相对于种子小区的第二信号质量测量数据。
S500、根据各第一信号质量测量数据和各第二信号质量测量数据,确定各高话务候选小区与种子小区之间的关联度。
其中,对于任一高话务候选小区,计算机设备可以对高话务候选小区对应的第一信号质量测量数据和该高话务候选小区对应的第二信号质量测量数据进行算术运算处理,得到该高话务候选小区与种子小区之间的关联度。
一个实施例中,上述S220中的步骤,可以通过下述公式(2)计算各高话务候选小区i与种子小区S之间的关联度
其中,式(2)中MRi→s表示高话务候选小区i相对于种子小区S的第二信号质量测量数据,MRs→i表示种子小区S相对于高话务候选小区i的第一信号质量测量数据,M-1表示高话务候选小区集中所有高话务候选小区的总数量。
本申请实施例中的技术方案,可以通过获取的种子小区相对于各高话务候选小区的第一信号质量测量数据,以及各高话务候选小区相对于种子小区的第二信号质量测量数据,确定各高话务候选小区与种子小区之间的关联度,以为后续确定高话务区域做准备,使得进一步能够通过各高话务候选小区与种子小区之间的关联度,不断从高话务候选小区集中筛选高话务区域;同时,该方法不需要深度学习算法参与,就能够确定各高话务候选小区与种子小区之间的关联度,实现过程比较简单,能够提高关联度的确定速度。
在一个实施例中,如图6所示,上述S200中根据高话务候选小区集中各高话务候选小区与种子小区之间的关联度,确定目标网络区域中的多个高话务区域的步骤,可以通过以下方式实现:
S210、根据各高话务候选小区与种子小区之间的关联度,将关联度大于或等于第一关联度阈值的目标高话务候选小区确定为一个高话务区域。
基于前文步骤确定的各高话务候选小区与种子小区之间的关联度,对于任一高话务候选小区,可以判断高话务候选小区与种子小区之间的关联度是否大于或等于第一关联度阈值,将关联度大于或等于第一关联度阈值的高话务候选小区确定为目标高话务候选小区,然后将当前确定的所有目标高话务候选小区确定为高话务区域。可选地,高话务区域可以通过至少一个高话务候选小区组成。
可选地,上述第一关联度阈值可以是用户自定义确定的,还可以是根据历史经验值确定的,但在本申请实施例中,上述第一关联度阈值可以根据高话务候选小区集中所有高话务候选小区的总数量确定。
S220、将目标高话务候选小区从高话务候选小区集中移出,得到更新后的高话务候选小区集。
进一步,可以将上述步骤确定的所有目标高话务候选小区从高话务候选小区集中移出,得到更新后的高话务候选小区集。
S230、基于更新后的高话务候选小区集继续确定高话务区域,直至更新后的高话务候选小区集中高话务候选小区的总数量小于或等于预设阈值,得到多个高话务区域。
在本申请实施例中,可以通过获取到的更新后的高话务候选小区集继续确定高话务区域,直到获取到的更新后的高话务候选小区集中剩余高话务候选小区的总数量小于或等于预设阈值为止,获取到多个高话务区域。可选地,上述预设阈值可以是用户自定义确定的,还可以是根据历史经验值确定的。
其中,每确定一个高话务区域后,可以对上一次得到的更新后的高话务候选小区集再次更新,得到更新后的高话务候选小区集,在实际应用中,每更新一次高话务候选小区集,得到的更新后的高话务候选小区集中的所有高话务候选小区的总数量会越来越少。
一种实现方式中,计算机设备可以预先训练一种筛选模型,然后将更新后的高话务候选小区集输入至筛选模型中,直至更新后的高话务候选小区集中高话务候选小区的总数量小于或等于预设阈值时,该筛选模型输出至少一个高话务区域。可选地,上述筛选模型可以是由卷积神经网络模型、全连接神经网络模型、循环递归神经网络模型、长短期记忆神经网络模型等中的至少一种实现。
这里需要说明的是,不同高话务区域中包括的高话务候选小区不同;不同高话务区域中包括的高话务候选小区的总数量可以相同,也可以不相同。
一个实施例中,如图7所示,上述S230中基于更新后的高话务候选小区集继续确定高话务区域的步骤,可以通过以下方式实现:
S231、根据更新后的高话务候选小区集中高话务候选小区的总数量,对第一关联度阈值进行调整,得到第二关联度阈值。其中,第二关联度阈值小于第一关联度阈值。
在本申请实施例中,基于更新后的高话务候选小区集继续确定高话务区域的过程,可以是通过循环执行上述S210和S220中的步骤实现。
其中,由于更新后的高话务候选小区集是随着确定的高话务区域的数量是动态变化的,所以每次执行S210和S220中的步骤时,第一关联度阈值也会不断更新,也就是,第二次确定高话务区域的过程中,可以通过第二关联度阈值替换第一关联度阈值后实现。
可选地,第二关联度阈值可以是根据第一个高话务区域确定后得到的更新后的高话务候选小区集中高话务候选小区的总数量确定,且第二关联度阈值小于第一关联度阈值。
S232、将更新后的高话务候选小区集中关联度大于或等于第二关联度阈值的目标高话务候选小区确定为一个高话务区域。
其中,每次执行S210和S220中的步骤时,是基于上一次获取到的更新后的高话务候选小区集实现的,将更新后的高话务候选小区集中关联度大于或等于第二关联度阈值的目标高话务候选小区确定为一个高话务区域。
进一步,可以根据第二次得到的高话务区域中的目标高话务候选小区,对上一次得到的更新后的高话务候选小区集进行更新,以通过第三关联度阈值已替换S210和S220中的第一关联度阈值,然后基于当前得到的更新后的高话务候选小区集确定下一高话务区域。
可选地,第三关联度阈值可以是根据当前得到的更新后的高话务候选小区集中高话务候选小区的总数量确定的,且第三关联度阈值小于第二关联度阈值。这里需要说明的是,随着确定的高话务区域的数量的增加,每一次确定的关联度阈值会小于上一次确定的关联度阈值。
本申请实施例中的技术方案,根据各高话务候选小区与种子小区之间的关联度,将关联度大于或等于第一关联度阈值的目标高话务候选小区确定为一个高话务区域,将目标高话务候选小区从高话务候选小区集中移出,得到更新后的高话务候选小区集,并基于更新后的高话务候选小区集继续确定高话务区域,直至更新后的高话务候选小区集中高话务候选小区的总数量小于或等于预设阈值,得到多个高话务区域;该方法不需要深度学习算法参与,就能够确定目标网络区域中的多个高话务区域,并基于确定的多个高话务区域,能够进一步提高寻呼区配置的合理性,使得最终配置的寻呼区能够满足实时的业务发展变化,从而能够提高网络侧寻呼过程中的网络资源利用率;同时,采用上述方法确定高话务区域,无需借助各小区对应的基站的经纬度信息,避免了基站的经纬度信息录入错误带来的影响,从而能够精准确定各高话务区域。
下面对上述根据目标网络区域中的多个高话务区域对目标网络区域进行寻呼区配置的过程进行说明。在一实施例中,上述S300中的步骤,可以包括:从多个高话务区域中获取至少两个高话务区域进行合并,将合并得到的高话务区域配置为第一层级寻呼区;以及将多个高话务区域中每个高话务区域均作为独立的寻呼区,并配置为第二层级寻呼区。
在本申请实施例中,可以从获取到的所有高话务区域中获取至少两个高话务区域,并将至少两个高话务区域进行合并,将合并得到的高话务区域配置为第一层级寻呼区,其中,第一层级寻呼区的总数量可以等于1。
同时,可以将获取到的每个高话务区域作为独立的寻呼区,并配置为第二层级寻呼区。也就是,第二层级寻呼区中所有寻呼区的总数量可以等于获取到的所有高话务区域的总数量。
在实际应用中,网络侧向寻呼区发送寻呼消息后,寻呼区可以通过小区控制信道发送寻呼消息以寻找终端。
进一步,在一实施例中,上述方法还可以包括:在对目标网络区域完成寻呼区配置的情况下,根据各寻呼区所属的层级,对各寻呼区配置寻呼区标识;其中,不同层级的寻呼区的寻呼区标识不同。
在实际应用中,第二层级寻呼区中不同寻呼区的寻呼区标识可以相同,也可以不相同。这里需要说明的是,在目标网络区域完成寻呼区配置之后,对寻呼区配置寻呼区标识的目的是为了让网络侧在实现寻呼过程中使用。
同时,在一实施例中,上述方法还可以包括:在对目标网络区域完成寻呼区配置的情况下,根据各寻呼区所属的层级,对各寻呼区配置寻呼优先级;其中,寻呼优先级表示网络侧向不同寻呼区发送终端寻呼消息的先后顺序;第一层级寻呼区的寻呼优先级大于第二层级寻呼区的寻呼优先级。
这里需要说明的是,在目标网络区域完成寻呼区配置之后,对寻呼区配置寻呼区优先级的目的是为了让网络侧在实现寻呼过程中使用。
其中,网络侧可以存储终端的位置信息,以根据终端的位置信息与终端进行通信;在实际应用中,终端可以在不同的寻呼区之间来回移动,所以需要对网络侧中存储的终端的位置信息进行更新,但本申请实施例中,当终端发起业务请求并在业务处理结束后才会向网络侧上报当前的位置信息,以指示网络侧对自身的位置信息进行更新,这样能够避免对终端频繁地进行位置更新,会提高网络资源开销。
本申请实施例中的技术方案,从多个高话务区域中获取至少两个高话务区域进行合并,将合并得到的高话务区域配置为第一层级寻呼区,以及将多个高话务区域中每个高话务区域均作为独立的寻呼区,并配置为第二层级寻呼区;该方法可以基于精准确定的目标网络区域内的多个高话务区域来分层配置寻呼区,使得寻呼区的配置更加合理;同时,在合理配置寻呼区的基础上,能够让网络侧快速发送寻呼消息找到对应终端,以使终端快速进入通信状态,从而能够节省终端进入通信状态所需的耗电量,延长终端待机时间。
一种实施例中,本申请实施例还提供一种寻呼区配置方法,如图8所示,该方法包括以下过程:
S10、根据各小区的小区连接数,确定所有小区的小区连接总数。
S11、根据各小区的小区连接数和小区连接总数,确定各小区的小区业务活跃度。
S11、对于任一小区,若小区的小区业务活跃度大于预设的活跃度阈值,则将小区确定为话务候选小区。
S12、将确定出的各话务候选小区中小区业务活跃度最高的话务候选小区确定为种子小区,并根据各话务候选小区中除种子小区之外的其它话务候选小区,构建高话务候选小区集;种子小区表示各小区中小区业务活跃度最高的小区。
S13、获取种子小区相对于各高话务候选小区的第一信号质量测量数据,以及各高话务候选小区相对于种子小区的第二信号质量测量数据。
S14、根据各第一信号质量测量数据和各第二信号质量测量数据,确定各高话务候选小区与种子小区之间的关联度。
S15、根据各高话务候选小区与种子小区之间的关联度,将关联度大于或等于第一关联度阈值的目标高话务候选小区确定为一个高话务区域。
S16、将目标高话务候选小区从高话务候选小区集中移出,得到更新后的高话务候选小区集。
S17、根据更新后的高话务候选小区集中高话务候选小区的总数量,对第一关联度阈值进行调整,得到第二关联度阈值;第二关联度阈值小于第一关联度阈值。
S18、将更新后的高话务候选小区集中关联度大于或等于第二关联度阈值的目标高话务候选小区确定为一个高话务区域,直至更新后的高话务候选小区集中高话务候选小区的总数量小于或等于预设阈值,得到多个高话务区域。
S19、从多个高话务区域中获取至少两个高话务区域进行合并,将合并得到的高话务区域配置为第一层级寻呼区;以及将多个高话务区域中每个高话务区域均作为独立的寻呼区,并配置为第二层级寻呼区。
S20、在对目标网络区域完成寻呼区配置的情况下,根据各寻呼区所属的层级,对各寻呼区配置寻呼区标识,以及在对目标网络区域完成寻呼区配置的情况下,根据各寻呼区所属的层级,对各寻呼区配置寻呼优先级;其中,不同层级的寻呼区的寻呼区标识不同;寻呼优先级表示网络侧向不同寻呼区发送终端寻呼消息的先后顺序;第一层级寻呼区的寻呼优先级大于第二层级寻呼区的寻呼优先级。
以上S10至S20的执行过程具体可以参见上述实施例的描述,其实现原理和技术效果类似,在此不再赘述。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的寻呼区配置方法的寻呼区配置装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个寻呼区配置装置实施例中的具体限定可以参见上文中对于寻呼区配置方法的限定,在此不再赘述。
在一个实施例中,图9为本申请一个实施例中寻呼区配置装置的结构示意图,本申请实施例提供的寻呼区配置装置可以应用于计算机设备中。如图9所示,本申请实施例的寻呼区配置装置,可以包括:第一确定模块11、第二确定模块12和配置模块13,其中:
第一确定模块11,用于根据目标网络区域内各小区的忙时网络运行数据,从各小区中确定种子小区和高话务候选小区集;种子小区表示各小区中小区业务活跃度最高的小区;
第二确定模块12,用于根据高话务候选小区集中各高话务候选小区与种子小区之间的关联度,确定目标网络区域中的多个高话务区域;
配置模块13,用于根据目标网络区域中的多个高话务区域,对目标网络区域进行寻呼区配置。
本申请实施例提供的寻呼区配置装置可以用于执行本申请上述寻呼区配置方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,第一确定模块11包括:活跃度确定单元、候选小区确定单元和候选小区集构建单元,其中:
活跃度确定单元,用于根据各小区的忙时网络运行数据,确定各小区的小区业务活跃度;
候选小区确定单元,用于对于任一小区,若小区的小区业务活跃度大于预设的活跃度阈值,则将小区确定为话务候选小区;
候选小区集构建单元,用于将确定出的各话务候选小区中小区业务活跃度最高的话务候选小区确定为种子小区,并根据各话务候选小区中除种子小区之外的其它话务候选小区,构建高话务候选小区集。
本申请实施例提供的寻呼区配置装置可以用于执行本申请上述寻呼区配置方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,忙时网络运行数据包括小区连接数;活跃度确定单元具体用于:
根据各小区的小区连接数,确定所有小区的小区连接总数;
根据各小区的小区连接数和小区连接总数,确定各小区的小区业务活跃度。
本申请实施例提供的寻呼区配置装置可以用于执行本申请上述寻呼区配置方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,寻呼区配置装置还包括:测量数据获取模块和关联度确定模块,其中:
测量数据获取模块,用于获取种子小区相对于各高话务候选小区的第一信号质量测量数据,以及各高话务候选小区相对于种子小区的第二信号质量测量数据;
关联度确定模块,用于根据各第一信号质量测量数据和各第二信号质量测量数据,确定各高话务候选小区与种子小区之间的关联度。
本申请实施例提供的寻呼区配置装置可以用于执行本申请上述寻呼区配置方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,第二确定模块12包括:高话务区域确定单元、候选小区移出单元和循环执行单元,其中:
高话务区域确定单元,用于根据各高话务候选小区与种子小区之间的关联度,将关联度大于或等于第一关联度阈值的目标高话务候选小区确定为一个高话务区域;
候选小区移出单元,用于将目标高话务候选小区从高话务候选小区集中移出,得到更新后的高话务候选小区集;
循环执行单元,用于基于更新后的高话务候选小区集继续确定高话务区域,直至更新后的高话务候选小区集中高话务候选小区的总数量小于或等于预设阈值,得到多个高话务区域。
本申请实施例提供的寻呼区配置装置可以用于执行本申请上述寻呼区配置方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,循环执行单元具体用于:
根据更新后的高话务候选小区集中高话务候选小区的总数量,对第一关联度阈值进行调整,得到第二关联度阈值;第二关联度阈值小于第一关联度阈值;
将更新后的高话务候选小区集中关联度大于或等于第二关联度阈值的目标高话务候选小区确定为一个高话务区域。
本申请实施例提供的寻呼区配置装置可以用于执行本申请上述寻呼区配置方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,配置模块13具体用于:
从多个高话务区域中获取至少两个高话务区域进行合并,将合并得到的高话务区域配置为第一层级寻呼区;以及将多个高话务区域中每个高话务区域均作为独立的寻呼区,并配置为第二层级寻呼区。
本申请实施例提供的寻呼区配置装置可以用于执行本申请上述寻呼区配置方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,配置模块13包括:标识配置单元,其中:
标识配置单元,具体用于在对目标网络区域完成寻呼区配置的情况下,根据各寻呼区所属的层级,对各寻呼区配置寻呼区标识;其中,不同层级的寻呼区的寻呼区标识不同。
本申请实施例提供的寻呼区配置装置可以用于执行本申请上述寻呼区配置方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
在其中一个实施例中,配置模块13包括:优先级配置单元,其中:
优先级配置单元,具体用于在对目标网络区域完成寻呼区配置的情况下,根据各寻呼区所属的层级,对各寻呼区配置寻呼优先级;其中,寻呼优先级表示网络侧向不同寻呼区发送终端寻呼消息的先后顺序;第一层级寻呼区的寻呼优先级大于第二层级寻呼区的寻呼优先级。
本申请实施例提供的寻呼区配置装置可以用于执行本申请上述寻呼区配置方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
关于寻呼区配置装置的具体限定可以参见上文中对于寻呼区配置方法的限定,在此不再赘述。上述寻呼区配置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备的内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供处理能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和信息库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的信息库用于存储目标网络区域内各小区的忙时网络运行数据。该计算机设备的网络接口用于与外部的终点通过网络连接通信。该计算机程序被处理器执行时以实现一种寻呼区配置方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
根据目标网络区域内各小区的忙时网络运行数据,从各小区中确定种子小区和高话务候选小区集;种子小区表示各小区中小区业务活跃度最高的小区;
根据高话务候选小区集中各高话务候选小区与种子小区之间的关联度,确定目标网络区域中的多个高话务区域;
根据目标网络区域中的多个高话务区域,对目标网络区域进行寻呼区配置。
在一个实施例中,还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
根据目标网络区域内各小区的忙时网络运行数据,从各小区中确定种子小区和高话务候选小区集;种子小区表示各小区中小区业务活跃度最高的小区;
根据高话务候选小区集中各高话务候选小区与种子小区之间的关联度,确定目标网络区域中的多个高话务区域;
根据目标网络区域中的多个高话务区域,对目标网络区域进行寻呼区配置。
在一个实施例中,还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
根据目标网络区域内各小区的忙时网络运行数据,从各小区中确定种子小区和高话务候选小区集;种子小区表示各小区中小区业务活跃度最高的小区;
根据高话务候选小区集中各高话务候选小区与种子小区之间的关联度,确定目标网络区域中的多个高话务区域;
根据目标网络区域中的多个高话务区域,对目标网络区域进行寻呼区配置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、信息库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (13)
1.一种寻呼区配置方法,其特征在于,所述方法包括:
根据目标网络区域内各小区的忙时网络运行数据,从各所述小区中确定种子小区和高话务候选小区集;所述种子小区表示各所述小区中小区业务活跃度最高的小区;
根据所述高话务候选小区集中各高话务候选小区与所述种子小区之间的关联度,确定所述目标网络区域中的多个高话务区域;
根据所述目标网络区域中的多个高话务区域,对所述目标网络区域进行寻呼区配置。
2.根据权利要求1所述的方法,其特征在于,所述根据目标网络区域内各小区的忙时网络运行数据,从各所述小区中确定种子小区和高话务候选小区集,包括:
根据各所述小区的忙时网络运行数据,确定各所述小区的小区业务活跃度;
对于任一小区,若小区的小区业务活跃度大于预设的活跃度阈值,则将所述小区确定为话务候选小区;
将确定出的各话务候选小区中小区业务活跃度最高的话务候选小区确定为所述种子小区,并根据各所述话务候选小区中除所述种子小区之外的其它话务候选小区,构建所述高话务候选小区集。
3.根据权利要求2所述的方法,其特征在于,所述忙时网络运行数据包括小区连接数;所述根据各所述小区的忙时网络运行数据,确定各所述小区的小区业务活跃度,包括:
根据各所述小区的小区连接数,确定所有小区的小区连接总数;
根据各所述小区的小区连接数和所述小区连接总数,确定各所述小区的小区业务活跃度。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据所述高话务候选小区集中各高话务候选小区与所述种子小区之间的关联度,确定所述目标网络区域中的多个高话务区域之前,所述方法还包括:
获取所述种子小区相对于各所述高话务候选小区的第一信号质量测量数据,以及各所述高话务候选小区相对于所述种子小区的第二信号质量测量数据;
根据各所述第一信号质量测量数据和各所述第二信号质量测量数据,确定各所述高话务候选小区与所述种子小区之间的关联度。
5.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据所述高话务候选小区集中各高话务候选小区与所述种子小区之间的关联度,确定所述目标网络区域中的多个高话务区域,包括:
根据各所述高话务候选小区与所述种子小区之间的关联度,将关联度大于或等于第一关联度阈值的目标高话务候选小区确定为一个高话务区域;
将所述目标高话务候选小区从所述高话务候选小区集中移出,得到更新后的高话务候选小区集;
基于所述更新后的高话务候选小区集继续确定高话务区域,直至更新后的高话务候选小区集中高话务候选小区的总数量小于或等于预设阈值,得到多个所述高话务区域。
6.根据权利要求5所述的方法,其特征在于,所述基于所述更新后的高话务候选小区集继续确定高话务区域,包括:
根据所述更新后的高话务候选小区集中高话务候选小区的总数量,对所述第一关联度阈值进行调整,得到第二关联度阈值;所述第二关联度阈值小于所述第一关联度阈值;
将所述更新后的高话务候选小区集中关联度大于或等于第二关联度阈值的目标高话务候选小区确定为一个所述高话务区域。
7.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据所述目标网络区域中的多个高话务区域,对所述目标网络区域进行寻呼区配置,包括:
从多个所述高话务区域中获取至少两个高话务区域进行合并,将合并得到的高话务区域配置为第一层级寻呼区;以及将所述多个高话务区域中每个高话务区域均作为独立的寻呼区,并配置为第二层级寻呼区。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
在对所述目标网络区域完成寻呼区配置的情况下,根据各所述寻呼区所属的层级,对各所述寻呼区配置寻呼区标识;其中,不同层级的寻呼区的寻呼区标识不同。
9.根据权利要求7所述的方法,其特征在于,所述方法还包括:
在对所述目标网络区域完成寻呼区配置的情况下,根据各所述寻呼区所属的层级,对各所述寻呼区配置寻呼优先级;其中,所述寻呼优先级表示网络侧向不同寻呼区发送终端寻呼消息的先后顺序;第一层级寻呼区的寻呼优先级大于第二层级寻呼区的寻呼优先级。
10.一种寻呼区配置装置,其特征在于,所述装置包括:
第一确定模块,用于根据目标网络区域内各小区的忙时网络运行数据,从各所述小区中确定种子小区和高话务候选小区集;所述种子小区表示各所述小区中小区业务活跃度最高的小区;
第二确定模块,用于根据所述高话务候选小区集中各高话务候选小区与所述种子小区之间的关联度,确定所述目标网络区域中的多个高话务区域;
配置模块,用于根据所述目标网络区域中的多个高话务区域,对所述目标网络区域进行寻呼区配置。
11.一种计算机设备,包括收发器、存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-9中任一项所述的方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-9中任一项所述的方法的步骤。
13.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310966881.1A CN116887311A (zh) | 2023-08-02 | 2023-08-02 | 寻呼区配置方法、装置、计算机设备、存储介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310966881.1A CN116887311A (zh) | 2023-08-02 | 2023-08-02 | 寻呼区配置方法、装置、计算机设备、存储介质及产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116887311A true CN116887311A (zh) | 2023-10-13 |
Family
ID=88271507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310966881.1A Pending CN116887311A (zh) | 2023-08-02 | 2023-08-02 | 寻呼区配置方法、装置、计算机设备、存储介质及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116887311A (zh) |
-
2023
- 2023-08-02 CN CN202310966881.1A patent/CN116887311A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xia et al. | Federated-learning-based client scheduling for low-latency wireless communications | |
CN111867049B (zh) | 定位方法、装置及存储介质 | |
Yu et al. | STEP: A spatio-temporal fine-granular user traffic prediction system for cellular networks | |
WO2021179176A1 (en) | Federated learning in telecom communication system | |
Hoyhtya et al. | Database-assisted spectrum prediction in 5G networks and beyond: A review and future challenges | |
JP2023535841A (ja) | 基地局の省エネルギー処理方法及び処理装置 | |
Lamaazi et al. | Smart-3DM: Data-driven decision making using smart edge computing in hetero-crowdsensing environment | |
CN114900855A (zh) | 信道测量方法、装置、电子设备和计算机可读存储介质 | |
CN117202319A (zh) | 一种基站选择方法、装置、电子设备及存储介质 | |
CN112434885A (zh) | 节能小区的业务预测方法和装置 | |
WO2020073555A1 (zh) | 寻呼方法、装置、设备及存储介质 | |
Pramanik et al. | Predicting relative topological stability of mobile users in a P2P mobile cloud | |
US10419959B1 (en) | Individual radio frequency configuration for user devices | |
CN116887311A (zh) | 寻呼区配置方法、装置、计算机设备、存储介质及产品 | |
CN114430530B (zh) | 空间划分方法、装置、设备、介质和程序产品 | |
CN113438689B (zh) | 一种基站节能方法、装置、设备及存储介质 | |
CN108702695B (zh) | 用于预测无线接入点可用性的计算设备、方法和存储介质 | |
WO2019000778A1 (zh) | 一种虚拟小区的构建方法和装置 | |
CN115964091A (zh) | 任务卸载方法、装置、电子设备、及计算机程序产品 | |
Corno et al. | An unsupervised and noninvasive model for predicting network resource demands | |
CN112153679A (zh) | 一种转网方法及装置 | |
Semov et al. | Performance optimization in heterogeneous wireless access networks based on user heat maps | |
US20230075690A1 (en) | Reduction and geo-spatial distribution of training data for geolocation prediction using machine learning | |
CN112333707B (zh) | 公专网协同优化方法、装置、设备及计算机存储介质 | |
US20220272627A1 (en) | Energy Saving Management Method and Apparatus |
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 |