CN117354781A - 业务数据包的处理方法、装置、介质及电子设备 - Google Patents
业务数据包的处理方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN117354781A CN117354781A CN202210741295.2A CN202210741295A CN117354781A CN 117354781 A CN117354781 A CN 117354781A CN 202210741295 A CN202210741295 A CN 202210741295A CN 117354781 A CN117354781 A CN 117354781A
- Authority
- CN
- China
- Prior art keywords
- characteristic
- service
- data packet
- service data
- service flow
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 72
- 230000005540 biological transmission Effects 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims description 52
- 238000004590 computer program Methods 0.000 claims description 25
- 238000010801 machine learning Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 11
- 230000003068 static effect Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 201000004569 Blindness Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 102100022734 Acyl carrier protein, mitochondrial Human genes 0.000 description 1
- 101000678845 Homo sapiens Acyl carrier protein, mitochondrial Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000005641 tunneling 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
- H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Complex Calculations (AREA)
Abstract
本申请的实施例提供了一种业务数据包的处理方法、装置、介质及电子设备。该业务数据包的处理方法包括：接收应用侧网元发送的针对指定业务流的特性辅助数据，所述特性辅助数据包含有与所述指定业务流的特性相关联的数据；根据所述特性辅助数据，对所述指定业务流的特性参数进行推测，得到所述指定业务流的特性参数；根据推测得到的所述特性参数处理所述指定业务流的业务数据包。本申请实施例的技术方案使得网络侧网元可以在应用侧网元的辅助下来确定业务流的特性参数，提高了确定出的业务流特性参数的准确性，进而有利于优化业务流的传输，提高了业务数据包的处理效率。
Description
技术领域
本申请涉及计算机及通信技术领域，具体而言，涉及一种业务数据包的处理方法、装置、介质及电子设备。
背景技术
在5G以及演进5G系统中，高带宽的交互型业务是重要的业务类型，诸如云游戏(Cloud gaming)、VR(Virtual Reality，虚拟现实)、AR(Augmented Reality，增强现实)、MR(Mixed Reality，混合现实)、XR(Extended Reality，扩展现实)、CR(Cinematic Reality，影像现实)等。
这些高带宽的交互型业务不仅对传输的时效性要求很高，而且随着分辨率、帧率和自由度等指标的提高，应用层产生的数据量极大增长，因此这种业务的应用层生成的数据包内容，需要以很低的时延，切割成大量数据包分段传输，而在分段传输时，如何能够保证数据包得到高效的处理是亟待解决的技术问题。
发明内容
本申请的实施例提供了一种业务数据包的处理方法、装置、介质及电子设备，进而可以提高业务数据包的处理效率。
本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
第一方面，本申请实施例的提供了一种业务数据包的处理方法，所述处理方法由网络侧网元执行，所述处理方法包括：接收应用侧网元发送的针对指定业务流的特性辅助数据，所述特性辅助数据包含有与所述指定业务流的特性相关联的数据；根据所述特性辅助数据，对所述指定业务流的特性参数进行推测，得到所述指定业务流的特性参数；根据推测得到的所述特性参数处理所述指定业务流的业务数据包。
第二方面，本申请实施例的提供了一种业务数据包的处理方法，所述处理方法由应用侧网元执行，所述处理方法包括：根据指定业务流的特征信息获取所述指定业务流的特性参数；根据获取到的所述特性参数，生成针对所述指定业务流的特性辅助数据，所述特性辅助数据包含与所述指定业务流的特性相关联的数据；将所述特性辅助数据发送给网络侧网元，以使所述网络侧网元根据所述特性辅助数据推测所述指定业务流的特性参数。
第三方面，本申请实施例的提供了一种业务数据包的处理装置，所述处理装置设置在网络侧网元内，所述处理装置包括：接收单元，配置为接收应用侧网元发送的针对指定业务流的特性辅助数据，所述特性辅助数据包含有与所述指定业务流的特性相关联的数据；推测单元，配置为根据所述特性辅助数据，对所述指定业务流的特性参数进行推测，得到所述指定业务流的特性参数；处理单元，配置为根据推测得到的所述特性参数处理所述指定业务流的业务数据包。
第四方面，本申请实施例的提供了一种业务数据包的处理装置，所述处理装置设置在应用侧网元内，所述处理装置包括：获取单元，配置为根据指定业务流的特征信息获取所述指定业务流的特性参数；生成单元，配置为根据获取到的所述特性参数，生成针对所述指定业务流的特性辅助数据，所述特性辅助数据包含与所述指定业务流的特性相关联的数据；发送单元，配置为将所述特性辅助数据发送给网络侧网元，以使所述网络侧网元根据所述特性辅助数据推测所述指定业务流的特性参数。
第五方面，本申请实施例的提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的业务数据包的处理方法。
第六方面，本申请实施例的提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述电子设备实现如上述实施例中所述的业务数据包的处理方法。
根据本申请实施例的一个方面，提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取并执行该计算机程序，使得该电子设备执行上述各种可选实施例中提供的业务数据包的处理方法。
在本申请的一些实施例所提供的技术方案中，应用侧网元通过将针对指定业务流的特性辅助数据发送给网络侧网元，使得网络侧网元可以根据指定业务流的特性辅助数据对指定业务流的特性参数进行推测，得到指定业务流的特性参数，以根据推测得到的特性参数处理指定业务流的业务数据包。可见，本申请实施例的技术方案使得网络侧网元可以在应用侧网元的辅助下来确定业务流的特性参数，提高了确定出的业务流特性参数的准确性，进而有利于优化业务流的传输，提高了业务数据包的处理效率，避免了单独由应用侧网元提供业务流的特性参数而导致对应用侧网元的依赖性较大的问题，也避免了单独由网络侧网元进行推测而导致特性参数不准确的问题。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图；
图2示出了根据本申请的一个实施例的多媒体数据包的传输过程示意图；
图3示出了根据本申请的一个实施例的业务数据包的处理方法的流程图；
图4示出了根据本申请的一个实施例的业务数据包的处理方法的流程图；
图5示出了根据本申请的一个实施例的业务数据包的处理方法的流程图；
图6示出了根据本申请的一个实施例的业务数据包的处理方法的流程图；
图7示出了根据本申请的一个实施例的业务数据包的处理装置的框图；
图8示出了根据本申请的一个实施例的业务数据包的处理装置的框图；
图9示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在参考附图以更全面的方式描述示例实施方式。然而，示例的实施方式能够以各种形式实施，且不应被理解为仅限于这些范例；相反，提供这些实施方式的目的是使得本申请更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，本申请所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，有许多具体细节从而可以充分理解本申请的实施例。然而，本领域技术人员应意识到，在实施本申请的技术方案时可以不需用到实施例中的所有细节特征，可以省略一个或更多特定细节，或者可以采用其它的方法、元件、装置、步骤等。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
需要说明的是：在本文中提及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
随着5G(5th-Generation，第五代移动通信技术)的发展，使得许多要求多数据量、短时延的多媒体业务得到应用。比如云游戏业务、VR、AR、MR、XR、CR等交互业务。
比如，在图1所示的云游戏场景中，云端服务器101用于运行云游戏，云端服务器101可以对游戏画面进行渲染，并将音频信号及渲染后的图像进行编码处理，最后将编码处理得到的编码数据通过网络传输至各个游戏客户端。游戏客户端可以是具有基本的流媒体播放能力、人机交互能力以及通信能力等的用户设备(User Equipment，用户设备)，例如，智能手机、平板电脑、笔记本电脑、台式计算机、智能电视、智能家居、车载终端、飞行器等；或者该游戏客户端可以是运行于终端设备中的应用程序。具体的，游戏客户端可以将云端服务器101传输的编码数据进行解码，得到模拟音视频信号，并进行播放。
应理解的是，图1中只是示例性的表征云游戏系统的系统架构，并不对云游戏系统的具体架构进行限定；例如在其它实施例中，云游戏系统中还可包括用于调度的后台服务器等等。并且云端服务器101可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。游戏客户端以及云端服务器101可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。
在上述的各种基于多媒体的交互业务应用场景中，由于多媒体数据包巨大，因此在传输时需要拆分为多个数据包进行传输。具体而言，如图2所示，在5G系统中，用户面主要包括应用服务器、UPF(User Plane Function，用户面功能)、基站(next generationnodeB，简称gNB)和UE(User Equipment，用户设备)。多媒体数据包的传输对于一些典型业务场景主要在下行方向，比如从应用服务器到UPF，然后再通过gNB发送给UE。在进行传输时，多媒体数据包(在图2中以XR数据包为例)在应用服务器的应用层进行拆分，拆分后的数据包作为IP包从应用服务器到达UPF后，5G系统通过PDU(Protocol Data Unit，协议数据单元)会话把子数据包传输到UE端，在UE端从协议栈逐级向上递交并进行重组恢复出该多媒体数据包。
其中，在图2所示的系统中，L1层是指物理层，其用于确保原始的数据可在各种物理媒体上传输；L2层指的是数据链路层，数据链路层在物理层提供的服务的基础上向网络层提供服务；IP(Internet Protocol，网际互联协议)层即为网络层，用于实现两个端系统之间的数据传送；UDP即为User Datagram Protocol，中文名为用户数据报协议；GTP-U即为GPRS(General packet radio service，通用分组无线业务)Tunneling Protocol，中文名为通用分组无线业务隧道协议用户面；PHY即为Physical的简称，中文名为物理层；MAC即为Media Access Control，中文名为媒体访问控制；RLC即为Radio Link Control，中文名为无线链路控制层协议；PDCP即为Packet Data Convergence Protocol，中文名是分组数据汇聚协议；SDAP即为Service Data Adaptation Protocol，中文名是服务数据适配协议。
如前所述，对多媒体业务来说，把一帧多媒体数据包分成多个数据包传输是很常见的情况，但是当这些数据包在网络中进行传输时，网络并不区分这些数据包之间的关联关系，当网络发生拥塞进行丢包时也无法参考这种关联关系。同时，这些数据包是否具备同等重要性，以及部分数据包丢失以后可否恢复等都无法获知，而缺乏这些信息将导致网络侧网元对接收到的数据包的处理存在盲目性。
比如，如果某些数据包丢失，则会导致整个帧、GoP(Group of Pictures，画面组)或者其他视频部分内容无法解码，则其余数据包也应当丢弃。反之，如果丢弃了部分数据包后仍然可以依赖于已经接收到的数据包进行恢复，则无需丢弃已经接收到的数据包。此外，有些XRM(XR and Media Services，XR和媒体服务)业务流具有周期性，依据这些周期性，无线网络在调度传输时可以提高时频资源效率，比如说根据XRM业务的周期性，采取SPS(Semi-Persistent Scheduling，半静态调度)或者C-DRX(Connected-DiscontinuousReception，连接模式的非连续接收)机制。
在相关技术中，为了使网络侧网元获取到业务流特性参数，通常可以由应用侧网元提供给网络侧网元，但是这种方式对应用侧网元有很高的要求，比如要求应用侧网元能够提供该业务流特性是否具有周期性、业务数据包之间是否具有相关性等，而在实际部署中，应用侧网元往往难以完全提供这些信息。相关技术中也有不依赖于应用侧网元提供业务流特性，而单纯依靠网络侧网元进行推算的方案，但是这种方案存在一定的盲目性和不准确性，另外持续对业务流进行特性猜测，也会导致网络侧处理算法的增加，比如，如果这种推测机制运行在5G网络的网关节点如UPF时，会造成网关节点负荷增大，进而可能会影响整个5G网络系统的吞吐量和运行效率等。
正是基于目前所存在的这些问题，本申请的实施例提出了一种新的业务数据包的处理方案，使得应用侧网元可以向网络侧网元指示部分业务流特性，而网络侧网元根据部分业务流特性指示，通过人工智能(Artificial Intelligence，简称AI)的方法来推测出其余的业务流特性，进而实现对XR等多媒体业务数据的处理。
其中，人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。
在本申请的可选实施例中，网络侧网元具体可以采用机器学习(MachineLearning，简称ML)的方法来进行业务流特性的推测。其主动，机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
以下对本申请实施例的技术方案的实现细节进行详细阐述：
图3示出了根据本申请的一个实施例的业务数据包的处理方法的流程图，该业务数据包的处理方法可以由网络侧网元来执行，该网络侧网元比如可以是PCF。参照图3所示，该业务数据包的处理方法可以包括S310至S330，详细介绍如下：
在S310中，接收应用侧网元发送的针对指定业务流的特性辅助数据，该特性辅助数据包含有与指定业务流的特性相关联的数据。
在一些可选的实施例中，特性辅助数据是用于网络侧网元来确定指定业务流的特性参数的，比如可以包含指定业务流的部分特性参数，或者可以包含用于确定指定业务流的特性参数的指示信息。
可选地，特性辅助数据可以包括指定业务流是否具有周期性，如果具有周期性，那么特性辅助数据还可以包括周期的具体数值或者周期所处的区间，或者还可以包含不同周期传输的数据量是否相等。
可选地，特性辅助数据可以包括指定业务流所对应的业务数据包是否具有相应的传输速率。如果具有传输速率，那么该传输速率可以是速率范围，也可以平均传输速率等。
可选地，特性辅助数据可以包括指定业务流是否具备固定的帧率。如果具备固定的帧率，那么特性辅助数据还可以包括帧率的具体数值，或者帧率所处的区间等。
可选地，特性辅助数据可以包括指定业务流是否具备固定的关键帧间隔。如果具备固定的关键帧间隔，那么特性辅助数据还可以包括关键帧间隔的具体数值，或者关键帧间隔所处的区间等。
可选地，特性辅助数据可以包括指定业务流中是否存在具有关联性的业务数据包集合(即PDU set)。如果具有PDU set，那么特性辅助数据还可以包括PDU set内的业务数据包是否具备同等重要性，以及PDU set中的部分业务数据包丢失以后可否恢复PDU set所对应的内容等。
继续参照图3所示，在S320中，根据特性辅助数据，对指定业务流的特性参数进行推测，得到指定业务流的特性参数。
在一些可选的实施例中，根据特性辅助数据推测得到的指定业务流的特性参数，可以包括指定业务流所对应的业务数据包的周期性。比如，指定业务流是否具有周期性，如果具有周期性，那么可以进一步推测得到周期的具体数值或者周期所处的区间。当然，也可以推测出不同周期传输的数据量是否相等。
在一些可选的实施例中，根据特性辅助数据推测得到的指定业务流的特性参数，可以包括指定业务流所对应的业务数据包的传输速率。比如，是否具有传输速率，如果具有传输速率，那么可以进一步推测出该传输速率的速率范围，或者推测出平均传输速率等。
在一些可选的实施例中，根据特性辅助数据推测得到的指定业务流的特性参数，可以包括指定业务流所对应的业务数据包的帧率。比如，指定业务流是否具备固定的帧率，如果具备固定的帧率，那么可以进一步推测出帧率的具体数值，或者帧率所处的区间等。
在一些可选的实施例中，根据特性辅助数据推测得到的指定业务流的特性参数，可以包括指定业务流所对应的业务数据包的关键帧间隔。比如，指定业务流是否具备固定的关键帧间隔，如果具备固定的关键帧间隔，那么可以进一步推测出关键帧间隔的具体数值，或者关键帧间隔所处的区间等。
在一些可选的实施例中，根据特性辅助数据推测得到的指定业务流的特性参数，可以包括指定业务流中是否存在具有关联性的业务数据包集合(即PDU set)，以及业务数据包集合所包含的业务数据包的特性。业务数据包的特性比如可以包括PDU set内的业务数据包是否具备同等重要性，以及PDU set中的部分业务数据包丢失以后可否恢复PDU set所对应的内容等。
在一些可选的实施例中，如果业务数据包集合内的业务数据包的重要性不相同、且业务数据包集合内的部分业务数据包丢失后能够恢复业务数据包集合所对应的内容，那么推测得到的指定业务流的特性参数还可以包括：业务数据包集合的丢包策略，该丢包策略用于指示在网络拥塞时放弃对业务数据包集合内的指定业务数据包的传输。
具体地，如果业务数据包集合内包含的业务数据包的重要性不相同，那么说明这些业务数据包中有些业务数据包是不能丢包的，但是有些业务数据包如果丢包可能也不影响整个业务数据包集合的恢复，进而在网络发生拥塞时，可以根据丢包策略丢弃重要性程度较低的业务数据包。
如果业务数据包集合内的业务数据包具有相同的重要性，那么说明这些业务数据包在传输时都不能丢包，如果丢包可能会导致无法恢复出业务数据包集合所对应的内容。因此，在传输过程中，如果有部分业务数据包丢包，那么该业务数据包集合内的所有业务数据包都需要丢弃。
在一些可选的实施例中，指定业务流的特性参数可以包括指定业务流所对应的业务数据包的帧率，那么网络侧网元在对指定业务流所对应的业务数据包的帧率时，可以根据业务数据包的发送时间戳，统计业务数据包在单位时间内的发送量，然后根据业务数据包在单位时间内的发送量确定业务数据包的帧率。
可选地，该单位时间比如可以是1秒，那么可以根据业务数据包的发送时间戳统计业务数据包在1秒内的发送量，然后将业务数据包在1秒内的发送量作为业务数据包的帧率。当然，该单位时间还可以是其它值(比如一分钟、30秒等)，那么在统计得到单位时间内的发送量之后，再计算得到1秒内的发送量。
在一些可选的实施例中，指定业务流的特性参数包括指定业务流所对应的业务数据包的关键帧间隔，那么网络侧网元在对指定业务流所对应的业务数据包的关键帧间隔进行推测时，可以根据指定业务流所对应的业务数据包的大小变化规律，确定数据量大于设定阈值的目标数据包，将相邻的目标数据包之间的间隔作为关键帧间隔。具体而言，由于关键帧的数据包相对较大，因此可以根据数据包的大小确定出关键帧的数据包，然后将相邻关键帧的数据包之间的间隔作为关键帧间隔。
在一些可选的实施例中，网络侧网元可以基于机器学习模型，以根据特性辅助数据对指定业务流的特性参数进行推测。具体地，网络侧网元可以通过样本数据来对机器学习模型进行训练，以便于机器学习模型学习业务流特性参数的预测规则，进而通过训练后的机器学习模型来推测业务流的特性参数。
在一些可选的实施例中，对机器学习模型进行训练的样本数据可以是已知特性参数的业务流样本的特性辅助数据，在进行训练时，将该业务流样本的特性辅助数据输入至机器学习模型中进行预测，并将机器学习模型的预测结果与该业务流样本的已知特性参数进行比对，根据比对结果对机器学习模型的模型参数进行调整，以使得机器学习模型的预测结果与该业务流样本的已知特性参数之间的损失值满足收敛条件。可选地，该机器学习模型可以是CNN(Convolutional Neural Networks，卷积神经网络)模型、RNN(RecurrentNeural Network，循环神经网络)模型等。
继续参照图3所示，在S330中，根据推测得到的特性参数处理指定业务流的业务数据包。
在一些可选的实施例中，根据推测得到的特性参数处理指定业务流的业务数据包可以是根据相应的特性参数对业务数据包进行转发，或者也可以是将相应的特性参数配置到相应的网元中，比如UPF、基站设备等，以便于分配合适的传输资源对该指定业务流的业务数据包进行传输。
在一些可选的实施例中，如果指定业务流的特性参数包括指定业务流所对应的业务数据包的周期性，那么若业务数据包在不同周期内传输的数据量相同，则可以针对指定业务流采用半静态调度的方式或采用静态调度的方式；若业务数据包在不同周期内传输的数据量不固定，则针对指定业务流采用动态调度的方式。
具体而言，如果业务数据包在不同周期内传输的数据量相同，那么网络侧网元(比如接入网侧网元)在进行调度时可以向终端设备分配固定数量的时频资源，并且调度方式可以选择较为简单的半静态调度或者静态调度；如果业务数据包在不同周期内传输的数据量不固定，那么在进行传输调度时，需要根据业务流的需求和网络状态调度不同数量的时频资源，即需要采用动态调度的方式。
以上从网络侧网元的角度对本申请实施例的技术方案进行了说明，以下从应用侧网络的角度对本申请实施例的技术方案的实现细节作进一步说明：
图4示出了根据本申请的一个实施例的业务数据包的处理方法的流程图，该业务数据包的处理方法可以由应用侧网元来执行，应用侧网元即为处于应用层的网元，比如可以是AF。参照图4所示，该业务数据包的处理方法可以包括S410至S430，详细介绍如下：
在S410中，根据指定业务流的特征信息获取指定业务流的特性参数。
在一些可选的实施例中，指定业务流的特征信息可以包括以下至少一个：指定业务流所采用的编码方式、指定业务流所对应的业务数据内容、指定业务流的配置参数。
可选地，指定业务流所采用的编码方式比如可以是AVC(Advanced Video Coding，高级视频编码)、HEVC(High Efficiency Video Coding，高效率视频编码)、VVC(VersatileVideo Coding，多功能视频编码)等中的某一个。
指定业务流所对应的业务数据内容比如可以是Audio(音频)、Video(视频)、Haptic(触觉信息)等中的一种或多种。
指定业务流的配置参数比如可以包括CRF(Constant Rate Factor，固定速率系数)、平均速率等可能影响业务流特性的参数。
在S420中，根据获取到的特性参数，生成针对指定业务流的特性辅助数据，特性辅助数据包含与指定业务流的特性相关联的数据。
在一些可选的实施例中，特性辅助数据可以包括指定业务流的部分特性参数，或者也可以包含用于确定指定业务流的特性参数的指示信息。
可选地，特性辅助数据比如可以包括指定业务流是否具有周期性，如果具有周期性，那么特性辅助数据还可以包括周期的具体数值或者周期所处的区间，或者还可以包含不同周期传输的数据量是否相等。
可选地，特性辅助数据比如可以包括指定业务流所对应的业务数据包是否具有相应的传输速率。如果具有传输速率，那么该传输速率可以是速率范围，也可以平均传输速率等。
可选地，特性辅助数据比如可以包括指定业务流是否具备固定的帧率。如果具备固定的帧率，那么特性辅助数据还可以包括帧率的具体数值，或者帧率所处的区间等。
可选地，特性辅助数据比如可以包括指定业务流是否具备固定的关键帧间隔。如果具备固定的关键帧间隔，那么特性辅助数据还可以包括关键帧间隔的具体数值，或者关键帧间隔所处的区间等。
可选地，特性辅助数据比如可以包括指定业务流中是否存在具有关联性的业务数据包集合(即PDU set)。如果具有PDU set，那么特性辅助数据还可以包括PDU set内的业务数据包是否具备同等重要性，以及PDU set中的部分业务数据包丢失以后可否恢复PDU set所对应的内容等。
在S430中，将特性辅助数据发送给网络侧网元，以使网络侧网元根据特性辅助数据推测指定业务流的特性参数。
可选地，网络侧网元根据特性辅助数据推测指定业务流的特性参数的过程可以参照前述图3所示实施例的介绍，不再赘述。
以上分别从网络侧网元和应用侧网元的角度对本申请实施例的技术方案进行了阐述，具体地，本申请实施例的技术方案使得网络侧网元可以在应用侧网元的辅助下来确定业务流的特性参数，提高了确定出的业务流特性参数的准确性，进而有利于优化业务流的传输，提高了业务数据包的处理效率，避免了单独由应用侧网元提供业务流的特性参数而导致对应用侧网元的依赖性较大的问题，也避免了单独由网络侧网元进行推测而导致特性参数不准确的问题。以下以具体的实施例对本申请实施例的技术方案的实现细节进行再次说明：
本申请实施例的技术方案主要是由应用层(即应用侧网元)根据业务流的周期性、速率、关键帧间隔、帧率、数据包集合(PDU Set)等特性，为网络层(即网络侧网元)提供有限的信息指示。而网络层则根据应用层所指示的部分指示特性来，通过机器学习或者人工智能方法来推测出其余的业务流特性，进而实现对多媒体业务数据的网络层处理。具体处理流程可以参照图5所示，包括如下步骤：
S510，应用层获取业务流特性参数。
在一些可选的实施例中，应用层可以根据业务流所采用的编码方式、业务数据包的内容及配置参数等，获得业务流特性参数。
可选地，编解码方式包括但不限于AVC、HEVC、VVC等；业务数据包的内容包括但不限于Audio、Video、Haptic等；配置参数包括但不限于CRF、平均速率等其他可能影响业务流特性的参数。
在一些可选的实施例中，业务流特性参数包括但不限于：周期性、速率、关键帧间隔、帧率、数据包集合(PDU set)特性等。
可选地，业务流的数据包是否具有周期性的判断准则可以是该业务流是否以固定周期产生特定数据。该特定数据的数据量可以是相同的，也可以是不同的。如果该特定数据的数据量相同，那么网络侧在进行调度传输时，可以分配固定数量的时频资源，这样无线接入网侧的调度更为简单，容易采用半静态甚至静态的调度策略。如果该特定数据的数据量不同，那么网络侧在调度传输时，需要根据业务流需求调度不同数量的时频资源，相对来说难以使用半静态或者静态的调度策略。
可选地，业务流特性参数中的速率指的是业务流的数据包是否具备速率特性，如果具备速率特性，那么速率可以是速率范围或平均速率等。其中，平均速率是某些编码推流软件具备的属性，具备这个属性可以便于网络层进行QoS(Quality of Service，服务质量)策略的配置和监测。
可选地，业务流特性参数中的帧率指的是业务流是否具备固定的帧率。如果具备固定的帧率，那么帧率可以是具体数值，或者是帧率的变化范围信息(即所处的区间)等。
可选地，业务流特性参数中的关键帧间隔指的是业务流是否具备固定的关键帧间隔。如果具备固定的关键帧间隔，那么关键帧间隔可以是关键帧间隔的具体数值，或者关键帧间隔所处的区间等。
可选地，业务流特性参数中的数据包集合(PDU Set)特性指的是业务流中是否存在具有关联性的业务数据包集合(即PDU set)。如果具有PDU set，那么PDU set内的业务数据包是否具备同等重要性，以及PDU set中的部分业务数据包丢失以后可否恢复PDU set所对应的内容等。
S520，应用层向网络层指示是否具有某个或者某些业务流特性。
在一些可选的实施例中，应用层可以将业务流的以下特性中的一个或多个指示给网络层：周期性、速率、关键帧间隔、帧率、数据包集合(PDU set)特性等。
可选地，应用层可以向网络层指示业务流的数据包是否具有周期性；如果应用侧不将具体的周期性数值告知网络层，那么网络层需要自行通过人工智能或者机器学习方法获得。
可选地，应用层可以向网络层指示业务流的数据包是否具有速率特性；如果应用侧不将具体的速率数值告知网络层，那么网络层需要自行通过人工智能或者机器学习方法获得。
可选地，应用层可以向网络层指示业务流的数据包是否具有固定或者相对固定的关键帧间隔/帧率；如果应用侧不将具体的关键帧间隔/帧率告知网络层，那么网络层需要自行通过人工智能或者机器学习方法获得。
可选地，应用层可以向网络层指示业务流的数据包是否具有数据包集合特性等；如果应用侧不将具体的数据包集合特性告知网络层，那么网络层需要自行通过人工智能或者机器学习方法获得。
S530，网络层根据应用层指示是否具有某个或者某些业务流特性进行业务流特性推测。
在一些可选的实施例中，网络层可以根据应用层提供的是否具有周期性的指示，学习和推测业务流的周期性。具体可以包括固定数据量的周期性和可变数据量的周期性。
在一些可选的实施例中，网络层可以根据应用层提供的是否具有固定速率或者速率在特定范围内的指示，推测获取速率或者速率范围。
在一些可选的实施例中，网络层可以根据应用层提供的是否具有固定或者相对固定的关键帧间隔/帧率的指示，获取关键帧间隔/帧率。
可选地，帧率的推测可以通过数据包的规律来探测，比如对于基于RTP(Real-timeTransport Protocol，实时传输协议)的业务数据包，可以通过发送端的时间戳，统计业务数据包在单位时间内的发送量，然后根据业务数据包在单位时间内的发送量确定业务数据包的帧率。
可选地，网络层也可以根据数据包的大小变化规律来确定关键帧间隔，比如每个IDR(Instantaneous Decoding Refresh，解码立即刷新)frame在产生时都会有较大的数据包，即在MTU(Maximum Transmission Unit，最大传输单元)限制下的最大包，那么可以将两个较大数据包之间的间隔作为关键帧间隔。
S540，网络层根据业务流特性进行数据包的转发处理。
在一些可选的实施例中，网络层在对数据包进行处理时，可以根据PDU set特性进行处理，也可以将PDU set特性与业务数据包的周期性、速率、帧率等参数进行关联来进行处理。
可选地，在根据PDU set特性进行处理时，如果PDU set内的业务数据包具有相同的重要性，那么说明这些业务数据包在传输时都不能丢包，如果丢包可能会导致无法恢复出PDU set所对应的内容，在这种情况下，如果有部分业务数据包丢包，那么该业务数据包集合内的所有业务数据包都需要丢弃。如果PDU set内包含的业务数据包的重要性不相同，那么说明这些业务数据包中有些业务数据包是不能丢包的，但是有些业务数据包如果丢包可能也不影响整个PDU set的恢复，进而可以在网络发生拥塞时，丢弃重要性程度较低的业务数据包，以在不影响业务数据包集合恢复的前提下，降低网络拥塞带来的影响。
基于前述实施例的技术方案，如图6所示，根据本申请的一个实施例的业务数据包的处理方法，包括：
S601，在PDU会话建立完成之后，AF发起具有所需QoS的AF会话(AF session withrequired QoS)，其中包含了对是否具备某些业务流特性的指示。
S602，PCF根据AF的指示确定业务流是否具有某种特性，若具有，则进行分析，确定相应的特性参数值。
具体地，AF可以在控制面向PCF提供指示信息(既可以直接将指示信息传递给PCF，也可以先发送给NEF，然后由NEF转发给PCF)，以指示某个或某些业务流特性。PCF在进行分析来确定特性参数值时，也可以借助于UPF、NWDAF(Network Data Analytics Function，网络数据分析功能)等网元提供的参数进行推测分析。
S603，PCF发起PDU会话修改，将推测得到的特性参数值配置到UPF和基站。
S604，PCF将推测得到的特性参数值配置到UPF和基站之后，如果UPF接收到从AS(Application Server，应用服务器)发起的下行数据包，则根据业务流特性参数识别PDUset。
可选地，比如若业务流特性表示业务数据包具有PDU set特性，那么可以识别属于同一PDU set的业务数据包。具体地，可以在业务数据包的用户面报头信息中添加相应的参数来指示业务数据包之间的关系，进而可以通过用户面报头信息来识别属于同一PDU set的业务数据包。
S605，UPF将下行数据包传输给基站。
S606，基站根据业务流特性处理PDU set。
在一些可选的实施例中，如果根据业务流特性确定业务数据包在不同周期内传输的数据量相同，那么基站在进行调度时可以向终端设备分配固定数量的时频资源，并且调度方式可以选择较为简单的半静态调度或者静态调度；如果业务数据包在不同周期内传输的数据量不固定，那么基站在进行传输调度时，需要根据业务流的需求和网络状态调度不同数量的时频资源，即需要采用动态调度的方式。
在一些可选的实施例中，如果根据业务流特性确定PDU set内的业务数据包的重要性不相同、且PDU set的部分业务数据包丢失后能够恢复业务数据包集合所对应的内容，那么基站可以在网络发生拥塞时，丢弃重要性程度较低的业务数据包。
如果PDU set内的业务数据包具有相同的重要性，那么说明这些业务数据包在传输时都不能丢包，如果丢包可能会导致无法恢复出业务数据包集合所对应的内容。因此，基站在传输过程中，如果有部分业务数据包丢包，那么该PDU set内的所有业务数据包都需要丢弃。
本申请上述实施例的技术方案使得网络侧网元可以在应用侧网元的辅助下来确定业务流的特性参数，提高了确定出的业务流特性参数的准确性，进而有利于优化业务流的传输，提高了业务数据包的处理效率，避免了单独由应用侧网元提供业务流的特性参数而导致对应用侧网元的依赖性较大的问题，也避免了单独由网络侧网元进行推测而导致特性参数不准确的问题。
以下介绍本申请的装置实施例，可以用于执行本申请上述实施例中的业务数据包的处理方法。对于本申请装置实施例中未披露的细节，请参照本申请上述的业务数据包的处理方法的实施例。
图7示出了根据本申请的一个实施例的业务数据包的处理装置的框图，该处理装置可以设置在网络侧网元内，该网络侧网元比如可以是PCF。
参照图7所示，根据本申请的一个实施例的业务数据包的处理装置700，包括：接收单元702、推测单元704和处理单元706。
其中，接收单元702配置为接收应用侧网元发送的针对指定业务流的特性辅助数据，所述特性辅助数据包含有与所述指定业务流的特性相关联的数据；推测单元704配置为根据所述特性辅助数据，对所述指定业务流的特性参数进行推测，得到所述指定业务流的特性参数；处理单元706配置为根据推测得到的所述特性参数处理所述指定业务流的业务数据包。
在本申请的一些实施例中，基于前述方案，根据所述特性辅助数据推测得到的所述指定业务流的特性参数，包括以下至少一种：
所述指定业务流所对应的业务数据包的周期性；
所述指定业务流所对应的业务数据包的传输速率，所述传输速率包括速率范围和平均速率中的至少一个；
所述指定业务流所对应的业务数据包的帧率；
所述指定业务流所对应的业务数据包的关键帧间隔；
所述指定业务流中是否存在具有关联性的业务数据包集合，以及所述业务数据包集合所包含的业务数据包的特性。
在本申请的一些实施例中，基于前述方案，所述业务数据包集合所包含的业务数据包的特性，包括以下至少一种：所述业务数据包集合内的业务数据包是否具有同等重要性、所述业务数据包集合内的部分业务数据包丢失后是否能够恢复所述业务数据包集合所对应的内容。
在本申请的一些实施例中，基于前述方案，若所述业务数据包集合内的业务数据包的重要性不相同、且所述业务数据包集合内的部分业务数据包丢失后能够恢复所述业务数据包集合所对应的内容，则所述指定业务流的特性参数还包括：
所述业务数据包集合的丢包策略，所述丢包策略用于指示在网络拥塞时放弃对所述业务数据包集合内的指定业务数据包的传输。
在本申请的一些实施例中，基于前述方案，所述指定业务流的特性参数包括所述指定业务流所对应的业务数据包的帧率；
所述推测单元704配置为：根据所述业务数据包的发送时间戳，统计业务数据包在单位时间内的发送量，根据所述业务数据包在单位时间内的发送量确定所述业务数据包的帧率。
在本申请的一些实施例中，基于前述方案，所述指定业务流的特性参数包括所述指定业务流所对应的业务数据包的关键帧间隔；
所述推测单元704配置为：根据所述指定业务流所对应的业务数据包的大小变化规律，确定数据量大于设定阈值的目标数据包，将相邻的目标数据包之间的间隔作为所述关键帧间隔。
在本申请的一些实施例中，基于前述方案，所述指定业务流的特性参数包括所述指定业务流所对应的业务数据包的周期性；所述处理单元706还配置为：若所述业务数据包在不同周期内传输的数据量相同，则针对所述指定业务流采用半静态调度的方式或采用静态调度的方式；若所述业务数据包在不同周期内传输的数据量不固定，则针对所述指定业务流采用动态调度的方式。
在本申请的一些实施例中，基于前述方案，所述推测单元704配置为：基于机器学习模型，根据所述特性辅助数据对所述指定业务流的特性参数进行推测。
图8示出了根据本申请的一个实施例的业务数据包的处理装置的框图，该处理装置可以设置在应用侧网元内，比如可以设置在AF内。
参照图8所示，根据本申请的一个实施例的业务数据包的处理装置800，包括：获取单元802、生成单元804和发送单元806。
其中，获取单元802配置为根据指定业务流的特征信息获取所述指定业务流的特性参数；生成单元804配置为根据获取到的所述特性参数，生成针对所述指定业务流的特性辅助数据，所述特性辅助数据包含与所述指定业务流的特性相关联的数据；发送单元806配置为将所述特性辅助数据发送给网络侧网元，以使所述网络侧网元根据所述特性辅助数据推测所述指定业务流的特性参数。
在本申请的一些实施例中，基于前述方案，所述指定业务流的特征信息包括以下至少一个：所述指定业务流所采用的编码方式、所述指定业务流所对应的业务数据内容、所述指定业务流的配置参数。
在本申请的一些实施例中，基于前述方案，所述特性辅助数据包括所述指定业务流的部分特性参数。
图9示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是，图9示出的电子设备的计算机系统900仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示，计算机系统900包括中央处理单元(Central Processing Unit，CPU)901，其可以根据存储在只读存储器(Read-Only Memory，ROM)902中的程序或者从存储部分908加载到随机访问存储器(Random Access Memory，RAM)903中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在RAM 903中，还存储有系统操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(Input/Output，I/O)接口905也连接至总线904。
以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(Cathode Ray Tube，CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时，执行本申请的系统中限定的各种功能。
需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机程序的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序，当上述一个或者多个计算机程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (15)
1.一种业务数据包的处理方法，其特征在于，所述处理方法由网络侧网元执行，所述处理方法包括：
接收应用侧网元发送的针对指定业务流的特性辅助数据，所述特性辅助数据包含有与所述指定业务流的特性相关联的数据；
根据所述特性辅助数据，对所述指定业务流的特性参数进行推测，得到所述指定业务流的特性参数；
根据推测得到的所述特性参数处理所述指定业务流的业务数据包。
2.根据权利要求1所述的业务数据包的处理方法，其特征在于，根据所述特性辅助数据推测得到的所述指定业务流的特性参数，包括以下至少一种：
所述指定业务流所对应的业务数据包的周期性；
所述指定业务流所对应的业务数据包的传输速率，所述传输速率包括速率范围和平均速率中的至少一个；
所述指定业务流所对应的业务数据包的帧率；
所述指定业务流所对应的业务数据包的关键帧间隔；
所述指定业务流中是否存在具有关联性的业务数据包集合，以及所述业务数据包集合所包含的业务数据包的特性。
3.根据权利要求2所述的业务数据包的处理方法，其特征在于，所述业务数据包集合所包含的业务数据包的特性，包括以下至少一种：
所述业务数据包集合内的业务数据包是否具有同等重要性、所述业务数据包集合内的部分业务数据包丢失后是否能够恢复所述业务数据包集合所对应的内容。
4.根据权利要求3所述的业务数据包的处理方法，其特征在于，若所述业务数据包集合内的业务数据包的重要性不相同、且所述业务数据包集合内的部分业务数据包丢失后能够恢复所述业务数据包集合所对应的内容，则所述指定业务流的特性参数还包括：
所述业务数据包集合的丢包策略，所述丢包策略用于指示在网络拥塞时放弃对所述业务数据包集合内的指定业务数据包的传输。
5.根据权利要求1所述的业务数据包的处理方法，其特征在于，所述指定业务流的特性参数包括所述指定业务流所对应的业务数据包的帧率；
根据所述特性辅助数据，对所述指定业务流的特性参数进行推测，包括：根据所述业务数据包的发送时间戳，统计业务数据包在单位时间内的发送量，根据所述业务数据包在单位时间内的发送量确定所述业务数据包的帧率。
6.根据权利要求1所述的业务数据包的处理方法，其特征在于，所述指定业务流的特性参数包括所述指定业务流所对应的业务数据包的关键帧间隔；
根据所述特性辅助数据，对所述指定业务流的特性参数进行推测，包括：根据所述指定业务流所对应的业务数据包的大小变化规律，确定数据量大于设定阈值的目标数据包，将相邻的目标数据包之间的间隔作为所述关键帧间隔。
7.根据权利要求1所述的业务数据包的处理方法，其特征在于，所述指定业务流的特性参数包括所述指定业务流所对应的业务数据包的周期性；所述处理方法还包括：
若所述业务数据包在不同周期内传输的数据量相同，则针对所述指定业务流采用半静态调度的方式或采用静态调度的方式；
若所述业务数据包在不同周期内传输的数据量不固定，则针对所述指定业务流采用动态调度的方式。
8.根据权利要求1至7中任一项所述的业务数据包的处理方法，其特征在于，根据所述特性辅助数据，对所述指定业务流的特性参数进行推测，包括：
基于机器学习模型，根据所述特性辅助数据对所述指定业务流的特性参数进行推测。
9.一种业务数据包的处理方法，其特征在于，所述处理方法由应用侧网元执行，所述处理方法包括：
根据指定业务流的特征信息获取所述指定业务流的特性参数；
根据获取到的所述特性参数，生成针对所述指定业务流的特性辅助数据，所述特性辅助数据包含与所述指定业务流的特性相关联的数据；
将所述特性辅助数据发送给网络侧网元，所述特性辅助数据用于指示所述网络侧网元根据所述特性辅助数据推测所述指定业务流的特性参数。
10.根据权利要求9所述的业务数据包的处理方法，其特征在于，所述指定业务流的特征信息包括以下至少一个：
所述指定业务流所采用的编码方式、所述指定业务流所对应的业务数据内容、所述指定业务流的配置参数。
11.一种业务数据包的处理装置，其特征在于，所述处理装置设置在网络侧网元内，所述处理装置包括：
接收单元，配置为接收应用侧网元发送的针对指定业务流的特性辅助数据，所述特性辅助数据包含有与所述指定业务流的特性相关联的数据；
推测单元，配置为根据所述特性辅助数据，对所述指定业务流的特性参数进行推测，得到所述指定业务流的特性参数；
处理单元，配置为根据推测得到的所述特性参数处理所述指定业务流的业务数据包。
12.一种业务数据包的处理装置，其特征在于，所述处理装置设置在应用侧网元内，所述处理装置包括：
获取单元，配置为根据指定业务流的特征信息获取所述指定业务流的特性参数；
生成单元，配置为根据获取到的所述特性参数，生成针对所述指定业务流的特性辅助数据，所述特性辅助数据包含与所述指定业务流的特性相关联的数据；
发送单元，配置为将所述特性辅助数据发送给网络侧网元，以使所述网络侧网元根据所述特性辅助数据推测所述指定业务流的特性参数。
13.一种计算机可读介质，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如权利要求1至10中任一项所述的业务数据包的处理方法。
14.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述电子设备实现如权利要求1至10中任一项所述的业务数据包的处理方法。
15.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序存储在计算机可读存储介质中，电子设备的处理器从所述计算机可读存储介质读取并执行所述计算机程序，使得所述电子设备执行如权利要求1至10中任一项所述的业务数据包的处理方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210741295.2A CN117354781A (zh) | 2022-06-28 | 2022-06-28 | 业务数据包的处理方法、装置、介质及电子设备 |
| PCT/CN2023/089410 WO2024001451A1 (zh) | 2022-06-28 | 2023-04-20 | 业务数据包的处理方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210741295.2A CN117354781A (zh) | 2022-06-28 | 2022-06-28 | 业务数据包的处理方法、装置、介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117354781A true CN117354781A (zh) | 2024-01-05 |
Family
ID=89363616
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210741295.2A Pending CN117354781A (zh) | 2022-06-28 | 2022-06-28 | 业务数据包的处理方法、装置、介质及电子设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN117354781A (zh) |
| WO (1) | WO2024001451A1 (zh) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118201110A (zh) * | 2018-06-28 | 2024-06-14 | 交互数字专利控股公司 | 用于nr v2x侧链路共享信道数据传输的优先化过程 |
| JP7369800B2 (ja) * | 2019-09-18 | 2023-10-26 | オッポ広東移動通信有限公司 | リソース設定方法及びアクセスネットワーク装置 |
| CN113676846B (zh) * | 2020-05-15 | 2023-04-11 | 大唐移动通信设备有限公司 | 一种传输方式确定方法、装置、设备及存储介质 |
| CN113490156B (zh) * | 2021-07-01 | 2024-03-12 | 腾讯科技（深圳）有限公司 | 多播广播业务的通信方法、装置、介质及电子设备 |
-
2022
- 2022-06-28 CN CN202210741295.2A patent/CN117354781A/zh active Pending
-
2023
- 2023-04-20 WO PCT/CN2023/089410 patent/WO2024001451A1/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024001451A9 (zh) | 2024-09-19 |
| WO2024001451A1 (zh) | 2024-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112437122B (zh) | 通信方法、装置、计算机可读介质及电子设备 | |
| Zhang et al. | Novel quick start (QS) method for optimization of TCP | |
| WO2022247550A1 (zh) | 数据重传处理方法、装置、计算机设备和存储介质 | |
| CN112804711B (zh) | 数据传输方法、装置、计算机可读介质及电子设备 | |
| US20230060066A1 (en) | Data transmission method and apparatus, computer readable medium, and electronic device | |
| CN112787945B (zh) | 数据传输方法、装置、计算机可读介质及电子设备 | |
| CN111937364A (zh) | 无线网络系统中处理数据路径创建的方法和系统 | |
| US8990429B2 (en) | HTTP-based synchronization method and apparatus | |
| US20230070702A1 (en) | Data transmission method and apparatus, computer readable medium, and electronic device | |
| Liubogoshchev et al. | Adaptive cloud-based extended reality: Modeling and optimization | |
| WO2024056032A1 (zh) | 解码、数据传输方法、装置、终端及服务器 | |
| CN112953850A (zh) | 数据传输方法、装置、计算机可读介质及电子设备 | |
| WO2024066362A1 (zh) | 数据传输方法、装置、计算机可读介质及电子设备 | |
| Smirnov et al. | Real-time rate control of webrtc video streams in 5g networks: Improving quality of experience with deep reinforcement learning | |
| WO2024001266A1 (zh) | 视频流传输的控制方法及装置、设备、介质 | |
| CN117354781A (zh) | 业务数据包的处理方法、装置、介质及电子设备 | |
| CN117880983A (zh) | 数据传输方法、装置、计算机可读介质及电子设备 | |
| CN112153322B (zh) | 数据分发方法、装置、设备及存储介质 | |
| WO2024066651A1 (zh) | 数据传输控制方法、装置、计算机可读介质及电子设备 | |
| Zhang et al. | Multimedia Real‐Time Transmission Protocol and Its Application in Video Transmission System | |
| WO2023213086A1 (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
| Liu et al. | Design and Implementation of a Video Streaming Adaptive Algorithm Based on Markov Prediction Model | |
| Noh et al. | Energy-efficient HTTP Adaptive Streaming System over SDN-enabled Wi-Fi APs | |
| WO2023213087A1 (zh) | 数据传输方法、装置、计算机可读介质及电子设备 | |
| US20240223218A1 (en) | System and method for location based error correcting and video transcribing code selection |
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 |