CN117478788A - 呼叫冲击预测方法、装置、计算机设备、介质及产品 - Google Patents
呼叫冲击预测方法、装置、计算机设备、介质及产品 Download PDFInfo
- Publication number
- CN117478788A CN117478788A CN202311291914.3A CN202311291914A CN117478788A CN 117478788 A CN117478788 A CN 117478788A CN 202311291914 A CN202311291914 A CN 202311291914A CN 117478788 A CN117478788 A CN 117478788A
- Authority
- CN
- China
- Prior art keywords
- call
- network element
- request response
- impact
- prediction
- 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 110
- 230000004044 response Effects 0.000 claims abstract description 272
- 238000007405 data analysis Methods 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 47
- 230000006870 function Effects 0.000 claims description 82
- 230000008569 process Effects 0.000 claims description 36
- 238000004891 communication Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012360 testing method Methods 0.000 description 22
- 238000007726 management method Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 230000035939 shock Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012517 data analytics Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 108091027981 Response element Proteins 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/36—Statistical metering, e.g. recording occasions when traffic exceeds capacity of trunks
- H04M3/362—Traffic simulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/36—Statistical metering, e.g. recording occasions when traffic exceeds capacity of trunks
- H04M3/365—Load metering of control unit
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请涉及一种呼叫冲击预测方法、装置、计算机设备、介质及产品。该方法包括：获取呼叫请求响应网元在历史时间段内的呼叫指标数据，将呼叫指标数据输入至呼叫冲击预测模型进行预测处理，确定呼叫请求响应网元在目标时刻的呼叫指标预测数据，并根据呼叫指标预测数据确定呼叫请求响应网元在目标时刻的呼叫冲击预测结果。采用上述方法可以通过网络数据分析功能网元对呼叫请求响应网元在目标时刻的呼叫冲击状态进行预测，进一步，在此基础上，根据预测结果可以提前预防呼叫请求响应网元出现呼叫冲击，降低呼叫对网络的冲击。
Description
技术领域
本申请涉及通信网络技术领域，特别是涉及一种呼叫冲击预测方法、装置、计算机设备、介质及产品。
背景技术
随着通信技术的发展，在特殊时间(例如，自然灾害或特定节假期等)时，大量用户会同时会发起呼叫请求尝试联系家人或朋友，这样可能会给核心网设备中的呼叫请求响应网元造成巨大的呼叫压力。
其中，当呼叫请求响应网元对呼叫请求处理不及时或者无法处理时，会引发呼叫请求不断重试从而造成呼叫冲击的情况，最终影响用户的呼叫使用。
因此，如何提前预测呼叫请求响应网元出现呼叫冲击成为目前亟待解决的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种呼叫冲击预测方法、装置、计算机设备、介质及产品，能够提前预测呼叫请求响应网元出现呼叫冲击，以采用相应措施提前预防呼叫请求响应网元出现呼叫冲击。
第一方面，本申请实施例提供了一种呼叫冲击预测方法，应用于网络数据分析功能网元，该方法包括：
获取呼叫请求响应网元在历史时间段内的呼叫指标数据；
将呼叫指标数据输入至呼叫冲击预测模型进行预测处理，确定呼叫请求响应网元在目标时刻的呼叫指标预测数据；
根据呼叫指标预测数据，确定呼叫请求响应网元在目标时刻的呼叫冲击预测结果。
在其中一个实施例中，在将呼叫指标数据输入至呼叫冲击预测模型进行预测处理之前，上述方法还包括：
获取呼叫请求响应网元的历史呼叫指标数据；
基于历史呼叫指标数据和时序预测算法，构建呼叫冲击预测模型。
在其中一个实施例中，获取呼叫请求响应网元在历史时间段内的呼叫指标数据，包括：
向呼叫请求响应网元发送通信连接建立请求；
在与呼叫请求响应网元成功建立通信连接的情况下，接收呼叫请求响应网元发送的呼叫指标数据。
在其中一个实施例中，呼叫指标预测数据包括呼叫次数预测值和接通率预测值；根据呼叫指标预测数据，确定呼叫请求响应网元在目标时刻的呼叫冲击预测结果，包括：
若呼叫次数预测值小于第一预设次数阈值且接通率预测值小于预设接通率阈值，则确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击；
否则，确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻不会发生呼叫冲击。
在其中一个实施例中，呼叫指标预测数据包括会话建立请求次数预测值和会话建立成功率预测值；根据呼叫指标预测数据，确定呼叫请求响应网元在目标时刻的呼叫冲击预测结果，包括：
若会话建立请求次数预测值小于第二预设次数阈值且会话建立成功率预测值小于预设成功率阈值，则确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击；
否则，确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻不会发生呼叫冲击。
在其中一个实施例中，上述方法还包括：
在呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击的情况下，向策略控制网元发送流控指令；
流控指令用于指示策略控制网元对呼叫冲击进行处理。
在其中一个实施例中，策略控制网元对呼叫冲击进行处理的过程，包括：
策略控制网元根据流控指令中的呼叫请求响应网元标识，获取呼叫请求响应网元发生呼叫冲击时的指标现象，并基于指标现象控制呼叫请求响应网元对呼叫参数进行调整。
在其中一个实施例中，基于指标现象控制呼叫请求响应网元对呼叫参数进行调整，包括：
根据指标现象，确定呼叫请求响应网元的呼叫参数调整量；
向呼叫请求响应网元发送呼叫参数调整量，指示呼叫请求响应网元根据呼叫参数调整量进行呼叫参数调整。
第二方面，本申请实施例提供了一种呼叫冲击预测装置，该装置包括：
数据获取模块，用于获取呼叫请求响应网元在历史时间段内的呼叫指标数据；
预测处理模块，用于将呼叫指标数据输入至呼叫冲击预测模型进行预测处理，确定呼叫请求响应网元在目标时刻的呼叫指标预测数据；
确定模块，用于根据呼叫指标预测数据，确定呼叫请求响应网元在目标时刻的呼叫冲击预测结果。
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中的方法的步骤。
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中的方法的步骤。
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中的方法的步骤。
本申请实施例提供的呼叫冲击预测方法、装置、计算机设备、介质及产品，包括：获取呼叫请求响应网元在历史时间段内的呼叫指标数据，将呼叫指标数据输入至呼叫冲击预测模型进行预测处理，确定呼叫请求响应网元在目标时刻的呼叫指标预测数据，并根据呼叫指标预测数据确定呼叫请求响应网元在目标时刻的呼叫冲击预测结果。上述方法可以通过网络数据分析功能网元对呼叫请求响应网元在目标时刻的呼叫冲击状态进行预测，进一步，在此基础上，根据预测结果可以提前预防呼叫请求响应网元出现呼叫冲击，降低呼叫对网络的冲击；同时，上述方法不需要人工参与，可以减少预测误差，从而能够提高预测结果的准确性，并且该过程能够避免人工解决呼叫冲击问题所带来的滞后性，可以减少用户的呼叫影响，从而能够提升用户的呼叫使用体验。
附图说明
图1为一个实施例中呼叫冲击预测方法的应用环境图；
图2为一个实施例中呼叫冲击预测方法的流程示意图；
图3为另一个实施例中呼叫冲击预测方法的流程示意图；
图4为另一个实施例中呼叫冲击预测方法的流程示意图；
图5为另一个实施例中呼叫冲击预测方法的流程示意图；
图6为另一个实施例中呼叫冲击预测方法的流程示意图；
图7为一个实施例中呼叫冲击预测装置的结构框图；
图8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。
在通信领域中，在特殊时间(例如，自然灾害或特定节假期等)时，大量用户会同时会发起呼叫请求尝试联系家人或朋友，这样可能会给核心网设备中的呼叫请求响应网元造成巨大的呼叫压力，会造成呼叫请求响应网元对各呼叫请求处理不及时或者无法处理的问题出现。但是，当呼叫请求响应网元对呼叫请求处理不及时或者无法处理时，用户重复发呼叫请求不断重试从而造成呼叫请求响应网元出现呼叫冲击的情况，最终影响用户的呼叫使用。然而，相关技术中，没有一种能够提前预测呼叫请求响应网元出现呼叫冲击的方案。基于此，本申请实施例提供了一种呼叫冲击预测方法，能够提前预测呼叫请求响应网元出现呼叫冲击，以采用相应措施提前预防呼叫请求响应网元出现呼叫冲击。
本申请实施例提供的呼叫冲击预测方法，可以适用于呼叫冲击预测系统，呼叫冲击预测系统包括核心网设备、长期演进语音承载(Voice Over Long-Term Evolution，VOLTE)网络和多个用户终端，其中，核心网设备可以包括第五代移动通信技术(5thGeneration Mobile Communication Technology，5G)核心网设备和演进型分组核心网(Evolved Packet Core，EPC)设备。可选地，VOLTE网络中可以包括主会话控制路由(ServerCall Session Control Function，S-CSCF)、合设网元(即PSBC网元)、多媒体电话应用服务器(MultiMedia Telephony Application Server，MMTELAS)、高级直径路由代理设备(HighDiameter Routing Agent，HDRA)、电话号码映射/域名(E.164Number URI Mapping/DomainName System，ENUM/DNS)服务器。
可选地，5G核心网设备可以包括用户平面功能(User Plane Function，UPF))网元、统一数据管理功能(Unified Data Management，UDM)网元、绑定支持功能(BindingSupport Function，BSF)网元、策略控制功能(Policy Control Function，PCF)网元、会话管理功能(SessionManagement Function，SMF)网元、接入和移动性管理功能(Access andMobility Management Function，AMF)网元、基站(gNodeB，gNB)、服务通信代理(ServiceCommunication Proxy，SCP)设备、计费网关功能体(Charging Gateway Function，CGF)和网络数据分析功能(Network Data Analytics Function，NWDAF)网元，其中，N2、N7、N8、N10和N11分别为5G核心网设备中相邻两个不同模块之间的连接接口。
可选地，演进型分组核心网设备可以包括轻量级DHCPv6中继代理(LightweightDHCPv6 Relay Agent，LDRA)、移动性管理实体(Mobility Management Entity，MME)、归属用户服务器(Home Subscriber Server，HSS)、策略和计费规则功能(Policy and ChargingRule Function，PCRF)网元、用户面功能实体(System Architecture Evolution，SAEGW)、计费网关(Charging Gateway，CG)、在线计费系统(Online Charging System，OCS)、业务运营支撑系统(Business operations support system，Boss)和演进型基站(evolved NodeB，eNB))，其中，Rx、S11、S6a分别为演进型分组核心网设备中相邻两个不同模块之间的连接接口。
这里需要说明的是，5G核心网设备中包括网络数据分析功能网元(NetWork DataAnalytics Function，NWDAF)，VOLTE网络和EPC设备中包括呼叫请求响应网元，其中，5G核心网分别与长期演进语音承载网络、EPC设备和各用户终端之间进行通信连接，也即呼叫请求响应网元分别与网络数据分析功能网元以及各用户终端之间进行通信连接，该连接方式可以为蓝牙、wifi、移动数据等。其中，上述呼叫请求响应网元可以为VOLTE网络中的PSBC网元、S-CSCF或MMTELAS，还可以为EPC设备中的SAEGW或5G核心网中的SMF网元。可选地，上述各用户终端均可以但不限于是各种个人计算机、笔记本电脑、智能手机、智能手表、智能相机和平板电脑等，本实施例对各用户终端的具体形式不做限定。下述实施例中将具体介绍呼叫冲击预测方法的具体过程，并且以执行主体为5G核心网设备中的网络数据分析功能网元来介绍呼叫冲击预测方法的具体过程。
如图2所示，为本申请实施例提供的呼叫冲击预测方法的流程示意图，应用于5G核心网设备中的网络数据分析功能网元，该方法可以包括以下步骤：
S100、获取呼叫请求响应网元在历史时间段内的呼叫指标数据。
具体地，网络数据分析功能网元中的数据采集模块可以周期性或实时从本地、磁盘、硬盘、云端等位置获取呼叫请求响应网元在历史时间段内的呼叫指标数据。
可选地，上述呼叫请求响应网元可以为长期演进语音承载网络中的PSBC网元、S-CSCF和MMTELAS、以及EPC设备中的SAEGW和/或5G核心网设备中的SMF网元等。同时，上述历史时间段可以为包括当前时刻以及与当前时刻相邻的至少一个历史时刻的时间段，或者，可以包括多个连续历史时刻的时间段。
其中，上述呼叫指标数据可以包括多个指标数据，各指标数据分别可以为试呼次数、呼叫接通率、主叫试呼次数、主叫接通率、被叫试呼次数、被叫接通率、公用数据网(PDN)会话建立成功率和会话建立请求次数等。
在本申请实施例中，PSBC网元的呼叫指标数据可以包括PSBC网元的试呼次数、呼叫接通率、主叫试呼次数、主叫接通率、被叫试呼次数和被叫接通率等；S-CSCF的呼叫指标数据可以包括S-CSCF的试呼次数、呼叫接通率、主叫试呼次数、主叫接通率、被叫试呼次数和被叫接通率等；MMTELAS的呼叫指标数据可以包括MMTELAS的试呼次数、主叫试呼次数、主叫接通率、被叫试呼次数和被叫接通率等；SAEGW的呼叫指标数据可以包括SAEGW的会话建立请求次数和公用数据网会话建立成功率等；SMF网元的呼叫指标数据可以包括SMF网元的会话建立请求次数和会话建立成功率等。
S200、将呼叫指标数据输入至呼叫冲击预测模型进行预测处理，确定呼叫请求响应网元在目标时刻的呼叫指标预测数据。
其中，上述呼叫冲击预测模型可以是由卷积神经网络模型、全连接神经网络模型、图卷积神经网络模型、长短期记忆神经网络模型和循环递归神经网络模型等中的至少一种组合而成。
在实际应用中，网络数据分析功能网元中的分析模块(即ATLF模块)可以将呼叫指标数据输入至呼叫冲击预测模型进行预测处理，该呼叫冲击预测模型输出呼叫请求响应网元在目标时刻的呼叫指标预测数据。可选地，上述目标时刻可以为当前时刻之后未来的对应时刻，也就是，目标时刻可以为当前时刻后的下一时刻，还可以为当前时刻之后间隔一定时间的对应时刻。
可选地，上述预测处理可以理解为对呼叫指标数据中的各指标数据进行算术运算处理得到各指标数据对应预测值的过程；或者，上述预测处理可以理解为根据呼叫指标数据中的各指标数据进行推算、分析和/或比较等处理得到各指标数据对应预测值的过程。可选地，上述算术运算可以为加法运算、减法运算、乘法运算、除法运算、对数运算和指数运算等中的至少一种实现。
在本申请实施例中，网络数据分析功能网元可以将呼叫指标数据中的各指标数据依次分别输入至呼叫冲击预测模型进行预测处理，然后呼叫冲击预测模型依次输出呼叫请求响应网元在目标时刻的各指标数据对应的呼叫指标预测数据。
S300、根据呼叫指标预测数据，确定呼叫请求响应网元在目标时刻的呼叫冲击预测结果。
一实施例中，网络数据分析功能网元中的呼叫冲击预测智能控制应用模块可以预先训练一种算法模型，然后将呼叫请求响应网元的呼叫指标预测数据输入至算法模型中，该算法模型输出呼叫请求响应网元在目标时刻的呼叫冲击预测结果。
又一实施例中，网络数据分析功能网元中的呼叫冲击预测智能控制应用模块可以在不同指标预测数据与不同预测结果之间的映射关系表中，查找与呼叫请求响应网元的呼叫指标预测数据匹配的指标预测数据，然后将映射关系表中与呼叫指标预测数据匹配的指标预测数据对应的预测结果，确定为呼叫请求响应网元在目标时刻的呼叫冲击预测结果。
另一实施例中，网络数据分析功能网元中的呼叫冲击预测智能控制应用模块可以对呼叫请求响应网元的呼叫指标预测数据进行预处理得到预处理后数据，然后对预处理后数据进行推算、分析和/或比较等处理，得到呼叫请求响应网元在目标时刻的呼叫冲击预测结果。可选地，上述预处理可以为去噪处理、归一化处理和/或标准化处理等。
这里需要说明的是，上述呼叫冲击预测结果可以为呼叫请求响应网元在目标时刻会发生呼叫冲击，还可以为呼叫请求响应网元在目标时刻不会发生呼叫冲击。
本申请实施例中的技术方案，获取呼叫请求响应网元在历史时间段内的呼叫指标数据，将呼叫指标数据输入至呼叫冲击预测模型进行预测处理，确定呼叫请求响应网元在目标时刻的呼叫指标预测数据，并根据呼叫指标预测数据确定呼叫请求响应网元在目标时刻的呼叫冲击预测结果；上述方法可以通过网络数据分析功能网元对呼叫请求响应网元在目标时刻的呼叫冲击状态进行预测，进一步，在此基础上，根据预测结果可以提前预防呼叫请求响应网元出现呼叫冲击，降低呼叫对网络的冲击；同时，上述方法不需要人工参与，可以减少预测误差，从而能够提高预测结果的准确性，并且该过程能够避免人工解决呼叫冲击问题所带来的滞后性，可以减少用户的呼叫影响，从而能够提升用户的呼叫使用体验。
在一实施例中，在将呼叫指标数据输入至呼叫冲击预测模型进行预测处理之前，如图3所示，上述方法还可以包括以下步骤：
S400、获取呼叫请求响应网元的历史呼叫指标数据。
具体地，网络数据分析功能网元中的数据采集模块可以周期性或实时的从本地、磁盘、硬盘、云端等位置，获取呼叫请求响应网元的历史呼叫指标数据。
其中，历史呼叫指标数据对应的时间段可以包括当前时刻与当前时刻相邻的至少一个历史时刻的时间段，该时间段可以包括上述历史时间段，也可以不包括上述历史时间段，对此本申请实施例不做限定。在实际应用中，历史呼叫指标数据对应的时间段的时长可以大于历史时间段的时长。
S500、基于历史呼叫指标数据和时序预测算法，构建呼叫冲击预测模型。
在本申请实施例中，网络数据分析功能网元中的训练模块(即MTLT模块)可以通过预先构建的时序预测算法(即INFORMER算法)对历史呼叫指标数据进行训练，得到呼叫冲击预测模型。
本申请实施例中的技术方案，获取呼叫请求响应网元的历史呼叫指标数据，并基于历史呼叫指标数据和时序预测算法，构建呼叫冲击预测模型；上述方法可以通过呼叫请求响应网元的历史呼叫指标数据构建呼叫冲击预测模型，以为后续快速实现预测处理做准备；同时，在呼叫冲击预测模型的基础上，进一步通过呼叫冲击预测模型实现预测处理，还可以提高预测处理结果的准确性。
在一些场景中，网络数据分析功能网元可以自动接收呼叫请求响应网元的呼叫指标数据，下面对自动接收呼叫指标数据的过程进行说明。在一实施例中，如图4所示，上述S100中获取呼叫请求响应网元在历史时间段内的呼叫指标数据的步骤，可以通过以下方式实现：
S110、向呼叫请求响应网元发送通信连接建立请求。
在实际应用中，网络数据分析功能网元可以向呼叫请求响应网元发送通信连接建立请求，以指示呼叫请求响应网元与自身建立通信连接。
S120、在与呼叫请求响应网元成功建立通信连接的情况下，接收呼叫请求响应网元发送的呼叫指标数据。
其中，网络数据分析功能网元与呼叫请求响应网元建立通信连接的过程中，网络数据分析功能网元可以配置呼叫请求响应网元对应的通信连接标识，通信连接标识可以表示网络数据分析功能网元与呼叫请求响应网元是否已经成功建立通信连接的状态。
可选地，通信连接标识可以为0或1；通信连接标识为1时，表示网络数据分析功能网元与呼叫请求响应网元已经成功建立通信连接，通信连接标识为0时，表示网络数据分析功能网元与呼叫请求响应网元未成功建立通信连接。
具体地，网络数据分析功能网元可以实时获取呼叫请求响应网元对应的通信连接标识，若呼叫请求响应网元对应的通信连接标识表示网络数据分析功能网元与呼叫请求响应网元已经成功建立通信连接时，可以接收呼叫请求响应网元实时发送的呼叫指标数据。
另外，网络数据分析功能网元还可以实时向呼叫请求响应网元发送测试信号，若测试信号发送成功时，表示网络数据分析功能网元与呼叫请求响应网元已经成功建立通信连接；若测试信号发送失败时，表示网络数据分析功能网元与呼叫请求响应网元未成功建立通信连接。
在实际应用中，在与呼叫请求响应网元成功建立通信连接的情况下，网络数据分析功能网元可以自动接收呼叫请求响应网元主动发送的呼叫指标数据。其中，上述呼叫请求响应网元可以向网络数据分析功能网元实时发送呼叫指标数据。
本申请实施例中的技术方案，向呼叫请求响应网元发送通信连接建立请求，在与呼叫请求响应网元成功建立通信连接的情况下，接收呼叫请求响应网元发送的呼叫指标数据；上述方法可以在网络数据分析功能网元与呼叫请求响应网元成功建立通信连接的基础上，网络数据分析功能网元能够自动获取到呼叫请求响应网元实时的呼叫指标数据，提高了后续待预测数据的质量，以为后续提高预测处理结果的准确性做准备，同时，网络数据分析功能网元不需要向呼叫请求响应网元发送数据获取请求就可以获取到呼叫指标数据，这样能够节省网络数据分析功能网元发送数据获取请求的过程，从而能够加快呼叫指标数据获取的速度。
下面对上述根据呼叫指标预测数据确定呼叫请求响应网元在目标时刻的呼叫冲击预测结果的过程进行说明。在一实施例中，上述呼叫指标预测数据包括呼叫次数预测值和接通率预测值；上述S300中的步骤，可以包括：
若呼叫次数预测值小于第一预设次数阈值且接通率预测值小于预设接通率阈值，则确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击；否则，确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻不会发生呼叫冲击。
可选地，上述呼叫次数可以包括试呼次数、主叫试呼次数和被叫试呼次数等；上述接通率可以包括呼叫接通率、主叫接通率和被叫接通率等。
在实际应用中，上述呼叫请求响应网元为PSBC网元、S-CSCF或MMTELAS的情况下，网络数据分析功能网元可以获取呼叫请求响应网元的试呼次数、主叫试呼次数和被叫试呼次数对应的预测值，以及呼叫请求响应网元的呼叫接通率、主叫接通率和被叫接通率对应的预测值，然后分别判断试呼次数、主叫试呼次数和被叫试呼次数对应的预测值是否小于各自对应的预设指标阈值，以及分别判断呼叫接通率、主叫接通率和被叫接通率对应的预测值是否小于各自对应的预设指标阈值，若是，则确定呼叫请求响应网元的呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击；否则，呼叫请求响应网元的呼叫冲击预测结果为呼叫请求响应网元在目标时刻不会发生呼叫冲击。
这里需要说明的是，在确定呼叫请求响应网元的呼叫冲击预测结果时，对于任一指标数据，可以判断指标数据对应的预测值是否小于该指标数据对应的预设指标阈值。其中，每个指标数据均有对应的预设指标阈值，不同指标数据对应的预设指标阈值可以相等，也可以不相等。
在本申请实施例中，以呼叫指标预测数据包括呼叫次数预测值和接通率预测值为例，具体地，网络数据分析功能网元可以判断呼叫请求响应网元的呼叫次数预测值是否小于第一预设次数阈值，以及判断呼叫请求响应网元的接通率预测值是否小于预设接通率阈值，若确定呼叫次数预测值小于第一预设次数阈值且接通率预测值小于预设接通率阈值时，确定呼叫请求响应网元的呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击；否则，可以确定呼叫请求响应网元的呼叫冲击预测结果为呼叫请求响应网元在目标时刻不会发生呼叫冲击。
其中，上述第一预设次数阈值可以为呼叫次数(即指标数据)对应的预设指标阈值；上述预设接通率阈值可以为接通率(即指标数据)对应的预设指标阈值。可选地，上述第一预设次数阈值和预设接通率阈值均可以是用户自定义的数值，还可以是根据历史经验值确定的数值，对此本申请实施例不做限定。在本申请实施例中，上述第一预设次数阈值可以等于标准的第一次数阈值乘以第一预设值(该第一预设值可以等于10、9或8等)，预设接通率阈值可以等于标准的接通率阈值减第二预设值(该第二预设值可以等于0.1、0.2或0.15等)。
示例性地，若呼叫请求响应网元为PSBC网元时，可以获取到PSBC网元的试呼次数预测值1、呼叫接通率预测值1、主叫试呼次数预测值1、主叫接通率预测值1、被叫试呼次数预测值1和被叫接通率1，对应地，在试呼次数预测值1小于预设次数阈值1、呼叫接通率预测值1小于预设接通率阈值1、主叫试呼次数预测值1小于预设次数阈值2、主叫接通率预测值1小于预设接通率阈值2、被叫试呼次数预测值1小于预设次数阈值3以及被叫接通率预测值1小于预设接通率阈值3同时满足条件时，确定PSBC网元在目标时刻会发生呼叫冲击，否则，PSBC网元在目标时刻不会发生呼叫冲击。
若呼叫请求响应网元为S-CSCF时，可以获取到S-CSCF的试呼次数预测值2、呼叫接通率预测值2、主叫试呼次数预测值2、主叫接通率预测值2、被叫试呼次数预测值2和被叫接通率预测值2，对应地，在试呼次数预测值2小于预设次数阈值4、呼叫接通率预测值2小于预设接通率阈值4、主叫试呼次数预测值2小于预设次数阈值5、主叫接通率预测值2小于预设接通率阈值5、被叫试呼次数预测值2小于预设次数阈值6以及被叫接通率预测值2小于预设接通率阈值6同时满足条件时，确定S-CSCF在目标时刻会发生呼叫冲击，否则，S-CSCF在目标时刻不会发生呼叫冲击。
若呼叫请求响应网元为MMTELAS时，可以获取到MMTELAS的试呼次数、主叫试呼次数预测值3、主叫接通率预测值3、被叫试呼次数预测值3和被叫接通率预测值3，对应地，在主叫试呼次数预测值3小于、主叫接通率预测值3、被叫试呼次数预测值3和被叫接通率预测值3小于预设次数阈值7、主叫接通率预测值3小于预设接通率阈值7、被叫试呼次数预测值3小于预设次数阈值8以及被叫接通率预测值3小于预设接通率阈值8同时满足条件时，确定MMTELAS在目标时刻会发生呼叫冲击，否则，MMTELAS在目标时刻不会发生呼叫冲击。
同时，在另一实施例中，上述呼叫指标预测数据包括会话建立请求次数预测值和会话建立成功率预测值；上述S300中的步骤，可以包括：
若会话建立请求次数预测值小于第二预设次数阈值且会话建立成功率预测值小于预设成功率阈值，则确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击；否则，确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻不会发生呼叫冲击。
在实际应用中，呼叫请求响应网元可以为SAEGW和/或SMF网元的情况下，网络数据分析功能网元可以获取呼叫请求响应网元的会话建立请求次数和会话建立成功率对应的预测值，然后分别判断会话建立请求次数和会话建立成功率对应的预测值是否小于各自对应的预设指标阈值，若是，则确定呼叫请求响应网元的呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击；否则，呼叫请求响应网元的呼叫冲击预测结果为呼叫请求响应网元在目标时刻不会发生呼叫冲击。
这里需要说明的是，在确定呼叫请求响应网元的呼叫冲击预测结果时，对于任一指标数据，可以判断指标数据对应的预测值是否小于该指标数据对应的预设指标阈值。其中，每个指标数据均有对应的预设指标阈值，不同指标数据对应的预设指标阈值可以相等，也可以不相等。
在本申请实施例中，以呼叫指标预测数据包括会话建立请求次数和会话建立成功率为例，具体地，网络数据分析功能网元可以判断呼叫请求响应网元的会话建立请求次数预测值是否小于第二预设次数阈值，以及判断呼叫请求响应网元的会话建立成功率预测值是否小于预设成功率阈值，若确定会话建立请求次数预测值小于第二预设次数阈值且会话建立成功率预测值小于预设成功率阈值时，确定呼叫请求响应网元的呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击；否则，可以确定呼叫请求响应网元的呼叫冲击预测结果为呼叫请求响应网元在目标时刻不会发生呼叫冲击。
其中，上述第二预设次数阈值可以为会话建立请求次数(即指标数据)对应的预设指标阈值；上述预设成功率阈值可以为会话建立成功率(即指标数据)对应的预设指标阈值。可选地，上述第二预设次数阈值和预设成功率阈值均可以是用户自定义的数值，还可以是根据历史经验值确定的数值，对此本申请实施例不做限定。在本申请实施例中，上述第二预设次数阈值可以等于标准的第二次数阈值乘以第一预设值；预设成功率阈值可以等于标准的成功率阈值减第二预设值。其中，第二次数阈值与第一次数阈值可以相等，也可以不相等；标准的成功率阈值与标准的接通率阈值也可以相等或不相等。
示例性地，若呼叫请求响应网元为SAEGW时，可以获取到SAEGW的会话建立请求次数预测值1和会话建立成功率预测值1，对应地，在会话建立请求次数预测值1小于预设次数阈值8以及会话建立成功率预测值1小于预设成功率阈值1同时满足条件时，确定SAEGW在目标时刻会发生呼叫冲击，否则，SAEGW在目标时刻不会发生呼叫冲击。
若呼叫请求响应网元为SMF网元时，可以获取到SMF网元的会话建立请求次数预测值2和会话建立成功率预测值2，对应地，在会话建立请求次数预测值2小于预设次数阈值9以及会话建立成功率预测值2小于预设成功率阈值2同时满足条件时，确定SMF网元在目标时刻会发生呼叫冲击，否则，SMF网元在目标时刻不会发生呼叫冲击。
本申请实施例中的技术方案，在呼叫请求响应网元的呼叫次数预测值小于第一预设次数阈值且呼叫请求响应网元的接通率预测值小于预设接通率阈值时，确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击，否则，确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻不会发生呼叫冲击；上述方法可以通过呼叫请求响应网元的呼叫次数预测值和接通率预测值来确定呼叫请求响应网元的呼叫冲击预测结果，该处理过程不需要复杂的深度学习算法参与，使得呼叫冲击预测过程比较简单，同时，该过程没有复杂的深度学习算法参与，能够减少处理过程中的数据量，进一步可以提高呼叫冲击预测的速度。
在一些场景中，为了提升用户的呼叫使用体验，在获取到未来特定时刻呼叫请求响应网元的呼叫冲击预测结果之后，还可以根据呼叫冲击预测结果对呼叫请求响应网元的呼叫冲击进行处理，以提前预防未来特定时刻呼叫请求响应网元出现呼叫冲击，下面对呼叫请求响应网元的呼叫冲击进行处理的过程进行说明。在一个实施例中，在执行完上述S300中的步骤之后，上述方法还可以包括：在呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击的情况下，向策略控制网元发送流控指令；流控指令用于指示策略控制网元对呼叫冲击进行处理。
在实际应用中，网络数据分析功能网元可以根据在目标时刻会发生呼叫冲击的呼叫请求响应网元生成呼叫请求响应网元的流控指令。可选地，流控指令可以理解为流量控制策略指令，其中，流控指令中可以包括呼叫请求响应网元的标识。
在本申请实施例中，网络数据分析功能网元可以根据呼叫请求响应网元的呼叫指标数据，确定在目标时刻会发生呼叫冲击的呼叫请求响应网元，然后将呼叫请求响应网元的流控指令发送给能够直接控制调整呼叫请求响应网元的相关参数的策略控制网元，以指示策略控制网元对呼叫请求响应网元的呼叫冲击进行处理，以提前预防呼叫请求响应网元在未来目标时刻发生呼叫冲击。
可选地，上述策略控制网元可以为策略控制功能网元(即PCF网元)，还可以为策略和计费规则功能网元(即PCRF网元)，对此本申请实施例不做限定。
其中，若合设网元在目标时刻会发生呼叫冲击时，网络数据分析功能网元可以将合设网元的流控指令发送给策略控制功能网元，以指示策略控制功能网元对合设网元在目标时刻的呼叫冲击进行处理；若主会话控制路由在目标时刻会发生呼叫冲击时，网络数据分析功能网元可以将主会话控制路由的流控指令发送给策略控制功能网元，以指示策略控制功能网元对主会话控制路由在目标时刻的呼叫冲击进行处理；若多媒体电话应用服务器在目标时刻会发生呼叫冲击时，网络数据分析功能网元可以将多媒体电话应用服务器的流控指令发送给策略控制功能网元，以指示策略控制功能网元对多媒体电话应用服务器在目标时刻的呼叫冲击进行处理。
若服务网关数据网设备在目标时刻会发生呼叫冲击时，网络数据分析功能网元可以将服务网关数据网设备的流控指令发送给策略和计费规则功能网元，以指示策略和计费规则功能网元对服务网关数据网设备在目标时刻的呼叫冲击进行处理；若会话管理功能网元在目标时刻会发生呼叫冲击时，网络数据分析功能网元可以将会话管理功能网元的流控指令发送给策略和计费规则功能网元，以指示策略和计费规则功能网元对会话管理功能网元在目标时刻的呼叫冲击进行处理。
其中，策略控制网元对呼叫请求响应网元的呼叫冲击进行处理的方式可以是策略控制网元借助第三方处理设备对呼叫请求响应网元的呼叫冲击进行处理。
另外，策略控制网元对呼叫请求响应网元的呼叫冲击进行处理的方式还可以是在预先构建的呼叫冲击处理库中查找与呼叫请求响应网元标识匹配的网元标识，然后获取与匹配的网元标识对应的呼叫冲击处理策略，之后根据呼叫冲击处理策略对呼叫请求响应网元的呼叫冲击进行处理。
可选地，上述呼叫冲击处理库中可以包括不同呼叫请求响应网元的网元标识和不同呼叫冲击处理策略之间的对应关系。可选地，呼叫冲击处理策略可以理解为能够避免呼叫请求响应网元在目标时刻发生呼叫冲击时所采取的处理方法。
一个实施例中，策略控制网元对呼叫冲击进行处理的过程，可以包括：策略控制网元根据流控指令中的呼叫请求响应网元标识，获取呼叫请求响应网元发生呼叫冲击时的指标现象，并基于指标现象控制呼叫请求响应网元对呼叫参数进行调整。
可选地，上述呼叫请求响应网元发生呼叫冲击时的指标现象可以包括主叫试呼次数和被叫试呼次数显著增加，以及主叫接通率和被叫接通率明显降低的现象。
具体地，策略控制网元可以对网络数据分析功能网元发送给的流控指令进行解析处理，得到流控指令中的呼叫请求响应网元标识，然后在不同网元标识与不同网元在对应时刻发生呼叫冲击时的指标现象之间的映射关系表中查找与呼叫请求响应网元标识匹配的网元标识，并将与匹配到的网元标识对应的指标现象确定为呼叫请求响应网元发生呼叫冲击时的指标现象，之后再根据指标现象控制呼叫请求响应网元对呼叫参数进行调整。
另外，策略控制网元在获取到流控指令中的呼叫请求响应网元标识之后，还可以获取呼叫请求响应网元已经发生呼叫冲击时的相关呼叫指标数据，然后对相关呼叫指标数据进行分析、特征比对、匹配等处理，得到呼叫请求响应网元发生呼叫冲击时的指标现象，之后再根据指标现象控制呼叫请求响应网元对呼叫参数进行调整。
其中，上述呼叫参数可以为预设时间段内接收呼叫请求的响应时间和响应速度等参数，在本申请实施例中，上述呼叫参数可以为预设时间段内接收呼叫请求的次数。
一种实现方式中，基于指标现象控制呼叫请求响应网元对呼叫参数进行调整的方式可以是预先训练一种算法模型，然后将呼叫请求响应网元的指标现象输入至算法模型中，该算法模型输出呼叫参数调整策略，之后按照呼叫参数调整策略控制呼叫请求响应网元对呼叫参数进行调整。
另一种实现方式中，基于指标现象控制呼叫请求响应网元对呼叫参数进行调整的方式还可以是对指标现象进行分析处理，然后根据分析处理结果控制呼叫请求响应网元对呼叫参数进行调整。
一个实施例中，如图5所示，上述基于指标现象控制呼叫请求响应网元对呼叫参数进行调整的过程，可以通过以下方式实现：
S400、根据指标现象，确定呼叫请求响应网元的呼叫参数调整量。
具体地，策略控制网元可以在不同网元发生呼叫冲击时的指标现象与不同参数调整量之间的对应关系中，查找与呼叫请求响应网元的指标现象匹配的指标现象，并将匹配到的指标现象对应的参数调整量确定为呼叫请求响应网元的呼叫参数调整量。
另外，策略控制网元还可以预先训练一种呼叫参数调整模型，然后将指标现象输入至呼叫参数调整模型中，该呼叫参数调整模型输出呼叫请求响应网元的呼叫参数调整量。
S500、向呼叫请求响应网元发送呼叫参数调整量，指示呼叫请求响应网元根据呼叫参数调整量进行呼叫参数调整。
基于前文步骤获取到的呼叫请求响应网元的呼叫参数调整量，策略控制网元可以将呼叫请求响应网元的呼叫参数调整量发送至呼叫请求响应网元，指示呼叫请求响应网元直接根据呼叫参数调整量进行呼叫参数调整。
可选地，上述呼叫参数调整量可以为预设时间段内接收呼叫请求的响应时间的增大量和响应速度的减小量等参数，在本申请实施例中，上述呼叫参数调整量可以为预设时间段内接收呼叫请求次数的减少量。
这里需要说明的是，在后续应用过程中，可以将呼叫参数调整后的呼叫请求响应网元的对应呼叫指标数据作为后续预测呼叫请求响应网元的呼叫冲击的输入数据，以持续对呼叫请求响应网元的呼叫参数进行动态自动调整，保持呼叫请求响应网元始终处于正常呼叫状态。
本申请实施例中的技术方案，在确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击的情况下，还可以向策略控制网元发送用于对呼叫冲击进行处理的流控指令，使得该过程能够提前预防呼叫请求响应网元在目标时刻会发生呼叫冲击，提升用户的呼叫使用体验，同时，该方法可以提前对呼叫冲击进行处理，避免了呼叫请求响应网元在未来目标时刻发生呼叫冲击会造成网络资源浪费的问题。
一种实施例中，本申请实施例还提供一种呼叫冲击预测方法，应用于网络数据分析功能网元，如图6所示，该方法包括以下过程：
S10、获取呼叫请求响应网元的历史呼叫指标数据。
S20、基于历史呼叫指标数据和时序预测算法，构建呼叫冲击预测模型。
S30、向呼叫请求响应网元发送通信连接建立请求。
S40、在与呼叫请求响应网元成功建立通信连接的情况下，接收呼叫请求响应网元发送的呼叫指标数据。
S50、将呼叫指标数据输入至呼叫冲击预测模型进行预测处理，确定呼叫请求响应网元在目标时刻的呼叫指标预测数据。
S60、若呼叫指标预测数据中呼叫次数预测值小于第一预设次数阈值且呼叫指标预测数据中接通率预测值小于预设接通率阈值，则确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击；或者，否则，确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻不会发生呼叫冲击。或者，
S70、若呼叫指标预测数据中会话建立请求次数预测值小于第二预设次数阈值且呼叫指标预测数据中会话建立成功率预测值小于预设成功率阈值，则确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击；或者，否则，确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻不会发生呼叫冲击。
S80、在呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击的情况下，向策略控制网元发送流控指令；
其中，流控指令用于指示策略控制网元根据流控指令中的呼叫请求响应网元标识，获取呼叫请求响应网元发生呼叫冲击时的指标现象，并根据指标现象，确定呼叫请求响应网元的呼叫参数调整量，呼叫请求响应网元发送呼叫参数调整量，指示呼叫请求响应网元根据呼叫参数调整量进行呼叫参数调整。
以上S10至S80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呼叫冲击预测方法的呼叫冲击预测装置。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呼叫冲击预测装置实施例中的具体限定可以参见上文中对于呼叫冲击预测方法的限定，在此不再赘述。
在一个实施例中，图7为本申请一个实施例中呼叫冲击预测装置的结构示意图，本申请实施例提供的呼叫冲击预测装置可以应用于核心网设备中的网络数据分析功能网元。如图7所示，本申请实施例的呼叫冲击预测装置，可以包括：数据获取模块11、预测处理模块12和确定模块13，其中：
数据获取模块11，用于获取呼叫请求响应网元在历史时间段内的呼叫指标数据；
预测处理模块12，用于将呼叫指标数据输入至呼叫冲击预测模型进行预测处理，确定呼叫请求响应网元在目标时刻的呼叫指标预测数据；
确定模块13，用于根据呼叫指标预测数据，确定呼叫请求响应网元在目标时刻的呼叫冲击预测结果。
本申请实施例提供的呼叫冲击预测装置可以用于执行本申请上述呼叫冲击预测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，呼叫冲击预测装置还包括：模型构建模块，其中：
模型构建模块，用于获取呼叫请求响应网元的历史呼叫指标数据，并基于历史呼叫指标数据和时序预测算法，构建呼叫冲击预测模型。
本申请实施例提供的呼叫冲击预测装置可以用于执行本申请上述呼叫冲击预测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，数据获取模块11具体用于：
向呼叫请求响应网元发送通信连接建立请求；
在与呼叫请求响应网元成功建立通信连接的情况下，接收呼叫请求响应网元发送的呼叫指标数据。
本申请实施例提供的呼叫冲击预测装置可以用于执行本申请上述呼叫冲击预测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，呼叫指标预测数据包括呼叫次数预测值和接通率预测值；确定模块13具体用于：
若呼叫次数预测值小于第一预设次数阈值且接通率预测值小于预设接通率阈值，则确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击；
否则，确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻不会发生呼叫冲击。
本申请实施例提供的呼叫冲击预测装置可以用于执行本申请上述呼叫冲击预测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，呼叫指标预测数据包括会话建立请求次数预测值和会话建立成功率预测值；确定模块13还具体用于：
若会话建立请求次数预测值小于第二预设次数阈值且会话建立成功率预测值小于预设成功率阈值，则确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击；
否则，确定呼叫冲击预测结果为呼叫请求响应网元在目标时刻不会发生呼叫冲击。
本申请实施例提供的呼叫冲击预测装置可以用于执行本申请上述呼叫冲击预测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，呼叫冲击预测装置还包括：指令发送模块，其中：
指令发送模块，用于在呼叫冲击预测结果为呼叫请求响应网元在目标时刻会发生呼叫冲击的情况下，向策略控制网元发送流控指令；流控指令用于指示策略控制网元对呼叫冲击进行处理；
其中，策略控制网元对呼叫冲击进行处理的过程，包括：策略控制网元根据流控指令中的呼叫请求响应网元标识，获取呼叫请求响应网元发生呼叫冲击时的指标现象，并基于指标现象控制呼叫请求响应网元对呼叫参数进行调整；
其中，基于指标现象控制呼叫请求响应网元对呼叫参数进行调整，包括：
根据指标现象，确定呼叫请求响应网元的呼叫参数调整量；
向呼叫请求响应网元发送呼叫参数调整量，指示呼叫请求响应网元根据呼叫参数调整量进行呼叫参数调整。
本申请实施例提供的呼叫冲击预测装置可以用于执行本申请上述呼叫冲击预测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。
关于呼叫冲击预测装置的具体限定可以参见上文中对于呼叫冲击预测方法的限定，在此不再赘述。上述呼叫冲击预测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8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、计算机程序和数据库。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。该计算机设备的数据库用于存储呼叫请求响应网元的呼叫指标数据和历史呼叫指标数据。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呼叫冲击预测方法。
本领域技术人员可以理解，图8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：
获取呼叫请求响应网元在历史时间段内的呼叫指标数据；
将呼叫指标数据输入至呼叫冲击预测模型进行预测处理，确定呼叫请求响应网元在目标时刻的呼叫指标预测数据；
根据呼叫指标预测数据，确定呼叫请求响应网元在目标时刻的呼叫冲击预测结果。
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：
获取呼叫请求响应网元在历史时间段内的呼叫指标数据；
将呼叫指标数据输入至呼叫冲击预测模型进行预测处理，确定呼叫请求响应网元在目标时刻的呼叫指标预测数据；
根据呼叫指标预测数据，确定呼叫请求响应网元在目标时刻的呼叫冲击预测结果。
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：
获取呼叫请求响应网元在历史时间段内的呼叫指标数据；
将呼叫指标数据输入至呼叫冲击预测模型进行预测处理，确定呼叫请求响应网元在目标时刻的呼叫指标预测数据；
根据呼叫指标预测数据，确定呼叫请求响应网元在目标时刻的呼叫冲击预测结果。
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、数据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 (12)
1.一种呼叫冲击预测方法，其特征在于，应用于网络数据分析功能网元，所述方法包括：
获取呼叫请求响应网元在历史时间段内的呼叫指标数据；
将所述呼叫指标数据输入至呼叫冲击预测模型进行预测处理，确定所述呼叫请求响应网元在目标时刻的呼叫指标预测数据；
根据所述呼叫指标预测数据，确定所述呼叫请求响应网元在所述目标时刻的呼叫冲击预测结果。
2.根据权利要求1所述的方法，其特征在于，在所述将所述呼叫指标数据输入至呼叫冲击预测模型进行预测处理之前，所述方法还包括：
获取所述呼叫请求响应网元的历史呼叫指标数据；
基于所述历史呼叫指标数据和时序预测算法，构建所述呼叫冲击预测模型。
3.根据权利要求1或2所述的方法，其特征在于，所述获取呼叫请求响应网元在历史时间段内的呼叫指标数据，包括：
向所述呼叫请求响应网元发送通信连接建立请求；
在与所述呼叫请求响应网元成功建立通信连接的情况下，接收所述呼叫请求响应网元发送的所述呼叫指标数据。
4.根据权利要求1或2所述的方法，其特征在于，所述呼叫指标预测数据包括呼叫次数预测值和接通率预测值；所述根据所述呼叫指标预测数据，确定所述呼叫请求响应网元在所述目标时刻的呼叫冲击预测结果，包括：
若所述呼叫次数预测值小于第一预设次数阈值且所述接通率预测值小于预设接通率阈值，则确定所述呼叫冲击预测结果为所述呼叫请求响应网元在所述目标时刻会发生呼叫冲击；
否则，确定所述呼叫冲击预测结果为所述呼叫请求响应网元在所述目标时刻不会发生呼叫冲击。
5.根据权利要求1或2所述的方法，其特征在于，所述呼叫指标预测数据包括会话建立请求次数预测值和会话建立成功率预测值；所述根据所述呼叫指标预测数据，确定所述呼叫请求响应网元在所述目标时刻的呼叫冲击预测结果，包括：
若所述会话建立请求次数预测值小于第二预设次数阈值且所述会话建立成功率预测值小于预设成功率阈值，则确定所述呼叫冲击预测结果为所述呼叫请求响应网元在所述目标时刻会发生呼叫冲击；
否则，确定所述呼叫冲击预测结果为所述呼叫请求响应网元在所述目标时刻不会发生呼叫冲击。
6.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
在所述呼叫冲击预测结果为所述呼叫请求响应网元在所述目标时刻会发生呼叫冲击的情况下，向策略控制网元发送流控指令；
所述流控指令用于指示所述策略控制网元对所述呼叫冲击进行处理。
7.根据权利要求6所述的方法，其特征在于，所述策略控制网元对所述呼叫冲击进行处理的过程，包括：
所述策略控制网元根据所述流控指令中的呼叫请求响应网元标识，获取所述呼叫请求响应网元发生呼叫冲击时的指标现象，并基于所述指标现象控制所述呼叫请求响应网元对呼叫参数进行调整。
8.根据权利要求7所述的方法，其特征在于，所述基于所述指标现象控制所述呼叫请求响应网元对呼叫参数进行调整，包括：
根据所述指标现象，确定所述呼叫请求响应网元的呼叫参数调整量；
向所述呼叫请求响应网元发送所述呼叫参数调整量，指示所述呼叫请求响应网元根据所述呼叫参数调整量进行呼叫参数调整。
9.一种呼叫冲击预测装置，其特征在于，所述装置包括：
数据获取模块，用于获取呼叫请求响应网元在历史时间段内的呼叫指标数据；
预测处理模块，用于将所述呼叫指标数据输入至呼叫冲击预测模型进行预测处理，确定所述呼叫请求响应网元在目标时刻的呼叫指标预测数据；
确定模块，用于根据所述呼叫指标预测数据，确定所述呼叫请求响应网元在所述目标时刻的呼叫冲击预测结果。
10.一种计算机设备，包括存储器和处理器，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1-8中任一项所述的方法的步骤。
11.一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1-8中任一项所述的方法的步骤。
12.一种计算机程序产品，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1-8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311291914.3A CN117478788A (zh) | 2023-10-08 | 2023-10-08 | 呼叫冲击预测方法、装置、计算机设备、介质及产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311291914.3A CN117478788A (zh) | 2023-10-08 | 2023-10-08 | 呼叫冲击预测方法、装置、计算机设备、介质及产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117478788A true CN117478788A (zh) | 2024-01-30 |
Family
ID=89630218
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311291914.3A Pending CN117478788A (zh) | 2023-10-08 | 2023-10-08 | 呼叫冲击预测方法、装置、计算机设备、介质及产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117478788A (zh) |
-
2023
- 2023-10-08 CN CN202311291914.3A patent/CN117478788A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5479601B2 (ja) | 通信ネットワークにおいてソーシャルネットワークの分析を支援する方法及び装置 | |
| CN109962893B (zh) | 一种智能呼叫方法及其相关设备 | |
| US20160044593A1 (en) | Selective access point name assignment based on machine-to-machine traffic analysis | |
| CN106171019A (zh) | 确定终端漫游状态的方法、装置、终端及服务器 | |
| CN106034125A (zh) | 一种ip语音通话回落方法、装置、系统和终端设备 | |
| CN117478788A (zh) | 呼叫冲击预测方法、装置、计算机设备、介质及产品 | |
| CN114423049A (zh) | 一种感知预测方法、装置、电子设备及存储介质 | |
| US11563782B2 (en) | Enriched calling based call routing | |
| CN115086940A (zh) | 基于5G的QoS调整方法、系统、装置及存储介质 | |
| US11271975B2 (en) | Enriched calling based call type notification | |
| CN113762659B (zh) | 一种网络资源的配置方法、装置及电子设备 | |
| CN107277284A (zh) | 基于VoLTE的语音通话方法和系统、存储装置 | |
| CN112307075B (zh) | 用户关系识别方法及装置 | |
| CN110213838A (zh) | 网络连接方法、装置、计算机设备和存储介质 | |
| CN111614845A (zh) | 人机对话中人设匹配方法、装置、计算机设备和存储介质 | |
| EP2693726A1 (en) | Methods and apparatus to manage voice message system attributes | |
| CN105897468B (zh) | 工单的处理方法和装置 | |
| EP2813033B1 (en) | Technique for projecting network load in a communication network | |
| CN112565532B (zh) | 一种电话会议加入方法及系统 | |
| US11019178B1 (en) | Deployment router based on channel traffic | |
| CN111741176B (zh) | 坐席转接方法及装置 | |
| CN108174408A (zh) | 一种信令处理方法及装置 | |
| CN111953855B (zh) | Voip通话方法、装置、系统、设备及可读存储介质 | |
| CN117098199A (zh) | 一种sip和4g电话自动切换方法、系统、设备及介质 | |
| CN113676451A (zh) | 设备间的通话方法、装置、设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |