CN117858132A - 一种基于云计算设备管理系统及方法 - Google Patents
一种基于云计算设备管理系统及方法 Download PDFInfo
- Publication number
- CN117858132A CN117858132A CN202410258126.2A CN202410258126A CN117858132A CN 117858132 A CN117858132 A CN 117858132A CN 202410258126 A CN202410258126 A CN 202410258126A CN 117858132 A CN117858132 A CN 117858132A
- Authority
- CN
- China
- Prior art keywords
- user
- base station
- service
- flow
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 17
- 238000004891 communication Methods 0.000 claims abstract description 75
- 238000007726 management method Methods 0.000 claims abstract description 24
- 230000010287 polarization Effects 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000010295 mobile communication Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及设备管理技术领域,具体为一种基于云计算设备管理系统及方法,包括:云端计算模块、流量预测模块、范围调整模块、分布检测模块和波束集中模块,云端计算模块用于获取用户的通信记录和位置,流量预测模块用于根据用户画像预测流量使用情况,范围调整模块用于动态调整基站覆盖范围,分布检测模块用于利用聚类算法划分区域,计算服务范围,波束集中模块用于调节天线振子的波束宽度和极化方向,本发明能够使信号更加集中地覆盖目标区域,减少信号向无效区域的辐射,降低功率消耗,有助于合理规划和配置网络资源,确保网络的稳定性和可靠性,提供良好的服务质量。
Description
技术领域
本发明涉及设备管理技术领域,具体为一种基于云计算设备管理系统及方法。
背景技术
通信基站是云端通信设备的重要组成部分,负责连接通信终端与云端通信网络,一个完善的通信基站由多个全向或定向天线和与之关联的控制设备组成,通常位于较高的地点,以便使定向信号覆盖更多的设备。
传统基站提供云端通信服务时,只能服务固定的一块区域,但区域中不同时间和不同人群使用通信服务的习惯差别很大,但一台基站的服务能力是有限的,因此,经常出现一部分区域内基站请求过多,而另一部分基站闲置的情况,尤其是在基站设计分布不合理时,就容易造成信号拥堵和云端信号资源浪费的问题。
此外,主流的天线都是采用的±45°两种极化方式叠加起来,形成双极化振子,而双极化振子在工作时方向性很强,主瓣信号最好,旁瓣信号质量较低,当人群分布不均衡时,无法进行云端通信服务质量的优化与调控。
发明内容
本发明的目的在于提供一种基于云计算设备管理系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于云计算的设备管理系统,包括:云端计算模块、流量预测模块、范围调整模块、分布检测模块和波束集中模块;
所述云端计算模块用于获取通信服务供应商在云端存储的所有用户的流量套餐记录和通信设备参数,并对用户进行定位,在云端根据用户的位置变化对移动路线进行预测;
所述流量预测模块用于根据用户的套餐记录和通信设备参数,对用户进行画像分析,建立每一个用户的流量使用模型,对未来的流量使用情况进行预测;
所述范围调整模块用于根据基站覆盖范围以及范围外预设区域中所有用户的流量使用情况和移动路线,预测基站未来承载的总流量,结合基站服务能力确定服务半径,并调整天线的倾斜角度,动态调整基站覆盖范围;
所述分布检测模块用于监测用户在基站范围内的位置分布,根据预测流量进行权重点绘制,根据天线的发射功率和旁瓣比,利用聚类算法划分不同区域,计算主瓣区间所在区域的服务范围;
所述波束集中模块用于根据主瓣区间的服务范围,利用电子调角工具,调节天线振子的波束宽度,使服务总权重最高。
进一步的,所述云端计算模块包括:信息协议单元、定位单元和平台运算单元;
所述信息协议单元用于获取云端存储的流量套餐记录和通信设备参数,所述流量套餐记录包括:流量套餐种类和流量使用记录,所述通信设备参数包括:通信设备的发射功率和通信设备的型号;
所述定位单元用于利用卫星定位工具确定移动通信设备的位置;
所述平台运算单元用于在云端划分运算资源,所述运算资源用于通信模型的建立与数据预测。
进一步的,所述流量预测模块包括:用户画像单元和模型预测单元;
所述用户画像单元用于根据用户的套餐记录和通信设备参数,分析用户的身份特征,得到用户画像;
所述模型预测单元用于根据每个用户的画像,建立流量预测模型,利用流量预测模型预测用户未来的流量使用情况。
进一步的,所述范围调整模块包括:路线绘制单元、半径分析单元和天线倾斜单元;
所述路线绘制单元用于根据用户的历史位置变化,预测用户的行进路线,并在电子地图上标注;
所述半径分析单元用于由基站坐标和基站天线的发射参数,确定基站的最大服务流量,根据最大服务流量和用户的分布情况,计算每一时刻的服务半径;
所述天线倾斜单元用于调节天线的倾斜角度,从而调整服务半径。
进一步的,所述分布检测模块包括:权重绘点单元和散点聚类单元;
所述权重绘点单元用于根据用户未来的位置与流量使用情况,在生成每一时刻的流量使用散点图;
所述散点聚类单元用于根据确定不同时刻用户的分布情况,并在散点图中对用户分布进行聚类分析。
进一步的,所述波束集中模块包括:主瓣调角单元和振子调轴单元;
所述主瓣调角单元用于根据天线主瓣与旁瓣的信号差异,调节天线的波束宽度;
所述振子调轴单元用于根据基站范围内用户的分布,调节振子的极化方向。
一种基于云计算的设备管理方法,包括以下步骤:
步骤S1.从通信服务供应商处获取所有用户的流量套餐记录和通信设备参数,并对用户进行定位,获取用户的位置;
步骤S2.根据步骤S1中得到的用户位置、流量套餐记录和通信设备参数,从云端划分计算资源,利用拟合度模型,分析用户的身份信息,对用户进行画像;
步骤S3.利用云端的运算资源,由步骤S2中的用户画像,对用户的未来流量使用情况进行预测,并根据步骤S1中得到的用户位置和步骤S2中得到的用户身份,预测用户的行进轨迹;
步骤S4.将预测出的用户的流量使用情况和用户的行进轨迹在电子地图上标注,利用云端提供的图形回归算法,根据基站的服务能力,确定基站在下一时刻的服务范围,同时,调整相邻其他基站的服务范围,使调节后总服务范围不变;
步骤S5.根据步骤S4中得到服务半径,动态调节基站的倾角,并根据服务范围内的用户分布,调节天线的波束宽度以及天线振子的极化方向。
进一步的,步骤S1包括:
步骤S11.从通信服务供应商处获取所有用户的流量套餐记录和通信设备参数,所述流量套餐记录包括:流量套餐种类和流量使用记录,所述通信设备参数包括:通信设备的发射功率和通信设备的型号;
步骤S12.利用卫星定位工具确定移动通信设备的位置坐标,从而对用户进行定位,将用户在不同时刻的位置坐标存入数据库。
本步骤能够获取用户的流量信息和所在坐标,便于后续计算。
进一步的,步骤S2包括:
步骤S21.从云端划分运算资源,利用已知用户的身份信息和流量套餐记录,生成身份模型,所述身份模型代表流量使用情况与时间的关系;
将所有生成的身份模型记作集合E,所述集合E={A1(t),A2(t),…,Ap(t)},其中,p代表生成的身份模型的数量,Ap(t)代表第p个身份模型,t代表时间;
利用云端的模型拟合功能,根据每一个用户的流量套餐记录,拟合出与用户最匹配的身份模型;
步骤S22.利用归属地评估方法,根据用户的历史位置坐标对用户归属地进行判断用户的归属地信息,所述归属地信息记作集合K,K={B1,B2,B3},其中,B1=b1,代表当地用户,B2=b2,代表外地用户,B3=b3,代表流动用户,b1、b2和b3为预设常数,且b1>b2>b3;
所述归属地评估方法为:在预设的时间区间内,若用户在当地区域内的停留总时长超过在外地区域内的停留总时长x倍,则判断用户为当地用户,若用户在外地区域内的停留总时长超过在当地区域内的停留总时长x倍,则判断用户为外地用户,其他情况下判断用户为流动用户,所述x为预设值;
步骤S23.将集合E与集合K中的元素排列组合,生成用户画像类别的集合U,所述U={W1(t),W2(t),…,Wz(t),…,Wn(t)},其中,n代表用户画像的类别数量,Wz(t)代表第z种用户画像,z代表Wz(t)在集合U中的编号,且n=3p,Wz(t)=Ai(t)·Bj,其中i和j为位置序号,i∈{1,2,…,p},j∈{1,2,3};
步骤S24.根据步骤S21得到的最匹配身份模型和步骤S22得到的归属地信息,确认每一个用户的用户画像类别。
本步骤能够预测用户的移动路线,并根据用户的手机型号和云端内的流量套餐使用记录进行分析,对用户进行画像,预测用户未来流量使用情况。
进一步的,步骤S3包括:
步骤S31.预设时间间隔T,根据用户画像预测用户在下一个T时段内的流量使用量,按如下公式计算:
其中,t0代表当前时刻,Q代表用户在下一个T时段内的流量使用量;
步骤S32.获取用户在t0-T时刻以及t0时刻内的坐标,分别记作R1和R2,坐标R1与R2间的距离记作r,根据步骤S2中获取的用户身份信息和用户当前位置,利用市政部门提供的居民分布数据库,计算用户前往各地点的概率,将概率最高的地点作为目标地点,以用户当前位置到目标地点规划路径,在规划出的路径中确定点R3,使R2与R3沿路径的距离为r,将R3坐标记作用户在t0+T时刻的轨迹点。
进一步的,步骤S4包括:
步骤S41.按照步骤S1-步骤S3中的方法计算出所有用户在t0+T时刻内的轨迹点和t0到t0+T时刻内的流量使用量,将所有用户的轨迹点和对应的流量使用量标注在电子地图上,更新到基站的内置数据库中;
步骤S42.根据步骤S1中获取的通信设备参数,计算所有用户通信设备发射功率的最小值PM,将基站的发射功率记作PF,基站距离地面的高度记作H,按以下公式,计算服务半径RF:
其中,f代表基站信号的发射频率,L代表信号最大传输距离,π为圆周率;
步骤S43.利用云端提供的图形回归算法,在地图中确定一个半径为RF,且包含基站的服务区域,使服务区域内所有轨迹点的流量使用量之和最大,且小于基站的最大服务能力;
若存在符合条件的服务区域,则在地图中标注该服务区域,作为下一时刻的服务区域;
若找不到符合条件的服务区域,则持续减小RF的值,直到找到一个符合条件的服务区域为止,将其作为下一时刻的服务区域;
步骤S44.将当前时刻的服务区域与步骤S43中确定的下一时刻的服务区域进行对比,若下一时刻的服务区域能够完全覆盖当前时刻的服务区域,则转到步骤S5,若下一时刻的服务区域不能完全覆盖当前时刻的服务区域,则将不能覆盖的部分区域记作空白区域;
按步骤S42的方法计算相邻基站下一时刻的服务半径,将其记作集合TC1,所述TC1={C1,C2,…,Cj,…,Cm},其中m代表相邻基站的数量,Cj代表第j个相邻基站下一时刻的服务半径,所述相邻基站的初始倾角默认为0;
获取相邻基站在当前时刻的服务半径,记作集合TC2,所述TC2={c1,c2,…,cj,…,cm},其中cj代表第j个相邻基站当前时刻的服务半径;
若Cj>cj,则调整第j个相邻基站的倾角,调节方向为从第j个相邻基站指向当前基站,调节量为2(Cj-cj);
若Cj≥cj,则不调节第j个相邻基站的倾角;
所有基站调节完毕后,若空白区域未能被完全覆盖,则向通信管理中心发出通信资源不足的警报,若空白区域被完全覆盖,转到步骤S5。
本步骤能够根据基站范围内所有用户的流量使用情况和移动路线,结合基站服务能力确定天线的倾斜角度,通过机械下倾或电子下倾,动态调整基站覆盖范围,可以使信号更加集中地覆盖目标区域,减少信号向无效区域的辐射。
进一步的,步骤S5包括:
步骤S51.获取步骤S43中得到的服务区域,将服务区域的圆心坐标记作(X1,Y1),基站所在的平面坐标记作(X2,Y2),计算基站的调节角度V:
调节基站的倾角,调节方向为从基站指向服务区域圆心,调节角度为V;
步骤S52.利用K-means聚类算法,将轨迹点分配到不同的簇中,最小化数据点与各簇中心距离的平方和来实现轨迹点的聚类,并将每个轨迹点的流量使用量作为轨迹点的权重输入聚类模型,拟合出服务区域内的最大聚类区域KC;
步骤S53.若所述最大聚类区域KC不包含基站坐标C,则过基站坐标C作两条射线LC和LE,所述射线LC与射线LE与最大聚类区域KC仅有一个交点,将射线LC与射线LE的夹角设置为天线的波束宽度,过C作射线LZ,所述射线LZ与射线LC间的夹角度数等于半个波束宽度的度数,将射线LZ指向的设置为极化方向;
.若所述最大聚类区域KC包含基站坐标C,则将天线的波束宽度设置为最大值,并设置一个极化方向,使天线主波瓣覆盖的区域与最大聚类区域重合度最大;
步骤S54.根据步骤S53设置的参数,调节天线的波束宽度以及天线振子的极化方向。
本步骤能够动态调节天线的波束宽度以及天线振子的极化方向,使信号直接面向更多信号请求的方向,减少信号的衰减和干扰。
与现有技术相比,本发明所达到的有益效果是:
本发明能够预测用户的移动路线,并根据用户的手机型号和云端内的流量套餐使用记录进行分析,对用户进行画像,预测用户未来流量使用情况,从而计算出区域未来的流量负荷,有助于合理规划和配置网络资源,以满足未来的通信需求,确保网络的稳定性和可靠性,提供良好的服务质量。
本发明能够根据基站范围内所有用户的流量使用情况和移动路线,结合基站服务能力确定天线的倾斜角度,通过机械下倾或电子下倾,动态调整基站覆盖范围,可以使信号更加集中地覆盖目标区域,减少信号向无效区域的辐射,从而降低功率消耗,有助于节省能源和减少干扰,提供稳定的信号覆盖。
本发明能够分析覆盖范围内用户的分布,调整天线振子的波束宽度,使流量使用最多的方向有最高的信号质量,可以使信号直接面向终端设备,减少信号的衰减和干扰,改善终端设备接收到的信号强度和信噪比,降低通信中断和信号质量下降的概率。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于云计算的设备管理系统的结构示意图;
图2是本发明一种基于云计算的设备管理方法的步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供技术方案:一种基于云计算的设备管理系统,包括:云端计算模块、流量预测模块、范围调整模块、分布检测模块和波束集中模块;
所述云端计算模块用于获取通信服务供应商在云端存储的所有用户的流量套餐记录和通信设备参数,并对用户进行定位,在云端根据用户的位置变化对移动路线进行预测;
所述云端计算模块包括:信息协议单元、定位单元和平台运算单元;
所述信息协议单元用于获取云端存储的流量套餐记录和通信设备参数,所述流量套餐记录包括:流量套餐种类和流量使用记录,所述通信设备参数包括:通信设备的发射功率和通信设备的型号;
所述定位单元用于利用卫星定位工具确定移动通信设备的位置;
所述平台运算单元用于在云端划分运算资源,所述运算资源用于通信模型的建立与数据预测。
所述流量预测模块用于根据用户的套餐记录和通信设备参数,对用户进行画像分析,建立每一个用户的流量使用模型,对未来的流量使用情况进行预测;
所述流量预测模块包括:用户画像单元和模型预测单元;
所述用户画像单元用于根据用户的套餐记录和通信设备参数,分析用户的身份特征,得到用户画像;
所述模型预测单元用于根据每个用户的画像,建立流量预测模型,利用流量预测模型预测用户未来的流量使用情况。
所述范围调整模块用于根据基站覆盖范围以及范围外预设区域中所有用户的流量使用情况和移动路线,预测基站未来承载的总流量,结合基站服务能力确定服务半径,并调整天线的倾斜角度,动态调整基站覆盖范围;
所述范围调整模块包括:路线绘制单元、半径分析单元和天线倾斜单元;
所述路线绘制单元用于根据用户的历史位置变化,预测用户的行进路线,并在电子地图上标注;
所述半径分析单元用于由基站坐标和基站天线的发射参数,确定基站的最大服务流量,根据最大服务流量和用户的分布情况,计算每一时刻的服务半径;
所述天线倾斜单元用于调节天线的倾斜角度,从而调整服务半径。
所述分布检测模块用于监测用户在基站范围内的位置分布,根据预测流量进行权重点绘制,根据天线的发射功率和旁瓣比,利用聚类算法划分不同区域,计算主瓣区间所在区域的服务范围;
所述分布检测模块包括:权重绘点单元和散点聚类单元;
所述权重绘点单元用于根据用户未来的位置与流量使用情况,在生成每一时刻的流量使用散点图;
所述散点聚类单元用于根据确定不同时刻用户的分布情况,并在散点图中对用户分布进行聚类分析。
所述波束集中模块用于根据主瓣区间的服务范围,利用电子调角工具,调节天线振子的波束宽度,使服务总权重最高。
所述波束集中模块包括:主瓣调角单元和振子调轴单元;
所述主瓣调角单元用于根据天线主瓣与旁瓣的信号差异,调节天线的波束宽度;
所述振子调轴单元用于根据基站范围内用户的分布,调节振子的极化方向。
如图2所示,一种基于云计算的设备管理方法,包括以下步骤:
步骤S1.从通信服务供应商处获取所有用户的流量套餐记录和通信设备参数,并对用户进行定位,获取用户的位置;
步骤S1包括:
步骤S11.从通信服务供应商处获取所有用户的流量套餐记录和通信设备参数,所述流量套餐记录包括:流量套餐种类和流量使用记录,所述通信设备参数包括:通信设备的发射功率和通信设备的型号;
步骤S12.利用卫星定位工具确定移动通信设备的位置坐标,从而对用户进行定位,将用户在不同时刻的位置坐标存入数据库。
步骤S2.根据步骤S1中得到的用户位置、流量套餐记录和通信设备参数,从云端划分计算资源,利用拟合度模型,分析用户的身份信息,对用户进行画像;
步骤S2包括:
步骤S21.从云端划分运算资源,利用已知用户的身份信息和流量套餐记录,生成身份模型,所述身份模型代表流量使用情况与时间的关系;
将所有生成的身份模型记作集合E,所述集合E={A1(t),A2(t),…,Ap(t)},其中,p代表生成的身份模型的数量,Ap(t)代表第p个身份模型,t代表时间;
利用云端的模型拟合功能,根据每一个用户的流量套餐记录,拟合出与用户最匹配的身份模型;
步骤S22.利用归属地评估方法,根据用户的历史位置坐标对用户归属地进行判断用户的归属地信息,所述归属地信息记作集合K,K={B1,B2,B3},其中,B1=b1,代表当地用户,B2=b2,代表外地用户,B3=b3,代表流动用户,b1、b2和b3为预设常数,且b1>b2>b3;
所述归属地评估方法为:在预设的时间区间内,若用户在当地区域内的停留总时长超过在外地区域内的停留总时长x倍,则判断用户为当地用户,若用户在外地区域内的停留总时长超过在当地区域内的停留总时长x倍,则判断用户为外地用户,其他情况下判断用户为流动用户,所述x为预设值;
步骤S23.将集合E与集合K中的元素排列组合,生成用户画像类别的集合U,所述U={W1(t),W2(t),…,Wz(t),…,Wn(t)},其中,n代表用户画像的类别数量,Wz(t)代表第z种用户画像,z代表Wz(t)在集合U中的编号,且n=3p,Wz(t)=Ai(t)·Bj,其中i和j为位置序号,i∈{1,2,…,p},j∈{1,2,3};
步骤S24.根据步骤S21得到的最匹配身份模型和步骤S22得到的归属地信息,确认每一个用户的用户画像类别。
步骤S3.利用云端的运算资源,由步骤S2中的用户画像,对用户的未来流量使用情况进行预测,并根据步骤S1中得到的用户位置,预测用户的行进轨迹;
步骤S3包括:
步骤S31.预设时间间隔T,根据用户画像预测用户在下一个T时段内的流量使用量,按如下公式计算:
其中,t0代表当前时刻,Q代表用户在下一个T时段内的流量使用量;
步骤S32.获取用户在t0-T时刻以及t0时刻内的坐标,分别记作R1和R2,坐标R1与R2间的距离记作r,根据步骤S2中获取的用户身份信息和用户当前位置,利用市政部门提供的居民分布数据库,计算用户前往各地点的概率,将概率最高的地点作为目标地点,以用户当前位置到目标地点规划路径,在规划出的路径中确定点R3,使R2与R3沿路径的距离为r,将R3坐标记作用户在t0+T时刻的轨迹点。
步骤S4.将预测出的用户的流量使用情况和用户的行进轨迹在电子地图上标注,利用云端提供的图形回归算法,根据基站的服务能力,确定基站在下一时刻的服务范围,同时,调整相邻其他基站的服务范围,使调节后总服务范围不变;
步骤S4包括:
步骤S41.按照步骤S1-步骤S3中的方法计算出所有用户在t0+T时刻内的轨迹点和t0到t0+T时刻内的流量使用量,将所有用户的轨迹点和对应的流量使用量标注在电子地图上,更新到基站的内置数据库中;
步骤S42.根据步骤S1中获取的通信设备参数,计算所有用户通信设备发射功率的最小值PM,将基站的发射功率记作PF,基站距离地面的高度记作H,按以下公式,计算服务半径RF:
其中,f代表基站信号的发射频率,L代表信号最大传输距离,π为圆周率;
步骤S43.利用云端提供的图形回归算法,在地图中确定一个半径为RF,且包含基站的服务区域,使服务区域内所有轨迹点的流量使用量之和最大,且小于基站的最大服务能力;
若存在符合条件的服务区域,则在地图中标注该服务区域,作为下一时刻的服务区域;
若找不到符合条件的服务区域,则持续减小RF的值,直到找到一个符合条件的服务区域为止,将其作为下一时刻的服务区域;
步骤S44.将当前时刻的服务区域与步骤S43中确定的下一时刻的服务区域进行对比,若下一时刻的服务区域能够完全覆盖当前时刻的服务区域,则转到步骤S5,若下一时刻的服务区域不能完全覆盖当前时刻的服务区域,则将不能覆盖的部分区域记作空白区域;
按步骤S42的方法计算相邻基站下一时刻的服务半径,将其记作集合TC1,所述TC1={C1,C2,…,Cj,…,Cm},其中m代表相邻基站的数量,Cj代表第j个相邻基站下一时刻的服务半径;
获取相邻基站在当前时刻的服务半径,记作集合TC2,所述TC2={c1,c2,…,cj,…,cm},其中cj代表第j个相邻基站当前时刻的服务半径;
若Cj>cj,则调整第j个相邻基站的倾角,调节方向为从第j个相邻基站指向当前基站,调节量为2(Cj-cj);
若Cj≥cj,则不调节第j个相邻基站的倾角;
所有基站调节完毕后,若空白区域未能被完全覆盖,则向通信管理中心发出通信资源不足的警报,若空白区域被完全覆盖,转到步骤S5。
步骤S5.根据步骤S4中得到服务范围,动态调节基站的倾角,并根据服务范围内的用户分布,调节天线的波束宽度以及天线振子的极化方向。
步骤S5包括:
步骤S51.获取步骤S43中得到的服务区域,将服务区域的圆心坐标记作(X1,Y1),基站所在的平面坐标记作(X2,Y2),计算基站的调节角度V:
调节基站的倾角,调节方向为从基站指向服务区域圆心,调节角度为V;
步骤S52.利用K-means聚类算法,将轨迹点分配到不同的簇中,最小化数据点与各簇中心距离的平方和来实现轨迹点的聚类,并将每个轨迹点的流量使用量作为轨迹点的权重输入聚类模型,拟合出服务区域内的最大聚类区域KC;
步骤S53.若所述最大聚类区域KC不包含基站坐标C,则过基站坐标C作两条射线LC和LE,所述射线LC与射线LE与最大聚类区域KC仅有一个交点,将射线LC与射线LE的夹角设置为天线的波束宽度,过C作射线LZ,所述射线LZ与射线LC间的夹角度数等于半个波束宽度的度数,将射线LZ指向的设置为极化方向;
.若所述最大聚类区域KC包含基站坐标C,则将天线的波束宽度设置为最大值,并设置一个极化方向,使天线主波瓣覆盖的区域与最大聚类区域重合度最大;
步骤S54.根据步骤S53设置的参数,调节天线的波束宽度以及天线振子的极化方向。
实施例:区域内共有5位用户,根据用户的流量使用情况,对5位用户进行画像,判断出5位用户的画像分别为:1.当地高流量日间工作者、2.外地高流量夜间工作者、3.当地低流量家庭工作者、4.流动高流量学生和5.流动中流量自由工作者,根据预设模型,设置T时刻=5min,则预测未来5分钟内5位用户流量分别为:10Mb、1Mb、2Mb、5Mb以及3Mb;
获取所有用户的坐标,并标注在地图上,已知基站的发射功率为140W,天线高度为60m,用户设备的最小信号接收能力为20W,天线频率为1000HZ,则L=100m,服务半径RF=80m,通过云端算法计算服务范围,使服务范围尽可能覆盖更多的用户,得到的服务区域覆盖用户1-4,则调节基站的角度,使基站信号辐射方向与服务区域重合;
利用聚类算法划分区域,得到用户1、3和4位于同一区域内,调整天线的波束宽度和极化方向,使该区域内通信质量最高。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于云计算设备管理方法,其特征在于,所述方法包括以下步骤:
步骤S1.从通信服务供应商处获取所有用户的流量套餐记录和通信设备参数,并对用户进行定位,获取用户的位置;
步骤S2.根据步骤S1中得到的用户位置、流量套餐记录和通信设备参数,从云端划分计算资源,利用拟合度模型,分析用户的身份信息,对用户进行画像;
步骤S3.利用云端的运算资源,由步骤S2中的用户画像,对用户的未来流量使用情况进行预测,并根据步骤S1中得到的用户位置和步骤S2中得到的用户身份,预测用户的行进轨迹;
步骤S4.将预测出的用户的流量使用情况和用户的行进轨迹在电子地图上标注,利用云端提供的图形回归算法,根据基站的服务能力,确定基站在下一时刻的服务范围,同时,调整相邻其他基站的服务范围,使总服务范围不变;
步骤S5.根据步骤S4中得到服务半径,动态调节基站的倾角,并根据服务范围内的用户分布,调节天线的波束宽度以及天线振子的极化方向。
2.根据权利要求1所述的一种基于云计算设备管理方法,其特征在于:
步骤S1包括:
步骤S11.从通信服务供应商处获取所有用户的流量套餐记录和通信设备参数,所述流量套餐记录包括:流量套餐种类和流量使用记录,所述通信设备参数包括:通信设备的发射功率和通信设备的型号;
步骤S12.利用卫星定位工具确定移动通信设备的位置坐标,从而对用户进行定位,将用户在不同时刻的位置坐标存入数据库。
3.根据权利要求2所述的一种基于云计算设备管理方法,其特征在于:
步骤S2包括:
步骤S21.从云端划分运算资源,利用已知用户的身份信息和流量套餐记录,生成身份模型,所述身份模型代表流量使用情况与时间的关系;
将所有生成的身份模型记作集合E,所述集合E={A1(t),A2(t),…,Ap(t)},其中,p代表生成的身份模型的数量,Ap(t)代表第p个身份模型,t代表时间;
利用云端的模型拟合功能,根据每一个用户的流量套餐记录,拟合出与用户最匹配的身份模型;
步骤S22.利用归属地评估方法,根据用户的历史位置坐标对用户归属地进行判断用户的归属地信息,所述归属地信息记作集合K,K={B1,B2,B3},其中,B1=b1,代表当地用户,B2=b2,代表外地用户,B3=b3,代表流动用户,b1、b2和b3为预设常数,且b1>b2>b3;
所述归属地评估方法为:在预设的时间区间内,若用户在当地区域内的停留总时长超过在外地区域内的停留总时长x倍,则判断用户为当地用户,若用户在外地区域内的停留总时长超过在当地区域内的停留总时长x倍,则判断用户为外地用户,其他情况下判断用户为流动用户,所述x为预设值;
步骤S23.将集合E与集合K中的元素排列组合,生成用户画像类别的集合U,所述U={W1(t),W2(t),…,Wz(t),…,Wn(t)},其中,n代表用户画像的类别数量,Wz(t)代表第z种用户画像,z代表Wz(t)在集合U中的编号,且n=3p,Wz(t)=Ai(t)·Bj,其中i和j为位置序号,i∈{1,2,…,p},j∈{1,2,3};
步骤S24.根据步骤S21得到的最匹配身份模型和步骤S22得到的归属地信息,确认每一个用户的用户画像类别。
4.根据权利要求3所述的一种基于云计算设备管理方法,其特征在于:
步骤S3包括:
步骤S31.预设时间间隔T,根据用户画像预测用户在下一个T时段内的流量使用量,按如下公式计算:
,其中,t0代表当前时刻,Q代表用户在下一个T时段内的流量使用量;
步骤S32.获取用户在t0-T时刻以及t0时刻内的坐标,分别记作R1和R2,坐标R1与R2间的距离记作r,根据步骤S2中获取的用户身份信息和用户当前位置,利用市政部门提供的居民分布数据库,计算用户前往各地点的概率,将概率最高的地点作为目标地点,以用户当前位置到目标地点规划路径,在规划出的路径中确定点R3,使R2与R3沿路径的距离为r,将R3坐标记作用户在t0+T时刻的轨迹点:
步骤S4包括:
步骤S41.按照步骤S1-步骤S3中的方法计算出所有用户在t0+T时刻内的轨迹点和t0到t0+T时刻内的流量使用量,将所有用户的轨迹点和对应的流量使用量标注在电子地图上,更新到基站的内置数据库中;
步骤S42.根据步骤S1中获取的通信设备参数,计算所有用户通信设备发射功率的最小值PM,将基站的发射功率记作PF,基站距离地面的高度记作H,按以下公式,计算下一时刻的服务半径RF:
,其中,f代表基站信号的发射频率,L代表信号最大传输距离,π为圆周率;
步骤S43.利用云端提供的图形回归算法,在地图中确定一个半径为RF,且包含基站的服务区域,使服务区域内所有轨迹点的流量使用量之和最大,且小于基站的最大服务能力;
若存在符合条件的服务区域,则在地图中标注该服务区域,作为下一时刻的服务区域;
若找不到符合条件的服务区域,则持续减小RF的值,直到找到一个符合条件的服务区域为止,将其作为下一时刻的服务区域;
步骤S44.将当前时刻的服务区域与步骤S43中确定的下一时刻的服务区域进行对比,若下一时刻的服务区域能够完全覆盖当前时刻的服务区域,则转到步骤S5,若下一时刻的服务区域不能完全覆盖当前时刻的服务区域,则将不能覆盖的部分区域记作空白区域;
按步骤S42的方法计算相邻基站下一时刻的服务半径,将其记作集合TC1,所述TC1={C1,C2,…,Cj,…,Cm},其中m代表相邻基站的数量,Cj代表第j个相邻基站下一时刻的服务半径;
获取相邻基站在当前时刻的服务半径,记作集合TC2,所述TC2={c1,c2,…,cj,…,cm},其中cj代表第j个相邻基站当前时刻的服务半径,所述相邻基站的初始倾角默认为0;
若Cj>cj,则调整第j个相邻基站的倾角,调节方向为从第j个相邻基站指向当前基站,调节量为2(Cj-cj);
若Cj≥cj,则不调节第j个相邻基站的倾角;
所有基站调节完毕后,若空白区域未能被完全覆盖,则向通信管理中心发出通信资源不足的警报,若空白区域被完全覆盖,转到步骤S5。
5.根据权利要求4所述的一种基于云计算设备管理方法,其特征在于:
步骤S5包括:
步骤S51.获取步骤S43中得到的服务区域,将服务区域的圆心坐标记作(X1,Y1),基站所在的平面坐标记作(X2,Y2),计算基站的调节角度V:
,调节基站的倾角,调节方向为从基站指向服务区域圆心,调节角度为V;
步骤S52.利用K-means聚类算法,将轨迹点分配到不同的簇中,最小化数据点与各簇中心距离的平方和来实现轨迹点的聚类,并将每个轨迹点的流量使用量作为轨迹点的权重输入聚类模型,拟合出服务区域内的最大聚类区域KC;
步骤S53.若所述最大聚类区域KC不包含基站坐标C,则过基站坐标C作两条射线LC和LE,所述射线LC与射线LE与最大聚类区域KC仅有一个交点,将射线LC与射线LE的夹角设置为天线的波束宽度,过C作射线LZ,所述射线LZ与射线LC间的夹角度数等于半个波束宽度的度数,将射线LZ指向的设置为极化方向;
若所述最大聚类区域KC包含基站坐标C,则将天线的波束宽度设置为最大值,并设置一个极化方向,使天线主波瓣覆盖的区域与最大聚类区域重合度最大;
步骤S54.根据步骤S53设置的参数,调节天线的波束宽度以及天线振子的极化方向。
6.一种基于云计算设备管理系统,其特征在于,所述系统包括以下模块:云端计算模块、流量预测模块、范围调整模块、分布检测模块和波束集中模块;
所述云端计算模块用于获取通信服务供应商在云端存储的所有用户的流量套餐记录和通信设备参数,并对用户进行定位,在云端根据用户的位置变化对移动路线进行预测;
所述流量预测模块用于根据用户的套餐记录和通信设备参数,对用户进行画像分析,建立每一个用户的流量使用模型,对未来的流量使用情况进行预测;
所述范围调整模块用于根据基站覆盖范围以及范围外预设区域中所有用户的流量使用情况和移动路线,预测基站未来承载的总流量,结合基站服务能力确定服务半径,并调整天线的倾斜角度,动态调整基站覆盖范围;
所述分布检测模块用于监测用户在基站范围内的位置分布,根据预测流量进行权重点绘制,根据天线的发射功率和旁瓣比,利用聚类算法划分不同区域,计算主瓣区间所在区域的服务范围;
所述波束集中模块用于根据主瓣区间的服务范围,利用电子调角工具,调节天线振子的波束宽度,使服务总权重最高。
7.根据权利要求6所述的一种基于云计算设备管理系统,其特征在于:所述云端计算模块包括:信息协议单元、定位单元和平台运算单元;
所述信息协议单元用于获取云端存储的流量套餐记录和通信设备参数,所述流量套餐记录包括:流量套餐种类和流量使用记录,所述通信设备参数包括:通信设备的发射功率和通信设备的型号;
所述定位单元用于利用卫星定位工具确定移动通信设备的位置;
所述平台运算单元用于在云端划分运算资源,所述运算资源用于通信模型的建立与数据预测。
8.根据权利要求7所述的一种基于云计算设备管理系统,其特征在于:所述流量预测模块包括:用户画像单元和模型预测单元;
所述用户画像单元用于根据用户的套餐记录和通信设备参数,分析用户的身份特征,得到用户画像;
所述模型预测单元用于根据每个用户的画像,建立流量预测模型,利用流量预测模型预测用户未来的流量使用情况。
9.根据权利要求8所述的一种基于云计算设备管理系统,其特征在于:所述范围调整模块包括:路线绘制单元、半径分析单元和天线倾斜单元;
所述路线绘制单元用于根据用户的历史位置变化,预测用户的行进路线,并在电子地图上标注;
所述半径分析单元用于由基站坐标和基站天线的发射参数,确定基站的最大服务流量,根据最大服务流量和用户的分布情况,计算每一时刻的服务半径;
所述天线倾斜单元用于调节天线的倾斜角度,从而调整服务半径。
10.根据权利要求9所述的一种基于云计算设备管理系统,其特征在于:所述分布检测模块包括:权重绘点单元和散点聚类单元;
所述权重绘点单元用于根据用户未来的位置与流量使用情况,在生成每一时刻的流量使用散点图;
所述散点聚类单元用于根据确定不同时刻用户的分布情况,并在散点图中对用户分布进行聚类分析;
所述波束集中模块包括:主瓣调角单元和振子调轴单元;
所述主瓣调角单元用于根据天线主瓣与旁瓣的信号差异,调节天线的波束宽度;
所述振子调轴单元用于根据基站范围内用户的分布,调节振子的极化方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410258126.2A CN117858132B (zh) | 2024-03-07 | 2024-03-07 | 一种基于云计算设备管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410258126.2A CN117858132B (zh) | 2024-03-07 | 2024-03-07 | 一种基于云计算设备管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117858132A true CN117858132A (zh) | 2024-04-09 |
CN117858132B CN117858132B (zh) | 2024-05-24 |
Family
ID=90533078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410258126.2A Active CN117858132B (zh) | 2024-03-07 | 2024-03-07 | 一种基于云计算设备管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117858132B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003044552A (ja) * | 2001-07-27 | 2003-02-14 | Nec Mobiling Ltd | 地域情報提供及び履歴記憶システムと方法 |
KR20070079107A (ko) * | 2006-02-01 | 2007-08-06 | 에스케이 텔레콤주식회사 | 무선망 서비스 커버리지 예측 장치 및 방법 |
CN110955738A (zh) * | 2018-09-26 | 2020-04-03 | 北京融信数联科技有限公司 | 一种基于信令数据结合场景信息的人物画像刻画方法 |
CN113993172A (zh) * | 2021-10-24 | 2022-01-28 | 河南大学 | 一种基于用户移动行为预测的超密集网络切换方法 |
CN114004654A (zh) * | 2021-11-04 | 2022-02-01 | 中南大学 | 基于大数据分析的互联网卡用户画像构建方法及系统 |
CN117459901A (zh) * | 2023-12-26 | 2024-01-26 | 深圳市彩生活网络服务有限公司 | 一种基于定位技术的云平台数据智能管理系统及方法 |
-
2024
- 2024-03-07 CN CN202410258126.2A patent/CN117858132B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003044552A (ja) * | 2001-07-27 | 2003-02-14 | Nec Mobiling Ltd | 地域情報提供及び履歴記憶システムと方法 |
KR20070079107A (ko) * | 2006-02-01 | 2007-08-06 | 에스케이 텔레콤주식회사 | 무선망 서비스 커버리지 예측 장치 및 방법 |
CN110955738A (zh) * | 2018-09-26 | 2020-04-03 | 北京融信数联科技有限公司 | 一种基于信令数据结合场景信息的人物画像刻画方法 |
CN113993172A (zh) * | 2021-10-24 | 2022-01-28 | 河南大学 | 一种基于用户移动行为预测的超密集网络切换方法 |
CN114004654A (zh) * | 2021-11-04 | 2022-02-01 | 中南大学 | 基于大数据分析的互联网卡用户画像构建方法及系统 |
CN117459901A (zh) * | 2023-12-26 | 2024-01-26 | 深圳市彩生活网络服务有限公司 | 一种基于定位技术的云平台数据智能管理系统及方法 |
Non-Patent Citations (1)
Title |
---|
朱菁玮;方志祥;杨喜平;尹凌;: "城市邻近基站间人群流动时空变化同步性分析", 地球信息科学学报, no. 06, 14 June 2018 (2018-06-14) * |
Also Published As
Publication number | Publication date |
---|---|
CN117858132B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10743135B2 (en) | Wireless network and method for suggesting corrective action in response to detecting communications errors | |
US9134398B2 (en) | Wireless location using network centric location estimators | |
CN100403052C (zh) | 用于估计移动设备的位置的方法和系统 | |
US7298327B2 (en) | Geographic location using multiple location estimators | |
CN2650433Y (zh) | 无线行动单元通信中以位置为基础的行动单元及系统 | |
US20030146871A1 (en) | Wireless location using signal direction and time difference of arrival | |
US8994591B2 (en) | Locating a mobile station and applications therefor | |
US20080070572A1 (en) | Signal Comparison-Based Location Determining Method | |
US20030134648A1 (en) | Machine for providing a dynamic data base of geographic location information for a plurality of wireless devices and process for making same | |
GB2354129A (en) | Location of a mobile station | |
CN117858132B (zh) | 一种基于云计算设备管理系统及方法 | |
Tyokighir et al. | Design and planning of a 5G fixed wireless network | |
Salcic et al. | Mobile station positioning using GSM cellular phone and artificial neural networks | |
Cerri et al. | Base-station network planning including environmental impact control | |
Sandrasegaran et al. | Planning point-to-multipoint rural radio access networks using expert systems | |
US20240064531A1 (en) | Cellular communication system featuring son functionality | |
Kadiri et al. | Computer Simulation of Path Loss Characterization of a Wireless Propagation Model in Kwara State, Nigeria | |
Cerri et al. | Application of an automatic tool for the planning of a cellular network in a real town | |
Gadi et al. | Antennae location methodology for a telecom operator in India | |
Onolemhemhen et al. | Location-based Distribution of Network Towers using Spatial Analysis | |
Ajibola et al. | Base transceiver station deployment using rectilinear distance location of a single facility | |
CN113573295A (zh) | 一种基于手机信号检测的精确实时客流监测方法 | |
CN113747448A (zh) | 一种楼宇或社区常驻手机用户的计算方法及可视化平台 | |
Di Chiara et al. | Genetic optimization of radiobase-station sizing and location using a gis-based framework: experimental validation | |
Krishnamurthy et al. | Telegeoinformatics for efficient resource allocation and protocol development in wireless networks |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |