JP7486659B2 - 基地局の省エネルギー処理方法及び処理装置 - Google Patents

基地局の省エネルギー処理方法及び処理装置 Download PDF

Info

Publication number
JP7486659B2
JP7486659B2 JP2023506517A JP2023506517A JP7486659B2 JP 7486659 B2 JP7486659 B2 JP 7486659B2 JP 2023506517 A JP2023506517 A JP 2023506517A JP 2023506517 A JP2023506517 A JP 2023506517A JP 7486659 B2 JP7486659 B2 JP 7486659B2
Authority
JP
Japan
Prior art keywords
data
base station
grid
longitude
latitude
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.)
Active
Application number
JP2023506517A
Other languages
English (en)
Other versions
JP2023535841A (ja
Inventor
ユアン，ジンジン
ル，ヂョンユエン
チャン，リ
ワン，イン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Telecom Corp Ltd
Original Assignee
China Telecom Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Telecom Corp Ltd filed Critical China Telecom Corp Ltd
Publication of JP2023535841A publication Critical patent/JP2023535841A/ja
Application granted granted Critical
Publication of JP7486659B2 publication Critical patent/JP7486659B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
    • H04W52/0229—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal where the received signal is a wanted signal
    • H04W52/0232—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal where the received signal is a wanted signal according to average transmission signal activity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • 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
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
    • H04W52/0216—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave using a pre-established activity schedule, e.g. traffic indication frame
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0251—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity
    • H04W52/0258—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity controlling an operation mode according to history or models of usage information, e.g. activity schedule or time of day
    • 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
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/06—Hybrid resource partitioning, e.g. channel borrowing
    • 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
    • H04W16/22—Traffic simulation tools or models
    • 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
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Mobile Radio Communication Systems (AREA)

Description

本開示は、通信技術の分野、特に基地局の省エネルギーのための処理方法及び処理装置に関するものである。
５Ｇ（第５世代移動通信技術）の時代に入り、ＭＩＭＯ（Ｍｕｌｔｉｐｌｅ Ｉｎｐｕｔ Ｍｕｌｔｉｐｌｅ Ｏｕｔｐｕｔ）などの新技術の導入により、５Ｇネットワークの消費電力は４Ｇネットワークの５倍から１２倍を超え、ネットワークの運用や保守の難易度が高まっている。基地局の主要設備の高エネルギー消費は、事業者にとって解決すべき問題である。現在、比較的普及している基地局の省エネルギー対策は、ＡＩ（人工知能）技術を活用して負荷予測を行い、基地局の無線周波数ターンオフ戦略を事前に策定して省エネの目的を達成することである。
本開示の一態様によれば、基地局の省エネルギーのための処理方法が提供される。該処理方法は、エンジニアリング・パラメータ・データと基地局の測定レポート（ＭＲ）データを取得し、その際のエンジニアリング・パラメータ・データは測定によって得られた基地局の経度・緯度データから構成され、ＭＲデータはユーザ端末から報告されたユーザ端末の経度・緯度データから構成されており、グリッドの経度・緯度を構成するグリッドＭＲデータを取得するためにＭＲデータをグリッド化して、該グリッドＭＲデータに従って基地局の経度・緯度データの計算値を計算し、負荷予測モデルに入力する基地局のエンジニアリング・パラメータ・データを選択するために、エンジニアリング・パラメータ・データの基地局の経度・緯度データと基地局の経度・緯度データの計算値とを比較し、負荷予測モデルに選択した基地局のエンジニアリング・パラメータ・データを入力して負荷予測モデルのトレーニングと予測を行い、そして負荷予測モデルの予測結果に応じて対応する省電力ターンオフ戦略を発行する。
いくつかの実施形態では、エンジニアリング・パラメータ・データは、測定によって得られた基地局の方向角度データをさらに含み、ＭＲデータは、ユーザ端末によって報告されたユーザ端末の方向角度データをさらに含み、グリッドＭＲデータは、グリッド方向角度をさらに含み、上記処理方法は、さらに、選択された基地局におけるエンジニアリング・パラメータ・データの方向角度データと、選択された基地局に対応するグリッドＭＲデータにおけるグリッド方向角度と、に従って、コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データを選択し、コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データに応じて、コカバレッジセルを取得することを含み、対応する省電力ターンオフ戦略を発行することは、負荷予測モデルの予測結果と、取得したコカバレッジセルに応じて、対応する省電力ターンオフ戦略を発行することを含む。
いくつかの実施形態では、グリッドＭＲデータは、基地局タイプ、平均基準信号受信電力（ＲＳＲＰ）、基地局識別情報、グリッド方向角度及びグリッド内のＭＲの数をさらに含み、グリッドＭＲデータに従った基地局の経度・緯度データの計算値を計算することは、屋外基地局を基地局タイプとし、所定のセル数の基地局に対応し、平均ＲＳＲＰが第１の閾値を超えるグリッドＭＲデータを選択し、基地局識別情報及び基地局の方向角度データに従って、グリッドＭＲデータをグループ化してグリッドＭＲデータを対応するセルに割り当て、各セルのグリッドＭＲデータに対してはずれ値検出を行い、異常なグリッドＭＲデータを除去し、残りのグリッドＭＲデータにおけるグリッド経度・緯度に従って、各基地局の各セルの平均経度・緯度を計算し、各基地局の各セルの平均経度・緯度に従って、基地局の平均経度・緯度を計算することを含み、その際の基地局の平均経度・緯度は、基地局の経度・緯度データの計算値となる。
いくつかの実施形態では、基地局の経度・緯度データの計算値と、エンジニアリング・パラメータ・データにおける基地局の経度・緯度データとを比較することは、距離計算方法に従って、基地局の経度・緯度データの計算値と、エンジニアリング・パラメータ・データにおける基地局の経度・緯度データとの間の距離関係値を計算し、負荷予測モデルに入力する基地局のエンジニアリング・パラメータ・データとして、距離関係値が第２の閾値未満の基地局のエンジニアリング・パラメータ・データを選択することを含む。
いくつかの実施形態では、各セルのグリッドＭＲデータに対して異常値検出を行うことは、Ｋ＝第３の閾値*各セルのグリッド内のＭＲ数の合計としての臨界点Ｋ値を設定し、その際の第３の閾値はパーセンテージであり、さらに臨界点Ｋ値を使用して、各セルの各グリッドＭＲデータの局所はずれ値係数（ＬＯＦ）値を計算し、該ＬＯＦ値が第４の閾値より大きいグリッドＭＲデータを除去することを含む。
いくつかの実施形態では、選択された基地局のエンジニアリング・パラメータ・データ内における方向角度データと、選択された基地局に対応するグリッドＭＲデータにおけるグリッド方向角度とに従って、コカバレッジセルを決定するために基地局のエンジニアリング・パラメータ・データを選択することは、基地局識別情報と基地局の方向角度データとに従って選択された基地局のグリッドＭＲデータをグループ化し、各グループにおける各グリッド内のＭＲの数と各グループにおけるＭＲの数の合計との比率を計算し、該比率が第５の閾値未満のグリッドＭＲデータを除去することと、残りのグリッドＭＲデータを基地局識別情報に従って再度グループ化し、ガウスカーネル密度関数を使用して再度グループ化した後、各グループ内のグリッドＭＲデータに対してセル分類を実行することと、セル分類によって得られた各セルの各グリッドＭＲデータのグリッド経度・緯度を使用して各グリッドの方向角度データを計算することと、各セルの各グリッドの方向角度データに従って、各セルの方向角度データの平均値を計算することであって、その際の各セルの方向角度データの平均値が各セルの方向角度として用いられることと、基地局の各セルの方向角度と、エンジニアリング・パラメータ・データにおける基地局の方向角度データとの差を計算し、該差の平均値を計算することと、該差の平均値が第６の閾値未満の基地局のエンジニアリング・パラメータ・データを、コカバレッジセルを決定する基地局のエンジニアリング・パラメータ・データとすることと、を含む。
いくつかの実施形態では、負荷予測モデルのトレーニングと予測とを実行するために選択された基地局のエンジニアリング・パラメータ・データを負荷予測モデルに入力することは、選択された基地局のエンジニアリング・パラメータ・データに対してはずれ値の除去を実行することと、エンジニアリング・パラメータ・データ内の基地局の経度・緯度データによって表される予測点を密度クラスタリングアルゴリズムによってクラスタリングし、負荷予測モデルをトレーニングするためのフューチャーを構築し、予測点間の密度関係をマイニングして予測点間のクラスタリング関係を表すことと、予測点をクラスタリングしてフューチャーを構築した後、選択した基地局のエンジニアリング・パラメータ・データ、フューチャー、及び対応する性能指標データを用いて機械学習アルゴリズムに基づくモデルトレーニングを行い、モデル精度評価を行うことと、を含む。
いくつかの実施形態では、基地局のエンジニアリング・パラメータ・データは、さらに基地局の周波数帯域を含み、コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データに応じて、コカバレッジセルを取得することは、周波数帯域に応じて複数のセルを２つずつ結合し、それぞれ２つの周波数帯域に対応する２つのセルを得ることと、２つのセルに対応するコカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データにおける基地局の２つの経度・緯度データに応じて２つのセル間の距離を計算し、２つのセルに対応するコカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データにおける基地局の２つの方向角度データの差を計算することと、２つのセル間の距離が第７の閾値未満であり、２つの方向角度データの差が第８の閾値未満である場合に、２つのセルがコカバレッジセルであることを決定することと、を含む。
いくつかの実施形態では、処理方法は、負荷予測モデルの予測結果と、対応する省電力ターンオフ戦略とを、最適化ターゲットとしてユーザ知覚指数を使用して反復することをさらに含む。
本開示の他の態様によれば、基地局の省エネルギーのための処理装置が提供される。処理装置は、基地局のエンジニアリング・パラメータ・データと測定レポート（ＭＲ）データを取得するように構成された取得ユニットであって、該エンジニアリング・パラメータ・データは測定によって得られた基地局の経度・緯度データを含み、該ＭＲデータはユーザ端末から報告されたユーザ端末の経度・緯度データを含む取得ユニットと、グリッドＭＲデータを取得するためにＭＲデータをグリッド化し、グリッドＭＲデータに従って基地局の経度・緯度データの計算値を計算するように構成されたデータ処理ユニットであって、該グリッドＭＲデータはグリッド経度・緯度を含むデータ処理ユニットと、負荷予測モデルに入力する基地局のエンジニアリング・パラメータ・データを選択するために、基地局の経度・緯度データの計算値と、エンジニアリング・パラメータ・データにおける基地局の経度・緯度データと、を比較するように構成されたパラメータ選択ユニットと、負荷予測モデルに選択された基地局のエンジニアリング・パラメータ・データを入力して、負荷予測モデルのトレーニングと予測とを行うように構成されたトレーニング予測ユニットと、負荷予測モデルの予測結果に従って、対応する省電力ターンオフ戦略を発行するように構成された戦略発行ユニットと、を備える。
いくつかの実施形態では、エンジニアリング・パラメータ・データは、測定によって得られた基地局の方向角度データをさらに含み、ＭＲデータは、ユーザ端末によって報告されたユーザ端末の方向角度データをさらに含み、グリッドＭＲデータは、グリッド方向角度をさらに含み、パラメータ選択ユニットは、選択された基地局のエンジニアリング・パラメータ・データにおける方向角度データと、選択された基地局に対応するグリッドＭＲデータにおけるグリッド方向角度とに従って、コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データを選択するようにさらに構成され、取得ユニットは、コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データに従って、コカバレッジセルを取得するようにさらに構成され、戦略発行ユニットは、負荷予測モデルの予測結果及び取得したコカバレッジセルに従って、対応する省電力ターンオフ戦略を発行するように構成される。
いくつかの実施形態では、グリッドＭＲデータはさらに、基地局タイプ、平均基準信号受信電力（ＲＳＲＰ）、基地局識別情報、グリッド方向角度、及びグリッド内のＭＲの数を含み、データ処理部は、屋外基地局を基地局タイプとしたグリッドＭＲデータを、所定のセル数であり、第１の閾値を超える平均ＲＳＲＰの基地局に対応して選択し、基地局識別情報と基地局の方位角度データとに従ってグリッドＭＲデータをグループ化してグリッドＭＲデータを対応するセルに割り当て、各セルのグリッドＭＲデータに対して異常なグリッドＭＲデータを除去するはずれ値検出を行い、残りのグリッドＭＲデータのグリッド経度・緯度に従って各基地局の各セルの平均経度・緯度を計算し、各基地局の各セルの平均経度・緯度に従って基地局の平均経度・緯度を計算し、基地局の平均経度・緯度は基地局の経度・緯度データの計算値となっているように構成される。
パラメータ選択ユニットは、基地局の経度・緯度の計算値と、エンジニアリング・パラメータ・データにおける基地局の経度・緯度データとの距離関係値を、距離計算法に従って計算し、該距離関係値が第２の閾値未満の基地局のエンジニアリング・パラメータ・データを、負荷予測モデルに入力する基地局のエンジニアリング・パラメータ・データとして選択するように構成される。
いくつかの実施形態では、データ処理ユニットは、Ｋ＝第３の閾値*各セルのグリッド内のＭＲ数の合計としての臨界点Ｋ値を設定するように構成され、該第３の閾値はパーセントであり、臨界点Ｋ値を使用して各セルの各グリッドＭＲデータの局所的なはずれ値係数（ＬＯＦ）値を計算し、ＬＯＦ値が第４の閾値より大きいグリッドＭＲデータを除去するように構成される。
いくつかの実施形態では、パラメータ選択ユニットは、基地局の識別情報と基地局の方向角度データとに従って選択された基地局のグリッドＭＲデータをグループ化し、各グループの各グリッド内のＭＲの数と各グループ内のＭＲの数の合計に対する比率を計算し、第５の閾値未満の比率のグリッドＭＲデータを除去し、残りのグリッドＭＲデータを基地局の識別情報に従って再度グループ化し、ガウスカーネル密度関数を使用して再度グループ化した後、各グループのグリッドＭＲデータに対してセル分類を実行し、セル分類によって得られた各セルの各グリッドＭＲデータのグリッド経度・緯度を使用して各グリッドの方向角度データを計算し、各セルの各グリッドの方向角度データに従って各セルの方向角度データの平均値を計算し、その際の各セルの方向角度データの平均値は各セルの方向角度として使用され、基地局の各セルの方向角度データとエンジニアリング・パラメータ・データにおける基地局の方向角度データとの差を計算し、該差の平均値を計算し、該差の平均値が第６の閾値未満の基地局のエンジニアリング・パラメータ・データを、コカバレッジセルを決定する基地局のエンジニアリング・パラメータ・データとするように構成される。
いくつかの実施形態では、トレーニング予測ユニットは、選択された基地局のエンジニアリング・パラメータ・データである、密度クラスタリングアルゴリズムによってエンジニアリング・パラメータ・データにおける基地局の経度・緯度データによって表されるクラスタ予測点のはずれ値除去を実行し、負荷予測モデルをトレーニングするためのフューチャーを構築し、予測点をクラスタリングしてフューチャーを構築した後に、予測点間のクラスタリング関係を表すために予測点間の密度関係をマイニングし、選択された基地局のエンジニアリング・パラメータ・データ、フューチャー、及び対応する性能指数データを使用して機械学習アルゴリズムに基づくモデル訓練を実行し、モデル精度評価を行うように構成される。
いくつかの実施形態では、基地局のエンジニアリング・パラメータ・データは、さらに基地局の周波数帯域を含み、取得ユニットは、周波数帯域に従って複数のセルを２つずつ結合して、それぞれ２つの周波数帯に対応する２つのセルを取得し、２つのセルに対応するコカバレッジセルを決定する基地局のエンジニアリング・パラメータ・データにおいて、基地局の２つの経度・緯度データに従って２つのセル間の距離を計算し、２つのセルに対応するコカバレッジセルを決定する基地局のエンジニアリング・パラメータ・データにおいて、基地局の２つの方向角度データの差を計算し、２つのセル間の距離が第７の閾値未満であり、２つの方向角度データの差が第８の閾値未満である場合に、２つのセルがコカバレッジセルであることを決定するように構成される。
いくつかの実施形態では、戦略発行ユニットは、負荷予測モデルの予測結果と、対応する省電力ターンオフ戦略とを、最適化ターゲットとしてユーザ知覚指数を用いて反復するようにさらに構成される。
本開示の別の態様によれば、基地局のエネルギーを節約するための処理装置が提供される。処理装置は、メモリと、該メモリに結合されたプロセッサとを備え、該プロセッサは、メモリに格納された命令に基づいて上記の処理方法を実行するように構成される。
本開示の別の態様によれば、プロセッサによって実行されると、上記の処理方法を実装するコンピュータプログラムの命令が格納されたコンピュータ読み取り可能な記憶媒体が提供される。
本開示の他の特徴及び利点は、添付の図面を参照して、本開示の例示的な実施形態の以下の詳細な説明から明らかになる。
本明細書の一部を構成する添付図面は、本開示の実施形態を例示し、本明細書とともに、本開示の原則を説明するのに役立つ。
本開示は、添付図面を参照して、以下の詳細な説明からより明確に理解することができる。
本開示のいくつかの実施形態に係る基地局の省エネルギー処理方法を示すフローチャートである。 本開示の他の実施形態に係る基地局の省エネルギー処理方法を示すフローチャートである。 本開示の他の実施形態に係る基地局の省エネルギー処理方法を示すフローチャートである。 本開示のいつくかの実施形態に係る基地局のエンジニアリング・パラメータの経度・緯度の監査方法を示すフローチャートである。 本開示のいくつかの実施形態に係るＬＯＦアルゴリズムを使用したはずれ値検出を示す概略図である。 本開示のいくつかの実施形態に係る基地局のエンジニアリング・パラメータの方向角度を監査する方法を示すフローチャートである。 本開示のいくつかの実施形態に係る基地局の省エネルギー処理装置を示す概略構造図である。 本開示の他の実施形態に係る基地局の省エネルギー処理装置を示す概略構造図である。 本開示の他の実施形態に係る基地局の省エネルギー処理装置を示す概略構造図である。
ここで、本開示の様々な例示的実施形態について、添付図面を参照して詳細に説明する。なお、追加的に規定されていない限り、これらの例で説明される構成要素とステップの相対的な配置、数値表現及び数値は、本開示の範囲を限定するものではない。
同時に、説明を容易にするために、添付図面に示される様々な部分の寸法は、実際の比例関係に従って描かれていないことを理解すべきである。
少なくとも１つの例示的な実施形態に関する以下の説明は、実際には単なる例示であり、本開示並びにその適用又は使用に対するいかなる制限も意図していない。
関連する技術分野の一般的な技術者に知られている技術、方法、及び装置は、詳細には議論されないかもしれないが、適切な場合には、技術、方法、及び装置は、説明の一部として考慮されるべきである。
ここで示され、議論されるすべての例の中で、特定の値は、制限的であるというよりも、単に模範的であると解釈されるものとする。したがって、模範的な実施形態の他の例は、異なる値を持つことができる。
注意すべきこととして、類似の参照符号と文字は、以下の添付図面において類似の項目を示しており、したがって、ある項目が１つの添付図面において定義されると、その後の添付図面においてそれについてのそれ以上の議論は必要ない。
本開示の発明者らは、ＡＩ技術を利用して負荷予測を行い、関連技術において省エネルギーを達成するための方法には、ＡＩ技術に基づいて負荷予測を行う場合、エンジニアリング・パラメータにおける経度・緯度が事前にチェックされないという技術的問題があることを発見した。基地局の経度・緯度は、モデルの重要な訓練データである。さらに、エンジニアリング・パラメータが誤っていたり、時間内に更新されなかったりする問題が存在することがある。事前に経度・緯度のチェックを行わないと、モデルの予測精度が低下し、省エネルギーの効果にさらに影響を与える可能性がある。
この観点から、本開示の実施形態は、モデルの予測精度を向上させるための基地局の省エネルギーのための処理方法を提供する。
図１は、本開示のいくつかの実施形態に係る基地局の省エネルギーのための処理方法を示すフローチャートである。図１に示すように、該方法は、ステップＳ１０２からＳ１１０で構成される。
ステップＳ１０２では、基地局のエンジニアリング・パラメータ・データとＭＲ（Ｍｅａｓｕｒｅｍｅｎｔ Ｒｅｐｏｒｔ）データとを取得する。エンジニアリング・パラメータ・データは、測定によって得られた基地局の経度・緯度データを含む。ＭＲデータは、ユーザ端末から報告されたユーザ端末の経度・緯度データを含む。
いくつかの実施形態では、エンジニアリング・パラメータ・データは、測定によって得られた基地局の方向角度データをさらに含み、ＭＲデータは、ユーザ端末から報告されたユーザ端末の方向角度データをさらに含む。
ステップＳ１０４では、ＭＲデータをグリッド化してグリッドＭＲデータを取得し、グリッドＭＲデータに従って基地局の経度・緯度データの計算値を計算する。
例えば、ある基地局の周囲には複数のユーザ端末があり、それぞれがＭＲデータを報告することで、あらかじめ決められた範囲（例えば、５０ｍ×５０ｍの範囲）の正方形をグリッドとしたグリッド内でＭＲデータを処理してグリッドＭＲデータを取得できるようにする。例えば、グリッド内のＭＲデータの端末の経度・緯度の平均値をグリッドの経度・緯度として計算し、グリッド内のＭＲデータの端末の方向角度の平均値をグリッドの方向角度として計算する。
いくつかの実施形態では、グリッドＭＲデータはさらにグリッドの方向角度を含む。いくつかの実施形態では、グリッドMRデータはさらに、基地局タイプ、平均ＲＳＲＰ（Ｒｅｆｅｒｅｎｃｅ Ｓｉｇｎａｌ Ｒｅｃｅｉｖｉｎｇ Ｐｏｗｅｒ）、基地局識別情報、グリッドの方向角度、及びグリッド内のＭＲの数を含む。
いくつかの実施形態では、グリッドＭＲデータに従って基地局の経度・緯度データの計算値を計算することは、屋外基地局を基地局タイプとし、所定の数のセルの基地局に対応し、平均ＲＳＲＰが第１の閾値を超えるグリッドＭＲデータを選択し、グリッドＭＲデータを対応するセルに割り当てるために、基地局識別情報及び基地局の方向角度データに従ってグリッドＭＲデータをグループ化し、異常なグリッドＭＲデータを除去するために、各セルのグリッドＭＲデータに対してはずれ値検出を実行し、残りのグリッドＭＲデータのグリッド経度・緯度に従って、各基地局の各セルの平均経度・緯度を計算し、各基地局の各セルの平均経度・緯度に従って、基地局の平均経度・緯度を計算することを含み、基地局の平均経度・緯度は、基地局の経度・緯度データの計算値である。
ここで、第１の閾値は、実際のニーズに応じて決定できる。例えば、第１の閾値は－１１０ｄＢ（デシベル）から－１００ｄＢの範囲である。例えば、第１の閾値は、－１０２ｄＢである。もちろん、当業者は、本開示の第１の閾値の範囲がこれに限定されないことを理解することができる。
ステップＳ１０６では、付加予測モデルに入力する基地局のエンジニアリング・パラメータ・データを選択するために、基地局の経度・緯度データの計算値とエンジニアリング・パラメータ・データにおける基地局の経度・緯度データとを比較する。
いくつかの実施形態では、ステップＳ１０６は、距離計算方法に従って、計算された基地局の経度・緯度の値と、エンジニアリング・パラメータ・データ中の基地局の経度・緯度データとの距離関係値を計算し、負荷予測モデルに入力する基地局のエンジニアリング・パラメータ・データとして、距離関係値が第２の閾値未満の基地局のエンジニアリング・パラメータ・データを選択することを含む。
ここでは、実際のニーズに応じて第２の閾値を決定することができる。例えば、第２の閾値の範囲は８００ｍから１０００ｍである。もちろん、当業者は、本開示の第２の閾値の範囲がこれに限定されないことを理解することができる。
ステップＳ１０８では、選択した基地局のエンジニアリング・パラメータ・データを負荷予測モデルに入力し、負荷予測モデルのトレーニングと予測とを行う。
いくつかの実施形態において、ステップＳ１０８は、選択された基地局のエンジニアリング・パラメータ・データに対してはずれ値除去を行い、エンジニアリング・パラメータ・データ内の基地局の経度・緯度データによって表される予測点を密度クラスタリングアルゴリズムによってクラスタ化し、負荷予測モデルを訓練するためのフューチャーを構築し、予測点間の密度関係をマイニングして予測点間のクラスタ関係を表し、予測点をクラスタ化してフューチャーを構築した後、選択した基地局のエンジニアリング・パラメータ・データ、フューチャー、及び対応する性能指標データを用いて機械学習アルゴリズムに基づくモデル訓練を行い、モデル精度評価を行うことを含む。
ステップＳ１１０では、負荷予測モデルの予測結果に従って、対応する省電力ターンオフ戦略を発行する。
ここまでは、本開示のいくつかの実施形態に係る基地局の省エネルギーの処理方法を提供する。この処理方法は、基地局のエンジニアリング・パラメータ・データと測定レポート（ＭＲ）データを取得し、ここで該エンジニアリング・パラメータ・データは、測定によって得られた基地局の経度・緯度データを含み、ＭＲデータはユーザ端末から報告されたユーザ端末の経度・緯度データを含み、グリッドＭＲデータを取得するためにＭＲデータをグリッド化して、該グリッドＭＲデータに従って基地局の経度・緯度データの計算値を計算し、その際にグリッドＭＲデータは、グリッド経度・緯度を含み、負荷予測モデルに入力する基地局のエンジニアリング・パラメータ・データを選択するために、基地局の経度・緯度の計算値と、エンジニアリング・パラメータ・データの基地局の経度・緯度データとを比較し、負荷予測モデルに選択した基地局のエンジニアリング・パラメータ・データを入力して負荷予測モデルのトレーニングと予測とを行い、負荷予測モデルの予測結果に従って対応する省電力ターンオフ戦略を発行することを含む。この方法は、基地局の経度・緯度データの監査を実装することで、モデルの予測精度を向上させ、省エネルギーの効果を最適化することができる。
本開示の発明者らは、さらに、関連技術において省エネルギーを達成するためにＡＩ技術を利用して負荷予測を行う方法には、省エネルギー戦略が発行された場合、既存の方法ではエンジニアリング・パラメータ・データにおける方向角度の正確性が考慮されず、それによって基地局の省エネルギー効果に影響を与えるという技術的問題、が依然として存在することを発見した。
この観点から、本開示の実施形態は、さらに、エンジニアリング・パラメータ・データにおける方向角度の正確性を向上させるために、基地局のエネルギーを節約するための処理方法を提供する。
本開示のいくつかの実施形態では、処理方法は、さらに、選択された基地局のエンジニアリング・パラメータ・データにおける方向角度データと、選択された基地局に対応するグリッドＭＲデータにおけるグリッド方向角度とに従って、コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データを選択し、コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データに従って、コカバレッジセルを取得することを含む。対応する省電力ターンオフ戦略の発行は、負荷予測モデルの予測結果と取得したコカバレッジセルとに従って、対応する省電力ターンオフ戦略を発行することを含む。これにより、基地局の方向角度データを監査することで、セルのコカバレッジ解析の精度を向上させ、省エネルギーの効果を最適化することができる。
図２は、本開示の他の実施形態に係る基地局の省エネルギー処理方法を示すフローチャートである。該処理方法は、図２に示すように、ステップＳ２０２からＳ２１４で構成される。
ステップＳ２０２では、基地局のエンジニアリング・パラメータ・データ及びＭＲデータを取得する。
いくつかの実施形態では、エンジニアリング・パラメータ・データは、測定によって得られた基地局の経度・緯度データ及び方位角度データを含む。ＭＲデータは、ユーザ端末の経度・緯度データと、ユーザ端末から報告されたユーザ端末の方位角度データとを含む。
ステップＳ２０４では、ＭＲデータはグリッド化されてグリッドＭＲデータが取得され、グリッドＭＲデータに従って基地局の経度・緯度データの計算値が計算され、グリッドＭＲデータはグリッド経度・緯度含む。
いくつかの実施形態では、グリッドＭＲデータは、基地局タイプ、平均ＲＳＲＰ、基地局識別情報、グリッド方向角度、及びグリッド内のＭＲの数をさらに含む。
ステップＳ２０６では、基地局の経度・緯度データの計算値と、エンジニアリング・パラメータ・データにおける基地局の経度・緯度データとを比較して、負荷予測モデルに入力する基地局のエンジニアリング・パラメータ・データを選択する。
ステップＳ２０８では、選択した基地局のエンジニアリング・パラメータ・データを負荷予測モデルに入力し、負荷予測モデルのトレーニングと予測とを行う。
ステップＳ２１０では、選択した基地局のエンジニアリング・パラメータ・データの方向角度データと、選択した基地局に対応するグリッドＭＲデータのグリッド方向角度とに従って、コカバレッジセルを決定する基地局のエンジニアリング・パラメータ・データを選択する。
いくつかの実施形態では、ステップＳ２１０において、基地局識別情報と基地局の方向角度データ（すなわち、エンジニアリング・パラメータ・データにおける基地局の方向角度データ）に従って選択した基地局のグリッドＭＲデータをグループ化して、各グループの各グリッド内のＭＲの数と各グループのＭＲの数の合計との比率を計算し、比率が第５の閾値未満のグリッドＭＲデータを除去し、残りのグリッドMRデータを基地局識別情報に従って再度グループ化して、ガウスのカーネル密度関数を使用して再度グループ化した後、各グループのグリッドＭＲデータに対してセル分類を実行し、セル分類によって得られた各セルの各グリッドＭＲデータのグリッド経度・緯度を使用して各グリッドの方向角度データを計算して、各セルの各グリッドの方向角度データに従って、各セルの方向角度データの平均値を計算して、その際の各セルの方向角度データの平均値は、各セルの方向角度として用いられ、基地局の各セルの方向角度と、エンジニアリング・パラメータ・データにおける基地局の各セルの方向角度データとの差を計算して、その差の平均値を計算し、その差の平均値が第６の閾値未満の基地局のエンジニアリング・パラメータ・データを、コカバレッジセルを決定する基地局のエンジニアリング・パラメータ・データとする。例えば、第６の閾値は３０°から６０°の範囲である。もちろん、当業者であれば、第６の閾値は実際の条件に応じて設定可能であることを理解することができ、本開示における第６の閾値の範囲はこれに限定されない。
ステップＳ２１２では、コカバレッジセルを決定する基地局のエンジニアリング・パラメータ・データに従って、コカバレッジセルを取得する。
いくつかの実施形態では、基地局のエンジニアリング・パラメータ・データは、さらに基地局の周波数帯域を含む。
いくつかの実施形態では、ステップＳ２１２は、それぞれ２つの周波数帯域に対応する２つのセルを得るために、周波数帯域に応じて複数のセルを２つずつ結合して、２つのセルに対応するコカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データにおける基地局の２つの経度・緯度データに従って２つのセル間の距離を計算して、該２つのセルに対応するコカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データにおける基地局の２つの方向角度データの差を計算し、２つのセル間の距離が第７の閾値未満であり、２つの方向角度データの差が第８の閾値未満である場合に、２つのセルがコカバレッジセルであることを決定することを含む。
ステップＳ２１４では、負荷予測モデルの予測結果と得られたコカバレッジセルとに従って、対応する省電力ターンオフ戦略を発行する。
ここまでは、本開示のいくつかの実施形態に係る基地局の省エネルギーの処理方法を提供する。これにより、基地局の経度・緯度データと基地局の方向角度データとの監査を実施することで、モデルの予測精度やセルカバレッジ解析の精度を向上させ、省エネルギーの効果を最適化することができる。
いくつかの実施形態では、処理方法はさらに、負荷予測モデルの予測結果と、ユーザの認識指数を最適化ターゲットとして省電力ターンオフ戦略とを反復することを含む。これにより、省電力ターンオフ戦略の最適化を実施し、省エネルギーの効果を向上させることができる。
図３は、本開示の他の実施形態に係る基地局の省エネルギー処理方法を示すフローチャートである。
まず、図３に示すように、データが入力される。データは、例えば、ネットワーク管理によって得られた基地局のエンジニアリング・パラメータ・データ、ＭＲデータ、無線負荷型データ、無線センス型データなどで構成される。
いくつかの実施形態では、基地局のエンジニアリング・パラメータ・データは、基地局識別情報（すなわち、基地局ＩＤ）、セル識別情報（すなわち、セルＩＤ）、基地局名、経度、緯度、異なるセルの方向角度などで構成される。ここで注意すべきは、各基地局は複数の（例えば３つの）方向角度に対応してもよく、各方向角度は１つのセル（セクタとも呼ばれる）に対応する。
いくつかの実施形態では、無線センス型データは、アップリンクＰＲＢ（Ｐｈｙｓｉｃａｌ Ｒｅｓｏｕｒｃｅ Ｂｌｏｃｋ）利用率、ダウンリンクＰＲＢ利用率、平均ＲＲＣ（Ｒａｄｉｏ Ｒｅｓｏｕｒｃｅ Ｃｏｎｔｒｏｌ）接続数、最大ＲＲＣ接続数、ユーザ平均ＥＲＡＢ（Ｅｖｏｌｖｅｄ Ｒａｄｉｏ Ａｃｃｅｓｓ Ｂｅａｒｅｒ）数、同一周波数スイッチングの成功時間、クロス周波数スイッチングの成功時間、ＣＱＩ（Ｃｈａｎｎｅｌ Ｑｕａｌｉｔｙ Ｉｎｄｉｃａｔｉｏｎ）－４比率、ＣＱＩ－６比率、ＰＤＣＰ （Ｐａｃｋｅｔ Ｄａｔａ Ｃｏｎｖｅｒｇｅｎｃｅ Ｐｒｏｔｏｃｏｌ）層アップリンクフロー、及びＰＤＣＰ層ダウンリンクフローなどを含む。
いくつかの実施形態では、無線センス型データは、ＲＲＣ確立成功率、ＲＲＣ再構成率、Ｅ－ＲＡＢドロップ率、ＣＱＩ品質率、ユーザのダウンリンクセンス率、システム内スイッチング成功率などを含む。
いくつかの実施形態では、基地局のエンジニアリング・パラメータ・データ、無線センス型データ、及びユーザ知覚型データをネットワーク管理データベースから抽出することができ、ユーザ端末が報告する経度・緯度を含むＭＲデータをＯＭＣ（Ｏｐｅｒａｔｉｏｎ ａｎｄ Ｍａｉｎｔｅｎａｎｃｅ Ｃｅｎｔｅｒ）のノースバウンド・ファイル・インターフェイスから取得することができる。例えば、ＭＲデータはＭＲＯ＿ＭＤＴ（Ｍａｉｎｔｅｎａｎｃｅ,Ｒｅｐａｉｒ＆Ｏｐｅｒａｔｉｏｎｓ；Ｍｉｎｉｍｉｚａｔｉｏｎ Ｄｒｉｖｅ Ｔｅｓｔ）データである。
次に、図３に示すように、ＭＲデータに基づいて、エンジニアリング・パラメータ・データにおける基地局の経度・緯度と方位角度とをそれぞれ監査する。
例えば、ＭＲデータに基づいてデータマイニング解析が行われ、基地局の経度・緯度を監査し、グリッド化されたＭＲデータを処理することで、はずれ値検出アルゴリズムＬＯＦ（Ｌｏｃａｌ Ｏｕｔｌｉｅｒ Ｆａｃｔｏｒ）を用いてはずれ値スクリーニングを行い、重心の計算方法に従って基地局の経度・緯度を収束させ、収束された基地局の経度・緯度をエンジニアリング・パラメータ・データの経度・緯度と比較することで、正しい緯度・経度の基地局のエンジニアリング・パラメータ・データを選択し、選択された基地局のエンジニアリング・パラメータ・データを負荷予測モデルの入力として使用する。
他の例では、エンジニアリング・パラメータの方向角度を、ＭＲデータに基づくデータマイニング解析アルゴリズムを使用して監査し、基地局下のＭＲデータのエッジグリッドを除去し、グリッド化されたＭＲデータに対してガウスカーネル密度関数を使用してセル分類が行われ、方向角度計算式を使用して各セルの方向角度が計算され、方向角度に問題のない基地局を選択するために、各セルの方向角度がエンジニアリング・パラメータ・データ内の基地局の方向角度と比較され、選択された基地局のエンジニアリング・パラメータ・データがセルコカバレッジを決定するための入力となる。
次に、図３に示すように、モデルのトレーニング、予測、及び評価のために、正しい経度・緯度を持つ基地局のエンジニアリング・パラメータ・データとそのインデックスデータをモデルの入力として選択する。
例えば、エンジニアリング・データの基地局識別子を処理して、奇数の基地局を除去したり、ダウンリンクＰＲＢの平均利用率の異常値を処理したりすることができる。その後、両方を組み合わせる。
次に、エンジニアリング・パラメータ・データの基地局の経度・緯度データで表される予測点を、密度クラスタリングＤＢＳＣＡＮ（Ｄｅｎｓｉｔｙ－Ｂａｓｅｄ Ｓｐａｔｉａｌ Ｃｌｕｓｔｅｒｉｎｇ ｏｆ Ａｐｐｌｉｃａｔｉｏｎｓ ｗｉｔｈ Ｎｏｉｓｅ）を使用してクラスタ化し、予測点間の密度関係をマイニングして、予測点間のクラスタ化関係を表す。
予測点をクラスタ化した後、機械学習アルゴリズムに基づいてモデルが訓練され、精度比、リコール比、二乗平均平方根誤差（略してＲＭＳＥと呼ばれる）、対称平均絶対パーセント誤差（略してＳＭＡＰＥと呼ばれる）などを計算して、モデルの精度を評価する。
次に、図３に示すように、基地局の経度・緯度が正しい基地局のうち、エンジニアリング・パラメータ・データの方向角度が正しい基地局を選択して、コカバレッジ判定を行い、コカバレッジセルを得る。
例えば、基地局ＩＤ、セルＩＤ、経度・緯度、方位角度、周波数点（又は周波数帯）などからなる、基地局に必要なエンジニアリング・パラメータ・データを作成することができる。周波数帯に応じてデータは分割され、関連する経度・緯度と方位角とが相関される、周波数帯が２つずつ組み合わされて、次の条件に基づいてコカバレッジセルがあるかどうかが判断される。すなわち、２つのセルの経度・緯度の間の距離が第７の閾値未満であり、２つのセルの方向角度の差が第８の閾値未満である（第８の閾値は既存のネットワークの実際の状態に応じて設定される場合がある）かどうか、により、２つのセルはコカバレッジセルであると判断され、それ以外の場合、２つのセルはコカバレッジセルではない。
いくつかの実施形態では、第７の閾値は５０ｍから１００ｍの範囲である。もちろん、当業者は、第７の閾値が既存のネットワークの実際の状態に応じて設定される可能性があることを理解することができ、本開示における第７の閾値の範囲はこれに限定されない。
いくつかの実施形態では、第８の閾値は２０°から３０°の範囲である。もちろん、当業者は、第８の閾値が既存のネットワークの実際の状態に応じて設定される可能性があることを理解することができ、本開示における第８の閾値の範囲はこれに限定されない。
２つのセルがコカバレッジセルであると判断することにより、２つのセルのうちの１つに対して省電力ターンオフ戦略が実行されることができ、これはセル内のユーザの通信に影響を与えることなく、基地局の電力消費を節約する。
次に、図３に示すように、負荷予測モデルとコカバレッジ分析結果とを組み合わせて、対応する省電力ターンオフ戦略が発行される。
次に、図３に示すように、ユーザ知覚指数を最適化対象として、負荷予測モデルの予測結果と省電力ターンオフ戦略とが反復される。これにより、ユーザ体験を確保しながら電力が節約される。ここでは、既知の技術を用いてユーザ認識指数を求めることができる。
ここまでは、本開示の他の実施形態に係る基地局の省エネルギーのための処理方法を提供する。この方法では、ＭＲデータに基づくデータマイニング解析手法を用いて、基地局の経度・緯度と方位角度とをそれぞれ監査することで、基地局の省電力における負荷予測と省電力ストラテジー発行の精度を向上させる。本開示に係る方法では、関連分野における統計手法と比較して、より知的で柔軟かつ処理が簡単なデータマイニング解析手法を用いて、基地局の経度・緯度と方位角とを監査する。また、上記の方法は、ユーザ端末を改良することなく、既存のデータセットインターフェースを利用することができるため、容易に普及・実現することができる。
図４は、本開示のいくつかの実施形態に係る、基地局のエンジニアリング・パラメータの経度・緯度を監査する方法を示すフローチャートである。図４に示すように、該方法はステップＳ４０２からＳ４１４を含む。
いくつかの実施形態では、ステップＳ４０２の前に、グリッドＭＲデータを得るためにＭＲデータをグリッド化する。
いくつかの実施形態では、ＭＲデータをグリッド化した後、エンジニアリング・パラメータ・データをグリッドＭＲデータにさらに関連付けることができ、その結果、グリッドＭＲデータに基地局の経度・緯度、及び基地局の方向角度のフィールドを追加する。もちろん、当業者は、基地局の経度・緯度、及び基地局の方向角度のフィールドがグリッドＭＲデータに追加されない場合があることを理解できる。
例えば、グリッドＭＲデータのフィールドを次の表１に示す。
ここで、ＥＣＩは基地局セル識別情報である。
ステップＳ４０２では、屋外基地局を基地局タイプとし、所定のセル数（例えば、３）の基地局に対応し、平均ＲＳＲＰが第１の閾値より大きいグリッドＭＲデータを選択する。
いくつかの実施形態では、選択されたフィールドは、基地局ＩＤ、方向角度、グリッド内のＭＲ数、グリッドの経度・緯度などを含む。
ステップＳ４０４では、グリッドＭＲデータは、基地局識別情報と基地局の方向角度データに従ってグループ化され、グリッドＭＲデータが対応するセルに割り当てられる。
ステップＳ４０６では、各セルのグリッドＭＲデータに対して異常値検出を行い、異常グリッドＭＲデータを除去する。
例えば、機械学習における教師なし学習のはずれ値検出ＬＯＦアルゴリズムを使用して、各セルのノイズグリッドがそれぞれクリーニングされ、破棄される。
いくつかの実施形態では、ステップＳ４０６は、臨界点Ｋ値をＫ＝第３の閾値*各セルのグリッド内のＭＲの数の合計として設定し、その際に該第３の閾値はパーセンテージであり、臨界点Ｋ値を使用して、各セルの各グリッドＭＲデータの局所はずれ値係数（ＬＯＦ）値を計算し、LOF値が4番目の閾値より大きいグリッドＭＲデータを除去することを含む。
例えば、第３の閾値は、９０％から９７％の範囲とされる。例えば、第３の閾値は９５％である。もちろん、当業者は、本開示の第３の閾値は実際のニーズに応じて調整することができ、上記の範囲に限定されないことを理解できるであろう。
各グループの各グリッドのＬＯＦ値は、既知の計算方法とＫ値を使用して計算することができ、ここで、ＬＯＦ値が第４の閾値よりも大きいグリッドは異常グリッドであるため、異常グリッドが除去される（例えば、図５に示すようなはずれ値）。
たとえば、第４の閾値は、０．１から１の範囲とされる。例えば、第４の閾値は０．５である。もちろん、当業者は、本開示の第４の閾値が実際のニーズに応じて調整することができ、上記の範囲に限定されないことを理解できるであろう。
ステップＳ４０８では、各基地局の各セルの平均経度・緯度が、残りのグリッドＭＲデータのグリッド経度・緯度に従って計算される。
例えば、異常グリッドＭＲデータを除去した後、各セルの残りのグリッドＭＲデータのグリッド経度・緯度に従って、グリッド経度・緯度の平均値が計算され、グリッド経度・緯度の平均値は、各セルの平均経度・緯度となる。
ステップＳ４１０では、各基地局の各セルの平均経度・緯度に従って、基地局の平均経度・緯度が計算され、基地局の平均経度・緯度は、基地局の経度・緯度データの計算値となる。
例えば、基地局の平均経度・緯度（重心と呼ぶ）の計算式は、
Figure 0007486659000002
 ここで、ｘは基地局の平均経度、ｘｉは基地局の各セルの平均経度、ｙは基地局の平均緯度、ｙｉは基地局の各セルの平均緯度、Ｎは基地局のセル数を表す。
ステップＳ４１２では、距離計算法に従って、基地局の経度・緯度の計算値とエンジニアリング・パラメータ・データにおける基地局の経度・緯度データとの距離関係値が計算される。
例えば、エンジニアリング・パラメータ・データの基地局の経度・緯度の計算値（Ｌａｔ１、Ｌｎｇ１）と基地局の経度・緯度データ（Ｌａｔ２、Ｌｎｇ２）との距離関係値Ｌは、
ここで、Ｒは地球の半径（６３７８キロメートルの値を取る場合もある）、Ｌａｔ１とＬａｔ２とは、それぞれ緯度であり、Ｌｎｇ１とＬｎｇ２とは、それぞれ経度である。
ステップＳ４１４では、負荷予測モデルに入力する基地局のエンジニアリング・パラメータ・データとして、距離関係値が第２の閾値未満の基地局のエンジニアリング・パラメータ・データが選択される。
これまでに、本開示のいくつかの実施形態に従って、基地局のエンジニアリング・パラメータの経度・緯度を監査する方法が提供される。基地局の経度・緯度のデータを監査することにより、モデルの予測精度を向上させることができ、省エネルギーの効果を最適化することができる。
図６は、本開示のいくつかの実施形態に係る、基地局のエンジニアリング・パラメータの方向角度を監査する方法を示すフローチャートである。図６に示すように、該方法はステップＳ６０２からＳ６１２を含む。
ステップＳ６０２では、選択した基地局のグリッドＭＲデータが、基地局識別情報と基地局の方位角度データとに従ってグループ化され、各グループ内の各グリッド内のＭＲの数と各グループ内のＭＲの数の合計との比率が計算され、比率が第５の閾値未満のグリッドＭＲデータが除去される。例えば、第５の閾値は、０＜第５の閾値≦０．１の範囲とされる。もちろん、当業者であれば、第５の閾値が実際の条件に応じて設定されることを理解することができ、本開示における第５の閾値の範囲はこれに限定されない。
すなわち、第２の閾値を満たす基地局のグリッドＭＲデータについて方向角度が監査され、基地局識別情報と基地局の方向角度データとに従ってグループ化が行われ、各グループ内の各グリッド内のＭＲのグリッド数（Ｇｒｉｄ＿ｃｏｕｎｔ））の、各グループ内のＭＲの数の合計値（ＳＵＭ（Ｇｒｉｄ＿ｃｏｕｎｔ））に対する比率を次のように計算する。
Figure 0007486659000004
比率が第５の閾値未満のグリッドＭＲデータが除去される、すなわち、エッジグリッドが除去される。これにより、過度に離散的なグリッドによるエラーを低減し、方向角度の監査の精度を向上させることができる。
ステップＳ６０４では、残りのグリッドＭＲデータが基地局識別情報に従って再度グループ化され、ガウスのカーネル密度関数を用いて再度グループ化された後、各グループのグリッドＭＲデータに対してセル分類が行われる。
すなわち、ステップＳ６０４では、基地局の正しい経度・緯度を備えたグリッドＭＲデータを基地局ＩＤに従ってグループ化した後、ガウスのカーネル密度関数ｆｎが再度繰り返される。
Figure 0007486659000005
 ここで、σは関数の幅パラメータ、ｘは分類する格子の経度と緯度、ｙは中心点（すなわち、基地局の経度・緯度）である。得られた新しいフューチャーによって構築される目的関数において、カテゴリは以下のように決定される。
ここで、θは各カーネル関数の係数、ｆｎは各グリッドごとに計算されたカーネル関数値である。
グリッドｘについては、新しいフューチャーｆが計算される。０＜ｈ＿θ（ｘ）≦１のとき、ｘはセル１に属すると判定される。１＜ｈ＿θ（ｘ）≦２のとき、ｘはセル２に属し、残りのｘはセル３に属すると判定される。
ステップＳ６０６では、セル分類によって得られた各セルの各グリッドＭＲデータのグリッド経度・緯度を用いて、各グリッドの方位角度データが計算される。
グリッドの分類が完了すると、グリッドの経度・緯度を使用して、各セル内のグリッドの方向角度が計算される。方向角度の方向の計算式は以下となる。
Figure 0007486659000007
Figure 0007486659000008
Figure 0007486659000009
 ここで、Ｌｎｇ１はセル内の１つのグリッドの経度、Ｌａｔ１はセル内の１つのグリッドの緯度、Ｌｎｇ２はセル内の別のグリッドの経度、ｄｉｓｔａｎｃｅＮｏｒｔｈは北に面した方向の２つの経度と緯度の距離、ｄｉｓｔａｎｃｅＥａｓｔは東に面した方向の２つの経度と緯度の距離である
ステップＳ６０８では、各セルの方向角度データの平均値が、各セルの各グリッドの方向角度データに従って計算され、各セルの方向角度データの平均値は各セルの方向角度として用いられる。
ステップＳ６１０では、基地局の各セルの方向角度と、エンジニアリング・パラメータ・データにおける基地局の方向角度データとの差が計算され、その差の平均値が計算される。
ステップＳ６１２では、その差の平均値が第６の閾値未満の基地局のエンジニアリング・パラメータ・データが、コカバレッジセルを決定する基地局のエンジニアリング・パラメータ・データとされる。
例えば、その差の平均値が第６の閾値以上の場合、基地局に方向角度の異常接続があると判断され、その差の平均値が第６の閾値未満の場合、省電力時のコカバレッジ判定の入力となる。
これまでに、本開示のいくつかの実施形態に係る基地局のエンジニアリング・パラメータの方向角度を監査する方法が提供される。基地局の方向角度データを監査することにより、セルコカバレッジ分析の精度を向上させることができ、省エネルギーの効果を最適化することができる。
図７は、本開示のいくつかの実施形態に係る基地局の省エネルギー処理装置を示す概略構造図である。処理装置は、図７に示すように、取得ユニット７０２、データ処理ユニット７０４、パラメータ選択ユニット７０６、トレーニング予測ユニット７０８、及び戦略発行ユニット７１０を備える。
取得ユニット７０２は、基地局のエンジニアリング・パラメータ・データと測定レポート（ＭＲ）データを取得するように構成される。エンジニアリング・パラメータ・データは、測定によって得られた基地局の経度・緯度データを含む。ＭＲデータは、ユーザ端末から報告されたユーザ端末の経度・緯度・データを含む。
データ処理ユニット７０４は、グリッドＭＲデータを取得するためにＭＲデータをグリッド化し、グリッドＭＲデータに従って基地局の経度・緯度データの計算値を計算するように構成される。グリッドＭＲデータは、グリッド経度・緯度を含む。
パラメータ選択ユニット７０６は、負荷予測モデルに入力する基地局のエンジニアリング・パラメータ・データを選択するために、基地局の計算された経度・緯度データと、エンジニアリング・パラメータ・データにおける基地局の経度・緯度データとを比較するように構成される。
トレーニング予測ユニット７０８は、負荷予測モデルに選択した基地局のエンジニアリング・パラメータ・データを入力して、負荷予測モデルのトレーニングと予測とを行うように構成される。
戦略発行ユニット７１０は、負荷予測モデルの予測結果に従って、対応する省電力ターンオフ戦略を発行するように構成される。
これまでに、本開示のいくつかの実施形態に係る基地局の省エネルギーのための処理装置が提供される。基地局の経度・緯度データを監査することにより、モデルの予測精度を向上させ、省エネルギーの効果を最適化することができる。
いくつかの実施形態では、エンジニアリング・パラメータ・データは、測定によって得られた基地局の方向角度データをさらに含み、ＭＲデータは、ユーザ端末によって報告されたユーザ端末の方向角度データをさらに含み、グリッドＭＲデータは、グリッド方向角度をさらに含む。
いくつかの実施形態では、パラメータ選択ユニット７０６は、選択された基地局のエンジニアリング・パラメータ・データにおける方向角度データと、選択された基地局に対応するグリッドＭＲデータにおけるグリッド方向角度とに従って、コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データを選択するようにさらに構成される。取得ユニット７０２は、コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データに従って、コカバレッジセルを取得するようにさらに構成される。戦略発行ユニット７１０は、負荷予測モデルの予測結果と取得したコカバレッジセルとに従って、対応する省電力ターンオフ戦略を発行するように構成される。
いくつかの実施形態では、グリッドＭＲデータは、基地局タイプ、平均基準信号受信電力（ＲＳＲＰ）、基地局識別情報、グリッド方向角度、及びグリッド内のＭＲの数をさらに含む。
いくつかの実施形態では、データ処理ユニット７０４は、所定のセル数の基地局に対応する屋外基地局を基地局タイプとし、平均ＲＳＲＰが第１の閾値を超えるグリッドＭＲデータを選択し、基地局識別情報と基地局の方位角度データとに従ってグリッドＭＲデータをグループ化して対応するセルに割り当て、各セルのグリッドＭＲデータに対して異常なグリッドＭＲデータを除去するための異常検出を行い、残りのグリッドMRデータのグリッド経度・緯度に従って各基地局の各セルの平均経度・緯度を計算し、各基地局の各セルの平均経度・緯度に従って基地局の平均経度・緯度を計算するように構成され、その際に、基地局の平均経度・緯度は、基地局の経度・緯度データの計算値となる。
いくつかの実施形態では、パラメータ選択ユニット７０６は、距離計算法に従って、基地局の経度・緯度の計算値と、エンジニアリング・パラメータ・データにおける基地局の経度・緯度データとの距離関係値を計算し、距離関係値が第２の閾値未満の基地局のエンジニアリング・パラメータ・データを、負荷予測モデルに入力する基地局のエンジニアリング・パラメータ・データとして選択するように構成される。
いくつかの実施形態では、データ処理ユニット７０４は、臨界点Ｋ値をＫ=第３の閾値*各セルのグリッド内のMRの数の合計として設定し、第３の閾値を百分率とし、臨界点Ｋ値を使用して各セルの各グリッドＭＲデータの局所はずれ値（ＬＯＦ）値を計算し、ＬＯＦ値が第４の閾値より大きいグリッドＭＲデータを除去するように構成される。
いくつかの実施形態では、パラメータ選択ユニット７０６は、基地局識別情報と基地局の方向角度データとに従って選択された基地局のグリッドMRデータをグループ化し、各グループの各グリッド内のＭＲ数の各グループ内のＭＲ数の合計に対する比率を計算し、第５の閾値未満の比率のグリッドMRデータを除去し、残りのグリッドMRデータを基地局識別情報に従って再度グループ化し、ガウスカーネル密度関数を使用して再度グループ化した後、各グループのグリッドＭＲデータに対してセル分類を実行し、セル分類によって得られた各セルの各グリッドＭＲデータのグリッド経度・緯度を使用して各グリッドの方向角度データを計算し、各セルの各グリッドの方向角度データに従って各セルの方向角度データの平均値を計算し、その際に、各セルの方向角度データの平均値が各セルの方向角度として使用され、基地局の各セルの方向角度と、エンジニアリング・パラメータ・データにおける基地局の方向角度データとの差を計算し、その差の平均値を計算し、その差の平均値が第６の閾値未満の基地局のエンジニアリング・パラメータ・データを、コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データとするように構成される。
いくつかの実施形態では、トレーニング予測ユニット７０８は、選択された基地局のエンジニアリング・パラメータ・データに対してはずれ値除去を実行し、密度クラスタリングアルゴリズムによってエンジニアリング・パラメータ・データ内の基地局の経度・緯度データによって表される予測点をクラスタ化し、負荷予測モデルをトレーニングするためのフューチャーを構築し、予測点をクラスタ化してフューチャーを構築した後に、予測点間のクラスタ関係を表すために予測点間の密度関係をマイニングし、選択された基地局のエンジニアリング・パラメータ・データ、フューチャー及び対応する性能指数データを使用して機械学習アルゴリズムに基づくモデルトレーニングを実行し、モデル精度評価を実行するように構成される。
いくつかの実施形態では、基地局のエンジニアリング・パラメータ・データは、さらに基地局の周波数帯域を含む。取得ユニット７０２は、周波数帯域に応じて複数のセルを２つずつ結合して、それぞれ２つの周波数帯域に対応する２つのセルを取得し、２つのセルに対応するコカバレッジセルを決定する基地局のエンジニアリング・パラメータ・データにおいて、基地局の２つの経度・緯度データに応じて２つのセル間の距離を計算し、２つのセルに対応するコカバレッジセルを決定する基地局のエンジニアリング・パラメータ・データにおいて、基地局の２つの方向角度データの差を計算し、２つのセル間の距離が第７の閾値未満であり、２つの方向角度データの差が第８の閾値未満である場合に、２つのセルがコカバレッジセルであると決定するように構成される。
いくつかの実施形態では、戦略発行ユニット７１０は、負荷予測モデルの予測結果と省電力ターンオフ戦略とを、最適化ターゲットとしてユーザ知覚指数を用いて反復するようにさらに構成される。
図８は、本開示の他の実施形態に係る基地局の省エネルギー処理装置を示す概略構造図である。処理装置は、メモリ８１０とプロセッサ８２０とを備える。
メモリ８１０は、磁気ディスク、フラッシュメモリ、又はその他の不揮発性記憶媒体であってもよい。メモリは、図１から図４又は図６の少なくとも１つに対応する実施形態の命令を格納するように構成される。
プロセッサ８２０は、メモリ８１０に結合され、マイクロプロセッサやマイクロコントローラのような１つ以上の集積回路として実装することができる。プロセッサ８２０は、メモリに格納された命令を実行するように構成される。基地局の経度・緯度データを監査することで、モデルの予測精度を向上させ、省エネルギーの効果を最適化することができる。
いくつかの実施形態では、同様に図９に示すように、処理装置９００は、メモリ９１０とプロセッサ９２０とを備える。プロセッサ９２０はＢＵＳ９３０を介してメモリ９１０に結合される。処理装置９００は、外部データを呼び出すためにストレージインターフェース９４０を介して外部記憶装置９５０に接続される場合もあれば、ここでは詳細に説明しないが、ネットワークインターフェース９６０を介してネットワークや他のコンピュータシステム（非表示）に接続される場合もある。
実施形態では、データ命令はメモリに格納された後、プロセッサによって上記の命令が処理される。基地局の経度・緯度データを監査することで、モデルの予測精度を向上させ、省エネルギーの効果を最適化することができる。
他の実施形態では、本開示は、プロセッサによって実行されたときに、図１から４又は図６の少なくとも１つに対応する実施形態における方法のステップを実装する、コンピュータプログラム命令が格納されたコンピュータ可読記憶媒体も提供する。当業者は、本開示の実施形態が方法、装置、又はコンピュータプログラム製品として提供され得ることを理解するであろう。従って、本開示は、完全にハードウェアの実施形態、完全にソフトウェアの実施形態、又はソフトウェアとハードウェアの側面の組み合わせの形態を取ることができる。さらに、本開示は、コンピュータ使用可能なプログラムコードをその中に含む１つ以上のコンピュータ使用可能な非一時的記憶媒体（ディスクメモリ、ＣＤ－ＲＯＭ、光学メモリなどを含むが、これらに限定されない）に具体化されたコンピュータプログラム製品の形態を取ることができる。
本開示は、本開示の実施形態に従って、方法、装置（システム）、及びコンピュータプログラム製品のフローチャート及び／又はブロックビューを参照して記述される。フローチャート及び／又はブロックビューの各プロセス及び／又はブロック、並びにフローチャート及び／又はブロックビューのプロセス及び／又はブロックの組み合わせは、コンピュータプログラム命令によって実装することができることが理解されるであろう。これらのコンピュータプログラム命令は、コンピュータ又は他のプログラマブルデータ処理装置のプロセッサによって実行される命令が、フローチャートの１つ以上のプロセス及び／又はブロックビューの１つ以上のブロックで指定された機能を実現するための装置を生成するように、汎用コンピュータ、専用コンピュータ、組み込み処理機械、又はその他のプログラマブルデータ処理装置のプロセッサに提供されて、機械を生成することができる。
これらのコンピュータプログラム命令は、コンピュータ又はその他のプログラマブルデータ処理装置が特定の方法で動作するように導くことができるコンピュータ可読メモリにも格納されることがあり、コンピュータ可読メモリに格納された命令は、命令装置を含む製造物を生成する。命令装置は、フローチャート内の１つ以上のプロセス又はブロックビュー内の１つ以上のブロックで指定された機能を実現する。
これらのコンピュータプログラム命令は、コンピュータ又は他のプログラム可能なデータ処理装置にロードすることもでき、その場合、コンピュータ又は他のプログラム可能な装置上で一連の操作ステップを実行して、コンピュータが実装する処理を生成し、その場合、コンピュータ又は他のプログラム可能な装置上で実行される命令は、フローチャートの１つ以上のプロセス及び／又はブロックビュー内の１つ以上のブロックで指定された機能を実現するためのステップを提供する。
これまで、本開示は詳細に説明されてきた。本開示の概念を曖昧にすることを避けるために、当該技術分野でよく知られているいくつかの詳細は説明されていない。上記の説明によれば、当技術分野の熟練者は、ここに開示された技術的解決策を実施する方法を完全に理解しているであろう。
本開示のいくつかの具体的な実施形態が例によって詳細に説明されるが、当技術分野の熟練者は、上記の例が例示の目的のみであり、本開示の範囲を制限することを意図していないことを理解すべきである。当技術分野の熟練者は、本開示の範囲及び精神から逸脱することなく、上記の実施形態を修正することができることを理解すべきである。本開示の範囲は、添付の請求項によって定義される。
本出願は、２０２０年７月３１日に出願された中国特許出願第２０２０１０７６３３９１．８号に基づいて優先権を主張しており、その開示は参照によりその全体がここに組み込まれている。

Claims (21)

  1. 基地局の省エネルギーのための処理方法であって、
    エンジニアリング・パラメータ・データと基地局の初期測定レポート（ＭＲ）データを取得ユニットによって取得し、その際の前記エンジニアリング・パラメータ・データは、測定によって得られた基地局の経度・緯度データから構成され、前記初期ＭＲデータはユーザ端末から報告されたユーザ端末の経度・緯度データから構成され、
    グリッドＭＲデータを取得するために前記初期ＭＲデータをデータ処理ユニットによりグリッド化して、前記グリッドＭＲデータに従って基地局の経度・緯度データの計算値を計算し、その際の前記グリッドＭＲデータはグリッドの経度・緯度を含み、
    負荷予測モデルに入力する前記基地局の前記エンジニアリング・パラメータ・データを選択するために、前記エンジニアリング・パラメータ・データの前記基地局の前記経度・緯度データと前記基地局の前記経度・緯度データの計算値とをパラメータ選択ユニットにより比較し、
    トレーニング予測ユニットにより、前記負荷予測モデルに対して選択された前記基地局の前記エンジニアリング・パラメータ・データを入力して、前記負荷予測モデルのトレーニングと、前記負荷予測モデルから出力される予測される負荷の予測とを行い、
    方法決定ユニットにより、前記負荷予測モデルから出力される前記予測される負荷に応じてて、省電力のために対応する電力停止方法を決定し、その際の対応する電力停止方法は前記基地局の無線周波数を停止する方法である、ことを含む処理方法。
  2. 前記エンジニアリング・パラメータ・データは、測定によって得られた基地局の方向角度データをさらに含み、前記初期ＭＲデータは、ユーザ端末によって報告されたユーザ端末の方向角度データをさらに含み、前記グリッドＭＲデータは、グリッド方向角度をさらに含み、
    さらに、前記パラメータ選択ユニットにより選択された基地局のエンジニアリング・パラメータ・データにおける方向角度データと、選択された基地局に対応するグリッドＭＲデータにおけるグリッド方向角度とに従って、コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データを選択し、コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データに応じて、前記取得ユニットによりコカバレッジセルを取得することを含み、
    対応する省電力のための電力停止方法を決定することは、前記方法決定ユニットにより、前記負荷予測モデルから出力される前記予測される負荷と、取得したコカバレッジセルとに応じて、対応する省電力のための電力停止方法を決定することを含む、請求項１に記載の処理方法。
  3. 前記グリッドＭＲデータは、基地局タイプ、平均基準信号受信電力（ＲＳＲＰ）、基地局識別情報、グリッド方向角度、及びグリッド内のＭＲの数をさらに含み、
    前記グリッドＭＲデータに従った基地局の経度・緯度データの計算値を計算することは、
    屋外基地局を基地局タイプとし、所定のセル数の基地局に対応し、平均ＲＳＲＰが第１の閾値を超える、グリッドＭＲデータを、前記データ処理ユニットにより選択し、
    基地局識別情報及び基地局の方向角度データに従って、前記データ処理ユニットによりグリッドＭＲデータをグループ化してグリッドＭＲデータを対応するセルに割り当て、
    前記データ処理ユニットにより各セルのグリッドＭＲデータに対してはずれ値検出を行い、異常なグリッドＭＲデータを除去し、
    残りのグリッドＭＲデータにおけるグリッド経度・緯度に従って、各基地局の各セルの平均経度・緯度を、データ処理ユニットにより計算し、
    各基地局の各セルの平均経度・緯度に応じて基地局の平均経度・緯度をデータ処理ユニットにより計算することを含み、該基地局の平均経度・緯度は、基地局の経度・緯度データの計算値である、請求項２に記載の処理方法。
  4. 基地局の経度・緯度データの計算値と、エンジニアリング・パラメータ・データにおける基地局の経度・緯度データとを前記パラメータ選択ユニットにより比較することは、
    距離計算方法に従って、基地局の経度・緯度データの計算値と、エンジニアリング・パラメータ・データにおける基地局の経度・緯度データとの間の距離関係値を前記パラメータ選択ユニットにより計算し、
    負荷予測モデルに入力する基地局のエンジニアリング・パラメータ・データとして、距離関係値が第２の閾値未満の基地局のエンジニアリング・パラメータ・データを前記パラメータ選択ユニットにより選択することを含む、請求項３に記載の処理方法。
  5. 前記データ処理ユニットにより各セルのグリッドＭＲデータに対してはずれ値検出を行うことは、
    Ｋ＝第３の閾値*各セルのグリッド内のＭＲ数の合計としての臨界点Ｋ値を前記データ処理ユニットにより設定し、その際の第３の閾値はパーセンテージであり、
    臨界点Ｋ値を使用して、各セルの各グリッドＭＲデータの局所はずれ値係数（ＬＯＦ）値を前記データ処理ユニットにより計算し、
    該ＬＯＦ値が第４の閾値より大きいグリッドＭＲデータを前記データ処理ユニットにより除去することを含む、請求項３に記載の処理方法。
  6. 前記パラメータ選択ユニットにより選択された基地局のエンジニアリング・パラメータ・データ内における方向角度データと、選択された基地局に対応するグリッドＭＲデータにおけるグリッド方向角度とに従って、コカバレッジセルを決定するために基地局のエンジニアリング・パラメータ・データを選択することは、
    基地局識別情報と基地局の方向角度データとに従って選択された基地局のグリッドＭＲデータを前記パラメータ選択ユニットによりグループ化し、各グループにおける各グリッド内のＭＲの数と各グループにおけるＭＲの数の合計との比率を計算し、該比率が第５の閾値未満のグリッドＭＲデータを除去することと、
    残りのグリッドＭＲデータを基地局識別情報に従って前記パラメータ選択ユニットにより再度グループ化し、ガウスカーネル密度関数を使用して再度グループ化した後、各グループ内のグリッドＭＲデータに対してセル分類を実行することと、
    セル分類によって得られた各セルの各グリッドＭＲデータのグリッド経度・緯度を使用して各グリッドの方向角度データを前記パラメータ選択ユニットにより計算することと、
    各セルの各グリッドの方向角度データに従って、各セルの方向角度データの平均値を前記パラメータ選択ユニットにより計算することであって、各セルの方向角度データの該平均値が各セルの方向角度として用いられることと、
    前記パラメータ選択ユニットにより、基地局の各セルの方向角度と、エンジニアリング・パラメータ・データにおける基地局の方向角度データとの差を計算し、該差の平均値を計算することと、
    前記パラメータ選択ユニットにより、該差の平均値が第６の閾値未満の基地局のエンジニアリング・パラメータ・データを、コカバレッジセルを決定する基地局のエンジニアリング・パラメータ・データとすることと、を含む、請求項３に記載の処理方法。
  7. 前記トレーニング予測ユニットにより、前記負荷予測モデルに対して選択した前記基地局の前記エンジニアリング・パラメータ・データを入力して、前記負荷予測モデルのトレーニングと、前記負荷予測モデルから出力される予測される負荷の予測とを実行することは、
    前記トレーニング予測ユニットにより、選択された基地局のエンジニアリング・パラメータ・データに対してはずれ値の除去を実行することと、
    前記トレーニング予測ユニットにより、エンジニアリング・パラメータ・データ内の基地局の経度・緯度データによって表される予測点を密度クラスタリングアルゴリズムによってクラスタリングし、負荷予測モデルをトレーニングするためのフューチャーを構築し、予測点間の密度関係をマイニングして予測点間のクラスタリング関係を表すことと、
    予測点をクラスタリングしてフューチャーを構築した後、前記トレーニング予測ユニットにより、選択した基地局のエンジニアリング・パラメータ・データ、フューチャー、及び対応する性能指標データを用いて機械学習アルゴリズムに基づくモデルトレーニングを行い、モデル精度評価を行うことと、を含む、請求項１に記載の処理方法。
  8. 基地局のエンジニアリング・パラメータ・データは、さらに基地局の周波数帯域を含み、
    コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データに応じて、コカバレッジセルを前記取得ユニットにより取得することは、
    前記取得ユニットにより周波数帯域に応じて複数のセルを２つずつ結合し、それぞれ２つの周波数帯域に対応する２つのセルを得ることと、
    前記取得ユニットにより、２つのセルに対応するコカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データにおける基地局の２つの経度・緯度データに応じて２つのセル間の距離を計算し、２つのセルに対応するコカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データにおける基地局の２つの方向角度データの差を計算することと、
    ２つのセル間の距離が第７の閾値未満であり、２つの方向角度データの差が第８の閾値未満である場合に、２つのセルがコカバレッジセルであることを前記取得ユニットにより決定することと、を含む、請求項２又は６に記載の処理方法。
  9. 前記負荷予測モデルから出力された前記予測される負荷と、対応する省電力のための電力停止方法とを、最適化ターゲットとしてユーザ知覚指数を使用して前記方法決定ユニットにより反復することをさらに含む、請求項２に記載の処理方法。
  10. 基地局の省エネルギーのための処理装置であって、
    基地局のエンジニアリング・パラメータ・データと初期測定レポート（ＭＲ）データを取得するように構成された取得ユニットであって、該エンジニアリング・パラメータ・データは測定によって得られた基地局の経度・緯度データを含み、該初期ＭＲデータはユーザ端末から報告されたユーザ端末の経度・緯度データを含む取得ユニットと、
    グリッドＭＲデータを取得するために前記初期ＭＲデータをグリッド化し、前記グリッドＭＲデータに従って基地局の経度・緯度データの計算値を計算するように構成されたデータ処理ユニットであって、前記グリッドＭＲデータはグリッド経度・緯度を含むデータ処理ユニットと、
    負荷予測モデルに入力する前記基地局の前記エンジニアリング・パラメータ・データを選択するために、前記基地局の経度・緯度データの計算値と、前記エンジニアリング・パラメータ・データにおける前記基地局の経度・緯度データと、を比較するように構成されたパラメータ選択ユニットと、
    負荷予測モデルに対して選択された前記基地局の前記エンジニアリング・パラメータ・データを入力して、前記負荷予測モデルのトレーニングと前記負荷予測モデルから出力される予測される負荷の予測とを行うように構成されたトレーニング予測ユニットと、
    前記負荷予測モデルから出力される前記予測される負荷に応じて、省電力のために対応する電力停止方法を決定し、その際の対応する電力停止方法は前記基地局の無線周波数を停止する方法であるように構成された方法決定ユニットと、を備える処理装置。
  11. 前記エンジニアリング・パラメータ・データは、測定によって得られた基地局の方向角度データをさらに含み、前記初期ＭＲデータは、ユーザ端末によって報告されたユーザ端末の方向角度データをさらに含み、前記グリッドＭＲデータは、グリッド方向角度をさらに含み、
    パラメータ選択ユニットは、選択された基地局のエンジニアリング・パラメータ・データにおける方向角度データと、選択された基地局に対応するグリッドＭＲデータにおけるグリッド方向角度とに従って、コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データを選択するようにさらに構成され、
    取得ユニットは、コカバレッジセルを決定するための基地局のエンジニアリング・パラメータ・データに従って、コカバレッジセルを取得するようにさらに構成され、
    方法決定ユニットは、負荷予測モデルから出力される前記予測される負荷と、取得したコカバレッジセルとに応じて、対応する省電力のための電力停止方法を決定するように構成される、請求項１０に記載の処理装置。
  12. グリッドＭＲデータはさらに、基地局タイプ、平均基準信号受信電力（ＲＳＲＰ）、基地局識別情報、グリッド方向角度、及びグリッド内のＭＲの数を含み、
    データ処理部は、屋外基地局を基地局タイプとしたグリッドＭＲデータを、所定のセル数であり、第１の閾値を超える平均ＲＳＲＰの基地局に対応して選択し、基地局識別情報と基地局の方位角度データとに従ってグリッドＭＲデータをグループ化してグリッドＭＲデータを対応するセルに割り当て、各セルのグリッドＭＲデータに対して異常なグリッドＭＲデータを除去するはずれ値検出を行い、残りのグリッドＭＲデータのグリッド経度・緯度に従って各基地局の各セルの平均経度・緯度を計算し、各基地局の各セルの平均経度・緯度に従って基地局の平均経度・緯度を計算し、基地局の平均経度・緯度は基地局の経度・緯度データの計算値となっているように構成される、請求項１１に記載の処理装置。
  13. パラメータ選択ユニットは、基地局の経度・緯度の計算値と、エンジニアリング・パラメータ・データにおける基地局の経度・緯度データとの距離関係値を、距離計算法に従って計算し、該距離関係値が第２の閾値未満の基地局のエンジニアリング・パラメータ・データを、負荷予測モデルに入力する基地局のエンジニアリング・パラメータ・データとして選択するように構成される、請求項１２に記載の処理装置。
  14. データ処理ユニットは、Ｋ＝第３の閾値＊各セルのグリッド内のＭＲ数の合計としての臨界点Ｋ値を設定するように構成され、該第３の閾値はパーセントであり、臨界点Ｋ値を使用して各セルの各グリッドＭＲデータの局所的なはずれ値係数（ＬＯＦ）値を計算し、ＬＯＦ値が第４の閾値より大きいグリッドＭＲデータを除去するように構成される、請求項１２に記載の処理装置。
  15. パラメータ選択ユニットは、基地局の識別情報と基地局の方向角度データとに従って選択された基地局のグリッドＭＲデータをグループ化し、各グループの各グリッド内のＭＲの数と各グループ内のＭＲの数の合計に対する比率を計算し、第５の閾値未満の比率のグリッドＭＲデータを除去し、残りのグリッドＭＲデータを基地局の識別情報に従って再度グループ化し、ガウスカーネル密度関数を使用して再度グループ化した後、各グループのグリッドＭＲデータに対してセル分類を実行し、セル分類によって得られた各セルの各グリッドＭＲデータのグリッド経度・緯度を使用して各グリッドの方向角度データを計算し、各セルの各グリッドの方向角度データに従って各セルの方向角度データの平均値を計算し、その際の各セルの方向角度データの平均値は各セルの方向角度として使用され、基地局の各セルの方向角度データとエンジニアリング・パラメータ・データにおける基地局の方向角度データとの差を計算し、該差の平均値を計算し、該差の平均値が第６の閾値未満の基地局のエンジニアリング・パラメータ・データを、コカバレッジセルを決定する基地局のエンジニアリング・パラメータ・データとするように構成される、請求項１２に記載の処理装置。
  16. トレーニング予測ユニットは、選択された基地局のエンジニアリング・パラメータ・データである、密度クラスタリングアルゴリズムによってエンジニアリング・パラメータ・データにおける基地局の経度・緯度データによって表されるクラスタ予測点のはずれ値除去を実行し、負荷予測モデルをトレーニングするためのフューチャーを構築し、予測点をクラスタリングしてフューチャーを構築した後に、予測点間のクラスタリング関係を表すために予測点間の密度関係をマイニングし、選択された基地局のエンジニアリング・パラメータ・データ、フューチャー、及び対応する性能指数データを使用して機械学習アルゴリズムに基づくモデル訓練を実行し、モデル精度評価を行うように構成される、請求項１０に記載の処理装置。
  17. 基地局のエンジニアリング・パラメータ・データは、さらに基地局の周波数帯域を含み、
    取得ユニットは、周波数帯域に従って複数のセルを２つずつ結合して、それぞれ２つの周波数帯に対応する２つのセルを取得し、２つのセルに対応するコカバレッジセルを決定する基地局のエンジニアリング・パラメータ・データにおいて、基地局の２つの経度・緯度データに従って２つのセル間の距離を計算し、２つのセルに対応するコカバレッジセルを決定する基地局のエンジニアリング・パラメータ・データにおいて、基地局の２つの方向角度データの差を計算し、２つのセル間の距離が第７の閾値未満であり、２つの方向角度データの差が第８の閾値未満である場合に、２つのセルがコカバレッジセルであることを決定するように構成される、請求項１１又は１５に記載の処理装置。
  18. 戦略発行ユニットは、負荷予測モデルから出力される前記予測される負荷と、対応する省電力のための電力停止方法とを、最適化ターゲットとしてユーザ知覚指数を用いて反復するようにさらに構成される、請求項１１に記載の処理装置。
  19. 基地局のエネルギーを節約するための処理装置であって、
    メモリと、
    該メモリに結合されたプロセッサと、を備え、
    該プロセッサは、メモリに格納された命令に基づいて請求項１乃至９のいずれか１項に記載の処理方法を実行するように構成される、処理装置。
  20. プロセッサによって実行されると、請求項１乃至９のいずれか１項に記載の処理方法を実装するコンピュータプログラムの命令が格納されたコンピュータ読み取り可能な記憶媒体。
  21. プロセッサによって実行されると、プロセッサに請求項１乃至９のいずれか１項に記載の処理方法を実行させる命令を含む、プログラム。
JP2023506517A 2020-07-31 2021-07-27 基地局の省エネルギー処理方法及び処理装置 Active JP7486659B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202010763391.8A CN114095856B (zh) 2020-07-31 2020-07-31 用于基站节能的处理方法和处理装置
CN202010763391.8 2020-07-31
PCT/CN2021/108555 WO2022022486A1 (zh) 2020-07-31 2021-07-27 用于基站节能的处理方法和处理装置

Publications (2)

Publication Number Publication Date
JP2023535841A JP2023535841A (ja) 2023-08-21
JP7486659B2 true JP7486659B2 (ja) 2024-05-17

Family

ID=80037576

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023506517A Active JP7486659B2 (ja) 2020-07-31 2021-07-27 基地局の省エネルギー処理方法及び処理装置

Country Status (6)

Country Link
US (1) US12069570B2 (ja)
EP (1) EP4184981A4 (ja)
JP (1) JP7486659B2 (ja)
KR (1) KR102655903B1 (ja)
CN (1) CN114095856B (ja)
WO (1) WO2022022486A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230164599A1 (en) * 2021-11-22 2023-05-25 Verizon Patent And Licensing Inc. Predictive modeling of energy consumption in a cellular network
WO2024026911A1 (zh) * 2022-08-05 2024-02-08 Oppo广东移动通信有限公司 节能方法、装置、设备及存储介质
GB2621359A (en) * 2022-08-09 2024-02-14 Nec Corp Communication system
CN115061376B (zh) * 2022-08-18 2022-11-29 南通高米精密机械有限公司 基于lof算法的挤塑过程优化控制方法
CN118283756A (zh) * 2022-12-30 2024-07-02 大唐移动通信设备有限公司 小区节能闭载的配置方法、设备、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012101738A1 (ja) 2011-01-24 2012-08-02 富士通株式会社 通信システム、ホールエリアの検出方法、基地局装置及び移動局装置
JP2015501615A (ja) 2011-11-04 2015-01-15 インテル コーポレイション 処理システム及び処理方法
JP2017504244A (ja) 2013-12-05 2017-02-02 アルカテル−ルーセント 小セルデバイスのエネルギー消費低減
CN109982333A (zh) 2017-12-27 2019-07-05 中国移动通信集团广东有限公司 一种td-lte深度覆盖补盲的选址方法及系统

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030125045A1 (en) 2001-12-27 2003-07-03 Riley Wyatt Thomas Creating and using base station almanac information in a wireless communication system having a position location capability
US7127257B2 (en) * 2001-12-27 2006-10-24 Qualcomm Incorporated Use of mobile stations for determination of base station location parameters in a wireless mobile communication system
US7383049B2 (en) 2001-12-27 2008-06-03 Qualcomm Incorporated Automation of maintenance and improvement of location service parameters in a data base of a wireless mobile communication system
CN101453747B (zh) * 2008-10-31 2010-09-08 中国移动通信集团北京有限公司 一种话务量预测方法及装置
CN101772160B (zh) 2009-01-04 2013-04-17 华为技术有限公司 一种定位测量上报方法及系统
JP2011139252A (ja) * 2009-12-28 2011-07-14 Panasonic Corp スタンドアロン基地局、携帯端末および基地局検出方法
US9400321B2 (en) * 2013-06-05 2016-07-26 Apple Inc. Utilizing mobile wireless access gateways for location and context purposes
JP2016005248A (ja) * 2014-06-19 2016-01-12 富士通株式会社 無線ネットワーク制御システム，無線ネットワーク制御装置，及び無線ネットワーク制御方法
US10743276B2 (en) * 2014-11-07 2020-08-11 Parallel Wireless, Inc. Signal quality database
CN105159262A (zh) * 2015-09-11 2015-12-16 杭州秦歌科技有限公司 一种智慧基站节能管理系统
CN108111965B (zh) * 2016-11-23 2020-07-10 中国移动通信集团公司 一种基站位置的确定方法和装置
CN110933592A (zh) * 2018-09-20 2020-03-27 中移物联网有限公司 一种定位方法及装置、存储介质
CN110912627B (zh) * 2019-12-24 2021-05-14 电子科技大学 一种基于数据驱动的小区接收功率预测方法
CN111194045A (zh) * 2019-12-28 2020-05-22 西安交通大学 一种基于用户群体聚集行为模型进行节能的方法
CN114071484A (zh) * 2020-07-30 2022-02-18 华为技术有限公司 基于人工智能的通信方法和通信装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012101738A1 (ja) 2011-01-24 2012-08-02 富士通株式会社 通信システム、ホールエリアの検出方法、基地局装置及び移動局装置
JP2015501615A (ja) 2011-11-04 2015-01-15 インテル コーポレイション 処理システム及び処理方法
JP2017504244A (ja) 2013-12-05 2017-02-02 アルカテル−ルーセント 小セルデバイスのエネルギー消費低減
CN109982333A (zh) 2017-12-27 2019-07-05 中国移动通信集团广东有限公司 一种td-lte深度覆盖补盲的选址方法及系统

Also Published As

Publication number Publication date
KR20230043896A (ko) 2023-03-31
KR102655903B1 (ko) 2024-04-09
US20240040501A1 (en) 2024-02-01
EP4184981A4 (en) 2024-03-06
US12069570B2 (en) 2024-08-20
EP4184981A1 (en) 2023-05-24
WO2022022486A1 (zh) 2022-02-03
CN114095856B (zh) 2022-09-23
CN114095856A (zh) 2022-02-25
JP2023535841A (ja) 2023-08-21

Similar Documents

Publication Publication Date Title
JP7486659B2 (ja) 基地局の省エネルギー処理方法及び処理装置
CN109495920B (zh) 一种无线通信网络特征画像方法、设备和计算机程序产品
CN111867049B (zh) 定位方法、装置及存储介质
CN107547154B (zh) 一种建立视频流量预测模型的方法及装置
CN112243249B (zh) 5g nsa组网下lte新入网锚点小区参数配置方法和装置
CN113382477B (zh) 应用于无线网络用户间上行干扰建模的方法
CN111328084B (zh) 一种小区容量的评估方法及装置
Ying et al. Characterizing spatial patterns of base stations in cellular networks
CN108243435B (zh) 一种lte小区场景划分中的参数优化方法及装置
CN102957572A (zh) 一种系统性能评估方法及装置
CN108207005B (zh) 一种lte无线网络的评估方法及服务器
CN114828026A (zh) 基站规划方法、装置、设备、存储介质及程序产品
CN103118396B (zh) 一种管理小小区网络的方法及基站
Chen et al. Modeling the tracking area planning problem using an evolutionary multi-objective algorithm
CN112243242B (zh) 大规模天线波束配置方法和装置
CN110621025B (zh) 一种设备选型方法和装置
CN108900325B (zh) 一种电力通信业务与无线专网技术的适配性评估方法
CN101119576A (zh) 基于传播环境分析的传播模型选择方法
CN114615693B (zh) 网络容量预测方法、装置、电子设备及计算机存储介质
CN103533556A (zh) 一种小区频率优化方法及装置
CN111385804A (zh) 小区簇划分方法及电子设备
WO2017211178A1 (zh) 划分超级小区的方法及装置
CN110719594B (zh) 一种设备选型方法和装置
CN110708703B (zh) 一种设备选型方法和装置
CN110636512B (zh) 一种设备选型方法和装置

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230407

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230929

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20230929

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231102

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240126

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240409

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240507

R150 Certificate of patent or registration of utility model

Ref document number: 7486659

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150