KR101394364B1 - 기지국 과부하 예보 시스템 및 그 방법 - Google Patents

기지국 과부하 예보 시스템 및 그 방법 Download PDF

Info

Publication number
KR101394364B1
KR101394364B1 KR1020110079647A KR20110079647A KR101394364B1 KR 101394364 B1 KR101394364 B1 KR 101394364B1 KR 1020110079647 A KR1020110079647 A KR 1020110079647A KR 20110079647 A KR20110079647 A KR 20110079647A KR 101394364 B1 KR101394364 B1 KR 101394364B1
Authority
KR
South Korea
Prior art keywords
tbcc
base station
overload
algorithm
base stations
Prior art date
Application number
KR1020110079647A
Other languages
English (en)
Other versions
KR20130017296A (ko
Inventor
김현숙
김현표
이성춘
정진수
Original Assignee
주식회사 케이티
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 주식회사 케이티 filed Critical 주식회사 케이티
Priority to KR1020110079647A priority Critical patent/KR101394364B1/ko
Publication of KR20130017296A publication Critical patent/KR20130017296A/ko
Application granted granted Critical
Publication of KR101394364B1 publication Critical patent/KR101394364B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/04—Arrangements for maintaining operational condition
    • 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
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0284—Traffic management, e.g. flow control or congestion control detecting congestion or overload during communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H04W28/09—Management thereof
    • H04W28/0925—Management thereof using policies
    • H04W28/0942—Management thereof using policies based on measured or predicted load of entities- or links

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

본 발명은 기지국 과부하 예보 시스템 및 그 방법에 관한 것으로, 기지국의 소통율이 동일 그룹 기지국들의 평균 대비 소정 비율 이하로 저하하는 상황을 TBCC(Time Based Call Congestion)로 정의하고, 각 기지국별로 소정 시간 후의 TBCC 발생 예측 알고리즘을 도출한 후 그 TBCC 발생 예측 알고리즘과 각 기지국의 트래픽 데이터를 이용하여 소정 시간 후의 TBCC 발행 여부에 대한 예보를 수행한다. 상기 TBCC는 RRC(Radio Resource Control) TBCC, CS(Circuit Service) TBCC, PS(Packet Service) TBCC로 구분되고, 각 TBCC의 발행 여부에 대한 예보가 수행되며, 상기 TBCC 발생 예측 알고리즘은 기지국의 트래픽 데이터에 대한 의사 결정 나무 모델링, PLS 분석, 회귀 분석 중 어느 하나가 적용되어 도출된다.

Description

기지국 과부하 예보 시스템 및 그 방법{SYSTEM AND METHOD FOR FORECASTING A OVERLOAD OF BASE STATION}
본 발명은 기지국의 과부하를 미리 예측하여 예보하는 기지국 과부하 예보 시스템 및 그 방법에 관한 것이다.
기존의 3G 기지국은 장비 특성에 따라 최소 수집 단위 시간(5분 혹은 15분)에 대한 트래픽 원시(raw) 데이터를 제공하고 이를 실시간 감시하는 기능만을 제공한다. 음성 호 위주의 트래픽이 주였던 과거와 달리, 2010년 9월 스마트폰의 무제한 요금제 도입 이후 데이터 호가 음성 호의 9배를 차지하고 이로 인해 기지국 과부하 발생률이 급증하는 상황이 되었다. 예컨대, 2010년 8월, 한 기지국에서 월 1회 이상 과부하가 발생할 비율은 0.2% 이내였던 반면 2011년 2월 과부하 발생률은 서울 47%, 전국 10%로 증가고 있다.
기지국 과부하는 사용자의 서비스 품질을 저하하며 서비스 이용을 저해하는 원인이 된다. 때문에 기지국 과부하를 사전에 감지해 이를 제어할 수 있다면 과부하로 인한 사용자 피해를 최소화할 수 있다. 이에 따라 기지국 과부하를 판단하는 다양한 시도가 있는데 대부분 기지국의 프로세서의 부하를 실시간으로 체크하는 정도에 머물고 있다. 대표적으로 국내공개특허 10-2002-0043519호를 예로 들 수 있다.
그러나, 동일한 제조사에 의해 제조된 동일 사양의 기지국이라도 기지국의 설치 위치나 네트워크 상태 또는 트래픽 상태 등에 따라 각각 특성이 다르다. 따라서 동일 사양의 기지국들의 프로세서에 동일한 부하가 가해지더라도 기지국의 설치 위치나 네트워크 상태 또는 트래픽 상태에 따라 과부하가 발생하는 기지국이 있는 반면, 과부하가 발생하지 않는 기지국이 있다. 상기 국내공개특허 10-2002-0043519호와 같은 종래의 과부하 판단 방법들은 이러한 기지국의 설치 위치나 네트워크 상태 또는 트래픽 상태 등을 고려하지 않고 일률적인 프로세스에 대한 부하 판단만을 적용함으로써 정밀도 높은 과부하 예측 결과를 제공하지 못한다.
본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로, 기지국별 특성에 따라 기지국별 과부하 기준을 새롭게 정의하고 그 새롭게 정의한 기지국별 과부하 기준에 기초하여 기지국 과부하 예보를 수행하는 기지국 과부하 예보 시스템 및 그 방법을 제공하는데 그 목적이 있다.
본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 일 측면에 따른 복수의 기지국의 과부하를 예보하는 기지국 과부하 예보 시스템은, 상기 복수의 기지국의 그룹별 TBCC(소통율이 동일 그룹 기지국들의 평균 대비 소정 비율 이하로 저하되는 상황) 발생 임계치를 저장하는 저장부; 상기 복수의 기지국의 트래픽 데이터를 수집하는 데이터 수집부; 상기 복수의 기지국의 트래픽 데이터를 분석하여 기지국별 TBCC 발생 예측 알고리즘을 도출하는 알고리즘 도출부; 및 상기 도출된 기지국별 TBCC 발생 예측 알고리즘과 상기 데이터 수집부에서 수집되는 트래픽 데이터를 이용하여 각 기지국별 TBCC 발생을 예측하여 예보하는 예보부;를 포함한다.
상기 기지국 과부하 예보 시스템은, 상기 데이터 수집부에서 수집되는 트래픽 데이터를 분석하여 상기 복수의 기지국을 트래픽 패턴이 유사한 소정 개수의 그룹으로 그룹핑한 후(예컨대, 평균, 분산 등으로 판별) 각 그룹별 TBCC 발생 임계치를 산출하여 상기 저장부에 저장하는 TBCC 임계치 산출부;를 더 포함할 수 있다.
상기 TBCC는, RRC(Radio Resource Control) TBCC, CS(Circuit Service) TBCC 또는 PS(Packet Service) TBCC 중 적어도 하나를 포함할 수 있다.
상기 목적을 달성하기 위한 본 발명의 다른 측면에 따른 기지국 과부하 예보 시스템의 기지국 과부하 예보 방법은, 복수의 기지국의 그룹별 TBCC(소통율이 동일 그룹 기지국들의 평균 대비 소정 비율 이하로 저하되는 상황) 발생 임계치를 저장하는 저장 단계; 상기 복수의 기지국의 트래픽 데이터를 수집하는 데이터 수집 단계; 상기 복수의 기지국의 트래픽 데이터를 분석하여 기지국별 TBCC 발생 예측 알고리즘을 도출하는 알고리즘 도출 단계; 및 상기 도출된 기지국별 TBCC 발생 예측 알고리즘과 상기 데이터 수집 단계에서 수집되는 트래픽 데이터를 이용하여 각 기지국별 TBCC 발생을 예측하여 예보하는 예보 단계;를 포함한다.
본 발명은 기지국별 특성에 따라 기지국별 과부하 기준을 정의하여 기지국의 과부하 상태를 판단함으로써 보다 정밀한 과부하 예측을 가능하게 한다.
또한, 본 발명은 기지국에 과부하가 발생하기 전에 미리 과부하 발생을 예측하여 예보함으로써 기지국 서비스 장애를 사전에 억제할 수 있고 이에 따라 가입자 불만을 최소화할 수 있다.
또한, 본 발명은 과부하 발생 이력을 관리하여 투자 우선 순위 선정 등 기지국 투자 대책 수립에 실질적인 데이터를 제공한다.
도 1은 본 발명의 일 실시예에 따른 과부하 예보 시스템의 네트워크 구성을 나타낸 도면이다.
도 2는 도 1의 기지국 과부하 예보 시스템의 구성을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 TBCC 발생 예측 알고리즘 도출 방법을 설명하는 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 기지국 과부하 예보 방법을 설명하는 흐름도이다.
도 5는 도 1의 기지국 과부하 예보 시스템의 다른 구성을 나타낸 도면이다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기에 앞서 용어를 정의한다.
소통율
RRC(Radio Resource Control) 소통율과 CS(Circuit Service) 소통율 그리고 PS(Packet Service) 소통율로 구분하고, RRC 소통율은 무선 자원 할당과 관련한 시그널링 채널 연결의 호 성공율이고, CS 소통율은 회선망 서비스, 예컨대 음성 통화 서비스를 위한 호 성공율이며, PS 소통율은 패킷망 서비스, 예컨대 데이터 서비스를 위한 호 성공율을 의미한다.
TBCC( Time Based Call Congestion )
TBCC(Time Based Call Congestion) : 소통율이 동일 그룹 기지국들의 평균 대비 20% 이하로 저하하는 상황이다. 이때, 동일 그룹 기지국은 전체 기지국 중 트래픽 규모와 패턴이 유사한 기지국들의 조합이다. 소통율이 RRC, CS, PS로 구분되었으므로 TBCC 역시 RRC TBCC, CS TBCC, PS TBCC로 구분된다. 여기서 트래픽 규모와 패턴이 유사한 기지국들의 조합은, 트래픽 평균이나 분산 등이 소정 범위 내에 있는 기지국들의 조합을 의미할 수 있다.
예를 들어, A 그룹의 기지국들의 RRC 소통율의 평균이 99.51%이면 그 A 그룹의 TBCC 발생 임계치는 RRC 소통율 79.6%이고 A 그룹의 특정 기지국의 특정 시간 구간에서의 RRC 소통율이 78%인 경우 해당 기지국은 그 시간 구간에서 TBCC가 발행한 것으로 판단한다.
동일 그룹 기지국들은 RRC TBCC 발생 임계치를 산출하거나, CS TBCC 발생 임계치를 산출할 때, 또는 PS TBCC 발생 임계치를 산출할 때 서로 다르게 조합될 수 있다. 예를 들어, A 기지국과 B 기지국, 그리고 C 기지국이 있을 때, A 기지국과 B 기지국의 RRC 트래픽 규모나 패턴은 유사하지만 C 기지국은 다른 경우, A 기지국과 B 기지국은 RRC 기준으로는 동일 그룹의 기지국이다. 그러나 A 기지국과 B 기지국의 CS 트래픽 규모나 패턴이 서로 다르고 B 기지국과 C 기지국의 CS 트래픽 규모나 패턴이 유사할 경우, B 기지국과 C 기지국은 CS 기준으로는 동일 그룹의 기지국이다. 따라서 RRC 트래픽 규모나 패턴이 유사한 기지국들의 RRC 평균 소통율을 산출한 후 RRC 소통율이 그 RRC 평균 소통율 대비 20% 저하되는 상황을 해당 동일 기지국들의 RRC TBCC로 정의한다. 마찬가지로, CS 트래픽 규모나 패턴이 유사한 기지국들의 CS 평균 소통율을 산출한 후 CS 소통율이 그 CS 평균 소통율 대비 20% 저하되는 상황을 해당 동일 그룹 기지국들의 CS TBCC로 정의한다. PS TBCC도 이와 같은 방식으로 정의된다.
본 실시예에서는 TBCC를 소통율이 동일 그룹 기지국들의 평균 대비 20% 저하하는 상황으로 정의하였지만, 그 저하되는 비율은 실시 형태에 따라 변경될 수 있다. 예컨대, 소통율이 동일 그룹 기지국들의 평균 대비 15% 저하되는 상황으로 정의될 수도 있다.
과부하 예보 시스템
동일한 제조사에 의해 제조된 동일 사양의 기지국이라도 기지국의 설치 위치나 네트워크 상태 또는 트래픽 상태 등에 따라 각각 특성이 다르다. 따라서 과부하 예측 알고리즘은 기지국별로 도출하여 최적화해야 한다. 본 실시예에서 과부하 예측 알고리즘은 TBCC 예측 알고리즘으로서, 95% 이상의 정확도로 10분 후의 TBCC 발생 가능성을 예측한다.
도 1은 본 발명의 일 실시예에 따른 과부하 예보 시스템의 네트워크 구성을 나타낸 도면으로, 도 1에 도시된 바와 같이, 본 실시예에 따른 과부하 예보 시스템은 복수의 기지국(110) 및 기지국 과부하 예보 시스템(130)을 포함한다.
복수의 기지국(110) 각각은 자신의 트래픽 데이터를 실시간으로 기지국 과부하 예보 시스템(130)으로 전송한다. 여기서 트래픽 데이터는 RRC 시도 횟수 및 성공 횟수, 음성 서비스 시도 횟수 및 성공 횟수, 데이터 서비스 시도 횟수 및 성공 횟수, 호 절단율(또는 호 절단 횟수), 그리고 기지국의 기능(예컨대, 위치 등록)과 관련된 데이터 등을 포함하는 총 56 개의 필드로 구성된다.
기지국 과부하 예보 시스템(130)은 복수의 기지국(110)으로부터 실시간 수신되는 트래픽 데이터를 수집하여 각 기지국별 과부하 예측 알고리즘, 구체적으로 TBCC 발생 예측 알고리즘을 도출하고 그 TBCC 발생 예측 알고리즘을 이용하여 각 기지국(110)의 10분 후 과부하 여부를 예보한다. 동일한 제조사에 의해 제조된 동일 사양의 기지국이라도 기지국의 설치 위치나 네트워크 상태 또는 트래픽 상태 등에 따라 각각 특성이 다르다. 따라서 TBCC 발생 예측 알고리즘은 기지국별로 도출하여 최적화한다.
또한, 기지국 과부하 예보 시스템(130)은 각 기지국(110)의 10분 후 과부하 여부를 예보하면서 각 기지국의 과부하 발생 이력을 관리한다. 구체적으로, 기지국 과부하 예보 시스템(130)은 전체 기지국의 현황, 각 기지국별 과부하 발생 시간대 등을 기록하고 그 기록을 운용자가 조회할 수 있도록 한다.
도 2는 도 1의 기지국 과부하 예보 시스템(130)의 구성을 나타낸 도면으로, 도 2에 도시된 바와 같이, 데이터 수집 모듈(210), TBCC 알고리즘 도출 모듈(230), 과부하 예보 모듈(250), 과부하 발생 이력 관리 모듈(270) 및 저장 모듈(290)을 포함한다.
저장 모듈(290)은 각 기지국별 TBCC 발생 임계치가 저장되고, 또한 데이터 수집 모듈(210)에서 수집되는 각 기지국별 트래픽 데이터가 저장되며, 또한 TBCC 알고리즘 도출 모듈(230)에서 도출된 각 기지국별 TBCC 발생 예측 알고리즘을 저장하고, 또한 과부하 예보 모듈(250)에 의한 과부하 예보 기록을 저장한다.
데이터 수집 모듈(210)은 복수의 기지국(110)으로부터 실시간으로 트래픽 데이터를 수집하고, 그 수집된 트래픽 데이터를 저장 모듈(290)에 저장한다.
TBCC 알고리즘 도출 모듈(230)은 상기 데이터 수집 모듈(210)에서 수신되는 각 기지국들의 트래픽 데이터를 분석하여 10분 후 TBCC 발생을 예측하는 예측 알고리즘을 각 기지국별도 도출한다. 즉, 각 기지국의 10분 후 RRC 소통율, CS 소통율, PS 소통율에 영향을 주는 파라미터를 분석하고 그 파라미터별로 계수를 산출하여 10분 후 RRC 소통율에 대한 계산식, 10분 후 CS 소통율에 대한 계산식, 10분 후 PS 소통율에 대한 계산식을 도출해 낸다.
도 3은 본 발명의 일 실시예에 따른 TBCC 발생 예측 알고리즘 도출 방법을 설명하는 흐름도로서, 도 3을 참조하면, TBCC 알고리즘 도출 모듈(230)은 특정 기지국의 트래픽 데이터를 입력받는다(S301). 바람직하게, TBCC 알고리즘 도출 모듈(230)은 데이터 수집 모듈(210)로부터 직접 해당 기지국의 트래픽 데이터를 전달받을 수 있고, 또는 저장 모듈(290)로부터 트래픽 데이터를 입력받을 수 있다.
TBCC 알고리즘 도출 모듈(230)은 입력받은 트래픽 데이터를 일정한 시간 동안 누적하고 그 누적된 트래픽 데이터를 이용하여 의사 결정 나무(Decision Tree) 모델링을 수행하여 해당 기지국의 10분 후 TBCC 발생 예측 알고리즘을 도출한다(S305). 여기서 TBCC 발생 예측 알고리즘은 RRC TBCC 발생 예측 알고리즘, CS TBCC 발생 예측 알고리즘, PS TBCC 발생 예측 알고리즘을 포함한다.
예를 들어, A 기지국의 트래픽 데이터를 이용하여 의사 결정 나무 모델링을 수행한 결과 RRC 소통율에 영향을 주는 주요 파라미터가 위치등록시도호수이고 일정한 시간 동안의 위치등록시도호수가 560 이상일 경우 향후 10분 후에 RRC TBCC가 발생할 확율이 95%이상인 것으로 RRC TBCC 발생 예측 알고리즘을 도출한다.
이와 같이 의사 결정 나무 모델링을 통해 TBCC 발생 예측 알고리즘을 도출한 후, TBCC 알고리즘 도출 모듈(230)은 그 도출한 TBCC 발생 예측 알고리즘의 정확도가 실제로 95% 이상인지 확인한다(S305). 즉, TBCC 알고리즘 도출 모듈(230)은 TBCC 발생 예측 알고리즘을 도출한 후 수집되는 기지국의 트래픽 데이터를 분석하여 TBCC 발생 예측 알고리즘의 정확도가 실제로 95% 이상인지 확인한다.
만약, 의사 결정 나무 모델링을 통해 도출한 TBCC 발생 예측 알고리즘의 정확도가 95% 이상이 아닌 경우, TBCC 알고리즘 도출 모듈(230)은 기지국의 트래픽 데이터에 대한 PLS(Partial Least Square) 분석을 수행하여 새로운 TBCC 발생 예측 알고리즘을 도출한다(S307).
여기서 PLS(Partial Least Square) 분석은 데이터들이 갖는 변동량을 좀 더 쉽게 파악하기 위해 변수들을 선형 결합해 새로운 확률 변수를 생성하고 이를 결과 변수와 원인 변수 관계식으로 정리하는 분석 방법으로서, 본 실시예에서 TBCC 알고리즘 도출 모듈(230)은 기지국의 트래픽 데이터를 분석하여 원인 변수(X : 기지국으로부터 수신된 56 개의 데이터 필드 중 상관도가 가장 높은 주성분 5~10개 데이터)와 결과 변수(Y : 소통율) 관계식을 도출한다. 이때, 원인 변수를 선형 결합해 새로운 확률 변수를 생성할 때 선형적으로 확률 변수를 표준 정규화한다. 이러한 PLS 분석은 기존의 회귀 분석과 달리 결과 변수(Y)의 정보를 동시에 고려하여 예측력을 향상시키는 장점이 있다. 예컨대, 관계식 정리에서 X의 분산과 X와 Y 간의 상관 관계를 동시에 고려한다.
이와 같이 PLS 분석을 통해 TBCC 발생 예측 알고리즘을 도출한 후, 마찬가지로 TBCC 알고리즘 도출 모듈(230)은 그 도출한 TBCC 발생 예측 알고리즘의 정확도가 실제로 95% 이상인지 확인한다(S309). 즉, TBCC 알고리즘 도출 모듈(230)은 TBCC 발생 예측 알고리즘을 도출한 후 수집되는 기지국의 트래픽 데이터를 분석하여 TBCC 발생 예측 알고리즘의 정확도가 실제로 95% 이상인지 확인한다.
만약, PLS 분석을 통해 도출한 TBCC 발생 예측 알고리즘의 정확도가 95% 이상이 아닌 경우, TBCC 알고리즘 도출 모듈(230)은 기지국의 트래픽 데이터에 대한 회귀 분석(Regression Tree)을 수행하여 새로운 TBCC 발생 예측 알고리즘을 도출한다(S311). 즉, PLS 분석에 의한 TBCC 발생 예측 알고리즘의 예측 정확도가 개선되지 않는 경우, 다중 변수 Regression Tree를 사용해 실측치와 예측치의 차이인 잔차를 최소화하는 방법으로 예측 정확도를 개선하는 것이다. 다중 변수 Regression Tree는 원인 변수(X)가 여러 개일 때의 회귀 분석으로 RMSE(Root Mean Square Error : 제곱근 평균 오차)와 MAE(Mean Absolute Error : 실측치와 예측치 간 오차의 절대값의 평균)가 최소화되는 모형을 도출한다.
마찬가지로, 회귀 분석을 통해 TBCC 발생 예측 알고리즘을 도출한 후, TBCC 알고리즘 도출 모듈(230)은 그 도출한 TBCC 발생 예측 알고리즘의 정확도가 실제로 95% 이상인지 확인한다(S313). 즉, TBCC 알고리즘 도출 모듈(230)은 TBCC 발생 예측 알고리즘을 도출한 후 수집되는 기지국의 트래픽 데이터를 분석하여 TBCC 발생 예측 알고리즘의 정확도가 실제로 95% 이상인지 확인한다.
만약, 회귀 분석을 통해 도출한 TBCC 발생 예측 알고리즘의 정확도가 95% 이상이 아닌 경우, TBCC 알고리즘 도출 모듈(230)은 단계 S303, 단계 S307, 단계 S313에서 도출한 TBCC 발생 예측 알고리즘 중 상대적으로 정확도가 가장 높은 알고리즘을 선택한다(S315).
이상과 같은 과정을 통해 특정 기지국에 대한 TBCC 발생 예측 알고리즘을 도출하고 난 후, TBCC 알고리즘 도출 모듈(230)은 그 도출한 TBCC 발생 예측 알고리즘에 대한 알고리즘 최적화 과정을 수행한다(S317). 여기서 알고리즘 최적화는 정확도가 95% 이상되는 예측 알고리즘의 복잡도를 낮추면서, 즉 X 변수의 차수와 개수를 감소시킴으로써, 정확도의 추이를 모니터링해, 복잡도를 최소화하면서 정확도가 높은 지점을 찾아내거나, 예측 알고리즘의 복잡도와 정확도 간의 상관 분석을 통해 최적점을 찾아내는 것을 의미한다.
도 3을 참조하여 설명한 과정은 기지국 과부하 예보 시스템(130)이 관리하는 모든 기지국(110)들에 대해 수행되어, 각 기지국별 TBCC 발생 예측 알고리즘이 도출되어 저장 모듈(290)에 저장된다.
다시 도 2를 참조하면, 과부하 예보 모듈(250)은 상기 TBCC 알고리즘 도출 모듈(230)에 의해 도출된 각 기지국에 대한 TBCC 발생 예측 알고리즘을 이용하여 각 기지국의 10분 후 TBCC 발생을 예측하여 TBCC 발생이 예상되는 경우 이에 따른 과부하 예보를 수행한다. 바람직하게, 과부하 예보 모듈(250)은 전체 기지국의 정보 그리고 과부하가 예상되는 기지국의 정보 등을 UI(User Interface) 환경에 맞게 표시하거나, 또는 지정된 운용자의 단말로 SMS 메시지를 송신할 수 있다.
이러한 과부하 예보 모듈(250)의 동작 과정을 도 4를 참조하여 설명한다. 도 4는 본 발명의 일 실시예에 따른 기지국 과부하 예보 방법을 설명하는 흐름도로, 도 4에 도시된 바와 같이, 기지국 과부하 예보 시스템(130)의 과부하 예보 모듈(250)은 기지국의 트래픽 데이터를 수집한다(S401). 이러한 기지국의 트래픽 데이터는 데이터 수집 모듈(210)로부터 전달될 수 있고 또는 저장 모듈(290)로부터 전달될 수 있다.
이와 같이 기지국의 트래픽 데이터가 수집되면, 과부하 예보 모듈(250)은 그 수집된 트래픽 데이터를 이용하여 TBCC 알고리즘 도출 모듈(230)에서 도출된 기지국별 TBCC 발생 예측 알고리즘을 수행한다(S403). 전술한 바와 같이, TBCC 발생 예측 알고리즘은 10분 후 기지국의 RRC 소통율, CS 소통율, PS 소통율을 계산하는 알고리즘일 수 있고, 이때, TBCC 알고리즘 도출 모듈(230)은 그 RRC 소통율, CS 소통율, PS 소통율을 계산한다.
기지국별 TBCC 발생 예측 알고리즘을 수행한 후, 과부하 예보 모듈(250)은 그 알고리즘 수행 결과에 기초하여 각 기지국별로 10분 후 TBCC가 발생하는지 확인하여(S405), TBCC가 발생하는 경우 과부하 예보를 한다(S407). 과부하 예보 모듈(250)은 TBCC 발생 예측 알고리즘 수행 결과인 RRC 소통율, CS 소통율, PS 소통율이 TBCC 발생 임계치 이하인지 확인하여 TBCC 발생 임계치 이하인 경우 과부하 예보를 한다. TBCC 발생 임계치는 저장 모듈(290)에서 참조될 수 있다.
다시 도 2를 참조하면, 과부하 발생 이력 관리 모듈(270)은 과부하 예보 모듈(250)에 의한 기지국별 과부하 예보 기록을 저장 모듈(290)에 저장하고 관리하며, 이러한 기지국별 과부하 예보 기록 등을 UI 처리하여 운용자들이 조회할 수 있도록 제공한다.
도 5는 도 1의 기지국 과부하 예보 시스템(130)의 다른 구성을 나타낸 도면으로, 도 5에 있어서 도 2와 동일한 참조부호의 구성요소는 동일한 기능 및 동작을 수행하므로 여기서는 설명을 생략한다. 도 5를 참조하면, 기지국 과부하 예보 시스템(140)은 TBCC 임계치 산출 모듈(510)을 더 포함한다.
TBCC 임계치 산출 모듈(510)는 저장 모듈(290)에 저장된 각 기지국(110)별 트래픽 데이터를 분석하여 복수의 기지국(110)을 트래픽 규모와 패턴이 유사한 기지국들의 조합, 즉 소정 개수의 그룹으로 그룹핑한 후 각 그룹별 TBCC 발생 임계치를 산출하여 저장 모듈(290)에 저장한다.
TBCC는 전술한 바와 같이 소통율이 동일 그룹 기지국들의 평균 대비 20% 이하로 저하되는 상황으로서, TBCC 임계치 산출 모듈(510)는 각 그룹들의 RRC 소통율의 평균을 구하고 그 RRC 소통율 평균의 20%를 RRC TBCC 발생 임계치로 산출하고, 또한 각 그룹들의 CS 소통율의 평균을 구하고 그 CS 소통율 평균의 20%를 CS TBCC 발생 임계치로 산출하며, 각 그룹들의 PS 소통율의 평균을 구하고 그 PS 소통율 평균의 20%를 PS TBCC 발생 임계치로 산출한다.
도 2를 참조한 실시예에서 기지국 과부하 예보 시스템(130)은 운용자에 의해 각 기지국별 TBCC 발생 임계치가 설정되는 반면, 도 5를 참조한 실시예에서 기지국 과부하 예보 시스템(130)은 자동으로 기지국들의 트래픽 데이터를 분석하여 TBCC 발생 임계치를 산출하여 설정한다.
이상과 같은 본 발명에 따라 본 출원의 발명자들이 기지국의 과부하 예측을 수행한 결과 97% 이상의 정확도를 나타내었다.
상술한 바와 같은 본 발명의 방법은 프로그램으로 구현되어 컴퓨터로 읽을 수 있는 형태로 기록매체(씨디롬, 램, 롬, 플로피 디스크, 하드 디스크, 광자기 디스크 등)에 저장될 수 있다.
본 명세서는 많은 특징을 포함하는 반면, 그러한 특징은 본 발명의 범위 또는 특허청구범위를 제한하는 것으로 해석되어서는 아니된다. 또한, 본 명세서에서 개별적인 실시예에서 설명된 특징들은 단일 실시예에서 결합되어 구현될 수 있다. 반대로, 본 명세서에서 단일 실시예에서 설명된 다양한 특징들은 개별적으로 다양한 실시예에서 구현되거나, 적절한 부결합(subcombination)에서 구현될 수 있다.
도면에서 동작들이 특정한 순서로 설명되었으나, 그러한 동작들이 도시된 바와 같은 특정한 순서로 수행되는 것으로, 또는 일련의 연속된 순서, 또는 원하는 결과를 얻기 위해 모든 설명된 동작이 수행되는 것으로 이해되어서는 아니된다. 어떤 환경에서, 멀티태스킹 및 병렬 프로세싱이 유리할 수 있다. 아울러, 상술한 실시예에서 다양한 시스템 구성요소의 구분은 모든 실시예에서 그러한 구분을 요구하지 않는 것으로 이해되어야 한다. 상술한 프로그램 구성요소 및 시스템은 일반적으로 단일 소프트웨어 제품 또는 멀티플 소프트웨어 제품에 패키지로 구현될 수 있다.
이상에서 설명한 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다.
110 : 기지국 130 : 기지국 과부하 예보 시스템
210 : 데이터 수집 모듈 230 : TBCC 알고리즘 도출 모듈
250 : 과부하 예보 모듈 270 : 과부하 발생 이력 관리 모듈
290 : 저장 모듈

Claims (12)

  1. 복수의 기지국의 과부하를 예보하는 기지국 과부하 예보 시스템에 있어서,
    상기 복수의 기지국의 그룹별 TBCC(소통율이 동일 그룹 기지국들의 평균 대비 소정 비율 이하로 저하되는 상황) 발생 임계치를 저장하는 저장부;
    상기 복수의 기지국의 트래픽 데이터를 수집하는 데이터 수집부;
    상기 복수의 기지국의 트래픽 데이터로부터 기지국별로 소통율에 영향을 주는 파라미터를 분석하고 그 분석된 파라미터를 이용하여 기지국별 TBCC 발생 예측 알고리즘을 도출하는 알고리즘 도출부; 및
    상기 도출된 기지국별 TBCC 발생 예측 알고리즘과 상기 데이터 수집부에서 수집되는 트래픽 데이터 그리고 상기 TBCC 발생 임계치를 이용하여 각 기지국별 TBCC 발생을 예측하여 예보하는 예보부;를 포함하는 기지국 과부하 예보 시스템.
  2. 제 1 항에 있어서,
    상기 알고리즘 도출부는, 의사 결정 나무(Decision Tree) 모델링, PLS(Partial Least Square) 분석 또는 회귀 분석(Regression Tree) 중 어느 하나에 의해 TBCC 발생 예측 알고리즘을 도출하는 것을 특징으로 하는 기지국 과부하 예보 시스템.
  3. 제 1 항에 있어서,
    상기 데이터 수집부에서 수집되는 트래픽 데이터를 분석하여 상기 복수의 기지국을 소정 개수의 그룹으로 그룹핑한 후 각 그룹별 TBCC 발생 임계치를 산출하여 상기 저장부에 저장하는 TBCC 임계치 산출부;를 더 포함하는 것을 특징으로 하는 기지국 과부하 예보 시스템.
  4. 제 1 항 내지 제 3 항 중 어느 하나에 있어서,
    상기 TBCC는, RRC(Radio Resource Control) TBCC, CS(Circuit Service) TBCC 또는 PS(Packet Service) TBCC 중 적어도 하나를 포함하는 것을 특징으로 하는 기지국 과부하 예보 시스템.
  5. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 알고리즘 도출부는, 기지국의 소통율에 영향을 주는 파라미터를 분석하고 파라미터마다 계수를 산출하여 기지국별 소통율 예측 계산식을 도출하고,
    상기 예보부는, 상기 기지국별 소통율 예측 계산식에 의해 계산된 소통율이 상기 TBCC 발생 임계치보다 작아지는 경우 과부하 발생 예보를 하는 것을 특징으로 하는 기지국 과부하 예보 시스템.
  6. 제 1 항에 있어서,
    상기 알고리즘 도출부는, 소정의 정확도 이상으로 소정 시간 후의 TBCC 발생을 예측하는 TBCC 발생 예측 알고리즘을 도출하는 것을 특징으로 하는 기지국 과부하 예보 시스템.
  7. 기지국 과부하 예보 시스템의 기지국 과부하 예보 방법에 있어서,
    복수의 기지국의 그룹별 TBCC(소통율이 동일 그룹 기지국들의 평균 대비 소정 비율 이하로 저하되는 상황) 발생 임계치를 저장하는 저장 단계;
    상기 복수의 기지국의 트래픽 데이터를 수집하는 데이터 수집 단계;
    상기 복수의 기지국의 트래픽 데이터로부터 기지국별로 소통율에 영향을 주는 파라미터를 분석하고 그 분석된 파라미터를 이용하여 기지국별 TBCC 발생 예측 알고리즘을 도출하는 알고리즘 도출 단계; 및
    상기 도출된 기지국별 TBCC 발생 예측 알고리즘과 상기 데이터 수집 단계에서 수집되는 트래픽 데이터 그리고 상기 TBCC 발생 임계치를 이용하여 각 기지국별 TBCC 발생을 예측하여 예보하는 예보 단계;를 포함하는 기지국 과부하 예보 방법.
  8. 제 7 항에 있어서,
    상기 알고리즘 도출 단계는, 의사 결정 나무(Decision Tree) 모델링, PLS 분석 또는 회귀 분석(Regression Tree) 중 어느 하나에 의해 TBCC 발생 예측 알고리즘을 도출하는 것을 특징으로 하는 기지국 과부하 예보 방법.
  9. 제 7 항에 있어서,
    상기 저장 단계 이전에,
    상기 복수의 기지국으로부터 수집되는 트래픽 데이터를 분석하여 상기 복수의 기지국을 소정 개수의 그룹으로 그룹핑한 후 각 그룹별 TBCC 발생 임계치를 산출하는 TBCC 임계치 산출 단계;를 더 포함하는 것을 특징으로 하는 기지국 과부하 예보 방법.
  10. 제 7 항 내지 제 9 항 중 어느 하나에 있어서,
    상기 TBCC는, RRC(Radio Resource Control) TBCC, CS(Circuit Service) TBCC 또는 PS(Packet Service) TBCC 중 적어도 하나를 포함하는 것을 특징으로 하는 기지국 과부하 예보 방법.
  11. 제 7 항 내지 제 9 항 중 어느 한 항에 있어서,
    상기 알고리즘 도출 단계는, 기지국의 소통율에 영향을 주는 파라미터를 분석하고 파라미터마다 계수를 산출하여 기지국별 소통율 예측 계산식을 도출하고,
    상기 예보 단계는, 상기 기지국별 소통율 예측 계산식에 의해 계산된 소통율이 상기 TBCC 발생 임계치보다 작아지는 경우 과부하 발생 예보를 하는 것을 특징으로 하는 기지국 과부하 예보 방법.
  12. 제 7 항에 있어서,
    상기 알고리즘 도출 단계는, 소정의 정확도 이상으로 소정 시간 후의 TBCC 발생을 예측하는 TBCC 발생 예측 알고리즘을 도출하는 것을 특징으로 하는 기지국 과부하 예보 방법.
KR1020110079647A 2011-08-10 2011-08-10 기지국 과부하 예보 시스템 및 그 방법 KR101394364B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110079647A KR101394364B1 (ko) 2011-08-10 2011-08-10 기지국 과부하 예보 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110079647A KR101394364B1 (ko) 2011-08-10 2011-08-10 기지국 과부하 예보 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20130017296A KR20130017296A (ko) 2013-02-20
KR101394364B1 true KR101394364B1 (ko) 2014-05-13

Family

ID=47896479

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110079647A KR101394364B1 (ko) 2011-08-10 2011-08-10 기지국 과부하 예보 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR101394364B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011029503A1 (en) * 2009-09-10 2011-03-17 Alcatel Lucent Telecommunications network node and methods

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011029503A1 (en) * 2009-09-10 2011-03-17 Alcatel Lucent Telecommunications network node and methods

Also Published As

Publication number Publication date
KR20130017296A (ko) 2013-02-20

Similar Documents

Publication Publication Date Title
CN109788488B (zh) 一种网络站点的规划方法和装置
CN101155085B (zh) 实时流量预测方法及装置和实时流量监测预警方法及装置
US9031561B2 (en) Method and system for optimizing cellular networks operation
US9015312B2 (en) Network management system and method for identifying and accessing quality of service issues within a communications network
US7756523B2 (en) Management method, system, and management apparatus of radio communication system
US9491285B2 (en) Technique for performance management in a mobile communications network
CN102668622B (zh) 网络瓶颈管理
JP2006340050A (ja) 異常検出システムおよび保全システム
CN103024761A (zh) 基站能耗模型建立方法、能耗预测方法及装置
CN102487523B (zh) 用户投诉分析方法及装置
CN109495327B (zh) 一种基于大数据分析的用户活动异常检测和流量预测方法
CN103237355A (zh) 无线通信信道的自动分配方法和系统
CN107690068B (zh) 机顶盒的嵌入式探针视频流量和质量汇聚分析方法及装置
WO2014102318A1 (en) Method and system for predicting the channel usage
EP2934037B1 (en) Technique for Evaluation of a Parameter Adjustment in a Mobile Communications Network
CN113133069A (zh) 一种目标小区的确定方法、装置、电子设备及存储介质
TWI572179B (zh) Mobile network base station communication prediction and resource scheduling automation analysis system and method
CN109963292B (zh) 投诉预测的方法、装置、电子设备和存储介质
KR101394364B1 (ko) 기지국 과부하 예보 시스템 및 그 방법
KR101431742B1 (ko) 무선망 과부하 제어 장치 및 방법
CN103974321B (zh) 一种直放站的监控方法和装置
JP6454133B2 (ja) 品質分析方法、品質分析装置、及びネットワークシステム
JP2009130728A (ja) 無線通信網の品質評価システム、通信品質の改善措置対象エリアの抽出方法及びプログラム
CN105939280A (zh) 流量调度方法以及装置
KR101422255B1 (ko) 기지국 관리 장치 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170427

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180503

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190502

Year of fee payment: 6