KR102655903B1 - 기지국의 에너지를 절약하기 위한 처리 방법 및 처리 장치 - Google Patents

기지국의 에너지를 절약하기 위한 처리 방법 및 처리 장치 Download PDF

Info

Publication number
KR102655903B1
KR102655903B1 KR1020237005567A KR20237005567A KR102655903B1 KR 102655903 B1 KR102655903 B1 KR 102655903B1 KR 1020237005567 A KR1020237005567 A KR 1020237005567A KR 20237005567 A KR20237005567 A KR 20237005567A KR 102655903 B1 KR102655903 B1 KR 102655903B1
Authority
KR
South Korea
Prior art keywords
data
base station
grid
longitude
latitude
Prior art date
Application number
KR1020237005567A
Other languages
English (en)
Other versions
KR20230043896A (ko
Inventor
징징 유안
종유안 루
레 장
잉 왕
Original Assignee
차이나 텔레콤 코포레이션 리미티드
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 차이나 텔레콤 코포레이션 리미티드 filed Critical 차이나 텔레콤 코포레이션 리미티드
Publication of KR20230043896A publication Critical patent/KR20230043896A/ko
Application granted granted Critical
Publication of KR102655903B1 publication Critical patent/KR102655903B1/ko

Links

Images

Classifications

    • 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
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • 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
    • 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
    • H04W52/0209—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

Abstract

기지국의 에너지를 절약하기 위한 처리 장치 및 처리 방법이 제공된다. 방법은 기지국의 엔지니어링 파라미터 데이터 및 MR 데이터를 획득(obtain)하는 단계 - 엔지니어링 파라미터 데이터는 측정에 의해 획득된(obtain) 기지국의 경도 및 위도 데이터를 포함하고, MR 데이터는 사용자 단말에 의해 보고된 사용자 단말의 경도 및 위도 데이터를 포함함 -; 그리드 MR 데이터(grid MR data)를 획득하기 위해 MR 데이터를 그리딩(gridding)하고, 그리드 MR 데이터에 따라 기지국의 경도 및 위도 데이터의 계산된 값을 계산하는 단계 - 그리드 MR 데이터는 그리드 경도 및 위도를 포함함 -; 부하 예측 모델에 입력되는 기지국의 엔지니어링 파라미터 데이터를 선택하기 위해 기지국의 경도 및 위도 데이터의 계산된 값과 엔지니어링 파라미터 데이터의 기지국의 경도 및 위도 데이터를 비교하는 단계; 부하 예측 모델을 트레이닝하고 예측하기 위해 선택된 기지국의 엔지니어링 파라미터 데이터를 부하 예측 모델에 입력하는 단계; 부하 예측 모델의 예측 결과에 따라 대응하는 파워-세이빙 턴-오프 전략(power-saving turn-off strategy)를 발행하는 단계를 포함한다.

Description

기지국의 에너지를 절약하기 위한 처리 방법 및 처리 장치
본 개시는 통신 기술(communication technology) 분야에 대한 것으로, 특히 기지국(base station)의 에너지를 절약(save)하기 위한 처리 방법(processing method) 및 처리 장치(processing device)에 관한 것이다.
본 출원은 2020년 7월 31에 출원된 중국 특허 출원 번호 제 202010763391.8호에 기초하고 이에 대해 우선권 주장하며, 그 개시 내용은 본 명세서 전체를 참조로 포함된다.
5G (5 세대(5th generation) 모바일 통신 기술(mobile communication technology)) 시대에 MIMO(multiple input multiple output)와 같은 새로운 기술들이 소개되면서, 5G 네트워크(5G network)의 전력 소비(power consumption)는 4G 네트워크(4G network)의 5~12 배를 초과하고, 네트워크 운영(network operation) 및 유지의 어려움은 증가한다. 기지국의 주요 설비들(main facilities)의 높은 에너지 소비는 운영자들(operators)이 해결해야 할 문제이다. 현재, 기지국(base station)의 에너지(energy)를 절약(save)하기 위해 상대적으로 인기있는 해결책은 부하 예측을 수행하고, 기지국의 무선 주파수(radio frequency) 턴-오프(turn-off) 전략을 사전에 공식화(formulate)하기 위해 AI(artificial intelligence) 기술의 사용을 만들어 에너지-절약(energy-saving)의 목적을 달성하는 것이다.
본 개시의 양태에 따르면, 기지국(base station)의 에너지를 절약하기 위한 처리 방법이 제공된다. 처리 방법은, 상기 기지국의 엔지니어링 파라미터 데이터(engineering parameter data) 및 측정 리포트(measurement report)(MR) 데이터를 획득하는 단계 - 상기 엔지니어링 파라미터 데이터는 측정에 의해 획득된 상기 기지국의 경도(longitude) 및 위도(latitude) 데이터를 포함하고, 상기 MR 데이터(MR data)는 사용자 단말(user terminal)에 의해 보고(report)된 상기 사용자 단말의 경도 및 위도 데이터를 포함함-; 그리드 MR 데이터(grid MR data)를 획득하기 위해 상기 MR 데이터를 그리딩(gridding)하고, 상기 그리드 MR 데이터에 따라 상기 기지국의 경도 및 위도 데이터의 계산된 값을 계산하는 단계 - 상기 그리드 MR 데이터는 그리드 경도 및 위도를 포함함 -; 부하 예측 모델(load prediction model)에 입력될 상기 기지국의 상기 엔지니어링 파라미터 데이터를 선택하기 위해, 상기 기지국의 상기 경도 및 위도 데이터의 상기 계산된 값과 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 경도 및 위도 데이터를 비교하는 단계; 상기 부하 예측 모델의 트레이닝(training) 및 예측(prediction)을 수행하기 위해, 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터를 상기 부하 예측 모델에 입력하는 단계; 및 부하 예측 모델(load prediction model)의 예측 결과에 따라 대응하는 파워-세이빙 턴-오프 전략(power-saving turn-off strategy)을 발행(issue)하는 단계를 포함한다.
일부 실시예들에서, 상기 엔지니어링 파라미터 데이터는, 측정에 의해 획득된 상기 기지국의 방향각(direction angle) 데이터를 더 포함하고, 상기 MR 데이터는, 상기 사용자 단말에 의해 보고된 상기 사용자 단말의 방향각 데이터를 더 포함하고, 상기 그리드 MR 데이터는, 그리드 방향각(grid direction angle)을 더 포함하고; 상기 처리 방법은, 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터의 상기 방향각 데이터 및 선택된 상기 기지국에 대응하는 상기 그리드 MR 데이터의 상기 그리드 방향각에 따라 공동-커버리지 셀(co-coverage cell)을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터를 선택하는 단계; 및 상기 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터에 따라 상기 공동-커버리지 셀을 획득하는 단계를 더 포함하고, 상기 대응하는 파워-세이빙 턴-오프 전략을 발행하는 단계는, 상기 부하 예측 모델의 상기 예측 결과 및 획득된 상기 공동-커버리지 셀에 따라 상기 대응하는 파워-세이빙 턴-오프 전략을 발행하는 단계를 포함한다.
일부 실시예들에서, 상기 그리드 MR 데이터는, 기지국 타입(base station type), 평균 참조 신호 수신 전력(average reference signal receiving power)(average RSRP), 기지국 식별(base station identification), 상기 그리드 방향각 및 그리드 내 MR의 수를 더 포함하고, 상기 그리드 MR 데이터에 따라 상기 기지국의 상기 경도 및 위도 데이터의 상기 계산된 값의 계산하는 단계는, 미리 결정된 셀들의 수를 갖고, 제1 임계값(first threshold)보다 큰 평균 RSRP를 갖는 기지국에 대응하는 실외 기지국(outdoor base station)을 가진 상기 그리드 MR 데이터를 상기 기지국 타입으로 선택하는 단계; 상기 그리드 MR 데이터를 대응하는 셀에 할당하기 위해 상기 기지국의 상기 방향각 데이터 및 상기 기지국 식별에 따라 상기 그리드 MR 데이터를 그룹핑(grouping) 하는 단계; 비정상 그리드 MR 데이터(abnormal grid MR data)를 제거(remove)하기 위해 각 셀의 상기 그리드 MR 데이터에서 아웃라이어(outlier) 탐지(detection)를 수행하는 단계; 나머지 그리드 MR 데이터의 상기 그리드 경도 및 위도에 따라 각 기지국의 각 셀의 평균 경도 및 위도를 계산하는 단계; 및 상기 각 기지국의 상기 각 셀의 상기 평균 경도 및 위도에 따라 상기 기지국의 평균 경도 및 위도를 계산하는 단계를 포함하고, 상기 기지국의 상기 평균 경도 및 위도는, 상기 기지국의 상기 경도 및 위도 데이터의 상기 계산된 값이다.
일부 실시예들에서, 상기 기지국의 상기 경도 및 위도 데이터의 상기 계산된 값과 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 경도 및 위도 데이터를 비교하는 단계는, 거리 계산 방법(distance calculation method)에 따라 상기 기지국의 상기 경도 및 위도의 상기 계산된 값과 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 경도 및 위도 데이터 사이의 거리 관계 값(distance relationship value)을 계산하는 단계; 및 상기 부하 예측 모델에 입력될 상기 기지국의 상기 엔지니어링 파라미터 데이터로써 제2 임계값(second threshold) 미만인 상기 거리 관계 값을 갖는 상기 기지국의 상기 엔지니어링 파라미터 데이터를 선택하는 단계를 포함한다.
일부 실시예들에서, 상기 각 셀의 상기 그리드 MR 데이터에서 상기 아웃라이어 탐지를 수행하는 단계는, 임계점(critical point) K 값을 K= [제3 임계값(third threshold)] * [상기 각 셀의 상기 그리드 내 상기 MR의 상기 수의 합]으로 세팅(setting)하는 단계 - 상기 제3 임계값은 퍼센티지(percentage)임 -; 상기 임계점 K 값을 이용하여 상기 각 셀의 각 그리드 MR 데이터의 로컬 아웃라이어 팩터(local outlier factor)(LOF) 값을 계산하는 단계; 및 제 4 임계값(fourth threshold)을 초과하는 상기 LOF 값을 갖는 상기 그리드 MR 데이터를 제거하는 단계를 포함한다.
일부 실시예들에서, 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터의 상기 방향각 데이터 및 선택된 상기 기지국에 대응하는 상기 그리드 MR 데이터의 상기 그리드 방향각에 따라 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터를 선택하는 단계는, 상기 기지국 식별 및 상기 기지국의 상기 방향각 데이터에 따라 선택된 상기 기지국의 상기 그리드 MR 데이터를 그룹핑하고, 상기 각 그룹의 상기 MR의 상기 수의 합에 대한 각 그룹의 각 그리드 내 상기 MR의 상기 수의 비율을 계산하고, 제5 임계값(fifth threshold) 미만인 상기 비율을 갖는 상기 그리드 MR 데이터를 제거하는 단계; 상기 기지국 식별에 따라 나머지 그리드 MR 데이터를 다시 그룹핑하고, 다시 그룹핑한 후에 가우시안 커널 밀도 함수(gaussian kernel density function)를 이용하여 각 그룹의 상기 그리드 MR 데이터에서 셀 분류(cell classification)을 수행하는 단계; 상기 셀 분류에 의해 획득된 각 셀의 각 그리드 MR 데이터의 상기 그리드 경도 및 위도를 이용하여 각 그리드의 상기 방향각 데이터를 계산하는 단계; 상기 각 셀의 상기 각 그리드의 상기 방향각 데이터에 따라 상기 각 셀의 상기 방향각 데이터의 평균값(average value)를 계산하는 단계 - 상기 각 셀의 상기 방향각 데이터의 상기 평균값은 각 셀의 방향각으로 사용됨 -; 상기 기지국의 상기 각 셀의 상기 방향각과 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 방향각 데이터 간의 차이를 계산하고, 상기 차이의 평균값을 계산하는 단계; 및 제6 임계값(sixth threshold) 미만인 상기 차이의 상기 평균값을 갖는 상기 기지국의 상기 엔지니어링 파라미터 데이터를 상기 공동-커버리지 셀을 결정하기 위한 상기 기지국의 상기 엔지니어링 파라미터 데이터로 만드는 단계를 포함한다.
일부 실시예들에서, 상기 부하 예측 모델의 상기 트레이닝 및 상기 예측을 수행하기 위해 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터를 상기 부하 예측 모델에 입력하는 단계는, 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터에서 아웃라이어 제거(outlier removal)를 수행하는 단계; 밀도 클러스터링 알고리즘(density clustering algorithm)에 의해 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 경도 및 위도 데이터에 의해 표현되는 예측 포인트들(prediction points)을 클러스터링(clustering)하고, 상기 부하 예측 모델을 트레이닝하기 위해 특징들(features)을 구성(construct)하고, 및 상기 예측 포인트들 간의 클러스터링 관계(clustering relationship)를 표현하기 위해 상기 예측 포인트들 간의 밀도 관계(density relationship)를 마이닝(mining)하는 단계; 및 상기 예측 포인트들을 클러스터링 및 상기 특징들을 구성한 후, 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터, 상기 특징들 및 대응하는 성능 지표 데이터(performance index data)를 이용해 머신 러닝 알고리즘(machine learning algorithm)에 기초하는 모델 트레이닝을 수행하고, 모델 정확도 평가(model accuracy evaluation)를 수행하는 단계를 포함한다.
일부 실시예들에서, 상기 기지국의 상기 엔지니어링 파라미터 데이터는, 상기 기지국의 주파수 대역(frequency band)을 더 포함하고, 상기 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터에 따라 상기 공동-커버리지 셀을 획득하는 단계는, 2개의 주파수 대역들에 대응하는 2개의 셀들을 각각 획득하기 위해 상기 주파수 대역에 따라 복수의 셀들을 2개씩 결합(combine)하는 단계; 상기 2개의 셀들에 대응하는 상기 공동-커버리지 셀(co-coverage cell)을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터에서 상기 기지국의 2개의 경도 및 위도 데이터에 따라 상기 2개의 셀들 간의 거리를 계산하고, 상기 2개의 셀들에 대응하는 상기 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터에서 상기 기지국의 2개의 방향각 데이터의 차이를 계산하는 단계; 및 상기 2개의 셀들 간의 상기 거리(distance)가 제7 임계값(seventh threshold) 미만이고, 상기 2개의 방향각 데이터의 상기 차이(difference)가 제8 임계값(eighth threshold) 미만인 경우, 상기 2개의 셀들을 상기 공동-커버리지 셀로 결정하는 단계를 포함한다.
일부 실시예들에서, 처리 방법은 사용자 인식 지수(user perception index)를 최적화 타겟(optimization target)으로 하여 상기 부하 예측 모델의 상기 예측 결과 및 파워-세이빙 턴-오프 전략을 반복하는 단계를 포함한다.
본 개시의 다른 양태에 따르면, 기지국의 에너지를 절약하기 위한 처리 장치(processing device)가 제공된다. 처리 장치는 상기 기지국의 엔지니어링 파라미터 데이터(engineering parameter data) 및 측정 리포트(measurement report)(MR) 데이터를 획득하기 위해 구성된 획득 유닛(obtaining unit)-상기 엔지니어링 파라미터 데이터는 측정에 의해 획득된 상기 기지국의 경도 및 위도 데이터를 포함하고, 상기 MR 데이터(MR data)는 사용자 단말(user terminal)에 의해 기록된 사용자 단말의 경도 및 위도 데이터를 포함함-; 그리드 MR 데이터(grid MR data)를 획득하기 위해 상기 MR 데이터를 그리딩(grid)하고, 상기 그리드 MR 데이터에 따라 상기 기지국의 경도 및 위도 데이터의 계산된 값을 계산하도록 구성된 데이터 처리 유닛(data processing unit) - 상기 그리드 MR 데이터는 그리드 경도 및 위도를 포함함 -; 부하 예측 모델(load prediction model)에 입력될 상기 기지국의 상기 엔지니어링 파라미터 데이터를 선택하기 위해 상기 기지국의 상기 경도 및 위도 데이터의 상기 계산된 값과 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 경도 및 위도 데이터를 비교하도록 구성된 파라미터 선택 유닛(parameter selecting unit); 상기 부하 예측 모델의 트레이닝(training) 및 예측(prediction)을 수행하기 위해 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터를 상기 부하 예측 모델에 입력하도록 구성된 트레이닝 예측 유닛(training prediction unit); 및 부하 예측 모델(load prediction model)의 예측 결과에 따라 대응하는 파워-세이빙 턴-오프 전략(power-saving turn-off strategy)을 발행(issue)하도록 구성된 전략 발행 유닛(strategy issuing unit)을 포함한다.
일부 실시예들에서, 상기 엔지니어링 파라미터 데이터는, 측정에 의해 획득된 상기 기지국의 방향각(direction angle) 데이터를 더 포함하고, 상기 MR 데이터는, 상기 사용자 단말에 의해 기록된 상기 사용자 단말의 방향각 데이터를 더 포함하고, 상기 그리드 MR 데이터는, 그리드 방향각(grid direction angle)을 더 포함하고; 상기 파라미터 선택 유닛은, 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터의 상기 방향각 데이터 및 선택된 상기 기지국에 대응하는 상기 그리드 MR 데이터의 상기 그리드 방향각에 따라 공동-커버리지 셀(co-coverage cell)을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터를 선택하도록 더 구성되고; 상기 획득 유닛은, 상기 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터에 따라 상기 공동-커버리지 셀을 획득하도록 더 구성되고; 및 상기 전략 발행 유닛은, 상기 부하 예측 모델의 상기 예측 결과 및 획득된 상기 공동-커버리지 셀에 따라 상기 대응하는 파워-세이빙 턴-오프 전략을 발행하도록 구성된다.
일부 실시예들에서, 상기 그리드 MR 데이터는, 기지국 타입(base station type), 평균 참조 신호 수신 전력(reference signal receiving power)(RSRP), 기지국 식별(base station identification), 상기 그리드 방향각 및 그리드 내 MR의 수를 더 포함하고, 상기 데이터 처리 유닛은, 미리 결정된 셀들의 수를 갖고, 제1 임계값(first threshold)보다 큰 평균 RSRP를 갖는 기지국에 대응하는 실외 기지국(outdoor base station)을 가진 상기 그리드 MR 데이터를 상기 기지국 타입으로 선택하고, 상기 그리드 MR 데이터를 대응하는 셀에 할당하기 위해 상기 기지국의 상기 기지국 식별 및 상기 방향각 데이터에 따라 상기 그리드 MR 데이터를 그룹핑(group)하고, 비정상 그리드 MR 데이터(abnormal grid MR data)를 제거(remove)하기 위해 각 셀의 상기 그리드 MR 데이터에서 아웃라이어(outlier) 탐지(detection)를 수행하고, 나머지 그리드 MR 데이터의 상기 그리드 경도 및 위도에 따라 각 기지국의 각 셀의 평균 경도 및 위도를 계산하고, 상기 각 기지국의 상기 각 셀의 상기 평균 경도 및 위도에 따라 상기 기지국의 평균 경도 및 위도를 계산하도록 구성되고, 상기 기지국의 상기 평균 경도 및 위도는, 상기 기지국의 상기 경도 및 위도 데이터의 상기 계산된 값이다.
일부 실시예들에서, 상기 파라미터 선택 유닛은, 거리 계산 방법(distance calculation method)에 따라 상기 기지국의 상기 경도 및 위도의 상기 계산된 값과 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 경도 및 위도 데이터 사이의 거리 관계 값(distance relationship value)을 계산하고, 상기 부하 예측 모델에 입력될 상기 기지국의 상기 엔지니어링 파라미터 데이터로써 제2 임계값(second threshold) 미만인 상기 거리 관계 값을 갖는 상기 기지국의 상기 엔지니어링 파라미터 데이터를 선택하도록 구성된다.
일부 실시예들에서, 상기 데이터 처리 유닛은, 임계점(critical point) K 값을 K= [제3 임계값(third threshold)] * [상기 각 셀의 상기 그리드 내 상기 MR의 상기 수의 합]으로 세팅(setting)하고 - 상기 제3 임계값은 퍼센티지(percentage)임-, 상기 임계점 K 값을 이용하여 상기 각 셀의 각 그리드 MR 데이터의 로컬 아웃라이어 팩터(local outlier factor)(LOF) 값을 계산하고, 제4 임계값(fourth threshold)을 초과하는 상기 LOF 값을 갖는 상기 그리드 MR 데이터를 제거하도록 구성된다.
일부 실시예들에서, 상기 파라미터 선택 유닛은, 상기 기지국 식별 및 상기 기지국의 상기 방향각 데이터에 따라 선택된 상기 기지국의 상기 그리드 MR 데이터를 그룹핑하고, 상기 각 그룹의 상기 MR의 상기 MR의 상기 수의 합에 대한 각 그룹의 각 그리드 내 상기 MR의 상기 수의 비율을 계산하고, 제5 임계값(fifth threshold) 미만인 상기 비율을 갖는 상기 그리드 MR 데이터를 제거하고, 상기 기지국 식별에 따라 나머지 그리드 MR 데이터를 다시 그룹핑하고, 다시 그룹핑한 후에 가우시안 커널 밀도 함수(gaussian kernel density function)를 이용하여 각 그룹의 상기 그리드 MR 데이터에서 셀 분류(cell classification)를 수행하고, 상기 셀 분류에 의해 획득된 각 셀의 각 그리드 MR 데이터의 상기 그리드 경도 및 위도를 이용하여 각 그리드의 상기 방향각 데이터를 계산하고, 상기 각 셀의 상기 각 그리드의 상기 방향각 데이터에 따라 상기 각 셀의 상기 방향각 데이터의 평균값(average value)를 계산하고-상기 각 셀의 상기 방향각 데이터의 상기 평균값은 각 셀의 방향각으로 사용됨-, 상기 기지국의 상기 각 셀의 상기 방향각과 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 방향각 데이터 간의 차이를 계산하고, 상기 차이의 평균값을 계산하고, 및 제6 임계값(sixth threshold) 미만인 상기 차이의 상기 평균값을 갖는 상기 기지국의 상기 엔지니어링 파라미터 데이터를 상기 공동-커버리지 셀을 결정하기 위한 상기 기지국의 상기 엔지니어링 파라미터 데이터로 만들도록 구성된다.
일부 실시예들에서, 상기 트레이닝 예측 유닛은, 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터에서 아웃라이어 제거(outlier removal)를 수행하고, 밀도 클러스터링 알고리즘(density clustering algorithm)에 의해 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 경도 및 위도 데이터에 의해 표현되는 예측 포인트들(prediction points)을 클러스터링(cluster)하고, 상기 부하 예측 모델을 트레이닝하기 위해 특징들(features)을 구성(construct)하고, 상기 예측 포인트들 간의 클러스터링 관계(clustering relationship)를 표현하기 위해 상기 예측 포인트들 간의 밀도 관계(density relationship)를 마이닝(mine)하고, 상기 예측 포인트들을 클러스터링 및 상기 특징들을 구성한 후, 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터, 상기 특징들 및 대응하는 성능 지표 데이터(performance index data)를 이용해 머신 러닝 알고리즘(machine learning algorithm)에 기초하는 모델 트레이닝을 수행하고, 모델 정확도 평가(model accuracy evaluation)를 수행하도록 구성된다.
일부 실시예들에서, 상기 기지국의 상기 엔지니어링 파라미터 데이터는 상기 기지국의 주파수 대역을 더 포함하고, 상기 획득 유닛은 2개의 주파수 대역들에 대응하는 2개의 셀들을 각각 획득하기 위해 상기 주파수 대역에 따라 복수의 셀들을 2개씩 결합(combine)하고, 상기 2개의 셀들에 대응하는 상기 공동-커버리지 셀(co-coverage cell)을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터에서 상기 기지국의 2개의 경도 및 위도 데이터에 따라 상기 2개의 셀들 간의 거리를 계산하고, 상기 2개의 셀들에 대응하는 상기 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터에서 상기 기지국의 2개의 방향각 데이터의 차이를 계산하고, 상기 2개의 셀들 간의 상기 거리(distance)가 제7 임계값(seventh threshold) 미만이고, 상기 2개의 방향각 데이터의 상기 차이(difference)가 제8 임계값(eighth threshold) 미만인 경우, 상기 2개의 셀들을 상기 공동-커버리지 셀로 결정하도록 구성된다.
일부 실시예에서, 상기 전략 발행 유닛은, 사용자 인식 지수(user perception index)를 최적화 타겟(optimization target)으로 하여 상기 부하 예측 모델의 상기 예측 결과 및 파워-세이빙 턴-오프 전략을 반복하도록 더 구성된다.
본 개시의 다른 양태에 따르면, 기지국의 에너지를 절약하기 위한 처리 장치가 제공된다. 처리 장치는 메모리; 및 메모리와 결합한 프로세서를 포함하고, 상기 프로세서는 상기 메모리에 저장된 명령어들에 기초하여 상술된 따른 상기 처리 방법을 수행하도록 구성된다.
본 개시의 다른 양태에 따르면, 프로세서에 의해 실행될 때, 상술된 상기 처리 방법을 구현하는 컴퓨터 프로그램 명령어들이 저장된 저장되는 컴퓨터 판독가능 저장매체가 제공된다.
본 개시의 다른 특징들 및 이점들은 첨부 도면들을 참조하여 본 개시의 예시적인 실시예의 다음의 상세한 설명으로부터 명백해질 것이다.
본 명세서의 일부를 구성하는 첨부 도면들은 본 명세서와 함께 본 개시의 실시예를 보여주고, 본 개시의 원리에 대한 설명을 제공한다.
본 개시는 첨부 도면들을 참조하여 다음의 상세한 설명으로부터 보다 명확하게 이해될 수 있다.
도 1은 본 개시의 일부 실시예들에 따라 기지국의 에너지를 절약하기 위한 처리 방법을 도시하는 플로우차트이다.
도 2는 본 개시의 다른 실시예들에 따라 기지국의 에너지를 절약하기 위한 처리 방법을 도시하는 플로우차트이다.
도 3은 본 개시의 다른 실시예들에 따라 기지국의 에너지를 절약하기 위한 처리 방법을 도시하는 플로우차트이다.
도 4는 본 개시의 일부 실시예들에 따라 기지국의 엔지니어링 파라미터의 경도 및 위도를 감사하기 위한 방법을 도시하는 플로우차트이다.
도 5는 본 개시의 일부 실시예들에 따라 LOF 알고리즘을 이용한 아웃라이어 탐지를 도시하는 개략도이다.
도 6은 본 개시의 일부 실시예들에 따라 기지국의 엔지니어링 파라미터의 방향각을 감사하기 위한 방법을 도시하는 플로우차트이다.
도 7은 본 개시의 일부 실시예들에 따라 기지국의 에너지를 절약하기 위한 처리 장치를 도시한 개략적인 구조도이다.
도 8은 본 개시의 다른 실시예들에 따라 기지국의 에너지를 절약하기 위한 처리 장치를 도시한 개략적인 구조도이다.
도 9는 본 개시의 다른 실시예들에 따라 기지국의 에너지를 절약하기 위한 처리 장치를 도시한 개략적인 구조도이다.
이하, 첨부 도면을 참조하여 본 개시의 다양한 예시적인 실시예들이 상세히 설명된다. 추가적으로 명시되지 않는 한, 이 예시들에서 자세히 설명된 구성요소들 및 단계들의 상대적인 배열들, 수치 표현들(numerical expressions) 및 수치들(numerical values)은 본 개시의의 범위를 제한하지 않는다는 점에 주의해야 한다.
동시에, 설명의 편의를 위해 첨부 도면들에서 도시된 다양한 부분들의 차원(dimension)들은 실제 비례 관계(proportional relation)들에 따라 도시되지 않았음이 이해되어야 한다.
적어도 하나의 예시적인 실시예에 대한 다음 설명은 사실 단지 예시적인 것이고 본 개시뿐만 아니라 그 적용 또는 사용에 대해 어떠한 제한도 의도하지 않는다.
관련 기술의 일반 기술자들에게 알려진 기술들, 방법들 및 장치들은 자세히 논의되지 않을 수 있으나, 적절한 경우 기술들, 방법들 및 장치들은 설명의 일부로 고려되어야한다.
여기서 도시되고 논의되는 모든 예시들 중에서, 임의의 특정 값은 제한적인 것 보다는 단지 예시적인 것으로 거의 예시적으로 해석되어야 한다. 따라서, 예시적인 실시예들의 다른 예시들은 다른 값들을 가질 수 있다.
유사 참조 기호들 및 문자들은 다음의 첨부 도면들에서 유사한 아이템들을 나타내고, 따라서, 하나의 첨부 도면에서 아이템이 한번 정의되면, 후속 첨부 도면들에서 이에 대한 논의가 더 요구되지 않는다.
본 개시의 발명자들은, 관련 기술에서 에너지 절약을 달성(achieve)하기 위하여 부하 예측(load prediction)을 수행하기 위해 AI 기술(AI technology)의 이용하는 방법은 다음의 기술적인 문제를 가지고 있음을 발견했다. 이 기술적 문제는 AI 기술에 기초하여 부하 예측이 수행될 때, 엔지니어링 파라미터(engineering parameter)의 경도(longitude) 및 위도(latitude)가 먼저 확인(check)되지 않는 것이다. 기지국(base station)의 경도 및 위도는 모델(model)의 중요한 트레이닝 데이터(training data)이다. 더욱이, 가끔 엔지니어링 파라미터가 잘못되었거나 제 시간에 업데이트되지 않는 문제가 존재한다. 경도 및 위도의 체크가 먼저 수행되지 않으면, 모델의 예측 정확도(prediction accuracy)는 감소할 수 있고 에너지 절약의 효과가 더 영향받을 수 있다.
이러한 관점에서, 본 개시의 실시예들은 모델의 예측 정확도를 향상시키기 위해 기지국의 에너지를 절약(save)하기 위한 처리 방법(processing method)을 제공한다.
도 1은 본 개시의 일부 실시예들에 따라 기지국의 에너지를 절약하기 위한 처리 방법을 도시하는 플로우차트이다. 도 1에 도시된 바와 같이, 방법은 단계(S102) 내지 단계(S110)를 포함한다.
단계(S102)에서, 기지국의 엔지니어링 파라미터 데이터(engineering parameter data) 및 MR(measurement report) 데이터가 획득된다. 엔지니어링 파라미터 데이터는 측정에 의해 획득된 기지국의 경도 및 위도 데이터를 포함한다. MR 데이터(MR data)는 사용자 단말(user terminal)에 의해 보고(report)된 사용자 단말의 경도 및 위도 데이터를 포함한다.
일부 실시예들에서, 엔지니어링 파라미터 데이터는 측정에 의해 획득된 기지국의 방향각(direction angle) 데이터를 더 포함하고, MR 데이터는 사용자 단말에 의해 보고된 사용자 단말의 방향각 데이터를 더 포함한다.
단계(S104)에서, MR 데이터는 그리드 MR 데이터(grid MR data)를 획득하기 위해 그리딩(grid)되고, 기지국의 경도 및 위도의 계산된 값(calculated value)은 그리드 MR 데이터에 따라 계산되고, 여기서 그리드 MR 데이터는 그리드 경도(grid longitude) 및 위도(latitude)를 포함한다.
예를 들어, 임의의 기지국 주변에 복수의 사용자 단말들이 존재할 수 있고, 사용자 단말들의 각각은 MR 데이터를 보고하고, 그리드(gird)의 역할을 하는 미리 정의된 범위(predetermined range)(예를 들어, 50 미터* 50 미터의 범위)의 사각형을 갖는 그리드 내의 MR 데이터를 처리함으로써 그리드 MR 데이터가 획득될 수 있다. 예를 들어, 그리드 내 MR 데이터의 단말의 경도 및 위도의 평균값(average value) 그리드 경도 및 위도로 계산될 수 있고, 그리드 내 MR 데이터의 단말의 방향각(direction angle)의 평균값은 그리드 방향각으로 계산될 수 있다.
일부 실시예들에서, 그리드 MR 데이터는 그리드 방향각(grid direction angle)을 더 포함한다. 일부 실시예들에서, 그리드 MR 데이터는 기지국 타입(base station type), 평균 RSRP(참조 신호 수신 전력(reference signal receiving power)), 기지국 식별(base station identification), 그리드 방향각 및 그리드 내 MR의 수를 더 포함한다.
일부 실시예들에서, 그리드 MR 데이터에 따라 기지국의 경도 및 위도 데이터의 계산된 값을 계산하는 단계는, 미리 결정된 셀들(cells)의 수를 갖고, 제1 임계값(first threshold)보다 큰 평균 RSRP를 갖는 기지국에 대응하는 실외 기지국(outdoor base station)을 가진 그리드 MR 데이터를 기지국 타입으로 선택하는 단계; 그리드 MR 데이터를 대응하는 셀에 할당하기 위해 기지국의 방향각 데이터 및 기지국 식별에 따라 그리드 MR 데이터를 그룹핑(grouping)하는 단계; 비정상 그리드 MR 데이터(abnormal grid MR data)를 제거(remove)하기 위해 각 셀의 그리드 MR 데이터에서 아웃라이어(outlier) 탐지(detection)를 수행하는 단계; 나머지 그리드 MR 데이터의 그리드 경도 및 위도에 따라 각 기지국의 각 셀의 평균 경도 및 위도를 계산하는 단계; 및 각 기지국의 각 셀의 평균 경도 및 위도에 따라 기지국의 평균 경도 및 위도를 계산하는 단계를 포함하고, 기지국의 평균 경도 및 위도는 기지국의 경도 및 위도 데이터의 계산된 값이다.
여기서, 제1 임계값은 실제 필요(needs)에 따라 결정될 수 있다. 예를 들어, 제1 임계값 범위는 -110dB(데시벨(decibel))에서 -100dB이다. 예를 들어, 제1 임계값은 -102dB이다. 물론, 당업자는 본 개시의 제1 임계값의 범위가 이에 한정되지 않음을 이해할 수 있다.
단계(S106)에서, 기지국의 경도 및 위도 데이터의 계산된 값은 부하 예측 모델(load prediction model)에 입력될 기지국의 엔지니어링 파라미터 데이터를 선택하기 위해 엔지니어링 파라미터 데이터의 기지국의 경도 및 위도 데이터와 비교된다.
일부 실시예들에서, 단계(S106)는 거리 계산 방법(distance calculation method)에 따라 기지국의 경도 및 위도의 계산된 값과 엔지니어링 파라미터 데이터의 기지국의 경도 및 위도 데이터 사이의 거리 관계 값(distance relationship value)을 계산하는 단계; 및 부하 예측 모델에 입력될 기지국의 엔지니어링 파라미터 데이터로써 제2 임계값(second threshold) 미만인 거리 관계 값을 갖는 기지국의 엔지니어링 파라미터 데이터를 선택하는 단계를 포함한다.
여기서, 제2 임계값은 실제 필요에따라 결정될 수 있다. 예를 들어, 제2 임계값의 범위는 800 미터에서 1000 미터이다. 물론, 당업자는 본 개시의 제2 임계값의 범위가 이에 한정되지 않음은 이해할 수 있다.
단계(S108)에서, 선택된 기지국의 엔지니어링 파라미터 데이터는 부하 예측 모델의 트레이닝(training) 및 예측(prediction)을 수행(perform)하기 위해 부하 예측 모델에 입력된다.
일부 실시예들에서, 단계(S108)는, 선택된 기지국의 엔지니어링 파라미터 데이터에서 아웃라이어 제거(outlier removal)를 수행하는 단계; 밀도 클러스터링 알고리즘(density clustering algorithm)에 의해 엔지니어링 파라미터 데이터의 기지국의 경도 및 위도 데이터에 의해 표현되는 예측 포인트들(prediction points)을 클러스터링(clustering)하고, 부하 예측 모델을 트레이닝하기 위해 특징들(features)을 구성(construct)하고, 및 예측 포인트들 간의 클러스터링 관계(clustering relationship)를 표현하기 위해 예측 포인트들 간의 밀도 관계(density relationship)를 마이닝(mining)하는 단계; 및 예측 포인트들을 클러스터링 및 특징들을 구성한 후, 선택된 기지국의 엔지니어링 파라미터 데이터, 특징들 및 대응하는 성능 지표 데이터(performance index data)를 이용해 머신 러닝 알고리즘(machine learning algorithm)에 기초하는 모델 트레이닝을 수행하고, 모델 정확도 평가(model accuracy evaluation)를 수행하는 단계를 포함한다.
단계(S110)에서, 부하 예측 모델(load prediction model)의 예측 결과에 따라 대응하는 파워-세이빙 턴-오프 전략이 발행(issue)된다.
지금까지, 본 개시의 일부 실시예들에 따른 기지국의 에너지를 절약하는 처리 방법이 제공된다. 처리 방법은, 기지국의 측정 리포트(MR) 데이터 및 엔지니어링 파라미터 데이터를 획득하는 단계, 여기서 엔지니어링 파라미터 데이터는 측정에 의해 획득된 기지국의 경도 및 위도 데이터를 포함함 , 여기서 MR 데이터는 사용자 단말에 의해 보고된 사용자 단말의 경도 및 위도 데이터를 포함함; 그리드 MR 데이터를 획득하기 위해 MR 데이터를 그리딩하고, MR 데이터에 따라 기지국의 경도 및 위도 데이터의 계산된 값을 계산하는 단계, 여기서 그리드 MR 데이터는 그리드 경도 및 그리드 위도를 포함함; 부하 예측 모델에 입력될 기지국의 엔지니어링 파라미?? 데이터를 선택하기 위해 기지국의 경도 및 위도 데이터의 계산된 값과 엔지니어링 파라미터 데이터의 기지국의 경도 및 위도 데이터를 비교하는 단계; 부하 예측 모델의 트레이닝 및 예측을 수행하기 위해 선택된 기지국의 엔지니어링 파라미터 데이터를 부하 예측 모델에 입력하는 단계; 및 부하 예측 모델의 예측 결과에 따라 대응하는 파워-세이빙 턴-오프 전략을 발행하는 단계를 포함한다. 방법은 기지국의 경도 및 위도 데이터의 감사(audit)를 구현하여, 모델의 예측 정확도가 향상되고, 에너지 절약의 효과가 최적화될 수 있다.
본 개시의 발명자들은 관련 기술에서 에너지 절약을 달성하기 위하여 부하 예측을 수행하기 위해 AI 기술을 이용하는 방법은 여전히 다음과 같은 기술적 문제가 있음을 더 발견하였다. 이 기술적 문제는 에너지-절약 전략(energy-saving strategy)이 발행될 때, 기존 방식(existing method)에서는 엔지니어링 파라미터 데이터의 방향각의 정확성(correctness)이 고려되지 않았고, 이는 기지국의 에너지 절약의 효과에 영향을 미쳤다.
이러한 관점에서, 본 개시의 실시예들은 엔지니어링 파라미터 데이터의 방향각의 정확성을 향상시킴으로써 기지국의 에너지를 절약하기 위한 처리 방법을 더 제공한다.
본 개시의 일부 실시예들에서, 처리 방법은, 선택된 기지국의 엔지니어링 파라미터 데이터의 방향각 데이터 및 선택된 기지국에 대응하는 그리드 MR 데이터의 그리드 방향각에 따라 공동-커버리지 셀(co-coverage cell)을 결정하기 위해 기지국의 엔지니어링 파라미터 데이터를 선택하는 단계; 및 공동-커버리지 셀을 결정하기 위해 기지국의 엔지니어링 파라미터 데이터에 따라 공동-커버리지 셀을 획득하는 단계를 더 포함한다. 대응하는 파워-세이빙 턴-오프 전략을 발행하는 단계는, 부하 예측 모델의 예측 결과 및 획득된 공동-커버리지 셀에 따라 대응하는 파워-세이빙 턴-오프 전략을 발행하는 단계를 포함한다. 이와 같이, 기지국의 방향각 데이터가 감사(audit)됨으로써, 셀 공동-커버리지 분석(cell co-coverage analysis)의 정확도가 향상되고 에너지 절약의 효과가 최적화될 수 있다.
도 2는 본 개시의 다른 실시예들에 따라 기지국의 에너지를 절약하기 위한 처리 방법을 도시하는 플로우차트이다. 도 2에서 도시되듯이, 처리 방법은 단계(S202) 내지 단계(S214)를 포함한다.
단계(S202)에서, 기지국의 엔지니어링 파라미터 데이터 및 MR 데이터가 획득된다.
일부 실시예들에서, 엔지니어링 파라미터 데이터는 측정에 의해 획득되는 기지국의 방향각 데이터 및 경도 및 위도 데이터를 포함한다. MR 데이터는 사용자 단말의 경도 및 위도 데이터와 사용자 단말에 의해 보고된 유저 터미널의 방향각 데이터를 포함한다.
단계(S204)에서, MR 데이터는 그리드 MR 데이터를 획득하기 위해 그리딩(grid)될 수 있고, 기지국의 경도 및 위도 데이터의 계산된 값은 그리드 MR 데이터에 따라 계산되고, 여기서 그리드 MR 데이터는 그리드 경도 및 위도 데이터를 포함한다.
일부 실시예들에서, 그리드 MR 데이터는 기지국 타입(base station type), 평균 RSRP(average RSRP), 기지국 식별(base station identification), 그리드 방향각 및 그리드 내 MR의 수를 포함한다.
단계(S206)에서, 기지국의 경도 및 위도의 계산된 값은 부하 예측 모델에 입력될 기지국의 엔지니어링 파라미터 데이터를 선택하기 위해 엔지니어링 파라미터 데이터의 기지국의 경도 및 위도 데이터와 비교된다.
단계(S208)에서, 선택된 기지국의 엔지니어링 파라미터 데이터는 부하 예측 모델의 트레이닝 및 예측을 수행하기 위해 부하 예측 모델에 입력된다.
단계(S210)에서, 선택된 기지국의 엔지니어링 파라미터 데이터의 방향각 데이터 및 선택된 기지국에 대응하는 그리드 MR 데이터의 그리드 방향각에 따라 공동-커버리지 셀(co-coverage cell)을 결정하기 위해 기지국의 엔지니어링 파라미터 데이터가 선택된다.
일부 실시예들에서, 단계(S210)는 기지국 식별 및 기지국의 방향각 데이터(예를 들어, 엔지니어링 파라미터 데이터의 기지국의 방향각 데이터)에 따라 선택된 기지국의 그리드 MR 데이터를 그룹핑하고, 각 그룹의 MR의 수의 합에 대한 각 그룹의 각 그리드 내 MR의 수의 비율을 계산하고, 제5 임계값(fifth threshold) 미만인 비율을 갖는 그리드 MR 데이터를 제거하는 단계; 기지국 식별에 따라 나머지 그리드 MR 데이터를 다시 그룹핑하고, 다시 그룹핑한 후에 가우시안 커널 밀도 함수(gaussian kernel density function)를 이용하여 각 그룹의 그리드 MR 데이터에서 셀 분류(cell classification)를 수행하는 단계; 셀 분류에 의해 획득된 각 셀의 각 그리드 MR 데이터의 그리드 경도 및 위도를 이용하여 각 그리드의 방향각 데이터를 계산하는 단계; 각 셀의 각 그리드의 방향각 데이터에 따라 각 셀의 방향각 데이터의 평균값(average value)을 계산하는 단계, 여기서 각 셀의 방향각 데이터의 평균값은 각 셀의 방향각으로 사용됨; 기지국의 각 셀의 방향각과 엔지니어링 파라미터 데이터의 기지국의 방향각 데이터 간의 차이를 계산하고, 차이의 평균값을 계산하는 단계; 제6 임계값(sixth threshold) 미만인 차이의 평균값을 갖는 기지국의 엔지니어링 파라미터 데이터를 공동-커버리지 셀을 결정하기 위한 기지국의 엔지니어링 파라미터 데이터로 만드는 단계를 포함한다. 예를 들어, 제6 임계값 범위는 30° 에서 60° 이다. 물론, 당업자는 제6 임계값은 실제 조건들(actual conditions)에 따라 설정(set)되고, 본 개시에서 제6 임계값의 범위는 이에 한정되지 않음을 이해할 수 있다.
단계(S212)에서, 공동-커버리지 셀은 공동- 커버리지 셀을 결정(determine)하기 위한 기지국의 엔지니어링 파라미터 데이터에 따라 획득(obtain)될 수 있다.
일부 실시예들에서, 기지국의 엔지니어링 파라미터 데이터는 기지국의 주파수 대역(frequency band)을 더 포함한다.
일부 실시예들에서, 단계(S212)는 2개의 주파수 대역들에 대응하는 2개의 셀들을 각각 획득하기 위해 주파수 대역에 따라 복수의 셀들을 2개씩 결합(combine)하는 단계; 2개의 셀들에 대응하는 공동-커버리지 셀(co-coverage cell)을 결정하기 위해 기지국의 엔지니어링 파라미터 데이터에서 기지국의 2개의 경도 및 위도 데이터에 따라 2개의 셀들 간의 거리를 계산하고, 2개의 셀들에 대응하는 공동-커버리지 셀을 결정하기 위해 기지국의 엔지니어링 파라미터 데이터에서 기지국의 2개의 방향각 데이터의 차이를 계산하는 단계; 및 2개의 셀들 간의 거리(distance)가 제7 임계값(seventh threshold) 미만이고, 2개의 방향각 데이터의 차이(difference)가 제8 임계값(eighth threshold) 미만인 경우, 2개의 셀들을 공동-커버리지 셀로 결정하는 단계를 포함한다.
단계(S214)에서, 부하 예측 모델의 예측 결과(prediction result) 및 획득된 공동-커버리지 셀에 따라 대응하는 파워-세이빙 턴-오프 전략이 발행(issue)된다.
지금까지, 본 개시의 일부 실시예들에 따른 기지국의 에너지를 절약하기 위한 처리 방법이 제공된다. 이와 같이, 기지국의 경도 및 위도 데이터 및 기지국의 방향각 데이터의 감사(audit)가 구현됨으로써 모델의 예측의 정확성 및 셀 커버리지 분석(cell coverage analysis)의 정확성은 향상될 수 있고, 에너지 절약의 효과가 최적화(optimize)될 수 있다.
일부 실시예들에서, 처리 방법은 사용자 인식 지수(user perception index)를 최적화 타겟(optimization target)으로 하여 부하 예측 모델의 예측 결과 및 파워-세이빙 턴-오프 전략을 반복(iterate)하는 단계를 더 포함한다. 이러한 방식으로, 파워-세이빙 턴-오프 전략의 최적화가 구현되고, 에너지 절약의 효과가 향상된다.
도 3은 본 개시의 다양한 실시예들에 따른 기지국의 에너지를 절약하는 방법을 위한 처리 방법을 도시하는 플로우차트이다.
첫째로, 도 3에 도시되듯이, 데이터가 입력된다. 예를 들어, 데이터는 네트워크 관리(network management)에 의해 획득되는 기지국의 엔지니어링 파라미터 데이터, MR 데이터, 라디오 부하 타입 데이터(radio load type data), 라디오 감지 타입 데이터(radio sense type data) 등을 포함한다.
일부 실시예들에서, 기지국의 엔지니어링 파라미터 데이터는 기지국 식별(base station identification)(예를 들어, 기지국 ID(base station ID)), 셀 식별(cell identification)(예를 들어, 셀 ID(cell ID)), 기지국의 이름, 경도(longitude), 위도(latitude), 다른 셀들의 방향각들 등을 포함한다. 각 기지국은 복수의(예를 들어, 3개) 방향각들에 대응할 수 있고, 각 방향각은 하나의 셀(섹터(sector)라고도 함)에 대응한다는 것에 유의해야한다.
일부 실시예들에서, 라디오 감지 타입 데이터는, 업링크 PRB 이용 비율(uplink physical resource block utilization ratio)(uplink PRB), 다운 링크 PRB 이용 비율(downlink PRB utilizatioin ratio), 평균 RRC 연결 수(average radio resource control connection number)(average RRC connection number), 사용자 평균 ERAB 수(user average evolved radio access bearer number)(user average ERAB number), 동일-주파수 스위칭 성공의 횟수(times of successful same-frequency switching), 교차-주파수 스위칭 성공의 횟수(times of successful cross-frequency switching), CQI-4 비율(channel quality indication-4 ratio)(CQI-4 ratio), CQI-6 비율(CQI-6 ratio), PDCP 레이어 업링크 흐름(packaet data convergence protocol layer uplink flow)(PDCP layer uplink flow) 및 PDCP 레이어 다운링크 흐름(PDCP layer down link flow) 등을 포함한다.
일부 실시예들에서, 라디오 감지 타입 데이터는, RRC 확립 성공률(RRC establishment success rate), RRC 재구성 비율(RRC reconstruction ratio), E-RAB 드롭률(E-RAB drop rate), CQI 품질 비율(CQI quality ratio), 사용자 다운링크 감지률(user downlink sense rate), 인트라-시스템 스위칭 성공률(intra-system switching success rate) e등을 포함한다.
일부 실시예들에서, 기지국의 엔지니어링 파라미터 데이터, 라디오 감자 타입 데이터 및 사용자 인식 타입 데이터(user perception type data)는 네트워크 관리 데이터 베이스(network management database)로부터 추출될 수 있고, 사용자 단말로부터 보고된 경도 및 위도를 포함하는 MR 데이터는 OMC(operation and maintenance center)의 노스바운드 파일 인터페이스(northbound file interface)로부터 회득 될 수 있다. 예를 들어, MR 데이터는 MRO_MDT(maintenance, repair & operations; minimization drive test) 데이터이다.
다음, 도 3에서 도시된 바와 같이, 엔지니어링 파라미터 데이터의 기지국의 방향각 및 경도와 위도는 MR 데이터에 기초하여 각각 감사(audit)될 수 있다.
예를 들어, 데이터 마이닝 분석(data mining analysis)이 기지국의 경도 및 위도를 감사(audit)하기 위해 MR 데이터에 기초하여 수행된다. 그리드된 MR 데이터를 처리하고, 아웃라이어 탐지 알고리즘 LOF(outlier detection algorithm local outlier factor)(outlier detection algorithm LOF)를 이용하여 아웃라이어(outlier) 차단(screening)이 수행되고, 그 다음 질량 중심(center of mass)의 계산 방법에 따라 기지국의 경도 및 위도가 수렴(coverage)되고, 기지국의 정확한(correct) 경도 및 위도를 갖는 기지국의 엔지니어링 파라미터 데이터를 선택하기 위해 수렴된 기지국의 경도 및 위도가 엔지니어링 파라미터 데이터의 경도 및 위도와 비교되고, 선택된 기지국의 엔지니어링 파라미터 데이터는 부하 예측 모델의 입력으로 사용된다.
다른 예시에서, 엔지니어링 파라미터의 방향각은 MR 데이터에 기초한 데이터 마이닝 분석 알고리즘(data mining analysis algorithm)을 이용하여 감사(audit)된다. 기지국 아래의 MR 데이터의 엣지 그리드(edge grid)가 제거되고, 가우시안 커널 밀도 함수(gaussian kernel density function)을 이용하여 그리드된 MR 데이터에 대해 셀 분류(cell classification)가 수행되고, 방향각 계산 공식(direction angle calculation formula)을 이용하여 각 셀의 방향각이 계산되고, 각 셀의 방향각은 방향각에 문제가 없는 기지국을 선택하기 위해 엔지니어링 파라미터 데이터의 기지국의 방향각과 비교되고, 선택된 기지국의 엔지니어링 파라미터 데이터는 셀 공동-커버리지(cell co-coverage)를 결정하기 위한 입력으로 제공된다.
다음으로, 도 3에서 도시되듯이, 정확한 경도 및 위도를 갖는 기지국의 엔지니어링 파라미터 데이터 및 그들의 인덱스 데이터(index data)가 모델의 트레이닝, 예측 및 평가를 위한 모델의 입력으로 선택된다.
예를 들어, 엔지니어링 데이터의 기지국 식별자(base station identifier)는 홀수 기지국들을 제거하도록 처리될 수 있고, 다운링크 PRB의 평균 이용률(average utilization rate of downlink PRB)의 비정상 값이 처리될 수 있다. 그 후, 그것들 모두 결합된다.
그 다음에, 엔지니어링 파라미터 데이터의 기지국의 경도 및 위도 데이터에 의해 나타나는 예측 포인트들(prediction points)은 밀도 클러스터링 DBSCAN(density clustering density-based spatial clustering of applications with noise)(density clustering DBSCAN)을 이용하여 클러스터링(clustered)되고, 예측 포인트들 사이의 밀도 관계(density relationship)는 예측 포인트들 사이의 클러스터링 관계(clustering relationship)를 나타내기 위해 마이닝(mine)된다.
예측 포인트들을 클러스터링한 후, 모델은 모델의 정확성을 평가하기 위해 계산된 머신 러닝 알고리즘(machine learning algorithm), 정확도 비율(accuracy ratio), 리콜 비율(recall ratio), 평균 제곱근 오차(root mean squared error)(짧게 RMSE라고 함) 및 대칭 평균 절대 백분율 오차(symmetry mean absolute percentage error)(짧게 SMAPE라고 함)에 기초하여 트레이닝(train)된다.
다음으로, 도 3에서 도시되듯이, 기지국의 정확한 경도 및 위도를 갖는 기지국들 중에서, 엔지니어링 파라미터의 정확한 방향각을 갖는 기지국은 공동-커버리지 셀을 획득하기 위해 공동-커버리지 결정(co-coverage determination)을 위해 선택될 수 있다.
예를 들어, 기지국 ID(base station ID), 셀 ID(cell ID), 경도 및 위도, 방향각, 주파수 포인트(frequency point)(또는 주파수 대역(frequency band)) 등을 포함하는 기지국의 요구 엔지니어링 파라미터 데이터(required engineering parameter data)를 준비하는 것이 가능할 수 있다. 데이터는 주파수 대역에 따라 분리(split)되고, 관련된(related) 경도 및 위도는 방향각과 상관(correlate)된다. 주파수 대역은 다음의 조건들(conditions)에 기초하여 공동-커버리지가 있는지 여부를 결정하기 위해 2개씩(two-by-two) 결합(conine)된다. 두개의 셀들의 경도 및 위도 사이의 거리가 제7 임계값(seventh threshold) 미만이고, 두개의 셀들의 방향각들 사이의 차이가 제8 임계값(eighth threshold)(제8 임계값은 기존 네트워크(existing network)의 실제 조건들에 따라 설정될 수 있음) 미만이면, 두개의 셀들은 공동-커버리지 셀이 되도록 결정되고; 그렇지 않으면, 두개의 셀들은 공동-커버리지 셀이 아니다.
일부 실시예들에서, 제7 임계값의 범위는 50미터에서 100미터이다. 물론, 당업자는 제7 임계값은 기존 네트워크의 실제 조건들에 따라 설정되고, 본 개시에서 제7 임계값의 범위는 이에 제한되지 않음을 이해할 수 있다.
일부 실시예들에서, 제8 임계값의 범위는 20° 에서 30° 이다. 물론, 당업자는 제8 임계값은 기존 네트워크의 실제 조건들에 따라 설정되고, 본 개시에서 제8 임계값의 범위는 이에 제한되지 않음을 이해할 수 있다.
두개의 셀들이 공동-커버리지 셀이라고 결정됨으로써, 셀들에서 사용자들의 통신(communication)에 영향을 미치지 않고 기지국의 전력 소비(power consumption)를 절약하는 파워-세이빙 턴-오프 전략이 두개의 셀들 중 하나에서 수행될 수 있다.
다음으로, 도 3에서 도시되듯이, 부하 예측 모델(load prediction model) 및 공동-커버리지 분석 결과(co-coverage analysis result)가 결합되며, 대응하는 파워-세이빙 턴 오프 전략이 발행된다.
다음으로, 도 3에서 도시되듯이, 사용자 인식 지수(user perception index)를 최적화 타겟(optimization target)로 하여, 부하 예측 모델의 예측 결과와 파워-세이빙 턴-오프 전략이 반복(iterate)된다. 이러한 방식에서, 사용자 경험(user experience)을 보장(ensure)하면서 전력이 보전된다. 여기서, 사용자 인식 지수는 알려진 기술들을 이용하여 획득될 수 있다.
이상에서, 본 개시의 다른 실시예들에 따른 기지국의 에너지를 절약하는 처리 방법이 제공된다. 방법에서, 기지국의 방향각 및 경도와 위도는, 기지국의 전력 절약에서 부하 예측의 정확성 및 파워-세이빙 전략(power-saving strategy) 발행을 향상시키기 위해, MR 데이터에 기초한 데이터 마이닝 분석 기술(data mining analysis technique)을 이용하여 개별적으로 감사(audit)된다. 본 개시에 따른 방법에서, 기지국의 방향각 및 경도와 위도는, 관련 기술의 통계적인 방법과 비교하여 더 지적(intelligent)이고, 유연(flexible)하고 프로세스(process)가 간단한 데이터 마이닝 분석 기술을 이용하여 감사(audit)될 수 있다. 게다가, 상술된 방법은 사용자 단말의 향상 없이 기존의 데이터 세트 인터페이스(existing data set interface)의 사용을 만듦으로써 쉽게 대중화(popularize)되고 구현(realize)될 수 있다.
도 4는 본 개시의 일부 실시예들에 따른 기지국의 엔지니어링 파라미터의 경도 및 위도를 감사(audit)하기 위한 방법을 도시한 플로우차트이다. 도 4에서 보여지듯이, 방법은 단계(S402) 내지 단계(S414)를 포함한다.
일부 실시예들에서, 단계(S402)전에 MR 데이터는 그리드 MR 데이터를 획득하기 위해 그리딩된다.
일부 실시예들에서, MR 데이터가 그리딩된 후, 엔지니어링 파라미터 데이터는 그리드 MR 데이터와 더 연관될 수 있고, 따라서, 기지국의 경도 및 위도의 필드들(fields)과 기지국의 방향각을 추가할 수 있다. 물론, 당업자는 기지국의 경도 및 위도의 필드들과 기지국의 방향각이 그리드 MR 데이터에 추가되지 않을 수 있음을 이해할 수 있다.
예를 들어, 그리드 MR 데이터의 필드들은 다음의 표 1에서 도시된다.
여기서, ECI는 기지국 셀 식별(base station cell identification)이다.
단계(S402)에서, 미리 결정된 셀들의 수(예를 들어, 3)를 갖고, 제1 임계값(first threshold)보다 큰 평균 RSRP를 갖는 기지국에 대응하는 실외 기지국(outdoor base station)을 기지국 타입으로 갖는 그리드 MR 데이터가 선택된다.
일부 실시예들에서, 선택된 필드들은 기지국 ID, 방향각, 그리드 내 MR들의 수, 그리드 경도 및 위도 등을 포함한다.
단계(S404)에서, 그리드 MR 데이터는 대응하는 셀에 그리드 MR 데이터를 할당(allocate)하기 위해 기지국 식별 및 기지국의 방향각 데이터에 따라 그룹핑(group)된다.
단계(S406)에서, 각 셀의 그리드 MR 데이터에서 비정상 그리드 MR 데이터(abnormal grid data)를 제거하기 위해 아웃라이어(outlier) 탐지(detection)가 수행된다.
예를 들어, 머신 러닝에서 비지도 학습의 아웃라이어 탐지 LOF 알고리즘(outlier detection LOF algorithm)을 이용하여 각 셀의 노이즈 그리드(noise grid)는 각각 클린(clean)되고 폐기(discard)된다.
일부 실시예들에서, 단계(S406)는, 임계점(critical point) K 값을 K= [제3 임계값(third threshold)] * [각 셀의 그리드 내 MR의 수의 합]으로 세팅(setting)하는 단계, 여기서 제3 임계값은 퍼센티지(percentage)이고; 임계점 K 값을 이용하여 각 셀의 각 그리드 MR 데이터의 로컬 아웃라이어 팩터(local outlier factor)(LOF) 값을 계산하는 단계; 및 제 4 임계값(fourth threshold)을 초과하는 LOF 값을 갖는 그리드 MR 데이터를 제거하는 단계를 포함한다.
예를 들어, 제3 임계값의 범위는 90% 부터 97% 이다. 예를 들어, 제3 임계값은 95%이다. 물론, 당업자는 본 개시의 제3 임계값은 실제 필요에 따라 조정될 수 있고 상술된 범위에 한정되지 않음을 이해할 수 있다.
각 그룹의 각 그리드의 LOF 값은 알려진 계산 방법 및 K 값을 이용하여 계산될 수 있다. 여기서, 제4 임계값(fourth threshold)보다 큰 LOF 값을 갖는 그리드는 비정 상 그리드(abnormal grid)이므로 비정상 그리드(예를 들어, 도 5에 도시된 아웃라이어)를 제거한다.
예를 들어, 제4 임계값의 범위는 0.1 부터 1이다. 예를 들어, 제4 임계값은 0.5 이다. 물론, 당업자는 본 개시의 제4 임계값은 실제 필요에 따라 조정될 수 있고, 상술된 범위에 한정되지 않음을 이해할 수 있다.
단계(S408)에서, 각 기지국의 각 셀의 평균 경도 및 위도는 나머지 그리드 MR 데이터(remaining grid MR data)의 그리드 경도 및 위도에 따라 계산된다.
예를 들어, 비정상 그리드 MR 데이터를 제거한 후에, 그리드 경도 및 위도의 평균값이 각 셀의 나머지 그리드 MR 데이터의 그리드 경도 및 위도에 따라 계산될 수 있고, 여기서 그리드 경도 및 위도의 평균값(average value)은 각 셀의 평균 경도 및 위도이다.
단계(S410)에서, 기지국의 평균 경도 및 위도는 각 기지국의 각 셀의 평균 경도 및 위도에 따라 계산되고, 여기서 기지국의 평균 경도 및 위도는 기지국의 경도 및 위도 데이터의 계산된 값(calculated value)이다.
예를 들어, 기지국의 평균(average) 경도 및 위도(질량 중심(center of mass)라고 함)의 계산 공식(calculation formula)은, 이고, 여기서 x는 기지국의 평군 경도를 나타내고, xi는 기지국의 각 셀의 평균 경도를 나타내고, y는 기지국의 평균 위도를 나타내고, yi는 기지국의 각 셀의 평균 위도를 나타내고, N은 기지국의 셀들의 수를 나타낸다.
단계(S412)에서, 기지국의 경도 및 위도의 계산된 값과 엔지니어링 파라미터 데이터의 기지국의 경도 및 위도 데이터 사이의 거리 관계 값(distance relationship value)은 거리 계산 방법(distance calculation method)에 따라 계산된다.
예를 들어, 기지국의 경도 및 위도의 계산된 값(Lat 1, Lng 1)과 엔지니어링 파라미터 데이터의 기지국의 경도 및 위도 데이터(Lat 2, Lng 2) 사이의 거리 관계 값 L은, 이고, 여기서 R은 지구의 반지름(radius)(6378 킬로미터의 값을 가질 수 있음), Lat 1 과 Lat 2 각각은 위도들이고, Lng 1 및 Lng 2는 각각 경도들이다.
단계(S414)에서, 제2 임계값(second threshold) 미만의 거리 관계 값을 갖는 기지국의 엔지니어링 파라미터 데이터가 부하 예측 모델에 입력될 기지국의 엔지니어링 파라미터 데이터로 선택된다.
지금까지, 본 개시의 일부 실시예들에 따라 기지국의 엔지니어링 파라미터의 경도 및 위도를 감사(audit)하는 방법이 제공된다. 기지국의 경도 및 위도 데이터를 감사(audit)함으로써, 모델의 예측의 정확도가 향상되고 에너지 절약의 효과가 최적화된다.
도 6은 본 개시의 일부 실시예들에 따른 기지국의 엔지니어링 파라미터의 방향각을 감사(audit)하는 방법을 도시한 플로우차트이다. 도 6에 도시되듯이, 방법은 단계(S602) 내지 단계(S612)를 포함한다.
단계(S602)에서, 선택된 기지국의 그리드 MR 데이터는 기지국 식별 및 기지국의 방향각 데이터에 따라 그룹핑(group)되고, 각 그룹의 MR의 수의 합에 대한 각 그룹의 각 그리드 내 MR의 수의 비율이 계산되고, 제5 임계값(fifth threshold) 미만의 비율을 갖는 그리드 MR 데이터가 제거된다. 예를 들어, 제5 임계값의 범위는 0 < 제5 임계값 ≤ 0.1 이다. 물론, 당업자는 제5 임계값은 실제 조건들에 따라 설정되고, 본 개시의 제5 임계값의 범위는 이에 한정되지 않음을 이해할 수 있다.
즉, 제2 임계값을 만족하는 기지국들의 그리드 MR 데이터에 대해 방향각이 감사(audit)되고, 기지국 식별 및 기지국의 방향각 데이터에 따라 그룹핑이 수행되고, 각 그룹의 MR의 수의 합 SUM(Grid_count) 에 대한 각 그룹의 각 그리드 내 MR의 수 Grid_count의 비율 rate 는 로 계산된다.
제5 임계값 미만의 비를 갖는 그리드 MR 데이터는 제거되고, 즉, 엣지 그리드(edge grid)는 제거된다. 이러한 방식에서, 과도하게 이산된 그리드(discrete grid)들에 의해 유발된 오차(error)는 감소될 수 있고, 방향각의 감사(audit)의 정확도는 향상될 수 있다.
단계(S604)에서, 나머지 그리드 MR 데이터는 기지국 식별에 따라 다시 그룹핑되고, 가우시안 커널 밀도 함수(gaussian kernel density function)를 이용하여 다시 그룹핑한 후에 각 그룹의 그리드 MR 데이터에 대해 셀 분류가 수행된다.
즉, 단계(S604)에서, 기지국의 정확한 경도 및 위도를 갖는 그리드 MR 데이터가 기지국 ID에 따라 그룹핑된 후에, 가우시안 커널 밀도 함수 fn은
로 재활용(recycle) 되고. 여기서 σ는 함수의 너비 파라미터(width parameter)이고, x는 분류될 그리드의 경도 및 위도이고, y는 중심점(center point)(즉, 기지국의 경도 및 위도)이다. 획득된 새로운 특징들(fetures)에 의해 구성된 목적 함수(objective function) 에서, 카테고리(category)는 로 결정되고, 여기서 θ는 각 커널 함수(kernel function)의 계수(coefficient)이고, fn 은 각 그리드에서 계산된 커널 함수 값(kernel function value)이다.
그리드 x에 대해, 새로운 특징 f 가 계산된다. 일 때, x는 셀 1에 속하는 것으로 결정된다. 일 때, x는 셀 2에 속하고 나머지 x는 셀 3에 속하는 것으로 결정된다.
단계(S606)에서, 각 그리드의 방향각 데이터는 셀 분류에 의해 획득된 각 셀의 각 그리드 MR 데이터의 그리드 경도 및 위도를 이용하여 계산된다.
그리드 분류(grid classification)이 완료된 후, 그리드 경도 및 위도를 이용하여 각 셀 내 그리드에 대한 방향각이 계산된다. 방향각 Direction의 계산 공식(calculation formula)은, 이고, 여기서 Lng 1은 셀 내 하나의 그리드의 경도이고, Lat 1은 셀 내 하나의 그리드의 경도이고, Lng 2는 셀 내 다른 그리드의 경도이고, 는 북쪽(north)을 향하는 방향에서 두개의 경도들과 위도들의 거리이고, 는 동쪽을 향하는 방향에서 두개의 경도들과 위도들의 거리이다.
단계(S608)에서, 각 셀의 방향각 데이터의 평균 값은 각 셀의 각 그리드의 방향각에 따라 계산되고, 여기서 각 셀의 방향각 데이터의 평균값은 각 셀의 방향각으로 이용된다.
단계(S610)에서, 기지국의 각 셀의 방향각과 엔지니어링 파라미터 데이터의 기지국의 방향각 데이터 사이의 차이(difference)가 계산되고, 차이의 평균값이 계산된다.
단계(S612)에서, 제6 임계값 미만인 차이의 평균값을 갖는 기지국의 엔지니어링 파라미터 데이터를 공동-커버리지 셀을 결정하기 위한 기지국의 엔지니어링 파라미터 데이터로 한다.
예를 들어, 차이의 평균값이 제6 임계값 이상인 경우, 기지국이 방향각의 비정상 연결을 갖는 것으로 결정된다. 그리고, 차이의 평균값이 제6 임계값 미만인 경우, 이 기지국은 전력 절약 하에서 공동-커버리지 결정을 위한 입력으로 사용(serve)된다.
지금까지, 본 개시의 일부 실시예들에 따른 기지국의 엔지니어링 파라미터의 방향각을 감사(audit)하는 방법이 제공된다. 기지국의 방향각 데이터를 감사(audit)함으로써, 셀 공동-커버리지 분석(cell co-coverage analysis)의 정확도가 향상될 수 있고, 에너지 절약의 효과가 최적화될 수 있다.
도 7은 본 개시의 일부 실시예에 따라 기지국의 에너지를 절약하는 처리 장치(processing device)를 도시하는 개략적인 구조도이다. 도 7에서 도시되듯이, 처리 장치는 획득 유닛(obtaining unit)(702), 데이터 처리 유닛(data processing unit)(704), 파라미터 선택 유닛(parameter selecting unit)(706), 트레이닝 예측 유닛(training prediction unit)(708) 및 전략 발행 유닛(strategy issuing unit)(710)을 포함한다.
획득 유닛(702)은 기지국의 엔지니어링 파라미터 데이터 및 측정 리포트(measurement report)(MR) 데이터를 획득하도록 구성된다. 엔지니어링 파라미터 데이터는 측정에 의해 획득된 기지국의 경도 및 위도 데이터를 포함한다. MR 데이터는 사용자 단말에 의해 보고된 사용자 단말의 경도 및 위도 데이터를 포함한다.
데이터 처리 유닛(704)은 그리드 MR 데이터를 획득하기 위해 MR 데이터를 그리드(grid)하고, 그리드 MR 데이터에 따라 기지국의 경도 및 위도 데이터의 계산된 값을 계산하도록 구성된다. 그리드 MR 데이터는 그리드 경도 및 위도를 포함한다.
파라미터 선택 유닛(706)은 부하 예측 모델에 입력된 기지국의 엔지니어링 파라미터 데이터를 선택하기 위해 기지국의 경도 및 위도 데이터의 계산된 값과 엔지니어링 파라미터 데이터의 기지국의 경도 및 위도 데이터를 비교하도록 구성된다.
트레이닝 예측 유닛(708)은 부하 예측 모델의 트레이닝 및 예측을 수행하기 위해 선택된 기지국의 엔지니어링 파라미터 데이터를 부하 예측 모델에 입력하도록 구성된다.
전략 발행 유닛(710)은 부하 예측 모델의 예측 결과에 따라 대응하는 파워-세이빙 턴-오프 전략을 발행하도록 구성된다.
지금까지, 본 개시의 일부 실시예들에 따른 기지국의 에너지를 절약하기 위한 처리 장치가 제공된다. 기지국의 경도 및 위도 데이터를 감사(audit)함으로써 모델의 예측의 정확도가 향상될 수 있고, 에너지 절약의 효과가 최적화될 수 있다.
일부 실시예들에서, 엔지니어링 파라미터 데이터는 측정에 의해 획득된 기지국의 방향각 데이터를 더 포함하고, MR 데이터는 사용자 단말에 의해 보고된 사용자 단말의 방향각 데이터를 더 포함하고, 그리드 MR 데이터는 그리드 방향각을 더 포함한다.
일부 실시예들에서, 파라미터 선택 유닛(706)은 선택된 기지국의 엔지니어링 파라미터 데이터의 방향각 데이터 및 선택된 기지국에 대응하는 그리드 MR 데이터의 그리드 방향각에 따라 공동-커버리지 셀(co-coverage cell)을 결정하기 위해 기지국의 엔지니어링 파라미터 데이터를 선택하도록 더 구성된다. 획득 유닛(702)은 공동-커버리지 셀을 결정하기 위해 기지국의 엔지니어링 파라미터 데이터에 따라 공동-커버리지 셀을 획득하도록 더 구성된다. 전략 발행 유닛(710)은, 부하 예측 모델의 예측 결과 및 획득된 공동-커버리지 셀에 따라 대응하는 파워-세이빙 턴-오프 전략을 발행하도록 구성된다.
일부 실시예들에서, 그리드 MR 데이터는 기지국 타입, 평균 참조 신호 수신 전력(average reference signal receiving power)(average RSRP), 기지국 식별, 그리드 방향각 및 그리드 내 MR 의 수를 더 포함한다.
일부 실시예들에서, 데이터 처리 유닛(704)은 미리 결정된 셀들의 수를 갖고, 제1 임계값(first threshold)보다 큰 평균 RSRP를 갖는 기지국에 대응하는 실외 기지국(outdoor base station)을 가진 그리드 MR 데이터를 기지국 타입으로 선택하고, 그리드 MR 데이터를 대응하는 셀에 할당하기 위해 기지국의 기지국 식별 및 방향각 데이터에 따라 그리드 MR 데이터를 그룹핑(group)하고, 비정상 그리드 MR 데이터(abnormal grid MR data)를 제거(remove)하기 위해 각 셀의 그리드 MR 데이터에서 아웃라이어(outlier) 탐지(detection)를 수행하고, 나머지 그리드 MR 데이터의 그리드 경도 및 위도에 따라 각 기지국의 각 셀의 평균 경도 및 위도를 계산하고, 각 기지국의 각 셀의 평균 경도 및 위도에 따라 기지국의 평균 경도 및 위도를 계산하도록 구성되고, 여기서 기지국의 평균 경도 및 위도는 기지국의 경도 및 위도 데이터의 계산된 값이다.
일부 실시예들에서, 파라미터 선택 유닛(706)은 거리 계산 방법(distance calculation method)에 따라 기지국의 경도 및 위도의 계산된 값과 엔지니어링 파라미터 데이터의 기지국의 경도 및 위도 데이터 사이의 거리 관계 값(distance relationship value)을 계산하고, 부하 예측 모델에 입력될 기지국의 엔지니어링 파라미터 데이터로써 제2 임계값(second threshold) 미만인 거리 관계 값을 갖는 기지국의 엔지니어링 파라미터 데이터를 선택하도록 구성된다.
일부 실시예들에서, 데이터 처리 유닛(704)은 임계점(critical point) K 값을 K= [제3 임계값(third threshold)] * [각 셀의 그리드 내 MR의 수의 합]으로 세팅(setting)하고, 여기서 제3 임계값은 퍼센티지(percentage)이고, 임계점 K 값을 이용하여 각 셀의 각 그리드 MR 데이터의 로컬 아웃라이어 팩터(local outlier factor)(LOF) 값을 계산하고, 제4 임계값(fourth threshold)을 초과하는 LOF 값을 갖는 그리드 MR 데이터를 제거하도록 구성된다.
일부 실시예들에서, 파라미터 선택 유닛(706)은 기지국 식별 및 기지국의 방향각 데이터에 따라 선택된 기지국의 그리드 MR 데이터를 그룹핑하고, 각 그룹의 MR의 수의 합에 대한 각 그룹의 각 그리드 내 MR의 수의 비율을 계산하고, 제5 임계값(fifth threshold) 미만인 비율을 갖는 그리드 MR 데이터를 제거하고, 기지국 식별에 따라 나머지 그리드 MR 데이터를 다시 그룹핑하고, 다시 그룹핑한 후에 가우시안 커널 밀도 함수(gaussian kernel density function)를 이용하여 각 그룹의 그리드 MR 데이터에서 셀 분류(cell classification)를 수행하고, 셀 분류에 의해 획득된 각 셀의 각 그리드 MR 데이터의 그리드 경도 및 위도를 이용하여 각 그리드의 방향각 데이터를 계산하고, 각 셀의 각 그리드의 방향각 데이터에 따라 각 셀의 방향각 데이터의 평균값(average value)를 계산하고, 여기서 각 셀의 방향각 데이터의 평균값은 각 셀의 방향각으로 사용되고, 기지국의 각 셀의 방향각과 엔지니어링 파라미터 데이터의 기지국의 방향각 데이터 간의 차이를 계산하고, 차이의 평균값을 계산하고, 제6 임계값(sixth threshold) 미만인 차이의 평균값을 갖는 기지국의 엔지니어링 파라미터 데이터를 공동-커버리지 셀을 결정하기 위한 기지국의 엔지니어링 파라미터 데이터로 만들도록 구성된다.
일부 실시예들에서, 트레이닝 예측 유닛(708)은 선택된 기지국의 엔지니어링 파라미터 데이터에서 아웃라이어 제거(outlier removal)를 수행하고, 밀도 클러스터링 알고리즘(density clustering algorithm)에 의해 엔지니어링 파라미터 데이터의 기지국의 경도 및 위도 데이터에 의해 표현되는 예측 포인트들(prediction points)을 클러스터링(cluster)하고, 부하 예측 모델을 트레이닝하기 위해 특징들(features)을 구성(construct)하고, 예측 포인트들 간의 클러스터링 관계(clustering relationship)를 표현하기 위해 예측 포인트들 간의 밀도 관계(density relationship)를 마이닝(mine)하고, 예측 포인트들을 클러스터링 및 특징들을 구성한 후, 선택된 기지국의 엔지니어링 파라미터 데이터, 특징들 및 대응하는 성능 지표 데이터(performance index data)를 이용해 머신 러닝 알고리즘(machine learning algorithm)에 기초하는 모델 트레이닝을 수행하고, 모델 정확도 평가(model accuracy evaluation)를 수행하도록 구성된다.
일부 실시예들에서, 기지국의 엔지니어링 파라미터 데이터는 기지국의 주파수 대역를 더 포함한다. 획득 유닛(702)은 2개의 주파수 대역들에 대응하는 2개의 셀들을 각각 획득하기 위해 주파수 대역에 따라 복수의 셀들을 2개씩 결합(combine)하고, 2개의 셀들에 대응하는 공동-커버리지 셀(co-coverage cell)을 결정하기 위해 기지국의 엔지니어링 파라미터 데이터에서 기지국의 2개의 경도 및 위도 데이터에 따라 2개의 셀들 간의 거리를 계산하고, 2개의 셀들에 대응하는 공동-커버리지 셀을 결정하기 위해 기지국의 엔지니어링 파라미터 데이터에서 기지국의 2개의 방향각 데이터의 차이를 계산하고, 2개의 셀들 간의 거리(distance)가 제7 임계값(seventh threshold) 미만이고, 2개의 방향각 데이터의 차이(difference)가 제8 임계값(eighth threshold) 미만인 경우, 2개의 셀들을 상기 공동-커버리지 셀로 결정하도록 구성된다.
일부 실시예들에서, 전략 발행 유닛(710)은 사용자 인식 지수(user perception index)를 최적화 타겟(optimization target)으로 하여 부하 예측 모델의 예측 결과 및 파워-세이빙 턴-오프 전략을 반복하도록 더 구성된다.
도 8은 본 개시의 다른 실시예들에 따른 기지국의 에너지를 절약하기 위한 처리 장치를 도시한 개략적인 구조도이다. 처리 장치는 메모리(810) 및 프로세서(820)를 포함한다.
메모리(810)는 마그네틱 디스크(magnetic disk), 플래쉬 메모리(flash memory) 또는 다른 어떤 비휘발성 저장 매체(non-volatile storage medium)일 수 있다. 메모리는 도 1 내지 도 4 또는 도 6 중 적어도 하나에 대응하는 실시예의 명령어를 저장하도록 구성될 수 있다.
프로세서(820)는 메모리(810)와 결합되고, 마이크로프로세서(microprocessor) 또는 마이크로컨트롤러(microcontroller)와 같은 하나 이상의 통합된 회로들(integrated circuits)로 구현될 수 있다. 프로세서(820)는 메모리에 저장된 명령어들을 실행(execute)하도록 구성될 수 있다. 기지국의 경도 및 위도 데이터를 감사(audit)함으로써, 모델의 예측의 정확도가 향상될 수 있고, 에너지 절약의 효과가 최적화될 수 있다.
일부 실시예들에서, 도 9에서도 도시되듯이, 처리 장치(900)는 메모리(910) 및 프로세서(920)를 포함한다. 프로세서(920)는 메모리(910)와 버스(bus)(930)를 통해 결합된다. 처리 장치(900)는 외부 데이터를 불러오기(call) 위해 외부 저장 장치(external storage device)(950)와 저장 인터페이스(storage interface)(940)를 통해 연결될 수 있고, 여기서 상세히 설명되지 않은 네트워크 인터페이스(network interface)(960)를 통해 네트워크 또는 다른 컴퓨터 시스템(computer system)(미도시)와 연결될 수 있다.
실시예에서, 데이터 명령어들(data instructions)은 메모리에 저장되고, 그러고 나서 상술한 명령어들은 프로세서에 의해 처리된다. 기지국의 경도 및 위도 데이터를 감사(audit)함으로써, 모델의 예측의 정확도가 향상될 수 있고, 에너지 절약의 효과가 최적화될 수 있다.
다른 실시예들에서, 또한, 본 개시는 프로세서에 의해 실현될 때, 도 1 내지 도 4 또는 도 6 중 적어도 하나에 대응하는 실시예들의 방법의 단계들을 구현하는 컴퓨터 프로그램 명령어들(computer program instructions)이 저장된 컴퓨터 판독 가능한 저장 매체(computer-readable storage medium)를 제공한다. 당업자는 본 개시의 실시예들이 방법, 장치 또는 컴퓨터 프로그램 제품(computer program product)로 제공될 수 있음을 이해할 것 이다. 따라서, 본 개시는 전적으로 하드웨어(hardware) 실시예, 전적으로 소프트웨어(software) 실시예, 소프트웨어 및 하드웨어 양태들(aspects)의 조합의 형태를 가질 수 있다. 더욱이, 본 개시는 컴퓨터 이용가능한 프로그램 코드들(computer usable program codes)을 포함하는 하나 이상의 컴퓨터 이용가능한 비일시적인 저장 매체(computer-usable non-transitory storage media)(디스크 메모리(disk memory), CD-ROM, 광학 메모리(optical memory) 등을 포함하지만 이에 제한되지 않음)에 구현된 컴퓨터 프로그램 제품의 형태를 가질 수 있다.
본 개시는 본 개시의 실시예들에 따른 방법들, 장치들(시스템들) 및 컴퓨터 프로그램 제품들의 플로우 차트 및/또는 블록도를 참조하여 설명된다. 플로우차트들 및/또는 블록도들의 각 과정 및/또는 블록들뿐만 아니라 플로우차트들 및/또는 블록도들의 각 과정들(processes) 및/또는 블록들의 조합은 컴퓨터 프로그램 명령어에 의해 구현됨이 이해될 것이다. 이 컴퓨터 프로그램 명령어들은 범용 컴퓨터(general purpose computer), 특수 목적 컴퓨터(special purpose computer), 임베디드 처리 기계(embedded processing machine) 또는 기계를 생산(produce)하기 위한 다른 프로그램가능한 데이터 처리 장치들(programmable data processing devices)의 프로세서에 제공될 수 있고, 명령어들은 컴퓨터의 프로세서 또는 플로우 차트의 하나 이상의 과정들 및/또는 블록도의 하나 이상의 블록들에 의해 지정된(designated) 기능(function)을 실현(realize)하기 위한 장치를 생산하는 다른 프로그램 가능한 데이터 처리 장치에 의해 실행된다.
또한, 이 컴퓨터 프로그램 명령어들은 컴퓨터 또는 다른 프로그램 가능한 데이터 처리 장치가 특정 방식(particular manner)으로 동작(operate)하도록 가이드(guide)할 수 있게 컴퓨터 판독가능 메모리에 저장될 수 있고, 컴퓨터 판독가능 메모리에 저장된 명령어들은 명령어 장치(instruction device)를 포함하는 제품(manufacture)을 생산한다. 명령어 장치는 플로우 차트의 하나 이상의 과정들 또는 블록도의 하나 이상의 블록들에 지정된 기능을 실현한다.
또한, 이 컴퓨터 프로그램 명령어들은 컴퓨터 또는 다른 프로그램 가능한 데이터 처리 장치들에 로드(load)될 수 있고, 일련의 작동 단계들은 컴퓨터 구현된 프로세싱(computer-implemented processing)을 생산하기 위해 컴퓨터 또는 다른 프로그램 가능한 장치에서 수행되고, 명령어들은 플로우차트의 하나 이상의 과정들 및/또는 블록도의 하나 이상의 블록들이 지정된 기능을 실현하기 위한 단계들을 제공하는 컴퓨터 또는 다른 프로그램 가능 장치들에서 실행된다.
지금까지, 본 개시를 상세히 설명했다. 당업계에서 잘 알려진 일부 세부 사항들은 본 개시의 개념이 모호해지는 것을 피하기 위해 설명되지 않았다. 상술한 설명에 따르면, 당업자는 여기 개시된 기술적인 솔루션들(technical solutions)을 구현하는 방법을 완전히 이해할 것이다.
비록 본 개시의 일부 특정 실시예들이 예로서 상세히 설명되었지만, 당업자는 상기의 예시들은 설명의 목적을 위한 것일 뿐이고 본 개시의 범위를 한정하기 위한 의도가 아닌 것을 이해해야 한다. 상기 실시예들에 대한 수정들(modifications)은 본 발명의 범위 및 사상(spirit)에서 벗어나지 않고 만들어질 수 있음을 당업자라면 이해해야 한다. 본 개시의 범위는 첨부된 청구항들에 의해 정의된다.

Claims (20)

  1. 기지국의 에너지를 절약하는 처리 방법에 있어서,
    상기 기지국의 엔지니어링 파라미터 데이터 및 측정 리포트(MR) 데이터를 획득하는 단계 - 상기 엔지니어링 파라미터 데이터는 측정에 의해 획득된 상기 기지국의 경도 및 위도 데이터를 포함하고, 상기 MR 데이터는 사용자 단말에 의해 보고된 상기 사용자 단말의 경도 및 위도 데이터를 포함함-;
    그리드 MR 데이터를 획득하기 위해 상기 MR 데이터를 그리딩하고, 상기 그리드 MR 데이터에 따라 상기 기지국의 경도 및 위도 데이터의 계산된 값을 계산하는 단계 - 상기 그리드 MR 데이터는 그리드 경도 및 위도를 포함함 -;
    부하 예측 모델에 입력될 상기 기지국의 상기 엔지니어링 파라미터 데이터를 선택하기 위해, 상기 기지국의 상기 경도 및 위도 데이터의 상기 계산된 값과 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 경도 및 위도 데이터를 비교하는 단계;
    상기 부하 예측 모델의 트레이닝 및 예측을 수행하기 위해, 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터를 상기 부하 예측 모델에 입력하는 단계; 및
    부하 예측 모델의 예측 결과에 따라 대응하는 파워-세이빙 턴-오프 전략을 발행하는 단계
    를 포함하는, 처리 방법.
  2. 제1항에 있어서,
    상기 엔지니어링 파라미터 데이터는,
    측정에 의해 획득된 상기 기지국의 방향각 데이터를 더 포함하고,
    상기 MR 데이터는,
    상기 사용자 단말에 의해 보고된 상기 사용자 단말의 방향각 데이터를 더 포함하고,
    상기 그리드 MR 데이터는,
    그리드 방향각을 더 포함하고;
    상기 처리 방법은,
    선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터의 상기 방향각 데이터 및 선택된 상기 기지국에 대응하는 상기 그리드 MR 데이터의 상기 그리드 방향각에 따라 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터를 선택하는 단계; 및
    상기 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터에 따라 상기 공동-커버리지 셀을 획득하는 단계
    를 더 포함하고,
    상기 대응하는 파워-세이빙 턴-오프 전략을 발행하는 단계는,
    상기 부하 예측 모델의 상기 예측 결과 및 획득된 상기 공동-커버리지 셀에 따라 상기 대응하는 파워-세이빙 턴-오프 전략을 발행하는 단계를 포함하는,
    처리 방법.
  3. 제2항에 있어서,
    상기 그리드 MR 데이터는,
    기지국 타입, 평균 참조 신호 수신 전력(average RSRP), 기지국 식별, 상기 그리드 방향각 및 그리드 내 MR의 수
    를 더 포함하고,
    상기 그리드 MR 데이터에 따라 상기 기지국의 상기 경도 및 위도 데이터의 상기 계산된 값의 계산하는 단계는,
    미리 결정된 셀들의 수를 갖고, 제1 임계값보다 큰 평균 RSRP를 갖는 기지국에 대응하는 실외 기지국을 가진 상기 그리드 MR 데이터를 상기 기지국 타입으로 선택하는 단계;
    상기 그리드 MR 데이터를 대응하는 셀에 할당하기 위해 상기 기지국의 상기 방향각 데이터 및 상기 기지국 식별에 따라 상기 그리드 MR 데이터를 그룹핑 하는 단계;
    비정상 그리드 MR 데이터를 제거하기 위해 각 셀의 상기 그리드 MR 데이터에서 아웃라이어 탐지를 수행하는 단계;
    나머지 그리드 MR 데이터의 상기 그리드 경도 및 위도에 따라 각 기지국의 각 셀의 평균 경도 및 위도를 계산하는 단계; 및
    상기 각 기지국의 상기 각 셀의 상기 평균 경도 및 위도에 따라 상기 기지국의 평균 경도 및 위도를 계산하는 단계
    를 포함하고,
    상기 기지국의 상기 평균 경도 및 위도는,
    상기 기지국의 상기 경도 및 위도 데이터의 상기 계산된 값인,
    처리 방법.
  4. 제3항에 있어서,
    상기 기지국의 상기 경도 및 위도 데이터의 상기 계산된 값과 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 경도 및 위도 데이터를 비교하는 단계는,
    거리 계산 방법에 따라 상기 기지국의 상기 경도 및 위도의 상기 계산된 값과 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 경도 및 위도 데이터 사이의 거리 관계 값을 계산하는 단계; 및
    상기 부하 예측 모델에 입력될 상기 기지국의 상기 엔지니어링 파라미터 데이터로써 제2 임계값 미만인 상기 거리 관계 값을 갖는 상기 기지국의 상기 엔지니어링 파라미터 데이터를 선택하는 단계
    를 포함하는, 처리 방법.
  5. 제3항에 있어서,
    상기 각 셀의 상기 그리드 MR 데이터에서 상기 아웃라이어 탐지를 수행하는 단계는,
    임계점 K 값을 K= [제3 임계값] * [상기 각 셀의 상기 그리드 내 상기 MR의 상기 수의 합]으로 세팅하는 단계 - 상기 제3 임계값은 퍼센티지임 -;
    상기 임계점 K 값을 이용하여 상기 각 셀의 각 그리드 MR 데이터의 로컬 아웃라이어 팩터(LOF) 값을 계산하는 단계; 및
    제4 임계값을 초과하는 상기 LOF 값을 갖는 상기 그리드 MR 데이터를 제거하는 단계
    를 포함하는, 처리 방법.
  6. 제3항에 있어서,
    선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터의 상기 방향각 데이터 및 선택된 상기 기지국에 대응하는 상기 그리드 MR 데이터의 상기 그리드 방향각에 따라 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터를 선택하는 단계는,
    상기 기지국 식별 및 상기 기지국의 상기 방향각 데이터에 따라 선택된 상기 기지국의 상기 그리드 MR 데이터를 그룹핑하고, 각 그룹의 상기 MR의 상기 수의 합에 대한 각 그룹의 각 그리드 내 상기 MR의 상기 수의 비율을 계산하고, 제5 임계값 미만인 상기 비율을 갖는 상기 그리드 MR 데이터를 제거하는 단계;
    상기 기지국 식별에 따라 나머지 그리드 MR 데이터를 다시 그룹핑하고, 다시 그룹핑한 후에 가우시안 커널 밀도 함수를 이용하여 각 그룹의 상기 그리드 MR 데이터에서 셀 분류을 수행하는 단계;
    상기 셀 분류에 의해 획득된 각 셀의 각 그리드 MR 데이터의 상기 그리드 경도 및 위도를 이용하여 각 그리드의 상기 방향각 데이터를 계산하는 단계;
    상기 각 셀의 상기 각 그리드의 상기 방향각 데이터에 따라 상기 각 셀의 상기 방향각 데이터의 평균값를 계산하는 단계 - 상기 각 셀의 상기 방향각 데이터의 상기 평균값은 각 셀의 방향각으로 사용됨 -;
    상기 기지국의 상기 각 셀의 상기 방향각과 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 방향각 데이터 간의 차이를 계산하고, 상기 차이의 평균값을 계산하는 단계; 및
    제6 임계값 미만인 상기 차이의 상기 평균값을 갖는 상기 기지국의 상기 엔지니어링 파라미터 데이터를 상기 공동-커버리지 셀을 결정하기 위한 상기 기지국의 상기 엔지니어링 파라미터 데이터로 만드는 단계
    를 포함하는, 처리 방법.
  7. 제1항에 있어서,
    상기 부하 예측 모델의 상기 트레이닝 및 상기 예측을 수행하기 위해 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터를 상기 부하 예측 모델에 입력하는 단계는,
    선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터에서 아웃라이어 제거를 수행하는 단계;
    밀도 클러스터링 알고리즘에 의해 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 경도 및 위도 데이터에 의해 표현되는 예측 포인트들을 클러스터링하고, 상기 부하 예측 모델을 트레이닝하기 위해 특징들을 구성하고, 및 상기 예측 포인트들 간의 클러스터링 관계를 표현하기 위해 상기 예측 포인트들 간의 밀도 관계를 마이닝하는 단계; 및
    상기 예측 포인트들을 클러스터링 및 상기 특징들을 구성한 후, 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터, 상기 특징들 및 대응하는 성능 지표 데이터를 이용해 머신 러닝 알고리즘에 기초하는 모델 트레이닝을 수행하고, 모델 정확도 평가를 수행하는 단계
    를 포함하는, 처리 방법.
  8. 제2항 또는 제6항에 있어서,
    상기 기지국의 상기 엔지니어링 파라미터 데이터는,
    상기 기지국의 주파수 대역을 더 포함하고,
    상기 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터에 따라 상기 공동-커버리지 셀을 획득하는 단계는,
    2개의 주파수 대역들에 대응하는 2개의 셀들을 각각 획득하기 위해 상기 주파수 대역에 따라 복수의 셀들을 2개씩 결합하는 단계;
    상기 2개의 셀들에 대응하는 상기 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터에서 상기 기지국의 2개의 경도 및 위도 데이터에 따라 상기 2개의 셀들 간의 거리를 계산하고, 상기 2개의 셀들에 대응하는 상기 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터에서 상기 기지국의 2개의 방향각 데이터의 차이를 계산하는 단계; 및
    상기 2개의 셀들 간의 상기 거리가 제7 임계값 미만이고, 상기 2개의 방향각 데이터의 상기 차이가 제8 임계값 미만인 경우, 상기 2개의 셀들을 상기 공동-커버리지 셀로 결정하는 단계
    를 포함하는, 처리 방법.
  9. 제2항에 있어서,
    사용자 인식 지수를 만족하는 상기 대응하는 파워-세이빙 턴-오프 전략 및 상기 부하 예측 모델의 상기 예측 결과를 반복하는 단계
    를 더 포함하는, 처리 방법.
  10. 기지국의 에너지를 절약하기 위한 처리 장치에 있어서,
    상기 기지국의 엔지니어링 파라미터 데이터 및 측정 리포트(MR) 데이터를 획득하기 위해 구성된 획득 유닛 - 상기 엔지니어링 파라미터 데이터는 측정에 의해 획득된 상기 기지국의 경도 및 위도 데이터를 포함하고, 상기 MR 데이터는 사용자 단말에 의해 기록된 사용자 단말의 경도 및 위도 데이터를 포함함 -;
    그리드 MR 데이터를 획득하기 위해 상기 MR 데이터를 그리딩하고, 상기 그리드 MR 데이터에 따라 상기 기지국의 경도 및 위도 데이터의 계산된 값을 계산하도록 구성된 데이터 처리 유닛- 상기 그리드 MR 데이터는 그리드 경도 및 위도를 포함함 -;
    부하 예측 모델에 입력될 상기 기지국의 상기 엔지니어링 파라미터 데이터를 선택하기 위해 상기 기지국의 상기 경도 및 위도 데이터의 상기 계산된 값과 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 경도 및 위도 데이터를 비교하도록 구성된 파라미터 선택 유닛;
    상기 부하 예측 모델의 트레이닝 및 예측을 수행하기 위해 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터를 상기 부하 예측 모델에 입력하도록 구성된 트레이닝 예측 유닛; 및
    부하 예측 모델의 예측 결과에 따라 대응하는 파워-세이빙 턴-오프 전략을 발행하도록 구성된 전략 발행 유닛
    을 포함하는 처리 장치.
  11. 제10항에 있어서,
    상기 엔지니어링 파라미터 데이터는,
    측정에 의해 획득된 상기 기지국의 방향각 데이터를 더 포함하고,
    상기 MR 데이터는,
    상기 사용자 단말에 의해 기록된 상기 사용자 단말의 방향각 데이터를 더 포함하고,
    상기 그리드 MR 데이터는,
    그리드 방향각을 더 포함하고;
    상기 파라미터 선택 유닛은,
    선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터의 상기 방향각 데이터 및 선택된 상기 기지국에 대응하는 상기 그리드 MR 데이터의 상기 그리드 방향각에 따라 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터를 선택하도록 더 구성되고;
    상기 획득 유닛은,
    상기 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터에 따라 상기 공동-커버리지 셀을 획득하도록 더 구성되고; 및
    상기 전략 발행 유닛은,
    상기 부하 예측 모델의 상기 예측 결과 및 획득된 상기 공동-커버리지 셀에 따라 상기 대응하는 파워-세이빙 턴-오프 전략을 발행하도록 구성된,
    처리 장치.
  12. 제11항에 있어서,
    상기 그리드 MR 데이터는,
    기지국 타입, 평균 참조 신호 수신 전력(average RSRP), 기지국 식별, 상기 그리드 방향각 및 그리드 내 MR의 수
    를 더 포함하고,
    상기 데이터 처리 유닛은,
    미리 결정된 셀들의 수를 갖고, 제1 임계값보다 큰 평균 RSRP를 갖는 기지국에 대응하는 실외 기지국을 가진 상기 그리드 MR 데이터를 상기 기지국 타입으로 선택하고,
    상기 그리드 MR 데이터를 대응하는 셀에 할당하기 위해 상기 기지국의 상기 기지국 식별 및 상기 방향각 데이터에 따라 상기 그리드 MR 데이터를 그룹핑하고,
    비정상 그리드 MR 데이터를 제거하기 위해 각 셀의 상기 그리드 MR 데이터에서 아웃라이어 탐지를 수행하고,
    나머지 그리드 MR 데이터의 상기 그리드 경도 및 위도에 따라 각 기지국의 각 셀의 평균 경도 및 위도를 계산하고,
    상기 각 기지국의 상기 각 셀의 상기 평균 경도 및 위도에 따라 상기 기지국의 평균 경도 및 위도를 계산하도록 구성되고,
    상기 기지국의 상기 평균 경도 및 위도는,
    상기 기지국의 상기 경도 및 위도 데이터의 상기 계산된 값인,
    처리 장치.
  13. 제12항에 있어서,
    상기 파라미터 선택 유닛은,
    거리 계산 방법에 따라 상기 기지국의 상기 경도 및 위도의 상기 계산된 값과 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 경도 및 위도 데이터 사이의 거리 관계 값을 계산하고,
    상기 부하 예측 모델에 입력될 상기 기지국의 상기 엔지니어링 파라미터 데이터로써 제2 임계값 미만인 상기 거리 관계 값을 갖는 상기 기지국의 상기 엔지니어링 파라미터 데이터를 선택하도록 구성된,
    처리 장치.
  14. 제12항에 있어서,
    상기 데이터 처리 유닛은,
    임계점 K 값을 K= [제3 임계값] * [상기 각 셀의 상기 그리드 내 상기 MR의 상기 수의 합]으로 세팅하고 - 상기 제3 임계값은 퍼센티지임-,
    상기 임계점 K 값을 이용하여 상기 각 셀의 각 그리드 MR 데이터의 로컬 아웃라이어 팩터(LOF) 값을 계산하고,
    제4 임계값을 초과하는 상기 LOF 값을 갖는 상기 그리드 MR 데이터를 제거하도록 구성된,
    처리 장치.
  15. 제12항에 있어서,
    상기 파라미터 선택 유닛은,
    상기 기지국 식별 및 상기 기지국의 상기 방향각 데이터에 따라 선택된 상기 기지국의 상기 그리드 MR 데이터를 그룹핑하고,
    각 그룹의 상기 MR의 상기 수의 합에 대한 각 그룹의 각 그리드 내 상기 MR의 상기 수의 비율을 계산하고,
    제5 임계값 미만인 상기 비율을 갖는 상기 그리드 MR 데이터를 제거하고,
    상기 기지국 식별에 따라 나머지 그리드 MR 데이터를 다시 그룹핑하고,
    다시 그룹핑한 후에 가우시안 커널 밀도 함수를 이용하여 각 그룹의 상기 그리드 MR 데이터에서 셀 분류를 수행하고,
    상기 셀 분류에 의해 획득된 각 셀의 각 그리드 MR 데이터의 상기 그리드 경도 및 위도를 이용하여 각 그리드의 상기 방향각 데이터를 계산하고,
    상기 각 셀의 상기 각 그리드의 상기 방향각 데이터에 따라 상기 각 셀의 상기 방향각 데이터의 평균값를 계산하고-상기 각 셀의 상기 방향각 데이터의 상기 평균값은 각 셀의 방향각으로 사용됨-,
    상기 기지국의 상기 각 셀의 상기 방향각과 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 방향각 데이터 간의 차이를 계산하고,
    상기 차이의 평균값을 계산하고, 및
    제6 임계값 미만인 상기 차이의 상기 평균값을 갖는 상기 기지국의 상기 엔지니어링 파라미터 데이터를 상기 공동-커버리지 셀을 결정하기 위한 상기 기지국의 상기 엔지니어링 파라미터 데이터로 만들도록 구성되는, 처리 장치.
  16. 제10항에 있어서,
    상기 트레이닝 예측 유닛은,
    선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터에서 아웃라이어 제거를 수행하고,
    밀도 클러스터링 알고리즘에 의해 상기 엔지니어링 파라미터 데이터의 상기 기지국의 상기 경도 및 위도 데이터에 의해 표현되는 예측 포인트들을 클러스터링하고,
    상기 부하 예측 모델을 트레이닝하기 위해 특징들을 구성하고,
    상기 예측 포인트들 간의 클러스터링 관계를 표현하기 위해 상기 예측 포인트들 간의 밀도 관계를 마이닝하고,
    상기 예측 포인트들을 클러스터링 및 상기 특징들을 구성한 후, 선택된 상기 기지국의 상기 엔지니어링 파라미터 데이터, 상기 특징들 및 대응하는 성능 지표 데이터를 이용해 머신 러닝 알고리즘에 기초하는 모델 트레이닝을 수행하고,
    모델 정확도 평가를 수행하도록 구성되는,
    처리 장치.
  17. 제11항 또는 제15항에 있어서,
    상기 기지국의 상기 엔지니어링 파라미터 데이터는,
    상기 기지국의 주파수 대역을 더 포함하고,
    상기 획득 유닛은,
    2개의 주파수 대역들에 대응하는 2개의 셀들을 각각 획득하기 위해 상기 주파수 대역에 따라 복수의 셀들을 2개씩 결합하고,
    상기 2개의 셀들에 대응하는 상기 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터에서 상기 기지국의 2개의 경도 및 위도 데이터에 따라 상기 2개의 셀들 간의 거리를 계산하고,
    상기 2개의 셀들에 대응하는 상기 공동-커버리지 셀을 결정하기 위해 상기 기지국의 상기 엔지니어링 파라미터 데이터에서 상기 기지국의 2개의 방향각 데이터의 차이를 계산하고,
    상기 2개의 셀들 간의 상기 거리가 제7 임계값 미만이고, 상기 2개의 방향각 데이터의 상기 차이가 제8 임계값 미만인 경우, 상기 2개의 셀들을 상기 공동-커버리지 셀로 결정하도록 구성되는,
    처리 장치.
  18. 제11항에 있어서,
    상기 전략 발행 유닛은,
    사용자 인식 지수를 만족하는 상기 대응하는 파워-세이빙 턴-오프 전략 및 상기 부하 예측 모델의 상기 예측 결과를 반복하도록 더 구성된,
    처리 장치.
  19. 기지국의 에너지를 절약하기 위한 처리 장치는,
    메모리; 및
    메모리와 결합한 프로세서
    를 포함하고,
    상기 프로세서는,
    상기 메모리에 저장된 명령어들에 기초하여 제1항에 따른 처리 방법을 수행하도록 구성된,
    처리 장치.
  20. 프로세서에 의해 실행될 때, 제1항에 따른 처리 방법을 구현하는 컴퓨터 프로그램 명령어들이 저장된 저장되는 컴퓨터 판독가능 저장매체.
KR1020237005567A 2020-07-31 2021-07-27 기지국의 에너지를 절약하기 위한 처리 방법 및 처리 장치 KR102655903B1 (ko)

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
KR20230043896A KR20230043896A (ko) 2023-03-31
KR102655903B1 true KR102655903B1 (ko) 2024-04-09

Family

ID=80037576

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237005567A KR102655903B1 (ko) 2020-07-31 2021-07-27 기지국의 에너지를 절약하기 위한 처리 방법 및 처리 장치

Country Status (5)

Country Link
US (1) US20240040501A1 (ko)
EP (1) EP4184981A4 (ko)
KR (1) KR102655903B1 (ko)
CN (1) CN114095856B (ko)
WO (1) WO2022022486A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100093377A1 (en) 2001-12-27 2010-04-15 Qualcomm Incorporated Creating And Using Base Station Almanac Information In A Wireless Communication System Having A Position Location Capability
WO2010075803A1 (zh) 2009-01-04 2010-07-08 华为技术有限公司 一种定位测量上报方法及系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
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
CN109982333B (zh) * 2017-12-27 2021-12-28 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
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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100093377A1 (en) 2001-12-27 2010-04-15 Qualcomm Incorporated Creating And Using Base Station Almanac Information In A Wireless Communication System Having A Position Location Capability
WO2010075803A1 (zh) 2009-01-04 2010-07-08 华为技术有限公司 一种定位测量上报方法及系统

Also Published As

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

Similar Documents

Publication Publication Date Title
KR102655903B1 (ko) 기지국의 에너지를 절약하기 위한 처리 방법 및 처리 장치
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
CN110418354A (zh) 一种基于机器学习的免传播模型无线网络规划方法
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
CN108181607A (zh) 基于指纹库的定位方法、装置及计算机可读存储介质
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
CN111356142B (zh) 一种业务的处理方法及装置
CN105744548A (zh) Pci优化方法及装置
CN108207005B (zh) 一种lte无线网络的评估方法及服务器
WO2021259372A1 (zh) 无线信号传播预测方法及装置
CN110913407A (zh) 重叠覆盖的分析方法及装置
CN110621025B (zh) 一种设备选型方法和装置
CN111385804B (zh) 小区簇划分方法及电子设备
JP7486659B2 (ja) 基地局の省エネルギー処理方法及び処理装置
CN112243242B (zh) 大规模天线波束配置方法和装置
CN102026239A (zh) 一种基于测量报告的频率优化方法
WO2017211178A1 (zh) 划分超级小区的方法及装置
Lan et al. Intelligent GSM Cell Coverage Analysis System Based on GIS.
CN116828518A (zh) 定位上行频段干扰源的方法、装置、电子设备及存储介质
CN115734264A (zh) 5g网络覆盖评估方法、装置、计算机可读介质及电子设备
CN110719594B (zh) 一种设备选型方法和装置
CN112351449A (zh) 一种Massive MIMO单小区权值优化方法
Zhao et al. Machine-Learning-Assisted Scenario Classification Using Large-Scale Fading Characteristics and Geographic Information

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant