WO2024032270A1 - 一种策略确定方法、装置及存储介质 - Google Patents

一种策略确定方法、装置及存储介质 Download PDF

Info

Publication number
WO2024032270A1
WO2024032270A1 PCT/CN2023/105433 CN2023105433W WO2024032270A1 WO 2024032270 A1 WO2024032270 A1 WO 2024032270A1 CN 2023105433 W CN2023105433 W CN 2023105433W WO 2024032270 A1 WO2024032270 A1 WO 2024032270A1
Authority
WO
WIPO (PCT)
Prior art keywords
terminal device
information
target terminal
target
following
Prior art date
Application number
PCT/CN2023/105433
Other languages
English (en)
French (fr)
Inventor
段小嫣
Original Assignee
大唐移动通信设备有限公司
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 大唐移动通信设备有限公司 filed Critical 大唐移动通信设备有限公司
Publication of WO2024032270A1 publication Critical patent/WO2024032270A1/zh

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition

Definitions

  • the present disclosure relates to the field of communication technology, and more specifically, to a policy determination method, device and storage medium.
  • AI artificial intelligence
  • many applications of terminal devices such as voice applications, video applications, image processing applications, etc.
  • AI technology to improve the performance and user experience of terminal devices or applications.
  • the communication function modules of terminal equipment have also begun to use AI algorithms to improve communication performance.
  • terminal devices can determine the AI policy to be used through user configuration or static configuration.
  • the above-mentioned method of determining AI strategies lacks flexibility and does not consider which AI strategies should be used in different scenarios to achieve optimal or desired performance of terminal devices, networks, and applications. Therefore, there is an urgent need for an AI strategy determination method that can ensure that terminal devices, networks, and applications achieve optimal or desired performance.
  • the present disclosure relates to a policy determination method, device and storage medium, and provides an AI policy determination method that can ensure that terminal equipment, networks and applications achieve optimal or desired performance.
  • embodiments of the present disclosure provide a policy determination method, applied to a first functional entity, where the method includes:
  • the analysis result is sent to the second functional entity, and the analysis result is used to enable the second functional entity to determine the AI usage strategy of the target terminal device.
  • the strategy includes at least one of the following:
  • AI algorithm information used by the target terminal device, the target application or the target function
  • AI model information used by the target terminal device, the target application, or the target function is not limited
  • the data includes at least one of the following:
  • the service experience information of the target terminal device
  • the energy consumption data of the target terminal device
  • the target terminal device uses AI description information, and the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • obtaining data related to the use of AI by the target terminal device includes:
  • the target terminal device
  • Network equipment serving the target terminal device includes at least one of the following: access and mobility management function AMF entity, operation management and maintenance OAM entity, session management function SMF entity, user plane function UPF entity, application Function AF entity, access network AN entity.
  • the analysis results include at least one of the following:
  • the first performance includes at least one of the following: communication performance, energy consumption performance, resource usage, mobility performance, and service experience of the target terminal device; and/or,
  • the second performance includes at least one of the following: communication performance, energy consumption performance, resource usage, load status, and congestion status of the network or network functional entity serving the target terminal device.
  • the analysis results also include description information of AI used by the target terminal device
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the analysis results also include information applicable to the analysis results
  • the information applicable to the analysis results includes at least one of the following: a period to which statistical information or prediction information is applicable, an area to which statistical information or prediction information is applicable, a network slice to which statistical information or prediction information is applicable, and a confidence level of prediction information.
  • the method before obtaining data related to the use of AI by the target terminal device, the method further includes:
  • An analysis request is received from the second functional entity, and the analysis request is used to request the analysis result.
  • the second functional entity includes any one of the following: a first terminal device, a policy control function PCF entity, or an AF entity.
  • the analysis request includes at least one of the following:
  • Analyze target information which includes at least one of the following: an identifier of the target terminal device, an identifier of the device group to which the target terminal device belongs, an identifier of a target application, and an identifier of a target function;
  • the target terminal device uses AI description information, and the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information;
  • the AI algorithm information includes at least one AI algorithm and priority information corresponding to the at least one AI algorithm; and/or,
  • the AI model information includes at least one AI model and priority information corresponding to the at least one AI model.
  • embodiments of the present disclosure provide a policy determination method, which is applied to the second functional entity.
  • the method includes:
  • a strategy for using AI by the target terminal device is determined.
  • the strategy includes at least one of the following:
  • AI algorithm information used by the target terminal device, the target application or the target function
  • AI model information used by the target terminal device, the target application, or the target function is not limited
  • the data includes at least one of the following:
  • the service experience information of the target terminal device
  • the energy consumption data of the target terminal device
  • the target terminal device uses AI description information, and the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the analysis results include at least one of the following:
  • the first performance includes at least one of the following: communication performance, energy consumption performance, resource usage, mobility performance, and service experience of the target terminal device; and/or,
  • the second performance includes at least one of the following: communication performance, energy consumption performance, resource usage, load status, and congestion status of the network or network functional entity serving the target terminal device.
  • the analysis results also include description information of AI used by the target terminal device
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI Algorithm information, AI model information.
  • the analysis results also include information applicable to the analysis results
  • the information applicable to the analysis results includes at least one of the following: a period to which statistical information or prediction information is applicable, an area to which statistical information or prediction information is applicable, a network slice to which statistical information or prediction information is applicable, and a confidence level of prediction information.
  • the method before receiving the analysis result sent by the first functional entity, the method further includes:
  • the analysis request includes at least one of the following:
  • Analyze target information which includes at least one of the following: an identifier of the target terminal device, an identifier of the device group to which the target terminal device belongs, an identifier of a target application, and an identifier of a target function;
  • the target terminal device uses AI description information, and the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information;
  • the AI algorithm information includes at least one AI algorithm and priority information corresponding to the at least one AI algorithm; and/or,
  • the AI model information includes at least one AI model and priority information corresponding to the at least one AI model.
  • the second functional entity is a first terminal device
  • the target terminal device is the first terminal device.
  • executing the policy includes:
  • the AI model used by the target terminal device, the target application or the target function is determined according to the AI model information.
  • the method further includes:
  • the second functional entity is an AF entity and sends the policy to the target terminal device, including:
  • the policy is sent to the target terminal device through the PCF entity.
  • inventions of the present disclosure provide a policy determination device applied in a first functional entity.
  • the device includes a memory, a transceiver, and a processor:
  • the memory is used to store computer programs
  • the transceiver is used to send and receive data under the control of the processor
  • the processor is used to read the computer program in the memory and perform the following operations:
  • the analysis result is sent to the second functional entity, and the analysis result is used to enable the second functional entity to determine the AI usage strategy of the target terminal device.
  • the strategy includes at least one of the following:
  • AI algorithm information used by the target terminal device, the target application or the target function
  • AI model information used by the target terminal device, the target application, or the target function is not limited
  • the data includes at least one of the following:
  • the service experience information of the target terminal device
  • the energy consumption data of the target terminal device
  • the target terminal device uses AI description information, and the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the processor is configured to obtain the data from at least one of the following devices:
  • the target terminal device
  • Network equipment serving the target terminal device includes at least one of the following: access and mobility management function AMF entity, operation management and maintenance OAM entity, session management function SMF entity, user plane function UPF entity, application Function AF entity, access network AN entity.
  • the analysis results include at least one of the following:
  • the first performance includes at least one of the following: communication performance, energy consumption performance, resource usage, mobility performance, and service experience of the target terminal device; and/or,
  • the second performance includes at least one of the following: communication performance, energy consumption performance, resource usage, load status, and congestion status of the network or network functional entity serving the target terminal device.
  • the analysis results also include description information of AI used by the target terminal device
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the analysis results also include information applicable to the analysis results
  • the information applicable to the analysis results includes at least one of the following: a period to which statistical information or prediction information is applicable, an area to which statistical information or prediction information is applicable, a network slice to which statistical information or prediction information is applicable, and a confidence level of prediction information.
  • the processor is further configured to perform the following operations:
  • An analysis request is received from the second functional entity, and the analysis request is used to request the analysis result.
  • the second functional entity includes any one of the following: a first terminal device, a policy control function PCF entity, or an AF entity.
  • the analysis request includes at least one of the following:
  • Analyze target information which includes at least one of the following: an identifier of the target terminal device, an identifier of the device group to which the target terminal device belongs, an identifier of a target application, and an identifier of a target function;
  • the target terminal device uses AI description information, and the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information;
  • the AI algorithm information includes at least one AI algorithm and priority information corresponding to the at least one AI algorithm; and/or,
  • the AI model information includes at least one AI model and priority information corresponding to the at least one AI model.
  • inventions of the present disclosure provide a second functional entity.
  • the device is used in the second functional entity.
  • the device includes a memory, a transceiver, and a processor:
  • the memory is used to store computer programs
  • the transceiver is used to send and receive data under the control of the processor
  • the processor is used to read the computer program in the memory and perform the following operations:
  • a strategy for using AI by the target terminal device is determined.
  • the strategy includes at least one of the following:
  • AI algorithm information used by the target terminal device, the target application or the target function
  • AI model information used by the target terminal device, the target application, or the target function is not limited
  • the data includes at least one of the following:
  • the service experience information of the target terminal device
  • the energy consumption data of the target terminal device
  • the target terminal device uses AI description information, and the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the analysis results include at least one of the following:
  • the first performance includes at least one of the following: communication performance, energy consumption performance, resource usage, mobility performance, and service experience of the target terminal device; and/or,
  • the second performance includes at least one of the following: communication performance, energy consumption performance, resource usage, load status, and congestion status of the network or network functional entity serving the target terminal device.
  • the analysis results also include description information of AI used by the target terminal device
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the analysis results also include information applicable to the analysis results
  • the information applicable to the analysis results includes at least one of the following: a period to which statistical information or prediction information is applicable, an area to which statistical information or prediction information is applicable, a network slice to which statistical information or prediction information is applicable, and a confidence level of prediction information.
  • the processor is further configured to perform the following operations:
  • the analysis request includes at least one of the following:
  • Analyze target information which includes at least one of the following: an identifier of the target terminal device, an identifier of the device group to which the target terminal device belongs, an identifier of a target application, and an identifier of a target function;
  • the target terminal device uses AI description information, and the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information;
  • the AI algorithm information includes at least one AI algorithm and priority information corresponding to the at least one AI algorithm; and/or,
  • the AI model information includes at least one AI model and priority information corresponding to the at least one AI model.
  • the second functional entity is a first terminal device
  • the target terminal device is the first terminal device
  • the processor is further configured to perform the following operations:
  • the processor is configured to perform at least one of the following operations according to the policy:
  • the AI model used by the target terminal device, target application or target function is determined according to the AI model information.
  • the processor is further configured to perform the following operations:
  • the processor is specifically configured to perform the following operations:
  • the policy is sent to the target terminal device through the PCF entity.
  • embodiments of the present disclosure provide a policy determination device, the device being applied in a first functional entity, and the device includes:
  • the acquisition unit is used to acquire data related to the use of AI by the target terminal device
  • a determining unit used to determine the analysis results based on the data
  • a sending unit configured to send the analysis result to a second functional entity, where the analysis result is used to enable the second functional entity to determine a policy for using AI by the target terminal device.
  • the strategy includes at least one of the following:
  • AI algorithm information used by the target terminal device, the target application or the target function
  • AI model information used by the target terminal device, the target application, or the target function is not limited
  • the data includes at least one of the following:
  • the service experience information of the target terminal device
  • the energy consumption data of the target terminal device
  • the target terminal device uses AI description information, and the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the acquisition unit is used to acquire the data from at least one of the following devices:
  • the target terminal device
  • Network equipment serving the target terminal device includes at least one of the following: access and mobility management function AMF entity, operation management and maintenance OAM entity, session management function SMF entity, user plane function UPF entity, application Function AF entity, access network AN entity.
  • the analysis results include at least one of the following:
  • the first performance includes at least one of the following: communication performance, energy consumption performance, resource usage, mobility performance, and service experience of the target terminal device; and/or,
  • the second performance includes at least one of the following: communication performance, energy consumption performance, resource usage, load status, and congestion status of the network or network functional entity serving the target terminal device.
  • the analysis results also include description information of AI used by the target terminal device
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the analysis results also include information applicable to the analysis results
  • the information applicable to the analysis results includes at least one of the following: a period to which statistical information or prediction information is applicable, an area to which statistical information or prediction information is applicable, a network slice to which statistical information or prediction information is applicable, and a confidence level of prediction information.
  • the device further includes:
  • a receiving unit configured to receive an analysis request from the second functional entity, where the analysis request is used to request the analysis result.
  • the second functional entity includes any one of the following: a first terminal device, a policy control function PCF entity, or an AF entity.
  • the analysis request includes at least one of the following:
  • Analyze target information which includes at least one of the following: an identifier of the target terminal device, an identifier of the device group to which the target terminal device belongs, an identifier of a target application, and an identifier of a target function;
  • the target terminal device uses AI description information, and the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information;
  • the AI algorithm information includes at least one AI algorithm and priority information corresponding to the at least one AI algorithm; and/or,
  • the AI model information includes at least one AI model and priority information corresponding to the at least one AI model.
  • an embodiment of the present disclosure provides a policy determination device applied in a second functional entity, where the device includes:
  • a receiving unit configured to receive an analysis result sent by the first functional entity, where the analysis result is determined based on AI-related data used by the target terminal device;
  • a determining unit configured to determine a strategy for using AI by the target terminal device based on the analysis results.
  • the strategy includes at least one of the following:
  • AI algorithm information used by the target terminal device, the target application or the target function
  • AI model information used by the target terminal device, the target application, or the target function is not limited
  • the data includes at least one of the following:
  • the service experience information of the target terminal device
  • the energy consumption data of the target terminal device
  • the target terminal device uses AI description information, and the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the analysis results include at least one of the following:
  • the first performance includes at least one of the following: communication performance, energy consumption performance, resource usage, mobility performance, and service experience of the target terminal device; and/or,
  • the second performance includes at least one of the following: communication performance, energy consumption performance, resource usage, load status, and congestion status of the network or network functional entity serving the target terminal device.
  • the analysis results also include description information of AI used by the target terminal device
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the analysis results also include information applicable to the analysis results
  • the information applicable to the analysis results includes at least one of the following: a period to which statistical information or prediction information is applicable, an area to which statistical information or prediction information is applicable, a network slice to which statistical information or prediction information is applicable, and a confidence level of prediction information.
  • the device further includes:
  • the first sending unit is configured to send an AI analysis request to the first functional entity, where the analysis request is used to request the analysis result.
  • the analysis request includes at least one of the following:
  • Analyze target information which includes at least one of the following: an identifier of the target terminal device, an identifier of the device group to which the target terminal device belongs, an identifier of a target application, and an identifier of a target function;
  • the target terminal device uses AI description information, and the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information;
  • the AI algorithm information includes at least one AI algorithm and priority information corresponding to the at least one AI algorithm; and/or,
  • the AI model information includes at least one AI model and priority information corresponding to the at least one AI model.
  • the second functional entity is a first terminal device
  • the target terminal device is the first terminal device
  • the device further includes:
  • Execution unit used to execute the policy.
  • the execution unit is configured to execute at least one of the following according to the policy:
  • the AI model used by the target terminal device, the target application or the target function is determined according to the AI model information.
  • the device further includes:
  • the second sending unit is configured to send the policy to the target terminal device.
  • the second sending unit is specifically used to:
  • the policy is sent to the target terminal device through the PCF entity.
  • embodiments of the present disclosure provide a processor-readable storage medium that stores a computer program, and the computer program is used to cause the processor to execute the method described in the first aspect. , or perform the method described in the second aspect.
  • the present disclosure provides a policy determination method, device and storage medium.
  • the first functional entity obtains data related to the use of AI by the target terminal device; determines the analysis results based on the data, and sends the analysis results to the second functional entity.
  • the analysis results are Determine the AI usage strategy of the target terminal device in the second functional entity.
  • the strategy for the target terminal device to use AI can be flexibly determined.
  • the target terminal device enables AI according to the policy, so that the target terminal device, network and application can achieve the best or desired performance.
  • Figure 1 is an architectural schematic diagram of a communication system provided by an embodiment of the present disclosure
  • Figure 2 is another architectural schematic diagram of a communication system provided by an embodiment of the present disclosure
  • Figure 3 is a flow chart of the first policy determination method provided by an embodiment of the present disclosure.
  • Figure 4 is a flow chart of the second strategy determination method provided by an embodiment of the present disclosure.
  • Figure 5 is a flow chart of a third strategy determination method provided by an embodiment of the present disclosure.
  • Figure 6 is a flow chart of a fourth strategy determination method provided by an embodiment of the present disclosure.
  • Figure 7 is a flow chart of the fifth strategy determination method provided by an embodiment of the present disclosure.
  • Figure 8 is a schematic structural diagram of a policy determination device 800 provided by an embodiment of the present disclosure.
  • Figure 9A is a schematic structural diagram of a policy determination device 900 provided by an embodiment of the present disclosure.
  • Figure 9B is a second structural schematic diagram of the policy determination device 900 provided by an embodiment of the present disclosure.
  • Figure 10A is a schematic structural diagram 1 of a policy determination device 1000 provided by an embodiment of the present disclosure.
  • Figure 10B is a schematic structural diagram 2 of the policy determination device 1000 provided by an embodiment of the present disclosure.
  • Figure 11A is a schematic structural diagram of the policy determination device 1100 provided by an embodiment of the present disclosure.
  • Figure 11B is a second structural schematic diagram of the policy determination device 1100 provided by an embodiment of the present disclosure.
  • Figure 11C is a schematic structural diagram 3 of the policy determination device 1100 provided by an embodiment of the present disclosure.
  • FIG. 11D is a schematic structural diagram 4 of the policy determination device 1100 provided by an embodiment of the present disclosure.
  • the term "and/or” describes the association relationship of associated objects, indicating that there can be three relationships, for example, A and/or B, which can mean: A exists alone, A and B exist simultaneously, and B exists alone. these three situations.
  • the character "/” generally indicates that the related objects are in an "or” relationship.
  • the term “plurality” refers to two or more than two, and other quantifiers are similar to it.
  • Embodiments of the present disclosure provide a policy determination method, device and storage medium. According to the data related to the use of AI by the target terminal device, the policy for the target terminal device to use AI can be flexibly determined, and the target terminal device enables activation according to the policy. AI can enable target terminal devices, networks, and applications to achieve optimal or desired performance.
  • the method and the device are based on the same application concept. Since the principles of the method and the device to solve the problem are similar, the implementation of the device and the method can be referred to each other, and the repeated details will not be repeated.
  • GSM global system of mobile communication
  • CDMA code division multiple access
  • WCDMA wideband code division multiple access
  • general packet Wireless service general packet radio service, GPRS
  • GSM global system of mobile communication
  • CDMA code division multiple access
  • CDMA wideband code division multiple access
  • WCDMA wideband code division multiple access
  • general packet Wireless service general packet radio service, GPRS
  • LTE long term evolution
  • TDD LTE time division duplex
  • UMTS Universal mobile telecommunication system
  • WiMAX global interoperability for microwave access
  • 5G new radio, NR etc.
  • EPS evolved packet system
  • 5GS 5G system
  • the terminal device involved in the embodiments of the present disclosure may be a device that provides voice and/or data connectivity to users, a handheld device with a wireless connection function, or other processing devices connected to a wireless modem, etc.
  • the names of terminal equipment may also be different.
  • the terminal equipment may be called user equipment (UE).
  • UE user equipment
  • Wireless terminal equipment can communicate with one or more core networks (corenetwork, CN) via a radio access network (RAN).
  • the wireless terminal equipment can be a mobile terminal equipment, such as a mobile phone (or "cell").
  • Telephones) and computers with mobile terminal devices which may be, for example, portable, pocket-sized, handheld, computer-built-in or vehicle-mounted mobile devices, which exchange speech and/or data with the radio access network.
  • Wireless terminal equipment can also be called a system, a subscriber unit, a subscriber station, a mobile station, a mobile station, a remote station, and an access point.
  • remote terminal equipment remote terminal equipment
  • access terminal equipment access terminal
  • user terminal user terminal
  • user agent user agent
  • user device user device
  • the access network equipment involved in the embodiments of the present disclosure can also be called wireless access network equipment, which can provide authorized users in a specific area with the function of accessing a communication network.
  • it can include the 3rd generation partnership project (3rd generation partnership project).
  • 3GPP 3rd generation partnership project
  • 3GPP wireless network devices in the network may also include access points in non-3GPP (non-3GPP) networks.
  • Access network equipment can be responsible for functions such as wireless resource management, quality of service (QoS) management, data compression and encryption on the air interface side.
  • Access network equipment provides access services to terminal equipment, thereby completing the forwarding of control signals and user data between the terminal equipment and the core network.
  • Access network equipment may also be called network equipment.
  • the network equipment involved in the embodiments of the present disclosure may be a global system for mobile communications (GSM) or a code division multiple access (code division multiple access, CDMA).
  • the network equipment (base transceiver station, BTS) in ) can also be the network equipment (NodeB) in wide-band code division multiple access (WCDMA), or it can be Evolutionary network equipment (evolutional Node B, eNB or e-NodeB) in the long term evolution (LTE) system, 5G base station (gNB) in the 5G network architecture (next generation system), or home evolution base station (home evolved node B, HeNB), relay node (relay node), home base station (femto), pico base station (pico), etc. are not limited in the embodiments of the present disclosure.
  • network devices may include centralized unit (CU) nodes and distributed unit (DU) nodes, and the centralized units and distributed units may also be arranged geographically separately.
  • Figure 1 is an architectural schematic diagram of a communication system provided by an embodiment of the present disclosure.
  • the architecture can include terminal equipment, access network equipment, core network equipment and data network (DN) parts.
  • terminal equipment, access network equipment and core network equipment are the main parts of the architecture.
  • the control plane is responsible for the management of the mobile network
  • the user plane is responsible for the transmission of business data.
  • Core network equipment can also be called core network elements or core network functional entities.
  • the core network function entity may include any of the following: network data analytics function (NWDAF) entity, policy control function (PCF) entity, application function (AF) entity, Access and mobility management function (AMF) entity, session management function (SMF) entity, network exposure function (NEF) entity, user plane function, UPF) entity, unified data repository (UDR) entity, network slice selection function (NSSF) entity, authentication server function (AUSF) entity, unified data management (UDM) ) entity, a network repository function (NRF) entity.
  • NWDAF network data analytics function
  • PCF policy control function
  • AF application function
  • AMF Access and mobility management function
  • SMF session management function
  • NEF network exposure function
  • UPF user plane function
  • UPF unified data repository
  • NSF network slice selection function
  • AUSF authentication server function
  • UDM unified data management
  • NRF network repository function
  • the NWDAF entity is mainly used for intelligent analysis of network status and other data.
  • the NWDAF entity can provide network data analysis services to other network functional entities through interaction with other functional entities based on AI algorithms.
  • PCF entity is mainly used to guide the unified policy framework of network behavior and provide policy rule information for control plane entities (such as AMF, SMF, etc.).
  • the AF entity is mainly used to provide services to the 3GPP network, such as interacting with the PCF entity for policy control.
  • AMF entity is mainly used for functions such as access control, mobility management, registration and de-registration.
  • the SMF entity is mainly used for user plane network element selection, user plane network element redirection, Internet Protocol (IP) address allocation for terminal equipment, session establishment, modification and release, and QoS control.
  • IP Internet Protocol
  • NEF entities are mainly used to securely open services and capabilities provided by 3GPP network functions to the outside world.
  • the UPF entity is used for receiving and forwarding user plane data.
  • the UPF entity can receive user plane data from the service server and send the user plane data to the terminal device through the access network device.
  • the UPF entity can also receive user plane data from the terminal device through the access network device and forward it to the service server.
  • UDR entities are mainly used for storage and retrieval of contract data, policy data and public architecture data; for UDM Entities, PCF entities and NEF entities obtain relevant data.
  • NSSF entity mainly used for network slice selection.
  • AUSF entity is mainly used for user authentication, etc.
  • UDM entities are mainly used for contract data management of terminal equipment, including storage and management of terminal equipment identification, access authorization of terminal equipment, etc.
  • NRF entities are mainly used to store network function entities and description information of the services they provide.
  • the data network part can be a data network that provides business services to users.
  • the client is located in the terminal device and the server is located in the data network.
  • the data network can be a private network, such as a local area network, or an external network that is not controlled by the operator, such as the Internet, or a dedicated network deployed jointly by the operator.
  • FIG. 2 is another architectural schematic diagram of a communication system provided by an embodiment of the present disclosure.
  • Figure 2 is the detailed architecture determined based on Figure 1.
  • both third-party (3rd) AF entities and operator (operator) AF entities belong to AF entities.
  • the difference is: the third-party AF entity is not under the control of the operator, and the operation of the AF entity is under the control of the operator.
  • the third-party AF entity needs to pass the NEF entity when interacting with the NWDAF entity.
  • OAM operation administration and maintenance
  • the terminal device can determine the AI policy to be used through user configuration or static configuration.
  • how terminal devices use AI will have an impact on the performance of terminal devices, networks, and applications in terminal devices.
  • the above-mentioned method of determining AI strategies lacks flexibility and does not consider which AI strategies should be used in different scenarios to achieve optimal or desired performance of terminal devices, networks, and applications. Therefore, there is an urgent need for an AI strategy determination method that can ensure that terminal devices, networks, and applications achieve optimal or desired performance.
  • the present disclosure proposes the following technical concept: the first functional entity determines the analysis result of the target terminal device applying AI based on the data related to the target terminal device using AI, and the second functional entity can determine the analysis result based on the analysis result. Flexibly determine the policy for the target terminal device to use AI.
  • the target terminal device enables AI according to the policy, so that the target terminal device, network, and applications can achieve optimal or desired performance.
  • Figure 3 is a flow chart of the first policy determination method provided by an embodiment of the present disclosure. As shown in Figure 3, the method includes:
  • the first functional entity obtains data related to the use of AI by the target terminal device.
  • the first functional entity may be a NWDAF entity.
  • the target terminal device may be a first terminal device or a second terminal device.
  • the second terminal device may be a counterpart terminal device that communicates with the first terminal device, or may be another terminal device that the first terminal device is interested in.
  • the first functional entity can obtain different types of AI-related data from different devices.
  • the first functional entity determines the analysis result based on the data.
  • the analysis results can be statistical results for a period of time in the past or prediction results for a period of time in the future.
  • the analysis results can be used by the second functional entity to determine the AI usage strategy of the target terminal device.
  • the first functional entity sends the analysis result to the second functional entity.
  • the second functional entity may be the first terminal device, PCF entity or AF entity.
  • the second functional entity determines the AI usage strategy of the target terminal device based on the analysis results.
  • the target terminal device’s strategy for using AI may include at least one of the following:
  • AI algorithm information used by the target terminal device, target application or target function
  • AI model information used by the target terminal device, target application or target function used by the target terminal device, target application or target function.
  • the strategies for using AI in target terminal devices can be divided into at least the following three situations:
  • the strategy may include at least one of the following:
  • the strategy may include at least one of the following:
  • the strategy may include at least one of the following:
  • the conditions for using AI may include the period, area, network performance, or status of the network function (NF) entity in which AI is used.
  • NF network function
  • the AI algorithm information may include at least one AI algorithm and priority information corresponding to the at least one AI algorithm.
  • AI algorithms may include machine learning (ML) algorithms and/or AI algorithms, as well as algorithm parameters.
  • AI algorithms can include deep reinforcement learning, federated learning, and algorithm parameters, such as deep reinforcement learning strategies, constraints, etc.
  • the AI model information may include at least one AI model and priority information corresponding to the at least one AI model.
  • AI models can include ML models and/or AI models, as well as key model parameters.
  • the target application can be an application in the terminal device that can use AI, or a specific business in the terminal device that can use AI.
  • the target application may include at least one of the following: voice services, video services, image processing applications, augmented reality (AR) applications, virtual reality (VR) applications, and this disclosure does not specifically limit this.
  • the target function can be a function in the terminal device where AI can be used.
  • the target function may be a communication function, which is not specifically limited in this disclosure.
  • the strategy can be:
  • AI is enabled, the AI/ML algorithm and/or AI/ML model used, as well as the AI/ML algorithm parameters and/or key parameters of the AI/ML model (optionally), to achieve optimal or desired performance. If multiple AI/ML algorithms and/or AI/ML models are included, the AI/ML algorithm and/or AI/ML model to be used can be determined according to the order of priority.
  • the policy can be:
  • AI is enabled, the AI/ML algorithm and/or AI/ML model used, as well as the AI/ML algorithm parameters and/or key parameters of the AI/ML model (optionally), to achieve optimal or desired performance. If multiple AI/ML algorithms and/or AI/ML models are included, the AI/ML algorithm and/or AI/ML model to be used can be determined according to the order of priority.
  • the strategy can be:
  • AI is enabled, the AI/ML algorithm and/or AI/ML model used, as well as the AI/ML algorithm parameters and/or key parameters of the AI/ML model (optionally), to achieve optimal or desired performance. If multiple AI/ML algorithms and/or AI/ML models are included, the AI/ML algorithm and/or AI/ML model to be used can be determined according to the order of priority.
  • the second functional entity may send the policy to the target terminal device.
  • the specific sending method is not specifically limited in this disclosure.
  • the policy determination method provided by the embodiment of the present disclosure includes: the first functional entity obtains data related to the use of AI by the target terminal device; determines the analysis result based on the data, and sends the analysis result to the second functional entity; the second functional entity determines the analysis result based on the analysis result. Determine the strategy for using AI on target end devices. Based on the data related to the target terminal device's use of AI, the strategy for the target terminal device to use AI is flexibly determined.
  • the target terminal device enables AI according to the policy, which can achieve the best or expected performance of the target terminal device, network, and applications.
  • Figure 4 takes the second functional entity as the first terminal device as an example
  • Figure 5 Taking the second functional entity as the PCF entity as an example
  • Figures 6 and 7 take the second functional entity as the AF entity as an example.
  • Figure 4 is a flow chart of the second policy determination method provided by an embodiment of the present disclosure. As shown in Figure 4, the method includes:
  • the first terminal device sends an analysis request to the NWDAF entity.
  • the analysis request can be used to request the NWDAF entity to provide analysis results related to the use of AI by the target terminal device.
  • the first terminal device may request the NWDAF entity to provide analysis results related to the use of AI by the first terminal device itself; it may also request the NWDAF entity to provide analysis results related to the use of AI by the second terminal device.
  • the analysis request can be used to request analysis results related to the use of AI by the target terminal device once; it can also be used to subscribe to analysis results related to the use of AI by the target terminal device multiple times.
  • the NWDAF entity can be requested to report analysis results according to a certain period or when the analysis results are updated.
  • the AI analysis request may include at least one of the following:
  • Analyze the target information, and the analyzed target information includes at least one of the following: the identification of the target terminal device, the identification of the device group to which the target terminal device belongs, the identification of the target application, and the identification of the target function;
  • Description information of the target terminal device using AI includes at least one of the following: AI enabling information, AI application User identification, AI function identification, AI algorithm information, AI model information;
  • the analysis target information can be used to indicate who should perform AI-related analysis, for example, which terminal devices, and which applications and/or functions in the terminal devices should perform AI-related analysis.
  • the identification of the target terminal device refers to identification information that can uniquely identify the terminal device.
  • the user permanent identifier subscription permanent identifier, SUPI
  • SUPI subscription permanent identifier
  • the identity of the target terminal device is the identity of the first terminal device; when the first terminal device requests the NWDAF entity to provide AI used by the second terminal device When providing relevant data, the identifier of the target terminal device is the identifier of the second terminal device.
  • the device group may be a group to which the first terminal device belongs or a group to which the second terminal device belongs.
  • the identifier of the device group in which the target terminal device is located refers to the identification information that can uniquely identify the device group.
  • the identification of the device group may be carried in the analysis request. Based on the analysis request, the NWDAF entity may provide the first terminal device with analysis results related to the use of AI by all terminal devices in the device group.
  • the identification of the target application refers to identification information that can uniquely identify the application.
  • the target application identifier may be a specific name of the target application.
  • the target application identifier may be VR.
  • the identification of the target function refers to identification information that can uniquely identify the function.
  • the target function identifier may be a specific name of the target function.
  • the target function identifier may be an AI-enhanced mobility function (AI+mobility).
  • the analysis target information can be the UE1 identity document (ID), which represents the AI analysis of UE1; it can also be the UE2ID, which represents the AI analysis of UE2; it can also be the UEGroupID, It can also be Application ID, which means performing AI analysis on a group of UEs; it can also be Application ID, which means performing AI analysis on the target application; it can also be Function ID, which means performing AI analysis on the target function; or it can be Any UE, which means performing AI analysis on all UEs that meet specific conditions. UE performs AI analysis.
  • ID UE1 identity document
  • UE2ID which represents the AI analysis of UE2
  • UEGroupID It can also be Application ID, which means performing AI analysis on a group of UEs; it can also be Application ID, which means performing AI analysis on the target application; it can also be Function ID, which means performing AI analysis on the target function; or it can be Any UE, which means performing AI analysis on all UEs that meet specific conditions. UE performs AI analysis.
  • the description information of the AI used by the target terminal device can be divided into the following three types:
  • the first type is the description information of the overall use of AI by the target terminal device, including: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the description information can indicate that the UE enables AI as a whole and analyzes the energy consumption of the terminal device when all applications and functions using AI in the UE use deep intensity learning and deep neural networks.
  • the second type is the description information of the AI used by the target application in the target terminal device, including: AI enabling information, AI application identification, AI algorithm information, and AI model information.
  • the description information can indicate enabling AI for VR applications in the UE, using deep intensity learning and deep neural networks.
  • the Internet analyze the energy consumption of terminal equipment.
  • the third type is the description information of AI used by the target function in the target terminal device, including: AI enabling information, AI application identification, AI algorithm information, and AI model information.
  • the description information can indicate enabling AI for the communication function in the UE, and analyzing the energy consumption of the terminal device when using deep intensity learning and deep neural networks.
  • the description information may include description information of one or more applications or functions in the terminal device. For different applications or functions, the description information can be different.
  • the AI enabling information can be used to indicate whether to enable AI. Specifically, the AI enabling information can be used to indicate whether the entire terminal device enables AI, or can also be used to indicate whether the target application or target function enables AI. When the AI enabling information indicates that the terminal device enables AI, it can mean that all applications and/or functions that use AI in the terminal device enable AI.
  • the AI enabling information can be expressed as AI enabled, which is used to indicate that AI is enabled, or it can be expressed as AI disabled, which is used to indicate that AI is not enabled.
  • the AI application identifier refers to identification information that can uniquely identify the application.
  • the AI application identification may be the identification of all applications using AI in the target terminal device; when the target application enables AI, the AI application identification may be the same as the target application identification.
  • the AI function identifier refers to identification information that can uniquely identify the function.
  • the AI function identifier can be the identifier of all functions using AI in the target terminal device; when the target function enables AI, the AI function identifier can be the same as the target function identifier.
  • the analysis area may refer to an area of interest, indicating that all UEs in a certain area are analyzed.
  • analyzing the network slice may mean analyzing the UE of the network slice.
  • the analysis period can represent requesting analysis results related to the use of AI in the past or in the future.
  • the time can be a special time period, that is, a time period in which the starting time and the ending time are the same.
  • the first terminal device can send the analysis request to the NWDAF entity in the following two ways:
  • the UE sends the data packet containing the analysis request to the UPF entity through the user plane, and the UPF entity forwards the parsed analysis request to the NWDAF entity;
  • the UE sends the analysis request to the AMF entity through control plane signaling, and the AMF entity forwards the analysis request to the NWDAF entity.
  • the NWDAF entity obtains data related to the use of AI by the target terminal device according to the analysis request.
  • the first functional entity can obtain data related to the use of AI by the target terminal device from at least one of the following devices: the target terminal device, a network device serving the target terminal device, and the network device includes at least one of the following : AMF entity, OAM entity, SMF entity, UPF entity, AF entity, access network (AN) entity.
  • the NWDAF entity can obtain AI-related data from the analysis target terminal device or the network device serving the target terminal device according to the analysis target information in the analysis request.
  • the analysis target information is UE1ID
  • the NWDAF entity obtains data related to the use of AI from UE2 or the network equipment that serves UE1, such as NF/OAM
  • the analysis target information is UE2ID
  • the NWDAF entity obtains data related to the use of AI from UE2 or the network equipment that serves UE1.
  • AI-related data from the network equipment of UE2, such as NF/OAM; if the analysis target information is UEGroupID, it means that the NWDAF entity provides information to multiple or all UEs in the group or the network equipment that serves these UEs, such as NF /OAM, obtains data related to the use of AI; if the analysis target information is AnyUE, it means that the NWDAF entity obtains data related to the use of AI from the pair or all UEs that meet specific conditions or the network equipment that serves these UEs, such as NF/OAM. data.
  • UEGroupID it means that the NWDAF entity provides information to multiple or all UEs in the group or the network equipment that serves these UEs, such as NF /OAM, obtains data related to the use of AI
  • the analysis target information is AnyUE, it means that the NWDAF entity obtains data related to the use of AI from the pair or all UEs that meet specific conditions or the network equipment that serves these UEs, such as NF/OAM
  • the NWDAF entity can obtain AI-related data from different entity devices based on different types of collected data/information.
  • NWDAF can collect UE mobility performance-related data from UE, AMF or OAM, UE communication performance-related data from UE, SMF or OAM, UE application-related data from UE, SMF or AF, and UE energy consumption or resources from UE. Use relevant data.
  • S402 may include at least one of the following methods:
  • the NWDAF entity obtains data related to the use of AI from the first terminal device (UE1) according to the analysis request;
  • the NWDAF entity obtains AI-related data from the NF entity or OAM entity according to the analysis request, where the NF entity can be an AMF entity, SMF entity, AF entity, etc.;
  • the NWDAF entity obtains data related to the use of AI from the second terminal device (UE2) according to the analysis request.
  • the data related to the use of AI by the target terminal device may include at least one of the following:
  • the target terminal device uses AI description information.
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • Service experience information may include subjective evaluation and analysis of the quality of voice, video or other services. For example, it is represented by mean opinion score (MOS).
  • MOS mean opinion score
  • the data related to the use of AI by the target terminal device can be shown in Table 1:
  • the first functional entity determines the analysis result based on the data.
  • the analysis results include at least one of the following:
  • the statistical information can be the analysis results of a past period of time; the forecast information can be the prediction results of a future period of time.
  • the first performance includes at least one of the following: communication performance, energy consumption performance, resource usage, mobility performance, and service experience of the target terminal device;
  • the second performance includes at least one of the following: serving the target The communication performance, energy consumption performance, resource usage, load status, and congestion status of the network or network functional entity of the terminal device.
  • the analysis results also include description information of the target terminal device using AI.
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information. .
  • the analysis results also include analysis result application information, and the analysis result application information package Including at least one of the following: the period for which statistical information or prediction information is applicable, the area for which statistical information or prediction information is applicable, the network slice for which statistical information or prediction information is applicable, and the confidence level of prediction information.
  • the first terminal device can store the description information of the target terminal device using AI locally and associate it with the analysis request and/or analysis results, so that it can subsequently determine the enabled AI locally based on the analysis results. AI strategy.
  • the prediction information can be as shown in Table 3 below:
  • the NWDAF entity sends the analysis result to the first terminal device.
  • the NWDAF entity can send the analysis results to the first terminal device in the following manner:
  • the NWDAF entity sends the analysis results to the UPF entity, and the UPF entity sends the data packet containing the analysis results to UE1 through the user plane;
  • the NWDAF entity sends the analysis result to the AMF entity, and the AMF entity sends the analysis result to UE1 through control plane signaling.
  • the first terminal device determines the AI usage strategy of the target terminal device based on the analysis results.
  • S406 may be executed.
  • the first terminal device can send the policy to the second terminal device, and the second terminal device can execute the policy after receiving the policy.
  • the first terminal device executes the policy.
  • executing the policy includes executing at least one of the following:
  • the execution strategy can be divided into the following three ways according to the AI-enabled objects:
  • the first type is that the terminal device enables AI and executes policies, including executing at least one of the following:
  • UE1 enables or disables AI under the condition of using AI; if AI is enabled, UE1 adopts specific AI/ML algorithms or AI/ML models according to the priority according to the AI policy to achieve the best results. or desired performance.
  • the target application enables AI and executes policies, including executing at least one of the following:
  • UE1 enables or disables AI in the target application in UE1 under the condition of using AI; if AI is enabled, UE1 adopts a specific AI/ML algorithm or AI/ML model according to the priority according to the AI policy. to reach to achieve optimal or desired performance.
  • the third type is that the target function enables AI and executes strategies, including executing at least one of the following:
  • UE1 enables or disables AI for the target function in UE1 under the condition of using AI; if AI is enabled, UE1 adopts a specific AI/ML algorithm or AI/ML model according to the priority according to the AI policy. to achieve optimal or desired performance.
  • the AI/ML algorithm may include an AI/ML algorithm, and may also include an AI/ML algorithm and AI/ML algorithm parameters.
  • the AI/ML model may include an AI/ML model, and may also include an AI/ML model and key parameters of the AI/ML model.
  • the policy determination method provided by the embodiment of the present disclosure includes: the first terminal device sends an analysis request to the NWDAF entity.
  • the NWDAF entity obtains data related to the use of AI by the target terminal device according to the analysis request, determines the analysis results based on the data, and sends the analysis results.
  • the first terminal device determines the AI usage strategy of the target terminal device based on the analysis results, and can also execute the strategy.
  • the strategy for the target terminal device to use AI is flexibly determined.
  • the target terminal device enables AI according to the policy, which can achieve the best or expected performance of the target terminal device, network and application.
  • Figure 5 is a flow chart of a third policy determination method provided by an embodiment of the present disclosure. As shown in Figure 5, the method includes:
  • the PCF entity sends an analysis request to the NWDAF entity.
  • the analysis request in the embodiment of the present disclosure may be the same as the analysis request in S401.
  • the PCF entity requests analysis of the second terminal device, it needs to obtain the information of the second terminal device from the first terminal device or other functional entities in advance.
  • the NWDAF entity sends the analysis result to the PCF entity.
  • the PCF entity determines the AI usage strategy of the target terminal device based on the analysis results.
  • the PCF entity sends the policy to the target terminal device.
  • the target terminal device executes the policy.
  • the policy determination method provided by the embodiment of the present disclosure includes: the PCF entity sends an analysis request to the NWDAF entity, and the NWDAF entity obtains data related to the use of AI by the target terminal device according to the analysis request, determines the analysis results based on the data, and sends the analysis results to the PCF Entity, the PCF entity determines the AI policy for the target terminal device based on the analysis results, and sends the policy to the target terminal device, and the target terminal device executes the policy. Based on the data related to the use of AI by the target terminal device, the strategy for the target terminal device to use AI is flexibly determined. The target terminal device enables AI according to the policy, which can achieve the best or expected performance of the target terminal device, network and application.
  • FIG. 6 is a flow chart of a fourth policy determination method provided by an embodiment of the present disclosure. As shown in Figure 6, the method includes:
  • the AF entity sends an analysis request to the NWDAF entity.
  • the analysis request in the embodiment of the present disclosure may be the same as the analysis request in S401.
  • the analysis request sent by the AF entity to the NWDAF entity needs to carry the identity of the target application and/or the identity of the target function.
  • the target application may be an application of interest to the AF entity.
  • the target function may be a function of interest to the AF entity.
  • the AF entity requests to analyze the second terminal device, it needs to obtain the information of the second terminal device from the first terminal device or other functional entities in advance.
  • the NWDAF entity sends the analysis result to the AF entity.
  • the AF entity determines the AI usage strategy for the target application/target function in the target terminal device based on the analysis results.
  • the policy determined by it may also be referred to as the parameter set for the target application/target function in the target terminal device to use AI.
  • the policy may include at least one of the following:
  • AI model information used by the target application/target function is used by the target application/target function.
  • the policy can be:
  • AI is enabled, the AI/ML algorithm and/or AI/ML model used by the target application, as well as the AI/ML algorithm parameters and/or key parameters of the AI/ML model (optionally), to achieve optimal or desired performance . If multiple AI/ML algorithms and/or AI/ML models are included, the AI/ML algorithm and/or AI/ML model to be used can be determined according to the order of priority.
  • the strategy can be:
  • AI is enabled, the AI/ML algorithm and/or AI/ML model used by the target function, as well as the AI/ML algorithm parameters and/or key parameters of the AI/ML model (optionally), to achieve optimal or desired performance . If multiple AI/ML algorithms and/or AI/ML models are included, the AI/ML algorithm and/or AI/ML model to be used can be determined according to the order of priority.
  • the AF entity sends the policy to the target terminal device.
  • the AF can send the policy (parameter set) to the target terminal device through the application layer.
  • the target terminal device executes the policy.
  • executing the AI strategy includes executing at least one of the following:
  • UE1 enables or disables AI for the target application/target function in UE1 under the condition of using AI; if the target application/target function enables AI, UE1 adopts specific methods according to the priority according to the AI policy.
  • AI/ML algorithms or AI/ML models to achieve optimal or desired performance.
  • the policy determination method provided by the embodiment of the present disclosure includes: the AF entity sends an analysis request to the NWDAF entity, and the NWDAF entity obtains data related to AI use by the target terminal device according to the analysis request, determines the analysis results based on the data, and sends the analysis results to the AF
  • the entity the AF entity determines the AI-using policy for the target application/target function in the target terminal device based on the analysis results, and sends the policy to the target terminal device, and the target terminal device executes the policy.
  • the strategy for using AI for the target application/target function in the target terminal device is flexibly determined.
  • the target terminal device enables AI according to the policy, which can achieve the best or expected results for the target terminal device, network and application. performance.
  • Figure 7 is a flow chart of the fifth policy determination method provided by an embodiment of the present disclosure. As shown in Figure 7, the method includes:
  • S701-S705 please refer to S601-S605, which will not be described again here.
  • the AF entity sends the policy to the target terminal device through the PCF entity.
  • the AF entity first sends the policy (parameter set) to the PCF entity, and the PCF entity then sends the policy to the target terminal device.
  • the AF entity can send the policy (parameter set) to the NEF/UDR entity, and the NEF/UDR entity then sends the policy (parameter set) to the PCF entity.
  • the target terminal device executes the policy.
  • the policy determination method provided by the embodiment of the present disclosure includes: the AF entity sends an analysis request to the NWDAF entity, and the NWDAF entity obtains data related to the use of AI by the target terminal device according to the analysis request, determines the analysis results based on the data, and sends the analysis results to the AF Entity, the AF entity determines the AI policy for the target application/target function in the target terminal device based on the analysis results, and sends the policy to the target terminal device through the PCF entity, and the target terminal device executes the policy. Based on the data related to the use of AI by the target terminal device, the strategy for using AI for the target application/target function in the target terminal device is flexibly determined. The target terminal device enables AI according to the policy, which can achieve the best or expected results for the target terminal device, network and application. performance.
  • FIG. 8 is a schematic structural diagram of a policy determination device 800 provided by an embodiment of the present disclosure. As shown in Figure 8, the policy determination device 800 provided in this embodiment is used in the first functional entity.
  • the device 800 includes: a memory 801, a transceiver 802 and a processor 803.
  • Memory 801 used to store computer programs
  • Transceiver 802 used to send and receive data under the control of processor 803;
  • Processor 803 used to read the computer program stored in the memory 801 and perform the following operations:
  • the analysis results are sent to the second functional entity, and the analysis results are used to enable the second functional entity to determine the AI usage strategy of the target terminal device.
  • the strategy includes at least one of the following:
  • AI algorithm information used by the target terminal device, target application or target function
  • AI model information used by the target terminal device, target application or target function used by the target terminal device, target application or target function.
  • the data includes at least one of the following:
  • the target terminal device uses AI description information.
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the processor 803 is configured to obtain data from at least one of the following devices:
  • Network equipment serving the target terminal equipment includes at least one of the following: access and mobility management function AMF entity, operation management and maintenance OAM entity, session management function SMF entity, user plane function UPF entity, and application function AF entity.
  • Access network AN entity includes at least one of the following: access and mobility management function AMF entity, operation management and maintenance OAM entity, session management function SMF entity, user plane function UPF entity, and application function AF entity.
  • the analysis results include at least one of the following:
  • the first performance includes at least one of the following: communication performance, energy consumption performance, resource usage, mobility performance, and service experience of the target terminal device; and/or,
  • the second performance includes at least one of the following: communication performance, energy consumption performance, resource usage, load status, and congestion status of the network or network functional entity serving the target terminal device.
  • the analysis results also include description information of the AI used by the target terminal device
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the analysis results also include information applicable to the analysis results
  • the information applicable to the analysis results includes at least one of the following: the period to which the statistical information or prediction information is applicable, the area to which the statistical information or prediction information is applicable, the network slice to which the statistical information or prediction information is applicable, and the confidence level of the prediction information.
  • the processor 803 is also configured to perform the following operations:
  • An analysis request is received from the second functional entity, and the analysis request is used to request analysis results.
  • the second functional entity includes any one of the following: a first terminal device, a policy control function PCF entity, or an AF entity.
  • the analysis request includes at least one of the following:
  • Analyze the target information, and the analyzed target information includes at least one of the following: the identification of the target terminal device, the identification of the device group to which the target terminal device belongs, the identification of the target application, and the identification of the target function;
  • Description information of the target terminal device using AI includes at least one of the following: AI enabling information, AI application User identification, AI function identification, AI algorithm information, AI model information;
  • the AI algorithm information includes at least one AI algorithm and priority information corresponding to at least one AI algorithm; and/or,
  • the AI model information includes at least one AI model and priority information corresponding to the at least one AI model.
  • the bus architecture may include any number of interconnected buses and bridges, specifically one or more processors represented by processor 803 and various circuits of the memory represented by memory 801 are linked together.
  • the bus architecture can also link together various other circuits such as peripherals, voltage regulators, and power management circuits, which are all well known in the art and therefore will not be described further herein.
  • the bus interface provides the interface.
  • the transceiver 802 may be a plurality of elements, including a transmitter and a receiver, providing a unit for communicating with various other devices over transmission media, including wireless channels, wired channels, optical cables, and other transmission media.
  • the processor 803 is responsible for managing the bus architecture and general processing, and the memory 801 can store data used by the processor 803 when performing operations.
  • the processor 803 may be a central processing unit (CPU), an application specific integrated circuit (ASIC), a field-programmable gate array (FPGA) or a complex programmable gate array.
  • Logic device complex programmable logic device, CPLD
  • the processor can also adopt a multi-core architecture.
  • FIG. 9A is a schematic structural diagram of the first policy determination device 900 provided by an embodiment of the present disclosure. As shown in FIG. 9A , a policy determination device 900 is applied in the second functional entity.
  • the device 900 includes a memory 901 , a transceiver 902 and a processor 903 .
  • Memory 901 used to store computer programs
  • Transceiver 902 used to send and receive data under the control of processor 903;
  • Processor 903 used to read the computer program stored in the memory 901 and perform the following operations:
  • the strategy includes at least one of the following:
  • AI algorithm information used by the target terminal device, target application or target function
  • AI model information used by the target terminal device, target application or target function used by the target terminal device, target application or target function.
  • the data includes at least one of the following:
  • the target terminal device uses AI description information.
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the analysis results include at least one of the following:
  • the first performance includes at least one of the following: communication performance, energy consumption performance, resource usage, mobility performance, and service experience of the target terminal device; and/or,
  • the second performance includes at least one of the following: communication performance, energy consumption performance, resource usage, load status, and congestion status of the network or network functional entity serving the target terminal device.
  • the analysis results also include description information of the AI used by the target terminal device
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the analysis results also include information applicable to the analysis results
  • the information applicable to the analysis results includes at least one of the following: the period to which the statistical information or prediction information is applicable, the area to which the statistical information or prediction information is applicable, the network slice to which the statistical information or prediction information is applicable, and the confidence level of the prediction information.
  • the processor 903 is also configured to perform the following operations:
  • the analysis request includes at least one of the following:
  • Analyze the target information, and the analyzed target information includes at least one of the following: the identification of the target terminal device, the identification of the device group to which the target terminal device belongs, the identification of the target application, and the identification of the target function;
  • Description information of the target terminal device using AI includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information;
  • the AI algorithm information includes at least one AI algorithm and priority information corresponding to at least one AI algorithm; and/or,
  • the AI model information includes at least one AI model and priority information corresponding to the at least one AI model.
  • the second functional entity is the first terminal device
  • the target terminal device is the first terminal device
  • the processor 903 is further configured to perform the following operations:
  • the processor 903 is configured to perform at least one of the following operations according to the policy:
  • the processor 903 is also configured to perform the following operations:
  • the processor 903 is specifically configured to perform the following operations:
  • the bus architecture may include any number of interconnected buses and bridges, specifically one or more processors represented by processor 903 and various circuits of the memory represented by memory 901 are linked together.
  • the bus architecture can also link together various other circuits such as peripherals, voltage regulators, and power management circuits, which are all well known in the art and therefore will not be described further herein.
  • the bus interface provides the interface.
  • the transceiver 902 may be a plurality of elements, including a transmitter and a receiver, providing a unit for communicating with various other devices over transmission media, including wireless channels, wired channels, optical cables, etc. Transmission medium.
  • the processor 903 is responsible for managing the bus architecture and general processing, and the memory 901 can store data used by the processor 903 when performing operations.
  • FIG. 9B is a second structural schematic diagram of a policy determination device 900 provided by an embodiment of the present disclosure. As shown in Figure 9B, the policy determination device 900 is applied to the second functional entity.
  • the device 900 can also include a user interface 904.
  • the user interface 904 can also It is an interface that can connect external and internal devices as needed.
  • the connected devices include but are not limited to keypads, monitors, speakers, microphones, joysticks, etc.
  • the processor 903 can be a central processing unit (CPU), an application specific integrated circuit (ASIC), a field-programmable gate array (FPGA) or a complex programmable gate array.
  • Logic device complex programmable logic device, CPLD
  • the processor can also adopt a multi-core architecture.
  • the processor 903 is configured to execute any of the methods provided by the embodiments of the present disclosure according to the obtained executable instructions by calling the computer program stored in the memory 901 .
  • the processor 903 and the memory 901 may also be physically separated.
  • FIG. 10A is a schematic structural diagram 1 of a policy determination device 1000 provided by an embodiment of the present disclosure. As shown in Figure 10A, the policy determination device 1000 is applied in the first functional entity.
  • the device 1000 includes:
  • the acquisition unit 1001 is used to acquire data related to the use of AI by the target terminal device;
  • the determination unit 1002 is used to determine the analysis results based on the data
  • the sending unit 1003 is configured to send analysis results to the second functional entity, where the analysis results are used to enable the second functional entity to determine the AI usage strategy of the target terminal device.
  • the strategy includes at least one of the following:
  • AI algorithm information used by the target terminal device, target application or target function
  • AI model information used by the target terminal device, target application or target function used by the target terminal device, target application or target function.
  • the data includes at least one of the following:
  • the target terminal device uses AI description information.
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the acquisition unit 1001 is configured to acquire data related to the use of AI by the target terminal device from at least one of the following devices:
  • Network equipment serving the target terminal equipment includes at least one of the following: access and mobility management function AMF entity, operation management and maintenance OAM entity, session management function SMF entity, user plane function UPF entity, and application function AF entity.
  • Access network AN entity includes at least one of the following: access and mobility management function AMF entity, operation management and maintenance OAM entity, session management function SMF entity, user plane function UPF entity, and application function AF entity.
  • the analysis results include at least one of the following:
  • the first performance includes at least one of the following: communication performance, energy consumption performance, resource usage, mobility performance, and service experience of the target terminal device; and/or,
  • the second performance includes at least one of the following: communication performance, energy consumption performance, resource usage, load status, and congestion status of the network or network functional entity serving the target terminal device.
  • the analysis results also include description information of the AI used by the target terminal device
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the analysis results also include information applicable to the analysis results
  • the information applicable to the analysis results includes at least one of the following: the period to which the statistical information or prediction information is applicable, the area to which the statistical information or prediction information is applicable, the network slice to which the statistical information or prediction information is applicable, and the confidence level of the prediction information.
  • Figure 10B is a second structural schematic diagram of a policy determination device 1000 provided by an embodiment of the present disclosure. As shown in Figure 10B, the device 1000 also includes:
  • the receiving unit 1004 is configured to receive an analysis request from the second functional entity, where the analysis request is used to request analysis results.
  • the second functional entity includes any one of the following: a first terminal device, a policy control function PCF entity, or an AF entity.
  • the analysis request includes at least one of the following:
  • Analyze the target information, and the analyzed target information includes at least one of the following: the identification of the target terminal device, the identification of the device group to which the target terminal device belongs, the identification of the target application, and the identification of the target function;
  • Description information of the target terminal device using AI includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information;
  • the AI algorithm information includes at least one AI algorithm and priority information corresponding to at least one AI algorithm; and/or,
  • the AI model information includes at least one AI model and priority information corresponding to the at least one AI model.
  • FIG. 11A is a schematic structural diagram 1 of a policy determination device 1100 provided by an embodiment of the present disclosure. As shown in Figure 11A, the policy determination device 1100 is applied in the second functional entity.
  • the device 1100 includes:
  • the receiving unit 1101 is configured to receive the analysis results sent by the first functional entity, where the analysis results are determined based on the AI-related data used by the target terminal device;
  • the determination unit 1102 is configured to determine the AI usage strategy of the target terminal device based on the analysis results.
  • the strategy includes at least one of the following:
  • AI algorithm information used by the target terminal device, target application or target function
  • AI model information used by the target terminal device, target application or target function used by the target terminal device, target application or target function.
  • the data includes at least one of the following:
  • Description information of the target terminal device using AI includes at least one of the following: AI enabling information, AI application User identification, AI function identification, AI algorithm information, and AI model information.
  • the analysis results include at least one of the following:
  • the first performance includes at least one of the following: communication performance, energy consumption performance, resource usage, mobility performance, and service experience of the target terminal device; and/or,
  • the second performance includes at least one of the following: communication performance, energy consumption performance, resource usage, load status, and congestion status of the network or network functional entity serving the target terminal device.
  • the analysis results also include description information of the AI used by the target terminal device
  • the description information includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information.
  • the analysis results also include information applicable to the analysis results
  • the information applicable to the analysis results includes at least one of the following: the period to which the statistical information or prediction information is applicable, the area to which the statistical information or prediction information is applicable, the network slice to which the statistical information or prediction information is applicable, and the confidence level of the prediction information.
  • Figure 11B is a second structural schematic diagram of the policy determination device 1100 provided by an embodiment of the present disclosure. As shown in Figure 11B, the policy determination device 1100 is applied in the second functional entity. The device also includes:
  • the first sending unit 1103 is used to send an AI analysis request to the first functional entity, and the analysis request is used to request analysis results.
  • the analysis request includes at least one of the following:
  • Analyze the target information, and the analyzed target information includes at least one of the following: the identification of the target terminal device, the identification of the device group to which the target terminal device belongs, the identification of the target application, and the identification of the target function;
  • Description information of the target terminal device using AI includes at least one of the following: AI enabling information, AI application identification, AI function identification, AI algorithm information, and AI model information;
  • the AI algorithm information includes at least one AI algorithm and priority information corresponding to at least one AI algorithm; and/or,
  • the AI model information includes at least one AI model and priority information corresponding to the at least one AI model.
  • Figure 11C is a schematic third structural diagram of the policy determination device 1100 provided by an embodiment of the present disclosure. As shown in Figure 11C, the policy determination device 1100 is applied to the second functional entity, the second functional entity is the first terminal device, and the target terminal device is the first terminal device.
  • the device 1100 also includes:
  • Execution unit 1104 used to execute policies.
  • the execution unit 1104 is configured to execute at least one of the following according to the policy:
  • FIG. 11D is a schematic structural diagram 4 of the policy determination device 1100 provided by an embodiment of the present disclosure. As shown in Figure 11D, the policy determination device 1100 is applied in the second functional entity, and the device also includes:
  • the second sending unit 1105 is used to send the policy to the target terminal device.
  • the second sending unit 1105 is specifically used to:
  • each functional unit in various embodiments of the present disclosure may be integrated into one processing unit, or each unit may exist physically alone, or two or more units may be integrated into one unit.
  • the above integrated units can be implemented in the form of hardware or software functional units.
  • the integrated unit is implemented in the form of a software functional unit and sold or used as an independent product, it can be stored in a processor-readable storage medium.
  • the technical solution of the present disclosure is essentially or contributes to the existing technology, or all or part of the technical solution can be embodied in the form of a software product, and the computer software product is stored in a storage medium , including several instructions to cause a computer device (which can be a personal computer, a server, or a network device, etc.) or a processor to execute all or part of the steps of the methods of various embodiments of the present disclosure.
  • the aforementioned storage media include: U disk, mobile hard disk, read-only memory (ROM), random access memory (RAM), magnetic disk or optical disk and other media that can store program code. .
  • An embodiment of the present disclosure also provides a processor-readable storage medium.
  • the processor-readable storage medium stores a computer program.
  • the computer program is used to cause the processor to execute any step of the above method embodiment.
  • the processor-readable storage medium can be any available media or data storage device that can be accessed by the computer, including but not limited to magnetic storage (such as floppy disks, hard disks, magnetic tapes, magneto-optical disks (MO), etc.), optical storage (such as CD, DVD , BD, HVD, etc.), and semiconductor memories (such as ROM, EPROM, EEPROM, non-volatile memory (NANDFLASH), solid state drive (SSD)), etc.
  • magnetic storage such as floppy disks, hard disks, magnetic tapes, magneto-optical disks (MO), etc.
  • optical storage such as CD, DVD , BD, HVD, etc.
  • semiconductor memories such as ROM, EPROM, EEPROM, non-volatile memory (NANDFLASH), solid state drive (SSD)
  • An embodiment of the present disclosure also provides a computer program product, which includes a computer program.
  • a computer program product which includes a computer program.
  • embodiments of the present disclosure may be provided as methods, systems, or computer program products. Accordingly, the present disclosure may take the form of an entirely hardware embodiment, an entirely software embodiment, or an embodiment that combines software and hardware aspects. Furthermore, the present disclosure may take the form of a computer program product embodied on one or more computer-usable storage media (including, but not limited to, magnetic disk storage, optical storage, and the like) embodying computer-usable program code therein.
  • a computer-usable storage media including, but not limited to, magnetic disk storage, optical storage, and the like
  • processor-executable instructions may also be stored in a processor-readable memory that causes a computer or other programmable data processing apparatus to operate in a particular manner, such that the generation of instructions stored in the processor-readable memory includes the manufacture of the instruction means product, the instruction device implements the function specified in one process or multiple processes in the flow chart and/or one block or multiple blocks in the block diagram.
  • processor-executable instructions may also be loaded onto a computer or other programmable data processing device, causing a series of operational steps to be performed on the computer or other programmable device to produce computer-implemented processing, thereby causing the computer or other programmable device to
  • the instructions that are executed provide steps for implementing the functions specified in a process or processes of the flowchart diagrams and/or a block or blocks of the block diagrams.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本公开提供一种策略确定方法、装置及存储介质。该方法中第一功能实体获取目标终端设备使用AI相关的数据；根据数据，确定分析结果，向第二功能实体发送分析结果，分析结果用于第二功能实体确定目标终端设备使用AI的策略。根据目标终端设备使用AI相关的数据，可以灵活的确定目标终端设备使用AI的策略，目标终端设备根据策略启用AI，可以使目标终端设备、网络以及应用取得最佳或期望的性能。

Description

一种策略确定方法、装置及存储介质
本公开要求于2022年08月09日提交中国专利局、申请号为202210950477.0、申请名称为“一种策略确定方法、装置、设备及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本公开中。
技术领域
本公开涉及通信技术领域，更为具体地，涉及一种策略确定方法、装置及存储介质。
背景技术
随着人工智能(artificial intelligence，AI)技术的发展，终端设备的许多应用(例如，语音应用、视频应用、图像处理应用等)开始使用AI技术，以提高终端设备或者应用的性能和用户体验。同时，终端设备的通信功能模块也开始使用AI算法，以提高通信性能。
目前，终端设备可以通过用户配置或静态配置的方式来确定使用的AI策略。然而，上述确定AI策略的方式缺乏灵活性，没有考虑不同场景下该使用何种AI策略，才能够使终端设备、网络以及应用达到最佳或期望的性能。因此，现在亟需一种可以确保终端设备、网络以及应用达到最佳或期望性能的AI策略确定方式。
发明内容
本公开涉及一种策略确定方法、装置及存储介质，提供了一种可以确保终端设备、网络以及应用达到最佳或期望性能的AI策略确定方式。
第一方面，本公开实施例提供一种策略确定方法，应用于第一功能实体，所述方法包括：
获取目标终端设备使用AI相关的数据；
根据所述数据，确定分析结果；
向第二功能实体发送所述分析结果，所述分析结果用于使所述第二功能实体确定所述目标终端设备使用AI的策略。
在一种实施方式中，所述策略包括如下至少一种：
对所述目标终端设备、目标应用或目标功能使用AI；
对所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
所述目标终端设备、所述目标应用或所述目标功能使用的AI算法信息；
所述目标终端设备、所述目标应用或所述目标功能使用的AI模型信息。
在一种实施方式中，所述数据包括如下至少一种：
所述目标终端设备的移动性能数据；
所述目标终端设备的通信性能数据；
所述目标终端设备的业务体验信息；
所述目标终端设备的能耗数据；
所述目标终端设备的资源使用数据；
服务于所述目标终端设备的网络的性能数据；
服务于所述目标终端设备的网络功能实体的状态数据；
所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，获取目标终端设备使用AI相关的数据，包括：
从如下至少一个设备中获取所述数据：
所述目标终端设备；
服务于所述目标终端设备的网络设备，所述网络设备包括如下至少一种：接入与移动性管理功能AMF实体、操作管理维护OAM实体、会话管理功能SMF实体、用户面功能UPF实体、应用功能AF实体、接入网AN实体。
在一种实施方式中，所述分析结果包括如下至少一种：
所述目标终端设备的第一性能的统计信息或预测信息；
服务于所述目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
在一种实施方式中，所述第一性能包括如下至少一种：所述目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
所述第二性能包括如下至少一种：所述服务于所述目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
在一种实施方式中，所述分析结果还包括所述目标终端设备使用AI的描述信息；
所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，所述分析结果还包括分析结果适用信息；
所述分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
在一种实施方式中，获取目标终端设备使用AI相关的数据之前，还包括：
从所述第二功能实体接收分析请求，所述分析请求用于请求所述分析结果。
在一种实施方式中，所述第二功能实体包括如下任意一种：第一终端设备、策略控制功能PCF实体、AF实体。
在一种实施方式中，所述分析请求包括如下至少一种：
分析目标信息，所述分析目标信息包括如下至少一种：所述目标终端设备的标识、所述目标终端设备所在设备组的标识、目标应用的标识、目标功能的标识；
所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
分析区域；
分析网络切片；
分析时段；
分析结果的准确度；
分析结果的精度。
在一种实施方式中，所述AI算法信息包括至少一种AI算法和所述至少一种AI算法对应的优先级信息；和/或，
所述AI模型信息包括至少一种AI模型和所述至少一种AI模型对应的优先级信息。
第二方面，本公开实施例提供一种策略确定方法，应用于第二功能实体，所述方法包括：
接收第一功能实体发送的分析结果，所述分析结果为基于目标终端设备使用AI相关的数据确定得到的；
根据所述分析结果，确定所述目标终端设备使用AI的策略。
在一种实施方式中，所述策略包括如下至少一种：
对所述目标终端设备、目标应用或目标功能使用AI；
对所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
所述目标终端设备、所述目标应用或所述目标功能使用的AI算法信息；
所述目标终端设备、所述目标应用或所述目标功能使用的AI模型信息。
在一种实施方式中，所述数据包括如下至少一种：
所述目标终端设备的移动性能数据；
所述目标终端设备的通信性能数据；
所述目标终端设备的业务体验信息；
所述目标终端设备的能耗数据；
所述目标终端设备的资源使用数据；
服务于所述目标终端设备的网络的性能数据；
服务于所述目标终端设备的网络功能实体的状态数据；
所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，所述分析结果包括如下至少一种：
所述目标终端设备的第一性能的统计信息或预测信息；
服务于所述目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
在一种实施方式中，所述第一性能包括如下至少一种：所述目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
所述第二性能包括如下至少一种：所述服务于所述目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
在一种实施方式中，所述分析结果还包括所述目标终端设备使用AI的描述信息；
所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI 算法信息、AI模型信息。
在一种实施方式中，所述分析结果还包括分析结果适用信息；
所述分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
在一种实施方式中，接收第一功能实体发送的分析结果之前，还包括：
向所述第一功能实体发送AI分析请求，所述分析请求用于请求所述分析结果。
在一种实施方式中，所述分析请求包括如下至少一种：
分析目标信息，所述分析目标信息包括如下至少一种：所述目标终端设备的标识、所述目标终端设备所在设备组的标识、目标应用的标识、目标功能的标识；
所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
分析区域；
分析网络切片；
分析时段；
分析结果的准确度；
分析结果的精度。
在一种实施方式中，所述AI算法信息包括至少一种AI算法和所述至少一种AI算法对应的优先级信息；和/或，
所述AI模型信息包括至少一种AI模型和所述至少一种AI模型对应的优先级信息。
在一种实施方式中，所述第二功能实体为第一终端设备，所述目标终端设备为所述第一终端设备，确定所述目标终端设备使用AI的策略之后，还包括：
执行所述策略。
在一种实施方式中，执行所述策略，包括：
根据所述策略，执行如下至少一种：
确定所述目标终端设备、目标应用或目标功能使用AI；
确定所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
根据所述AI算法信息确定所述目标终端设备、所述目标应用或所述目标功能使用的AI算法；
根据所述AI模型信息确定所述目标终端设备、所述目标应用或所述目标功能使用的AI模型。
在一种实施方式中，所述确定所述目标终端设备使用AI的策略之后，还包括：
向所述目标终端设备发送所述策略。
在一种实施方式中，所述第二功能实体为AF实体，向所述目标终端设备发送所述策略，包括：
通过PCF实体向所述目标终端设备发送所述策略。
第三方面，本公开实施例提供一种策略确定装置，应用于第一功能实体中，所述装置包括存储器，收发机，处理器：
所述存储器，用于存储计算机程序；
所述收发机，用于在所述处理器的控制下收发数据；
所述处理器，用于读取所述存储器中的计算机程序并执行如下操作：
获取目标终端设备使用AI相关的数据；
根据所述数据，确定分析结果；
向第二功能实体发送所述分析结果，所述分析结果用于使所述第二功能实体确定所述目标终端设备使用AI的策略。
在一种实施方式中，所述策略包括如下至少一种：
对所述目标终端设备、目标应用或目标功能使用AI；
对所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
所述目标终端设备、所述目标应用或所述目标功能使用的AI算法信息；
所述目标终端设备、所述目标应用或所述目标功能使用的AI模型信息。
在一种实施方式中，所述数据包括如下至少一种：
所述目标终端设备的移动性能数据；
所述目标终端设备的通信性能数据；
所述目标终端设备的业务体验信息；
所述目标终端设备的能耗数据；
所述目标终端设备的资源使用数据；
服务于所述目标终端设备的网络的性能数据；
服务于所述目标终端设备的网络功能实体的状态数据；
所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，所述处理器，用于从如下至少一个设备中获取所述数据：
所述目标终端设备；
服务于所述目标终端设备的网络设备，所述网络设备包括如下至少一种：接入与移动性管理功能AMF实体、操作管理维护OAM实体、会话管理功能SMF实体、用户面功能UPF实体、应用功能AF实体、接入网AN实体。
在一种实施方式中，所述分析结果包括如下至少一种：
所述目标终端设备的第一性能的统计信息或预测信息；
服务于所述目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
在一种实施方式中，所述第一性能包括如下至少一种：所述目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
所述第二性能包括如下至少一种：所述服务于所述目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
在一种实施方式中，所述分析结果还包括所述目标终端设备使用AI的描述信息；
所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，所述分析结果还包括分析结果适用信息；
所述分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
在一种实施方式中，所述处理器还用于执行以下操作：
从所述第二功能实体接收分析请求，所述分析请求用于请求所述分析结果。
在一种实施方式中，所述第二功能实体包括如下任意一种：第一终端设备、策略控制功能PCF实体、AF实体。
在一种实施方式中，所述分析请求包括如下至少一种：
分析目标信息，所述分析目标信息包括如下至少一种：所述目标终端设备的标识、所述目标终端设备所在设备组的标识、目标应用的标识、目标功能的标识；
所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
分析区域；
分析网络切片；
分析时段；
分析结果的准确度；
分析结果的精度。
在一种实施方式中，所述AI算法信息包括至少一种AI算法和所述至少一种AI算法对应的优先级信息；和/或，
所述AI模型信息包括至少一种AI模型和所述至少一种AI模型对应的优先级信息。
第四方面，本公开实施例提供一种第二功能实体，所述装置应用于第二功能实体中，所述装置包括存储器，收发机，处理器：
所述存储器，用于存储计算机程序；
所述收发机，用于在所述处理器的控制下收发数据；
所述处理器，用于读取所述存储器中的计算机程序并执行如下操作：
接收第一功能实体发送的分析结果，所述分析结果为基于目标终端设备使用AI相关的数据确定得到的；
根据所述分析结果，确定所述目标终端设备使用AI的策略。
在一种实施方式中，所述策略包括如下至少一种：
对所述目标终端设备、目标应用或目标功能使用AI；
对所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
所述目标终端设备、所述目标应用或所述目标功能使用的AI算法信息；
所述目标终端设备、所述目标应用或所述目标功能使用的AI模型信息。
在一种实施方式中，所述数据包括如下至少一种：
所述目标终端设备的移动性能数据；
所述目标终端设备的通信性能数据；
所述目标终端设备的业务体验信息；
所述目标终端设备的能耗数据；
所述目标终端设备的资源使用数据；
服务于所述目标终端设备的网络的性能数据；
服务于所述目标终端设备的网络功能实体的状态数据；
所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，所述分析结果包括如下至少一种：
所述目标终端设备的第一性能的统计信息或预测信息；
服务于所述目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
在一种实施方式中，所述第一性能包括如下至少一种：所述目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
所述第二性能包括如下至少一种：所述服务于所述目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
在一种实施方式中，所述分析结果还包括所述目标终端设备使用AI的描述信息；
所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，所述分析结果还包括分析结果适用信息；
所述分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
在一种实施方式中，所述处理器还用于执行以下操作：
向所述第一功能实体发送AI分析请求，所述分析请求用于请求所述分析结果。
在一种实施方式中，所述分析请求包括如下至少一种：
分析目标信息，所述分析目标信息包括如下至少一种：所述目标终端设备的标识、所述目标终端设备所在设备组的标识、目标应用的标识、目标功能的标识；
所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
分析区域；
分析网络切片；
分析时段；
分析结果的准确度；
分析结果的精度。
在一种实施方式中，所述AI算法信息包括至少一种AI算法和所述至少一种AI算法对应的优先级信息；和/或，
所述AI模型信息包括至少一种AI模型和所述至少一种AI模型对应的优先级信息。
在一种实施方式中，所述第二功能实体为第一终端设备，所述目标终端设备为所述第一终端设备，所述处理器还用于执行以下操作：
执行所述策略。
在一种实施方式中，所述处理器，用于根据所述策略，执行如下至少一种操作：
确定所述目标终端设备、目标应用或目标功能使用AI；
确定所述目标终端设备、目标应用或目标功能使用AI的条件；
根据所述AI算法信息确定所述目标终端设备、目标应用或目标功能使用的AI算法；
根据所述AI模型信息确定所述目标终端设备、目标应用或目标功能使用的AI模型。
在一种实施方式中，所述处理器还用于执行以下操作：
向所述目标终端设备发送所述策略。
在一种实施方式中，所述处理器具体用于执行以下操作：
通过PCF实体向所述目标终端设备发送所述策略。
第五方面，本公开实施例提供一种策略确定装置，所述装置应用于第一功能实体中，所述装置包括：
获取单元，用于获取目标终端设备使用AI相关的数据；
确定单元，用于根据所述数据，确定分析结果；
发送单元，用于向第二功能实体发送所述分析结果，所述分析结果用于使所述第二功能实体确定所述目标终端设备使用AI的策略。
在一种实施方式中，所述策略包括如下至少一种：
对所述目标终端设备、目标应用或目标功能使用AI；
对所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
所述目标终端设备、所述目标应用或所述目标功能使用的AI算法信息；
所述目标终端设备、所述目标应用或所述目标功能使用的AI模型信息。
在一种实施方式中，所述数据包括如下至少一种：
所述目标终端设备的移动性能数据；
所述目标终端设备的通信性能数据；
所述目标终端设备的业务体验信息；
所述目标终端设备的能耗数据；
所述目标终端设备的资源使用数据；
服务于所述目标终端设备的网络的性能数据；
服务于所述目标终端设备的网络功能实体的状态数据；
所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，所述获取单元，用于从如下至少一个设备中获取所述数据：
所述目标终端设备；
服务于所述目标终端设备的网络设备，所述网络设备包括如下至少一种：接入与移动性管理功能AMF实体、操作管理维护OAM实体、会话管理功能SMF实体、用户面功能UPF实体、应用功能AF实体、接入网AN实体。
在一种实施方式中，所述分析结果包括如下至少一种：
所述目标终端设备的第一性能的统计信息或预测信息；
服务于所述目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
在一种实施方式中，所述第一性能包括如下至少一种：所述目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
所述第二性能包括如下至少一种：所述服务于所述目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
在一种实施方式中，所述分析结果还包括所述目标终端设备使用AI的描述信息；
所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，所述分析结果还包括分析结果适用信息；
所述分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
在一种实施方式中，所述装置还包括：
接收单元，用于从所述第二功能实体接收分析请求，所述分析请求用于请求所述分析结果。
在一种实施方式中，所述第二功能实体包括如下任意一种：第一终端设备、策略控制功能PCF实体、AF实体。
在一种实施方式中，所述分析请求包括如下至少一种：
分析目标信息，所述分析目标信息包括如下至少一种：所述目标终端设备的标识、所述目标终端设备所在设备组的标识、目标应用的标识、目标功能的标识；
所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
分析区域；
分析网络切片；
分析时段；
分析结果的准确度；
分析结果的精度。
在一种实施方式中，所述AI算法信息包括至少一种AI算法和所述至少一种AI算法对应的优先级信息；和/或，
所述AI模型信息包括至少一种AI模型和所述至少一种AI模型对应的优先级信息。
第六方面，本公开实施例提供一种策略确定装置，应用于第二功能实体中，所述装置包括：
接收单元，用于接收第一功能实体发送的分析结果，所述分析结果为基于目标终端设备使用AI相关的数据确定得到的；
确定单元，用于根据所述分析结果，确定所述目标终端设备使用AI的策略。
在一种实施方式中，所述策略包括如下至少一种：
对所述目标终端设备、目标应用或目标功能使用AI；
对所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
所述目标终端设备、所述目标应用或所述目标功能使用的AI算法信息；
所述目标终端设备、所述目标应用或所述目标功能使用的AI模型信息。
在一种实施方式中，所述数据包括如下至少一种：
所述目标终端设备的移动性能数据；
所述目标终端设备的通信性能数据；
所述目标终端设备的业务体验信息；
所述目标终端设备的能耗数据；
所述目标终端设备的资源使用数据；
服务于所述目标终端设备的网络的性能数据；
服务于所述目标终端设备的网络功能实体的状态数据；
所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，所述分析结果包括如下至少一种：
所述目标终端设备的第一性能的统计信息或预测信息；
服务于所述目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
在一种实施方式中，所述第一性能包括如下至少一种：所述目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
所述第二性能包括如下至少一种：所述服务于所述目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
在一种实施方式中，所述分析结果还包括所述目标终端设备使用AI的描述信息；
所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，所述分析结果还包括分析结果适用信息；
所述分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
在一种实施方式中，所述装置还包括：
第一发送单元，用于向所述第一功能实体发送AI分析请求，所述分析请求用于请求所述分析结果。
在一种实施方式中，所述分析请求包括如下至少一种：
分析目标信息，所述分析目标信息包括如下至少一种：所述目标终端设备的标识、所述目标终端设备所在设备组的标识、目标应用的标识、目标功能的标识；
所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
分析区域；
分析网络切片；
分析时段；
分析结果的准确度；
分析结果的精度。
在一种实施方式中，所述AI算法信息包括至少一种AI算法和所述至少一种AI算法对应的优先级信息；和/或，
所述AI模型信息包括至少一种AI模型和所述至少一种AI模型对应的优先级信息。
在一种实施方式中，所述第二功能实体为第一终端设备，所述目标终端设备为所述第一终端设备，所述装置还包括：
执行单元，用于执行所述策略。
在一种实施方式中，所述执行单元，用于根据所述策略，执行如下至少一种：
确定所述目标终端设备、目标应用或目标功能使用AI；
确定所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
根据所述AI算法信息确定所述目标终端设备、所述目标应用或所述目标功能使用的AI算法；
根据所述AI模型信息确定所述目标终端设备、所述目标应用或所述目标功能使用的AI模型。
在一种实施方式中，所述装置还包括：
第二发送单元，用于向所述目标终端设备发送所述策略。
在一种实施方式中，所述第二发送单元具体用于：
通过PCF实体向所述目标终端设备发送所述策略。
第七方面，本公开实施例提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行第一方面所述的方法，或执行第二方面所述的方法。
本公开提供一种策略确定方法、装置及存储介质，该方法中第一功能实体获取目标终端设备使用AI相关的数据；根据数据，确定分析结果，向第二功能实体发送分析结果，分析结果用于第二功能实体确定目标终端设备使用AI的策略。根据目标终端设备使用AI相关的数据，可以灵活的确定目标终端设备使用AI的策略，目标终端设备根据策略启用AI，可以使目标终端设备、网络以及应用取得最佳或期望的性能。
应当理解，上述发明内容部分中所描述的内容并非旨在限定本本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
图1为本公开实施例提供的通信系统的一种架构示意图；
图2为本公开实施例提供的通信系统的另一种架构示意图；
图3为本公开实施例提供的第一种策略确定方法的流程图；
图4为本公开实施例提供的第二种策略确定方法的流程图；
图5为本公开实施例提供的第三种策略确定方法的流程图；
图6为本公开实施例提供的第四种策略确定方法的流程图；
图7为本公开实施例提供的第五种策略确定方法的流程图；
图8为本公开实施例提供的策略确定装置800的结构示意图；
图9A为本公开实施例提供的策略确定装置900的结构示意图一；
图9B为本公开实施例提供的策略确定装置900的结构示意图二；
图10A为本公开实施例提供的策略确定装置1000的结构示意图一；
图10B为本公开实施例提供的策略确定装置1000的结构示意图二；
图11A为本公开实施例提供的策略确定装置1100的结构示意图一；
图11B为本公开实施例提供的策略确定装置1100的结构示意图二；
图11C为本公开实施例提供的策略确定装置1100的结构示意图三；
图11D为本公开实施例提供的策略确定装置1100的结构示意图四。
具体实施方式
本公开实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本公开实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，并不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
本公开实施例提供了一种策略确定方法、装置及存储介质，根据目标终端设备使用AI相关的数据，可以灵活的确定目标终端设备使用AI的策略，目标终端设备根据策略启用 AI，可以使目标终端设备、网络以及应用取得最佳或期望的性能。
其中，方法和装置是基于同一申请构思的，由于方法和装置解决问题的原理相似，因此装置和方法的实施可以相互参见，重复之处不再赘述。
本公开实施例提供的技术方案可以适用于多种系统，尤其是5G系统。例如适用的系统可以是全球移动通讯(global system of mobile communication，GSM)系统、码分多址(code division multiple access，CDMA)系统、宽带码分多址(wideband code division multiple access，WCDMA)通用分组无线业务(general packet radio service，GPRS)系统、长期演进(long term evolution，LTE)系统、LTE频分双工(frequency division duplex，FDD)系统、LTE时分双工(time division duplex，TDD)系统、高级长期演进(long term evolution advanced，LTE-A)系统、通用移动系统(universal mobile telecommunication system，UMTS)、全球互联微波接入(worldwide interoperability for microwave access，WiMAX)系统、5G新空口(new radio，NR)系统等。这多种系统中均包括终端设备和网络设备。系统中还可以包括核心网部分，例如演进的分组系统(evloved packet system，EPS)、5G系统(5GS)等。
本公开实施例涉及的终端设备，可以是指向用户提供语音和/或数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备等。在不同的系统中，终端设备的名称可能也不相同，例如在5G系统中，终端设备可以称为用户设备(user equipment，UE)。无线终端设备可以经无线接入网(radio access network，RAN)与一个或多个核心网(corenetwork，CN)进行通信，无线终端设备可以是移动终端设备，如移动电话(或称为“蜂窝”电话)和具有移动终端设备的计算机，例如，可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置，它们与无线接入网交换语言和/或数据。例如，个人通信业务(personal communication service，PCS)电话、无绳电话、会话发起协议(session initiated protocol，SIP)话机、无线本地环路(wireless local loop，WLL)站、个人数字助理(personal digital assistant，PDA)等设备。无线终端设备也可以称为系统、订户单元(subscriber unit)、订户站(subscriber station)，移动站(mobile station)、移动台(mobile)、远程站(remote station)、接入点(access point)、远程终端设备(remote terminal)、接入终端设备(access terminal)、用户终端设备(user terminal)、用户代理(user agent)、用户装置(user device)，本公开实施例中并不限定。
本公开实施例涉及的接入网设备，也可以称为无线接入网设备，可以为特定区域的授权用户提供接入通信网络的功能，具体可以包括第三代合作伙伴计划(3rd generation partnership project，3GPP)网络中无线网络设备也可以包括非3GPP(non-3GPP)网络中的接入点。接入网设备能够负责空口侧的无线资源管理、服务质量(quality of service，QoS)管理、数据压缩和加密等功能。接入网设备为终端设备提供接入服务，进而完成控制信号和用户数据在终端设备和核心网之间的转发。
接入网设备也可以称为网络设备，例如，本公开实施例涉及的网络设备可以是全球移动通信系统(global system for mobile communications，GSM)或码分多址接入(code division multiple access，CDMA)中的网络设备(base transceiver station，BTS)，也可以是带宽码分多址接入(wide-band code division multiple access，WCDMA)中的网络设备(NodeB)，还可以是 长期演进(long term evolution，LTE)系统中的演进型网络设备(evolutional Node B，eNB或e-NodeB)、5G网络架构(next generation system)中的5G基站(gNB)，也可以是家庭演进基站(home evolved node B，HeNB)、中继节点(relay node)、家庭基站(femto)、微微基站(pico)等，本公开实施例中并不限定。在一些网络结构中，网络设备可以包括集中单元(centralized unit，CU)节点和分布单元(distributed unit，DU)节点，集中单元和分布单元也可以地理上分开布置。
下面结合图1对本公开的通信场景进行说明。图1为本公开实施例提供的通信系统的一种架构示意图。
如图1所示，该架构可以包括终端设备、接入网设备、核心网设备和数据网络(data network，DN)部分。其中，终端设备、接入网设备和核心网设备是构成架构的主要部分，逻辑上它们可以分为用户面和控制面两部分，控制面负责移动网络的管理，用户面负责业务数据的传输。
核心网设备，也可以称为核心网网元，或者称为核心网功能实体。作为示例，核心网功能实体可以包括如下任意一项：网络数据分析功能(network data analytics function，NWDAF)实体，策略控制功能(policy control function，PCF)实体，应用功能(application function，AF)实体，接入和移动性管理功能(access and mobility management function，AMF)实体，会话管理功能(session management function，SMF)实体，网络开放功能(network exposure function，NEF)实体，用户面功能(user plane function，UPF)实体，统一数据库(unified data repository，UDR)实体，网络切片选择功能(network slice selection function，NSSF)实体，认证服务器功能(authentication server function，AUSF)实体，统一数据管理(unified data management，UDM)实体，网络功能数据库功能(network repository function，NRF)实体，作为示例，上述功能实体的功能如下：
NWDAF实体，主要用于对网络的状态等数据进行智能化分析。例如，NWDAF实体可以基于AI算法，通过与其他功能实体的交互，为其他网络功能实体提供网络数据分析服务。
PCF实体，主要用于指导网络行为的统一策略框架，为控制面实体(例如AMF，SMF等)提供策略规则信息等。
AF实体，主要用于向3GPP网络提供业务，如与PCF实体之间交互以进行策略控制等。
AMF实体，主要用于接入控制、移动性管理、注册与去注册等功能。
SMF实体，主要用于用户面网元选择，用户面网元重定向，终端设备的因特网协议(internet protocol，IP)地址分配，以及会话的建立、修改和释放及QoS控制。
NEF实体，主要用于安全地向外部开放由3GPP网络功能提供的业务和能力等。
UPF实体，要用于用户面数据的接收和转发。例如，UPF实体可以从业务服务器接收用户面数据，并通过接入网设备将用户面数据发送给终端设备。UPF实体还可以通过接入网设备从终端设备接收用户面数据，并转发到业务服务器。
UDR实体，主要用于签约数据、策略数据和公共架构数据等的存储和检索；供UDM 实体、PCF实体和NEF实体获取相关数据。
NSSF实体，主要用于网络切片选择。
AUSF实体，主要用于用户鉴权等。
UDM实体，主要用于终端设备的签约数据管理，包括终端设备标识的存储和管理，终端设备的接入授权等。
NRF实体，主要用于保存网络功能实体以及其提供服务的描述信息等。
数据网络部分可以是为用户提供业务服务的数据网络，一般客户端位于终端设备，服务端位于数据网络。数据网络可以是私有网络，如局域网，也可以是不受运营商管控的外部网络，如Internet，还可以是运营商共同部署的专有网络。
图2为本公开实施例提供的通信系统的另一种架构示意图。图2是在图1的基础上确定的详细架构。
需要说明的是，第三方(3rd)AF实体和操作(operator)AF实体都属于AF实体。区别在于：第三方AF实体不受运营商管控，操作AF实体受运营商管控，第三方AF实体与NWDAF实体交互时需要通过NEF实体。
为了清晰起见，操作管理维护(operation administration and maintenance，OAM)实体未在图2中体现，OAM实体可以从接入网和核心网的网元上收集数据。
在相关技术中，终端设备可以通过用户配置或静态配置的方式来决定使用的AI策略。但是终端设备如何使用AI，会对终端设备、网络和终端设备中的应用的性能产生影响。而上述确定AI策略的方式缺乏灵活性，没有考虑不同场景下该使用何种AI策略，才能够使终端设备、网络以及应用达到最佳或期望的性能。因此，现在亟需一种可以确保终端设备、网络以及应用达到最佳或期望性能的AI策略确定方式。
基于现有技术中的问题，本公开提出了如下技术构思：第一功能实体根据目标终端设备使用AI相关的数据，确定了目标终端设备应用AI的分析结果，第二功能实体根据分析结果，可以灵活的确定目标终端设备使用AI的策略，目标终端设备根据策略启用AI，可以使目标终端设备、网络以及应用取得最佳或期望的性能。
下面结合具体的实施例对本公开提供的通信方法进行介绍。
图3为本公开实施例提供的第一种策略确定方法的流程图。如图3所示，该方法包括：
S301、第一功能实体获取目标终端设备使用AI相关的数据。
第一功能实体可以是NWDAF实体。
目标终端设备可以是第一终端设备，也可以是第二终端设备。
第二终端设备可以是与第一终端设备进行通信的对端终端设备，也可以是第一终端设备感兴趣的其他终端设备。
第一功能实体可以从不同的设备中获取不同类型的AI相关的数据。
S302、第一功能实体根据数据，确定分析结果。
分析结果可以是对过去一段时间的统计结果，也可以是对未来一段时间的预测结果。
分析结果可以用于第二功能实体确定目标终端设备使用AI的策略。
S303、第一功能实体向第二功能实体发送分析结果。
第二功能实体可以是第一终端设备、PCF实体或AF实体。
S304、第二功能实体根据分析结果，确定目标终端设备使用AI的策略。
在一种可能的实现方式中，目标终端设备使用AI的策略可以包括如下至少一种：
对目标终端设备、目标应用或目标功能使用AI；
对目标终端设备、目标应用或目标功能使用AI的条件；
目标终端设备、目标应用或目标功能使用的AI算法信息；
目标终端设备、目标应用或目标功能使用的AI模型信息。
具体的，目标终端设备使用AI的策略至少可以分为以下三种情况：
一、目标终端设备整体启用AI，其策略可以包括如下至少一种：
对目标终端设备使用AI；
对目标终端设备使用AI的条件；
目标终端设备使用的AI算法信息；
目标终端设备使用的AI模型信息。
二、目标终端设备中的目标应用启用AI，其策略可以包括如下至少一种：
对目标应用使用AI；
对目标应用使用AI的条件；
目标应用使用的AI算法信息；
目标应用使用的AI模型信息。
三、目标终端设备中的目标功能启用AI，其策略可以包括如下至少一种：
对目标功能使用AI；
对目标功能使用AI的条件；
目标功能使用的AI算法信息；
目标功能使用的AI模型信息。
其中，使用AI的条件可以包括使用AI的时段、区域、网络性能或网络功能(network function，NF)实体的状态。
AI算法信息可以包括至少一种AI算法和至少一种AI算法对应的优先级信息。
AI算法可以包括机器学习(machine learning，ML)算法和/或AI算法，以及算法参数。
例如，AI算法可以包括深度强化学习、联邦学习，还可以包括算法参数，如，深度强化学习的策略、约束条件等。
AI模型信息可以包括至少一种AI模型和至少一种AI模型对应的优先级信息。
AI模型可以包括ML模型和/或AI模型，以及模型关键参数。
目标应用可以是终端设备中可以使用AI的应用，或者是终端设备中可以使用AI的特定业务。例如，目标应用可以包括以下至少一种：语音业务、视频业务、图像处理应用、增强现实(augmented reality，AR)应用、虚拟现实(virtual reality，VR)应用，本公开对此不做具体限定。
目标功能可以是终端设备中可以使用AI的功能。例如，目标功能可以是通信功能，本公开对此不做具体限定。
以目标终端设备整体启用AI为例，其策略可以为：
在使用AI的条件下，目标终端设备是否启用AI；
若是启用AI，采用的AI/ML算法和/或AI/ML模型，以及AI/ML算法参数和/或AI/ML模型的关键参数(可选地)，以达到最佳或期望的性能。若包含多个AI/ML算法和/或AI/ML模型，可以根据优先级的排列顺序，决定采用的AI/ML算法和/或AI/ML模型。
以目标终端设备中目标应用启用AI为例，其策略可以为：
在使用AI的条件下，目标应用是否启用AI；
若是启用AI，采用的AI/ML算法和/或AI/ML模型，以及AI/ML算法参数和/或AI/ML模型的关键参数(可选地)，以达到最佳或期望的性能。若包含多个AI/ML算法和/或AI/ML模型，可以根据优先级的排列顺序，决定采用的AI/ML算法和/或AI/ML模型。
以目标终端设备中目标功能启用AI为例，其策略可以为：
在使用AI的条件下，目标功能是否启用AI；
若是启用AI，采用的AI/ML算法和/或AI/ML模型，以及AI/ML算法参数和/或AI/ML模型的关键参数(可选地)，以达到最佳或期望的性能。若包含多个AI/ML算法和/或AI/ML模型，可以根据优先级的排列顺序，决定采用的AI/ML算法和/或AI/ML模型。
第二功能实体在确定策略后，可以向目标终端设备发送策略，具体发送方式本公开不做具体限定。
本公开实施例提供的策略确定方法，包括：第一功能实体获取目标终端设备使用AI相关的数据；根据数据，确定分析结果，向第二功能实体发送分析结果，第二功能实体根据分析结果，确定目标终端设备使用AI的策略。根据目标终端设备使用AI相关的数据，灵活的确定了目标终端设备使用AI的策略，目标终端设备根据策略启用AI，可以使目标终端设备、网络以及应用取得最佳或期望的性能。
在图3所示实施例的基础上，下面，结合图4-图7，对上述策略确定方法进行详细说明，其中，图4是以第二功能实体为第一终端设备为例，图5是以第二功能实体为PCF实体为例，图6和图7是以第二功能实体为AF实体为例。
图4为本公开实施例提供的第二种策略确定方法的流程图。如图4所示，该方法包括：
S401、第一终端设备向NWDAF实体发送分析请求。
分析请求可以用于请求NWDAF实体提供目标终端设备使用AI相关的分析结果。
具体的，第一终端设备可以请求NWDAF实体提供第一终端设备自身使用AI相关的分析结果；也可以请求NWDAF实体提供第二终端设备使用AI相关的分析结果。
在一种可能的实现方式中，分析请求可以用于请求一次目标终端设备使用AI相关的分析结果；也可以用于订阅多次目标终端设备使用AI相关的分析结果。
例如，可以请求NWDAF实体按照一定的周期或者在分析结果更新时上报分析结果。
可选地，AI分析请求可以包括如下至少一种：
分析目标信息，分析目标信息包括如下至少一种：目标终端设备的标识、标终端设备所在设备组的标识、目标应用的标识、目标功能的标识；
目标终端设备使用AI的描述信息，描述信息包括如下至少一种：AI使能信息、AI应 用标识、AI功能标识、AI算法信息、AI模型信息；
分析区域；
分析网络切片；
分析时段；
分析结果的准确度；
分析结果的精度。
在一种可能的实现方式中，分析目标信息可以用以指示对谁进行AI相关的分析，例如，对哪些终端设备，以及终端设备中的哪些应用和/或功能进行AI相关的分析。
在一种可能的实现方式中，目标终端设备的标识是指能够唯一标识该终端设备的标识信息，例如，以终端设备的用户永久标识(subscription permanent identifier，SUPI)作为终端设备的标识。
当第一终端设备请求NWDAF实体提供第一终端设备自身使用AI相关的分析结果时，目标终端设备的标识为第一终端设备的标识；当第一终端设备请求NWDAF实体提供第二终端设备使用AI相关的数据时，目标终端设备的标识为第二终端设备的标识。
在一种可能的实现方式中，设备组可以是第一终端设备所在的组，也可以是第二终端设备所在的组。目标终端设备所在的设备组的标识是指能够唯一标识该设备组的标识信息。
当第一终端设备请求NWDAF实体提供设备组使用AI相关的分析结果时，可以在分析请求中携带设备组的标识。NWDAF实体根据分析请求，可以向第一终端设备提供设备组中所有终端设备使用AI相关的分析结果。
在一种可能的实现方式中，目标应用的标识是指能够唯一标识该应用的标识信息。例如，目标应用标识可以是目标应用的具体名称，具体的，目标应用的标识可以为VR。
在一种可能的实现方式中，目标功能的标识是指能够唯一标识该功能的标识信息。例如，目标功能标识可以是目标功能的具体名称，具体的，目标功能的标识可以是AI增强的移动性功能(AI+mobility)。
示例性的，分析目标信息(target of analytics reporting)可以是UE1身份标识号码(identity document，ID)，表示对UE1进行AI分析；也可以是UE2ID，表示对UE2进行AI分析；还可以是UEGroupID，表示对一组UE进行AI分析；还可以是Application ID，表示对目标应用进行AI分析；还可以是Function ID，表示对目标功能进行AI分析；还可以是Any UE，表示对满足特定条件的所有UE进行AI分析。
目标终端设备使用的AI的描述信息可以分为以下三种类型：
第一种，目标终端设备整体使用AI的描述信息，包括：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
例如，描述信息可以表示UE整体启用AI，UE中所有使用AI的应用和功能均使用深度强度学习和深度神经网络时，对终端设备能耗进行分析。
第二种，目标终端设备中目标应用使用AI的描述信息，包括：AI使能信息、AI应用标识、AI算法信息、AI模型信息。
例如，描述信息可以表示对UE中VR应用启用AI，使用深度强度学习和深度神经网 络时，对终端设备能耗进行分析。
第三种，目标终端设备中目标功能使用AI的描述信息，包括：AI使能信息、AI应用标识、AI算法信息、AI模型信息。
例如，描述信息可以表示对UE中通信功能启用AI，使用深度强度学习和深度神经网络时，对终端设备能耗进行分析。
在一种可能的实现方式中，描述信息可以包含终端设备中一个或多个应用或功能的描述信息。对于不同的应用或功能，描述信息可以不同。
在一种可能的实现方式中，AI使能信息可以用于指示是否启用AI。具体的，AI使能信息可以用于指示整个终端设备是否启用AI，也可以用于指示目标应用或目标功能是否启用AI。当AI使能信息指示终端设备启用AI时，可以表示终端设备中所有使用AI的应用和/或功能均启用AI。
例如，AI使能信息可以表示为AI enabled，用于指示启用AI，也可以表示为AI disabled，用于指示不启用AI。
在一种可能的实现方式中，AI应用标识是指能够唯一标识该应用的标识信息。当目标终端设备启用AI时，AI应用标识可以是目标终端设备中所有使用AI的应用的标识；当目标应用启用AI时，AI应用标识可以与目标应用标识相同。
在一种可能的实现方式中，AI功能标识是指能够唯一标识该功能的标识信息。当目标终端设备启用AI时，AI功能标识可以是目标终端设备中所有使用AI的功能的标识；当目标功能启用AI时，AI功能标识可以与目标功能标识相同。
在一种可能的实现方式中，分析区域可以是指感兴趣区域，表示对某个区域内的所有UE进行分析。
在一种可能的实现方式中，分析网络切片可以表示对网络切片的UE进行分析。
在一种可能的实现方式中，分析时段可以表示请求过去或者未来一段时间内的使用AI相关的分析结果。其中，时刻可以为一种特殊的时段，即起始时刻和终止时刻相同的时段。
在一种可能的实现方式中，第一终端设备可以通过以下两种方式将分析请求发送给NWDAF实体：
(1)UE将包含分析请求的数据包通过用户面发送给UPF实体，UPF实体将解析出的分析请求转发给NWDAF实体；
(2)UE将分析请求通过控制面信令发送给AMF实体，AMF实体将分析请求转发给NWDAF实体。
S402、NWDAF实体根据分析请求，获取目标终端设备使用AI相关的数据。
在一种可能的实现方式中，第一功能实体可以从如下至少一个设备中获取目标终端设备使用AI相关的数据：目标终端设备、服务于目标终端设备的网络设备，网络设备包括如下至少一种：AMF实体、OAM实体、SMF实体、UPF实体、AF实体、接入网(access network，AN)实体。
在一种可能的实现方式中，NWDAF实体可以根据分析请求中的分析目标信息，向分析目标终端设备或者服务于目标终端设备的网络设备获取使用AI相关的数据。
例如，若分析目标信息为UE1ID，则表示NWDAF实体向UE2或服务于UE1的网络设备，如NF/OAM，获取使用AI相关的数据；若分析目标信息为UE2ID，则表示NWDAF实体向UE2或服务于UE2的网络设备，如NF/OAM，获取使用AI相关的数据；若分析目标信息为UEGroupID，则表示NWDAF实体向该组中的多个或者所有UE或服务于这些UE的网络设备，如NF/OAM，获取使用AI相关的数据；若分析目标信息为AnyUE，则表示NWDAF实体向满足特定条件的对个或者所有UE或服务于这些UE的网络设备，如NF/OAM，获取使用AI相关的数据。
在一种可能的实现方式中，NWDAF实体可以根据采集数据/信息类型的不同，向不同的实体设备获取使用AI相关的数据。
例如，NWDAF可以向UE、AMF或OAM采集UE移动性能相关数据，向UE、SMF或OAM采集UE通信性能相关数据，向UE、SMF或AF采集UE应用相关数据，向UE采集UE能耗或资源使用相关数据。
综上，根据获取目标终端设备使用AI相关的数据的来源不同，S402可以包括如下至少一种方式：
S402a、NWDAF实体根据分析请求，从第一终端设备(UE1)获取使用AI相关的数据；
S402b、NWDAF实体根据分析请求，从NF实体或OAM实体获取使用AI相关的数据，其中，NF实体可以为AMF实体、SMF实体、AF实体等；
S402c、NWDAF实体根据分析请求，从第二终端设备(UE2)获取使用AI相关的数据。
在一种可能的实现方式中，目标终端设备使用AI相关的数据可以包括如下至少一种：
目标终端设备的移动性能数据；
目标终端设备的通信性能数据；
目标终端设备的业务体验信息；
目标终端设备的能耗数据；
目标终端设备的资源使用数据；
服务于目标终端设备的网络的性能数据；
服务于目标终端设备的网络功能实体的状态数据；
目标终端设备使用AI的描述信息。
其中，描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
业务体验信息可以包括对语音、视频或其他业务的质量的主观评定和分析。例如，采用平均意见分(mean opinion score，MOS)来表示。
示例性的，目标终端设备使用AI相关的数据可以如表1所示：
表1、目标终端设备使用AI相关的数据
S403、第一功能实体根据数据，确定分析结果。
在一种可能的实现方式中，分析结果包括如下至少一种：
目标终端设备的第一性能的统计信息或预测信息；
服务于目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
其中，统计信息可以是对过去一段时间的分析结果；预测信息可以是对未来一段时间的预测结果。
在一种可能的实现方式中，第一性能包括如下至少一种：目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；第二性能包括如下至少一种：服务于目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
在一种可能的实现方式中，分析结果还包括目标终端设备使用AI的描述信息，描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种可能的实现方式中，分析结果还包括分析结果适用信息，分析结果适用信息包 括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
在一种可能的实现方式中，第一终端设备可以将目标终端设备使用AI的描述信息存储在本地，并与分析请求和/或分析结果相关联，从而后续可以依据分析结果在本地确定启用的AI策略。
示例性的，统计信息可以如下表2所示：
表2、目标终端设备的统计信息
示例性的，预测信息可以如下表3所示：
表3、目标终端设备的预测信息

S404、NWDAF实体向第一终端设备发送分析结果。
在一种可能的实现方式中，NWDAF实体可以通过以下方式向第一终端设备发送分析结果：
(1)NWDAF实体将分析结果发送给UPF实体，UPF实体将包含分析结果的数据包通过用户面发送给UE1；
(2)NWDAF实体将分析结果发送给AMF实体，AMF实体将分析结果通过控制面信令发送给UE1。
S405、第一终端设备根据分析结果，确定目标终端设备使用AI的策略。
当目标终端设备为第一终端设备时，可以执行S406。
当目标终端设备为第二终端设备时，第一终端设备可以向第二终端设备发送策略，第二终端设备接收到策略后，可以执行策略。
S406、第一终端设备执行策略。
在一种可能的实施方式中，执行策略，包括执行如下至少一种：
确定目标终端设备、目标应用或目标功能使用AI；
确定目标终端设备、目标应用或目标功能使用AI的条件；
根据AI算法信息确定目标终端设备、目标应用或目标功能使用的AI算法；
根据AI模型信息确定目标终端设备、目标应用或目标功能使用的AI模型。
在一种可能的实施方式中，根据启用AI的对象不同，可以将执行策略分为以下三种方式：
第一种，终端设备启用AI，执行策略，包括执行如下至少一种：
确定目标终端设备使用AI；
确定目标终端设备使用AI的条件；
根据AI算法信息确定目标终端设备使用的AI算法；
根据AI模型信息确定目标终端设备使用的AI模型。
例如，UE1根据AI策略，在使用AI的条件下，UE1启用或不启用AI；若启用AI，UE1根据AI策略，按照优先级采用特定的AI/ML算法或AI/ML模型，以达到最佳或期望的性能。
第二种，目标应用启用AI，执行策略，包括执行如下至少一种：
确定目标应用使用AI；
确定目标应用使用AI的条件；
根据AI算法信息确定目标应用使用的AI算法；
根据AI模型信息确定目标应用使用的AI模型。
例如，UE1根据AI策略，在使用AI的条件下，UE1中的目标应用启用或不启用AI；若启用AI，UE1根据AI策略，按照优先级采用特定的AI/ML算法或AI/ML模型，以达 到最佳或期望的性能。
第三种，目标功能启用AI，执行策略，包括执行如下至少一种：
确定目标功能使用AI；
确定目标功能使用AI的条件；
根据AI算法信息确定目标功能使用的AI算法；
根据AI模型信息确定目标功能使用的AI模型。
例如，UE1根据AI策略，在使用AI的条件下，UE1中的目标功能启用或不启用AI；若启用AI，UE1根据AI策略，按照优先级采用特定的AI/ML算法或AI/ML模型，以达到最佳或期望的性能。
在一种可能的实现方式中，AI/ML算法可以包括AI/ML算法，也可以包括AI/ML算法和AI/ML算法参数。
在一种可能的实现方式中，AI/ML模型可以包括AI/ML模型，也可以包括AI/ML模型和AI/ML模型关键参数。
本公开实施例提供的策略确定方法，包括：第一终端设备向NWDAF实体发送分析请求，NWDAF实体根据分析请求获取目标终端设备使用AI相关的数据，并根据数据，确定分析结果，将分析结果发送给第一终端设备，第一终端设备根据分析结果确定目标终端设备使用AI的策略，还可以执行策略。根据目标终端设备使用AI相关的数据，灵活的确定了目标终端设备使用AI的策略，目标终端设备根据策略启用AI，可以使目标终端设备、网络以及应用取得最佳或期望的性能。
图5为本公开实施例提供的第三种策略确定方法的流程图。如图5所示，该方法包括：
S501、PCF实体向NWDAF实体发送分析请求。
本公开实施例的分析请求可以与S401中的分析请求相同。只是，当PCF实体请求对第二终端设备进行分析时，其需要事先从第一终端设备或者其他功能实体中获取第二终端设备的信息。
S502-S503，可以参见S402-S403，此处不再赘述。
S504、NWDAF实体向PCF实体发送分析结果。
S505、PCF实体根据分析结果，确定目标终端设备使用AI的策略。
S506、PCF实体向目标终端设备发送策略。
S507、目标终端设备执行策略。
本公开实施例提供的策略确定方法，包括：PCF实体向NWDAF实体发送分析请求，NWDAF实体根据分析请求获取目标终端设备使用AI相关的数据，并根据数据，确定分析结果，将分析结果发送给PCF实体，PCF实体根据分析结果确定目标终端设备使用AI的策略，并将策略发送给目标终端设备，目标终端设备执行策略。根据目标终端设备使用AI相关的数据，灵活的确定了目标终端设备使用AI的策略，目标终端设备根据策略启用AI，可以使目标终端设备、网络以及应用取得最佳或期望的性能。
图6为本公开实施例提供的第四种策略确定方法的流程图。如图6所示，该方法包括：
S601、AF实体向NWDAF实体发送分析请求。
本公开实施例的分析请求可以与S401中的分析请求相同。特别地，AF实体向NWDAF实体发送的分析请求需要携带目标应用的标识和/或目标功能的标识。
目标应用可以是AF实体感兴趣的应用。目标功能可以是AF实体感兴趣的功能。
另外，若AF实体请求对第二终端设备进行分析时，其需要事先从第一终端设备或者其他功能实体中获取第二终端设备的信息。
S602-S603，可以参见S402-S403，此处不再赘述。
S604、NWDAF实体向AF实体发送分析结果。
S605、AF实体根据分析结果，确定目标终端设备中目标应用/目标功能使用AI的策略。
在AF实体中，其确定的策略也可以称为目标终端设备中目标应用/目标功能使用AI的参数集。
在本公开实施例中，策略(参数集)可以包括如下至少一种：
对目标应用/目标功能使用AI；
对目标应用/目标功能使用AI的条件；
目标应用使用/目标功能的AI算法信息；
目标应用使用/目标功能的AI模型信息。
以目标终端设备中目标应用启用AI为例，其策略可以为：
在使用AI的条件下，目标应用是否启用AI；
若是启用AI，目标应用采用的AI/ML算法和/或AI/ML模型，以及AI/ML算法参数和/或AI/ML模型的关键参数(可选地)，以达到最佳或期望的性能。若包含多个AI/ML算法和/或AI/ML模型，可以根据优先级的排列顺序，决定采用的AI/ML算法和/或AI/ML模型。
以目标终端设备中目标功能启用AI为例，其策略可以为：
在使用AI的条件下，目标功能是否启用AI；
若是启用AI，目标功能采用的AI/ML算法和/或AI/ML模型，以及AI/ML算法参数和/或AI/ML模型的关键参数(可选地)，以达到最佳或期望的性能。若包含多个AI/ML算法和/或AI/ML模型，可以根据优先级的排列顺序，决定采用的AI/ML算法和/或AI/ML模型。
S606、AF实体向目标终端设备发送策略。
在一种可能的实施方式中，AF可以通过应用层将策略(参数集)发送给目标终端设备。
S607、目标终端设备执行策略。
在本公开实施例中，执行AI策略(参数集)，包括执行如下至少一种：
确定目标应用/目标功能使用AI；
确定目标应用/目标功能使用AI的条件；
根据AI算法信息确定目标应用/目标功能使用的AI算法；
根据AI模型信息确定目标应用/目标功能使用的AI模型。
例如，UE1根据AI策略，在使用AI的条件下，UE1中的目标应用/目标功能启用或不启用AI；该目标应用/目标功能若启用AI，UE1根据AI策略，按照优先级采用特定的 AI/ML算法或AI/ML模型，以达到最佳或期望的性能。
本公开实施例提供的策略确定方法，包括：AF实体向NWDAF实体发送分析请求，NWDAF实体根据分析请求获取目标终端设备使用AI相关的数据，并根据数据，确定分析结果，将分析结果发送给AF实体，AF实体根据分析结果确定目标终端设备中目标应用/目标功能使用AI的策略，并将策略发送给目标终端设备，目标终端设备执行策略。根据目标终端设备使用AI相关的数据，灵活的确定了目标终端设备中目标应用/目标功能使用AI的策略，目标终端设备根据策略启用AI，可以使目标终端设备、网络以及应用取得最佳或期望的性能。
图7为本公开实施例提供的第五种策略确定方法的流程图。如图7所示，该方法包括：
S701-S705，可以参见S601-S605，此处不再赘述。
S706、AF实体通过PCF实体向目标终端设备发送策略。
在一种可能的实施方式中，AF实体先将策略(参数集)发送给PCF实体，PCF实体再将策略发送给目标终端设备。
具体的，AF实体可以将策略(参数集)发送给NEF/UDR实体，NEF/UDR实体再将策略(参数集)发送给PCF实体。
S707、目标终端设备执行策略。
本公开实施例提供的策略确定方法，包括：AF实体向NWDAF实体发送分析请求，NWDAF实体根据分析请求获取目标终端设备使用AI相关的数据，并根据数据，确定分析结果，将分析结果发送给AF实体，AF实体根据分析结果确定目标终端设备中目标应用/目标功能使用AI的策略，并通过PCF实体将策略发送给目标终端设备，目标终端设备执行策略。根据目标终端设备使用AI相关的数据，灵活的确定了目标终端设备中目标应用/目标功能使用AI的策略，目标终端设备根据策略启用AI，可以使目标终端设备、网络以及应用取得最佳或期望的性能。
图8为本公开实施例提供的策略确定装置800的结构示意图。如图8所示，本实施例提供的策略确定装置800用于第一功能实体中，该装置800包括：存储器801，收发机802和处理器803。
存储器801，用于存储计算机程序；
收发机802，用于在处理器803的控制下收发数据；
处理器803，用于读取存储器801中存储的计算机程序并执行以下操作：
获取目标终端设备使用AI相关的数据；
根据数据，确定分析结果；
向第二功能实体发送分析结果，分析结果用于使第二功能实体确定目标终端设备使用AI的策略。
在一种实施方式中，策略包括如下至少一种：
对目标终端设备、目标应用或目标功能使用AI；
对目标终端设备、目标应用或目标功能使用AI的条件；
目标终端设备、目标应用或目标功能使用的AI算法信息；
目标终端设备、目标应用或目标功能使用的AI模型信息。
在一种实施方式中，数据包括如下至少一种：
目标终端设备的移动性能数据；
目标终端设备的通信性能数据；
目标终端设备的业务体验信息；
目标终端设备的能耗数据；
目标终端设备的资源使用数据；
服务于目标终端设备的网络的性能数据；
服务于目标终端设备的网络功能实体的状态数据；
目标终端设备使用AI的描述信息，描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，处理器803，用于从如下至少一个设备中获取数据：
目标终端设备；
服务于目标终端设备的网络设备，网络设备包括如下至少一种：接入与移动性管理功能AMF实体、操作管理维护OAM实体、会话管理功能SMF实体、用户面功能UPF实体、应用功能AF实体、接入网AN实体。
在一种实施方式中，分析结果包括如下至少一种：
目标终端设备的第一性能的统计信息或预测信息；
服务于目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
在一种实施方式中，第一性能包括如下至少一种：目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
第二性能包括如下至少一种：服务于目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
在一种实施方式中，分析结果还包括目标终端设备使用AI的描述信息；
描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，分析结果还包括分析结果适用信息；
分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
在一种实施方式中，处理器803还用于执行以下操作：
从第二功能实体接收分析请求，分析请求用于请求分析结果。
在一种实施方式中，第二功能实体包括如下任意一种：第一终端设备、策略控制功能PCF实体、AF实体。
在一种实施方式中，分析请求包括如下至少一种：
分析目标信息，分析目标信息包括如下至少一种：目标终端设备的标识、目标终端设备所在设备组的标识、目标应用的标识、目标功能的标识；
目标终端设备使用AI的描述信息，描述信息包括如下至少一种：AI使能信息、AI应 用标识、AI功能标识、AI算法信息、AI模型信息；
分析区域；
分析网络切片；
分析时段；
分析结果的准确度；
分析结果的精度。
在一种实施方式中，AI算法信息包括至少一种AI算法和至少一种AI算法对应的优先级信息；和/或，
AI模型信息包括至少一种AI模型和至少一种AI模型对应的优先级信息。
其中，在图8中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器803代表的一个或多个处理器和存储器801代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机802可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元，这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器803负责管理总线架构和通常的处理，存储器801可以存储处理器803在执行操作时所使用的数据。
可选地，处理器803可以是中央处理器(central processing unit，CPU)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)或复杂可编程逻辑器件(complex programmable logic device，CPLD)，处理器也可以采用多核架构。
在此需要说明的是，本公开提供的上述实体设备，能够实现上述方法实施例中实体设备所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图9A为本公开实施例提供的第一种策略确定装置900的结构示意图一。如图9A所示，策略确定装置900应用于第二功能实体中，该装置900包括存储器901，收发机902和处理器903。
存储器901，用于存储计算机程序；
收发机902，用于在处理器903的控制下收发数据；
处理器903，用于读取存储器901中存储的计算机程序并执行以下操作：
接收第一功能实体发送的分析结果，分析结果为基于目标终端设备使用AI相关的数据确定得到的；
根据分析结果，确定目标终端设备使用AI的策略。
在一种实施方式中，策略包括如下至少一种：
对目标终端设备、目标应用或目标功能使用AI；
对目标终端设备、目标应用或目标功能使用AI的条件；
目标终端设备、目标应用或目标功能使用的AI算法信息；
目标终端设备、目标应用或目标功能使用的AI模型信息。
在一种实施方式中，数据包括如下至少一种：
目标终端设备的移动性能数据；
目标终端设备的通信性能数据；
目标终端设备的业务体验信息；
目标终端设备的能耗数据；
目标终端设备的资源使用数据；
服务于目标终端设备的网络的性能数据；
服务于目标终端设备的网络功能实体的状态数据；
目标终端设备使用AI的描述信息，描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，分析结果包括如下至少一种：
目标终端设备的第一性能的统计信息或预测信息；
服务于目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
在一种实施方式中，第一性能包括如下至少一种：目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
第二性能包括如下至少一种：服务于目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
在一种实施方式中，分析结果还包括目标终端设备使用AI的描述信息；
描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，分析结果还包括分析结果适用信息；
分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
在一种实施方式中，处理器903还用于执行以下操作：
向第一功能实体发送AI分析请求，分析请求用于请求分析结果。
在一种实施方式中，分析请求包括如下至少一种：
分析目标信息，分析目标信息包括如下至少一种：目标终端设备的标识、目标终端设备所在设备组的标识、目标应用的标识、目标功能的标识；
目标终端设备使用AI的描述信息，描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
分析区域；
分析网络切片；
分析时段；
分析结果的准确度；
分析结果的精度。
在一种实施方式中，AI算法信息包括至少一种AI算法和至少一种AI算法对应的优先级信息；和/或，
AI模型信息包括至少一种AI模型和至少一种AI模型对应的优先级信息。
在一种实施方式中，第二功能实体为第一终端设备，目标终端设备为第一终端设备，处理器903还用于执行以下操作：
执行策略。
在一种实施方式中，处理器903，用于根据策略，执行如下至少一种操作：
确定目标终端设备、目标应用或目标功能使用AI；
确定目标终端设备、目标应用或目标功能使用AI的条件；
根据AI算法信息确定目标终端设备、目标应用或目标功能使用的AI算法；
根据AI模型信息确定目标终端设备、目标应用或目标功能使用的AI模型。
在一种实施方式中，处理器903还用于执行以下操作：
向目标终端设备发送策略。
在一种实施方式中，处理器903具体用于执行以下操作：
通过PCF实体向目标终端设备发送策略。
其中，在图9A中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器903代表的一个或多个处理器和存储器901代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机902可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元，这些传输介质包括，这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器903负责管理总线架构和通常的处理，存储器901可以存储处理器903在执行操作时所使用的数据。
图9B为本公开实施例提供的策略确定装置900的结构示意图二。如图9B所示，策略确定装置900应用于第二功能实体中，当第二功能实体为终端设备的时候，该装置900还可以包括用户接口904，针对不同的终端设备，用户接口904还可以是能够外接内接需要设备的接口，连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。
可选的，处理器903可以是中央处理器(central processing unit，CPU)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)或复杂可编程逻辑器件(complex programmable logic device，CPLD)，处理器也可以采用多核架构。
处理器903通过调用存储器901存储的计算机程序，用于按照获得的可执行指令执行本公开实施例提供的任一所述方法。处理器903与存储器901也可以物理上分开布置。
在此需要说明的是，本公开提供的上述实体设备，能够实现上述方法实施例中实体设备所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图10A为本公开实施例提供的策略确定装置1000的结构示意图一。如图10A所示，策略确定装置1000应用于第一功能实体中，该装置1000包括：
获取单元1001，用于获取目标终端设备使用AI相关的数据；
确定单元1002，用于根据数据，确定分析结果；
发送单元1003，用于向第二功能实体发送分析结果，分析结果用于使第二功能实体确定目标终端设备使用AI的策略。
在一种实施方式中，策略包括如下至少一种：
对目标终端设备、目标应用或目标功能使用AI；
对目标终端设备、目标应用或目标功能使用AI的条件；
目标终端设备、目标应用或目标功能使用的AI算法信息；
目标终端设备、目标应用或目标功能使用的AI模型信息。
在一种实施方式中，数据包括如下至少一种：
目标终端设备的移动性能数据；
目标终端设备的通信性能数据；
目标终端设备的业务体验信息；
目标终端设备的能耗数据；
目标终端设备的资源使用数据；
服务于目标终端设备的网络的性能数据；
服务于目标终端设备的网络功能实体的状态数据；
目标终端设备使用AI的描述信息，描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，获取单元1001，用于从如下至少一个设备中获取目标终端设备使用AI相关的数据：
目标终端设备；
服务于目标终端设备的网络设备，网络设备包括如下至少一种：接入与移动性管理功能AMF实体、操作管理维护OAM实体、会话管理功能SMF实体、用户面功能UPF实体、应用功能AF实体、接入网AN实体。
在一种实施方式中，分析结果包括如下至少一种：
目标终端设备的第一性能的统计信息或预测信息；
服务于目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
在一种实施方式中，第一性能包括如下至少一种：目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
第二性能包括如下至少一种：服务于目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
在一种实施方式中，分析结果还包括目标终端设备使用AI的描述信息；
描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，分析结果还包括分析结果适用信息；
分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
图10B为本公开实施例提供的策略确定装置1000的结构示意图二。如图10B所示，装置1000还包括：
接收单元1004，用于从第二功能实体接收分析请求，分析请求用于请求分析结果。
在一种实施方式中，第二功能实体包括如下任意一种：第一终端设备、策略控制功能PCF实体、AF实体。
在一种实施方式中，分析请求包括如下至少一种：
分析目标信息，分析目标信息包括如下至少一种：目标终端设备的标识、目标终端设备所在设备组的标识、目标应用的标识、目标功能的标识；
目标终端设备使用AI的描述信息，描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
分析区域；
分析网络切片；
分析时段；
分析结果的准确度；
分析结果的精度。
在一种实施方式中，AI算法信息包括至少一种AI算法和至少一种AI算法对应的优先级信息；和/或，
AI模型信息包括至少一种AI模型和至少一种AI模型对应的优先级信息。
图11A为本公开实施例提供的策略确定装置1100的结构示意图一。如图11A所示，策略确定装置1100应用于第二功能实体中，该装置1100包括：
接收单元1101，用于接收第一功能实体发送的分析结果，分析结果为基于目标终端设备使用AI相关的数据确定得到的；
确定单元1102，用于根据分析结果，确定目标终端设备使用AI的策略。
在一种实施方式中，策略包括如下至少一种：
对目标终端设备、目标应用或目标功能使用AI；
对目标终端设备、目标应用或目标功能使用AI的条件；
目标终端设备、目标应用或目标功能使用的AI算法信息；
目标终端设备、目标应用或目标功能使用的AI模型信息。
在一种实施方式中，数据包括如下至少一种：
目标终端设备的移动性能数据；
目标终端设备的通信性能数据；
目标终端设备的业务体验信息；
目标终端设备的能耗数据；
目标终端设备的资源使用数据；
服务于目标终端设备的网络的性能数据；
服务于目标终端设备的网络功能实体的状态数据；
目标终端设备使用AI的描述信息，描述信息包括如下至少一种：AI使能信息、AI应 用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，分析结果包括如下至少一种：
目标终端设备的第一性能的统计信息或预测信息；
服务于目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
在一种实施方式中，第一性能包括如下至少一种：目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
第二性能包括如下至少一种：服务于目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
在一种实施方式中，分析结果还包括目标终端设备使用AI的描述信息；
描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
在一种实施方式中，分析结果还包括分析结果适用信息；
分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
图11B为本公开实施例提供的策略确定装置1100的结构示意图二。如图11B所示，策略确定装置1100应用于第二功能实体中，该装置还包括：
第一发送单元1103，用于向第一功能实体发送AI分析请求，分析请求用于请求分析结果。
在一种实施方式中，分析请求包括如下至少一种：
分析目标信息，分析目标信息包括如下至少一种：目标终端设备的标识、目标终端设备所在设备组的标识、目标应用的标识、目标功能的标识；
目标终端设备使用AI的描述信息，描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
分析区域；
分析网络切片；
分析时段；
分析结果的准确度；
分析结果的精度。
在一种实施方式中，AI算法信息包括至少一种AI算法和至少一种AI算法对应的优先级信息；和/或，
AI模型信息包括至少一种AI模型和至少一种AI模型对应的优先级信息。
图11C为本公开实施例提供的策略确定装置1100的结构示意图三。如图11C所示，策略确定装置1100应用于第二功能实体中，第二功能实体为第一终端设备，目标终端设备为第一终端设备，装置1100还包括：
执行单元1104，用于执行策略。
在一种实施方式中，执行单元1104，用于根据策略，执行如下至少一种：
确定目标终端设备、目标应用或目标功能使用AI；
确定目标终端设备、目标应用或目标功能使用AI的条件；
根据AI算法信息确定目标终端设备、目标应用或目标功能使用的AI算法；
根据AI模型信息确定目标终端设备、目标应用或目标功能使用的AI模型。
图11D为本公开实施例提供的策略确定装置1100的结构示意图四。如图11D所示，策略确定装置1100应用于第二功能实体中，该装置还包括：
第二发送单元1105，用于向目标终端设备发送策略。
在一种实施方式中，第二发送单元1105具体用于：
通过PCF实体向目标终端设备发送策略。
需要说明的是，本公开实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本公开各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在此需要说明的是，本公开提供的上述装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
本公开实施例还提供一种处理器可读存储介质，处理器可读存储介质存储有计算机程序，计算机程序用于使处理器执行上述方法实施例任一步骤。
处理器可读存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
本公开实施例还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述方法实施例任一步骤。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机可执行指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机可执行指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些处理器可执行指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的处理器可读存储器中，使得存储在该处理器可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些处理器可执行指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样，倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。

Claims (79)

  1. 一种策略确定方法，其特征在于，应用于第一功能实体，所述方法包括：
    获取目标终端设备使用人工智能AI相关的数据；
    根据所述数据，确定分析结果；
    向第二功能实体发送所述分析结果，所述分析结果用于使所述第二功能实体确定所述目标终端设备使用AI的策略。
  2. 根据权利要求1所述的方法，其特征在于，所述策略包括如下至少一种：
    对所述目标终端设备、目标应用或目标功能使用AI；
    对所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
    所述目标终端设备、所述目标应用或所述目标功能使用的AI算法信息；
    所述目标终端设备、所述目标应用或所述目标功能使用的AI模型信息。
  3. 根据权利要求1所述的方法，其特征在于，所述数据包括如下至少一种：
    所述目标终端设备的移动性能数据；
    所述目标终端设备的通信性能数据；
    所述目标终端设备的业务体验信息；
    所述目标终端设备的能耗数据；
    所述目标终端设备的资源使用数据；
    服务于所述目标终端设备的网络的性能数据；
    服务于所述目标终端设备的网络功能实体的状态数据；
    所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
  4. 根据权利要求1至3任一项所述的方法，其特征在于，获取目标终端设备使用AI相关的数据，包括：
    从如下至少一个设备中获取所述数据：
    所述目标终端设备；
    服务于所述目标终端设备的网络设备，所述网络设备包括如下至少一种：接入与移动性管理功能AMF实体、操作管理维护OAM实体、会话管理功能SMF实体、用户面功能UPF实体、应用功能AF实体、接入网AN实体。
  5. 根据权利要求1所述的方法，其特征在于，所述分析结果包括如下至少一种：
    所述目标终端设备的第一性能的统计信息或预测信息；
    服务于所述目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
  6. 根据权利要求5所述的方法，其特征在于，
    所述第一性能包括如下至少一种：所述目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
    所述第二性能包括如下至少一种：所述服务于所述目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
  7. 根据权利要求5所述的方法，其特征在于，所述分析结果还包括所述目标终端设 备使用AI的描述信息；
    所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
  8. 根据权利要求5所述的方法，其特征在于，所述分析结果还包括分析结果适用信息；
    所述分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
  9. 根据权利要求1所述的方法，其特征在于，获取目标终端设备使用AI相关的数据之前，还包括：
    从所述第二功能实体接收分析请求，所述分析请求用于请求所述分析结果。
  10. 根据权利要求9所述的方法，其特征在于，所述第二功能实体包括如下任意一种：第一终端设备、策略控制功能PCF实体、AF实体。
  11. 根据权利要求9所述的方法，其特征在于，所述分析请求包括如下至少一种：
    分析目标信息，所述分析目标信息包括如下至少一种：所述目标终端设备的标识、所述目标终端设备所在设备组的标识、目标应用的标识、目标功能的标识；
    所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
    分析区域；
    分析网络切片；
    分析时段；
    分析结果的准确度；
    分析结果的精度。
  12. 根据权利要求2、3、7或11所述的方法，其特征在于，
    所述AI算法信息包括至少一种AI算法和所述至少一种AI算法对应的优先级信息；和/或，
    所述AI模型信息包括至少一种AI模型和所述至少一种AI模型对应的优先级信息。
  13. 一种策略确定方法，其特征在于，应用于第二功能实体，所述方法包括：
    接收第一功能实体发送的分析结果，所述分析结果为基于目标终端设备使用AI相关的数据确定得到的；
    根据所述分析结果，确定所述目标终端设备使用AI的策略。
  14. 根据权利要求13所述的方法，其特征在于，所述策略包括如下至少一种：
    对所述目标终端设备、目标应用或目标功能使用AI；
    对所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
    所述目标终端设备、所述目标应用或所述目标功能使用的AI算法信息；
    所述目标终端设备、所述目标应用或所述目标功能使用的AI模型信息。
  15. 根据权利要求13所述的方法，其特征在于，所述数据包括如下至少一种：
    所述目标终端设备的移动性能数据；
    所述目标终端设备的通信性能数据；
    所述目标终端设备的业务体验信息；
    所述目标终端设备的能耗数据；
    所述目标终端设备的资源使用数据；
    服务于所述目标终端设备的网络的性能数据；
    服务于所述目标终端设备的网络功能实体的状态数据；
    所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
  16. 根据权利要求13所述的方法，其特征在于，所述分析结果包括如下至少一种：
    所述目标终端设备的第一性能的统计信息或预测信息；
    服务于所述目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
  17. 根据权利要求16所述的方法，其特征在于，
    所述第一性能包括如下至少一种：所述目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
    所述第二性能包括如下至少一种：所述服务于所述目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
  18. 根据权利要求16所述的方法，其特征在于，所述分析结果还包括所述目标终端设备使用AI的描述信息；
    所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
  19. 根据权利要求16所述的方法，其特征在于，所述分析结果还包括分析结果适用信息；
    所述分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
  20. 根据权利要求13所述的方法，其特征在于，接收第一功能实体发送的分析结果之前，还包括：
    向所述第一功能实体发送AI分析请求，所述分析请求用于请求所述分析结果。
  21. 根据权利要求20所述的方法，其特征在于，所述分析请求包括如下至少一种：
    分析目标信息，所述分析目标信息包括如下至少一种：所述目标终端设备的标识、所述目标终端设备所在设备组的标识、所述目标应用的标识、所述目标功能的标识；
    所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
    分析区域；
    分析网络切片；
    分析时段；
    分析结果的准确度；
    分析结果的精度。
  22. 根据权利要求14、15、18或21所述的方法，其特征在于，
    所述AI算法信息包括至少一种AI算法和所述至少一种AI算法对应的优先级信息；和/或，
    所述AI模型信息包括至少一种AI模型和所述至少一种AI模型对应的优先级信息。
  23. 根据权利要求13至21任一项所述的方法，其特征在于，所述第二功能实体为第一终端设备，所述目标终端设备为所述第一终端设备，确定所述目标终端设备使用AI的策略之后，还包括：
    执行所述策略。
  24. 根据权利要求23所述的方法，其特征在于，执行所述策略，包括：
    根据所述策略，执行如下至少一种：
    确定所述目标终端设备、目标应用或目标功能使用AI；
    确定所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
    根据所述AI算法信息确定所述目标终端设备、所述目标应用或所述目标功能使用的AI算法；
    根据所述AI模型信息确定所述目标终端设备、所述目标应用或所述目标功能使用的AI模型。
  25. 根据权利要求13所述的方法，其特征在于，所述确定所述目标终端设备使用AI的策略之后，还包括：
    向所述目标终端设备发送所述策略。
  26. 根据权利要求25所述的方法，其特征在于，向所述目标终端设备发送所述策略，包括：
    通过PCF实体向所述目标终端设备发送所述策略。
  27. 一种策略确定装置，其特征在于，所述装置应用于第一功能实体中，所述装置包括存储器，收发机，处理器：
    所述存储器，用于存储计算机程序；
    所述收发机，用于在所述处理器的控制下收发数据；
    所述处理器，用于读取所述存储器中的计算机程序并执行如下操作：
    获取目标终端设备使用AI相关的数据；
    根据所述数据，确定分析结果；
    向第二功能实体发送所述分析结果，所述分析结果用于使所述第二功能实体确定所述目标终端设备使用AI的策略。
  28. 根据权利要求27所述的装置，其特征在于，所述策略包括如下至少一种：
    对所述目标终端设备、目标应用或目标功能使用AI；
    对所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
    所述目标终端设备、所述目标应用或所述目标功能使用的AI算法信息；
    所述目标终端设备、所述目标应用或所述目标功能使用的AI模型信息。
  29. 根据权利要求27所述的装置，其特征在于，所述数据包括如下至少一种：
    所述目标终端设备的移动性能数据；
    所述目标终端设备的通信性能数据；
    所述目标终端设备的业务体验信息；
    所述目标终端设备的能耗数据；
    所述目标终端设备的资源使用数据；
    服务于所述目标终端设备的网络的性能数据；
    服务于所述目标终端设备的网络功能实体的状态数据；
    所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
  30. 根据权利要求27至29任一项所述的装置，其特征在于，所述处理器，用于从如下至少一个设备中获取所述数据：
    所述目标终端设备；
    服务于所述目标终端设备的网络设备，所述网络设备包括如下至少一种：接入与移动性管理功能AMF实体、操作管理维护OAM实体、会话管理功能SMF实体、用户面功能UPF实体、应用功能AF实体、接入网AN实体。
  31. 根据权利要求27所述的装置，其特征在于，所述分析结果包括如下至少一种：
    所述目标终端设备的第一性能的统计信息或预测信息；
    服务于所述目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
  32. 根据权利要求31所述的装置，其特征在于，
    所述第一性能包括如下至少一种：所述目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
    所述第二性能包括如下至少一种：所述服务于所述目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
  33. 根据权利要求31所述的装置，其特征在于，所述分析结果还包括所述目标终端设备使用AI的描述信息；
    所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
  34. 根据权利要求31所述的装置，其特征在于，所述分析结果还包括分析结果适用信息；
    所述分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
  35. 根据权利要求27所述的装置，其特征在于，所述处理器还用于执行如下操作：
    从所述第二功能实体接收分析请求，所述分析请求用于请求所述分析结果。
  36. 根据权利要求35所述的装置，其特征在于，所述第二功能实体包括如下任意一种：第一终端设备、策略控制功能PCF实体、AF实体。
  37. 根据权利要求35所述的装置，其特征在于，所述分析请求包括如下至少一种：
    分析目标信息，所述分析目标信息包括如下至少一种：所述目标终端设备的标识、所 述目标终端设备所在设备组的标识、目标应用的标识、目标功能的标识；
    所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
    分析区域；
    分析网络切片；
    分析时段；
    分析结果的准确度；
    分析结果的精度。
  38. 根据权利要求28、29、33或37所述的装置，其特征在于，
    所述AI算法信息包括至少一种AI算法和所述至少一种AI算法对应的优先级信息；和/或，
    所述AI模型信息包括至少一种AI模型和所述至少一种AI模型对应的优先级信息。
  39. 一种策略确定装置，其特征在于，应用于第二功能实体中，所述装置包括存储器，收发机，处理器：
    所述存储器，用于存储计算机程序；
    所述收发机，用于在所述处理器的控制下收发数据；
    所述处理器，用于读取所述存储器中的计算机程序并执行如下操作：
    接收第一功能实体发送的分析结果，所述分析结果为基于目标终端设备使用AI相关的数据确定得到的；
    根据所述分析结果，确定所述目标终端设备使用AI的策略。
  40. 根据权利要求39所述的装置，其特征在于，所述策略包括如下至少一种：
    对目标终端设备、目标应用或目标功能使用AI；
    对目标终端设备、所述目标应用或所述目标功能使用AI的条件；
    目标终端设备、所述目标应用或所述目标功能使用的AI算法信息；
    目标终端设备、所述目标应用或所述目标功能使用的AI模型信息。
  41. 根据权利要求39所述的装置，其特征在于，所述数据包括如下至少一种：
    所述目标终端设备的移动性能数据；
    所述目标终端设备的通信性能数据；
    所述目标终端设备的业务体验信息；
    所述目标终端设备的能耗数据；
    所述目标终端设备的资源使用数据；
    服务于所述目标终端设备的网络的性能数据；
    服务于所述目标终端设备的网络功能实体的状态数据；
    所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
  42. 根据权利要求39所述的装置，其特征在于，所述分析结果包括如下至少一种：
    所述目标终端设备的第一性能的统计信息或预测信息；
    服务于所述目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
  43. 根据权利要求42所述的装置，其特征在于，
    所述第一性能包括如下至少一种：所述目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
    所述第二性能包括如下至少一种：所述服务于所述目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
  44. 根据权利要求42所述的装置，其特征在于，所述分析结果还包括所述目标终端设备使用AI的描述信息；
    所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
  45. 根据权利要求42所述的装置，其特征在于，所述分析结果还包括分析结果适用信息；
    所述分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
  46. 根据权利要求39所述的装置，其特征在于，所述处理器还用于执行如下操作：
    向所述第一功能实体发送AI分析请求，所述分析请求用于请求所述分析结果。
  47. 根据权利要求46所述的装置，其特征在于，所述分析请求包括如下至少一种：
    分析目标信息，所述分析目标信息包括如下至少一种：所述目标终端设备的标识、所述目标终端设备所在设备组的标识、所述目标应用的标识、所述目标功能的标识；
    所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
    分析区域；
    分析网络切片；
    分析时段；
    分析结果的准确度；
    分析结果的精度。
  48. 根据权利要求40、41、44或47所述的装置，其特征在于，
    所述AI算法信息包括至少一种AI算法和所述至少一种AI算法对应的优先级信息；和/或，
    所述AI模型信息包括至少一种AI模型和所述至少一种AI模型对应的优先级信息。
  49. 根据权利要求39至47任一项所述的装置，其特征在于，所述第二功能实体为第一终端设备，所述目标终端设备为所述第一终端设备，所述处理器还用于执行如下操作：
    执行所述策略。
  50. 根据权利要求49所述的装置，其特征在于，所述处理器根据所述策略，执行如下至少一种操作：
    确定所述目标终端设备、目标应用或目标功能使用AI；
    确定所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
    根据所述AI算法信息确定所述目标终端设备、所述目标应用或所述目标功能使用的AI算法；
    根据所述AI模型信息确定所述目标终端设备、所述目标应用或所述目标功能使用的AI模型。
  51. 根据权利要求39所述的装置，其特征在于，所述处理器还用于执行如下操作：
    向所述目标终端设备发送所述策略。
  52. 根据权利要求51所述的装置，其特征在于，所述处理器具体用于执行如下操作：
    通过PCF实体向所述目标终端设备发送所述策略。
  53. 一种策略确定装置，其特征在于，应用于第一功能实体中，所述装置包括：
    获取单元，用于获取目标终端设备使用AI相关的数据；
    确定单元，根据所述数据，确定分析结果；
    发送单元，用于向第二功能实体发送所述分析结果，所述分析结果用于使所述第二功能实体确定所述目标终端设备使用AI的策略。
  54. 根据权利要求53所述的装置，其特征在于，所述策略包括如下至少一种：
    对所述目标终端设备、目标应用或目标功能使用AI；
    对所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
    所述目标终端设备、所述目标应用或所述目标功能使用的AI算法信息；
    所述目标终端设备、所述目标应用或所述目标功能使用的AI模型信息。
  55. 根据权利要求53所述的装置，其特征在于，所述数据包括如下至少一种：
    所述目标终端设备的移动性能数据；
    所述目标终端设备的通信性能数据；
    所述目标终端设备的业务体验信息；
    所述目标终端设备的能耗数据；
    所述目标终端设备的资源使用数据；
    服务于所述目标终端设备的网络的性能数据；
    服务于所述目标终端设备的网络功能实体的状态数据；
    所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
  56. 根据权利要求53至55任一项所述的装置，其特征在于，所述获取单元，用于从如下至少一个设备中获取所述数据：
    所述目标终端设备；
    服务于所述目标终端设备的网络设备，所述网络设备包括如下至少一种：接入与移动性管理功能AMF实体、操作管理维护OAM实体、会话管理功能SMF实体、用户面功能UPF实体、应用功能AF实体、接入网AN实体。
  57. 根据权利要求53所述的装置，其特征在于，所述分析结果包括如下至少一种：
    所述目标终端设备的第一性能的统计信息或预测信息；
    服务于所述目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
  58. 根据权利要求57所述的装置，其特征在于，
    所述第一性能包括如下至少一种：所述目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
    所述第二性能包括如下至少一种：所述服务于所述目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
  59. 根据权利要求57所述的装置，其特征在于，所述分析结果还包括所述目标终端设备使用AI的描述信息；
    所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
  60. 根据权利要求57所述的装置，其特征在于，所述分析结果还包括分析结果适用信息；
    所述分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
  61. 根据权利要求53所述的装置，其特征在于，所述装置还包括：
    接收单元，用于从所述第二功能实体接收分析请求，所述分析请求用于请求所述分析结果。
  62. 根据权利要求61所述的装置，其特征在于，所述第二功能实体包括如下任意一种：第一终端设备、策略控制功能PCF实体、AF实体。
  63. 根据权利要求61所述的装置，其特征在于，所述分析请求包括如下至少一种：
    分析目标信息，所述分析目标信息包括如下至少一种：所述目标终端设备的标识、所述目标终端设备所在设备组的标识、目标应用的标识、目标功能的标识；
    所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
    分析区域；
    分析网络切片；
    分析时段；
    分析结果的准确度；
    分析结果的精度。
  64. 根据权利要求54、55、59或63所述的装置，其特征在于，
    所述AI算法信息包括至少一种AI算法和所述至少一种AI算法对应的优先级信息；和/或，
    所述AI模型信息包括至少一种AI模型和所述至少一种AI模型对应的优先级信息。
  65. 一种策略确定装置，其特征在于，应用于第二功能实体中，所述装置包括：
    接收单元，用于接收第一功能实体发送的分析结果，所述分析结果为基于目标终端设备使用AI相关的数据确定得到的；
    确定单元，用于根据所述分析结果，确定所述目标终端设备使用AI的策略。
  66. 根据权利要求65所述的装置，其特征在于，所述策略包括如下至少一种：
    对目标终端设备、目标应用或目标功能使用AI；
    对目标终端设备、所述目标应用或所述目标功能使用AI的条件；
    目标终端设备、所述目标应用或所述目标功能使用的AI算法信息；
    目标终端设备、所述目标应用或所述目标功能使用的AI模型信息。
  67. 根据权利要求65所述的装置，其特征在于，所述数据包括如下至少一种：
    所述目标终端设备的移动性能数据；
    所述目标终端设备的通信性能数据；
    所述目标终端设备的业务体验信息；
    所述目标终端设备的能耗数据；
    所述目标终端设备的资源使用数据；
    服务于所述目标终端设备的网络的性能数据；
    服务于所述目标终端设备的网络功能实体的状态数据；
    所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
  68. 根据权利要求65所述的装置，其特征在于，所述分析结果包括如下至少一种：
    所述目标终端设备的第一性能的统计信息或预测信息；
    服务于所述目标终端设备的网络或网络功能实体的第二性能的统计信息或预测信息。
  69. 根据权利要求68所述的装置，其特征在于，
    所述第一性能包括如下至少一种：所述目标终端设备的通信性能、能耗性能、资源使用、移动性能、业务体验；和/或，
    所述第二性能包括如下至少一种：所述服务于所述目标终端设备的网络或网络功能实体的通信性能、能耗性能、资源使用、负载状态、拥塞状态。
  70. 根据权利要求68所述的装置，其特征在于，所述分析结果还包括所述目标终端设备使用AI的描述信息；
    所述描述信息包括如下至少一种：AI使能信息、AI应用标识、AI功能标识、AI算法信息、AI模型信息。
  71. 根据权利要求68所述的装置，其特征在于，所述分析结果还包括分析结果适用信息；
    所述分析结果适用信息包括如下至少一种：统计信息或预测信息适用的时段、统计信息或预测信息适用的区域、统计信息或预测信息适用的网络切片、预测信息的置信度。
  72. 根据权利要求65所述的装置，其特征在于，所述装置还包括：
    第一发送单元，用于向所述第一功能实体发送AI分析请求，所述分析请求用于请求所述分析结果。
  73. 根据权利要求72所述的装置，其特征在于，所述分析请求包括如下至少一种：
    分析目标信息，所述分析目标信息包括如下至少一种：所述目标终端设备的标识、所述目标终端设备所在设备组的标识、所述目标应用的标识、所述目标功能的标识；
    所述目标终端设备使用AI的描述信息，所述描述信息包括如下至少一种：AI使能信 息、AI应用标识、AI功能标识、AI算法信息、AI模型信息；
    分析区域；
    分析网络切片；
    分析时段；
    分析结果的准确度；
    分析结果的精度。
  74. 根据权利要求66、67、70或73所述的装置，其特征在于，
    所述AI算法信息包括至少一种AI算法和所述至少一种AI算法对应的优先级信息；和/或，
    所述AI模型信息包括至少一种AI模型和所述至少一种AI模型对应的优先级信息。
  75. 根据权利要求65至73任一项所述的装置，其特征在于，所述第二功能实体为第一终端设备，所述目标终端设备为所述第一终端设备，所述装置还包括：
    执行单元，用于执行所述策略。
  76. 根据权利要求75所述的装置，其特征在于，所述执行单元用于根据所述策略，执行如下至少一种：
    确定所述目标终端设备、目标应用或目标功能使用AI；
    确定所述目标终端设备、所述目标应用或所述目标功能使用AI的条件；
    根据所述AI算法信息确定所述目标终端设备、所述目标应用或所述目标功能使用的AI算法；
    根据所述AI模型信息确定所述目标终端设备、所述目标应用或所述目标功能使用的AI模型。
  77. 根据权利要求65所述的装置，其特征在于，所述装置还包括：
    第二发送单元，用于向所述目标终端设备发送所述策略。
  78. 根据权利要求77所述的装置，其特征在于，所述第二发送单元具体用于：
    通过PCF实体向所述目标终端设备发送所述策略。
  79. 一种处理器可读存储介质，其特征在于，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行权利要求1至12任一项所述的方法，或执行权利要求13至26任一项所述的方法。
PCT/CN2023/105433 2022-08-09 2023-06-30 一种策略确定方法、装置及存储介质 WO2024032270A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202210950477.0A CN117641375A (zh) 2022-08-09 2022-08-09 一种策略确定方法、装置、设备及存储介质
CN202210950477.0 2022-08-09

Publications (1)

Publication Number Publication Date
WO2024032270A1 true WO2024032270A1 (zh) 2024-02-15

Family

ID=89850688

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2023/105433 WO2024032270A1 (zh) 2022-08-09 2023-06-30 一种策略确定方法、装置及存储介质

Country Status (2)

Country Link
CN (1) CN117641375A (zh)
WO (1) WO2024032270A1 (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111837425A (zh) * 2020-06-10 2020-10-27 北京小米移动软件有限公司 一种接入方法、接入装置及存储介质
WO2022126563A1 (zh) * 2020-12-17 2022-06-23 Oppo广东移动通信有限公司 网络资源选择方法、终端设备和网络设备
WO2022133866A1 (en) * 2020-12-24 2022-06-30 Huawei Technologies Co., Ltd. Apparatuses and methods for communicating on ai enabled and non-ai enabled air interfaces
CN114731577A (zh) * 2019-11-15 2022-07-08 华为技术有限公司 一种策略确定的方法、系统及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114731577A (zh) * 2019-11-15 2022-07-08 华为技术有限公司 一种策略确定的方法、系统及装置
CN111837425A (zh) * 2020-06-10 2020-10-27 北京小米移动软件有限公司 一种接入方法、接入装置及存储介质
WO2022126563A1 (zh) * 2020-12-17 2022-06-23 Oppo广东移动通信有限公司 网络资源选择方法、终端设备和网络设备
WO2022133866A1 (en) * 2020-12-24 2022-06-30 Huawei Technologies Co., Ltd. Apparatuses and methods for communicating on ai enabled and non-ai enabled air interfaces

Also Published As

Publication number Publication date
CN117641375A (zh) 2024-03-01

Similar Documents

Publication Publication Date Title
EP4132066A1 (en) Communication method, apparatus and system
WO2020019764A1 (zh) 信息传输方法、设备及计算机可读存储介质
WO2020108002A1 (zh) 一种传输策略确定方法、策略控制方法及装置
WO2021135187A1 (zh) 一种切片控制方法及装置
WO2020019961A1 (zh) 通信方法、接入网设备和终端设备
JP2022509188A (ja) ユーザアクセス制御方法、情報送信方法および装置
WO2021017999A1 (zh) 策略控制功能网元的选择方法、装置、系统及存储介质
WO2020224622A1 (zh) 一种信息配置方法及装置
WO2021233050A1 (zh) 一种通信方法及装置
WO2021223637A1 (zh) 应用迁移方法及装置
WO2021000938A1 (zh) 一种同步pdu会话状态的方法、装置、系统及芯片
WO2022141295A1 (zh) 一种通信方法和装置
WO2022063315A1 (zh) 信息配置方法、通信设备和存储介质
WO2022078112A1 (zh) 连接建立方法、装置、设备及存储介质
WO2022012122A1 (zh) 一种通信方法、设备及系统
WO2020087308A1 (zh) 一种业务处理方法、设备及存储介质
WO2024032270A1 (zh) 一种策略确定方法、装置及存储介质
EP4336891A1 (en) Method for reporting qoe measurement reports, and device, apparatus and storage medium
CN113596909B (zh) 通信方法、装置及系统
WO2024032197A1 (zh) 通信方法、装置、设备及存储介质
WO2024099016A1 (zh) 一种通信方法及装置
WO2023185807A1 (zh) 一种通信方法及装置
WO2023040958A1 (zh) 一种联邦学习组处理方法、装置及功能实体
WO2024027626A1 (zh) QoE测量配置方法、主节点及辅节点
WO2024022023A1 (zh) QoE测量配置的指示方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23851496

Country of ref document: EP

Kind code of ref document: A1