CN111107651B - 一种无线资源的调度方法及装置 - Google Patents
一种无线资源的调度方法及装置 Download PDFInfo
- Publication number
- CN111107651B CN111107651B CN201911379078.8A CN201911379078A CN111107651B CN 111107651 B CN111107651 B CN 111107651B CN 201911379078 A CN201911379078 A CN 201911379078A CN 111107651 B CN111107651 B CN 111107651B
- Authority
- CN
- China
- Prior art keywords
- terminals
- access network
- resource pools
- wireless resource
- terminal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供一种无线资源的调度方法及装置,涉及通信技术领域,用于为终端进行动态化的无线资源调度,提高资源利用率。该方法包括:接入网设备预先配置无线资源池的类型和大小,并获取终端的业务特性参数,业务特性参数用于反映终端执行的业务的特性;之后,接入网设备将该业务特性参数输入到训练完成的预测模型中,确定需求预测值,最后,接入网设备根据当前分配给终端的无线资源,以及需求预测值,对无线资源池做出调整。本申请应用于接入网设备调度无线资源。
Description
技术领域
本申请涉及通信领域,尤其涉及一种无线资源的调度方法及装置。
背景技术
大带宽、大连接、低时延高可靠构成了5G三大应用场景。为充分支撑这些典型应用场景,免调度传输以其信令开销小、时延低和耗电少等优势,被第三代合作伙伴计划(3rdgeneration partnership project,3GPP)视为5G的关键技术,在国内外研究、及3GPP标准定义中,受到高度重视。但是,免调度接入因为多个终端同时竞争接入,终端接入失败的概率潜在变高。
现阶段采用资源分组的方法解决上述问题。然而现阶段中资源分组的方法都是基于静态参数的,没有考虑到终端设备的使用状态是变化的,从而导致资源分组的结果不是最优的。同时,现有技术中资源分组的方法没有考虑用户业数据承载的业务特性,无线资源的分配不足以保障业务质量的要求。
因此,针对在免调度传输中,现阶段基于静态参数的资源分配方法没有充分利用动态参数,导致资源利用率低的现状,业界需要一种合适的解决方案。
发明内容
本申请提供一种无线资源的调度方法及装置,用于解决现阶段基于静态参数的资源分配方法没有充分利用动态参数,导致资源利用率低的问题。
为达到上述目的,本申请采用如下方案:
第一方面,本申请提供了一种无线资源的调度方法,包括:接入网设备获取P个终端中每一个终端的业务特性参数,终端的业务特性参数用于反映终端执行的业务的特征,P个终端是与接入网设备连接的终端,P为正整数;接入网设备将P个终端中每一个终端的业务特性参数输入到训练完成的预测模型中,确定P个终端中每一个终端的需求预测值,每一个终端的需求预测值包括M个无线资源池对应的预测值,无线资源池对应的预测值用于反映终端在未来一段时间内对于无线资源池中的资源的需求,M个无线资源池是接入网设备预先配置的,M为正整数;接入网设备根据P个终端的需求预测值,确定是否调整M个无线资源池。
基于上述技术方案,接入网设备预先配置无线资源池的类型和大小,并获取终端的业务特性参数,之后,接入网设备将该业务特性参数输入到训练完成的预测模型中,确定需求预测值,最后,接入网设备根据当前分配给终端的无线资源,以及需求预测值,对无线资源池做出调整。这样一来,接入网设备对无线资源的调度是基于终端承载业务特性的、动态优化的、高可靠业务保证的,能够使得终端获得最优的无线资源,提高了资源利用率,保障了业务质量。
一种可能的设计中,接入网设备根据P个终端的需求预测值,确定是否调整M个无线资源池,包括:接入网设备根据P个终端的需求预测值,确定P个目标无线资源池对应的预测值,P个目标无线资源池对应的预测值与P个终端一一对应,目标无线资源池属于M个无线资源池中的任意一个。接入网设备根据P个目标无线资源池对应的预测值,确定P个终端对目标无线资源池的需求值,P个终端对目标无线资源池的需求值等于P个目标无线资源池对应的预测值之和。接入网设备根据P个终端对M个无线资源池中每一个目标无线资源池的需求值,确定P个终端对无线资源的总需求值,P个终端对无线资源的总需求值等于P个终端对M个无线资源池中每一个目标无线资源池的需求值之和。接入网设备预设第一阈值。若P个终端对无线资源的总需求值大于或等于第一阈值,则接入网设备调整调整M个无线资源池;或者,若P个终端对无线资源的总需求值小于第一阈值,则接入网设备不调整M个无线资源池。
一种可能的设计中,业务特性参数包括以下参数中的一项或多项:连接时间、数据持续传输时长、单位时间内申请无线资源的次数、单位时间内的重传次数、单位时间内的平均速率和峰值速率、单位时间内的数据传输量、以及终端对接入网设备的无线资源的QoS要求。
一种可能的设计中,预测模型基于最小二乘法、多项式拟合法、或神经网络算法来构建。
一种可能的设计中,若预测模型基于神经网络来构建,该方法还包括:接入网设备获取训练集,训练集包括多个样本数据,每一个样本数据包括单位时间内终端的业务特性参数;将训练集映射为终端对不同无线资源池的需求值;根据终端对不同无线资源池的需求值,构建预测模型。
第二方面,本申请提供了一种接入网设备,包括:获取模块,用于获取P个终端中每一个终端的业务特性参数,所述终端的所述业务特性参数用于反映所述终端执行的业务的特征,所述P个终端是与所述接入网设备连接的终端。处理模块,用于将所述P个终端中每一个终端的所述业务特性参数输入到训练完成的预测模型中,确定所述P个终端中每一个终端的需求预测值,所述每一个终端的需求预测值包括M个无线资源池对应的预测值,所述无线资源池对应的预测值用于反映所述终端在未来一段时间内对于所述无线资源池中的资源的需求,所述M个无线资源池是所述接入网设备预先配置的,M为正整数;用于根据所述P个终端的需求预测值,确定是否调整M个资源池。
一种可能的设计中,处理模块,还用于根据P个终端的需求预测值,确定P个目标无线资源池对应的预测值,P个目标无线资源池对应的预测值与P个终端一一对应,目标无线资源池属于M个无线资源池中的任意一个。处理模块,还用于根据P个目标无线资源池对应的预测值,确定P个终端对目标无线资源池的需求值,P个终端对目标无线资源池的需求值等于P个目标无线资源池对应的预测值之和。处理模块,还用于根据P个终端对M个无线资源池中每一个目标无线资源池的需求值,确定P个终端对无线资源的总需求值,P个终端对无线资源的总需求值等于P个终端对M个无线资源池中每一个目标无线资源池的需求值之和。处理模块,还用于预设第一阈值。处理模块,还用于在P个终端对无线资源的总需求值大于或等于第一阈值时,调整M个无线资源池中每一个无线资源池中的资源的数量;用于在P个终端对无线资源的总需求值小于第一阈值时,不调整M个无线资源池中每一个无线资源池中的资源的数量。
一种可能的设计中,业务特性参数包括以下参数中的一项或多项:连接时间、数据持续传输时长、单位时间内申请无线资源的次数、单位时间内的重传次数、单位时间内的平均速率和峰值速率、单位时间内的数据传输量、以及终端对接入网设备的无线资源的QoS要求。
一种可能的设计中,预测模型基于最小二乘法、多项式拟合法、或神经网络算法来构建。
一种可能的设计中,获取模块,还用于获取训练集;训练集包括多个样本数据,每一个样本数据包括单位时间内终端的业务特性参数。处理模块,还用于将训练集映射为终端对不同无线资源池的需求值。处理模块,还用于根据终端对不同无线资源池的需求值,构建预测模型。
第三方面,本申请提供了一种接入网设备,包括:处理器和通信接口;通信接口和处理器耦合,处理器用于运行计算机程序或指令,以实现如第一方面和第一方面的任一种可能的实现方式中所描述的无线资源的调度方法。
第四方面,本申请提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当指令在计算机上运行时,使得计算机执行上述第一方面和第一方面的任一种可能的实现方式中所描述的无线资源的调度方法。
第五方面,本申请提供一种包含指令的计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行上述第一方面和第一方面的任一种可能的实现方式中所描述的无线资源的调度方法。
第六方面,本申请提供一种芯片,芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行计算机程序或指令,以实现如第一方面和第一方面的任一种可能的实现方式中所描述的无线资源的调度方法。
附图说明
图1为本申请实施例提供的一种无线资源的调度方法的流程示意图;
图2为本申请实施例提供的另一种无线资源的调度方法的流程示意图;
图3为本申请实施例提供的一种接入网设备的结构示意图;
图4为本申请实施例提供的另一种接入网设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
本文中字符“/”,一般表示前后关联对象是一种“或者”的关系。例如,A/B可以理解为A或者B。
本申请的说明书和权利要求书中的术语“第一”和“第二”是用于区别不同的对象,而不是用于描述对象的特定顺序。例如,第一边缘服务节点和第二边缘服务节点是用于区别不同的边缘服务节点,而不是用于描述边缘服务节点的特征顺序。
此外,本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、***、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括其他没有列出的步骤或模块,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
另外,在本申请实施例中,“示例性的”、或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”、或者“例如”等词旨在以具体方式呈现概念。
为了便于理解本申请的技术方案,下面对一些技术术语进行介绍。
1、无线资源池
无线资源池,是接入网设备对用于免调度的资源进行分组后形成的。无线资源池的数量可以根据实际情况确定。典型的,可分为长连接特性的无线资源池、数据突发特性的无线资源池和一般性无线资源池。其中,长连接特性的无线资源池用于需要持续、大量数据传输的业务,如视频类业务、大数据量数据下载类业务,这类业务对带宽、时间抖动有较高要求;数据突发特性的无线资源池用于单次数据量不大但传输频度高的业务,如工业控制类、无人驾驶指令下发类业务,这些业务对传输时延、可靠性有较高要求。
2、神经网络算法
神经网络算法(neural network algorithm,NNA),是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络算法由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构,是一种自适应***。现代神经网络算法是一种非线性统计性数据建模工具,常用来对输入和输出间复杂的关系进行建模,或用来探索数据的模式。
神经网络算法是一种运算模型,由大量的节点和之间相互的联接构成。每个节点代表一种特定的输出函数,称为激励函数或激活函数(activation function)。每两个节点间的联接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。
它的构筑理念是受到生物(人或其他动物)神经网络功能的运作启发而产生的。人工神经网络通常是通过一个基于数学统计学类型的学习方法得以优化,所以人工神经网络也是数学统计学方法的一种实际应用,通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间。这种方法比起正式的逻辑学推理演算更具有优势。
3、接入网设备
接入网设备,用于与终端进行连接,使终端接入无线网络。在本申请中,接入网设备对无线资源进行预配置,将无线资源分为M个无线资源池,M为正整数。每个无线资源池的属性包括:无线资源池的类型、无线资源池的大小(也即资源池包括的资源的数量)。
接入网设备获取终端在之前一段时间内的传输数据承载的业务类型,之后,接入网设备根据终端的业务类型,分析这些业务类型对网络传输带宽、连接时长、传输时延、时间抖动、峰值速率等的要求,并根据这些要求确定无线资源池的类型和大小。
示例性的,接入网设备配置无线资源池的类型包括:长连接特性的无线资源池,数据突发特性的无线资源池和一般性无线资源池。之后,接入网设备长连接特性的无线资源池中的资源分配给需要持续、大量数据传输的业务,将数据突发特性的无线资源池中的资源分配给对单次数据量不大但传输频度高的业务,将一般性无线资源池中的资源分配给常规的普通业务。
下面结合说明书附图,对本申请所提供的技术方案进行具体阐述。
如图1所示,为本申请实施例提供的一种无线资源的调度方法,该方法包括以下步骤:
S101、接入网设备获取P个终端中每一个终端的业务特性参数。
其中,业务特性参数用于反映终端执行的业务的特征。业务特性参数可以包括以下参数的一项或多项:连接时间、数据持续传输时长、单位时间内申请无线资源的次数、单位时间内的重传次数、单位时间内的平均速率和峰值速率、单位时间内的数据传输量、以及终端对接入网设备的无线资源的QoS要求。
S102、接入网设备将P个终端中每一个终端的业务特性参数输入到训练完成的预测模型中,确定P个终端中每一个终端的需求预测值。
其中,需求预测值用于反映终端在未来一段时间内对于无线资源的需求。每一个终端的需求预测值包括M个无线资源池对应的预测值,每一个无线资源池对应的预测值用于反映终端在未来一段时间内对于该无线资源池中的资源的需求。
可选的,接入网设备基于最小二乘法、多项式拟合法、或神经网络算法来构建预测模型。
S103、接入网设备根据P个终端的需求预测值,确定是否调整M个无线资源池。
可选的,接入网设备根据M个无线资源池中每一个无线资源池的利用率、终端无线接入的成功率、以及终端用户数据重传次数,确定第一阈值。其中,第一阈值用于接入网设备判断是否调整M个无线资源池。示例性的,接入网设备设置第一阈值为接入网设备无线资源总量的90%。
在一种可能的实现方式中,接入网设备预设第一阈值,之后,接入网设备根据P个终端的需求预测值,获取P个终端对无线资源的总需求值,最后,接入网设备将该总需求值与第一阈值进行对比,根据对比结果确定是否调整M个无线资源池。
可选的,接入网设备根据P个终端的需求预测值,确定P个目标无线资源池对应的预测值。其中,P个目标无线资源池对应的预测值与P个终端一一对应,目标无线资源池属于M个无线资源池中的任意一个。
可选的,接入网设备根据P个目标无线资源池对应的预测值,确定P个终端对目标无线资源池的需求值。其中,P个终端对目标无线资源池的需求值等于P个目标无线资源池对应的预测值之和。
可选的,接入网设备根据P个终端对M个无线资源池中每一个目标无线资源池的需求值,确定P个终端对无线资源的总需求值。其中,P个终端对无线资源的总需求值等于P个终端对M个无线资源池中每一个目标无线资源池的需求值之和。
可选的,若P个终端对无线资源的总需求值大于或等于第一阈值,则接入网设备调整M个无线资源池;若P个终端对无线资源的总需求值小于第一阈值,则接入网设备不调整M个无线资源池。
可选的,在接入网设备确定对M个无线资源池进行调整之后,接入网设备对M个无线资源池进行调整包括:
(1)、接入网设备调整分配给不同终端的无线资源的数量。
可选的,接入网设备减少甚至取消当前分配给低优先级终端的无线资源的数量,以满足高优先级终端对无线资源的需求,保障高优先级终端的业务能够正常执行。其中,在终端初次连接至接入网设备时,终端的优先级由接入网设备根据终端的标识进行配置。
可选的,接入网设备根据每个终端的业务在实际执行过程中对无线资源的历史需求,动态调整每个终端的优先级的高低。
示例性的,若使用终端的用户与运营商签订了在每日22时至次日7时的时间段内提供大网络带宽的服务协议,则接入网设备在每日22时至次日7时的时间段内提高该终端的优先级,在每一日的其余时间段降低该终端的优先级。
(2)、接入网设备调整不同类型的无线资源池之间的比例。
可选的,接入网设备预设第二阈值。其中,第二阈值具体为接入网设备假设的单位时间内终端申请无线资源失败的次数。
示例性的,接入网设备统计在实际业务执行过程中终端申请无线资源失败的次数。之后,接入网设备将实际业务执行过程中终端申请无线资源失败的次数与第二阈值进行比较,若实际业务执行过程中终端申请无线资源失败的次数大于等于第二阈值,则接入网设备调整不同类型的无线资源池之间的比例;若实际业务执行过程中终端申请无线资源失败的次数小于第二阈值,则接入网设备不调整不同类型的无线资源池之间的比例。
可选的,在接入网设备的无线资源整体利用率不同时,接入网设备设置不同数值大小的第二阈值。示例性的,在接入网设备的无线资源整体利用率较低时,接入网设备设置数值较大的第二阈值X1;在接入网设备的无线资源整体利用率较高时,接入网设备设置数值较小的第二阈值X2。其中,X1≥1.5×X2。
这样一来,接入网设备通过动态设置第二阈值,能够避免接入网设备频繁地调整无线资源,减少了***开销,同时使得无线资源池的类型和大小保持平稳,有利于提高资源利用率。
基于上述技术方案,接入网设备预先配置无线资源池的类型和大小,并获取终端的业务特性参数,之后,接入网设备将该业务特性参数输入到训练完成的预测模型中,确定需求预测值,最后,接入网设备根据当前分配给终端的无线资源,以及需求预测值,对无线资源池做出调整。本申请实施例的技术方案,能够实时获取终端对于不同类型无线资源池中的资源的需求的动态变化情况,对终端所需求的无线资源做出准确的预测,之后,接入网设备再根据预测结果对无线资源池做出动态调整,使得终端获得最优的无线资源,提高资源利用率。在相同的网络资源情况下,上述技术方案能够提供更高的资源利用率、更高的业务质量。
如图2所示,为本申请实施例提供的一种无线资源的调度方法,以预测模型基于神经网络来构建为例,该方法在步骤S101之后还包括以下步骤:
S201、接入网设备获取训练集。
其中,训练集包括多个样本数据,每一个样本数据包括一个单位时间内的终端的业务特性参数。
S202、接入网设备将训练集映射为终端对不同无线资源池的需求值。
可选的,接入网设备预设映射关系表。其中,映射关系表用于反映训练集中终端的业务特性参数与不同无线资源池的对应关系。
在一种可能的实现方式中,接入网设备根据映射关系,将训练集映射为终端对不同无线资源池的需求值。
示例性的,接入网设备配置的无线资源池的类型包括:长连接特性的无线资源池,数据突发特性的无线资源池和一般性无线资源池。则接入网设备将训练集映射为:终端对长连接特性的无线资源池的需求值,终端对数据突发特性的无线资源池的需求值,以及终端对一般性无线资源池的需求值。
S203、接入网设备根据终端对不同无线资源池的需求值,构建预测模型。
可选的,接入网设备基于多层神经网络算法,输入多个单位时间内终端对不同无线资源池的需求值,最终构建预测模型。
基于上述技术方案,接入网设备能够根据神经网络算法构建预测模型,用于接入网设备对终端未来一段时间内对无线资源的需求做出预测,获取需求预测值,之后,接入网设备根据当前分配给终端的无线资源和需求预测值,调整分配给终端的无线资源。
本申请实施例可以根据上述方法示例对接入网设备进行功能模块或者功能单元的划分,例如,可以对应各个功能划分各个功能模块或者功能单元,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块或者功能单元的形式实现。其中,本申请实施例中对模块或者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。
如图3所示,为本申请实施例所涉及的接入网设备的一种可能的结构示意图,包括:
获取模块101,用于获取P个终端中每一个终端的业务特性参数,所述终端的所述业务特性参数用于反映所述终端执行的业务的特征,所述P个终端是与所述接入网设备连接的终端。
处理模块102,用于将所述P个终端中每一个终端的所述业务特性参数输入到训练完成的预测模型中,确定所述P个终端中每一个终端的需求预测值,所述每一个终端的需求预测值包括M个无线资源池对应的预测值,所述无线资源池对应的预测值用于反映所述终端在未来一段时间内对于所述无线资源池中的资源的需求,所述M个无线资源池是所述接入网设备预先配置的,M为正整数;用于根据所述P个终端的需求预测值,确定是否调整M个资源池。
处理模块102,还用于根据P个终端的需求预测值,确定P个目标无线资源池对应的预测值,P个目标无线资源池对应的预测值与P个终端一一对应,目标无线资源池属于M个无线资源池中的任意一个。
处理模块102,还用于根据P个目标无线资源池对应的预测值,确定P个终端对目标无线资源池的需求值,P个终端对目标无线资源池的需求值等于P个目标无线资源池对应的预测值之和。
处理模块102,还用于根据P个终端对M个无线资源池中每一个目标无线资源池的需求值,确定P个终端对无线资源的总需求值,P个终端对无线资源的总需求值等于P个终端对M个无线资源池中每一个目标无线资源池的需求值之和。
处理模块102,还用于预设第一阈值。
处理模块102,还用于在P个终端对无线资源的总需求值大于或等于第一阈值时,调整M个无线资源池中每一个无线资源池中的资源的数量;用于在P个终端对无线资源的总需求值小于第一阈值时,不调整M个无线资源池中每一个无线资源池中的资源的数量。
可选的,获取模块101,还用于获取训练集;训练集包括多个样本数据,每一个样本数据包括单位时间内终端的业务特性参数。处理模块102,还用于将训练集映射为终端对不同无线资源池的需求值。处理模块102,还用于根据终端对不同无线资源池的需求值,构建预测模型。
如图4所示,为本申请实施例所涉及的接入网设备的一种可能的结构示意图,包括:
处理器202,用于对该接入网设备的动作进行控制管理,例如,执行上述处理模块102执行的步骤,和/或用于执行本文所描述的技术的其它过程。
上述处理器202可以是实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。该处理器可以是中央处理器,通用处理器,数字信号处理器,专用集成电路,现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。所述处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
可选的,该接入网设备还可以包括通信接口203、存储器201和总线204,通信接口203用于支持接入网设备与其他网络实体的通信。存储器201用于存储该接入网设备的程序代码和数据。
其中,存储器201可以是接入网设备中的存储器,该存储器可以包括易失性存储器,例如随机存取存储器;该存储器也可以包括非易失性存储器,例如只读存储器,快闪存储器,硬盘或固态硬盘;该存储器还可以包括上述类型的存储器的组合。
总线204可以是扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。总线204可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一类型的总线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的***,装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例提供一种包含指令的计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行上述方法实施例所述的物联网节点的标识方法。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当网络设备执行该指令时,该网络设备执行上述方法实施例所示的方法流程中网络设备执行的各个步骤。
其中,计算机可读存储介质,例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘。随机存取存储器(Random Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的人以合适的组合、或者本领域数值的任何其他形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(Application Specific Integrated Circuit,ASIC)中。在本申请实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种无线资源的调度方法,其特征在于,所述方法包括:
接入网设备获取P个终端中每一个终端的业务特性参数,所述终端的所述业务特性参数用于反映所述终端执行的业务的特征,所述P个终端是与所述接入网设备连接的终端,P为正整数;
所述接入网设备将所述P个终端中每一个终端的所述业务特性参数输入到训练完成的预测模型中,确定所述P个终端中每一个终端的需求预测值,所述每一个终端的需求预测值包括M个无线资源池对应的预测值,所述无线资源池对应的预测值用于反映所述终端在未来一段时间内对于所述无线资源池中的资源的需求,所述M个无线资源池是所述接入网设备预先配置的,M为正整数;
所述接入网设备根据所述P个终端的需求预测值,确定是否调整M个无线资源池;
所述接入网设备根据所述P个终端的需求预测值,确定是否调整M个无线资源池,包括:
所述接入网设备根据所述P个终端的需求预测值,确定P个目标无线资源池对应的预测值,所述P个目标无线资源池对应的预测值与所述P个终端一一对应,所述目标无线资源池属于所述M个无线资源池中的任意一个;
所述接入网设备根据所述P个目标无线资源池对应的预测值,确定所述P个终端对目标无线资源池的需求值,所述P个终端对目标无线资源池的需求值等于所述P个目标无线资源池对应的预测值之和;
所述接入网设备根据所述P个终端对所述M个无线资源池中每一个目标无线资源池的需求值,确定所述P个终端对无线资源的总需求值,所述P个终端对无线资源的总需求值等于所述P个终端对所述M个无线资源池中每一个目标无线资源池的需求值之和;
所述接入网设备预设第一阈值;
若所述P个终端对无线资源的总需求值大于或等于第一阈值,则接入网设备调整M个无线资源池;
或
若所述P个终端对无线资源的总需求值小于第一阈值,则接入网设备不调整M个无线资源池。
2.根据权利要求1所述的无线资源的调度方法,其特征在于,所述业务特性参数包括以下参数中的一项或多项:连接时间、数据持续传输时长、单位时间内申请无线资源的次数、单位时间内的重传次数、单位时间内的平均速率和峰值速率、单位时间内的数据传输量、以及终端对接入网设备的无线资源的服务质量QoS要求。
3.根据权利要求1或2所述的无线资源的调度方法,其特征在于,所述预测模型基于最小二乘法、多项式拟合法、或神经网络算法来构建。
4.根据权利要求3所述的无线资源的调度方法,其特征在于,若所述预测模型基于神经网络算法来构建,则所述方法还包括:
获取训练集,所述训练集包括多个样本数据,每一个样本数据包括单位时间内所述终端的一个业务单位的业务特性参数;
将训练集映射为终端对不同无线资源池的需求值;
根据所述终端对不同无线资源池的需求值,构建所述预测模型。
5.一种接入网设备,其特征在于,所述接入网设备包括:
获取模块,用于获取P个终端中每一个终端的业务特性参数,所述终端的所述业务特性参数用于反映所述终端执行的业务的特征,所述P个终端是与所述接入网设备连接的终端;
处理模块,用于将所述P个终端中每一个终端的所述业务特性参数输入到训练完成的预测模型中,确定所述P个终端中每一个终端的需求预测值,所述每一个终端的需求预测值包括M个无线资源池对应的预测值,所述无线资源池对应的预测值用于反映所述终端在未来一段时间内对于所述无线资源池中的资源的需求,所述M个无线资源池是所述接入网设备预先配置的,M为正整数;用于根据所述P个终端的需求预测值,确定是否调整M个资源池;
所述处理模块,还用于根据所述P个终端的需求预测值,确定P个目标无线资源池对应的预测值,所述P个目标无线资源池对应的预测值与所述P个终端一一对应,所述目标无线资源池属于所述M个无线资源池中的任意一个;
所述处理模块,还用于根据所述P个目标无线资源池对应的预测值,确定所述P个终端对目标无线资源池的需求值,所述P个终端对目标无线资源池的需求值等于所述P个目标无线资源池对应的预测值之和;
所述处理模块,还用于根据所述P个终端对所述M个无线资源池中每一个目标无线资源池的需求值,确定所述P个终端对无线资源的总需求值,所述P个终端对无线资源的总需求值等于所述P个终端对所述M个无线资源池中每一个目标无线资源池的需求值之和;
所述处理模块,还用于预设第一阈值;
所述处理模块,还用于在所述P个终端对无线资源的总需求值大于或等于第一阈值时,调整M个无线资源池中每一个无线资源池中的资源的数量;用于在所述P个终端对无线资源的总需求值小于第一阈值时,不调整M个无线资源池中每一个无线资源池中的资源的数量。
6.根据权利要求5所述的接入网设备,其特征在于,所述业务特性参数包括以下参数中的一项或多项:连接时间、数据持续传输时长、单位时间内申请无线资源的次数、单位时间内的重传次数、单位时间内的平均速率和峰值速率、单位时间内的数据传输量、以及终端对接入网设备的无线资源的QoS要求。
7.根据权利要求5或6所述的接入网设备,其特征在于,所述预测模型基于最小二乘法、多项式拟合法、或神经网络算法来构建。
8.根据权利要求7所述的接入网设备,其特征在于,若所述预测模型基于神经网络算法来构建,则所述接入网设备还包括:
所述获取模块,还用于获取训练集;所述训练集包括多个样本数据,每一个样本数据包括单位时间内所述终端的一个业务单位的业务特性参数;
所述处理模块,还用于将训练集映射为终端对不同无线资源池的需求值;
所述处理模块,还用于根据所述终端对不同无线资源池的需求值,构建所述预测模型。
9.一种接入网设备,其特征在于,包括:处理器和通信接口;所述通信接口和所述处理器耦合,所述处理器用于运行计算机程序或指令,以实现上述权利要求1-4任一项中所述的无线资源的调度方法。
10.一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,其特征在于,当计算机执行所述指令时,所述计算机执行上述权利要求1-4任一项中所述的无线资源的调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911379078.8A CN111107651B (zh) | 2019-12-27 | 2019-12-27 | 一种无线资源的调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911379078.8A CN111107651B (zh) | 2019-12-27 | 2019-12-27 | 一种无线资源的调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111107651A CN111107651A (zh) | 2020-05-05 |
CN111107651B true CN111107651B (zh) | 2022-05-17 |
Family
ID=70424366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911379078.8A Active CN111107651B (zh) | 2019-12-27 | 2019-12-27 | 一种无线资源的调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111107651B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112367708B (zh) * | 2020-10-30 | 2023-05-26 | 新华三技术有限公司 | 一种网络资源分配方法及装置 |
FI20215069A1 (en) * | 2021-01-21 | 2022-07-22 | Nokia Solutions & Networks Oy | Estimation of power consumption for different types of radio access technologies |
CN113645642B (zh) * | 2021-08-16 | 2023-08-15 | 北京遥感设备研究所 | 一种无线资源分配预测方法及*** |
CN115734229A (zh) * | 2021-08-31 | 2023-03-03 | 上海华为技术有限公司 | 一种资源预估方法和相关设备 |
CN116033584B (zh) * | 2023-02-03 | 2023-10-20 | 阿里巴巴(中国)有限公司 | 空口资源调度方法、网络接入设备和通信网络 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109152049A (zh) * | 2017-06-28 | 2019-01-04 | 上海华为技术有限公司 | 无线资源调度方法、视频终端及接入网设备 |
CN110225512A (zh) * | 2019-06-04 | 2019-09-10 | 浙江大学 | 一种蜂窝物联网的无线资源控制方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102382913B1 (ko) * | 2015-07-02 | 2022-04-06 | 한국전자통신연구원 | 이동통신시스템에서의 QoS 보장을 위한 무선자원 스케줄링 방법 및 장치 |
-
2019
- 2019-12-27 CN CN201911379078.8A patent/CN111107651B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109152049A (zh) * | 2017-06-28 | 2019-01-04 | 上海华为技术有限公司 | 无线资源调度方法、视频终端及接入网设备 |
CN110225512A (zh) * | 2019-06-04 | 2019-09-10 | 浙江大学 | 一种蜂窝物联网的无线资源控制方法及*** |
Non-Patent Citations (1)
Title |
---|
R2-168468 "MAC Layer Impact of Supporting Different Services";InterDigital Communications;《3GPP tsg_ran\WG2_RL2》;20161104;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111107651A (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111107651B (zh) | 一种无线资源的调度方法及装置 | |
CN111953758B (zh) | 一种边缘网络计算卸载和任务迁移方法及装置 | |
CN111953759A (zh) | 基于强化学习的协同计算任务卸载和迁移的方法及装置 | |
JP7083476B1 (ja) | ネットワークアクセスデバイスのリソース割り当て方法および装置 | |
Zhou et al. | Toward blind scheduling in mobile media cloud: Fairness, simplicity, and asymptotic optimality | |
CN110968366B (zh) | 一种基于有限mec资源的任务卸载方法、装置及设备 | |
CN109147788A (zh) | 本地语音库的更新方法及装置 | |
CN111885618B (zh) | 一种网络性能优化方法和装置 | |
CN108377204A (zh) | 一种用户离网的预测方法及装置 | |
CN111147395A (zh) | 一种网络资源调整方法及装置 | |
CN114648131A (zh) | 联邦学习方法、装置、***、设备及介质 | |
CN110320813B (zh) | 物联网设备的电源管理方法及装置 | |
CN116743669A (zh) | 一种深度强化学习分组调度方法、***、终端及介质 | |
CN111200566B (zh) | 一种网络业务流量信息疏导方法及电子设备 | |
CN112488563A (zh) | 一种算力参数的确定方法和装置 | |
CN115102898B (zh) | 通信方法、设备及存储介质 | |
CN113453285B (zh) | 一种资源调整方法、装置及存储介质 | |
GB2574102A (en) | Optimised network deployment | |
CN115996248A (zh) | 一种基于确定性网络的电力业务映射调度方法及*** | |
CN116418808A (zh) | 一种mec的联合计算卸载和资源分配方法及装置 | |
US11979295B2 (en) | Reinforcement learning agent training method, modal bandwidth resource scheduling method and apparatus | |
CN110636632B (zh) | 用户调度方法、装置、基站和存储介质 | |
CN114461299A (zh) | 一种卸载决策确定方法、装置、电子设备及存储介质 | |
CN113743040A (zh) | 测试方法、装置、电子设备以及可读存储介质 | |
CN111901425A (zh) | 基于Pareto算法的CDN调度方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |