CN112020075A - 基于业务量预测的通信保障方法、装置、计算设备 - Google Patents
基于业务量预测的通信保障方法、装置、计算设备 Download PDFInfo
- Publication number
- CN112020075A CN112020075A CN201910458932.3A CN201910458932A CN112020075A CN 112020075 A CN112020075 A CN 112020075A CN 201910458932 A CN201910458932 A CN 201910458932A CN 112020075 A CN112020075 A CN 112020075A
- Authority
- CN
- China
- Prior art keywords
- service
- data
- index
- wireless cell
- cell
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例涉及网络通信技术领域,公开了一种基于业务量预测的通信保障方法、装置、计算设备,该方法包括:获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;根据基础工参数据进行仿真获取至少一个无线小区的仿真覆盖范围;对任一业务指标的业务数据进行训练得到至少一个无线小区的任一业务指标的预测值;将至少一个无线小区的仿真覆盖范围和任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。通过上述方式,本发明实施例可以高效准确地优化运营商网络,使维护人员能够提前做好通信保障准备,防止出现保障不到位的情况。
Description
技术领域
本发明实施例涉及通信网络技术领域,具体涉及一种基于业务量预测的通信保障方法、装置、计算设备。
背景技术
移动通信网络一般指的2G/3G/4G网络,其中无线网络部分由多个的基站组成,根据不同的网络制式,如全球移动通信***(Global System for Mobile Communications,GSM)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、频分双工长期演进(Frequency Division Duplexing Long Term Evolution,FDD-LTE)、分时长期演进(Time Division Long Term Evolution,TD-LTE)等,和不同的频段800M~2600M,覆盖一定范围的基站数量也不同。基站根据覆盖方向又划分为多个小区,小区通过射频天线和用户的手机终端进行通信,进行各类语音,视频,上网等业务。
通信运营商在日常网络维护中,通信保障是非常重要的一个工作环节。网络操作人员一般可以从管理该无线网络的后台网管***获取到每个小区的业务量、指标等统计数据。这些业务量、指标就是与这个小区通信的用户按时间段所产生的各类统计量。在小区业务量预测过程中,通常可以通过获取小区历史数据,再采用各种相应的预测模型对小区进行未来指标及业务量的预测,因此就可以获得该小区未来业务量、指标的情况。根据预测的这些数据,例如预测到某小区无线利用率在下个月会增加,网络维护人员就可以提前做好对改小区的容量保障,通过资源,参数优化等手段确保小区负荷正常,从而能达到通信保障的目的。
由于运营商在网络建设初期,为提升投资效益,网络资源的投入一般都按照满足平均业务量需求进行的资源匹配,除某些特定的区域可能会满足最大的业务需求资源配置外,大部分区域的资源配置都是按需进行的,只有这样才能达到一定的经济效益。但另一方面,用户的业务行为,也就是利用手机终端打电话,上网,打游戏等的业务行为受多方面的原因,比如受作息时间,工作时间,休息日,节假日,业务资费,使用***是波动的,而当前运营在资源投入上基本满足了大部分小区的业务波动的,但仍有部分小区的资源是需要临时投入资源进行保障的,满足用户的业务需求,这就是通信保障工作。
在实现本发明实施例的过程中,发明人发现:通常运营商的保障工作会在一些重大的节假日,重大的活动,重点区域场景进行,而这些都是基于网络维护人员日积月累的经验,比如,在国庆期间,通过个人经验判断某些景点区域可能会业务量增加,就计划投入资源去进行保障。这种基于经验的通信保障方法在当前仍是一种较高效的方法,但在当前信息洪流的时代,基于经验的方法也出现了不全面的问题。例如,如根据往年经验,某某古镇景点需要重点保障,但投入充足保障资源后发现该景点因天气,网络评论等原因导致的游览人数减少,因此出现的过保障情况,造成了保障资源浪费。同理,也会出现一些根据人为经验无法得知需要加大保障力度的零散区域,如一些“网红”区域,或者因某些重要事件发生后,信息快速传播,造成的人流立即聚集,将导致保障不及时的现象。而这些通信保障的需求单凭个人或者历史经验案例已无法有效实施。
发明内容
鉴于上述问题,本发明实施例提供了一种基于业务量预测的通信保障方法、装置、计算设备,克服了上述问题或者至少部分地解决了上述问题。
根据本发明实施例的一个方面,提供了一种基于业务量预测的通信保障方法,所述方法包括:获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围;对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值;将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
在一种可选的方式中,所述方法还包括:划定需要保障的区域;所述获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据,包括:获取所述需要保障的区域中各无线小区的所述基础工参数据以及任一业务指标的所述业务数据。
在一种可选的方式中,所述业务数据为上下行流量指标数据、利用率指标数据、话务量指标数据、RRC连接数指标数据中的任一个;所述基础工参数据包括小区的经纬度数据、站高数据、发射功率数据、方位角数据、站型数据以及带宽数据的至少其中之一。
在一种可选的方式中,所述获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据还包括:获取所述至少一个无线小区的告警信息。
在一种可选的方式中,所述对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值之前,包括:根据所述告警信息获取发生告警的时间点信息;获取与所述时间点信息对应的所述至少一个无线小区的所述任一业务指标的业务数据;应用异常值检测方法获取所述至少一个无线小区的所述任一业务指标的异常业务数据;对与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据进行处理,得到修正后的所述任一业务指标的业务数据。
在一种可选的方式中,所述对与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据进行处理,得到修正后的所述任一业务指标的业务数据,包括:删除与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据,得到修正后的所述任一业务指标的业务数据。
在一种可选的方式中,所述对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值,包括:设置需要预测的时间序列;应用预设的预测模型对所述至少一个无线小区的所述任一业务指标的业务数据进行训练和预测,得到所述至少一个无线小区的所述任一业务指标的所述时间序列的预测值。
在一种可选的方式中,所述将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案,包括:将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的所述时间序列的预测值进行关联并通过图形显示;选择所述时间序列中的任一时间点,根据所述图形结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
根据本发明实施例的另一个方面,提供了一种基于业务量预测的通信保障装置,所述装置包括:数据获取单元,用于获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;仿真单元,用于根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围;训练单元,用于对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值;关联单元,用于将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
根据本发明实施例的另一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述基于业务量预测的通信保障方法的步骤。
根据本发明实施例的又一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使所述处理器执行上述基于业务量预测的通信保障方法的步骤。
本发明实施例通过获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围;对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值;将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联并通过图形显示预测的用户聚集或业务密集的区域;根据预测的用户聚集或业务密集的区域结合电子地图制定通信保障方案。通过结合较准确的小区业务预测结果和小区仿真覆盖范围,根据预测的时间序列的高业务或高用户量所在的具体地理区域或位置制定通信保障方案,可以高效准确地优化运营商网络,使维护人员能够提前做好这些区域的通信保障准备,从而防止因人的经验出现漏保障,过保障等保障不到位的情况。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的基于业务量预测的通信保障方法的流程示意图;
图2示出了本发明实施例提供的基于业务量预测的通信保障方法的三种预测模型的流量预测MAPE评估示意图;
图3示出了本发明实施例提供的基于业务量预测的通信保障方法的三种预测模型的流量预测MAE评估示意图;
图4示出了本发明实施例提供的基于业务量预测的通信保障方法的三种预测模型的无线利用率预测MAPE评估示意图;
图5示出了本发明实施例提供的基于业务量预测的通信保障方法的三种预测模型的无线利用率预测MAE评估示意图;
图6示出了本发明实施例提供的基于业务量预测的通信保障方法的Prophet模型的业务量预测示意图;
图7示出了本发明实施例提供的基于业务量预测的通信保障方法的小区仿真覆盖范围与预设值关联示意图;
图8示出了本发明实施例提供的基于业务量预测的通信保障装置的结构示意图;
图9示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例提供的基于业务量预测的通信保障方法的流程示意图。如图1所示,基于业务量预测的通信保障方法包括:
步骤S11:获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据。
在本发明实施例中,在步骤S11之前,划定需要保障的区域。需要保障的区域可以是一个市级分公司,或几个区县,或特定的区域。由于区域划定的大小决定着后续需要获取该区域内小区的相关数据量的大小,以及后续的数据处理的时间,因此区域大小的确定可根据后台处理和存储的能力确定,优选地,一般可以将省会城市,直辖市划分为几个区域,一般地市级可划分为一个范围进行,划分太小也会导致忽略掉一些需要保障的区域。如,将重庆市主城区划分为几个区域,可将其中的两个或三个区划为一个大保障区进行方案制定。
在步骤S11中,获取所述需要保障的区域中各无线小区的所述基础工参数据以及任一业务指标的所述业务数据。业务指标可以是上下行流量指标、利用率指标、话务量指标、RRC连接数指标中的任一个,对应地,业务数据可以为上下行流量指标数据、利用率指标数据、话务量指标数据、RRC连接数指标数据中的任一个。基础工参数据包括小区的经纬度数据、站高数据、发射功率数据、方位角数据、站型数据以及带宽数据的至少其中之一。
在本发明实施例中,通过网管获取该区域各无线小区的相关数据,划定的区域内一般都有无线网络覆盖,因此都有覆盖的无线基站及小区,可通过已知的方法将需要保障的区域内的基站小区清单从全网的基站小区数据中筛选出来,然后从网管***提取这部分小区的指标和业务数据,基础工参数据。具体地,将划定区域的小区勾选出来,并得到小区的清单列表;根据小区清单列表,通过后台网管获取这些小区的业务数据表,包括表1中所示的项,数据一般是小时级或天级。
表1业务数据表项
根据小区清单列表,通过后台网管获取这些小区的业务指标表,包括的业务指标如表2,有上下行流量,利用率,话务量,RRC连接数等等;根据小区清单列表,获取小区的基础工参表,包括小区的经纬度,站高,发射功率,方位角,站型,带宽等数据。
在步骤S11中,还同时获取所述至少一个无线小区的告警信息,告警信息需要获取发生告警的时间点,以便与该小区的业务量和指标关联起来,一般获取影响业务正常进行的告警。例如,某H公司基站的告警包括:小区不可用告警、射频单元业务不可用告警、小区服务能力下降告警、射频单元硬件故障告警、射频单元输入电源能力不足告警、单板过载告警、射频单元光接口性能恶化告警、射频单元交流掉电告警等。某Z公司基站的告警包括:超级小区CP退服告警、RRU链路断、设备掉电、基站退出服务、LTE小区退出服务、GNSS接收机搜星故障、以太网物理连接断、RRU功率检测异常等。某A公司基站的告警包括:电源故障(PowerFailure)、Heartbeat Failure、千兆以太网连接错误(Gigabit Ethernet LinkFault)、硬件错误(HwFault)、连接故障(LinkFailure)等等。
表2业务数据表项
步骤S12:根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围。
具体地,根据基础工参数据采用仿真算法对小区覆盖进行仿真,通过仿真计算后,可以得到小区的覆盖范围。仿真算法可以是基于地理信息***和传播模型的网络规划工具(Advanced Network Planning&Optimizing Platform,ANPOP)或ATOLL仿真软件。
在本发明实施例中,根据任一小区的基础工参数据可以仿真出对应小区的覆盖范围。根据需要保障的区域中的多个小区的基础工参数据可以仿真叠加得到需要保障的区域的覆盖范围。
步骤S13:对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值。
在本发明实施例中,在步骤S13之前,首先根据所述告警信息获取发生告警的时间点信息,获取与所述时间点信息对应的所述至少一个无线小区的所述任一业务指标的业务数据。具体地,根据发生告警的时间点信息按小区级将告警信息关联到具体发生的时间段上,通常以1小时为颗粒度或天级进行关联,如CELLA单板过载告警,发生时间是20:46分,关联到对应时间段该小区的业务数据,并对该小区时段的业务数据进行标注,才便后续处理。
然后应用异常值检测方法获取所述至少一个无线小区的所述任一业务指标的异常业务数据。在本发明实施例中,基于应用统计量的异常值检测方法对小区的异常性能指标进行检测。如若某指标数据服从高斯分布,在3σ原则下,异常值被定义为一组测定值中与平均值的偏差超过3倍标准差的业务数据,因为在正态分布的假设下,距离平均值3σ之外的值出现的概率小于0.003。运用概率估算得到KPI波动的置信区间,应用这一置信区间可以快速有效地识别该指标的异常波动,并对异常指标出现的时段与该小区的对应时段的异常业务数据进行关联并标注。
最后对与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据进行处理,得到修正后的所述任一业务指标的业务数据。具体可以采用平均值法,中位数法,邻近值法等,结合后续的预测模型对与时间点信息对应的任一业务指标的业务数据以及异常业务数据进行处理。在本发明实施例中,优选地,对与时间点信息对应的任一业务指标的业务数据以及异常业务数据进行空置处理,也就是剔除小区业务数据中与时间点信息对应的任一业务指标的业务数据以及异常业务数据,得到修正后的所述任一业务指标的业务数据。后续对任一业务指标的修正后的业务数据进行训练,使得在进行小区预测时,考虑将告警和偏离统计大概率值进行了数据处理,提升了预测准确性。
在步骤S13中,设置需要预测的时间序列;应用预设的预测模型对所述至少一个无线小区的所述任一业务指标的业务数据进行训练和预测,得到所述至少一个无线小区的所述任一业务指标的所述时间序列的预测值。
在本发明实施例中,预设的预测模型可以是线性时序预测模型(ARIMA模型)、长短期记忆模型(long-short term memory,LSTM模型)、或者时间序列预测模型(prophet模型)中的任一种。本发明实施例对小区流量以及无线利率指标应用上述三种预测模型分别进行预测,并应用平均绝对误差(Mean Absolute Error,MAE)及平均绝对百分误差(MeanAbsolute Percentage Error,MAPE)两种评估模型进行量化评估,结果参见图2-图5,其中横坐标表示各小区的编号。通过对比,上述三种预测模型的应用效果如下表3所示,ARIMA模型的性能最差;LSTM模型有大幅提升;Prophet性能与LSTM的性能接近。
表3三种预测模型的应用效果
由于需要批量进行建模,N个小区即有N组模型,而ARIMA模型及LSTM模型的每一个模型都需要人工精细化调参才能达到最优的效果,不利于批量实现,而Prophet模型不需要精细化调参即可获取不错的效果,其效果只是略差于LSTM,因此采用Prophet模型预测效果更优。
因此,在本发明实施例中,优选地应用Prophet模型对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值。Prophet模型的本质是一个可加模型,满足以下关系式:
y(t)=g(t)+s(t)+h(t)+εt
其中,g(t)是趋势项,s(t)是周期项,h(t)是节假日项,εt是误差项并且服从正态分布。图6为应用Prophet模型对业务量进行训练后得到的预测结果,其中,黑点为输入Prophet模型的小区业务数据,曲线为模型预测曲线,椭圆形虚线区域即为预测的后续时间序列的业务量值。本发明实施例采用prophet模型预测,能够提升效率和准确性。
步骤S14:将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
具体地,将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的所述时间序列的预测值在前端进行关联并通过图形显示;选择所述时间序列中的任一时间点,根据所述图形结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。将小区的仿真覆盖范围和该小区的业务指标的预测值进行关联,并应用已知的方法,将小区仿真覆盖范围以矢量格式在工具软件中呈现,如MAPINFO以object储存,并对该仿真覆盖范围目标进行赋值关联。例如,在时间序列中的某一时间点,一小区的业务指标的预测值越大,则该小区的仿真覆盖范围赋值也就越大,在工具软件中呈现的矢量区块也就越大。
无线小区的覆盖范围与任一业务指标的预测值关联后,选择时间序列中的任一时间点,可以呈现出后续人流或业务密集的区域,并通过图形显示。在显示的图形中,显示的矢量区块越大,说明在该区域,业务指标的预测值越大,用户聚集或业务密集的程度越高。例如,针对流量指标,选择某一节假日,预测的用户聚集或业务密集的区域如图7所示,其中黑色的矢量区块表示对应的小区的业务指标的预测值,黑色的矢量区块聚集的区域即为预测的用户聚集或业务密集的区域。本发明实施例结合了小区的仿真覆盖范围,能准确地确定需要通信保障的区域,并可以根据选择不同的预测时间序列点,发现不同的需要保障的区域。
选择的时间序列中的任一时间点,找到预测的用户聚集或业务密集的区域后,结合电子地图可以精准的确定保障区域,并结合该区域所包含的建筑场景,如景点,高校等信息,精确制定后续的保障方案。如图7所示,从图中可以看出,结合电子地图确定森林公园景点和火车站为预测的用户聚集或业务密集的区域,该区域即为保障区域,进一步对该保障区域精确制定后续的保障方案。
本发明实施例的基于业务量预测的通信保障方法适用于所有2G/3G/4G移动通信标准制式的无线网络通信保障,包括全球移动通信***(Global System for MobileCommunications,GSM)900、1800MHz数字蜂窝***(Digital Cellular System at1800MHz,DCS1800)、码分多址(Code Division Multiple Access,CDMA)1X、CDMA2000、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、时分-同步码分多址(TimeDivision-Synchronous Code Division Multiple Access,TD-SCDMA)、分时长期演进(Time Division Long Term Evolution,TD-LTE)、频分双工(Frequency DivisionDuplexing,FDD)LTE等移动通信标准制式。能在应对节假日突发的通信保障方面有非常好的效果,基于较准确的小区业务预测结果,并可以根据预测的时间序列确定不同预测时间点的高业务或高用户量所在的具体地理区域或位置,可以准确地让运营商网络优化及维护人员提前做好这些区域的通信保障准备,从而解决因根据人的经验出现的漏保障,过保障等保障不到位的情况。
本发明实施例通过获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围;对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值;将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案;根据预测的用户聚集或业务密集的区域结合电子地图制定通信保障方案。通过结合较准确的小区业务预测结果和小区仿真覆盖范围,根据预测的时间序列的高业务或高用户量所在的具体地理区域或位置制定通信保障方案,可以高效准确地优化运营商网络,使维护人员能够提前做好这些区域的通信保障准备,从而防止因人的经验出现漏保障,过保障等保障不到位的情况。
图4示出了本发明实施例的网络管理***的智能预警装置的结构示意图。如图4所示,该网络管理***的智能预警装置包括:数据获取单元801、仿真单元802、训练单元803以及关联单元804。其中:
数据获取单元801用于获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;仿真单元802用于根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围;训练单元803用于对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值;关联单元804用于将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
在一种可选的方式中,数据获取单元801用于:划定需要保障的区域;获取所述需要保障的区域中各无线小区的所述基础工参数据以及任一业务指标的所述业务数据。
在一种可选的方式中,所述业务数据为为上下行流量指标数据、利用率指标数据、话务量指标数据、RRC连接数指标数据中的任一个;所述基础工参数据包括小区的经纬度数据、站高数据、发射功率数据、方位角数据、站型数据以及带宽数据的至少其中之一。
在一种可选的方式中,数据获取单元801还用于:获取所述至少一个无线小区的告警信息。
在一种可选的方式中,训练单元803还用于:根据所述告警信息获取发生告警的时间点信息;获取与所述时间点信息对应的所述至少一个无线小区的所述任一业务指标的业务数据;应用异常值检测方法获取所述至少一个无线小区的所述任一业务指标的异常业务数据;对与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据进行处理,得到修正后的所述任一业务指标的业务数据。
在一种可选的方式中,训练单元803还用于:删除与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据,得到修正后的所述任一业务指标的业务数据。
在一种可选的方式中,训练单元803还用于:设置需要预测的时间序列;
应用预设的预测模型对所述至少一个无线小区的所述任一业务指标的业务数据进行训练和预测,得到所述至少一个无线小区的所述任一业务指标的所述时间序列的预测值。
在一种可选的方式中,关联单元804还用于:将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的所述时间序列的预测值进行关联并通过图形显示;选择所述时间序列中的任一时间点,根据所述图形结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
本发明实施例通过获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围;对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值;将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。通过结合较准确的小区业务预测结果和小区仿真覆盖范围,根据预测的时间序列的高业务或高用户量所在的具体地理区域或位置制定通信保障方案,可以高效准确地优化运营商网络,使维护人员能够提前做好这些区域的通信保障准备,从而防止因人的经验出现漏保障,过保障等保障不到位的情况。
本发明实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的基于业务量预测的通信保障方法。
可执行指令具体可以用于使得处理器执行以下操作:
获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;
根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围;
对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值;
将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
划定需要保障的区域;
获取所述需要保障的区域中各无线小区的所述基础工参数据以及任一业务指标的所述业务数据。
在一种可选的方式中,所述业务数据为上下行流量指标数据、利用率指标数据、话务量指标数据、RRC连接数指标数据中的任一个;所述基础工参数据包括小区的经纬度数据、站高数据、发射功率数据、方位角数据、站型数据以及带宽数据的至少其中之一。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
获取所述至少一个无线小区的告警信息。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
根据所述告警信息获取发生告警的时间点信息;
获取与所述时间点信息对应的所述至少一个无线小区的所述任一业务指标的业务数据;
应用异常值检测方法获取所述至少一个无线小区的所述任一业务指标的异常业务数据;
对与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据进行处理,得到修正后的所述任一业务指标的业务数据。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
删除与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据,得到修正后的所述任一业务指标的业务数据。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
设置需要预测的时间序列;
应用预设的预测模型对所述至少一个无线小区的所述任一业务指标的业务数据进行训练和预测,得到所述至少一个无线小区的所述任一业务指标的所述时间序列的预测值。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的所述时间序列的预测值进行关联并通过图形显示;
选择所述时间序列中的任一时间点,根据所述图形结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
本发明实施例通过获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围;对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值;将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。通过结合较准确的小区业务预测结果和小区仿真覆盖范围,根据预测的时间序列的高业务或高用户量所在的具体地理区域或位置制定通信保障方案,可以高效准确地优化运营商网络,使维护人员能够提前做好这些区域的通信保障准备,从而防止因人的经验出现漏保障,过保障等保障不到位的情况。
本发明实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述任意方法实施例中的基于业务量预测的通信保障方法。
可执行指令具体可以用于使得处理器执行以下操作:
获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;
根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围;
对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值;
将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
划定需要保障的区域;
获取所述需要保障的区域中各无线小区的所述基础工参数据以及任一业务指标的所述业务数据。
在一种可选的方式中,所述业务数据为上下行流量指标数据、利用率指标数据、话务量指标数据、RRC连接数指标数据中的任一个;所述基础工参数据包括小区的经纬度数据、站高数据、发射功率数据、方位角数据、站型数据以及带宽数据的至少其中之一。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
获取所述至少一个无线小区的告警信息。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
根据所述告警信息获取发生告警的时间点信息;
获取与所述时间点信息对应的所述至少一个无线小区的所述任一业务指标的业务数据;
应用异常值检测方法获取所述至少一个无线小区的所述任一业务指标的异常业务数据;
对与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据进行处理,得到修正后的所述任一业务指标的业务数据。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
删除与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据,得到修正后的所述任一业务指标的业务数据。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
设置需要预测的时间序列;
应用预设的预测模型对所述至少一个无线小区的所述任一业务指标的业务数据进行训练和预测,得到所述至少一个无线小区的所述任一业务指标的所述时间序列的预测值。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的所述时间序列的预测值进行关联并通过图形显示;
选择所述时间序列中的任一时间点,根据所述图形结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
本发明实施例通过获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围;对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值;将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。通过结合较准确的小区业务预测结果和小区仿真覆盖范围,根据预测的时间序列的高业务或高用户量所在的具体地理区域或位置制定通信保障方案,可以高效准确地优化运营商网络,使维护人员能够提前做好这些区域的通信保障准备,从而防止因人的经验出现漏保障,过保障等保障不到位的情况。
图9示出了本发明设备实施例的结构示意图,本发明具体实施例并不对设备的具体实现做限定。
如图9所示,该设备可以包括:处理器(processor)902、通信接口(CommunicationsInterface)904、存储器(memory)906、以及通信总线908。
其中:处理器902、通信接口904、以及存储器906通过通信总线908完成相互间的通信。通信接口904,用于与其它设备比如客户端或其它服务器等的网元通信。处理器902,用于执行程序910,具体可以执行上述基于业务量预测的通信保障方法实施例中的相关步骤。
具体地,程序910可以包括程序代码,该程序代码包括计算机操作指令。
处理器902可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器906,用于存放程序910。存储器906可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序910具体可以用于使得处理器902执行以下操作:
获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;
根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围;
对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值;
将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
在一种可选的方式中,所述程序910使所述处理器执行以下操作:
划定需要保障的区域;
获取所述需要保障的区域中各无线小区的所述基础工参数据以及任一业务指标的所述业务数据。
在一种可选的方式中,所述业务数据为上下行流量指标数据、利用率指标数据、话务量指标数据、RRC连接数指标数据中的任一个;所述基础工参数据包括小区的经纬度数据、站高数据、发射功率数据、方位角数据、站型数据以及带宽数据的至少其中之一。
在一种可选的方式中,所述程序910使所述处理器执行以下操作:
获取所述至少一个无线小区的告警信息。
在一种可选的方式中,所述可执行指令使所述处理器执行以下操作:
根据所述告警信息获取发生告警的时间点信息;
获取与所述时间点信息对应的所述至少一个无线小区的所述任一业务指标的业务数据;
应用异常值检测方法获取所述至少一个无线小区的所述任一业务指标的异常业务数据;
对与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据进行处理,得到修正后的所述任一业务指标的业务数据。
在一种可选的方式中,所述程序910使所述处理器执行以下操作:
删除与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据,得到修正后的所述任一业务指标的业务数据。
在一种可选的方式中,所述程序910使所述处理器执行以下操作:
设置需要预测的时间序列;
应用预设的预测模型对所述至少一个无线小区的所述任一业务指标的业务数据进行训练和预测,得到所述至少一个无线小区的所述任一业务指标的所述时间序列的预测值。
在一种可选的方式中,所述程序910使所述处理器执行以下操作:
将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的所述时间序列的预测值进行关联并通过图形显示;
选择所述时间序列中的任一时间点,根据所述图形结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
本发明实施例通过获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围;对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值;将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。通过结合较准确的小区业务预测结果和小区仿真覆盖范围,根据预测的时间序列的高业务或高用户量所在的具体地理区域或位置制定通信保障方案,可以高效准确地优化运营商网络,使维护人员能够提前做好这些区域的通信保障准备,从而防止因人的经验出现漏保障,过保障等保障不到位的情况。
在此提供的算法或显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (11)
1.一种基于业务量预测的通信保障方法,其特征在于,所述方法包括:
获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;
根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围;
对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值;
将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
划定需要保障的区域;
所述获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据,包括:
获取所述需要保障的区域中各无线小区的所述基础工参数据以及任一业务指标的所述业务数据。
3.根据权利要求2所述的方法,其特征在于,所述业务数据为上下行流量指标数据、利用率指标数据、话务量指标数据、RRC连接数指标数据中的任一个;
所述基础工参数据包括小区的经纬度数据、站高数据、发射功率数据、方位角数据、站型数据以及带宽数据的至少其中之一。
4.根据权利要求1所述的方法,其特征在于,所述获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据还包括:
获取所述至少一个无线小区的告警信息。
5.根据权利要求4所述的方法,其特征在于,所述对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值之前,包括:
根据所述告警信息获取发生告警的时间点信息;
获取与所述时间点信息对应的所述至少一个无线小区的所述任一业务指标的业务数据;
应用异常值检测方法获取所述至少一个无线小区的所述任一业务指标的异常业务数据;
对与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据进行处理,得到修正后的所述任一业务指标的业务数据。
6.根据权利要求5所述的方法,其特征在于,所述对与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据进行处理,得到修正后的所述任一业务指标的业务数据,包括:
删除与所述时间点信息对应的所述任一业务指标的业务数据以及所述异常业务数据,得到修正后的所述任一业务指标的业务数据。
7.根据权利要求1所述的方法,其特征在于,所述对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值,包括:
设置需要预测的时间序列;
应用预设的预测模型对所述至少一个无线小区的所述任一业务指标的业务数据进行训练和预测,得到所述至少一个无线小区的所述任一业务指标的所述时间序列的预测值。
8.根据权利要求7所述的方法,其特征在于,所述将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案,包括:
将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的所述时间序列的预测值进行关联并通过图形显示;
选择所述时间序列中的任一时间点,根据所述图形结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
9.一种基于业务量预测的通信保障装置,其特征在于,所述装置包括:
数据获取单元,用于获取至少一个无线小区的基础工参数据以及任一业务指标的业务数据;
仿真单元,用于根据所述基础工参数据进行仿真获取所述至少一个无线小区的仿真覆盖范围;
训练单元,用于对所述任一业务指标的业务数据进行训练得到所述至少一个无线小区的所述任一业务指标的预测值;
关联单元,用于将所述至少一个无线小区的所述仿真覆盖范围和所述任一业务指标的预测值进行关联,并结合电子地图显示预测的用户聚集或业务密集的区域以制定通信保障方案。
10.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行根据权利要求1-8任一项所述基于业务量预测的通信保障方法的步骤。
11.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行根据权利要求1-8任一项所述基于业务量预测的通信保障方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910458932.3A CN112020075B (zh) | 2019-05-29 | 2019-05-29 | 基于业务量预测的通信保障方法、装置、计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910458932.3A CN112020075B (zh) | 2019-05-29 | 2019-05-29 | 基于业务量预测的通信保障方法、装置、计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112020075A true CN112020075A (zh) | 2020-12-01 |
CN112020075B CN112020075B (zh) | 2022-12-16 |
Family
ID=73500767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910458932.3A Active CN112020075B (zh) | 2019-05-29 | 2019-05-29 | 基于业务量预测的通信保障方法、装置、计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112020075B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112631882A (zh) * | 2020-12-03 | 2021-04-09 | 四川新网银行股份有限公司 | 一种结合线上业务指标特征的容量预估方法 |
CN114125948A (zh) * | 2021-11-25 | 2022-03-01 | 中国联合网络通信集团有限公司 | 一种最大业务资源门限确定方法、装置及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102413479A (zh) * | 2010-09-26 | 2012-04-11 | 北京迪特卡得通信设备有限公司 | 通信网络中小区覆盖的动态评估方法 |
CN103167505A (zh) * | 2011-12-19 | 2013-06-19 | ***通信集团福建有限公司 | 一种小区数据信道配置方法和*** |
CN104038953A (zh) * | 2013-03-08 | 2014-09-10 | 北京邮电大学 | 一种移动通信网络无线参数的配置方法 |
CN105163337A (zh) * | 2015-08-21 | 2015-12-16 | 北京拓明科技有限公司 | 一种基于覆盖预测仿真的移动网络数据地理映射的方法 |
CN107689884A (zh) * | 2017-07-10 | 2018-02-13 | 中国电力科学研究院 | 一种电力通信半实物网络规划仿真的方法 |
CN109041130A (zh) * | 2018-08-09 | 2018-12-18 | 北京邮电大学 | 基于移动边缘计算的资源分配方法 |
CN109150564A (zh) * | 2017-06-19 | 2019-01-04 | ***通信集团广东有限公司 | 一种用于小区故障告警的预测方法及装置 |
CN109495899A (zh) * | 2017-09-13 | 2019-03-19 | ***通信集团设计院有限公司 | 天线的参数优化方法、装置、电子设备和存储介质 |
-
2019
- 2019-05-29 CN CN201910458932.3A patent/CN112020075B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102413479A (zh) * | 2010-09-26 | 2012-04-11 | 北京迪特卡得通信设备有限公司 | 通信网络中小区覆盖的动态评估方法 |
CN103167505A (zh) * | 2011-12-19 | 2013-06-19 | ***通信集团福建有限公司 | 一种小区数据信道配置方法和*** |
CN104038953A (zh) * | 2013-03-08 | 2014-09-10 | 北京邮电大学 | 一种移动通信网络无线参数的配置方法 |
CN105163337A (zh) * | 2015-08-21 | 2015-12-16 | 北京拓明科技有限公司 | 一种基于覆盖预测仿真的移动网络数据地理映射的方法 |
CN109150564A (zh) * | 2017-06-19 | 2019-01-04 | ***通信集团广东有限公司 | 一种用于小区故障告警的预测方法及装置 |
CN107689884A (zh) * | 2017-07-10 | 2018-02-13 | 中国电力科学研究院 | 一种电力通信半实物网络规划仿真的方法 |
CN109495899A (zh) * | 2017-09-13 | 2019-03-19 | ***通信集团设计院有限公司 | 天线的参数优化方法、装置、电子设备和存储介质 |
CN109041130A (zh) * | 2018-08-09 | 2018-12-18 | 北京邮电大学 | 基于移动边缘计算的资源分配方法 |
Non-Patent Citations (1)
Title |
---|
黄小光等: "面向业务感知的4G网络容量仿真技术研究", 《邮电设计技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112631882A (zh) * | 2020-12-03 | 2021-04-09 | 四川新网银行股份有限公司 | 一种结合线上业务指标特征的容量预估方法 |
CN112631882B (zh) * | 2020-12-03 | 2023-06-06 | 四川新网银行股份有限公司 | 一种结合线上业务指标特征的容量预估方法 |
CN114125948A (zh) * | 2021-11-25 | 2022-03-01 | 中国联合网络通信集团有限公司 | 一种最大业务资源门限确定方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112020075B (zh) | 2022-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12015936B2 (en) | Proactively adjusting network infrastructure in response to reporting of real-time network performance | |
CN109788488A (zh) | 一种网络站点的规划方法和装置 | |
EP2863674B1 (en) | Capacity planning method and device for wireless broadband network | |
CN103634807B (zh) | Wifi数据热点小区数据监测方法、wlan部署排序方法及装置 | |
CN106233764B (zh) | 一种信息处理方法及装置 | |
CN112020075B (zh) | 基于业务量预测的通信保障方法、装置、计算设备 | |
CN109548074A (zh) | 基于mr的上行干扰源波形定位方法、装置、设备及介质 | |
CN107580337A (zh) | 一种热点区域识别方法和装置 | |
US11218369B2 (en) | Method, apparatus and system for changing a network based on received network information | |
CN114710787B (zh) | 网络规划方法、装置、设备及存储设备 | |
US20210337400A1 (en) | Identification and prioritization of optimum capacity solutions in a telecommunications network | |
CN113891336B (zh) | 通信网络减频退网方法、装置、计算机设备和存储介质 | |
CN108200584A (zh) | 一种待建wlan站点的筛选方法及装置 | |
CN107294672B (zh) | 一种小区载波聚合的调度方法及装置 | |
Ribeiro et al. | A framework for the dimensioning of broadband mobile networks supporting wireless Internet services | |
CN115348587B (zh) | 组网规划方法、装置、设备及存储介质 | |
CN112153679B (zh) | 一种转网方法及装置 | |
CN112203287B (zh) | 小区容量调整方法、装置、设备和存储介质 | |
CN112637909B (zh) | 锚点网络的智能配置方法及装置 | |
CN114339644B (zh) | 基于sdk话单的负载均衡方法、装置及计算设备 | |
CN113766519B (zh) | 共模基站调整方法、装置、设备和计算机存储介质 | |
CN116133157B (zh) | 终端连接无线资源的方法、装置、存储介质以及电子设备 | |
CN111918336B (zh) | 确定分流小区的方法、装置、基站及计算机存储介质 | |
CN112188499B (zh) | 网络自适应配置方法、装置、服务器及计算机存储介质 | |
US20240259990A1 (en) | System & method for identification of indoor-small-cell locations |
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 |