CN112448827B - 一种信息处理方法、装置、设备及计算机可读存储介质 - Google Patents

一种信息处理方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN112448827B
CN112448827B CN201910795158.5A CN201910795158A CN112448827B CN 112448827 B CN112448827 B CN 112448827B CN 201910795158 A CN201910795158 A CN 201910795158A CN 112448827 B CN112448827 B CN 112448827B
Authority
CN
China
Prior art keywords
request
user experience
response
nwdaf
mec
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
Application number
CN201910795158.5A
Other languages
English (en)
Other versions
CN112448827A (zh
Inventor
李琴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
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 China Mobile Communications Group Co Ltd, China Mobile Communications Ltd Research Institute filed Critical China Mobile Communications Group Co Ltd
Priority to CN201910795158.5A priority Critical patent/CN112448827B/zh
Priority to JP2022513692A priority patent/JP7356581B2/ja
Priority to EP20859165.1A priority patent/EP4024945A4/en
Priority to PCT/CN2020/105210 priority patent/WO2021036650A1/zh
Priority to US17/638,313 priority patent/US20220311670A1/en
Publication of CN112448827A publication Critical patent/CN112448827A/zh
Application granted granted Critical
Publication of CN112448827B publication Critical patent/CN112448827B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/80—Responding to QoS
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • 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
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • 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
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5032—Generating service level reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/75—Media network packet handling
    • H04L65/752—Media network packet handling adapting media to network capabilities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • 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
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Environmental & Geological Engineering (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明公开了一种信息处理方法、装置、设备及计算机可读存储介质，涉及通信技术领域，以提高边缘计算的边缘智能能力。该方法包括：接收MEC发送的第一请求，在所述第一请求中包括目标应用的信息；响应于所述第一请求，获取所述目标应用的网络数据；根据所述网络数据，得到预测的用户体验数据；向所述MEC发送第一响应，在所述第一响应中包括所述预测的用户体验数据。本发明实施例可提高边缘计算的边缘智能能力。

Description

一种信息处理方法、装置、设备及计算机可读存储介质
技术领域
本发明涉及通信技术领域，尤其涉及一种信息处理方法、装置、设备及计算机可读存储介质。
背景技术
NWDAF(Network Data Analytics Function，网络数据分析功能)为核心网中数据收集和分析的智能化服务实体。边缘计算作为5G的重要应用点，也需要利用大网智能能力的输出，来丰富边缘智能能力。
然而，现有技术中并未有关于NWDAF和MEC(Mobile Edge Computing，移动边缘计算)之间如何进行交互，以丰富边缘智能能力的方案。
发明内容
本发明实施例提供一种信息处理方法、装置、设备及计算机可读存储介质，以提高边缘计算的边缘智能能力。
第一方面，本发明实施例提供了一种信息处理方法，应用于NWDAF，包括：
接收MEC(Mobile Edge Computing，移动边缘计算)发送的第一请求，在所述第一请求中包括目标应用的信息；
响应于所述第一请求，获取所述目标应用的网络数据；
根据所述网络数据，得到预测的用户体验数据；
向所述MEC发送第一响应，在所述第一响应中包括所述预测的用户体验数据。
其中，所述接收移动边缘计算MEC发送的第一请求，包括：
通过NEF(Network Exposure Function，网络业务开放功能)接收所述MEC发送的第一请求；
所述向所述MEC发送第一响应，包括：
通过所述NEF向所述MEC发送所述第一响应。
其中，所述响应于所述第一请求，获取所述目标应用的网络数据，包括：
响应于所述第一请求，向NF(Network Function，网络功能)发送第二请求；
接收所述NF发送的第二响应，在所述第二响应中包括所述目标应用的网络数据。
其中，所述根据所述网络数据，得到预测的用户体验数据，包括：
将所述网络数据作为预测模型的输入并运行所述预测模型，并将所述预测模型的输出作为所述预测的用户体验数据；
其中，所述预测模型是利用从AF(Application Function，应用功能)获取的用户体验数据和从NF获取的网络数据进行训练得到的。
其中，在所述接收移动边缘计算MEC的第一请求之后，所述方法还包括：
向AF发送第三请求；
接收所述AF发送的第三响应，在所述第三响应中包括用户体验数据。
其中，所述根据所述网络数据，得到预测的用户体验数据，包括：
根据所述用户体验数据和所述网络数据，得到预测模型；
从NF重新获取网络数据；
将所述重新获取的网络数据作为预测模型的输入并运行所述预测模型，将所述预测模型的输出作为所述预测的用户体验数据。
第二方面，本发明实施例提供了一种信息处理方法，应用于MEC，包括：
向NWDAF发送第一请求，在所述第一请求中包括目标应用的信息；
接收所述NWDAF发送的第一响应，在所述第一响应中包括所述NWDAF获得的所述目标应用的预测的用户体验数据；
根据所述预测的用户体验数据，得到所述目标应用的参数调整策略。
其中，所述向NWDAF发送第一请求，包括：
通过NEF向所述NWDAF发送第一请求；
所述接收所述NWDAF发送的第一响应，包括：
通过NEF接收所述NWDAF发送的第一响应。
第三方面，本发明实施例提供了一种信息处理装置，应用于NWDAF，包括：
第一接收模块，用于接收MEC发送的第一请求，在所述第一请求中包括目标应用的信息；
第一获取模块，用于响应于所述第一请求，获取所述目标应用的网络数据；
第二获取模块，用于根据所述网络数据，得到预测的用户体验数据；
第一发送模块，用于向所述MEC发送第一响应，在所述第一响应中包括所述预测的用户体验数据。
其中，所述第一接收模块，用于通过NEF接收所述MEC发送的第一请求；所述第一发送模块，用于通过所述NEF向所述MEC发送所述第一响应。
其中，所述第一获取模块包括：第一发送子模块，用于响应于所述第一请求，向NF发送第二请求；第一接收子模块，用于接收所述NF发送的第二响应，在所述第二响应中包括所述目标应用的网络数据。
其中，所述第二获取模块用于，将所述网络数据作为预测模型的输入并运行所述预测模型，并将所述预测模型的输出作为所述预测的用户体验数据；
其中，所述预测模型是利用从AF获取的用户体验数据和从NF获取的网络数据进行训练得到的。
其中，所述装置还可包括：第二发送模块，用于向AF发送第三请求；第二接收模块，用于接收所述AF发送的第三响应，在所述第三响应中包括用户体验数据。
其中，所述第二获取模块包括：第一获取子模块，用于根据所述用户体验数据和所述网络数据，得到预测模型；第一接收子模块，用于从NF重新获取网络数据；第二获取子模块，用于将所述重新获取的网络数据作为预测模型的输入并运行所述预测模型，将所述预测模型的输出作为所述预测的用户体验数据。
第四方面，本发明实施例提供了一种信息处理装置，应用于MEC，包括：
第一发送模块，用于向NWDAF发送第一请求，在所述第一请求中包括目标应用的信息；
第一接收模块，用于接收所述NWDAF发送的第一响应，在所述第一响应中包括所述NWDAF获得的所述目标应用的预测的用户体验数据；
处理模块，用于根据所述预测的用户体验数据，得到所述目标应用的参数调整策略。
其中，所述第一发送模块用于，通过NEF向所述NWDAF发送第一请求；所述第一接收模块用于，通过NEF接收所述NWDAF发送的第一响应。
第五方面，本发明实施例提供了一种信息处理装置，应用于NWDAF，包括：处理器和收发器；
其中，所述收发器，用于接收MEC发送的第一请求，在所述第一请求中包括目标应用的信息；
所述处理器，用于响应于所述第一请求，获取所述目标应用的网络数据；根据所述网络数据，得到预测的用户体验数据；
所述收发器，用于向所述MEC发送第一响应，在所述第一响应中包括所述预测的用户体验数据。
其中，所述收发器还用于，通过NEF接收所述MEC发送的第一请求；通过所述NEF向所述MEC发送所述第一响应。
其中，所述收发器还用于，响应于所述第一请求，向网络功能NF发送第二请求；接收所述NF发送的第二响应，在所述第二响应中包括所述目标应用的网络数据。
其中，所述处理器还用于，将所述网络数据作为预测模型的输入并运行所述预测模型，并将所述预测模型的输出作为所述预测的用户体验数据；
其中，所述预测模型是利用从应用功能AF获取的用户体验数据和从NF获取的网络数据进行训练得到的。
其中，所述收发器还用于，向AF发送第三请求；接收所述AF发送的第三响应，在所述第三响应中包括用户体验数据。
其中，所述处理器还用于，根据所述用户体验数据和所述网络数据，得到预测模型；从NF重新获取网络数据；将所述重新获取的网络数据作为预测模型的输入并运行所述预测模型，将所述预测模型的输出作为所述预测的用户体验数据。
第六方面，本发明实施例提供了一种信息处理装置，应用于MEC，包括：处理器和收发器；
其中，所述收发器，用于向NWDAF发送第一请求，在所述第一请求中包括目标应用的信息；接收所述NWDAF发送的第一响应，在所述第一响应中包括所述NWDAF获得的所述目标应用的预测的用户体验数据；
所述处理器，用于根据所述预测的用户体验数据，得到所述目标应用的参数调整策略。
其中，所述收发器还用于，通过NEF向所述NWDAF发送第一请求；通过NEF接收所述NWDAF发送的第一响应。
第七方面，本发明实施例提供了一种通信设备，包括：收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；
所述处理器，用于读取存储器中的程序实现如第一方面所述的方法中的步骤；或者实现如第二方面所述的方法中的步骤。
第八方面，本发明实施例提供了一种计算机可读存储介质，用于存储计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法中的步骤；或者实现如第二方面所述的方法中的步骤。
在本发明实施例中，通过NWDAF和MEC之间的交互，使得MEC可根据从NWDAF获取的预测的用户体验数据，得到目标应用的参数调整策略，从而可提高边缘计算的边缘智能能力。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的信息处理方法的流程图之一；
图2是本发明实施例提供的信息处理方法的流程图之二；
图3是本发明实施例提供的信息处理方法的流程图之三；
图4是本发明实施例提供的信息处理装置的结构图之一；
图5是本发明实施例提供的信息处理装置的结构图之二；
图6是本发明实施例提供的信息处理装置的结构图之三；
图7是本发明实施例提供的信息处理装置的结构图之四；
图8是本发明实施例提供的信息处理装置的结构图之五；
图9是本发明实施例提供的信息处理装置的结构图之六。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，图1是本发明实施例提供的信息处理方法的流程图，应用于NWDAF，如图1所示，包括以下步骤：
步骤101、接收MEC发送的第一请求，在所述第一请求中包括目标应用的信息。
在本发明实施例中，NWDAF可通过NEF接收MEC发送的第一请求。其中，所述目标应用的信息包括但不限于为目标应用的标识等。
在本发明实施中，例如，所述第一请求可以是Nnwdaf_AnalyticsSubscription_Subscribe(Analytic ID＝Service Experience)。其中，该消息中包括的信息和含义如下表1：
表1
Figure GDA0003565715790000061
Figure GDA0003565715790000071
步骤102、响应于所述第一请求，获取所述目标应用的网络数据。
在本发明实施例中，可响应于所述第一请求，向NF发送第二请求，并接收所述NF发送的第二响应，在所述第二响应中包括所述目标应用的网络数据，例如上下行流量、上下行重传包数、上下行乱序包数、上下行RTT(Round Trip Time，往返时延)等。
步骤103、根据所述网络数据，得到预测的用户体验数据。
在本发明实施例中，可预先离线训练预测模型，其中，该预测模型体现的是用户体现数据和网络数据之间的关联关系。并且，所述预测模型是利用从AF获取的用户体验数据和从NF获取的网络数据进行训练得到的。
那么，在此步骤中，为提高处理效率，将所述网络数据作为预测模型的输入并运行所述预测模型，并将所述预测模型的输出作为所述预测的用户体验数据。其中，预测的用户体验数据例如可以是vMos值，卡顿占比、时延占比、下载速率等
步骤104、向所述MEC发送第一响应，在所述第一响应中包括所述预测的用户体验数据。
在此步骤中，可通过NEF向所述MEC发送第一响应。
在本发明实施例中，所述第一响应例如可以是Nnwdaf_AnalyticsSubscription_Notify(estimated Service Experience)。其中，该消息中包括的信息和含义如下表2：
表2
Figure GDA0003565715790000072
Figure GDA0003565715790000081
在本发明实施例中，通过NWDAF和MEC之间的交互，使得MEC可根据从NWDAF获取的预测的用户体验数据，得到目标应用的参数调整策略，从而可提高边缘计算的边缘智能能力。
在上述实施例中，还可在步骤101之后，向AF发送第三请求，并接收所述AF发送的第三响应，在所述第三响应中包括用户体验数据。那么，在步骤103中，可根据获取到的用户体验数据和所述网络数据，进行离线训练，得到预测模型。之后，再从NF重新获取网络数据，并将从NF重新获得的网络数据作为预测模型的输入并运行所述预测模型，将所述预测模型的输出作为所述预测的用户体验数据。
参见图2，图2是本发明实施例提供的信息处理方法的流程图，应用于MEC，如图2所示，包括以下步骤：
步骤201、向NWDAF发送第一请求，在所述第一请求中包括目标应用的信息。
其中，MEC可通过NEF向NWDAF发送第一请求。所述第一请求的形式和所包括的内容可参照前述实施例的描述。
步骤202、接收所述NWDAF发送的第一响应，在所述第一响应中包括所述NWDAF获得的所述目标应用的预测的用户体验数据。
其中，MEC可通过NEF向WDAF接收所述NWDAF发送的第一响应。所述第一响应的形式和所包括的内容可参照前述实施例的描述。
步骤203、根据所述预测的用户体验数据，得到所述目标应用的参数调整策略。
其中，所述参数调整策略可以是调整视频的码率、帧速率、编解码格式、压缩质量、画面大小等，以便根据用户网络状况进行最佳匹配，实现用户体验最佳。
在本发明实施例中，通过NWDAF和MEC之间的交互，使得MEC可根据从NWDAF获取的预测的用户体验数据，得到目标应用的参数调整策略，从而可提高边缘计算的边缘智能能力。
在本发明实施例中，NWDAF可从AF或SDK(Software Development Kit，软件开发工具包)等获得用户体验数据，并关联对应的网络侧数据进行训练，得到关联模型。此后，NWDAF可基于关联模型推理或预测出当前或预测未来一段时间的用户体验数据。以视频应用为例，用户体验数据可以包括vMos值，卡顿占比、时延占比、下载速率等。然后，NWDAF将推理或者预测的结果输出给边缘计算平台，由边缘计算平台基于这些结果，分析当前提供的业务服务参数是否与用户的网络质量是否匹配。如果不匹配则进行相应的业务服务参数调整，例如调整视频的码率、帧速率、编解码格式、压缩质量、画面大小等，以实现与用户网络质量的最佳匹配，实现用户体验最优。
参见图3，图3是本发明实施例提供的信息处理方法的流程图。如图3所示，包括以下步骤：
步骤301、MEC经过NEF向NWDAF发起用户应用体验的分析订阅请求Nnwdaf_AnalyticsSubscription_Subscribe。
步骤302a-302b、NWDAF收到的MEC订阅请求后，向AF发起事件订阅请求Naf_EventExposure_Subscribe(Event ID＝Service Data)，请求获取用户体验数据。
AF向NWDAF发送事件订阅响应Naf_EventExposure_Notify。
步骤303a-303b、NWDAF向5GC NF(s)发起事件订阅请求Nnf_EventExposure_Subscribe(Event ID＝5QI Statistics)，请求获取对应的网络数据。
NF向NWDAF发送事件订阅响应Nnf_EventExposure_Notify。
步骤304、NWDAF将获得的用户体验数据和网络数据进行离线训练，得到待分析的应用的用户体验数据和网络数据之间的关联关系模型。
步骤305-306、基于已经训练的关联关系模型，NWDAF将从NFs再次收集的网络数据输入到该模型中，评估和预测当前或者未来一个时间段待分析应用的用户体验数据。
当然，步骤304中的关联分析模型也可以是预先训练好的。那么，在这种情况下，可省略训练模型的过程，从而进一步提高处理速度。
步骤307、NWDAF通过NEF向MEC发送Nnwdaf_AnalyticsSubscription_Notify(estimated and predicted Service Experience)，以发送评估和预测的待分析应用的用户体验数据。
步骤308、MEC基于待分析应用的用户体验数据进行分析，根据分析结果确定视频服务参数的调整策略。策略可能是调整视频的码率、帧速率、编解码格式、压缩质量、画面大小等，以便根据用户网络状况进行最佳匹配，实现用户体验最佳。
步骤309、MEC输出并执行视频服务参数调整策略。
通过以上描述可以看出，在本发明实施例中，增加了NWDAF和MEC之间的消息流程，从而拉通了CN(Core Network，核心网)域智能分析模块和边缘计算侧的交互功能，实现了各自能力互补和共享，丰富整体网络服务能力。
本发明实施例还提供了一种信息处理装置，应用于NWDAF。参见图4，图4是本发明实施例提供的一种信息处理装置的结构图。由于信息处理装置解决问题的原理与本发明实施例中信息处理方法相似，因此该信息处理装置的实施可以参见方法的实施，重复之处不再赘述。
如图4所示，信息处理装置包括：第一接收模块401，用于接收MEC发送的第一请求，在所述第一请求中包括目标应用的信息；第一获取模块402，用于响应于所述第一请求，获取所述目标应用的网络数据；第二获取模块403，用于根据所述网络数据，得到预测的用户体验数据；第一发送模块404，用于向所述MEC发送第一响应，在所述第一响应中包括所述预测的用户体验数据。
可选的，所述第一接收模块401，用于通过NEF接收所述MEC发送的第一请求；所述第一发送模块，用于通过所述NEF向所述MEC发送所述第一响应。
可选的，所述第一获取模块402包括：第一发送子模块，用于响应于所述第一请求，向NF发送第二请求；第一接收子模块，用于接收所述NF发送的第二响应，在所述第二响应中包括所述目标应用的网络数据。
可选的，所述第二获取模块403用于，将所述网络数据作为预测模型的输入并运行所述预测模型，并将所述预测模型的输出作为所述预测的用户体验数据；其中，所述预测模型是利用从AF获取的用户体验数据和从NF获取的网络数据进行训练得到的。
可选的，所述装置还可包括：第二发送模块，用于向AF发送第三请求；第二接收模块，用于接收所述AF发送的第三响应，在所述第三响应中包括用户体验数据。
可选的，所述第二获取模块403包括：第一获取子模块，用于根据所述用户体验数据和所述网络数据，得到预测模型；第一接收子模块，用于从NF重新获取网络数据；第二获取子模块，用于将所述重新获取的网络数据作为预测模型的输入并运行所述预测模型，将所述预测模型的输出作为所述预测的用户体验数据。
在本发明实施例中，通过NWDAF和MEC之间的交互，使得MEC可根据从NWDAF获取的预测的用户体验数据，得到目标应用的参数调整策略，从而可提高边缘计算的边缘智能能力。
本发明实施例提供的装置，可以执行上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
本发明实施例还提供了一种信息处理装置，应用于MEC。参见图5，图5是本发明实施例提供的一种信息处理装置的结构图。由于信息处理装置解决问题的原理与本发明实施例中信息处理方法相似，因此该信息处理装置的实施可以参见方法的实施，重复之处不再赘述。
如图5所示，信息处理装置包括：第一发送模块501，用于向NWDAF发送第一请求，在所述第一请求中包括目标应用的信息；第一接收模块502，用于接收所述NWDAF发送的第一响应，在所述第一响应中包括所述NWDAF获得的所述目标应用的预测的用户体验数据；处理模块503，用于根据所述预测的用户体验数据，得到所述目标应用的参数调整策略。
其中，所述第一发送模块501用于，通过NEF向所述NWDAF发送第一请求；所述第一接收模块502用于，通过NEF接收所述NWDAF发送的第一响应。
本发明实施例提供的装置，可以执行上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
本发明实施例还提供了一种信息处理装置，应用于NWDAF。参见图6，图6是本发明实施例提供的一种信息处理装置的结构图。由于信息处理装置解决问题的原理与本发明实施例中信息处理方法相似，因此该信息处理装置的实施可以参见方法的实施，重复之处不再赘述。
如图6所示，信息处理装置包括：处理器601和收发器602。
其中，所述收发器602，用于接收MEC发送的第一请求，在所述第一请求中包括目标应用的信息；
所述处理器601，用于响应于所述第一请求，获取所述目标应用的网络数据；根据所述网络数据，得到预测的用户体验数据；
所述收发器602，用于向所述MEC发送第一响应，在所述第一响应中包括所述预测的用户体验数据。
其中，所述收发器602还用于，通过NEF接收所述MEC发送的第一请求；通过所述NEF向所述MEC发送所述第一响应。
其中，所述收发器602还用于，响应于所述第一请求，向网络功能NF发送第二请求；接收所述NF发送的第二响应，在所述第二响应中包括所述目标应用的网络数据。
其中，所述处理器601还用于，将所述网络数据作为预测模型的输入并运行所述预测模型，并将所述预测模型的输出作为所述预测的用户体验数据；
其中，所述预测模型是利用从应用功能AF获取的用户体验数据和从NF获取的网络数据进行训练得到的。
其中，所述收发器602还用于，向AF发送第三请求；接收所述AF发送的第三响应，在所述第三响应中包括用户体验数据。
其中，所述处理器601还用于，根据所述用户体验数据和所述网络数据，得到预测模型；从NF重新获取网络数据；将所述重新获取的网络数据作为预测模型的输入并运行所述预测模型，将所述预测模型的输出作为所述预测的用户体验数据。
本发明实施例提供的装置，可以执行上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
本发明实施例还提供了一种信息处理装置，应用于MEC。参见图7，图7是本发明实施例提供的一种信息处理装置的结构图。由于信息处理装置解决问题的原理与本发明实施例中信息处理方法相似，因此该信息处理装置的实施可以参见方法的实施，重复之处不再赘述。
如图7所示，信息处理装置包括：处理器701和收发器702；
其中，所述收发器702，用于向NWDAF发送第一请求，在所述第一请求中包括目标应用的信息；接收所述NWDAF发送的第一响应，在所述第一响应中包括所述NWDAF获得的所述目标应用的预测的用户体验数据；
所述处理器701，用于根据所述预测的用户体验数据，得到所述目标应用的参数调整策略。
其中，所述收发器702还用于，通过NEF向所述NWDAF发送第一请求；通过NEF接收所述NWDAF发送的第一响应。
本发明实施例提供的装置，可以执行上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
如图8所示，本发明实施例的通信设备，应用于NWDAF，包括：
处理器800，用于读取存储器820中的程序，执行下列过程：通过收发机810接收MEC发送的第一请求，在所述第一请求中包括目标应用的信息；响应于所述第一请求，获取所述目标应用的网络数据；根据所述网络数据，得到预测的用户体验数据；向所述MEC发送第一响应，在所述第一响应中包括所述预测的用户体验数据。
收发机810，用于在处理器800的控制下接收和发送数据。
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800代表的一个或多个处理器和存储器820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***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810可以是多个元件，即包括发送机和收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器800负责管理总线架构和通常的处理，存储器820可以存储处理器800在执行操作时所使用的数据。
处理器800负责管理总线架构和通常的处理，存储器820可以存储处理器800在执行操作时所使用的数据。
处理器800还用于读取所述计算机程序，执行如下步骤:
通过网络业务开放功能NEF接收所述MEC发送的第一请求；
通过所述NEF向所述MEC发送所述第一响应。
处理器800还用于读取所述计算机程序，执行如下步骤:
响应于所述第一请求，向网络功能NF发送第二请求；
接收所述NF发送的第二响应，在所述第二响应中包括所述目标应用的网络数据。
处理器800还用于读取所述计算机程序，执行如下步骤:
将所述网络数据作为预测模型的输入并运行所述预测模型，并将所述预测模型的输出作为所述预测的用户体验数据；
其中，所述预测模型是利用从应用功能AF获取的用户体验数据和从NF获取的网络数据进行训练得到的。
处理器800还用于读取所述计算机程序，执行如下步骤:
向AF发送第三请求；
接收所述AF发送的第三响应，在所述第三响应中包括用户体验数据。
处理器800还用于读取所述计算机程序，执行如下步骤:
根据所述用户体验数据和所述网络数据，得到预测模型；
从NF重新获取网络数据；
将所述重新获取的网络数据作为预测模型的输入并运行所述预测模型，将所述预测模型的输出作为所述预测的用户体验数据。
如图9所示，本发明实施例的通信设备，应用于MEC，包括：
处理器900，用于读取存储器920中的程序，执行下列过程：通过收发机910向NWDAF发送第一请求，在所述第一请求中包括目标应用的信息；接收所述NWDAF发送的第一响应，在所述第一响应中包括所述NWDAF获得的所述目标应用的预测的用户体验数据；根据所述预测的用户体验数据，得到所述目标应用的参数调整策略。
收发机910，用于在处理器900的控制下接收和发送数据。
其中，在图9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900代表的一个或多个处理器和存储器920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***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910可以是多个元件，即包括发送机和收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器900负责管理总线架构和通常的处理，存储器920可以存储处理器900在执行操作时所使用的数据。
处理器900负责管理总线架构和通常的处理，存储器920可以存储处理器900在执行操作时所使用的数据。
处理器900还用于读取所述计算机程序，执行如下步骤:
通过NEF向所述NWDAF发送第一请求；
通过NEF接收所述NWDAF发送的第一响应。
此外，本发明实施例的计算机可读存储介质，用于存储计算机程序，所述计算机程序可被处理器执行实现以下步骤：
接收MEC发送的第一请求，在所述第一请求中包括目标应用的信息；
响应于所述第一请求，获取所述目标应用的网络数据；
根据所述网络数据，得到预测的用户体验数据；
向所述MEC发送第一响应，在所述第一响应中包括所述预测的用户体验数据。
其中，所述接收移动边缘计算MEC发送的第一请求，包括：
通过网络业务开放功能NEF接收所述MEC发送的第一请求；
所述向所述MEC发送第一响应，包括：
通过所述NEF向所述MEC发送所述第一响应。
其中，所述响应于所述第一请求，获取所述目标应用的网络数据，包括：
响应于所述第一请求，向网络功能NF发送第二请求；
接收所述NF发送的第二响应，在所述第二响应中包括所述目标应用的网络数据。
其中，所述根据所述网络数据，得到预测的用户体验数据，包括：
将所述网络数据作为预测模型的输入并运行所述预测模型，并将所述预测模型的输出作为所述预测的用户体验数据；
其中，所述预测模型是利用从应用功能AF获取的用户体验数据和从NF获取的网络数据进行训练得到的。
其中，在所述接收移动边缘计算MEC的第一请求之后，所述方法还包括：
向AF发送第三请求；
接收所述AF发送的第三响应，在所述第三响应中包括用户体验数据。
其中，所述根据所述网络数据，得到预测的用户体验数据，包括：
根据所述用户体验数据和所述网络数据，得到预测模型；
从NF重新获取网络数据；
将所述重新获取的网络数据作为预测模型的输入并运行所述预测模型，将所述预测模型的输出作为所述预测的用户体验数据。
此外，本发明实施例的计算机可读存储介质，用于存储计算机程序，所述计算机程序可被处理器执行实现以下步骤：
向NWDAF发送第一请求，在所述第一请求中包括目标应用的信息；
接收所述NWDAF发送的第一响应，在所述第一响应中包括所述NWDAF获得的所述目标应用的预测的用户体验数据；
根据所述预测的用户体验数据，得到所述目标应用的参数调整策略。
其中，所述向NWDAF发送第一请求，包括：
通过NEF向所述NWDAF发送第一请求；
所述接收所述NWDAF发送的第一响应，包括：
通过NEF接收所述NWDAF发送的第一响应。
在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本发明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包括，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，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (14)

1.一种信息处理方法，应用于网络数据分析功能NWDAF，其特征在于，包括：
接收移动边缘计算MEC发送的第一请求，在所述第一请求中包括目标应用的信息；
响应于所述第一请求，获取所述目标应用的网络数据；
根据所述网络数据，得到预测的用户体验数据；
向所述MEC发送第一响应，在所述第一响应中包括所述预测的用户体验数据，用于使得所述MEC根据所述预测的用户体验数据，得到所述目标应用的参数调整策略。
2.根据权利要求1所述的方法，其特征在于，
所述接收移动边缘计算MEC发送的第一请求，包括：
通过网络业务开放功能NEF接收所述MEC发送的第一请求；
所述向所述MEC发送第一响应，包括：
通过所述NEF向所述MEC发送所述第一响应。
3.根据权利要求1所述的方法，其特征在于，所述响应于所述第一请求，获取所述目标应用的网络数据，包括：
响应于所述第一请求，向网络功能NF发送第二请求；
接收所述NF发送的第二响应，在所述第二响应中包括所述目标应用的网络数据。
4.根据权利要求1所述的方法，其特征在于，所述根据所述网络数据，得到预测的用户体验数据，包括：
将所述网络数据作为预测模型的输入并运行所述预测模型，并将所述预测模型的输出作为所述预测的用户体验数据；
其中，所述预测模型是利用从应用功能AF获取的用户体验数据和从NF获取的网络数据进行训练得到的。
5.根据权利要求1所述的方法，其特征在于，在所述接收移动边缘计算MEC的第一请求之后，所述方法还包括：
向AF发送第三请求；
接收所述AF发送的第三响应，在所述第三响应中包括用户体验数据。
6.根据权利要求5所述的方法，其特征在于，所述根据所述网络数据，得到预测的用户体验数据，包括：
根据所述用户体验数据和所述网络数据，得到预测模型；
从NF重新获取网络数据；
将所述重新获取的网络数据作为预测模型的输入并运行所述预测模型，将所述预测模型的输出作为所述预测的用户体验数据。
7.一种信息处理方法，应用于MEC，其特征在于，包括：
向NWDAF发送第一请求，在所述第一请求中包括目标应用的信息；
接收所述NWDAF发送的第一响应，在所述第一响应中包括所述NWDAF获得的所述目标应用的预测的用户体验数据；
根据所述预测的用户体验数据，得到所述目标应用的参数调整策略。
8.根据权利要求7所述的方法，其特征在于，所述向NWDAF发送第一请求，包括：
通过NEF向所述NWDAF发送第一请求；
所述接收所述NWDAF发送的第一响应，包括：
通过NEF接收所述NWDAF发送的第一响应。
9.一种信息处理装置，应用于NWDAF，其特征在于，包括：
第一接收模块，用于接收MEC发送的第一请求，在所述第一请求中包括目标应用的信息；
第一获取模块，用于响应于所述第一请求，获取所述目标应用的网络数据；
第二获取模块，用于根据所述网络数据，得到预测的用户体验数据；
第一发送模块，用于向所述MEC发送第一响应，在所述第一响应中包括所述预测的用户体验数据，用于使得所述MEC根据所述预测的用户体验数据，得到所述目标应用的参数调整策略。
10.一种信息处理装置，应用于MEC，其特征在于，包括：
第一发送模块，用于向NWDAF发送第一请求，在所述第一请求中包括目标应用的信息；
第一接收模块，用于接收所述NWDAF发送的第一响应，在所述第一响应中包括所述NWDAF获得的所述目标应用的预测的用户体验数据；
处理模块，用于根据所述预测的用户体验数据，得到所述目标应用的参数调整策略。
11.一种信息处理装置，应用于NWDAF，其特征在于，包括：处理器和收发器；
其中，所述收发器，用于接收MEC发送的第一请求，在所述第一请求中包括目标应用的信息；
所述处理器，用于响应于所述第一请求，获取所述目标应用的网络数据；根据所述网络数据，得到预测的用户体验数据；
所述收发器，用于向所述MEC发送第一响应，在所述第一响应中包括所述预测的用户体验数据，用于使得所述MEC根据所述预测的用户体验数据，得到所述目标应用的参数调整策略。
12.一种信息处理装置，应用于MEC，其特征在于，包括：处理器和收发器；
其中，所述收发器，用于向NWDAF发送第一请求，在所述第一请求中包括目标应用的信息；接收所述NWDAF发送的第一响应，在所述第一响应中包括所述NWDAF获得的所述目标应用的预测的用户体验数据；
所述处理器，用于根据所述预测的用户体验数据，得到所述目标应用的参数调整策略。
13.一种通信设备，包括：收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；其特征在于，
所述处理器，用于读取存储器中的程序实现如权利要求1至6中任一项所述的方法中的步骤；或者实现如权利要求7至8中任一项所述的方法中的步骤。
14.一种计算机可读存储介质，用于存储计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法中的步骤；或者实现如权利要求7至8中任一项所述的方法中的步骤。
CN201910795158.5A 2019-08-27 2019-08-27 一种信息处理方法、装置、设备及计算机可读存储介质 Active CN112448827B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201910795158.5A CN112448827B (zh) 2019-08-27 2019-08-27 一种信息处理方法、装置、设备及计算机可读存储介质
JP2022513692A JP7356581B2 (ja) 2019-08-27 2020-07-28 情報処理方法、装置、設備及びコンピュータ読み取り可能な記憶媒体
EP20859165.1A EP4024945A4 (en) 2019-08-27 2020-07-28 INFORMATION PROCESSING METHOD, DEVICE AND APPARATUS, AND COMPUTER-READABLE STORAGE MEDIUM
PCT/CN2020/105210 WO2021036650A1 (zh) 2019-08-27 2020-07-28 信息处理方法、装置、设备及计算机可读存储介质
US17/638,313 US20220311670A1 (en) 2019-08-27 2020-07-28 Information processing method and apparatus, device, and computer-readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910795158.5A CN112448827B (zh) 2019-08-27 2019-08-27 一种信息处理方法、装置、设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112448827A CN112448827A (zh) 2021-03-05
CN112448827B true CN112448827B (zh) 2022-07-19

Family

ID=74684910

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910795158.5A Active CN112448827B (zh) 2019-08-27 2019-08-27 一种信息处理方法、装置、设备及计算机可读存储介质

Country Status (5)

Country Link
US (1) US20220311670A1 (zh)
EP (1) EP4024945A4 (zh)
JP (1) JP7356581B2 (zh)
CN (1) CN112448827B (zh)
WO (1) WO2021036650A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780398A (zh) * 2021-09-02 2021-12-10 科大国创云网科技有限公司 一种无线网络链路质量预测方法及***
CN113783882B (zh) * 2021-09-16 2023-07-07 恒安嘉新（北京）科技股份公司 一种边缘应用的信息获取方法、装置、电子设备及介质
CN115470936B (zh) * 2022-09-23 2023-06-06 广州爱浦路网络技术有限公司 一种基于nwdaf的机器学习模型更新方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101795264A (zh) * 2009-12-30 2010-08-04 北京新岸线网络技术有限公司 一种视频数据传送方法及***
CN102802089A (zh) * 2012-09-13 2012-11-28 浙江大学 一种基于体验质量预测的移动视频码率调整方法
CN106331711A (zh) * 2016-08-26 2017-01-11 北京工业大学 一种基于网络特征与视频特征的动态码率控制方法
CN107222781A (zh) * 2017-06-30 2017-09-29 深圳市九洲电器有限公司 智能网关动态转换码率的方法及***
CN107276910A (zh) * 2017-06-07 2017-10-20 上海迪爱斯通信设备有限公司 视频码率实时调整装置及***、视频服务器

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012100010A (ja) * 2010-11-01 2012-05-24 Oki Electric Ind Co Ltd ネットワーク監視装置、ネットワーク監視システム、ネットワーク監視方法、及びプログラム
CN109495929B (zh) * 2017-09-12 2021-08-03 华为技术有限公司 一种业务处理方法、移动边缘计算设备及网络设备
US10110495B1 (en) * 2017-11-22 2018-10-23 Intel Corporation Multi-access edge computing (MEC) service provision based on local cost measurements
CN109995836B (zh) * 2017-12-29 2021-12-03 华为技术有限公司 缓存决策方法及装置
US10986528B2 (en) * 2018-02-15 2021-04-20 Huawei Technologies Co., Ltd. Tracking QoS violated events
US11140047B2 (en) * 2018-04-09 2021-10-05 Intel Corporation Network data analytics function (NWDAF) influencing fifth generation (5G) quality of service (QoS) configuration and adjustment
CN109831535B (zh) * 2019-03-20 2020-06-19 华南理工大学 一种基于边缘计算的大数据智能收集方法
CN109995865A (zh) * 2019-04-03 2019-07-09 广东工业大学 一种基于移动边缘计算的数据信息的请求响应方法及装置
US11038776B2 (en) * 2019-05-07 2021-06-15 Electronics And Telecommunications Research Institute Method and system for providing service experience analysis based on network data analysis

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101795264A (zh) * 2009-12-30 2010-08-04 北京新岸线网络技术有限公司 一种视频数据传送方法及***
CN102802089A (zh) * 2012-09-13 2012-11-28 浙江大学 一种基于体验质量预测的移动视频码率调整方法
CN106331711A (zh) * 2016-08-26 2017-01-11 北京工业大学 一种基于网络特征与视频特征的动态码率控制方法
CN107276910A (zh) * 2017-06-07 2017-10-20 上海迪爱斯通信设备有限公司 视频码率实时调整装置及***、视频服务器
CN107222781A (zh) * 2017-06-30 2017-09-29 深圳市九洲电器有限公司 智能网关动态转换码率的方法及***

Also Published As

Publication number Publication date
US20220311670A1 (en) 2022-09-29
CN112448827A (zh) 2021-03-05
WO2021036650A1 (zh) 2021-03-04
JP2022546108A (ja) 2022-11-02
EP4024945A1 (en) 2022-07-06
JP7356581B2 (ja) 2023-10-04
EP4024945A4 (en) 2023-08-23

Similar Documents

Publication Publication Date Title
CN112448827B (zh) 一种信息处理方法、装置、设备及计算机可读存储介质
CN106254458B (zh) 一种基于云机器人视觉的图像处理方法、平台及***
CN112965804A (zh) 一种处理信息的方法、装置、终端、***以及存储介质
CN107205150B (zh) 编码方法及装置
Gündüz et al. Timely and massive communication in 6G: Pragmatics, learning, and inference
CN112104867B (zh) 一种视频处理方法、视频处理装置、智能设备及存储介质
JP6216046B2 (ja) コーデックの自動適応化
CN113996056A (zh) 云游戏的数据发送和接收方法以及相关设备
Naik et al. ARMPC-ARIMA based prediction model for Adaptive Bitrate Scheme in Streaming
CN114283837A (zh) 一种音频处理方法、装置、设备及存储介质
Huang et al. Generalizing rate control strategies for realtime video streaming via learning from deep learning
WO2023246343A1 (zh) 数据处理方法、装置、计算机设备、存储介质及产品
US20240121400A1 (en) Video Encoding Complexity Predictor
WO2024001451A1 (zh) 业务数据包的处理方法、装置、介质及电子设备
CN114741198B (zh) 视频流处理方法及装置、电子设备、计算机可读介质
US20230396783A1 (en) Data processing method and apparatus, device, and readable storage medium
CN113891083A (zh) 边缘智能环境下的视频处理方法、装置及计算设备
Liu et al. Design and Implementation of a Video Streaming Adaptive Algorithm Based on Markov Prediction Model
Thorsager et al. EcoPull: Sustainable IoT Image Retrieval Empowered by TinyML Models
CN118317125A (zh) 基于边缘计算的实时智能视频分析***、方法及终端
Koparde et al. DCNN-based load balancing and computation offloading of Intelligent Video Surveillance with Edge Computing
CN116939841A (zh) 一种面向语义通信场景的无线资源分配优化方法及装置
CN116954845A (zh) 一种算法任务调度方法、装置、设备及可读存储介质
CN116882489A (zh) 联邦训练方法、数据分析方法及装置、介质以及电子设备
CN117729350A (zh) 一种视频数据处理方法、装置、设备及可读存储介质

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