CN112906999B - 话务指标优化效果评估方法、装置及计算设备 - Google Patents
话务指标优化效果评估方法、装置及计算设备 Download PDFInfo
- Publication number
- CN112906999B CN112906999B CN201911135696.8A CN201911135696A CN112906999B CN 112906999 B CN112906999 B CN 112906999B CN 201911135696 A CN201911135696 A CN 201911135696A CN 112906999 B CN112906999 B CN 112906999B
- Authority
- CN
- China
- Prior art keywords
- index
- traffic
- multidimensional
- evaluation index
- optimized
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Strategic Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例涉及无线通信技术领域,公开了一种话务指标优化效果评估方法、装置及计算设备,该方法包括:获取多组话务样本,每一组话务样本包含多维话务指标及相应的评估指标;将所述多维话务指标进行标准化,得到相应的多维标准话务指标;对所述多维标准话务指标进行降维,得到多个特征数据;建立所述多个特征数据和所述评估指标之间的关系式;根据所述关系式对待优化的多维话务指标的优化效果进行评估。通过上述方式,本发明实施例实现了对话务指标优化效果的评估。
Description
技术领域
本发明实施例涉及无线通信技术领域,具体涉及一种话务指标优化效果评估方法、装置及计算设备。
背景技术
参数优化是提升小区网络性能的重要优化手段。针对不同的话务指标,通过调整相应的话务指标,提升小区网络性能。
现有的话务指标优化时,首先要制定优化方案,人为判断需要优化的话务指标以及每一个话务指标的优化门限。
在实现本发明实施例的过程中,发明人发现:现有的参数优化方法主要依靠经验主义,准确性较低。
发明内容
鉴于上述问题,本发明实施例提供了一种话务指标优化效果评估方法、装置及计算设备,可以准确的对话务指标的优化效果进行评估。
根据本发明实施例的一个方面,提供了一种话务指标优化效果评估方法,所述方法包括:
获取多组话务样本,每一组话务样本包含多维话务指标及相应的评估指标;
将所述多维话务指标进行标准化,得到相应的多维标准话务指标;
对所述多维标准话务指标进行降维,得到多个特征数据;
建立所述多个特征数据和所述评估指标之间的关系式;
根据所述关系式对待优化的多维话务指标的优化效果进行评估。
在一种可选的方式中,所述根据所述关系式对所述多维话务指标的优化效果进行评估,包括:
获取待优化的多维话务指标及目标评估指标;
将所述待优化的多维话务指标按照预设优先级递减的顺序进行排列;
将连续的至少一维话务指标组合,得到多个待优化话务指标集合;
根据所述关系式计算每一个待优化话务指标集合包含的话务指标优化后的预测评估指标;
计算所述预测评估指标与所述目标评估指标的差值;
根据所述差值对所述多维话务指标的优化效果进行评估。
在一种可选的方式中,所述根据所述关系式对所述多维话务指标的优化效果进行评估,包括:
获取待优化的多维话务指标及目标评估指标;
将所述待优化的多维话务指标按照预设优先级递减的顺序进行排列;
将连续的至少一维话务指标组合,得到多个待优化话务指标集合;
根据所述关系式计算每一个待优化话务指标集合包含的话务指标优化后的预测评估指标;
计算所述预测评估指标与所述目标评估指标的差值;
根据所述差值对所述多维话务指标的优化效果进行评估。
在一种可选的方式中,所述根据所述差值对所述多维话务指标的优化效果进行评估,包括:
确定所述差值最小的待优化话务指标集合中每一个话务指标的优化量;
根据所述优化量对相应的话务指标进行优化;
获取优化后的实际评估指标;
如果所述实际评估指标与所述目标评估指标的差值位于预设区间,则优化效果满足要求。
在一种可选的方式中,所述获取优化后的实际评估指标,包括:
确定所述待优化的多维话务指标的第一获取时间;
根据所述第一获取时间确定实际评估指标的第二获取时间,所述第二获取时间和所述第一获取时间按小时对齐;
根据所述第二获取时间获取优化后的实际评估指标。
在一种可选的方式中,所述建立所述多个特征数据和所述评估指标的关系式,包括:
将所述多组话务样本划分为训练集和验证集;
通过回归算法对所述训练集进行训练,得到所述多个特征数据和所述评估指标的关系式集合;
根据所述关系式集合中的每一个关系式计算验证集中的多维话务指标对应的输出结果;
计算所述输出结果与所述评估指标之间的差值;
将所述差值最小的关系式确定为所述多个特征数据和所述评估指标的关系式。
在一种可选的方式中,所述通过回归算法对所述训练集进行训练,得到所述多个特征数据和所述评估指标的关系式集合,包括:
通过贝叶斯回归算法、K邻近回归算法、岭回归算法分别对所述训练集进行训练,得到相应的关系式;
将所述关系式组合,得到所述多个特征数据和所述评估指标的关系式集合。
在一种可选的方式中,对所述标准话务指标进行降维,得到多个特征数据,包括:
通过偏最小二乘法对所述标准话务指标进行降维,得到多个特征数据。
在一种可选的方式中,所述将所述多个话务指标分别进行标准化,得到相应的标准话务指标,包括:
根据标准差标准化法对所述多维话务指标分别进行标准化,得到相应的多维标准话务指标。
根据本发明实施例的另一方面,提供了一种话务指标优化效果评估装置,所述装置包括:
获取模块,用于获取多组话务样本,每一组话务样本包含多维话务指标及相应的评估指标;
标准化模块,用于将所述多维话务指标进行标准化,得到相应的多维标准话务指标;
降维模块,用于对所述多维标准话务指标进行降维,得到多个特征数据;
建模模块,用于建立所述多个特征数据和所述评估指标之间的关系式;
评估模块,用于根据所述关系式对待优化的多维话务指标的优化效果进行评估。
根据本发明实施例的又一方面,提供了一种计算设备,其特征在于,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的一种话务指标优化效果评估方法。
根据本发明实施例的还一方面,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的一种话务指标优化效果评估方法。
本发明实施例通过建立多维话务指标和评估指标之间的关系式对待优化的多维话务指标的优化效果进行评估;多维话务指标和评估指标之间的关系式是通过多组话务样本样本得到的,因此,该关系式可以准确的表示多维话务指标和评估指标之间的关系,通过本发明实施例可以准确的对优化效果进行评估,且节省了人力,提高了优化效果评估的效率。
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一种话务指标优化效果评估方法的流程图;
图2示出了本发明另一实施例提供的一种话务指标优化效果评估方法中优化效果评估的流程图;
图3示出了本发明实施例提供的一种话务指标优化效果评估装置的功能框图;
图4示出了本发明实施例提供的一种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示出了本发明第一实施例的一种话务指标优化效果评估方法的流程图。如图1所示,该方法包括以下步骤:
步骤110:获取多组话务样本。
其中,话务样本是从多个不同的小区采集到的相关业务指标。每一组话务样本包含多维话务指标及相应的评估指标。评估指标与多维话务指标之间存在相关性,即,多维话务指标的变化影响评估指标的变化。评估指标不同时,多维话务指标可能相同,也可能不同。评估指标及相应的多维话务指标的选取是根据日常小区运营中的经验人为设定的。在一些实施例中,评估指标为小区边缘速率,相关的多维话务指标包括平均用户数、激活用户数、下行PRB利用率、低CQI比例、平均CQI、边缘CQI比例、下行流量、小包流量占比、小包比例、频谱效率以及每用户平均呼叫次数共11维话务指标。本发明实施例针对一个优化指标及相应的多维话务指标进行优化效果评估。
步骤120:将多维话务指标进行标准化,得到相应的多维标准话务指标。
多维话务指标的数量级各不相同,例如,PRB利用率的范围为0%~100%;与CQI相关的话务指标,其取值范围为0~15;下行流量的范围可以是101x,其中,x表示0~9中的任意一个数值。数量级之间的差异使多维话务指标与评估指标之间的关系无法统一度量,因此,对每一维话务指标进行标准化。标准化的方法可以是现有技术中任何一种,本发明实施例并不对标准化的方法进行限定。在一些实施方式中,通过标准差标准化z-score对多个话务指标分别进行标准化,其具体公式为:其中,x’表示标准化后的样本,μ表示所有样本的均值,σ表示所有样本的标准差,N表示所有样本的总量,xk表示第k个样本。应理解,在进行标准化时,对于所有样本的同一维度的话务指标分别采用上述公式进行标准化。
步骤130:对多维标准话务指标进行降维,得到多个特征数据。
多维标准话务指标与多维话务指标的维度相同。多维话务指标的维度越高,所获取到和评估指标相关的信息越多,在下一步计算中得到的关系式越准确。因此,多维话务指标的维度一般比较高。对多维标准话务指标进行降维,可以简化计算过程,提高计算效率。本发明实施例并不对降维方法进行限定,具体的降维方法可以根据话务样本的样本数量以及每一种降维方法的特点进行选取。例如,可以选择PCA降维或偏最小二乘法降维等降维方法。在一些实施例中,选择偏最小二乘法进行降维,从而在达到降维的同时,降维后的特征数据可以包含较多维数的标准话务指标。
步骤140:建立多个特征数据和评估指标之间的关系式。
在本步骤中,通过回归算法建立多个特征数据和评估指标之间的关系式。所使用的回归算法的类型不是本发明实施例限定内容。例如,回归算法可以是贝叶斯岭回归、K邻近回归等。将多组话务样本划分为训练集和验证集,通过训练集建立多个特征数据和评估指标之间的关系式,通过验证集对评估指标之间的关系式进行验证。通过上述方法,可以简化训练过程,并且能够通过验证确定最优的关系式。
在建立关系式的过程中,评估指标只有一个,特征数据有多个,因此,对训练集建模时,得到的关系式有多个。以线性关系式为例,假设评估指标和特征数据之间的关系模型为y=ax1+bx2+...+nxn,a、b...n的取值不止一组,因此,在建模之后,得到多个特征数据和评估指标的关系式集合。在一些实施例中,通过贝叶斯回归算法、K邻近回归算法、岭回归算法分别对所述训练集进行训练,得到相应的关系式,每一种回归算法得到多个关系式。将不同回归算法得到的关系式组合,得到多个特征数据和评估指标的关系式集合。
通过验证集对每一个关系式集合进行验证。即,将验证集中的每一个样本的多维特征数据分别代入关系式集合中的每一个关系式中,得到每一个关系式的输出结果。根据每一个输出结果和对应的评估指标的实际值从关系式集合中确定误差最小的关系式。
将所述关系式组合,得到所述多个特征数据和所述评估指标的关系式集合。
对于关系式集合中的每一个关系式,在通过验证集进行验证时,得到一组误差,一组误差所包含的误差个数与验证集所包含的样本个数相同。在确定误差最小的关系式时,可以通过一组误差的均值进行确定,均值最小的关系式为误差最小的关系式;也可以通过一组误差中超过某一阈值的个数进行确定,超过某一阈值的个数最少的关系式确定为误差最小的关系式。具体的确定方法可以根据需求进行选定。例如,需求是平均误差最小,则可以按照均值确定误差最小的关系式;如果需求是每一项误差都低于某一个阈值,可以通过一组误差中超过某一阈值的个数进行确定。
步骤150:根据关系式对待优化的多维话务指标的优化效果进行评估。
在进行评估时,针对优化是否达到评估指标的优化目标进行评估。在进行优化时,调整多维话务指标中的至少一维话务指标;将调整后的多维话务指标按照上述步骤120至步骤130中的方法得到相应的调整后的多个特征数据;将调整后的多个特征数据输入步骤140的关系式中,计算得到优化的评估指标。根据计算得到的评估指标与评估指标的优化目标进行比对,直到得到最接近的评估指标。确定最接近的评估指标对应调整的话务指标以及每一个调整的话务指标对应的调整量,并根据该话务指标以及相应的调整量对目标小区的话务指标进行相应的调整。其中,目标小区是获取待优化的多维话务指标所在的小区。调整之后,重新获取目标小区的评估指标,如果该评估指标与评估指标的优化目标之间的差值在预设区间,则优化效果满足要求。
本发明实施例通过建立多维话务指标和评估指标之间的关系式对待优化的多维话务指标的优化效果进行评估;多维话务指标和评估指标之间的关系式是通过多组话务样本样本得到的,因此,该关系式可以准确的表示多维话务指标和评估指标之间的关系,通过本发明实施例可以准确的对优化效果进行评估,且节省了人力,提高了优化效果评估的效率。
在一些实施例中,步骤150进一步包括如图2所示的如下步骤:
步骤210:获取待优化的多维话务指标及目标评估指标。
其中,待优化的多维话务指标是某一个小区中的业务指标。目标评估指标是期望达到的评估指标的具体值。以目标评估指标为小区边缘速率为例,当前小区边缘速率为A,期望通过对多维话务指标进行优化使小区边缘速率达到B,B大于A。则目标评估指标为数值为B的小区边缘速率。
步骤220:将待优化的多维话务指标按照预设优先级递减的顺序进行排列。
多维话务指标的优先级是根据小区优化的经验人为进行设定的。例如,在小区优化时,调整多维话务指标中的话务指标M相较于调整多维话务指标中的其他话务指标,可以使相应的评估指标得到很大的提升,那么该维话务指标的优先级相较于其他话务指标的优先级高。将多维话务指标按照优先级递减的顺序排列之后,有限调整优先级较高的话务指标。
步骤230:将连续的至少一维话务指标组合,得到多个待优化话务指标集合。
在本步骤中,每一个待优化话务指标集合中包含的话务指标的维度不同。在进行组合时,按照话务指标维度依次升高的顺序进行组合,得到多个待优化话务指标集合。例如,对于三维话务指标X、Y、Z,按照优先级从高到低排列之后,得到的话务指标的排列顺序为Y、X、Z。则组合之后,得到三个待优化话务指标集合,分别为(Y)、(Y、X)、(Y、X、Z)。
步骤240:根据关系式计算每一个待优化话务指标集合包含的话务指标优化后的预测评估指标。
其中,分别对每一个待优化话务指标集合中的话务指标进行调整。将调整后的多维话务指标按照上述步骤120至步骤130中的方法得到相应的调整后的多个特征数据;将调整后的多个特征数据输入步骤140的关系式中,计算得到预测评估指标。
值得说明的是,每一个待优化话务指标集合中话务指标的优化量是不确定的,需要使用多个优化量对话务指标分别进行优化。因此,每一个待优化话务指标集合所对应的预测评估指标有多个。
步骤250:计算预测评估指标与目标评估指标的差值。
在本步骤中,将所有的待优化话务指标集合分别代入关系式,计算得到预测评估指标后,再计算预测评估指标与目标评估指标的差值。也可以每得到一个预测评估指标,计算一次差值。本发明实施例并不以此为限。
步骤260:根据该差值对多维话务指标的优化效果进行评估。
在本步骤中,确定差值最小的待优化话务指标集合中每一个话务指标的优化量。根据该优化量对相应的话务指标进行优化,得到优化后的实际评估指标。如果实际评估指标与目标评估指标之间的差值在一个预设的区间,则确定优化效果满足要求。
优选的,在一些实施例中,实际评估指标的获取时间与待优化的多维话务指标的获取时间按小时对齐。具体的,首先获取待优化的多维话务指标的第一获取时间,根据第一获取时间确定实际评估指标的第二获取时间,第二获取时间和第一获取时间按小时对齐。例如,某一小区覆盖办公楼,办公楼在工作时间段的小区用户数较多,在非工作时间段小区用户数较少。如果第一获取时间为工作时间段中的10:00-11:00,则第二获取时间也为工作时间段的10:00-11:00。根据第二获取时间获取优化后的实际评估指标。通过上述方法,避免了不同时间段同一小区的相应话务指标波动较大的问题。
本发明实施例根据多维话务指标的优先级对多维话务指标进行优化,优先级高的话务指标优化后更容易达到目标评估指标,因此,通过优先级递减的顺序对多维话务指标进行优化能够使优化后的评估指标更快达到目标评估指标,提高了优化效率。
图3示出了本发明实施例的一种话务指标优化效果评估装置的功能框图。如图3所示,该装置包括:获取模块310,用于获取多组话务样本,每一组话务样本包含多维话务指标及相应的评估指标;标准化模块320,用于将所述多维话务指标进行标准化,得到相应的多维标准话务指标;降维模块330,用于对所述多维标准话务指标进行降维,得到多个特征数据;建模模块340,用于建立所述多个特征数据和所述评估指标之间的关系式;评估模块350,用于根据所述关系式对待优化的多维话务指标的优化效果进行评估。
在一些实施例中,评估模块350进一步用于:
获取待优化的多维话务指标及目标评估指标;
将所述待优化的多维话务指标按照预设优先级递减的顺序进行排列;
将连续的至少一维话务指标组合,得到多个待优化话务指标集合;
根据所述关系式计算每一个待优化话务指标集合包含的话务指标优化后的预测评估指标;
计算所述预测评估指标与所述目标评估指标的差值;
根据所述差值对所述多维话务指标的优化效果进行评估。
在一些实施例中,评估模块350进一步用于:
确定所述差值最小的待优化话务指标集合中每一个话务指标的优化量;
根据所述优化量对相应的话务指标进行优化;
获取优化后的实际评估指标;
如果所述实际评估指标与所述目标评估指标的差值位于预设区间,则优化效果满足要求。
在一些实施例中,评估模块350进一步用于:
确定所述待优化的多维话务指标的第一获取时间;
根据所述第一获取时间确定实际评估指标的第二获取时间,所述第二获取时间和所述第一获取时间按小时对齐;
根据所述第二获取时间获取优化后的实际评估指标。
在一些实施例中,建模模块340进一步用于:
将所述多组话务样本划分为训练集和验证集;
通过回归算法对所述训练集进行训练,得到所述多个特征数据和所述评估指标的关系式集合;
根据所述关系式集合中的每一个关系式计算验证集中的多维话务指标对应的输出结果;
计算所述输出结果与所述评估指标之间的差值;
将所述差值最小的关系式确定为所述多个特征数据和所述评估指标的关系式。
在一些实施例中,建模模块340进一步用于:
通过贝叶斯回归算法、K邻近回归算法、岭回归算法分别对所述训练集进行训练,得到相应的关系式;
将所述关系式组合,得到所述多个特征数据和所述评估指标的关系式集合。
在一些实施例中,降维模块330进一步用于:
通过偏最小二乘法对所述标准话务指标进行降维,得到多个特征数据。
在一些实施例中,标准化模块320进一步用于:
根据标准差标准化法对所述多维话务指标分别进行标准化,得到相应的多维标准话务指标。
本发明实施例通过建立多维话务指标和评估指标之间的关系式对待优化的多维话务指标的优化效果进行评估;多维话务指标和评估指标之间的关系式是通过多组话务样本样本得到的,因此,该关系式可以准确的表示多维话务指标和评估指标之间的关系,通过本发明实施例可以准确的对优化效果进行评估,且节省了人力,提高了优化效果评估的效率。
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一种话务指标优化效果评估方法。
图4示出了本发明计算设备实施例的结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图4所示,该计算设备可以包括:处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中:处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。通信接口404,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402,用于执行程序410,具体可以执行上述用于话务指标优化效果评估方法实施例中的相关步骤。
具体地,程序410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402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。计算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406,用于存放程序410。存储器406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410具体可以用于使得处理器402执行图1中的步骤110~150,图2中的步骤210~步骤260,以及实现图3中的模块310~模块350的功能。
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 (8)
1.一种话务指标优化效果评估方法,其特征在于,所述方法包括:
获取多组话务样本,每一组话务样本包含多维话务指标及相应的评估指标;
将所述多维话务指标进行标准化,得到相应的多维标准话务指标;
对所述多维标准话务指标进行降维,得到多个特征数据;
建立所述多个特征数据和所述评估指标之间的关系式;
根据所述关系式对待优化的多维话务指标的优化效果进行评估,包括:获取待优化的多维话务指标及目标评估指标;将所述待优化的多维话务指标按照预设优先级递减的顺序进行排列;将连续的至少一维话务指标组合,得到多个待优化话务指标集合;根据所述关系式计算每一个待优化话务指标集合包含的话务指标优化后的预测评估指标;计算所述预测评估指标与所述目标评估指标的差值;根据所述差值对所述多维话务指标的优化效果进行评估;
所述根据所述差值对所述多维话务指标的优化效果进行评估,包括:确定所述差值最小的待优化话务指标集合中每一个话务指标的优化量;根据所述优化量对相应的话务指标进行优化;获取优化后的实际评估指标;如果所述实际评估指标与所述目标评估指标的差值位于预设区间,则优化效果满足要求。
2.根据权利要求1所述的方法,其特征在于,所述获取优化后的实际评估指标,包括:
确定所述待优化的多维话务指标的第一获取时间;
根据所述第一获取时间确定实际评估指标的第二获取时间,所述第二获取时间和所述第一获取时间按小时对齐;
根据所述第二获取时间获取优化后的实际评估指标。
3.根据权利要求1所述的方法,其特征在于,所述建立所述多个特征数据和所述评估指标的关系式,包括:
将所述多组话务样本划分为训练集和验证集;
通过回归算法对所述训练集进行训练,得到所述多个特征数据和所述评估指标的关系式集合;
根据所述关系式集合中的每一个关系式计算验证集中的多维话务指标对应的输出结果;
计算所述输出结果与所述评估指标之间的差值;
将所述差值最小的关系式确定为所述多个特征数据和所述评估指标的关系式。
4.根据权利要求3所述的方法,其特征在于,所述通过回归算法对所述训练集进行训练,得到所述多个特征数据和所述评估指标的关系式集合,包括:
通过贝叶斯回归算法、K邻近回归算法、岭回归算法分别对所述训练集进行训练,得到相应的关系式;
将所述关系式组合,得到所述多个特征数据和所述评估指标的关系式集合。
5.根据权利要求1所述的方法,其特征在于,对所述标准话务指标进行降维,得到多个特征数据,包括:
通过偏最小二乘法对所述标准话务指标进行降维,得到多个特征数据。
6.根据权利要求1所述的方法,其特征在于,所述将所述多维话务指标进行标准化,得到相应的多维标准话务指标,包括:
根据标准差标准化法对所述多维话务指标分别进行标准化,得到相应的多维标准话务指标。
7.一种话务指标优化效果评估装置,其特征在于,所述装置包括:
获取模块,用于获取多组话务样本,每一组话务样本包含多维话务指标及相应的评估指标;
标准化模块,用于将所述多维话务指标进行标准化,得到相应的多维标准话务指标;
降维模块,用于对所述多维标准话务指标进行降维,得到多个特征数据;
建模模块,用于建立所述多个特征数据和所述评估指标之间的关系式;
评估模块,用于根据所述关系式对待优化的多维话务指标的优化效果进行评估,包括:获取待优化的多维话务指标及目标评估指标;将所述待优化的多维话务指标按照预设优先级递减的顺序进行排列;将连续的至少一维话务指标组合,得到多个待优化话务指标集合;根据所述关系式计算每一个待优化话务指标集合包含的话务指标优化后的预测评估指标;计算所述预测评估指标与所述目标评估指标的差值;根据所述差值对所述多维话务指标的优化效果进行评估;所述根据所述差值对所述多维话务指标的优化效果进行评估,包括:确定所述差值最小的待优化话务指标集合中每一个话务指标的优化量;根据所述优化量对相应的话务指标进行优化;获取优化后的实际评估指标;如果所述实际评估指标与所述目标评估指标的差值位于预设区间,则优化效果满足要求。
8.一种计算设备,其特征在于,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如权利要求1-6任一项所述的一种话务指标优化效果评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911135696.8A CN112906999B (zh) | 2019-11-19 | 2019-11-19 | 话务指标优化效果评估方法、装置及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911135696.8A CN112906999B (zh) | 2019-11-19 | 2019-11-19 | 话务指标优化效果评估方法、装置及计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112906999A CN112906999A (zh) | 2021-06-04 |
CN112906999B true CN112906999B (zh) | 2023-08-18 |
Family
ID=76104249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911135696.8A Active CN112906999B (zh) | 2019-11-19 | 2019-11-19 | 话务指标优化效果评估方法、装置及计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112906999B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101217761A (zh) * | 2008-01-14 | 2008-07-09 | 中兴通讯股份有限公司 | 基于路径损耗数据的射频优化评估方法及装置 |
CN101541033A (zh) * | 2008-11-24 | 2009-09-23 | ***通信集团广东有限公司 | 小区话务拥塞自动分析及参数调整*** |
CN102143515A (zh) * | 2010-01-29 | 2011-08-03 | ***通信集团公司 | 无线网络切换优化***及方法 |
CN102883352A (zh) * | 2012-09-10 | 2013-01-16 | 北京拓明科技有限公司 | 基于话务建模与话务预测的gsm小区参数优化方法 |
WO2016112670A1 (zh) * | 2015-01-16 | 2016-07-21 | 中兴通讯股份有限公司 | 小区切换优化评估方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6842431B2 (en) * | 1999-11-04 | 2005-01-11 | Lucent Technologies Inc. | Methods and apparatus for characterization, adjustment and optimization of wireless networks |
EP1653755B1 (en) * | 2004-11-01 | 2008-04-23 | Ascom (Schweiz) AG | Method and device for assessment of a coverage of a cellular network system |
US20160135067A1 (en) * | 2014-11-11 | 2016-05-12 | Cellmining Ltd. | Call detail record-based multiple network optimization |
-
2019
- 2019-11-19 CN CN201911135696.8A patent/CN112906999B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101217761A (zh) * | 2008-01-14 | 2008-07-09 | 中兴通讯股份有限公司 | 基于路径损耗数据的射频优化评估方法及装置 |
CN101541033A (zh) * | 2008-11-24 | 2009-09-23 | ***通信集团广东有限公司 | 小区话务拥塞自动分析及参数调整*** |
CN102143515A (zh) * | 2010-01-29 | 2011-08-03 | ***通信集团公司 | 无线网络切换优化***及方法 |
CN102883352A (zh) * | 2012-09-10 | 2013-01-16 | 北京拓明科技有限公司 | 基于话务建模与话务预测的gsm小区参数优化方法 |
WO2016112670A1 (zh) * | 2015-01-16 | 2016-07-21 | 中兴通讯股份有限公司 | 小区切换优化评估方法及装置 |
Non-Patent Citations (1)
Title |
---|
WCDMA网络基于MR的业务感知优化评估方法研究;高爽;;信息通信(第06期);第241-242页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112906999A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110417591B (zh) | 投票节点配置方法及*** | |
CN109981744B (zh) | 数据的分发方法、装置、存储介质及电子设备 | |
CN112329843B (zh) | 基于决策树的呼叫数据处理方法、装置、设备及存储介质 | |
WO2008130912A2 (en) | Forecasting system | |
WO2017113774A1 (zh) | 一种无线通讯***用户优先级的判别方法及装置 | |
CN112020098B (zh) | 负荷均衡方法、装置、计算设备及计算机存储介质 | |
CN111797320A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN115952832A (zh) | 自适应模型量化方法及装置、存储介质及电子装置 | |
CN107844595A (zh) | 一种求职网站职位智能推荐方法 | |
CN112002949A (zh) | 一种动力电池主动均衡的监测管理方法及*** | |
CN110706092A (zh) | 风险用户识别方法和装置,存储介质及电子设备 | |
CN113867966A (zh) | 一种混合云模式的云资源调度方法 | |
CN109800085A (zh) | 资源配置的检测方法、装置、存储介质和电子设备 | |
CN112906999B (zh) | 话务指标优化效果评估方法、装置及计算设备 | |
CN112243247B (zh) | 基站优化优先级确定方法、装置及计算设备 | |
CN113222245A (zh) | 居民用户月度电量电费异常核查方法及***、存储介质 | |
US11374869B2 (en) | Managing bandwidth based on user behavior | |
CN116521335A (zh) | 一种倾斜影像模型生产的分布式任务调度方法及*** | |
CN109948908A (zh) | 一种电力企业发展效率评价方法、装置、***及存储介质 | |
CN113010310B (zh) | 作业数据的处理方法、装置和服务器 | |
CN109086207B (zh) | 页面响应故障分析方法、计算机可读存储介质及终端设备 | |
CN114913008A (zh) | 基于决策树的债券价值分析方法、装置、设备及存储介质 | |
CN113988670A (zh) | 综合性企业信用风险预警方法及*** | |
CN113486933A (zh) | 模型训练方法、用户身份信息预测方法及装置 | |
CN114139621A (zh) | 确定模型分类性能标识的方法、装置、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 |