CN113260070B - 一种负载调度方法、装置及电子设备 - Google Patents
一种负载调度方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113260070B CN113260070B CN202010089952.0A CN202010089952A CN113260070B CN 113260070 B CN113260070 B CN 113260070B CN 202010089952 A CN202010089952 A CN 202010089952A CN 113260070 B CN113260070 B CN 113260070B
- Authority
- CN
- China
- Prior art keywords
- capacity
- target cell
- characteristic information
- cell
- target
- 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
- H04W72/56—Allocation or scheduling criteria for wireless resources based on priority criteria
- H04W72/566—Allocation or scheduling criteria for wireless resources based on priority criteria of the information or information source or recipient
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/52—Allocation or scheduling criteria for wireless resources based on load
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例公开了一种负载调度方法、装置及电子设备,所述方法包括:获取无线通信***中,待检测的目标小区的预设话务属性的容量特征信息,所述容量特征信息为用于确定小区扩容优先级所需的信息,将所述目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到所述目标小区的扩容优先级,所述扩容优先级评估模型为基于预设决策树算法,对预设时间周期内多个小区的历史容量特征信息训练得到,基于所述目标小区的扩容优先级,确定所述目标小区的扩容策略。通过本方法,可以基于目标小区的扩容优先级,确定目标小区的扩容策略,提高负载调度效率的同时,保证了负载调度的准确性。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种负载调度方法、装置及电子设备。
背景技术
目前,对无线网络载波资源的许可(license)采用的是静态配置的方法,但是这些载波资源并不总是工作在正常负荷的状态,因此,对小区进行合理的负载调度成为运营商的关注点。
在对小区进行负载调度时,可以通过人工对小区的话务容量负荷情况进行监测,并根据监测到的话务指标数据,确定小区是否需要进行扩容。例如,可以人工对小区1的话务关键绩效指标(Key Performance Indicator,KPI)数据进行监测,如果监测到小区1的某一个或多个话务KPI指标数据超过对应的预设指标阈值,则可以对小区1进行扩容。
但是,通过上述人工监控小区的话务容量负荷情况,对小区进行负载调度的方式,存在以下问题:由于小区数量较多,对应的人工需要监测的数据量也较大,所以存在较高的人力成本,同时也存在负载调度效率低的问题,另外,如果存在多个小区的话务KPI数据超过预设指标阈值,但每个小区的话务容量负荷情况确不同,如果采用相同的扩容策略对上述多个小区进行负载调度,就存在负载调度的准确性差的问题。
发明内容
本发明实施例的目的是提供一种负载调度方法、装置及电子设备,以解决现有技术中由于通过人工监控小区话务容量负荷情况的方式,对小区进行负载调度时,存在的负载调度的效率较低、准确性较差的问题
为解决上述技术问题,本发明实施例是这样实现的:
第一方面,本发明实施例提供的一种负载调度方法,所述方法包括:
获取无线通信***中,待检测的目标小区的预设话务属性的容量特征信息,所述容量特征信息为用于确定小区扩容优先级所需的信息;
将所述目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到所述目标小区的扩容优先级,所述扩容优先级评估模型为基于预设决策树算法,对预设时间周期内多个小区的历史容量特征信息训练得到;
基于所述目标小区的扩容优先级,确定所述目标小区的扩容策略。
可选地,所述基于所述目标小区的扩容优先级,确定所述目标小区的扩容策略,包括:
获取与所述目标小区处于相同扩容优先级的第一小区;
基于预设叠加排序算法,对所述目标小区和所述第一小区进行优先级排序,得到所述目标小区的目标扩容优先级;
基于所述目标小区的目标扩容优先级,确定所述目标小区的扩容策略。
可选地,所述基于预设叠加排序算法,对所述目标小区和所述第一小区进行优先级排序,得到所述目标小区的目标扩容优先级,包括:
基于预设话务排序指标,对所述目标小区和所述第一小区进行优先级排序,得到所述目标小区的目标扩容优先级。
可选地,所述将所述目标小区的容量特征信息,输入预选训练的扩容优先级评估模型中,得到所述目标小区的扩容优先级之前,还包括:
获取所述预设时间周期内,所述多个小区的预设话务属性的历史容量特征信息;
基于所述预设决策树算法和所述历史容量特征信息,构建对应的决策树;
基于所述决策树,得到所述扩容优先级评估模型。
可选地,所述基于所述预设决策树算法和所述历史容量特征信息,构建对应的决策树,包括:
确定与所述预设话务属性对应的多个第一分割点;
获取与所述多个第一分割点对应的第一决策点;
基于所述历史容量特征信息,获取每个所述第一决策点的基尼系数;
基于每个所述第一决策点的基尼系数,确定目标决策点;
将所述历史容量特征信息中,满足所述目标决策点对应的分割条件的容量特征信息确定为第一容量特征信息,不满足所述目标决策点对应的分割条件的容量特征信息确定为第二容量特征信息;
基于所述目标决策点、所述第一容量特征信息和所述第二容量特征信息,构建所述决策树。
可选地,所述决策树包括根节点、第一分支和第二分支,所述基于所述目标决策点、所述第一容量特征信息和所述第二容量特征信息,构建所述决策树,包括:
将所述目标决策点作为所述决策树的所述根节点;
基于所述第一容量特征信息,构建所述决策树的所述第一分支;
基于所述第二容量特征信息,构建所述决策树的所述第二分支。
可选地,所述基于所述第一容量特征信息,构建所述决策树的第一分支之后,还包括:
获取所述目标决策点对应的第一话务属性;
获取所述预设话务属性中,除所述第一话务属性外,其它话务属性对应的第二分割点;
获取与所述第二分割点对应的第二决策点;
基于所述第一容量特征信息,获取每个所述第二决策点的基尼系数;
基于每个所述第二决策点的基尼系数,确定目标子决策点;
将所述第一容量特征信息中,满足所述目标子决策点对应的分割条件的容量特征信息确定为第三容量特征信息,不满足所述目标子决策点对应的分割条件的容量特征信息确定为第四容量特征信息;
基于所述第三容量特征信息,构建所述决策树的第一分支的第一子分支;
基于所述第四容量特征信息,构建所述决策树的第一分支的第二子分支。
第二方面,本发明实施例提供了一种负载调度装置,所述装置包括:
第一获取模块,用于获取无线通信***中,待检测的目标小区的预设话务属性的容量特征信息,所述容量特征信息为用于确定小区扩容优先级所需的信息;
优先级获取模块,用于将所述目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到所述目标小区的扩容优先级,所述扩容优先级评估模型为基于预设决策树算法,对预设时间周期内多个小区的历史容量特征信息训练得到;
策略确定模块,用于基于所述目标小区的扩容优先级,确定所述目标小区的扩容策略。
可选地,所述策略确定模块,用于:
获取与所述目标小区处于相同扩容优先级的第一小区;
基于预设叠加排序算法,对所述目标小区和所述第一小区进行优先级排序,得到所述目标小区的目标扩容优先级;
基于所述目标小区的目标扩容优先级,确定所述目标小区的扩容策略。
可选地,所述策略确定模块,用于:
基于预设话务排序指标,对所述目标小区和所述第一小区进行优先级排序,得到所述目标小区的目标扩容优先级。
可选地,所述装置,还包括:
第二获取模块,用于获取所述预设时间周期内,所述多个小区的预设话务属性的历史容量特征信息;
构建模块,用于基于所述预设决策树算法和所述历史容量特征信息,构建对应的决策树;
模型获取模块,用于基于所述决策树,得到所述扩容优先级评估模型。
可选地,所述构建模块,用于:
确定与所述预设话务属性对应的多个第一分割点;
获取与所述多个第一分割点对应的第一决策点;
基于所述历史容量特征信息,获取每个所述第一决策点的基尼系数;
基于每个所述第一决策点的基尼系数,确定目标决策点;
将所述历史容量特征信息中,满足所述目标决策点对应的分割条件的容量特征信息确定为第一容量特征信息,不满足所述目标决策点对应的分割条件的容量特征信息确定为第二容量特征信息;
基于所述目标决策点、所述第一容量特征信息和所述第二容量特征信息,构建所述决策树。
可选地,所述决策树包括根节点、第一分支和第二分支,所述构建模块,用于:
将所述目标决策点作为所述决策树的所述根节点;
基于所述第一容量特征信息,构建所述决策树的所述第一分支;
基于所述第二容量特征信息,构建所述决策树的所述第二分支。
可选地,所述装置,还包括:
属性获取模块,用于获取所述目标决策点对应的第一话务属性;
数据处理模块,用于获取所述预设话务属性中,除所述第一话务属性外,其它话务属性对应的第二分割点;
获取模块,用于获取与所述第二分割点对应的第二决策点;
系数确定模块,用于基于所述第一容量特征信息,获取每个所述第二决策点的基尼系数;
决策点确定模块,用于基于每个所述第二决策点的基尼系数,确定目标子决策点;
数据划分模块,用于将所述第一容量特征信息中,满足所述目标子决策点对应的分割条件的容量特征信息确定为第三容量特征信息,不满足所述目标子决策点对应的分割条件的容量特征信息确定为第四容量特征信息;
第一分支确定模块,用于基于所述第三容量特征信息,构建所述决策树的第一分支的第一子分支;
第二分值确定模块,用于基于所述第四容量特征信息,构建所述决策树的第一分支的第二子分支。
第三方面,本发明实施例提供一种电子设备,包括处理器、存储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,所述计算机程序被所述处理器执行时实现上述实施例提供的负载调度方法的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现上述实施例提供的负载调度方法的步骤。
由以上本发明实施例提供的技术方案可见,本发明实施例通过获取无线通信***中待检测的目标小区的容量特征信息,容量特征信息包括小区话务信息和小区基础信息,将目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到目标小区的扩容优先级,扩容优先级评估模型为基于预设决策树算法,对预设时间周期内多个小区的历史容量特征信息训练得到,基于目标小区的扩容优先级,确定目标小区的扩容策略。这样,可以通过扩容优先级评估模型和目标小区的容量特征信息,获取目标小区的扩容优先级,并确定对应的扩容策略,而不需要人工检测目标小区的话务信息,确定目标小区是否需要进行扩容,提高负载调度效率的同时,保证了负载调度的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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中记载的一些实施例,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它的附图。
图1为本发明一种负载调度方法的流程示意图;
图2为本发明另一种负载调度方法的流程示意图;
图3为本发明一种扩容优先级评估模型的训练示意图;
图4为本发明一种负载调度装置的结构示意图;
图5为本发明一种电子设备的结构示意图。
具体实施方式
本发明实施例提供一种负载调度方法、装置及电子设备。
为了使本技术领域的人员更好地理解本发明中的技术方案,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,所描述的实施例仅仅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它实施例,都应当属于本发明保护的范围。
实施例一
如图1所示,本发明实施例提供一种负载调度方法,该方法的执行主体可以为服务器,该服务器可以是独立的服务器,也可以是由多个服务器组成的服务器集群。该方法具体可以包括以下步骤:
在S102中,获取无线通信***中,待检测的目标小区的预设话务属性的容量特征信息。
其中,预设话务属性可以包括与小区话务信息和小区基础信息对应的属性,以及小区的扩容情况评价,其中,小区话务信息可以是与小区话务负荷情况相关的信息,例如,小区话务信息可以包括小区的资源利用率、有数据传输的无线资源控制(Radio ResourceControl,RRC)数等,小区基础信息可以包括小区是否覆盖商业中心、小区的人流量信息、小区的主要业务成分信息(如小区为大包小区或小包小区)等,容量特征信息可以是与预设话务属性相对应的,用于确定小区扩容优先级所需的信息,目标小区可以为无线通信***中的任意一个或多个待检测的小区。
在实施中,目前,对无线网络载波资源的许可(license)采用的是静态配置的方法,但是这些载波资源并不总是工作在正常负荷的状态,因此,对小区进行合理的负载调度成为运营商的关注点。在对小区进行负载调度时,可以通过人工对小区的话务容量负荷情况进行监测,并根据监测到的话务指标数据,确定小区是否需要进行扩容。例如,可以人工对小区1的话务关键绩效指标(Key Performance Indicator,KPI)数据进行监测,如果监测到小区1的某一个或多个话务KPI指标数据超过对应的预设指标阈值,则可以对小区1进行扩容。
但是,通过上述人工监控小区的话务容量负荷情况,对小区进行负载调度的方式,存在以下问题:由于小区数量较多,对应的人工需要监测的数据量也较大,所以存在较高的人力成本,同时也存在负载调度效率低的问题,另外,如果存在多个小区的话务KPI数据超过预设指标阈值,但每个小区的话务容量负荷情况确不同,如果采用相同的扩容策略对上述多个小区进行负载调度,就存在负载调度的准确性差的问题。为此,本发明实施例提供另一种实现方案,具体可以包括以下内容:
可以基于预设时间周期,获取待检测的预设话务属性的目标小区的容量特征信息,例如,预设时间周期可以为一天,可以获取目标小区在某一天的小区的资源利用率和有效RRC数(即小区话务信息),以及目标小区的小区人流量信息、小区是否覆盖商业中心、以及小区的主要业务成分信息(即小区基础信息)等,作为目标小区的容量特征信息。其中,小区的资源利用率可以是小区在自忙时的物理下行共享信道(Physical Downlink Shared,PDSCH)利用率和物理下行控制信道(Physical Downlink Control Channel,PDCCH)利用率中的最大值,小区人流量信息可以是激活用户和非激活用户的RRC连接数之和。
在实际应用场景中,预设话务属性可以有多种,可以根据实际应用场景的不同,选取不同预设话务属性,本发明实施例对此不做具体限定。
在S104中,将目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到目标小区的扩容优先级。
其中,扩容优先级评估模型可以为基于预设决策树算法,对预设时间周期内多个小区的历史容量特征信息训练得到,预设决策树算法可以为分类回归树(ClassificationAnd RegressionTrees,CART)算法,预设时间周期可以与上述S102中获取目标小区的容量特征信息的预设时间周期相同,例如,预设时间周期可以为一天,则可以获取目标小区在11月12日的容量特征信息,并获取多个小区在10月12日的历史容量特征信息进行训练,以得到预先训练的扩容优先级评估模型,多个小区可以为已扩容的小区,多个小区的历史容量特征信息可以包括扩容前的容量特征信息,以及扩容后的扩容评价信息,例如,小区1在10月13日进行了扩容,则可以获取小区1在10月12日的容量特征信息,并基于小区1在10月13日的话务信息,确定小区1的扩容评价信息,例如,如果小区1在10月13日的流量增长率超过预设阈值,可以认为通过对应的扩容策略,可以使小区1解除容量瓶颈,扩容效益好,则可以确定小区1是需要进行扩容的小区,即获取的小区1的历史容量特征信息可以包括小区1在10月12日的容量特征信息以及对小区1的扩容评价信息(即小区1是需要进行扩容的小区)。
在实施中,由于预先训练的扩容优先级评估模型可以是基于预设决策树算法确定的,所以在将目标小区的容量特征信息输入预先训练的扩容优先级评估模型前,可以对目标小区的容量特征信息进行预处理。
例如,目标小区的容量特征信息中可以包含小区的人流量信息,则可以根据小区的人流量信息,确定目标小区为人流量大的小区或是人流量小的小区。例如,小区的人流量信息可以为激活用户和非激活用户的RRC连接数之和,如果目标小区的激活用户和非激活用户的RRC连接数之和,在预设统计周期(如连续2小时)内大于预设人流阈值(如300人),则可以认为目标小区为人流量大的小区。
目标小区的容量特征信息中还可以包括小区的主要业务成分信息,即目标小区为大包小区或小包小区,可以根据目标小区自忙时平均演进的无线接入承载(Evolved RadioBearer,E-RAB)流量是否大于预设流量阈值,来判断目标小区的主要业务成分是大包小区或小包小区。例如,如果目标小区的E-RAB流量不小于1000kb,则可以认为目标小区为大包小区,反之,目标小区即为小包小区。
在对目标小区的容量特征信息进行预处理后,可以输入预先训练的扩容优先级评估模型,并得到目标小区的扩容优先级。
此外,当有多个目标小区时,可以分别将每个目标小区的容量特征信息进行预处理,并分别输入预先训练的扩容优先级评估模型,以得到每个目标小区的扩容优先级。
在S106中,基于目标小区的扩容优先级,确定目标小区的扩容策略。
在实施中,如果目标小区的扩容优先级较低,则可以暂时不对目标小区进行负载调度,即暂时不对目标小区进行扩容,如果目标小区的扩容优先级较高,则可以立刻对目标小区进行扩容,以避免由于小区容量问题而导致较差的用户感知。
本发明实施例提供一种负载调度方法,通过获取无线通信***中待检测的目标小区的容量特征信息,容量特征信息包括小区话务信息和小区基础信息,将目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到目标小区的扩容优先级,扩容优先级评估模型为基于预设决策树算法,对预设时间周期内多个小区的历史容量特征信息训练得到,基于目标小区的扩容优先级,确定目标小区的扩容策略。这样,可以通过扩容优先级评估模型和目标小区的容量特征信息,获取目标小区的扩容优先级,并确定对应的扩容策略,而不需要人工检测目标小区的话务信息,确定目标小区是否需要进行扩容,提高负载调度效率的同时,保证了负载调度的准确性。
实施例二
如图2所示,本发明实施例提供一种负载调度方法,该方法的执行主体可以为服务器,该服务器可以是独立的服务器,也可以是由多个服务器组成的服务器集群。该方法具体可以包括以下步骤:
在S202中,获取无线通信***中,待检测的目标小区的预设话务属性的容量特征信息。
上述S202的具体处理过程可以参见上述实施例一中S102中的相关内容,在此不再赘述。
在S204中,获取预设时间周期内,多个小区的预设话务属性的历史容量特征信息。
在实施中,可以获取一天内,多个小区在历史容量特征信息(包括扩容前的历史容量特征信息以及扩容后的扩容评价信息)。
在S206中,基于预设决策树算法和历史容量特征信息,构建对应的决策树。
在实施中,获取到的部分历史容量特征信息可以如表1所示。
表1
其中,小区标识可以是每个小区的全球小区标识码(Cell Global Identifier,CGI)。
在实际应用中,上述S206的处理方式可以多种多样,以下提供一种可选的实现方式,具体可以参见下述步骤一~步骤六处理。
步骤一,确定与预设话务属性对应的多个第一分割点。
在实施中,可以获取每个预设话务属性对应的第一分割点。例如,预设话务属性可以包括小区的资源利用率、小区的有效RRC数、小区是否覆盖商业中心、小区的人流量、小区的主要业务成分以及小区的扩容情况评价。其中,小区是否覆盖商业中心、小区的人流量、小区的主要业务成分以及小区的扩容情况评价这四个属性为标签属性,这四个预设话务属性对应的第一分割点可以根据属性值确定,例如,小区的人流量这一预设话务属性,对应的第一分割点可以包括第一分割点1和第一分割点2,其中,第一分割点1可以为人流量=大,第一分割点2可以为人流量=小。
此外,预设话务属性中包含的小区的资源利用率以及小区的有效RRC数这两个属性为连续值属性,可以基于递归算法,确定这两个预设话务属性中,每个预设话务属性对应的第一分割点。
例如,以资源利用率这一预设话务属性为例,假设获取的历史容量特征信息中,资源利用率对应有X个连续值,则可以有X-1个候选值,每个候选值即为每两个相邻连续值的平均值,基于历史容量特征信息,计算每个候选值对应的基尼系数,然后可以将基尼系数最小的候选值确定为第一分割点。
例如,获取的历史容量特征信息中,资源利用率共有10个值,基于这10个值,可以生成9个候选值,然后在基于历史容量特征信息,计算这9个候选值对应的基尼系数,计算结果可以如表2所示。
表2
基于表2,可以确定42%这一候选值对应的基尼系数最小,则与资源利用率对应的第一分割点可以为42%,基于上述方法,也可以得到有效RRC数这一预设话务属性对应的第一分割点(如可以为24)。
步骤二,获取与多个第一分割点对应的第一决策点。
在实施中,以上述表2为例,假设资源利用率这一预设话务属性对应的第一分割点为42%,则对应的第一决策点可以包括第一决策点3和第一决策点4,其中,第一决策点3可以为资源利用率≤42%,第一决策点4可以为资源利用率>42%。
同样的,有效RRC数这一预设话务属性对应的第一分割点可以包括第一分割点5和第一分割点6,其中第一分割点5可以为有效RRC数≤24,第一分割点6可以为有效RRC数>24。
对于标签属性的预设话务属性,其第一分割点可以直接作为第一决策点,例如,小区的人流量这一预设话务属性,对应的第一分割点可以包括第一分割点1和第一分割点2,其中,第一分割点1可以为人流量=大,第一分割点2可以为人流量=小,则该预设话务属性对应的第一决策点1可以与第一分割点1相同,第一决策点2可以与第一分割点相同。
步骤三,基于历史容量特征信息,获取每个第一决策点的基尼系数。
与上述表2中计算每个候选值的基尼系数相同,可以基于历史容量特征信息,获取每个第一决策点的基尼系数。
获取的每个第一决策点的基尼系数可以如下:Gini(D1,资源利用率>42%)=0.27;Gini(D1,是否覆盖商业中心=是)=0.321;Gini(D1,是否覆盖商业中心=否)=0.323;Gini(D1,资源利用率≤42%)=0.364;Gini(D1,人流量=多)=0.439199;Gini(D1,主要业务成分=大包)=0.414;Gini(D1,人流量=少)=0.427;Gini(D1,主要业务成分=小包)=0.417999;Gini(D1,有数据传输RRC数>24)=0.4472;Gini(D1,有数据传输RRC数≤24)=0.404205;
其中,D1为历史容量特征信息。
步骤四,基于每个第一决策点的基尼系数,确定目标决策点。
在实施中,可以将基尼系数最小的第一决策点,作为目标决策点,例如,上述基尼系数中,Gini(D1,资源利用率>42%)=0.27最小,则可以将资源利用率>42%对应的第一决策点,作为目标决策点。
步骤五,将历史容量特征信息中,满足目标决策点对应的分割条件的容量特征信息确定为第一容量特征信息,不满足目标决策点对应的分割条件的容量特征信息确定为第二容量特征信息。
步骤六,基于目标决策点、第一容量特征信息和第二容量特征信息,构建决策树。
在实施中,在构建决策树时,可以将目标决策点作为决策树的根节点,基于第一容量特征信息,构建决策树的第一分支,基于第二容量特征信息,构建决策树的第二分支。
此外,在构建决策树的第二分支后,可以获取目标决策点对应的第一话务属性,然后获取预设话务属性中,除第一话务属性外,其它话务属性对应的第二分割点。
例如,上述目标决策点对应的第一话务属性为资源利用率,预设话务属性中,除该话务属性外,其他话务属性可以为有效RRC数、是否覆盖商业中心、人流量等,则可以获取这些话务属性对应的第二分割点。
然后获取与第二分割点对应的第二决策点。可以基于第一容量特征信息,获取每个第二决策点的基尼系数。
然后可以采用上述基于历史容量特征信息,获取每个第一决策点的基尼系数的方法,基于第一容量特征信息,获取每个第二决策点的基尼系数。
基于每个第二决策点的基尼系数,确定目标子决策点。可以将基尼系数最小的第二决策点,确定为目标子决策点。
将第一容量特征信息中,满足目标子决策点对应的分割条件的容量特征信息确定为第三容量特征信息,不满足目标子决策点对应的分割条件的容量特征信息确定为第四容量特征信息。
最后,基于第三容量特征信息,构建决策树的第一分支的第一子分支。基于第四容量特征信息,构建决策树的第一分支的第二子分支。
然后可以基于上述构建第一子分支和第二子分支的方法,构建决策树的第二分支的第三子分支和第四子分支。同样的,也可以继续对第一子分支进行分类,直到无法进行分类为止。
此外,在构建决策树前,可以预设分类参数例如,可以预设决策树的深度、决策树的叶子节点的样本数,以及不同深度叶子节点的确定方法等。
在S208中,基于决策树,得到扩容优先级评估模型。
在实施中,可以根据决策树,形成扩容优先级评估模型,例如,如图3所示,每个叶子节点都可以对应一个扩容优先级。基于历史容量特征信息,可以将多个小区划分到对应的16个扩容优先级中,每个扩容优先级中都至少包含1个小区。
在S210中,将目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到目标小区的扩容优先级。
上述S210的具体处理过程可以参见上述实施例一中S104中的相关内容,在此不再赘述。
由于小区数量较多,扩容优先级的级数有限,所以可能会存在多个小区处于同一扩容优先级的情况,在这种情况下,如果对同一扩容优先级的小区采用同一扩容策略,也会导致负载调度准确性差的问题,所以在执行完S210后,可以继续执行S212~S214。
在S212中,获取与目标小区处于相同扩容优先级的第一小区。
其中,第一小区与目标小区处于相同扩容优先级的所有小区,第一小区可以为一个或多个。
在实施中,例如,目标小区的扩容优先级为优先级2,则可以获取同为优先级2的第一小区。
在S214中,基于预设叠加排序算法,对目标小区和第一小区进行优先级排序,得到目标小区的目标扩容优先级。
在实际应用中,上述S214的处理方式可以多种多样,以下提供一种可选的实现方式,具体可以参见下述步骤:
基于预设话务排序指标,对目标小区和第一小区进行优先级排序,得到目标小区的目标扩容优先级。
在实施中,预设话务排序指标可以包括PDSCH利用率或PDCCH利用率,可以获取目标小区的PDSCH利用率和PDCCH利用率中的最大值,以及第一小区的PDSCH利用率和PDCCH利用率中的最大值,然后对目标小区和第一小区进行优先级排序,并得到目标小区的目标扩容优先级。
例如,目标小区和第一小区的扩容优先级都为优先级2,目标小区在优先级2中的所有小区(即包括目标小区和第一小区)中,可以排第5,则目标小区的目标扩容优先级就包括,目标小区在所有小区中的扩容优先级以及其在扩容优先级中的子优先级,即为优先级2+5。
在S216中,基于目标小区的目标扩容优先级,确定目标小区的扩容策略。
本发明实施例提供一种负载调度方法,通过获取无线通信***中待检测的目标小区的容量特征信息,容量特征信息包括小区话务信息和小区基础信息,将目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到目标小区的扩容优先级,扩容优先级评估模型为基于预设决策树算法,对预设时间周期内多个小区的历史容量特征信息训练得到,基于目标小区的扩容优先级,确定目标小区的扩容策略。这样,可以通过扩容优先级评估模型和目标小区的容量特征信息,获取目标小区的扩容优先级,并确定对应的扩容策略,而不需要人工检测目标小区的话务信息,确定目标小区是否需要进行扩容,提高负载调度效率的同时,保证了负载调度的准确性。
实施例三
以上为本发明实施例提供的负载调度方法,基于同样的思路,本发明实施例还提供一种负载调度装置,如图4所示。
该负载调度装置包括:第一获取模块401、优先级获取模块402和策略确定模块403,其中:
第一获取模块401,用于获取无线通信***中,待检测的目标小区的预设话务属性的容量特征信息,所述容量特征信息为用于确定小区扩容优先级所需的信息;
优先级获取模块402,用于将所述目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到所述目标小区的扩容优先级,所述扩容优先级评估模型为基于预设决策树算法,对预设时间周期内多个小区的历史容量特征信息训练得到;
策略确定模块403,用于基于所述目标小区的扩容优先级,确定所述目标小区的扩容策略。
在本发明实施例中,所述策略确定模块403,用于:
获取与所述目标小区处于相同扩容优先级的第一小区;
基于预设叠加排序算法,对所述目标小区和所述第一小区进行优先级排序,得到所述目标小区的目标扩容优先级;
基于所述目标小区的目标扩容优先级,确定所述目标小区的扩容策略。
在本发明实施例中,所述策略确定模块403,用于:
基于预设话务排序指标,对所述目标小区和所述第一小区进行优先级排序,得到所述目标小区的目标扩容优先级。
在本发明实施例中,所述装置,还包括:
第二获取模块,用于获取所述预设时间周期内,所述多个小区的预设话务属性的历史容量特征信息;
构建模块,用于基于所述预设决策树算法和所述历史容量特征信息,构建对应的决策树;
模型获取模块,用于基于所述决策树,得到所述扩容优先级评估模型。
在本发明实施例中,所述构建模块,用于:
确定与所述预设话务属性对应的多个第一分割点;
获取与所述多个第一分割点对应的第一决策点;
基于所述历史容量特征信息,获取每个所述第一决策点的基尼系数;
基于每个所述第一决策点的基尼系数,确定目标决策点;
将所述历史容量特征信息中,满足所述目标决策点对应的分割条件的容量特征信息确定为第一容量特征信息,不满足所述目标决策点对应的分割条件的容量特征信息确定为第二容量特征信息;
基于所述目标决策点、所述第一容量特征信息和所述第二容量特征信息,构建所述决策树。
在本发明实施例中,所述决策树包括根节点、第一分支和第二分支,所述构建模块,用于:
将所述目标决策点作为所述决策树的所述根节点;
基于所述第一容量特征信息,构建所述决策树的所述第一分支;
基于所述第二容量特征信息,构建所述决策树的所述第二分支。
在本发明实施例中,所述装置,还包括:
属性获取模块,用于获取所述目标决策点对应的第一话务属性;
数据处理模块,用于获取所述预设话务属性中,除所述第一话务属性外,其它话务属性对应的第二分割点;
获取模块,用于获取与所述第二分割点对应的第二决策点;
系数确定模块,用于基于所述第一容量特征信息,获取每个所述第二决策点的基尼系数;
决策点确定模块,用于基于每个所述第二决策点的基尼系数,确定目标子决策点;
数据划分模块,用于将所述第一容量特征信息中,满足所述目标子决策点对应的分割条件的容量特征信息确定为第三容量特征信息,不满足所述目标子决策点对应的分割条件的容量特征信息确定为第四容量特征信息;
第一分支确定模块,用于基于所述第三容量特征信息,构建所述决策树的第一分支的第一子分支;
第二分值确定模块,用于基于所述第四容量特征信息,构建所述决策树的第一分支的第二子分支。
本发明实施例提供一种负载调度装置,通过获取无线通信***中待检测的目标小区的容量特征信息,容量特征信息包括小区话务信息和小区基础信息,将目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到目标小区的扩容优先级,扩容优先级评估模型为基于预设决策树算法,对预设时间周期内多个小区的历史容量特征信息训练得到,基于目标小区的扩容优先级,确定目标小区的扩容策略。这样,可以通过扩容优先级评估模型和目标小区的容量特征信息,获取目标小区的扩容优先级,并确定对应的扩容策略,而不需要人工检测目标小区的话务信息,确定目标小区是否需要进行扩容,提高负载调度效率的同时,保证了负载调度的准确性。
实施例四
图5为实现本发明各个实施例的一种电子设备的硬件结构示意图,
该电子设备500包括但不限于:射频单元501、网络模块502、音频输出单元503、输入单元504、传感器505、显示单元506、用户输入单元507、接口单元508、存储器509、处理器510、以及电源511等部件。本领域技术人员可以理解,图5中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
其中,处理器510,用于获取无线通信***中,待检测的目标小区的预设话务属性的容量特征信息,所述容量特征信息为用于确定小区扩容优先级所需的信息;
处理器510,用于将所述目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到所述目标小区的扩容优先级,所述扩容优先级评估模型为基于预设决策树算法,对预设时间周期内多个小区的历史容量特征信息训练得到;
处理器510,还用于基于所述目标小区的扩容优先级,确定所述目标小区的扩容策略。
此外,所述处理器510,还用于获取与所述目标小区处于相同扩容优先级的第一小区;
另外,所述处理器510,还用于基于预设叠加排序算法,对所述目标小区和所述第一小区进行优先级排序,得到所述目标小区的目标扩容优先级;
此外,所述处理器510,还用于基于所述目标小区的目标扩容优先级,确定所述目标小区的扩容策略。
另外,所述处理器510,还用于基于预设话务排序指标,对所述目标小区和所述第一小区进行优先级排序,得到所述目标小区的目标扩容优先级。
此外,所述处理器510,还用于获取所述预设时间周期内,所述多个小区的预设话务属性的历史容量特征信息;
此外,所述处理器510,还用于基于所述预设决策树算法和所述历史容量特征信息,构建对应的决策树;
另外,所述处理器510,还用于基于所述决策树,得到所述扩容优先级评估模型。
此外,所述处理器510,还用于确定与所述预设话务属性对应的多个第一分割点;
另外,所述处理器510,还用于获取与所述多个第一分割点对应的第一决策点;
此外,所述处理器510,还用于基于所述历史容量特征信息,获取每个所述第一决策点的基尼系数;
另外,所述处理器510,还用于基于每个所述第一决策点的基尼系数,确定目标决策点;
此外,处理器510,还用于将所述历史容量特征信息中,满足所述目标决策点对应的分割条件的容量特征信息确定为第一容量特征信息,不满足所述目标决策点对应的分割条件的容量特征信息确定为第二容量特征信息;
另外,所述所述处理器510,还用于基于所述目标决策点、所述第一容量特征信息和所述第二容量特征信息,构建所述决策树。
此外,所述处理器510,还用于将所述目标决策点作为所述决策树的所述根节点;
另外,所述处理器510,还用于基于所述第一容量特征信息,构建所述决策树的所述第一分支;
此外,所述处理器510,还用于基于所述第二容量特征信息,构建所述决策树的所述第二分支。
另外,所述处理器510,还用于获取所述目标决策点对应的第一话务属性;
此外,所述处理器510,还用于获取所述预设话务属性中,除所述第一话务属性外,其它话务属性对应的第二分割点;
另外,所述处理器510,还用于获取与所述第二分割点对应的第二决策点;
此外,处理器510,还用于基于所述第一容量特征信息,获取每个所述第二决策点的基尼系数;
另外,所述处理器510,还用于基于每个所述第二决策点的基尼系数,确定目标子决策点;
此外,所述处理器510,还用于将所述第一容量特征信息中,满足所述目标子决策点对应的分割条件的容量特征信息确定为第三容量特征信息,不满足所述目标子决策点对应的分割条件的容量特征信息确定为第四容量特征信息;
另外,所述处理器510,还用于基于所述第三容量特征信息,构建所述决策树的第一分支的第一子分支;
此外,所述处理器510,还用于基于所述第四容量特征信息,构建所述决策树的第一分支的第二子分支。
本发明实施例提供一种电子设备,通过获取无线通信***中待检测的目标小区的容量特征信息,容量特征信息包括小区话务信息和小区基础信息,将目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到目标小区的扩容优先级,扩容优先级评估模型为基于预设决策树算法,对预设时间周期内多个小区的历史容量特征信息训练得到,基于目标小区的扩容优先级,确定目标小区的扩容策略。这样,可以通过扩容优先级评估模型和目标小区的容量特征信息,获取目标小区的扩容优先级,并确定对应的扩容策略,而不需要人工检测目标小区的话务信息,确定目标小区是否需要进行扩容,提高负载调度效率的同时,保证了负载调度的准确性。
应理解的是,本发明实施例中,射频单元501可用于收发信息或通话过程中,信号的接收和发送,具体的,将来自基站的下行数据接收后,给处理器510处理;另外,将上行的数据发送给基站。通常,射频单元501包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外,射频单元501还可以通过无线通信***与网络和其它电子设备通信。
电子设备通过网络模块502为用户提供了无线的宽带互联网访问,如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
输入单元504用于接收音频或视频信号。输入单元504可以包括图形处理器(Graphics Processing Unit,GPU)5041和麦克风5042。处理后的图像帧可以显示在显示单元506上。经图形处理器5041处理后的图像帧可以存储在存储器509(或其它存储介质)中或者经由射频单元501或网络模块502进行发送。麦克风5042可以接收声音,并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元501发送到移动通信基站的格式输出。
显示单元506用于显示由用户输入的信息或提供给用户的信息。显示单元506可包括显示面板5061,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板5061。
用户输入单元507可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地,用户输入单元507包括触控面板5071以及其它输入设备5072。触控面板5071可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器510,接收处理器510发来的命令并加以执行。进一步的,触控面板5071可覆盖在显示面板5061上,当触控面板5071检测到在其上或附近的触摸操作后,传送给处理器510以确定触摸事件的类型,随后处理器510根据触摸事件的类型在显示面板5061上提供相应的视觉输出。虽然在图5中,触控面板5071与显示面板5061是作为两个独立的部件来实现电子设备的输入和输出功能,但是在某些实施例中,可以将触控面板5071与显示面板5061集成而实现电子设备的输入和输出功能,具体此处不做限定。
接口单元508为外部装置与电子设备500连接的接口。例如,外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元508可以用于接收来自外部装置的输入(例如,数据信息、电力等等)并且将接收到的输入传输到电子设备500内的一个或多个元件或者可以用于在电子设备500和外部装置之间传输数据。
存储器509可用于存储软件程序以及各种数据。存储器509可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器509可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其它易失性固态存储器件。
处理器510是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器509内的软件程序和/或模块,以及调用存储在存储器509内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。处理器510可包括一个或多个处理单元;优选的,处理器510可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器510中。
电子设备500还可以包括给各个部件供电的电源511(比如电池),优选的,电源511可以通过电源管理***与处理器510逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
优选的,本发明实施例还提供一种电子设备,包括处理器510,存储器509,存储在存储器509上并可在所述处理器510上运行的计算机程序,该计算机程序被处理器510执行时实现上述负载调度方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
实施例五
本发明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上存储有计算机程序,该计算机程序被处理器执行时实现上述负载调度方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-OnlyMemory,简称ROM)、随机存取存储器(RandomAccess Memory,简称RAM)、磁碟或者光盘等。
本发明实施例提供一种计算机可读存储介质,通过获取无线通信***中待检测的目标小区的容量特征信息,容量特征信息包括小区话务信息和小区基础信息,将目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到目标小区的扩容优先级,扩容优先级评估模型为基于预设决策树算法,对预设时间周期内多个小区的历史容量特征信息训练得到,基于目标小区的扩容优先级,确定目标小区的扩容策略。这样,可以通过扩容优先级评估模型和目标小区的容量特征信息,获取目标小区的扩容优先级,并确定对应的扩容策略,而不需要人工检测目标小区的话务信息,确定目标小区是否需要进行扩容,提高负载调度效率的同时,保证了负载调度的准确性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明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,本发明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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/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。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它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它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。
这些计算机程序指令也可存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机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。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上,使得在计算机或其它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,从而在计算机或其它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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其它数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其它类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其它内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其它光学存储、磁盒式磁带,磁带磁磁盘存储或其它磁性存储设备或任何其它非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本发明的实施例可提供为方法、***或计算机程序产品。因此,本发明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,本发明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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种负载调度方法,其特征在于,所述方法包括:
获取无线通信***中,待检测的目标小区的预设话务属性的容量特征信息,所述容量特征信息为用于确定小区扩容优先级所需的信息;
将所述目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到所述目标小区的扩容优先级,所述扩容优先级评估模型为基于预设决策树算法,对预设时间周期内多个小区的历史容量特征信息训练得到;
基于所述目标小区的扩容优先级,确定所述目标小区的扩容策略。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标小区的扩容优先级,确定所述目标小区的扩容策略,包括:
获取与所述目标小区处于相同扩容优先级的第一小区;
基于预设叠加排序算法,对所述目标小区和所述第一小区进行优先级排序,得到所述目标小区的目标扩容优先级;
基于所述目标小区的目标扩容优先级,确定所述目标小区的扩容策略。
3.根据权利要求2所述的方法,其特征在于,所述基于预设叠加排序算法,对所述目标小区和所述第一小区进行优先级排序,得到所述目标小区的目标扩容优先级,包括:
基于预设话务排序指标,对所述目标小区和所述第一小区进行优先级排序,得到所述目标小区的目标扩容优先级。
4.根据权利要求3所述的方法,其特征在于,所述将所述目标小区的容量特征信息,输入预选训练的扩容优先级评估模型中,得到所述目标小区的扩容优先级之前,还包括:
获取所述预设时间周期内,所述多个小区的预设话务属性的历史容量特征信息;
基于所述预设决策树算法和所述历史容量特征信息,构建对应的决策树;
基于所述决策树,得到所述扩容优先级评估模型。
5.根据权利要求4所述的方法,其特征在于,所述基于所述预设决策树算法和所述历史容量特征信息,构建对应的决策树,包括:
确定与所述预设话务属性对应的多个第一分割点;
获取与所述多个第一分割点对应的第一决策点;
基于所述历史容量特征信息,获取每个所述第一决策点的基尼系数;
基于每个所述第一决策点的基尼系数,确定目标决策点;
将所述历史容量特征信息中,满足所述目标决策点对应的分割条件的容量特征信息确定为第一容量特征信息,不满足所述目标决策点对应的分割条件的容量特征信息确定为第二容量特征信息;
基于所述目标决策点、所述第一容量特征信息和所述第二容量特征信息,构建所述决策树。
6.根据权利要求5所述的方法,其特征在于,所述决策树包括根节点、第一分支和第二分支,所述基于所述目标决策点、所述第一容量特征信息和所述第二容量特征信息,构建所述决策树,包括:
将所述目标决策点作为所述决策树的所述根节点;
基于所述第一容量特征信息,构建所述决策树的所述第一分支;
基于所述第二容量特征信息,构建所述决策树的所述第二分支。
7.根据权利要求6所述的方法,其特征在于,所述基于所述第一容量特征信息,构建所述决策树的第一分支之后,还包括:
获取所述目标决策点对应的第一话务属性;
获取所述预设话务属性中,除所述第一话务属性外,其它话务属性对应的第二分割点;
获取与所述第二分割点对应的第二决策点;
基于所述第一容量特征信息,获取每个所述第二决策点的基尼系数;
基于每个所述第二决策点的基尼系数,确定目标子决策点;
将所述第一容量特征信息中,满足所述目标子决策点对应的分割条件的容量特征信息确定为第三容量特征信息,不满足所述目标子决策点对应的分割条件的容量特征信息确定为第四容量特征信息;
基于所述第三容量特征信息,构建所述决策树的第一分支的第一子分支;
基于所述第四容量特征信息,构建所述决策树的第一分支的第二子分支。
8.一种负载调度装置,其特征在于,所述装置包括:
第一获取模块,用于获取无线通信***中待检测的目标小区的容量特征信息,所述容量特征信息包括小区话务信息和小区基础信息;
优先级获取模块,用于将所述目标小区的容量特征信息,输入预先训练的扩容优先级评估模型中,得到所述目标小区的扩容优先级,所述扩容优先级评估模型为基于预设决策树算法,对预设时间周期内多个小区的历史容量特征信息训练得到;
策略确定模块,用于基于所述目标小区的扩容优先级,确定所述目标小区的扩容策略。
9.一种电子设备,其特征在于,包括处理器、存储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,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的负载调度方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的负载调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010089952.0A CN113260070B (zh) | 2020-02-13 | 2020-02-13 | 一种负载调度方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010089952.0A CN113260070B (zh) | 2020-02-13 | 2020-02-13 | 一种负载调度方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113260070A CN113260070A (zh) | 2021-08-13 |
CN113260070B true CN113260070B (zh) | 2023-04-07 |
Family
ID=77220066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010089952.0A Active CN113260070B (zh) | 2020-02-13 | 2020-02-13 | 一种负载调度方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113260070B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109462853A (zh) * | 2018-11-05 | 2019-03-12 | 武汉虹信技术服务有限责任公司 | 一种基于神经网络模型的网络容量预测方法 |
CN109905882A (zh) * | 2019-02-21 | 2019-06-18 | 中国联合网络通信集团有限公司 | 一种网络扩容方法及装置 |
CN110532154A (zh) * | 2018-05-23 | 2019-12-03 | ***通信集团浙江有限公司 | 应用***扩容方法、装置和设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6480021B2 (ja) * | 2016-01-21 | 2019-03-06 | 京セラ株式会社 | ユーザ端末及び移動通信方法 |
US10785101B2 (en) * | 2017-08-23 | 2020-09-22 | Futurewei Technologies, Inc. | Automatically optimize parameters via machine learning |
-
2020
- 2020-02-13 CN CN202010089952.0A patent/CN113260070B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110532154A (zh) * | 2018-05-23 | 2019-12-03 | ***通信集团浙江有限公司 | 应用***扩容方法、装置和设备 |
CN109462853A (zh) * | 2018-11-05 | 2019-03-12 | 武汉虹信技术服务有限责任公司 | 一种基于神经网络模型的网络容量预测方法 |
CN109905882A (zh) * | 2019-02-21 | 2019-06-18 | 中国联合网络通信集团有限公司 | 一种网络扩容方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113260070A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108990105A (zh) | 无线通信传输方法、装置、移动终端及计算机可读取存储介质 | |
CN113079123B (zh) | 一种恶意网站的检测方法、装置及电子设备 | |
CN107463436A (zh) | 进程控制方法、装置、存储介质以及电子设备 | |
CN115552933A (zh) | 电信通信***中的联邦学习 | |
CN107943570A (zh) | 应用管理方法、装置、存储介质及电子设备 | |
CN113099483A (zh) | 小区拥塞的处理方法、终端及网络侧设备 | |
CN113179509B (zh) | 基于WiFi的自组网方法、装置、存储介质及无线节点 | |
CN115884213A (zh) | 一种资源调度方法、装置及电子设备 | |
CN113259954B (zh) | 一种质差处理策略的确定方法、装置及电子设备 | |
CN113260070B (zh) | 一种负载调度方法、装置及电子设备 | |
CN112396511A (zh) | 分布式风控变量数据处理方法、装置及*** | |
US10783020B2 (en) | Method for invoking component, and terminal | |
CN111901740B (zh) | 一种数据的处理方法、装置及设备 | |
CN111818548B (zh) | 一种数据的处理方法、装置及设备 | |
CN113256044B (zh) | 一种策略的确定方法、装置及电子设备 | |
CN113609349A (zh) | 租赁车辆库存检测方法、装置及介质 | |
CN113260069B (zh) | 一种载波资源调度方法、装置及电子设备 | |
CN113127546A (zh) | 一种数据的处理方法、装置及电子设备 | |
CN107295539A (zh) | 一种上网流量使用情况推送方法及装置 | |
CN105430722B (zh) | 一种载波聚合功能的控制方法及装置 | |
CN113051103B (zh) | 一种数据的处理方法、装置及电子设备 | |
CN117978650A (zh) | 数据处理方法、装置、终端及网络侧设备 | |
CN114390556B (zh) | 一种整改方案的确定方法和装置 | |
CN113055419B (zh) | 一种信息发送方法及装置 | |
WO2024099111A1 (zh) | Ai服务的处理方法及设备 |
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 |