CN113891363B - 小区扩容指数的预测方法、装置及计算机可读存储介质 - Google Patents
小区扩容指数的预测方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113891363B CN113891363B CN202111203797.1A CN202111203797A CN113891363B CN 113891363 B CN113891363 B CN 113891363B CN 202111203797 A CN202111203797 A CN 202111203797A CN 113891363 B CN113891363 B CN 113891363B
- Authority
- CN
- China
- Prior art keywords
- cell
- day
- future
- days
- time period
- 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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
-
- 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)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请公开了一种小区扩容指数的预测方法、装置及计算机可读存储介质,涉及通信技术领域,用于更加准确的预测小区未来的扩容指数。该方法包括:获取小区历史时间段内的扩容门限到达次数、历史时间段内每一天的业务量、以及小区的新建时间天数,小区的新建时间天数为小区建立完成日期到当前日期之间的天数;根据小区历史时间段内每一天的业务量预测得到未来第f天的业务量,f为正整数;根据小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及小区的新建时间天数确定小区未来第f天的扩容指数。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种小区扩容指数的预测方法、装置及计算机可读存储介质。
背景技术
随着网络技术的发展与规模建设,长期演进(long term evolution,LTE)***的网络流量需求增速迅猛,客户对网络感知的需求也越来越高,这些因素给运营商网络容量带来了前所未有的冲击,运营商需要对小区进行扩容,以解决用户感知问题,提高用户体验。
目前的小区扩容方法是获取历史时间段的扩容门限到达次数,直接将此扩容门限到达次数作为小区的扩容指数。然而,当面对某些重要场景小区,如景区、高铁、地铁等,这些小区的容量走势受周期、节假日等因素波动明显,继续采用现有的小区扩容方法会使小区扩容指数出现较大差异,无法实现扩容资源的高效利用,且无法对小区未来的扩容指数做出有效预测。
发明内容
本申请提供一种小区扩容指数的预测方法、装置及计算机可读存储介质,能够更加准确的预测小区未来的扩容指数。
第一方面,提供一种小区扩容指数的预测方法,包括:获取小区历史时间段内的扩容门限到达次数、历史时间段内每一天的业务量、以及小区的新建时间天数,小区的新建时间天数为小区建立完成日期到当前日期之间的天数;根据小区历史时间段内每一天的业务量预测得到未来第f天的业务量,f为正整数;根据小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及小区的新建时间天数确定小区未来第f天的扩容指数。
相比于现有技术中仅根据小区历史时间段内的扩容门限到达次数作为小区的扩容指数,本申请不仅根据小区历史时间段的业务量对小区未来第f天的业务量进行预测,同时考虑了小区的新建时间天数对小区扩容指数的影响,从而根据小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及小区的新建时间天数确定的小区未来第f天的扩容指数更加准确。由此,本申请提供的小区扩容指数的预测方法不仅可以更准确的获取小区的扩容指数,同时还可以对小区未来的扩容指数进行预测,可以科学指导优化人员根据小区未来的容量走势采取差异化的网络保障预案。
可选的,根据小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及小区的新建时间天数确定小区未来第f天的扩容指数,包括:根据小区的新建时间天数,确定新建时间影响因子,新建时间影响因子用于指示小区的新建时间天数对小区的扩容指数的影响;根据小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及小区的新建时间影响因子确定小区未来第f天的扩容指数。
可选的,根据小区的新建时间天数,确定新建时间影响因子,包括:根据公式以及小区的新建时间天数,确定新建时间影响因子;其中,S(t)表示小区的新建时间影响因子,T表示历史时间段的天数,t表示小区的新建时间天数,s表示小区新建后业务量持续上涨的天数。
可选的,业务量以物理资源块PRB的利用率来表征;根据小区历史时间段内的扩容门限到达次数、历史时间段内每一天的业务量、未来第f天的业务量以及小区的新建时间影响因子确定小区未来第f天的扩容指数,包括:根据公式确定所述小区未来第f天的扩容指数,其中,Indexexpan,df表示小区未来第f天的扩容指数,N表示小区历史时间段内的扩容门限到达次数,PRBf表示小区未来第f天的PRB利用率,PRB1表示小区历史时间段内最后一天的PRB利用率,S(t)表示小区的新建时间影响因子。
可选的,小区的扩容门限到达次数包括软件版权许可证扩容门限到达次数或载波扩容门限到达次数。
第二方面,提供一种小区扩容指数的预测装置,包括:获取模块,用于获取小区历史时间段内的扩容门限到达次数、历史时间段内每一天的业务量、以及小区的新建时间天数,小区的新建时间天数为小区建立完成日期到当前日期之间的天数;预测模块,用于根据小区历史时间段内每一天的业务量预测得到未来第f天的业务量,f为正整数;处理模块,用于根据小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及小区的新建时间天数确定小区未来第f天的扩容指数。
可选的,处理模块,还用于根据小区的新建时间天数,确定新建时间影响因子,新建时间影响因子用于指示小区的新建时间天数对小区的扩容指数的影响;根据小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及小区的新建时间影响因子确定小区未来第f天的扩容指数。
可选的,业务量以物理资源块PRB的利用率来表征;处理模块,具体用于根据公式确定小区未来第f天的扩容指数,其中,Indexexpan,df表示小区未来第f天的扩容指数,N表示小区历史时间段内的扩容门限到达次数,PRBf表示小区未来第f天的PRB利用率,PRB1表示小区历史时间段内最后一天的PRB利用率,S(t)表示小区的新建时间影响因子。
可选的,小区的扩容门限到达次数包括软件版权许可证扩容门限到达次数或载波扩容门限到达次数。
第三方面,提供一种小区扩容指数的预测装置,包括一个或多个处理器和一个或多个存储器;一个或多个存储器与一个或多个处理器耦合,一个或多个存储器用于存储计算机程序代码,计算机程序代码包括计算机指令,当一个或多个处理器执行计算机指令时,该预测装置执行上述第一方面及其可选的预测方法。
第四方面,提供一种计算机可读存储介质,包括计算机指令,当计算机指令在计算机上运行时实现如上述第一方面及其可选的确定方法。
本申请中第二方面至第四方面的描述的有益效果,可以参考第一方面的有益效果分析,此处不再赘述。
附图说明
图1为本申请实施例提供的一种小区的扩容指数的预测方法的流程示意图;
图2为本申请实施例提供的一种小区的扩容指数的预测装置的组成示意图;
图3为本申请实施例提供的一种小区的扩容指数的预测装置的硬件结构示意图。
具体实施方式
为了便于本领域技术人员的理解,本申请实施例在此对本申请实施例中涉及到的术语进行说明。
license:软件版权许可证,是为配合商务报价,通过对无线产品的软硬件进行分类授权,达到持续盈利的许可证管理方法。应用于所有无线产品软件包的使用场景,例如测试、展会、演示、工程、商用等各类型的需要无线软件产品运行的场景。目前通信网络中的license控制都是事前控制或者实时控制,即在配置数据下发到通讯设备生效之前对配置流程进行控制,如果超出授权,则配置数据无法生效;或者是在***运行过程中实时计算资源的使用量,如果超出授权,则对超出部分禁止功能使用。
Prophet算法:是一种当前较先进的时间序列预测算法,其本质上是时间序列的分解,模型的输入为时间序列的时间戳和相应的值,给定需要预测的时间序列的长度,Prophet算法将输出未来的时间序列预测。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,除非另有说明,“/”表示“或”的意思,例如,A/B可以表示A或B。本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。此外,“至少一个”是指一个或多个,“多个”是指两个或两个以上。“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
需要说明的是,本申请中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
如背景技术所述,目前的小区扩容方法是获取历史时间段的扩容门限到达次数,直接将此扩容门限到达次数作为小区的扩容指数。然而,当面对某些重要场景小区,如景区、高铁、地铁等,这些小区的容量走势受周期、节假日等因素波动明显,继续采用现有的小区扩容方法会使小区扩容指数出现较大差异,无法实现扩容资源的高效利用,且无法对小区未来的扩容指数做出有效预测。
基于上述问题,相比于现有技术中仅根据小区历史时间段内的扩容门限到达次数作为小区的扩容指数,本申请不仅根据小区历史时间段的业务量对小区未来第f天的业务量进行预测,同时考虑了小区的新建时间天数对小区扩容指数的影响,从而根据小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及小区的新建时间天数确定的小区未来第f天的扩容指数更加准确。由此,本申请提供的小区扩容指数的预测方法不仅可以更准确的获取小区的扩容指数,同时还可以对小区未来的扩容指数进行预测,可以科学指导优化人员根据小区未来的容量走势采取差异化的网络保障预案。
下面结合说明书附图,对本申请的实施例进行具体说明。
如图1所示,本申请实施例提供一种小区扩容指数的预测方法,该方法包括以下步骤:
S101、获取小区历史时间段内的扩容门限到达次数、历史时间段内每一天的业务量、以及所述小区的新建时间天数。
可选的,小区的网络容量主要由license资源和空口资源决定。
因此,本申请实施例基于影响网络容量的关键指标,从RRC license扩容和载波扩容这两个方面来考虑小区扩容。
具体的,在考虑是否进行RRC license扩容时,上述扩容门限到达次数采用RRClicense扩容门限到达次数Nl。在考虑是否进行载波扩容时,上述扩容门限到达次数采用载波扩容门限到达次数Nc。
应理解,扩容门限到达次数越大,说明该小区的负荷较高,需要尽快扩容。
可选的,历史时间段内每一天的业务量可以采用以下参数来表征:有数据传输的RRC连接数、PRB利用率等。
示例性的,本申请实施例中的业务量以PRB利用率为例。
可选的,获取小区历史时间段内每一天0-23点的PRB利用率,根据历史时间段内每一天0-23点的PRB利用率确定小区历史时间段内每一天的PRB利用率。
在本申请实施例中,小区的新建时间天数为小区建立完成日期到当前日期之间的天数。示例性的,小区建立完成日期为2021年8月1号,当前日期为2021年8月24号,则该小区的新建时间天数为24天。
S102、根据小区历史时间段内每一天的业务量预测得到未来第f天的业务量,f为正整数。
作为一种可能的实现方式,以小区历史时间段内每一天的PRB利用率为数据集,带入Prophet算法进行训练,得到Prophet预测模型,通过该预测模型可以预测得到未来第f天的PRB利用率。
S103、根据小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及小区的新建时间天数确定小区未来第f天的扩容指数。
可选的,步骤S103可以具体实现为:S1031-S1032。
S1031、根据小区的新建时间天数,确定新建时间影响因子。
其中,新建时间影响因子用于指示小区的新建时间天数对小区的扩容指数的影响。
在一些实施例中,小区从新建完成后的一段短期时间(例如s天)内业务量呈现持续上涨趋势,因此新建时间因子需要大于1,以便对扩容门限到达次数起到放大的作用。随着新建时间的推移,业务量上涨趋势逐渐消退,小区业务量变化趋势趋于常规化波动,此时小区的新建时间天数对小区扩容指数的影响逐渐减小,新建时间影响因子无限趋近于1。
可选的,依据实际情况,新建小区的业务量上涨趋势周期为30天,因此上述式中的s一般取值为30。
本申请实施例考虑到当小区在历史时间段内新建,且新建时间不长,则小区在历史时间段内积累的扩容门限到达次数较少,然而该小区在新建短期内已经到达了上述积累的扩容门限的次数,且从小区建立的生命周期来看,短期内小区的业务量会呈现快速上升趋势,将使小区容量进一步增加,如果单纯统计小区到达扩容门限的次数无法准确反应小区扩容指数,因此本申请根据小区的新建时间天数确定了新建时间因子,用于放大新建小区的扩容指数,以便新建小区在业务量上涨期间有足够的网络容量。
S1032、根据所述小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及所述小区的新建时间影响因子确定所述小区未来第f天的扩容指数。
可选的,根据公式确定小区未来第f天的扩容指数。其中,Indexexpan,df表示小区未来第f天的扩容指数,N表示小区历史时间段内的扩容门限到达次数,PRBf表示小区未来第f天的PRB利用率,PRB1表示小区历史时间段内最后一天的PRB利用率,S(t)表示小区的新建时间影响因子。
进一步的,在计算出多个小区的扩容指数之后,分别将多个小区按照扩容指数从小到大排序,扩容指数高的小区优先扩容。
本申请实施例相比于现有技术中仅根据小区历史时间段内的扩容门限到达次数作为小区的扩容指数,本申请实施例不仅根据小区历史时间段的业务量对小区未来第f天的业务量进行预测,同时考虑了小区的新建时间天数对小区扩容指数的影响,从而根据小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及小区的新建时间天数确定的小区未来第f天的扩容指数更加准确。由此,本申请实施例提供的小区扩容指数的预测方法不仅可以更准确的获取小区的扩容指数,同时还可以对小区未来的扩容指数进行预测,可以科学指导优化人员根据小区未来的容量走势采取差异化的网络保障预案。
为了使本领域技术人员更容易理解本申请的技术方案,以下示例性的给出一个依据图1所示方法确定的小区扩容指数的实施例。
一、获取过去100天内(T=100)小区1~小区6的载波扩容门限(Nc)到达次数和新建时间天数(t),具体如表1所示:
表1
小区名称 | 小区1 | 小区2 | 小区3 | 小区4 | 小区5 | 小区6 |
Nc | 15 | 90 | 85 | 5 | 65 | 25 |
新建时间t | 300 | 400 | 700 | 10 | 200 | 30 |
二、获取过去100天内6个小区每一天的PRB利用率PRBi,m,i=1,…6;m=1,…100,如表2所示:
表2
三、以PRBi,m为数据集,分别预测未来第15天(f=15)的PRB利用率PRB15,i,i=1,…6,如表3所示:
表3
PRB15,1 | PRB15,2 | PRB15,3 | PRB15,4 | PRB15,5 | PRB15,6 |
8.89 | 13.08 | 17.01 | 9.76 | 17.53 | 11.96 |
四、分别计算每个小区的新建时间因子S(t),式中s=30,如表4所示:
表4
S1(t) | S2(t) | S3(t) | S4(t) | S5(t) | S6(t) |
1 | 1.0 | 1.0 | 10.1 | 1.0 | 2.6 |
五、分别计算每个小区未来第15天的扩容指数Indexexpand,15,如表5所示:
表5
小区名称 | 小区1 | 小区2 | 小区3 | 小区4 | 小区5 | 小区6 |
Indexexpand,15 | 17.16 | 100.08 | 106.5 | 78.0 | 70.2 | 93.5 |
六、按照小区的扩容指数大小,扩容指数越大的小区优先扩容。
由表5可知,上述6个小区的扩容指数大小为:小区3>小区2>小区6>小区4>小区5>小区1,则扩容顺序为:小区3、小区2、小区6、小区4、小区5、小区1。
本申请实施例相比于现有技术中仅根据小区历史时间段内的扩容门限到达次数作为小区的扩容指数,本申请实施例不仅根据小区历史时间段的业务量对小区未来第f天的业务量进行预测,同时考虑了小区的新建时间天数对小区扩容指数的影响,从而根据小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及小区的新建时间天数确定的小区未来第f天的扩容指数更加准确。由此,本申请实施例提供的小区扩容指数的预测方法不仅可以更准确的获取小区的扩容指数,同时还可以对小区未来的扩容指数进行预测,可以科学指导优化人员根据小区未来的容量走势采取差异化的网络保障预案。
可以看出,上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
本申请实施例可以根据上述方法示例对控制装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。可选的,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
如图2所示,本申请实施例提供一种小区扩容指数的预测装置的结构示意图。该预测装置包括:获取模块201、预测模块202、处理模块203。
获取模块201,用于获取小区历史时间段内的扩容门限到达次数、历史时间段内每一天的业务量、以及小区的新建时间天数,小区的新建时间天数为小区建立完成日期到当前日期之间的天数;
预测模块202,用于根据小区历史时间段内每一天的业务量预测得到未来第f天的业务量,f为正整数;
处理模块203,用于根据小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及小区的新建时间天数确定小区未来第f天的扩容指数。
可选的,处理模块303,还用于根据小区的新建时间天数,确定新建时间影响因子,新建时间影响因子用于指示小区的新建时间天数对小区的扩容指数的影响;根据小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及小区的新建时间影响因子确定小区未来第f天的扩容指数。
可选的,业务量以物理资源块PRB的利用率来表征;处理模块303,具体用于根据公式确定小区未来第f天的扩容指数,其中,Indexexpan,df表示小区未来第f天的扩容指数,N表示小区历史时间段内的扩容门限到达次数,PRBf表示小区未来第f天的PRB利用率,PRB1表示小区历史时间段内最后一天的PRB利用率,S(t)表示小区的新建时间影响因子。
可选的,小区的扩容门限到达次数包括软件版权许可证扩容门限到达次数或载波扩容门限到达次数。
如图3所示,本申请还提供一种拓扑准确度的确定装置的硬件结构示意图30,包括处理器301和存储器302。可选的,处理器301和存储器302之间通过总线303相连。
处理器301可以是中央处理器(central processing unit,CPU),通用处理器网络处理器(network processor,NP)、数字信号处理器(digital signal processing,DSP)、微处理器、微控制器、可编程逻辑器件(programmable logic device,PLD)或它们的任意组合。处理器还可以是其它任意具有处理功能的装置,例如电路、器件或软件模块。处理器301也可以包括多个CPU,并且处理器301可以是一个单核(single-CPU)处理器,也可以是多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路或用于处理数据(例如计算机程序指令)的处理核。
存储器302可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备、随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、只读光盘(compact disc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,本申请实施例对此不作任何限制。存储器302可以是独立存在,也可以和处理器301集成在一起。其中,存储器302中可以包含计算机程序代码。处理器301用于执行存储器302中存储的计算机程序代码,从而实现本申请实施例提供的方法。
通信接口303可以用于与其他设备或通信网络通信(如以太网,无线接入网(radioaccess network,RAN),无线局域网(wireless local area networks,WLAN)等)。
总线304可以是外设部件互连标准(peripheral component interconnect,PCI)总线或扩展工业标准结构(extended industry standard architecture,EISA)总线等。所述总线304可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
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包括计算机执行指令,当计算机执行指令在计算机上运行时,使得计算机执行如上述实施例提供的预测方法。
本发明实施例还提供一种计算机程序产品,该计算机程序产品可直接加载到存储器中,并含有软件代码,该计算机程序产品经由计算机载入并执行后能够实现上述实施例提供的预测方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机执行指令。在计算机上加载和执行计算机执行指令时,全部或部分地产生按照本申请实施例所述的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机执行指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机执行指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带),光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看附图、公开内容、以及所附权利要求书,可理解并实现公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (11)
1.一种小区扩容指数的预测方法,其特征在于,所述方法包括:
获取小区历史时间段内的扩容门限到达次数、历史时间段内每一天的业务量、以及所述小区的新建时间天数,所述小区的新建时间天数为所述小区建立完成日期到当前日期之间的天数;
根据所述小区历史时间段内每一天的业务量预测得到未来第f天的业务量,f为正整数;
根据所述小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及所述小区的新建时间天数确定所述小区未来第f天的扩容指数。
2.根据权利要求1所述的方法,其特征在于,根据所述小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及所述小区的新建时间天数确定所述小区未来第f天的扩容指数,包括:
根据所述小区的新建时间天数,确定新建时间影响因子,所述新建时间影响因子用于指示所述小区的新建时间天数对所述小区的扩容指数的影响;
根据所述小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及所述小区的新建时间影响因子确定所述小区未来第f天的扩容指数。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述小区的扩容门限到达次数包括软件版权许可证扩容门限到达次数或载波扩容门限到达次数。
6.一种小区扩容指数的预测装置,其特征在于,所述装置包括:
获取模块,用于获取小区历史时间段内的扩容门限到达次数、历史时间段内每一天的业务量、以及所述小区的新建时间天数,所述小区的新建时间天数为所述小区建立完成日期到当前日期之间的天数;
预测模块,用于根据所述小区历史时间段内每一天的业务量预测得到未来第f天的业务量,f为正整数;
处理模块,用于根据所述小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及所述小区的新建时间天数确定所述小区未来第f天的扩容指数。
7.根据权利要求6所述的装置,其特征在于,
所述处理模块,还用于根据所述小区的新建时间天数,确定新建时间影响因子,所述新建时间影响因子用于指示所述小区的新建时间天数对所述小区的扩容指数的影响;根据所述小区历史时间段内的扩容门限到达次数、历史时间段内最后一天的业务量、未来第f天的业务量以及所述小区的新建时间影响因子确定所述小区未来第f天的扩容指数。
10.根据权利要求6-9任一项所述的装置,其特征在于,所述小区的扩容门限到达次数包括软件版权许可证扩容门限到达次数或载波扩容门限到达次数。
11.一种计算机可读存储介质,其特征在于包括计算机指令,当所述计算机指令在计算机上运行时实现如权利要求1-5中任一项所述的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111203797.1A CN113891363B (zh) | 2021-10-15 | 2021-10-15 | 小区扩容指数的预测方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111203797.1A CN113891363B (zh) | 2021-10-15 | 2021-10-15 | 小区扩容指数的预测方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113891363A CN113891363A (zh) | 2022-01-04 |
CN113891363B true CN113891363B (zh) | 2023-05-30 |
Family
ID=79003103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111203797.1A Active CN113891363B (zh) | 2021-10-15 | 2021-10-15 | 小区扩容指数的预测方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113891363B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106162680A (zh) * | 2015-03-24 | 2016-11-23 | ***通信集团福建有限公司 | 扩容参数确定方法及装置 |
CN109195170A (zh) * | 2018-08-31 | 2019-01-11 | 中国联合网络通信集团有限公司 | 小区扩容方法、装置及存储介质 |
CN109327844A (zh) * | 2018-11-27 | 2019-02-12 | 中国联合网络通信集团有限公司 | 一种小区扩容方法及装置 |
CN110493793A (zh) * | 2019-09-30 | 2019-11-22 | 南京华苏科技有限公司 | 基于容量lte规划新建站的方法及*** |
CN110858805A (zh) * | 2018-08-23 | 2020-03-03 | ***通信集团山东有限公司 | 小区网络流量预测方法及装置 |
CN111918319A (zh) * | 2019-05-08 | 2020-11-10 | ***通信集团福建有限公司 | 一种忙时忙区预测方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9867080B2 (en) * | 2016-03-31 | 2018-01-09 | T-Mobile Usa, Inc. | Determining network congestion based on target user throughput |
KR102386382B1 (ko) * | 2019-01-09 | 2022-04-14 | 삼성전자 주식회사 | 무선 통신 시스템에서 셀 용량의 포화도를 예측하는 방법 및 장치 |
-
2021
- 2021-10-15 CN CN202111203797.1A patent/CN113891363B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106162680A (zh) * | 2015-03-24 | 2016-11-23 | ***通信集团福建有限公司 | 扩容参数确定方法及装置 |
CN110858805A (zh) * | 2018-08-23 | 2020-03-03 | ***通信集团山东有限公司 | 小区网络流量预测方法及装置 |
CN109195170A (zh) * | 2018-08-31 | 2019-01-11 | 中国联合网络通信集团有限公司 | 小区扩容方法、装置及存储介质 |
CN109327844A (zh) * | 2018-11-27 | 2019-02-12 | 中国联合网络通信集团有限公司 | 一种小区扩容方法及装置 |
CN111918319A (zh) * | 2019-05-08 | 2020-11-10 | ***通信集团福建有限公司 | 一种忙时忙区预测方法及装置 |
CN110493793A (zh) * | 2019-09-30 | 2019-11-22 | 南京华苏科技有限公司 | 基于容量lte规划新建站的方法及*** |
Non-Patent Citations (2)
Title |
---|
Panasonic.R1-113118 "Performance Evaluation of Cell Range Expansion in Combination with ABS Ratio Optimization".3GPP tsg_ran\WG1_RL1.2011,(TSGR1_66b),全文. * |
联通4G容量需求分析及解决方案;黄善兰;《通信电源技术》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113891363A (zh) | 2022-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109710405B (zh) | 区块链智能合约管理方法、装置、电子设备及存储介质 | |
CN109327844B (zh) | 一种小区扩容方法及装置 | |
US9189738B2 (en) | Automatic event analysis | |
CN109788489A (zh) | 一种基站规划方法及装置 | |
CN111147395B (zh) | 一种网络资源调整方法及装置 | |
CN105580407A (zh) | 一种网络资源部署方法和设备 | |
CN113256022B (zh) | 一种台区用电负荷预测方法及*** | |
US20220253214A1 (en) | Data processing method, apparatus, device, and readable storage medium | |
CN111966289A (zh) | 基于Kafka集群的分区优化方法和*** | |
CN111985726A (zh) | 资源数量预测方法、装置、电子设备及存储介质 | |
CN110618867A (zh) | 一种预测资源使用量的方法和装置 | |
CN111835536B (zh) | 一种流量预测方法和装置 | |
CN109992408B (zh) | 一种资源分配方法、装置、电子设备和存储介质 | |
CN112925634A (zh) | 异构资源调度方法和*** | |
CN112533270B (zh) | 基站节能的处理方法、装置、电子设备及存储介质 | |
CN113837383A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN113891363B (zh) | 小区扩容指数的预测方法、装置及计算机可读存储介质 | |
CN104281587B (zh) | 一种建立连接的方法及装置 | |
CN111401772A (zh) | 客服请求分配方法、装置及设备 | |
CN114138453B (zh) | 一种适合边缘计算环境的资源优化分配方法与*** | |
CN111585789B (zh) | 数据预测方法及装置 | |
CN111694670A (zh) | 资源分配方法、装置、设备和计算机可读介质 | |
CN114339796B (zh) | 小区休眠数据处理方法、装置、电子设备及存储介质 | |
CN113727274B (zh) | 一种用户移动性确定方法、装置、设备及存储介质 | |
CN116321272B (zh) | Af网元中ue地址信息的时效预测方法及装置 |
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 |