CN115174416B - 一种网络规划***、方法、装置及电子设备 - Google Patents
一种网络规划***、方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115174416B CN115174416B CN202210817870.2A CN202210817870A CN115174416B CN 115174416 B CN115174416 B CN 115174416B CN 202210817870 A CN202210817870 A CN 202210817870A CN 115174416 B CN115174416 B CN 115174416B
- Authority
- CN
- China
- Prior art keywords
- network
- data
- model
- network planning
- deployed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004088 simulation Methods 0.000 claims abstract description 110
- 238000004891 communication Methods 0.000 claims abstract description 66
- 238000005457 optimization Methods 0.000 claims abstract description 47
- 230000008859 change Effects 0.000 claims description 44
- 230000004927 fusion Effects 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 description 22
- 238000012800 visualization Methods 0.000 description 17
- 238000007726 management method Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000009472 formulation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000013499 data model Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- ORQBXQOJMQIAOY-UHFFFAOYSA-N nobelium Chemical compound [No] ORQBXQOJMQIAOY-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- 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
-
- 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
-
- 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)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供了一种网络规划***、方法、装置及电子设备，应用于通信网络技术领域。该网络规划***包括：数据单元、模型单元；数据单元，用于获取已部署网络对应的网络数据，其中，网络数据为基于已部署网络的物理网络实体的运行数据，以及地理环境数据所生成的；模型单元，用于基于网络数据，构建需求预测模型；基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对网络规划需求的初始网络规划方案；构建针对初始网络规划方案的网络仿真模型；运行网络仿真模型，得到仿真运算数据；基于仿真运算数据，对初始网络规划方案，进行方案优化，得到优化后的网络规划方案。通过本方案，可以提高网络规划的效率。
Description
技术领域
本发明涉及通信网络技术领域，特别是涉及一种网络规划***、方法、装置及电子设备。
背景技术
随着社会的进步、以及通信技术的发展，通信网络的业务类型、规模和复杂性也在不断的增长，因此，在部署新的通信网络之前，对待部署的通信网络进行网络规划就显得尤为重要。
相关技术中，多采用人工手段进行网络规划，简单而言，规划人员首先需要收集相关数据，例如地理环境数据、用户数据等，进而利用所收集的数据，制定网络规划方案，并进一步采用线下仿真或试点运行等方式，对所制定的网络规划方案进行验证，最终基于验证结果调整所制定的网络规划方案，直至得到可用的网络规划方案。
相关技术中，采用人工手段进行网络规划，使得网络规划的效率较低。
发明内容
本发明实施例的目的在于提供一种网络规划***、方法、装置及电子设备，以提高网络规划的效率。具体技术方案如下：
第一方面，本发明实施例提供一种网络规划***，包括：数据单元、模型单元；
所述数据单元，用于获取已部署网络对应的网络数据，其中，所述网络数据为基于所述已部署网络的物理网络实体的运行数据，以及地理环境数据所生成的；
所述模型单元，用于基于所述网络数据，构建需求预测模型；基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对所述网络规划需求的初始网络规划方案；构建针对所述初始网络规划方案的网络仿真模型；运行所述网络仿真模型，得到仿真运算数据；基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
可选的，所述网络规划***还包括应用单元；
所述应用单元，用于向所述模型单元发送网络规划指令；
所述模型单元，具体用于当接收到所述应用单元发送的所述网络规划指令时，基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对所述网络规划需求的初始网络规划方案。
可选的，所述应用单元，还用于可视化展示所述初始网络规划方案，并向所述模型单元发送网络优化指令；
所述模型单元，具体用于当接收到所述应用单元发送的所述网络优化指令时，构建针对所述初始网络规划方案的网络仿真模型；运行所述网络仿真模型，得到仿真运算数据；基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
可选的，所述初始网络规划方案包括多个待部署网元、各待部署网元的拓扑信息以及每一待部署网元的部署信息；
所述模型单元构建针对所述初始网络规划方案的网络仿真模型，包括：
从预先构建的各网元模型中，确定每一待部署网元的网元模型，作为目标网元模型；
基于待部署网元的拓扑信息，以及预先构建的拓扑模型，建立各目标网元模型之间的拓扑关系；
基于各目标网元模型之间的拓扑关系以及每一待部署网元的部署信息，将各目标网元模型部署在预先构建的地图模型中，得到网络仿真模型。
可选的，所述需求预测模型包括用户预测模型、业务预测模型中的至少一种；其中，所述用户预测模型用于预测用户数量的变化情况，所述业务预测模型用于预测通信业务的变化情况；
所述模型单元基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，包括：
基于所述用户预测模型所预测的用户数量变化结果，和/或所述业务预测模型所预测的通信业务变化结果，生成对应所述用户数量变化结果和/或通信业务变化结果的网络规划需求。
可选的，所述模型单元基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案，包括：
将所述仿真运算数据输入预先构建的网络容量模型、路径模型以及策略模型中的至少一模型，对所述初始网络规划方案进行迭代优化，得到优化后的网络规划方案。
可选的，所述数据单元，具体用于获取已部署网络的物理网络实体的运行数据以及地理环境数据；按照预设的数据融合规则，对所述物理网络实体的运行数据以及所述地理环境数据，进行数据融合，得到所述已部署网络对应的网络数据。
可选的，所述网络数据包括现网数据、历史数据、业务数据、人口数据、所述地理环境数据中的至少一种；其中，所述现网数据为当前时间段内物理网络实体的运行数据，所述历史数据为历史时间段内物理网络实体的运行数据。
可选的，所述模型单元，还用于生成针对所述优化后的网络规划方案的评估报告，并输入所述优化后的网络规划方案和所述评估报告。
可选的，所述数据单元，还用于在基于所述优化后的网络规划方案部署通信网络之后，获取基于所述优化后的网络规划方案所部署的通信网络的网络数据。
第二方面，本发明实施例提供一种网络规划方法，所述方法包括：
获取已部署网络对应的网络数据，其中，所述网络数据为基于所述已部署网络的物理网络实体的运行数据，以及地理环境数据所生成的；
基于所获取的网络数据，构建需求预测模型；
基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对所述网络规划需求的初始网络规划方案；
构建针对所述初始网络规划方案的网络仿真模型，并运行所述网络仿真模型，得到仿真运算数据；
基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
可选的，所述初始网络规划方案包括多个待部署网元、各待部署网元的拓扑信息以及每一待部署网元的部署信息；
所述构建针对所述初始网络规划方案的网络仿真模型，包括：
从预先构建的各网元模型中，确定每一待部署网元的网元模型，作为目标网元模型；
基于待部署网元的拓扑信息，以及预先构建的拓扑模型，建立各目标网元模型之间的拓扑关系；
基于各目标网元模型之间的拓扑关系以及每一待部署网元的部署信息，将各目标网元模型部署在预先构建的地图模型中，得到网络仿真模型。
可选的，所述需求预测模型包括用户预测模型、业务预测模型中的至少一种；其中，所述用户预测模型用于预测用户数量的变化情况，所述业务预测模型用于预测通信业务的变化情况；
所述基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，包括：
基于所述用户预测模型所预测的用户数量变化结果，和/或所述业务预测模型所预测的通信业务变化结果，生成对应所述用户数量变化结果和/或通信业务变化结果的网络规划需求。
可选的，所述基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案，包括：
将所述仿真运算数据输入预先构建的网络容量模型、路径模型以及策略模型中的至少一模型，对所述初始网络规划方案进行迭代优化，得到优化后的网络规划方案。
可选的，所述获取已部署网络对应的网络数据，包括：
获取已部署网络的物理网络实体的运行数据以及地理环境数据；
按照预设的数据融合规则，对所述物理网络实体的运行数据以及所述地理环境数据，进行数据融合，得到所述已部署网络对应的网络数据。
可选的，所述网络数据包括现网数据、历史数据、业务数据、人口数据、所述地理环境数据中的至少一种；其中，所述现网数据为当前时间段内物理网络实体的运行数据，所述历史数据为历史时间段内物理网络实体的运行数据。
可选的，在所述生成针对所述网络规划需求的初始网络规划方案之后，所述方法还包括：
可视化展示所述初始网络规划方案。
可选的，在所述基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案之后，所述方法还包括：
生成针对所述优化后的网络规划方案的评估报告，并输入所述优化后的网络规划方案和所述评估报告。
可选的，所述方法还包括：
在基于所述优化后的网络规划方案部署通信网络之后，获取基于所述优化后的网络规划方案所部署的通信网络的网络数据。
第三方面，本发明实施例一种网络规划装置，所述装置包括：
数据获取模块，用于获取已部署网络对应的网络数据，其中，所述网络数据为基于所述已部署网络的物理网络实体的运行数据，以及地理环境数据所生成的；
模型构建模块，用于基于所获取的网络数据，构建需求预测模型；
方案规划模块，用于基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对所述网络规划需求的初始网络规划方案；
仿真模块，用于构建针对所述初始网络规划方案的网络仿真模型，并运行所述网络仿真模型，得到仿真运算数据；
优化模块，基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
第四方面，本发明实施例提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第二方面任一所述的方法步骤。
第五方面，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内存储有计算机程序，所述计算机程序被处理器执行时实现第二方面任一所述的方法步骤。
本发明实施例有益效果：
本发明实施例提供的网络规划***，可以包括数据单元和模型单元，其中，数据单元，用于获取已部署网络对应的网络数据，进而模型单元可以基于网络数据，构建需求预测模型，并基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，以及生成针对网络规划需求的初始网络规划方案，以及构建针对初始网络规划方案的网络仿真模型；运行网络仿真模型，得到仿真运算数据，进而基于仿真运算数据，对初始网络规划方案，进行方案优化，得到优化后的网络规划方案。由于通过数据单元和模型单元可以确定网络规划需求，并自动生成初始网络规划方案，进而自动对初始网络规划方案进行初始网络规划方案，从而可以自动进行网络规划，提高了网络规划的效率。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
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的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
图1为本发明实施例所提供的网络规划***的结构示意图；
图2为本发明实施例所提供的网络规划***的另一结构示意图；
图3为本发明实施例所提供的网络规划***的另一结构示意图；
图4为本发明实施例所提供的网络规划方法的流程图；
图5为本发明实施例所提供的网络规划装置的结构示意图；
图6为本发明实施例所提供的电子设备的结构示意。
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基于本申请所获得的所有其他实施例，都属于本发明保护的范围。
数字孪生是数字世界中物理实体的实时表示，目前已应用于许多面向智能制造和“工业4.0”的行业，如航空航天工程、电网、汽车制造、石油工业等，为各行业带来了显而易见的效率提升和成本下降。未来数字孪生技术将广泛应用于智慧城市、人类活动管理和科学研究等领域，使整个社会走向“数字孪生”世界。通信网络为构建“数字孪生”世界提供了坚实的基础。然而随着通信网络的业务类型、规模和复杂性不断的增长，通信网络本身也需要借助数字孪生技术寻求物理之外的解决方案。
网络规划阶段是电信网络全生命周期中，最核心、关联知识密度最大的阶段之一，在部署新的通信网络之前，对待部署的通信网络进行网络规划可以有效提高部署通信网络的效率。然而相关技术中多采用人工手段进行网络规划，简单而言，规划人员首先需要收集相关数据，例如地理环境数据、用户数据等，进而利用所收集的数据，制定网络规划方案，并进一步采用线下仿真或试点运行等方式，对所制定的网络规划方案进行验证，最终基于验证结果调整所制定的网络规划方案，直至得到可用的网络规划方案。由于采用人工手段进行网络规划，使得网络规划的效率较低。
为了提高网络规划的效率，本发明实施例提供了网络规划***、方法、装置及电子设备。
其中，本发明实施例所提供的网络规划***，可以包括：数据单元、模型单元；
数据单元，用于获取已部署网络对应的网络数据，其中，网络数据为基于已部署网络的物理网络实体的运行数据，以及地理环境数据所生成的；
模型单元，用于基于网络数据，构建需求预测模型；基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对网络规划需求的初始网络规划方案；构建针对初始网络规划方案的网络仿真模型；运行网络仿真模型，得到仿真运算数据；基于仿真运算数据，对初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
本发明实施例上述方案中，可以通过数据单元和模型单元可以确定网络规划需求，并自动生成初始网络规划方案，进而自动对初始网络规划方案进行初始网络规划方案，从而可以自动进行网络规划，提高了网络规划的效率。
下面将结合说明书附图，对本发明实施例所提供的网络规划***进行详尽的阐述。
如图1所示，本发明实施例提供一种网络规划***，包括：数据单元101、模型单元102；
数据单元101，用于获取已部署网络对应的网络数据，其中，网络数据为基于已部署网络的物理网络实体的运行数据，以及地理环境数据所生成的；
模型单元102，用于基于网络数据，构建需求预测模型；基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对网络规划需求的初始网络规划方案；构建针对初始网络规划方案的网络仿真模型；运行网络仿真模型，得到仿真运算数据；基于仿真运算数据，对初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
数据单元101可以实时获取已部署网络对应的网络数据，并不断的对所获取的数据进行更新。可选的，上述数据单元101可以获取已部署网络的物理网络实体的运行数据以及地理环境数据，进而按照预设的数据融合规则，对物理网络实体的运行数据以及地理环境数据，进行数据融合，得到已部署网络对应的网络数据。
上述数据融合规则可以根据不同类型的数据根据需求设定。可选的，上述物理网络实体可以是移动通信网络、宽带网络、数据中心网络、园区企业网络等网络类型，也可以是单一网络域子网(如：接入网、传输网、核心网、承载网等)或者多个子网的组合。可以通过部署在物理网络实体内的传感器、网络探针、控制指令、管理***、相关日志等方式获取物
理网络实体的运行数据。
在获取到已部署网络的物理网络实体的运行数据以及地理环境数据之后，可以对所获取的数据进行简单处理，以提取出有效的融合数据。具体的，可以按照预设的数据融合规则，对物理网络实体的运行数据以及地理环境数据，进行数据融合，得到已部署网络对应的网络数据。例如物理网络实体的运行数据包括指定数据类型的数据，进而可以按照该指定数据类型对应的计算方式，计算该指定数据类型的数据，得到指标数据。一种示例中，物理网络实体中有很多相似的物理对象，可以通过识别算法匹配相似性高的物理对象数据(状态、参数等)，从而更好地对这些数据进行聚类、处理和分析，提高数据的利用率，实现多个物理对象数据的高效整合。另一种示例中，可以对各种传感器的数据进行融合，扩大有效信息量，生成对网络设备健康状况进行评估的有效数据，进而基于模型可以发现网络中可能存在的安全隐患和故障点，及时进行更换和修复。
通过数据融合，可以得到网络数据。可选的，上述述网络数据可以包括现网数据、历史数据、业务数据、人口数据、地理环境数据中的至少一种。其中，现网数据为当前时间段内物理网络实体的运行数据，历史数据为历史时间段内物理网络实体的运行数据。该运行数据可以为资源基站、网络节点、网络设备的状态、各网元之间的传输速度等网络相关的数据。上述业务数据可以为业务相关的数据，例如业务所涉及的客户、用户类型、用户数量、业务的所在的区域等。上述人口数据可以包括基站覆盖的数量、家庭用户，或不同小区的人数、家庭等。
数据单元101可以将获取的网络数据传输至模型单元102，从而模型单元102可以基于网络数据，构建需求预测模型，并基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，以及生成针对网络规划需求的初始网络规划方案，以及构建针对初始网络规划方案的网络仿真模型，从而运行网络仿真模型，得到仿真运算数据，最终基于仿真运算数据，对初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
一种实现方式中，上述需求预测模型可以包括用户预测模型、业务预测模型中的至少一种；其中，用户预测模型用于预测用户数量的变化情况，业务预测模型用于预测通信业务的变化情况。此时，上述模型单元102可以基于用户预测模型所预测的用户数量变化结果，和/或业务预测模型所预测的通信业务变化结果，生成对应用户数量变化结果和/或通信业务变化结果的网络规划需求。
一种实现方式中，模型单元102可以按照网络规划的应用场景和具体需求，构建、验证、优化、管理相关模型，为网络规划应用提供数据模型实例。该模型单元102可以构建网元模型、拓扑模型、地图模型、用户预测模型、业务预测模型、网络容量模型、网络切片模型、路径模型、策略模型等模型中的至少一种模型。
模型单元102是本发明的网络规划***的核心，是物理网络在数字孪生空间的综合呈现。可选的，模型单元102可划分为三部分：网络基础模型、网络规划功能模型以及模型管理。
其中，上述网络基础模型可以包括网元模型、拓扑模型、地图模型，是物理网络实体及其所处地理环境现状的三维立体呈现，用于网络规划方案的精准制定以及网络规划方案、模型的仿真验证，同时结合数据分析完成网络规划方案的优化以及网络规划功能模型的迭代调优。
上述网络规划功能模型可以包括用户预测模型、业务预测模型、网络容量模型、网络切片模型、路径模型、策略模型等。分别按照网络规划的具体功能需求创建，用于网络规划方案的制定和优化，提升网络精准规划能力。其中，用户预测模型，主要用于从时间和空间两个维度，预测不同类型的网络用户的数量变化趋势和分布变化趋势。业务预测模型，从应用场景出发，通过数据分析不同应用场景未来通信业务的发展趋势，判断各应用场景的指标参数，预测各应用场景下可能发生的业务。网络容量模型，通过分析网络容量历史数据，结合网络容量预测公式，预测未来时间的网络容量。网络切片模型，用于网络切片实例的全生命周期管理，包括设计、配置、运行、终结等阶段，按需规划网络切片的应用和部署；路径模型，通过分析网络实时环境，设计网络各业务的最优路径。策略模型，用于构建、运行、管理网络规划的相关策略，主要包括网络参数配置、组网策略等。评估模型，主要从网络重要指标、经济效应等方面对网络规划方案进行评估。其他模型主要包括其他功能模型和规划创新技术。
上述模型管理用于所有模型实例的创建、存储、更新以及模型组合、应用关联的管理。同时，记录并呈现各个模型实例的数据加载、仿真验证过程和结果。
一种实现方式中，模型单元102可以通过现网数据、地理环境、网络指标、用户预测、业务预测等数据的综合分析，可以确定网络规划需求，进而可以根据网络规划需求制定对应的网络规划方案。
在制定出网络规划方案之后，可以模型单元102构建针对初始网络规划方案的网络仿真模型。可选的，上述初始网络规划方案包括多个待部署网元、各待部署网元的拓扑信息以及每一待部署网元的部署信息。此时，上述模型单元102可以从预先构建的各网元模型中，确定每一待部署网元的网元模型，作为目标网元模型，进而基于待部署网元的拓扑信息，以及预先构建的拓扑模型，建立各目标网元模型之间的拓扑关系，并基于各目标网元模型之间的拓扑关系以及每一待部署网元的部署信息，将各目标网元模型部署在预先构建的地图模型中，得到网络仿真模型。
在得到网络仿真模型之后，模型单元102可以运行网络仿真模型，得到仿真运算数据，进而基于仿真运算数据，对初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
一种实现方式中，模型单元102可以将仿真运算数据输入预先构建的网络容量模型、路径模型以及策略模型中的至少一模型，对初始网络规划方案进行迭代优化，得到优化后的网络规划方案。
简单而言，模型单元102可以将初步制定的网络规划方案在网络基础模型上进行仿真验证，进而将仿真结果作为网络容量模型、路径模型、策略模型等的输入，结合历史数据对初始模型进行迭代调优，完成网络规划方案的验证和优化。
一种实现方式中，上述数据单元101，还用于在基于所述优化后的网络规划方案部署通信网络之后，获取基于所述优化后的网络规划方案所部署的通信网络的网络数据。也就是说，在网络规划方案投入实际生产和部署之后，网络规划方案在已部署网络中的执行情况和运行状态都将形成数据上传到***的数据单元，最终为网络规划方案、模型的优化提供数据支撑，形成规划循环。
本发明实施例上述方案中，可以通过数据单元和模型单元可以确定网络规划需求，并自动生成初始网络规划方案，进而自动对初始网络规划方案进行初始网络规划方案，从而可以自动进行网络规划，提高了网络规划的效率。
如图2所示，本发明实施例提供另一种网络规划***，还包括应用单元103；
应用单元103，用于向模型单元102发送网络规划指令；
模型单元102，具体用于当接收到应用单元103发送的网络规划指令时，基于模型单元102所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对网络规划需求的初始网络规划方案。
为了方便对模型单元102进行管理，本发明实施例所提供的网络规划***还可以包括应用单元103，该应用单元103用于调用模型单元的相关能力，完成网络规划人员的实际应用需求。可选的，该单元主要包括网络规划可视化，网络规划方案制定、验证及优化，网络规划创新技术验证。
应用单元103，还用于可视化展示初始网络规划方案，并向模型单元102发送网络优化指令，从而模型单元102可以当接收到应用单元103发送的网络优化指令时，构建针对初始网络规划方案的网络仿真模型；运行网络仿真模型，得到仿真运算数据；基于仿真运算数据，对初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
基于数字孪生的网络规划***能实现网络规划的全程可视化，包括网络规划方案制定、验证及优化的全程可视化，各种模型实例的全生命周期管理的全程可视化，各种类型数据的可视化、各种状态数据的可视化、物理网络的数字模型可视化、网络规划创新技术的验证过程可视化等。
基于数字孪生的网络规划***能实现网络规划创新技术验证，包括模型创新、算法创新、新技术创新等，都可在***的模型单元进行实验验证，降低验证成本，同时加速迭代测试和落地。
本发明实施例上述方案中，可以通过数据单元和模型单元可以确定网络规划需求，并自动生成初始网络规划方案，进而自动对初始网络规划方案进行初始网络规划方案，从而可以自动进行网络规划，提高了网络规划的效率。
本发明实施例提供另一种网络规划***，上述模型单元102，还用于生成针对优化后的网络规划方案的评估报告，并输入优化后的网络规划方案和评估报告。
本发明实施例上述方案中，可以通过数据单元和模型单元可以确定网络规划需求，并自动生成初始网络规划方案，进而自动对初始网络规划方案进行初始网络规划方案，从而可以自动进行网络规划，提高了网络规划的效率。
如图3所示，本发明实施例提供另一种网络规划***，可以包括物理网络单元、数据单元、模型单元和应用单元。
(1)物理网络单元，用于提供已部署网络的网络数据，并部署实施网络规划方案。该单元主要包括物理网络实体，如：网络设备、组网以及物理网络实体所处的地理环境。物理网络实体既可以是移动通信网络、宽带网络、数据中心网络、园区企业网等网络类型，也可以是单一网络域子网(如：接入网、传输网、核心网、承载网等)或者多个子网的组合。
(2)数据单元，用于采集物理网络单元内网络设备、组网以及地理环境数据，进而向上融合传输，并接受控制信息完成对物理网络(即已部署网络)的向下反馈控制。融合传输是对于大量的原始监测数据，先进行简单的数据处理，提取出有效的信息再传输给模型单元。该单元由各种各样的子***组成，主要包括资源管理***、业务管理***、网络管理***以及其他管理***等。其涉及的数据种类主要包括现网数据、历史数据、业务数据、人口数据、地理环境数据(图3数据单元中的地理环境)以及其他数据。
(3)模型单元，用于按照网络规划的应用场景和具体需求，构建、验证、优化、管理相关模型，为网络规划应用提供数据模型实例。该单元主要包括网元模型、拓扑模型、地图模型、用户预测模型、业务预测模型、网络容量模型、网络切片模型、路径模型、策略模型、评估模型及其他模型等。
(4)应用单元，用于调用模型单元的相关能力，完成网络规划人员的实际应用需求。该单元主要用于网络规划可视化，网络规划方案制定、验证及优化，网络规划创新技术验证。
一种实现方式中，上述网络规划***可以采用如下步骤进行部署，包括步骤1-步骤5：
步骤1，获取物理网络实体及地理环境等原始监测数据。其中，物理网络实体可以是移动通信网络、宽带网络、数据中心网络、园区企业网等网络类型，也可以是单一网络域子网(如：接入网、传输网、核心网、承载网等)或者多个子网的组合。获取数据方法主要包括传感器、网络探针、控制指令、管理***、相关日志等。
步骤2，将原始监测数据进行简单处理，提取出有效的融合数据，主要包括现网数据、历史数据、业务数据、人口数据、地理环境数据以及其他数据。
步骤3，基于融合数据，建立物理网络及地理环境的三维基础数据模型，主要包括网元模型、拓扑模型和地图模型。
步骤4，根据网络规划具体需求，主要包括用户预测、业务预测、网络容量设计、网络切片设计、路径设计、策略生成、质量评估等，建立网络规划功能模型及模型管理单元。
步骤5，根据网络规划具体应用需求，主要包括网络规划可视化、网络规划方案制定、网络规划方案验证、网络规划方案优化等，建立网络规划应用单元。
在部署完成之后，可以基于上述网络规划***中的所有数据的量化分析，生成网络规划需求，并结合人工分析，制定初步网络规划方案，进而基于上述的网络规划基础模型，完成网络规划方案的验证，并记录整个过程中的数据，并基于上述过程中的数据以及历史数据，将网络规划功能模型进行迭代调优，优化网络规划方案，从而输出优化后的网络规划方案及评估报告，交由专家集中讨论，确定最终方案，或者生成新的网络规划需求，最终部署实施最终的网络规划方案，并记录整个过程中产生的数据并划入原始监测数据范围内，形成规划循环。
本发明实施例所提供的网络规划***，可以基于数字孪生的网络规划***能实现网络规划方案的制定、验证及优化。具体的，通过现网数据、地理环境、网络指标、用户预测、业务预测等数据的综合分析，确定网络规划需求，根据需求制定对应的网络规划方案；将初步制定的网络规划方案在网络基础模型上进行仿真验证，将仿真结果作为网络容量模型、路径模型、策略模型等的输入，结合历史数据对初始模型进行迭代调优，完成网络规划方案的验证和优化。同时，在网络规划方案投入实际生产和部署之后，网络规划方案在实际网络中的执行情况和运行状态都将形成监测数据上传到***的数据单元，最终为网络规划方案、模型的优化提供数据支撑，形成规划循环。
可选的，还可以基于数字孪生的网络规划***能实现网络规划的全程可视化，包括网络规划方案制定、验证及优化的全程可视化，各种模型实例的全生命周期管理的全程可视化，各种类型数据的可视化、各种状态数据的可视化、物理网络的数字模型可视化、网络规划创新技术的验证过程可视化等。
可选的，还可以基于数字孪生的网络规划***能实现网络规划创新技术验证，包括模型创新、算法创新、新技术创新等，都可在***的模型单元进行实验验证，降低验证成本，同时加速迭代测试和落地。
如图4所示，本发明实施例提供一种网络规划方法，包括步骤S401-S405，其中：
S401，获取已部署网络对应的网络数据，其中，网络数据为基于已部署网络的物理网络实体的运行数据，以及地理环境数据所生成的；
一种实现方式中，可以获取已部署网络的物理网络实体的运行数据以及地理环境数据，并按照预设的数据融合规则，对物理网络实体的运行数据以及地理环境数据，进行数据融合，得到已部署网络对应的网络数据。
可选的，上述网络数据可以包括现网数据、历史数据、业务数据、人口数据、地理环境数据中的至少一种。其中，现网数据为当前时间段内物理网络实体的运行数据，历史数据为历史时间段内物理网络实体的运行数据。
S402，基于所获取的网络数据，构建需求预测模型；
S403，基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对网络规划需求的初始网络规划方案；
一种实现方式中，上述需求预测模型可以包括用户预测模型、业务预测模型中的至少一种。其中，用户预测模型用于预测用户数量的变化情况，业务预测模型用于预测通信业务的变化情况；
此时，可以基于用户预测模型所预测的用户数量变化结果，和/或业务预测模型所预测的通信业务变化结果，生成对应用户数量变化结果和/或通信业务变化结果的网络规划需求。
S404，构建针对初始网络规划方案的网络仿真模型，并运行网络仿真模型，得到仿真运算数据；
一种实现方式中，上述初始网络规划方案可以包括多个待部署网元、各待部署网元的拓扑信息以及每一待部署网元的部署信息。
此时，可以从预先构建的各网元模型中，确定每一待部署网元的网元模型，作为目标网元模型，进而基于待部署网元的拓扑信息，以及预先构建的拓扑模型，建立各目标网元模型之间的拓扑关系，并基于各目标网元模型之间的拓扑关系以及每一待部署网元的部署信息，将各目标网元模型部署在预先构建的地图模型中，得到网络仿真模型。
S405，基于仿真运算数据，对初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
一种实现方式中，可以将仿真运算数据输入预先构建的网络容量模型、路径模型以及策略模型中的至少一模型，对初始网络规划方案进行迭代优化，得到优化后的网络规划方案。
本发明实施例上述方案中，可以通过数据单元和模型单元可以确定网络规划需求，并自动生成初始网络规划方案，进而自动对初始网络规划方案进行初始网络规划方案，从而可以自动进行网络规划，提高了网络规划的效率。
本发明实施例提供另一种网络规划方法，可以在生成针对网络规划需求的初始网络规划方案之后，可视化展示初始网络规划方案。
本发明实施例提供另一种网络规划方法，可以在基于仿真运算数据，对初始网络规划方案，进行方案优化，得到优化后的网络规划方案之后，生成针对优化后的网络规划方案的评估报告，并输入优化后的网络规划方案和评估报告。
本发明实施例提供另一种网络规划方法，可以在基于所述优化后的网络规划方案部署通信网络之后，获取基于所述优化后的网络规划方案所部署的通信网络的网络数据。
本发明实施例所提供的网络规划方法中各个步骤的具体实现方式以及相关介绍，可以参见上述***实施例，在此不做赘述。
相应于本发明上述实施例所提供的网络规划方法，如图5所示，本发明实施例还提供了一种网络规划装置，所述装置包括：
数据获取模块501，用于获取已部署网络对应的网络数据，其中，所述网络数据为基于所述已部署网络的物理网络实体的运行数据，以及地理环境数据所生成的；
模型构建模块502，用于基于所获取的网络数据，构建需求预测模型；
方案规划模块503，用于基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对所述网络规划需求的初始网络规划方案；
仿真模块504，用于构建针对所述初始网络规划方案的网络仿真模型，并运行所述网络仿真模型，得到仿真运算数据；
优化模块505，基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
可选的，所述初始网络规划方案包括多个待部署网元、各待部署网元的拓扑信息以及每一待部署网元的部署信息；
所述仿真模块，具体用于从预先构建的各网元模型中，确定每一待部署网元的网元模型，作为目标网元模型；基于待部署网元的拓扑信息，以及预先构建的拓扑模型，建立各目标网元模型之间的拓扑关系；基于各目标网元模型之间的拓扑关系以及每一待部署网元的部署信息，将各目标网元模型部署在预先构建的地图模型中，得到网络仿真模型。
可选的，所述需求预测模型包括用户预测模型、业务预测模型中的至少一种；其中，所述用户预测模型用于预测用户数量的变化情况，所述业务预测模型用于预测通信业务的变化情况；
所述方案规划模块，具体用于基于所述用户预测模型所预测的用户数量变化结果，和/或所述业务预测模型所预测的通信业务变化结果，生成对应所述用户数量变化结果和/或通信业务变化结果的网络规划需求。
可选的，所述方案规划模块，具体用于将所述仿真运算数据输入预先构建的网络容量模型、路径模型以及策略模型中的至少一模型，对所述初始网络规划方案进行迭代优化，得到优化后的网络规划方案。
可选的，所述数据获取模块，具体用于获取已部署网络的物理网络实体的运行数据以及地理环境数据；按照预设的数据融合规则，对所述物理网络实体的运行数据以及所述地理环境数据，进行数据融合，得到所述已部署网络对应的网络数据。
可选的，所述网络数据包括现网数据、历史数据、业务数据、人口数据、所述地理环境数据中的至少一种；其中，所述现网数据为当前时间段内物理网络实体的运行数据，所述历史数据为历史时间段内物理网络实体的运行数据。
可选的，所述装置还包括：
可视化模块，用于在所述方案规划模块执行所述生成针对所述网络规划需求的初始网络规划方案之后，可视化展示所述初始网络规划方案。
可选的，所述装置还包括：
方案输出模块，用于在所述优化模块执行所述基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案之后，生成针对所述优化后的网络规划方案的评估报告，并输入所述优化后的网络规划方案和所述评估报告。
可选的，数据获取模块，还用于在基于所述优化后的网络规划方案部署通信网络之后，获取基于所述优化后的网络规划方案所部署的通信网络的网络数据。
本发明实施例上述方案中，可以通过数据单元和模型单元可以确定网络规划需求，并自动生成初始网络规划方案，进而自动对初始网络规划方案进行初始网络规划方案，从而可以自动进行网络规划，提高了网络规划的效率。
本发明实施例还提供了一种电子设备，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信，
存储器603，用于存放计算机程序；
处理器601，用于执行存储器603上所存放的程序时，实现如下步骤：
获取已部署网络对应的网络数据，其中，所述网络数据为基于所述已部署网络的物理网络实体的运行数据，以及地理环境数据所生成的；
基于所获取的网络数据，构建需求预测模型；
基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对所述网络规划需求的初始网络规划方案；
构建针对所述初始网络规划方案的网络仿真模型，并运行所述网络仿真模型，得到仿真运算数据；
基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Ind ustryStandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图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。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一网络规划方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一网络规划方法。
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。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述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。所述计算机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，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(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。所述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用介质集成的服务器、数据中心等数据存储设备。所述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。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他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、物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他要素，或者是还包括为这种过程、方法、物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、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于方法、装置、电子设备、计算机可读存储介质、计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (22)
1.一种网络规划***，其特征在于，包括：数据单元、模型单元；
所述数据单元，用于获取已部署网络对应的网络数据，其中，所述网络数据为基于所述已部署网络的物理网络实体的运行数据，以及地理环境数据所生成的；
所述模型单元，用于基于所述网络数据，构建需求预测模型；基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对所述网络规划需求的初始网络规划方案；构建针对所述初始网络规划方案的网络仿真模型；运行所述网络仿真模型，得到仿真运算数据；基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
2.根据权利要求1所述的***，其特征在于，所述网络规划***还包括应用单元；
所述应用单元，用于向所述模型单元发送网络规划指令；
所述模型单元，具体用于当接收到所述应用单元发送的所述网络规划指令时，基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对所述网络规划需求的初始网络规划方案。
3.根据权利要求2所述的***，其特征在于，所述应用单元，还用于可视化展示所述初始网络规划方案，并向所述模型单元发送网络优化指令；
所述模型单元，具体用于当接收到所述应用单元发送的所述网络优化指令时，构建针对所述初始网络规划方案的网络仿真模型；运行所述网络仿真模型，得到仿真运算数据；基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
4.根据权利要求1-3任一项所述的***，其特征在于，所述初始网络规划方案包括多个待部署网元、各待部署网元的拓扑信息以及每一待部署网元的部署信息；
所述模型单元构建针对所述初始网络规划方案的网络仿真模型，包括：
从预先构建的各网元模型中，确定每一待部署网元的网元模型，作为目标网元模型；
基于待部署网元的拓扑信息，以及预先构建的拓扑模型，建立各目标网元模型之间的拓扑关系；
基于各目标网元模型之间的拓扑关系以及每一待部署网元的部署信息，将各目标网元模型部署在预先构建的地图模型中，得到网络仿真模型。
5.根据权利要求1-3任一项所述的***，其特征在于，所述需求预测模型包括用户预测模型、业务预测模型中的至少一种；其中，所述用户预测模型用于预测用户数量的变化情况，所述业务预测模型用于预测通信业务的变化情况；
所述模型单元基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，包括：
基于所述用户预测模型所预测的用户数量变化结果，和/或所述业务预测模型所预测的通信业务变化结果，生成对应所述用户数量变化结果和/或通信业务变化结果的网络规划需求。
6.根据权利要求1-3任一项所述的***，其特征在于，所述模型单元基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案，包括：
将所述仿真运算数据输入预先构建的网络容量模型、路径模型以及策略模型中的至少一模型，对所述初始网络规划方案进行迭代优化，得到优化后的网络规划方案。
7.根据权利要求1-3任一项所述的***，其特征在于，所述数据单元，具体用于获取已部署网络的物理网络实体的运行数据以及地理环境数据；按照预设的数据融合规则，对所述物理网络实体的运行数据以及所述地理环境数据，进行数据融合，得到所述已部署网络对应的网络数据。
8.根据权利要求7所述的***，其特征在于，所述网络数据包括现网数据、历史数据、业务数据、人口数据、所述地理环境数据中的至少一种；其中，所述现网数据为当前时间段内物理网络实体的运行数据，所述历史数据为历史时间段内物理网络实体的运行数据。
9.根据权利要求1-3任一项所述的***，其特征在于，所述模型单元，还用于生成针对所述优化后的网络规划方案的评估报告，并输入所述优化后的网络规划方案和所述评估报告。
10.根据权利要求1-3任一项所述的***，其特征在于，所述数据单元，还用于在基于所述优化后的网络规划方案部署通信网络之后，获取基于所述优化后的网络规划方案所部署的通信网络的网络数据。
11.一种网络规划方法，其特征在于，所述方法包括：
获取已部署网络对应的网络数据，其中，所述网络数据为基于所述已部署网络的物理网络实体的运行数据，以及地理环境数据所生成的；
基于所获取的网络数据，构建需求预测模型；
基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对所述网络规划需求的初始网络规划方案；
构建针对所述初始网络规划方案的网络仿真模型，并运行所述网络仿真模型，得到仿真运算数据；
基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
12.根据权利要求11所述的方法，其特征在于，所述初始网络规划方案包括多个待部署网元、各待部署网元的拓扑信息以及每一待部署网元的部署信息；
所述构建针对所述初始网络规划方案的网络仿真模型，包括：
从预先构建的各网元模型中，确定每一待部署网元的网元模型，作为目标网元模型；
基于待部署网元的拓扑信息，以及预先构建的拓扑模型，建立各目标网元模型之间的拓扑关系；
基于各目标网元模型之间的拓扑关系以及每一待部署网元的部署信息，将各目标网元模型部署在预先构建的地图模型中，得到网络仿真模型。
13.根据权利要求11所述的方法，其特征在于，所述需求预测模型包括用户预测模型、业务预测模型中的至少一种；其中，所述用户预测模型用于预测用户数量的变化情况，所述业务预测模型用于预测通信业务的变化情况；
所述基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，包括：
基于所述用户预测模型所预测的用户数量变化结果，和/或所述业务预测模型所预测的通信业务变化结果，生成对应所述用户数量变化结果和/或通信业务变化结果的网络规划需求。
14.根据权利要求11所述的方法，其特征在于，所述基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案，包括：
将所述仿真运算数据输入预先构建的网络容量模型、路径模型以及策略模型中的至少一模型，对所述初始网络规划方案进行迭代优化，得到优化后的网络规划方案。
15.根据权利要求11所述的方法，其特征在于，所述获取已部署网络对应的网络数据，包括：
获取已部署网络的物理网络实体的运行数据以及地理环境数据；
按照预设的数据融合规则，对所述物理网络实体的运行数据以及所述地理环境数据，进行数据融合，得到所述已部署网络对应的网络数据。
16.根据权利要求15所述的方法，其特征在于，所述网络数据包括现网数据、历史数据、业务数据、人口数据、所述地理环境数据中的至少一种；其中，所述现网数据为当前时间段内物理网络实体的运行数据，所述历史数据为历史时间段内物理网络实体的运行数据。
17.根据权利要求11所述的方法，其特征在于，在所述生成针对所述网络规划需求的初始网络规划方案之后，所述方法还包括：
可视化展示所述初始网络规划方案。
18.根据权利要求11所述的方法，其特征在于，在所述基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案之后，所述方法还包括：
生成针对所述优化后的网络规划方案的评估报告，并输入所述优化后的网络规划方案和所述评估报告。
19.根据权利要求11所述的方法，其特征在于，所述方法还包括：
在基于所述优化后的网络规划方案部署通信网络之后，获取基于所述优化后的网络规划方案所部署的通信网络的网络数据。
20.一种网络规划装置，其特征在于，所述装置包括：
数据获取模块，用于获取已部署网络对应的网络数据，其中，所述网络数据为基于所述已部署网络的物理网络实体的运行数据，以及地理环境数据所生成的；
模型构建模块，用于基于所获取的网络数据，构建需求预测模型；
方案规划模块，用于基于所构建的需求预测模型，确定针对待部署网络的网络规划需求，并生成针对所述网络规划需求的初始网络规划方案；
仿真模块，用于构建针对所述初始网络规划方案的网络仿真模型，并运行所述网络仿真模型，得到仿真运算数据；
优化模块，基于所述仿真运算数据，对所述初始网络规划方案，进行方案优化，得到优化后的网络规划方案。
21.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求11-19任一所述的方法步骤。
22.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求11-19任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210817870.2A CN115174416B (zh) | 2022-07-12 | 2022-07-12 | 一种网络规划***、方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210817870.2A CN115174416B (zh) | 2022-07-12 | 2022-07-12 | 一种网络规划***、方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115174416A CN115174416A (zh) | 2022-10-11 |
| CN115174416B true CN115174416B (zh) | 2024-04-12 |
Family
ID=83493363
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210817870.2A Active CN115174416B (zh) | 2022-07-12 | 2022-07-12 | 一种网络规划***、方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115174416B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116170314B (zh) * | 2022-11-22 | 2024-04-30 | 重庆邮电大学 | 一种网络切片场景下ai内生的数字孪生网络平台装置 |
| CN116668306B (zh) * | 2023-06-08 | 2024-02-23 | 中国人民解放军国防科技大学 | 一种基于三视角的机动通信网网络工程化规划方法及*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105376089A (zh) * | 2015-10-23 | 2016-03-02 | 上海华为技术有限公司 | 一种网络规划方法及装置 |
| CN107171831A (zh) * | 2017-04-28 | 2017-09-15 | 华为技术有限公司 | 网络部署方法和装置 |
| CN111104732A (zh) * | 2019-12-03 | 2020-05-05 | 中国人民解放军国防科技大学 | 一种基于深度强化学习的机动通信网智能规划方法 |
| CN112218306A (zh) * | 2019-07-09 | 2021-01-12 | ***通信集团江西有限公司 | 基站覆盖性能的预测方法、装置和计算机设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5393894B2 (ja) * | 2009-09-24 | 2014-01-22 | テレフオンアクチーボラゲット エル エム エリクソン（パブル） | 通信ネットワークにおけるシステムのシミュレーションのための方法及び装置 |
-
2022
- 2022-07-12 CN CN202210817870.2A patent/CN115174416B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105376089A (zh) * | 2015-10-23 | 2016-03-02 | 上海华为技术有限公司 | 一种网络规划方法及装置 |
| CN107171831A (zh) * | 2017-04-28 | 2017-09-15 | 华为技术有限公司 | 网络部署方法和装置 |
| CN112218306A (zh) * | 2019-07-09 | 2021-01-12 | ***通信集团江西有限公司 | 基站覆盖性能的预测方法、装置和计算机设备 |
| CN111104732A (zh) * | 2019-12-03 | 2020-05-05 | 中国人民解放军国防科技大学 | 一种基于深度强化学习的机动通信网智能规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115174416A (zh) | 2022-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115174416B (zh) | 一种网络规划***、方法、装置及电子设备 | |
| CN111509862B (zh) | 基于数字孪生云的海上平台电力***结构优化方法及*** | |
| CN101960875B (zh) | 用于可视化设计的***和物理空间中的无线网状网络的组织 | |
| CN115278741B (zh) | 一种基于多模态数据依赖关系的故障诊断方法和装置 | |
| CN108632832B (zh) | 网络覆盖分析方法及*** | |
| CN114880884B (zh) | 一种基于数字化能源***的专业化建模分析方法及*** | |
| Zeb et al. | Edge intelligence in softwarized 6G: Deep learning-enabled network traffic predictions | |
| CN103617447B (zh) | 智能变电站的评价***及评价方法 | |
| CN111465025B (zh) | 一种基于新型容量预测模型的旅游城市5g网络组网方法 | |
| CN111159897B (zh) | 基于***建模应用的目标优化方法和装置 | |
| CN108293193A (zh) | 一种用于完成路测数据的高效计算方法 | |
| CN111523777A (zh) | 一种新型智慧城市***及其应用方法 | |
| CN114615718A (zh) | 基于数字孪生技术的网络拓扑构建方法及装置 | |
| Potdar et al. | Big energy data management for smart grids—Issues, challenges and recent developments | |
| CN109902373A (zh) | 一种辖区变电站故障诊断、定位方法及*** | |
| Atat et al. | Stochastic geometry-based model for dynamic allocation of metering equipment in spatio-temporal expanding power grids | |
| CN116933318A (zh) | 一种基于联邦学习的用电数据隐私保护方法 | |
| CN112711845B (zh) | 基于通信网可靠性的虚拟电厂响应资源调度方法及装置 | |
| CN113688542A (zh) | 智能优化水资源配置方法、装置、计算机设备及存储介质 | |
| Zhang et al. | Measurement‐based dynamic load modelling using time‐domain simulation and parallel‐evolutionary search | |
| Wang et al. | A new approach to heterogeneous wireless sensor networks reliability evaluation based on perception layer in internet of vehicles | |
| Le et al. | CIM compliant multiplatform approach for cyber-physical energy system assessment | |
| CN114125865B (zh) | 一种5g基站的规划方法、装置、计算设备和存储介质 | |
| CN111949246A (zh) | 新能源电力行业应用的创建方法及装置 | |
| CN116415385A (zh) | 风机联调仿真方法、装置、服务器及计算机存储介质 |
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 |