使用人工智能的自动化的动态网络切片部署的方法和系统与流程

背景。

示例实施例一般涉及用于在通信网络中使用人工智能的自动化的动态网络切片部署的方法和系统，其中网络可以是分组交换或电路交换的网络，包括第五代无线通信网络（5g网络）。

背景技术：

当前，物理和虚拟网络的实例化和部署是个需要人类操作员大量参与的手动过程。该过程是静态的，不与任何实况事件相关联，并且通常涉及网络部署以用于非常长期的服务使用（其中服务寿命为数周和数月，而不是数十分钟或数小时）。网络部署的资源配置选择不是实时的，而代替地，通常涉及数小时或数天的离线计划。由于配置和提供服务的准备时间长，因此没有针对实时网络需求的资源定尺寸。代替地，实行静态的“一刀切（oneshoefitsall）”的资源分配，该资源分配是针对网络通信量峰值和低谷而设计的。

技术实现要素：

至少一个示例实施例针对一种在通信网络中使用人工智能的自动化的动态网络切片部署的方法。

在一个实施例中，该方法包括：由中央节点的至少一个第一处理器从与至少一个第一相机相关联的至少一个第一代理节点接收第一视频数据和网络性能信息；由至少一个第一处理器基于第一视频数据和网络性能信息来确定事件检测信息；由至少一个第一处理器基于第一视频数据、网络性能信息和事件检测信息来确定至少一个网络切片的切片配置；以及由至少一个第一处理器通过基于切片配置信息实例化至少一个网络切片来控制通信网络的操作。

在一个实施例中，事件检测信息的确定包括：通过对第一视频数据实行视频异常检测来确定视频异常信息；以及通过对网络性能信息实行网络异常检测来确定网络异常信息；以及事件检测信息的确定进一步基于视频异常信息和网络异常信息。

在一个实施例中，该方法进一步包括：基于事件检测信息来确定事件尺寸信息，该事件尺寸信息指示与事件检测信息相关联的事件异常的范围，切片配置的确定进一步基于事件尺寸信息。

在一个实施例中，该方法进一步包括访问数据库，该数据库包括至少一个第一相机的元数据信息，切片配置的确定进一步基于元数据信息。

在一个实施例中，元数据信息包括至少一个第一相机的地理位置、至少一个第一相机的视角、以及与至少一个第一相机的视场中的对象有关的环境信息。

在一个实施例中，至少一个网络切片的实例化包括实例化公共服务紧急情况切片。

在一个实施例中，网络异常信息的确定进一步包括：基于由一个或多个地理区域中的服务小区之间的用户设备的切换数量和方向所引起的不寻常移动性模式中的至少一个来实行。

在一个实施例中，网络异常信息的确定进一步包括以下各项中的至少一个：基于至少一个不寻常模式来实行分析，该不寻常模式包括在一个或多个地理区域中实行语音呼叫的用户设备的移动性和语音呼叫的数量；以及基于应用程序行为中的至少一个不寻常模式来实行分析，该不寻常模式包括在一个或多个地理区域中使用用户设备向社交网络上传和发布许多视频。

在一个实施例中，该方法是在不使用人为干预的情况下实时自动实行的。

至少另一个示例实施例针对使用人工智能的自动化的动态网络切片部署的方法。

在一个实施例中，该方法包括：由网络节点的至少一个第一处理器从与至少一个第一相机相关联的至少一个第一代理节点获得第一视频数据和网络性能信息；由至少一个第一处理器基于第一视频数据和网络性能信息来确定事件检测信息；由至少一个第一处理器基于第一视频数据、网络性能信息和事件检测信息来确定至少一个网络切片的切片配置；以及由至少一个第一处理器通过基于切片配置信息实例化至少一个网络切片来控制通信网络的操作。

在一个实施例中，事件检测信息的确定包括：通过对第一视频数据实行视频异常检测来确定视频异常信息；以及通过对网络性能信息实行网络异常检测来确定网络异常信息；以及事件检测信息的确定进一步基于视频异常信息和网络异常信息。

在一个实施例中，该方法进一步包括：基于事件检测信息来确定事件尺寸信息，该事件尺寸信息指示与事件检测信息相关联的事件异常的范围，切片配置的确定进一步基于事件尺寸信息。

在一个实施例中，该方法进一步包括访问数据库，该数据库包括至少一个第一相机的元数据信息，切片配置的确定进一步基于元数据信息。

在一个实施例中，元数据信息包括至少一个第一相机的地理位置、至少一个第一相机的视角、以及与至少一个第一相机的视场中的对象有关的环境信息。

在一个实施例中，至少一个网络切片的实例化包括实例化公共服务紧急情况切片。

在一个实施例中，网络异常信息的确定进一步包括：基于由一个或多个地理区域中的服务小区之间的用户设备的切换数量和方向所引起的不寻常移动性模式中的至少一个来实行。

在一个实施例中，网络异常信息的确定进一步包括以下各项中的至少一个：基于至少一个不寻常模式来实行分析，该不寻常模式包括在一个或多个地理区域中实行语音呼叫的用户设备的移动性和语音呼叫的数量；以及基于应用程序行为中的至少一个不寻常模式来实行分析，该不寻常模式包括在一个或多个地理区域中使用用户设备向社交网络上传和发布许多视频。

在一个实施例中，该方法是在不使用人为干预的情况下实时自动实行的。

至少另一个示例实施例针对网络节点。

在一个实施例中，网络节点包括：存储器，该存储器存储计算机可读指令；以及至少一个第一处理器，其被配置成执行计算机可读指令，使得至少一个第一处理器被配置成从与至少一个第一相机相关联的至少一个第一代理节点接收第一视频数据和网络性能信息；基于第一视频数据和网络性能信息来确定事件检测信息；基于第一视频数据、网络性能信息和事件检测信息来确定至少一个网络切片的切片配置；以及通过基于切片配置信息实例化至少一个网络切片来控制通信网络的操作。

附图说明

图1图示了依照示例实施例的用于使用人工智能的自动化的动态网络切片部署的系统；

图2图示了依照示例实施例的系统的节点；以及

图3图示了依照示例实施例的用于自动化的动态网络切片部署的方法。

具体实施方式

虽然示例实施例能够有各种修改和替换形式，但是其实施例通过示例的方式在图中示出并且将在本文中详细地描述。然而，应当理解的是，不存在使示例实施例限于所公开的特定形式的意图，而相反地，示例实施例要覆盖落入权利要求的范围内的所有修改、等同方案和替代方案。相似的标号遍及这些图的描述指代相似的元件。

在更详细地讨论示例实施例之前，注意到一些示例实施例被描述为过程或方法，这些过程或方法被描绘为流程图。尽管流程图将操作描述为顺序过程，但是操作中的许多操作可以并行、并发或同时实行。此外，可以重新安排操作次序。过程可以在其操作完成时终止，但是还可以具有图中未包括的附加步骤。过程可以对应于方法、功能、进程、子例程、子程序等。

下面讨论的方法（其中一些通过流程图进行说明）可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或其任意组合来实现。当以软件、固件、中间件或微代码来实现时，可以将用以实行必要任务的程序代码或代码段存储在机器或计算机可读介质中，该可读介质诸如是存储介质，诸如是非暂时性存储介质。（一个或多个）处理器可以实行必要任务。

本文中公开的特定结构和功能细节仅出于描述示例实施例的目的而是有代表性的。然而，本发明可以以许多替换的形式来体现，并且不应当被解释为受限于本文中所阐述的实施例。

将理解到，尽管术语第一、第二等可以在本文中被用来描述各种元件，但是这些元件不应该受这些术语限制。这些术语仅被用来区分一个元件与另一个元件。例如，在不脱离示例实施例的教导的情况下，第一元件可以被称为第二元件，并且类似地，第二元件可以被称为第一元件。如本文中使用的，术语“和/或”包括一个或多个相关联的列出项的任何和所有组合。

将理解到，当一个元件被称为被“连接”或“耦合”到另一个元件时，它可以被直接连接或耦合到其他元件或可能存在介于中间的元件。相反地，当元件被提到为被“直接地连接”或“直接地耦合”到另一个元件时，则不存在介于中间的元件。应该以类似的方式来解释被用来描述各元件之间的关系的其他词语（例如，“在......之间”对比“直接在......之间”、“邻近”对比“直接邻近”等）。

本文中使用的术语仅出于描述特定实施例的目的并且不意图限制示例实施例。如本文中使用的，单数形式“一”、“一个”和“该”也意图包括复数形式，除非上下文另行清楚地指示的。将进一步理解的是，术语“包括（comprises）”、“包括（comprising）”、“包含（includes）”和/或“包含（including）”，当在本文中使用时，指定所陈述的特征、整数、步骤、操作、元件和/或组件的存在，但是并不排除一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组的存在或添加。

还应当注意到，在一些替换的实现方式中，所提到的功能/动作可以以图中提到的次序之外的次序发生。例如，取决于所涉及的功能/动作，连续示出的两个图实际上可以并发地执行，或者有时可以倒序执行。

除非另行限定，否则本文中使用的所有术语（包括技术术语和科学术语）具有与示例实施例所属领域的普通技术人员通常理解的含义相同的含义。还将理解到，术语（例如，常用字典中所定义的那些）应当被解释为具有与它们在相关领域的上下文中的含义相一致的含义，并且将不会以理想化或过于正式的意义进行解释，除非在本文中如此明确定义的。

在对计算机存储器内的数据比特进行软件、或算法和符号表示方面呈现示例实施例和对应的详细描述的部分。这些描述和表示是由本领域普通技术人员用来将他们工作的实质有效地传达给本领域其他普通技术人员的描述和表示。算法（作为在此处使用的术语，并且如其一般使用的那样）被设想成是导致期望结果的自洽的步骤序列。步骤是需要对物理量进行物理操纵的那些步骤。通常，虽然并不一定，这些量采取能够被存储、转移、组合、比较并以其他方式操纵的光、电或磁信号的形式。原则上出于共同使用的原因，已经证明有时方便的是将这些信号称为“位”、“值”、“元素”、“符号”、“字符”、“项”、“数字”等等。

在以下描述中，将参考可以被实现为程序模块或功能过程的操作的动作和符号表示（例如，以流程图的形式）来描述说明性实施例，所述程序模块或功能过程包括例程、程序、对象、组件、数据结构等，它们实行特定的任务或实现特定的抽象数据类型，并且可以使用现有网络元件处的现有硬件来实现。这样的现有硬件可以包括一个或多个中央处理单元（cpu）、数字信号处理器（dsp）、专用集成电路、现场可编程门阵列（fpga）计算机等等。

然而，应当注意的是，全部这些和类似的术语要与适当的物理量相关联，并且仅仅是被应用于这些量的方便标签。除非另行具体陈述，或如根据讨论显而易见的那样，诸如“处理”或“计算”或“运算”或“确定”或“显示”等等的术语指代计算机系统或相似的电子计算设备的动作和过程，该计算设备对被表示为计算机系统的寄存器和存储器之内的物理、电子量的数据进行操纵，并且将其变换成被类似地表示为计算机系统存储器或寄存器或其他这样的信息存储、传输或显示设备之内的物理量的其他数据。

还注意到，示例实施例的软件实现的方面通常在某种形式的程序存储介质上编码或在某种类型的传输介质上实现。程序存储介质可以是任何非暂时性存储介质，诸如磁、光或闪速存储器等。类似地，传输介质可以是双绞线、同轴电缆、光纤或某种本领域已知的其他合适的传输介质。示例实施例不受任何给定实现方式的这些方面的限制。

动态切片/动态网络服务：

示例实施例针对通信网络内的自动化的联网和服务管理的区域，其中通信网络可以是第5代（5g）移动网络。预计垂直市场内的服务（诸如医疗保健、制造业、汽车工业、机器对机器通信、游戏、娱乐等）将通过专用、安全、定制的端到端网络切片来使得能够实现。

网络切片是一个完整的端到端虚拟网络，其具有相关联的服务水平保证，诸如会话可靠性、可用网络吞吐量、端到端等待时间、同时会话数等。个体垂直市场内也预期大量网络切片，从而为个体租户提供通信量分离和服务水平保证。例如，大型汽车制造商有望在汽车垂直市场内拥有专用于其各个服务需求的一个或多个切片。2016年12月发布的诺基亚白皮书“dynamicend-to-endnetworkslicingfor5g-addressing5grequirementsfordiverseservices,usecases,andbusinessmodels”中包括了“网络切片”的全面定义，其通过引用整体地并入本文中。

具有大量资源利用的动态切片在配置和部署方面可能会呈现巨大挑战。

“动态切片”的一个示例与公共安全紧急情况服务相关联，在公共安全紧急情况服务中，需要分配动态无线电接入网资源，以在意外的公共安全事件之后协助恢复进程。相关联的服务可能需要大量带宽，以提供来自无人机、固定监控相机和安装在车辆上的相机的高分辨率上行链路视频，急救人员、应急车辆与指挥控制中心之间的双向视频、音频和消息传递。

其中动态网络服务将有用的另一个示例涉及各种各样的体育、社交和娱乐活动中的任何活动，其中很多人可能聚集在相对较小的区域（公园、体育场、音乐厅）中。管理和编排动态网络切片需要解决实时优化问题来满足几个要求。由于有限量的共享无线频谱，此类资源的部署会消耗网络切片，这会对其他服务产生负面影响，并且因此不能是永久的。相反，已部署/激活的资源应当是动态的，并且应按需使用，其中一旦不再需要该资源，则可以取消部署/停用该资源。此外，动态网络服务应该使用正确定尺寸的量的已分配无线资源（参与切片的小区、每个小区中的资源的量、使用具有mimo的动态天线阵列等）。例如，分配给这样的动态切片的资源过多可能会导致该区域中其他网络服务的不必要降级，而资源过少可能会危及紧急情况响应者的网络服务。最后，必须快速部署用于公共安全紧急情况服务的动态切片（在几十秒到几分钟之内）。结果，手动（诸如由人类操作员）激活/部署“动态网络切片”是不切实际的，并且很可能是不可能的。

通用方法：

所提出的系统和方法考虑到以下内容：

i.在发生需要额外网络资源的事件时（与涉及大量人类操作的当前网络激活相反），在没有人为干预的情况下的全自动和自主的网络切片部署

ii.动态网络切片的快速（几十秒到几分钟）部署（与当前部署相反，该当前部署涉及数小时的计划、配置和顺序激活网络元件）。

iii.给处理事件资源所需的网络资源确切地定尺寸，使得为事件分配足够的网络资源，并且不使用不必要的资源，使得对该区域中的其他服务的破坏最小化（与常规的网络资源的“一刀切”分配相反，该“一刀切”分配会导致网络空闲时的资源浪费，并且在网络拥塞时期期间导致显著的服务降级）。

具体示例实施例：

图1图示了依照示例实施例的用于使用人工智能的自动化的动态网络切片部署的系统100。系统100基于人工智能（ai）引擎或中央节点动态地实例化/部署网络切片资源，而无需任何人的参与。该系统提供以下内容。

1.当需要额外网络资源的事件发生时，在没有人为干预的情况下的自动网络切片部署。

2.快速（几十秒到几分钟）部署动态网络切片。

3.给处理事件需求所需的网络资源确切地定尺寸，使得为事件分配足够的网络资源，并且不使用不必要的资源，因此对区域中的其他服务的破坏最小化。

作为示例，示例实施例可以被用于在受公共安全事件影响的区域中的自动公共安全紧急情况网络切片部署。这将允许将优先网络资源快速给予该区域中的急救人员。将实行给切片中所涉及的无线电接入网络资源确切地定尺寸（例如，哪些小区/扇区、每个小区有多少资源、专用天线阵列、网络云资源）。例如，与涉及公寓楼或城市街区的大火相比，简单的两车事故需要为紧急情况分配的网络资源将少得多。

自主和自动ai引擎功能包括：

i.使用视频异常分析（来自静态视频监控相机以及车辆的可选仪表板相机的实况视频流）和网络异常分析（使用小区、流量、切片和被公开以供分析代理进行分析的设备数据）的组合，动态实时地检测需要部署新的动态切片的公共事件。

ii.使用视频异常和网络异常分析来给事件的范围定尺寸。

iii.基于在（a）事件的类型方面所标识的和在（b）事件的范围方面所标识的，标识新的切片所需的网络资源。

iv.向切片管理器发送触发，以创建新的切片以及已识别的要利用的ran和核心资源。

功能的简要列表在下面更详细地进行描述。

i.动态实时地检测公共事件：

事件检测包括视频异常检测（例如，来自覆盖该区域的静态摄像机20a/20b）和网络异常检测（区域中每个小区的小区数据、每个流数据、每个现有切片数据）的组合。个体相机20a/20b馈送中的视频异常检测可以基于对来自个体相机的视频馈送的深度神经网络分析。输入数据可以采用针对个体像素计算的并在视频帧的一个或多个所选裁剪区域上取平均的场景活动矢量（驻留、密度、方向、速度）的形式。网络异常检测可以基于深度神经网络分析，其标识了该区域中的不寻常移动性模式（例如，经由服务小区之间的切换来标识），该区域中的语音呼叫的数量以及应用程序模式（例如，源于该区域中的向社交网络上传和发布许多视频）。

ii.使用视频异常和网络异常分析来给事件的范围定尺寸：

将来自多个相机20a/20b的视图、确切的相机位置和一天中的时间的知识、关于相机视图中的街道/建筑物的元数据与来自该区域中的多个网络小区的数据进行组合——允许在地理上精确定位事件位置，以及允许给事件的范围定尺寸。例如，针对公共安全事件的这种定尺寸涉及确定该事件是小型两车事故，还是大型公寓楼中的火灾，还是涉及城市街区的事件等。

iii.基于在（a）事件的类型方面所标识的和在（b）事件的范围方面所标识的，标识新的切片所需的网络资源：

基于事件的位置和范围，ai引擎10实行对处理该事件将需要的该区域中的确切网络资源的评估。该评估可以包括：新的动态切片中将包括哪些4glte或5g小区/扇区以及哪些wifi接入点（基于容量、相应小区的地理位置、该区域的已知覆盖图确定的）、要为切片分配的特定量的小区资源（频谱）、支持切片的核心网络云资源等。

iv.向切片管理器50发送触发以创建新的切片以及所标识的要利用的ran和核心资源：

ai10然后向切片管理器50发送具有在（iii）中所计算的资源的所提出的切片模板，以触发切片创建。

图2图示了依照示例实施例的系统的节点200。节点200可以是图1的系统100的人工智能（ai）引擎10。在替换的实施例中，节点200可以是图1的ai引擎10和网络数据分析代理40。在另一个替换的实施例中，节点200可以是图1的ai引擎10、网络数据分析代理和视频分析代理40。节点200可以包括或可以不包括切片管理器50。另外，图1的系统可以包括：用于ai引擎10、视频分析代理30、网络数据分析代理40和切片管理器50中的每一个的单独的节点，其中这些节点中的每一个具有与图2的节点200相同的结构。

节点200包括用于与系统100的其他节点通信的网络接口212（其可以是无线的，或替换地可以是有线的）、信令接口216（其可以被视为“回程”）和存储器存储装置214。节点210还包括可以控制节点200的操作的处理器210。节点200的这些操作中的一些操作包括：将信息/数据保存到存储器214和从存储器214检索信息/数据、使用接口212/216将信令和信息传输到系统100中的其他节点，以及至少部分基于计算机可读指令来实行处理，该指令被保存在处理器210内的自动化的网络切片部署模块（ansdm）210a中。ansdm210a中的计算机可读指令可以提供以下指令，该指令使处理器210实行与该文档中的示例实施例的方法所描述的步骤相称的节点200的方法步骤。应当理解到，处理器210还可以包括物理（phy）层（具有不同的配置模式）、媒体访问控制（mac）层（具有不同的配置模式）、分组数据融合协议（pdcp）层（具有不同的配置模式）、用户平面层（具有不同的配置模式）、时间表和无线电链路控制（rlc）缓冲区，其中处理器300的这些元件未在图中示出。另外，应当理解到，处理器210可以是多于一个处理器（许多处理器核心）。

ansdm210a可以包括用于示例实施例的子功能的专用指令和/或数据库，其中这些专用指令和/或数据库可以包括例如视频异常分析单元10a、事件检测单元10b、网络异常分析单元10c和动态定尺寸单元10d（如图1的ai引擎10所示）。

图3图示了依照示例实施例的使用图1的系统100的自动化的动态网络切片部署的方法。尽管该描述以节点200是ai引擎10为前提，并且视频分析代理30、网络数据分析代理40和切片管理器50是具有与节点200相同的结构的单独的独立节点，但是应当理解到，此相同的描述同样适用于系统100层次结构（其中所有系统节点10、30、40和50可以是节点200）或系统100层次结构（其中节点30、40和50中的一些与ai引擎组合在一起，以便共同地包括节点200）。

在步骤（1）中，节点（ai引擎）200的处理器210从两种类型的分析代理的处理器接收数据：视频分析代理30和网络数据分析代理40。

视频分析（va）代理30的处理器从相机20a/20b（参见图1）接收数据并预处理数据，其中相机20a/20b可以包括街道视频监控相机、安装在汽车仪表板上的移动相机、安装在无人机上的移动相机、执法人员的身体相机等，并且将经预处理的数据发送到处理器210以使用ansdm210a内的ai视频异常检测模块10a中的指令进行处理。va代理30可以位于包括节点200的通信网络中，或者va代理30可以与相应的相机20a/20b并置。每个va代理30从相机接收原始视频数据，对其进行解码，并且计算个体像素的场景活动矢量（驻留、密度、方向、速度），并且在视频帧的一个或多个裁剪区域上取平均值。在步骤（1）中周期性地（作为正在进行的学习过程的结果），处理器210可以通过配置视频帧的裁剪区域并且可选地控制相机的变焦和视角来将指令发送给代理30。在步骤（2）中，va代理30的处理器周期性地（例如，每1秒）将相应所计算的数据与代理标识符一起发送到节点200的处理器210。处理器210可以将该信息保存到视频异常检测模块10a中的数据库。处理器210因此可以在映射到相机元数据的数据库中编译代理id，包括相机的地理位置、视角、关于相机正面对的对象（例如，公寓楼对比购物中心对比路口等）的元数据信息、作为时间的离散函数的建筑物内的人数等）。

网络数据分析（nda）代理40与无线电接入和核心网络功能耦合。nda代理40在以下方面提取关键性能指标数据：

--每个小区基础，例如，小区id与地理位置、总体小区通信量、活动会话的总数、与相应的流id耦合的到小区/扇区/来自小区/扇区的切换的小区拥塞等级数，

--每个流，例如，流id以及可以从这样的流特性（例如，参见作者之一的us9780997）、通信量得出的无线流特性、应用程序类型和行为特性

--针对现有切片的每个切片数据，包括切片的相应流，

---每个移动设备数据（例如，移动性信息和运行中的应用程序数据），nda代理40的处理器通过应用经编程的过滤器来处理该数据，并且将经处理的数据摘要与相应的nda代理id一起发送（步骤2）到处理器210，以被保存在网络异常检测模块10c中。周期性地（作为正在进行的学习过程的结果），网络异常检测模块的指令可以使处理器210对nda代理过滤器进行编程（步骤1）。

在从代理30接收到摘要时，视频异常检测模块10a的指令可以使处理器210处理接收到的数据，并且将其存储在模块10a的学习数据库中。处理器210将模式识别和聚类技术应用于所接收到的平均场景活动矢量值，以检测每个va代理30报告中的视频异常。然后，处理器210组合来自多个va代理30的经处理的数据，以确定是否检测到视频异常。在检测到视频异常时，处理器210就将视频异常触发发送（步骤3）到ansdm210a内的事件检测模块10b。

在从nda代理40接收到摘要时，处理器210使用来自ansdm210a的网络异常检测模块10c的指令来处理数据，并且将其存储在ml数据库中。处理器210还基于通信量、移动性（例如，可能有大量的人跑离燃烧的体育场而不是朝向其移动）、大量语音呼叫、不寻常数量的视频上传和社交网络聊天中的不寻常模式来实行网络异常检测。在检测到网络异常时，处理器210将网络异常触发发送（步骤3）到ansdm210a的事件检测模块10b。

处理器210对相同地理区域单元中的视频和网络异常两者的触发做出反应。处理器210使用动态切片定尺寸单元10d中的指令来确定检测到的事件的地理区域的粒度，其中处理器210确定切片资源分配的粒度，并且可基于操作员策略进行编程。作为示例，事件的粒度取决于小区覆盖区域的大小和摄像机的数量。视频和网络异常两者的触发允许显著减少误报事件的数量。当处理器210使用来自事件检测模块10b的指令检测到需要动态网络切片实例化的事件时，处理器210将具有区域单元标识符和事件类型标识符的触发发送到ansdm210a的切片定尺寸模块10d。

在触发的确定时（步骤4），处理器210基于来自切片定尺寸模块10d的指令来请求关于受影响和周围区域的数据，并且处理器210从网络异常检测10c和视频异常检测模块10a中请求（访问）数据（在步骤5中）。切片定尺寸模块（6）的处理器使用此数据，该处理器确定公共安全事件的范围（例如，小型（车祸）对比中型（建筑物火灾），对比更大事件（影响多条街道或城市街区）对比甚至更大的（影响多个城市街区）。然后，处理器利用有关受影响的地理区域单元和事件范围的信息来确定要为恢复操作所需的公共安全紧急情况切片分配的网络资源，包括所涉及的受影响的无线电接入网小区、要在每个小区中分配的ran资源的量、所涉及的每个小区的服务质量要求、核心云网络资源的量。处理器使用来自切片定尺寸模块50的指令，然后利用所计算的资源创建切片模板，并且将该模板发送到切片管理器（步骤7），以触发公共安全紧急情况切片的实例化/激活。

应当理解到，本文中描述的示例实施例的节点可以是路由器、交换机、4g无线enodeb、sgw、pgw、mme、5g无线节点（gnodeb、upf）、网关或其他能够满足本文档中概述的功能和方法步骤的结构元件。

尽管在本文中相对于其中例如程序和逻辑被存储在数据存储装置内并且存储器以通信方式连接到处理器的实施例进行了描绘和描述，但是应当领会到，可以以任何其他合适的方式存储这样的信息（例如，使用任何合适数量的存储器、存储装置或数据库）；使用以通信方式连接到设备的任何合适布置的存储器、存储装置或数据库的任何合适布置；将信息存储在（一个或多个）存储器、（一个或多个）存储装置或者（一个或多个）内部或外部数据库的任何合适的组合中；或者使用任何适合数量的可访问外部存储器、存储装置或数据库。照此，本文中指代的术语“数据存储装置”旨在涵盖（一个或多个）存储器、（一个或多个）存储装置和（一个或多个）数据库的所有合适的组合。

该描述和附图仅仅图示了示例实施例的原理。因此将领会到，本领域技术人员将能够设想尽管未在本文中明确地描述或示出但体现了本发明的原理而且被包括在其精神和范围内的各种布置。另外，本文中记载的所有示例原则上明确地意图仅用于教学目的，以帮助读者理解本发明的原理和由（一个或多个）发明人深化本领域所贡献的构思，并且要被解释为不限于此类具体记载的示例和状况。此外，本文中记载本发明的原理、方面和实施例以及它们的特定示例的所有语句都意图涵盖它们的等同方案。

此外，可以通过使用专用硬件以及能够执行与适当的软件相关联的软件的硬件来提供示例实施例中所示的各种元素的功能，包括被标记为“处理器”的任何功能框。当由处理器提供时，功能可以由单个专用处理器、由单个共享处理器、或由多个个体处理器（它们中的一些可以是共享的）提供。此外，不应当将术语“处理器”或“控制器”的明确使用解释成排外地指代能够执行软件的硬件，并且可以隐含地没有限制地包括数字信号处理器（dsp）硬件、网络处理器、专用集成电路（asic）、现场可编程门阵列（fpga）、用于存储软件的只读存储器（rom）、随机存取存储器（ram）和非易失性存储装置。也可以包括其它常规的或定制的硬件。

可以结合各种电信网络和系统来利用示例实施例，诸如以下内容（其中这仅是示例列表）：通用移动电信系统（umts）；全球移动通信系统（gsm）；先进的手机服务（amps）系统；窄带amps系统（namps）；总接入通信系统（tacs）；个人数字蜂窝（pdc）系统；美国数字蜂窝（usdc）系统；eia/tiais-95中描述的码分多址（cdma）系统；高速率分组数据（hrpd）系统、全球微波访问互操作性（wimax）；超移动宽带（umb）；第三代合作伙伴计划lte（3gpplte）；以及5g网络。

已经如此描述了示例实施例，将明显的是，可以以许多方式改变它们。这样的变化不应被认为脱离示例实施例的预期精神和范围，并且将对本领域技术人员显而易见的所有这样的修改都意图被包括在所附权利要求的范围内。