一种容量预测方法以及容量预测装置与流程

本申请涉及通信领域，尤其涉及一种容量预测方法以及容量预测装置。
背景技术：
：随着通讯技术的快速发展，日常网络话务等网络业务的用户也是快速增加。为了保证网络能够满足用户的需求，网络运营商需要通过模型预测了解单个小区的流量寿命，以及何时会呈现容量被限制之情况，从而在容量规划中提供更好的预见。而目前的预测模型通常为单一增长因子的线性关系模型。而在实际应用中，由于不同的小区位于不同的人口领域，导致网络使用的状态以及增加模式也不相同，若采用单一的增长因子进行预测会导致预测结果不准确。技术实现要素：本申请实施例提供了一种容量预测方法以及容量预测装置，用于准确的对网络容量进行预测，提高容量规划的正确性。第一方面，本申请实施例提供一种容量预测方法，包括：该容量预测装置获取历史数据，其中，该历史数据为与该物理资源模块(primaryresourceblock，prb)相关联的数据，且该历史数据来源于运行支持系统(operationalsupportsystem，oss)和用户业务体验质量系统(serviceexperiencequality，seq)；然后该容量预测装置利用多维线性回归处理该历史数据得到该prb的预测值。本申请实施例提供的技术方案中，该容量预测装置通过来自oss和seq的历史数据，并将该历史数据采用多维线性回归进行处理，有效增加了预测过程中的变量因数，并综合考虑网络的增加模式，进而准确的对网络容量进行预测，提高容量规划的正确性。可选的，该容量预测装置可以通过主成分分析(principlecomponentanalysis，pca)技术得到与该prb强相关的历史数据，比如该历史数据至少包括：话务(traffic(oss))、下行吞吐量(user_throughput(oss))、用户(avg_erab_user(oss))、长期演进()设备的平均流量(avg_traffic_per_lte_device)、3g设备的平均流量(avg_traffic_per_3g)、每点对点(pointtopoint，p2p)的平均流量(avg_traffic_per_p2p)、每即时消息的平均流量(avg_traffic_per_im)、每游戏的平均流量(avg_traffic_per_game)、每邮件的平均流量(avg_traffic_per_email)、每文件访问的平均流量(avg_traffic_per_file_access)、每股平均流量(avg_traffic_per_stock)、每个隧道的平均流量(avg_traffic_per_tunnelling)、每个社交网络的平均流量(avg_traffic_per_social_networking)、每个杂项的平均流量(avg_traffic_per_miscellaneous)以及每笔财务的平均流量(avg_traffic_per_finance)等。可选的，该历史数据的周期时长至少为6个月。可选的，该容量预测装置在利用多维线性回归处理该历史数据得到该prb的预测值时具体可以如下：该容量预测装置利用多维线性回归公式处理该历史数据得到该prb的预测值；其中，该多维线性回归公式为：y＝β1x1+β2x2+…+βnxn+ε；其中，该y表示该prb的预测值，该β1、β2…βn为常数系数，该x1、x2…xn表示预测变量，该ε为常数。可选的，该容量预测装置在通过多维线性回归建立了历史数据与prb的预测值之间的关系之后，还可以利用梯度下降来优化该公式中的常数系数。可选的，在具体计算过程中，该容量预测装置还可以根据历史数据和条件移动均线(conditionalmovingaverage，cma)计算预测变量的增长率；然后该容量预测装置根据该增长率确定不同时刻的预测变量。在本实施例中，采用cma以及历史数据计算该增长率具体可以如下：对于时间序列数据(比如历史数据中按照时间顺序排序的流量数据)，提取符合当前趋势(比如增长)的数据；然后将数据集分成两半来计算开始值和结束值；最后将数据视为几何级数，并通过公式g＝pow((结束值/开始值)，(1/t))-1来计算增长率，其中g为该增加率，t为该历史数据的统计时长。第二方面，本申请实施例提供了一种容量预测装置，该装置具有实现上述第一方面中容量预测装置行为的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。在一个可能的实现方式中，该装置包括用于执行以上第一方面各个步骤的单元或模块。例如，该装置包括：获取模块，用于获取历史数据，该历史数据与物理资源模块prb相关联的数据，该历史数据来源于运行支持系统oss和用户业务体验质量系统seq；处理模块，用于利用多维线性回归处理该历史数据得到该prb的预测值。可选的，还包括存储模块，用于保存容量预测装置必要的程序指令和数据。在一种可能的实现方式中，该装置包括：处理器和输入输出设备，所述处理器被配置为支持容量预测装置执行上述第一方面提供的方法中相应的功能。输入输出设备用于获取上述方法中所涉及的信息或指令。可选的，此装置还可以包括存储器，所述存储器用于与处理器耦合，其保存容量预测装置必要的程序指令和数据。在一种可能的实现方式中，当该装置为芯片时，该芯片包括：处理模块和收发模块，所述收发模块例如可以是该芯片上的输入/输出接口、管脚或电路等，将获取历史数据，该历史数据与物理资源模块prb相关联的数据，该历史数据来源于运行支持系统oss和用户业务体验质量系统seq，并将该历史数据传送给与此芯片耦合的其他芯片或模块中。所述处理模块例如可以是处理器，此处理器用于利用多维线性回归处理该收发模块获取到的历史数据，进而得到该prb的预测值。该处理模块可执行存储单元存储的计算机执行指令，以支持容量预测装置执行上述第一方面提供的方法。可选地，所述存储单元可以为所述芯片内的存储单元，如寄存器、缓存等，所述存储单元还可以是位于所述芯片外部的存储单元，如只读存储器(read-onlymemory，简称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(randomaccessmemory，简称ram)等。其中，上述任一处提到的处理器，可以是一个通用中央处理器(centralprocessingunit，简称cpu)，微处理器，特定应用集成电路(application-specificintegratedcircuit，简称asic)，或一个或多个用于控制上述各方面容量预测方法的程序执行的集成电路。第三方面，本申请实施例提供一种计算机可读存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令用于执行上述第一方面中任意可能的实施方式所述的方法。第四方面，本申请实施例提供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各方面中任意一方面所述的方法。第五方面，本申请提供了一种芯片系统，该芯片系统包括处理器，用于支持容量预测装置实现上述方面中所涉及的功能，例如生成或处理上述方法中所涉及的数据和/或信息。在一种可能的设计中，所述芯片系统还包括存储器，所述存储器，用于保存容量预测装置必要的程序指令和数据，以实现上述各方面中任意一方面的功能。该芯片系统可以由芯片构成，也可以包含芯片和其他分立器件。附图说明图1为本申请实施例中容量预测方法的应用场景示意图；图2为本申请实施例中容量预测方法的一个实施例示意图；图3为本申请实施例中容量预测装置的一个实施例示意图；图4为本申请实施例中容量预测装置的另一个实施例示意图。具体实施方式本申请实施例提供了一种容量预测方法以及容量预测装置，用于准确的对网络容量进行预测，提高容量规划的正确性。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。随着通讯技术的快速发展，日常网络话务等网络业务的用户也是快速增加。为了保证网络能够满足用户的需求，网络运营商需要通过模型预测了解单个小区的流量寿命，以及何时会呈现容量被限制之情况，从而在容量规划中提供更好的预见。而目前的预测模型通常为单一增长因子的线性关系模型。而在实际应用中，由于不同的小区位于不同的人口领域，导致网络使用的状态以及增加模式也不相同，若采用单一的增长因子进行预测会导致预测结果不准确。为了解决这一问题，本申请实施例提供一种容量预测方法，包括：该容量预测装置获取历史数据，其中，该历史数据为与该物理资源模块(primaryresourceblock，prb)相关联的数据，且该历史数据来源于运行支持系统(operationalsupportsystem，oss)和用户业务体验质量系统(serviceexperiencequality，seq)；然后该容量预测装置利用多维线性回归处理该历史数据得到该prb的预测值。本申请实施例主要应用于如图1所示的场景，首先通过工具或平台获取来自oss和seq的数据，然后通过机器学习模型对该数据进行处理得到物理资源模块相关的预测值；然后用户根据该预测值确定网络扩容等计划并实施。具体情况请参阅图2所示，本申请实施例中容量预测方法的一个实施例包括：201、该容量预测装置获取历史数据，该历史数据与该prb相关联，且该历史数据来源于oss和seq。该容量预测装置对目标小区进行预测时需要先获取该目标小区的历史数据。在本实施例中，该历史数据可以为与该目标小区的prb强相关的属性数据，且该历史数据来自于oss和seq。可选的，该容量预测装置可以通过主成分分析(principlecomponentanalysis，pca)技术得到与该prb强相关的历史数据，比如该历史数据至少包括：话务(traffic(oss))、下行吞吐量(user_throughput(oss))、用户(avg_erab_user(oss))、长期演进(longtermevolution，lte)设备的平均流量(avg_traffic_per_lte_device)、第三代移动通信技术(3rd-generation，3g)设备的平均流量(avg_traffic_per_3g)、每点对点(pointtopoint，p2p)的平均流量(avg_traffic_per_p2p)、每即时消息的平均流量(avg_traffic_per_im)、每游戏的平均流量(avg_traffic_per_game)、每邮件的平均流量(avg_traffic_per_email)、每文件访问的平均流量(avg_traffic_per_file_access)、每股平均流量(avg_traffic_per_stock)、每个隧道的平均流量(avg_traffic_per_tunnelling)、每个社交网络的平均流量(avg_traffic_per_social_networking)、每个杂项的平均流量(avg_traffic_per_miscellaneous)以及每笔财务的平均流量(avg_traffic_per_finance)等。可选的，该历史数据的周期时长至少为6个月。本实施例中，该容量预测装置主要使用pca中的特征分解方式查找历史数据中的主要组成部分，然后再从该主要组成部分中选择与prb关联系数达到阈值的特征。202、该容量预测装置利用多维线性回归处理该历史数据得到该prb的预测值。该容量预测装置在获取到该历史数据之后，将该历史数据进行采用多维线性回归进行处理得到该prb的预测值。可选的，该容量预测装置在利用多维线性回归处理该历史数据时，具体利用如下公式:y＝β1x1+β2x2+…+βnxn+ε；其中，所述y表示所述prb的预测值，所述β1、β2…βn为常数系数，所述x1、x2…xn表示历史数据，所述ε为常数。可选的，该容量预测装置在通过多维线性回归建立了历史数据与prb的预测值之间的关系之后，还可以利用梯度下降来优化该公式中的常数系数。可选的，在具体计算过程中，该容量预测装置还可以根据条件移动均线(conditionalmovingaverage，cma)来计算预测变量的增长率；然后根据该增长率得到该预测变量的值。在本实施例中，采用cma以及历史数据计算该增长率具体可以如下：对于时间序列数据(比如历史数据中按照时间顺序排序的流量数据)，提取符合当前趋势(比如增长)的数据；然后将数据集分成两半来计算开始值和结束值；最后将数据视为几何级数，并通过公式g＝pow((结束值/开始值)，(1/t))-1来计算增长率，其中g为该增加率，t为该历史数据的统计时长。比如如下表所示：表1时期1月份2月份3月份4月份5月份6月份7月份流量值1213264其中，该表1显示为1月份至7月份每个月的流量值，可以由表1的数据显示，1月份至7月份的流量值是呈增长趋势的。然后该容量预测装置根据该增长趋势重新确定1月份至7月份的流量值，具体如下表：表2时期1月份2月份3月份4月份5月份6月份7月份流量值1223366然后该容量预测装置将流量值分为两半进行计算开始值和结束值，对于表2所示的历史数据可以分成如表3和表4所示的两半：表3时期1月份2月份3月份4月份流量值1223表4时期4月份5月份6月份7月份流量值3366然后根据该表3计算该开始值，其中，该开始值＝(1+2+2+3)/4＝2；根据表4计算该结束值，其中，该结束值＝(3+3+6+6)/4＝4.5；最后根据该开始值和该结束值和公式g＝pow((结束值/开始值)，(1/t))-1计算该增长率为0.1228。可选的，本实施例提供的方式还可以用于重要人物(veryimportantperson，vip)保障(如能识别vip区域或小区)或特殊事件保障或精密规划。本实施例中，该容量预测装置通过来自oss和seq的历史数据，并将该历史数据采用多维线性回归进行处理，有效增加了预测过程中的变量因数，并综合考虑网络的增加模式，进而准确的对网络容量进行预测，提高容量规划的正确性。上面对本申请实施例中的容量预测方法进行了描述，下面对本申请实施例中容量预测装置进行描述。具体请参阅图3所示，本申请实施例中该容量预测装置300包括：获取模块301和处理模块302。装置300可以是上述方法实施例中的容量预测装置，也可以是容量预测装置内的一个或多个芯片。装置300可以用于执行上述方法实施例中的容量预测装置的部分或全部功能。例如，该获取模块301可以用于执行上述方法实施例中的步骤201。例如，该获取模块301获取历史数据，该历史数据与物理资源模块prb相关联的数据，该历史数据来源于运行支持系统oss和用户业务体验质量系统seq；该处理模块302可以用于执行上述方法实施例中的步骤202。例如，处理模块302利用多维线性回归处理所述历史数据得到所述prb的预测值。可选的，装置300还包括存储模块，此存储模块于处理模块耦合，使得处理模块可执行存储模块中存储的计算机执行指令以实现上述方法实施例中容量预测装置的功能。在一个示例中，装置300中可选的包括的存储模块可以为芯片内的存储单元，如寄存器、缓存等，所述存储模块还可以是位于芯片外部的存储单元，如只读存储器(read-onlymemory，简称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(randomaccessmemory，简称ram)等。应理解，上述图3对应实施例中容量预测装置的各模块之间所执行的流程与前述图3中对应方法实施例中的容量预测装置执行的流程类似，具体此处不再赘述。图4示出了上述实施例中一种容量预测装置400可能的结构示意图，该装置400可以配置成是前述容量预测装置。该装置400可以包括：处理器402、计算机可读存储介质/存储器403、收发器404、输入设备405和输出设备406，以及总线401。其中，处理器，收发器，计算机可读存储介质等通过总线连接。本申请实施例不限定上述部件之间的具体连接介质。一个示例中，该输入设备405获取历史数据，该历史数据与物理资源模块prb相关联的数据，该历史数据来源于运行支持系统oss和用户业务体验质量系统seq；一个示例中，该处理器402利用多维线性回归处理所述历史数据得到所述prb的预测值。又一个示例中，处理器402可以运行操作系统，控制各个设备和器件之间的功能。该输入设备405与该处理器402可以实现上述图2中任一实施例中相应的步骤，具体此处不做赘述。可以理解的是，图4仅仅示出了容量预测装置的简化设计，在实际应用中，容量预测装置可以包含任意数量的收发器，处理器，存储器等，而所有的可以实现本申请的容量预测装置都在本申请的保护范围之内。上述装置400中涉及的处理器402可以是通用处理器，例如通用中央处理器(cpu)、网络处理器(networkprocessor，np)、微处理器等，也可以是特定应用集成电路(application-specificintegratedcircbit，asic)，或一个或多个用于控制本申请方案程序执行的集成电路。还可以是数字信号处理器(digitalsignalprocessor，dsp)、现场可编程门阵列(field-programmablegatearray，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。控制器/处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等等。处理器通常是基于存储器内存储的程序指令来执行逻辑和算术运算。上述涉及的总线401可以是外设部件互连标准(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称eisa)总线等。该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4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。上述涉及的计算机可读存储介质/存储器403还可以保存有操作系统和其他应用程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。更具体的，上述存储器可以是只读存储器(read-onlymemory，rom)、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(randomaccessmemory，ram)、可存储信息和指令的其他类型的动态存储设备、磁盘存储器等等。存储器403可以是上述存储类型的组合。并且上述计算机可读存储介质/存储器可以在处理器中，还可以在处理器的外部，或在包括处理器或处理电路的多个实体上分布。上述计算机可读存储介质/存储器可以具体体现在计算机程序产品中。举例而言，计算机程序产品可以包括封装材料中的计算机可读介质。可以替换的，本申请实施例还提供一种通用处理系统，例如通称为芯片，该通用处理系统包括:提供处理器功能的一个或多个微处理器；以及提供存储介质的至少一部分的外部存储器，所有这些都通过外部总线体系结构与其它支持电路连接在一起。当存储器存储的指令被处理器执行时，使得处理器执行容量预测装置在图2所述实施例中的容量预测方法中的部分或全部步骤，例如图2中的步骤202，和/或用于本申请所描述的技术的其它过程。结合本申请公开内容所描述的方法或者算法的步骤可以硬件的方式来实现，也可以是由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成，软件模块可以被存放于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、移动硬盘、cd-rom或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于asic中。另外，该asic可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于用户设备中。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。当前第1页12