网络容量评估方法及装置与流程

文档序号:17845889发布日期:2019-06-11 21:43阅读:324来源:国知局

本发明涉及通信技术领域,尤其涉及一种网络容量评估方法及装置。



背景技术:

当前,第五代移动通信网络(5thgeneration,5g)支持大带宽为用户带来高度的数据体验,同时用户之间的调度已经从传统的单用户多输入多输出(single-user-multiple-inputmultiple-output,su-mimo)发展到多用户多输入多输出(multiple-user-multiple-inputmultiple-output,mu-mimo),即可以支持多用户同时同频调度,仅在空间上区分用户,支持的流数也进一步提升,使系统容量大幅提升。但目前5g处于研发测试阶段,评估体制尚不完善,现有技术还是沿用第四代移动通信网络(4thgeneration,4g)的评估指标和评估体系对网络资源利用情况评估。也即基站侧统计数据采集大多沿用长期演进(longtermevolution,lte)的指标,例如:网络容量指标主要考虑小区的无线资源利用,多用物理资源块(physicalresourceblock,prb)利用率来表示。然而在5g网络中,由于小区流数的增加,新的传输模式的使用支持多用户同时同频调度,通过现有技术得到的数值已经不能真实反映小区的资源利用情况,此外对于网络负载的判断,随着指标数的增加,指标的组合情况繁多,通过阈值判断的方法具有很大的局限性,无法实现对小区网络负载情况的准确判断。



技术实现要素:

本申请的实施例提供一种网络容量评估方法及装置,用于对原始数据进行网络容量评估,为决策做支撑。

为达到上述目的,本申请的实施例采用如下技术方案:

第一方面,提供了一种网络容量评估方法,该方法包括:

获取预设时间段内的原始数据,所述原始数据包括:用户总激活数,用户传输模式,基站侧cpu占用率,用户的下行参数和上行参数;

根据所述原始数据生成指标参数,所述指标参数的类别包括:所述用户总激活数,无线资源利用率,小区平均流数,mu-mimo配对率,吞吐量,所述基站侧cpu占用率;

若所述指标参数超过相应的预设阈值,则判断所述指标参数所属的负荷级别以得到判断结果,所述负荷级别用于表示可用网络容量指标;

根据所述判断结果生成分析报告。

第二方面,提供了一种网络容量评估装置,其特征在于,所述装置包括获取单元、计算单元、判断单元及输出单元;

所述获取单元,用于获取预设时间段内的原始数据,所述原始数据包括:用户总激活数,用户传输模式,基站侧cpu占用率,用户的下行参数和上行参数;

所述计算单元,用于根据所述原始数据生成指标参数,所述指标参数的类别包括:所述用户总激活数,无线资源利用率,小区平均流数,mu-mimo配对率,吞吐量,所述基站侧cpu占用率;

所述判断单元,用于根据所述指标参数,若所述指标参数超过相应的预设阈值,则判断所述指标参数所属的负荷级别以得到判断结果,所述负荷级别用于表示可用网络容量指标;

所述输出单元,用于根据所述判断结果生成分析报告。

第三方面,提供了一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当被计算机执行时使所述计算机执行如第一方面所述的网络容量评估方法。

第四方面,提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使得计算机执行如第一方面所述的网络容量评估方法。

第五方面,提供一种网络容量评估装置,包括:处理器、存储器和通信接口;其中,通信接口用于所述网络容量评估装置和其他设备或网络通信;所述存储器用于存储一个或多个程序,该一个或多个程序包括计算机执行指令,当该网络容量评估装置运行时,处理器执行该存储器存储的该计算机执行指令,以使该网络容量评估装置执行如第一方面所述的网络容量评估方法。

本申请的实施例提供了一种网络容量评估方法及装置,将基站侧指标映射到评估指标,基于映射结果建立分析模型,并提出了评估系统,可作为后续小区调度方法评判、门限调整、扩容和网络结构调整等的判断依据。

附图说明

图1为本申请的实施例提供的一种网络容量评估方法及基站侧应用的通信网络结构示意图;

图2为本申请的实施例提供的一种网络容量评估方法示意图;

图3为本申请的实施例提供的一种网络容量评估装置流程示意图;

图4为本申请的实施例提供的另一种网络容量评估装置结构示意图。

具体实施方式

下面先对本申请实施例涉及的一些概念进行简单介绍。

本文中术语“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。

本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象,或者用于区别对同一对象的不同处理,而不是用于描述对象的特定顺序。

此外,本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“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它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。

在本申请的描述中,除非另有说明,“多个”的含义是指两个或两个以上。

本申请实施例提供的网络容量评估方法可以应用于图1所示的通信网络中,该通信网络可以为第五代移动通信网络,还可以为第四代移动通信网络,还可以为其他实际的移动通信网络,本申请不予限制。

如图1所示,该通信网络可以包含:基站侧、网络容量评估系统。其中,图1中的基站侧主要用于实现无线物理层功能、资源调度和无线资源管理、无线接入控制以及移动性管理功能;网络容量评估系统可以包含:获取单元、计算单元、判断单元、输出单元。获取单元主要用于获取预设时间段内的原始数据,计算单元主要用于根据该原始数据生成指标参数,判断单元主要用于根据指标参数判断指标参数所属的负荷级别,根据所属的负荷级别建立网络容量体系,输出单元主要用于根据所述判断结果生成分析报告。该网络容量评估系统主要用于对原始数据进行网络容量评估,为决策做支撑。需要说明的是,图1仅为示例性架构图,除图1中所示功能单元之外,该网络架构还可以包括其他功能单元,本申请实施例对此不进行限定。

本申请实施例提供的网络容量评估方法,应用于图1所示的通信网络中,通过获取预设时间段内的原始数据,该原始数据包括:用户总激活数,用户传输模式,基站侧cpu占用率,用户的下行参数和上行参数;根据该原始数据生成指标参数,该指标参数的类别包括:该用户总激活数,无线资源利用率,小区平均流数,mu-mimo配对率,吞吐量,该基站侧cpu占用率;若该指标参数超过相应的预设阈值,则判断该指标参数所属的负荷级别以得到判断结果,该负荷级别用于表示可用网络容量指标;根据该判断结果生成分析报告可作为后续小区调度方法评判、门限调整、扩容和网络结构调整等的判断依据。

本申请实施例提供一种网络容量评估方法,该方法的执行主体为图1中的网络评估系统,如图2所示,该方法可以包括s101-s104:

s101、获取预设时间段内的原始数据。

预设时间段为基站侧以1个tti为频次的时间,可以为1ms,也可以为2ms,但一般不大于2s,具体数值在此不做限定。

原始数据为基站侧对每tti内的如下参数的输出能力,具体包括以下数据:

用户总激活数,具体为该基站所覆盖的小区内缓存中有数据的用户数;

用户传输模式,具体的,用户之间的传输模式包括:单用户mimo(简称“su-mimo”)和多用户mimo(简称“mu-mimo”);

su-mimo即“单用户多输入多输出”,其虽然可以通过多链路同时传输的模式,提升基站与用户设备之间的网络通讯速率,但在同一时间和同一频段内,基站只能够与一个用户设备通信。

mu-mimo即“多用户多输入多输出”,该技术则是在常规的su-mimo基础上,添加了同一时间和同一频段内多用户同时通信机制,多用户占用不同的空间资源。更为重要的一点是,mu-mimo不需要用户设备提供支持,只要基站本身支持mu-mimo技术,那么其在实际使用的过程中就会生效。

基站侧cpu占用率,以不大于2s的采样周期,对cpu占用率进行采样,在统计周期结束时取所有采样值的平均值作为指标值。

用户的下行参数,根据用户之间的传输模式,获取的下行参数包括:

下行mu-mimo配对组数量mdl,第mdl个下行mu-mimo配对组的用户数该第mdl个下行mu-mimo配对组中用户kdl的prb数流数下行吞吐量下行su-mimo用户数ldl,第ldl个下行su-mimo用户的prb数流数下行吞吐量

其中,该mdl的取值为大于等于1且小于等于该mdl的自然数,该的取值为大于等于2小于且等于小区支持的最大下行mu-mimo配对用户数的自然数,该kdl的取值为大于等于1且小于等于该的自然数,该ldl的取值为大于等于1且小于等于该ldl的自然数。

用户的上行参数,根据用户之间的传输模式,获取的上行参数包括:

上行mu-mimo配对组数量mul,第mul个上行mu-mimo配对组的用户数该第mul个上行mu-mimo配对组中用户kul的prb数流数上行吞吐量上行su-mimo用户数lul,第lul个上行su-mimo用户的prb数流数下行吞吐量

其中,该mul的取值为大于等于1且小于等于该mul的自然数,该的取值为大于等于2且小于等于小区支持的最大下行mu-mimo配对用户数的自然数,该kul的取值为大于等于1且小于等于该的自然数,该lul的取值为大于等于1且小于等于该lul的自然数。

s102、根据该原始数据生成指标参数。

该指标参数的类别包括:该用户总激活数,无线资源利用率,小区平均流数,mu-mimo配对率,吞吐量,该基站侧cpu占用率。

通过获取的1个tti为频次的原始数据,根据每tti的数据进行如下的映射,定义如下指标:

(1)用户总激活数,可以根据原始数据直接获取。

(2)无线资源利用率,即实际无线资源量和无线资源总量的比值,用于反映prb的利用率,该比值越高,说明无线资源利用越充分,其中rb是业务资源的调度单位,因此可以依据配对组数量以及配对组中的用户数,辅以小区中的流数计算无线资源利用率;

具体的,包括下行无线资源利用率和上行无线资源利用率;

下行无线资源利用率为:

其中,prbbw为整个带宽的prb数,如30khz子载波间隔,50mhz带宽为133,100mhz带宽为273,为小区支持的最大下行流数;

上行无线资源利用率为:

其中,prbbw为整个带宽的prb数,如30khz子载波间隔,50mhz带宽为133,100mhz带宽为273,为小区支持的最大上行流数。

(3)小区平均流数,具体用于反映空分效果;

具体的,包括下行平均流数和上行平均流数;

下行平均流数为:

上行平均流数为:

(4)mu-mimo配对率,具体用于反映mu-mimo传输模式的使用率;

具体的,包括下行mu-mimo配对率和上行mu-mimo配对率;

下行mu-mimo配对率中kdl个用户配对的配对率为:

上行mu-mimo配对率中kul个用户配对的配对率为:

其中,qdl为kdl用户配对的组数,qul为kul用户配对的组数。

(5)吞吐量,吞吐量是在预设时间内介质能够传输的数据量,具体包括下行吞吐量和上行吞吐量;

下行吞吐量为:

上行吞吐量为:

(6)基站侧cpu占用率,可以根据原始数据直接获取。

s103、若该指标参数超过相应的预设阈值,则判断该指标参数所属的负荷级别以得到判断结果,该负荷级别用于表示可用网络容量指标。

由步骤s102生成出指标参数后,将指标参数发送并存储,根据指标参数进行分析,分析方法具体包括:判断指标参数是否超过预设阈值,若超过预设阈值,根据相应的预设阈值建立相应标记,并根据相应标记将负荷级别分类为相应的五种负荷级别,根据五种负荷级别建立网络负载评级体系。

具体的,五种负荷级别包括:第一负荷级别、第二负荷级别、第三负荷级别、第四负荷级别以及第五负荷级别。

其中,第一负荷级别可以表示为总体资源不足,该第一负荷级别中,所有指标参数处于较高水平。

第二负荷级别可以表示为网络能够满足用户体验,该第二负荷级别中,无线资源利用率、平均流数、吞吐量较高,但总激活用户数、mu-mimo配对率较低。

第三负荷级别可以表示为rb承载效率低,该第三负荷级别中,无线资源利用率、平均流数较高,但吞吐量不高。

第四负荷级别可以表示为用户数量多,小数据业务为主,该第四负荷级别中,总激活用户数较高,但是无线资源利用率、平均流数不高。

第五负荷级别可以表示为网络资源富余,该第五负荷级别中,所有指标参数处于较低水平。

其中,网络容量评估系统会不断的接收基站侧发送的原始数据,接收到下一预设时间的原始数据后,根据上述方法建立的相应标记,本申请可以带入一种半监督学习svm的方式。它是一种利用大量未标记样本和已训练的分类器完成机器学习任务的综合分类学习方法,具体方法为:将相应标记和映射结果作为训练样本进行机器学习并训练出一个初始svm,随着不断输入的指标未标识的样本量会大量增加,系统根据该初始学习器对该未标识样本进行打标,这样所有样本都有了标识,并基于这些所有有标识的样本重新训练svm,之后对样本不断调整,输出初始未标识样本的最终预测结果。按照最终分类器建立的网络负载评级体系对后续输入的待分类指标进行分类,并以固定频次向基站侧发送分析报告;基站侧根据分析报告进行资源调度规划。

s104、根据该判断结果生成分析报告。

根据上述步骤得到的分析结果,生成分析报告发送至基站侧,基站侧可以将分析报告作为后续小区调度方法评判、门限调整、扩容和网络结构调整等的判断依据;至此,整个流程结束,建立完整的网络容量评估系统。

本申请通过获取预设时间段内的原始数据,该原始数据包括:用户总激活数,用户传输模式,基站侧cpu占用率,用户的下行参数和上行参数;根据该原始数据生成指标参数,该指标参数的类别包括:该用户总激活数,无线资源利用率,小区平均流数,mu-mimo配对率,吞吐量,该基站侧cpu占用率;若该指标参数超过相应的预设阈值,则判断该指标参数所属的负荷级别以得到判断结果,该负荷级别用于表示可用网络容量指标;根据该判断结果生成分析报告可作为后续小区调度方法评判、门限调整、扩容和网络结构调整等的判断依据,应用于对基站原始侧数据进行网络容量评估,为决策做支撑。在建立网络负载评级体系之后,还可以根据相应标记和大量未标记样本的混合样本集作为训练样本,提供一种基于半监督的svm分类算法对网络容量指标分类的实现方法,为下一时间段的指标参数进行分类,建立更加完善的网络负载评级体系来评估网络的资源利用情况,以此可以作为小区调度方法评判、门限调整和扩容等的判断依据。

本申请实施例可以根据上述方法示例对基站进行功能模块或者功能单元的划分,例如,可以对应各个功能划分各个功能模块或者功能单元,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或者功能单元的形式实现。其中,本申请实施例中对模块或者单元的划分是示意性的,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。

图3示出了上述实施例中所涉及的网络容量评估装置的一种可能的结构示意图。该装置包括获取单元201、计算单元202、判断单元203、输出单元204。

获取单元201、用于获取预设时间段内的原始数据,原始数据包括:用户总激活数,用户传输模式,基站侧cpu占用率,用户的下行参数和上行参数。

计算单元202、用于根据该原始数据生成指标参数,该指标参数的类别包括:该用户总激活数,无线资源利用率,小区平均流数,mu-mimo配对率,吞吐量,该基站侧cpu占用率。

判断单元203、用于根据该指标参数,若该指标参数超过相应的预设阈值,则判断该指标参数所属的负荷级别以得到判断结果,该负荷级别用于表示可用网络容量指标。

输出单元204、根据该判断结果生成分析报告。

可选的,该获取单元201中,该用户的下行参数和上行参数具体包括:

该下行参数包括:下行mu-mimo配对组数量mdl,第mdl个下行mu-mimo配对组的用户数该第mdl个下行mu-mimo配对组中用户kdl的prb数流数下行吞吐量下行su-mimo用户数ldl,第ldl个下行su-mimo用户的prb数流数下行吞吐量

其中,该mdl的取值为大于等于1且小于等于该mdl的自然数,该的取值为大于等于2且小于等于小区支持的最大下行mu-mimo配对用户数的自然数,该kdl的取值为大于等于1且小于等于该的自然数,该ldl的取值为大于等于1且小于等于该ldl的自然数;

该上行参数包括:上行mu-mimo配对组数量mul,第mul个上行mu-mimo配对组的用户数该第mul个上行mu-mimo配对组中用户kul的prb数流数上行吞吐量上行su-mimo用户数lul,第lul个上行su-mimo用户的prb数流数下行吞吐量

其中,该mul的取值为大于等于1且小于等于该mul的自然数,该的取值为大于等于2且小于等于小区支持的最大下行mu-mimo配对用户数的自然数,该kul的取值为大于等于1且小于等于该的自然数,该lul的取值为大于等于1且小于等于该lul的自然数。

可选的,该计算单元202还用于生成:

该无线资源利用率包括下行无线资源利用率和上行无线资源利用率:

该下行无线资源利用率为:

该上行无线资源利用率为:

其中,prbbw为整个带宽的prb数,为小区支持的最大下行流数,为小区支持的最大上行流数;

该小区平均流数包括下行平均流数和上行平均流数:

该下行平均流数为:

该上行平均流数为:

该mu-mimo配对率包括下行mu-mimo配对率和上行mu-mimo配对率:

该下行mu-mimo配对率中kdl个用户配对的配对率为:

该上行mu-mimo配对率中kul个用户配对的配对率为:

其中,qdl为kdl用户配对的组数,qul为kul用户配对的组数;

该吞吐量包括下行吞吐量和上行吞吐量:

该下行吞吐量为:

该上行吞吐量为:

可选的,该判断单元203还用于判断该负荷级别,包括:第一负荷级别、第二负荷级别、第三负荷级别、第四负荷级别以及第五负荷级别。

可选的,该输出单元根据该判断结果生成分析报告之后,还包括:

调度单元205,用于向该基站侧发送该分析报告以使该基站侧根据该分析报告进行资源调度规划。

图4示出了上述实施例中所涉及的网络容量评估装置的又一种可能的结构示意图。该网络容量评估装置包括:处理器302和通信接口303。处理器302用于对基站的动作进行控制管理,例如,执行上述获取单元201及计算单元202执行的步骤,和/或用于执行本文所描述的技术的其它过程。通信接口303用于支持网络容量评估装置与其他网络实体的通信,例如,执行上述判断单元203及输出单元204执行的步骤。网络容量评估装置还可以包括存储器301和总线304,存储器301用于存储网络容量评估装置的程序代码和数据。

其中,存储器301可以是网络容量评估装置中的存储器等,该存储器可以包括易失性存储器,例如随机存取存储器;该存储器也可以包括非易失性存储器,例如只读存储器,快闪存储器,硬盘或固态硬盘;该存储器还可以包括上述种类的存储器的组合。

上述处理器302可以是实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。该处理器可以是中央处理器,通用处理器,数字信号处理器,专用集成电路,现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。该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。

总线304可以是扩展工业标准结构(extendedindustrystandardarchitecture,eisa)总线等。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。

通过以上的实施方式的描述,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,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。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。

本申请实施例提供一种包含指令的计算机程序产品,当该计算机程序产品在计算机上运行时,使得该计算机执行上述方法实施例该的网络容量评估方法。

本申请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中存储有指令,当网络设备执行该指令时,该网络设备执行上述方法实施例所示的方法流程中网络设备执行的各个步骤。

其中,计算机可读存储介质,例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(randomaccessmemory,ram)、只读存储器(read-onlymemory,rom)、可擦式可编程只读存储器(erasableprogrammablereadonlymemory,eprom)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(compactdiscread-onlymemory,cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。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特定用途集成电路(applicationspecificintegratedcircuit,asic)中。在本申请实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

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。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1