网络数据分析方法和网络数据分析功能实体与流程

1.本公开涉及通信领域，特别涉及一种网络数据分析方法和网络数据分析功能实体。


背景技术：

2.网络数据分析功能(nwdaf,network data analytics function)主要用于网络切片相关数据的分析。
3.nwdaf实体针对分析任务的类型预先配置需要收集的数据。例如，针对用户设备(user equipment，ue)移动性(mobility)类型的分析任务，预先配置了ue id、ue location(位置)、tac(tracking area code，跟踪区域码)、timestamp(时间戳)、application(应用)等几个固定参数。
4.如果要分析用户设备移动性，nwdaf实体会根据配置信息调取ue id、ue location、tac、timestamp、application等固定参数，并收集这些固定参数相关的数据，进行用户设备移动性分析。
5.这样即使nwdaf发现新的强关联数据，也不能增加其它与需要判断的内容(例如ue mobility)密切相关的参数(例如路径、速度等)的收集。


技术实现要素：

6.发明人发现，nwdaf实体根据配置的固定参数进行任务分析，任务分析结果依赖配置的固定参数的准确性，造成任务分析不够灵活和准确。例如，除了上述配置的固定参数外，路径、速度等参数也与用户设备移动性具有较强的相关性，如果没有预先配置这些参数，对用户设备移动性分析的灵活性和准确性会造成不利影响。
7.本公开实施例中，nwdaf实体调取用户行为与参数的关系网络信息，根据关系网络信息，确定行为分析任务的相关参数，根据行为分析任务的相关参数，向相关网元订阅相应的相关参数数据，根据相关参数数据，对行为分析任务进行行为分析。从而，动态地确定行为分析任务的相关参数，提升任务分析的灵活性和准确性。
8.本公开一些实施例提出一种网络数据分析方法，包括：
9.网络数据分析功能nwdaf实体调取用户行为与参数的关系网络信息；
10.nwdaf实体根据所述关系网络信息，确定行为分析任务的相关参数；
11.nwdaf实体根据所述行为分析任务的相关参数，向相关网元订阅相应的相关参数数据；
12.nwdaf实体根据所述相关参数数据，对所述行为分析任务进行行为分析。
13.在一些实施例中，该方法还包括：nwdaf实体根据所述行为分析任务的行为分析结果，更新所述关系网络信息。
14.在一些实施例中，nwdaf实体更新所述关系网络信息包括：
15.nwdaf实体在行为分析结果表明一个用户的不同行为在时间上具有先后承接关系
的情况下，在所述关系网络信息中增加所述用户的所述不同行为之间的关联关系；或者，
16.nwdaf实体在行为分析结果表明不同用户在相同时间具有相同行为的情况下，在所述关系网络信息中增加所述不同用户之间的关联关系；
17.nwdaf实体在行为分析结果表明不同用户的不同行为具有预设关联关系的情况下，在所述关系网络信息中增加所述不同用户的所述不同行为之间的关联关系。
18.在一些实施例中，nwdaf实体更新所述关系网络信息包括：nwdaf实体在行为分析结果的分析准确度低于预设值的情况下，在所述关系网络信息中，修改与用户行为关联的参数的权值，或/和，调整与用户行为关联的参数。
19.在一些实施例中，nwdaf实体调整与用户行为关联的参数包括：nwdaf实体根据与用户行为关联的至少一个初始参数确定衍生参数，并将衍生参数添加到与用户行为关联的参数中。
20.在一些实施例中，nwdaf实体根据所述关系网络信息，确定行为分析任务的相关参数包括：
21.nwdaf实体根据所述关系网络信息，确定行为分析任务的目标行为和目标用户相应的参数；
22.nwdaf实体从目标行为和目标用户相应的参数中，选择行为分析任务的相关参数。
23.在一些实施例中，nwdaf实体根据所述关系网络信息，确定行为分析任务的相关参数还包括：
24.nwdaf实体根据所述关系网络信息，确定行为分析任务的目标行为的相关行为；
25.nwdaf实体根据所述关系网络信息，确定相关行为相应的参数；
26.nwdaf实体从目标行为和目标用户相应的参数以及相关行为相应的参数中，选择行为分析任务的相关参数。
27.在一些实施例中，nwdaf实体根据所述关系网络信息，确定行为分析任务的相关参数还包括：
28.nwdaf实体根据所述关系网络信息，确定行为分析任务的目标用户的相关用户；
29.nwdaf实体根据所述关系网络信息，确定相关用户相应的参数；
30.nwdaf实体从目标行为和目标用户相应的参数以及相关用户相应的参数中，选择行为分析任务的相关参数。
31.在一些实施例中，所述相关网元包括无线接入网ran、接入和移动性管理功能amf实体、用户面功能upf实体、策略控制功能pcf实体、用户数据模块udm、会话管理功能smf实体中的一个或多个。
32.本公开一些实施例提出一种网络数据分析功能实体，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行网络数据分析方法。
33.本公开一些实施例提出一种非瞬时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现网络数据分析方法的步骤。
附图说明
34.下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍。根据下面参
照附图的详细描述，可以更加清楚地理解本公开。
35.显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
36.图1示出本公开一些实施例的通信网络的示意图。
37.图2示出本公开一些实施例的网络数据分析方法的流程示意图。
38.图3示出本公开一些实施例的网络数据分析方法的流程示意图。
具体实施方式
39.下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。
40.图1示出本公开一些实施例的通信网络的示意图。
41.如图1所示，在通信网络中，包括：nwdaf实体、无线接入网(radio access network，ran)设备、接入和移动性管理功能(access and mobility management function，amf)实体、用户面功能(user plane function，upf)实体、策略控制功能(policy control function，pcf)实体、用户数据模块(user data module,udm)、会话管理功能(session management function，smf)实体等网元。各网元之间的连接关系如图1所示。nwdaf实体中存储有基于知识图谱技术构建的用户行为与参数的关系网络信息。
42.nwdaf实体可以从与其有连接关系的其他网元中获取任务分析相关的数据。例如，从ran收集终端的位置信息(如，跟踪区域识别码(tracking area identity，tai))、基站内用户数量等，可以用于确认用户位置信息和运动轨迹，并可以了解基站内以及相邻基站的用户数量；从amf收集终端连接状态信息、切换事件上报等信息，可以用于确认用户的连接状态等信息；从pcf收集用户的移动性策略和会话策略的相关信息等，用于确认用户相关的移动性策略和会话策略；从udm收集用户签约信息、用户轨迹信息等，可以用于确认用户类型等用户签约相关的信息；从smf收集用户会话信息等，可以用于确认用户会话状态，包括会话数量、会话类型等；从upf收集用户会话的数据路由信息、计费信息等，可以用于确认用户数据面的路由状况，即用户数据路由到边缘计算网络还是骨干网络。但不限于所举示例。
43.nwdaf实体获取任务分析相关的数据之后，可以进行各种网络数据分析。下面通过(1)-(4)举例说明。
44.(1)基于终端移动性预测的移动性管理定制或优化
45.5g多样化场景下的终端具有不同的移动性行为。当期望5g网络能够对终端进行移动性管理定制或者进行移动性支持优化时，网络需具备能对终端的移动性模型进行预测的能力。人工智能技术提供了终端移动行为预测方法。通过将终端位置预测问题抽象为机器学习中的分类问题或回归问题，就可以利用相关的机器学习算法对终端位置或轨迹进行预测。
46.网络数据分析功能首先需要收集终端的位置信息，包括历史移动轨迹和终端实时位置信息。收集的信息可以作为训练数据来调整或修正预测模型然后，利用可靠的预测模型，就可以预测终端位置或移动性轨迹，包括群组终端的分布特征和单个终端的位置信息。这些预测信息是5g网络进行移动性管理定制或优化的重要依据。
47.基于终端移动模型的预测，网络可以进行动态的网络优化，其中包括移动性管理
的定制和优化，例如移动性管理机制定制、注册区管理、切换管理优化等。
48.(2)网络切片的优化
49.网络切片是5g网络引入的重要技术，在同一套硬件基础设施上按需切分出多个虚拟的逻辑的端到端网络，每个网络切片在逻辑上隔离，适配各种类型业务的不同网络需求。从逻辑上看，网络切片是一组网络功能的集合，用于服务一类业务，但是从物理上，多个网络切片仍然共享网络资源。考虑到网络资源的有限性和不同网络切片中的网络状态，运营商需要在保证服务等级协议sla(service level agreement)的同时，尽可能地复用底层网络资源。因此，为了高效运营，运营商需最优化网络切片的资源划分。
50.nwdaf实体通过收集网络切片的资源使用、业务量、用户业务体验等信息，利用可靠分析和预测模型，实现对网络切片业务量、资源需求、网络切片用户业务体验的统计和预测，构建网络切片画像，优化网络切片资源分配和网络切片选择策略等。
51.人工智能技术能帮助运营商优化网络切片资源的管理。nwdaf实体通过对网络切片的实际运行情况、切片中的业务量数据以及sla的执行情况的采集，利用机器学习算法创建网络切片的业务量和资源使用状况的模型，然后，利用该模型，可以实现对网络切片的业务量和资源需求的准确预测，从而优化网络切片间的资源分配策略。网管系统将根据资源分配进行网络切片资源的动态调整，例如动态扩缩容。在使用优化的资源分配策略后的网络运行状况可以再次迭代到预测模型中，完成闭环反馈，进而趋近最优解。
52.(3)业务(路径)的优化
53.nwdaf实体通过收集网络性能、特定区域业务负荷、用户业务体验等信息，利用可靠网络性能分析和预测模型，对不同类型业务进行评估、分析，构建业务画像，确定业务的体验质量(quality of experience，qoe)和业务路径、qos(quality of service，服务质量)等内在关联，优化业务路径(如优化upf选择)、业务路由(如优化ue路由选择策略)、边缘计算、业务对应的qos等。
54.(4)业务参数的优化
55.网络性能预测辅助的应用层调整。为了帮助应用层做出正确的参数调整，5g网络应向应用层提供准确的网络性能预测信息。因此，5g网络除了对终端的移动性进行预测外，还需要建立网络性能的分析模型。网络可以收集和分析各基站的运行状态信息来创建模型。当收到应用层关于网络性能预测信息的订阅请求后，针对相关终端，利用网络性能的分析模型和终端的位置，预测终端在未来一段时间内所面临的网络状况。
56.车联网是5g网络的重要技术，在车联网的自动驾驶场景中，车辆即将经过的基站的网络性能(例如qos信息、业务负荷)预测对提高车联网的服务质量有着重要作用。例如车联网服务器可以基于网络性能的预测信息判断是否继续保持无人驾驶模式。nwdaf实体通过收集网络性能、特定区域业务负荷等信息，利用可靠网络性能分析和预测模型，实现对网络性能的统计和预测，辅助优化应用参数。
57.图2示出本公开一些实施例的网络数据分析方法的流程示意图。
58.如图2所示，该实施例的网络数据分析方法包括：步骤210-240，还可以包括步骤250。
59.在步骤210，nwdaf实体调取用户行为与参数的关系网络信息。
60.其中，关系网络信息记录有各种用户行为以及每种用户行为相关的参数的关联关
系，还可以记录不同行为之间的关联关系，不同用户之间的关联关系等。
61.用户行为与参数的关系网络信息可以采用知识图谱技术构建。
62.例如，在网络初始部署的时候，可以通过初始预配置的方法，根据行为相关的信息给各行为之间以及行为与参数之间配置关联关系，形成初始的行为之间的知识图谱。后续nwdaf实体根据初始配置的知识图谱，收集相关的信息，进行用户行为判决，并把每次判决的结果反馈到知识图谱中，根据判决结果增强或者减弱行为之间的关联关系，还可以根据判决结果增加用户行为强相关的参数种类，减少无关或弱相关的参数种类。随着用户行为的判决次数不断增多，知识图谱不断完善，nwdaf实体针对各个用户行为收集的参数种类不断调整，逐渐达到参数收集的最佳状态。
63.在一些应用例中，针对大规模签约的专用终端或物联网设备，各个终端类型相似，签约信息相似，nwdaf判决出这一类终端行为时，与该行为来自哪个终端关系不大。例如，矿井工人配备的终端，因为矿井作业有一套行为规范，终端之间行为差异不大，所以只需要按照某种行为作为粒度来构建知识图谱，可以简化知识图谱的复杂性，便于快速进行行为识别，无需把每个用户的行为差异考虑进来。
64.又例如，在网络初始部署的时候，可以通过初始预配置的方法，根据udm中的签约信息以及其它网络已知的信息对某个单个用户的行为相关的参数进行预配置，并配置单个用户不同行为之间、多个用户相同行为之间、多个用户不同行为之间的关系，形成初始知识图谱。后续nwdaf实体会根据初始配置的知识图谱，收集相关的信息，进行单个用户的行为判决，并把每次判决的结果反馈到知识图谱中，根据判决结果增强或者减弱行为之间的关联关系，还可以根据判决结果增加用户行为强相关的参数种类，减少无关或弱相关的参数种类。随着用户行为的判决次数不断增多，知识图谱不断完善，nwdaf实体针对各个用户行为收集的参数种类也不断调整，逐渐达到参数收集的最佳状态。
65.在一些应用例中，针对个性化的终端(如手机)，各个人的行为习惯都有一定规律，例如每个用户上班的时间、路径、速度(走路、开车还是地铁)都有一定规律性，按照用户和行为的粒度来进行知识图谱的构建，有利于用户行为判断的准确性。
66.在步骤220，nwdaf实体根据所述关系网络信息，确定行为分析任务的相关参数。
67.在一些实施例中，nwdaf实体确定行为分析任务的相关参数包括：nwdaf实体根据所述关系网络信息，确定行为分析任务的目标行为和目标用户相应的参数，也即，根据关系网络信息记录的各种用户行为和各种参数以及它们的关联关系，利用行为分析任务指明的目标行为和目标用户，从关系网络信息查找确定目标行为和目标用户相应的参数；nwdaf实体从目标行为和目标用户相应的参数中，选择行为分析任务的相关参数。其中，从目标行为和目标用户相应的参数中选择全部或部分参数作为行为分析任务的相关参数。其中，如果选择部分参数，可以根据各参数的权值(权值的大小表明对行为分析任务的影响大小)选择其中权值较大的参数。
68.在一些实施例中，nwdaf实体确定行为分析任务的相关参数包括：nwdaf实体根据所述关系网络信息，确定行为分析任务的目标行为和目标用户相应的参数；nwdaf实体根据所述关系网络信息，确定行为分析任务的目标行为的相关行为，如前所述，关系网络信息记录了不同行为之间的相关性，据此可以确定目标行为的相关行为；nwdaf实体根据所述关系网络信息，确定相关行为相应的参数，如前所述，关系网络信息记录有每种行为相关的参
数，据此可以确定该相关行为相应的参数；nwdaf实体从目标行为和目标用户相应的参数以及相关行为相应的参数中，选择行为分析任务的相关参数。其中，从目标行为和目标用户相应的参数以及相关行为相应的参数中选择全部或部分参数作为行为分析任务的相关参数。其中，如果选择部分参数，可以根据各参数的权值(权值的大小表明对行为分析任务的影响大小)选择其中权值较大的参数。
69.在一些实施例中，nwdaf实体确定行为分析任务的相关参数包括：nwdaf实体根据所述关系网络信息，确定行为分析任务的目标行为和目标用户相应的参数；nwdaf实体根据所述关系网络信息，确定行为分析任务的目标用户的相关用户，如前所述，关系网络信息记录了不同用户之间的相关性，据此可以确定目标用户的相关用户；nwdaf实体根据所述关系网络信息，确定相关用户相应的参数，例如，该相关用户的基本信息，或者该相关用户的某种行为(如目标行为或目标行为的相关行为)相应的参数等；nwdaf实体从目标行为和目标用户相应的参数以及相关用户相应的参数中，选择行为分析任务的相关参数。其中，从目标行为和目标用户相应的参数以及相关用户相应的参数中选择全部或部分参数作为行为分析任务的相关参数。其中，如果选择部分参数，可以根据各参数的权值(权值的大小表明对行为分析任务的影响大小)选择其中权值较大的参数。
70.本领域技术人员可以理解，nwdaf实体还可以从目标行为和目标用户相应的参数、相关行为相应的参数、以及相关用户相应的参数中，选择行为分析任务的相关参数。
71.在步骤230，nwdaf实体根据所述行为分析任务的相关参数，向相关网元订阅相应的相关参数数据。
72.nwdaf实体可以从与其有连接关系的相关网元中获取任务分析相关的数据。如前所述，相关网元包括ran、amf实体、upf实体、pcf实体、udm、smf实体中的一个或多个。从相关网关所能获取的数据参考前述，这里不再赘述。
73.在步骤240，nwdaf实体根据所述相关参数数据，对所述行为分析任务进行行为分析。
74.nwdaf实体获取任务分析相关的数据之后，可以进行各种网络数据分析，分析内容和分析方法具体参考前述，这里不再赘述。
75.在步骤250，nwdaf实体根据所述行为分析任务的行为分析结果，更新所述关系网络信息。
76.在一些实施例中，nwdaf实体更新所述关系网络信息包括：nwdaf实体在行为分析结果表明一个用户的不同行为在时间上具有先后承接关系的情况下，在所述关系网络信息中增加所述用户的所述不同行为之间的关联关系。
77.例如，一个用户在下班行为之后，接着是健身房锻炼行为，可以建立单个用户的不同行为“下班行为”与“锻炼行为”之间的关联，并进行行为判断。
78.在一些实施例中，nwdaf实体更新所述关系网络信息包括：nwdaf实体在行为分析结果表明不同用户在相同时间具有相同行为的情况下，在所述关系网络信息中增加所述不同用户之间的关联关系。
79.例如，一个员工的下班行为之后，很可能接着是其它员工的下班行为，建立不同员工的相同行为“下班行为”之间的关联，并进行行为判断。
80.在一些实施例中，nwdaf实体更新所述关系网络信息包括：nwdaf实体在行为分析
结果表明不同用户的不同行为具有预设关联关系(例如，因果、递进等强关联关系)的情况下，在所述关系网络信息中增加所述不同用户的所述不同行为之间的关联关系。
81.例如，一个家长送孩子上学的行为之后，一般会接着一个孩子在学校上课的行为，可以建立不同用户“家长”和“孩子”的不同行为“送孩子的行为”“上课行为”之间的关联，并进行行为判断。
82.又例如，每天下班后，在丈夫接孩子行为发生的半小时后，妻子开始做饭，以便回家后一家人一起吃饭，可以建立不同用户“丈夫”“妻子”的不同行为“接孩子的行为”“做饭行为”之间的关联，并进行行为判断。也就是说，这两个行为的时间地点人物都不一样，但是这两个行为之间也是有关联的，在分析妻子做饭这个行为时，根据之前的数据分析经验，引入丈夫接小孩的时间这个参数。
83.在一些实施例中，nwdaf实体更新所述关系网络信息包括：nwdaf实体在行为分析结果的分析准确度低于预设值的情况下，在所述关系网络信息中，修改与用户行为关联的参数的权值，或/和，调整(增加或减少)与用户行为关联的参数。
84.在一些实施例中，nwdaf实体调整与用户行为关联的参数包括：nwdaf实体根据与用户行为关联的至少一个初始参数确定衍生参数，并将衍生参数添加到与用户行为关联的参数中。
85.例如，在用户移动性分析中，与用户移动行为关联有用户位置和时间戳等初始参数，根据各个用户位置以及相应的时间戳，确定用户的速度或路径等衍生参数。
86.上述实施例，nwdaf实体调取用户行为与参数的关系网络信息，根据关系网络信息，确定行为分析任务的相关参数，根据行为分析任务的相关参数，向相关网元订阅相应的相关参数数据，根据相关参数数据，对行为分析任务进行行为分析。从而，动态地确定和调整行为分析任务的相关参数，提升任务分析的灵活性和准确性。
87.图3示出本公开一些实施例的网络数据分析方法的流程示意图。
88.如图3所示，该实施例的网络数据分析功能实体300包括：存储器310以及耦接至该存储器310的处理器320，处理器320被配置为基于存储在存储器310中的指令，执行前述任意一些实施例中的网络数据分析方法。
89.其中，存储器310例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(boot loader)以及其他程序等。
90.网络数据分析功能实体300还可以包括输入输出接口330、网络接口340、存储接口350等。这些接口330，340，350以及存储器310和处理器320之间例如可以通过总线330连接。其中，输入输出接口330为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口340为各种联网设备提供连接接口。存储接口350为sd卡、u盘等外置存储设备提供连接接口。
91.本公开一些实施例提出一种非瞬时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现执行前述任意一些实施例中的网络数据分析方法。
92.本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机程序代码的非瞬时性计算机可读存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机
程序产品的形式。
93.本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
94.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
95.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
96.以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。