面向智慧城市通信网络的资源分配优化系统

本发明涉及智慧城市和大数据领域，尤其涉及一种面向智慧城市通信网络的资源分配优化系统。

背景技术：

1、随着时代的进步和科技的发展，网络从单一的业务传输网发展成为多业务融合的综合传输网。业务类型的多样和业务量的庞大使得当今的网络所面临的最大挑战是：有限的网络资源和日益增长的用户需求之间的矛盾。网络常常因为节点的流量过载使业务无法正常运行，如网络的拥塞会给人们带来许多不便和经济损失。因而，网络节点资源的匮乏是影响网络服务质量的关键因素，如何对网络节点资源进行更加合理有效的分配变得尤为重要。

2、现有对节点资源分配方法的研究中，通常都是考虑节点的度和介数等能够表征节点重要性的参数，因此，对节点的资源分配通常是建立在网络节点构成的通信拓扑结构中的，该资源分配方法难以对未知时刻具有未知通信行为的网络节点进行准确的资源预分配，不准确的分配结果将降低资源的利用率，并增大某些网络节点的运行负载。

技术实现思路

1、针对现有技术之不足，本发明提供了一种面向智慧城市通信网络的资源分配优化系统，包括网络资源配置云平台和网络节点，网络资源配置云平台与网络节点之间具有通信连接；

2、网络资源配置云平台包括网络构建模块、特征获取模块、序列生成模块、属性集成模块和状态预测模块；

3、网络构建模块获取网络通信数据在不同时刻下的数据快照，基于所有数据快照组成的快照序列生成所述网络通信数据的网络通信子图序列，其中，所述网络通信子图序列中包括若干按快照时间顺序排列的通信结构网络，所述通信结构网络中的边表征两网络节点在对应时刻具有通信行为；

4、特征获取模块提取每个通信结构网络中各个网络节点关联的所有一阶邻近网络节点、环路个数和自网络包含的所有边，以构成各个网络节点在对应时刻下的第一节点特征，利用聚集函数递归各个网络节点的所有邻近网络节点的第一节点特征，直至递归所得的特征包含与所有待递归的邻近网络节点的第一节点特征相似的特征，得到各个网络节点的第二节点特征；

5、序列生成模块基于每个网络节点的第一节点特征和第二节点特征分析得到对应时刻下的通信结构网络的节点转移概率矩阵，并基于不同时刻下的节点转移概率矩阵组成网络通信子图序列的节点转移概率矩阵序列；

6、属性集成模块基于节点转移概率矩阵中目标网络节点转移至不同网络节点上的概率取值，获取概率取值最大的网络节点作为对应目标网络节点的转移网络节点以生成对应时刻下通信结构网络的转移节点集合，基于所述转移节点集合和各个网络节点扩充后的第一节点特征生成对应网络节点的属性集；

7、状态预测模块基于获取到的若干历史通信结构网络中各个网络节点对应的属性集对转移概率预测模型进行训练，基于训练完成的转移概率预测模型预测下一时刻对应通信结构网络的局部节点转移概率矩阵，从目标网络节点对应的局部节点转移概率矩阵中获取概率取值最大的网络节点作为目标网络节点在下一时刻的实时转移网络节点，并基于所述实时转移网络节点确定目标网络节点在下一时刻的节点重要度以供网络管理人员根据所述目标网络节点的节点重要度优化下一时刻网络资源的分配。

8、根据一个优选实施方式，所述基于每个网络节点的第一节点特征和第二节点特征分析得到对应时刻下的通信结构网络的节点转移概率矩阵包括：

9、基于每个网络节点的第一节点特征和第二节点特征生成不同时刻下对应网络节点的特征取值向量，基于对应时刻下的通信结构网络中所有网络节点的特征取值向量和所述快照序列生成网络通信子图序列的节点特征矩阵序列；

10、利用非负矩阵分解算法分析得到节点特征矩阵序列中各个节点特征矩阵的节点转移概率矩阵，其中，所述节点转移概率矩阵中的每个元素表示对应目标网络节点转移至其它网络节点上的概率取值。

11、根据一个优选实施方式，所述基于获取到的若干历史通信结构网络中各个网络节点对应的属性集对转移概率预测模型进行训练包括：

12、基于获取到的若干历史通信结构网络中每个网络节点的属性集为每个预设候选转移网络节点建立相应的属性数据集，其中，所述属性数据集中包括若干按序排列的训练数据对，每个训练数据对包括对应网络节点的属性集中的第一节点属性、第二节点属性、第三节点属性与第四节点属性在对应历史时刻下的特征和下一历史时刻下作为预测目标的，所述网络节点在对应预设候选转移网络节点上的概率取值；

13、将不同预设候选转移网络节点对应的属性数据集划分为若干属性数据段，并以每个属性数据段中的预测目标为变量对每个属性数据段进行线性回归以构建对应预设候选转移网络节点的第一概率回归模型，将利用所述第一概率回归模型预测得到的对应预设候选转移网络节点的预测概率取值重新合并至所述预设候选转移网络节点的属性数据集中以对每个属性数据段进行属性扩充，其中，所述预测目标为对应网络节点在对应预设候选转移网络节点上的概率取值；

14、对扩充后的各个属性数据段进行线性回归以得到对应预设候选转移网络节点的第二概率回归模型，并利用若干历史数据快照作为测试数据集对所述第二概率回归模型进行测试并优化每个预设候选转移网络节点对应的第二概率回归模型的模型参数，基于每个预设候选转移网络节点的第二概率回归模型构成网络节点的转移概率预测模型。

15、根据一个优选实施方式，所述基于训练完成的转移概率预测模型预测下一时刻对应通信结构网络的局部节点转移概率矩阵包括：

16、输入前一时刻下通信结构网络对应的各个网络节点的属性集至所述转移概率预测模型中，合并所述转移概率预测模型中各个第二概率回归模型输出的下一时刻下对应网络节点在对应预设候选转移网络节点上的预测概率取值以得到所述网络节点的转移概率分布向量；

17、基于所有网络节点的转移概率分布向量生成下一时刻下对应通信结构网络的局部节点转移概率矩阵。

18、根据一个优选实施方式，基于所述转移节点集合和各个网络节点扩充后的第一节点特征生成对应网络节点的属性集包括：

19、将相邻时刻的两通信结构网络对应的两转移节点集合进行比较以确定两转移节点集合的匹配度，当两转移节点集合的匹配度小于预设匹配度阈值时，基于相邻通信结构网络中不相匹配的各个转移网络节点的概率取值之差确定每个不相匹配的转移网络节点的转移量；

20、基于每个网络节点的特征向量中心度、紧密中心度和聚集度系数对相应网络节点的第一节点特征进行扩充，基于扩充后的第一节点特征组成对应时刻下通信结构网络的节点度量矩阵，基于所述通信结构网络的节点转移概率矩阵对所述节点度量矩阵进行非负矩阵分解以得到所述通信结构网络的节点关系量化矩阵，其中，所述节点关系量化矩阵行对应若干个转移网络节点，所述节点关系量化矩阵的列对应若干个度量属性，所述度量属性为扩充后的第一节点特征中包含的所有特征向量；

21、从节点关系量化矩阵中提取各个网络节点的量化关系列表，基于各个网络节点的转移量、扩充后的第一节点特征、量化关系列表和候选转移节点列表生成各个网络节点的属性集，其中，所述节点关系量化矩阵的每一行元素表征对应网络节点的转移网络节点对各个度量属性的贡献，所述量化关系列表由节点关系量化矩阵中对应行的所有元素构成，所述属性集包括由对应网络节点的转移量构成的第一节点属性、由对应网络节点扩充后的第一节点特征构成的第二节点属性、由对应网络节点的量化关系列表构成的第三节点属性和由对应网络节点的候选转移节点列表构成的第四节点属性。

22、根据一个优选实施方式，所述候选转移节点列表的获取步骤包括：

23、从对应时刻下的通信结构网络的节点转移概率矩阵中获取对应行的所有元素以得到对应目标网络节点的转移网络节点集，从所述转移网络节点集中获取若干概率取值大于预设阈值的多个网络节点以生成目标网络节点的候选转移节点列表，其中，所述转移网络节点集中包括对应目标网络节点转移至通信结构网络中的每个网络节点上的概率取值。

24、根据一个优选实施方式，所述转移概率分布向量包括对应网络节点在所有不同预设候选转移网络节点上的概率取值向量。

25、根据一个优选实施方式，所述一阶邻近网络节点为与对应网络节点直接相连的所有网络节点。对于网络节点用于递归的邻近网络节点包括其所对应的一阶邻近网络节点、二阶邻近网络节点直至n阶邻近网络节点。

26、所述基于所述实时转移网络节点确定目标网络节点的节点重要度包括：对所述实时转移网络节点在上一时刻的节点重要度和目标网络节点在上一时刻的节点重要度进行加权融合以得到目标网络节点在下一时刻的重要度。

27、本发明具有以下有益效果：

28、本发明提供的面向智慧城市通信网络的资源分配优化系统能够为对应时刻下具有通信行为的所有网络节点建立连接以形成相应的通信网络，并通过该通信网络训练出能够预测目标网络节点在下一时刻可能进行状态转移的转移网络节点的模型，以根据转移网络节点的重要度确定目标网络节点在下一时刻的重要度，以供网络管理人员根据每个网络节点在下一时刻的重要度优化网络资源在下一时刻的分配，本发明能够帮助网络管理人员实现网络资源的合理分配，提高资源使用效率。