一种区域5G基站容量信息分析处理方法和系统与流程

本发明涉及5g基站，特别涉及一种区域5g基站容量信息分析处理方法和系统。

背景技术：

1、5g基站需要同时处理连接到它的移动设备。这些设备可以是智能手机、平板电脑、物联网设备等。基站的容量规划要考虑到网络负载，确保能够同时连接和服务足够多的设备，而不会导致性能下降或服务中断。简单来说，5g网络支持高速数据传输，因此基站的容量也涉及到能够提供高速数据服务的能力。这包括下载和上传速度，以及用户体验的流畅性。

2、现有技术中，基站需要有足够的带宽来支持多个用户同时进行数据传输。带宽越高，支持的用户数量和数据流量就越多。其中基站的容量也与其覆盖范围有关。大范围覆盖需要更多的容量，以满足不同地区的用户需求。而且基站容量规划还涉及到数据流量的管理，以确保资源的公平分配和合理利用。这包括流量控制和优先级管理，以满足不同用户和应用的需求。因此，容量规划是5g网络设计和运营的重要方面，它需要考虑未来的网络增长和用户需求，以确保网络能够持续提供高质量的服务，而不会出现拥塞或性能下降的问题。

3、在现有技术中，已经有相关技术对区域5g基站容量信息进行分析与策略规划，例如cn201911300742.5《一种在移动边缘网络中的分布式服务缓存方法》所公开的技术，针对对成本和延迟敏感的服务缓存问题，设计了一种高效且稳定的博弈论机制。然后通过仿真评估了算法的性能；所提出的approrr算法，可以将由于lp而产生的分数解视为服务sl的候选位置的集合。然后，对于每个sl，可以找到从sl的原始实例到找到的候选位置的最小成本流。但是该传统技术倾向于采用静态策略，即一旦确定缓存位置，就不容易适应网络变化和用户需求的动态性。这导致低效的资源利用，特别是在快速变化的环境中。

4、又例如cn202211341637.8所公开的《基于重叠覆盖5gsa组网模式下邻区规划方法、装置及设备》，其基于重叠覆盖面积的5g邻区规划与基于距离的5g邻区规划相比，能够更加准确反映小区之间的信号重叠覆盖情况，采用子区域分割方法，使得邻区分布更加均匀，提升了邻区配置的精准度。但该方法主要依赖于覆盖面积的信息，无法充分考虑其他因素，如用户分布、信道特性等。这导致在某些情况下，其容量的规划仍不准确。同时重叠覆盖面积虽然重要，但不一定是唯一的决定因素。其他因素如用户需求、网络拓扑等也需要考虑。

5、又例如cn201810311473.1所公开的《一种无线5g前传及其它业务综合承载的组网方法》，其每个5g射频拉远站址确定建设一个传输接入节点，在传输接入节点部署一台有源小型波分设备，无线基站前传业务的aau/rru可通过光纤连接至该台有源小型波分设备和综合接入业务能够连接至该有源小型波分设备的范围定义为传输接入节点覆盖范围，在du/bbu集中放置的汇聚机房，按需配置汇聚波分设备作为汇聚传输节点后，接入点组网和汇聚层组网后确定网络拓扑图。但是这项传统技术中采用了相对静态的网络拓扑，这会导致网络拓扑的刚性，如果每个站址都建设传输接入节点，其会导致资源浪费，特别是在某些站址上没有足够的容量需求来支持一个传输接入节点。

6、总结性的，上述传统技术的形式技术缺陷或改进出发点在于：

7、(1)局限于单一因素：传统技术主要基于覆盖面积和容量之间的交互关系，均忽略了多个因素之间的相互作用和联系。如用户分布、信道特性、网络拓扑等。

8、(2)无法预测多因素交互：传统技术往往是静态策略，而静态策略难以预测多个因素之间的复杂相互作用。在5g网络中多个因素相互影响，但传统方法难以捕捉和预测这些复杂关系。这导致低效的网络配置，因为它无法准确预测多因素交互的影响。

9、(3)缺乏灵活性：传统方法通常较为固定和刚性，难以应对不同场景和需求的变化。无法动态地调整网络配置以适应不同环境和工作负载条件。这导致低效的资源利用和网络性能下降。

10、(4)缺乏综合性：传统技术往往将网络规划问题分解为不同的子问题，分别处理，而不综合考虑这些问题之间的相互关系。这导致子问题的局部优化，而忽略了全局最优解。因此，综合性的考虑被忽视，导致低效的网络配置。

11、为此，提出一种区域5g基站容量信息分析处理方法和系统。

技术实现思路

1、有鉴于此，本发明实施例希望提供一种区域5g基站容量信息分析处理方法和系统，以解决或缓解现有技术中存在的技术问题，即局限于单一因素、无法预测多因素交互、缺乏灵活性和缺乏综合性，并对此至少提供一种有益的选择；

2、本发明的技术方案是这样实现的：

3、第一方面

4、一种区域5g基站容量信息分析处理方法

5、(一)引言

6、该方法旨在通过综合多种因素，预测和优化5g网络基站的容量，以提高网络性能和资源利用率。本技术将详细介绍该方法的原理、步骤和关键组成部分。

7、(二)概述

8、区域5g基站容量信息分析处理方法是一种综合性的方法，涵盖了以下关键步骤：

9、p1、数据收集：收集与5g网络性能相关的各种数据，包括基站容量、用户需求、演化数据等。

10、p2、聚类分析：使用聚类分析算法将数据集划分为不同的簇，以识别网络中的不同性能模式。

11、p3、元胞自动机评测：将5g基站的拓扑视为元胞，每个元胞具有频谱资源属性，并通过转换函数计算基站在不同时间步下的演化数据。

12、p4、d-s理论验证：使用dempster-shafer(d-s)理论验证得到的信息，将不同来源的信息合并为一个更综合的视角。

13、p5、容量预测：基于综合信息，进行5g基站容量的预测，包括下一时间步的容量增幅情况。

14、(三)实施

15、(3.1)数据收集

16、在这一步骤中，需要收集多种数据，所述数据集包括连接数量c、数据流量f和信号强度s的性能特征，构建出所述数据集，所述数据集用特征向量表示为：

17、样本1:[c1,f1,s1]

18、样本2:[c2,f2,s2]

19、...

20、样本n:[cn,fn,sn]

21、其中每个样本代表一个基站；在数据收集完毕以后，还需要进行余弦相似性的度量，用于衡量不同基站之间的相似性，每两个基站之间的余弦相似性cosinesimilarity包括：

22、

23、x和y是两个基站的特征向量，·表示向量的点积，∥x∥和∥y∥分别表示向量x和y的范数。

24、(3.2)聚类分析

25、聚类分析是为了将网络中的不同性能模式区分开来，以更好地理解网络行为。在这一步骤中，采用k均值聚类等算法，将数据集分为不同的簇。k均值聚类的原理如下：

26、初始化：随机初始化k个聚类中心。

27、簇分配步骤：将每个样本分配到距离其最近的聚类中心。

28、簇更新步骤：重新计算每个簇的中心，即取簇内样本的平均值。

29、重复：重复簇分配和簇更新步骤，直到聚类中心不再变化或达到预定的迭代次数。

30、在本技术中，本技术提供了两种聚类方案：l1范数或l2范数；

31、1)所述l1范数：通过曼哈顿距离衡量向量元素的绝对值之和，对于一个n维向量x和y，包括：

32、||x||1＝∣x1∣+∣x2∣+…+∣xn∣

33、||y||1＝∣y1∣+∣y2∣+…+∣yn∣

34、所述∥x∥1和所述∥y∥1是向量中各个元素绝对值的和，xn和yn是向量x的第n个元素；

35、或，

36、3)所述l2范数：通过欧几里德距离向量各个元素平方和的平方根，对于一个n维向量x和y，包括：

37、

38、

39、所述∥x∥2和所述∥y∥2是向量各个元素平方和的平方根，xn和yn是向量x的第n个元素。

40、将基站分为k个簇，最小化簇内样本的平方误差和：

41、

42、j是目标函数，ni是第i个簇中的数据点的数量，xj是第i个簇中的第j个数据点；i＝1表示对簇的索引，从第一个簇开始，一直到第k个簇；j＝1表示对每个簇内的数据点的索引，从第一个数据点开始，一直到第ni个数据点；

43、ci是簇中心，是由数据点组成的集合；所述簇中心ci的中心点是簇内所有数据点的平均值或质心，簇中所有数据点到中心点的距离之和最小，包括：

44、ci＝{x1,x2,…,xn}

45、所述数据点xj被分配到簇i，如果所述数据点xj到所述簇中心ci的距离最小，则所述数据点xj属于簇i；进而解算出davies-bouldin指数，包括如下步骤：

46、1)所述紧密度：对于每个簇i，计算该簇内每对数据点之间的平均相似度，表示为簇内数据点的平均相似度：

47、

48、sim(xj，ci)是所述数据点xj与所述簇中心ci之间的相似性度量；

49、2)所述分离度：计算每一对簇i和j的距离，表示不同簇之间的所述分离度mij：

50、mij＝sim(xj，ci)

51、3)计算davies-bouldin指数：

52、

53、ri表示簇i的所述紧密度和其他簇的分离度的比例；sj表示簇j内每对数据点之间的平均相似度；

54、maxj≠i表示选择与簇i最不相似的簇j中的最大值，以衡量簇i与其他簇之间的分离度；

55、在davies-bouldin指数的计算中，对于每个簇i，为了衡量簇i与其他簇之间的分离度，计算与其他簇j的相似性度量，然后选择与簇i相似性度量最小的簇j。

56、(3.3)元胞自动机评测

57、在这一步骤中，5g基站的拓扑被视为元胞，每个元胞具有频谱资源属性。通过定义转换函数，可以计算基站在不同时间步下的演化数据。这一步的核心是定义状态矩阵s，其维度是n*(m+2)，其中每一行表示一个元胞的状态，每一列包括以下信息：

58、1)列1到列m：表示频谱资源分配状态，每个元素sij表示第i个元胞分配给第j个用户的频谱资源状态，所述频谱资源状态包括0(未分配)、1(分配给用户1)、2(分配给用户2)；

59、2)列m+1：表示拓扑关系信息，每个元素si，m+1表示第i个元胞与其他元胞的二进制值拓扑关系；

60、3)列m+2：表示每个元胞的信号强度信息，每个元素si，m+2表示第i个元胞的信号强度；

61、所述状态矩阵s为：

62、

63、所述moore邻域：

64、

65、cc代表中心元胞，no、ne、ea、se、so、sw、we、nw代表周围的八个元胞。

66、这个状态矩阵s的规则为：

67、如果一个gnb点当前处于状态0(未分配)，并且它的邻居中至少有一个gnb点处于状态1(分配给用户1)，那么在下一个时间步，该gnb点的状态将变为1(分配给用户1)。

68、如果一个gnb点当前处于状态0(未分配)，并且它的邻居中至少有一个gnb点处于状态2(分配给用户2)，那么在下一个时间步，该gnb点的状态将变为2(分配给用户2)。

69、如果一个gnb点当前处于状态1(分配给用户1)，并且它的邻居中有多数(超过一半)的gnb点处于状态1，那么在下一个时间步，该gnb点的状态将保持为1。

70、如果一个gnb点当前处于状态2(分配给用户2)，并且它的邻居中有多数(超过一半)的gnb点处于状态2，那么在下一个时间步，该gnb点的状态将保持为2。

71、对于其余情况，gnb点的状态将变为0(未分配)。

72、还包括一个所述转换函数f：

73、f＝(st+1，st)＝xt+1

74、其中，st是时间步t下的当前状态矩阵，st+1是时间步t+1下的状态矩阵；

75、所述转换函数的演化步骤包括：

76、4)根据当前状态矩阵st来更新并计算下一个时间步t+1的状态矩阵st+1；

77、5)根据拓扑关系信息，通过当前状态矩阵st中的拓扑关系的信息列，确定每个元胞与其邻居元胞的关系；

78、6)应用规则：通过所述状态矩阵s的阵列信息，描述元胞在不同状态下的相互作用和演化；根据所述应用规则计算下一个时间步t+1的状态矩阵st+1下每个元胞的新状态，并将其存储在下一个状态矩阵st+1中；

79、4)得到所述演化数据d，包括所有时间步骤中的状态矩阵、每个元胞的历史状态和演化轨迹，并记录当前状态矩阵st和下一个时间步t+1的状态矩阵st+1。

80、(3.4)d-s理论验证

81、d-s理论用于将不同来源的信息合并为一个更综合的视角。在这一步骤中，使用dempster's组合原则将track-1中的所述davies-bouldin指数作为证据a，使用track-2的所述演化数据作为证据b。得到证据a和证据b的信任分配函数m(ab)ij后，通过sigmoid函数将其映射为一个0到1的区间值，进而得到5g基站容量在下一时间步的增幅情况：

82、1)对于每个m(ab)ij使用sigmoid函数将其映射为概率值：

83、

84、p(ij)表示在时间步骤j下，对于元胞i的5g基站容量增幅情况的概率；

85、(ij)是sigmoid函数的输入，exp是指数函数

86、d-s理论的关键步骤如下：

87、信任分配函数：为每个数据源构建信任分配函数，以表示其可信度。

88、dempster's组合原则：使用dempster's组合原则将各个数据源的信息合并为一个整体视角，得到更可信的5g基站容量的预测。

89、(3.5)容量预测

90、最后，通过综合信息，进行5g基站容量的预测。这包括下一时间步的容量增幅情况，以帮助网络运营商优化资源分配和网络配置。包括：

91、(1)容量增幅计算：根据sigmoid函数的映射结果，将其百分比化，计算下一时间步的容量增幅情况。表示相对于当前容量，下一时间步需要增加或减少多少容量。

92、(2)网络拓扑调整：根据容量增幅情况，考虑对网络拓扑进行调整。这可能包括增加或减少基站数量，改变基站之间的连接关系，或者调整基站的覆盖范围。例如，如果容量增幅较大，可能需要增加基站来满足用户需求。

93、(3)频谱资源分配：根据容量增幅情况，重新分配频谱资源。如果容量需求增加，可能需要分配更多的频谱资源给特定基站或频段。反之，如果容量需求减少，可以重新分配频谱资源以提高资源利用率。

94、(4)容量监测与调整：实施容量增幅计划后，需要定期监测网络性能，以确保容量调整的有效性。如果发现容量仍然不足或过剩，可以进行进一步的调整。

95、(5)用户体验改进：优化资源分配和网络配置的最终目标是提高用户体验。网络运营商可以关注用户满意度、数据速度、连接质量等指标，以确保用户得到更好的服务。

96、(6)容量规划更新：定期更新容量规划，以反映网络的变化和用户需求的演化。这可以是一个持续的过程，以确保网络始终能够满足需求。

97、第二方面

98、一种区域5g基站容量信息分析处理系统

99、本系统是一种用于区域5g基站容量信息分析处理的智能系统。它通过集成处理器、存储器和程序指令，能够执行先前所述的信息分析处理方法，以帮助网络运营商更好地理解和优化5g网络性能。以下是系统的关键组成部分和功能：

100、(1)处理器：本系统配备了高性能的处理器，用于执行存储在存储器中的程序指令。处理器负责管理数据处理流程和执行各个步骤。

101、(2)存储器：存储器用于存储程序指令、数据集以及其他必要的信息。这包括了来自5g基站、用户需求、演化数据等多种数据源。

102、通过自动化的方式，系统能够大规模处理5g网络中的数据，提供更全面的容量分析和预测。系统能够识别网络中的性能模式，以便更好地了解网络行为并进行优化。通过综合多因素和考虑多因素交互，系统能够更准确地预测未来的容量需求。基于容量预测结果，系统提供优化建议，帮助网络运营商更好地配置资源和网络。

103、与现有技术相比，本发明的有益效果是：

104、一、精确的容量预测：本发明所提供的技术能够通过综合多种数据源，包括基站容量、用户需求和演化数据，提供更精确的容量预测。这有助于网络运营商更好地规划网络资源，避免过度投入或资源不足的问题。同时本发明所提供的技术能够考虑多种因素的相互作用，包括用户需求、网络负载、频谱资源等，以更全面的方式进行容量分析。这有助于更好地理解网络性能的复杂性。

105、二、网络性能优化：通过提供容量预测和优化建议，本发明所提供的技术可以帮助网络运营商优化网络配置，改进网络性能，提高用户体验。这有助于提高网络的竞争力和可持续性。同时本发明所提供的技术有助于提高网络资源的利用率，避免资源的浪费。通过根据实际需求调整资源分配，可以降低成本，提高效率。

106、三、灵活性和适应性：由于本发明所提供的技术能够动态预测容量需求，因此网络运营商可以更灵活地应对不断变化的用户需求和网络环境。这增加了网络的适应性和响应能力。同时本发明所提供的技术将数据驱动决策引入网络管理中，使决策更有依据。运营商可以根据数据分析结果制定更明智的决策。

107、四、用户体验改进：通过更好地管理容量，优化网络性能，提高资源利用率，最终的受益人是网络用户。他们将获得更好的服务质量和更可靠的连接。同时本发明所提供的技术有助于网络运营商规划未来的网络发展。通过准确的容量预测，可以为未来的扩展和升级提供指导。