用于共享状态相关信息的方法和设备技术

本发明专利技术涉及用于在多个电子设备当中共享状态相关信息的方法和设备，并且更具体地，涉及用于基于在多个电子设备当中共享的信息来预测设备的状态的方法和设备。为了实现该目的，根据本发明专利技术实施例，用于共享设备的状态相关信息的方法包括以下步骤：基于状态相关数据生成设备的状态模型；基于所生成的状态模型来选择用于确定设备的状态的一个或多个参数；以及将一个或多个所选择的参数发送到至少一个其他设备。

Methods and devices for sharing state related information

The present invention relates to methods and devices for sharing state related information in a plurality of electronic devices, and more specifically, to methods and devices for predicting the state of a device based on information shared among a plurality of electronic devices. In order to achieve this purpose, according to the embodiment of the invention, the method for sharing state related information of the device includes the following steps: generating the state model of the device based on the state related data; selecting one or more parameters for determining the state of the device based on the generated state model; and selecting one or more selected ones. The optional parameters are sent to at least one other device.

【技术实现步骤摘要】
【国外来华专利技术】用于共享状态相关信息的方法和设备
本专利技术涉及一种用于在多个电子设备之间共享状态信息的方法和装置，并且更具体地，涉及一种用于基于在多个电子设备当中共享的信息来预测设备的状态的方法和装置。
技术介绍
最近，随着移动通信设备的增加以及大数据和云计算技术的使用，业务量已经迅速增加。在这种趋势下，低延迟、高吞吐量和安全的端到端通信变得重要。同时，特别地，由于中继这种通信的基站系统(basestationsystem，BSS)装备的作用变得重要，因此正在持续讨论关于连续实时资源分配的分析能力、性能优化、稳定性和异常原因。一般地，为了满足移动通信服务供应商的要求，定义了服务质量(qualityofservice，QoS)、体验质量(qualityofexperience，QoE)和服务级别协议(servicelevelagreement，SLA)的值，并且基于它们操作移动通信设备。在操作移动通信装置时，状态预测是指基于移动通信装置的先前的操作日志信息，预测未来该装置的软件和硬件状态。作为特定示例，移动通信装置中的状态可以包括网络资源分布的状态、电力使用的状态和维持吞吐量连接的状态。对于性能装置的状态预测，可以收集可以从装置提取的各种元素的传感器数据。例如，统计分析和机器学习技术可以应用到传感器数据，以预测装置的状态。根据数据收集方法，传感器数据可以分类为周期性数据、事件数据和配置数据。例如，装置可以通过周期性地记录关于从软件和硬件提取的元素的信息(诸如温度、功率干扰和资源利用率)来收集周期性数据。例如，装置可以通过将某一元素超过预设阈值的情形配置为事件，来收集事件数据。装置可以通过记录关于固件版本、位置和其小区设置的信息来收集配置数据。图1a和图1b示出了装置的一定状态的预测模型的使用。在图1中，为了做出关于状态的预测，装置在学习时段100期间收集数据日志，并且基于所收集的数据日志来生成预测模型110。然后，装置通过将给定时段的数据日志输入到预测模型110中来预测在状态预测时段120期间其的状态。图1b示出了基于使用预测模型做出关于状态的预测的装置的内部结构来导出预测结果的过程。更具体地，在收集数据日志之后，装置通过建模单元(modelingunit，MU)中的学习阶段和预测单元(predictionunit，PU)中的预测阶段产生预测结果。建模单元和预测单元是基于在本领域中广为人知的机器学习算法，并且机器学习算法包括朴素贝叶斯网络(naiveBayesiannetwork)、支持向量机、和随机森林。根据由列出的算法产生的预测结果的预测准确度可以取决于数据日志的特性和数量而不同。接下来，给出建模单元和预测单元的描述。首先，建模单元使用数据和数据类创建模型。数据可以包括原始数据或处理过的数据日志。在本专利技术中，数据和数据日志可以互换地使用。数据类是指数据的期望输出值。例如，数据类可以是指属于过去的特定时段的数据值的结果值。基于数据类的随机性或确定性模式的数据来生成该模型。接下来，在生成模型之后，预测单元将新数据日志输入到模型，以产生输出值作为预测结果。也就是说，预测单元使用模型的类决定规则来导出新数据日志的数据类。预测单元也导出预测结果的预测准确度。预测准确度可能根据机器学习算法、数据日志的特性和数量、参数的数量和数据处理精度而不同。通过使用特征工程或特征选择可以改善预测准确度。特别地，随着学习数据日志的数量和参数的数量增加，有可能提取和学习各种模式，从而收集和学习各种参数的数据日志可以提高预测准确度。布置典型机器学习操作的建模、预测和数据类的特征工程或特征选择是本专利技术的领域中的一般技术，并且不属于本专利技术的范围，并且将省略其详细描述。图2示出了应用数据学习和预测模型的特定方法。更具体地，给出分散式方法和集中式方法的描述，该方法是用于例如学习数据并生成预测模型以产生预测结果的多个基站的方法。在图2的部分(a)中所示的分散式方法中，每个基站独立地学习生成的数据以生成预测模型，并且基于所生成的预测模型执行数据预测。每个基站还计算预测模型的准确度。也就是说，一个基站不向另一基站发送数据日志或从另一基站接收数据日志。在图2的部分(b)中所示的集中式方法中，每个基站将该处生成的数据日志发送到中央服务器，该中央服务器学习所收集的数据日志并生成预测模型。中央服务器基于预测模型执行数据预测并计算预测模型的准确度。也就是说，新数据日志也被发送到装置并且计算准确度。更具体地，在分散式方法中，每个装置使用独立收集的数据日志来学习和预测。这使得有可能通过考虑每个装置的特性来创建预测模型，但是为了实际使用需要累积长时间段的数据日志。另外，由于可以通过具有关于数据日志的输出值(即，数据类)的信息来生成模型，所以对于新安装的装置的状态预测可能是不可能的，因为没有累积的数据日志。在集中式方法中，中央服务器可以从各种基站收集大量的数据日志，并通过使用最近引入的大数据技术达到高的预测准确度。然而，如果根据特定的学习算法数据量增加，则需要更多用于学习的资源。另外，中央服务器的CPU、内存和磁盘容量需求增加；学习时间变长；很难实时地发送预测结果；并且很难在预测模型中反映每个基站的特性。
技术实现思路
技术问题鉴于上述问题，已经做出了本专利技术。因此，本专利技术的一方面是为了提供一种用于共享状态相关信息的方法，该状态相关信息包括基于具有相似特性的不同的设备之间的设备状态模型而选择的参数。技术方案根据本专利技术的一方面，提供了一种共享设备的状态相关信息的方法。该方法可以包括：基于状态相关数据来生成设备的状态模型；基于所生成的状态模型来选择确定设备的状态的至少一个参数；以及将所选择的至少一个参数发送到至少一个不同的设备。根据本专利技术的另一方面，提供了一种能够共享状态相关信息的设备。该设备可以包括：收发器单元，被配置为发送和接收信号；和控制器，被配置为基于状态相关数据来控制生成设备的状态模型，基于所生成的状态模型来选择确定设备的状态的至少一个参数，并且将所选择的至少一个参数发送到一个不同的设备。专利技术的有益效果在本专利技术的特征中，在具有相似特性的不同的设备当中共享包括基于状态模型而选择的参数的状态相关信息，，而不是全部数据日志。因此，有可能在设备当中使用少量的资源。即使在过去没有发生当前时间点要预测的特定状态，每个设备也可以做出预测。通过学习少量的数据日志可以实现高的预测准确度。另外，一个设备可以将从另一设备接收的状态相关信息与由其生成的状态模型进行组合以产生预测结果。因此，考虑到设备的特性，每个设备可以实时地获得预测结果。附图说明图1a和图1b示出了装置的一定的状态的预测模型的使用。图2示出了应用数据学习和预测模型的特定方法。图3是示出了根据本专利技术的实施例的设备的内部结构和操作的框图。图4示出了根据本专利技术实施例的在设备的内部组件之间发送和接收的多条信息。图5a和图5b示出了根据本专利技术的实施例的共享状态相关信息的设备的分组。图6a和图6b示出了根据本专利技术的实施例的产生设备安装状态的预测结果和执行反馈操作。图7示出了表示预测设备状态的状态模型的曲线图。图8a、图8b和图8c示出了根据本专利技术的实施例的用于选择状态模型的要与另一设备共享的参数和确定是否共享状态模型的操作。图9示出了本文档来自技高网...

【技术保护点】
1.一种共享设备的状态相关信息的方法，所述方法包括：基于状态相关数据，生成所述设备的状态模型；基于所生成的状态模型来选择确定所述设备的状态的至少一个参数；以及将所选择的至少一个参数发送到至少一个不同的设备。

【技术特征摘要】
【国外来华专利技术】2015.11.20 KR 10-2015-01635561.一种共享设备的状态相关信息的方法，所述方法包括：基于状态相关数据，生成所述设备的状态模型；基于所生成的状态模型来选择确定所述设备的状态的至少一个参数；以及将所选择的至少一个参数发送到至少一个不同的设备。2.根据权利要求1所述的方法，还包括将与所选择的至少一个参数相对应的权重信息发送到不同的设备。3.根据权利要求1所述的方法，其中，发送所选择的至少一个参数包括仅仅发送状态相关数据和参数当中的参数。4.根据权利要求1所述的方法，其中，基于被包括在所述状态模型中的参数的权重信息和从所述状态模型产生的预测结果的准确度，来选择要共享的所述至少一个参数。5.根据权利要求2所述的方法，还包括：从至少不同的设备接收至少一个参数和对应于参数的权重信息，所述至少一个参数确定所述至少一个不同的设备的状态并且基于在所述至少一个不同的设备中生成的状态模型而选择所述至少一个参数；以及基于确定所述设备的状态的至少一个参数和确定所述至少一个不同的设备的状态的至少一个参数来产生所述设备的状态预测结果。6.根据权利要求5所述的方法，还包括：从所述至少一个不同的设备接收关于从在所述至少一个不同的设备中生成的状态模型产生的预测结果的可靠度的信息，并且其中，产生所述设备的状态预测结果考虑从在所述设备中生成的状态模型产生的预测结果的准确度和接收到的可靠度信息两者。7.根据权利要求1所述的方法，其中，基于设备属性来确定所述至少一个不同的设备，并且其中所述设备属性包括安装区域、软件...

【专利技术属性】
技术研发人员：尹载植，李东振，李昌性，曹晙荣，崔贞雅，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国,KR