一种大数据环境下城域网分析预测方法及可读存储介质技术

本发明专利技术公开了一种大数据环境下城域网分析预测方法及可读存储介质，属于网络规划技术领域，包括定时获取城域网内各网管的基础关键数据、BRAS各类型端口信息以及用户数预测信息；基于设定的网络现状参数预测模型对基础关键数据进行处理，得到城域网现状的动态表示参数；基于设定的网络能力计算模型对现状的动态表示参数和用户数预测信息进行处理，得到城域网的能力表示参数；基于城域网的能力表示参数、BRAS槽位及session数信息、BRAS各类型端口信息等，对城域网的扩容规模进行预测以构建城域网的工程建设方案。本发明专利技术通过引入大数据的思维，实现对不同区域、不同时间段、不同用户套餐等场景下的城域网流量模型的精准预测，达到对城域网进行精准规划的目的。

A Metropolitan Area Network Analysis and Prediction Method and Readable Storage Media in Large Data Environment

The invention discloses a method for analysis and prediction of MAN and a readable storage medium in large data environment, which belongs to the technical field of network planning, including acquiring the basic key data of network managers in MAN, various types of BRAS port information and user number prediction information at regular intervals, and processing the basic key data based on the established network status parameter prediction model to obtain the status quo of MAN. Dynamic representation parameters; dynamic representation parameters and user number prediction information are processed based on the established network capacity calculation model to obtain the capacity representation parameters of MAN; and the expansion scale of MAN is predicted based on the capacity representation parameters of MAN, BRAS slot and session number information, BRAS port information of various types, etc. to construct the construction scheme of MAN. \u3002 By introducing the thinking of big data, the invention realizes the accurate prediction of the traffic model of MAN in different scenarios such as different regions, different time periods and different user packages, and achieves the purpose of accurate planning of MAN.

【技术实现步骤摘要】
一种大数据环境下城域网分析预测方法及可读存储介质
本专利技术涉及网络规划
，特别涉及一种大数据环境下城域网分析预测方法及可读存储介质。
技术介绍
城域网一般指在城市范围内，以IP等电信技术为基础，以光纤作为传输媒介，满足于公众、政企等用户，集数据、语音、视频服务于一体的高带宽、多功能、多业务接入的的多媒体通信网络。城域网规划方法即为实现城域网内设备、链路、容量、流量等内容的预测与设定的方法。如图1所示，城域网近些年随通信技术的快速发展，业务控制层的宽带网络网关控制设备（BNG）设备基本已实现了高性能的融合的多业务路由器，即仅通过高性能的BRAS或MSE设备便可取代原有的BRAS与SR的功能。而随着用户高带宽的普及，用户流量呈暴发式增长，接入层的高性能OLT设备也不再通过汇聚交换机汇聚，而逐渐采用直联BRAS的方案，实现了网络的扁平化。本专利技术中仍以惯用的BRAS设备为例进行描述，其
技术实现思路
对于MSE等业务控制层的其他功能相似的宽带网络网关控制设备同样适用。目前，普遍采用的城域网规划方法是采用观察-分析-假设-验证-结论的研究方法。其存在的缺陷在于：现有城域网规划方法对流量模型预测颗粒度较大，不够精细，且调研麻烦，测算复杂。一般情况下，变量参数只能具体到地市一级，或高层级的设备一级，无法细分农村、城市、不同用户套餐等景等（20M、50M、100M用户等……），进行差异化分析及预测。另一方面，由于城域网数据量大，各基础数据分散在多个系统当中，采集维度较多。普遍做法是通过人工方式，调研现状、做表格分析，每一次城域网规划都要经过较长时间进行数据整理。因此，传统城域网规划方法，无论从精细化、智能化、还是版本迭代速度上，都难以适应未来的规划要求。其属于规划颗粒度较大，采用人工测算，而无法细分到各类型用户的常规方法。
技术实现思路
本专利技术的目的在于提供一种大数据环境下城域网分析预测方法及可读存储介质，以实现对不同区域、不同时间段、不同用户套餐等场景下的城域网流量模型的精准预测。为实现以上目的，本专利技术采用一种大数据环境下城域网分析预测方法，包括：定时获取城域网内各网管的基础关键数据、BRAS各类型端口信息以及用户数预测信息，该基础关键数据包括BRAS槽位及session数信息、BRAS上行峰值流量信息、OLT上联设备信息、OLT上行峰值流量信息、OLT承载用户明细、OLT所承载的各速率用户峰值流量信息以及用户签约套餐信息；基于设定的网络现状参数预测模型对所述基础关键数据进行处理，得到城域网现状的动态表示参数；基于设定的网络能力计算模型，对所述城域网现状的动态表示参数和所述用户数预测信息进行处理，得到所述城域网的能力表示参数；基于所述城域网的能力表示参数、BRAS槽位及session数信息、BRAS各类型端口信息、OLT上联设备信息、OLT承载用户明细信息以及预测用户数，对所述城域网的扩容规模进行预测；根据预测得到的城域网扩容规模，构建所述城域网的工程建设方案。进一步地，所述网络现状参数预测模型包括BRAS上下行收敛比预测模型、OLT上下行收敛比预测模型、不同速率用户流量模型预测模型以及单用户所占session数预测模型；所述城域网现状的动态表示参数包括BRAS上下行收敛比、OLT上下行收敛比、不同速率用户流量模型、不同速率用户在线集中比以及单用户所占session数。进一步地，所述基于设定的网络现状参数模型对所述基础关键数据进行处理，得到城域网现状的动态表示参数，包括：利用所述BRAS上下行收敛比预测模型对所述BRAS上行峰值流量信息、OLT上行峰值流量信息以及OLT上联设备信息进行处理，得到BRAS上下行收敛比预测值，其中BRAS上下行收敛比预测模型为：BRAS上下行收敛比=BRAS上行峰值流量/∑(归属该BRAS设备的OLT上行峰值流量)；利用所述OLT上下行收敛比预测模型对所述OLT上行峰值流量信息、OLT所承载的各速率用户峰值流量信息进行处理，得到OLT上下行收敛比预测值，其中OLT上下行收敛比预测模型为：OLT上下行收敛比=OLT上行峰值流量/∑(该OLT设备所承载的各速率用户峰值流量)；利用所述不同速率用户流量预测模型对所述OLT承载用户明细、OLT所承载的各速率用户峰值流量信息以及用户签约套餐信息进行处理，得到不同速率用户流量模型，其中不同速率用户流量预测模型为：不同速率用户流量模型=∑(各速率用户的峰值流量)/各速率用户的忙时在线数，其中，各速率用户的峰值流量之和由所述OLT承载用户明细、OLT下行及单用户峰值流量信息进行关联得到。各速率用户忙时在线数，即为各速率用户忙时在线集中比，意为OLT设备达到峰值流量时同时在线的各速率用户数。利用所述不同速率用户在线集中比模型对所述OLT承载用户明细及OLT所承载的各速率用户峰值流量信息进行处理，得到不同速率用户在线集中比，其中不同速率用户在线集中比模型为：不同速率用户在线集中比=各速率用户的忙时在线数/该OLT设备所承载的各速率用户总数，其中，忙时在线数即为达到峰值流量时同时在线用户数，设备所承载的各速率用户总数即为在该时刻此OLT设备所承载的线上及线下同一速率用户之和。利用所述单用户所在session数预测模型对所述BRAS槽位及session数信息、OLT上联设备信息以及OLT承载用户明细进行处理，得到单用户所在session数，其中单用户所在session数预测模型为：单用户所占session数=BRAS设备session数/∑(归属该BRAS设备的OLT所承载的在线用户数)。进一步地，所述网络能力计算模型包括OLT下行峰值流量预测模型、OLT上行峰值流量预测模型、BRAS下行峰值流量及下行端口预测模型、BRAS上行峰值流量预测模型以及BRAS上行端口预测模型；所述城域网的能力表示参数包括OLT下行峰值流量预测值、OLT上行峰值流量预测值、BRAS下行峰值流量、BRAS下行端口预测值、BRAS上行峰值流量预测值以及BRAS上行端口预测值。进一步地，所述基于设定的网络能力计算模型，对所述城域网现状的动态表示参数和所述用户数预测信息进行处理，得到所述城域网的能力表示参数，包括：利用所述OLT下行峰值流量预测模型，对所述各速率用户数预测信息、不同速率用户在线集中比以及不同速率用户流量模型进行处理，得到OLT下行峰值流量预测值，其中OLT下行峰值流量预测模型为：OLT下行峰值流量预测值=∑(各速率用户流量模型×各速率用户数×各速率用户在线集中比)；利用所述OLT上行峰值流量预测模型，对所述OLT上下行收敛比、OLT下行峰值流量预测值进行处理，得到OLT上行峰值流量预测值，其中OLT上行峰值流量预测模型为：OLT上行峰值流量预测值=OLT下行峰值流量×OLT上下行收敛比；根据所述OLT上行峰值流量预测值，计算OLT上行端口数预测值；利用所述BRAS下行峰值流量及下行端口预测模型，对所述OLT上行峰值流量和所述OLT上联设备信息进行处理，得到BRAS下行峰值流量预测值及BRAS下行端口预测值，其中BRAS下行峰值流量及BRAS下行端口预测模型分别为：BRAS下行峰值流量=∑(归属该BRAS设备的OLT上行峰值流量)；BRAS下行端口预测=∑(归属该BRA本文档来自技高网...

【技术保护点】
1.一种大数据环境下城域网分析预测方法，其特征在于，包括：定时获取城域网内各网管的基础关键数据、BRAS各类型端口信息以及用户数预测信息，该基础关键数据包括BRAS槽位及session数信息、BRAS上行峰值流量信息、OLT上联设备信息、OLT上行峰值流量信息、OLT承载用户明细、OLT所承载的各速率用户峰值流量信息以及用户签约套餐信息；基于设定的网络现状参数预测模型对所述基础关键数据进行处理，得到城域网现状的动态表示参数；基于设定的网络能力计算模型，对所述城域网现状的动态表示参数和所述用户数预测信息进行处理，得到所述城域网的能力表示参数；基于所述城域网的能力表示参数、BRAS槽位及session数信息、BRAS各类型端口信息、OLT上联设备信息、OLT承载用户明细信息以及预测用户数，对所述城域网的扩容规模进行预测；根据预测得到的城域网扩容规模，构建所述城域网的工程建设方案。

【技术特征摘要】
1.一种大数据环境下城域网分析预测方法，其特征在于，包括：定时获取城域网内各网管的基础关键数据、BRAS各类型端口信息以及用户数预测信息，该基础关键数据包括BRAS槽位及session数信息、BRAS上行峰值流量信息、OLT上联设备信息、OLT上行峰值流量信息、OLT承载用户明细、OLT所承载的各速率用户峰值流量信息以及用户签约套餐信息；基于设定的网络现状参数预测模型对所述基础关键数据进行处理，得到城域网现状的动态表示参数；基于设定的网络能力计算模型，对所述城域网现状的动态表示参数和所述用户数预测信息进行处理，得到所述城域网的能力表示参数；基于所述城域网的能力表示参数、BRAS槽位及session数信息、BRAS各类型端口信息、OLT上联设备信息、OLT承载用户明细信息以及预测用户数，对所述城域网的扩容规模进行预测；根据预测得到的城域网扩容规模，构建所述城域网的工程建设方案。2.如权利要求1所述的大数据环境下城域网分析预测方法，其特征在于，所述网络现状参数预测模型包括BRAS上下行收敛比预测模型、OLT上下行收敛比预测模型、不同速率用户流量模型预测模型、不同速率用户在线集中比模型以及单用户所占session数预测模型；所述城域网现状的动态表示参数包括BRAS上下行收敛比、OLT上下行收敛比、不同速率用户流量模型、不同速率用户在线集中比模型以及单用户所在session数。3.如权利要求2所述的大数据环境下城域网分析预测方法，其特征在于，所述基于设定的网络现状参数模型对所述基础关键数据进行处理，得到城域网现状的动态表示参数，包括：利用所述BRAS上下行收敛比预测模型对所述BRAS上行峰值流量信息、OLT上行峰值流量信息以及OLT上联设备信息进行处理，得到BRAS上下行收敛比预测值，其中BRAS上下行收敛比预测模型为：BRAS上下行收敛比=BRAS上行峰值流量/∑(归属该BRAS设备的OLT上行峰值流量)；利用所述OLT上下行收敛比预测模型对所述OLT上行峰值流量信息、OLT所承载的各速率用户峰值流量信息进行处理，得到OLT上下行收敛比预测值，其中OLT上下行收敛比预测模型为：OLT上下行收敛比=OLT上行峰值流量/∑(该OLT设备所承载的各速率用户峰值流量)；利用所述不同速率用户流量预测模型对所述OLT承载用户明细、OLT所承载的各速率用户峰值流量信息以及用户签约套餐信息进行处理，得到不同速率用户流量模型，其中不同速率用户流量预测模型为：不同速率用户流量模型=∑(各速率用户的峰值流量)/各速率用户的忙时在线数，其中，各速率用户的峰值流量之和由所述OLT承载用户明细、OLT所承载的各速率用户峰值流量信息及用户签约套餐进行关联得到；各速率用户忙时在线数，即为各速率用户忙时在线集中比，意为OLT设备达到峰值流量时同时在线的各速率用户数；利用所述不同速率用户在线集中比模型对所述OLT承载用户明细及OLT所承载的各速率用户峰值流量信息进行处理，得到不同速率用户在线集中比，其中不同速率用户在线集中比模型为：不同速率用户在线集中比=各速率用户的忙时在线数/该OLT设备所承载的各速率用户总数，其中，忙时在线数即为达到峰值流量时同时在线用户数，设备所承载的各速率用户总数即为在该时刻此OLT设备所承载的线上及线下同一速率用户之和；利用所述单用户所在session数预测模型对所述BRAS槽位及session数信息、OLT上联设备信息以及OLT承载用户明细进行处理，得到单用户所在session数，其中单用户所在session数预测模型为：单用户所占session数=BRAS设备session数/∑(归属该BRAS设备的OLT所承载的在线用户数)。4.如权利要求3所述的大数据环境下城域网分析预测方法，其特征在于，所述网络能力计算模型包括OLT下行峰值流量预测模型、OLT上行峰值流量预测模型、BRAS下行峰值流量及下行端口预测模型、BRAS上行峰值流量预测模型以及BRAS上行端口预测模型；所述城域网的能力表示参数包括OLT下行峰值流量预测值、OLT上行峰值流量预测值、BRAS下行峰值流量、BRAS下行端口预测值、BRAS上行峰值流量预测值以及BRAS上行端口预测值。5.如权利要求4所述的大数据环境下城域网分析预测方法，其特征在于，所述基于设定的网络能力计算模型，对所述城域网现状的动态表示参数和所述用户数预测信息进行处理，得到所述城域网的能力表示参数，包括：利用所述OLT下行峰值流量预测模型，对所述各速率用户数预测信息、不同速率用户在线集中比以及不同速率用户流量模型进行处理，得到OLT下行峰值流量预测值，其中OLT下行峰值流量预测模型为：OLT下行峰值流量预测值=∑(各速率用户流量模型×各速率用户数×各速率用户在线集中比)；利用所述OLT上行峰值流量预测模型，对所述OLT上下行收敛比、OLT下行峰值流量预测值进行处理，得到OLT上行峰值流量预测值，其中OLT上行峰值流量预测模型为：OLT上行...

【专利技术属性】
技术研发人员：谭金刚，
申请(专利权)人：安徽电信规划设计有限责任公司，
类型：发明
国别省市：安徽,34