一种异构网络中的网络制式优化分配方法组成比例

本发明专利技术涉及一种异构网络中的网络制式优化分配方法，属于移动通信技术领域。该方法根据移动通信网络用户的移动性、日均流量、流量均速三个维度对用户行为特征进行分析，进而对移动通信网络用户的上网行为进行分类，为有不同上网行为的用户群体分配相应的不同的网络制式，从而实现异构网络中的网络制式的优化分配。该方法能够通过有效分析移动通信网络用户的上网行为特征，优化异构网络中的网络资源分配问题，为静态用户优先分配局域网，为动态用户优先分配移动网络；为流量需求较小的用户优先分配带宽小的2G网络，为流量需求较大的用户优先分配带宽大的4G网络，为流量需求居中的用户优先分配带宽居中的3G网络，使网络资源得到更为充分有效的利用又保障了各用户的QoS。

【技术实现步骤摘要】

本专利技术属于移动通信
，涉及一种异构网络中的网络制式优化分配方法，特别是一种考虑从用户移动性、用户日均流量、用户流量均速三个维度对移动通信网络用户的上网行为进行归类，为有不同上网行为的用户群体分配相应的不同的网络制式，从而实现异构网络中的网络制式的优化分配的研究方法。
技术介绍
近年来，随着移动网络与用户需求相互作用，移动网络不断建设，网络容量不断提升吸引用户规模不断扩大；而用户规模的快速增长，又需要移动网路的进一步建设发展。在此背景下，QQ、微信等即时通信软件逐步取代了短信、电话的作用，流量成了移动网络用户的主要消费形式；而微博、知乎慢慢替换掉了大量的报纸，流媒体开始撼动电视在用户生活中的地位，这表明用户对流量的需求还在进一步地高速率地增长。用户对于高速无线数据传输的需求越来越大，因而所需的频谱资源也越来越多。但是可利用的频谱资源毕竟有限，于是如何提高频谱资源的频带利用率以提高无线数据传输速率成为行内人士研究的热门问题。除了加快5G的研究步伐外，整合现有网络，组成异构网络，实现多种网络优势互补，提升网络服务能力和用户服务体验，成了如今的研究重心之一。在异构无线网络的融合中，一个重要的问题是如何对融入的资源进行有效的管理，通过用户和网络之间的双向选择，在实现网络资源的最优化配置的同时，保证用户的QoS。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种异构网络中的网络制式优化分配方法，该方法根据移动通信网络用户的移动性、日均流量、流量均速三个维度对用户行为特征进行分析，进而对移动通信网络用户的上网行为进行分类，为有不同上网行为的用户群体分配相应的不同的网络制式，从而实现异构网络中的网络制式的优化分配。为达到上述目的，本专利技术提供如下技术方案：一种异构网络中的网络制式优化分配方法，在该方法中，从移动通信网络用户的移动性、日均流量、流量均速三个维度对用户行为特征进行分析，进而对移动通信网络用户的上网行为进行分类，为有不同上网行为的用户群体分配相应的不同的网络制式，从而实现异构网络中的网络制式的优化分配；具体包括以下步骤：S1：数据采集：从异构网络中运用DPI技术提取数据，数据集涵盖了2G、3G、4G网络中的用户；S2：数据预处理：对采集得到的数据进行预处理，根据用户所接入的基站信息判断出用户的移动性，根据用户的入网时间和使用的总流量得到用户的日均流量，根据用户的入网时间和流量使用情况计算出用户的流量均速，并对用户类别进行预分类；S3：数据挖掘：根据用户移动性、日均流量、流量均速三个特征对用户群体进行聚类，运用Canopy聚类算法确定聚类个数及初始聚类中心；运用K-Medoids算法对有不同上网行为的用户进行聚类，划分用户群体；S4：数据分析：用户接入不同网络制式的优先级排序，为用户选择最适宜接入的网络。进一步，在步骤S2中，针对不同的用户群体累计接入的基站数不同，将用户移动性划分为静态和运动；针对不同的用户群体产生的数据流量不同，将流量划分为高流量、中流量和低流量(包括无流量)；针对不同的用户群体接入的网络流速不同，将网络流速划分为快流速、中流速和慢流速(包括无流速)；从而针对不同用户群体的移动性和对网络流量的需求，将用户群体预分为十四类：包括静态低流量用户(包括沉默用户)、静态中流量慢流速用户、静态中流量中流速用户、静态中流量高流速用户、静态高流量慢流速用户、静态高流量中流速用户、静态高流量高流速用户、动态低流量用户(包括沉默用户)、动态中流量慢流速用户、动态中流量中流速用户、动态中流量高流速用户、动态高流量慢流速用户、动态高流量中流速用户及动态高流量高流速用户。进一步，在步骤S3中，根据用户移动性、日均流量、流量均速三个特征对用户群体进行聚类，并分析每个聚类集合分别包含十四类用户群体的占比，具体包括以下步骤：1)设置两个距离阈值T1和T2，且T1<T2；2)记所取数据集为S，从中随机选择样本点P(i,j,k)作为Canopy聚类的中心，并记为一个Canopy，简记为数据集C；3)计算数据集S中每一个样本点与点P之间的马氏距离dM； d M ( j ) = d ( X j , P ) = ( X j - P ) T Σ - 1 ( X j - P ) ; j = 1 , 2 , ... , N ]]>其中Xj为数据集S中的样本点(特征向量)，P为Canopy聚类中心，Σ为协方差矩阵； Σ = 1 N - 1 Σ i = 1 N ( X i - X ‾ ) ( X i - X ‾ ) T , X ‾ = 1 N Σ i = 1 N X i ]]>N为数据集总的点数；4)若dM<T1，则认为这两个样本点强关联，将相应点归入数据集C，若dM<T2，则认为这两个样本相关联，将相应点移出数据集S，其中当T1<dM<T2时，两个样本点弱关联，拒绝为相应点分类以提高系统可靠性；5)重复步骤2)—4)，直至数据集S为空集，即完成对整个数据集的Canopy分类，Canopies＝本文档来自技高网...

【技术保护点】
一种异构网络中的网络制式优化分配方法，其特征在于：在该方法中，从移动通信网络用户的移动性、日均流量、流量均速三个维度对用户行为特征进行分析，进而对移动通信网络用户的上网行为进行分类，为有不同上网行为的用户群体分配相应的不同的网络制式，从而实现异构网络中的网络制式的优化分配；具体包括以下步骤：S1：数据采集：从异构网络中运用DPI技术提取数据，数据集涵盖了2G、3G、4G网络中的用户；S2：数据预处理：对采集得到的数据进行预处理，根据用户所接入的基站信息判断出用户的移动性，根据用户的入网时间和使用的总流量得到用户的日均流量，根据用户的入网时间和流量使用情况计算出用户的流量均速，并对用户类别进行预分类；S3：数据挖掘：根据用户移动性、日均流量、流量均速三个特征对用户群体进行聚类，运用Canopy聚类算法确定聚类个数及初始聚类中心；运用K‑Medoids算法对有不同上网行为的用户进行聚类，划分用户群体；S4：数据分析：用户接入不同网络制式的优先级排序，为用户选择最适宜接入的网络。

【技术特征摘要】
1.一种异构网络中的网络制式优化分配方法，其特征在于：在该方法中，从移动通信网络用户的移动性、日均流量、流量均速三个维度对用户行为特征进行分析，进而对移动通信网络用户的上网行为进行分类，为有不同上网行为的用户群体分配相应的不同的网络制式，从而实现异构网络中的网络制式的优化分配；具体包括以下步骤：S1：数据采集：从异构网络中运用DPI技术提取数据，数据集涵盖了2G、3G、4G网络中的用户；S2：数据预处理：对采集得到的数据进行预处理，根据用户所接入的基站信息判断出用户的移动性，根据用户的入网时间和使用的总流量得到用户的日均流量，根据用户的入网时间和流量使用情况计算出用户的流量均速，并对用户类别进行预分类；S3：数据挖掘：根据用户移动性、日均流量、流量均速三个特征对用户群体进行聚类，运用Canopy聚类算法确定聚类个数及初始聚类中心；运用K-Medoids算法对有不同上网行为的用户进行聚类，划分用户群体；S4：数据分析：用户接入不同网络制式的优先级排序，为用户选择最适宜接入的网络。2.根据权利要求1所述的一种异构网络中的网络制式优化分配方法，其特征在于：在步骤S2中，针对不同的用户群体累计接入的基站数不同，将用户移动性划分为静态和运动；针对不同的用户群体产生的数据流量不同，将流量划分为高流量、中流量和低流量(包括无流量)；针对不同的用户群体接入的网络流速不同，将网络流速划分为快流速、中流速和慢流速(包括无流速)；从而针对不同用户群体的移动性和对网络流量的需求，将用户群体预分为十四类：包括静态低流量用户(包括沉默用户)、静态中流量慢流速用户、静态中流量中流速用户、静态中流量高流速用户、静态高流量慢流速用户、静态高流量中流速用户、静态高流量高流速用户、动态低流量用户(包括沉默用户)、动态中流量慢流速用户、动态中流量中流速用户、动态中流量高流速用户、动态高流量慢流速用户、动态高流量中流速用户及动态高流量高流速用户。3.根据权利要求2所述的一种异构网络中的网络制式优化分配方法，其特征在于：在步骤S3中，根据用户移动性、日均流量、流量均速三个特征对用户群体进行聚类，并分析每个聚类集合分别包含十四类用户群体的占比...

【专利技术属性】
技术研发人员：贾云健，何咏倩，许炜阳，马慧，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50