一种流量预测方法和装置制造方法及图纸

本申请实施例公开了一种流量预测方法，用于有效地减少了小区的使用流量的预测误差。本申请实施例方法包括：获取预置范围内，所有小区的历史总使用流量数据；将所述所有小区的历史总使用流量数据作为输入，使用第一预测模型对所述预置范围内所有小区的总使用流量进行预测以获得目标预测值；根据所述目标预测值对目标小区的使用流量进行预测得到所述目标小区的使用流量预测值，其中，所述目标小区为所述预置范围内的任意一个小区。本申请实施例还公开了一种流量预测装置，用于有效地减少了小区的使用流量的预测误差。

Flow prediction method and device

The present application example discloses a traffic prediction method for effectively reducing the prediction error of the usage flow of a cell. The embodiment of the invention method comprises the following steps: acquiring preset range, all residential history using traffic data; the total use of all residential historical traffic data as input, using the first prediction of total traffic model for all areas of the preset range is predicted to obtain the object according to the values predicted using the predictive value; the flow of the target cell was predicted using the flow of the target cell prediction value, the target, the target cell for any of the preset range of a cell. The present application also discloses a flow prediction device for effectively reducing the prediction error of the usage flow of a cell.

【技术实现步骤摘要】
一种流量预测方法和装置
本申请涉及通信领域，尤其涉及到一种流量预测方法和装置。
技术介绍
无线网络系统、是指电信运营商在某一地区广泛部署，为用户提供数据传输服务的通信系统。通常，无线网络系统包括两大组成部分，基站子系统以及网络子系统。其中，基站子系统直接为附近用户的终端设备提供网络接入服务。对于一个电信运营商来讲，基站的数量可达上万甚至数十万，分散地部署在各个区域，为区域进行全面覆盖。网络子系统则通过线缆将基站连接起来，为接入网络的终端设备提供数据收发服务。在无线网络系统的规划与调整中，由于用户人流的变化、终端设备升级等因素，电信运营商会根据网络流量使用的变化，对基站、小区的数量进行适应的增减，以适应不同的流量需求。而这种增减调整是需要综合考虑未来可能的网络流量的具体使用情况，因为当网络流量使用洪峰到来时，再去采购并部署相关的基站，已经为时已晚。因此，为了适应上述未来可能的网络流量的具体使用情况，依据具体情况，需要对不同粒度(例如预设范围内的部分小区或全部小区)在不同周期(例如1或6，或12个月后)的使用流量进行预测。现有技术中，提供了一种基于分组方式进行预测的方法，在预置范围内，先是按照小区的历史使用流量相近的原则对小区进行分组，在对某个小区的使用流量进行预测时，以该某个小区的分组下所有小区的历史使用流量作为参考数据对该某小区的使用流量进行预测。那么可以看出，基于分组方式可以抑制预测模型复杂度，但对该分组下的某个小区的使用流量进行预测时，则未考虑该部分小区与其他分组的其他相关性，只考虑了历史使用流量相近这个因素，使得在对小区进行预测时，未充分考虑到所有相关小区的信息，导致最终小区的使用流量的预测值误差较大。
技术实现思路
本申请实施例提供了一种流量预测方法，用于解决现有技术中，对小区的使用流量进行预测时预测出来的预测值误差比较大的问题。为了解决上述问题，本申请实施例提供以下技术方案：第一方面，本申请实施例提供了一种流量预测方法，先获取预置范围内，所有小区的历史总使用流量数据，该历史总使用流量数据是指预置范围内所有小区之前的一些历史使用流量的总和所构成的数据，接着以获得到的所有小区的历史总使用流量数据作为输入，使用第一预测模型对预置范围内所有小区的总使用流量进行预测以获得目标预测值，最后根据目标预测值对目标小区，即预置范围内所有小区中的任意一个小区的使用流量进行预测得到目标小区的使用流量预测值。由此可见，对于任意一个待预测小区而言，在对每个待预测小区进行预测时，根据计算出来的预置范围下所有小区的使用流量的目标预测值进行预测即可，抑制了对小区预测时的预测模型复杂度，且该目标预测值考虑到了预置范围内所有小区预测得到的，不是将小区进行分组，将预测参考小区的数目局限在部分小区，有效地减少了小区的使用流量的预测值误差。在一种可能的实现中，根据所述目标预测值对目标小区的使用流量进行预测得到所述目标小区的使用流量预测值，包括：根据树形层级结构中，第一节点下所有小区的使用流量预测值以及第二节点下所有小区的历史总使用流量数据，使用第二预测模型对第二节点下所有小区的总使用流量进行预测，第二节点为第一节点的下级节点，其中，当第一节点为根节点时，第一节点下所有小区的总使用流量预测值为目标预测值；当确定了第三节点下所有小区的使用流量预测值后，根据第三节点下所有小区的使用流量预测值以及目标小区的历史总使用流量数据，使用第二预测模型对目标小区的使用流量进行预测得到目标小区的使用流量预测值，目标小区为第三节点下的小区。由此可以看出，在本实现中，对于树形层级结构中的顶层节点，即根节点而言，只需要训练出一个模型，利用根节点下的所有小区的历史使用总流量预测出在该根节点下所有小区的使用流量；而对于树形层级结构的中间节点，和底层节点，只需要本层下的所有小区，以及上层节点的使用流量预测值作为输入，进行预测，而不是上层节点的历史使用流量作为输入，对参数进行了有效地压缩，实测效果更好，可以使得最终的目标小区的使用流量预测值更准。在一种可能的实现中，对预置范围内的小区进行分层以获得树形层级结构可以有多种获得方式，其中一种方式是，先获取小区工程参数；再利用获得的小区工程参数确定预置范围内小区的网络拓扑结构，最后将网络拓扑结构作为本申请实施例中的树形层级结构。即在本实现中，提出了一种获得树形层级结构的方式，提高了方案的可实施性。在一种可能的实现中，对预置范围内的小区进行分层以获得树形层级结构还可以通过以下方式获得：先获取小区工程参数；利用获取的小区工程参数确定预置范围内各个小区的拟位置，即利用获取的小区工程参数为预置范围内的各个小区重新拟定一个位置参数，在本申请实施例中定义为拟位置，最后根据各个小区的拟位置对预置范围所有小区进行分层以获得树形层次结构。由此可见，在本实现提出了另一种获得树形层级结构的方式，提高了方案的多样性。示例性的，在一种可能的实现中，根据小区工程参数确定各个小区的拟位置，可以依据下述公式确定确定各个小区的拟位置(xcell、ycell)：xcell＝xsite*(λ*ptrx)*h*sin(α)*cos(θ)；ycell＝ysite*(λ*ptrx)*h*sin(α)*sin(θ)；其中，xsite、ysite分别为各个小区对应基站的经度、维度；xcell、ycell分别为各个小区的经度、维度，λ为预设数据，ptrx为基站的发射功率，h为各个小区的天线高度，α、θ分别为各个小区对应的天线下倾角、方向角。在一种可能的实现中，根据各个小区的拟位置对预置范围内所有小区进行分层以获得树形层级结构可以通过对各个小区的拟位置进行层次化聚类，从而获得预置范围内所有小区的树形层级结构。在一种可能的实现中，对各个小区的拟位置进行层次化聚类以获得树形层级结构，可以使用K-mean聚类(也称为K均值聚类)方式对各个小区的拟位置进行层次化聚类以获得树形层级结构。当然，这里只是以K-mean聚类为例，实际应用中，可以根据经验采用其他的层次化聚类方式获得，这里不做限定。在一种可能的实现中，根据话单记录对预置范围内的小区进行分层以获得树形层级结，包括：获取话单记录；根据话单记录获取训练样本；将训练样本展开为目标根向量；对目标根向量进行层次化聚类以获得树形层级结构。在本实现中，具体提出了一种怎么利用话单记录获得预置范围内小区的树形层级结构的方式，提高了方案的可实施性。在一种可能的实现中，所述根据所述话单记录获取训练样本，包括：查询所述话单记录得到在所述预设范围内的每个小区中，所有终端设备的流量记录信息；将所述流量记录信息作为所述训练样本。在一种可能的实现中，对目标根向量进行层次化聚类以获得树形层级结构，包括：使用bi-clustering聚类(也称双聚类)方式对目标根向量进行层次化聚类以获得树形层级结构。在一种可能的实现中，本申请实施例所提供的流量预测方法包括：基于第一树形层级结构、二树形层级结构以及第三树形层级结构对目标小区的使用流量进行预测以分别获得第一预测值、第二预测值和第三预测值，其中，第一树形层级结构为根据网络拓扑结构获得的树形层级结构，第二树形层级结构为根据拟位置获得的树形层级结构，第三树形层级结构为根据话单记录获得的树形层级结构；根据第一预测本文档来自技高网...

【技术保护点】
一种流量预测方法，其特征在于，包括：获取预置范围内，所有小区的历史总使用流量数据；将所述所有小区的历史总使用流量数据作为输入，使用第一预测模型对所述预置范围内所有小区的总使用流量进行预测以获得目标预测值；根据所述目标预测值对目标小区的使用流量进行预测得到所述目标小区的使用流量预测值，其中，所述目标小区为所述预置范围内的任意一个小区。

【技术特征摘要】
1.一种流量预测方法，其特征在于，包括：获取预置范围内，所有小区的历史总使用流量数据；将所述所有小区的历史总使用流量数据作为输入，使用第一预测模型对所述预置范围内所有小区的总使用流量进行预测以获得目标预测值；根据所述目标预测值对目标小区的使用流量进行预测得到所述目标小区的使用流量预测值，其中，所述目标小区为所述预置范围内的任意一个小区。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标预测值对目标小区的使用流量进行预测得到所述目标小区的使用流量预测值，包括：对所述预置范围内的小区进行分层以获得树形层级结构；根据所述树形层级结构中，第一节点下所有小区的总使用流量预测值以及第二节点下所有小区的历史总使用流量数据，使用第二预测模型对所述第二节点下所有小区的总使用流量进行预测，所述第二节点为所述第一节点的下级节点，其中，当所述第一节点为所述根节点时，所述第一节点下所有小区的总使用流量预测值为所述目标预测值；当确定了第三节点下所有小区的使用流量预测值后，根据所述第三节点下所有小区的总使用流量预测值、和所述第三节点的上级节点中各个节点下所有小区的总使用流量预测值以及所述目标小区的历史总使用流量数据，使用所述第二预测模型对所述目标小区的使用流量进行预测得到所述目标小区的使用流量预测值，所述目标小区为所述第三节点下的小区。3.根据权利要求2所述的方法，其特征在于，所述对所述预置范围内的小区进行分层以获得树形层级结构，包括：获取小区工程参数；根据所述小区工程参数确定所述预置范围内小区的网络拓扑结构；将所述网络拓扑结构作为所述树形层级结构。4.根据权利要求2所述的方法，其特征在于，所述对所述预置范围内的小区进行分层以获得树形层级结构，包括：依据以下公式确定所述预置范围内各个小区的拟位置(xcell、ycell)：xcell＝xsite*(λ*ptrx)*h*sin(α)*cos(θ)；ycell＝ysite*(λ*ptrx)*h*sin(α)*sin(θ)；其中，所述xsite、ysite分别为所述各个小区对应基站的经度、维度；所述xcell、ycell分别为所述各个小区的经度、维度，所述λ为预设数据，所述ptrx为所述基站的发射功率，所述h为所述各个小区的天线高度，所述α、θ分别为所述各个小区对应基站的天线下倾角、方向角；根据所述各个小区的拟位置对所述预置范围内所有小区进行分层以获得所述树形层级结构。5.根据权利要求4所述的方法，其特征在于，所述根据所述各个小区的拟位置对所述预置范围内所有小区进行分层以获得所述树形层级结构，包括：对所述各个小区的拟位置进行层次化聚类以获得所述树形层级结构。6.根据权利要求5所述的方法，其特征在于，所述对所述各个小区的拟位置进行层次化聚类以获得所述树形层级结构，包括：使用K-mean聚类方式对所述各个小区的拟位置进行层次化聚类以获得所述树形层级结构。7.根据权利要求2所述的方法，其特征在于，所述对所述预置范围内的小区进行分层以获得树形层级结构，包括：获取话单记录；根据所述话单记录获取训练样本；将所述训练样本展开为目标根向量；对所述目标根向量进行层次化聚类以获得所述树形层级结构。8.根据权利要求7所述的方法，其特征在于，所述根据所述话单记录获取训练样本，包括：查询所述话单记录得到在所述预设范围内的每个小区中，所有终端设备的流量记录信息；将所述流量记录信息作为所述训练样本。9.根据权利要求7所述的方法，其特征在于，所述对所述目标根向量进行层次化聚类以获得所述树形层级结构，包括：使用bi-clustering聚类方式对所述目标根向量进行层次化聚类以获得所述树形层级结构。10.根据权利要求权利要求1-9所述的方法，其特征在于，所述方法包括：基于第一树形层级结构、二树形层级结构以及第三树形层级结构对所述目标小区的使用流量进行预测以分别获得第一预测值、第二预测值和第三预测值，其中，所述第一树形层级结构为根据所述网络拓扑结构获得的树形层级结构，所述第二树形层级结构为根据所述拟位置获得的树形层级结构，所述第三树形层级结构为根据所述话单记录获得的树形层级结构；根据所述第一预测值、第二预测值和第三预测值得到所述目标小区的使用流量预测值。11.根据权利要求10所述的方法，其特征在于，所述根据所述第一预测值、第二预测值和第三预测值得到所述目标小区的使用流量预测值之前，所述方法还包括：确定预设时段内所述目标小区的历史使用流量数据的加权平均值；所述根据所述第一预测值、第二预测值和第三预测值得到所述目标小区的使用流量预测值，包括：以所述第一预测值、第二预测值、第三预测值以及所述小区工程参数为输入，所述加权平均值为标签，基于随机森林算法进行融合，得到所述目标小区的使用流量预测值。12.根据权利要求11所述的方法，其特征在于，所述确定预设时段内所述目标小区的历史使用流量数据的加权平均值，包括：对所述预设时段内的目标小区的N个历史使用流量数据点进行异常检测，所述N为正整数，所述N大于或等于2；通过所述异常检测后获得所述预设时段内，所述历史使用流量数据点的N个异常系数；根据所述N个异常系数确定所述N个历史使用流量数据点对应的权重；根据所述N个历史使用流量数据点对应的权重确定所述目标小区在预设时段内的历史使用流量的加权平均值。13.根据权利要求12所述的方法，其特征在于，所述根据所述N个历史使用流量数据点对应的权重确定所述目标小区在预设时段内的历史使用流量的加权平均值，包括：将所述N个历史使用流量数据点对应的权重进行加权平均以得到所述目标小区在预设时段内的历史使用流量数据的加权平均值。14.一种流量预测装置，其特征在于，包括：获取模块，用于获取预置范围内，所有小区的历史总使用流量数据；第一预测模块，用于将所述所有小区的历史总使用流量数据作为输入，使用第一预测模型对所述获取模块获取的所述预置范围内所有小区的总使用流量进行预测以获得目标预测值；第二预测模块，用于根据所述第一预测模块预测的所述目标预测值对目标小区的使用流量进行预测得到所述目标小区的使用流量预测值，其中，所述目标小区为所述预置范围内的任意一个小区。...

【专利技术属性】
技术研发人员：张迪，黄琛灿，肖冬，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44