一种基于边缘计算模型的小基站监控装置及方法制造方法及图纸

本发明专利技术提供一种基于边缘计算模型的小基站监控装置及方法，其中监控装置包括原始数据分类模块和机器学习模型，原始数据分类模块将小基站产生的数据进行分类并发送给机器学习模型，机器学习模型利用不同的模型对接收到的分类的数据进行分析，将分析结果上报给网管。本发明专利技术采用机器学习技术，能够在大量无效的数据中根据模型识别出精确的故障结果和预测业务量的变化，有效降低小基站网管的负荷，提供更精准的状态监控及故障定位，并能根据既定策略采取自动恢复措施。

A small base station monitoring device and method based on edge computing model

【技术实现步骤摘要】
一种基于边缘计算模型的小基站监控装置及方法
本专利技术涉及基站监控
，特别涉及一种基于边缘计算模型的小基站监控装置及方法。
技术介绍
5G时代，随着部署频段越来越高，单个基站的覆盖范围变小，因此需要密集的基站覆盖，同时，高频信号的穿透能力减弱，因此室内覆盖成为亟待解决的难题。小基站成为5G时代增强网络覆盖能力的新选择。随着面向商用的4G/5GO-RAN双模开放设计云化小站方案等技术的发布，以后每个家庭一个小基站或成为趋势，这种网络覆盖方式有望真正打通5G落地的“最后一公里”。随着市场和运营商的共同努力，可见在不久的将来小基站的数量会大幅增加，于此带来的是对小基站设备的监控及正常运维难度的增加。小基站部署的环境和宏站不同，不受运营商的控制，更多是受到不可预料的电力、网络及用户的自主行为的影响。小基站数量的大幅增加及小基站的在线模式使得传统的网络管理模式已经不再适合，被管理网元物理上和逻辑上的关联性越来越多，单一的故障往往会在相关的网元中产生大量的告警信息，使得故障的识别和定位变得困难，在多个故障并发时，情况变得更加复杂。管理员面对海量的告警信息，往往很难从中找到故障的真正原因，从而无法快速实施故障修复和故障排除。在此种情况下有必要提供一种智能监控方式，提升告警的准确性和自动恢复的功能。
技术实现思路
有鉴于此，为了解决现有技术的问题，本专利技术提供一种基于边缘计算模型的小基站监控装置及方法，能够有效降低小基站网管的负荷，提供更精准的状态监控及故障定位。<br>本专利技术的技术方案如下：第一方面，本专利技术提供一种基于边缘计算模型的小基站监控装置，包括原始数据分类模块和机器学习模型，原始数据分类模块将小基站产生的数据进行分类后，发送给机器学习模型，机器学习模型利用不同的模型对接收到的分类后的数据进行分析，将分析结果上报给网管。进一步的，所述的原始数据分类模块将小基站产生的数据分为告警数据、控制面、用户面和监控数据。进一步的，所述的机器学习模型包括自动告警关联及根因识别模型、话务量预测模型、用户离网预测模型和数据缓存模块；数据缓存模块用于接收原始数据发送过来的分类后的数据，并将分类后的数据转发给自动告警关联及根因识别模型、话务量预测模型或用户离网预测模型；自动告警关联及根因识别模型：接收告警数据，并对告警数据进行过滤、合并和根因判断，从告警数据中给出概率最高的故障判断，上报给网管；话务量预测模型：接收控制面的数据，通过历史的控制面数据来推测业务量是否会有爆发现象，并上报给网管；用户离网预测模型:接收用户面数据，从用户设备的使用情况判定用户是否正常离线，并上报给网管。第二方面，本专利技术提供一种基于边缘计算模型的小基站监控方法，包括以下步骤：步骤S1、小基站产生的数据发送到原始数据分类模块，原始数据分类模块把小基站产生的数据根据数据源和处理流程进行分类；步骤S2、原始数据分类模块将分类后的数据发送给机器学习模型；步骤S3、机器学习模型将分类后的数据采用不同的模型进行分析，并将分析结果上报给网管。进一步的，原始数据分类模块将小基站产生的数据分为告警数据、控制面、用户面和监控数据。进一步的，所述的机器学习模型包括自动告警关联及根因识别模型、话务量预测模型、用户离网预测模型和数据缓存模块；所述的数据缓存模块接收分类后的数据，将分类后的数据存储并转发给对应的自动告警关联及根因识别模型、话务量预测模型或用户离网预测模型；所述的自动告警关联及根因识别模型分析告警数据，所述的话务量预测模型分析控制面的数据，所述的用户离网预测模型分析用户面的数据。进一步的，生成自动告警关联及根因识别模型的步骤具体包括：步骤S101、收集历史告警数据；步骤S102、利用TF-IDF算法处理告警数据；步骤S103、使用XGBoost算法进行模型训练，生成自动告警关联及根因识别模型；步骤S104、将自动告警关联及根因识别模型部署到边缘计算节点。进一步的，生成话务量预测模型的步骤具体包括：步骤S201、收集历史的控制面的数据；步骤S202、对控制面的数据进行整理；步骤S203、对每个特征数据进行归一化处理；步骤S204、进行模型训，使用XGBoost算法和RidgeRegression岭回归算法生成话务量预测模型；步骤S205、将话务量预测模型部署到边缘计算节点。进一步的，生成用户离网预测模型的步骤具体包括:步骤S301、收集历史的用户面数据；步骤S302、将离线时间特征按时间粒度进行整合，形成不同的数据集；步骤S303、模型训练，在数据集上使用随机森林和XGBoost算法进行训练，通过Stacking算法进行模型融合得到用户离网预测模型；步骤S304、将用户离网预测模型部署到边缘计算节点。进一步的，分析数据的步骤为：自动告警关联及根因识别模型接收到告警数据后，首先利用TF-IDF算法对告警信息进行过滤，根据预先设定的策略对告警数据进行转发或者过滤、聚合、根因判断后再发送到网管。本专利技术的有益效果在于：在基站侧采用机器学习技术，能够在大量无效的数据中根据模型识别出精确的故障结果和预测业务量的变化，有效降低小基站网管的负荷，提供更精准的状态监控及故障定位，并能根据既定策略采取自动恢复措施。附图说明图1为基于边缘计算的服务架构示意图；图2为本专利技术的基于边缘计算模型的小基站监控装置结构示意图；图3为本专利技术的利于机器学习模型分析小基站产生的数据的步骤。具体实施例下面结合附图对本公开实施例进行详细描述。以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。实施例一图1为一个基于边缘计算的服务架构示意图用于数据汇聚，转发和内容提供。SDN/MECSERVER是本专利技术的基于边缘计算模型的小基站监控装置，该监控装置是部署在小基站和核心网之间的一个边缘计算节点，该监控装置的结构示意图如图2所示。该节点在实际部署中使用基于SDN的交换技术，提供下列功能：边缘网关，用于为小基站提供用户面和控制面的数据转发；信令及告警等相关数据的数据的汇聚，过滤等处理；其他业务相关的服务，例如数据缓存。本专利技术的基于边缘计算模型的小基站监控装置，包括原始本文档来自技高网...

【技术保护点】
1.一种基于边缘计算模型的小基站监控装置，其特征在于：包括原始数据分类模块和机器学习模型，原始数据分类模块将小基站产生的数据进行分类并发送给机器学习模型，机器学习模型利用不同的模型对接收到的分类的数据进行分析，将分析结果上报给网管。/n

【技术特征摘要】
1.一种基于边缘计算模型的小基站监控装置，其特征在于：包括原始数据分类模块和机器学习模型，原始数据分类模块将小基站产生的数据进行分类并发送给机器学习模型，机器学习模型利用不同的模型对接收到的分类的数据进行分析，将分析结果上报给网管。


2.根据权利要求1所述的一种基于边缘计算模型的小基站监控装置，其特征在于：所述的原始数据分类模块将小基站产生的数据分为告警数据、控制面、用户面和监控数据。


3.根据权利要求1所述的一种基于边缘计算模型的小基站监控装置，其特征在于：所述的机器学习模型包括自动告警关联及根因识别模型、话务量预测模型、用户离网预测模型和数据缓存模块；
数据缓存模块用于接收原始数据发送过来的分类后的数据，并将分类后的数据转发给自动告警关联及根因识别模型、话务量预测模型或用户离网预测模型；
自动告警关联及根因识别模型：接收告警数据，并对告警数据进行过滤、合并和根因判断，从告警数据中给出概率最高的故障判断，上报给网管；
话务量预测模型：接收控制面的数据，通过历史的控制面数据来推测业务量是否会有爆发现象，并上报给网管；
用户离网预测模型:接收用户面数据，从用户设备的使用情况判定用户是否正常离线，并上报给网管。


4.一种基于边缘计算模型的小基站监控方法，其特征在于：包括以下步骤：
步骤S1、小基站产生的数据发送到原始数据分类模块，原始数据分类模块把小基站产生的数据根据数据源和处理流程进行分类；
步骤S2、原始数据分类模块将分类后的数据发送给机器学习模型；
步骤S3、机器学习模型将分类后的数据采用不同的模型进行分析，并将分析结果上报给网管。


5.根据权利要求4所述的一种基于边缘计算模型的小基站监控方法，其特征在于：原始数据分类模块将小基站产生的数据分为告警数据、控制面、用户面和监控数据。


6.根据权利要求5所述的一种基于边缘计算模型的小基站监控方法，其特征在于：所述的机器学习模型包括自动告警关联及根因识别模型、话务量预测模型、用户离网预测模型和数据缓存模块；
所述的数据缓存模块接收分类后的数据，将分...

【专利技术属性】
技术研发人员：钟巍，
申请(专利权)人：超讯通信股份有限公司，
类型：发明
国别省市：广东;44