一种基于移动网络流量预测的基站休眠方法技术

本发明专利技术公开了一种基于移动网络流量预测的基站休眠方法，在移动网络中，通过提出的基于时空特征的预测模型预测基站的流量，然后根据预测出的流量调度合适的基站进入休眠状态，来节省基站的能耗。本方明利用时间卷积网络抽取移动网络流量的时间特征，利用三维卷积网络流量抽取移动网络流量的空间特征，然后利用抽取的特征进行准确地预测基站的流量，再利用预测的流量通过规划的方法选取合适的基站进行休眠，能够有效地降低基站的工作能耗，同时又能够保证用户的服务质量。

A method of base station dormancy based on mobile network traffic prediction

【技术实现步骤摘要】
一种基于移动网络流量预测的基站休眠方法
本专利技术涉及一种基于移动网络流量预测的基站休眠方法，属于移动网络领域。
技术介绍
随着移动设备数量的快速增长，移动网络流量也在极其迅速地增长，这加速了移动网络基础设施的扩张。移动网络的扩张同时也导致了移动网络能量消耗的增加。运营商考虑到经济问题和生态环境问题，需要建立绿色移动网络。之前的研究表明基站的能量消耗占据了移动网络流量消耗的80％左右。所以节省基站的能量消耗是构建绿色移动网络的关键。在基站节能的相关研究中，基站休眠是常见的方法。由于基站在部署时是按照流量峰值设计的，基站在工作日中有30％的时间流量只有峰值的十分之一。所以当一个区域的流量较低时，可以将该区域中的部分基站进行关闭，而该区域的通信需求由其它基站进行满足；当区域的流量负载较高时，可以将基站进行唤醒。JingjinWu等人提出的休眠策略(参考文献：WuJ,ZhangY,ZukermanM,etal.Energy-efficientbase-stationssleep-modetechniquesingreencellularnetworks:Asurvey[J].IEEEcommunicationssurveys&tutorials,2015,17(2):803-826.)，可以降低50％的基站能耗，但是在设计休眠策略时认为流量是静态的，但是流量的特征会受到时间和空间特征的影响的。同时其它因素，比如天气、节假日等情况也会影响移动网络中的流量。ShengZhang等人考虑了流量的动态性(参考文献：ZhangS,ZhaoS,YuanM,etal.Trafficpredictionbasedpowersavingincellularnetworks:Amachinelearningmethod[C]//Proceedingsofthe25thACMSIGSPATIALInternationalConferenceonAdvancesinGeographicInformationSystems.ACM,2017:29.)，但是在设计休眠算法时，只考虑了下一个时刻应该休眠的基站数，无法确切地得到应该休眠的基站。上述的方法中存在着预测流不准确、调度策略不够完善的缺点。
技术实现思路
本专利技术所要解决的技术问题是针对当前移动网络中基站休眠算法的不足，提供一种能够保证基站能耗最小化的基站休眠方法，在保证用户的服务质量的基础上，对移动网络中的基站进行动态地休眠和唤醒，达到降低基站能耗的目标，在保证用户服务质量的同时，能够最大限度地降低移动网络的能耗。本专利技术为解决上述技术问题具体采用以下技术方案。一种基于移动网络流量预测的基站休眠方法，包括以下步骤：步骤一、获取基站流量信息以及基站所在区域的外部信息；步骤二、根据步骤一中获取的信息，采用神经网络预测将来某个时刻基站的流量；步骤三、根据预测出的基站流量，通过求解调度目标函数的方式选择合适的基站进行休眠及唤醒。进一步的，本专利技术所提出的基于移动网络流量预测的基站休眠方法，步骤一中获取的信息包括基站的历史流量信息以及基站周围区域的基站流量信息，所在区域的外部信息包括天气、节假日以及特殊事件的相关信息。进一步的，本专利技术所提出的基于移动网络流量预测的基站休眠方法，步骤二所述预测将来某个时刻基站的流量，具体步骤如下：步骤2.1、使用时间卷积网络提取移动网络流量的时间特征；步骤2.2、使用三维卷积网络提取移动网络流量的空间特征；步骤2.3、使用全连接网络提取基站所在区域的外部特征；步骤2.4、融合时间特征、空间特征和外部特征，最后全连接层得到预测的流量。进一步的，本专利技术所提出的基于移动网络流量预测的基站休眠方法，步骤2.1所述的具体步骤包括：时间卷积网络由一维卷积组成，通过因果卷积和扩张卷积来提取移动网络流量的时间特征，所述时间卷积网络在神经网络层之间使用残差连接，残差连接由如下公式进行计算：foutput＝ReLu(x+f(x))其中，f(x)表示一维卷积操作的输出，x表示输入，ReLu函数作为激活函数，由以下公式得到：fact(x)＝max(0,x)其中，max()表示求两个数的最大值。进一步的，本专利技术所提出的基于移动网络流量预测的基站休眠方法，步骤2.2所述的具体步骤包括:三维卷积操作由以下公式进行计算:其中，表示第i层的第j个特征图中位置(p,q,r)的卷积核连接到i-1层第m个特征图的权值,Pi,Qi,Ri表示卷积核的三个维度，bij表示偏置；在卷积层后使用最大池化作为池化层，池化操作的输出由以下公式得到：其中，U为池化层的输入，H为池化层的输出，s、t和r为池化操作的采样步长，S1、S2和S3表示池化操作的窗口大小。进一步的，本专利技术所提出的基于移动网络流量预测的基站休眠方法，步骤2.3所述的具体步骤包括:由全连层提取移动网络流量的外部特征，外部特征由以下公式得到：其中，Wex表示权重，Xex表示全连接层的输入，bex表示偏置；ReLu函数作为激活函数，由以下公式得到：fact(x)＝max(0,x)其中，max()表示求两个数的最大值，x表示输入。进一步的，本专利技术所提出的基于移动网络流量预测的基站休眠方法，步骤2.4所述的具体步骤包括:融合得到的时间特征和空间特征，具体如下所示:其中，Ws和Wt表示时间特征和空间特征的权重，Xs和Xt表示提取的时间特征和空间特征，代表矩阵哈达玛积的符号；融合后的结果通过全连接层，再与外部特征进行融合，融合操作如下所示：其中，表示提取的外部特征，表示提取的时空特征。进一步的，本专利技术所提出的基于移动网络流量预测的基站休眠方法，步骤三所述的具体步骤包括:步骤3.1、确定n个基站的在时间段T＝{1,2,...,,L}的总能耗；步骤3.2、确定基站休眠的调度过程。进一步的，本专利技术所提出的基于移动网络流量预测的基站休眠方法，步骤3.1所述的总能耗包括:对于t∈T,n个基站的总能量消耗Pt由以下公式得到：其中，表示t时刻基站i覆盖区域k，表示t时刻基站i无法覆盖区域k，表示基站i服务区域k所需要的能量，P0是基站处于工作状态时的固定能耗，表示基站i处于工作状态，而表示处于休眠状态；Pswitch,i,t表示基站切换产生的能量消耗，由如下公式得到：其中，Vk,t表示t时刻的流量值，di,k表示基站和区域的距离，p是常数；Pswitch,i,t由如下公式得到：其中，Vi,t表示t时刻基站i的流量负载。进一步的，本专利技术所提出的基于移动网络流量预测的基站休眠方法，步骤3.2所述的基站调度包括:mins.t....

【技术保护点】
1.一种基于移动网络流量预测的基站休眠方法，其特征在于，包括以下步骤：/n步骤一、获取基站流量信息以及基站所在区域的外部信息；/n步骤二、根据步骤一中获取的信息，采用神经网络预测将来某个时刻基站的流量；/n步骤三、根据预测出的基站流量，通过求解调度目标函数的方式选择合适的基站进行休眠及唤醒。/n

【技术特征摘要】
1.一种基于移动网络流量预测的基站休眠方法，其特征在于，包括以下步骤：
步骤一、获取基站流量信息以及基站所在区域的外部信息；
步骤二、根据步骤一中获取的信息，采用神经网络预测将来某个时刻基站的流量；
步骤三、根据预测出的基站流量，通过求解调度目标函数的方式选择合适的基站进行休眠及唤醒。


2.如权利要求1所述的一种基于移动网络流量预测的基站休眠方法，其特征在于:步骤一中获取的信息包括基站的历史流量信息以及基站周围区域的基站流量信息，所在区域的外部信息包括天气、节假日以及特殊事件的相关信息。


3.如权利要求1所述的一种基于移动网络流量预测的基站休眠方法，其特征在于，步骤二所述预测将来某个时刻基站的流量，具体步骤如下：
步骤2.1、使用时间卷积网络提取移动网络流量的时间特征；
步骤2.2、使用三维卷积网络提取移动网络流量的空间特征；
步骤2.3、使用全连接网络提取基站所在区域的外部特征；
步骤2.4、融合时间特征、空间特征和外部特征，最后全连接层得到预测的流量。


4.如权利要求3所述的一种基于移动网络流量预测的基站休眠方法，其特征在于，步骤2.1所述的具体步骤包括：时间卷积网络由一维卷积组成，通过因果卷积和扩张卷积来提取移动网络流量的时间特征，
所述时间卷积网络在神经网络层之间使用残差连接，残差连接由如下公式进行计算：
foutput＝ReLu(x+f(x))
其中，f(x)表示一维卷积操作的输出，x表示输入，ReLu函数作为激活函数，由以下公式得到：
fact(x)＝max(0,x)
其中，max()表示求两个数的最大值。


5.如权利要求3所述的一种基于移动网络流量预测的基站休眠方法，其特征在于，步骤2.2所述的具体步骤包括:
三维卷积操作由以下公式进行计算:



其中，表示第i层的第j个特征图中位置(p,q,r)的卷积核连接到i-1层第m个特征图的权值,Pi,Qi,Ri表示卷积核的三个维度，bij表示偏置；
在卷积层后使用最大池化作为池化层，池化操作的输出由以下公式得到：



其中，U为池化层的输入，H为池化层的输出，s、t和r为池化操作的采样步长，S1、S2和S3表示池化操作的窗口大小。


6.如权利要求3所述的一种基于移动网络流量预测的基站休眠方法，其特征在于，步骤2.3所述的具体步骤包括:
由全连层提取移动网络流量的外部特征，外...

【专利技术属性】
技术研发人员：白光伟，张杰，沈航，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：江苏;32