小区流量预测方法及服务器技术

本发明专利技术实施例提供一种小区流量预测方法及服务器，该方法包括：按照小区的多个预设属性，确定待识别小区的目标类型；根据目标类型，获取待识别小区对应的训练好的小区物理资源模块PRB利用率与小区流量的关系模型，其中训练好的小区PRB利用率与小区流量的关系模型是根据多个不存在容量瓶颈的目标类型小区的PRB利用率和小区流量训练得到的；将待识别小区的当前PRB利用率输入至关系模型中，获得待识别小区在正常情况下的实际小区流量，使得获得的预测小区流量跟符合待识别小区的实际情况，提高了预测的小区流量的准确性。

【技术实现步骤摘要】
小区流量预测方法及服务器
本专利技术实施例涉及通信
，尤其涉及一种小区流量预测方法及服务器。
技术介绍
无线网的容量是衡量无线网业务支撑能力的一项重要指标，当小区无线资源利用率达到一定的门限时，将会出现容量瓶颈，导致网络延迟或丢包，影响用户的使用体验，此时需要对此类小区进行及时的扩容。为了对小区进行扩容，需要对小区未来一段时间的流量(业务量)进行预测，以保证扩容方案能够满足未来一段时间内用户的使用需求。目前，现有的对小区流量进行预测方法主要是：采用时间序列的模型，如差分整合移动平均自回归模型(AutoregressiveIntegratedMovingAverage，简称ARIMA)和长短期记忆网络(LongShort-TermMemory，简称LSTM)等，利用小区的历史流量输入模型中对未来的流量进行预测。然而，专利技术人发现现有技术存在如下技术问题：在不同的小区，由于业务类型不同，部分小区本身已存在容量瓶颈(即流量被抑制的情况)，此时利用现有的历史流量预测的未来流量值，将会存在偏差，进而导致小区扩容后仍无法满足用户的使本文档来自技高网...

【技术保护点】
1.一种小区流量预测方法，其特征在于，包括：/n按照小区的多个预设属性，确定待识别小区的目标类型；/n根据所述目标类型，获取所述待识别小区对应的训练好的小区物理资源模块PRB利用率与小区流量的关系模型，其中所述训练好的小区PRB利用率与小区流量的关系模型是根据多个不存在容量瓶颈的所述目标类型小区的PRB利用率和小区流量训练得到的；/n将所述待识别小区的当前PRB利用率输入至所述关系模型中，得到所述待识别小区的预测小区流量。/n

【技术特征摘要】
1.一种小区流量预测方法，其特征在于，包括：
按照小区的多个预设属性，确定待识别小区的目标类型；
根据所述目标类型，获取所述待识别小区对应的训练好的小区物理资源模块PRB利用率与小区流量的关系模型，其中所述训练好的小区PRB利用率与小区流量的关系模型是根据多个不存在容量瓶颈的所述目标类型小区的PRB利用率和小区流量训练得到的；
将所述待识别小区的当前PRB利用率输入至所述关系模型中，得到所述待识别小区的预测小区流量。


2.根据权利要求1所述的方法，其特征在于，还包括：
根据小区的多个预设属性，将各小区划分为多种类型的小区；
对于每种类型的小区，根据多个评价参数，筛选出不存在容量瓶颈的标杆小区；
根据标杆小区的PRB利用率和小区流量，进行模型训练得到每种类型的训练好的小区PRB利用率与小区流量的关系模型。


3.根据权利要求2所述的方法，其特征在于，所述多个预设属性包括：业务密集度属性、业务包大小属性；
所述根据小区的多个预设属性，将各小区划分为多种类型的小区，包括：
根据业务密集度属性、业务包大小属性，将各小区划分为：“业务密集，小包业务为主”、“业务密集，中包业务为主”、“业务密集，大包业务为主”、“业务一般，小包业务为主”、“业务一般，中包业务为主”、“业务一般，大包业务为主”、“业务稀疏，大包业务为主”、“业务稀疏，中包业务为主”、“业务稀疏，小包业务为主”九种类型的小区；
其中，大包业务为主指的是大包业务占比最高，中包业务为主指的是中包业务占比最高，小包业务为主指的是小包业务占比最高。


4.根据权利要求3所述的方法，其特征在于，所述多个预设属性还包括：频段属性、室内外特征属性；
根据所述频段属性、室内外特征属性对所述九种类型的小区进二...

【专利技术属性】
技术研发人员：盛莉莉，顾伟，张会猛，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京;11