【技术实现步骤摘要】
云原生移动网络稳定性保障的业务调度方法及电子设备
本公开涉及数据处理
，尤其涉及一种云原生移动网络稳定性保障的业务调度方法及电子设备。
技术介绍
5G网络在核心网控制面引入了基于无状态设计的微服务架构，实现了网络功能的软硬件解耦和云化部署，轻量化的服务调用接口使得各网络功能互不影响、独立演进。为了在6G中实现端到端网络的全面云化，提升整个网络部署、运营的效率和灵活性，微服务架构正在向无线侧扩展，云网融合成为了目前6G网络设计中的重要趋势，RAN(RadioAccessNetwork，无线接入网)侧协议栈的微服务化及其在MEC(MobileEdgeComputing，移动边缘计算)平台中的云化部署成为当前移动通信领域的研究热点。然而，现有技术中还存在诸多问题，一方面，RAN侧协议栈的许多处理流程例如MAC(MediaAccessControl，介质访问控制)层帧调度、物理层的调制解调等运算，具有计算量大、高可靠性等特点，对网络稳定性要求更高。另一方面，在云网融合的场景中，一个MEC平台上往往存在多种业务并行工作，...
【技术保护点】
1.一种云原生移动网络稳定性保障的业务调度方法，包括：/n获取MEC平台在历史时间段中用户需求的历史数据；/n根据所述历史数据确定MEC平台在未来时间段的预测业务量；/n根据所述预测业务量以及获取的MEC平台的相关信息，确定对应的业务调度信息。/n
【技术特征摘要】
1.一种云原生移动网络稳定性保障的业务调度方法，包括：
获取MEC平台在历史时间段中用户需求的历史数据；
根据所述历史数据确定MEC平台在未来时间段的预测业务量；
根据所述预测业务量以及获取的MEC平台的相关信息，确定对应的业务调度信息。
2.根据权利要求1所述的方法，其中，所述根据所述历史数据确定MEC平台在未来时间段的预测业务量，具体包括：
将所述历史数据利用预先构建好的卷积神经网络预测模型进行处理，处理完成后输出MEC平台在未来时间段的预测业务量。
3.根据权利要求2所述的方法，其中，在将所述历史数据利用预先构建好的卷积神经网络预测模型进行处理，处理完成后输出MEC平台在未来时间段的预测业务量之前，所述方法还包括：
间隔固定时间采集各个MEC服务器承载的移动用户业务需求的样本数据；
根据所述样本数据随时间的变化构建对应的时空序列，将所述时空序列保存至样本数据库中；
预先构建初始时空图卷积神经网络；
将所述样本数据库中的所述时空序列输入至所述初始时空图卷积神经网络，对所述初始时空图卷积神经网络进行训练，训练完成后得到卷积神经网络预测模型。
4.根据权利要求3所述的方法，其中，所述将所述样本数据库中的所述时空序列输入至所述初始时空图卷积神经网络，对所述初始时空图卷积神经网络进行训练，训练完成后得到卷积神经网络预测模型，具体包括：
将所述样本数据库中的所述时空序列输入至所述初始时空图卷积神经网络，其中，所述时空序列包括：每个MEC服务器历史承载的移动用户业务需求数据表示为堆叠的图帧，以及MEC平台的历史资源数据信息表示为亲和矩阵；
利用所述初始时空图卷积神经网络对所述时空序列进行空间和时间上的分解卷积；
在所述初始时空图卷积神经网络中嵌入辅助数据；
根据所述初始时空图卷积神经网络输出的训练业务量，以及所述时空序列对应下一个固定时间的实际业务量构建损失函数，根据所述损失函数对所述初始时空图卷积神经网络进行调整；
所述初始时空图卷积神经网络对所述样本数据库中的所述时空序列全部训练处理完成后得到卷积神经网络预测模型。
5.根据权利要求4所述的方法，其中，在所述初始时空图卷积神经网络中嵌入辅助数据，具体包括：
获取MEC服务器的移动业务流量变化信息；
将所述MEC服务器的移动业务流量变化信息进行数据编码，得到对应的one-hot向量；
将所述one-hot向量进行连接；
提取所述one-hot向量中的特征向量，对所述特征向量进行整形；
将整形后的特征向量作为辅助数据输入至所述初始时空图卷积神经网络中。
6.根据权利要求4所述的方法，其中，所述根据所述初始时空图卷积神经网络输出的训练业务量，以及所述时空序列对应下一个固定时间的实际业务量构建损失函数，根据所述损失函数对所述初始时空图卷积神经网络进行调整，具体包括：
将...
【专利技术属性】
技术研发人员：路兆铭，颜雨楠，杜科良，刘宇，温向明，王鲁晗，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。