小区扩容方法和装置制造方法及图纸

本申请实施例提供一种小区扩容方法和装置，应用于通信技术领域。所述方法包括：确定第一活动所占据的目标区域，以及第一活动的活动时间段；获取覆盖目标区域的小区的数据指标特征；将数据指标特征和第一时刻输入预先训练的小区容量预测模型，得到目标区域的小区在第二时刻的预测容量；在预测容量小于大于或等于容量参考值的情况下，对目标区域的小区扩容。本申请实施例可以预测第一活动所在的小区的小区容量，进而可以基于小区容量对小区扩容，使得小区容量可以满足第一活动的需求，避免第一活动中小区产生网络拥塞的问题。活动中小区产生网络拥塞的问题。活动中小区产生网络拥塞的问题。

【技术实现步骤摘要】
小区扩容方法和装置


[0001]本申请涉及通信
，尤其涉及一种小区扩容方法和装置。

技术介绍

[0002]随着经济数字化的快速发展，各类大型活动需要进行通信网络保障。例如，活动前可以人力查找以往活动数据，根据人们的经验预测该活动的人流量，若预期人流量较多，可以对活动所覆盖的小区进行提前扩容。
[0003]但是，上述方式中，对大型活动的通信网络保障实现时，需要耗费大量的人力和物力，效率较低，且人的经验参差不齐，无法较好的进行网络保障。

技术实现思路

[0004]第一方面，本申请实施例提供一种小区扩容方法，其特征在于，包括：
[0005]确定第一活动所占据的目标区域，以及所述第一活动的活动时间段；
[0006]获取覆盖所述目标区域的小区的数据指标特征；所述数据指标特征包括下述的一种或多种：业务量、用户接入情况、物理资源块PRB利用率或时间段；
[0007]将所述数据指标特征和第一时刻输入预先训练的小区容量预测模型，得到所述目标区域的小区在第二时刻的预测容量；其中，所述第一时刻和所述第二时刻均属于所述活动时间段，所述第一时刻早于所述第二时刻；所述小区容量预测模型是基于对各活动场景的聚类和回归训练得到的；
[0008]在所述预测容量小于大于或等于容量参考值的情况下，对所述目标区域的小区扩容。
[0009]可能的实现方式中，还包括：
[0010]根据所述目标区域的小区的所述数据指标特征，在场景库中匹配得到目标细分场景；
[0011]根据所述目标细分场景，得到所述容量参考值；
[0012]其中，所述场景库中包括多个所述细分场景，所述细分场景是基于样本小区的所述数据指标特征聚类得到的，一个所述细分场景为一个聚类簇，每个所述细分场景包括某类型的活动所对应的所述数据指标特征和所述某类型的活动的所述容量参考值。
[0013]可能的实现方式中，还包括：
[0014]利用K均值算法K
‑
means以及所述样本小区的所述数据指标特征进行聚类，得到所述细分场景；
[0015]将所述细分场景存储在所述场景库中。
[0016]可能的实现方式中，还包括：
[0017]根据所述样本小区的所述数据指标特征以及所述样本小区的当前容量c(t)，构建{X1，X2，...，X
m
}，X
m
＝(x
m1
，x
m2
，...，x
mn
)，其中，X为所述样本小区，m为所述样本小区的数量，x为各所述样本小区的所述数据指标特征，n为各所述样本小区的所述数据指标特征的数
量；
[0018]利用回归模型拟合，直到所述当前容量c(t)与利用待训练模型预测出的预测容量的距离最小，得到所述小区容量预测模型；
[0019]其中，所述回归模型为：
[0020][0021]其中，所述ε为误差，所述ε服从正态分布，所述δ2为方差；所述β0，...，β
n
为常数，所述α为常数。
[0022]可能的实现方式中，所述获取覆盖所述目标区域的小区的数据指标特征，包括：
[0023]定时检测所述目标区域的小区的网络指标；
[0024]在所述网络指标处于波动状态，获取覆盖所述目标区域的小区的数据指标特征。
[0025]可能的实现方式中，所述在所述预测容量小于容量参考值的情况下，对所述目标区域的小区扩容，包括：
[0026]使用脚本定期将所述目标区域的小区的当前时间与所述活动时间段对比，如果所述当前时间不在所述活动时间段内，且所述预测容量小于大于或等于所述容量参考值，调取扩容脚本对所述目标区域的小区自动扩容。
[0027]可能的实现方式中，还包括：
[0028]如果所述当前时间不在所述活动时间段内，持续监控所述目标区域的小区的容量，直到所述目标区域的小区的容量小于所述容量参考值，回退所述目标区域的小区的扩容容量；或者，
[0029]如果所述当前时间不在所述活动时间段内，回退所述目标区域的小区的扩容容量。
[0030]第二方面，本申请实施例提供一种小区扩容装置，所述装置包括通信单元和处理单元：
[0031]所述处理单元，用于确定第一活动所占据的目标区域，以及所述第一活动的活动时间段；
[0032]所述通信单元，用于获取覆盖所述目标区域的小区的数据指标特征；所述数据指标特征包括下述的一种或多种：业务量、用户接入情况、物理资源块PRB利用率或时间段；
[0033]所述处理单元，用于将所述数据指标特征和第一时刻输入预先训练的小区容量预测模型，得到所述目标区域的小区在第二时刻的预测容量；其中，所述第一时刻和所述第二时刻均属于所述活动时间段，所述第一时刻早于所述第二时刻；所述小区容量预测模型是基于对各活动场景的聚类和回归训练得到的；
[0034]所述处理单元，用于在所述预测容量大于或等于容量参考值的情况下，对所述目标区域的小区扩容。
[0035]可能的实现方式中，
[0036]所述处理单元，具体用于：根据所述目标区域的小区的所述数据指标特征，在场景库中匹配得到目标细分场景；
[0037]所述处理单元，具体用于：根据所述目标细分场景，得到所述容量参考值；
[0038]其中，所述场景库中包括多个所述细分场景，所述细分场景是基于样本小区的所
述数据指标特征聚类得到的，一个所述细分场景为一个聚类簇，每个所述细分场景包括某类型的活动所对应的所述数据指标特征和所述某类型的活动的所述容量参考值。
[0039]可能的实现方式中，
[0040]所述处理单元，具体用于：利用K均值算法K
‑
means以及所述样本小区的所述数据指标特征进行聚类，得到所述细分场景；
[0041]所述处理单元，具体用于：将所述细分场景存储在所述场景库中。
[0042]可能的实现方式中，
[0043]所述处理单元，具体用于：根据所述样本小区的所述数据指标特征以及所述样本小区的当前容量c(t)，构建{X1，X2，...，X
m
}，X
m
＝(x
m1
，x
m2
，...，x
mn
)，其中，X为所述样本小区，m为所述样本小区的数量，x为各所述样本小区的所述数据指标特征，n为各所述样本小区的所述数据指标特征的数量；
[0044]所述处理单元，具体用于：利用回归模型拟合，直到所述当前容量c(t)与利用待训练模型预测出的预测容量的距离最小，得到所述小区容量预测模型；
[0045]其中，所述回归模型为：
[0046][0047]其中，所述ε为误差，所述ε服从正态分布，所述δ2为方差；所述β0，...，β
n
为常数，所述α为常数。
[0048]可能的实现方式中，
[0049]所述处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种小区扩容方法，其特征在于，包括：确定第一活动所占据的目标区域，以及所述第一活动的活动时间段；获取覆盖所述目标区域的小区的数据指标特征；所述数据指标特征包括下述的一种或多种：业务量、用户接入情况、物理资源块PRB利用率或时间段；将所述数据指标特征和第一时刻输入预先训练的小区容量预测模型，得到所述目标区域的小区在第二时刻的预测容量；其中，所述第一时刻和所述第二时刻均属于所述活动时间段，所述第一时刻早于所述第二时刻；所述小区容量预测模型是基于对各活动场景的聚类和回归训练得到的；在所述预测容量大于或等于容量参考值的情况下，对所述目标区域的小区扩容。2.根据权利要求1所述的方法，其特征在于，还包括：根据所述目标区域的小区的所述数据指标特征，在场景库中匹配得到目标细分场景；根据所述目标细分场景，得到所述容量参考值；其中，所述场景库中包括多个所述细分场景，所述细分场景是基于样本小区的所述数据指标特征聚类得到的，一个所述细分场景为一个聚类簇，每个所述细分场景包括某类型的活动所对应的所述数据指标特征和所述某类型的活动的所述容量参考值。3.根据权利要求2所述的方法，其特征在于，还包括：利用K均值算法K
‑
means以及所述样本小区的所述数据指标特征进行聚类，得到所述细分场景；将所述细分场景存储在所述场景库中。4.根据权利要求2所述的方法，其特征在于，还包括：根据所述样本小区的所述数据指标特征以及所述样本小区的当前容量c(t)，构建{X1，X2，...，X
m
}，X
m
＝(x
m1
，x
m2
，...，x
mn
)，其中，X为所述样本小区，m为所述样本小区的数量，x为各所述样本小区的所述数据指标特征，n为各所述样本小区的所述数据指标特征的数量；利用回归模型拟合，直到所述当前容量c(t)与利用待训练模型预测出的预测容量的距离最小，得到所述小区容量预测模型；其中，所述回归模型为：其中，所述ε为误差，所述ε服从正态分布，所述δ2为方差；所述β0，...，β
n
为常数，所...

【专利技术属性】
技术研发人员：叶晶，林秋爽，陈刚，何春霞，李铁军，刘勤富，黄智勇，张永杰，陈孟香，蔡明兴，
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：