一种数据驱动的蜂窝基站动态管理方法与系统技术方案

本发明专利技术公开了一种数据驱动的蜂窝基站动态管理方法与系统，本方法获取包含射频拉远头和基带处理单元的蜂窝基站数据集，并从蜂窝基站数据集中获得射频拉远头的表示特征；根据射频拉远头的表示特征构建射频拉远头的流行度指标；采用带约束条件的聚类方法对射频拉远头的流行度指标进行分类，获得射频拉远头的分类结果；根据分类结果建立基带处理单元的总优化目标；根据基带处理单元的总优化目标建立马尔可夫决策过程模型；采用异步优势动作评价方法对马尔可夫决策过程模型进行网络训练，获得射频拉远头到基带处理单元的连接映射结果；根据连接映射结果动态管理蜂窝基站。本发明专利技术能提高基带处理单元的利用率，减少能耗，使用户连接负载更均衡。负载更均衡。负载更均衡。

【技术实现步骤摘要】
一种数据驱动的蜂窝基站动态管理方法与系统


[0001]本专利技术涉及无线通信
，尤其是涉及一种数据驱动的蜂窝基站动态管理方法与系统。

技术介绍

[0002]为应对快速增长的移动用户和激增的流量需求，网络运营商正在部署越来越多的基站以扩大网络覆盖规模，增加更强大的处理单元以增加网络容量。基站部署规模的增加导致运营商的运营支出大幅度上升，云无线接入网(C
‑
RAN)的诞生能够使得蜂窝网络实现动态资源分配，更好的实现基站管理并节约成本。在C
‑
RAN中传统基站被分为分布式射频拉远头(RRH)和集中式基带处理池(BBU Pool)，多个RRH可以连接到一个基带处理单元(BBU)上，共享处理能力以提高BBU的利用率和提高网络的成本效益。如何构建RRH到BBU之间的连接映射，成为C
‑
RAN架构下基站管理的一个重要问题，主要包含三个优化目标：1)提高BBU的资源利用效率，2)使BBU整体能源消耗最小，3)使BBU用户连接负载均衡。
[0003]现有的RRH到BBU的连接映射方法有以下缺点：第一，大部分算法只考虑一个或者两个优化目标，很少同时考虑三个优化目标。同时对三个目标同时进行建模和优化是较为困难的。第二，目前大部分算法只在小规模的仿真数据下进行实验，很少有算法是针对大规模城市场景。在现实情况下进行城市级别的基站管理会出现基站数量庞大、数据特征维度多的问题，导致算法花费时间长，失去时效性，以及花费CPU资源过多，开销大的情况。在一些优化算法中，可能还会导致算法无法收敛，达不到最优解。因此，需要设计算法降低基站管理规模。第三，用户具有移动性，会在基站中高频切换。用户的移动性导致了基站的连接人数、连接流量等特征随时序高度变化，基站特征呈现高度动态性。因此以往静态的、一劳永逸的基站管理方案是不适用的。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种数据驱动的蜂窝基站动态管理方法与系统，能够提高基带处理单元的利用率，减少能耗，使用户连接负载更均衡。
[0005]第一方面，本专利技术实施例提供了一种数据驱动的蜂窝基站动态管理方法，所述数据驱动的蜂窝基站动态管理方法包括：
[0006]获取包含射频拉远头和基带处理单元的蜂窝基站数据集，并从所述蜂窝基站数据集中获得射频拉远头的表示特征；所述表示特征用于表征所述射频拉远头的连接流量大小特征、所述射频拉远头的连接人数特征和所述射频拉远头的特定用户占比特征；
[0007]根据所述射频拉远头的表示特征构建射频拉远头的流行度指标；所述流行度指标用于从多角度来表征蜂窝基站的偏好属性；
[0008]采用带约束条件的聚类方法对所述射频拉远头的流行度指标进行分类，获得射频拉远头的分类结果；
[0009]根据所述射频拉远头的分类结果建立基带处理单元的总优化目标；所述总优化目标用于优化所述基带处理单元的资源浪费率、用户连接负载均衡和能耗；
[0010]根据所述基带处理单元的总优化目标建立马尔可夫决策过程模型；
[0011]采用异步优势动作评价方法对所述马尔可夫决策过程模型进行网络训练，获得射频拉远头到基带处理单元的连接映射结果；
[0012]根据所述连接映射结果动态管理所述蜂窝基站。
[0013]与现有技术相比，本专利技术第一方面具有以下有益效果：
[0014]本方法通过获取包含射频拉远头和基带处理单元的蜂窝基站数据集，并从蜂窝基站数据集中获得射频拉远头的表示特征，根据射频拉远头的表示特征构建射频拉远头的流行度指标，采用带约束条件的聚类方法对射频拉远头的流行度指标进行分类，获得射频拉远头的分类结果，根据流行度指标通过带约束条件的聚类方法分类出连接偏好相似的射频拉远头，能够防止每一类射频拉远头数量相差过多，导致后续射频拉远头到基带处理单元映射时出现不均衡的现象；通过根据射频拉远头的分类结果建立基带处理单元的总优化目标，能够降低后续异步优势动作评价方法的时间复杂度，并达到总优化目标的最优值；根据基带处理单元的总优化目标建立马尔可夫决策过程模型，通过根据总优化目标建立的马尔可夫决策过程模型进行优化能够提高基带处理单元的利用率，减少能耗，使用户连接负载更均衡；采用异步优势动作评价方法对马尔可夫决策过程模型进行网络训练，获得射频拉远头到基带处理单元的连接映射结果，根据连接映射结果动态管理蜂窝基站，通过异步优势动作评价方法中的异步并行方式加快网络训练，有效解决动作空间过大的问题。
[0015]根据本专利技术的一些实施例，通过如下方式获得所述射频拉远头的表示特征：
[0016][0017]其中，表示t时刻的射频拉远头n的连接流量大小特征，表示t时刻的射频拉远头n的连接人数特征，表示t时刻的射频拉远头n的特定用户占比特征。
[0018]根据本专利技术的一些实施例，通过如下方式构建所述射频拉远头的流行度指标：
[0019][0020]其中，α表示所述射频拉远头的连接流量大小特征的加权权重，β表示所述射频拉远头的连接人数特征的加权权重，γ表示所述射频拉远头的特定用户占比特征的加权权重，N表示射频拉远头的总数。
[0021]根据本专利技术的一些实施例，所述采用带约束条件的聚类方法对所述射频拉远头的流行度指标进行分类，获得射频拉远头的分类结果，包括：
[0022]根据所述射频拉远头的流行度指标，获取预设时间段的流行度指标序列；
[0023]将所述流行度指标序列输入至带约束条件的聚类方法K
‑
Means中进行分类，获得射频拉远头的分类结果。
[0024]根据本专利技术的一些实施例，通过如下方式定义所述约束条件：
[0025][0026][0027]其中，N
k
表示被分到第k个类的射频拉远头集合，min表示第k个类的最小射频拉远头数量，max表示第k个类的最大射频拉远头数量，I
n,k
＝1表示第n个射频拉远头属于第k类，I
n,k
＝0表示第n个射频拉远头不属于第k类，K表示总类别数。
[0028]根据本专利技术的一些实施例，所述根据所述射频拉远头的分类结果建立基带处理单元的总优化目标，包括：
[0029]根据所述射频拉远头的分类结果建立t时刻的基带处理单元的资源浪费率最小优化目标：
[0030][0031]根据所述射频拉远头的分类结果建立t时刻的基带处理单元的用户连接负载均衡优化目标：
[0032][0033]根据所述射频拉远头的分类结果建立t时刻的基带处理单元的能耗最小优化目标：
[0034][0035]根据所述资源浪费率最小优化目标、所述用户连接负载均衡优化目标和所述能耗最小优化目标，建立基带处理单元的总优化目标：
[0036][0037][0038][0039][0040]其中，K`(t)表示t时刻的资源浪费率最小优化目标，表示t时刻处于活跃状态的基带处理单元的集合，tra
max
表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据驱动的蜂窝基站动态管理方法，其特征在于，所述数据驱动的蜂窝基站动态管理方法包括：获取包含射频拉远头和基带处理单元的蜂窝基站数据集，并从所述蜂窝基站数据集中获得射频拉远头的表示特征；所述表示特征用于表征所述射频拉远头的连接流量大小特征、所述射频拉远头的连接人数特征和所述射频拉远头的特定用户占比特征；根据所述射频拉远头的表示特征构建射频拉远头的流行度指标；所述流行度指标用于从多角度来表征蜂窝基站的偏好属性；采用带约束条件的聚类方法对所述射频拉远头的流行度指标进行分类，获得射频拉远头的分类结果；根据所述射频拉远头的分类结果建立基带处理单元的总优化目标；所述总优化目标用于优化所述基带处理单元的资源浪费率、用户连接负载均衡和能耗；根据所述基带处理单元的总优化目标建立马尔可夫决策过程模型；采用异步优势动作评价方法对所述马尔可夫决策过程模型进行网络训练，获得射频拉远头到基带处理单元的连接映射结果；根据所述连接映射结果动态管理所述蜂窝基站。2.根据权利要求1所述的数据驱动的蜂窝基站动态管理方法，其特征在于，通过如下方式获得所述射频拉远头的表示特征：其中，表示t时刻的射频拉远头n的连接流量大小特征，表示t时刻的射频拉远头n的连接人数特征，表示t时刻的射频拉远头n的特定用户占比特征。3.根据权利要求2所述的数据驱动的蜂窝基站动态管理方法，其特征在于，通过如下方式构建所述射频拉远头的流行度指标：其中，α表示所述射频拉远头的连接流量大小特征的加权权重，β表示所述射频拉远头的连接人数特征的加权权重，γ表示所述射频拉远头的特定用户占比特征的加权权重，N表示射频拉远头的总数。4.根据权利要求1所述的数据驱动的蜂窝基站动态管理方法，其特征在于，所述采用带约束条件的聚类方法对所述射频拉远头的流行度指标进行分类，获得射频拉远头的分类结果，包括：根据所述射频拉远头的流行度指标，获取预设时间段的流行度指标序列；将所述流行度指标序列输入至带约束条件的聚类方法K
‑
Means中进行分类，获得射频拉远头的分类结果。5.根据权利要求4所述的数据驱动的蜂窝基站动态管理方法，其特征在于，通过如下方式定义所述约束条件：
其中，N
k
表示被分到第k个类的射频拉远头集合，min表示第k个类的最小射频拉远头数量，max表示第k个类的最大射频拉远头数量，I
n,k
＝1表示第n个射频拉远头属于第k类，I
n,k
＝0表示第n个射频拉远头不属于第k类，K表示总类别数。6.根据权利要求1所述的数据驱动的蜂窝基站动态管理方法，其特征在于，所述根据所述射频拉远头的分类结果建立基带处理单元的总优化目标，包括：根据所述射频拉远头的分类结果建立t时刻的基带处理单元的资源浪费率最小优化目标：根据所述射频拉远头的分类结果建立t时刻的基带处理单元的用户连接负载均衡优化目标：根据所述射频拉远头的分类结果建立t时刻的基带处理单元的能耗最小优化目标：根据所述资源浪费率最小优化目标、所述用户连接负载均衡优化目标和所述能耗最小优化目标，建立基带处理单元的总优化目标：优化目标，建立基带处理单元的总优化目标：优化目标，建立基带处理单元的总优化目标：优化目标，建立基带处理单元的总优化目标：其中，K`(t)表示t时刻的资源浪费率最小优化目标，表示t时刻处于活跃状态的基带处理单元的集合，tra
max
表示基带处理单元能提供的最大流量资源，表示t时刻的射频拉远头n的连接流量大小特征，表示t时刻的第k类射频拉远头和第m个基带处理
单元的连接状态，Q(t)表示t时刻的用户连接负载均衡优化目...

【专利技术属性】
技术研发人员：张尧学，王姗姗，吴帆，吕丰，
申请(专利权)人：中南大学，
类型：发明
国别省市：