网络服务动态优化方法、系统、电子设备及介质技术方案

本公开提供一种网络服务动态优化方法、系统、电子设备及存储介质，以解决网络服务无法针对性的调度资源和调整性能指标的问题，所述方法包括：将车路协同业务网络指标标准化，以形成性能指标标准库；对应于性能指标标准库，建设包含各个业务类型的网络性能指标测试库；利用搭建的网络性能指标测试库，按照事件流及不同业务分类对网络性能评估及优化模型进行训练；由UPF网元按照性能指标标准库进行数据采集，并将采集的数据处理后输入到网络性能评估及优化模型，以输出网络服务优化策略；基于网络服务优化策略进行资源调度。本公开可以实现性能指标参数、服务资源的动态自适应调整，有效的保障车路协同业务的网络性能。有效的保障车路协同业务的网络性能。有效的保障车路协同业务的网络性能。

【技术实现步骤摘要】
网络服务动态优化方法、系统、电子设备及介质


[0001]本公开涉及通信
，具体涉及一种网络服务动态优化方法，一种网络服务动态优化系统，一种电子设备以及一种计算机可读存储介质。

技术介绍

[0002]近年来，V2X(vehicle to X，车用无线通信技术)车路协同成为创新的热点，国内外巨头、初创企业纷纷入局，自动驾驶若要实现真正的落地，也离不开车路协同的关键支撑。然而，由于安全性、可靠性等方面的原因，相关技术和服务能力仍面临诸多挑战，未能大规模商用。其中，网络通信是车路协同的关键技术。缺乏低时延、高可靠的网络支撑，车路协同也无从谈起。车路协同在通信技术上的发展，也经历了从DSRC(Dedicated Short RangeCommunication，专用短程通信技术)、LTE
‑
V(long termevolution
‑
vehicle，长期演进技术
‑
车载通信)到5G的演进，基于强大的3GPP(3rd Generation Partnership Project，第三代合作伙伴计划)生态和连续完善的蜂窝网络覆盖，大幅降低车路协同的部署成本，目前C
‑
V2X(Cellular
‑
V2X，蜂窝网通信技术演进形成的车用无线通信技术)也成为了实际意义上的通信标准。
[0003]在5G
‑
V2X技术中，基于5G网络的低时延、大带宽特性，选择5G网络作为车辆提供与外界交换信息的通道，结合MEC(Mobile Edge Computing，移动边缘计算)技术能形成完善的技术方案。而由于切片技术未在实际网络中进行大规模应用，传统应用与车路协同应用存在资源竞争的情况，网络服务无法针对性的调度资源和调整性能指标，从而无法可靠的满足车路协同业务的技术要求。

技术实现思路

[0004]为了至少解决现有技术中存在的网络服务无法针对性的调度资源和调整性能指标，无法满足车路协同业务的技术问题，本公开提供一种网络服务动态优化方法、网络服务动态优化系统、电子设备及计算机可读存储介质，可以实现性能指标参数、服务资源的动态自适应调整，有效的保障车路协同业务的网络性能。
[0005]第一方面，本公开提供一种网络服务动态优化方法，所述方
[0006]法包括：
[0007]将车路协同业务网络指标标准化，以形成性能指标标准库；
[0008]对应于性能指标标准库，建设包含各个业务类型的网络性能指标测试库；
[0009]利用搭建的网络性能指标测试库，按照事件流及不同业务分类对网络性能评估及优化模型进行训练；
[0010]由UPF(User Plane Function，用户面功能)网元按照性能指标标准库进行数据采集，并将采集的数据处理后输入到网络性能评估及优化模型，以输出网络服务优化策略；
[0011]基于网络服务优化策略进行资源调度。
[0012]进一步的，所述基于网络服务优化策略进行资源调度包括：
[0013]接收网络性能评估及优化模型上报的网络服务优化策略；
[0014]记录对应节点优化时间点T1，开启优化计时；
[0015]在T1+t时间周期内针对同一节点的网络服务优化策略进行合并，其中t为预设的资源调度及优化周期；
[0016]获取对应关联节点的资源使用情况，并与网络服务优化策略需求进行比较；
[0017]根据比较情况调用云资源动态调整服务API(ApplicationProgramming Interface，应用程序编程接口)对UPF资源进行优化。
[0018]进一步的，所述性能指标标准库包括：
[0019]指标编码、指标名称、指标定义、数据来源、计算方式、关联指标和影响权重；
[0020]其中，影响权重为网络性能评估及优化模型中的关键奖励因子，通过对业务需求进行分析进行确定。
[0021]进一步的，所述建设包含各个业务类型的网络性能指标测试库包括：
[0022]对车路协同中各类业务进行实际的网络指标数据采集，形成事件流，并根据业务类型的不同进行标识；
[0023]对应于性能指标标准库对标识后的数据进行标准化处理，形成网络性能指标测试库。
[0024]进一步的，所述网络性能评估及优化模型为DRL(Deep Reinforcement Learning，深度强化学习)模型，并通过设计模型的奖励因子及相关函数，以及基于此设置模型中的相关参数，实现对网络中的链路进行切分，为不同类型的业务数据流建立相应的专用链路及转发机制，并为专用链路自适应地分配网络资源。
[0025]进一步的，所述按照性能指标标准库进行数据采集包括：
[0026]在UPF网元中增加对应数据采集探针，按照性能指标标准库中各指标的数据来源及计算方法以预设的采集频率采集各项数据并进行标签。
[0027]进一步的，所述将采集的数据处理后输入到网络性能评估及优化模型包括：
[0028]按照性能指标标准库中的计算方式对数据进行标准化处理，并对区域内各节点数据进行融合，形成全局的数据体系；
[0029]将融合后的全局的数据体系作为输入提供到网络性能评估及优化模型，以实时输出网络服务优化策略。
[0030]第二方面，本公开提供一种网络服务动态优化系统，所述系统包括：
[0031]指标标准化模块，其设置为将车路协同业务网络指标标准化，以形成性能指标标准库；
[0032]建设模块，其设置为对应于性能指标标准库，建设包含各个业务类型的网络性能指标测试库；
[0033]模型训练模块，其设置为利用搭建的网络性能指标测试库，按照事件流及不同业务分类对网络性能评估及优化模型进行训练；
[0034]数据采集模块，其设置为由UPF网元按照性能指标标准库进行数据采集，并将采集的数据处理后输入到网络性能评估及优化模型，以输出网络服务优化策略；
[0035]资源调度模块，其设置为基于网络服务优化策略进行资源调度。
[0036]第三方面，本公开提供一种电子设备，包括存储器和处理器，所述存储器中存储有
计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行如第一方面中任一所述的网络服务动态优化方法。
[0037]第四方面，本公开提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一所述的网络服务动态优化方法。
[0038]有益效果：
[0039]本公开提供的网络服务动态优化方法、网络服务动态优化系统、电子设备及存储介质，针对车路协同业务中的服务要求，对UPF中数据服务、会话连接等指标进行实时采集和分析，对网络服务质量进行准确的评估，结合网络性能评估及优化模型，输出优化方案，通过核心网信令协议，实现性能指标参数、服务资源的动态自适应调整，有效的保障车路协同业务的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络服务动态优化方法，其特征在于，所述方法包括：将车路协同业务网络指标标准化，以形成性能指标标准库；对应于性能指标标准库，建设包含各个业务类型的网络性能指标测试库；利用搭建的网络性能指标测试库，按照事件流及不同业务分类对网络性能评估及优化模型进行训练；由用户面功能UPF网元按照性能指标标准库进行数据采集，并将采集的数据处理后输入到网络性能评估及优化模型，以输出网络服务优化策略；基于网络服务优化策略进行资源调度。2.根据权利要求1所述的方法，其特征在于，所述基于网络服务优化策略进行资源调度包括：接收网络性能评估及优化模型上报的网络服务优化策略；记录对应节点优化时间点T1，开启优化计时；在T1+t时间周期内针对同一节点的网络服务优化策略进行合并，其中t为预设的资源调度及优化周期；获取对应关联节点的资源使用情况，并与网络服务优化策略需求进行比较；根据比较情况调用云资源动态调整服务应用程序编程接口API对UPF资源进行优化。3.根据权利要求1所述的方法，其特征在于，所述性能指标标准库包括：指标编码、指标名称、指标定义、数据来源、计算方式、关联指标和影响权重；其中，影响权重为网络性能评估及优化模型中的关键奖励因子，通过对业务需求进行分析进行确定。4.根据权利要求1所述的方法，其特征在于，所述建设包含各个业务类型的网络性能指标测试库包括：对车路协同中各类业务进行实际的网络指标数据采集，形成事件流，并根据业务类型的不同进行标识；对应于性能指标标准库对标识后的数据进行标准化处理，形成网络性能指标测试库。5.根据权利要求1所述的方法，其特征在于，所述网络性能评估及优化模型为深度强化学习DRL模型，并通过设计模型的奖励因子及相关函数，以及基于此设置模型中的相关参数，实现对网络中的链路进行切分，为不同类型的业务数...

【专利技术属性】
技术研发人员：周诗雨，刘喜卿，程新洲，王静云，赵振桥，李贝，
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：