参数预测方法技术

本申请提供了一种参数预测方法

【技术实现步骤摘要】
参数预测方法、预测服务器、预测系统及电子设备


[0001]本申请实施例涉及车联网技术中的远控驾驶和高速领域，并且更具体地，涉及参数预测方法
、
预测服务器
、
预测系统及电子设备
。

技术介绍

[0002]服务质量
(Quality of service
，
QoS)
参数包括吞吐量
、
带宽
、
传输速率等维度的参数和时延等维度的参数
。
例如，在远控场景下，由于终端设备的上行链路的吞吐量和时延均是敏感变量，因此，需要同时对吞吐量和时延进行预测，以提升远控效果
。
[0003]但是，相关技术只能预测单一的
QoS
参数，如吞吐量或时延
。
[0004]此外，不同场景对
QoS
参数的预测需求并不一致
。
例如，远控场景和高速场景均需要对时延进行预测时，与远控场景相比，高速场景对时延的预测准确性要求较高，而现有预测方案对
QoS
参数的准确度都是越高越好，并不存在多种准确度预测的相关方案，基于此，针对某些对参数的预测准确度的要求较低的场景，采用预测准确性较高的预测算法进行预测时，有可能导致算力过剩进而增加了预测成本
。

技术实现思路

[0005]本申请实施例提供了一种参数预测方法
、
预测服务器
、
预测系统及电子设备，不仅能够实现对多个参数的同时预测，还能够实现对该多个参数的多样性预测
。
[0006]第一方面，本申请实施例提供了一种参数预测方法，包括：
[0007]获取用于对多个参数进行预测的输入参数；
[0008]基于并行运行的多个预测模型对应的第一预测误差和单独运行的单个预测模型对应的第二预测误差，确定用于对该多个参数进行预测的目标预测模型；
[0009]其中，该多个预测模型和该多个参数一一对应，该多个预测模型中的每一个预测模型用于对该每一个预测模型对应的参数进行预测，该单个预测模型用于对该多个参数进行一次性预测；
[0010]基于该输入参数和该目标预测模型，对该多个参数进行预测
。
[0011]第二方面，本申请实施例提供了一种预测服务器，包括：
[0012]获取单元，用于获取用于对多个参数进行预测的输入参数；
[0013]确定单元，用于基于并行运行的多个预测模型对应的第一预测误差和单独运行的单个预测模型对应的第二预测误差，确定用于对该多个参数进行预测的目标预测模型；
[0014]其中，该多个预测模型和该多个参数一一对应，该多个预测模型中的每一个预测模型用于对该每一个预测模型对应的参数进行预测，该单个预测模型用于对该多个参数进行一次性预测；
[0015]预测单元，用于基于该输入参数和该目标预测模型，对该多个参数进行预测
。
[0016]第三方面，本申请实施例提供了一种预测系统，该预测系统包括：终端设备
、
网络设备
、
核心网设备
、
预测服务器
、
远控服务器；其中，该核心网设备将该网络设备或该终端设
备发送的采集数据处理为结构化数据，并将结构化数据发送给该预测服务器，该预测服务器基于该核心网设备发送的结构化数据执行上行第一方面的方法，并将预测结果发送至该远控服务器或该终端设备
。
[0017]第四方面，本申请实施例提供了一种电子设备，包括：
[0018]处理器，适于实现计算机指令；以及，
[0019]计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令适于由处理器加载并执行上述第一方面的方法
。
[0020]第五方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，该计算机指令被计算机设备的处理器读取并执行时，使得计算机设备执行上述第一方面的方法
。
[0021]第六方面，本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中
。
计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述第一方面的方法
。
[0022]基于以上技术方案，通过引入并行允许的多个预测模型和单独运行的单个预测模型，并将该多个预测模型中的每一个预测模型设计为与参数对应的专用预测模型，以及将该单个预测模型设计为用于对该多个参数进行一次性预测的通用预测模型，使得该多个预测模型和该单个预测模型均能够实现对多个参数的同时预测
。
进一步的，考虑到并行运行的多个预测模型的耗能成本大于单独运行的单个预测模型的能耗成本，即该多个预测模型的预测成本大于该单个预测模型的预测成本，基于此，本申请通过引入该多个预测模型对应的第一预测误差和该单个预测模型对应的第二预测误差，并基于该第一预测误差和该第二预测误差，确定用于对该多个参数进行预测的目标预测模型，相当于，可以基于不同的预测成本和不同的预测准确度对该多个参数进行预测，进而实现对该多个参数的多样性预测
。
[0023]简言之，本申请提供的方案不仅能够实现对多个参数进行同时预测，还能够实现对该多个参数的多样性预测
。
附图说明
[0024]图1是本申请实施例提供的系统框架的示例
。
[0025]图2是本申请实施例提供的参数预测方法的示意性流程图
。
[0026]图3是本申请实施例提供的在远控创景下的参数预测方法的示意性流程图
。
[0027]图4是本申请实施例提供的测试训练过程的示意性流程图
。
[0028]图5是本申请实施例提供的预测服务器的示意性框图
。
[0029]图6是本申请实施例提供的电子设备的示意性框图
。
具体实施方式
[0030]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述
。
[0031]本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第
四”等是用于区别不同对象，而不是用于描述特定顺序
。
此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含
。
例如包含了一系列步骤或单元的过程
、
方法
、
系统
、
产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程
、
方法
、
产品或设备固有的其它步骤或单元
。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种参数预测方法，其特征在于，包括：获取用于对多个参数进行预测的输入参数；基于并行运行的多个预测模型对应的第一预测误差和单独运行的单个预测模型对应的第二预测误差，确定用于对所述多个参数进行预测的目标预测模型；其中，所述多个预测模型和所述多个参数一一对应，所述多个预测模型中的每一个预测模型用于对所述每一个预测模型对应的参数进行预测，所述单个预测模型用于对所述多个参数进行一次性预测；基于所述输入参数和所述目标预测模型，对所述多个参数进行预测
。2.
根据权利要求1所述的方法，其特征在于，所述基于并行运行的多个预测模型对应的第一预测误差和单独运行的单个预测模型对应的第二预测误差，确定用于对所述多个参数进行预测的目标预测模型，包括：若所述第一预测误差大于或等于所述第二预测误差，则将所述单个预测模型确定为所述目标预测模型；若所述第一预测误差小于所述第二预测误差，则将所述多个预测模型确定为所述目标预测模型或将所述单个预测模型确定为所述目标预测模型
。3.
根据权利要求2所述的方法，其特征在于，所述若所述第一预测误差小于所述第二预测误差，则将所述多个预测模型确定为所述目标预测模型或将所述单个预测模型确定为所述目标预测模型，包括：若所述第一预测误差小于所述第二预测误差，则基于所述第二预测误差，将所述多个预测模型确定为所述目标预测模型或将所述单个预测模型确定为所述目标预测模型
。4.
根据权利要求3所述的方法，其特征在于，所述基于所述第二预测误差，将所述多个预测模型确定为所述目标预测模型或将所述单个预测模型确定为所述目标预测模型，包括：若所述第二预测误差小于或等于预设误差，则将所述单个预测模型确定为所述目标预测模型；若所述第二预测误差大于所述预设误差，则将所述多个预测模型确定为所述目标预测模型
。5.
根据权利要求2所述的方法，其特征在于，所述若所述第一预测误差小于所述第二预测误差，则将所述多个预测模型确定为所述目标预测模型或将所述单个预测模型确定为所述目标预测模型，包括：若所述第一预测误差小于所述第二预测误差，则基于所述多个参数的应用场景，将所述多个预测模型确定为所述目标预测模型或将所述单个预测模型确定为所述目标预测模型
。6.
根据权利要求5所述的方法，其特征在于，所述基于所述多个参数的应用场景，将所述多个预测模型确定为所述目标预测模型或将所述单个预测模型确定为所述目标预测模型，包括：若所述多个参数的应用场景为终端设备应用所述多个参数的场景，则将所述多个预测模型确定为所述目标预测模型；若所述多个参数的应用场景为预测服务器应用所述多个参数的场景，则将所述单个预测模型确定为所述目标预测模型
。7.
根据权利要求1至6中任一项所述的方法，其特征在于，所述获取用于对多个参数进
行预测的输入参数，包括：获取终端设备的结构化数据；其中，所述结构化数据包括
m
个历史时刻和所述
m
个历史时刻中的每一个历史时刻的参数集合；所述参数集合包括所述多个参数，
m
为大于0的整数；获取位于所述多个参数对应的时刻之前的且间隔时长大于或等于预设时长的第一历史时刻；基于所述
m
个历史时刻，以所述第一历史时刻为起始时刻，按照时间顺序向前选择
n
个历史时刻；
n
为大于0且小于或等于
m
的整数；基于所述结构化数据，获取所述
n
个历史时刻对应的
n
个参数集合；基于所述目标预测模型和所述
n<...

【专利技术属性】
技术研发人员：贾宇航，雷艺学，张云飞，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：