一种基于用户业务结构的网络资源评估方法及装置的制造方法
一种基于用户业务结构的网络资源评估方法及装置的制造方法
【技术领域】
[0001]本发明涉及网络资源评估技术，尤其涉及一种基于用户业务结构的网络资源评估方法及装置。
【背景技术】
[0002]目前，随着移动互联网的迅猛发展，各种新兴业务不断崛起，用户对于移动通信网络的感知不再局限于语音业务。移动互联网时代，移动终端的用户上网感知成为影响用户满意度的重要因素，如何消除网络端到端的资源瓶颈，保障用户数据业务所需资源是提升用户满意度的基础。其中，用户、流量、业务、终端、管道之间的关系错综复杂，如何综合考量、量化评估各因素对网络资源消耗的影响正是保障用户感知的根本所在。
[0003]现有技术方案一:运营商在对网络进行网络规划、网络建设时常采用通过对话务量、数据流量和用户数的预测，去测算各类网络所需的资源配置和规模。具体地，在实现网络规划时，先以年为单位采集前几年的网络话务量、数据流量、用户数等数据，再通过同比增长率法、单机话务量法、曲线拟合法等进行网络资源的评估。
[0004]然而，一方面，在移动互联网时代，各种新兴业务对网络资源的消耗更加突出，这种只考虑用户数量和流量的传统资源评估方法已不能适用。智能终端、即时通信业务等因素严重影响对网络资源的消耗，因此，在对网络资源进行评估时也亟需对这些因素进行统计分析。另一方面，针对节假日、特殊活动等短期、突发事件，传统的网络资源评估方法无法有效的实现网络资源精确的预测和评估。
[0005]现有技术方案二:一种针对无线网络资源进行评估优化的方法，该方法通过对待优化小区中的每个常驻用户的上网行为记录进行统计分析，获取待优化小区中游戏、视频业务的流量；当小区中的游戏、视频业务流量超过一定门限值时，通过新建WIFI站点的方式对网络进行优化。
[0006]然而，该方案中只能对已发生的事件进行处理，无法对业务的发展进行有效的预测和评估。
[0007]现有技术方案三:一种依靠设备性能指标进行无线网络资源优化的方法，在该方法中，网络管理实体根据周期性地统计出的所辖的各服务区或各小区在一个周期内的语音业务如R4业务和下载业务如HSDPA业务的业务量，或根据基站(NodeB)发送的资源调整请求，生成资源调整指令并下发至需要进行资源配置调整的小区所属的NodeB ;NodeB根据接收资源调整指令，调整对应小区的网络资源配置。
[0008]然而，该方法只能在设备性能指标已经发生变化时生效，不具有资源评估的预测性。另外，该方法无法对无线网络以外的其他网络资源进行有效的调整，如通用分组无线服务技术(General Packet Rad1 Service, GPRS)的服务支持节点(Serving GPRS SupportNode, SGSN)附着、网关 GPRS 支持节点(Gateway GPRS Support Node, GGSN)的分组数据协议(Packet Data Protocol, PDP)激活数、无线接入协议(Wireless Applicat1n Protocol,WAP)网关在线用户数等。
[0009]因此，由于移动互联网与传统网络相比，用户的行为模型发生了根本的变化，而现有的上述网络资源评估方法均不足以准确评估出用户行为对网络资源的消耗情况；通常，上网的频率、业务使用的时长、智能终端信令交互等都会对网络产生不同程度的资源消耗。
【发明内容】
[0010]有鉴于此，本发明实施例期望提供一种基于用户业务结构的网络资源评估方法及装置，能够实现对网络资源消耗的准确评估，进而提高资源利用率。
[0011]为达到上述目的，本发明的技术方案是这样实现的:
[0012]本发明实施例提供了一种基于用户业务结构的网络资源评估方法，该方法包括:
[0013]获取样本区域的样本数据；
[0014]根据网络指标筛选出合格的样本数据，将所述合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型；
[0015]采集待评估区域的用户业务结构数据，将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。
[0016]上述方案中，所述获取样本区域的样本数据包括:
[0017]以设定时段为单位粒度，统计所述设定时段样本区域内的用户业务结构数据、业务质量指标相关数据、以及所述样本区域对应的网络资源数据。
[0018]上述方案中，所述根据网络指标筛选合格的样本数据包括:在所述样本区域的样本数据中，筛选业务质量指标处于合理范围、无线利用率和分组数据信道rocH承载效率从高到低位于设定百分比之前的样本数据。
[0019]上述方案中，所述数学建模算法为多元回归算法。
[0020]上述方案中，所述采集待评估区域的用户业务结构数据包括:通过Gn信令分析系统对待评估区域进行用户业务结构数据统计、或通过历史数据分析预测小区未来的用户业务结构数据。
[0021]本发明实施例还提供了一种基于用户业务结构的网络资源评估装置，该装置包括:数据获取单元、筛选单元、建模单元、数据采集单元、以及计算单元；其中，
[0022]所述数据获取单元，用于获取样本区域的样本数据；
[0023]所述筛选单元，用于根据网络指标筛选出合格的样本数据；
[0024]所述建模单元，用于将合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型；
[0025]所述数据采集单元，用于采集待评估区域的用户业务结构数据；
[0026]所述计算单元，将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。
[0027]上述方案中，所述数据获取单元以设定时段为单位粒度，统计所述设定时段样本区域内的用户业务结构数据、业务质量指标相关数据、以及所述样本区域对应的网络资源数据。
[0028]上述方案中，所述筛选单元在所述样本区域的样本数据中，筛选业务质量指标处于合理范围、无线利用率和分组数据信道rocH承载效率从高到低位于设定百分比之前的样本数据。
[0029]上述方案中，所述数据采集单元通过Gn信令分析系统对待评估区域进行用户业务结构数据统计或通过历史数据分析预测小区未来的用户业务结构数据。
[0030]本发明实施例所提供的基于用户业务结构的网络资源评估方法及装置，获取样本区域的样本数据；根据网络指标筛选出合格的样本数据，将合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型；采集待评估区域的用户业务结构数据，将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。如此，能够实现移动互联网中根据用户行为对网络资源消耗的准确评估，进而为网络资源优化调整提供精细化、高可靠性的依据，提高资源利用率，避免资源配置不合理的现象。
【附图说明】
[0031]图1为本发明实施例基于用户业务结构的网络资源评估方法实现流程示意图；
[0032]图2为本发明实施例基于用户业务结构的网络资源评估装置的组成结构示意图；
[0033]图3为本发明实施例用于表明用户业务结构数据与PDP最大激活数之间关系的散列图；
[0034]图4为本发明具体应用实例中无线网络资源消耗模型准确度分析示意图。
【具体实施方式】
[0035]在本发明实施例中，获取样本区域的样本数据；根据网络指标筛选出合格的样本数据，将合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型；采集待评估区域的用户业务结构数据，将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。
[0036]下面结合附图及具体实施例对本发明再作进一步详细的说明。
[0037]图1为本发明实施例基于用户业务结构的网络资源评估方法实现流程示 意图，如图1所示，本发明实施例基于用户业务结构的网络资源评估方法包括:
[0038]步骤SlOO:获取样本区域的样本数据；
[0039]具体地，所述获取样本区域的样本数据包括:以设定时段为单位粒度，统计该设定时段样本区域内的用户业务结构数据、业务质量指标相关数据、以及所述样本区域对应的网络资源数据。
[0040]这里，所述设定时段可以为任意起始时间的一小时、两小时或任意所需时长，t匕如:设定时段为从19:30起两个小时内，设定时段为从8:00起三个小时内等等，具体设定时段的时长可以根据所要求网络资源评估的精度来确定。
[0041]这里，所述样本区域可以为一个小区、一个地市、或为某台设备所辖的服务区域。
[0042]这里，所述用户业务结构数据包括:智能终端占比、即时通信业务用户数、即时通信流量占比、数据业务流量、语音话务量、以及接入点(Access Point Name, APN)占比等；
[0043]所述业务质量指标相关数据包括:用户业务成功率、用户访问时延、用户丢包率、以及用户平均下载速率等；
[0044]所述网络资源数据包括:无线网络部分数据、GPRS核心网统计的数据、以及WAP网关系统统计的数据；其中，所述无线网络部分数据可以为分组数据信道(Packet DataChannel, PDCH)承载效率、无线利用率、I3DCH平均占用数、公共控制信道(Common ControlChannel, CCCH)业务请求数、以及载频数中一个或多个；所述GPRS核心网统计的数据可以为SGSN包转发数、SGSN板卡平均负荷、PDP最大激活数中一个或多个；所述WAP网关系统统计的数据可以为WAP网关防火墙sess1n数、WAP网关Radius最大在线用户数中一个或多个。
[0045]步骤SlOl:根据网络指标筛选出合格的样本数据；
[0046]具体地，所述根据网络指标筛选合格的样本数据包括:在所述样本区域的所有样本数据中，筛选业务质量指标处于合理范围、无线利用率和rocH承载效率从高到低位于设定百分比之前的样本数据；其中，业务质量指标处理合理范围为用户业务成功率大于a、用户访问时延小于b、用户丢包率小于C、以及用户平均下载速率高于d。
[0047]这里，a、b、C、d的具体取值可以根据所要求网络资源评估的精度来确定。
[0048]步骤S102:将合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型；
[0049]这里，对于不同的网络资源和用户业务结构，可以采用不同的数学建模算法进行建模，得到不同的数据模型；其中，所述数学建模算法可以为多元回归算法。任何有关网络资源和用户业务结构之间的数据模型、以及所采用的其他数学建模算法均属于本发明所保护的范围。
[0050]步骤S103:采集待评估区域的用户业务结构数据；
[0051]具体地，所述采集待评估区域的用户业务结构数据包括:通过Gn信令分析系统对待评估区域进行用户业务结构数据统计、或通过历史数据分析预测小区未来的用户业务结构数据。
[0052]这里，根据需要采用通过Gn信令分析系统对待评估区域进行用户业务结构数据统计的方法，可以按照小时为单位粒度，采集并选取一天中用户业务结构数据的最大值即可。
[0053]步骤S104:将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。
[0054]图2为本发明实施例基于用户业务结构的网络资源评估装置的组成结构示意图，如图2所示，本发明实施例基于用户业务结构的网络资源评估装置包括:数据获取单元10、筛选单元11、建模单元12、数据采集单元13、以及计算单元14 ;其中，
[0055]所述数据获取单元10，用于获取样本区域的样本数据；
[0056]具体地，所述数据获取单元10以设定时段为单位粒度，统计该设定时段样本区域内的用户业务结构数据、业务质量指标相关数据、以及所述样本区域对应的网络资源数据。
[0057]所述筛选单元11，用于根据网络指标筛选出合格的样本数据；
[0058]具体地,所述筛选单元11在所述样本区域的所有样本数据中，筛选业务质量指标处于合理范围、无线利用率和rocH承载效率从高到低位于设定百分比之前的样本数据。
[0059]所述建模单元12，用于将合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型；
[0060]这里，所述数学建模算法可以为多元回归算法。
[0061]所述数据采集单元13，用于采集待评估区域的用户业务结构数据；
[0062]具体地，所述数据采集单元13通过Gn信令分析系统对待评估区域进行用户业务结构数据统计、或通过历史数据分析预测小区未来的用户业务结构数据。
[0063]所述计算单元14，用于将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。
[0064]在实际应用中，所述数据获取单元10、筛选单元11、建模单元12、数据采集单元13、以及计算单元14均可由位于网络服务器的中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)、或现场可编程门阵列(FPGA)实现。
[0065]具体实施例一:
[0066]下面以选取用户业务结构数据为总流量、总用户数、智能终端占比、即时通信流量占比，网络资源数据为PDP最大激活数，数学建模算法为多元回归算法，采集待评估区域的用户业务结构数据为通过Gn信令分析系统对待评估区域进行用户业务结构数据统计为例，本发明实施例基于用户业务结构的网络资源评估方法具体包括:
[0067]步骤1:以每小时为单位粒度，统计并获取每小时样本区域内的总流量、总用户数、智能终端占比、即时通信流量占比、用户业务成功率、用户访问时延、用户丢包率、用户平均下载速率、以及PDP最大激活数等样本数据；
[0068]步骤2:根据网络指标筛选合理的样本数据；
[0069]具体地，为保证网络资源配置合理且资源利用率较高采用以下两个条件进行样本数据筛选:
[0070]条件(I):业务质量指标处于合理范围，即用户业务成功率大于a、访问时延小于b、用户丢包率小于C、用户平均下载速率高于d ；
[0071 ] 条件(2 ):在满足条件(I)的数据中，筛选无线利用率和I3DCH承载效率从高到低位于10%之前的样本数据，作为建模数据；
[0072]步骤3:将合格的样本数据利用多元回归算法进行建模，得到PDP最大激活数与总流量、总用户数、智能终端占比、即时通信流量占比之间的多元回归模型；该步骤具体包括:
[0073]I)利用散列图分析智能终端占比、即时通信流量占比、总流量、总用户数等与rop最大激活数之间的关系；
[0074]如图3所示为本发明实施例用于表明用户业务结构数据与PDP最大激活数之间关系的散列图。其中，图3 (a)?(d)的纵坐标均为PDP最大激活数，横坐标依次为总用户数、总流量(单位MB )、即时通信流量占比、智能终端占比。
[0075]由分析可知，总流量、总用户数和PDP最大激活数之间存在强线性关系，智能终端占比和PDP最大激活数之间存在较弱线性关系，即时通信流量占比和PDP最大激活数之间线性关系不明显。
[0076]2)确定PDP最大激活数与总流量、总用户数、智能终端占比、即时通信流量占比之间的多元回归模型；
[0077]由于总流量、总用户数、智能终端占比与PDP最大激活数之间均有着线性关系，故建立多元线性回归模型表达式(I)如下:
[0078]PDP最大激活数=β d+β 3智能终端占比+β 2*即时通信流量占比+β 3*总流量+ β 4*总用户数(I)
[0079]3)将步骤2筛选出的合格的样本数据带入上述模型表达式(I)中，以PDP最大激活数的计算误差最小为原则， 得到如下模型表达式(2):
[0080]PDP最大激活数=-958376+539391*智能终端占比+2176841*即时通信流量占比-0.13485*总流量-1.11339*总用户数(2)
[0081]4)对模型表达式(2)进行检测验证；
[0082]具体地，利用多元线性回归检测方法对该回归模型表达式(2)进行判定:
[0083]如果该模型表达式(2)的拟合度R2达到0.9929，则可以认为该模型的预测值与实际值基本相同，检测通过；如果模型表达式(2)的计算误差值分布不为随机数，则表明智能终端占比、即时通信流量占比、总流量、总用户数等与PDP最大激活数之间存在非线性关系，检测不通过。此时，利用box-cox变换，将非线性关系变为线性关系，在数据并带入样本数据，获得如下模型表达式(3):1oVpdp最大激活数=智能终端占比+ β 2*即时通信流量占比+β 3*总流量+β 4*总用户数(3)
[0084]5)如果检测不通过，通过重复3)和4)的步骤，最终可得到PDP最大激活数和总流量、总用户数、智能终端占比之间存在如下多元回归模型表述式(4):108/PDP最大激活数=76.2-5.29*智能终端占比+8.21/107*即时通信流量占比_10_5*总用户数(4)
[0085]这里，需要说明的是，有关其他网络资源如rocH平均占用数、CCCH业务请求数、SGSN CPU负荷、SGSN包转发数、WAP网关防火墙sess1n数、WAP网关Radius最大在线用户数等均可以按照此方法计算。
[0086]步骤4:通过Gn信令分析系统等工具，按照小时为单位，采集一天中待评估区域的智能终端占比、总用户数以及总流量等用户业务结构数据的最大值。
[0087]步骤5:将步骤4中获取的用户业务结构数据的最大值带入步骤3中计算获取的多元回归模型表述式(2)或(4)中，即可计算得到该区域的网络资源PDP最大激活数的需求。
[0088]需要说明的是，如果上述流程中的步骤4所采集的是对待评估区域的未来用户业务结构数据的预计值，则通过步骤5可计算得到针对该待评估区域的未来所需网络资源PDP最大激活数。
[0089]具体实施例二:
[0090]下面以网络资源rocH占用数、CCCH业务请求数的评估为例，对本发明实施例基于用户业务结构的网络资源评估方法加以说明，具体步骤如下:
[0091]步骤10:通过无线网管数据获取I个月亳州地区4500多个小区每小时网管数据和Gn信令分析系统统计数据等样本数据；
[0092]步骤20:针对所有样本数据按照按小区的用户业务成功率大于99%、用户访问时延小于5秒、用户丢包率小于5%、以及用户平均下载速率高于15Kbps进行筛选，接着筛选出无线利用率和I3DCH承载效率从高到低位于30%之前的样本数据，最终筛选出40W样本数据。
[0093]步骤30:针对该40W样本数据利用多元回归算法进行数据分析并建模，得到以下模型表达式(5)、(6):
[0094]I3DCH占用数=7.537-15.63*智能终端占比+0.1924*即时消息用户数+0.1194*总流量-0.0453*总用户数(5)
[0095]CCCH业务请求数=7116.43-12635*智能终端占比+80.41*即时消息用户数+95.52*总流量-50.63*总用户数(6)
[0096]步骤40:根据Gn信令分析系统统计数据预测某待评估区域用户业务结构数据为:智能终端占比42.70%、即时消息用户数为27603、总流量为17930MB、以及总用户数为70189。
[0097]步骤50:将待评估区域用户业务结构数据带入步骤30所得出的模型表达式(5)、
(6)，通过计算可知I3DCH占用数为4273，CCCH业务请求数为380484，与实际误差只有11.43%。
[0098]通过以上步骤10至50，统计得出毫州无线网络资源消耗模型准确度分析示意图，如图4所示。其中，横坐标表示时间序列，纵坐标表示rocH占用数，实、虚曲线分别代表rocH占用数的实际值，PDCH占用数的预测值。
[0099]以上所揭露的仅为本发明实施方法中的一例基于GSM无线网络的实施方法，因此凡是依本发明实施例所作的所有涉及无线网核心网的统计数据等的网络资源评估方法，仍属本发明所涵盖的范围。
[0100]以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
【主权项】
1.一种基于用户业务结构的网络资源评估方法，其特征在于，所述方法包括: 获取样本区域的样本数据； 根据网络指标筛选出合格的样本数据，将所述合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型； 采集待评估区域的用户业务结构数据，将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。2.根据权利要求1所述的方法，其特征在于，所述获取样本区域的样本数据包括: 以设定时段为单位粒度，统计所述设定时段样本区域内的用户业务结构数据、业务质量指标相关数据、以及所述样本区域对应的网络资源数据。3.根据权利要求1或2所述的方法，其特征在于，所述根据网络指标筛选合格的样本数据包括:在所述样本区域的样本数据中，筛选业务质量指标处于合理范围、无线利用率和分组数据信道rocH承载效率从高到低位于设定百分比之前的样本数据。4.根据权利要求1或2所述的方法，其特征在于，所述数学建模算法为多元回归算法。5.根据权利要求1或2所述的方法，其特征在于，所述采集待评估区域的用户业务结构数据包括:通过Gn信令分析系统对待评估区域进行用户业务结构数据统计、或通过历史数据分析预测小区未来的用户业务结构数据。6.一种基于用户业务结构的网络资源评估装置，其特征在于，所述装置包括:数据获取单元、筛选单元、建模单元、数据采集单元、以及计算单元；其中， 所述数据获取单元，用于获取样本区域的样本数据； 所述筛选单元，用于根据网络指标筛选出合格的样本数据； 所述建模单元，用于将合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型； 所述数据采集单元，用于采集待评估区域的用户业务结构数据； 所述计算单元，将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。7.根据权利要求6所述的装置，其特征在于，所述数据获取单元以设定时段为单位粒度，统计所述设定时段样本区域内的用户业务结构数据、业务质量指标相关数据、以及所述样本区域对应的网络资源数据。8.根据权利要求6或7所述的装置，其特征在于，所述筛选单元在所述样本区域的样本数据中，筛选业务质量指标处于合理范围、无线利用率和分组数据信道I3DCH承载效率从高到低位于设定百分比之前的样本数据。9.根据权利要求6或7所述的装置，其特征在于，所述数学建模算法为多元回归算法。10.根据权利要求6或7所述的装置，其特征在于，所述数据采集单元通过Gn信令分析系统对待评估区域进行用户业务结构数据统计或通过历史数据分析预测小区未来的用户业务结构数据。
【专利摘要】本发明公开了一种基于用户业务结构的网络资源评估方法，获取样本区域的样本数据；根据网络指标筛选出合格的样本数据，将合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型；采集待评估区域的用户业务结构数据，将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。本发明还同时公开了一种基于用户业务结构的网络资源评估装置。
【IPC分类】H04L12/24
【公开号】CN104901827
【申请号】CN201410086165
【发明人】赵艳琼, 祁俊杰, 张浏, 胡泽民
【申请人】中国移动通信集团安徽有限公司
【公开日】2015年9月9日
【申请日】2014年3月7日
【技术领域】
[0001]本发明涉及网络资源评估技术，尤其涉及一种基于用户业务结构的网络资源评估方法及装置。
【背景技术】
[0002]目前，随着移动互联网的迅猛发展，各种新兴业务不断崛起，用户对于移动通信网络的感知不再局限于语音业务。移动互联网时代，移动终端的用户上网感知成为影响用户满意度的重要因素，如何消除网络端到端的资源瓶颈，保障用户数据业务所需资源是提升用户满意度的基础。其中，用户、流量、业务、终端、管道之间的关系错综复杂，如何综合考量、量化评估各因素对网络资源消耗的影响正是保障用户感知的根本所在。
[0003]现有技术方案一:运营商在对网络进行网络规划、网络建设时常采用通过对话务量、数据流量和用户数的预测，去测算各类网络所需的资源配置和规模。具体地，在实现网络规划时，先以年为单位采集前几年的网络话务量、数据流量、用户数等数据，再通过同比增长率法、单机话务量法、曲线拟合法等进行网络资源的评估。
[0004]然而，一方面，在移动互联网时代，各种新兴业务对网络资源的消耗更加突出，这种只考虑用户数量和流量的传统资源评估方法已不能适用。智能终端、即时通信业务等因素严重影响对网络资源的消耗，因此，在对网络资源进行评估时也亟需对这些因素进行统计分析。另一方面，针对节假日、特殊活动等短期、突发事件，传统的网络资源评估方法无法有效的实现网络资源精确的预测和评估。
[0005]现有技术方案二:一种针对无线网络资源进行评估优化的方法，该方法通过对待优化小区中的每个常驻用户的上网行为记录进行统计分析，获取待优化小区中游戏、视频业务的流量；当小区中的游戏、视频业务流量超过一定门限值时，通过新建WIFI站点的方式对网络进行优化。
[0006]然而，该方案中只能对已发生的事件进行处理，无法对业务的发展进行有效的预测和评估。
[0007]现有技术方案三:一种依靠设备性能指标进行无线网络资源优化的方法，在该方法中，网络管理实体根据周期性地统计出的所辖的各服务区或各小区在一个周期内的语音业务如R4业务和下载业务如HSDPA业务的业务量，或根据基站(NodeB)发送的资源调整请求，生成资源调整指令并下发至需要进行资源配置调整的小区所属的NodeB ;NodeB根据接收资源调整指令，调整对应小区的网络资源配置。
[0008]然而，该方法只能在设备性能指标已经发生变化时生效，不具有资源评估的预测性。另外，该方法无法对无线网络以外的其他网络资源进行有效的调整，如通用分组无线服务技术(General Packet Rad1 Service, GPRS)的服务支持节点(Serving GPRS SupportNode, SGSN)附着、网关 GPRS 支持节点(Gateway GPRS Support Node, GGSN)的分组数据协议(Packet Data Protocol, PDP)激活数、无线接入协议(Wireless Applicat1n Protocol,WAP)网关在线用户数等。
[0009]因此，由于移动互联网与传统网络相比，用户的行为模型发生了根本的变化，而现有的上述网络资源评估方法均不足以准确评估出用户行为对网络资源的消耗情况；通常，上网的频率、业务使用的时长、智能终端信令交互等都会对网络产生不同程度的资源消耗。
【发明内容】
[0010]有鉴于此，本发明实施例期望提供一种基于用户业务结构的网络资源评估方法及装置，能够实现对网络资源消耗的准确评估，进而提高资源利用率。
[0011]为达到上述目的，本发明的技术方案是这样实现的:
[0012]本发明实施例提供了一种基于用户业务结构的网络资源评估方法，该方法包括:
[0013]获取样本区域的样本数据；
[0014]根据网络指标筛选出合格的样本数据，将所述合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型；
[0015]采集待评估区域的用户业务结构数据，将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。
[0016]上述方案中，所述获取样本区域的样本数据包括:
[0017]以设定时段为单位粒度，统计所述设定时段样本区域内的用户业务结构数据、业务质量指标相关数据、以及所述样本区域对应的网络资源数据。
[0018]上述方案中，所述根据网络指标筛选合格的样本数据包括:在所述样本区域的样本数据中，筛选业务质量指标处于合理范围、无线利用率和分组数据信道rocH承载效率从高到低位于设定百分比之前的样本数据。
[0019]上述方案中，所述数学建模算法为多元回归算法。
[0020]上述方案中，所述采集待评估区域的用户业务结构数据包括:通过Gn信令分析系统对待评估区域进行用户业务结构数据统计、或通过历史数据分析预测小区未来的用户业务结构数据。
[0021]本发明实施例还提供了一种基于用户业务结构的网络资源评估装置，该装置包括:数据获取单元、筛选单元、建模单元、数据采集单元、以及计算单元；其中，
[0022]所述数据获取单元，用于获取样本区域的样本数据；
[0023]所述筛选单元，用于根据网络指标筛选出合格的样本数据；
[0024]所述建模单元，用于将合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型；
[0025]所述数据采集单元，用于采集待评估区域的用户业务结构数据；
[0026]所述计算单元，将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。
[0027]上述方案中，所述数据获取单元以设定时段为单位粒度，统计所述设定时段样本区域内的用户业务结构数据、业务质量指标相关数据、以及所述样本区域对应的网络资源数据。
[0028]上述方案中，所述筛选单元在所述样本区域的样本数据中，筛选业务质量指标处于合理范围、无线利用率和分组数据信道rocH承载效率从高到低位于设定百分比之前的样本数据。
[0029]上述方案中，所述数据采集单元通过Gn信令分析系统对待评估区域进行用户业务结构数据统计或通过历史数据分析预测小区未来的用户业务结构数据。
[0030]本发明实施例所提供的基于用户业务结构的网络资源评估方法及装置，获取样本区域的样本数据；根据网络指标筛选出合格的样本数据，将合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型；采集待评估区域的用户业务结构数据，将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。如此，能够实现移动互联网中根据用户行为对网络资源消耗的准确评估，进而为网络资源优化调整提供精细化、高可靠性的依据，提高资源利用率，避免资源配置不合理的现象。
【附图说明】
[0031]图1为本发明实施例基于用户业务结构的网络资源评估方法实现流程示意图；
[0032]图2为本发明实施例基于用户业务结构的网络资源评估装置的组成结构示意图；
[0033]图3为本发明实施例用于表明用户业务结构数据与PDP最大激活数之间关系的散列图；
[0034]图4为本发明具体应用实例中无线网络资源消耗模型准确度分析示意图。
【具体实施方式】
[0035]在本发明实施例中，获取样本区域的样本数据；根据网络指标筛选出合格的样本数据，将合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型；采集待评估区域的用户业务结构数据，将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。
[0036]下面结合附图及具体实施例对本发明再作进一步详细的说明。
[0037]图1为本发明实施例基于用户业务结构的网络资源评估方法实现流程示 意图，如图1所示，本发明实施例基于用户业务结构的网络资源评估方法包括:
[0038]步骤SlOO:获取样本区域的样本数据；
[0039]具体地，所述获取样本区域的样本数据包括:以设定时段为单位粒度，统计该设定时段样本区域内的用户业务结构数据、业务质量指标相关数据、以及所述样本区域对应的网络资源数据。
[0040]这里，所述设定时段可以为任意起始时间的一小时、两小时或任意所需时长，t匕如:设定时段为从19:30起两个小时内，设定时段为从8:00起三个小时内等等，具体设定时段的时长可以根据所要求网络资源评估的精度来确定。
[0041]这里，所述样本区域可以为一个小区、一个地市、或为某台设备所辖的服务区域。
[0042]这里，所述用户业务结构数据包括:智能终端占比、即时通信业务用户数、即时通信流量占比、数据业务流量、语音话务量、以及接入点(Access Point Name, APN)占比等；
[0043]所述业务质量指标相关数据包括:用户业务成功率、用户访问时延、用户丢包率、以及用户平均下载速率等；
[0044]所述网络资源数据包括:无线网络部分数据、GPRS核心网统计的数据、以及WAP网关系统统计的数据；其中，所述无线网络部分数据可以为分组数据信道(Packet DataChannel, PDCH)承载效率、无线利用率、I3DCH平均占用数、公共控制信道(Common ControlChannel, CCCH)业务请求数、以及载频数中一个或多个；所述GPRS核心网统计的数据可以为SGSN包转发数、SGSN板卡平均负荷、PDP最大激活数中一个或多个；所述WAP网关系统统计的数据可以为WAP网关防火墙sess1n数、WAP网关Radius最大在线用户数中一个或多个。
[0045]步骤SlOl:根据网络指标筛选出合格的样本数据；
[0046]具体地，所述根据网络指标筛选合格的样本数据包括:在所述样本区域的所有样本数据中，筛选业务质量指标处于合理范围、无线利用率和rocH承载效率从高到低位于设定百分比之前的样本数据；其中，业务质量指标处理合理范围为用户业务成功率大于a、用户访问时延小于b、用户丢包率小于C、以及用户平均下载速率高于d。
[0047]这里，a、b、C、d的具体取值可以根据所要求网络资源评估的精度来确定。
[0048]步骤S102:将合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型；
[0049]这里，对于不同的网络资源和用户业务结构，可以采用不同的数学建模算法进行建模，得到不同的数据模型；其中，所述数学建模算法可以为多元回归算法。任何有关网络资源和用户业务结构之间的数据模型、以及所采用的其他数学建模算法均属于本发明所保护的范围。
[0050]步骤S103:采集待评估区域的用户业务结构数据；
[0051]具体地，所述采集待评估区域的用户业务结构数据包括:通过Gn信令分析系统对待评估区域进行用户业务结构数据统计、或通过历史数据分析预测小区未来的用户业务结构数据。
[0052]这里，根据需要采用通过Gn信令分析系统对待评估区域进行用户业务结构数据统计的方法，可以按照小时为单位粒度，采集并选取一天中用户业务结构数据的最大值即可。
[0053]步骤S104:将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。
[0054]图2为本发明实施例基于用户业务结构的网络资源评估装置的组成结构示意图，如图2所示，本发明实施例基于用户业务结构的网络资源评估装置包括:数据获取单元10、筛选单元11、建模单元12、数据采集单元13、以及计算单元14 ;其中，
[0055]所述数据获取单元10，用于获取样本区域的样本数据；
[0056]具体地，所述数据获取单元10以设定时段为单位粒度，统计该设定时段样本区域内的用户业务结构数据、业务质量指标相关数据、以及所述样本区域对应的网络资源数据。
[0057]所述筛选单元11，用于根据网络指标筛选出合格的样本数据；
[0058]具体地,所述筛选单元11在所述样本区域的所有样本数据中，筛选业务质量指标处于合理范围、无线利用率和rocH承载效率从高到低位于设定百分比之前的样本数据。
[0059]所述建模单元12，用于将合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型；
[0060]这里，所述数学建模算法可以为多元回归算法。
[0061]所述数据采集单元13，用于采集待评估区域的用户业务结构数据；
[0062]具体地，所述数据采集单元13通过Gn信令分析系统对待评估区域进行用户业务结构数据统计、或通过历史数据分析预测小区未来的用户业务结构数据。
[0063]所述计算单元14，用于将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。
[0064]在实际应用中，所述数据获取单元10、筛选单元11、建模单元12、数据采集单元13、以及计算单元14均可由位于网络服务器的中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)、或现场可编程门阵列(FPGA)实现。
[0065]具体实施例一:
[0066]下面以选取用户业务结构数据为总流量、总用户数、智能终端占比、即时通信流量占比，网络资源数据为PDP最大激活数，数学建模算法为多元回归算法，采集待评估区域的用户业务结构数据为通过Gn信令分析系统对待评估区域进行用户业务结构数据统计为例，本发明实施例基于用户业务结构的网络资源评估方法具体包括:
[0067]步骤1:以每小时为单位粒度，统计并获取每小时样本区域内的总流量、总用户数、智能终端占比、即时通信流量占比、用户业务成功率、用户访问时延、用户丢包率、用户平均下载速率、以及PDP最大激活数等样本数据；
[0068]步骤2:根据网络指标筛选合理的样本数据；
[0069]具体地，为保证网络资源配置合理且资源利用率较高采用以下两个条件进行样本数据筛选:
[0070]条件(I):业务质量指标处于合理范围，即用户业务成功率大于a、访问时延小于b、用户丢包率小于C、用户平均下载速率高于d ；
[0071 ] 条件(2 ):在满足条件(I)的数据中，筛选无线利用率和I3DCH承载效率从高到低位于10%之前的样本数据，作为建模数据；
[0072]步骤3:将合格的样本数据利用多元回归算法进行建模，得到PDP最大激活数与总流量、总用户数、智能终端占比、即时通信流量占比之间的多元回归模型；该步骤具体包括:
[0073]I)利用散列图分析智能终端占比、即时通信流量占比、总流量、总用户数等与rop最大激活数之间的关系；
[0074]如图3所示为本发明实施例用于表明用户业务结构数据与PDP最大激活数之间关系的散列图。其中，图3 (a)?(d)的纵坐标均为PDP最大激活数，横坐标依次为总用户数、总流量(单位MB )、即时通信流量占比、智能终端占比。
[0075]由分析可知，总流量、总用户数和PDP最大激活数之间存在强线性关系，智能终端占比和PDP最大激活数之间存在较弱线性关系，即时通信流量占比和PDP最大激活数之间线性关系不明显。
[0076]2)确定PDP最大激活数与总流量、总用户数、智能终端占比、即时通信流量占比之间的多元回归模型；
[0077]由于总流量、总用户数、智能终端占比与PDP最大激活数之间均有着线性关系，故建立多元线性回归模型表达式(I)如下:
[0078]PDP最大激活数=β d+β 3智能终端占比+β 2*即时通信流量占比+β 3*总流量+ β 4*总用户数(I)
[0079]3)将步骤2筛选出的合格的样本数据带入上述模型表达式(I)中，以PDP最大激活数的计算误差最小为原则， 得到如下模型表达式(2):
[0080]PDP最大激活数=-958376+539391*智能终端占比+2176841*即时通信流量占比-0.13485*总流量-1.11339*总用户数(2)
[0081]4)对模型表达式(2)进行检测验证；
[0082]具体地，利用多元线性回归检测方法对该回归模型表达式(2)进行判定:
[0083]如果该模型表达式(2)的拟合度R2达到0.9929，则可以认为该模型的预测值与实际值基本相同，检测通过；如果模型表达式(2)的计算误差值分布不为随机数，则表明智能终端占比、即时通信流量占比、总流量、总用户数等与PDP最大激活数之间存在非线性关系，检测不通过。此时，利用box-cox变换，将非线性关系变为线性关系，在数据并带入样本数据，获得如下模型表达式(3):1oVpdp最大激活数=智能终端占比+ β 2*即时通信流量占比+β 3*总流量+β 4*总用户数(3)
[0084]5)如果检测不通过，通过重复3)和4)的步骤，最终可得到PDP最大激活数和总流量、总用户数、智能终端占比之间存在如下多元回归模型表述式(4):108/PDP最大激活数=76.2-5.29*智能终端占比+8.21/107*即时通信流量占比_10_5*总用户数(4)
[0085]这里，需要说明的是，有关其他网络资源如rocH平均占用数、CCCH业务请求数、SGSN CPU负荷、SGSN包转发数、WAP网关防火墙sess1n数、WAP网关Radius最大在线用户数等均可以按照此方法计算。
[0086]步骤4:通过Gn信令分析系统等工具，按照小时为单位，采集一天中待评估区域的智能终端占比、总用户数以及总流量等用户业务结构数据的最大值。
[0087]步骤5:将步骤4中获取的用户业务结构数据的最大值带入步骤3中计算获取的多元回归模型表述式(2)或(4)中，即可计算得到该区域的网络资源PDP最大激活数的需求。
[0088]需要说明的是，如果上述流程中的步骤4所采集的是对待评估区域的未来用户业务结构数据的预计值，则通过步骤5可计算得到针对该待评估区域的未来所需网络资源PDP最大激活数。
[0089]具体实施例二:
[0090]下面以网络资源rocH占用数、CCCH业务请求数的评估为例，对本发明实施例基于用户业务结构的网络资源评估方法加以说明，具体步骤如下:
[0091]步骤10:通过无线网管数据获取I个月亳州地区4500多个小区每小时网管数据和Gn信令分析系统统计数据等样本数据；
[0092]步骤20:针对所有样本数据按照按小区的用户业务成功率大于99%、用户访问时延小于5秒、用户丢包率小于5%、以及用户平均下载速率高于15Kbps进行筛选，接着筛选出无线利用率和I3DCH承载效率从高到低位于30%之前的样本数据，最终筛选出40W样本数据。
[0093]步骤30:针对该40W样本数据利用多元回归算法进行数据分析并建模，得到以下模型表达式(5)、(6):
[0094]I3DCH占用数=7.537-15.63*智能终端占比+0.1924*即时消息用户数+0.1194*总流量-0.0453*总用户数(5)
[0095]CCCH业务请求数=7116.43-12635*智能终端占比+80.41*即时消息用户数+95.52*总流量-50.63*总用户数(6)
[0096]步骤40:根据Gn信令分析系统统计数据预测某待评估区域用户业务结构数据为:智能终端占比42.70%、即时消息用户数为27603、总流量为17930MB、以及总用户数为70189。
[0097]步骤50:将待评估区域用户业务结构数据带入步骤30所得出的模型表达式(5)、
(6)，通过计算可知I3DCH占用数为4273，CCCH业务请求数为380484，与实际误差只有11.43%。
[0098]通过以上步骤10至50，统计得出毫州无线网络资源消耗模型准确度分析示意图，如图4所示。其中，横坐标表示时间序列，纵坐标表示rocH占用数，实、虚曲线分别代表rocH占用数的实际值，PDCH占用数的预测值。
[0099]以上所揭露的仅为本发明实施方法中的一例基于GSM无线网络的实施方法，因此凡是依本发明实施例所作的所有涉及无线网核心网的统计数据等的网络资源评估方法，仍属本发明所涵盖的范围。
[0100]以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
【主权项】
1.一种基于用户业务结构的网络资源评估方法，其特征在于，所述方法包括: 获取样本区域的样本数据； 根据网络指标筛选出合格的样本数据，将所述合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型； 采集待评估区域的用户业务结构数据，将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。2.根据权利要求1所述的方法，其特征在于，所述获取样本区域的样本数据包括: 以设定时段为单位粒度，统计所述设定时段样本区域内的用户业务结构数据、业务质量指标相关数据、以及所述样本区域对应的网络资源数据。3.根据权利要求1或2所述的方法，其特征在于，所述根据网络指标筛选合格的样本数据包括:在所述样本区域的样本数据中，筛选业务质量指标处于合理范围、无线利用率和分组数据信道rocH承载效率从高到低位于设定百分比之前的样本数据。4.根据权利要求1或2所述的方法，其特征在于，所述数学建模算法为多元回归算法。5.根据权利要求1或2所述的方法，其特征在于，所述采集待评估区域的用户业务结构数据包括:通过Gn信令分析系统对待评估区域进行用户业务结构数据统计、或通过历史数据分析预测小区未来的用户业务结构数据。6.一种基于用户业务结构的网络资源评估装置，其特征在于，所述装置包括:数据获取单元、筛选单元、建模单元、数据采集单元、以及计算单元；其中， 所述数据获取单元，用于获取样本区域的样本数据； 所述筛选单元，用于根据网络指标筛选出合格的样本数据； 所述建模单元，用于将合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型； 所述数据采集单元，用于采集待评估区域的用户业务结构数据； 所述计算单元，将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。7.根据权利要求6所述的装置，其特征在于，所述数据获取单元以设定时段为单位粒度，统计所述设定时段样本区域内的用户业务结构数据、业务质量指标相关数据、以及所述样本区域对应的网络资源数据。8.根据权利要求6或7所述的装置，其特征在于，所述筛选单元在所述样本区域的样本数据中，筛选业务质量指标处于合理范围、无线利用率和分组数据信道I3DCH承载效率从高到低位于设定百分比之前的样本数据。9.根据权利要求6或7所述的装置，其特征在于，所述数学建模算法为多元回归算法。10.根据权利要求6或7所述的装置，其特征在于，所述数据采集单元通过Gn信令分析系统对待评估区域进行用户业务结构数据统计或通过历史数据分析预测小区未来的用户业务结构数据。
【专利摘要】本发明公开了一种基于用户业务结构的网络资源评估方法，获取样本区域的样本数据；根据网络指标筛选出合格的样本数据，将合格的样本数据利用数学建模算法进行建模，得到网络资源与用户业务结构之间的数据模型；采集待评估区域的用户业务结构数据，将所述待评估区域的用户业务结构数据带入所述数据模型，得出所述待评估区域所需的网络资源数据。本发明还同时公开了一种基于用户业务结构的网络资源评估装置。
【IPC分类】H04L12/24
【公开号】CN104901827
【申请号】CN201410086165
【发明人】赵艳琼, 祁俊杰, 张浏, 胡泽民
【申请人】中国移动通信集团安徽有限公司
【公开日】2015年9月9日
【申请日】2014年3月7日
最新回复(0)