双载波和载波聚合的自适应调整方法、装置、设备及介质与流程

本发明涉及通信
技术领域：
，尤其涉及一种双载波和载波聚合的自适应调整方法、装置、设备及介质。
背景技术：
：随着4g用户的逐渐增长，热点区域的lte单载波将无法满足用户大带宽和高容量的需求。在不增加硬件的条件下，基站配置双载波功能和载波聚合(ca)功能，可以充分利用现有频率资源，将单载波上的用户进行分流，达到提升系统吞吐量、小区容量和用户感知的目的。针对lte双载波及载波聚合的配置调整，目前主要通过网络优化工程师根据近期指标进行评估，基于优化经验进行大概值的估算并采用静态方式配置双载波及载波聚合(ca)功能。发明人发现现有的优化方式存在如下缺陷问题：1.对应业务模型不断变化的无线网络而言，依据近期指标评估一个静态业务需求值进行双载波和载波聚合(ca)的配置不合理。为应对不断变化的业务模型，评估的次数需要非常频繁，而数据量大难于评估，另外基于经验评估的静态配置在某些时段相对来说配置较高，容易导致软件许可(license)的资源浪费；而在某些时段，双载波及载波聚合(ca)功能配置不足，又无法吸纳足够多的用户及难以提供较好的网络服务质量。2.基于人工优化经验进行大致的调整，依赖网优工程师优化经验，难于保障稳定的调整效果，无法根据历史大数据进行准确评估，存在一定的调整偏差。3.双载波和载波聚合(ca)软件许可(license)成本较为昂贵、人工评估分配资源的合理性和效率性的重要性使网络资源的配置和维护面临压力越来越大。4.人工无线资源管理方式，从评估到优化的过程复杂，时间长，很难做到对业务的动态适应，数据分析量大，很难对每个小区都做到准确配置。人工难以实现双载波和载波聚合(ca)实时调整和动态配置license资源。技术实现要素：本发明实施例提供了双载波和载波聚合的自适应调整方法、装置、设备及介质，能够解决上述技术问题中的至少一个。第一方面，本发明实施例提供了一种双载波和载波聚合的自适应调整方法、装置、设备及介质方法，方法包括：采集小区的实时业务指标；将所述实时业务指标与历史业务指标进行匹配；若匹配结果满足预设条件，则按照预设算法，对业务进行预测，获取业务指标值的预测结果；根据所述预测结果，按照待扩容的小区类别，当小区达到与其类别对应的门限时，输出对应的预调整双载波和载波聚合的模型；获取与预调整双载波和载波聚合的方法配置相同状况下的各个业务指标的指标值，并根据各个指标值对预调整双载波和载波聚合的模型进行修正，以获取双载波和载波聚合的自适应调整模型。优选的是，所述方法还包括：将进行修正后的预调整双载波和载波聚合的模型进行保存，建立记录库；将所述记录库中的修正后的预调整双载波和载波聚合的模型，采用优化算法进行计算，获取双载波和载波聚合的自适应调整模型。优选的是，所述业务指标包括：上行erab流量、上行erab流量、上行pusch利用率、下行pdsch利用率、上行流量、下行流量。优选的是，所述预设条件包括：历史一周当前时段业务指标值标准方差<0.5；或者，当前业务指标值<历史一周当前时段业务指标值的平均值*2；亦或者，当前业务指标值大于历史一周当前时段指标值的平均值/2。优选的是，所述按照预设算法，对业务进行预测，获取业务指标值的预测结果的步骤，具体包括：业务分布预测：将小区按照场景进行分类，对应不同的场景设置不同的业务密度因子；历史业务预测：从sts统计文件中获取小区当前业务指标，并根据所获取的小区的当前业务指标中当前时刻的指标值，与该时刻对应的当前时间段的指标值，以及该当前时间段的下一时间段的指标值，获取预测当前时间段的下一时间段的指标值；根据业务分布预测和历史业务预测，获取业务指标值的预测结果。优选的是，所述获取与预调整双载波和载波聚合的模型配置相同状况下的各个业务指标的指标值，并根据各个指标值对预调整双载波和载波聚合的模型进行修正，以获取双载波和载波聚合的自适应调整模型的步骤，具体包括：获取与预调整双载波和载波聚合的模型配置相同状况下的各个业务指标的指标值，并获取各个业务指标的指标值的平均值；将每个业务指标的指标值与预设的且与其对应的目标值和恶化底线值进行比较，若每个业务指标的指标值小于预设的且与其对应的恶化底线值；和/或，若所获取的各个业务指标的指标值的平均值小于预设值，则对预调整双载波和载波聚合的模型进行修正。优选的是，所述方法还包括：若匹配结果不满足预设条件，则根据所采集的实时业务指标，按照待扩容的小区类别，当小区达到与其类别对应的门限时，输出对应的预调整双载波和载波聚合的模型。第二方面，本发明实施例提供了一种双载波和载波聚合的自适应调整装置，装置包括：采集模块，用于采集小区的实时业务指标；匹配模块，用于将所述实时业务指标与历史业务指标进行匹配；预测模块，用于若所述匹配模块的匹配结果满足预设条件，则按照预设算法，对业务进行预测，获取业务指标值的预测结果；生成模块，用于根据所述预测结果，按照待扩容的小区类别，当小区达到与其类别对应的门限时，输出对应的预调整双载波和载波聚合的模型；修正模块，用于获取与预调整双载波和载波聚合的模型配置相同状况下的各个业务指标的指标值，并根据各个指标值对预调整双载波和载波聚合的方法进行修正，以获取双载波和载波聚合的自适应调整模型。第三方面，本发明实施例提供了一种双载波和载波聚合的自适应调整设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。本发明实施例提供的双载波和载波聚合的自适应调整方法、装置、设备及介质，根据实时采集业务指标和历史业务指标进行匹配，以及将业务的预测结果构建预调整双载波和载波聚合的模型，并对该模型进行修正，获取双载波和载波聚合的自适应调整模型，以使的将该模型应用至双载波和载波聚合的自适应调整方法中，使得双载波和载波聚合可以自适应调整，从而使调整更加准确。附图说明为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本发明的实施例1的双载波和载波聚合的自适应调整方法的流程图；图2为本发明的实施例2的双载波和载波聚合的自适应调整方法的流程图；图3为本发明的实施例3的双载波和载波聚合的自适应调整装置的结构示意；图4为本发明的实施例4的双载波和载波聚合的自适应调整设备的结构示意.具体实施方式下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。结合图1所示，本发明实施例提供了一种双载波和载波聚合的自适应调整方法，其包括如下步骤：s01、采集小区的实时业务指标。s02、将所述实时业务指标与历史业务指标进行匹配。s03、若匹配结果满足预设条件，则按照预设算法，对业务进行预测，获取业务指标值的预测结果。s04、根据所述预测结果，按照待扩容的小区类别，当小区达到与其类别对应的门限时，输出对应的预调整双载波和载波聚合的模型。s05、获取与预调整双载波和载波聚合的方法配置相同状况下的各个业务指标的指标值，并根据各个指标值对预调整双载波和载波聚合的模型进行修正，以获取双载波和载波聚合的自适应调整模型。本发明实施例中双载波和载波聚合的自适应调整方法，包括根据实时采集业务指标和历史业务指标进行匹配，以及将业务的预测结果构建预调整双载波和载波聚合的模型，并对该模型进行修正，获取双载波和载波聚合的自适应调整模型，以使的将该模型应用至双载波和载波聚合的自适应调整方法中，使得双载波和载波聚合可以自适应调整，从而使调整更加准确。为了更清楚本发明实施例的实现方法，具体结合实施例2进行具体说明。结合图2所示，本发明实施例提供了一种双载波和载波聚合的自适应调整方法，其包括如下步骤：s11、采集小区的实时业务指标；其中，业务指标包括：接通率、掉话率、切成成功率、license使用率、业务流量、上行erab流量、上行erab流量、上行pusch利用率、下行pdsch利用率、上行流量、下行流量等等。s12、将实时业务指标与历史业务指标进行匹配；其中，若匹配结果符合以下条件：历史一周当前时段业务指标值标准方差<0.5；或者，当前业务指标值<历史一周当前时段业务指标值的平均值*2；亦或者，当前业务指标值大于历史一周当前时段指标值的平均值/2。则认为实时业务指标与历史业务指标的匹配度高，否则反之。s13、若实时业务指标与历史业务指标的匹配度高，则按照预设算法，对业务进行预测，获取业务指标值的预测结果。在本步骤具体可以采用如下步骤实现：业务分布预测：是将小区按场景进行分类，比如：商业区、市场、住宅区、郊区等，对不同的场景对应设置不同的业务密度因子，设小区场景数为n，则小区对应存在业务密度因子：t1,t2,t3,…,tn。历史业务预测：从sts统计文件中获取小区当前业务指标，包括上行erab流量、上行erab流量、上行pusch利用率、下行pdsch利用率、上行流量、下行流量，作为业务预测的基础，读取业务模型列表中。以流量业务指标(tra)预测为例，本小区当前时间段的流量(tra_sample)和下个时间段的流量(tra_sample_n)，预测下个时间段流量(tra_n)的公式如下：下个时间段流量(tra_n)＝(tra_sample_n/tra_sample)*tra举例，从统计中取得小区当前9点流量(tra)为10m，读取业务模型列表如下：时间080910111213cell0114.0723.5926.7923.8021.3424.34tra_sample＝23.59，tra_sample_n＝26.79下个时间段流量(tra_n)＝10*26.79/23.59＝11.35m话务预测对历史话务取值要求：要求进行话务预测时，取前一周的指标数据时(数据量取最大值)，就正常进行话务预测并往下执行。根据业务分布预测和历史业务预测，获取业务指标值的预测结果：下个时间段业务流量(tra_n)＝(tra_sample_n/tra_sample*tra)*(1+t)；设置增加流量提升目标系数：k(默认为0,浮点型，范围：[0.0,1.0])；最后预测下个时间段业务流量(tra_n)＝(tra_sample_n/tra_sample*tra*(1+k))*(1+t)。s14、根据所述预测结果，按照待扩容的小区类别，当小区达到与其类别对应的门限时，输出对应的预调整双载波和载波聚合的模型。在本步骤中可以采用如下方法实现：结合业务预测结果和逻辑关系判断。按照待扩容大、中、小包的小区分类确定标准，当分类小区达到相应门限时输出对应的预调整双载波及载波聚合的模型。在此需要说明的是，若步骤s13中的匹配结果不满足预设条件，则该步骤根据所采集的实时业务指标，按照待扩容的小区类别，当小区达到与其类别对应的门限时，输出对应的预调整双载波和载波聚合的模型。小区分类标准及扩容(配置启用双载波和载波聚合功能)的门限示例如下：小区分类标准及减容(配置关闭双载波和载波聚合功能)门限示例如下：小区扩、减容核定逻辑为：[“有效rrc用户数达到门限”且“上行利用率达到门限”且“上行流量达到门限”]或[“有效rrc用户数达到门限”且“下行利用率达到门限(pdsch或pdcch)”且“下行流量达到门限”]以上判断标准均可根椐实际情况而自主改变判断规则，根据上述逻辑判断，可得出一个初步的优化的双载波和载波聚合的自适应调整模型。s15、预调整双载波和载波聚合的自适应调整的模型的修正：获取与预调整双载波和载波聚合的模型配置相同状况下的各个业务指标的指标值，并获取各个业务指标的指标值的平均值；将每个业务指标的指标值与预设的且与其对应的目标值和恶化底线值进行比较，若每个业务指标的指标值小于预设的且与其对应的恶化底线值；和/或，若所获取的各个业务指标的指标值的平均值小于预设值，则对预调整双载波和载波聚合的模型进行修正。在本步骤中是以提升用户感知和最大化节省license投入为目的，通过调整双载波及载波聚合的模型，提升网络整体业务接纳能力和服务质量，也可能带来关键指标的变化。分析的指标值来源于调整记录中与预调整双载波和载波聚合的自适应调整的模型的配置相同状况下的指标平均值，该指标值需要尽量保证指标在可接受范围内，基于目标指标效果设计的优化分析算法，主要可能影响的指标有：接通率、掉话率、切换成功率、license使用率、业务流量等。对预调整双载波和载波聚合的自适应调整的模型可能影响的每个指标设定一个目标值和恶化底线值，则要求在进行扩容和减容配置，同时指标评估值不能低于恶化底线，如指标低于底线值则需立即修正相应的方案。指标分值建模：指标名称权重指标值指标底线目标值接通率k1a1z1t1掉话率k2a2z2t2切换成功率k3a3z3t3license使用率k4a4z4t4业务流量k5a5z5t5举例：接通率指标得分为：min(100*k1*(t1-a1)/(t1-z1),100*k1)，总体指标满分是100分，则单个小区指标总分值为五个指标分值之和。s16、对修正后的预调整双载波和载波聚合的自适应调整的模型进行调整。在步骤中，为了使在指标分值在恶化底线临近点不至于频繁兵乓切换扩容调整和减容调影响指标，算法中增加临近点规则：当小区触发扩容调整时，n个周期内不允许减容调整操作，但扩容调整操作允许继续进行，这样可以有效地降低兵乓切换的发生。其中n是用户设定值。以方案的目标指标总分值(目标指标总分值即预优化方案中每个小区的目标指标分值之和)最大为目标，针对每个小区的预调整方案，进行优化分析和修正，并记录每一次模型修正的结果，在给定时间内输出目标分值最高的方案作为最终的优化模型。s17、将进行修正后的预调整双载波和载波聚合的模型进行保存，建立记录库；将所述记录库中的修正后的预调整双载波和载波聚合的模型，采用优化算法进行计算，获取双载波和载波聚合的自适应调整模型。在本步骤中，之所以保存修正后的预调整双载波和载波聚合的模型，是因为自适应调整是个长期的调整模型，随着模型上线时间的积累，可将小区调整方案和调整效果记录起来，搭建成记录库，为了能够使调整的算法在无线网络业务中具备更强的适应能力，依据方案调整记录引入优化算法进一步分析更加合理的调整方案。调整记录内容如下表：为了控制记录库的容量不至于无上限增加和保障后续算法分析参数值的效率，默认每个小区最多保留一万条记录，当记录库容量达到上限时，则按照时间进行淘汰时间最久的记录，另外每次通过算法计算出来的最优解不断替换记忆库中的最差解，达到不断更新记录库的同时不断提高调整方案与用户感知及license资源配置的适应度。s18、通过上述生成的双载波和载波聚合自适应调整模型，对双载波和载波聚合自适应调整，通过基站设备厂商北向端口对接，实现扩容、减容配置方案的下发调整。本发明实时的双载波和载波聚合的自适应调整方法，通过对实时业务和网络场景进行分析，结合业务预测和优化目标，以提升用户感知和最大化节省license资源投入双重目的，通过不断进行实时数据及历史调整数据的收集，把收集的调整数据作为调整模型最优解的适应依据，进行lte双载波和载波聚合(ca)自适应调整，达到在保障网络指标的前提下，可最大化的节省license投入效果。结合图3所示，本发明实施例提供了一种双载波和载波聚合的自适应调整装置，包括：采集模块301、匹配模块302、预测模块303、生成模块304、修正模块305。其中，采集模块301用于采集小区的实时业务指标；匹配模块302用于将所述实时业务指标与历史业务指标进行匹配；预测模块303用于若所述匹配模块的匹配结果满足预设条件，则按照预设算法，对业务进行预测，获取业务指标值的预测结果；生成模块304用于根据所述预测结果，按照待扩容的小区类别，当小区达到与其类别对应的门限时，输出对应的预调整双载波和载波聚合的模型；修正模块305用于获取与预调整双载波和载波聚合的模型配置相同状况下的各个业务指标的指标值，并根据各个指标值对预调整双载波和载波聚合的方法进行修正，以获取双载波和载波聚合的自适应调整模型。其中，采集模块301所采集的业务指标包括：接通率、掉话率、切成成功率、license使用率、业务流量、上行erab流量、上行erab流量、上行pusch利用率、下行pdsch利用率、上行流量、下行流量等等。其中，匹配模块302具体用于将实时业务指标与历史业务指标进行匹配；其中，若匹配结果符合以下条件：历史一周当前时段业务指标值标准方差<0.5；或者，当前业务指标值<历史一周当前时段业务指标值的平均值*2；亦或者，当前业务指标值大于历史一周当前时段指标值的平均值/2。则认为实时业务指标与历史业务指标的匹配度高，否则反之。其中，预测模块303具体可以包括业务分布预测单元和历史业务预测单元；业务分布预测单元用于将小区按场景进行分类，比如：商业区、市场、住宅区、郊区等，对不同的场景对应设置不同的业务密度因子，设小区场景数为n，则小区对应存在业务密度因子：t1,t2,t3,…,tn。历史业务预测单元用于从sts统计文件中获取小区当前业务指标，包括上行erab流量、上行erab流量、上行pusch利用率、下行pdsch利用率、上行流量、下行流量，作为业务预测的基础，读取业务模型列表中。其中，生成单元304具体用于结合业务预测结果和逻辑关系判断，按照待扩容大、中、小包的小区分类确定标准，当分类小区达到相应门限时输出对应的预调整双载波及载波聚合的模型。修正单元305具体用于获取与预调整双载波和载波聚合的模型配置相同状况下的各个业务指标的指标值，并获取各个业务指标的指标值的平均值；将每个业务指标的指标值与预设的且与其对应的目标值和恶化底线值进行比较，若每个业务指标的指标值小于预设的且与其对应的恶化底线值；和/或，若所获取的各个业务指标的指标值的平均值小于预设值，则对预调整双载波和载波聚合的模型进行修正。本实施例2中的双载波和载波聚合的自适应调整装置可采用实施例1或2的方法对双载波和载波聚合的自适应调整，即通过对实时业务和网络场景进行分析，结合业务预测和优化目标，以提升用户感知和最大化节省license资源投入双重目的，通过不断进行实时数据及历史调整数据的收集，把收集的调整数据作为调整模型最优解的适应依据，进行lte双载波和载波聚合(ca)自适应调整，达到在保障网络指标的前提下，可最大化的节省license投入效果。本发明另一实施例提供一种双载波和载波聚合的自适应调整设备，本发明实施例的双载波和载波聚合的自适应调整方法可以由该设备来实现。图4示出了本发明另一实施例提供的双载波和载波聚合的自适应调整设备的硬件结构示意图。双载波和载波聚合的自适应调整设备可以包括处理器401以及存储有计算机程序指令的存储器402。具体地，上述处理器401可以包括中央处理器(cpu)，或者特定集成电路(applicationspecificintegratedcircuit，asic)，或者可以被配置成实施本发明实施例的一个或多个集成电路。存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(harddiskdrive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universalserialbus，usb)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在数据处理装置的内部或外部。在特定实施例中，存储器402是非易失性固态存储器。在特定实施例中，存储器402包括只读存储器(rom)。在合适的情况下，该rom可以是掩模编程的rom、可编程rom(prom)、可擦除prom(eprom)、电可擦除prom(eeprom)、电可改写rom(earom)或闪存或者两个或更多个以上这些的组合。处理器401通过读取并执行存储器402中存储的计算机程序指令，以实现上述实施例中的任意一种双载波和载波聚合的自适应调整方法。在一个示例中，双载波和载波聚合的自适应调整设备还可包括通信接口403和总线410。其中，如图4所示，处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。通信接口403，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。总线410包括硬件、软件或两者，将双载波和载波聚合的自适应调整设备设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(agp)或其他图形总线、增强工业标准架构(eisa)总线、前端总线(fsb)、超传输(ht)互连、工业标准架构(isa)总线、无限带宽互连、低引脚数(lpc)总线、存储器总线、微信道架构(mca)总线、外围组件互连(pci)总线、pci-express(pci-x)总线、串行高级技术附件(sata)总线、视频电子标准协会局部(vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线410可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种双载波和载波聚合的自适应调整方法。需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。当前第1页12