通信负荷预测方法、装置、设备及存储介质与流程

本技术涉及通信，尤其涉及一种通信负荷预测方法、装置、设备及存储介质。

背景技术：

1、无线通信技术近来发展迅速，已经成为人类生活中重要的一部分。为了保证无线通信系统可以正常运行，需要为无线通信系统制定负荷控制策略。其中，负荷控制是在无线通信系统运行过程中对无线通信系统的负荷进行实时监控，即对已经接入到无线通信系统的用户(或业务)进行连续实时监测，在检测到无线通信系统的通信负荷过高影响到无线通信系统运行稳定时实施负荷控制策略，从而合理调配通信资源，以保证无线通信系统的稳定运行。

2、在制定负荷控制策略时，需要对无线通信系统的通信负荷进行预测。然而，目前对于无线通信系统的通信负荷的预测是由网络管理人员基于人工经验进行预测的，通信负荷预测的精准度不高，进而造成负荷控制策略制定的合理性不高，无法使经过负荷控制策略控制后的无线通信系统满足用户的需求。

技术实现思路

1、本技术提供一种通信负荷预测方法、装置、设备及存储介质，用于提升通信负荷预测的精准度。

2、为了达到上述目的，本技术提供如下技术方案：

3、第一方面，本技术实施例提供一种通信负荷预测方法，该方法包括：

4、获取第一小区的实时通信负荷数据；

5、基于第一小区的实时通信负荷数据以及第一小区所属的目标小区簇对应的通信负荷预测模型，得到通信负荷预测结果，目标小区簇对应的通信负荷预测模型基于目标小区簇中至少一个小区的历史通信负荷数据来构建得到。

6、本技术实施例提供的技术方案至少带来以下有益效果：通过基于第一小区的实时通信负荷数据以及第一小区所属的目标小区簇对应的通信负荷预测模型来得到通信负荷预测结果，相对于网络管理人员基于人工经验得到的通信负荷预测结果，提升了通信负荷预测的精准度。以便于在为第一小区制定负荷控制策略时，可以基于精准度更高的第一小区的通信负荷预测结果来制定该第一小区的负荷控制策略，提升了负荷控制策略制定的合理性。且目标小区簇对应的通信负荷预测模型是基于目标小区簇中至少一个小区的历史通信负荷数据来构建的，也即目标小区簇中的至少一个小区均可以共用该目标小区簇对应的通信负荷预测模型来进行通信负荷的预测，无需针对每个小区建立每个小区对应的通信负荷预测模型，降低了算力资源消耗的同时，有助于提升负荷控制策略制定的合理性。

7、在一些实施例中，上述目标小区簇对应的通信负荷预测模型通过以下步骤来构建：基于目标小区簇的簇中心，从目标小区簇中确定符合预设条件的小区；基于符合预设条件的小区的历史通信负荷数据，建立目标小区簇对应的通信负荷预测模型。

8、在一些实施例中，上述基于目标小区簇的簇中心，从目标小区簇中确定符合预设条件的小区，包括：确定目标小区簇中各个小区与簇中心之间的距离；将目标小区簇中所有与簇中心的距离小于或等于预设阈值的小区均作为符合预设条件的小区。

9、在一些实施例中，上述基于目标小区簇的簇中心，从目标小区簇中确定符合预设条件的小区，包括：确定目标小区簇中各个小区与簇中心之间的距离；将目标小区簇中与簇中心距离最近的前n个小区作为符合预设条件的小区，n为正整数。

10、在一些实施例中，上述基于符合预设条件的小区的历史通信负荷数据，建立目标小区簇对应的通信负荷预测模型，包括：以符合预设条件的小区的历史通信负荷数据，生成多个训练样本；基于多个训练样本，对初始模型进行训练，得到训练完成的目标小区簇对应的通信负荷预测模型。

11、在一些实施例中，上述通信负荷预测模型是基于长短时神经网络构建的。

12、在一些实施例中，该方法还包括：获取第一小区的历史通信负荷数据；基于第一小区的历史通信负荷数据，确定第一小区与各个小区簇的簇中心的距离；以簇中心与第一小区距离最近的小区簇作为第一小区所属的小区簇。

13、在一些实施例中，该方法还包括：获取多个第二小区的历史通信负荷数据，第一小区为多个第二小区中的一个；基于多个第二小区的历史通信负荷数据，对多个第二小区进行聚类处理，得到至少一个小区簇，目标小区簇为至少一个小区簇中的一个。

14、在一些实施例中，上述基于多个第二小区的历史通信负荷数据，对多个第二小区进行聚类处理，得到至少一个小区簇，包括：基于多个第二小区的历史通信负荷数据，确定小区簇数量；对于多个第二小区中任意两个小区，基于两个小区的历史通信负荷数据，确定两个第二小区之间的距离，两个第二小区之间的距离用于表征两个第二小区在通信负荷变化趋势上的相似度；基于小区簇数量以及多个第二小区中任意两个第二小区之间的距离，对多个第二小区进行聚类处理，得到至少一个小区簇。

15、在一些实施例中，上述实时通信负荷数据包括以下数据类型中的至少一种：新空口(new radio，nr)载波无线资源控制(radio resource control，rrc)连接数、nr载波上行物理资源块(physical resource block，prb)使用率、nr载波下行prb使用率、小区组上行prb使用率、小区组下行prb使用率、长期演进(long term evolution，lte)动态频谱共享(dynamic spectrum sharing，dss)小区组上行prb使用率、lte dss小区组下行prb使用数、lte dss小区组rrc连接数、lte小区上行prb使用数、lte小区下行prb使用数和lte小区rrc连接数等。

16、第二方面，本技术实施例提供一种通信负荷预测装置，该装置包括：通信单元，用于获取第一小区的实时通信负荷数据；

17、处理单元，用于基于第一小区的实时通信负荷数据以及第一小区所属的目标小区簇对应的通信负荷预测模型，得到通信负荷预测结果，目标小区簇对应的通信负荷预测模型基于目标小区簇中至少一个小区的历史通信负荷数据来构建得到。

18、在一些实施例中，上述处理单元，还用于基于目标小区簇的簇中心，从目标小区簇中确定符合预设条件的小区；基于符合预设条件的小区的历史通信负荷数据，建立目标小区簇对应的通信负荷预测模型。

19、在一些实施例中，上述处理单元，具体用于：确定目标小区簇中各个小区与簇中心之间的距离；将目标小区簇中所有与簇中心的距离小于或等于预设阈值的小区均作为符合预设条件的小区。

20、在一些实施例中，上述处理单元，具体用于：确定目标小区簇中各个小区与簇中心之间的距离；将目标小区簇中与簇中心距离最近的前n个小区作为符合预设条件的小区，n为正整数。

21、在一些实施例中，上述处理单元，具体用于：以符合预设条件的小区的历史通信负荷数据，生成多个训练样本；基于多个训练样本，对初始模型进行训练，得到训练完成的目标小区簇对应的通信负荷预测模型。

22、在一些实施例中，上述通信负荷预测模型是基于长短时神经网络构建的。

23、在一些实施例中，上述通信单元，还用于获取第一小区的历史通信负荷数据。

24、上述处理单元，还用于：基于第一小区的历史通信负荷数据，确定第一小区与各个小区簇的簇中心的距离；以簇中心与第一小区距离最近的小区簇作为第一小区所属的小区簇。

25、在一些实施例中，上述通信单元，还用于获取多个第二小区的历史通信负荷数据，第一小区为多个第二小区中的一个。

26、上述处理单元，还用于：基于多个第二小区的历史通信负荷数据，对多个第二小区进行聚类处理，得到至少一个小区簇，目标小区簇为至少一个小区簇中的一个。

27、在一些实施例中，上述处理单元，具体用于：基于多个第二小区的历史通信负荷数据，确定小区簇数量；对于多个第二小区中任意两个小区，基于两个小区的历史通信负荷数据，确定两个第二小区之间的距离，两个第二小区之间的距离用于表征两个第二小区在通信负荷变化趋势上的相似度；基于小区簇数量以及多个第二小区中任意两个第二小区之间的距离，对多个第二小区进行聚类处理，得到至少一个小区簇。

28、在一些实施例中，上述实时通信负荷数据包括以下数据类型中的至少一种：新空口nr载波无线资源控制rrc连接数、nr载波上行物理资源块prb使用率、nr载波下行prb利用率、小区组上行prb利用率、小区组下行prb利用率、长期演进lte动态频谱共享dss小区组上行prb使用数、lte dss小区组下行prb使用数、lte dss小区组rrc连接数、lte小区上行prb使用数、lte小区下行prb使用数和lte小区rrc连接数。

29、第三方面，提供了一种电子设备，包括：处理器和存储器；存储器存储有处理器可执行的指令；处理器被配置为执行指令时，使得电子设备实现如上述第一方面所提供的方法。

30、第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储计算机指令，当该计算机指令在计算机上运行时，使得计算机执行第一方面所提供的方法。

31、第五方面，提供了一种包含计算机指令的计算机程序产品，当该计算机指令在计算机上运行时，使得计算机执行第一方面所提供的方法。

32、上述第二方面至第五方面中任一种可能的实现方式所带来的技术效果可参加第一方面对应实现方式所带来的技术效果，在此不再赘述。