一种小区流量预测方法、装置、设备和存储介质与流程

本申请涉及移动通信，尤其涉及一种小区流量预测方法、装置、设备和存储介质。

背景技术：

1、通信网络中无线小区流量数据具有很大的异构性，各小区流量数据分布差异大，预测难度大。相关技术方案通常是对时间和空间两个维度分别建模，使用常见的图网络提取空间特征、使用卷积神经网络提取时间特征。另外也有一些机器学习算法可以用来预测流量数据，但常用的预测算法如果直接应用到小区流量预测场景中效果不太理想。

技术实现思路

1、有鉴于此，本申请实施例期望提供一种小区流量预测方法、装置、设备和存储介质。

2、本申请实施例的技术方案是这样实现的：

3、本申请实施例提供了一种小区流量预测方法，该方法包括：

4、基于各个小区之间的距离形成距离矩阵，并确定距离阈值；

5、基于所述距离矩阵和距离阈值构建邻接矩阵；

6、对每个小区的属性信息进行特征编码；

7、基于每个小区经特征编码的属性信息以及所述邻接矩阵形成流量预测模型并进行训练；

8、基于训练后的流量预测模型预测小区流量。

9、其中，基于各个小区之间的距离确定距离阈值，包括：

10、对于各个小区中的每一个小区，确定该小区与所有邻居小区之间的距离值；

11、将该小区的所有距离值进行由小到大进行排序，并从中选取第n个距离值；所述n为所述小区的邻居个数阈值；

12、基于各个小区对应的所述第n个距离值确定所述距离阈值。

13、其中，所述基于各个小区对应的所述第n个距离值确定所述距离阈值，包括：

14、将各个小区的第n个距离值按由小到大的顺序进行排序；

15、从排序后的所有第n个距离值中取第一四分位点作为距离阈值。

16、其中，所述基于所述距离矩阵和距离阈值构建邻接矩阵，包括：

17、基于所述距离阈值和所述距离矩阵生成值为0或1的邻接矩阵：若距离矩阵的值不大于距离阈值，则所述邻接矩阵的值置为1；否则，所述邻接矩阵的值置为0。

18、其中，所述形成距离矩阵之前，所述方法还包括：

19、对小区流量数据以及小区信息数据进行预处理，得到进行流量预测模型训练格式的数据；其中，

20、所述小区信息包括所述小区的属性信息。

21、其中，所述小区的属性信息包括以下至少之一：

22、小区的覆盖类型；

23、小区所属地市；

24、小区所属区县；

25、小区的生命周期状态；

26、小区的覆盖属性；

27、小区的覆盖场景归类；

28、小区所属基站。

29、其中，所述基于每个小区经特征编码的属性信息以及所述邻接矩阵形成流量预测模型并进行训练，包括：

30、通过特征选择从所述经特征编码的属性信息中筛选满足条件的属性信息；

31、基于所述满足条件的属性信息以及时空图卷积网络形成流量预测模型；

32、将每个小区的小区流量数据、经特征编码的属性信息以及所述邻接矩阵输入到所述流量预测模型进行训练，得到训练后的流量预测模型。

33、其中，所述基于训练后的流量预测模型预测小区流量，包括：

34、针对单个小区，确定所述小区的流量数据以及所述小区经特征编码的属性信息；

35、将所述小区的流量数据以及所述小区经特征编码的属性信息输入到所述训练后的流量预测模型，得到小区流量的预测结果。

36、本申请实施例还提供了一种小区流量预测装置，包括：第一通信单元和第一处理单元；其中，

37、所述第一处理单元，用于基于各个小区之间的距离形成距离矩阵，并确定距离阈值；

38、基于所述距离矩阵和距离阈值构建邻接矩阵；

39、对每个小区的属性信息进行特征编码；

40、基于每个小区经特征编码的属性信息以及所述邻接矩阵形成流量预测模型并进行训练；

41、基于训练后的流量预测模型预测小区流量。

42、本申请实施例还提供了一种小区流量预测设备，包括：第一通信接口和第一处理器；其中，

43、所述第一处理器，用于基于各个小区之间的距离形成距离矩阵，并确定距离阈值；

44、基于所述距离矩阵和距离阈值构建邻接矩阵；

45、对每个小区的属性信息进行特征编码；

46、基于每个小区经特征编码的属性信息以及所述邻接矩阵形成流量预测模型并进行训练；

47、基于训练后的流量预测模型预测小区流量。

48、本申请实施例还提供了一种小区流量预测设备，包括：第一处理器和用于存储能够在处理器上运行的计算机程序的第一存储器，

49、其中，所述第一处理器用于运行所述计算机程序时，执行上述方法的步骤。

50、本申请实施例还提供了一种存储介质，其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方法的步骤。

51、本申请实施例提供的小区流量预测方法、装置、设备和存储介质，基于各个小区之间的距离形成距离矩阵，并确定距离阈值；基于所述距离矩阵和距离阈值构建邻接矩阵；对每个小区的属性信息进行特征编码；基于每个小区经特征编码的属性信息以及所述邻接矩阵形成流量预测模型并进行训练；基于训练后的流量预测模型预测小区流量。本申请实施例的邻接矩阵基于距离矩阵和距离阈值等实际场景相关信息进行构建，并基于邻接矩阵和经特征编码的属性信息形成流量预测模型，与已有方案相比，使得流量预测模型能学习到更多的信息，在实现小区流量预测目的的同时降低计算复杂度，提高流量预测准确率、提升模型时间性能。

技术特征：

1.一种小区流量预测方法，其特征在于，该方法包括：

2.根据权利要求1所述的方法，其特征在于，基于各个小区之间的距离确定距离阈值，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于各个小区对应的所述第n个距离值确定所述距离阈值，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于所述距离矩阵和距离阈值构建邻接矩阵，包括：

5.根据权利要求1所述的方法，其特征在于，所述形成距离矩阵之前，所述方法还包括：

6.根据权利要求1或5所述的方法，其特征在于，所述小区的属性信息包括以下至少之一：

7.根据权利要求1所述的方法，其特征在于，所述基于每个小区经特征编码的属性信息以及所述邻接矩阵形成流量预测模型并进行训练，包括：

8.根据权利要求1所述的方法，其特征在于，所述基于训练后的流量预测模型预测小区流量，包括：

9.一种小区流量预测装置，其特征在于，包括：第一通信单元和第一处理单元；其中，

10.一种小区流量预测设备，其特征在于，包括：第一通信接口和第一处理器；其中，

11.一种小区流量预测设备，其特征在于，包括：第一处理器和用于存储能够在处理器上运行的计算机程序的第一存储器，

12.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。

技术总结
本申请实施例提供了一种小区流量预测方法、装置、设备和存储介质，所述方法包括：基于各个小区之间的距离形成距离矩阵，并确定距离阈值；基于所述距离矩阵和距离阈值构建邻接矩阵；对每个小区的属性信息进行特征编码；基于每个小区经特征编码的属性信息以及所述邻接矩阵形成流量预测模型并进行训练；基于训练后的流量预测模型预测小区流量。

技术研发人员：李利,朱琳,袁向阳
受保护的技术使用者：中国移动通信有限公司研究院
技术研发日：
技术公布日：2024/1/15