专网用户无线资源动态调整方法、中央服务器、基站与流程

本技术属于通信网络资源控制领域，尤其涉及一种专网用户无线资源动态调整方法、中央服务器、基站。

背景技术：

1、随着大数据、物联网、工业互联网等技术的发展，各垂直行业对于网络传输速率、网络时延、安全性要求在提高。第五代移动通信技术(5th generation mobilecommunication technology，5g)公网无法满足企业对于安全性等方面的需求，这驱使着越来越多的企业开始瞄准5g专网。

2、现有的技术手段主要为固定设置法，收集公网用户的业务负荷与专网用户的业务负荷，再根据站点整体的资源进行配置，在兼顾公网用户业务的基础上为专网用户预留资源。

3、但是现有的预留方法中，预留比例不能动态调整，无线资源利用效率低下，而且分析的准确性、调整的频度、调整的及时性均存在不足。

技术实现思路

1、本技术实施例提供一种在专网用户无线资源动态调整方法、中央服务器、基站、设备及计算机存储介质，能够准确且及时调整专网用户预留资源。

2、第一方面，本技术实施例提供一种专网用户无线资源动态调整方法，方法包括：

3、获取与中央服务器对应连接的多个基站的历史预设时间段内的用户性能指标数据；

4、将用户性能指标数据按照时间线顺序，划分为性能指标标签和性能指标标签对应的数据，并将性能指标标签和性能指标标签对应的数据作为训练样本；

5、基于训练样本，对门控循环单元(gated recurrent unit，gru)时间序列模型进行训练，得到预训练后的gru时间序列模型；

6、将预训练后的gru时间序列模型发送给多个基站，以用于每个基站基于本地数据对预训练后的gru时间序列模型继续进行训练，得到调优后的gru时间序列模型，并将调优后的gru时间序列模型对应的参数发送给中央服务器，其中，本地数据为基站对应小区的用户性能指标数据；

7、基于多个基站发送的调优后的gru时间序列模型对应的参数，对预训练后的gru时间序列模型中的参数进行调整，得到全局模型，并将全局模型中的参数发送给多个基站，以用于每个基站基于全局模型中的参数对未来预设时间段内专网用户的资源块(resourceblock，rb)预留比例进行调整。

8、在一个可以实现的实施方式中，每个基站基于全局模型中的参数对未来预设时间段内专网用户的资源块rb预留比例进行调整，包括：

9、每个基站基于全局模型中的参数和本地数据对对应的调优后的gru时间序列模型继续进行训练，并基于最新训练后的gru时间序列模型和获取的待处理数据对未来预设时间段内的性能指标进行预测，基于预测结果对未来预设时间段内专网用户的rb预留比例进行调整。

10、在一个可以实现的实施方式中，基于预测结果对未来预设时间段内专网用户的rb预留比例进行调整，包括：

11、在预测结果中的预测专网用户速率无法满足需求，且预测公网用户速率满足基线值的情况下，增加专网用户的rb预留比例；

12、在预测结果中的预测专网用户速率满足需求，且当前处于非高负荷的情况下，减小专网用户的rb预留比例。

13、在一个可以实现的实施方式中，增加后的专网用户的rb预留比例，满足公式min(rvmax，rvx+max(0.5，min(nd/nc，1.5))*p)，其中，rvmax为预设的专网rb最大预留比例、rvx为预设的初始化专网rb预留比例、nd为预测结果中的公网平均用户数、nc为专网平均用户数、p为预设的动态调整比例步长；

14、减小后的专网用户的rb预留比例，满足公式max(rvmin，rvx-max(0.5，min(nd/nc，1.5))*p)，其中，rvmin为预设的专网rb最小预留比例、rvx为预设的初始化专网rb预留比例、nd为预测结果中的公网平均用户数、nc为专网平均用户数、p为预设的动态调整比例步长。

15、在一个可以实现的实施方式中，用户性能指标数据包括公网平均用户数、专网平均用户数、公网媒体接入控制(media accesscontrol，mac)层上行速率、专网用户mac层上行数据、公网用户mac层下行速率、专网用户mac层下行数据、上行物理资源模块(physicalresource block，prb)利用率、下行prb利用率。

16、第二方面，本技术实施例提供了一种专网用户无线资源动态调整方法，应用于基站，方法包括：

17、获取对应小区历史预设时间段内的用户性能指标数据，并发送给中央服务器，以用于中央服务器将用户性能指标数据按照时间线顺序，划分为性能指标标签和性能指标标签对应的数据，并将性能指标标签和性能指标标签对应的数据作为训练样本，基于训练样本对门控循环单元gru时间序列模型进行训练，得到预训练后的门控循环单元gru时间序列模型；

18、接收中央服务器发送的预训练后的gru时间序列模型，并基于本地数据对预训练后的gru时间序列模型继续进行训练，得到调优后的gru时间序列模型，并将调优后的gru时间序列模型对应的参数发送给中央服务器，其中，本地数据为基站对应小区的用户性能指标数据；

19、接收中央服务器基于多个基站发送的调优后的gru时间序列模型对应的参数，对预训练后的gru时间序列模型中的参数进行调整，得到的全局模型中的参数，并基于全局模型中的参数对未来预设时间段内专网用户的资源块rb预留比例进行调整。

20、在一个可以实现的实施方式中，基于全局模型中的参数对未来预设时间段内专网用户的资源块rb预留比例进行调整，包括：

21、基于全局模型中的参数和本地数据对对应的调优后的gru时间序列模型继续进行训练，并基于最新训练后的gru时间序列模型和获取的待处理数据对未来预设时间段内的性能指标进行预测；

22、基于预测结果对未来预设时间段内专网用户的rb预留比例进行调整。

23、在一个可以实现的实施方式中，基于预测结果对未来预设时间段内专网用户的rb预留比例进行调整，包括：

24、在预测结果中的预测专网用户速率无法满足需求，且预测公网用户速率满足基线值情况下，增加专网用户的rb预留比例；

25、在预测结果中的预测专网用户速率满足需求，且当前处于非高负荷的情况下，减小专网用户的rb预留比例。

26、在一个可以实现的实施方式中，增加后的专网用户的rb预留比例，满足公式min(rvmax，rvx+max(0.5，min(nd/nc，1.5))*p)，其中，rvmax为预设的专网rb最大预留比例、rvx为预设的初始化专网rb预留比例、nd为预测结果中的公网平均用户数、nc为专网平均用户数、p为预设的动态调整比例步长；

27、减小后的专网用户的rb预留比例，满足公式max(rvmin，rvx-max(0.5，min(nd/nc，1.5))*p)，其中，rvmin为预设的专网rb最小预留比例、rvx为预设的初始化专网rb预留比例、nd为预测结果中的公网平均用户数、nc为专网平均用户数、p为预设的动态调整比例步长。

28、在一个可以实现的实施方式中，用户性能指标数据包括公网平均用户数、专网平均用户数、公网媒体接入控制mac层上行速率、专网用户mac层上行数据、公网用户mac层下行速率、专网用户mac层下行数据、上行物理资源模块prb利用率、下行prb利用率。

29、第三方面，本技术实施例提供了一种中央服务器，该中央服务器包括：

30、获取模块，用于获取与中央服务器对应连接的多个基站的历史预设时间段内的用户性能指标数据；

31、训练样本确定模块，用于将用户性能指标数据按照时间线顺序，划分为性能指标标签和性能指标标签对应的数据，并将性能指标标签和性能指标标签对应的数据作为训练样本；

32、训练模块，用于基于训练样本，对门控循环单元gru时间序列模型进行训练，得到预训练后的gru时间序列模型；

33、发送模块，用于将预训练后的gru时间序列模型发送给多个基站，以用于每个基站基于本地数据对预训练后的gru时间序列模型继续进行训练，得到调优后的gru时间序列模型，并将调优后的gru时间序列模型对应的参数发送给中央服务器，其中，本地数据为基站对应小区的用户性能指标数据；

34、训练模块，还用于基于多个基站发送的调优后的gru时间序列模型对应的参数，对预训练后的gru时间序列模型中的参数进行调整，得到全局模型，并将全局模型中的参数发送给多个基站，以用于每个基站基于全局模型中的参数对未来预设时间段内专网用户的资源块rb预留比例进行调整。

35、第四方面，本技术实施例提供了一种基站，该基站包括：

36、获取模块，用于获取对应小区历史预设时间段内的用户性能指标数据，并发送给中央服务器，以用于中央服务器将用户性能指标数据按照时间线顺序，划分为性能指标标签和性能指标标签对应的数据，并将性能指标标签和性能指标标签对应的数据作为训练样本，基于训练样本对门控循环单元gru时间序列模型进行训练，得到预训练后的门控循环单元gru时间序列模型；

37、处理模块，用于接收中央服务器发送的预训练后的gru时间序列模型，并基于本地数据对预训练后的gru时间序列模型继续进行训练，得到调优后的gru时间序列模型，并将调优后的gru时间序列模型对应的参数发送给中央服务器，其中，本地数据为基站对应小区的用户性能指标数据；

38、处理模块，还用于接收中央服务器基于多个基站发送的调优后的gru时间序列模型对应的参数，对预训练后的gru时间序列模型中的参数进行调整，得到的全局模型中的参数，并基于全局模型中的参数对未来预设时间段内专网用户的资源块rb预留比例进行调整。

39、第五方面，本技术实施例提供了一种电子设备，设备包括：

40、处理器，以及存储有计算机程序指令的存储器；处理器读取并执行计算机程序指令，以实现第一方面以及第一方面的可以实现的实施方式中的专网用户无线资源动态调整方法，或实现第二方面以及第二方面的可以实现的实施方式中的专网用户无线资源动态调整方法。

41、第六方面，本技术实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现第一方面以及第一方面的可以实现的实施方式中的专网用户无线资源动态调整方法，或实现第二方面以及第二方面的可以实现的实施方式中的专网用户无线资源动态调整方法。

42、本技术实施例的专网用户无线资源动态调整方法、中央服务器、基站、设备及计算机存储介质，针对现有方法静态配置调整频度不足的问题，发明专网用户无线资源动态预留的整体调整架构与动态预留比例调整方法，极大程度提高调整的频度；针对现有的方法以中心服务器的方式进行分析与调整，分析的准确性、调整的及时性均存在不足的问题，基于联邦迁移学习架构的gru时间序列预测算法对小区的业务需求进行建模的算法，提高了分析的效率与准确性，并能够及时提取最近历史数据实现快速分析并进一步执行，提高了整体的及时性；针对现有方法考虑因素较少的问题，本技术专网rb预留比例调整方案基于专网用户、公网用户需求，考虑利用率、用户数等多种因素进行方案输出分析，调整方案更准确。