[发明专利]一种网络流量预测方法和装置

说明书

本申请实施例提供了一种网络流量预测方法和装置，涉及通信领域，能够用于预测蜂窝网络流量的时空分布信息，以便指导蜂窝网络的部署和休眠策略，从而保证通信质量和能效平衡。该方案包括：计算设备获取训练数据，训练数据包括目标区域中的至少两个基站在第一时间间隔内的流量监测数据；计算设备根据训练数据建立贝叶斯时空模型；计算设备基于贝叶斯时空模型预测目标区域中的至少一个基站在第二时间间隔内的任一时刻或任一时间段的流量数据，第一时间间隔与第二时间间隔不同。本申请应用于蜂窝网络中对网络流量的时空分布特性进行预测的场景中。

技术领域

本申请涉及通信领域，尤其涉及一种网络流量预测方法和装置。

背景技术

为了保证通信质量和能效平衡，第五代移动通信技术(5Generation，5G)通信中采用了超密集组网(Ultra Dense Deployment，UDN)和基站休眠技术。其中，UDN的实施需要获取蜂窝网络流量的空间分布特性来制定部署策略，基站休眠的实施需要获取蜂窝网络流量的时间分布特性来制定休眠策略，而蜂窝网络流量建模和预测可以通过预测蜂窝网络流量的时空分布特性，为UDN和基站休眠提供参考信息。

现有的蜂窝网络流量预测要么只对空间分布进行建模，要么仅对某一时刻或者某一时间段内的业务进行空间分布拟合或者进行理论分析。例如，Lognorm分布模型给出了一定区域范围内流量分布的整体统计规律，并没有体现流量在空间距离上的相关性，也缺乏相应的流量分布解析表达式。Exponential分布模型不能刻画当前异构无线网络环境中流量分布呈现出的多峰值分布规律。截断二维余弦变换分布模型只是针对某一特定区域特定时间下快照下的流量空间模型，并不具有普适意义。快速傅里叶变换用正弦函数叠加拟合分布模型利用区域内每天的总业务量具有明显的周期性进行预测。时间序列预测建模适合短期预测，适宜预测目标的基本趋势在某一水平上下波动。相关分析预测建模对中长期预测准确性较差，并且需要较多的现实统计数据和纯数学公式的推导，后期需要结合环境的变化进行修正。

在实现上述蜂窝网络流量建模和预测的过程中，发明人发现现有技术中至少存在如下问题：

现有的蜂窝网络流量预测算法要么局限于预测某区域总体的流量变化，要么只对某一时刻的空间分布进行拟合或者建模，均与实际情况有较大出入，不能很好地指导异构蜂窝网络的部署和休眠策略。因此，亟需提出一种针对蜂窝网络流量的时空分布信息的预测方法。

发明内容

本申请的实施例提供一种网络流量预测方法和装置，能够用于预测蜂窝网络流量的时空分布信息，以便指导蜂窝网络的部署和休眠策略，从而保证通信质量和能效平衡。

为达到上述目的，本申请的实施例采用如下技术方案：

一种网络流量预测方法，包括：

计算设备获取训练数据，训练数据包括目标区域中的至少两个基站在第一时间间隔内的流量监测数据；

计算设备根据训练数据建立贝叶斯时空模型；

计算设备基于贝叶斯时空模型预测目标区域中的至少一个基站在第二时间间隔内的任一时刻或任一时间段的流量数据，第一时间间隔与第二时间间隔不同。

一种计算设备，包括：

获取单元，用于获取训练数据，训练数据包括目标区域中的至少两个基站在第一时间间隔内的流量监测数据；

处理单元，用于根据训练数据建立贝叶斯时空模型；

处理单元，还用于基于贝叶斯时空模型预测目标区域中的至少一个基站在第二时间间隔内的任一时刻或任一时间段的流量数据，第一时间间隔与第二时间间隔不同。