[发明专利]一种在异构网络中基于移动性预测的负载均衡优化方法

说明书

本发明提供了一种在异构网络中基于移动性预测的负载均衡优化方法，属于通信技术领域。本发明方法研究比较用户此前状态对未来位置预测的影响，选择最佳的决策树输入属性特征，建立决策树模型，来对用户下一时刻的位置做出预测，然后采用时间序列分析方法预测当用户到来时基站的负载状态，最后提前制定资源分配策略，优化网络的负载均衡。本发明提高了移动性预测准确率，不必监控临近区域每一个潜在用户对本基站可能的影响，降低了网络的负担，改善了热点地区的网络性能，提高了用户服务体验。

技术领域

本发明属于通信技术领域，涉及一种在异构网络中基于移动性预测的负载均衡优化方法。

背景技术

随着通信网络中移动数据流量的飞速增长，大量的小基站被广泛部署以提升网络容量。在某些热点地区，往往会聚集比其他地区更多的用户。由于用户在通信网络中的不均匀分布，一些基站由于用户过多而出现了过载的情况，与此同时，另一些基站负载较轻，处于相对空闲的状态。在热点地区的用户可能由于基站无法及时提供足够的资源而遭遇恶劣的服务体验。为了改善用户的服务质量，同时更充分地利用负载较轻的基站的空闲资源，需要使用负载均衡技术来对用户连接进行调整，改善网络整体的负载均衡状态。

参考文献1[Q.Li,X.Gu,L.Lu,et al.“Green heterogeneous network with loadbalancing in lte-a systems,”in 2014IEEE 25th Annual International Symposiumon Personal,Indoor,and Mobile Radio Communication(PIMRC),Sept 2014,pp.1991–1995.]提出了一种绿色节能异构网络中的负载均衡策略。但是该机制需要根据网络目前的负载状况与用户的连接状态，重新调整使用户连接到合适的基站，从而达到负载均衡的目的。这样在用户事实上已经处于连接状态下进行重新调整的策略，将会导致额外的用户切换与资源消耗。因此，若通过使用移动性预测技术预测用户的下一位置，基站能够提前了解即将到来的新用户的信息，并且在用户到达之前就获知基站未来的负载状态，就可以提前进行负载均衡规划，在用户到来时将其接入合适的基站，从而避免接入之后再次调整带来的资源消耗。

在移动性预测研究中，决策树是一种重要的方法。参考文献2[C.Manasseh andR.Sengupta,“Predicting driver destination using machine learning techniques,”in 16th International IEEE Conference on Intelligent Transportation Systems(ITSC 2013),Oct 2013,pp.142–147.]中，作者根据汽车司机的GPS轨迹建立决策树模型，预测司机的目的地。文中对模型输入司机的当前位置、5分钟之前的位置、在一天中所处的时刻以及当天属于一周中的哪一天。用户在移动过程中，将会产生一系列的位置记录。但怎样将所获得的可能相关的信息转换为决策树的输入训练特征以尽量提高模型的预测准确率，是一个需要进一步研究的问题。