[发明专利]License动态调整的方法

权利要求书

1.一种License动态调整的方法，其特征在于，具体包括以下步骤：

(1)负荷潮汐性识别：首先判定小区是否是负荷潮汐性小区，若不是潮汐小区，则舍弃；若是潮汐小区，则判定该潮汐小区的负荷特性为高负荷还是低效；

(2)多层网识别：采用数据库技术根据小区命名规则辅助小区射频拉远单元RRU绑定情况，输出小区的多层网配置；

(3)硬件识别：首先根据现网基站配置表识别基站的小区硬件配置信息，然后根据基站硬件设备特性对步骤(1)中判定出的潮汐小区进行扩容或缩容的可行性评估；若可以，则输出方案；若否，则输出原因；

(4)智能匹配：根据步骤(2)和步骤(3)得到的该潮汐小区的特性匹配License调度小区对，并进行License互调度。

2.根据权利要求1所述的License动态调整的方法，其特征在于，所述步骤(1)具体包括以下步骤：

S11采用大数据决策树算法进行模型训练，判定为潮汐小区后，则根据高负荷标准、低效小区标准判断为高负荷潮汐小区还是低效潮汐小区；

S12根据话统数据过滤的标准输出潮汐高负荷潮汐小区、低效潮汐小区列表及特性。

3.根据权利要求2所述的License动态调整的方法，其特征在于，所述步骤(2)具体包括以下步骤：

S21对于步骤S12中判断出的高负荷潮汐小区和低效潮汐小区分别进行多层网配置识别，根据小区命名规则与小绑定的射频拉远单元RRU绑定情况识别小区对应的多层网配置的情况；

S22根据步骤S21中获取的多层网配置情况，评估高负荷潮汐小区是否可以扩容，若能，则输出对应的扩容方案，若不能，则输出对应的具体原因；评估低效潮汐小区是否可以缩容，并输出对应的缩容方案，若不能缩容，则输出对应的具体原因。

4.根据权利要求3所述的License动态调整的方法，其特征在于，所述步骤(3)具体包括以下步骤：

S31根据步骤S22中输出的扩容方案，对照基站硬件设备特性，评估是否可以进行软扩，若可以进行软扩，则给出可软扩小区列表；若不可以进行软扩，则给出对应受限项目；

S32根据步骤S22和步骤S31的结果，判断出高负荷潮汐小区与低效潮汐小区的分别对应的可软扩小区列表与可缩容小区列表。

5.根据权利要求4所述的License动态调整的方法，其特征在于，所述步骤(4)具体包括以下步骤：

S41根据步骤S32输出的可软扩小区列表与可缩容小区列表，根据潮汐时段匹配原则、需求与释放License匹配原则、同站优先策略进行智能匹配；

S42匹配成功的小区则输出匹配可调度的高负荷潮汐小区与对应的低效潮汐小区对进行调度实施；

S43调度实施后，则进行调度结果的评估。

6.根据权利要求4所述的License动态调整的方法，其特征在于，所述步骤(3)中的所述基站硬件设备特性包括基带板型号、射频拉远单元RRU型号、光模块功率和负荷分担方式。

7.根据权利要求4所述的License动态调整的方法，其特征在于，所述步骤S12识别高负荷与低效的潮汐小区是根据高负荷标准与高利率标准对指定时间段小时级别的话统数据进行算法识别的。

8.根据权利要求4所述的License动态调整的方法，其特征在于，所述步骤S22中评估高负荷潮汐小区是否可以扩容，或/和评估低效潮汐小区是否可以缩容是通过评估该潮汐小区是否存在频点资源进行扩容或/和是否存在多层网缩容资源实现的。

9.根据权利要求4所述的License动态调整的方法，其特征在于，所述步骤S11中的采用大数据决策树算法进行模型训练，具体过程为：

S111数据采集：将采集到的潮汐小区的数据作为正样本，采集到的非潮汐小区数据作为负样本，然后从正样本和负样本中按比例选取数据，对选取的部分数据分别作为训练数据、验证数据和测试数据进行处理；

S112算法设计：所述步骤S111中处理过后的训练数据，首先生成特征分位数，再进行数据压缩，使其适合于快速构建决策树，决策树构建过程中，采用梯度评估的方式进行多次迭代，以便构建出准确率更高的决策树集成模型；所述步骤S111中处理过的验证数据，通过初步已构建的所述决策树集成模型进行数据验证，再次采用预测得分的方式进行迭代以提高决策树模型的准确性；最后将得到的决策树模型对未知测试数据进行测试，使决策树模型得到最佳状态并输出；

S113数据预测：根据步骤S112中的决策树训练模型判定是否为负荷潮汐性小区，再判定潮汐特性。