[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有效
申请号: | 201811109563.9 | 申请日: | 2018-09-21 |
公开(公告)号: | CN108834079B | 公开(公告)日: | 2020-05-01 |
发明(设计)人: | 李曦;田松奇;纪红;张鹤立 | 申请(专利权)人: | 北京邮电大学 |
主分类号: | H04W4/029 | 分类号: | H04W4/029;H04W28/08;H04W64/00;H04L12/24 |
代理公司: | 北京永创新实专利事务所 11121 | 代理人: | 祗志洁 |
地址: | 100876 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 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。 | ||
搜索关键词: | 一种 网络 基于 移动性 预测 负载 均衡 优化 方法 | ||
【主权项】:
1.一种在异构网络中基于移动性预测的负载均衡优化方法,其特征在于,包括:步骤1,根据用户的历史移动轨迹,建立决策树模型,预测用户的下一位置;在建立决策树模型时,将用户的下一位置Si+1作为目标属性,输入训练数据集中对象的属性特征包括:当天是否周末W、此时在一天中所处的时间段、用户的上一位置、用户的当前位置;在训练好决策树模型后,输入用户对应的属性特征,预测用户的下一位置;步骤2,获取用户下一位置周围的基站,将单个基站的负载状态作为一个独立个体,对获取的每个基站,利用自回归移动平均模型分析基站的历史负载状态,预测基站未来的负载状态;步骤3,在获得用户的下一位置与该位置周围的基站的负载状态之后,对即将到来的用户提前制订资源分配策略;所述的资源分配策略包括:首先根据负载状态对基站进行等级划分,分为重度负载、中度负载和轻度负载三种状态;然后根据用户下一位置的直接目标基站所处的等级进行负载均衡处理,如果直接目标基站处于重度负载状态,则将相邻基站中处于中度负载或轻度负载状态的基站列为候选基站,然后将从候选基站中选择负载最轻者为新用户提供接入服务;如果直接目标基站处于中度负载状态,则将相邻基站中处于轻度负载状态的基站列为候选基站,然后将从候选基站中选取负载最轻者接入新用户;如果直接目标基站处于轻度负载状态,则由目标基站接入新用户。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京邮电大学,未经北京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201811109563.9/,转载请声明来源钻瓜专利网。