数据驱动的移动网络优化方法和装置

本发明涉及通信，尤其涉及一种数据驱动的移动网络优化方法和装置。

背景技术：

1、移动网络为我们生活中的连接和通信提供了便利。随着5g技术的部署，移动网络在容量和通信速度方面取得了巨大进步，但5g网络带来的巨大能耗和由此产生的碳排放严重困扰着研究人员。4g和5g混合异构网络使得网络优化变得困难。因此，5g技术乃至整个通信领域的进步需要探索复杂异构网络节能降碳的新优化方法。

2、在移动网络中，4g和5g小区的流量负载及其能耗不成正比。当电池处于活动状态时，即使接近0的流量负载也会导致高能耗。节能方法的基本思路是通过将低负载电池流量转移到其他电池并将电池设置为休眠来节省能量，进一步降低碳排放。而核心步骤是对未来流量的预测和流量迁移。

3、流量预测是一个时间序列预测的任务。利用历史流量的时间序列数据预测未来流量的时间序列。传统节能方法中对流量的预测通常是根据历史流量数据进行简单估计，如直接使用上一天的流量，或使用之前几天流量的动态均值，这些估计结果都非常粗糙。为了解决时间序列问题，一些研究引入rnn、lstm等深度学习方法进行预测，这些方法在许多序列到序列任务中具有良好的性能，但难以处理时间序列的因果约束，导致对未来流量的预测较为粗糙，容易产生不必要的能耗和碳排放。

4、时间序列的因果约束即移动网络的流量存在的空间因果关系，因为共覆盖小区承载着同一片区域用户流量负载，所以有时一个小区的流量变化是其某个共覆盖小区流量变化的原因。为了在流量预测任务中提取这种空间因果关系的信息，有些研究使用knn、gnn等方法基于小区的空间分布进行特征提取，但这些方法无法解决大规模网络的空间特征提取，同时也难以充分考虑空间因果关系。

5、现有技术中，流量迁移主要包括基于阈值的方法和贪心方法。基于阈值的方法通过基站用户数量和prb(physical resource block)的利用率来测量基站的负载，并根据专家知识手动设置阈值。如果基站的负载低于阈值并且至少有一个活动补偿基站，可以将服务迁移到活动补偿基站并使其自身休眠。然而，这一阈值是根据经验设置的，很难扩展到不同的网络，无法实现最佳的节能效果。贪婪方法通过小区共覆盖关系划分网格，预测每个网格的流量，根据容量选择活动小区，并将流量从其他小区迁移到活动小区。贪婪方法使用历史流量的动态平均值来预测未来流量，这是相对粗略的，可能会造成能源浪费或错过流量。此外，该方法忽略了移动网络中小区能效的多样性，无法选择最优的有源小区组合。随着网络结构的复杂性以及4g和5g异构网络的出现，这些方法已不能满足当前移动网络的优化和节能要求。

6、综上，现有技术存在能耗高、优化效果差的问题。

技术实现思路

1、本发明提供一种数据驱动的移动网络优化方法和装置，用以解决现有技术中能耗高、优化效果差的缺陷，实现更节能的、优化效果更好的移动网络优化。

2、本发明提供一种数据驱动的移动网络优化方法，包括：

3、获取目标移动网络覆盖的各小区在目标时间范围内的历史数据、空间位置和小区之间的共覆盖关系；所述历史数据包括流量时间序列和能耗时间序列；

4、根据所述共覆盖关系对所述小区及其共覆盖小区的流量时间序列进行因果相关性检验，得到所有小区的因果相关小区；

5、根据每个所述小区的流量时间序列和所述小区的因果相关小区的流量时间序列，利用预先构建的注意力机制和预先规定的冗余编码的编码规则基于预先构建的弱预测器对所述小区在目标日期的流量进行预测，得到所有小区的流量预测结果；

6、根据所述空间位置和所述共覆盖关系对4g小区进行网格划分，根据所述能耗时间序列计算得到每个所述4g小区的平均能效，根据所述平均能效对每个网格内的所述流量预测结果进行流量优化，得到优化结果。

7、根据本发明提供的一种数据驱动的移动网络优化方法，所述根据所述空间位置和所述共覆盖关系对4g小区进行网格划分，根据所述能耗时间序列计算得到每个所述4g小区的平均能效，根据所述平均能效对每个网格内的所述流量预测结果进行流量优化，得到优化结果，具体包括：

8、对于每个4g小区，根据所述空间位置和所述共覆盖关系找到空间上与所述4g小区存在服务共覆盖的等效小区，得到各个4g小区之间的等效关系，根据所述等效关系对所述4g小区进行网格划分；

9、根据所有4g小区的流量预测结果按照网格划分结果计算每个网格的总预测流量；

10、根据所述能耗时间序列中所述4g小区的所有时刻能效的平均值计算平均能效，将每个网格内的4g小区按照所述平均能效排序，按照排序结果将所述网格的总预测流量进行分配，得到优化结果。

11、根据本发明提供的一种数据驱动的移动网络优化方法，获取的数据还包括各小区在目标时间范围内的能耗计算模型；在所述小区包括4g小区和5g小区的情况下，所述根据所述空间位置和所述共覆盖关系对4g小区进行网格划分，根据所述能耗时间序列计算得到每个所述4g小区的平均能效，根据所述平均能效对每个网格内的所述流量预测结果进行流量优化，之后还包括：

12、根据所述能耗计算模型计算流量分配的结果会给各个4g小区产生的能耗，并根据能耗计算结果计算每个网格在目标日期内各个时刻的第一能效估计值；

13、根据所述能耗计算模型计算5g小区的流量预测结果在所述目标日期内各个时刻产生的第二能效估计值；

14、将所述第二能效估计值与其共覆盖4g小区所在的网格的第一能效估计值进行对比，根据对比结果进行流量卸载；

15、完成流量卸载后重新对4g网络的各个网格进行流量分配，得到最终的优化结果。

16、根据本发明提供的一种数据驱动的移动网络优化方法，所述将所述第二能效估计值与其共覆盖4g小区所在的网格的第一能效估计值进行对比，根据对比结果进行流量卸载，具体包括：

17、在所述第一能效估计值大于所述第二能效估计值且所述网格的剩余容量大于所述5g小区的流量预测结果的情况下，进行模拟流量卸载；

18、如果模拟卸载后所述5g小区和所述网格的总能效提高，则进行流量卸载。

19、根据本发明提供的一种数据驱动的移动网络优化方法，所述根据所述共覆盖关系对所述小区及其共覆盖小区的流量时间序列进行因果相关性检验，得到所有小区的因果相关小区，具体包括：

20、s101：选择当前小区；

21、s102：利用granger因果检验逐个检验所述当前小区的所述流量时间序列与其共覆盖小区的所述流量时间序列之间的因果相关性，得到所述当前小区的因果相关小区；

22、s103：更新当前小区，重复步骤s101-s103，直至得到所有小区的因果相关小区。

23、根据本发明提供的一种数据驱动的移动网络优化方法，所述根据每个所述小区的流量时间序列和所述小区的因果相关小区的流量时间序列，利用预先构建的注意力机制和预先规定的冗余编码的编码规则基于预先构建的弱预测器对所述小区在目标日期的流量进行预测，得到所有小区的流量预测结果，具体包括：

24、s201：将每个小区的所述流量时间序列标准化，并将标准化的结果划分为多个第一长度的输入流量样本和第二长度的输出流量样本；

25、s202：将确定的待测小区的输入流量样本和所述待测小区的因果相关小区的输入流量样本输入至预先构建的注意力机制进行特征提取，得到正空间特征和负空间特征；

26、s203：将所述待测小区的输出流量样本按照预先设置的编码间隔和组数进行冗余编码，得到预设数量个编码结果；其中，所述预设数量为所述组数的数值；

27、s204：将所述正空间特征和所述负空间特征作为每个弱预测器的输入，将每个所述编码结果作为一个所述弱预测器的预测目标，得到所述预设数量个预测结果；

28、s205：根据所述冗余编码的编码规则将所述预设数量个预测结果进行集成，得到所述待测小区的流量预测结果；

29、s206：更新所述待测小区，重复步骤s202-s206，直至得到所有小区的流量预测结果。

30、本发明还提供一种数据驱动的移动网络优化装置，包括：

31、获取单元，用于获取目标移动网络覆盖的各小区在目标时间范围内的历史数据、空间位置和小区之间的共覆盖关系；所述历史数据包括流量时间序列和能耗时间序列；

32、因果单元，用于根据所述共覆盖关系对所述小区及其共覆盖小区的流量时间序列进行因果相关性检验，得到所有小区的因果相关小区；

33、预测单元，用于根据每个所述小区的流量时间序列和所述小区的因果相关小区的流量时间序列，利用预先构建的注意力机制和预先规定的冗余编码的编码规则基于预先构建的弱预测器对所述小区在目标日期的流量进行预测，得到所有小区的流量预测结果；

34、优化单元，用于根据所述空间位置和所述共覆盖关系对4g小区进行网格划分，根据所述能耗时间序列计算得到每个所述4g小区的平均能效，根据所述平均能效对每个网格内的所述流量预测结果进行流量优化，得到优化结果。

35、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述数据驱动的移动网络优化方法。

36、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述数据驱动的移动网络优化方法。

37、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述数据驱动的移动网络优化方法。

38、本发明提供的数据驱动的移动网络优化方法和装置，通过获取目标移动网络覆盖的各小区在目标时间范围内的历史数据、空间位置和小区之间的共覆盖关系；所述历史数据包括流量时间序列和能耗时间序列；根据所述共覆盖关系对所述小区及其共覆盖小区的流量时间序列进行因果相关性检验，得到所有小区的因果相关小区；根据每个所述小区的流量时间序列和所述小区的因果相关小区的流量时间序列，利用预先构建的注意力机制和预先规定的冗余编码的编码规则基于预先构建的弱预测器对所述小区在目标日期的流量进行预测，得到所有小区的流量预测结果；根据所述空间位置和所述共覆盖关系对4g小区进行网格划分，根据所述能耗时间序列计算得到每个所述4g小区的平均能效，根据所述平均能效对每个网格内的所述流量预测结果进行流量优化，得到优化结果。本发明通过发掘包括流量时间序列和能耗时间序列在内的历史数据，得到可以用于指导网络节能的可靠信息，并基于这些可靠信息进行移动网络优化，实现更节能的、优化效果更好的移动网络优化。