用户面组件下沉位置确定方法、装置、设备及存储介质与流程

本申请涉及通信，尤其涉及一种用户面组件下沉位置确定方法、装置、设备及存储介质。

背景技术：

1、随着大数据、物联网、工业互联网等技术的发展，各垂直行业对于网络传输速率、网络时延、安全性要求在提高。为满足用户对于数据不出场、超低时延、超大带宽等方面的需求，通过在5g专网设置用户面组件(user plane function，upf)的边缘计算，以此应对区县边缘的高带宽、时延敏感、数据机密性强等业务场景。

2、现有的边缘级upf的部署位置确定方法，主要通过操作者分析该区域内所承载的专网业务的需求进行人工进行判断，确定upf部署位置。但是由于涉及的站点、传输众多，各专网站点对于带宽、时延的需求也不相同，通过人工方法很难计算出最优的部署位置；且现有的专网网络仍处于高速发展的过程中，边缘upf所服务的区域下，业务需求发生着不断的变化，而现有方法是一种静态的评估方式难以满足网络动态的要求，导致确定的upf组件部署位置不准确。

技术实现思路

1、本申请的主要目的在于提供一种用户面组件下沉位置确定方法、装置、设备及存储介质，旨在解决现有技术中确定的upf组件部署位置不准确的技术问题。

2、为实现以上目的，本申请提供一种用户面组件下沉位置确定方法，所述用户面组件下沉位置确定方法包括：

3、获取边缘网络内节点的业务需求特征集合，其中，所述业务需求特征集合包括各所述节点的第一业务需求特征；

4、基于所述业务需求特征集合，确定各所述节点的需求度；

5、基于所述需求度，确定用户面组件下沉位置节点。

6、进一步的，所述基于所述业务特征集合，确定各所述节点的需求度的步骤，包括：

7、基于所述业务特征集合，对各所述节点进行邻区采样和邻区聚合，得到各所述节点在自身视角下所述边缘网络的第二业务需求特征；

8、基于各所述节点的所述第二业务需求特征，计算得到各所述节点的需求度。

9、进一步的，所述基于所述第二业务需求特征，计算得到各所述节点的需求度的步骤，包括：

10、将各所述节点的所述第二业务需求特征进行归一化，得到各所述节点归一化后的第三业务需求特征；

11、基于以下需求度计算公式，对各所述节点归一化后的第三业务需求特征进行需求度计算，得到各所述节点的需求度：

12、

13、其中，u为节点需求度，i为节点序号，j为需求特征序号，a为特征的权重系数，x为归一化后的需求特征，k为采样层数。

14、进一步的，所述基于所述业务特征集合，对各所述节点进行邻区采样和邻区聚合，得到各所述节点在自身视角下所述边缘网络的第二业务需求特征的步骤，包括：

15、获取边缘网络的有向图，其中，所述有向图包括所述边缘网络上各节点和传输链路的信息；

16、基于所述有向图，采用预设的图神经网络模型对各所述节点进行邻区采样和邻区聚合，得到各所述节点在自身视角下所述边缘网络的第二业务需求特征。

17、进一步的，所述基于所述有向图，采用预设的图神经网络模型对各所述节点进行邻区采样和邻区聚合，得到各所述节点在自身视角下所述边缘网络的第二业务需求特征的步骤，包括：

18、基于所述有向图，确定各所述节点的邻区节点；

19、基于各所述节点，采用预设的图神经网络模型对所述邻区节点进行采样，得到各所述节点的第四业务需求特征；

20、基于所述图神经网络模型，采用预设的聚合函数对所述第四业务需求特征进行多层邻区特征的聚合，得到各所述节点在自身视角下所述边缘网络的第二业务需求特征。

21、进一步的，所述聚合函数包括均值聚合函数和求和聚合函数，其中，

22、所述均值聚合函数为以下公式：

23、

24、所述求和聚合函数为以下公式：

25、

26、其中，为聚合后的第二业务需求特征，u为任一邻区节点的业务需求特征，v为业务需求特征，n为邻区确定功能。

27、进一步的，所述基于所述有向图，确定各所述节点的邻区节点的步骤，包括：

28、基于所述有向图，确定节点数量；

29、基于所述节点数量，采用以下公式计算采样层数：

30、k＝log2h

31、其中，h为节点数量，k为采样层数；

32、基于所述有向图，确定各所述节点相应所述采样层数的邻区节点。

33、本申请还提供一种用户面组件下沉位置确定装置，所述用户面组件下沉位置确定装置包括：

34、获取模块，用于获取边缘网络内节点的业务需求特征集合，其中，所述业务需求特征集合包括各所述节点的第一业务需求特征；

35、计算模块，用于基于所述业务需求特征集合，确定各所述节点的需求度；

36、确定模块，用于基于所述需求度，确定用户面组件下沉位置节点。

37、本申请还提供一种用户面组件下沉位置确定设备，所述用户面组件下沉位置确定设备包括：存储器、处理器以及存储在存储器上的用于实现所述用户面组件下沉位置确定方法的程序，

38、所述存储器用于存储实现用户面组件下沉位置确定方法的程序；

39、所述处理器用于执行实现所述用户面组件下沉位置确定方法的程序，以实现所述用户面组件下沉位置确定方法的步骤。

40、本申请还提供一种存储介质，所述存储介质上存储有实现用户面组件下沉位置确定方法的程序，所述实现用户面组件下沉位置确定方法的程序被处理器执行以实现所述用户面组件下沉位置确定方法的步骤。

41、本申请提供的一种用户面组件下沉位置确定方法、装置、设备及存储介质，相比与现有技术确定的upf组件部署位置不准确的方案，本申请通过获取边缘网络内节点的业务需求特征集合，基于所述业务需求特征集合，确定各所述节点的需求度，并基于所述需求度，确定用户面组件下沉位置节点。本申请将边缘网络中的各节点对于upf的需求进行量化，无需通过人工方法计算最优的部署位置，并且可以根据节点的业务需求变化进行相应的动态部署位置的评估，以此提高upf组件部署位置的准确性。

技术特征：

1.一种用户面组件下沉位置确定方法，其特征在于，所述用户面组件下沉位置确定方法包括：

2.如权利要求1所述的用户面组件下沉位置确定方法，其特征在于，所述基于所述业务特征集合，确定各所述节点的需求度，包括：

3.如权利要求2所述的用户面组件下沉位置确定方法，其特征在于，所述基于各所述节点的所述第二业务需求特征，计算得到各所述节点的需求度，包括：

4.如权利要求2所述的用户面组件下沉位置确定方法，其特征在于，所述基于所述业务特征集合，对各所述节点进行邻区采样和邻区聚合，得到各所述节点在自身视角下所述边缘网络的第二业务需求特征，包括：

5.如权利要求4所述的用户面组件下沉位置确定方法，其特征在于，所述基于所述有向图，采用预设的图神经网络模型对各所述节点进行邻区采样和邻区聚合，得到各所述节点在自身视角下所述边缘网络的第二业务需求特征，包括：

6.如权利要求5所述的用户面组件下沉位置确定方法，其特征在于，所述聚合函数包括均值聚合函数和求和聚合函数，其中，

7.如权利要求5所述的用户面组件下沉位置确定方法，其特征在于，所述基于所述有向图，确定各所述节点的邻区节点，包括：

8.一种用户面组件下沉位置确定装置，其特征在于，所述用户面组件下沉位置确定装置包括：

9.一种用户面组件下沉位置确定设备，其特征在于，所述用户面组件下沉位置确定设备包括：存储器、处理器以及存储在存储器上的用于实现所述用户面组件下沉位置确定方法的程序，

10.一种存储介质，其特征在于，所述存储介质上存储有实现用户面组件下沉位置确定方法的程序，所述实现用户面组件下沉位置确定方法的程序被处理器执行以实现如权利要求1至7中任一项所述用户面组件下沉位置确定方法的步骤。

技术总结本申请公开了一种用户面组件下沉位置确定方法、装置、设备及存储介质，所述用户面组件下沉位置确定方法包括：获取边缘网络内节点的业务需求特征集合，其中，所述业务需求特征集合包括各所述节点的第一业务需求特征；基于所述业务需求特征集合，确定各所述节点的需求度；基于所述需求度，确定用户面组件下沉位置节点。本申请属于通信技术领域，将边缘网络中的各节点对于UPF的需求进行量化，无需通过人工方法计算最优的部署位置，并且可以根据节点的业务需求变化进行相应的动态部署位置的评估，以此提高UPF组件部署位置的准确性。技术研发人员：方义成,盛捷,冷天科,赵远泰受保护的技术使用者：中国移动通信集团设计院有限公司技术研发日：技术公布日：2024/8/1