[发明专利]一种基站流量预测方法和设备

权利要求书

1.一种基站流量预测方法，其特征在于，包括：

将待预测基站对应的节点内流量特征及节点间流量特征输入预先基于基站空间依赖关系建立的流量预测模型，获取输出的待预测基站的流量预测值；

其中，所述节点内流量特征为待预测基站及与待预测基站相邻基站的基站内流量，所述节点间流量特征为待预测基站与待预测基站相邻基站之间的基站间流量；

所述基站内流量为当前时段及前一时段均在待预测基站的用户所产生的流量；

所述基站间流量为前一时段不在待预测基站，而当前时段在待预测基站的用户所产生的流量；

所述将待预测基站对应的节点内流量特征及节点间流量特征输入预先基于基站空间依赖关系建立的流量预测模型的步骤前还包括：

S1，获取训练集并基于有向图构建图神经网络模型；所述训练集包括输入量及对应的结果；所述输入量为待预测基站对应的t时段的前k个时段的节点内流量特征和节点间流量特征，所述结果为t时段的流量值；其中，k和t为大于1的自然数；

S2，将所述训练集输入图神经网络模型以对图神经网络模型进行训练，获取训练完成的与待预测基站对应的流量预测模型。

2.根据权利要求1所述的方法，其特征在于，所述S1中获取训练集的步骤具体包括：

从发送至基站的数据包中获取流量数据；所述流量数据包括基站的t时段和前k个时段的流量值以及用户集合；所述基站包括待预测基站及与待预测基站相邻的基站；

对所述流量数据进行分解处理，获取待预测基站的训练集。

3.根据权利要求2所述的方法，其特征在于，所述从发送至基站的数据包中获取流量数据的步骤具体包括：

通过蜂窝网络监测系统获取设备发送至基站的数据包；

删除所述数据包中不完整的数据记录和/或漫游至本地的数据记录。

4.根据权利要求2所述的方法，其特征在于，所述S1中基于有向图构建图神经网络模型的步骤前还包括：

根据待预测基站及与待预测基站的相邻基站之间的空间依赖关系创建有向图；所述有向图包括基站的集合、边的集合以及边的权重向量。

5.根据权利要求4所述的方法，其特征在于，所述根据待预测基站及与待预测基站的相邻基站之间的空间依赖关系创建有向图的步骤后还包括：

在边的集合中，删除权重向量中零的个数大于阈值的权重向量所对应的边。

6.根据权利要求4所述的方法，其特征在于，

所述基站内流量具体为

其中，A_t(c)为t时段及t-1时段均停留在待预测基站中的用户集合，A_t(c)＝P_t(c)∩P_t-1(c)；

所述基站间流量具体为

其中，B_t(c)为t-1时段在相邻基站，而t时段在待预测基站的用户集合，B_t(c)＝P_t(c)\P_t-1(c)；

待预测基站在t时段的流量值为

式中，x表示流量，c表示待预测基站，u表示用户，P表示用户集合。

7.根据权利要求6所述的方法，其特征在于，所述有向图具体包括G＝(C，E，W)；其中，C为基站的集合，E为边的集合，W为边的权重向量；

边的集合E中包含至少一条依赖边，依赖边包含流量值及流量移动方向信息，依赖边的权重为与依赖边对应的用户的数目向量。