[发明专利]突发负荷的预测方法及装置、存储介质、电子装置

说明书

本发明提供了一种突发负荷的预测方法及装置、存储介质、电子装置，其中，上述方法包括：采集指定区域的负载指标数据，其中，所述负载指标数据用于表征所述指定区域的负载情况；使用突发负荷模型对所述负载指标数据进行分析，预测突发负荷的发生情况，其中，所述突发负荷模型为使用多组数据通过机器学习训练出的，采用上述技术方案，以至少解决相关技术中对于突发性负荷激增引起的实时拥塞，传统技术方案存在成本高等问题。

技术领域

本发明涉及通信领域，具体而言，涉及一种突发负荷的预测方法及装置、存储介质、电子装置。

背景技术

服务网络通常资源有限，接入节点或全网的负荷逼近甚至达到上限通常有几种情形。一种是中长期逐渐逼近容量上限，一种是中短期周期性负荷冲高，还有一种是实时突发性激增。其中，小时以上粒度的短期到长期负荷预测，一般以时间序列模型为主。而突发性负荷激增通常主要由网络用户随机行为决定，只和距发生时刻很近的时段有关，由此引起的拥塞是公开难题。

以蜂窝通信网络为例，小区负荷超过一定程度时，将会降低小区中用户的业务性能(例如出现延迟、卡顿)，严重时产生拥塞导致系统基础指标急剧恶化以致用户业务无法正常进行。尤其用户密度较高的场景下，例如体育比赛、演唱会、大型集会时，如何缓解乃至避免实时拥塞，是运营商与用户的痛点。

传统方案主要有三种实现方式：

(1)按照拥塞时刻对应的用户容量进行区域规划与布置。这样在普通时段会严重降低频谱利用率并极大提高网络成本；(2)把区域内小区参数固定到“最高接入数”档位，仅保证用户的基础连接。这样会牺牲用户速率与业务种类；(3)为兼顾频谱利用率与用户体验，在用户密度很高(或称为高话务)的场景发生时，人工监控各项网络指标，根据指标是否超过预定门限来不停手动调整网络参数，然而这样的技术方案需要在现场布置很多运维人员，极大增加人工成本。

针对相关技术中，对于突发性负荷激增引起的实时拥塞，传统技术方案存在成本高等问题，尚未提出有效的技术方案。

发明内容

本发明实施例提供了一种突发负荷的预测方法及装置、存储介质、电子装置，以至少解决相关技术中对于突发性负荷激增引起的实时拥塞，传统技术方案存在成本高等问题。

根据本发明的一个实施例，还提供了一种突发负荷的预测方法，包括：

采集指定区域的负载指标数据，其中，所述负载指标数据用于表征所述指定区域的负载情况；使用突发负荷模型对所述负载指标数据进行分析，预测突发负荷的发生情况，其中，所述突发负荷模型为使用多组数据通过机器学习训练出的。

根据本发明的另一个实施例，还提供了一种突发负荷的预测装置，包括：采集模块，用于采集指定区域的负载指标数据，其中，所述负载指标数据用于表征所述指定区域的负载情况；预测模块，用于使用突发负荷模型对所述负载指标数据进行分析，预测突发负荷的发生情况，其中，所述突发负荷模型为使用多组数据通过机器学习训练出的。

根据本发明的另一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述任一项中所述的突发负荷的预测方法。

根据本发明的另一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述任一项中所述的突发负荷的预测方法。

通过本发明，采集指定区域的负载指标数据，其中，所述负载指标数据用于表征所述指定区域的负载情况；使用突发负荷模型对所述负载指标数据进行分析，预测突发负荷的发生情况，其中，所述突发负荷模型为使用多组数据通过机器学习训练出的，采用上述技术方案，解决了相关技术中，对于突发性负荷激增引起的实时拥塞，传统技术方案存在成本高等问题，进而能够对突发性负荷激增引起的拥塞进行处理，降低了人工成本。

附图说明