[发明专利]一种潮汐效应规避方法、装置和计算机可读存储介质

说明书

本发明实施例提供了一种潮汐效应规避方法、装置和计算机可读存储介质，所述方法包括：业务运行时，基于训练得到的业务成功率预测模型以及物联网终端上报的特征向量确定使得所述业务成功率预测模型的函数取得极大值的配置参数；将所述配置参数下发至所述物联网终端，用于所述物联网终端调整业务模型并错峰发送业务数据。

技术领域

本发明涉及移动通信技术领域，尤其涉及一种潮汐效应规避方法、装置和计算机可读存储介质。

背景技术

随着移动通信的快速发展，移动用户数以及业务量随即出现了井喷式增长。伴随物联网终端数量的飞速增长以及业务类型的不断增加，无线通信领域的“潮汐效应”将愈发明显，且表现出明显的地域特性和时间特性。例如：在工作时段，人们在CBD区域大量聚集，下班后又向居民区大量迁徙。这种现象引发了物联网终端设备的业务量流动，使得热点区域在特定时刻出现突发大业务量，导致网络拥塞，甚至无法接入，出现业务失败，这种现象也即潮汐效应。当发生潮汐效应时，对物联网终端业务而言，会出现业务交互失败，频繁重试的情况，对网络设备而言，会出现高负荷运行，甚至出现服务拒绝情况，极大影响业务质量，成为困扰运营商和业务厂商的共同难题。

目前针对潮汐效应的处理方式主要有两种，一种是终端侧主动规避并发访问情况，典型做法为在业务数据发送时加入随机时延，旨在使终端在实际业务发送时瞬时并发能够下降，在接入终端数据增大时，出现碰撞冲突的概率会越来越大，削弱潮汐效应的抑制效果；另一种典型做法是在网络设备侧进行优化，包括增加缓存队列机制，或弹性扩容机制，旨在增加网络接入能力，网络设备引入缓存队列方式，在并发量很大时，存在数据丢弃访问拒绝的问题，弹性扩容方式，实际操作性不强。

发明内容

有鉴于此，本发明实施例期望提供一种潮汐效应规避方法、装置和计算机可读存储介质。

为达到上述目的，本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种潮汐效应规避方法，该方法包括：

业务运行时，基于训练得到的业务成功率预测模型以及物联网终端上报的特征向量确定使得所述业务成功率预测模型的函数取得极大值的配置参数；

将所述配置参数下发至所述物联网终端，用于所述物联网终端调整业务模型并错峰发送业务数据。

可选的，所述业务运行之前，该方法还包括：

基于试运行时物联网终端上报的特征向量，并结合逻辑回归LR方法训练得到业务成功率预测模型；不同的业务成功率预测模型对应不同的基站。

其中，所述基于试运行时物联网终端上报的特征向量，并结合LR方法训练得到业务成功率预测模型，包括：

将至少一个试运行周期内物联网终端上报的特征向量的集合进行划分，得到用于训练的数据集合S和用于测试的数据集合T；

利用所述用于训练的数据集合S对预设的业务成功率预测模型进行训练，得出一组拟合后的参数；

利用所述用于测试的数据集合T对经所述训练得到的业务成功率预测模型进行泛化处理，得到业务成功率预测模型。

其中，所述物联网终端上报的特征向量包括以下参数：

x1，x2，x3，x4，x5，x6，x7，x8，x9，x10，…,xn，以及y；其中，

所述x1为数据包长，x2为QoS等级，x3为发送时间，x4为发送时延偏移量，x5为并发终端数，x6为端到端业务时延，x7为重传次数，x8为信号与干扰加噪声比SINR，x9为参考信号接收功率RSRP，x10至xn为可扩展字段；所述y为业务成功率。

其中，所述基于训练得到的业务成功率预测模型以及物联网终端上报的特征向量确定使得所述业务成功率预测模型的函数取得极大值的配置参数，包括：