[发明专利]基于流量预测的移动前传光网络带宽调整方法及装置

说明书

本发明公开了一种基于流量预测的移动前传光网络带宽调整方法及装置。所述方法包括：获取当前时刻的真实流量数据；根据所述当前时刻的真实流量数据，并基于预先训练的长短期记忆神经网络，获取下一时刻的预测流量数据；根据所述下一时刻的预测流量数据，对移动前传光网络带宽进行调整，从而基于流量预测主动调整带宽，极大的降低带宽重配置时延，并且提高前传光网络带宽的利用率。

技术领域

本发明涉及移动通信网络技术领域，特别是指一种基于流量预测的移动前传光网络带宽调整方法及装置。

背景技术

近年来，为满足急剧增长的流量需求，无线接入网(radio access network，RAN)架构逐步从4G时代的C-RAN架构演化到下一代RAN(next generation RAN，NG-RAN)，无线接入网被分割为三个功能单元，分别是AAU(active antenna unit)、DU(distributed unit)和CU(central unit)。在NG-RAN中，通用公共无线接口(common public radio interface，CPRI)演变到e-CPRI，BBU(baseband unit)侧的部分无线功能迁移到RRU(remote radiounit)中。完成功能分割后，来自AAU的前端流量是用户负载相关的带宽需求，前传流量的带宽需求与实际流量负载直接相关，即实际占用的资源块数量(Resource Blocks，RBs)。在DU-CU的分离架构中，5G承载网逻辑上分为前传(Fronthaul)、中传(Midhaul)和回传(Backhaul)3部分，分别对应了AAU和DU之间，DU和CU之间，CU至核心网之间的通信承载。

5G网络中，移动终端的急剧增长和业务种类的多样化带动了流量需求的急剧增加，光前传网络面临着两个主要的问题，一方面，前传带宽需求的急剧增长带来了带宽有限的提供能力上的瓶颈，另一方面，用户移动性的加快导致了用户侧流量的突发性、不确定性以及高动态性，从而导致前传带宽的动态变化。目前，在5G网络资源动态优化方面，可分为两个优化思路：

第一种优化思路是一种非预测的优化方法。例如针对IP光网络中的虚拟链路进行动态带宽调整，部分解决方案考虑业务优先级特征，控制器根据网络和服务状态来动态调整带宽。非预测的优化方法处理集中对于业务特性进行处理，主要业务优先级、业务加载状态和包大小等特性进行考虑，并未从资源预测和动态预留的角度实现资源优化。而且非预测的优化方法是一种被动式带宽调整方案，针对已到来业务的特性进行相关调整，并未从用户行为侧考虑，未根据用户流量的变化特性进行主动式的调整，导致带宽重配置时延长，前传光网络带宽的利用率低。

另一种优化思路是基于预测过程的优化方法。例如针对移动用户业务，运营商将用户区分为优先用户和非优先用户，为确保给优先用户提供更好的服务质量，部分方案利用机器学习方法预测用户流量模式，采用朴素贝叶斯分类器和逻辑回归两种监督学习方法预测优先用户处于活跃状态的可能时间，将预测结果应用到用户调度策略中进行有效的带宽管理。预测过程的优化方法是应用监督学习方法对业务请求的准入进行决策控制，并未尝试利用神经网络对于业务特性的动态感知，以及并未考虑流量特性中长时间序列的流量变化，导致前传光网络带宽的利用率低。

发明内容

有鉴于此，本发明的目的在于提出一种基于流量预测的移动前传光网络带宽调整方法及装置，能够基于流量预测主动调整带宽，极大的降低带宽重配置时延，并且提高前传光网络带宽的利用率。

基于上述目的本发明提供的基于流量预测的移动前传光网络带宽调整方法，包括：

获取当前时刻的真实流量数据；

根据所述当前时刻的真实流量数据，并基于预先训练的长短期记忆神经网络，获取下一时刻的预测流量数据；

根据所述下一时刻的预测流量数据，对移动前传光网络带宽进行调整。

进一步地，在所述获取当前时刻的真实流量数据之前，还包括：