[发明专利]获取小区关系模型、推荐小区切换指导参数的方法及装置

说明书

本申请提供一种获取小区关系模型、推荐小区切换指导参数的方法及装置，涉及人工智能AI领域和数据通信技术领域。包括：通过图卷积神经网络GCN分别对表示指定区域内N个小区历史的话统数据的拓扑图以及该拓扑图对应的对偶图进行特征提取，获取拓扑图的第一特征信息，以及对偶图的第二特征信息；之后基于第一特征信息与第二特征信息，确定N个小区的融合特征信息；再将N个小区的融合特征信息以及N个小区历史的切换指导参数进行拟合，得到用于指示指定区域内N个小区的网络状态参数、切换指导参数以及性能指标之间的函数关系的小区关系模型，最后基于该小区关系模型并通过梯度下降算法确定目标切换指导参数。该方式获取的网络性能效果更好。

技术领域

本申请涉及人工智能(artificial intelligence，AI)领域和数据通信技术领域，尤其涉及一种获取小区关系模型、推荐小区切换指导参数的方法及装置。

背景技术

在无线蜂窝网络中，用户分布不均匀使得小区(即无线网络覆盖的区域)间负载不均衡。高负载小区由于用户数量较多，业务需求量大，易造成网络资源不足，进而很难保证用户的服务质量；同时，周边空闲小区用户数量较少，负载小，其网络资源未能得到充分利用。

为此，现有提出切换优化(handover optimization，HO)的技术，HO技术对小区间负载均衡和移动鲁棒性都起着重要作用。在HO技术中，每个小区上均需配置用于控制用户在小区间切换的切换参数，且切换参数的配置对切换效果以及小区间负载均衡、用户是否可以切换到更优小区都有着非常重要的作用。

通常情况下，为了配置各小区上的切换指导参数，可对各小区的网络状态以及需要达到的性能指标进行分析，基于专家经验或者预设的配置规则来配置切换指导参数，但是该方式只能针对简单的网络环境，针对复杂的网络环境，并未充分考虑各小区间的相互影响，故而使得切换参数配置后，用户可能切换不到优质小区或者切换后的小区服务质量依然不能满足用户的需求。

基于此，亟需一种新的小区切换指导参数的配置方案，以充分考虑各小区间的相互影响，以使用户可以切换到更优质的小区，提高用户的通信质量。

发明内容

本申请实施例提供一种获取小区关系模型、推荐小区切换指导参数的方法及装置，以充分考虑各小区间的相互影响来为小区配置切换指导参数，使得用户可以切换到更优质的小区，提高用户的通信质量。

第一方面，本申请实施例提供一种获取小区关系模型的方法，包括：获取指定区域内N个小区历史的话统数据；其中，话统数据包括：小区N_i的网络状态参数、切换指导参数以及性能指标；N为整数；i取变1-N中的任意整数；将N个小区历史的话统数据通过拓扑图表示，并基于拓扑图生成对偶图；基于图卷积神经网络(Graph Convolutional NeuralNetwork，GCN)分别对拓扑图以及对偶图进行特征提取，获取拓扑图的第一特征信息以及对偶图的第二特征信息；将第一特征信息与第二特征信息进行信息融合后，并通过GCN对融合后的信息进行特征提取，确定N个小区的融合特征信息；将N个小区的融合特征信息以及N个小区历史的切换指导参数进行拟合，得到指定区域内N个小区对应的小区关系模型；其中，小区关系模型用于指示指定区域内N个小区的网络状态参数、切换指导参数以及性能指标之间的函数关系。

其中，所述网络状态参数用于表征所述小区N_i在所述设定时长内的资源占用情况以及用户切换情况；所述切换指导参数为用于指导所述小区N_i与所述小区N_i的邻小区之间进行切换的参数；所述性能指标用于表征所述小区N_i在所述设定时长内的切换性能。

通过该方式获取的小区关系模型，可以很好地表征各小区与邻小区间的相互影响，以便更好地表征各小区网络状态参数、切换指导参数以及性能指标之间的函数关系，基于该小区关系模型进行小区切换指导参数的调整，可以使用户切换到更优质的小区，提高用户的通信质量。