[發明專利]基于大數據分析的小基站開關控制方法

有效

• 申請號: 201710555307.1
• 申請日: 2017-07-10
• 公開（公告）號: CN107222875B
• 公開（公告）日: 2019-10-01
• 發明（設計）人: 潘志文;杜鵬程;劉楠;尤肖虎
• 申請（專利權）人: 東南大學
• 主分類號: H04W16/22
• 分類號: H04W16/22;H04W52/02;H04L12/24;H04J11/00
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 葉涓涓

1.基于大數據分析的小基站開關控制方法，其特征在于，包括如下步驟：

步驟1：采集場景信息

所述場景信息包括兩部分的信息：

第一部分信息是小基站內接入人數的信息，定期采樣一次，記錄各個時刻的基站接入人數，放入樣本集合L＝{(x_i,y_i)}，其中x_i為記錄數據的時刻，y_i為x_i時刻小基站接入的人數；

第二部分是場景中時刻表所記錄的人群到來的時刻和人數，放入樣本集合M＝{(t_i,p_i)}，其中t_i為人群到來的時刻，p_i為到來的人數；

步驟2：數據預處理

去除集合L和M中的重復數據、異常值和空值；

步驟3：提取特征

為每個樣本提取12個特征，將結合集合L和集合M，生成一個新的集合G＝{(f_i,n,l_i)}，其中，f_i,n表示集合G中的第i個樣本的第n個特征，1≤n≤12，對應著模型的輸入，l_i表示集合G中第i個樣本的標簽，取值為1或0，1代表基站開啟，0代表基站關閉，對應著模型的輸出；

計算集合G中的f_i,n：

首先，在集合L中選取第i個樣本(x_i,y_i)，然后在集合M中生成樣本子集M_sub＝{(t_m,p_m)}，其中t_m滿足t_m-x_i＞(n-1)T且t_m-x_i＜nT，T為設定好的時間間隔，最后，f_i,n由式得到；

計算集合G中l_i：

在集合L中選取第i個樣本(x_i,y_i)：

上式中，k是控制基站開關的閾值，將集合G＝{(f_i,n,l_i)}統一用G＝{(F_i,l_i)}表示，其中F_i集合G中f_i,n的向量形式；

步驟4：選擇并訓練模型

選擇二項邏輯斯蒂回歸模型，二項邏輯斯蒂回歸模型是如下的條件概率分布：

P(Y_out＝0|X_in)＝1-P(Y_out＝1|X_in) (3)

上式中，X_in是輸入，是集合G中樣本的特征，Y_out是輸出，是模型預測的小基站的開關狀態，1代表基站開啟，0代表基站關閉，w∈Rⁿ和b∈R是參數，w稱為權值向量，b稱為偏置，w·X_in為w和X_in的內積；給定一個樣本特征X_in,按照式(2)和式(3)可以求得P(Y_out＝1|X_in)和P(Y_out＝0|X_in)；邏輯斯蒂回歸比較兩個條件概率值的大小，將特征X_in分到概率較大的那一類；

訓練模型，利用集合G中的數據得到模型中參數w和b的值，選擇極大似然估計法來估計模型參數，步驟如下：

步驟4-1，設：

P(Y_out＝1|X_in＝F_i)＝h(F_i) (4)

P(Y_out＝0|X_in＝F_i)＝1-h(F_i) (5)

則整個樣本集G的似然函數為:

步驟4-2，整個樣本集G的對數似然函數為：

步驟4-3，將式(2)、(3)、(4)、(5)代入式(7)中可得：

步驟4-4，求得參數w,b：

步驟4-5，使用隨機梯度下降法求得式(9)的解；

步驟5：預測

搜集時刻表的數據樣本M，再按照步驟3，生成該時刻的特征，將生成的特征輸入模型，即可預測時刻t的基站開關狀態。

2.根據權利要求1所述的基于大數據分析的小基站開關控制方法，其特征在于，所述步驟2中去除異常值的過程如下：

在集合L中，若y_i＜0或y_i＞pMax1，pMax1表示正常情況下，采樣得到的人數的最大值，則該樣本屬于異常值，應從集合L中去除樣本(x_i,y_i)；集合M中,若p_i＜0或p_i＞pMax2，pMax2表示正常情況下，即將到來的人群的最大人數，則該樣本屬于異常值，應從集合M中去除樣本(t_i,p_i)。