[發明專利]一種基站流量預測方法和設備

在審

• 申請號: 201711378260.2
• 申請日: 2017-12-19
• 公開（公告）號: CN108234198A
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 王需;楊錚
• 申請（專利權）人: 清華大學
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/26;H04W24/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;吳歡燕

1.一種基站流量預測方法，其特征在于，包括：

將待預測基站對應的節點內流量特征及節點間流量特征輸入預先基于基站空間依賴關系建立的流量預測模型，獲取輸出的待預測基站的流量預測值；

其中，所述節點內流量特征為待預測基站及與待預測基站相鄰基站的基站內流量，所述節點間流量特征為待預測基站與待預測基站相鄰基站之間的基站間流量；

所述基站內流量為當前時段及前一時段均在待預測基站的用戶所產生的流量；

所述基站間流量為前一時段不在待預測基站，而當前時段在待預測基站的用戶所產生的流量；

所述將待預測基站對應的節點內流量特征及節點間流量特征輸入預先基于基站空間依賴關系建立的流量預測模型的步驟前還包括：

S1，獲取訓練集并基于有向圖構建圖神經網絡模型；所述訓練集包括輸入量及對應的結果；所述輸入量為待預測基站對應的t時段的前k個時段的節點內流量特征和節點間流量特征，所述結果為t時段的流量值；其中，k和t為大于1的自然數；

S2，將所述訓練集輸入圖神經網絡模型以對圖神經網絡模型進行訓練，獲取訓練完成的與待預測基站對應的流量預測模型。

2.根據權利要求1所述的方法，其特征在于，所述S1中獲取訓練集的步驟具體包括：

從發送至基站的數據包中獲取流量數據；所述流量數據包括基站的t時段和前k個時段的流量值以及用戶集合；所述基站包括待預測基站及與待預測基站相鄰的基站；

對所述流量數據進行分解處理，獲取待預測基站的訓練集。

3.根據權利要求2所述的方法，其特征在于，所述從發送至基站的數據包中獲取流量數據的步驟具體包括：

通過蜂窩網絡監測系統獲取設備發送至基站的數據包；

刪除所述數據包中不完整的數據記錄和/或漫游至本地的數據記錄。

4.根據權利要求2所述的方法，其特征在于，所述S1中基于有向圖構建圖神經網絡模型的步驟前還包括：

根據待預測基站及與待預測基站的相鄰基站之間的空間依賴關系創建有向圖；所述有向圖包括基站的集合、邊的集合以及邊的權重向量。

5.根據權利要求4所述的方法，其特征在于，所述根據待預測基站及與待預測基站的相鄰基站之間的空間依賴關系創建有向圖的步驟后還包括：

在邊的集合中，刪除權重向量中零的個數大于閾值的權重向量所對應的邊。

6.根據權利要求4所述的方法，其特征在于，

所述基站內流量具體為

其中，A_t(c)為t時段及t-1時段均停留在待預測基站中的用戶集合，A_t(c)＝P_t(c)∩P_t-1(c)；

所述基站間流量具體為

其中，B_t(c)為t-1時段在相鄰基站，而t時段在待預測基站的用戶集合，B_t(c)＝P_t(c)\P_t-1(c)；

待預測基站在t時段的流量值為

式中，x表示流量，c表示待預測基站，u表示用戶，P表示用戶集合。

7.根據權利要求6所述的方法，其特征在于，所述有向圖具體包括G＝(C，E，W)；其中，C為基站的集合，E為邊的集合，W為邊的權重向量；

邊的集合E中包含至少一條依賴邊，依賴邊包含流量值及流量移動方向信息，依賴邊的權重為與依賴邊對應的用戶的數目向量。