[發明專利]網絡切片的端到端組網方法、組網裝置及網絡切片設備

有效

• 申請號: 202010090372.3
• 申請日: 2020-02-13
• 公開（公告）號: CN113259145B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 邢彪;鄭屹峰;張卷卷;陳維新;章淑敏
• 申請（專利權）人: 中國移動通信集團浙江有限公司;中國移動通信集團有限公司
• 主分類號: H04L41/0893
• 分類號: H04L41/0893;H04L41/14;G06N3/04;G06N3/08
• 代理公司: 北京市浩天知識產權代理事務所(普通合伙) 11276
• 代理人: 王廣濤

1.一種網絡切片的端到端組網方法，其特征在于，所述方法包括：

獲取多個歷史用戶的服務等級協議需求、網絡切片創建成本以及資源利用效率；

根據所述服務等級協議需求、網絡切片創建成本以及資源利用效率確定對應的切片組網方案；

將所述歷史用戶對應的切片組網方案作為訓練數據，對基于深度學習框架搭建的神經網絡模型進行訓練，獲得在線分析模型；

獲取當前用戶的服務等級協議需求、網絡切片創建成本以及資源利用效率；

通過所述在線分析模型，對所述當前用戶的服務等級協議需求、網絡切片創建成本以及資源利用效率進行在線分析；

根據所述在線分析的結果，輸出與所述當前用戶對應的切片組網方案。

2.根據權利要求1所述的方法，其特征在于，所述根據所述服務等級協議需求、網絡切片創建成本以及資源利用效率確定對應的切片組網方案，進一步包括：

通過多個衡量指標表示所述服務等級協議需求、網絡切片創建成本以及資源利用效率；

根據所述多個衡量指標，確定所述歷史用戶的網絡切片的各個組成部分是否專用；所述網絡切片的組成部分包括：核心網、傳輸網 、基站以及終端。

3.根據權利要求2所述的方法，其特征在于，所述核心網包括用戶面網元和控制面網元；

所述根據所述多個衡量指標，確定所述歷史用戶的網絡切片的各個組成部分是否專用，進一步包括：

根據所述多個衡量指標，確定所述用戶面網元和所述控制面網元是否專用。

4.根據權利要求2所述的方法，其特征在于，所述基于深度學習框架搭建的神經網絡模型包括：輸入層、全連接層以及輸出層；

所述輸入層含有與所述衡量指標對應的多個神經元，用于輸入所述歷史用戶的服務等級協議需求、網絡切片創建成本以及資源利用效率；

所述輸出層含有與所述網絡切片的組成部分對應的多個神經元，用于輸出所述切片組網方案；

所述全連接層設置有多層，每一層包含多個神經元，用于學習所述衡量指標與切片組網方案之間的對應關系。

5.根據權利要求4所述的方法，其特征在于，在每一個所述全連接層之后還包括一個舍棄層；所述舍棄層用于以預設的舍棄概率使所述全連接層中的部分神經元失效。

6.根據權利要求5所述的方法，其特征在于，所述全連接層設置有6層，包括第一至第六全連接層；

所述第一和第二全連接層包含64個神經元，所述第三和第四全連接層包含32個神經元，所述第五和第六全連接層包含16個神經元；所述舍棄層的神經元舍棄概率設置為20％。

7.根據權利要求4所述的方法，其特征在于，所述根據所述在線分析的結果，輸出與所述當前用戶對應的切片組網方案，進一步包括：

獲取所述輸出層中每個神經元的輸出值；

在所述神經元的輸出值為第一輸出值時，確定與所述神經元對應的組成部分為專用；

在所述神經元的輸出值為第二輸出值時，確定與所述神經元對應的組成部分為共享。

8.一種網絡切片的端到端組網裝置，其特征在于，所述裝置包括：

歷史數據獲取模塊，用于獲取多個歷史用戶的服務等級協議需求、網絡切片創建成本以及資源利用效率；

組網標注模塊，用于根據所述服務等級協議需求、網絡切片創建成本以及資源利用效率確定對應的切片組網方案；

訓練模塊，用于將所述歷史用戶對應的切片組網方案作為訓練數據，對基于深度學習框架搭建的神經網絡模型進行訓練，獲得在線分析模型；

數據采集模塊，用于獲取當前用戶的服務等級協議需求、網絡切片創建成本以及資源利用效率；

在線分析模塊，用于通過所述在線分析模型，對所述當前用戶的服務等級協議需求、網絡切片創建成本以及資源利用效率進行在線分析；

組網方案輸出模塊，用于根據所述在線分析的結果，輸出與所述當前用戶對應的切片組網方案。