[發明專利]基于深度學習的網絡資源分配方法、系統及介質

有效

• 申請號: 202110706722.9
• 申請日: 2021-06-24
• 公開（公告）號: CN113452559B
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 邢移單;佴煒;李丹;楊贊;李凱
• 申請（專利權）人: 同濟大學浙江學院
• 主分類號: H04L41/0893
• 分類號: H04L41/0893;H04L41/14;H04L41/0816
• 代理公司: 北京維正專利代理有限公司 11508
• 代理人: 黃勇;任志龍

1.一種基于深度學習的網絡資源分配方法，其特征在于：包括，

獲取至少兩個設備的設備信息，所述設備信息包括低時延網絡需求信息、高流量網絡需求信息、多端口網絡需求信息中的一種或多種；

根據設備信息以匹配所預設的網絡切片模型，所述網絡切片模型包括低時延網絡切片、高流量網絡切片及多端口網絡切片；

將與低時延網絡切片對應的設備定義為低時延需求型設備，將與高流量網絡切片對應的設備定義為高流量需求型設備，將與多端口網絡切片對應的設備定義為多端口需求型設備；

根據設備所匹配的網絡切片模型及其設備信息輸出用于調整網絡資源分配情況的操作指令；

針對低時延網絡切片，獲取各低時延需求型設備的低時延網絡需求信息；

依據低時延網絡需求信息確定低時延網絡切片對應的預設DU模塊的初始配置參數后執行測試操作，測試操作包括：

控制當前低時延網絡切片對應的預設DU模塊應用初始配置參數；

監測各低時延需求型設備在低時延網絡切片下的工作狀態，并判斷其工作狀態是否正常，并得到測試結果；

若正常，則指定當前的配置參數為默認配置參數，并控制預設DU模塊在運作時采用默認配置參數；

若不正常，則依據預設的調整標準修改當前的配置參數，再次執行監測操作；

針對高流量網絡切片，獲取高流量需求型設備的流量需求信息；

依據流量需求信息確定高流量網絡切片對應的預設CU模塊的配置參數；

針對多端口網絡切片，依據預設的多種信息傳輸方式分別生成多個網絡接入單元，信息傳輸方式包括NB-Iot及LoRa；

獲取各網絡接入單元所連入的設備端口的端口數量；

獲取每種信息傳輸方式應用于單個設備端口所需的資源條件；

依據各個網絡接入單元的資源條件及處于啟用狀態的設備端口的端口數量，生成網絡配置參數；

依據網絡配置參數更新各網絡接入單元的資源配置。

2.根據權利要求1所述的基于深度學習的網絡資源分配方法，其特征在于：所述流量需求信息的獲取操作包括，

獲取各高流量需求型設備的網絡使用記錄；

依據網絡使用記錄以分析高流量需求型設備的網絡使用狀況信息，所述網絡使用狀況信息包括閑時用網類以及實時用網類；

若網絡使用狀況信息為閑時用網類，則獲取該高流量需求型設備在預設周期內所傳輸的總數據容量；

依據閑時用網類的所有高流量需求型設備的總數據容量確定其網絡使用時段及分配帶寬用量；

依據網絡使用時段及分配帶寬用量生成單位時間的平均帶寬用量；

若網絡使用狀況信息為實時用網類，則獲取該高流量需求型設備的帶寬占用上限值；

對實時用網類的各高流量需求型設備的帶寬占用上限值進行求和計算，生成最高帶寬占用量；

依據所述平均帶寬用量及所述最高帶寬占用量的和值生成流量需求信息。

3.根據權利要求1所述的基于深度學習的網絡資源分配方法，其特征在于：在所述獲取各網絡接入單元所連入的設備端口的端口數量的步驟中，還包括，

獲取各端口的狀態類型及傳輸要求，傳輸要求包括時延要求、數據完整性及傳輸速度；

判斷當前端口的狀態類型，所述狀態類型包括啟用狀態以及休眠狀態；

若為休眠狀態，則暫時關閉端口與網絡接入單元的連接；

若為啟用狀態，則依據端口的傳輸要求確定該端口所連接的網絡接入單元；

確定各網絡接入單元所連入的設備端口的端口數量。

4.根據權利要求1所述的基于深度學習的網絡資源分配方法，其特征在于：還包括設備更新操作：

響應于對應新增設備的觸發信號；

獲取設備數據庫，設備數據庫內記錄有設備類型與網絡切片模型的對應關系，判斷設備數據庫是否存在對應新增設備的設備類型；

若是，則確定該設備類型對應的網絡切片模型為新增設備的網絡切片模型；

若否，則執行設備網絡測試操作，確定該新增設備的網絡切片模型；

依據上述判斷結果輸出用于控制對應的網絡切片模型連接新增設備的操作指令。