[發明專利]一種物聯網網絡流量預測方法、系統及存儲介質

有效

• 申請號: 202211067950.7
• 申請日: 2022-09-02
• 公開（公告）號: CN115150290B
• 公開（公告）日: 2022-11-08
• 發明（設計）人: 吳杰
• 申請（專利權）人: 廣州優刻谷科技有限公司
• 主分類號: H04L41/147
• 分類號: H04L41/147;H04L41/142;H04L43/0876;H04L67/10;H04L67/12
• 代理公司: 廣東穗科知識產權代理事務所(普通合伙) 44834
• 代理人: 黃啟文;李英杰

本發明涉及物聯網網絡流量預測方法、系統及存儲介質，包括以下步驟：S1.云端服務器每隔一段時間t，統計一次N條中繼線路的網絡流量，在時間Mt內；統計獲得N條中繼線路的原始流量矩陣D；S2.對原始流量矩陣D進行平滑化處理，獲得矩陣E；S3.求取矩陣E中每一條中繼線路的極大值序列及極小值序列；S4.基于每一條中繼線路的極大值序列及極小值序列求取相應中繼線路的震蕩因子；S5.基于所述每一條中繼線路的極大值序列、極小值序列、震蕩因子求取相應中繼線路下一時段的流量估值。

技術領域

本發明涉及物聯網技術領域，更具體地，涉及一種物聯網網絡流量預測方法、系統及存儲介質。

背景技術

近年來，物聯網技術的興起讓原來孤立的設備間可以較為有效地進行組網、通信與協作，提高了社會生產、交通物流、通信交流的效率。但物聯網技術的進一步推廣也帶來了一些需要解決的技術難題，比如接入設備的規模的擴大讓網絡變得擁擠。解決思路主要有兩種，一種是提高通信線路的帶寬，比如使用光纖通信。另一種是設計網絡擁擠調度算法，而調度算法的其中一個核心算法模塊為網絡流量預測算法，當獲得不同線路的流量預測值后，服務器端可引導終端設備均衡使用各線路。

目前主流的網絡流量預測算法主要基于機器學習算法來完成。其一般需收集大量甚至海量的原始數據，提取出特征向量，再送入計算模型，最后得出某個值的概率。如果網絡內線路數量過多，那么模型的復雜度將呈指數級增長，對系統硬件要求苛刻，無法適應大規模的物聯網場景。

發明內容

本發明的發明目的在于提供一種物聯網網絡流量預測方法，該方法要求的樣本數量規模較小、計算過程簡單，且具備較好的可擴展性，算法的復雜度與數據規模呈線性關系，能夠適合大部分場景的組網需求。

為實現以上發明目的，采用的技術方案是：

一種物聯網網絡流量預測方法，包括以下步驟：

S1.云端服務器每隔一段時間t，統計一次N條中繼線路的網絡流量，在時間Mt內；統計獲得N條中繼線路的原始流量矩陣D；

S2.對原始流量矩陣D進行平滑化處理，獲得矩陣E；

S3.求取矩陣E中每一條中繼線路的極大值序列及極小值序列；

S4.基于每一條中繼線路的極大值序列及極小值序列求取相應中繼線路的震蕩因子；

S5.基于所述每一條中繼線路的極大值序列、極小值序列、震蕩因子求取相應中繼線路下一時段的流量估值。

優選地，所述原始流量矩陣D表示如下：

；

其中，，，表示實數域R上的N行M列矩陣，表示第x條線路在時間內的流量統計值。

優選地，所述步驟S2對原始流量矩陣D進行平滑化處理，獲得矩陣E，具體包括：

求取N條中繼線路的總流量的平均值：

對原始流量矩陣D中的元素進行平滑化處理：

獲得矩陣E：

。

優選地，所述步驟S3中，令求取的中繼線路x的極大值序列表示為， ，；在矩陣E中，其值比緊鄰的左邊元素、右邊元素要大，即且；；

令求取的中繼線路x的極小值序列表示為，，；在矩陣E中，其值比緊鄰的左邊元素、右邊元素要小，即且,。

優選地，所述步驟S4基于每一條中繼線路的極大值序列及極小值序列求取相應中繼線路的震蕩因子，具體包括：