本申請涉及通信,尤其涉及一種站點資源配置方法、裝置、電子設備及可讀存儲介質。
背景技術:
1、隨著移動通信技術的不斷發展,網絡設備的數量也在不斷增多,運營商需針對不同站點的實際情況進行資源配置,以確保站點覆蓋區域內網絡設備的網絡環境及用戶使用體驗,為使站點所提供的資源能夠匹配覆蓋區域內網絡設備的使用需求,通常會采用相關預測方法預測流量數據,并作為站點資源配置的依據。
2、目前,在進行流量數據預測的過程中,通常通過將采集的流量數據輸入至流量預測模型進行預測,以cnn(convolutional?neural?networks,卷積神經網絡)-gru(gatedrecurrent?unit,門控循環單元結構)模型為例,其通過cnn網絡進行特征提取,以及通過gru網絡輸出預測結果,但是,由于不同站點覆蓋區域內的用戶對于流量使用需求不同,導致依賴于對流量數據進行預測輸出的結果所配置的站點資源無法適配于區域內網絡設備的預期實際資源使用需求,進而使得易出現站點資源浪費或者用戶上網體驗差等情況,所以,當前進行站點資源配置的配置準確性低。
技術實現思路
1、本申請的主要目的在于提供一種站點資源配置方法、裝置、電子設備及可讀存儲介質,旨在解決現有技術中進行站點資源配置的配置準確性差的技術問題。
2、為實現上述目的,本申請提供一種站點資源配置方法,所述站點資源配置方法包括:
3、獲取目標站點在覆蓋區域內的流量基礎數據和流量屬性特征數據,其中,所述流量屬性特征數據通過對所述流量基礎數據進行特征提取得到;
4、根據所述流量基礎數據和所述流量屬性特征數據,生成所述覆蓋區域內的流量行為特征數據;
5、將所述流量基礎數據和所述流量屬性特征數據共同輸入至第一流量預測模型,通過所述第一流量預測模型對所述目標站點的流量用戶類型進行預測,得到第一流量預測結果;
6、將所述流量行為特征數據輸入至第二流量預測模型,通過所述第二流量預測模型對所述目標站點的流量用戶行為進行預測,得到第二流量預測結果;
7、通過整合所述第一流量預測結果和所述第二流量預測結果,得到所述目標站點在所述覆蓋區域內的流量預測總結果;
8、根據所述流量預測總結果,對所述目標站點進行資源配置。
9、為實現上述目的,本申請還提供一種站點資源配置裝置,所述站點資源配置裝置包括:
10、獲取模塊,用于獲取目標站點在覆蓋區域內的流量基礎數據和流量屬性特征數據,其中,所述流量屬性特征數據通過對所述流量基礎數據進行特征提取得到;
11、生成模塊,用于根據所述流量基礎數據和所述流量屬性特征數據,生成所述覆蓋區域內的流量行為特征數據;
12、第一預測模塊,用于將所述流量基礎數據和所述流量屬性特征數據共同輸入至第一流量預測模型,通過所述第一流量預測模型對所述目標站點的流量用戶類型進行預測,得到第一流量預測結果;
13、第二預測模塊,用于將所述流量行為特征數據輸入至第二流量預測模型,通過所述第二流量預測模型對所述目標站點的流量用戶行為進行預測,得到第二流量預測結果;
14、整合模塊,用于通過整合所述第一流量預測結果和所述第二流量預測結果,得到所述目標站點在所述覆蓋區域內的流量預測總結果;
15、配置模塊,用于根據所述流量預測總結果,對所述目標站點進行資源配置。
16、本申請還提供一種電子設備,所述電子設備包括:至少一個處理器以及與所述至少一個處理器通信連接的存儲器,所述存儲器存儲有可被所述至少一個處理器執行的指令,所述指令被所述至少一個處理器執行,以使所述至少一個處理器能夠執行如上述的站點資源配置方法的步驟。
17、本申請還提供一種計算機可讀存儲介質,所述計算機可讀存儲介質上存儲有實現站點資源配置方法的程序,所述站點資源配置方法的程序被處理器執行時實現如上述的站點資源配置方法的步驟。
18、本申請還提供一種計算機程序產品,包括計算機程序,所述計算機程序被處理器執行時實現如上述的站點資源配置方法的步驟。
19、本申請在進行站點資源配置時,首先獲取目標站點在覆蓋區域內的流量基礎數據和流量屬性特征數據,其中,所述流量屬性特征數據通過對所述流量基礎數據進行特征提取得到;進而根據所述流量基礎數據和所述流量屬性特征數據,生成所述覆蓋區域內的流量行為特征數據;將所述流量基礎數據和所述流量屬性特征數據共同輸入至第一流量預測模型,通過所述第一流量預測模型對所述目標站點的流量用戶類型進行預測,得到第一流量預測結果;將所述流量行為特征數據輸入至第二流量預測模型,通過所述第二流量預測模型對所述目標站點的流量用戶行為進行預測,得到第二流量預測結果;進而通過整合所述第一流量預測結果和所述第二流量預測結果,得到所述目標站點在所述覆蓋區域內的流量預測總結果;最終根據所述流量預測總結果,對所述目標站點進行資源配置,即可實現通過綜合性地流量預測模型預測在目標站點覆蓋區域內的流量使用情況,進而針對性配置站點資源的目的。
20、由于目標站點在覆蓋區域內的流量預測總結果是根據第一流量預測模型的第一流量預測結果和第二流量預測模型的第二流量預測結果整合得到的,而第一流量預測結果是對目標站點的流量用戶類型進行預測得到的,以及第二流量預測結果是對目標站點的流量用戶行為進行預測得到的,即,在對目標站點覆蓋區域內的流量使用情況進行預測時從流量用戶類型和流量用戶行為等維度綜合性地預測流量使用情況,與此同時,由于用戶類型和用戶行為是影響流量使用情況的核心因子,所以,通過上述綜合性地流量預測模型,實現了精準預測目標站點覆蓋區域內的實際流量使用情況的目的。
21、基于此,本申請通過目標站點在覆蓋區域內的流量基礎數據構建不同的輸入數據集,進而將不同的輸入數據集分別輸入至第一流量預測模型和第二流量預測模型,從而預測得到在不同影響維度下的流量使用預測情況,以及通過整合不同影響維度下的流量使用預測情況,得到綜合影響維度下的流量使用預測情況,最終通過綜合影響維度下的流量使用預測情況,對目標站點進行資源配置,由于在對目標站點覆蓋區域內的流量使用情況進行預測時綜合考慮到了用戶類型和用戶行為的影響,從而實現了通過流量預測總結果為目標站點覆蓋區域內的預期實際資源使用需求匹配對應的性能參數的目的。而非通過單一場景下的單一預測模型對流量數據進行簡單預測,并根據模型輸出的預測結果進行站點資源配置。所以,克服了由于不同站點覆蓋區域內的用戶對于流量使用需求不同,導致依賴于對流量數據進行預測輸出的結果所配置的站點資源無法適配于區域內網絡設備的預期實際資源使用需求,進而使得易出現站點資源浪費或者用戶上網體驗差等情況的技術缺陷,所以,提升了進行站點資源配置的配置準確性。
1.一種站點資源配置方法,其特征在于,所述站點資源配置方法包括:
2.如權利要求1所述站點資源配置方法,其特征在于,所述流量基礎數據包括固定流量基礎數據和遷移流量基礎數據,
3.如權利要求1所述站點資源配置方法,其特征在于,所述通過整合所述第一流量預測結果和所述第二流量預測結果,得到所述目標站點在所述覆蓋區域內的流量預測總結果的步驟包括:
4.如權利要求1所述站點資源配置方法,其特征在于,在所述獲取目標站點在覆蓋區域內的流量基礎數據和流量屬性特征數據的步驟之前,所述站點資源配置方法還包括:
5.如權利要求1所述站點資源配置方法,其特征在于,所述將所述第一訓練模型和所述第二訓練模型融合為第一流量預測模型的步驟包括:
6.如權利要求1所述站點資源配置方法,其特征在于,在所述獲取目標站點在覆蓋區域內的流量基礎數據和流量屬性特征數據的步驟之前,所述站點資源配置方法還包括:
7.如權利要求6所述站點資源配置方法,其特征在于,所述根據所述流量行為時域特征數據集構建的流量行為時域特征矩陣,對第三訓練模型進行迭代預測,得到第二流量預測模型的步驟包括:
8.一種站點資源配置裝置,其特征在于,所述站點資源配置裝置包括:
9.一種電子設備,其特征在于,所述電子設備包括:
10.一種計算機可讀存儲介質,其特征在于,所述計算機可讀存儲介質上存儲有實現站點資源配置方法的程序,所述實現站點資源配置方法的程序被處理器執行以實現如權利要求1至7中任一項所述站點資源配置方法的步驟。