调整无线接取网络资源的方法、装置及相关无线接取网络与流程

1.本发明是指一种调整无线接取网络资源的方法、装置及相关无线接取网络，尤指一种在5g开放架构无线接取网络上自适应性调整无线接取网络资源的方法、装置及相关无线接取网络。


背景技术：

2.第五代移动通信技术(5
th generation mobile communication system，5g)为新一代移动通信技术，是第四代移动通信技术(4g)的演进，目标是因应日益增加的网络需求，提供更高的传输速率、更低的延迟、提高容量、降低成本以及节省能源等。国际电信联盟(international telecommunication union，itu)在此基础上定义了5g的三大应用领域，分别是增强型移动宽频(enhanced mobile broadband，embb)、超高可靠低延迟通信(ultra-reliable and low latency communications，urllc)以及大规模机器类互联(massive machine type communications，mmtc)。
3.面对更多元化以及更大量的5g网络需求，相关产业提出了开放架构无线接取网络(open radio access network，o-ran)，以提高5g架构的弹性与提供智能化的管理方法。其中，通过开放的接口、开放的硬件以及开源软件，o-ran使5g无线接取网络(radio access network，ran)可以在开放平台上建置，并且通过人工智能技术来达成自动化的有效资源配置。
4.随着无线接取网络架构日益复杂与多样化，如何对无线网络资源进行最佳化的配置是管理者最需要考虑的问题之一。管理者除了需保证用户端设备的网络品质，还要考虑电信商的收益成本，包含传输延迟、网络阻塞、网络异常检测以及功耗等，都是本领域亟需解决的问题。


技术实现要素：

5.因此，本发明的主要目的即在于提供一种根据过去无线接取网络资源的使用量来预测未来无线接取网络资源的使用量，并根据预测结果预先调整无线接取网络资源配置的方法，以改善现有技术的缺点。
6.本发明实施例公开一种调整无线接取网络资源的方法，用于一无线接取网络，该无线接取网络符合第五代移动通信技术的一开放架构无线接取网络的规范，包含有多个无线电单元、一分散单元及一集中单元，该调整无线接取网络资源的方法包含有于一第一时间点取得多个无线接取网络状态训练信息；根据该多个无线接取网络状态训练信息，预测一第二时间点的一无线接取网络使用状况；以及于一第三时间点，根据该无线接取网络使用状况，预先调整该第二时间点的无线接取网络资源分配，以将多个用户装置分配至该多个无线电单元，及调整该分散单元与该集中单元的运算资源的配置；其中，该第一时间点早于该第三时间点，该第三时间点早于该第二时间点。
7.本发明实施例另公开一种资源调整装置，用于一无线接取网络，该无线接取网络
符合第五代移动通信技术的一开放架构无线接取网络的规范，包含有多个无线电单元、一分散单元及一集中单元，该资源调整装置包含有一处理单元，用来执行一程序码；以及一存储单元，耦接于该处理单元，用来存储该程序码，以指示该处理单元执行一调整无线接取网络资源的方法，该方法包含有于一第一时间点取得多个无线接取网络状态训练信息；根据该多个无线接取网络状态训练信息，预测一第二时间点的一无线接取网络使用状况；以及于一第三时间点根据该无线接取网络使用状况，预先调整该第二时间点的无线接取网络资源分配，以将多个用户装置分配至该多个无线电单元，及调整该分散单元与该集中单元的运算资源的配置；其中，该第一时间点早于该第三时间点，该第三时间点早于该第二时间点。
8.本发明实施例另公开一种无线接取网络，该无线接取网络符合第五代移动通信技术的一开放架构无线接取网络的规范，包含有多个无线电单元；一分散单元，运行于一第一云端运算平台；一集中单元，运行于一第二云端运算平台；以及一资源调整装置，用来执行一无线接取网络资源调整方法，该无线接取网络资源调整方法包含有于一第一时间点取得多个无线接取网络状态训练信息；根据该多个无线接取网络状态训练信息，预测一第二时间点的一无线接取网络使用状况；以及于一第三时间点，根据该无线接取网络使用状况，预先调整该第二时间点的无线接取网络资源分配，以将多个用户装置分配至该多个无线电单元，及调整该分散单元与该集中单元的运算资源的配置；其中，该第一时间点早于该第三时间点，该第三时间点早于该第二时间点。
附图说明
9.图1为一移动通信系统的示意图。
10.图2为本发明实施例的一无线接取网络的示意图。
11.图3为本发明实施例的一流程的示意图。
12.图4为本发明实施例的一人工智能模型示意图。
13.图5为本发明实施例的一无线接取网络资源调整流程的示意图。
14.图6为本发明实施例的一无线接取网络逻辑架构的示意图。
15.图7为本发明实施例的一通信装置的示意图。
16.其中，附图标记说明如下：
17.1：5g移动通信系统
18.10：无线接取网络
19.100：无线电单元
20.102：分散单元
21.104：集中单元
22.12_1～12_s：用户装置
23.14：核心网络
24.2：无线接取网络
25.20_1～20_k、20_x：开放式无线电单元
26.22：开放式分散单元
27.du_pod_1～du_pod_m：容器
28.cu_pod_1～cu_pod_n：容器
29.24：开放式集中单元
30.26：资源调整装置
31.3：流程
32.300-308：步骤
33.40：人工智能模型
34.42：人工智能模型
35.ran_info_1～ran_info_t：无线接取网络状态训练信息
36.p_ran_info：无线接取网络状态预测信息
37.p_ran_status：无线接取网络使用状况
38.5：流程
39.500-510：步骤
40.260：服务管理与编排
41.262：非即时网络智能控制
42.264：近即时网络智能控制
43.o1，o2，e2，a1：接口
44.7：通信装置
45.70：处理单元
46.72：存储单元
47.720：程序码
具体实施方式
48.请参考图1，图1为一移动通信系统1的示意图。移动通信系统1符合第五代移动通信技术(5g)，其概略性地包含有一无线接取网络10、多个用户装置12_1～12_s以及一核心网络14。无线接取网络10包含有多个无线电单元、多个分散单元以及多个集中单元，为求简洁，图1仅绘示出其中的一无线电单元100、一分散单元102以及一集中单元104。无线接取网络10介于用户装置12_1～12_s与核心网络14之间，用户装置12_1～12_s通过无线接取网络10与核心网络14建立无线连结。详细来说，当用户装置12_1～12_s发送5g信号时，信号由无线电单元100接收，经由分散单元102与集中单元104，最后传送至核心网络14。其中，无线电单元100处理无线射频(radio frequency，rf)与低阶实体层(low-phy)数据，通过前传(fronthual)与分散单元102连接；分散单元102负责处理高阶实体层(high-phy)数据以及媒体存取控制(media access control，mac)、无线链结控制(radio link control，rlc)等第二层(osi l2)相关协定，通过中传(midhaul)与集中单元104连接；集中单元104负责处理无线资源控制(radio resource control，rrc)、服务数据调整协议(service data adaptation protocol，sdap)及封包数据汇聚通信协定(packet data convergence protocol，pdcp)等高层协定，通过后传(backhaul)与核心网络14连接。
49.无线接取网络的传输量，取决于用户装置的连线数量，因此，无线接取网络的传输量会随着不同的时间点以及不同的连线数量而上下起伏，而基于无线接取网络上各单元的分工有所不同，所需处理的数据量与所需的运算资源更是有所不同。一般而言，可借由收集
无线网络传输信息，训练人工智能模型以预测未来可能发生网络阻塞的时间点，并利用转移用户装置至其他无线电单元的方法来解决网络阻塞的问题。然而，上述方式仅考虑到前传无线资源的重新分配，却未考虑到网络阻塞可能是相关网络功能的运算能力不足所导致，例如分散单元处理基频的能力，或者集中单元处理网络层相关协定(osi l3)的能力等。此外，当运算资源过剩时，亦须收回过剩的资源，以对无线网络资源进行最佳化的配置，达到节能、降低成本的效果。
50.为了解决上述问题，本发明提供了一种无线接取网络，其可适应性地调整无线接取网络资源。请参考图2，图2为本发明实施例一无线接取网络2的示意图。无线接取网络2可用于移动通信系统1来实现无线接取网络10，且无线接取网络2符合o-ran的规范。无线接取网络2包含多个开放式无线电单元(o-ru)20_1～20_k、一开放式分散单元(o-du)22、一开放式集中单元(o-cu)24以及一资源调整装置26。开放式无线电单元20_1～20_k无线连接用户装置12_1～12_s，为求简洁，绘示为同一(虚线)区块。开放式分散单元22、开放式集中单元24以及资源调整装置26根据o-ran的规范运行于云端运算平台(o-cloud)。同时，在本实施例中，开放式分散单元22以及开放式集中单元24以容器网络功能化(container network function，cnf)的方式运行于kubernetes平台，由多个容器(pods)偕同运行，例如开放式分散单元22由多个容器du_pod_1～du_pod_m共m个pods共同运行，而开放式集中单元24由cu_pod_1～cu_pod_n共n个pods共同运行，但不限于此，本领域具通常知识者当可根据需求，采用其他适合的云端原生平台(cloud-native platform)。
51.需注意的是，图2仅绘示单一开放式分散单元22及单一开放式集中单元24，然而其仅为示意之用，在实际的应用上，无线接取网络2可包含多个分散单元以及多个集中单元；相对地，用户装置12_1～12_s及开放式无线电单元20_1～20_k也不限于多个，亦可能为1个。此外，根据5g的规范，无线接取网络可以有多种部署型态，无线电单元、分散单元以及集中单元可采取独立或合并架设的方式，而分散单元与集中单元亦可采取集中部署的方式。为简化说明，图式仅以最简化的架构表示，然而前述各种不同型态的无线接取网络部属方式亦适用于本发明的方法，可依据需求做变化与修饰。
52.资源调整装置26在逻辑上包含符合o-ran规范的服务管理与编排(service management and orchestration，smo)、非即时网络智能控制(non-real time ran intelligent controller，non-rt ric)以及近即时网络智能控制(near-rt ran intelligent controller，near-rt ric)，其可根据一无线接取网络资源调整方法，进行无线接取网络2的资源管理。该无线接取网络资源调整方法可归纳为一流程3，如图3所示，流程3包含以下步骤：
53.步骤300：开始。
54.步骤302：于一第一时间点取得无线接取网络状态训练信息ran_info_1～ran_info_t。
55.步骤304：根据无线接取网络状态训练信息ran_info_1～ran_info_t，预测一第二时间点的无线接取网络使用状况p_ran_status。
56.步骤306：于一第三时间点，根据无线接取网络使用状况p_ran_status，预先调整该第二时间点的无线接取网络2的资源分配，以将多个用户装置12_1～12_s分配至多个开放式无线电单元20_1～20_k，及调整开放式分散单元22与开放式集中单元24的运算资源的
配置；其中，该第一时间点早于该第三时间点，该第三时间点早于该第二时间点。
57.步骤308：结束。
58.在流程3中，第一时间点早于第三时间点，第三时间点早于第二时间点。换言之，根据流程3，资源调整装置26于第一时间点取得过去的无线接取网络资源的使用量作为无线接取网络状态训练信息ran_info_1～ran_info_t(步骤302)，并通过机器学习的方法，训练人工智能模型并用以预测于未来的第二时间点的一无线接取网络使用状况p_ran_status(步骤304)，并于第二时间点之前的第三时间点根据预测的无线接取网络使用状况p_ran_status，预先调整(未来)第二时间点的无线接取网络2的资源分配。据此，资源调整装置26可以持续性地监控无线接取网络2，并自适应性地调整无线接取网络2的资源分配。
59.详细来说，资源调整装置26于步骤302取得的无线接取网络状态训练信息ran_info_1～ran_info_t为由包含多个特征值的向量所组成的时间序列，且每一向量的多个特征值皆包含无线网络传输数据rr_metrics以及运算资源数据cr_metrics。在一实施例中，无线网络传输数据rr_metrics包含的特征可参考以下表一，其中的特征与参数名称定义于3gpp ts 28.552的性能测量，故不赘述其内容，本领域具通常知识者当可理解其代表的意义。资源调整装置26的non-rt ric可借由服务管理与编排(smo)通过o-ran的o1接口取得无线网络传输数据rr_metrics中的任一特征值。
60.表一
61.62.63.[0064][0065]
此外，运算资源数据cr_metrics包含的特征请参考表二。其中，中央处理器使用量(cpu usage)以及存储器使用量(memory usage)，可通过kubernetes平台提供的resource metrics api取得；加速器使用量(accelerator usage)须由硬件提供商所另外提供。
[0066]
表二
[0067][0068]
根据流程3，资源调整装置26于步骤304根据无线接取网络状态训练信息ran_info_1～ran_info_t，预测第二时间点的无线接取网络使用状况p_ran_status。在一实施例中，资源调整装置26可建构两阶段人工智能模型。举例来说，图4为适用于资源调整装置26的一人工智能模型40的示意图。人工智能模型40为一长短期记忆模型(long short-term memory，lstm)，根据无线接取网络状态训练信息ran_info_1～ran_info_t(过去时间点1～t)，持续训练并预测一未来时间点(例如时间点t+1)的无线接取网络状态预测信息p_ran_info。人工智能模型42为包含全连接层(fully connected layer)的线性转换(linear transformation)模型，以人工智能模型40持续预测出的多个(过去时间点1～t的)无线接取网络状态预测信息p_ran_info作为训练数据，并用以转换(时间点t+1的)无线接取网络状态预测信息p_ran_info为无线接取网络使用状况p_ran_status，无线接取网络使用状况p_ran_status包含三个目标特征：p_ip_thp、p_dl_prb_usg以及p_cpu_usg。其中，p_ip_thp相关于用户装置与无线电单元之间的平均网络传输量(ip throughput)的预测值，p_dl_prb_usg相关于用户平面传输的一平均下行物理资源区块(physical resource block，prb)使用率的预测值，以及p_cpu_usg相关于开放式分散单元22或开放式集中单元24的一中央处理器使用量的预测值。如此一来，资源调整装置26可根据(过去的)无线接取网络状态训练信息ran_info_1～ran_info_t，预测未来的无线接取网络使用状况p_ran_status，并预先调整资源分配，以提升整体网络的效益。其中，本发明实施例采用lstm模型做未来网络状态的预测，概因lstm于处理并预测与时间序列高度相关的问题上有较良好的表现，然而本发明实施例并不限于此方法，本领域具通常知识者当可依需求选择递归神经网络(recurrent neural network，rnn)抑或其他适合的人工智能模型使用。需注意的是，本发明实施例采用持续训练人工智能模型再借由人工智能模型预测未来的无线接取网络使用状况的方法，然而不限于此，采用现成的人工智能模型直接做预测亦为可采行的方法，本领域具通常知识者当可依需求采取适当的调整。
[0069]
于步骤306，取得第二时间点的预测无线接取网络使用状况p_ran_status之后，资源调整装置26即可预先于第三时间点根据三个目标特征p_ip_thp、p_dl_prb_usg以及p_cpu_usg，来进行第二时间点的无线接取网络2的资源分配。以开放式无线电单元20_1为例，假设用户装置12_1～12_s中的用户装置12_x～12_y无线连接于开放式无线电单元20_1，则资源调整装置26调整无线接取网络2的资源分配流程可如图5的一流程5所示。流程5为资源调整装置26于步骤306根据无线接取网络使用状况p_ran_status调整无线接取网络资源分配的流程，其包含以下步骤：
[0070]
步骤500：开始。
[0071]
步骤502：判断(响应于)用户装置12_x～12_y与开放式无线电单元20_1之间的平均网络传输量的预测值p_ip_thp是否小于1mbps；若是，则执行步骤504；若否，则执行步骤508。
[0072]
步骤504：判断(响应于)开放式无线电单元20_1的用户平面传输的平均下行物理资源区块使用率的预测值p_dl_prb_usg是否大于80％；若是，则执行步骤506；若否，则执行步骤508。
[0073]
步骤506：转移(handover)用户装置12_x～12_y中的一或多个用户装置至其他开放式无线电单元20_2～20_k中较为闲置的一或多个开放式无线电单元。
[0074]
步骤508：根据预测值p_cpu_usg，调整开放式分散单元22或开放式集中单元24的运算资源。
[0075]
步骤510：结束。
[0076]
详细来说，以开放式无线电单元20_1为例，于步骤502中，当(响应于)开放式无线电单元20_1相关于网络传输量的预测值p_ip_thp大于1mbps时，资源调整装置26可判断(未来的)第二时间点为没有网络阻塞的状况，并执行步骤508以收回开放式分散单元22以及开放式集中单元24可能过剩的运算资源；反之，执行步骤504，以进行进一步的判断。于步骤504中，当(响应于)开放式无线电单元20_1相关于用户平面传输的平均下行物理资源区块使用率的预测值p_dl_prb_usg亦大于80％时，判断为(未来的)第二时间点将因开放式无线电单元20_1的无线电资源不足而造成网络阻塞，并执行步骤506转移用户装置12_x～12_y中的一或多个用户装置至其开放式无线电单元20_2～20_k中较为闲置的一或多个开放式无线电单元，以分散流量；反之，判断为因运算资源不足造成网络阻塞，并执行步骤508以增加运算资源。步骤508调整开放式分散单元22或开放式集中单元24的运算资源的方法，为利用kubernetes所提供的hpa(horizontal pod autoscaler)自动扩展功能进行pod数量(replicas)的调整，当需要更多的运算资源时，增加pod的数量来支援开放式分散单元22或开放式集中单元24所需的运算，相反的，则减少pod的数量以收回过剩的资源，达成节能的目的。所需的pod数量的计算方式如下：
[0077][0078]
其中，ceil()为上取整函数，predictedreplicas为所需的pod数量，currentreplicas为目前运行的pod数量，predictedcpuusg为中央处理器使用量的预测值，即p_cpu_usg，以及currentcpuusg为目前开放式分散单元22或开放式集中单元24的中央处理器使用量。其中，currentreplicas与currentcpuusg的信息可通过o-cloud平台取得，predictedcpuusg可由步骤304预测取得。需注意的是，如前述无线接取网络上各单元的分工有所不同，所需处理的数据量与所需的运算资源更是有所不同，因此开放式分散单元22与开放式集中单元24运行所需的pod数量亦有所不同，须分别计算所需的pod数量并据此分别调整，可能同时需要调整，亦可能只需调整其中一者。此外，亦可根据加速器使用量等特征的预测值做资源调整，本领域具通常知识者当可根据本发明的方法做变化以采取适合的资源调整方式。
[0079]
需注意的是，在本发明实施例中，于步骤502中判断用户装置12_x～12_y与开放式无线电单元20_1之间的平均网络传输量的预测值p_ip_thp小于1mbps为网络阻塞的情况，
然而并不限于以1mbps为门槛值，当视网络基础建设条件及应用等实际情况设定合理的条件。同理，于步骤504中判断开放式无线电单元20_1用户平面传输的平均下行物理资源区块使用率的预测值p_dl_prb_usg是否大于80％的判断，亦不限于以80％为门槛值，当可视实际需求设定一符合经济效益的合理门槛值。此外，于步骤506中转移用户装置12_x～12_y中的一或多者至其他开放式无线电单元20_2～20_k中较为闲置的一或多者以分散流量的方法，亦不限于此，例如以平均分配用户装置数量至各开放式无线电单元，抑或转移部份用户装置至物理资源区块使用率预测值p_dl_prb_usg最低的开放式无线电单元等，皆为可采行的办法，且不限于此。
[0080]
图2至图5是用以说明本发明的精神，本领域具通常知识者当可据以做不同修饰，而不限于此。举例来说，在实作上，请参考图6，图6为无线接取网络2的逻辑架构图。为求简洁，图6仅绘示必要的单元与接口，例如以一开放式无线电单元20_x表示开放式无线电单元20_1～20_k。资源调整装置26包含一服务管理与编排260、一非即时网络智能控制262以及一近即时网络智能控制264。在一实施例中，资源调整装置26可于服务管理与编排260通过o1接口取得无线接取网络状态训练信息ran_info_1～ran_info_t，由非即时网络智能控制262进行前述人工智能模型的训练(步骤302、304)，通过a1接口传递相关于人工智能模型的信息，并于近即时网络智能控制264进行无线接取网络使用状况p_ran_status的预测(步骤304)，并可通过e2或o2接口根据流程5调整无线接取网络2的资源分配(步骤306)。需注意的是，流程3的执行不限于此实施例的方式，前述人工智能模型的部属亦不限于此，举例来说，预测无线接取网络使用状况p_ran_status的步骤(步骤304)亦可运行于非即时网络智能控制262或直接运行于o-cloud系统中，本领域具通常知识者当可在符合o-ran的规范下，依据需求做变化。
[0081]
进一步地，请参考图7，其为本发明实施例的一通信装置7示意图。通信装置7可实现资源调整装置26、开放式分散单元22或开放式集中单元24。如图7所示，通信装置7符合开放架构无线接取网络的规范，可为实现网络功能虚拟化(network functions virtualization，nfv)的一般商用设备(commercial off-the-shelf，cots)，其中可包含一处理单元70以及一存储单元72。处理单元70可为一微处理器或特定应用集成电路(application specific integrated circuit，asic)。存储单元72可为任一数据存储装置，用来存储一程序码720，并通过处理单元70读取及执行程序码720。举例来说，存储单元72可为只读式存储器(rom)、快闪存储器(flash memory)、随机存取存储器(ram)、硬盘及光学数据存储装置(optical data storage device)及非易失性存储单元等，但不限于此。
[0082]
通信装置7用以表示实现本发明实施例所需的必要元件，本领域具通常知识者当可据以做不同的修饰、调整，而不限于此。举例来说，当以通信装置7实现资源调整装置26时，可将无线接取网络资源调整流程3编译为程序码720，并存储于存储单元72中，由处理单元70执行无线接取网络资源调整流程3的方法。类似地，当以通信装置7实现开放式分散单元22以及开放式集中单元24时，存储单元可存储实现开放式分散单元22以及开放式集中单元24的程序码720，由处理单元70运行于一云端平台，并根据资源调整装置26的指示调整所需的运算资源。
[0083]
综上所述，本发明提供一自适应性的调整无线接取网络资源的方法，借由人工智能的方法来预测未来网络的使用状况，并据此自动化的调整网络资源的分配，防止网络阻
塞以维护用户体验的同时，亦可达到节能的效果，提升整体网络的效益。
[0084]
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

技术特征：
1.一种调整无线接取网络资源的方法，用于一无线接取网络，该无线接取网络符合第五代移动通信技术的一开放架构无线接取网络的规范，包含有多个无线电单元、一分散单元及一集中单元，该调整无线接取网络资源的方法包含有：于一第一时间点取得多个无线接取网络状态训练信息；根据该多个无线接取网络状态训练信息，预测一第二时间点的一无线接取网络使用状况；以及于一第三时间点，根据该无线接取网络使用状况，预先调整该第二时间点的无线接取网络资源分配，以将多个用户装置分配至该多个无线电单元，及调整该分散单元与该集中单元的运算资源的配置；其中，该第一时间点早于该第三时间点，该第三时间点早于该第二时间点。2.如权利要求1所述的方法，其中该多个无线接取网络状态训练信息包含一无线电资源使用量信息、一用户装置传输量信息、一中央处理单元使用量信息、一存储器使用量信息及一加速器使用量信息的一或多者。3.如权利要求1所述的方法，其中根据该多个无线接取网络状态训练信息，预测该第二时间点的该无线接取网络使用状况的步骤，包含有：根据一第一人工智能模型，预测该第二时间点的一无线接取网络状态预测信息；以及根据一第二人工智能模型，预测该第二时间点的该无线接取网络使用状况。4.如权利要求3所述的方法，更包括：利用一第一深度学习方法，以该多个无线接取网络状态训练信息训练该第一人工智能模型；以及利用一第二深度学习方法，以该无线接取网络状态预测信息训练该第二人工智能模型。5.如权利要求3所述的方法，其中该第一人工智能模型为一递归神经网络或一长短期记忆模型。6.如权利要求1所述的方法，其中该第二时间点的该无线接取网络使用状况包含有一第一特征值、一第二特征值及一第三特征值，该第一特征值相关于一用户装置与该无线电单元间平均网络传输量的预测值，该第二特征值相关于一平均下行物理资源区块使用率的预测值，以及该第三特征值相关于该分散单元或该集中单元的一中央处理单元使用量的预测值。7.如权利要求6所述的方法，其中于该第三时间点根据该无线接取网络使用状况预先调整该第二时间点的无线接取网络资源分配的步骤，包含有：响应于该第一特征值小于一第一门槛值并且该第二特征值大于一第二门槛值，平均分配该多个用户装置至该多个无线电单元；响应于该第一特征值大于该第一门槛值，根据该第三特征值与该第三时间点中央处理单元使用量的一比值，分别调整该集中单元或该分散单元的一运算资源；以及响应于该第二特征值小于该第二门槛值，根据该第三特征值与该第三时间点中央处理单元使用量的该比值，分别调整该集中单元或该分散单元的该运算资源。8.一种资源调整装置，用于一无线接取网络，该无线接取网络符合第五代移动通信技术的一开放架构无线接取网络的规范，包含有多个无线电单元、一分散单元及一集中单元，
该资源调整装置包含有：一处理单元，用来执行一程序码；以及一存储单元，耦接于该处理单元，用来存储该程序码，以指示该处理单元执行一调整无线接取网络资源的方法，该方法包含有：于一第一时间点取得多个无线接取网络状态训练信息；根据该多个无线接取网络状态训练信息，预测一第二时间点的一无线接取网络使用状况；以及于一第三时间点根据该无线接取网络使用状况，预先调整该第二时间点的无线接取网络资源分配，以将多个用户装置分配至该多个无线电单元，及调整该分散单元与该集中单元的运算资源的配置；其中，该第一时间点早于该第三时间点，该第三时间点早于该第二时间点。9.如权利要求8所述的资源调整装置，其中该多个无线接取网络状态训练信息包含一无线电资源使用量信息、一用户装置传输量信息、一中央处理单元使用量信息、一存储器使用量信息以及一加速器使用量信息的一或多者。10.如权利要求8所述的资源调整装置，其中根据该多个无线接取网络状态训练信息，预测该第二时间点的该无线接取网络使用状况的步骤，包含有：根据一第一人工智能模型，预测该第二时间点的一无线接取网络状态预测信息；以及根据一第二人工智能模型，预测该第二时间点的该无线接取网络使用状况。11.如权利要求10所述的资源调整装置，更包括：利用一第一深度学习方法，以该多个无线接取网络状态训练信息训练该第一人工智能模型；以及利用一第二深度学习方法，以该无线接取网络状态预测信息训练该第二人工智能模型。12.如权利要求10所述的资源调整装置，其中该第一人工智能模型为一递归神经网络或一长短期记忆模型。13.如权利要求8所述的资源调整装置，其中该第二时间点的该无线接取网络使用状况包含有一第一特征值、一第二特征值及一第三特征值，该第一特征值相关于一用户装置与该无线电单元间平均网络传输量的预测值，该第二特征值相关于一平均下行物理资源区块使用率的预测值，以及该第三特征值相关于该分散单元或该集中单元的一中央处理单元使用量的预测值。14.如权利要求13所述的资源调整装置，其中于该第三时间点根据该无线接取网络使用状况，预先调整该第二时间点的无线接取网络资源分配的步骤包含有：当该第一特征值小于一第一门槛值并且该第二特征值大于一第二门槛值时，平均分配该多个用户装置至该多个无线电单元；以及当该第一特征值大于该第一门槛值或该第二特征值小于该第二门槛值时，根据该第三特征值与该第三时间点中央处理单元使用量的一比值，分别调整该集中单元或该分散单元的一运算资源。15.一种无线接取网络，该无线接取网络符合第五代移动通信技术的一开放架构无线接取网络的规范，包含有：
多个无线电单元；一分散单元，运行于一第一云端运算平台；一集中单元，运行于一第二云端运算平台；以及一资源调整装置，用来执行一无线接取网络资源调整方法，该无线接取网络资源调整方法包含有：于一第一时间点取得多个无线接取网络状态训练信息；根据该多个无线接取网络状态训练信息，预测一第二时间点的一无线接取网络使用状况；以及于一第三时间点，根据该无线接取网络使用状况，预先调整该第二时间点的无线接取网络资源分配，以将多个用户装置分配至该多个无线电单元，及调整该分散单元与该集中单元的运算资源的配置；其中，该第一时间点早于该第三时间点，该第三时间点早于该第二时间点。16.如权利要求15所述的无线接取网络，其中该多个无线接取网络状态训练信息包含一无线电资源使用量信息、一用户装置传输量信息、一中央处理单元使用量信息、一存储器使用量信息及一加速器使用量信息的一或多者。17.如权利要求15所述的无线接取网络，其中该无线接取网络资源调整方法中根据该多个无线接取网络状态训练信息，预测该第二时间点的该无线接取网络使用状况的步骤，包含有：利用一第一深度学习方法，以该多个无线接取网络状态训练信息训练一第一人工智能模型；根据该第一人工智能模型，预测该第二时间点的一无线接取网络状态预测信息；利用一第二深度学习方法，以该无线接取网络状态预测信息训练一第二人工智能模型；以及根据该第二人工智能模型，预测该第二时间点的该无线接取网络使用状况。18.如权利要求17所述的无线接取网络，其中该第一人工智能模型为一递归神经网络或一长短期记忆模型。19.如权利要求15所述的无线接取网络，其中该第二时间点的该无线接取网络使用状况包含有一第一特征值、一第二特征值及一第三特征值，该第一特征值相关于一用户装置与该无线电单元间平均网络传输量的预测值，该第二特征值相关于一平均下行物理资源区块使用率的预测值，以及该第三特征值相关于该分散单元或该集中单元的一中央处理单元使用量的预测值。20.如权利要求19所述的无线接取网络，其中该无线接取网络资源调整方法中于该第三时间点根据该无线接取网络使用状况预先调整该第二时间点的无线接取网络资源分配的步骤，包含有：响应于该第一特征值小于一第一门槛值并且该第二特征值大于一第二门槛值，平均分配该多个用户装置至该多个无线电单元；响应于该第一特征值大于该第一门槛值，根据该第三特征值与该第三时间点中央处理单元使用量的一比值，分别调整该集中单元或该分散单元的一运算资源；以及响应于该第二特征值小于该第二门槛值，根据该第三特征值与该第三时间点中央处理
单元使用量的该比值，分别调整该集中单元或该分散单元的该运算资源。21.如权利要求15所述的无线接取网络，其中该第一云端运算平台与该第二云端运算平台为相同平台。

技术总结
一种调整无线接取网络资源的方法，用于一无线接取网络，包含有于一第一时间点取得多个无线接取网络状态训练信息；根据该多个无线接取网络状态训练信息，预测一第二时间点的一无线接取网络使用状况；以及于一第三时间点，根据该无线接取网络使用状况，预先调整该第二时间点的无线接取网络资源分配，以将多个用户装置分配至多个无线电单元，及调整分散单元与集中单元的运算资源的配置；其中，该第一时间点早于该第三时间点，该第三时间点早于该第二时间点。本发明还涉及一种调整无线接取网络资源的装置及相关的无线接取网络。的装置及相关的无线接取网络。的装置及相关的无线接取网络。


技术研发人员：黄源福
受保护的技术使用者：纬创资通股份有限公司
技术研发日：2022.04.13
技术公布日：2023/9/20