区域负荷预测方法、装置、电子设备及计算机程序产品与流程

1.本技术涉及无线通信技术领域，具体涉及一种区域负荷预测方法、装置、电子设备及计算机程序产品。


背景技术：

2.目前，小区负荷优化主要基于历史话务统计数据，依赖于专家经验，例如，根据预设的高负荷阈值门限，启动相应的优化方案(如负载均衡参数优化、扩容、载波调度等)；历史话务统计数据的时间粒度较大，通过数据库或报表方式输出每个小区各自的忙时负荷，再通过统计多日数据中超过阈值的频次或评估数据均值是否超过阈值，来确定小区是否需要进行优化调整。
3.现有技术手段主要基于历史话务统计数据生成负荷优化方案，由于历史话务统计数据是事后生成的，再加上数据处理时间，因此，导致优化动作始终在事后进行，区域业务负荷预测的准确性及负荷优化的时效性较低。


技术实现要素：

4.本技术实施例提供一种区域负荷预测方法、装置、电子设备及计算机程序产品，用以解决现有区域负荷预测的准确性及负荷优化的时效性较低的技术问题。
5.第一方面，本技术实施例提供一种区域负荷预测方法，包括：
6.选择包含多个子区域的目标区域，采集所述目标区域内各所述子区域的mro原始测量报告，根据所述mro计算各所述子区域与其他子区域的重叠覆盖度，得到邻接矩阵；
7.获取各所述子区域的历史业务负荷数据，根据预设数据选取规则和所述历史业务负荷数据，得到第一训练数据集和第二训练数据集；
8.将所述邻接矩阵、所述第一训练数据集以及所述第二训练数据集输入预设模型进行训练，得到区域负荷预测模型；
9.根据所述预设数据选取规则和待预测时刻构建各所述子区域的业务负荷特征集，将所述业务负荷特征集输入到所述区域负荷预测模型，得到各所述子区域在所述待预测时刻的负荷预测结果。
10.在一个实施例中，所述根据所述mro计算各所述子区域与其他子区域的重叠覆盖度的步骤包括：
11.从各所述子区域中选出第一子区域，以及与所述第一子区域相邻的第二子区域；
12.获取所述第一子区域的mro中的采样点总数，以及各采样点对应的rsrp参考信号接收功率；
13.根据各所述采样点对应的rsrp，计算所述第二子区域与所述第一子区域的重叠覆盖度。
14.在一个实施例中，各所述采样点对应的rsrp包括所述第一子区域的rsrp和所述第二子区域的rsrp，所述根据各所述采样点对应的rsrp，计算所述第二子区域与所述第一子
区域的重叠覆盖度的步骤包括：
15.计算所述第二子区域的rsrp与所述第一子区域的rsrp之间的差值，得到各所述采样点对应的rsrp差值，统计所述rsrp差值大于预设阈值的采样点数量；
16.计算所述采样点数量与所述采样点总数的比值，得到所述第二子区域与所述第一子区域的重叠覆盖度。
17.在一个实施例中，所述根据所述预设数据选取规则和待预测时刻构建各所述子区域的业务负荷特征集的步骤包括：
18.根据所述预设数据选取规则，确定待预测时刻对应的时间区段；
19.根据所述预设时间粒度和所述时间区段，将所述历史业务负荷数据转换为所述待预测时刻对应的各所述子区域的业务负荷特征集。
20.在一个实施例中，所述所述负荷预测结果包括流量预测结果和prb物理层资源块利用率，所述将所述业务负荷特征集输入到所述区域负荷预测模型，得到各所述子区域在所述待预测时刻的负荷预测结果的步骤之后，包括：
21.选取所述待预测时刻之后的第一连续时段，以及所述第一连续时段之后的第二连续时段；
22.在预设扇区在所述第一连续时段对应的流量预测结果满足第一预设条件，在所述第一连续时段对应的prb利用率满足第二预设条件，且在所述第二连续时段对应的prb利用率满足第三预设条件的情况下，在所述待预测时刻对所述预设扇区进行扩容。
23.在一个实施例中，所述选取所述待预测时刻之后的第一连续时段，以及所述第一连续时段之后的第二连续时段的步骤之后，还包括：
24.选取所述待预测时刻之后的第三连续时段；
25.在预设扇区在所述第三连续时段对应的流量预测结果均满足所述第一预设条件，且在所述第三连续时段对应的prb利用率均满足所述第二预设条件和第四预设条件的情况下，在所述待预测时刻调整所述预设扇区对应的负载均衡参数。
26.在一个实施例中，所述区域负荷预测方法，还包括：
27.获取各所述子区域对应的通信频段，以及各所述通信频段对应的比例参数；
28.根据所述通信频段和所述比例参数，计算所述第一预设条件中的第一扩容门限，所述第二预设条件中的第二扩容门限以及所述第三预设条件中的减容门限。
29.第二方面，本技术实施例提供一种区域负荷预测装置，包括：
30.重叠覆盖度计算模块，用于选择包含多个子区域的目标区域，采集所述目标区域内各所述子区域的mro原始测量报告，根据所述mro计算各所述子区域与其他子区域的重叠覆盖度，得到邻接矩阵；
31.训练数据集获得模块，用于获取各所述子区域的历史业务负荷数据，根据预设数据选取规则和所述历史业务负荷数据，得到第一训练数据集和第二训练数据集；
32.区域负荷预测模型获得模块，用于将所述邻接矩阵、所述第一训练数据集以及所述第二训练数据集输入预设模型进行训练，得到区域负荷预测模型；
33.负荷预测模块，用于根据所述预设数据选取规则和待预测时刻构建各所述子区域的业务负荷特征集，将所述业务负荷特征集输入到所述区域负荷预测模型，得到各所述子区域在所述待预测时刻的负荷预测结果。
34.第三方面，本技术实施例提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述计算机程序时实现第一方面所述的区域负荷预测方法的步骤。
35.第四方面，本技术实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第一方面所述的区域负荷预测方法的步骤。
36.本技术实施例提供的区域负荷预测方法、装置、电子设备及计算机程序产品，通过计算各子区域之间的重叠覆盖度，对细粒度历史业务负荷数据进行特征数据提取，将重叠覆盖度及特征数据提取得到的数据进行训练，得到负荷预测模型，将待预测时刻对应的业务负荷特征集输入负荷预测模型，得到预测时刻的负荷预测结果，通过模型训练预测区域业务负荷，提高了区域业务负荷预测的准确性及负荷优化的时效性。
附图说明
37.为了更清楚地说明本技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
38.图1是本技术实施例中区域负荷预测方法的流程示意图；
39.图2是本技术实施例中区域负荷预测装置的结构示意图；
40.图3是本技术实施例中电子设备的结构示意图。
具体实施方式
41.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
42.参照图1，图1是本技术实施例中区域负荷预测方法的流程示意图，本技术实施例提供的区域负荷预测方法，可以包括：
43.步骤s100，选择包含多个子区域的目标区域，采集所述目标区域内各所述子区域的mro原始测量报告，根据所述mro计算各所述子区域与其他子区域的重叠覆盖度，得到邻接矩阵；
44.具体地，首先，可以按照网格、行政区、活动范围等选择包含多个子区域的目标区域，这里的子区域是指无线信号覆盖的区域，一般是指一个基站的信号所能覆盖的范围，又称为无线小区、蜂窝小区或者基站小区等，采集目标区域内各子区域的mro(measurement report original，原始测量报告)，根据每个子区域的mro可以计算各子区域与其他子区域的重叠覆盖度，参考下面的矩阵1，其中，在子区域i的mro中，另一个子区域j与子区域i的重叠覆盖度a
ij
，与子区域i与子区域j的重叠覆盖度a
ji
的计算方法不同，得到的数值也可能不同，若目标区域中子区域的总数为n，则根据每个子区域的mro计算得到的各子区域与其他子区域的重叠覆盖度，可以得到n
×
n的矩阵，在n
×
n矩阵中，对角线元素a
ii
可以为1，得到的n
×
n矩阵即为本实施例中的邻接矩阵。
[0045][0046]
矩阵1
[0047]
步骤s200，获取各所述子区域的历史业务负荷数据，根据预设数据选取规则和所述历史业务负荷数据，得到第一训练数据集和第二训练数据集；
[0048]
具体地，计算得到各子区域与其他子区域的重叠覆盖度得到邻接矩阵后，获取各子区域的历史业务负荷数据，历史业务负荷数据的时长可以是4周，时间粒度可以是15分钟，得到时间序列f，序列f的长度为4
×7×
24
×
4＝2688，对于子区域i来说，即fi＝{f
i1
，f
i2
，
……
，f
i2688
}，选取fi中最后一周的数据，即{f
i2017
，
……
，f
i2688
}作为标签yi，即本实施例中的第一训练数据集。预设数据选取规则可以是：时刻t，将t时刻前12小时内的历史业务负荷数据，t时刻前三天对应同时刻前后各2小时内的历史业务负荷数据，以及t时刻前三周内对应同天同时刻前后各2小时内的历史业务负荷数据，共计144个特征数据作为第二训练数据集。
[0049]
步骤s300，将所述邻接矩阵、所述第一训练数据集以及所述第二训练数据集输入预设模型进行训练，得到区域负荷预测模型；
[0050]
具体地，采用gcn(graph convolutional network，图卷积神经网络)结合lstm(long short-term memory，长短期记忆人工神经网络)建立模型，得到邻接矩阵、第一训练数据集以及第二训练数据集之后，将邻接矩阵作为图结构输入建立的模型中，第一训练数据集以及第二训练数据集作为训练数据输入建立的模型中进行训练，训练完成后得到区域负荷预测模型。
[0051]
步骤s400，根据所述预设数据选取规则和待预测时刻构建各所述子区域的业务负荷特征集，将所述业务负荷特征集输入到所述区域负荷预测模型，得到各所述子区域在所述待预测时刻的负荷预测结果。
[0052]
具体地，本实施例中的待预测时刻在得到区域负荷预测模型之后，预设数据选取规则可以是：待预测时刻为t，将t时刻前12小时内的历史业务负荷数据，t时刻前三天对应同时刻前后各2小时内的历史业务负荷数据，以及t时刻前三周内对应同天同时刻前后各2小时内的历史业务负荷数据，共计144个特征数据，将这144个特征数据作为预测数据输入
到区域负荷预测模型进行预测得到各子区域在待预测时刻的负荷预测结果。
[0053]
将子区域i对应的业务负荷特征集输入到子区域i对应的区域负荷预测模型中，得到子区域在待预测时刻的负荷预测结果，将得到的待预测时刻的负荷预测结果加入历史业务负荷数据，可以得到未来更多时刻的负荷预测结果。
[0054]
本实施例通过计算各子区域之间的重叠覆盖度，对细粒度历史业务负荷数据进行特征数据提取，将重叠覆盖度及特征数据提取得到的数据进行训练，得到负荷预测模型，将待预测时刻对应的业务负荷特征集输入负荷预测模型，得到预测时刻的负荷预测结果，通过模型训练预测区域业务负荷，提高了区域业务负荷预测的准确性及负荷优化的时效性。
[0055]
在一种实施例中，本实施例提供的区域负荷预测方法，还可以包括：
[0056]
步骤s110，从各所述子区域中选出第一子区域，以及与所述第一子区域相邻的第二子区域；
[0057]
步骤s120，获取所述第一子区域的mro中的采样点总数，以及各采样点对应的rsrp参考信号接收功率；
[0058]
步骤s130，根据各所述采样点对应的rsrp，计算所述第二子区域与所述第一子区域的重叠覆盖度。
[0059]
具体地，参考下表1，根据每个子区域的mro计算各子区域与其他子区域的重叠覆盖度的方法可以是：获取第一子区域的mro中的采样点总数，例如100，各采样点对应的rsrp(reference signal receiving power，参考信号接收功率)包括第一子区域的rsrp，以及与第一子区域相邻的第二子区域的rsrp，根据每个采样点对应的x(第二子区域的rsrp)和y(第一子区域的rsrp)，可以计算第二子区域与第一子区域的重叠覆盖度。
[0060]
采样点12
…
99100第二子区域的rsrpx1x2
…
x99x100第一子区域的rsrpy1y2
…
y99y100
[0061]
表1
[0062]
本实施例通过计算各子区域之间的重叠覆盖度，获取用于训练预测模型的数据，提高了负荷预测的准确性。
[0063]
在一种实施例中，本实施例提供的区域负荷预测方法，还可以包括：
[0064]
步骤s131，计算所述第二子区域的rsrp与所述第一子区域的rsrp之间的差值，得到各所述采样点对应的rsrp差值，统计所述rsrp差值大于预设阈值的采样点数量；
[0065]
步骤s132，计算所述采样点数量与所述采样点总数的比值，得到所述第二子区域与所述第一子区域的重叠覆盖度。
[0066]
具体地，根据每个采样点对应的x(第二子区域的rsrp)和y(第一子区域的rsrp)，计算第二子区域与第一子区域的重叠覆盖度的方法可以是：先计算第二子区域的rsrp与第一子区域的rsrp之间的差值，即x1－y1，x2－y2，
…
x99－y99，x100－y100，得到各采样点对应的rsrp差值，从所有采样点对应的rsrp差值中，统计大于预设阈值的rsrp差值的采样点数量，例如，在所有采样点对应的rsrp差值中，大于采样点对应的rsrp差值存在30个，然后计算采样点数量与采样点总数的比值为30％，得到第二子区域与第一子区域的重叠覆盖度。
[0067]
本实施例通过计算各子区域之间的重叠覆盖度，获取用于训练预测模型的数据，
提高了负荷预测的准确性。
[0068]
在一种实施例中，本实施例提供的区域负荷预测方法，还可以包括：
[0069]
步骤s401，根据所述预设数据选取规则，确定待预测时刻对应的时间区段；
[0070]
步骤s402，根据所述预设时间粒度和所述时间区段，将所述历史业务负荷数据转换为所述待预测时刻对应的各所述子区域的业务负荷特征集。
[0071]
根据预设数据选取规则，确定待预测时刻对应的时间区段，例如，第一至四周对应的2688个业务负荷数据为历史业务负荷数据，当前时段为第四周周日的23点45分到0点，待预测时段为第五周周一的0点到0点15分，属于未来时段，以15分钟为时间粒度先选取待预测时段前12小时内的历史业务负荷数据，即第四周周日12点至次日0点时段内总计48个时段的历史业务负荷数据，再选取待预测时段前三天对应同时段前后各2小时内的历史业务负荷数据，即，第四周周四22点15分至第四周周五0点15分、第四周周五0点15分至2点15分、第四周周五22点15分至第四周周六0点15分、第四周周六0点15分至2点15分、第四周周六22点15分至第四周周日0点15分，以及第四周周日0点15分至2点15分这些时段内总计48个时段的历史业务负荷数据，最后再选取待预测时段前三周内对应同天同时段前后各2小时内的历史业务负荷数据，即，第一周周日22点15分至第二周周一0点15分，以及第二周周一0点15分至2点15分、第二周周日22点15分至第三周周一0点15分，以及第三周周一0点15分至2点15分、第三周周日22点15分至第四周周一0点15分，以及第四周周一0点15分至2点15分这些时段内总计48个时段的历史业务负荷数据，共计144个历史业务负荷数据，即本实施例中的业务负荷特征集。
[0072]
本实施例通过预设数据选取规则，确定待预测时刻对应的业务负荷特征集，进而根据业务负荷特征集，得到待预测时刻的业务负荷预测结果，提高了负荷预测的准确性及负荷优化的时效性。
[0073]
在一种实施例中，本实施例提供的区域负荷预测方法，还可以包括：
[0074]
步骤s410，选取所述待预测时刻之后的第一连续时段，以及所述第一连续时段之后的第二连续时段；
[0075]
具体地，获取到各子区域在待预测时刻的负荷预测结果后，可以基于负荷预测结果确定负荷优化方案，首先，获取待预测时刻之后的第一连续时段，以及第一连续时段之后的第二连续时段，例如，获取待预测时刻之后一个星期内负荷预测结果，以15分钟为一个时段，总共得到7
×
24
×
4＝672个负荷预测结果，计为k1……kt
……
k672，第一连续时段可以为k
t
～k
t+7
，第二连续时段可以为k
t+8
～k
t+11
。
[0076]
步骤s420，在预设扇区在所述第一连续时段对应的流量预测结果满足第一预设条件，在所述第一连续时段对应的prb利用率满足第二预设条件，且在所述第二连续时段对应的prb利用率满足第三预设条件的情况下，在所述待预测时刻对所述预设扇区进行扩容。
[0077]
具体地，负荷预测结果包括业务量预测数据m和利用率预测数据u，其中，扇区a(即本实施例中的预设扇区)内的子区域i的业务量预测数据为mi，子区域i的prb利用率预测数据为ui，如果扇区a内的子区域在连续8个时间段k
t
～k
t+7
，满足第一预设条件和第二预设条件，且在第9～12个时间段k
t+8
～k
t+11
不满足第三预设条件，则在时间段k
t-1
期间对扇区a实施扩容，第一预设条件可以为：∑mi》cf；第二预设条件可以为：第三预设条件可
以为：其中，cf，cu和du别为总业务量扩容门限、平均prb(physical layer resource block，物理层资源块)利用率扩容门限、平均prb利用率减容门限。
[0078]
步骤s430，选取所述待预测时刻之后的第三连续时段；
[0079]
具体地，选取待预测时刻之后的第三连续时段，其中，第三连续时段可以是：任一连续的2个时间段k
t
和k
t+1
。
[0080]
步骤s440，在预设扇区在所述第三连续时段对应的流量预测结果均满足所述第一预设条件，且在所述第三连续时段对应的prb利用率均满足所述第二预设条件和第四预设条件的情况下，在所述待预测时刻调整所述预设扇区对应的负载均衡参数。
[0081]
具体地，如果扇区a内子区域的业务量预测数据和prb利用率，在任一连续2个时间段k
t
和k
t+1
同时满足第一预设条件、第二预设条件和第四预设条件，则在时间段k
t-1
期间对扇区a内的子区域进行负载均衡参数的调整，其中，第四预设条件可以是：|u
i-uj|》20％，其中，与子区域i相邻的子区域j的prb利用率预测数据为uj。
[0082]
本实施例通过判断待预测时刻的业务负荷预测结果是否满足各个预设条件，进而根据判断结果确定对应的负荷优化方案，提高了负荷预测的准确性及负荷优化的时效性。
[0083]
在一种实施例中，本实施例提供的区域负荷预测方法，还可以包括：
[0084]
步骤s450，获取各所述子区域对应的通信频段，以及各所述通信频段对应的比例参数；
[0085]
步骤s460，根据所述通信频段和所述比例参数，计算所述第一预设条件中的第一扩容门限，所述第二预设条件中的第二扩容门限以及所述第三预设条件中的减容门限。
[0086]
具体地，第一预设条件中的第一扩容门限(即上述cf)、第二预设条件中的第二扩容门限(即上述cu)以及第三预设条件中的减容门限(即上述du)的确定方法可以是：获取各子区域对应的通信频段，例如，下表2中的band3、band41和band39等，以及各通信频段对应的比例参数，参考下表2，例如，扇区a内通信频段为band3的子区域有1个，band39的子区域有2个，band41+3dmm的子区域有2个，则cu的取值算法为(56％
×
1+40％
×
2+64％
×
2)/(1+2+2)＝52.8％，根据上述算法可以得到第一扩容门限cf、第二扩容门限cu以及减容门限du。
[0087] c
fcudu
band 3956％20％band 41/383.540％20％band 41/38+3dmm1264％20％band 393.540％20％
[0088]
表2
[0089]
本实施例通过业务负荷预测结果，确定对应的负荷优化方案，提高了负荷预测的准确性及负荷优化的时效性。
[0090]
参考图2，下面对本技术实施例提供的区域负荷预测装置进行描述，下文描述的区域负荷预测装置与上文描述的区域负荷预测方法可相互对应参照。
[0091]
重叠覆盖度计算模块201，用于选择包含多个子区域的目标区域，采集所述目标区域内各所述子区域的mro原始测量报告，根据所述mro计算各所述子区域与其他子区域的重叠覆盖度，得到邻接矩阵；
[0092]
训练数据集获得模块202，用于获取各所述子区域的历史业务负荷数据，根据预设数据选取规则和所述历史业务负荷数据，得到第一训练数据集和第二训练数据集；
[0093]
区域负荷预测模型获得模块203，用于将所述邻接矩阵、所述第一训练数据集以及所述第二训练数据集输入预设模型进行训练，得到区域负荷预测模型；
[0094]
负荷预测模块204，用于根据所述预设数据选取规则和待预测时刻构建各所述子区域的业务负荷特征集，将所述业务负荷特征集输入到所述区域负荷预测模型，得到各所述子区域在所述待预测时刻的负荷预测结果。
[0095]
可知地，所述重叠覆盖度计算模块，包括：
[0096]
子区域选取单元，用于从各所述子区域中选出第一子区域，以及与所述第一子区域相邻的第二子区域；
[0097]
rsrp获取单元，用于获取所述第一子区域的mro中的采样点总数，以及各采样点对应的rsrp参考信号接收功率；
[0098]
重叠覆盖度计算单元，用于根据各所述采样点对应的rsrp，计算所述第二子区域与所述第一子区域的重叠覆盖度。
[0099]
可知地，所述重叠覆盖度计算单元，包括：
[0100]
采样点数量统计单元，用于计算所述第二子区域的rsrp与所述第一子区域的rsrp之间的差值，得到各所述采样点对应的rsrp差值，统计所述rsrp差值大于预设阈值的采样点数量；
[0101]
比值计算单元，用于计算所述采样点数量与所述采样点总数的比值，得到所述第二子区域与所述第一子区域的重叠覆盖度。
[0102]
可知地，所述负荷预测模块，还包括：
[0103]
时间区段确定模块，用于根据所述预设数据选取规则，确定待预测时刻对应的时间区段；
[0104]
数据转换模块，用于根据所述预设时间粒度和所述时间区段，将所述历史业务负荷数据转换为所述待预测时刻对应的各所述子区域的业务负荷特征集。
[0105]
可知地，所述区域负荷预测装置，还包括：
[0106]
连续时刻选取模块，用于选取所述待预测时刻之后的第一连续时段，以及所述第一连续时段之后的第二连续时段；
[0107]
扩容模块，用于在预设扇区在所述第一连续时段对应的流量预测结果满足第一预设条件，在所述第一连续时段对应的prb利用率满足第二预设条件，且在所述第二连续时段对应的prb利用率满足第三预设条件的情况下，在所述待预测时刻对所述预设扇区进行扩容。
[0108]
可知地，所述区域负荷预测装置，还包括：
[0109]
第三连续时段选取模块，用于选取所述待预测时刻之后的第三连续时段；
[0110]
负载均衡参数调整模块，用于在预设扇区在所述第三连续时段对应的流量预测结果均满足所述第一预设条件，且在所述第三连续时段对应的prb利用率均满足所述第二预设条件和第四预设条件的情况下，在所述待预测时刻调整所述预设扇区对应的负载均衡参数。
[0111]
可知地，所述区域负荷预测装置，还包括：
[0112]
通信频段获取模块，用于获取各所述子区域对应的通信频段，以及各所述通信频段对应的比例参数；
[0113]
门限计算模块，用于根据所述通信频段和所述比例参数，计算所述第一预设条件中的第一扩容门限，所述第二预设条件中的第二扩容门限以及所述第三预设条件中的减容门限。
[0114]
图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(communication interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的计算机程序，以执行区域负荷预测方法的步骤
[0115]
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0116]
另一方面，本技术实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各实施例所提供的区域负荷预测方法的步骤。
[0117]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0118]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0119]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。

技术特征：
1.一种区域负荷预测方法，其特征在于，包括：选择包含多个子区域的目标区域，采集所述目标区域内各所述子区域的mro原始测量报告，根据所述mro计算各所述子区域与其他子区域的重叠覆盖度，得到邻接矩阵；获取各所述子区域的历史业务负荷数据，根据预设数据选取规则和所述历史业务负荷数据，得到第一训练数据集和第二训练数据集；将所述邻接矩阵、所述第一训练数据集以及所述第二训练数据集输入预设模型进行训练，得到区域负荷预测模型；根据所述预设数据选取规则和待预测时刻构建各所述子区域的业务负荷特征集，将所述业务负荷特征集输入到所述区域负荷预测模型，得到各所述子区域在所述待预测时刻的负荷预测结果。2.根据权利要求1所述的区域负荷预测方法，其特征在于，所述根据所述mro计算各所述子区域与其他子区域的重叠覆盖度的步骤包括：从各所述子区域中选出第一子区域，以及与所述第一子区域相邻的第二子区域；获取所述第一子区域的mro中的采样点总数，以及各采样点对应的rsrp参考信号接收功率；根据各所述采样点对应的rsrp，计算所述第二子区域与所述第一子区域的重叠覆盖度。3.根据权利要求2所述的区域负荷预测方法，其特征在于，各所述采样点对应的rsrp包括所述第一子区域的rsrp和所述第二子区域的rsrp，所述根据各所述采样点对应的rsrp，计算所述第二子区域与所述第一子区域的重叠覆盖度的步骤包括：计算所述第二子区域的rsrp与所述第一子区域的rsrp之间的差值，得到各所述采样点对应的rsrp差值，统计所述rsrp差值大于预设阈值的采样点数量；计算所述采样点数量与所述采样点总数的比值，得到所述第二子区域与所述第一子区域的重叠覆盖度。4.根据权利要求1所述的区域负荷预测方法，其特征在于，所述根据所述预设数据选取规则和待预测时刻构建各所述子区域的业务负荷特征集的步骤包括：根据所述预设数据选取规则，确定待预测时刻对应的时间区段；根据所述预设时间粒度和所述时间区段，将所述历史业务负荷数据转换为所述待预测时刻对应的各所述子区域的业务负荷特征集。5.根据权利要求1所述的区域负荷预测方法，其特征在于，所述负荷预测结果包括流量预测结果和prb物理层资源块利用率，所述将所述业务负荷特征集输入到所述区域负荷预测模型，得到各所述子区域在所述待预测时刻的负荷预测结果的步骤之后，包括：选取所述待预测时刻之后的第一连续时段，以及所述第一连续时段之后的第二连续时段；在预设扇区在所述第一连续时段对应的流量预测结果满足第一预设条件，在所述第一连续时段对应的prb利用率满足第二预设条件，且在所述第二连续时段对应的prb利用率满足第三预设条件的情况下，在所述待预测时刻对所述预设扇区进行扩容。6.根据权利要求5所述的区域负荷预测方法，其特征在于，所述选取所述待预测时刻之后的第一连续时段，以及所述第一连续时段之后的第二连续时段的步骤之后，还包括：
选取所述待预测时刻之后的第三连续时段；在预设扇区在所述第三连续时段对应的流量预测结果均满足所述第一预设条件，且在所述第三连续时段对应的prb利用率均满足所述第二预设条件和第四预设条件的情况下，在所述待预测时刻调整所述预设扇区对应的负载均衡参数。7.根据权利要求6所述的区域负荷预测方法，其特征在于，所述区域负荷预测方法，还包括：获取各所述子区域对应的通信频段，以及各所述通信频段对应的比例参数；根据所述通信频段和所述比例参数，计算所述第一预设条件中的第一扩容门限，所述第二预设条件中的第二扩容门限以及所述第三预设条件中的减容门限。8.一种区域负荷预测装置，其特征在于，包括：重叠覆盖度计算模块，用于选择包含多个子区域的目标区域，采集所述目标区域内各所述子区域的mro原始测量报告，根据所述mro计算各所述子区域与其他子区域的重叠覆盖度，得到邻接矩阵；训练数据集获得模块，用于获取各所述子区域的历史业务负荷数据，根据预设数据选取规则和所述历史业务负荷数据，得到第一训练数据集和第二训练数据集；区域负荷预测模型获得模块，用于将所述邻接矩阵、所述第一训练数据集以及所述第二训练数据集输入预设模型进行训练，得到区域负荷预测模型；负荷预测模块，用于根据所述预设数据选取规则和待预测时刻构建各所述子区域的业务负荷特征集，将所述业务负荷特征集输入到所述区域负荷预测模型，得到各所述子区域在所述待预测时刻的负荷预测结果。9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的区域负荷预测方法的步骤。10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的区域负荷预测方法的步骤。

技术总结
本申请涉及无线通信领域，提供一种区域负荷预测方法、装置、电子设备及计算机程序产品。方法包括：采集目标区域内各子区域的MRO原始测量报告，根据MRO计算各子区域与其他子区域的重叠覆盖度，得到邻接矩阵；获取各子区域的历史业务负荷数据，根据预设数据选取规则和历史业务负荷数据，得到第一训练数据集和第二训练数据集；将邻接矩阵、第一训练数据集以及第二训练数据集输入预设模型进行训练，得到区域负荷预测模型构建各子区域的业务负荷特征集，将业务负荷特征集输入到区域负荷预测模型，得到各子区域在待预测时刻的负荷预测结果。本申请提供的区域负荷预测方法提高了区域业务负荷预测的准确性及负荷优化时效性。荷预测的准确性及负荷优化时效性。荷预测的准确性及负荷优化时效性。


技术研发人员：刘欣川 张炎俊
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2022.03.25
技术公布日：2023/10/6