网络数据流量预测方法、装置、计算设备及存储介质与流程

1.本发明实施例涉及移动通信技术领域，具体涉及一种网络数据流量预测方法、装置、计算设备及存储介质。


背景技术：

2.随着分组核心网(evolved packet core，epc)和演进的通用移动通讯系统(universal mobile telecommunication system，umts)陆地无线接入网(evolved umts terrestrial radio access network，e-utran)共同构成了演进的分组新系统，代表了整个端到端的4g网络，主要网元包括：移动性管理实体(mobility management entity，mme)负责控制面的移动性管理、用户上下文和移动状态管理、分配用户临时身份标识等。服务网关(serving gateway，s-gw)是3gpp内不同接入网络间的用户锚点，负责用户在不同接入技术之间移动时用户面的数据交换。分组网关(pdn gateway，p-gw)指采用分组协议的数据网络，泛指移动终端访问的外部网络。
3.随着不限量套餐的广泛推广和流量资费的大幅下降，全网流量呈现爆发式快速增长，会对流量路径上各专业所有网元产生严重冲击，包括无线、传输、核心网与互联网。因此，对数据流量的准预测是实现保障网络安全与用户业务感知的前提。传统流量预测方法是以历史数据作为基础数据，使用时间序列预测算法通过曲线拟合得出预测值，再根据往年历史经验，对预测值进行微调，比如增加节假日突发系数等。该传统流量预测适用于常规的自然平滑变化的业务预测，对于现网流量爆发式增长的预测偏差较大；且未结合市场营销关键指标，目前流量的增长与市场营销目标成强相关性，营销手段的变化会直接对网络流量产生很大波动。而在用户数基本保持不变的情况下，市场营销策略的变化会导致用户行为的变化，继而造成网络数据流量的变化，导致部分网元负荷过高，影响用户业务感知。


技术实现要素：

4.鉴于上述问题，本发明实施例提供了一种网络数据流量预测方法、装置、计算设备及存储介质，克服了上述问题或者至少部分地解决了上述问题。
5.根据本发明实施例的一个方面，提供了一种网络数据流量预测方法，所述方法包括：获取用于流量预测的基础数据；根据所述基础数据进行省内用户业务预测；根据所述基础数据进行漫入用户业务预测；根据省内用户业务预测结果以及漫入用户业务预测结果进行网元负荷评估。
6.在一种可选的方式中，所述根据所述基础数据进行省内用户业务预测，包括：根据所述基础数据预测任一地市的省内附着用户数；根据任一地市的当前省内附着用户数、当前省内承载数以及预测的所述省内附着用户数预测所述地市的省内承载数：
[0007][0008]
根据当前的4g用户dou值应用省内单用户模型预测当月的省内单用户的日均峰值
流速。
[0009]
在一种可选的方式中，所述根据所述基础数据预测任一地市的省内附着用户数，包括：根据历史数据通过曲线拟合获取省内附着用户数的多种曲线模型；根据基础数据通过对多种所述曲线模型进行加权预测任一地市的所述省内附着用户数。
[0010]
在一种可选的方式中，所述根据所述基础数据进行漫入用户业务预测，包括：根据所述基础数据预测任一地市的省外漫入用户数、数据用户占比以及volte用户占比；根据预测的所述省外漫入用户数n
地市i
和所述数据用户占比p
地市i
应用以下关系式计算任一地市i的漫入数据用户数：
[0011]
m
漫入数据用户数_地市i
＝n
地市i
×
p
地市i
；
[0012]
根据预测的所述省外漫入用户数n
地市i
和所述volte用户占比q
地市i
应用以下关系式计算任一地市i的漫入volte用户数：
[0013]
m
漫入volte用户数_地市i
＝n
地市i
×
q
地市i
；
[0014]
根据所述省外漫入用户数n
地市i
、所述数据用户占比p
地市i
以及所述volte用户占比q
地市i
应用以下关系式计算任一地市i的漫入承载数：
[0015]
t
漫入承载数_地市i
＝n
地市i
×
p
地市i
n
地市i
×
q
地市i
×
1.05。
[0016]
在一种可选的方式中，所述根据所述基础数据进行漫入用户业务预测，还包括：根据省外漫入用户构成应用漫入单用户模型计算漫入用户的日均峰值流速：
[0017][0018]
其中，f(x)
漫入用户
为漫入的日均峰值流速，v
外省i
为外省i的日均忙时流速，n
外省i
为外省i的忙时附着用户数，p
外省i
为外省i的漫入比例，i、n为正整数。
[0019]
在一种可选的方式中，所述根据省内用户业务预测结果以及漫入用户业务预测结果进行网元负荷评估，包括：根据所述省内用户业务预测结果以及所述漫入用户业务预测结果应用以下关系式评估mme网元的附着利用率：
[0020][0021]
其中，f(x)
附着利用率_mmepool(i)
为mme池i的附着利用率，i、j、n、m为正整数，mme池i中有n个地市，m台mme设备，c
附着容量_mme(j)
为mme设备j的附着容量。
[0022]
在一种可选的方式中，所述根据省内用户业务预测结果以及漫入用户业务预测结果进行网元负荷评估，还包括：根据所述省内用户业务预测结果以及所述漫入用户业务预测结果应用以下关系式评估saegw网元的承载利用率、接口带宽利用率以及转发能力利用率：
[0023][0024]
[0025][0026]
其中，f(x)
承载利用率_saegwpool(i)
为saegw池i的承载利用率，c
承载容量_saegw(j)
为saegw设备j的容量，f(x)
接口宽带利用率_saegwpool(i)
为saegw池i的接口宽带利用率，f(x)
省内单用户
为省内单用户的日均峰值流速，f(x)
漫入单用户
为漫入用户的日均峰值流速，c
接口宽带容量_saegw(j)
为saegw设备j的接口宽带容量，f(x)
转发能力利用率_saegwpool(i)
为saegw池i的转发能力利用率，c
转发能力容量_saegw(j)
为saegw设备j的转发能力容量，i、j、n、m为正整数，saegw池i中有n个地市，m台saegw设备。
[0027]
根据本发明实施例的另一个方面，提供了一种网络数据流量预测装置，所述装置包括：数据获取单元，用于获取用于流量预测的基础数据；第一预测单元，用于根据所述基础数据进行省内用户业务预测；第二预测单元，用于根据所述基础数据进行漫入用户业务预测；负荷评估单元，用于根据省内用户业务预测结果以及漫入用户业务预测结果进行网元负荷评估。
[0028]
根据本发明实施例的另一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
[0029]
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述网络数据流量预测方法的步骤。
[0030]
根据本发明实施例的又一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使所述处理器执行上述网络数据流量预测方法的步骤。
[0031]
本发明实施例通过获取用于流量预测的基础数据；根据所述基础数据进行省内用户业务预测；根据所述基础数据进行漫入用户业务预测；根据省内用户业务预测结果以及漫入用户业务预测结果进行网元负荷评估，能够提高流速预测和网络负荷评估的准确率，同时也为市场业务发展提供有效的支撑手段。
[0032]
上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
[0033]
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0034]
图1示出了本发明实施例提供的网络数据流量预测方法的流程示意图；
[0035]
图2示出了本发明实施例提供的又一网络数据流量预测方法的流程示意图；
[0036]
图3示出了本发明实施例提供的网络数据流量预测装置的结构示意图；
[0037]
图4示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
[0038]
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
[0039]
图1示出了本发明实施例提供的网络数据流量预测方法的流程示意图。该网络数据流量预测方法主要应用于服务器。如图1所示，该网络数据流量预测方法包括：
[0040]
步骤s11：获取用于流量预测的基础数据。
[0041]
具体地，从现网话务网管性能报表、经分系统业务报表以及数据网管性能报表中采集基础数据，包括：每日忙时附着用户数、每日忙时流量峰值、4g用户dou值等。获取手工输入无法采集的基础数据，包括省外用户数、漫入用户构成以及市场部规划的dou值等。对采集的基础数据完成标准化处理，如统一单位、流量与流速转化等。
[0042]
步骤s12：根据所述基础数据进行省内用户业务预测。
[0043]
在本发明实施例中，根据所述基础数据预测任一地市的省内附着用户数。具体地，根据历史数据通过曲线拟合获取省内附着用户数的多种曲线模型；根据基础数据通过对多种所述曲线模型进行加权预测任一地市的所述省内附着用户数。如，根据历史数据通过曲线拟合获取3种曲线模型如下：
[0044]
线性模型为f(x)
线性
＝αx β，
[0045]
多项式模型为f(x)
多项式
＝αx2 βx γ，
[0046]
指数模型为f(x)
指数
＝αe
βx
，
[0047]
对以上3种曲线模型进行加权得到地市i节假日的省内附着用户数模型如下：
[0048]
m
省内附着用户数_地市i
＝αf(x)
线性
βx γ
[0049]
其中，a，b，c为比例系数，a b c＝1。根据获取的省内附着用户数模型可以预测任一地方的省内附着用户数。
[0050]
在本发明实施例中，进一步根据任一地市的当前省内附着用户数、当前省内承载数以及预测的所述省内附着用户数预测所述地市的省内承载数：
[0051][0052]
t
省内承载数_地市i
为地市i的省内承载数，m
省内附着用户数_地市i
为地市i的省内附着用户数，m
当前省内附着用户数_地市i
为已知的地市i的当前省内附着用户数，t
当前省内承载数_地市i
为已知的地市i的当前省内承载数。其中，m
省内附着用户数_地市i
为首页预测出的地市i的省内附着用户数，m
当前省内附着用户数_地市i
和t
当前省内承载数_地市i
为获取的基础数据。
[0053]
在本发明实施例中，还根据当前的4g用户dou值应用省内单用户模型预测当月的省内单用户的日均峰值流速。
[0054]
通过采集大量的现网数据进行曲线拟合和反复验证，发现4g用户dou值与月粒度的单用户日均峰值流速成线性关系，得到省内单用户模型如下：
[0055]
f(x)
省内单用户
＝αx β。
[0056]
将当前的4g用户dou值输入省内单用户模型得到预测的当月的省内单用户的日均峰值流速。其中，4g用户dou值为每个客户月均流量消费额，单位mb。本发明实施例通过引入
市场部关键指标dou，与月粒度的日均忙时流速建立省内单用户模型，提高流速预测和网络负荷评估的准确率。
[0057]
步骤s13：根据所述基础数据进行漫入用户业务预测。
[0058]
在本发明实施例中，根据所述基础数据预测任一地市的省外漫入用户数、数据用户占比以及volte用户占比。具体根据采集的基础数据使用时间序列预测算法通过曲线拟合获取预测的漫入用户参数，包括：省外漫入用户数n
地市i
，数据用户占比p
地市i
以及volte用户占比q
地市i
。
[0059]
进一步根据预测的所述省外漫入用户数n
地市i
和所述数据用户占比p
地市i
应用以下关系式计算任一地市i的漫入数据用户数：
[0060]
m
漫入数据用户数_地市i
＝n
地市i
×
p
地市i
。
[0061]
根据预测的所述省外漫入用户数n
地市i
和所述volte用户占比q
地市i
应用以下关系式计算任一地市i的漫入volte用户数：
[0062]
m
漫入volte用户数_地市i
＝n
地市i
×
q
地市i
。
[0063]
根据所述省外漫入用户数n
地市i
、所述数据用户占比p
地市i
以及所述volte用户占比q
地市i
应用以下关系式计算任一地市i的漫入承载数：
[0064]
t
漫入承载数_地市i
＝n
地市i
×
p
地市i
n
地市i
×
q
地市i
×
1.05。
[0065]
获取的基础数据还包括省外漫入用户构成，具体如表1所示，包括各外省的忙时附着用户数、日均忙时流速以及漫入比例。
[0066]
表1基础数据
[0067][0068]
在本发明实施例中，根据省外漫入用户构成应用漫入单用户模型计算漫入用户的日均峰值流速：
[0069][0070]
其中，f(x)
漫入用户
为漫入的日均峰值流速，v
外省i
为外省i的日均忙时流速，n
外省i
为外省i的忙时附着用户数，p
外省i
为外省i的漫入比例，n为外省的个数，i、n为正整数。
[0071]
步骤s14：根据省内用户业务预测结果以及漫入用户业务预测结果进行网元负荷评估。
[0072]
在本发明实施例中，获取省内用户业务预测结果以及漫入用户业务预测结果之后，可以移动管理性实体(mme)网元子系统、系统架构演进网关(saegw)网元子系统或其它
网元子系统进行网元负荷评估。
[0073]
对mme网元进行负荷评估时，mme池(pool)i的附着利用率为mme池i中所有地市的省内附着用户数和漫入数据用数之和累加后的值与mme池i中所有mme设备的附着容量之和的比值。具体根据所述省内用户业务预测结果以及所述漫入用户业务预测结果应用以下关系式评估mme网元的附着利用率：
[0074][0075]
其中，f(x)
附着利用率_mmepool(i)
为mme池(pool)i的附着利用率，m
省内附着用户数_地市i
为地市i的省内附着用户数，m
漫入数据用户数_地市i
为地市i的漫入数据用户数，i、j、n、m为正整数，mme池i中有n个地市，m台mme设备，c
附着容量_mme(j)
为mme设备j的附着容量。
[0076]
对saegw网元进行负荷评估时，根据所述省内用户业务预测结果以及所述漫入用户业务预测结果应用以下关系式评估saegw网元的承载利用率、接口带宽利用率以及转发能力利用率：
[0077][0078][0079][0080]
其中，f(x)
承载利用率_saegwpool(i)
为saegw池i的承载利用率，t
省内承载数_地市i
为地市i的省内承载数，t
漫入承载数_地市i
为地市i的漫入承载数，c
承载容量_saegw(j)
为saegw设备j的容量，f(x)
接口宽带利用率_saegwpool(i)
为saegw池i的接口宽带利用率，f(x)
省内单用户
为省内单用户的日均峰值流速，m
省内附着用户数_地市i
为地市i的省内附着用户数，f(x)
漫入单用户
为漫入用户的日均峰值流速，m
漫入附着用户数_地市i
为地市i的漫入附着用户数，c
接口宽带容量_saegw(j)
为saegw设备j的接口宽带容量，f(x)
转发能力利用率_saegwpool(i)
为saegw池i的转发能力利用率，c
转发能力容量_saegw(j)
为saegw设备j的转发能力容量，i、j、n、m为正整数，saegw池i中有n个地市，m台saegw设备。
[0081]
本发明实施例还可以根据省内用户业务预测结果以及漫入用户业务预测结果对epc网络中的其它网元进行负荷评估，如sgi防火墙接口带宽利用率、业务板处理能力利用率等。本发明实施例通过分pool建立单用户模型，实现分区域场景化的流速预测和网络负荷评估，通过纳入市场营销关键指标4g用户dou值，通过计算出dou值与分pool的单用户模型之间的算法模型，提高了业务预测的准确性，同时也为市场业务发展提供了有效的支撑手段。
[0082]
本发明实施例完整的网络数据流量方法如图2所示，包括：
[0083]
步骤s201：获取系统管理员输入的市场部规划的dou值并存储以方便业务预测和网元负荷评估。
[0084]
系统管理员输入市场部规划的dou值，该市场部规划的dou值为基础数据中的一种。
[0085]
步骤s202：读取存储的基础数据。
[0086]
步骤s203：根据基础数据进行省内用户业务预测。
[0087]
根据基础数据预测获取任一地市的省内附着用户数和省内承载数，以及当月的省内单用户的日均峰值流速，具体的预测方法与前述相同，在此不再赘述。
[0088]
步骤s204：根据基础数据进行漫入用户业务预测。
[0089]
根据基础数据预测获取任一地市的漫入数据用户数、漫入volte用户数和漫入承载数，以及漫入用户的日均峰值流速，具体的预测方法与前述相同，在此不再赘述。
[0090]
步骤s205：对各网元进行网元负荷评估。
[0091]
根据省内用户业务预测和漫入用户业务预测进行网元负荷评估，如评估mme网元的附着利用率，saegw网元的承载利用率、接口带宽利用率以及转发能力利用率等，具体的预测方法与前述相同，在此不再赘述。
[0092]
步骤s206：展示业务预测和网元负荷评估结果。
[0093]
向系统管理员展示业务预测和网元负荷评估结果。
[0094]
本发明实施例通过获取用于流量预测的基础数据；根据所述基础数据进行省内用户业务预测；根据所述基础数据进行漫入用户业务预测；根据省内用户业务预测结果以及漫入用户业务预测结果进行网元负荷评估，能够提高流速预测和网络负荷评估的准确率，同时也为市场业务发展提供有效的支撑手段。
[0095]
图3示出了本发明实施例的网络数据流量预测装置的结构示意图。如图3所示，该网络数据流量预测装置包括：数据获取单元301、第一预测单元302、第二预测单元303以及负荷评估单元304。其中：
[0096]
数据获取单元301用于获取用于流量预测的基础数据；第一预测单元302用于根据所述基础数据进行省内用户业务预测；第二预测单元303用于根据所述基础数据进行漫入用户业务预测；负荷评估单元304用于根据省内用户业务预测结果以及漫入用户业务预测结果进行网元负荷评估。
[0097]
在一种可选的方式中，第一预测单元302用于：根据所述基础数据预测任一地市的省内附着用户数；根据任一地市的当前省内附着用户数、当前省内承载数以及预测的所述省内附着用户数预测所述地市的省内承载数：
[0098][0099]
根据当前的4g用户dou值应用省内单用户模型预测当月的省内单用户的日均峰值流速。
[0100]
在一种可选的方式中，第一预测单元302用于：根据历史数据通过曲线拟合获取省内附着用户数的多种曲线模型；根据基础数据通过对多种所述曲线模型进行加权预测任一地市的所述省内附着用户数。
[0101]
在一种可选的方式中，第二预测单元303用于：根据所述基础数据预测任一地市的省外漫入用户数、数据用户占比以及volte用户占比；根据预测的所述省外漫入用户数n
地市i
和所述数据用户占比p
地市i
应用以下关系式计算任一地市i的漫入数据用户数：
[0102]
m
漫入数据用户数_地市i
＝n
地市i
×
p
地市i
；
[0103]
根据预测的所述省外漫入用户数n
地市i
和所述volte用户占比q
地市i
应用以下关系式计算任一地市i的漫入volte用户数：
[0104]
m
漫入volte用户数_地市i
＝n
地市i
×
q
地市i
；
[0105]
根据所述省外漫入用户数n
地市i
、所述数据用户占比p
地市i
以及所述volte用户占比q
地市i
应用以下关系式计算任一地市i的漫入承载数：
[0106]
t
漫入承载数_地市i
＝n
地市i
×
p
地市i
n
地市i
×
q
地市i
×
1.05。
[0107]
在一种可选的方式中，第二预测单元303用于：根据省外漫入用户构成应用漫入单用户模型计算漫入用户的日均峰值流速：
[0108][0109]
其中，f(x)
漫入用户
为漫入的日均峰值流速，v
外省i
为外省i的日均忙时流速，n
外省i
为外省i的忙时附着用户数，p
外省i
为外省i的漫入比例，i、n为正整数。
[0110]
在一种可选的方式中，负荷评估单元304用于：根据所述省内用户业务预测结果以及所述漫入用户业务预测结果应用以下关系式评估mme网元的附着利用率：
[0111][0112]
其中，f(x)
附着利用率_mmepool(i)
为mme池i的附着利用率，i、j、n、m为正整数，mme池i中有n个地市，m台mme设备，c
附着容量_mme(j)
为mme设备j的附着容量。
[0113]
在一种可选的方式中，负荷评估单元304用于：根据所述省内用户业务预测结果以及所述漫入用户业务预测结果应用以下关系式评估saegw网元的承载利用率、接口带宽利用率以及转发能力利用率：
[0114][0115][0116][0117]
其中，f(x)
承载利用率_saegwpool(i)
为saegw池i的承载利用率，c
承载容量_saegw(j)
为saegw设备j的容量，f(x)
接口宽带利用率_saegwpool(i)
为saegw池i的接口宽带利用率，f(x)
省内单用户
为省内单用户的日均峰值流速，f(x)
漫入单用户
为漫入用户的日均峰值流速，c
接口宽带容量_saegw(j)
为saegw设备j的接口宽带容量，f(x)
转发能力利用率_saegwpool(i)
为saegw池i的转发能力利用率，c
转发能力容量_saegw(j)
为saegw设备j的转发能力容量，i、j、n、m为正整数，saegw池i中有n个地市，m台saegw设备。
[0118]
本发明实施例通过获取用于流量预测的基础数据；根据所述基础数据进行省内用户业务预测；根据所述基础数据进行漫入用户业务预测；根据省内用户业务预测结果以及
漫入用户业务预测结果进行网元负荷评估，能够提高流速预测和网络负荷评估的准确率，同时也为市场业务发展提供有效的支撑手段。
[0119]
本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的网络数据流量预测方法。
[0120]
可执行指令具体可以用于使得处理器执行以下操作：
[0121]
获取用于流量预测的基础数据；
[0122]
根据所述基础数据进行省内用户业务预测；
[0123]
根据所述基础数据进行漫入用户业务预测；
[0124]
根据省内用户业务预测结果以及漫入用户业务预测结果进行网元负荷评估。
[0125]
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
[0126]
根据所述基础数据预测任一地市的省内附着用户数；
[0127]
根据任一地市的当前省内附着用户数、当前省内承载数以及预测的所述省内附着用户数预测所述地市的省内承载数：
[0128][0129]
根据当前的4g用户dou值应用省内单用户模型预测当月的省内单用户的日均峰值流速。
[0130]
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
[0131]
根据历史数据通过曲线拟合获取省内附着用户数的多种曲线模型；
[0132]
根据基础数据通过对多种所述曲线模型进行加权预测任一地市的所述省内附着用户数。
[0133]
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
[0134]
根据所述基础数据预测任一地市的省外漫入用户数、数据用户占比以及volte用户占比；
[0135]
根据预测的所述省外漫入用户数n
地市i
和所述数据用户占比p
地市i
应用以下关系式计算任一地市i的漫入数据用户数：
[0136]
m
漫入数据用户数_地市i
＝
地市i
×
p
地市i
；
[0137]
根据预测的所述省外漫入用户数n
地市i
和所述volte用户占比q
地市i
应用以下关系式计算任一地市i的漫入volte用户数：
[0138]
m
漫入volte用户数_地市i
＝n
地市i
×
q
地市i
；
[0139]
根据所述省外漫入用户数n
地市i
、所述数据用户占比p
地市i
以及所述volte用户占比q
地市i
应用以下关系式计算任一地市i的漫入承载数：
[0140]
t
漫入承载数_地市i
＝n
地市i
×
p
地市i
n
地市i
×
q
地市i
×
1.05。
[0141]
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
[0142]
根据省外漫入用户构成应用漫入单用户模型计算漫入用户的日均峰值流速：
[0143]
[0144]
其中，f(x)
漫入用户
为漫入的日均峰值流速，v
外省i
为外省i的日均忙时流速，n
外省i
为外省i的忙时附着用户数，p
外省i
为外省i的漫入比例，i、n为正整数。
[0145]
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
[0146]
根据所述省内用户业务预测结果以及所述漫入用户业务预测结果应用以下关系式评估mme网元的附着利用率：
[0147][0148]
其中，f(x)
附着利用率_mmepool(i)
为mme池i的附着利用率，i、j、n、m为正整数，mme池i中有n个地市，m台mme设备，c
附着容量_mme(j)
为mme设备j的附着容量。
[0149]
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
[0150]
根据所述省内用户业务预测结果以及所述漫入用户业务预测结果应用以下关系式评估saegw网元的承载利用率、接口带宽利用率以及转发能力利用率：
[0151][0152][0153][0154][0155]
其中，f(x)
承载利用率_saegwpool(i)
为saegw池i的承载利用率，c
承载容量_saegw(j)
为saegw设备j的容量，f(x)
接口宽带利用率_saegwpool(i)
为saegw池i的接口宽带利用率，f(x)
省内单用户
为省内单用户的日均峰值流速，f(x)
漫入单用户
为漫入用户的日均峰值流速，c
接口宽带容量_saegw(j)
为saegw设备j的接口宽带容量，f(x)
转发能力利用率_saegwpool(i)
为saegw池i的转发能力利用率，c
转发能力容量_saegw(j)
为saegw设备j的转发能力容量，i、j、n、m为正整数，saegw池i中有n个地市，m台saegw设备。
[0156]
本发明实施例通过获取用于流量预测的基础数据；根据所述基础数据进行省内用户业务预测；根据所述基础数据进行漫入用户业务预测；根据省内用户业务预测结果以及漫入用户业务预测结果进行网元负荷评估，能够提高流速预测和网络负荷评估的准确率，同时也为市场业务发展提供有效的支撑手段。
[0157]
本发明实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任意方法实施例中的网络数据流量预测方法。
[0158]
可执行指令具体可以用于使得处理器执行以下操作：
[0159]
获取用于流量预测的基础数据；
[0160]
根据所述基础数据进行省内用户业务预测；
[0161]
根据所述基础数据进行漫入用户业务预测；
[0162]
根据省内用户业务预测结果以及漫入用户业务预测结果进行网元负荷评估。
[0163]
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
[0164]
根据所述基础数据预测任一地市的省内附着用户数；
[0165]
根据任一地市的当前省内附着用户数、当前省内承载数以及预测的所述省内附着用户数预测所述地市的省内承载数：
[0166][0167]
根据当前的4g用户dou值应用省内单用户模型预测当月的省内单用户的日均峰值流速。
[0168]
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
[0169]
根据历史数据通过曲线拟合获取省内附着用户数的多种曲线模型；
[0170]
根据基础数据通过对多种所述曲线模型进行加权预测任一地市的所述省内附着用户数。
[0171]
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
[0172]
根据所述基础数据预测任一地市的省外漫入用户数、数据用户占比以及volte用户占比；
[0173]
根据预测的所述省外漫入用户数n
地市i
和所述数据用户占比p
地市i
应用以下关系式计算任一地市i的漫入数据用户数：
[0174]
m
漫入数据用户数_地市i
＝n
地市i
×
p
地市i
；
[0175]
根据预测的所述省外漫入用户数n
地市i
和所述volte用户占比q
地市i
应用以下关系式计算任一地市i的漫入volte用户数：
[0176]
m
漫入volte用户数_地市i
＝n
地市i
×
q
地市i
；
[0177]
根据所述省外漫入用户数n
地市i
、所述数据用户占比p
地市i
以及所述volte用户占比q
地市i
应用以下关系式计算任一地市i的漫入承载数：
[0178]
t
漫入承载数_地市i
＝n
地市i
×
p
地市i
n
地市i
×
q
地市i
×
1.05。
[0179]
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
[0180]
根据省外漫入用户构成应用漫入单用户模型计算漫入用户的日均峰值流速：
[0181][0182]
其中，f(x)
漫入用户
为漫入的日均峰值流速，v
外省i
为外省i的日均忙时流速，n
外省i
为外省i的忙时附着用户数，p
外省i
为外省i的漫入比例，i、n为正整数。
[0183]
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
[0184]
根据所述省内用户业务预测结果以及所述漫入用户业务预测结果应用以下关系式评估mme网元的附着利用率：
[0185][0186]
其中，f(x)
附着利用率_mmepool(i)
为mme池i的附着利用率，i、j、n、m为正整数，mme池i中有n个地市，m台mme设备，c
附着容量_mme(j)
为mme设备j的附着容量。
[0187]
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
[0188]
根据所述省内用户业务预测结果以及所述漫入用户业务预测结果应用以下关系式评估saegw网元的承载利用率、接口带宽利用率以及转发能力利用率：
[0189][0190][0191][0192]
其中，f(x)
承载利用率_saegwpool(i)
为saegw池i的承载利用率，c
承载容量_saegw(j)
为saegw设备j的容量，f(x)
接口宽带利用率_saegwpool(i)
为saegw池i的接口宽带利用率，f(x)
省内单用户
为省内单用户的日均峰值流速，f(x)
漫入单用户
为漫入用户的日均峰值流速，c
接口宽带容量_saegw(j)
为saegw设备j的接口宽带容量，f(x)
转发能力利用率_saegwpool(i)
为saegw池i的转发能力利用率，c
转发能力容量_saegw(j)
为saegw设备j的转发能力容量，i、j、n、m为正整数，saegw池i中有n个地市，m台saegw设备。
[0193]
本发明实施例通过获取用于流量预测的基础数据；根据所述基础数据进行省内用户业务预测；根据所述基础数据进行漫入用户业务预测；根据省内用户业务预测结果以及漫入用户业务预测结果进行网元负荷评估，能够提高流速预测和网络负荷评估的准确率，同时也为市场业务发展提供有效的支撑手段。
[0194]
图4示出了本发明实施例提供的计算设备的结构示意图，本发明具体实施例并不对设备的具体实现做限定。
[0195]
如图4所示，该计算设备可以包括：处理器(processor)402、通信接口(communications interface)404、存储器(memory)406、以及通信总线408。
[0196]
其中：处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。处理器402，用于执行程序410，具体可以执行上述网络数据流量预测方法实施例中的相关步骤。
[0197]
具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
[0198]
处理器402可能是中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或各个集成电路。设备包括的一个或各个处理器，可以是同一类型的处理器，如一个或各个cpu；也可以是不同类型的处理器，如一个或各个cpu以及一个或各个asic。
[0199]
存储器406，用于存放程序410。存储器406可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0200]
程序410具体可以用于使得处理器402执行以下操作：
[0201]
获取用于流量预测的基础数据；
[0202]
根据所述基础数据进行省内用户业务预测；
[0203]
根据所述基础数据进行漫入用户业务预测；
[0204]
根据省内用户业务预测结果以及漫入用户业务预测结果进行网元负荷评估。
[0205]
在一种可选的方式中，所述程序410使所述处理器执行以下操作：
[0206]
根据所述基础数据预测任一地市的省内附着用户数；
[0207]
根据任一地市的当前省内附着用户数、当前省内承载数以及预测的所述省内附着用户数预测所述地市的省内承载数：
[0208][0209]
根据当前的4g用户dou值应用省内单用户模型预测当月的省内单用户的日均峰值流速。
[0210]
在一种可选的方式中，所述程序410使所述处理器执行以下操作：
[0211]
根据历史数据通过曲线拟合获取省内附着用户数的多种曲线模型；
[0212]
根据基础数据通过对多种所述曲线模型进行加权预测任一地市的所述省内附着用户数。
[0213]
在一种可选的方式中，所述程序410使所述处理器执行以下操作：
[0214]
根据所述基础数据预测任一地市的省外漫入用户数、数据用户占比以及volte用户占比；
[0215]
根据预测的所述省外漫入用户数n
地市i
和所述数据用户占比p
地市i
应用以下关系式计算任一地市i的漫入数据用户数：
[0216]
m
漫入数据用户数_地市i
＝n
地市i
×
p
地市i
；
[0217]
根据预测的所述省外漫入用户数n
地市i
和所述volte用户占比q
地市i
应用以下关系式计算任一地市i的漫入volte用户数：
[0218]
m
漫入volte用户数_地市i
＝n
地市i
×
q
地市i
；
[0219]
根据所述省外漫入用户数n
地市i
、所述数据用户占比p
地市i
以及所述volte用户占比q
地市i
应用以下关系式计算任一地市i的漫入承载数：
[0220]
t
漫入承载数_地市i
＝n
地市i
×
p
地市i
n
地市i
×
q
地市i
×
1.05。
[0221]
在一种可选的方式中，所述程序410使所述处理器执行以下操作：
[0222]
根据省外漫入用户构成应用漫入单用户模型计算漫入用户的日均峰值流速：
[0223][0224]
其中，f(x)
漫入用户
为漫入的日均峰值流速，v
外省i
为外省i的日均忙时流速，n
外省i
为外省i的忙时附着用户数，p
外省i
为外省i的漫入比例，i、n为正整数。
[0225]
在一种可选的方式中，所述程序410使所述处理器执行以下操作：
[0226]
根据所述省内用户业务预测结果以及所述漫入用户业务预测结果应用以下关系式评估mme网元的附着利用率：
[0227][0228]
其中，f(x)
附着利用率_mmepool(i)
为mme池i的附着利用率，i、j、n、m为正整数，mme池i中有n个地市，m台mme设备，c
附着容量_mme(j)
为mme设备j的附着容量。
[0229]
在一种可选的方式中，所述程序410使所述处理器执行以下操作：
[0230]
根据所述省内用户业务预测结果以及所述漫入用户业务预测结果应用以下关系式评估saegw网元的承载利用率、接口带宽利用率以及转发能力利用率：
[0231][0232][0233][0234]
其中，f(x)
承载利用率_saegwpool(i)
为saegw池i的承载利用率，c
承载容量_saegw(j)
为saegw设备j的容量，f(x)
接口宽带利用率_saegwpool(i)
为saegw池i的接口宽带利用率，f(x)
省内单用户
为省内单用户的日均峰值流速，f(x)
漫入单用户
为漫入用户的日均峰值流速，c
接口宽带容量_saegw(j)
为saegw设备j的接口宽带容量，f(x)
转发能力利用率_saegwpool(i)
为saegw池i的转发能力利用率，c
转发能力容量_saegw(j)
为saegw设备j的转发能力容量，i、j、n、m为正整数，saegw池i中有n个地市，m台saegw设备。
[0235]
本发明实施例通过获取用于流量预测的基础数据；根据所述基础数据进行省内用户业务预测；根据所述基础数据进行漫入用户业务预测；根据省内用户业务预测结果以及漫入用户业务预测结果进行网元负荷评估，能够提高流速预测和网络负荷评估的准确率，同时也为市场业务发展提供有效的支撑手段。
[0236]
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
[0237]
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
[0238]
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
[0239]
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单
元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
[0240]
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
[0241]
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。