一种信息处理方法、装置、网络设备及存储介质与流程

1.本发明涉及无线通信领域，具体涉及一种信息处理方法、装置、网络设备及存储介质。


背景技术：

2.随着通信技术的发展与普及，智能终端及其应用程序已经成为人们生活、工作和学习中不可或缺的工具。为了提升用户连网业务的使用体验，同时兼顾网络运营成本，需要对网络参数实现灵活配置，完善网络服务保障。
3.目前，通过监测小区的业务量变化，从而实现对网络参数实现灵活配置。但这种方式存在滞后性，需要业务量满足一定条件时才能调整网络参数配置，导致用户体验下降。


技术实现要素：

4.为解决现有存在的技术问题，本发明实施例提供一种信息处理方法、装置、网络设备及存储介质。
5.为达到上述目的，本发明实施例的技术方案是这样实现的：
6.本发明实施例提供了一种信息处理方法，所述方法包括：
7.确定与目标小区的覆盖范围相关联的目标用户集；所述目标用户集中包括至少一个用户设备；
8.基于历史数据确定所述目标用户集中的至少一个用户设备在第一时间范围的使用行为数据；所述使用行为数据包括用户设备在所述第一时间范围内预计使用应用程序的数据；
9.基于所述至少一个用户设备的使用行为数据确定所述第一时间范围内的预计流量需求；
10.确定所述预计流量需求超过第一阈值时，控制激活特定网络参数。
11.上述方案中，所述确定与目标小区的覆盖范围相关联的目标用户集，包括：
12.确定所述目标小区的覆盖范围，基于所述覆盖范围确定第一区域范围；所述第一区域范围为所述覆盖范围外、且与所述覆盖范围的边界距离第一设定值的区域范围，或者，所述第一区域范围为与所述目标小区覆盖连续的小区对应的区域范围；
13.获得各用户设备的当前位置，基于各用户设备的当前位置确定所述目标用户集；所述目标用户集中的用户设备的当前位置将在所述覆盖范围内或所述第一区域范围内。
14.上述方案中，所述方法还包括：获得所述目标用户集中的各用户设备的当前位置，基于各用户设备的当前位置和历史数据确定各用户设备在第一时间范围内的轨迹预测信息，基于用户设备的当前位置和所述用户设备对应的轨迹预测信息更新所述目标用户集。
15.上述方案中，所述基于用户设备的当前位置和所述用户设备对应的轨迹预测信息更新所述目标用户集，包括：
16.在所述用户设备的当前位置属于所述第一区域范围、且所述用户设备对应的轨迹
预测信息表明所述用户设备在所述第一时间范围内的位置在所述覆盖范围内的情况下，在所述目标用户集中保留所述用户设备；或，
17.在所述用户设备的当前位置属于所述第一区域范围、且所述用户设备对应的轨迹预测信息表明所述用户设备在所述第一时间范围内的位置不在所述覆盖范围内的情况下，在所述目标用户集中删除所述用户设备；或，
18.基于所述覆盖范围确定第二区域范围；所述第二区域范围为所述覆盖范围内、且与所述覆盖范围的边界距离第二设定值的区域范围；在所述用户设备的当前位置属于所述第二区域范围、且所述用户设备对应的轨迹预测信息表明所述用户设备在所述第一时间范围内的位置不在所述覆盖范围内的情况下，在所述目标用户集中删除所述用户设备。
19.上述方案中，所述基于历史数据确定所述目标用户集中的至少一个用户设备在第一时间范围的使用行为数据，包括：
20.基于任一个用户设备的历史数据确定目标应用程序的历史使用数据；所述目标应用程序为满足预设条件的任意一个应用程序；
21.基于所述目标应用程序的历史使用数据确定所述目标应用程序在距离预测日的前n天的所述第一时间范围被使用的历史使用概率；n为正整数；
22.确定所述目标应用程序在所述第一时间范围前预设数量个时间单元被使用的次数，基于所述预设数量和所述次数确定惯性使用概率；
23.基于所述历史使用概率和所述惯性使用概率确定所述目标应用程序在所述第一时间范围被使用的概率；
24.在所述概率大于第二阈值时，标记所述目标应用程序在所述第一时间范围内被使用；
25.基于所述目标用户集中所有用户设备对应的目标应用程序中、在所述第一时间范围内标记为被使用的目标应用程序确定所述使用行为数据。
26.上述方案中，所述方法还包括：基于所述目标应用程序的历史使用数据确定第一参数；所述基于所述目标应用程序的历史使用数据确定第一参数，包括：
27.统计距离预测日的前n n天至前2天中、只使用过所述目标应用程序1次时目标日出现的第一概率；n为正整数；
28.统计距离所述预测日的前1天的前m个时间单元使用过所述目标应用程序的次数，基于所述次数确定第一比值；m为正整数；
29.基于所述第一概率和所述第一比值确定过程概率，在所述过程概率大于第三阈值时，标记所述目标应用程序在所述预测日的前1天的预设时间范围内为预测使用；
30.利用所述目标应用程序对应的所述预测日的前1天的历史使用数据确定所述目标应用程序标记为预测使用的预测正确率，统计所述目标应用程序在所述预测日前一天对应的预测正确率；
31.基于与所述预测日相邻的连续的其他历史预测日对应的预测正确率确定所述第一参数；其中，所述连续的其他预测日对应的预测正确率均大于第四阈值；所述第一参数表征与预测日相邻的连续的其他历史预测日中、预测正确率大于所述第四阈值的连续天数。
32.上述方案中，所述基于所述目标应用程序的历史使用数据确定所述目标应用程序在距离预测日的前n天的所述第一时间范围被使用的历史使用概率，包括：基于所述第一参
数确定所述目标应用程序在距离预测日的前n天的所述第一时间范围被使用的历史使用概率；所述基于所述第一参数确定所述目标应用程序在距离预测日的前n天的所述第一时间范围被使用的历史使用概率，包括：
33.确定所述目标应用程序在距离预测日的前n天的每一天的所述第一时间范围被使用的第二概率；其中，若目标日在所述第一参数对应的日期范围内，则所述目标日对应的第二概率表示为：
[0034][0035]
若目标日在所述第一参数对应的日期范围外，则所述目标日对应的第二概率表示为：
[0036]
a＝r；其中，factor为预先设定值；
[0037]
对每一天对应的所述第二概率进行加和处理，将加和结果作为所述历史使用概率。
[0038]
上述方案中，所述基于所述历史使用概率和所述惯性使用概率确定所述目标应用程序在所述第一时间范围被使用的概率，包括：
[0039]
对所述历史使用概率和所述惯性使用概率进行加权求和处理，得到所述目标应用程序在所述第一时间范围被使用的概率。
[0040]
本发明实施例还提供了一种信息处理装置，所述装置包括：第一确定单元、第二确定单元、第三确定单元和控制单元；其中，
[0041]
所述第一确定单元，用于确定与目标小区的覆盖范围相关联的目标用户集；所述目标用户集中包括至少一个用户设备；
[0042]
所述第二确定单元，用于基于历史数据确定所述目标用户集中的至少一个用户设备在第一时间范围的使用行为数据；所述使用行为数据包括用户设备在所述第一时间范围内预计使用应用程序的数据；
[0043]
所述第三确定单元，用于基于所述至少一个用户设备的使用行为数据确定所述第一时间范围内的预计流量需求；
[0044]
所述控制单元，用于确定所述第三确定单元确定的所述预计流量需求超过第一阈值时，控制激活特定网络参数。
[0045]
上述方案中，所述第一确定单元，用于确定所述目标小区的覆盖范围，基于所述覆盖范围确定第一区域范围；所述第一区域范围为所述覆盖范围外、且与所述覆盖范围的边界距离第一设定值的区域范围，或者，所述第一区域范围为与所述目标小区覆盖连续的小区对应的区域范围；获得各用户设备的当前位置，基于各用户设备的当前位置确定所述目标用户集；所述目标用户集中的用户设备的当前位置将在所述覆盖范围内或所述第一区域范围内。
[0046]
上述方案中，所述第一确定单元，用于获得各用户设备的当前位置，基于各用户设
备的当前位置和历史数据确定各用户设备在第一时间范围内的轨迹预测信息，基于用户设备的当前位置和所述用户设备对应的轨迹预测信息更新所述目标用户集。
[0047]
上述方案中，所述第一确定单元，用于在所述用户设备的当前位置属于所述第一区域范围、且所述用户设备对应的轨迹预测信息表明所述用户设备在所述第一时间范围内的位置在所述覆盖范围内的情况下，在所述目标用户集中保留所述用户设备；或，在所述用户设备的当前位置属于所述第一区域范围、且所述用户设备对应的轨迹预测信息表明所述用户设备在所述第一时间范围内的位置不在所述覆盖范围内的情况下，在所述目标用户集中删除所述用户设备；或，基于所述覆盖范围确定第二区域范围；所述第二区域范围为所述覆盖范围内、且与所述覆盖范围的边界距离第二设定值的区域范围；在所述用户设备的当前位置属于所述第二区域范围、且所述用户设备对应的轨迹预测信息表明所述用户设备在所述第一时间范围内的位置不在所述覆盖范围内的情况下，在所述目标用户集中删除所述用户设备。
[0048]
上述方案中，所述第二确定单元，用于基于任一个用户设备的历史数据确定目标应用程序的历史使用数据；所述目标应用程序为满足预设条件的任意一个应用程序；基于所述目标应用程序的历史使用数据确定所述目标应用程序在距离预测日的前n天的所述第一时间范围被使用的历史使用概率；n为正整数；确定所述目标应用程序在所述第一时间范围前预设数量个时间单元被使用的次数，基于所述预设数量和所述次数确定惯性使用概率；基于所述历史使用概率和所述惯性使用概率确定所述应用程序在所述第一时间范围被使用的概率；在所述概率大于第二阈值时，标记所述目标应用程序在所述第一时间范围内被使用；基于所述目标用户集中所有用户设备对应的目标应用程序中、在所述第一时间范围内标记为被使用的目标应用程序确定所述使用行为数据。
[0049]
上述方案中，所述第二确定单元，还用于基于所述目标应用程序的历史使用数据确定第一参数；具体用于统计距离预测日的前n n天至前2天中、只使用过所述目标应用程序1次时目标日出现的第一概率；n为正整数；统计距离所述预测日的前1天的前m个时间单元使用过所述目标应用程序的次数，基于所述次数确定第一比值；m为正整数；基于所述第一概率和所述第一比值确定过程概率，在所述过程概率大于第三阈值时，标记所述目标应用程序在所述预测日的前1天的预设时间范围内为预测使用；利用所述目标应用程序对应的所述预测日的前1天的历史使用数据确定所述目标应用程序标记为预测使用的预测正确率，统计所述目标应用程序在所述预测日前一天对应的预测正确率；基于与所述预测日相邻的连续的其他历史预测日对应的预测正确率确定所述第一参数；其中，所述连续的其他预测日对应的预测正确率均大于第四阈值；所述第一参数表征与预测日相邻的连续的其他历史预测日中、预测正确率大于所述第四阈值的连续天数。
[0050]
上述方案中，所述第二确定单元，还用于基于所述第一参数确定所述目标应用程序在前n天的所述第一时间范围被使用的历史使用概率；具体用于确定所述目标应用程序在距离预测日的前n天的每一天的所述第一时间范围被使用的第二概率；其中，若目标日在所述第一参数对应的日期范围内，则所述目标日对应的第二概率表示为：
[0051][0052]
若目标日在所述第一参数对应的日期范围外，则所述目标日对应的第二概率表示为：
[0053]
a＝r；其中，factor为预先设定值；
[0054]
对每一天对应的所述第二概率进行加和处理，将加和结果作为所述历史使用概率。
[0055]
上述方案中，所述第二确定单元，用于对所述历史使用概率和所述惯性使用概率进行加权求和处理，得到所述应用程序在所述第一时间范围被使用的概率。
[0056]
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例所述方法的步骤。
[0057]
本发明实施例还提供了一种网络设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明实施例所述方法的步骤。
[0058]
本发明实施例提供的信息处理方法、装置、网络设备及存储介质，所述方法包括：确定与目标小区的覆盖范围相关联的目标用户集；所述目标用户集中包括至少一个用户设备；基于历史数据确定所述目标用户集中的至少一个用户设备在第一时间范围的使用行为数据；所述使用行为数据包括用户设备在所述第一时间范围内预计使用应用程序的数据；基于所述至少一个用户设备的使用行为数据确定所述第一时间范围内的预计流量需求；确定所述预计流量需求超过第一阈值时，控制激活特定网络参数。采用本发明实施例的技术方案，先通过对目标用户进行确定，进而基于目标用户的历史数据对可能在未来一段时间使用小区资源的用户以及应用程序进行确定，进而实现了对未来一段时间的流量需求进行预测，从而可基于预测结果激活特定网络参数，以在小区的资源不足以为用户提供服务之前先激活资源，避免相关方案中用户先访问、再监测、后激活导致的滞后性问题，在兼顾运营成本的同时提升了用户的体验。
附图说明
[0059]
图1为本发明实施例的信息处理方法的流程示意图；
[0060]
图2a为本发明实施例的信息处理方法中的第一区域范围和第二区域范围的示意图；
[0061]
图2b为本发明实施例的信息处理方法中的第一区域范围的示意图；
[0062]
图3为本发明实施例的信息处理方法中应用程序的预测处理流程示意图；
[0063]
图4为本发明实施例的信息处理装置的组成结构示意图；
[0064]
图5为本发明实施例的网络设备的硬件组成结构示意图。
具体实施方式
[0065]
下面结合附图及具体实施例对本发明作进一步详细的说明。
[0066]
本发明实施例提供了一种信息处理方法，所述信息处理方法可应用于网络设备中。图1为本发明实施例的信息处理方法的流程示意图；如图1所示，所述方法包括：
[0067]
步骤101：确定与目标小区的覆盖范围相关联的目标用户集；所述目标用户集中包括至少一个用户设备；
[0068]
步骤102：基于历史数据确定所述目标用户集中的至少一个用户设备在第一时间范围的使用行为数据；所述使用行为数据包括用户设备在所述第一时间范围内预计使用应用程序的数据；
[0069]
步骤103：基于所述至少一个用户设备的使用行为数据确定所述第一时间范围内的预计流量需求；
[0070]
步骤104：确定所述预计流量需求超过第一阈值时，控制激活特定网络参数。
[0071]
本实施例中，目标小区表示在蜂窝移动通信系统中、一个基站或者基站的一部分(扇形天线)所覆盖的区域，在这个区域内终端或用户设备(ue)可以通过无线信道可靠地与基站进行通信。则目标小区的覆盖区域可以是基站或者基站的一部分(扇形天线)的信号覆盖的区域。
[0072]
示例性的，目标小区的覆盖范围可通过经纬度范围表示，或者在覆盖区域为圆形区域的情况下，可通过覆盖范围的中心点的位置和半径长度表示。
[0073]
本实施例中，目标用户集是用户设备的所在位置与目标小区的覆盖范围相关联的用户设备的集合，或者也可以理解为，目标用户集中的用户设备所在的位置与所述目标小区的覆盖范围相关联。在一些可选实施例中，目标用户集中的用户设备所在的位置在所述目标小区的覆盖范围内。在另一些可选实施例中，目标用户集中的用户设备所在的位置也可不在所述目标小区的覆盖范围内、但靠近所述目标小区的覆盖范围。
[0074]
在本发明的一些可选实施例中，所述确定与目标小区的覆盖范围相关联的目标用户集，包括：确定所述目标小区的覆盖范围，基于所述覆盖范围确定第一区域范围；所述第一区域范围为所述覆盖范围外、且与所述覆盖范围的边界距离第一设定值的区域范围，或者，所述第一区域范围为与所述目标小区覆盖连续的小区对应的区域范围；获得各用户设备的当前位置，基于各用户设备的当前位置确定所述目标用户集；所述目标用户集中的用户设备的当前位置将在所述覆盖范围内或所述第一区域范围内。
[0075]
本实施例中，确定目标小区的覆盖范围，确定目标小区的边界。在一些可选实施例中，基于目标小区的边界朝向远离目标小区的方向延申第一设定值，确定出的边界作为第一区域范围的边界。如图2a所示，为室外小区的示意图，假设目标小区的覆盖范围为圆形区域，则基于该圆形区域的边界向远离目标小区的方向延申第一设定值，得到的圆环状区域的范围记为上述第一区域范围。
[0076]
在一些可选实施例中，目标小区的覆盖范围可通过目标小区对应基站的相关信息确定，或者可根据测量报告(mr，measurement report)确定。一个示例中，在基站部署时，在基站的相关信息中预先配置对应的目标小区的覆盖范围。另一个示例中，可通过测量报告中的相关信息(例如覆盖度)确定目标小区的覆盖范围。
[0077]
本实施例中，第一区域范围也可称为准入范围，表示目标小区的覆盖范围外一定
范围内的区域范围。在一些可选实施例中，如图2a所示，在室外小区的场景下，目标小区的覆盖范围与第一区域范围是在水平维度排布的区域范围。在另一些可选实施例中，如图2b所示，在室内小区的场景下，例如在高层住宅内，目标小区的覆盖范围与第一区域范围是在竖直维度排布的区域范围，可以理解，目标小区域第一区域范围对应小区是相邻小区。
[0078]
进一步的，获得各用户设备的当前位置。在一些可选实施例中，用户设备的当前位置可通过用户设备自身的定位模块获得，并通过用户设备与网络设备之间的信息交互使得网络设备获得用户设备的当前位置。示例性的，用户设备自身的定位模块可以是全球定位系统(gps，global positioning system)模块。在另一些可选实施例中，网络设备也可通过用户设备接入的基站的相关信息或者用户设备接入的无线保真(wifi)的相关信息确定用户设备的当前位置。例如，基于基站的部署位置确定用户设备的大致区域，再基于用户设备的接收信号强度等相关参数确定用户设备与基站的距离，再结合上述基站的部署位置以及用户设备与基站的距离确定用户设备的当前位置。
[0079]
本实施例中，可基于当前位置位于目标小区的覆盖范围内以及上述第一区域范围内的用户设备组成目标用户集。示例性的，目标用户集中可包括满足上述条件的用户设备的相关信息，用户设备的相关信息例如用户设备的标识，该用户设备的标识可在网络内唯一标识用户设备。
[0080]
可以理解，需要每隔一段时间对目标用户集进行更新。可选地，可按照第一预设间隔对目标用户集进行更新，即重新获得各用户设备的当前位置，将用户设备的当前位置在目标小区的覆盖范围或所述第一区域范围内的用户设备添加至目标用户集，相应的，将用户设备的当前位置不在目标小区的覆盖范围或所述第一区域范围内的用户设备从目标用户集中删除。
[0081]
在本发明的一些可选实施例中，所述方法还包括：获得所述目标用户集中的各用户设备的当前位置，基于各用户设备的当前位置和历史数据确定各用户设备在第一时间范围内的轨迹预测信息，基于用户设备的当前位置和所述用户设备对应的轨迹预测信息更新所述目标用户集。
[0082]
本实施例中，针对目标用户集中的用户设备，还可对各用户设备的轨迹进行预测，根据轨迹预测结果(即轨迹预测信息)和用户设备的当前位置更新目标用户集。
[0083]
在本发明的一些可选实施例中，所述基于用户设备的当前位置和所述用户设备对应的轨迹预测信息更新所述目标用户集，包括：在所述用户设备的当前位置属于所述第一区域范围、且所述用户设备对应的轨迹预测信息表明所述用户设备在所述第一时间范围内的位置在所述覆盖范围内的情况下，在所述目标用户集中保留所述用户设备；或，在所述用户设备的当前位置属于所述第一区域范围、且所述用户设备对应的轨迹预测信息表明所述用户设备在所述第一时间范围内的位置不在所述覆盖范围内的情况下，在所述目标用户集中删除所述用户设备；或，基于所述覆盖范围确定第二区域范围；所述第二区域范围为所述覆盖范围内、且与所述覆盖范围的边界距离第二设定值的区域范围；在所述用户设备的当前位置属于所述第二区域范围、且所述用户设备对应的轨迹预测信息表明所述用户设备在所述第一时间范围内的位置不在所述覆盖范围内的情况下，在所述目标用户集中删除所述用户设备。
[0084]
本实施例中，在对目标用户集进行更新之前，首先基于目标小区的覆盖范围确定
第二区域范围。所述第二区域范围也可称为准出范围，表示目标小区的覆盖范围内一定范围内的区域范围。需要说明的是，所述第二区域范围仅在如图2a所示的室外小区的场景下存在。如图2a所示，基于目标小区的边界朝向指向目标小区的方向延申第二设定值，确定出的边界作为第二区域范围的边界。
[0085]
进一步基于用户设备的当前位置和轨迹预测信息对目标用户集中的用户设备进行更新。其中，轨迹预测信息表明第一时间范围内用户设备可能的移动轨迹。所述第一时间范围为与当前时刻相比、未来的时间范围。例如当前时刻为早上8：00，则所述第一时间范围可以是当天的上午9：00-10：00。当然，本发明实施例中的第一时间范围不限于上述示例，也可以是其他取值，例如第一时间范围的时长可以是3小时、10小时、24小时等等。可选地，第一时间范围对应的时间颗粒度不限于是小时，也可以是分钟，例如第一时间范围可以是1分钟、15分钟等等，本实施例中对此不做限定。
[0086]
在一些可选示例中，若所述用户设备的当前位置属于所述第一区域范围、且所述用户设备对应的轨迹预测信息表明所述用户设备在所述第一时间范围内的位置在所述覆盖范围内，在所述目标用户集中保留所述用户设备。本示例中，若当前时刻用户设备的位置在第一区域范围内，但通过轨迹预测信息确定用户设备在第一时间范围内会到达目标设备的覆盖范围内，则可将该用户设备(或用户设备的标识)保留在目标用户集，否则，将该用户设备(或用户设备的标识)从目标用户集中删除。
[0087]
在另一些可选示例中，若所述用户设备的当前位置属于所述第二区域范围、且所述用户设备对应的轨迹预测信息表明所述用户设备在所述第一时间范围内的位置不在所述覆盖范围内，在所述目标用户集中删除所述用户设备。本示例中，若当前时刻用户设备的位置在第二区域范围内，但通过轨迹预测信息确定用户设备在第一时间范围内会离开目标设备的覆盖范围，则可将该用户设备(或用户设备的标识)从目标用户集中删除，否则，将该用户设备(或用户设备的标识)保留在目标用户集中。
[0088]
本实施例中，可通过各用户设备的历史数据确定用户设备在第一时间范围内的轨迹预测信息。可选地，可基于用户设备的历史数据采用贝叶斯算法确定用户设备在第一时间范围内的轨迹预测信息，或者，可基于用户设备的历史数据和预先训练好的机器学习模型确定用户设备在第一时间范围内的轨迹预测信息。
[0089]
在一些可选示例中，可将当前时刻的用户设备的当前位置输入至机器学习模型中，得到距离当前时刻预设时间范围的第一时间范围的用户设备的预测位置，将所述预设位置作为上述轨迹预测信息。
[0090]
在另一些可选示例中，也可基于用户设备的历史数据确定距离当前时刻之前的预设时间范围内的位置数据，根据当前时刻之前的预设时间范围内的位置数据和当前位置可确定用户设备在当前时刻的速度和方向等信息，则可将当前时刻的用户设备的当前位置、速度和方向等信息输入至机器学习模型中，得到距离当前时刻预设时间范围的第一时间范围的用户设备的预测位置，将所述预设位置作为上述轨迹预测信息。
[0091]
在本发明的一些可选实施例中，所述基于历史数据确定所述目标用户集中的至少一个用户设备在第一时间范围的使用行为数据，包括：基于任一个用户设备的历史数据确定目标应用程序的历史使用数据；所述目标应用程序为满足预设条件的任意一个应用程序；基于所述目标应用程序的历史使用数据确定所述目标应用程序在距离预测日的前n天
的所述第一时间范围被使用的历史使用概率；n为正整数；确定所述目标应用程序在所述第一时间范围前预设数量个时间单元被使用的次数，基于所述预设数量和所述次数确定惯性使用概率；基于所述历史使用概率和所述惯性使用概率确定所述目标应用程序在所述第一时间范围被使用的概率；在所述概率大于第二阈值时，标记所述目标应用程序在所述第一时间范围内被使用；基于所述目标用户集中所有用户设备对应的目标应用程序中、在所述第一时间范围内标记为被使用的目标应用程序确定所述使用行为数据。
[0092]
本实施例中，基于目标用户集中的各用户设备的历史数据对用户设备对应用程序的使用情况进行预测，从而得到用户设备在第一时间范围的使用行为数据。示例性的，各用户设备的历史数据可以是历史详单数据。历史数据例如可包括以下信息：业务的起始时间和终止时间、业务类型(例如电话、短消息、应用程序等等)；若业务类型为应用程序，则历史数据还可包括应用程序标识(用于唯一表示应用程序)、应用程序的流量使用信息等等。则本实施例中，可基于目标用户集中的各用户设备的历史数据，确定出目标应用程序，所述目标应用程序为满足预设条件的任意一个应用程序。
[0093]
示例性的，满足预设条件的目标应用程序可以是距离预测日之前近n天(也即距离当前日的前n天)使用次数超过1次且使用流量超过预设流量阈值的应用程序。所述预设流量阈值例如可以是10000比特(bit)，当然，上述预设流量阈值的数值不限于上述示例。
[0094]
在一些可选实施例中，所述方法还包括：基于所述目标应用程序的历史使用数据确定第一参数，所述第一参数为用于计算目标应用程序的历史使用概率的参数。
[0095]
在本发明的一些可选实施例中，所述基于所述目标应用程序的历史使用数据确定第一参数，包括：统计距离预测日的前n n天至前2天中、只使用过所述目标应用程序1次时目标日出现的第一概率；n为正整数；统计距离所述预测日的前1天的前m个时间单元使用过所述目标应用程序的次数，基于所述次数确定第一比值；m为正整数；基于所述第一概率和所述第一比值确定过程概率，在所述过程概率大于第三阈值时，标记所述目标应用程序在所述预测日的前1天的预设时间范围内为预测使用；利用所述目标应用程序对应的所述预测日的前1天的历史使用数据确定所述目标应用程序标记为预测使用的预测正确率，统计所述目标应用程序在所述预测日前一天对应的预测正确率；基于与所述预测日相邻的连续的其他历史预测日对应的预测正确率确定所述第一参数；其中，所述连续的其他预测日对应的预测正确率均大于第四阈值；所述第一参数表征与预测日相邻的连续的其他历史预测日中、预测正确率大于所述第四阈值的连续天数。
[0096]
本实施例中，获取距离预测日前n n天的、用户设备对应于目标应用程序的历史使用数据。其中，所述预测日可以是当前时刻所在日，则随着时间的推移，每一天均可作为所述预测日，或者也可以说，距离当前时刻之前的每一天，均可作为当天对应的预测日，从而进行上述第一参数的确定。
[0097]
本实施例中，上述第一参数可记为d，d的取值与基于上述第一概率和第一比值确定的过程概率相关，所述过程概率可以理解为，基于预测日的前n n天至前2天的使用情况预测前1天的预测时间范围使用该目标应用程序的概率，若该过程概率大于第三阈值，则可标记该目标应用程序预测使用。
[0098]
具体的，上述第一概率alpha’可表示为：alpha’＝1/(n n-1)；上述第一比值beta’可表示为beta’＝b’/m；其中，b’表示所述预测日的前1天的前m个时间单元使用过所述目标
应用程序的次数；所述时间单元可以是预设时长，该预设时长可以是1小时，当然也可以是其他时长，本实施例中不做限定。则本实施例中，可对所述第一概率和所述第一比值采用加权求和的方式得到所述过程概率。
[0099]
示例性的，所述过程概率p’的确定方式可满足以下表达式：
[0100]
p’＝w
×
alpha’ (1-w)
×
beta
’ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0101]
其中，w为权重系数。在一些可选实施例中，w的取值为预设固定值。在另一些可选实施例中，w的取值也可通过机器学习模型获得，可选地，机器学习模型可以是神经网络模型 遗传算法模型。
[0102]
进一步地，在确定的过程概率大于第三阈值时，可标记所述目标应用程序在所述预测日的前1天的预设时间范围内为预测使用；再结合预测日前一天的预设时间范围内、所述目标应用程序的实际使用情况，可确定针对该应用程序的预测是否正确；若预测日前一天的预设时间范围内、所述目标应用程序的实际被使用，则确定为预测正确，若预测日前一天的预设时间范围内、所述目标应用程序的实际未被使用，则可确定为预测错误；则进一步可针对该目标应用程序，统计预测日前一天各用户设备对应的预测是否正确，具体统计预测正确的数量，将预测正确的数量与各用户设备对应的预测总数之间的比值作为所述目标应用程序在所述预测日前一天对应的预测正确率。
[0103]
进一步依据与所述预测日相邻的连续的其他历史预测日对应的预测正确率确定所述第一参数。示例性的，统计上述预测正确率大于第四阈值的连续的其他历史预测日的天数，可将所述天数作为所述第一参数。其中，所述第四阈值为预先设定值，所述第四阈值例如可以是35％，当然本实施例中不限上述示例。
[0104]
在一示例中，可参照以下表1所示，为某应用程序的统计情况，其中，第一列数据表示实际是否使用的情况，1表示应用程序实际被使用，0表示该应用程序实际未使用。第二列数据表示预测日前10天应用程序的测试总数，具体是分别对应于预测日前10天应用该程序实际被使用的测试总数以及预测日前10天该应用程序实际未被使用的总数。第三列表示预测日前i天，根据i的不同取值，可表示预测日的前1天到前10天；第四列数据表示对应的应用程序实际被使用或实际未被使用、对应于前第i天统计的应用程序的测试数量；第五列数据为预测日前第i天应用程序预测为使用的数量；第六列数据表示预测正确率。可以理解，可通过例如表1所示的统计数据，若假设第四阈值为35％，则可将与预测日相邻的其他历史预测日对应的预测正确率大于35％的连续天数，若与预测日相邻的前连续5天的预测正确率大于35％，则可确定上述第一参数d为5。
[0105]
表1
[0106][0107][0108]
在一些可选实施例中，所述基于所述目标应用程序的历史使用数据确定所述目标应用程序在距离预测日的前n天的所述第一时间范围被使用的历史使用概率，包括：基于第一参数确定目标应用程序在距离预测日的前n天的所述第一时间范围被使用的历史使用概率。
[0109]
在本发明的一些可选实施例中，所述基于所述第一参数确定所述目标应用程序在距离预测日的前n天的所述第一时间范围被使用的历史使用概率，包括：确定所述目标应用程序在距离预测日的前n天的每一天的所述第一时间范围被使用的第二概率；其中，若目标日在所述第一参数对应的日期范围内，则所述目标日对应的第二概率表示为：
[0110][0111]
若目标日在所述第一参数对应的日期范围外，则所述目标日对应的第二概率表示为：
[0112]
a＝r；其中，factor为预先设定值；
[0113]
对每一天对应的所述第二概率进行加和处理，将加和结果作为所述历史使用概率。
[0114]
示例性的，所述历史使用概率alpha可表示为：其中，ai表示上述前n天中的前i天对应的第二概率。
[0115]
进一步地，基于目标应用程序在所述第一时间范围前预设数量个时间单元被使用的次数，基于所述预设数量和所述次数确定惯性使用概率。
[0116]
示例性的，若前m个时刻使用目标应用程序的次数为b，则惯性使用概率beta可表示为：beta＝b/m。
[0117]
在本发明的一些可选实施例中，所述基于所述历史使用概率和所述惯性使用概率确定所述目标应用程序在所述第一时间范围被使用的概率，包括：对所述历史使用概率和所述惯性使用概率进行加权求和处理，得到所述目标应用程序在所述第一时间范围被使用的概率。
[0118]
示例性的，所述目标应用程序在第一时间范围被使用的概率p可表示为：
[0119]
p＝w
×
alpha (1-w)
×
beta
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0120]
其中，w为权重系数，alpha为历史使用概率，beta为惯性使用概率。
[0121]
在上述概率p大于第二阈值时，可标记所述目标应用程序在所述第一时间范围内被使用，将标记为被使用的目标应用程序作为在所述第一时间范围内预计会被用户设备使用的应用程序，从而可统计目标用户集中所有的用户设备对应的目标应用程序，统计其中在第一时间范围内标记为使用的目标应用程序的信息作为上述使用行为数据。
[0122]
示例性的，上述过程可参照图3所示，包括：
[0123]
步骤201：获取目标用户集中的用户设备使用目标应用程序的近n n天的数据详单。其中，n n天的数据详单为当前日的前n n天的数据详单；n和n均为正整数。
[0124]
步骤202：统计距离预测日的前n n到前2天中、只使用过上述目标应用程序1次时的目标日出现的概率(即第一概率)，该概率记为alpha’＝1/(n n-1)。
[0125]
步骤203：统计预测日的前1天的前m个时间单元使用过目标应用程序的次数b’，计算第一比值beta’＝b’/m。m为正整数。
[0126]
步骤204：基于第一概率和第一比值计算过程概率；在过程概率大于第三阈值时，标记为预测使用。
[0127]
其中，过程概率p’＝w
×
alpha’ (1-w)
×
beta’，当p’》p1(第三阈值)时标记为预测
使用。
[0128]
步骤205：基于目标应用程序的实际使用数据确定标记是否正确，统计所述目标应用程序的预测正确率，基于预测正确率确定第一参数d。
[0129]
其中，基于与所述预测日相邻的连续的其他历史预测日对应的预测正确率确定所述第一参数；其中，所述连续的其他预测日对应的预测正确率均大于第四阈值；可以理解，若连续5天的预测正确率大于第四阈值，则可确定第一参数d＝5。
[0130]
步骤206：确定所述目标应用程序在距离预测日的前n天的每一天的所述第一时间范围被使用的第二概率，对每一天对应的所述第二概率进行加和处理，将加和结果作为所述历史使用概率。
[0131]
其中，若目标日在所述第一参数对应的日期范围内，则所述目标日对应的第二概率表示为：
[0132][0133]
若目标日在所述第一参数对应的日期范围外，则所述目标日对应的第二概率表示为：
[0134]
a＝r；其中，factor为预先设定值；
[0135]
则历史使用概率alpha可表示为：其中，ai表示上述前n天中的前i天对应的第二概率。
[0136]
步骤207：确定预测日前m个时刻使用目标应用程序的次数为b，则惯性使用概率beta可表示为：beta＝b/m。
[0137]
其中，预测日前m个时刻使用目标应用程序的次数也可通过历史数据确定。
[0138]
步骤208：基于历史使用概率和所述惯性使用概率进行加权求和处理，得到所述目标应用程序在所述第一时间范围被使用的概率。
[0139]
其中，目标应用程序在第一时间范围被使用的概率p可表示为：
[0140]
p＝w
×
alpha (1-w)
×
beta
[0141]
在本发明的一些可选实施例中，对于目标用户集中的用户设备，可针对每个用户设备分别进行目标应用程序在第一时间范围被使用的概率的确定，也可针对一组用户设备进行目标应用程序在第一时间范围被使用的概率的确定；其中，上述一组用户设备可以是具有相同用户画像的多个用户设备。可以理解，一组用户设备中的多个用户设备使用相同业务的概率大于预设值。
[0142]
本实施例中，在确定目标应用程序在第一时间范围被使用之后，可基于用户设备的历史数据确定标记为被使用的目标应用程序的平均使用流量(可以单独计算每个用户设备对应的平均使用流量，也可针对属于相同用户画像的一组用户设备计算平均使用流量)，统计目标用户集中的所有用户设备在第一时间范围内、对应标记有被使用的目标应用程序
的平均使用流量，并将上述统计的平均使用流量进行加和处理，得到所述第一时间范围内的预计流量需求。
[0143]
进一步地，在上述预计流量需求超过第一阈值时，控制激活特定网络参数。可选地，上述特定网络参数可包括以下至少之一：小区参数、通道、符号、亚帧、模式参数等等。示例性的，上述控制激活特定网络参数可包括激活特定小区，或激活特定通道、特定符号等等，或者也可使处于深度休眠的特定小区处于激活状态等等。
[0144]
在本发明的一些可选实施例中，所述方法还可以包括：在上述预计流量需求低于另一阈值时，控制去激活上述特定网络参数。
[0145]
采用本发明实施例的技术方案，一方面，先通过对目标用户进行确定，进而基于目标用户的历史数据对可能在未来一段时间使用小区资源的用户以及应用程序进行确定，进而实现了对未来一段时间的流量需求进行预测，从而可基于预测结果激活特定网络参数，以在小区的资源不足以为用户提供服务之前先激活资源，避免相关方案中用户先访问、再监测、后激活导致的滞后性问题，在兼顾运营成本的同时提升了用户的体验。另一方面，本发明实施例中的历史使用概率根据不同历史时间或历史使用情况得到的不同的参数进行确定，无需使用复杂耗时的深度学习算法。
[0146]
本发明实施例还提供了一种信息处理装置。图4为本发明实施例的信息处理装置的组成结构示意图；如图4所示，所述装置包括：第一确定单元11、第二确定单元12、第三确定单元13和控制单元14；其中，
[0147]
所述第一确定单元11，用于确定与目标小区的覆盖范围相关联的目标用户集；所述目标用户集中包括至少一个用户设备；
[0148]
所述第二确定单元12，用于基于历史数据确定所述目标用户集中的至少一个用户设备在第一时间范围的使用行为数据；所述使用行为数据包括用户设备在所述第一时间范围内预计使用应用程序的数据；
[0149]
所述第三确定单元13，用于基于所述至少一个用户设备的使用行为数据确定所述第一时间范围内的预计流量需求；
[0150]
所述控制单元14，用于确定所述第三确定单元13确定的所述预计流量需求超过第一阈值时，控制激活特定网络参数。
[0151]
在本发明的一些可选实施例中，所述第一确定单元11，用于确定所述目标小区的覆盖范围，基于所述覆盖范围确定第一区域范围；所述第一区域范围为所述覆盖范围外、且与所述覆盖范围的边界距离第一设定值的区域范围，或者，所述第一区域范围为与所述目标小区覆盖连续的小区对应的区域范围；获得各用户设备的当前位置，基于各用户设备的当前位置确定所述目标用户集；所述目标用户集中的用户设备的当前位置将在所述覆盖范围内或所述第一区域范围内。
[0152]
在本发明的一些可选实施例中，所述第一确定单元11，用于获得所述目标用户集中的各用户设备的当前位置，基于各用户设备的当前位置和历史数据确定各用户设备在第一时间范围内的轨迹预测信息，基于用户设备的当前位置和所述用户设备对应的轨迹预测信息更新所述目标用户集。
[0153]
在本发明的一些可选实施例中，所述第一确定单元11，用于在所述用户设备的当前位置属于所述第一区域范围、且所述用户设备对应的轨迹预测信息表明所述用户设备在
所述第一时间范围内的位置在所述覆盖范围内的情况下，在所述目标用户集中保留所述用户设备；或，在所述用户设备的当前位置属于所述第一区域范围、且所述用户设备对应的轨迹预测信息表明所述用户设备在所述第一时间范围内的位置不在所述覆盖范围内的情况下，在所述目标用户集中删除所述用户设备；或，基于所述覆盖范围确定第二区域范围；所述第二区域范围为所述覆盖范围内、且与所述覆盖范围的边界距离第二设定值的区域范围；在所述用户设备的当前位置属于所述第二区域范围、且所述用户设备对应的轨迹预测信息表明所述用户设备在所述第一时间范围内的位置不在所述覆盖范围内的情况下，在所述目标用户集中删除所述用户设备。
[0154]
在本发明的一些可选实施例中，所述第二确定单元12，用于基于任一个用户设备的历史数据确定目标应用程序的历史使用数据；所述目标应用程序为满足预设条件的任意一个应用程序；基于所述目标应用程序的历史使用数据确定所述目标应用程序在距离预测日的前n天的所述第一时间范围被使用的历史使用概率；n为正整数；确定所述目标应用程序在所述第一时间范围前预设数量个时间单元被使用的次数，基于所述预设数量和所述次数确定惯性使用概率；基于所述历史使用概率和所述惯性使用概率确定所述应用程序在所述第一时间范围被使用的概率；在所述概率大于第二阈值时，标记所述目标应用程序在所述第一时间范围内被使用；基于所述目标用户集中所有用户设备对应的目标应用程序中、在所述第一时间范围内标记为被使用的目标应用程序确定所述使用行为数据。
[0155]
在本发明的一些可选实施例中，所述第二确定单元12，还用于基于所述目标应用程序的历史使用数据确定第一参数；具体用于统计距离预测日的前n n天至前2天中、只使用过所述目标应用程序1次时目标日出现的第一概率；n为正整数；统计距离所述预测日的前1天的前m个时间单元使用过所述目标应用程序的次数，基于所述次数确定第一比值；m为正整数；基于所述第一概率和所述第一比值确定过程概率，在所述过程概率大于第三阈值时，标记所述目标应用程序在所述预测日的前1天的预设时间范围内为预测使用；利用所述目标应用程序对应的所述预测日的前1天的历史使用数据确定所述目标应用程序标记为预测使用的预测正确率，统计所述目标应用程序在所述预测日前一天对应的预测正确率；基于与所述预测日相邻的连续的其他历史预测日对应的预测正确率确定所述第一参数；其中，所述连续的其他预测日对应的预测正确率均大于第四阈值；所述第一参数表征与预测日相邻的连续的其他历史预测日中、预测正确率大于所述第四阈值的连续天数。
[0156]
在本发明的一些可选实施例中，所述第二确定单元12，还用于基于所述第一参数确定所述目标应用程序在前n天的所述第一时间范围被使用的历史使用概率；具体用于确定所述目标应用程序在前n天的每一天的所述第一时间范围被使用的第二概率；其中，若目标日在所述第一参数对应的日期范围内，则所述目标日对应的第二概率表示为：
[0157][0158]
若目标日在所述第一参数对应的日期范围外，则所述目标日对应的第二概率表示为：
[0159]
a＝r；其中，factor为预先设定值；
[0160]
对每一天对应的所述第二概率进行加和处理，将加和结果作为所述历史使用概率。
[0161]
在本发明的一些可选实施例中，所述第二确定单元12，用于对所述历史使用概率和所述惯性使用概率进行加权求和处理，得到所述应用程序在所述第一时间范围被使用的概率。
[0162]
本发明实施例中，所述装置中的第一确定单元11、第二确定单元12、第三确定单元13和控制单元14，在实际应用中均可由中央处理器(cpu，central processing unit)、数字信号处理器(dsp，digital signal processor)、微控制单元14(mcu，microcontroller unit)或可编程门阵列(fpga，field－programmable gate array)实现。
[0163]
需要说明的是：上述实施例提供的信息处理装置在进行信息处理时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的信息处理装置与信息处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0164]
本发明实施例还提供了一种网络设备，图5为本发明实施例的网络设备的硬件组成结构示意图，如图5所示，网络设备包括存储器22、处理器21及存储在存储器22上并可在处理器21上运行的计算机程序，所述处理器21执行所述程序时实现本发明实施例所述信息处理方法的步骤。
[0165]
可选地，网络设备中还包括网络接口23。可以理解，网络设备中的各个组件可通过总线系统24耦合在一起。可理解，总线系统24用于实现这些组件之间的连接通信。总线系统24除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图5中将各种总线都标为总线系统24。
[0166]
可以理解，存储器22可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(rom，read only memory)、可编程只读存储器(prom，programmable read-only memory)、可擦除可编程只读存储器(eprom，erasable programmable read-only memory)、电可擦除可编程只读存储器(eeprom，electrically erasable programmable read-only memory)、磁性随机存取存储器(fram，ferromagnetic random access memory)、快闪存储器(flash memory)、磁表面存储器、光盘、或只读光盘(cd-rom，compact disc read-only memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(ram，random access memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(sram，static random access memory)、同步静态随机存取存储器(ssram，synchronous static random access memory)、动态随机存取存储器(dram，dynamic random access memory)、同步动态随机存取存储器(sdram，synchronous dynamic random access memory)、双倍数据速率同步动态随机存取存储器(ddrsdram，double data rate synchronous dynamic random access memory)、增强型同步动态随机存取存储器(esdram，enhanced synchronous dynamic random access memory)、同步连接
动态随机存取存储器(sldram，synclink dynamic random access memory)、直接内存总线随机存取存储器(drram，direct rambus random access memory)。本发明实施例描述的存储器22旨在包括但不限于这些和任意其它适合类型的存储器。
[0167]
上述本发明实施例揭示的方法可以应用于处理器21中，或者由处理器21实现。处理器21可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器21中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器21可以是通用处理器、dsp，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器21可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器22，处理器21读取存储器22中的信息，结合其硬件完成前述方法的步骤。
[0168]
在示例性实施例中，网络设备可以被一个或多个应用专用集成电路(asic，application specific integrated circuit)、dsp、可编程逻辑器件(pld，programmable logic device)、复杂可编程逻辑器件(cpld，complex programmable logic device)、fpga、通用处理器、控制器、mcu、微处理器(microprocessor)、或其他电子元件实现，用于执行前述方法。
[0169]
在示例性实施例中，本发明实施例还提供了一种计算机可读存储介质，例如包括计算机程序的存储器22，上述计算机程序可由网络设备的处理器21执行，以完成前述方法所述步骤。计算机可读存储介质可以是fram、rom、prom、eprom、eeprom、flash memory、磁表面存储器、光盘、或cd-rom等存储器；也可以是包括上述存储器之一或任意组合的各种设备。
[0170]
本发明实施例提供的一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例所述信息处理方法的步骤。
[0171]
本技术所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
[0172]
本技术所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
[0173]
本技术所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
[0174]
在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0175]
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，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全部单元来实现本实施例方案的目的。
[0176]
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0177]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0178]
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0179]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。