一种流量预测方法、装置、计算设备和存储介质

技术领域

本发明涉及通信技术领域，具体涉及一种流量预测方法、装置、计算设备和存储介质。

背景技术

随着5G建设逐步完善，长期演进(Long Term Evolution，LTE)流量保持快速增长态势，逐步形成4G/5G协同发展的通信网络，网络流量指数级的爆发增长，面对日益增加的容量负载压力，将会对流量预测的能力提出更高的要求，特别是流量预测和垂直行业的结合，不同的垂直企业对应不同的应用场景，不同应用产生的特异性数据特点是千差万别的。

如何基于不同应用产出的特异性数据找到精准匹配的预测模型是亟待解决的技术问题，现有技术大多基于基站级别的流量进行流量预测，数据源包括基站流量，方向角和天线挂高等，采用的是固定时间间隔的数据采集，同时只做简单的数据清洗，没有涉及特征选取内容，在算法选取上，一般采用的模型算法是长短期记忆网络(LSTM，Long Short-TermMemory)算法，该算法容易过拟合，不支持并行，训练速度慢，对样本量和特征数据类型要求苛刻，适用范围小；且现有技术没有考虑小区级流量，并且用户数、周末和节假日等特征对小区级流量变化有至关重要的影响；另外现有预测模型大多基于日粒度或者周粒度数据，具体到小区级小时粒度数据规模会翻倍，因此，现有预测模型通过整体数据源输入的方式无法保证效率和预测准确性。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种流量预测方法、装置、计算设备和存储介质。

根据本发明的一个方面，提供了一种流量预测方法，包括：

获取待预测区域的历史流量数据；其中，所述历史流量数据是按照预设时间粒度和小区维度进行获取的；

对所述历史流量数据进行分解和聚类处理，得到流量预测的输入数据；

将所述流量预测的输入数据输入梯度提升决策树算法模型中预测得到待预测区域的流量预测结果。

根据本发明的另一方面，提供了一种流量预测装置，包括：

历史数据获取模块，用于获取待预测区域的历史流量数据；其中，所述历史流量数据是按照预设时间粒度和小区维度进行获取的；

历史数据处理模块，用于对所述历史流量数据进行分解和聚类处理，得到流量预测的输入数据；

流量预测模块，用于将所述流量预测的输入数据输入梯度提升决策树算法模型中预测得到待预测区域的流量预测结果。

根据本发明的又一方面，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；

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一种流量预测方法对应的操作。

根据本发明的再一方面，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，所述可执行指令使处理器执行如上述一种流量预测方法对应的操作。

根据本发明的一种流量预测方法、装置、计算设备和存储介质，获取待预测区域的历史流量数据；其中，历史流量数据是按照预设时间粒度和小区维度进行获取的；对历史流量数据进行分解和聚类处理，得到流量预测的输入数据；将流量预测的输入数据输入梯度提升决策树算法模型中预测得到待预测区域的流量预测结果。本发明基于对历史流量数据的分解和聚类处理，进行待预测区域的流量预测，针对特征维度较多的数据可以减少流量预测器的个数，降低流量预测复杂度，有效提高流量预测准确率，极大提升运算效率，解决了当前流量预测方法特征工程不完备和流量预测效率和准确率较低问题。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，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

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：

图1示出了本发明实施例提供的一种流量预测方法流程图；

图2a示出了本发明实施例提供的某商场一周内的历史流量趋势图；

图2b示出了本发明实施例提供的某机场一周内的历史流量趋势图；

图3示出了本发明实施例提供的一种流量预测装置的结构示意图；

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

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。

在本领域中，影响现网流量波动的因素包括市场、事件、网络调整、网络建设等因素，有些因素的影响比较细微，不足以对未来流量有波动影响；但是有些因素的影响可能是跨季度或跨年度的，能够影响到未来流量趋势；因此，在本发明中，通过对流量预测针对性的赋予不同影响因子，从而既能够忽视细微干扰，又能校正预测模型，正确应对未来流量波动。比如，流量变化具有比较明显的变化特点，一是趋势性，流量在历史3年有明显的趋势增长；二是具有季节性，季节性是指几年内与日历(如日、月份或季度)等相关的周期性模式；三是受节假日影响，例如国内的五一劳动节，国庆节等人流迁移较大等的波动影响。针对业务特点，在流量预测时需综合考虑多种影响因子叠加，具备特征适配能力。

流量特征选择通过选择影响业务发展的强相关特征，提供一组特征组合作为预测模型的输入，同时去除冗余或不相关的属性来提高数据挖掘技术的性能。特征选择方法通过只选择原始属性的一个子集来生成一组新的属性。另外，特征选择主要用于数据集降维，提高网络流量分析性能。目前主流的特征选取技术包括主成分分析、信息熵、粗糙集理论、特征分析等。

图1示出了本发明一种流量预测方法实施例的流程图，如图1所示，该方法包括以下步骤：

步骤S110：获取待预测区域的历史流量数据。

在本实施例中，可以根据待预测区域小区级小时粒度历史流量数据趋势变化，预测待预测区域对应的小区未来(如未来12个小时内)的流量变化；其中，历史流量数据是按照预设时间粒度和小区维度进行获取的；具体地说，以小区为单位进行历史流量数据划分，基于小区级历史流量数据进行待预测区域未来流量预测。

以小区为商场和机场为例，图2a为获取的某商场一周内的历史流量趋势图，其中横轴为时刻(例如2700指的是27日的零点；2710指的是27日的一点，以此类推)，纵轴为流量，单位为GB；如图2a所示，工作日的流量峰值集中在晚上20点左右，周末的流量峰值分别出现在中午12点左右和晚上19点左右；图2b为获取的某机场一周内的历史流量趋势图，如图2b所示，工作日流量峰值在中午12点左右，周末的流量峰值在晚上19点左右。

由此可见，小区级小时粒度流量趋势呈现明显的规律性特征，通过分析长时间周期的流量趋势变化，例如一个月的每天24小时流量变化，通过流量峰值的规律，能够看出工作日和周末的不同特点；同时通过对以上两个小区一个月内整体流量趋势分析，同一个小区24小时的流量整体趋势接近。

在一种可选的方式中，历史流量数据至少包括以下数据的一项或多项：历史上下行流量数据、历史有效无线资源控制连接平均数和历史上下行利用率数据；影响因子包括以下信息的一项或多项：场景因子、节假日因子、周末因子和业务套餐因子。

其中，上述历史上下行流量数据、历史有效无线资源控制连接平均数和历史上下行利用率数据均为获取的指标数据，可用于下述流量预测的输入数据；历史有效无线资源控制连接平均数指的是无线资源控制(Radio Resource Control，RRC)连接用户数，该指标数据反映数据传输的RRC用户数；历史上下行利用率包括上行物理资源块(PhysicalResource Block，PRB)利用率、下行PRB利用率和物理下行控制信道(Physical DownlinkControl Channel，PDCCH)的控制信道单元(control channel element，CCE)利用率等。

在一种可选的方式中，步骤S110之后，该方法还包括：对历史流量数据进行空值和无效数据清理后，根据历史流量数据的属性进行标记；其中，历史流量数据的属性至少包括：场景属性、节假日属性、周末属性和业务套餐属性；对标记后的历史流量数据进行训练学习，得到影响因子。

为了提高流量预测的准确率，基于历史流量数据，对历史流量数据进行空值和无效数据(例如null等)清理后，根据历史流量数据的属性进行标记，例如，节假日(春节、元旦、劳动节等)标记、场景(高铁、高校)标记、周末标记以及用户的业务套餐标记等；对历史流量数据进行划分得到训练集数据和测试集数据，在训练集数据中进一步获取周、月、年的同比时期历史流量数据输入训练模型进行训练学习得到影响因子；通过对周同比历史流量数据进行训练学习，学习周内与周末的流量差异，得出历史周影响因子，在预测未来同比周流量时，可参考该影响因子进行添加。进一步地，为了方便后续步骤数据输入的统一，通过散点平滑法进行历史流量数据流量曲线的削峰填谷，保留流量曲线的波谷和波峰等趋势重要特征，去掉曲线毛边等不必要的特征；结合历史流量数据中每小时的流量值，通过构建独热编码(one-hot encoding)的形式来实现从一维数据特征向量重构成二维矩阵。

步骤S120：对历史流量数据进行分解和聚类处理，得到流量预测的输入数据。

在一种可选的方式中，步骤S120进一步包括：对历史流量数据进行信号分解，得到对应的本征模函数分量；将本征模函数分量通过聚类算法进行聚类分析，得到信号分量聚类，将信号分量聚类作为流量预测的输入数据。

在一种可选的方式中，步骤S120进一步包括：采用经验模态分解方法，按照时间尺度特征对历史流量数据进行信号分解，得到本征模函数分量；

其中，本征模函数分量包括历史流量数据在不同时间尺度内的信号分量。

在一种可选的方式中，步骤S120进一步包括：将本征模函数分量通过K均值聚类算法进行聚类分析，将近似度大于预设阈值的本征模函数分量进行聚类，得到一个或多个信号分量聚类。

通过对历史流量数据的流量趋势分析，可见流量趋势变化的特点是非线性和非平稳的，因此，在本步骤中，通过经验模态分解(Empirical Mode Decomposition，EMD)方法对历史流量数据进行信号分解，EMD方法是依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数，适合于分析非线性的非平稳信号序列，具有很高的信噪比；EMD方法的关键是能使复杂信号分解为有限个本征模函数(Intrinsic Mode Function，IMF)，所分解出来的各IMF分量包含了指标数据中原信号的不同时间尺度的局部特征信号，由于信号分解是基于信号序列时间尺度的局部特性，因此具有自适应性。

具体地说，EMD方法是基于以下3个假设条件：

(1)指标数据至少有两个极值，一个最大值和一个最小值；

(2)指标数据的局部时域特性是由极值点间的时间尺度唯一确定；

(3)如果指标数据没有极值点但有拐点，则可以通过对指标数据微分一次或多次求得极值，然后再通过积分来获得分解结果。

EMD方法的本质是通过指标数据的特征时间尺度来获得本征波动模式，然后分解指标数据,这种分解过程可以形象地称之为“筛选(sifting)”过程。

EMD方法进行信号分解过程具体为：找出原指标数据序列X(t)所有的极大值点并用三次样条插值函数拟合形成原指标数据的上包络线；同样，找出所有的极小值点，并将所有的极小值点通过三次样条插值函数拟合形成指标数据的下包络线，上包络线和下包络线的均值记作M，将原指标数据序列X(t)减去该平均包络M，得到一个新的指标数据序列H：H＝X(t)-M

详细来说，对于一个给定的信号x(t)，进行有效的EMD分解步骤如下1)-5)：

1)找出指标数据序列X(t)的所有极值点。

2)用插值法对极小值点形成下包络emin(t)，对极大值形成上包络emax(t)。

3)计算均值m(t)＝(emin(t)+emax(t))/2。

4)抽离细节d(t)＝x(t)-m(t)。

5)对残余的m(t)重复上述步骤1)-4)。

上述信号分解过程需要通过筛选过程进行重定义，筛选过程的第一个迭代步骤是对细节信号d(t)重复步骤1)-4)，直到d(t)的均值是0，或者满足预先设定的停止准则才停止迭代。

一旦满足预先设定的停止准则，此时的信号分量d(t)就被称为本征模函数(即IMF)，d(t)对应残量信号用上述步骤5)计算，通过以上过程，极值点的数量伴随着残量信号的产生而越来越少，整个分解过程会产生有限个IMF分量。

任何信号都是由若干IMF组成，任何时候，一个信号都可以包含若干个IMF，如果IMF之间相互重叠，便形成复合信号。EMD方法进行信号分解的目的就是为了获取IMF，然后再对各IMF进行希尔伯特变换，得到希尔伯特谱。

一个IMF必须满足以下两个条件：

(1)函数在整个时间范围内，局部极值点和过零点的数目必须相等，或最多相差一个；

(2)在任意时刻点，局部最大值的包络(上包络线)和局部最小值的包络(下包络线)平均必须为零。

其中，条件(1)与传统的平稳高斯信号的窄带要求类似；条件(2)把经典的全局性要求修改为局部性要求。实际来说，这个条件应为“数据的局部均值是零”。但是对于非平稳数据来说，计算局部均值涉及到“局部时间尺度”的概念，而这是很难定义的。因此，在条件(2)中使用了局部极大值包络和局部极小值包络的平均为零来代替，使信号的波形局部对称。

进一步地，为了减少后续步骤中流量预测器的个数，将IMF分量通过K均值聚类算法进行聚类分析，将近似度大于预设阈值的本征模函数分量进行聚类，得到一个或多个信号分量聚类。

步骤S130：将流量预测的输入数据输入梯度提升决策树算法模型中预测得到待预测区域的流量预测结果。

在一种可选的方式中，步骤S130进一步包括：将一个或多个信号分量聚类分别输入梯度提升决策树算法模型中进行预测，得到一个或多个信号分量聚类的预测数据；对一个或多个信号分量聚类的预测数据依据影响因子进行修正，得到待预测区域的流量预测结果。

具体地说，梯度提升决策树算法包括XGBoost模型，梯度提升决策树算法(GradientBoostingDecision Tree，GBDT)，XGBoost是GB算法的高效实现，XGBoost模型所对应的模型是复合树模型，复合树模型是一组分类和回归树。XGBoost模型可以用来解决流量预测过程中的监督学习问题，监督休息问题利用每个信号分量聚类的历史流量数据中的指标数据作为训练数据，来预测未来流量(即目标变量)，其中，预测目标变量的函数为下式(1)：

其中，i表示第i个样本，

表达式为式(2)

其中，T表示叶子节点的个数，w表示节点的数值，λ为参数。

和其他预测算法相比，XGBoost模型正则化防止过拟合，支持并行化，训练速度快；且同层级节点可并行，节点内选择最佳分裂点，候选分裂点计算增益用多线程并行；与深度学习相比，对样本量和特征数据类型要求没那么苛刻，适用范围广。

采用本实施例的方法，通过获取待预测区域的历史流量数据，对历史流量数据进行分解和聚类处理，得到流量预测的输入数据；将流量预测的输入数据输入梯度提升决策树算法模型中预测得到待预测区域的流量预测结果。本实施例通过融合历史上下行流量数据、历史有效无线资源控制连接平均数和历史上下行利用率数据以及多种影响因子对未来流量的影响，对输入预测模型的指标数据叠加影响因子进行修正；基于指标数据自身的时间尺度特征分解数据的信号分量，通过K均值聚类算法对信号分量做聚类分析，从而减少预测器的个数，减少系统复杂度；采用XGBoost模型对聚类后的信号分量进行建模和预测，特别适合特征维度较多的数据，有效提高模型预测准确率，同时支持并行化，极大提升运算效率，解决了当前流量预测方法特征工程不完备和流量预测效率和准确率较低问题。

图3示出了本发明一种流量预测装置实施例的结构示意图。如图3所示，该装置包括：历史数据获取模块310、影响因子训练模块320、历史数据处理模块330和流量预测模块340。

历史数据获取模块310，用于获取待预测区域的历史流量数据；其中，历史流量数据是按照预设时间粒度和小区维度进行获取的。

在一种可选的方式中，该装置还包括影响因子训练模块320，用于对历史流量数据进行空值和无效数据清理后，根据历史流量数据的属性进行标记；其中，历史流量数据的属性至少包括：场景属性、节假日属性、周末属性和业务套餐属性；对标记后的历史流量数据进行训练学习，得到影响因子。

历史数据处理模块330，用于对历史流量数据进行分解和聚类处理，得到流量预测的输入数据。

在一种可选的方式中，历史数据处理模块330进一步用于：对历史流量数据进行信号分解，得到对应的本征模函数分量；将本征模函数分量通过聚类算法进行聚类分析，得到信号分量聚类，将信号分量聚类作为流量预测的输入数据。

在一种可选的方式中，历史数据处理模块330进一步用于：采用经验模态分解方法，按照时间尺度特征对历史流量数据进行信号分解，得到本征模函数分量；其中，本征模函数分量包括历史流量数据在不同时间尺度内的信号分量。

在一种可选的方式中，历史数据处理模块330进一步用于：将本征模函数分量通过K均值聚类算法进行聚类分析，将近似度大于预设阈值的本征模函数分量进行聚类，得到一个或多个信号分量聚类。

流量预测模块340，用于将流量预测的输入数据输入梯度提升决策树算法模型中预测得到待预测区域的流量预测结果。

在一种可选的方式中，流量预测模块340进一步用于：将一个或多个信号分量聚类分别输入梯度提升决策树算法模型中进行预测，得到一个或多个信号分量聚类的预测数据；对一个或多个信号分量聚类的预测数据依据影响因子进行修正，得到待预测区域的流量预测结果。

在一种可选的方式中，历史流量数据至少包括以下数据的一项或多项：历史上下行流量数据、历史有效无线资源控制连接平均数和历史上下行利用率数据；影响因子包括以下信息的一项或多项：场景因子、节假日因子、周末因子和业务套餐因子。

采用本实施例的装置，通过获取待预测区域的历史流量数据；对历史流量数据进行分解和聚类处理，得到流量预测的输入数据；将流量预测的输入数据输入梯度提升决策树算法模型中预测得到待预测区域的流量预测结果。本实施例通过融合历史上下行流量数据、历史有效无线资源控制连接平均数和历史上下行利用率数据以及多种影响因子对未来流量的影响，对输入预测模型的指标数据叠加影响因子进行修正；基于指标数据自身的时间尺度特征分解数据的信号分量，通过K均值聚类算法对信号分量做聚类分析，从而减少预测器的个数，减少系统复杂度；采用XGBoost模型对聚类后的信号分量进行建模和预测，特别适合特征维度较多的数据，有效提高模型预测准确率，同时支持并行化，极大提升运算效率，解决了当前流量预测方法特征工程不完备和流量预测效率和准确率较低问题。

本发明实施例提供了一种非易失性计算机存储介质，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一种流量预测方法。

可执行指令具体可以用于使得处理器执行以下操作：

获取待预测区域的历史流量数据；其中，历史流量数据是按照预设时间粒度和小区维度进行获取的；

对历史流量数据进行分解和聚类处理，得到流量预测的输入数据；

将流量预测的输入数据输入梯度提升决策树算法模型中预测得到待预测区域的流量预测结果。

图4示出了本发明计算设备实施例的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。

如图4所示，该计算设备可以包括：

处理器(processor)、通信接口(Communications Interface)、存储器(memory)、以及通信总线。

其中：处理器、通信接口、以及存储器通过通信总线完成相互间的通信。通信接口，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，用于执行程序，具体可以执行上述一种流量预测方法实施例中的相关步骤。

具体地，程序可以包括程序代码，该程序代码包括计算机操作指令。

处理器可能是中央处理器CPU，或者是特定集成电路ASIC(Application SpecificIntegrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。服务器包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器，用于存放程序。存储器可能包含高速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。

程序具体可以用于使得处理器执行以下操作：

获取待预测区域的历史流量数据；其中，历史流量数据是按照预设时间粒度和小区维度进行获取的；

对历史流量数据进行分解和聚类处理，得到流量预测的输入数据；

将流量预测的输入数据输入梯度提升决策树算法模型中预测得到待预测区域的流量预测结果。

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。

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。

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。

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。

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。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

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。