特表2024-524735ネットワーク最適化方法、装置、電子機器、及び記憶媒体
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-07-05
(54)【発明の名称】ネットワーク最適化方法、装置、電子機器、及び記憶媒体
(51)【国際特許分類】
H04W 24/02 20090101AFI20240628BHJP
G06N 20/00 20190101ALI20240628BHJP
【ＦＩ】
H04W24/02
G06N20/00
【審査請求】有
【予備審査請求】未請求
(21)【出願番号】P 2024502676
(86)(22)【出願日】2022-06-14
(85)【翻訳文提出日】2024-01-17
(86)【国際出願番号】 CN2022098759
(87)【国際公開番号】W WO2023020086
(87)【国際公開日】2023-02-23
(31)【優先権主張番号】202110963030.2
(32)【優先日】2021-08-20
(33)【優先権主張国・地域又は機関】CN
(81)【指定国・地域】
(71)【出願人】
【識別番号】511151662
【氏名又は名称】中興通訊股▲ふん▼有限公司
【氏名又は名称原語表記】ＺＴＥ ＣＯＲＰＯＲＡＴＩＯＮ
【住所又は居所原語表記】ＺＴＥ Ｐｌａｚａ，Ｋｅｊｉ Ｒｏａｄ Ｓｏｕｔｈ，Ｈｉ－Ｔｅｃｈ Ｉｎｄｕｓｔｒｉａｌ Ｐａｒｋ，Ｎａｎｓｈａｎ Ｓｈｅｎｚｈｅｎ，Ｇｕａｎｇｄｏｎｇ ５１８０５７ Ｃｈｉｎａ
(74)【代理人】
【識別番号】110001195
【氏名又は名称】弁理士法人深見特許事務所
(72)【発明者】
【氏名】陳 嘉 君
(72)【発明者】
【氏名】高 音
(72)【発明者】
【氏名】劉 壮
(72)【発明者】
【氏名】李 大 鵬
【テーマコード（参考）】
5K067
【Ｆターム（参考）】
5K067AA13
5K067AA23
5K067AA28
5K067EE02
5K067EE10
5K067EE16
(57)【要約】
本願の実施例は、ネットワーク最適化方法、装置、電子機器、及び記憶媒体を提供する。該方法は、データ解析要求メッセージをコアネットワークに送信するステップと、前記コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、前記モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む。
【特許請求の範囲】
【請求項1】
ネットワーク最適化方法であって、データ解析要求メッセージをコアネットワークに送信するステップと、
前記コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、
前記モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む、方法。
【請求項2】
前記データ解析応答情報に応じてネットワーク最適化操作を実行するステップをさらに含む、請求項１に記載の方法。
【請求項3】
前記データ解析応答情報は、前記コアネットワークが前記データ解析要求メッセージに従ってデータ収集、データ統計解析、及びデータ予測のうちの少なくとも１つの処理を行うときに決定される、請求項１に記載の方法。
【請求項4】
前記データ解析要求メッセージは、少なくとも１つのデータ解析型識別子、少なくとも１つのデータ解析形式識別子、少なくとも１つの端末識別子、データ解析時間情報、データ解析関心領域、期待端末軌跡情報粒度のうちの少なくとも１つを含む、請求項１に記載の方法。
【請求項5】
前記データ解析型識別子は、端末データ型識別子、ネットワーク負荷データ型識別子、エクスペリエンス品質データ型識別子、ネットワークスライスデータ型識別子、一般データ型識別子のうちの少なくとも１つを含む、請求項４に記載の方法。
【請求項6】
前記データ解析形式識別子は、データ統計識別子、データ予測識別子のうちの少なくとも１つを含む、請求項４に記載の方法。
【請求項7】
前記データ解析時間情報は、時間粒度、データ解析開始時間、データ解析終了時間のうちの少なくとも１つを含む、請求項４に記載の方法。
【請求項8】
前記データ解析関心領域は、追跡領域、セルリスト、ページング領域のうちの少なくとも１つを含む、請求項４に記載の方法。
【請求項9】
前記期待端末軌跡情報粒度は、追跡領域レベル、セルレベル、地理的位置レベルのうちの少なくとも１つを含む、請求項４に記載の方法。
【請求項10】
前記データ解析応答情報は、移動度統計情報、端末移動度予測情報、ネットワーク負荷統計情報、ネットワーク負荷予測情報、一般データ統計情報のうちの少なくとも１つを含む、請求項１に記載の方法。
【請求項11】
前記端末移動度統計情報は、端末地理的位置座標、端末常駐セル識別子、端末が存在する追跡領域、端末とセルとの接続ビーム識別情報、端末がセルにアクセスする時間情報、端末が追跡領域にアクセスする時間情報、端末移動方向、端末移動速度、局所領域の地図情報、関心領域の地図情報のうちの少なくとも１つを含む、請求項１０に記載の方法。
【請求項12】
前記端末移動度予測情報は、予測された端末地理的位置座標、端末の将来の常駐セル識別子、端末の将来の追跡領域、端末が将来セルにアクセスする時間情報、端末が将来追跡領域にアクセスする時間情報、信頼度のうちの少なくとも１つを含む、請求項１０に記載の方法。
【請求項13】
前記ネットワーク負荷統計情報は、セル負荷、セルアクセス端末数、セル物理リソース利用率、セルパケットデータコンバージェンスプロトコルデータ量のうちの少なくとも１つを含む、請求項１０に記載の方法。
【請求項14】
前記ネットワーク負荷予測情報は、予測されたセル負荷、予測されたセルアクセス端末数、予測されたセル物理リソース利用率、予測されたセルパケットデータコンバージェンスプロトコルデータ量、信頼度のうちの少なくとも１つを含む、請求項１０に記載の方法。
【請求項15】
前記一般データ統計情報は、局所領域の地図情報、関心領域の地図情報、端末平均移動速度、端末移動方向のうちの少なくとも１つを含む、請求項１０に記載の方法。
【請求項16】
前記データ解析応答情報に応じて、前記人工知能学習モデルを訓練又は更新するステップをさらに含む、請求項１に記載の方法。
【請求項17】
ネットワーク最適化方法であって、データ情報要求を基地局に送信するステップと、
前記基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、
前記モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む、方法。
【請求項18】
前記データ情報応答に応じてネットワーク最適化操作を実行するステップをさらに含む、請求項１７に記載の方法。
【請求項19】
前記データ情報応答は、前記基地局が前記データ情報要求に従ってデータ収集、データ統計解析、及びデータ予測のうちの少なくとも１つの処理を行うときに決定される、請求項１７に記載の方法。
【請求項20】
前記データ情報要求は、少なくとも１つのデータ解析型識別子、少なくとも１つのデータ解析形式識別子、少なくとも１つの端末識別子、データ解析時間情報、データ解析関心領域、期待端末軌跡情報粒度のうちの少なくとも１つを含む、請求項１７に記載の方法。
【請求項21】
前記データ解析型識別子は、端末データ型識別子、ネットワーク負荷データ型識別子、エクスペリエンス品質データ型識別子、ネットワークスライスデータ型識別子、一般データ型識別子のうちの少なくとも１つを含む、請求項２０に記載の方法。
【請求項22】
前記データ解析形式識別子は、データ統計識別子、データ予測識別子のうちの少なくとも１つを含む、請求項２０に記載の方法。
【請求項23】
前記データ解析時間情報は、時間粒度、データ解析開始時間、データ解析終了時間のうちの少なくとも１つを含む、請求項２０に記載の方法。
【請求項24】
前記データ解析関心領域は、端末地理的位置座標、端末常駐セル識別子、端末が存在する追跡領域、端末とセルとの接続ビーム識別情報、端末がセルにアクセスする時間情報、端末が追跡領域にアクセスする時間情報、端末移動方向、端末移動速度、局所領域の地図情報、関心領域の地図情報のうちの少なくとも１つを含む、請求項２０に記載の方法。
【請求項25】
前記期待端末軌跡情報粒度は、追跡領域レベル、セルレベル、地理的位置レベルのうちの少なくとも１つを含む、請求項２０に記載の方法。
【請求項26】
前記データ情報応答は、移動度統計情報、端末移動度予測情報、ネットワーク負荷統計情報、ネットワーク負荷予測情報、一般データ統計情報のうちの少なくとも１つを含む、請求項１７に記載の方法。
【請求項27】
前記端末移動度統計情報は、端末地理的位置座標、端末常駐セル識別子、端末が存在する追跡領域、端末とセルとの接続ビーム識別情報、端末がセルにアクセスする時間情報、端末が追跡領域にアクセスする時間情報、端末移動方向、端末移動速度、局所領域の地図情報、関心領域の地図情報のうちの少なくとも１つを含む、請求項２６に記載の方法。
【請求項28】
前記端末移動度予測情報は、予測された端末地理的位置座標、端末の将来の常駐セル識別子、端末の将来の追跡領域、端末が将来セルにアクセスする時間情報、端末が将来追跡領域にアクセスする時間情報、信頼度のうちの少なくとも１つを含む、請求項２６に記載の方法。
【請求項29】
前記ネットワーク負荷統計情報は、セル負荷、セルアクセス端末数、セル物理リソース利用率、セルパケットデータコンバージェンスプロトコルデータ量のうちの少なくとも１つを含む、請求項２６に記載の方法。
【請求項30】
前記ネットワーク負荷予測情報は、予測されたセル負荷、予測されたセルアクセス端末数、予測されたセル物理リソース利用率、予測されたセルパケットデータコンバージェンスプロトコルデータ量、信頼度のうちの少なくとも１つを含む、請求項２６に記載の方法。
【請求項31】
前記一般データ統計情報は、局所領域の地図情報、関心領域の地図情報、端末平均移動速度、端末移動方向のうちの少なくとも１つを含む、請求項２４に記載の方法。
【請求項32】
前記基地局が第２人工知能学習モデルを訓練／更新するために、前記データ情報要求を前記基地局に送信するステップを含む、請求項１７に記載の方法。
【請求項33】
データ解析要求メッセージをコアネットワークに送信するためのデータ解析送信モジュールと、前記コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定するためのデータ処理モジュールと、
前記モデル処理結果に応じてネットワーク最適化操作を実行するためのネットワーク最適化モジュールと、を含む、ネットワーク最適化装置。
【請求項34】
データ情報要求を基地局に送信するためのデータ送信モジュールと、前記基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定するための結果決定モジュールと、
前記モデル処理結果に応じてネットワーク最適化操作を実行するための最適化実行モジュールと、を含む、ネットワーク最適化装置。
【請求項35】
１つ又は複数のプロセッサと、１つ又は複数のプログラムを記憶するメモリと、を含み、
前記１つ又は複数のプログラムが前記１つ又は複数のプロセッサによって実行されると、前記１つ又は複数のプロセッサが、請求項１～１６又は１７～３２のいずれか１項に記載のネットワーク最適化方法を実現する、電子機器。
【請求項36】
１つ又は複数のプロセッサによって実行されて、請求項１～１６又は１７～３２のいずれか１項に記載のネットワーク最適化方法を実現する１つ又は複数のプログラムを記憶したコンピュータ読み取り可能な記憶媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本願は、出願番号が２０２１１０９６３０３０．２、出願日が２０２１年８月２０日の中国特許出願に基づいて提出され、当該中国特許出願の優先権を主張しており、当該中国特許出願の全ての内容はここで参考として本願に組み込まれている。
【0002】
本願は、無線通信の技術分野に関し、特にネットワーク最適化方法、装置、電子機器、及び記憶媒体に関する。
【背景技術】
【0003】
無線通信ネットワーク技術の発展に伴い、第５世代無線通信ネットワークが適用され、そして、将来第５世代無線通信ネットワークを超える発展が期待されている。人工知能（ＡＩ：Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）技術、特に機械学習（ＭＬ：Ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ）は、第５世代無線通信ネットワークや第５世代を超える通信ネットワークにおける大量のデータを通じて有効なネットワーク最適化手段を提案することができる。現在、コアネットワークには、例えば、ネットワークの履歴活動の統計情報やネットワークの未来活動の予測情報などのデータ分類サービスを提供することができるネットワークデータ解析機能（ＮＷＤＡＦ：Ｎｅｔｗｏｒｋ Ｄａｔａ Ａｎａｌｙｔｉｃｓ Ｆｕｎｃｔｉｏｎ）ユニットがある。データ解析と予測機能は通信に根本的な変化をもたらすことができるが、運営の複雑度を著しく向上させる。キャリアによるネットワークの配備と運営維持の最適化、ネットワークの性能やユーザエクスペリエンスの向上を必要とする。
【発明の概要】
【発明が解決しようとする課題】
【0004】
本願の実施例の主な目的は、基地局とコアネットワークがデータ解析情報を交換し、データ解析情報に基づいて統計や予測を行うことで、コアネットワークと基地局側ネットワークの最適化を実現し、ネットワークの通信品質を向上させる、ネットワーク最適化方法、装置、電子機器、及び記憶媒体を提案することである。
【課題を解決するための手段】
【0005】
本願の実施例は、ネットワーク最適化方法を提供する。該方法は、データ解析要求メッセージをコアネットワークに送信するステップと、前記コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、前記モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む。
【0006】
本願の実施例はまた、ネットワーク最適化方法を提供する。該方法は、データ情報要求を基地局に送信するステップと、前記基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、前記モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む。
【0007】
本願の実施例はまた、ネットワーク最適化装置を提供する。該装置は、データ解析要求メッセージをコアネットワークに送信するためのデータ解析送信モジュールと、前記コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定するためのデータ処理モジュールと、前記モデル処理結果に応じてネットワーク最適化操作を実行するためのネットワーク最適化モジュールと、を含む。
【0008】
本願の実施例はまた、ネットワーク最適化装置を提供する。該装置は、データ情報要求を基地局に送信するためのデータ送信モジュールと、前記基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定するための結果決定モジュールと、前記モデル処理結果に応じてネットワーク最適化操作を実行するための最適化実行モジュールと、を含む。
【0009】
本願の実施例はまた、電子機器を提供する。該電子機器は、１つまたは複数のプロセッサと、１つまたは複数のプログラムを記憶するメモリと、を含み、前記１つまたは複数のプログラムが前記１つまたは複数のプロセッサによって実行されると、前記１つまたは複数のプロセッサが、本願の実施例のいずれかに記載のネットワーク最適化方法を実施する。
【0010】
本願の実施例はまた、１つ又は複数のプロセッサによって実行されて、本願の実施例のいずれかに記載のネットワーク最適化方法を実現する１つ又は複数のプログラムを記憶したコンピュータ読み取り可能な記憶媒体を提供する。
【発明の効果】
【0011】
本願の実施例は、データ解析要求メッセージをコアネットワークに送信し、コアネットワークからフィードバックされたデータ応答情報を受信し、人工知能モデルを用いてモデル処理結果を決定し、このモデル処理結果に応じて対応するネットワーク最適化操作を実行する。コアネットワークとデータ情報を交換し、人工知能モデルを用いてデータ情報に対応するモデル処理結果を決定することにより、データの統計及び／又は予測を実現し、ネットワーク最適化の正確性を高め、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
【図面の簡単な説明】
【0012】
【図1】本願の実施例によるネットワーク最適化方法のフローチャートである。
【図2】本願の実施例による別のネットワーク最適化方法のフローチャートである。
【図3】本願の実施例によるネットワーク最適化方法の一例を示す図である。
【図4】本願の実施例によるネットワーク最適化方法のフローチャートである。
【図5】本願の実施例による別のネットワーク最適化方法の一例を示す図である。
【図6】本願の実施例によるネットワーク最適化方法の一例を示す図である。
【図7】本願の実施例によるネットワーク最適化装置の構造模式図である。
【図8】本願の実施例による別のネットワーク最適化装置の構造模式図である。
【図9】本願の実施例による電子機器の構造模式図である。
【発明を実施するための形態】
【0013】
なお、本明細書に記載された具体的な実施例は、単に本願を解釈するために使用され、本願を限定するために使用されない。
【0014】
以下の説明において、「モジュール」、「部品」、又は「ユニット」のような要素を表すために使用される接尾辞は、本願の説明を容易にするためにのみ使用され、それ自体に固有の意味はない。これにより、「モジュール」、「部品」又は「ユニット」を混在させて使用してもよい。
【0015】
図１は、本願の実施例によるネットワーク最適化方法のフローチャートである。本願の実施例は、無線通信ネットワークにおけるネットワークインテリジェント最適化に適用することができる。この方法は、本願の実施例におけるネットワーク最適化装置によって実行してもよく、この装置は、ソフトウェア及び／又はハードウェアの形態として実装されてもよく、一般には、基地局側ノードに統合してもよい。図１を参照して、本願の実施例による方法は、具体的には、以下のステップ１１０～１３０を含む。
【0016】
ステップ１１０：データ解析要求メッセージをコアネットワークに送信する。
【0017】
ここで、データ解析要求メッセージは、コアネットワークと基地局側とのデータ交換を制御するための情報であってもよく、データの解析方法の指示情報やデータ解析内容の指示情報などを含んでもよい。データ解析要求メッセージは、基地局側ノードによってコアネットワークに送信されてもよい。
【0018】
具体的には、基地局側ノードは、データ解析要求メッセージをコアネットワークに伝送してもよい。このデータ解析要求メッセージは、データ解析の方法及び解析に関与するデータなどを示し得る１つ又は複数の指示情報を含んでもよい。
【0019】
ステップ１２０：コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定する。
【0020】
ここで、データ解析応答情報は、受信したデータ解析要求メッセージに従ってコアネットワークが生成した情報であってもよい。データ解析応答情報は、コアネットワーク側が基地局側に交換する必要があるデータを含んでいてもよい。データ解析応答情報は、データ解析要求メッセージに対応していてもよく、例えば、データ解析要求メッセージがデータ予測指示情報を含んでいる場合、データ解析応答情報は、データ予測に関連するデータをフィードバックしてもよい。人工知能学習モデルは、予め訓練されたニューラルネットワークモデルであってもよく、入力された情報を処理することができ、データ統計、データ予測などの処理に用いることができる。モデル処理結果は、人工知能学習モデルの出力結果であってもよく、データ予測結果、データ統計結果などを含んでもよい。
【0021】
本願の実施例では、コアネットワークは、データ解析要求メッセージを受信すると、対応するデータ解析応答情報を生成して基地局側にフィードバックし、基地局側では、人工知能学習モデルを用いてデータ解析応答情報を処理してモデル処理結果を生成する。生成されるモデル処理結果は、人工知能学習モデルの違いにより、データ解析応答情報に基づく予測情報やデータ解析応答情報に基づく統計情報であってもよい。
【0022】
ステップ１３０：モデル処理結果に応じてネットワーク最適化操作を実行する。
【0023】
ここで、ネットワーク最適化操作は、無線通信ネットワークを最適化する操作であってもよく、セル負荷の調整、セルの端末数の調整、及びセルのリソース利用率の調整などであってもよい。
【0024】
本願の実施例では、１つ又は複数の異なるネットワーク最適化ポリシーが予め設定されてもよく、モデル処理結果に応じて対応するネットワーク最適化ポリシーを探し、ネットワーク最適化ポリシーの決定に応じて対応するネットワーク最適化操作を実行してもよい。ネットワーク最適化ポリシーがモデル処理結果に応じてリアルタイムに生成されてもよい。
【0025】
本願の実施例は、データ解析要求メッセージをコアネットワークに送信し、コアネットワークからフィードバックされたデータ応答情報を受信し、人工知能モデルを用いてモデル処理結果を決定し、このモデル処理結果に応じて対応するネットワーク最適化操作を実行する。コアネットワークとデータ情報を交換し、人工知能モデルを用いてデータ情報に対応するモデル処理結果を決定することにより、データの統計及び／又は予測を実現し、ネットワーク最適化の正確性を高め、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
【0026】
さらに、上記出願の実施例に基づいて、データ解析応答情報は、コアネットワークがデータ解析要求メッセージに従ってデータ収集、データ統計解析、及びデータ予測のうちの少なくとも１つの処理を行うときに決定される。
【0027】
本願の実施例では、データ解析応答情報は、コアネットワークによって生成されてもよい。データ解析応答情報は、データ解析要求メッセージに従ってデータ収集、データ統計解析、及びデータ予測のうちの少なくとも１つの処理を行って生成された情報であってもよい。コアネットワークには、人工知能学習モデルが予め設定されていてもよい。人工知能学習モデルによってデータ解析要求メッセージが処理され、処理結果がデータ解析応答メッセージとして提供されてもよい。
【0028】
図２は、上記出願の実施例に基づいて具体化された、本願の実施例による別のネットワーク最適化方法のフローチャートである。図２を参照して、本願の実施例による方法は、具体的には、以下のステップ２１０～２５０を含む。
【0029】
ステップ２１０：データ解析要求メッセージをコアネットワークに送信する。
【0030】
ステップ２２０：コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定する。
【0031】
ステップ２３０：モデル処理結果に応じてネットワーク最適化操作を実行する。
【0032】
ステップ２４０：データ解析応答情報に応じてネットワーク最適化操作を実行する。
【0033】
本願の実施例では、基地局側は、データ解析応答情報に応じてネットワーク最適化操作を直接実行することも可能である。例えば、データ解析応答情報が予測情報である場合、その予測情報に基づいてネットワーク最適化操作を直接実行してもよい。それによって、ネットワーク性能を向上させることができる。
【0034】
ステップ２５０：データ解析応答情報に応じて人工知能学習モデルを訓練又は更新する。
【0035】
具体的には、受信したデータ解析応答情報に応じて人工知能学習モデルを訓練してもよい。データ解析応答情報は、履歴過程においてコアネットワークから送信された情報であってもよい。データ解析応答情報によって人工知能学習モデルを訓練又は更新し続け、モデル処理結果の正確性を高めることができる。なお、人工知能学習モデルの更新又は訓練は、データ解析応答情報を受信する毎に実行されてもよいし、受信したデータ解析応答情報のデータ量がデータ量閾値よりも大きい場合に実行されてもよい。
【0036】
本願の実施例は、データ解析要求メッセージをコアネットワークに送信し、コアネットワークからフィードバックされたデータ応答情報を受信し、人工知能モデルを用いてモデル処理結果を決定し、モデル処理結果に応じて対応するネットワーク最適化操作を実行し、また、データ応答情報に応じてネットワーク最適化操作を実行し、受信したデータ応答情報に応じて人工知能学習モデルを訓練又は更新する。それによって、ネットワーク最適化の精度をさらに高め、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
【0037】
さらに、上記出願の実施例に基づいて、前記データ解析要求メッセージは、少なくとも１つのデータ解析型識別子、少なくとも１つのデータ解析形式識別子、少なくとも１つの端末識別子、データ解析時間情報、データ解析関心領域、期待端末軌跡情報粒度のうちの少なくとも１つを含む。
【0038】
ここで、データ解析型識別子は、要求されたデータ解析のタイプを示すことができ、異なるデータ型を識別するために異なる値を取ってもよい。データ解析形式識別子は、データ解析の形式を示すことができ、異なるデータ解析形式を識別するために異なる値を取ってもよく、データ解析形式は、データ統計、データ予測などを含んでもよい。端末識別子は、異なる端末を識別することができる。データ解析時間情報は、データ解析が行われる期間を表すことができ、期間の開始時間及び終了時間を含んでもよい。データ解析関心領域は、例えば、追跡領域及びセルリストなどのデータ解析の関心領域を表してもよい。期待端末軌跡情報粒度は、データ解析の端末軌跡の最小解析粒度を表すことができる。
【0039】
本願の実施例では、データ解析要求メッセージは、データ解析型識別子、データ解析形式識別子、端末識別子、データ解析時間情報、データ解析関心領域、期待端末軌跡情報粒度のうちの１つ又は複数を含んでもよい。データ解析要求メッセージに含まれる１つの情報の数は一意ではなく、１つ又は複数であってもよく、例えば、データ解析要求メッセージには、複数のデータ解析型識別子及び複数のデータ解析形式識別子が含まれてもよい。
【0040】
さらに、上記出願の実施例に基づいて、前記データ解析型識別子は、端末データ型識別子、ネットワーク負荷データ型識別子、エクスペリエンス品質データ型識別子、ネットワークスライスデータ型識別子、一般データ型識別子のうちの少なくとも１つを含む。
【0041】
具体的には、データ解析型識別子は、具体的には、端末データ型識別子、ネットワーク負荷データ型識別子、エクスペリエンス品質データ型識別子、ネットワークスライスデータ型識別子、一般データ型識別子などを含んでもよい。識別子ごとにその値が異なり、それぞれ端末データ、ネットワーク負荷データ、エクスペリエンス品質（ＱｏＥ：Ｑｕａｌｉｔｙ ｏｆ Ｅｘｐｅｒｉｅｎｃｅ）データ、ネットワークスライスデータ、一般データなどを識別することができる。
【0042】
さらに、上記出願の実施例に基づいて、前記データ解析形式識別子は、データ統計識別子、データ予測識別子のうちの少なくとも１つを含む。
【0043】
具体的には、データ解析形式識別子は、データ統計識別子と、データ予測識別子とを含んでもよい。データ統計識別子は、基地局側がコアネットワーク側によるデータ統計を必要とするデータを識別することができる。データ予測識別子は、基地局側がコアネットワーク側によるデータ予測を必要とするデータを識別することができる。
【0044】
さらに、上記出願の実施例に基づいて、前記データ解析時間情報は、時間粒度、データ解析開始時間、データ解析終了時間のうちの少なくとも１つを含む。
【0045】
本願の実施例では、データ解析時間情報は、時間粒度、データ解析開始時間、データ解析終了時間などの情報から構成されてもよく、データ解析が行われる期間を示してもよい。そのうち、時間粒度は、データ解析が行われる期間の長さを表すものであってもよい。
【0046】
さらに、上記出願の実施例に基づいて、データ解析関心領域は、追跡領域、セルリスト、ページング領域のうちの少なくとも１つを含む。
【0047】
本願の実施例では、データ解析関心領域は、具体的には、追跡領域（Ｔｒａｃｋｉｎｇ Ａｒｅａ）、セルリスト（Ｃｅｌｌ Ｌｉｓｔ）、ページング領域（Ｐａｇｉｎｇ Ａｒｅａ）などであってもよい。
【0048】
さらに、上記出願の実施例に基づいて、前記期待端末軌跡情報粒度は、追跡領域レベル、セルレベル、地理的位置レベルのうちの少なくとも１つを含む。
【0049】
具体的には、期待端末軌跡情報粒度は、期待端末軌跡情報を示す粒度であってもよく、追跡領域レベル（ＴＡｌｅｖｅｌ）、セルレベル（ＣｅｌｌＬｅｖｅｌ）、地理的位置レベル（緯度経度）などである。
【0050】
さらに、上記出願の実施例に基づいて、前記データ解析応答情報は、移動度統計情報、端末移動度予測情報、ネットワーク負荷統計情報、ネットワーク負荷予測情報、一般データ統計情報のうちの少なくとも１つを含む。
【0051】
本願の実施例では、データ解析要求メッセージの内容に応じて、コアネットワークによって生成されるデータ解析応答情報は、移動度統計情報、端末移動度予測情報、ネットワーク負荷統計情報、ネットワーク負荷予測情報、一般データ統計情報のうちの１つ又は複数を含んでもよい。そのうち、端末移動度統計情報は、様々な時点又は期間における１つ又は複数の端末の位置点の統計情報であってもよい。端末移動度予測情報は、将来の時点又は将来の期間における１つ又は複数の端末の予測位置の統計情報であってもよい。ネットワーク負荷統計情報は、時点又は期間におけるネットワーク負荷の統計情報であってもよい。ネットワーク負荷予測情報は、将来の時点又は将来の期間におけるネットワーク負荷の統計情報であってもよい。一般データ統計情報は、例えば、関心領域の地図情報又は端末移動方向などの一般データ統計であってもよい。
【0052】
さらに、上記出願の実施例に基づいて、前記端末移動度統計情報は、端末地理的位置座標、端末常駐セル識別子、端末が存在する追跡領域、端末とセルとの接続ビーム識別情報、端末がセルにアクセスする時間情報、端末が追跡領域にアクセスする時間情報、端末移動方向、端末移動速度、局所領域の地図情報、関心領域の地図情報のうちの少なくとも１つを含む。
【0053】
さらに、上記出願の実施例に基づいて、前記端末移動度予測情報は、予測された端末地理的位置座標、端末の将来の常駐セル識別子、端末の将来の追跡領域、端末が将来セルにアクセスする時間情報、端末が将来追跡領域にアクセスする時間情報、信頼度のうちの少なくとも１つを含む。
【0054】
本願の実施例では、端末移動度予測情報は、予測された端末地理的位置座標、端末の将来の常駐セル識別子、端末の将来の追跡領域、端末が将来セルにアクセスする時間情報、端末が将来追跡領域にアクセスする時間情報、及びそれぞれの対応する信頼度を含んでもよい。端末移動度予測情報中の各情報には、それぞれの対応する信頼度が存在してもよい。
【0055】
さらに、上記出願の実施例に基づいて、前記ネットワーク負荷統計情報は、セル負荷、セルアクセス端末数、セル物理リソース利用率、セルパケットデータコンバージェンスプロトコルデータ量のうちの少なくとも１つを含む。
【0056】
さらに、上記出願の実施例に基づいて、前記ネットワーク負荷予測情報は、予測されたセル負荷、予測されたセルアクセス端末数、予測されたセル物理リソース利用率、予測されたセルパケットデータコンバージェンスプロトコルデータ量、信頼度のうちの少なくとも１つを含む。
【0057】
さらに、上記出願の実施例に基づいて、前記一般データ統計情報は、局所領域の地図情報、関心領域の地図情報、端末平均移動速度、端末移動方向のうちの少なくとも１つを含む。
【0058】
１つの例示的な実施形態において、図３は、本願の実施例によるネットワーク最適化方法の一例を示す図である。図３を参照して、ＲＡＮ側がコアネットワークのデータ解析又は予測データを取得してネットワーク最適化を行うプロセスは、以下のステップ１～ステップ５を含んでもよい。
【0059】
ステップ１：ＮＧ－ＲＡＮノードは、要求されたＡＩデータ解析情報をコアネットワークに指示するためのデータ解析要求メッセージ（ＤＡＴＡ ＡＮＡＬＹＴＩＣＳ ＩＮＦＯＲＭＡＴＩＯＮ ＲＥＱＵＥＳＴ）をコアネットワークに送信する。
要求メッセージには、１つ又は複数のデータ解析タイプ識別子、１つ又は複数のデータ解析形式識別子、１つ又は複数の端末識別子（ＵＥ ＩＤ）、データ解析期間、データ解析関心領域（Ａｒｅａ ｏｆ Ｉｎｔｅｒｅｓｔ）、期待ＵＥ軌跡情報の粒度のうちの１つ又は複数が含まれている。１つ又は複数のデータ解析タイプ識別子は、要求されたデータ解析のタイプ、例えば、端末（ＵＥ：Ｕｓｅｒ Ｅｑｕｉｐｍｅｎｔ）関連タイプデータ、ネットワーク負荷関連タイプデータ、ＱｏＥ関連タイプデータ、ネットワークスライス関連タイプデータ、一般データ型（地図情報を含む）などを示す。１つ又は複数のデータ解析形式識別子は、データ解析形式、例えば、データ統計形式、又は予測情報形式を示す。データ解析期間は、時間粒度、データ解析レポートの開始時間、データ解析レポートの締め切り時間のうちの１つ又は複数を含む。データ解析関心領域として、例えば、追跡領域（Ｔｒａｃｋｉｎｇ Ａｒｅａ）、セルリスト（Ｃｅｌｌ Ｌｉｓｔ）、ページング領域（Ｐａｇｉｎｇ Ａｒｅａ）などがある。期待ＵＥ軌跡情報の粒度として、例えば、追跡領域レベル（ＴＡ ｌｅｖｅｌ）、セルレベル（Ｃｅｌｌ Ｌｅｖｅｌ）、地理的位置レベル（緯度経度）などがある。
要求メッセージには、１つ又は複数のデータ解析タイプ識別子、１つ又は複数のデータ解析形式識別子、１つ又は複数の端末識別子（ＵＥ ＩＤ）、データ解析期間、データ解析関心領域（Ａｒｅａ ｏｆ Ｉｎｔｅｒｅｓｔ）、期待ＵＥ軌跡情報の粒度のうちの１つ又は複数が含まれている。１つ又は複数のデータ解析タイプ識別子は、要求されたデータ解析のタイプ、例えば、端末（ＵＥ：Ｕｓｅｒ Ｅｑｕｉｐｍｅｎｔ）関連タイプデータ、ネットワーク負荷関連タイプデータ、ＱｏＥ関連タイプデータ、ネットワークスライス関連タイプデータ、一般データ型（地図情報を含む）などを示す。１つ又は複数のデータ解析形式識別子は、データ解析形式、例えば、データ統計形式、又は予測情報形式を示す。データ解析期間は、時間粒度、データ解析レポートの開始時間、データ解析レポートの締め切り時間のうちの１つ又は複数を含む。データ解析関心領域として、例えば、追跡領域（Ｔｒａｃｋｉｎｇ Ａｒｅａ）、セルリスト（Ｃｅｌｌ Ｌｉｓｔ）、ページング領域（Ｐａｇｉｎｇ Ａｒｅａ）などがある。期待ＵＥ軌跡情報の粒度として、例えば、追跡領域レベル（ＴＡ ｌｅｖｅｌ）、セルレベル（Ｃｅｌｌ Ｌｅｖｅｌ）、地理的位置レベル（緯度経度）などがある。
【0060】
ステップ２：コアネットワークは、受信したデータ解析要求メッセージの指示に従って、データ収集を行い、要求メッセージで要求されたデータレポートを生成する。
【0061】
ステップ３：コアネットワークは、ＮＧ－ＲＡＮノードによって要求されたメッセージを含むデータ解析レポート／応答メッセージ（Ｄａｔａ ＡＮＡＬＹＴＵＣＳ ＩＮＦＯＲＭＡＴＩＯＮ ＲＥＰＯＲＴ／ＲＥＳＰＯＮＳＥ）をＮＧ－ＲＡＮノードに送信する。
【0062】
要求メッセージにデータ統計形式のＵＥ関連クラスデータが示されている場合、データ解析レポート／応答メッセージは、端末移動度統計情報（ＵＥ ｍｏｂｉｌｉｔｙ ｓｔａｔｉｓｔｉｃｓ）を含む。ＵＥ端末移動度統計情報は、１つ又は複数のＵＥのある時点又は期間における位置統計情報を含み、緯度経度などのＵＥの地理的位置座標、ＵＥ常駐セル識別子、ＵＥが存在する追跡領域（ＴＡ：Ｔｒａｃｋｉｎｇ ａｒｅａ）、ＵＥとセルとの接続ビーム識別情報、ＵＥがあるセル又は追跡領域ＴＡにアクセスする時点及び時間長さ、ＵＥ移動方向、ＵＥの移動速度、局所領域／関心領域の地図情報のうちの１つ又は複数であってもよい。
【0063】
要求メッセージに要求予測情報形式のＵＥ関連クラスデータが含まれている場合、データ解析レポート／応答メッセージはＵＥ移動度予測情報（ＵＥ ｍｏｂｉｌｉｔｙ ｐｒｅｄｉｃｔｉｏｎｓ）を含む。ＵＥ移動度予測情報は１つ又は複数のＵＥの将来のある時点又は期間における位置予測情報を含み、緯度経度などの予測されたＵＥの地理的位置座標、予測された、ＵＥが将来常駐するセル識別子、予測された、ＵＥが将来存在する追跡領域（ＴＡ：Ｔｒａｃｋｉｎｇ ａｒｅａ）、ＵＥが将来セル又は追跡領域ＴＡにアクセスする時点及び時間長さ、予測情報の信頼度又は正確率、のうちの１つ又は複数であってもよい。
【0064】
要求メッセージに要求統計形式のネットワーク負荷関連クラスデータが含まれている場合、データ解析レポート／応答メッセージはネットワーク負荷統計情報（Ｌｏａｄ ｓｔａｔｉｓｔｉｃｓ）を含む。ネットワーク負荷統計情報は、ある時点又は期間におけるネットワーク負荷統計情報であり、セル負荷（Ｔｒａｆｆｉｃ ｌｏａｄ）、セルアクセスＵＥ数（Ｎｕｍｂｅｒ ｏｆ ＵＥ）、セルリソース利用率（ＰＲＢ ｕｓａｇｅ）、セルパケットデータコンバージェンスプロトコルデータ量（ＰＤＣＰ ｄａｔａ ｖｏｌｕｍｅ）の１つ又は複数であってもよい。
【0065】
要求メッセージに要求予測情報形式のネットワーク負荷関連クラスデータが含まれている場合、データ解析レポート／応答メッセージはネットワーク負荷予測情報（Ｌｏａｄ ｐｒｅｄｉｃｔｉｏｎｓ）を含む。ネットワーク負荷予測情報は、１つ又は複数のＮＧ－ＲＡＮノード又はセルの将来のある時点又は期間におけるネットワーク負荷予測情報であり、予測されたセル負荷（Ｔｒａｆｆｉｃ ｌｏａｄ）、予測されるセルアクセスＵＥ数（Ｎｕｍｂｅｒ ｏｆ ＵＥ）、予測されたセル物理リソース利用率（ＰＲＢ ｕｓａｇｅ）、予測されたセルパケットデータコンバージェンスプロトコルデータ量（ＰＤＣＰ ｄａｔａ ｖｏｌｕｍｅ）、予測情報の信頼度又は正確率、のうちの１つ又は複数であってもよい。
【0066】
要求メッセージに要求一般データ型データが含まれている場合、データ解析レポートメッセージは、局所領域／関心領域の地図情報、ＵＥ平均移動速度、ＵＥ移動方向などの１つ又は複数を含む。
【0067】
ステップ４：ＮＧ－ＲＡＮノードは、コアネットワークのデータ解析レポートを受信し、ＭＬモデル訓練／ＭＬモデル推論を実行する。
【0068】
ステップ５：ＮＧ－ＲＡＮは、コアネットワークのデータ解析レポート、あるいはＭＬモデル推論結果に基づいてネットワーク最適化を行う。
【0069】
図４は、本願の実施例によるネットワーク最適化方法のフローチャートである。本願の実施例は、無線通信ネットワークにおけるネットワークインテリジェント最適化に適用することができる。この方法は、本願の実施例におけるネットワーク最適化装置によって実行してもよく、この装置は、ソフトウェア及び／又はハードウェアの形態として実装されてもよく、一般には、コアネットワーク側ノードに統合してもよい。図４を参照して、本願の実施例による方法は、具体的には、以下のステップ３１０～３３０を含む。
【0070】
ステップ３１０：データ情報要求を基地局に送信する。
【0071】
ここで、データ情報要求は、コアネットワークが基地局側のデータを取得する旨の要求情報であってもよく、データの解析方式の指示情報やデータの解析内容の指示情報などを含んでいてもよい。データ情報要求は、コアネットワーク機器によって基地局側ノードに送信されてもよい。
【0072】
本願の実施例では、コアネットワークは、基地局側の１つ又は複数のデータを取得するように指示するデータ情報要求を基地局側に送信してもよい。コアネットワークは、データ情報要求を基地局に送信することによって、基地局側のデータを取得してもよい。
【0073】
ステップ３２０：基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定する。
【0074】
ここで、データ情報応答は、データ情報要求に従って基地局側が生成する応答情報であってもよく、要求されたデータを含んでいてもよく、データ情報要求との対応関係が存在していてもよい。人工知能学習モデルは、予め訓練されたニューラルネットワークモデルであってもよく、入力された情報を処理することができ、データ統計、データ予測などの処理に用いることができる。モデル処理結果は、人工知能学習モデルの出力結果であってもよく、データ予測結果、データ統計結果などを含んでもよい。
【0075】
本願の実施例では、基地局側ノードは、データ情報要求を受信すると、対応するデータ情報応答を生成してコアネットワークにフィードバックし、コアネットワークは、人工知能学習モデルによってデータ情報応答に応答し、モデル処理結果を生成することができる。生成されるモデル処理結果は、人工知能学習モデルの違いにより、データ情報応答に基づく予測情報やデータ情報応答に基づく統計情報などであってもよい。
【0076】
ステップ３３０：モデル処理結果に応じてネットワーク最適化操作を実行する。
【0077】
本願の実施例では、１つ又は複数の異なるネットワーク最適化ポリシーが予め設定されてもよく、モデル処理結果に応じて対応するネットワーク最適化ポリシーを探し、ネットワーク最適化ポリシーの決定に応じて対応するネットワーク最適化操作を実行してもよい。ネットワーク最適化ポリシーがモデル処理結果に応じてリアルタイムに生成されてもよい。
【0078】
本願の実施例は、データ解析要求メッセージをコアネットワークに送信し、コアネットワークからフィードバックされたデータ応答情報を受信し、人工知能モデルを用いてモデル処理結果を決定し、このモデル処理結果に応じて対応するネットワーク最適化操作を実行する。コアネットワークとデータ情報を交換し、人工知能モデルを用いてデータ情報に対応するモデル処理結果を決定することにより、データの統計及び／又は予測を実現し、ネットワーク最適化の正確性を高め、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
【0079】
さらに、上記出願の実施例に基づいて、データ情報応答は、基地局がデータ情報要求に従ってデータ収集、データ統計解析、及びデータ予測のうちの少なくとも１つの処理を行うときに決定される。
【0080】
本願の実施例では、コアネットワークによって受信されたデータ情報応答は、データ情報要求に従って、データ収集、データ統計解析、及びデータ予測のうちの１つ又は複数の処理を行う基地局によって生成されてもよい。
【0081】
図５は、上記出願の実施例に基づいて具体化された本願の実施例による別のネットワーク最適化方法の一例を示す図である。図５を参照して、本願の実施例による方法は、具体的には、以下のステップ４１０～４４０を含む。
【0082】
ステップ４１０：基地局が第２人工知能学習モデルを訓練／更新するために、データ情報要求を基地局に送信する。
【0083】
ここで、第２人工知能学習モデルは、基地局に設定された人工知能学習モデルであってもよく、具体的には、ニューラルネットワークモデルであってもよい。コアネットワークの人工知能学習モデルは、基地局の第２人工知能学習モデルと異なる種類及び構造を有してもよい。例えば、コアネットワークの人工知能学習モデルは、端末のリアルタイム性への影響が低いデータを扱うことができ、第２人工知能学習モジュールは、ネットワーク負荷、ＱＯＥデータなど、端末のリアルタイム性への影響が大きいデータを扱うことができる。
【0084】
本願の実施例では、基地局がデータ情報要求に従って基地局の第２人工知能学習モデルを訓練又は更新するために、コアネットワークは、データ情報要求を基地局に送信してもよい。それによって、基地局からフィードバックされるデータ情報応答の正確性を向上させ、ネットワーク最適化の効果をさらに高めることができる。
【0085】
ステップ４２０：基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定する。
【0086】
ステップ４３０：モデル処理結果に応じてネットワーク最適化操作を実行する。
【0087】
ステップ４４０：データ情報応答に応じてネットワーク最適化操作を実行する。
【0088】
具体的には、コアネットワークは、直接基地局側からフィードバックされたデータ情報応答に応じて、ネットワーク最適化操作を実行してもよい。
【0089】
本願の実施例は、基地局が第２人工知能学習モデルを更新するために、データ解析要求メッセージを基地局に送信し、基地局からフィードバックされたデータ情報応答を受信し、人工知能モデルを用いてデータ情報応答を処理してモデル処理結果を生成し、モデル処理結果及び／又はデータ情報応答をそれぞれ用いて対応するネットワーク最適化操作を実行する。それによって、ネットワーク最適化の正確性をさらに向上させ、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
【0090】
さらに、上記出願の実施例に基づいて、前記データ情報要求は、少なくとも１つのデータ解析型識別子、少なくとも１つのデータ解析形式識別子、少なくとも１つの端末識別子、データ解析時間情報、データ解析関心領域、期待端末軌跡情報粒度のうちの少なくとも１つを含む。
【0091】
さらに、上記出願の実施例に基づいて、データ解析型識別子は、端末データ型識別子、ネットワーク負荷データ型識別子、エクスペリエンス品質データ型識別子、ネットワークスライスデータ型識別子、一般データ型識別子のうちの少なくとも１つを含む。
【0092】
さらに、上記出願の実施例に基づいて、前記データ解析形式識別子は、データ統計識別子、データ予測識別子のうちの少なくとも１つを含む。
【0093】
さらに、上記出願の実施例に基づいて、前記データ解析時間情報は、時間粒度、データ解析開始時間、データ解析終了時間のうちの少なくとも１つを含む。
【0094】
さらに、上記出願の実施例に基づいて、前記データ解析関心領域は、追跡領域、セルリスト、ページング領域のうちの少なくとも１つを含む。
【0095】
さらに、上記出願の実施例に基づいて、前記期待端末軌跡情報粒度は、追跡領域レベル、セルレベル、地理的位置レベルのうちの少なくとも１つを含む。
【0096】
さらに、上記出願の実施例に基づいて、前記データ情報応答は、移動度統計情報、端末移動度予測情報、ネットワーク負荷統計情報、ネットワーク負荷予測情報、一般データ統計情報のうちの少なくとも１つを含む。
【0097】
さらに、上記出願の実施例に基づいて、前記端末移動度統計情報は、端末地理的位置座標、端末常駐セル識別子、端末が存在する追跡領域、端末とセルとの接続ビーム識別情報、端末がセルにアクセスする時間情報、端末が追跡領域にアクセスする時間情報、端末移動方向、端末移動速度、局所領域の地図情報、関心領域の地図情報のうちの少なくとも１つを含む。
【0098】
さらに、上記出願の実施例に基づいて、前記端末移動度予測情報は、予測された端末地理的位置座標、端末の将来の常駐セル識別子、端末の将来の追跡領域、端末が将来セルにアクセスする時間情報、端末が将来追跡領域にアクセスする時間情報、信頼度のうちの少なくとも１つを含む。
【0099】
さらに、上記出願の実施例に基づいて、前記ネットワーク負荷統計情報は、セル負荷、セルアクセス端末数、セル物理リソース利用率、セルパケットデータコンバージェンスプロトコルデータ量のうちの少なくとも１つを含む。
【0100】
さらに、上記出願の実施例に基づいて、前記ネットワーク負荷予測情報は、予測されたセル負荷、予測されたセルアクセス端末数、予測されたセル物理リソース利用率、予測されたセルパケットデータコンバージェンスプロトコルデータ量、信頼度のうちの少なくとも１つを含む。
【0101】
さらに、上記出願の実施例に基づいて、前記一般データ統計情報は、局所領域の地図情報、関心領域の地図情報、端末平均移動速度、端末移動方向のうちの少なくとも１つを含む。
【0102】
１つの例示的な実施形態において、図６は、本願の実施例によるネットワーク最適化方法の一例を示す図である。図６を参照して、コアネットワークがＮＧ－ＲＡＮノードの予測情報を取得して、ネットワーク最適化を行う場合を例として、このネットワーク最適化方法は、以下のステップ１～５を含んでもよい。
【0103】
ステップ１：コアネットワークは、ＮＧ－ＲＡＮに必要な人工知能情報を指示するための人工知能（ＡＩ：Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）／機械学習（ＭＬ：Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ）データ情報要求メッセージ（ＡＩ／ＭＬ ＤＡＴＡ ＩＮＦＯＲＭＡＴＩＯＮ ＲＥＱＵＥＳＴ）をＮＧ－ＲＡＮノードに送信する。
要求メッセージには、１つ又は複数のデータ解析タイプ識別子、１つ又は複数のデータ解析形式識別子、１つ又は複数の端末識別子（ＵＥ ＩＤ）、データ解析期間、データ解析関心領域（Ａｒｅａ ｏｆ Ｉｎｔｅｒｅｓｔ）、期待ＵＥ軌跡情報の粒度のうちの１つ又は複数が含まれている。１つ又は複数のデータ解析タイプ識別子は、要求されたデータ解析のタイプ、例えば、ＵＥ関連タイプデータ、ネットワーク負荷関連タイプデータ、ＱｏＥ関連タイプデータ、ネットワークスライス関連タイプデータ、一般データ型（地図情報を含む）などを示す。１つ又は複数のデータ解析形式識別子は、データ解析形式、例えば、データ統計形式、又は予測情報形式を示す。データ解析期間は、時間粒度、データ解析レポートの開始時間、データ解析レポートの締め切り時間のうちの１つ又は複数を含む。データ解析関心領域として、例えば、追跡領域（Ｔｒａｃｋｉｎｇ Ａｒｅａ）、セルリスト（Ｃｅｌｌ Ｌｉｓｔ）、ページング領域（Ｐａｇｉｎｇ Ａｒｅａ）などがある。期待ＵＥ軌跡情報の粒度として、例えば、追跡領域レベル（ＴＡ ｌｅｖｅｌ）、セルレベル（Ｃｅｌｌ Ｌｅｖｅｌ）、地理的位置レベル（緯度経度）などがある。
要求メッセージには、１つ又は複数のデータ解析タイプ識別子、１つ又は複数のデータ解析形式識別子、１つ又は複数の端末識別子（ＵＥ ＩＤ）、データ解析期間、データ解析関心領域（Ａｒｅａ ｏｆ Ｉｎｔｅｒｅｓｔ）、期待ＵＥ軌跡情報の粒度のうちの１つ又は複数が含まれている。１つ又は複数のデータ解析タイプ識別子は、要求されたデータ解析のタイプ、例えば、ＵＥ関連タイプデータ、ネットワーク負荷関連タイプデータ、ＱｏＥ関連タイプデータ、ネットワークスライス関連タイプデータ、一般データ型（地図情報を含む）などを示す。１つ又は複数のデータ解析形式識別子は、データ解析形式、例えば、データ統計形式、又は予測情報形式を示す。データ解析期間は、時間粒度、データ解析レポートの開始時間、データ解析レポートの締め切り時間のうちの１つ又は複数を含む。データ解析関心領域として、例えば、追跡領域（Ｔｒａｃｋｉｎｇ Ａｒｅａ）、セルリスト（Ｃｅｌｌ Ｌｉｓｔ）、ページング領域（Ｐａｇｉｎｇ Ａｒｅａ）などがある。期待ＵＥ軌跡情報の粒度として、例えば、追跡領域レベル（ＴＡ ｌｅｖｅｌ）、セルレベル（Ｃｅｌｌ Ｌｅｖｅｌ）、地理的位置レベル（緯度経度）などがある。
【0104】
ステップ２：ＮＧ－ＲＡＮノードは、受信したデータ解析要求メッセージの指示に従って、データ収集／モデル訓練／モデル推論を行い、要求メッセージに要求されたデータレポートを生成する。
【0105】
ステップ３：ＮＧ－ＲＡＮノードは、ＡＩ／ＭＬ データ情報レポート／応答（ＡＩ／ＭＬ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｐｏｒｔ／Ｒｅｓｐｏｎｓｅ）をコアネットワークに送信し、メッセージにコアネットワークから要求されたメッセージを含む。
【0106】
要求メッセージにデータ統計形式のＵＥ関連クラスデータが示されている場合、データ解析レポート／応答メッセージは、ＵＥ端末移動度統計情報（ＵＥ ｍｏｂｉｌｉｔｙ ｓｔａｔｉｓｔｉｃｓ）を含む。ＵＥ端末移動度統計情報は、１つ又は複数のＵＥのある時点又は期間における位置統計情報を含み、緯度経度などのＵＥの地理的位置座標、ＵＥ常駐セル識別子、ＵＥが存在する追跡領域（ＴＡ：Ｔｒａｃｋｉｎｇ ａｒｅａ）、ＵＥとセルとの接続ビーム識別情報、ＵＥがあるセル又は追跡領域ＴＡにアクセスする時点及び時間長さ、ＵＥ移動方向、ＵＥの移動速度、局所領域／関心領域の地図情報のうちの１つ又は複数であってもよい。
【0107】
要求メッセージに要求予測情報形式のＵＥ関連クラスデータが含まれている場合、データ解析レポート／応答メッセージはＵＥ移動度予測情報（ＵＥ ｍｏｂｉｌｉｔｙ ｐｒｅｄｉｃｔｉｏｎｓ）を含む。ＵＥ移動度予測情報は１つ又は複数のＵＥの将来のある時点又は期間における位置予測情報を含み、緯度経度などの予測されたＵＥの地理的位置座標、予測された、ＵＥが将来常駐するセル識別子、予測された、ＵＥが将来存在する追跡領域（ＴＡ：Ｔｒａｃｋｉｎｇ ａｒｅａ）、ＵＥが将来セル又は追跡領域ＴＡにアクセスする時点及び時間長さ、予測情報の信頼度又は正確率、のうちの１つ又は複数であってもよい。
【0108】
要求メッセージに要求統計形式のネットワーク負荷関連クラスデータが含まれている場合、データ解析レポート／応答メッセージはネットワーク負荷統計情報（Ｌｏａｄ ｓｔａｔｉｓｔｉｃｓ）を含む。ネットワーク負荷統計情報は、ある時点又は期間におけるネットワーク負荷統計情報であり、セル負荷（Ｔｒａｆｆｉｃ ｌｏａｄ）、セルアクセスＵＥ数（Ｎｕｍｂｅｒ ｏｆ ＵＥ）、セルリソース利用率（ＰＲＢ ｕｓａｇｅ）、セルパケットデータコンバージェンスプロトコルデータ量（ＰＤＣＰ ｄａｔａ ｖｏｌｕｍｅ）の１つ又は複数であってもよい。
【0109】
要求メッセージに要求予測情報形式のネットワーク負荷関連クラスデータが含まれている場合、データ解析レポート／応答メッセージはネットワーク負荷予測情報（Ｌｏａｄ ｐｒｅｄｉｃｔｉｏｎｓ）を含む。ネットワーク負荷予測情報は、１つ又は複数のＮＧ－ＲＡＮノード又はセルの将来のある時点又は期間におけるネットワーク負荷予測情報であり、予測されたセル負荷（Ｔｒａｆｆｉｃ ｌｏａｄ）、予測されるセルアクセスＵＥ数（Ｎｕｍｂｅｒ ｏｆ ＵＥ）、予測されたセル物理リソース利用率（ＰＲＢ ｕｓａｇｅ）、予測されたセルパケットデータコンバージェンスプロトコルデータ量（ＰＤＣＰ ｄａｔａ ｖｏｌｕｍｅ）、予測情報の信頼度又は正確率、のうちの１つ又は複数であってもよい。
【0110】
要求メッセージに要求一般データ型データが含まれている場合、データ解析レポートメッセージは、局所領域／関心領域の地図情報、ＵＥ平均移動速度、ＵＥ移動方向などの１つ又は複数を含む。
【0111】
ステップ４：コアネットワークはＮＧ－ＲＡＮノードのデータ解析レポートを取得し、データ解析、データ予測、データ統計を実行する。
【0112】
ステップ５：コアネットワークはＮＧ－ＲＡＮノードのデータ解析レポート又はコアネットワークのデータ解析レポートに基づいて、ネットワーク最適化を行う。
【0113】
図７は、本願のいずれかの実施例によるネットワーク最適化方法を実行することができ、方法を実行するための対応する機能モジュール及び有益な効果を備える、本願の実施例によるネットワーク最適化装置の構造模式図である。この装置は、ソフトウェア及び／又はハードウェアによって実装され、一般に基地局に統合され得、具体的には、データ解析送信モジュール５０１、データ処理モジュール５０２、及びネットワーク最適化モジュール５０３を含む。
【0114】
データ解析送信モジュール５０１は、データ解析要求メッセージをコアネットワークに送信する。
【0115】
データ処理モジュール５０２は、コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定する。
【0116】
ネットワーク最適化モジュール５０３は、モデル処理結果に応じてネットワーク最適化操作を実行する。
【0117】
本願の実施例は、データ解析送信モジュールによってデータ解析要求メッセージをコアネットワークに送信し、データ処理モジュールによってコアネットワークからフィードバックされたデータ応答情報を受信し、人工知能モデルを用いてモデル処理結果を決定し、ネットワーク最適化モジュールによってこのモデル処理結果に応じて対応するネットワーク最適化操作を実行するものである。コアネットワークとデータ情報を交換し、人工知能モデルを用いてデータ情報に対応するモデル処理結果を決定することにより、データの統計及び／又は予測を実現し、ネットワーク最適化の正確性を高め、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
【0118】
さらに、上記出願の実施例に基づいて、前記装置は、データ解析応答情報に応じてネットワーク最適化操作を実行するための第２ネットワーク最適化モジュールをさらに含む。
【0119】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析応答情報は、前記コアネットワークが前記データ解析要求メッセージに従って、データ収集、データ統計解析、及びデータ予測のうちの少なくとも１つの処理を行うときに決定される。
【0120】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析要求メッセージは、少なくとも１つのデータ解析型識別子、少なくとも１つのデータ解析形式識別子、少なくとも１つの端末識別子、データ解析時間情報、データ解析関心領域、期待端末軌跡情報粒度のうちの少なくとも１つを含む。
【0121】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析型識別子は、端末データ型識別子、ネットワーク負荷データ型識別子、エクスペリエンス品質データ型識別子、ネットワークスライスデータ型識別子、一般データ型識別子のうちの少なくとも１つを含む。
【0122】
さらに、上記出願の実施例に基づいて、前記データ解析形式識別子は、データ統計識別子、データ予測識別子のうちの少なくとも１つを含む。
【0123】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析時間情報は、時間粒度、データ解析開始時間、データ解析終了時間のうちの少なくとも１つを含む。
【0124】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析関心領域は、追跡領域、セルリスト、ページング領域のうちの少なくとも１つを含む。
【0125】
さらに、上記出願の実施例に基づいて、前記装置の期待端末軌跡情報粒度は、追跡領域レベル、セルレベル、地理的位置レベルのうちの少なくとも１つを含む。
【0126】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析応答情報は、移動度統計情報、端末移動度予測情報、ネットワーク負荷統計情報、ネットワーク負荷予測情報、一般データ統計情報のうちの少なくとも１つを含む。
【0127】
さらに、上記出願の実施例に基づいて、前記装置の端末移動度統計情報は、端末地理的位置座標、端末常駐セル識別子、端末が存在する追跡領域、端末とセルとの接続ビーム識別情報、端末がセルにアクセスする時間情報、端末が追跡領域にアクセスする時間情報、端末移動方向、端末移動速度、局所領域の地図情報、関心領域の地図情報のうちの少なくとも１つを含む。
【0128】
さらに、上記出願の実施例に基づいて、前記装置の端末移動度予測情報は、予測された端末地理的位置座標、端末の将来の常駐セル識別子、端末の将来の追跡領域、端末が将来セルにアクセスする時間情報、端末が将来追跡領域にアクセスする時間情報、信頼度のうちの少なくとも１つを含む。
【0129】
さらに、上記出願の実施例に基づいて、前記ネットワーク負荷統計情報は、セル負荷、セルアクセス端末数、セル物理リソース利用率、セルパケットデータコンバージェンスプロトコルデータ量のうちの少なくとも１つを含む。
【0130】
さらに、上記出願の実施例に基づいて、前記装置のネットワーク負荷予測情報は、予測されたセル負荷、予測されたセルアクセス端末数、予測されたセル物理リソース利用率、予測されたセルパケットデータコンバージェンスプロトコルデータ量、信頼度のうちの少なくとも１つを含む。
【0131】
さらに、上記出願の実施例に基づいて、前記装置の一般データ統計情報は、局所領域の地図情報、関心領域の地図情報、端末平均移動速度、端末移動方向のうちの少なくとも１つを含む。
【0132】
さらに、上記出願の実施例に基づいて、前記装置は、データ解析応答情報に応じて、前記人工知能学習モデルを訓練又は更新するためのモデル訓練モジュールをさらに含む。
【0133】
図８は、本願のいずれかの実施例によるネットワーク最適化方法を実行することができ、方法を実行するための対応する機能モジュール及び有益な効果を備える、本願の実施例による別のネットワーク最適化装置の構造模式図である。この装置は、ソフトウェア及び／又はハードウェアによって実装され、一般にコアネットワーク機器に統合され得、具体的には、データ送信モジュール６０１、結果決定モジュール６０２、及び最適化実行モジュール６０３を含む。
【0134】
データ送信モジュール６０１は、データ情報要求を基地局に送信する。
【0135】
結果決定モジュール６０２は、基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定する。
【0136】
最適化実行モジュール６０３は、モデル処理結果に応じてネットワーク最適化操作を実行する。
本願の実施例は、データ送信モジュールによってデータ解析要求メッセージをコアネットワークに送信し、結果決定モジュールによってコアネットワークからフィードバックされたデータ応答情報を受信し、人工知能モデルを用いてモデル処理結果を決定し、最適化実行モジュールによってモデル処理結果に応じて対応するネットワーク最適化操作を実行するものである。コアネットワークとデータ情報を交換し、人工知能モデルを用いてデータ情報に対応するモデル処理結果を決定することにより、データの統計及び／又は予測を実現し、ネットワーク最適化の正確性を高め、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
本願の実施例は、データ送信モジュールによってデータ解析要求メッセージをコアネットワークに送信し、結果決定モジュールによってコアネットワークからフィードバックされたデータ応答情報を受信し、人工知能モデルを用いてモデル処理結果を決定し、最適化実行モジュールによってモデル処理結果に応じて対応するネットワーク最適化操作を実行するものである。コアネットワークとデータ情報を交換し、人工知能モデルを用いてデータ情報に対応するモデル処理結果を決定することにより、データの統計及び／又は予測を実現し、ネットワーク最適化の正確性を高め、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
【0137】
さらに、上記出願の実施例に基づいて、前記装置は、前記データ情報応答に応じてネットワーク最適化操作を実行するたもの情報最適化モジュールをさらに含む。
【0138】
さらに、上記出願の実施例に基づいて、前記装置のデータ情報応答は、前記基地局が前記データ情報要求に従ってデータ収集、データ統計解析、及びデータ予測のうちの少なくとも１つの処理を行うときに決定される。
【0139】
さらに、上記出願の実施例に基づいて、前記装置のデータ情報要求は、少なくとも１つのデータ解析型識別子、少なくとも１つのデータ解析形式識別子、少なくとも１つの端末識別子、データ解析時間情報、データ解析関心領域、期待端末軌跡情報粒度のうちの少なくとも１つを含む。
【0140】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析型識別子は、端末データ型識別子、ネットワーク負荷データ型識別子、エクスペリエンス品質データ型識別子、ネットワークスライスデータ型識別子、一般データ型識別子のうちの少なくとも１つを含む。
【0141】
さらに、上記出願の実施例に基づいて、データ解析形式識別子は、データ統計識別子、データ予測識別子のうちの少なくとも１つを含む。
【0142】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析時間情報は、時間粒度、データ解析開始時間、データ解析終了時間のうちの少なくとも１つを含む。
【0143】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析関心領域は、追跡領域、セルリスト、ページング領域のうちの少なくとも１つを含む。
【0144】
さらに、上記出願の実施例に基づいて、前記装置の期待端末軌跡情報粒度は、追跡領域レベル、セルレベル、地理的位置レベルのうちの少なくとも１つを含む。
【0145】
さらに、上記出願の実施例に基づいて、前記装置のデータ情報応答は、移動度統計情報、端末移動度予測情報、ネットワーク負荷統計情報、ネットワーク負荷予測情報、一般データ統計情報のうちの少なくとも１つを含む。
【0146】
さらに、上記出願の実施例に基づいて、前記装置の端末移動度統計情報は、端末地理的位置座標、端末常駐セル識別子、端末が存在する追跡領域、端末とセルとの接続ビーム識別情報、端末がセルにアクセスする時間情報、端末が追跡領域にアクセスする時間情報、端末移動方向、端末移動速度、局所領域の地図情報、関心領域の地図情報のうちの少なくとも１つを含む。
【0147】
さらに、上記出願の実施例に基づいて、前記装置の端末移動度予測情報は、予測された端末地理的位置座標、端末の将来の常駐セル識別子、端末の将来の追跡領域、端末が将来セルにアクセスする時間情報、端末が将来追跡領域にアクセスする時間情報、信頼度のうちの少なくとも１つを含む。
【0148】
さらに、上記出願の実施例に基づいて、前記ネットワーク負荷統計情報は、セル負荷、セルアクセス端末数、セル物理リソース利用率、セルパケットデータコンバージェンスプロトコルデータ量のうちの少なくとも１つを含む。
【0149】
さらに、上記出願の実施例に基づいて、前記装置のネットワーク負荷予測情報は、予測されたセル負荷、予測されたセルアクセス端末数、予測されたセル物理リソース利用率、予測されたセルパケットデータコンバージェンスプロトコルデータ量、信頼度のうちの少なくとも１つを含む。
【0150】
さらに、上記出願の実施例に基づいて、前記装置の一般データ統計情報は、局所領域の地図情報、関心領域の地図情報、端末平均移動速度、端末移動方向のうちの少なくとも１つを含む。
【0151】
さらに、上記出願の実施例に基づいて、前記データ送信モジュール６０１は、具体的には、基地局が第２人工知能学習モデルを訓練／更新するために、前記データ情報要求を前記基地局に送信する。
【0152】
図９は、本願の実施例による電子機器の構造模式図である。この電子機器は、プロセッサ７０と、メモリ７１と、入力装置７２と、出力装置７３と、を含む。電子機器のプロセッサ７０の数は１つ又は複数であってもよく、図９には、１つのプロセッサ７０が例示されている。電子機器のプロセッサ７０、メモリ７１、入力装置７２、及び出力装置７３は、バス又は他の方式で接続されていてもよく、図９では、バスを介した接続が例示されている。
【0153】
メモリ７１は、コンピュータ読み取り可能な記憶媒体として、ソフトウェアプログラム、コンピュータ実行可能プログラム、及び、本願の実施例におけるネットワーク最適化装置に対応するモジュール（データ解析送信モジュール５０１、データ処理モジュール５０２、ネットワーク最適化モジュール５０３、又は、データ送信モジュール６０１、結果決定モジュール６０２、最適化実行モジュール６０３）などのモジュールを記憶するために使用してもよい。プロセッサ７０は、メモリ７１に記憶されたソフトウェアプログラム、命令、及びモジュールを実行することによって、電子機器の様々な機能アプリケーション及びデータ処理を実行することによって、上記のネットワーク最適化方法を実現する。
【0154】
メモリ７１は、主に、アプリケーション記憶領域と、データ記憶領域と、を含む。アプリケーション記憶領域は、オペレーティングシステム、少なくとも１つの機能のために必要なアプリケーションプログラムを記憶してもよい。データ記憶領域は、電子機器の使用によって作成されるデータなどを記憶してもよい。さらに、メモリ７１は、高速ランダムアクセスメモリを含んでもよく、さらに、少なくとも１つの磁気ディスク記憶デバイス、フラッシュメモリデバイス、又は他の不揮発性固体記憶デバイスなどの不揮発性メモリを含んでもよい。いくつかの例では、メモリ７１は、ネットワークを介して電子機器に接続され得る、プロセッサ７０に対してリモートに配置されたメモリをさらに含んでもよい。上記のネットワークの例には、インターネット、企業イントラネット、ローカルエリアネットワーク、移動通信ネットワーク、及びこれらの組み合わせが含まれるが、これらに限定されない。
【0155】
入力装置７２は、入力された数字又は文字情報を受け取り、電子機器のユーザ設定及び機能制御に関連するキー信号入力を生成するために使用され得る。出力装置７３は、表示画面などの表示機器を含んでもよい。
【0156】
本願の実施例はまた、コンピュータ実行可能命令を含む記憶媒体を提供する。前記コンピュータ実行可能命令は、ネットワーク最適化方法を実行する。該方法は、コンピュータプロセッサによって実行されると、データ解析要求メッセージをコアネットワークに送信するステップと、コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む。
あるいは、該方法は、データ情報要求を基地局に送信するステップと、基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む。
あるいは、該方法は、データ情報要求を基地局に送信するステップと、基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む。
【0157】
以上の実施例の説明から、本願がソフトウェア及び必要な汎用ハードウェアによって実現されてもよく、もちろんハードウェアによって実現されてもよいが、多くの場合、前者の方がより好ましい実施例である。このような理解に基づいて、本願の技術的解決形態の本質的又は先行技術に貢献する部分は、ソフトウェア製品の形で具現化してもよい。該ソフトウェア製品は、コンピュータのフロッピー（登録商標）ディスク、読み取り専用メモリ（ＲＯＭ：Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、ランダムアクセスメモリ（ＲＡＭ：Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、フラッシュメモリ（ＦＬＡＳＨ）、ハードディスク、又は光ディスクなどのようなコンピュータ読み取り可能な記憶媒体に記憶されてもよく、１つのコンピュータ機器（パーソナルコンピュータ、サーバ、又はネットワーク機器などであってもよい）が本願の様々な実施例に記載された方法を実行するためのいくつかの命令を含む。
【0158】
なお、上記の装置の実施例では、含まれる個々のユニット及びモジュールは、単に機能論理によって分割されているに過ぎず、対応する機能が実現可能であれば、上記の分割に限定されるものではない。また、各機能ユニットの具体的名称も、相互に区別しやすくするためのものであって、本願の保護範囲を制限するためのものではない。
【0159】
上記で開示された方法におけるステップのすべて又はいくつか、システム、機器の機能モジュール／ユニットが、ソフトウェア、ファームウェア、ハードウェア、及びそれらの適切な組み合わせとして実装されてもよい。
【0160】
ハードウェアの実施形態では、上記の説明に記載された機能モジュール／ユニット間の区分は、必ずしも物理コンポーネントの区分に対応するものではなく、例えば、１つの物理コンポーネントが複数の機能を有していてもよいし、複数の物理コンポーネントが協働して１つの機能又はステップを実行していてもよい。物理コンポーネントの一部又はすべては、中央処理装置、デジタル信号処理装置、マイクロプロセッサなどのプロセッサによって実行されるソフトウェアとして、又はハードウェアとして、又は特定用途向け集積回路などの集積回路として実装されてもよい。このようなソフトウェアは、コンピュータ記憶媒体（又は非一時的媒体）及び通信媒体（又は一時的媒体）を含んでもよいコンピュータ読み取り可能な媒体上に配布してもよい。コンピュータ記憶媒体という用語は、情報（例えば、コンピュータ読み取り可能な命令、データ構造、プログラムモジュール、又は他のデータ）を記憶するための任意の方法又は技術において実施される、揮発性及び不揮発性の、取り外し可能な、及び取り外し不可能な媒体を含む。コンピュータ記憶媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリもしくは他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）もしくは他の光ディスク記憶装置、磁気カートリッジ、磁気テープ、磁気ディスク記憶装置もしくは他の磁気記憶装置、又は所望の情報を記憶するために使用することができ、コンピュータによってアクセスすることができる他の任意の媒体を含むが、これらに限定されない。さらに、通信媒体は、通常、コンピュータ読み取り可能な命令、データ構造、プログラムモジュール、又は搬送波や他の送信機構のような変調データ信号中の他のデータを含み、任意の情報配信媒体を含んでもよい。
【0161】
以上、本願のいくつかの実施例は、図面を参照して説明されており、本願の保護範囲に限定されるものではない。当業者が本願の範囲及び趣旨から逸脱せずに補正、均等置換及び改良は、すべて本願の保護範囲内にあるものとする。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【手続補正書】
【提出日】2024-01-17
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
ネットワーク最適化方法であって、データ解析要求メッセージをコアネットワークに送信するステップと、
前記コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、
前記モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む、方法。
【請求項2】
前記データ解析応答情報に応じてネットワーク最適化操作を実行するステップをさらに含む、請求項１に記載の方法。
【請求項3】
前記データ解析応答情報は、前記コアネットワークが前記データ解析要求メッセージに従ってデータ収集、データ統計解析、及びデータ予測のうちの少なくとも１つの処理を行うときに決定される、請求項１に記載の方法。
【請求項4】
前記データ解析要求メッセージは、少なくとも１つのデータ解析型識別子、少なくとも１つのデータ解析形式識別子、少なくとも１つの端末識別子、データ解析時間情報、データ解析関心領域、期待端末軌跡情報粒度のうちの少なくとも１つを含む、請求項１に記載の方法。
【請求項5】
前記データ解析型識別子は、端末データ型識別子、ネットワーク負荷データ型識別子、エクスペリエンス品質データ型識別子、ネットワークスライスデータ型識別子、一般データ型識別子のうちの少なくとも１つを含む、請求項４に記載の方法。
【請求項6】
前記データ解析形式識別子は、データ統計識別子、データ予測識別子のうちの少なくとも１つを含む、請求項４に記載の方法。
【請求項7】
前記データ解析時間情報は、時間粒度、データ解析開始時間、データ解析終了時間のうちの少なくとも１つを含む、請求項４に記載の方法。
【請求項8】
前記データ解析関心領域は、追跡領域、セルリスト、ページング領域のうちの少なくとも１つを含む、請求項４に記載の方法。
【請求項9】
前記期待端末軌跡情報粒度は、追跡領域レベル、セルレベル、地理的位置レベルのうちの少なくとも１つを含む、請求項４に記載の方法。
【請求項10】
前記データ解析応答情報は、端末移動度統計情報、端末移動度予測情報、ネットワーク負荷統計情報、ネットワーク負荷予測情報、一般データ統計情報のうちの少なくとも１つを含み、
前記端末移動度統計情報は、端末地理的位置座標、端末常駐セル識別子、端末が存在する追跡領域、端末とセルとの接続ビーム識別情報、端末がセルにアクセスする時間情報、端末が追跡領域にアクセスする時間情報、端末移動方向、端末移動速度、局所領域の地図情報、関心領域の地図情報のうちの少なくとも１つを含み、
前記端末移動度予測情報は、予測された端末地理的位置座標、端末の将来の常駐セル識別子、端末の将来の追跡領域、端末が将来セルにアクセスする時間情報、端末が将来追跡領域にアクセスする時間情報、信頼度のうちの少なくとも１つを含み、
前記ネットワーク負荷統計情報は、セル負荷、セルアクセス端末数、セル物理リソース利用率、セルパケットデータコンバージェンスプロトコルデータ量のうちの少なくとも１つを含み、
前記ネットワーク負荷予測情報は、予測されたセル負荷、予測されたセルアクセス端末数、予測されたセル物理リソース利用率、予測されたセルパケットデータコンバージェンスプロトコルデータ量、信頼度のうちの少なくとも１つを含み、
前記一般データ統計情報は、局所領域の地図情報、関心領域の地図情報、端末平均移動速度、端末移動方向のうちの少なくとも１つを含む、請求項１に記載の方法。
【請求項11】
前記データ解析応答情報に応じて、前記人工知能学習モデルを訓練又は更新するステップをさらに含む、請求項１に記載の方法。
【請求項12】
ネットワーク最適化方法であって、データ情報要求を基地局に送信するステップと、
前記基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、
前記モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む、方法。
【請求項13】
前記データ情報応答に応じてネットワーク最適化操作を実行するステップをさらに含む、請求項１２に記載の方法。
【請求項14】
前記データ情報応答は、前記基地局が前記データ情報要求に従ってデータ収集、データ統計解析、及びデータ予測のうちの少なくとも１つの処理を行うときに決定され、
前記データ情報要求は、少なくとも１つのデータ解析型識別子、少なくとも１つのデータ解析形式識別子、少なくとも１つの端末識別子、データ解析時間情報、データ解析関心領域、期待端末軌跡情報粒度のうちの少なくとも１つを含み、
前記データ解析型識別子は、端末データ型識別子、ネットワーク負荷データ型識別子、エクスペリエンス品質データ型識別子、ネットワークスライスデータ型識別子、一般データ型識別子のうちの少なくとも１つを含み、
前記データ解析形式識別子は、データ統計識別子、データ予測識別子のうちの少なくとも１つを含み、
前記データ解析時間情報は、時間粒度、データ解析開始時間、データ解析終了時間のうちの少なくとも１つを含み、
前記データ解析関心領域は、端末地理的位置座標、端末常駐セル識別子、端末が存在する追跡領域、端末とセルとの接続ビーム識別情報、端末がセルにアクセスする時間情報、端末が追跡領域にアクセスする時間情報、端末移動方向、端末移動速度、局所領域の地図情報、関心領域の地図情報のうちの少なくとも１つを含み、
前記期待端末軌跡情報粒度は、追跡領域レベル、セルレベル、地理的位置レベルのうちの少なくとも１つを含み、
前記データ情報応答は、端末移動度統計情報、端末移動度予測情報、ネットワーク負荷統計情報、ネットワーク負荷予測情報、一般データ統計情報のうちの少なくとも１つを含み、
前記端末移動度統計情報は、端末地理的位置座標、端末常駐セル識別子、端末が存在する追跡領域、端末とセルとの接続ビーム識別情報、端末がセルにアクセスする時間情報、端末が追跡領域にアクセスする時間情報、端末移動方向、端末移動速度、局所領域の地図情報、関心領域の地図情報のうちの少なくとも１つを含み、
前記端末移動度予測情報は、予測された端末地理的位置座標、端末の将来の常駐セル識別子、端末の将来の追跡領域、端末が将来セルにアクセスする時間情報、端末が将来追跡領域にアクセスする時間情報、信頼度のうちの少なくとも１つを含み、
前記ネットワーク負荷統計情報は、セル負荷、セルアクセス端末数、セル物理リソース利用率、セルパケットデータコンバージェンスプロトコルデータ量のうちの少なくとも１つを含み、
前記ネットワーク負荷予測情報は、予測されたセル負荷、予測されたセルアクセス端末数、予測されたセル物理リソース利用率、予測されたセルパケットデータコンバージェンスプロトコルデータ量、信頼度のうちの少なくとも１つを含み、
前記一般データ統計情報は、局所領域の地図情報、関心領域の地図情報、端末平均移動速度、端末移動方向のうちの少なくとも１つを含む、請求項１２に記載の方法。
【請求項15】
前記基地局が第２人工知能学習モデルを訓練／更新するために、前記データ情報要求を前記基地局に送信するステップを含む、請求項１２に記載の方法。
【請求項16】
１つ又は複数のプロセッサと、１つ又は複数のプログラムを記憶するメモリと、を含み、
前記１つ又は複数のプログラムが前記１つ又は複数のプロセッサによって実行されると、前記１つ又は複数のプロセッサが、請求項１～１１又は１２～１４のいずれか１項に記載のネットワーク最適化方法を実現する、電子機器。
【請求項17】
１つ又は複数のプロセッサによって実行されて、請求項１～１１又は１２～１４のいずれか１項に記載のネットワーク最適化方法を実現する１つ又は複数のプログラムを記憶したコンピュータ読み取り可能な記憶媒体。
【手続補正2】
【補正対象書類名】明細書
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【発明の詳細な説明】
【技術分野】
【0001】
本願は、出願番号が２０２１１０９６３０３０．２、出願日が２０２１年８月２０日の中国特許出願に基づいて提出され、当該中国特許出願の優先権を主張しており、当該中国特許出願の全ての内容はここで参考として本願に組み込まれている。
【0002】
本願は、無線通信の技術分野に関し、特にネットワーク最適化方法、装置、電子機器、及び記憶媒体に関する。
【背景技術】
【0003】
無線通信ネットワーク技術の発展に伴い、第５世代無線通信ネットワークが適用され、そして、将来第５世代無線通信ネットワークを超える発展が期待されている。人工知能（ＡＩ：Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）技術、特に機械学習（ＭＬ：Ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ）は、第５世代無線通信ネットワークや第５世代を超える通信ネットワークにおける大量のデータを通じて有効なネットワーク最適化手段を提案することができる。現在、コアネットワークには、例えば、ネットワークの履歴活動の統計情報やネットワークの未来活動の予測情報などのデータ分類サービスを提供することができるネットワークデータ解析機能（ＮＷＤＡＦ：Ｎｅｔｗｏｒｋ Ｄａｔａ Ａｎａｌｙｔｉｃｓ Ｆｕｎｃｔｉｏｎ）ユニットがある。データ解析と予測機能は通信に根本的な変化をもたらすことができるが、運営の複雑度を著しく向上させる。キャリアによるネットワークの配備と運営維持の最適化、ネットワークの性能やユーザエクスペリエンスの向上を必要とする。
【発明の概要】
【発明が解決しようとする課題】
【0004】
本願の実施例の主な目的は、基地局とコアネットワークがデータ解析情報を交換し、データ解析情報に基づいて統計や予測を行うことで、コアネットワークと基地局側ネットワークの最適化を実現し、ネットワークの通信品質を向上させる、ネットワーク最適化方法、装置、電子機器、及び記憶媒体を提案することである。
【課題を解決するための手段】
【0005】
本願の実施例は、ネットワーク最適化方法を提供する。該方法は、データ解析要求メッセージをコアネットワークに送信するステップと、前記コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、前記モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む。
【0006】
本願の実施例はまた、ネットワーク最適化方法を提供する。該方法は、データ情報要求を基地局に送信するステップと、前記基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、前記モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む。
【0007】
本願の実施例はまた、ネットワーク最適化装置を提供する。該装置は、データ解析要求メッセージをコアネットワークに送信するためのデータ解析送信モジュールと、前記コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定するためのデータ処理モジュールと、前記モデル処理結果に応じてネットワーク最適化操作を実行するためのネットワーク最適化モジュールと、を含む。
【0008】
本願の実施例はまた、ネットワーク最適化装置を提供する。該装置は、データ情報要求を基地局に送信するためのデータ送信モジュールと、前記基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定するための結果決定モジュールと、前記モデル処理結果に応じてネットワーク最適化操作を実行するための最適化実行モジュールと、を含む。
【0009】
本願の実施例はまた、電子機器を提供する。該電子機器は、１つまたは複数のプロセッサと、１つまたは複数のプログラムを記憶するメモリと、を含み、前記１つまたは複数のプログラムが前記１つまたは複数のプロセッサによって実行されると、前記１つまたは複数のプロセッサが、本願の実施例のいずれかに記載のネットワーク最適化方法を実施する。
【0010】
本願の実施例はまた、１つ又は複数のプロセッサによって実行されて、本願の実施例のいずれかに記載のネットワーク最適化方法を実現する１つ又は複数のプログラムを記憶したコンピュータ読み取り可能な記憶媒体を提供する。
【発明の効果】
【0011】
本願の実施例は、データ解析要求メッセージをコアネットワークに送信し、コアネットワークからフィードバックされたデータ応答情報を受信し、人工知能モデルを用いてモデル処理結果を決定し、このモデル処理結果に応じて対応するネットワーク最適化操作を実行する。コアネットワークとデータ情報を交換し、人工知能モデルを用いてデータ情報に対応するモデル処理結果を決定することにより、データの統計及び／又は予測を実現し、ネットワーク最適化の正確性を高め、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
【図面の簡単な説明】
【0012】
【図1】本願の実施例によるネットワーク最適化方法のフローチャートである。
【図2】本願の実施例による別のネットワーク最適化方法のフローチャートである。
【図3】本願の実施例によるネットワーク最適化方法の一例を示す図である。
【図4】本願の実施例によるネットワーク最適化方法のフローチャートである。
【図5】本願の実施例による別のネットワーク最適化方法の一例を示す図である。
【図6】本願の実施例によるネットワーク最適化方法の一例を示す図である。
【図7】本願の実施例によるネットワーク最適化装置の構造模式図である。
【図8】本願の実施例による別のネットワーク最適化装置の構造模式図である。
【図9】本願の実施例による電子機器の構造模式図である。
【発明を実施するための形態】
【0013】
なお、本明細書に記載された具体的な実施例は、単に本願を解釈するために使用され、本願を限定するために使用されない。
【0014】
以下の説明において、「モジュール」、「部品」、又は「ユニット」のような要素を表すために使用される接尾辞は、本願の説明を容易にするためにのみ使用され、それ自体に固有の意味はない。これにより、「モジュール」、「部品」又は「ユニット」を混在させて使用してもよい。
【0015】
図１は、本願の実施例によるネットワーク最適化方法のフローチャートである。本願の実施例は、無線通信ネットワークにおけるネットワークインテリジェント最適化に適用することができる。この方法は、本願の実施例におけるネットワーク最適化装置によって実行してもよく、この装置は、ソフトウェア及び／又はハードウェアの形態として実装されてもよく、一般には、基地局側ノードに統合してもよい。図１を参照して、本願の実施例による方法は、具体的には、以下のステップ１１０～１３０を含む。
【0016】
ステップ１１０：データ解析要求メッセージをコアネットワークに送信する。
【0017】
ここで、データ解析要求メッセージは、コアネットワークと基地局側とのデータ交換を制御するための情報であってもよく、データの解析方法の指示情報やデータ解析内容の指示情報などを含んでもよい。データ解析要求メッセージは、基地局側ノードによってコアネットワークに送信されてもよい。
【0018】
具体的には、基地局側ノードは、データ解析要求メッセージをコアネットワークに伝送してもよい。このデータ解析要求メッセージは、データ解析の方法及び解析に関与するデータなどを示し得る１つ又は複数の指示情報を含んでもよい。
【0019】
ステップ１２０：コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定する。
【0020】
ここで、データ解析応答情報は、受信したデータ解析要求メッセージに従ってコアネットワークが生成した情報であってもよい。データ解析応答情報は、コアネットワーク側が基地局側に交換する必要があるデータを含んでいてもよい。データ解析応答情報は、データ解析要求メッセージに対応していてもよく、例えば、データ解析要求メッセージがデータ予測指示情報を含んでいる場合、データ解析応答情報は、データ予測に関連するデータをフィードバックしてもよい。人工知能学習モデルは、予め訓練されたニューラルネットワークモデルであってもよく、入力された情報を処理することができ、データ統計、データ予測などの処理に用いることができる。モデル処理結果は、人工知能学習モデルの出力結果であってもよく、データ予測結果、データ統計結果などを含んでもよい。
【0021】
本願の実施例では、コアネットワークは、データ解析要求メッセージを受信すると、対応するデータ解析応答情報を生成して基地局側にフィードバックし、基地局側では、人工知能学習モデルを用いてデータ解析応答情報を処理してモデル処理結果を生成する。生成されるモデル処理結果は、人工知能学習モデルの違いにより、データ解析応答情報に基づく予測情報やデータ解析応答情報に基づく統計情報であってもよい。
【0022】
ステップ１３０：モデル処理結果に応じてネットワーク最適化操作を実行する。
【0023】
ここで、ネットワーク最適化操作は、無線通信ネットワークを最適化する操作であってもよく、セル負荷の調整、セルの端末数の調整、及びセルのリソース利用率の調整などであってもよい。
【0024】
本願の実施例では、１つ又は複数の異なるネットワーク最適化ポリシーが予め設定されてもよく、モデル処理結果に応じて対応するネットワーク最適化ポリシーを探し、ネットワーク最適化ポリシーの決定に応じて対応するネットワーク最適化操作を実行してもよい。ネットワーク最適化ポリシーがモデル処理結果に応じてリアルタイムに生成されてもよい。
【0025】
本願の実施例は、データ解析要求メッセージをコアネットワークに送信し、コアネットワークからフィードバックされたデータ応答情報を受信し、人工知能モデルを用いてモデル処理結果を決定し、このモデル処理結果に応じて対応するネットワーク最適化操作を実行する。コアネットワークとデータ情報を交換し、人工知能モデルを用いてデータ情報に対応するモデル処理結果を決定することにより、データの統計及び／又は予測を実現し、ネットワーク最適化の正確性を高め、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
【0026】
さらに、上記出願の実施例に基づいて、データ解析応答情報は、コアネットワークがデータ解析要求メッセージに従ってデータ収集、データ統計解析、及びデータ予測のうちの少なくとも１つの処理を行うときに決定される。
【0027】
本願の実施例では、データ解析応答情報は、コアネットワークによって生成されてもよい。データ解析応答情報は、データ解析要求メッセージに従ってデータ収集、データ統計解析、及びデータ予測のうちの少なくとも１つの処理を行って生成された情報であってもよい。コアネットワークには、人工知能学習モデルが予め設定されていてもよい。人工知能学習モデルによってデータ解析要求メッセージが処理され、処理結果がデータ解析応答メッセージとして提供されてもよい。
【0028】
図２は、上記出願の実施例に基づいて具体化された、本願の実施例による別のネットワーク最適化方法のフローチャートである。図２を参照して、本願の実施例による方法は、具体的には、以下のステップ２１０～２５０を含む。
【0029】
ステップ２１０：データ解析要求メッセージをコアネットワークに送信する。
【0030】
ステップ２２０：コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定する。
【0031】
ステップ２３０：モデル処理結果に応じてネットワーク最適化操作を実行する。
【0032】
ステップ２４０：データ解析応答情報に応じてネットワーク最適化操作を実行する。
【0033】
本願の実施例では、基地局側は、データ解析応答情報に応じてネットワーク最適化操作を直接実行することも可能である。例えば、データ解析応答情報が予測情報である場合、その予測情報に基づいてネットワーク最適化操作を直接実行してもよい。それによって、ネットワーク性能を向上させることができる。
【0034】
ステップ２５０：データ解析応答情報に応じて人工知能学習モデルを訓練又は更新する。
【0035】
具体的には、受信したデータ解析応答情報に応じて人工知能学習モデルを訓練してもよい。データ解析応答情報は、履歴過程においてコアネットワークから送信された情報であってもよい。データ解析応答情報によって人工知能学習モデルを訓練又は更新し続け、モデル処理結果の正確性を高めることができる。なお、人工知能学習モデルの更新又は訓練は、データ解析応答情報を受信する毎に実行されてもよいし、受信したデータ解析応答情報のデータ量がデータ量閾値よりも大きい場合に実行されてもよい。
【0036】
本願の実施例は、データ解析要求メッセージをコアネットワークに送信し、コアネットワークからフィードバックされたデータ応答情報を受信し、人工知能モデルを用いてモデル処理結果を決定し、モデル処理結果に応じて対応するネットワーク最適化操作を実行し、また、データ応答情報に応じてネットワーク最適化操作を実行し、受信したデータ応答情報に応じて人工知能学習モデルを訓練又は更新する。それによって、ネットワーク最適化の精度をさらに高め、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
【0037】
さらに、上記出願の実施例に基づいて、前記データ解析要求メッセージは、少なくとも１つのデータ解析型識別子、少なくとも１つのデータ解析形式識別子、少なくとも１つの端末識別子、データ解析時間情報、データ解析関心領域、期待端末軌跡情報粒度のうちの少なくとも１つを含む。
【0038】
ここで、データ解析型識別子は、要求されたデータ解析のタイプを示すことができ、異なるデータ型を識別するために異なる値を取ってもよい。データ解析形式識別子は、データ解析の形式を示すことができ、異なるデータ解析形式を識別するために異なる値を取ってもよく、データ解析形式は、データ統計、データ予測などを含んでもよい。端末識別子は、異なる端末を識別することができる。データ解析時間情報は、データ解析が行われる期間を表すことができ、期間の開始時間及び終了時間を含んでもよい。データ解析関心領域は、例えば、追跡領域及びセルリストなどのデータ解析の関心領域を表してもよい。期待端末軌跡情報粒度は、データ解析の端末軌跡の最小解析粒度を表すことができる。
【0039】
本願の実施例では、データ解析要求メッセージは、データ解析型識別子、データ解析形式識別子、端末識別子、データ解析時間情報、データ解析関心領域、期待端末軌跡情報粒度のうちの１つ又は複数を含んでもよい。データ解析要求メッセージに含まれる１つの情報の数は一意ではなく、１つ又は複数であってもよく、例えば、データ解析要求メッセージには、複数のデータ解析型識別子及び複数のデータ解析形式識別子が含まれてもよい。
【0040】
さらに、上記出願の実施例に基づいて、前記データ解析型識別子は、端末データ型識別子、ネットワーク負荷データ型識別子、エクスペリエンス品質データ型識別子、ネットワークスライスデータ型識別子、一般データ型識別子のうちの少なくとも１つを含む。
【0041】
具体的には、データ解析型識別子は、具体的には、端末データ型識別子、ネットワーク負荷データ型識別子、エクスペリエンス品質データ型識別子、ネットワークスライスデータ型識別子、一般データ型識別子などを含んでもよい。識別子ごとにその値が異なり、それぞれ端末データ、ネットワーク負荷データ、エクスペリエンス品質（ＱｏＥ：Ｑｕａｌｉｔｙ ｏｆ Ｅｘｐｅｒｉｅｎｃｅ）データ、ネットワークスライスデータ、一般データなどを識別することができる。
【0042】
さらに、上記出願の実施例に基づいて、前記データ解析形式識別子は、データ統計識別子、データ予測識別子のうちの少なくとも１つを含む。
【0043】
具体的には、データ解析形式識別子は、データ統計識別子と、データ予測識別子とを含んでもよい。データ統計識別子は、基地局側がコアネットワーク側によるデータ統計を必要とするデータを識別することができる。データ予測識別子は、基地局側がコアネットワーク側によるデータ予測を必要とするデータを識別することができる。
【0044】
さらに、上記出願の実施例に基づいて、前記データ解析時間情報は、時間粒度、データ解析開始時間、データ解析終了時間のうちの少なくとも１つを含む。
【0045】
本願の実施例では、データ解析時間情報は、時間粒度、データ解析開始時間、データ解析終了時間などの情報から構成されてもよく、データ解析が行われる期間を示してもよい。そのうち、時間粒度は、データ解析が行われる期間の長さを表すものであってもよい。
【0046】
さらに、上記出願の実施例に基づいて、データ解析関心領域は、追跡領域、セルリスト、ページング領域のうちの少なくとも１つを含む。
【0047】
本願の実施例では、データ解析関心領域は、具体的には、追跡領域（Ｔｒａｃｋｉｎｇ Ａｒｅａ）、セルリスト（Ｃｅｌｌ Ｌｉｓｔ）、ページング領域（Ｐａｇｉｎｇ Ａｒｅａ）などであってもよい。
【0048】
さらに、上記出願の実施例に基づいて、前記期待端末軌跡情報粒度は、追跡領域レベル、セルレベル、地理的位置レベルのうちの少なくとも１つを含む。
【0049】
具体的には、期待端末軌跡情報粒度は、期待端末軌跡情報を示す粒度であってもよく、追跡領域レベル（ＴＡｌｅｖｅｌ）、セルレベル（ＣｅｌｌＬｅｖｅｌ）、地理的位置レベル（緯度経度）などである。
【0050】
さらに、上記出願の実施例に基づいて、前記データ解析応答情報は、端末移動度統計情報、端末移動度予測情報、ネットワーク負荷統計情報、ネットワーク負荷予測情報、一般データ統計情報のうちの少なくとも１つを含む。
【0051】
本願の実施例では、データ解析要求メッセージの内容に応じて、コアネットワークによって生成されるデータ解析応答情報は、端末移動度統計情報、端末移動度予測情報、ネットワーク負荷統計情報、ネットワーク負荷予測情報、一般データ統計情報のうちの１つ又は複数を含んでもよい。そのうち、端末移動度統計情報は、様々な時点又は期間における１つ又は複数の端末の位置点の統計情報であってもよい。端末移動度予測情報は、将来の時点又は将来の期間における１つ又は複数の端末の予測位置の統計情報であってもよい。ネットワーク負荷統計情報は、時点又は期間におけるネットワーク負荷の統計情報であってもよい。ネットワーク負荷予測情報は、将来の時点又は将来の期間におけるネットワーク負荷の統計情報であってもよい。一般データ統計情報は、例えば、関心領域の地図情報又は端末移動方向などの一般データ統計であってもよい。
【0052】
さらに、上記出願の実施例に基づいて、前記端末移動度統計情報は、端末地理的位置座標、端末常駐セル識別子、端末が存在する追跡領域、端末とセルとの接続ビーム識別情報、端末がセルにアクセスする時間情報、端末が追跡領域にアクセスする時間情報、端末移動方向、端末移動速度、局所領域の地図情報、関心領域の地図情報のうちの少なくとも１つを含む。
【0053】
さらに、上記出願の実施例に基づいて、前記端末移動度予測情報は、予測された端末地理的位置座標、端末の将来の常駐セル識別子、端末の将来の追跡領域、端末が将来セルにアクセスする時間情報、端末が将来追跡領域にアクセスする時間情報、信頼度のうちの少なくとも１つを含む。
【0054】
本願の実施例では、端末移動度予測情報は、予測された端末地理的位置座標、端末の将来の常駐セル識別子、端末の将来の追跡領域、端末が将来セルにアクセスする時間情報、端末が将来追跡領域にアクセスする時間情報、及びそれぞれの対応する信頼度を含んでもよい。端末移動度予測情報中の各情報には、それぞれの対応する信頼度が存在してもよい。
【0055】
さらに、上記出願の実施例に基づいて、前記ネットワーク負荷統計情報は、セル負荷、セルアクセス端末数、セル物理リソース利用率、セルパケットデータコンバージェンスプロトコルデータ量のうちの少なくとも１つを含む。
【0056】
さらに、上記出願の実施例に基づいて、前記ネットワーク負荷予測情報は、予測されたセル負荷、予測されたセルアクセス端末数、予測されたセル物理リソース利用率、予測されたセルパケットデータコンバージェンスプロトコルデータ量、信頼度のうちの少なくとも１つを含む。
【0057】
さらに、上記出願の実施例に基づいて、前記一般データ統計情報は、局所領域の地図情報、関心領域の地図情報、端末平均移動速度、端末移動方向のうちの少なくとも１つを含む。
【0058】
１つの例示的な実施形態において、図３は、本願の実施例によるネットワーク最適化方法の一例を示す図である。図３を参照して、ＲＡＮ側がコアネットワークのデータ解析又は予測データを取得してネットワーク最適化を行うプロセスは、以下のステップ１～ステップ５を含んでもよい。
【0059】
ステップ１：ＮＧ－ＲＡＮノードは、要求されたＡＩデータ解析情報をコアネットワークに指示するためのデータ解析要求メッセージ（ＤＡＴＡ ＡＮＡＬＹＴＩＣＳ ＩＮＦＯＲＭＡＴＩＯＮ ＲＥＱＵＥＳＴ）をコアネットワークに送信する。
要求メッセージには、１つ又は複数のデータ解析タイプ識別子、１つ又は複数のデータ解析形式識別子、１つ又は複数の端末識別子（ＵＥ ＩＤ）、データ解析期間、データ解析関心領域（Ａｒｅａ ｏｆ Ｉｎｔｅｒｅｓｔ）、期待ＵＥ軌跡情報の粒度のうちの１つ又は複数が含まれている。１つ又は複数のデータ解析タイプ識別子は、要求されたデータ解析のタイプ、例えば、端末（ＵＥ：Ｕｓｅｒ Ｅｑｕｉｐｍｅｎｔ）関連タイプデータ、ネットワーク負荷関連タイプデータ、ＱｏＥ関連タイプデータ、ネットワークスライス関連タイプデータ、一般データ型（地図情報を含む）などを示す。１つ又は複数のデータ解析形式識別子は、データ解析形式、例えば、データ統計形式、又は予測情報形式を示す。データ解析期間は、時間粒度、データ解析レポートの開始時間、データ解析レポートの締め切り時間のうちの１つ又は複数を含む。データ解析関心領域として、例えば、追跡領域（Ｔｒａｃｋｉｎｇ Ａｒｅａ）、セルリスト（Ｃｅｌｌ Ｌｉｓｔ）、ページング領域（Ｐａｇｉｎｇ Ａｒｅａ）などがある。期待ＵＥ軌跡情報の粒度として、例えば、追跡領域レベル（ＴＡ ｌｅｖｅｌ）、セルレベル（Ｃｅｌｌ Ｌｅｖｅｌ）、地理的位置レベル（緯度経度）などがある。
要求メッセージには、１つ又は複数のデータ解析タイプ識別子、１つ又は複数のデータ解析形式識別子、１つ又は複数の端末識別子（ＵＥ ＩＤ）、データ解析期間、データ解析関心領域（Ａｒｅａ ｏｆ Ｉｎｔｅｒｅｓｔ）、期待ＵＥ軌跡情報の粒度のうちの１つ又は複数が含まれている。１つ又は複数のデータ解析タイプ識別子は、要求されたデータ解析のタイプ、例えば、端末（ＵＥ：Ｕｓｅｒ Ｅｑｕｉｐｍｅｎｔ）関連タイプデータ、ネットワーク負荷関連タイプデータ、ＱｏＥ関連タイプデータ、ネットワークスライス関連タイプデータ、一般データ型（地図情報を含む）などを示す。１つ又は複数のデータ解析形式識別子は、データ解析形式、例えば、データ統計形式、又は予測情報形式を示す。データ解析期間は、時間粒度、データ解析レポートの開始時間、データ解析レポートの締め切り時間のうちの１つ又は複数を含む。データ解析関心領域として、例えば、追跡領域（Ｔｒａｃｋｉｎｇ Ａｒｅａ）、セルリスト（Ｃｅｌｌ Ｌｉｓｔ）、ページング領域（Ｐａｇｉｎｇ Ａｒｅａ）などがある。期待ＵＥ軌跡情報の粒度として、例えば、追跡領域レベル（ＴＡ ｌｅｖｅｌ）、セルレベル（Ｃｅｌｌ Ｌｅｖｅｌ）、地理的位置レベル（緯度経度）などがある。
【0060】
ステップ２：コアネットワークは、受信したデータ解析要求メッセージの指示に従って、データ収集を行い、要求メッセージで要求されたデータレポートを生成する。
【0061】
ステップ３：コアネットワークは、ＮＧ－ＲＡＮノードによって要求されたメッセージを含むデータ解析レポート／応答メッセージ（Ｄａｔａ ＡＮＡＬＹＴＵＣＳ ＩＮＦＯＲＭＡＴＩＯＮ ＲＥＰＯＲＴ／ＲＥＳＰＯＮＳＥ）をＮＧ－ＲＡＮノードに送信する。
【0062】
要求メッセージにデータ統計形式のＵＥ関連クラスデータが示されている場合、データ解析レポート／応答メッセージは、端末移動度統計情報（ＵＥ ｍｏｂｉｌｉｔｙ ｓｔａｔｉｓｔｉｃｓ）を含む。ＵＥ端末移動度統計情報は、１つ又は複数のＵＥのある時点又は期間における位置統計情報を含み、緯度経度などのＵＥの地理的位置座標、ＵＥ常駐セル識別子、ＵＥが存在する追跡領域（ＴＡ：Ｔｒａｃｋｉｎｇ ａｒｅａ）、ＵＥとセルとの接続ビーム識別情報、ＵＥがあるセル又は追跡領域ＴＡにアクセスする時点及び時間長さ、ＵＥ移動方向、ＵＥの移動速度、局所領域／関心領域の地図情報のうちの１つ又は複数であってもよい。
【0063】
要求メッセージに要求予測情報形式のＵＥ関連クラスデータが含まれている場合、データ解析レポート／応答メッセージはＵＥ移動度予測情報（ＵＥ ｍｏｂｉｌｉｔｙ ｐｒｅｄｉｃｔｉｏｎｓ）を含む。ＵＥ移動度予測情報は１つ又は複数のＵＥの将来のある時点又は期間における位置予測情報を含み、緯度経度などの予測されたＵＥの地理的位置座標、予測された、ＵＥが将来常駐するセル識別子、予測された、ＵＥが将来存在する追跡領域（ＴＡ：Ｔｒａｃｋｉｎｇ ａｒｅａ）、ＵＥが将来セル又は追跡領域ＴＡにアクセスする時点及び時間長さ、予測情報の信頼度又は正確率、のうちの１つ又は複数であってもよい。
【0064】
要求メッセージに要求統計形式のネットワーク負荷関連クラスデータが含まれている場合、データ解析レポート／応答メッセージはネットワーク負荷統計情報（Ｌｏａｄ ｓｔａｔｉｓｔｉｃｓ）を含む。ネットワーク負荷統計情報は、ある時点又は期間におけるネットワーク負荷統計情報であり、セル負荷（Ｔｒａｆｆｉｃ ｌｏａｄ）、セルアクセスＵＥ数（Ｎｕｍｂｅｒ ｏｆ ＵＥ）、セルリソース利用率（ＰＲＢ ｕｓａｇｅ）、セルパケットデータコンバージェンスプロトコルデータ量（ＰＤＣＰ ｄａｔａ ｖｏｌｕｍｅ）の１つ又は複数であってもよい。
【0065】
要求メッセージに要求予測情報形式のネットワーク負荷関連クラスデータが含まれている場合、データ解析レポート／応答メッセージはネットワーク負荷予測情報（Ｌｏａｄ ｐｒｅｄｉｃｔｉｏｎｓ）を含む。ネットワーク負荷予測情報は、１つ又は複数のＮＧ－ＲＡＮノード又はセルの将来のある時点又は期間におけるネットワーク負荷予測情報であり、予測されたセル負荷（Ｔｒａｆｆｉｃ ｌｏａｄ）、予測されるセルアクセスＵＥ数（Ｎｕｍｂｅｒ ｏｆ ＵＥ）、予測されたセル物理リソース利用率（ＰＲＢ ｕｓａｇｅ）、予測されたセルパケットデータコンバージェンスプロトコルデータ量（ＰＤＣＰ ｄａｔａ ｖｏｌｕｍｅ）、予測情報の信頼度又は正確率、のうちの１つ又は複数であってもよい。
【0066】
要求メッセージに要求一般データ型データが含まれている場合、データ解析レポートメッセージは、局所領域／関心領域の地図情報、ＵＥ平均移動速度、ＵＥ移動方向などの１つ又は複数を含む。
【0067】
ステップ４：ＮＧ－ＲＡＮノードは、コアネットワークのデータ解析レポートを受信し、ＭＬモデル訓練／ＭＬモデル推論を実行する。
【0068】
ステップ５：ＮＧ－ＲＡＮは、コアネットワークのデータ解析レポート、あるいはＭＬモデル推論結果に基づいてネットワーク最適化を行う。
【0069】
図４は、本願の実施例によるネットワーク最適化方法のフローチャートである。本願の実施例は、無線通信ネットワークにおけるネットワークインテリジェント最適化に適用することができる。この方法は、本願の実施例におけるネットワーク最適化装置によって実行してもよく、この装置は、ソフトウェア及び／又はハードウェアの形態として実装されてもよく、一般には、コアネットワーク側ノードに統合してもよい。図４を参照して、本願の実施例による方法は、具体的には、以下のステップ３１０～３３０を含む。
【0070】
ステップ３１０：データ情報要求を基地局に送信する。
【0071】
ここで、データ情報要求は、コアネットワークが基地局側のデータを取得する旨の要求情報であってもよく、データの解析方式の指示情報やデータの解析内容の指示情報などを含んでいてもよい。データ情報要求は、コアネットワーク機器によって基地局側ノードに送信されてもよい。
【0072】
本願の実施例では、コアネットワークは、基地局側の１つ又は複数のデータを取得するように指示するデータ情報要求を基地局側に送信してもよい。コアネットワークは、データ情報要求を基地局に送信することによって、基地局側のデータを取得してもよい。
【0073】
ステップ３２０：基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定する。
【0074】
ここで、データ情報応答は、データ情報要求に従って基地局側が生成する応答情報であってもよく、要求されたデータを含んでいてもよく、データ情報要求との対応関係が存在していてもよい。人工知能学習モデルは、予め訓練されたニューラルネットワークモデルであってもよく、入力された情報を処理することができ、データ統計、データ予測などの処理に用いることができる。モデル処理結果は、人工知能学習モデルの出力結果であってもよく、データ予測結果、データ統計結果などを含んでもよい。
【0075】
本願の実施例では、基地局側ノードは、データ情報要求を受信すると、対応するデータ情報応答を生成してコアネットワークにフィードバックし、コアネットワークは、人工知能学習モデルによってデータ情報応答に応答し、モデル処理結果を生成することができる。生成されるモデル処理結果は、人工知能学習モデルの違いにより、データ情報応答に基づく予測情報やデータ情報応答に基づく統計情報などであってもよい。
【0076】
ステップ３３０：モデル処理結果に応じてネットワーク最適化操作を実行する。
【0077】
本願の実施例では、１つ又は複数の異なるネットワーク最適化ポリシーが予め設定されてもよく、モデル処理結果に応じて対応するネットワーク最適化ポリシーを探し、ネットワーク最適化ポリシーの決定に応じて対応するネットワーク最適化操作を実行してもよい。ネットワーク最適化ポリシーがモデル処理結果に応じてリアルタイムに生成されてもよい。
【0078】
本願の実施例は、データ解析要求メッセージをコアネットワークに送信し、コアネットワークからフィードバックされたデータ応答情報を受信し、人工知能モデルを用いてモデル処理結果を決定し、このモデル処理結果に応じて対応するネットワーク最適化操作を実行する。コアネットワークとデータ情報を交換し、人工知能モデルを用いてデータ情報に対応するモデル処理結果を決定することにより、データの統計及び／又は予測を実現し、ネットワーク最適化の正確性を高め、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
【0079】
さらに、上記出願の実施例に基づいて、データ情報応答は、基地局がデータ情報要求に従ってデータ収集、データ統計解析、及びデータ予測のうちの少なくとも１つの処理を行うときに決定される。
【0080】
本願の実施例では、コアネットワークによって受信されたデータ情報応答は、データ情報要求に従って、データ収集、データ統計解析、及びデータ予測のうちの１つ又は複数の処理を行う基地局によって生成されてもよい。
【0081】
図５は、上記出願の実施例に基づいて具体化された本願の実施例による別のネットワーク最適化方法の一例を示す図である。図５を参照して、本願の実施例による方法は、具体的には、以下のステップ４１０～４４０を含む。
【0082】
ステップ４１０：基地局が第２人工知能学習モデルを訓練／更新するために、データ情報要求を基地局に送信する。
【0083】
ここで、第２人工知能学習モデルは、基地局に設定された人工知能学習モデルであってもよく、具体的には、ニューラルネットワークモデルであってもよい。コアネットワークの人工知能学習モデルは、基地局の第２人工知能学習モデルと異なる種類及び構造を有してもよい。例えば、コアネットワークの人工知能学習モデルは、端末のリアルタイム性への影響が低いデータを扱うことができ、第２人工知能学習モジュールは、ネットワーク負荷、ＱＯＥデータなど、端末のリアルタイム性への影響が大きいデータを扱うことができる。
【0084】
本願の実施例では、基地局がデータ情報要求に従って基地局の第２人工知能学習モデルを訓練又は更新するために、コアネットワークは、データ情報要求を基地局に送信してもよい。それによって、基地局からフィードバックされるデータ情報応答の正確性を向上させ、ネットワーク最適化の効果をさらに高めることができる。
【0085】
ステップ４２０：基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定する。
【0086】
ステップ４３０：モデル処理結果に応じてネットワーク最適化操作を実行する。
【0087】
ステップ４４０：データ情報応答に応じてネットワーク最適化操作を実行する。
【0088】
具体的には、コアネットワークは、直接基地局側からフィードバックされたデータ情報応答に応じて、ネットワーク最適化操作を実行してもよい。
【0089】
本願の実施例は、基地局が第２人工知能学習モデルを更新するために、データ解析要求メッセージを基地局に送信し、基地局からフィードバックされたデータ情報応答を受信し、人工知能モデルを用いてデータ情報応答を処理してモデル処理結果を生成し、モデル処理結果及び／又はデータ情報応答をそれぞれ用いて対応するネットワーク最適化操作を実行する。それによって、ネットワーク最適化の正確性をさらに向上させ、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
【0090】
さらに、上記出願の実施例に基づいて、前記データ情報要求は、少なくとも１つのデータ解析型識別子、少なくとも１つのデータ解析形式識別子、少なくとも１つの端末識別子、データ解析時間情報、データ解析関心領域、期待端末軌跡情報粒度のうちの少なくとも１つを含む。
【0091】
さらに、上記出願の実施例に基づいて、データ解析型識別子は、端末データ型識別子、ネットワーク負荷データ型識別子、エクスペリエンス品質データ型識別子、ネットワークスライスデータ型識別子、一般データ型識別子のうちの少なくとも１つを含む。
【0092】
さらに、上記出願の実施例に基づいて、前記データ解析形式識別子は、データ統計識別子、データ予測識別子のうちの少なくとも１つを含む。
【0093】
さらに、上記出願の実施例に基づいて、前記データ解析時間情報は、時間粒度、データ解析開始時間、データ解析終了時間のうちの少なくとも１つを含む。
【0094】
さらに、上記出願の実施例に基づいて、前記データ解析関心領域は、追跡領域、セルリスト、ページング領域のうちの少なくとも１つを含む。
【0095】
さらに、上記出願の実施例に基づいて、前記期待端末軌跡情報粒度は、追跡領域レベル、セルレベル、地理的位置レベルのうちの少なくとも１つを含む。
【0096】
さらに、上記出願の実施例に基づいて、前記データ情報応答は、端末移動度統計情報、端末移動度予測情報、ネットワーク負荷統計情報、ネットワーク負荷予測情報、一般データ統計情報のうちの少なくとも１つを含む。
【0097】
さらに、上記出願の実施例に基づいて、前記端末移動度統計情報は、端末地理的位置座標、端末常駐セル識別子、端末が存在する追跡領域、端末とセルとの接続ビーム識別情報、端末がセルにアクセスする時間情報、端末が追跡領域にアクセスする時間情報、端末移動方向、端末移動速度、局所領域の地図情報、関心領域の地図情報のうちの少なくとも１つを含む。
【0098】
さらに、上記出願の実施例に基づいて、前記端末移動度予測情報は、予測された端末地理的位置座標、端末の将来の常駐セル識別子、端末の将来の追跡領域、端末が将来セルにアクセスする時間情報、端末が将来追跡領域にアクセスする時間情報、信頼度のうちの少なくとも１つを含む。
【0099】
さらに、上記出願の実施例に基づいて、前記ネットワーク負荷統計情報は、セル負荷、セルアクセス端末数、セル物理リソース利用率、セルパケットデータコンバージェンスプロトコルデータ量のうちの少なくとも１つを含む。
【0100】
さらに、上記出願の実施例に基づいて、前記ネットワーク負荷予測情報は、予測されたセル負荷、予測されたセルアクセス端末数、予測されたセル物理リソース利用率、予測されたセルパケットデータコンバージェンスプロトコルデータ量、信頼度のうちの少なくとも１つを含む。
【0101】
さらに、上記出願の実施例に基づいて、前記一般データ統計情報は、局所領域の地図情報、関心領域の地図情報、端末平均移動速度、端末移動方向のうちの少なくとも１つを含む。
【0102】
１つの例示的な実施形態において、図６は、本願の実施例によるネットワーク最適化方法の一例を示す図である。図６を参照して、コアネットワークがＮＧ－ＲＡＮノードの予測情報を取得して、ネットワーク最適化を行う場合を例として、このネットワーク最適化方法は、以下のステップ１～５を含んでもよい。
【0103】
ステップ１：コアネットワークは、ＮＧ－ＲＡＮに必要な人工知能情報を指示するための人工知能（ＡＩ：Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）／機械学習（ＭＬ：Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ）データ情報要求メッセージ（ＡＩ／ＭＬ ＤＡＴＡ ＩＮＦＯＲＭＡＴＩＯＮ ＲＥＱＵＥＳＴ）をＮＧ－ＲＡＮノードに送信する。
要求メッセージには、１つ又は複数のデータ解析タイプ識別子、１つ又は複数のデータ解析形式識別子、１つ又は複数の端末識別子（ＵＥ ＩＤ）、データ解析期間、データ解析関心領域（Ａｒｅａ ｏｆ Ｉｎｔｅｒｅｓｔ）、期待ＵＥ軌跡情報の粒度のうちの１つ又は複数が含まれている。１つ又は複数のデータ解析タイプ識別子は、要求されたデータ解析のタイプ、例えば、ＵＥ関連タイプデータ、ネットワーク負荷関連タイプデータ、ＱｏＥ関連タイプデータ、ネットワークスライス関連タイプデータ、一般データ型（地図情報を含む）などを示す。１つ又は複数のデータ解析形式識別子は、データ解析形式、例えば、データ統計形式、又は予測情報形式を示す。データ解析期間は、時間粒度、データ解析レポートの開始時間、データ解析レポートの締め切り時間のうちの１つ又は複数を含む。データ解析関心領域として、例えば、追跡領域（Ｔｒａｃｋｉｎｇ Ａｒｅａ）、セルリスト（Ｃｅｌｌ Ｌｉｓｔ）、ページング領域（Ｐａｇｉｎｇ Ａｒｅａ）などがある。期待ＵＥ軌跡情報の粒度として、例えば、追跡領域レベル（ＴＡ ｌｅｖｅｌ）、セルレベル（Ｃｅｌｌ Ｌｅｖｅｌ）、地理的位置レベル（緯度経度）などがある。
要求メッセージには、１つ又は複数のデータ解析タイプ識別子、１つ又は複数のデータ解析形式識別子、１つ又は複数の端末識別子（ＵＥ ＩＤ）、データ解析期間、データ解析関心領域（Ａｒｅａ ｏｆ Ｉｎｔｅｒｅｓｔ）、期待ＵＥ軌跡情報の粒度のうちの１つ又は複数が含まれている。１つ又は複数のデータ解析タイプ識別子は、要求されたデータ解析のタイプ、例えば、ＵＥ関連タイプデータ、ネットワーク負荷関連タイプデータ、ＱｏＥ関連タイプデータ、ネットワークスライス関連タイプデータ、一般データ型（地図情報を含む）などを示す。１つ又は複数のデータ解析形式識別子は、データ解析形式、例えば、データ統計形式、又は予測情報形式を示す。データ解析期間は、時間粒度、データ解析レポートの開始時間、データ解析レポートの締め切り時間のうちの１つ又は複数を含む。データ解析関心領域として、例えば、追跡領域（Ｔｒａｃｋｉｎｇ Ａｒｅａ）、セルリスト（Ｃｅｌｌ Ｌｉｓｔ）、ページング領域（Ｐａｇｉｎｇ Ａｒｅａ）などがある。期待ＵＥ軌跡情報の粒度として、例えば、追跡領域レベル（ＴＡ ｌｅｖｅｌ）、セルレベル（Ｃｅｌｌ Ｌｅｖｅｌ）、地理的位置レベル（緯度経度）などがある。
【0104】
ステップ２：ＮＧ－ＲＡＮノードは、受信したデータ解析要求メッセージの指示に従って、データ収集／モデル訓練／モデル推論を行い、要求メッセージに要求されたデータレポートを生成する。
【0105】
ステップ３：ＮＧ－ＲＡＮノードは、ＡＩ／ＭＬ データ情報レポート／応答（ＡＩ／ＭＬ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｐｏｒｔ／Ｒｅｓｐｏｎｓｅ）をコアネットワークに送信し、メッセージにコアネットワークから要求されたメッセージを含む。
【0106】
要求メッセージにデータ統計形式のＵＥ関連クラスデータが示されている場合、データ解析レポート／応答メッセージは、ＵＥ端末移動度統計情報（ＵＥ ｍｏｂｉｌｉｔｙ ｓｔａｔｉｓｔｉｃｓ）を含む。ＵＥ端末移動度統計情報は、１つ又は複数のＵＥのある時点又は期間における位置統計情報を含み、緯度経度などのＵＥの地理的位置座標、ＵＥ常駐セル識別子、ＵＥが存在する追跡領域（ＴＡ：Ｔｒａｃｋｉｎｇ ａｒｅａ）、ＵＥとセルとの接続ビーム識別情報、ＵＥがあるセル又は追跡領域ＴＡにアクセスする時点及び時間長さ、ＵＥ移動方向、ＵＥの移動速度、局所領域／関心領域の地図情報のうちの１つ又は複数であってもよい。
【0107】
要求メッセージに要求予測情報形式のＵＥ関連クラスデータが含まれている場合、データ解析レポート／応答メッセージはＵＥ移動度予測情報（ＵＥ ｍｏｂｉｌｉｔｙ ｐｒｅｄｉｃｔｉｏｎｓ）を含む。ＵＥ移動度予測情報は１つ又は複数のＵＥの将来のある時点又は期間における位置予測情報を含み、緯度経度などの予測されたＵＥの地理的位置座標、予測された、ＵＥが将来常駐するセル識別子、予測された、ＵＥが将来存在する追跡領域（ＴＡ：Ｔｒａｃｋｉｎｇ ａｒｅａ）、ＵＥが将来セル又は追跡領域ＴＡにアクセスする時点及び時間長さ、予測情報の信頼度又は正確率、のうちの１つ又は複数であってもよい。
【0108】
要求メッセージに要求統計形式のネットワーク負荷関連クラスデータが含まれている場合、データ解析レポート／応答メッセージはネットワーク負荷統計情報（Ｌｏａｄ ｓｔａｔｉｓｔｉｃｓ）を含む。ネットワーク負荷統計情報は、ある時点又は期間におけるネットワーク負荷統計情報であり、セル負荷（Ｔｒａｆｆｉｃ ｌｏａｄ）、セルアクセスＵＥ数（Ｎｕｍｂｅｒ ｏｆ ＵＥ）、セルリソース利用率（ＰＲＢ ｕｓａｇｅ）、セルパケットデータコンバージェンスプロトコルデータ量（ＰＤＣＰ ｄａｔａ ｖｏｌｕｍｅ）の１つ又は複数であってもよい。
【0109】
要求メッセージに要求予測情報形式のネットワーク負荷関連クラスデータが含まれている場合、データ解析レポート／応答メッセージはネットワーク負荷予測情報（Ｌｏａｄ ｐｒｅｄｉｃｔｉｏｎｓ）を含む。ネットワーク負荷予測情報は、１つ又は複数のＮＧ－ＲＡＮノード又はセルの将来のある時点又は期間におけるネットワーク負荷予測情報であり、予測されたセル負荷（Ｔｒａｆｆｉｃ ｌｏａｄ）、予測されるセルアクセスＵＥ数（Ｎｕｍｂｅｒ ｏｆ ＵＥ）、予測されたセル物理リソース利用率（ＰＲＢ ｕｓａｇｅ）、予測されたセルパケットデータコンバージェンスプロトコルデータ量（ＰＤＣＰ ｄａｔａ ｖｏｌｕｍｅ）、予測情報の信頼度又は正確率、のうちの１つ又は複数であってもよい。
【0110】
要求メッセージに要求一般データ型データが含まれている場合、データ解析レポートメッセージは、局所領域／関心領域の地図情報、ＵＥ平均移動速度、ＵＥ移動方向などの１つ又は複数を含む。
【0111】
ステップ４：コアネットワークはＮＧ－ＲＡＮノードのデータ解析レポートを取得し、データ解析、データ予測、データ統計を実行する。
【0112】
ステップ５：コアネットワークはＮＧ－ＲＡＮノードのデータ解析レポート又はコアネットワークのデータ解析レポートに基づいて、ネットワーク最適化を行う。
【0113】
図７は、本願のいずれかの実施例によるネットワーク最適化方法を実行することができ、方法を実行するための対応する機能モジュール及び有益な効果を備える、本願の実施例によるネットワーク最適化装置の構造模式図である。この装置は、ソフトウェア及び／又はハードウェアによって実装され、一般に基地局に統合され得、具体的には、データ解析送信モジュール５０１、データ処理モジュール５０２、及びネットワーク最適化モジュール５０３を含む。
【0114】
データ解析送信モジュール５０１は、データ解析要求メッセージをコアネットワークに送信する。
【0115】
データ処理モジュール５０２は、コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定する。
【0116】
ネットワーク最適化モジュール５０３は、モデル処理結果に応じてネットワーク最適化操作を実行する。
【0117】
本願の実施例は、データ解析送信モジュールによってデータ解析要求メッセージをコアネットワークに送信し、データ処理モジュールによってコアネットワークからフィードバックされたデータ応答情報を受信し、人工知能モデルを用いてモデル処理結果を決定し、ネットワーク最適化モジュールによってこのモデル処理結果に応じて対応するネットワーク最適化操作を実行するものである。コアネットワークとデータ情報を交換し、人工知能モデルを用いてデータ情報に対応するモデル処理結果を決定することにより、データの統計及び／又は予測を実現し、ネットワーク最適化の正確性を高め、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
【0118】
さらに、上記出願の実施例に基づいて、前記装置は、データ解析応答情報に応じてネットワーク最適化操作を実行するための第２ネットワーク最適化モジュールをさらに含む。
【0119】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析応答情報は、前記コアネットワークが前記データ解析要求メッセージに従って、データ収集、データ統計解析、及びデータ予測のうちの少なくとも１つの処理を行うときに決定される。
【0120】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析要求メッセージは、少なくとも１つのデータ解析型識別子、少なくとも１つのデータ解析形式識別子、少なくとも１つの端末識別子、データ解析時間情報、データ解析関心領域、期待端末軌跡情報粒度のうちの少なくとも１つを含む。
【0121】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析型識別子は、端末データ型識別子、ネットワーク負荷データ型識別子、エクスペリエンス品質データ型識別子、ネットワークスライスデータ型識別子、一般データ型識別子のうちの少なくとも１つを含む。
【0122】
さらに、上記出願の実施例に基づいて、前記データ解析形式識別子は、データ統計識別子、データ予測識別子のうちの少なくとも１つを含む。
【0123】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析時間情報は、時間粒度、データ解析開始時間、データ解析終了時間のうちの少なくとも１つを含む。
【0124】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析関心領域は、追跡領域、セルリスト、ページング領域のうちの少なくとも１つを含む。
【0125】
さらに、上記出願の実施例に基づいて、前記装置の期待端末軌跡情報粒度は、追跡領域レベル、セルレベル、地理的位置レベルのうちの少なくとも１つを含む。
【0126】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析応答情報は、端末移動度統計情報、端末移動度予測情報、ネットワーク負荷統計情報、ネットワーク負荷予測情報、一般データ統計情報のうちの少なくとも１つを含む。
【0127】
さらに、上記出願の実施例に基づいて、前記装置の端末移動度統計情報は、端末地理的位置座標、端末常駐セル識別子、端末が存在する追跡領域、端末とセルとの接続ビーム識別情報、端末がセルにアクセスする時間情報、端末が追跡領域にアクセスする時間情報、端末移動方向、端末移動速度、局所領域の地図情報、関心領域の地図情報のうちの少なくとも１つを含む。
【0128】
さらに、上記出願の実施例に基づいて、前記装置の端末移動度予測情報は、予測された端末地理的位置座標、端末の将来の常駐セル識別子、端末の将来の追跡領域、端末が将来セルにアクセスする時間情報、端末が将来追跡領域にアクセスする時間情報、信頼度のうちの少なくとも１つを含む。
【0129】
さらに、上記出願の実施例に基づいて、前記ネットワーク負荷統計情報は、セル負荷、セルアクセス端末数、セル物理リソース利用率、セルパケットデータコンバージェンスプロトコルデータ量のうちの少なくとも１つを含む。
【0130】
さらに、上記出願の実施例に基づいて、前記装置のネットワーク負荷予測情報は、予測されたセル負荷、予測されたセルアクセス端末数、予測されたセル物理リソース利用率、予測されたセルパケットデータコンバージェンスプロトコルデータ量、信頼度のうちの少なくとも１つを含む。
【0131】
さらに、上記出願の実施例に基づいて、前記装置の一般データ統計情報は、局所領域の地図情報、関心領域の地図情報、端末平均移動速度、端末移動方向のうちの少なくとも１つを含む。
【0132】
さらに、上記出願の実施例に基づいて、前記装置は、データ解析応答情報に応じて、前記人工知能学習モデルを訓練又は更新するためのモデル訓練モジュールをさらに含む。
【0133】
図８は、本願のいずれかの実施例によるネットワーク最適化方法を実行することができ、方法を実行するための対応する機能モジュール及び有益な効果を備える、本願の実施例による別のネットワーク最適化装置の構造模式図である。この装置は、ソフトウェア及び／又はハードウェアによって実装され、一般にコアネットワーク機器に統合され得、具体的には、データ送信モジュール６０１、結果決定モジュール６０２、及び最適化実行モジュール６０３を含む。
【0134】
データ送信モジュール６０１は、データ情報要求を基地局に送信する。
【0135】
結果決定モジュール６０２は、基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定する。
【0136】
最適化実行モジュール６０３は、モデル処理結果に応じてネットワーク最適化操作を実行する。
本願の実施例は、データ送信モジュールによってデータ解析要求メッセージをコアネットワークに送信し、結果決定モジュールによってコアネットワークからフィードバックされたデータ応答情報を受信し、人工知能モデルを用いてモデル処理結果を決定し、最適化実行モジュールによってモデル処理結果に応じて対応するネットワーク最適化操作を実行するものである。コアネットワークとデータ情報を交換し、人工知能モデルを用いてデータ情報に対応するモデル処理結果を決定することにより、データの統計及び／又は予測を実現し、ネットワーク最適化の正確性を高め、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
本願の実施例は、データ送信モジュールによってデータ解析要求メッセージをコアネットワークに送信し、結果決定モジュールによってコアネットワークからフィードバックされたデータ応答情報を受信し、人工知能モデルを用いてモデル処理結果を決定し、最適化実行モジュールによってモデル処理結果に応じて対応するネットワーク最適化操作を実行するものである。コアネットワークとデータ情報を交換し、人工知能モデルを用いてデータ情報に対応するモデル処理結果を決定することにより、データの統計及び／又は予測を実現し、ネットワーク最適化の正確性を高め、ネットワーク性能及びユーザエクスペリエンスを向上させることができる。
【0137】
さらに、上記出願の実施例に基づいて、前記装置は、前記データ情報応答に応じてネットワーク最適化操作を実行するたもの情報最適化モジュールをさらに含む。
【0138】
さらに、上記出願の実施例に基づいて、前記装置のデータ情報応答は、前記基地局が前記データ情報要求に従ってデータ収集、データ統計解析、及びデータ予測のうちの少なくとも１つの処理を行うときに決定される。
【0139】
さらに、上記出願の実施例に基づいて、前記装置のデータ情報要求は、少なくとも１つのデータ解析型識別子、少なくとも１つのデータ解析形式識別子、少なくとも１つの端末識別子、データ解析時間情報、データ解析関心領域、期待端末軌跡情報粒度のうちの少なくとも１つを含む。
【0140】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析型識別子は、端末データ型識別子、ネットワーク負荷データ型識別子、エクスペリエンス品質データ型識別子、ネットワークスライスデータ型識別子、一般データ型識別子のうちの少なくとも１つを含む。
【0141】
さらに、上記出願の実施例に基づいて、データ解析形式識別子は、データ統計識別子、データ予測識別子のうちの少なくとも１つを含む。
【0142】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析時間情報は、時間粒度、データ解析開始時間、データ解析終了時間のうちの少なくとも１つを含む。
【0143】
さらに、上記出願の実施例に基づいて、前記装置のデータ解析関心領域は、追跡領域、セルリスト、ページング領域のうちの少なくとも１つを含む。
【0144】
さらに、上記出願の実施例に基づいて、前記装置の期待端末軌跡情報粒度は、追跡領域レベル、セルレベル、地理的位置レベルのうちの少なくとも１つを含む。
【0145】
さらに、上記出願の実施例に基づいて、前記装置のデータ情報応答は、端末移動度統計情報、端末移動度予測情報、ネットワーク負荷統計情報、ネットワーク負荷予測情報、一般データ統計情報のうちの少なくとも１つを含む。
【0146】
さらに、上記出願の実施例に基づいて、前記装置の端末移動度統計情報は、端末地理的位置座標、端末常駐セル識別子、端末が存在する追跡領域、端末とセルとの接続ビーム識別情報、端末がセルにアクセスする時間情報、端末が追跡領域にアクセスする時間情報、端末移動方向、端末移動速度、局所領域の地図情報、関心領域の地図情報のうちの少なくとも１つを含む。
【0147】
さらに、上記出願の実施例に基づいて、前記装置の端末移動度予測情報は、予測された端末地理的位置座標、端末の将来の常駐セル識別子、端末の将来の追跡領域、端末が将来セルにアクセスする時間情報、端末が将来追跡領域にアクセスする時間情報、信頼度のうちの少なくとも１つを含む。
【0148】
さらに、上記出願の実施例に基づいて、前記ネットワーク負荷統計情報は、セル負荷、セルアクセス端末数、セル物理リソース利用率、セルパケットデータコンバージェンスプロトコルデータ量のうちの少なくとも１つを含む。
【0149】
さらに、上記出願の実施例に基づいて、前記装置のネットワーク負荷予測情報は、予測されたセル負荷、予測されたセルアクセス端末数、予測されたセル物理リソース利用率、予測されたセルパケットデータコンバージェンスプロトコルデータ量、信頼度のうちの少なくとも１つを含む。
【0150】
さらに、上記出願の実施例に基づいて、前記装置の一般データ統計情報は、局所領域の地図情報、関心領域の地図情報、端末平均移動速度、端末移動方向のうちの少なくとも１つを含む。
【0151】
さらに、上記出願の実施例に基づいて、前記データ送信モジュール６０１は、具体的には、基地局が第２人工知能学習モデルを訓練／更新するために、前記データ情報要求を前記基地局に送信する。
【0152】
図９は、本願の実施例による電子機器の構造模式図である。この電子機器は、プロセッサ７０と、メモリ７１と、入力装置７２と、出力装置７３と、を含む。電子機器のプロセッサ７０の数は１つ又は複数であってもよく、図９には、１つのプロセッサ７０が例示されている。電子機器のプロセッサ７０、メモリ７１、入力装置７２、及び出力装置７３は、バス又は他の方式で接続されていてもよく、図９では、バスを介した接続が例示されている。
【0153】
メモリ７１は、コンピュータ読み取り可能な記憶媒体として、ソフトウェアプログラム、コンピュータ実行可能プログラム、及び、本願の実施例におけるネットワーク最適化装置に対応するモジュール（データ解析送信モジュール５０１、データ処理モジュール５０２、ネットワーク最適化モジュール５０３、又は、データ送信モジュール６０１、結果決定モジュール６０２、最適化実行モジュール６０３）などのモジュールを記憶するために使用してもよい。プロセッサ７０は、メモリ７１に記憶されたソフトウェアプログラム、命令、及びモジュールを実行することによって、電子機器の様々な機能アプリケーション及びデータ処理を実行することによって、上記のネットワーク最適化方法を実現する。
【0154】
メモリ７１は、主に、アプリケーション記憶領域と、データ記憶領域と、を含む。アプリケーション記憶領域は、オペレーティングシステム、少なくとも１つの機能のために必要なアプリケーションプログラムを記憶してもよい。データ記憶領域は、電子機器の使用によって作成されるデータなどを記憶してもよい。さらに、メモリ７１は、高速ランダムアクセスメモリを含んでもよく、さらに、少なくとも１つの磁気ディスク記憶デバイス、フラッシュメモリデバイス、又は他の不揮発性固体記憶デバイスなどの不揮発性メモリを含んでもよい。いくつかの例では、メモリ７１は、ネットワークを介して電子機器に接続され得る、プロセッサ７０に対してリモートに配置されたメモリをさらに含んでもよい。上記のネットワークの例には、インターネット、企業イントラネット、ローカルエリアネットワーク、移動通信ネットワーク、及びこれらの組み合わせが含まれるが、これらに限定されない。
【0155】
入力装置７２は、入力された数字又は文字情報を受け取り、電子機器のユーザ設定及び機能制御に関連するキー信号入力を生成するために使用され得る。出力装置７３は、表示画面などの表示機器を含んでもよい。
【0156】
本願の実施例はまた、コンピュータ実行可能命令を含む記憶媒体を提供する。前記コンピュータ実行可能命令は、ネットワーク最適化方法を実行する。該方法は、コンピュータプロセッサによって実行されると、データ解析要求メッセージをコアネットワークに送信するステップと、コアネットワークからフィードバックされたデータ解析応答情報を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む。
あるいは、該方法は、データ情報要求を基地局に送信するステップと、基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む。
あるいは、該方法は、データ情報要求を基地局に送信するステップと、基地局からフィードバックされたデータ情報応答を受信し、人工知能学習モデルによってモデル処理結果を決定するステップと、モデル処理結果に応じてネットワーク最適化操作を実行するステップと、を含む。
【0157】
以上の実施例の説明から、本願がソフトウェア及び必要な汎用ハードウェアによって実現されてもよく、もちろんハードウェアによって実現されてもよいが、多くの場合、前者の方がより好ましい実施例である。このような理解に基づいて、本願の技術的解決形態の本質的又は先行技術に貢献する部分は、ソフトウェア製品の形で具現化してもよい。該ソフトウェア製品は、コンピュータのフロッピー（登録商標）ディスク、読み取り専用メモリ（ＲＯＭ：Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、ランダムアクセスメモリ（ＲＡＭ：Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、フラッシュメモリ（ＦＬＡＳＨ）、ハードディスク、又は光ディスクなどのようなコンピュータ読み取り可能な記憶媒体に記憶されてもよく、１つのコンピュータ機器（パーソナルコンピュータ、サーバ、又はネットワーク機器などであってもよい）が本願の様々な実施例に記載された方法を実行するためのいくつかの命令を含む。
【0158】
なお、上記の装置の実施例では、含まれる個々のユニット及びモジュールは、単に機能論理によって分割されているに過ぎず、対応する機能が実現可能であれば、上記の分割に限定されるものではない。また、各機能ユニットの具体的名称も、相互に区別しやすくするためのものであって、本願の保護範囲を制限するためのものではない。
【0159】
上記で開示された方法におけるステップのすべて又はいくつか、システム、機器の機能モジュール／ユニットが、ソフトウェア、ファームウェア、ハードウェア、及びそれらの適切な組み合わせとして実装されてもよい。
【0160】
ハードウェアの実施形態では、上記の説明に記載された機能モジュール／ユニット間の区分は、必ずしも物理コンポーネントの区分に対応するものではなく、例えば、１つの物理コンポーネントが複数の機能を有していてもよいし、複数の物理コンポーネントが協働して１つの機能又はステップを実行していてもよい。物理コンポーネントの一部又はすべては、中央処理装置、デジタル信号処理装置、マイクロプロセッサなどのプロセッサによって実行されるソフトウェアとして、又はハードウェアとして、又は特定用途向け集積回路などの集積回路として実装されてもよい。このようなソフトウェアは、コンピュータ記憶媒体（又は非一時的媒体）及び通信媒体（又は一時的媒体）を含んでもよいコンピュータ読み取り可能な媒体上に配布してもよい。コンピュータ記憶媒体という用語は、情報（例えば、コンピュータ読み取り可能な命令、データ構造、プログラムモジュール、又は他のデータ）を記憶するための任意の方法又は技術において実施される、揮発性及び不揮発性の、取り外し可能な、及び取り外し不可能な媒体を含む。コンピュータ記憶媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリもしくは他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）もしくは他の光ディスク記憶装置、磁気カートリッジ、磁気テープ、磁気ディスク記憶装置もしくは他の磁気記憶装置、又は所望の情報を記憶するために使用することができ、コンピュータによってアクセスすることができる他の任意の媒体を含むが、これらに限定されない。さらに、通信媒体は、通常、コンピュータ読み取り可能な命令、データ構造、プログラムモジュール、又は搬送波や他の送信機構のような変調データ信号中の他のデータを含み、任意の情報配信媒体を含んでもよい。
【0161】
以上、本願のいくつかの実施例は、図面を参照して説明されており、本願の保護範囲に限定されるものではない。当業者が本願の範囲及び趣旨から逸脱せずに補正、均等置換及び改良は、すべて本願の保護範囲内にあるものとする。
【国際調査報告】