一种基于用户移动行为预测的超密集网络切换方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113993172A(43)申请公布日2022.01.28(21)申请号202111236996.2G06N3/08(2006.01)(22)申请日2021.10.24(71)申请人河南大学地址475001河南省开封市顺河回族区明伦街85号(72)发明人张磊陈雪飞马宇翔谢毅韩道军(74)专利代理机构郑州睿途知识产权代理事务所(普通合伙)41183代理人李伊宁(51)Int.Cl.H04W36/00(2009.01)H04W36/14(2009.01)H04W36/32(2009.01)G06N3/04(2006.01)权利要求书6页说明书14页附图1页(54)发明名称一种基于用户移动行为预测的超密集网络切换方法(57)摘要本发明公开了一种基于用户移动行为预测的超密集网络切换方法，包括以下步骤：A：获取设定区域内的所有基站用户移动行为的预处理后的轨迹数据；B：划分为基站新用户数据集和基站老用户数据集；C：构建基站老用户轨迹预测模型；D：得到训练后的基站老用户轨迹预测模型；E：获取基站新用户的预测移动轨迹；F：当基站用户满足A2事件触发切换时，寻找到满足判定条件的目标基站作为最终的切换基站并进行切换。本发明能够通过用户的历史轨迹序列预测未来的轨迹点，可以有效减少网路切换次数，优化网络切换性能并提高网络的鲁棒性。CN113993172ACN113993172A权利要求书1/6页1.一种基于用户移动行为预测的超密集网络切换方法，其特征在于：包括以下步骤：A：定义设定区域内的基站数量和每个基站的覆盖范围，然后采集设定区域内的所有基站用户移动行为的轨迹数据，并对轨迹数据进行预处理，去除轨迹数据中的时间跨度超限数据、异常数据和离群数据，最终得到预处理后的轨迹数据集；其中，时间跨度超限数据，是指采集相邻两个基站用户轨迹点位置的时间间隔超出时间跨度阈值的数据；异常数据，是指记录的基站用户移动行为的轨迹数据格式错误或位置定位错误的数据；离群数据，是指与用户轨迹移动区域距离超出距离阈值的轨迹点；基站用户移动行为的轨迹数据包括基站用户编号、基站用户轨迹点位置的经纬度坐标以及基站用户轨迹点位置的经纬度坐标所对应的时间信息；B：将预处理后的轨迹数据集根据基站用户类型划分为基站新用户数据集和基站老用户数据集；其中，基站新用户指进入设定区域次数小于M次的用户，基站老用户指进入设定区域次数不小于M次的用户；M为设定的基站新老用户区分阈值；C：构建基于全连接层、卷积神经网络和长短时记忆神经网络的基站老用户轨迹预测模型；基站老用户轨迹预测模型依次包含第一全连接层、卷积层、长短时记忆网络层和第二全连接层；第一全连接层将基站用户的轨迹数据即三维空间数据映射出高维的空间向量；三维空间数据分别为基站用户的轨迹点位置的经度、纬度和基站用户到达该轨迹点位置的时间信息；卷积层将高维的空间向量输入到一维卷积神经网络进行特征的提取；长短时记忆神经网络层计算从一维卷积神经网络层传递的基站用户的轨迹特征；长短时记忆神经网络具有遗忘门、输入门和输出门；第二全连接层压缩长短时记忆神经网络的记忆单元的输出获得预测的轨迹；D：训练步骤C中得到的基站老用户轨迹预测模型，将所得到的概率最大的预测值作为预测模型的输出值，采用均方误差作为损失函数，并利用等间隔策略调整模型的学习率；最终得到训练后的基站老用户轨迹预测模型；E：首先对设定区域进行网格化处理，然后按照时间顺序获取基站用户进入设定区域后所依次进入的关键网格的信息，然后利用得到的基站用户在网格化下关键移动模式分别计算基站老用户和基站新用户的网格化下关键移动模式，最后寻找到与待预测移动轨迹的基站新用户最相似的基站老用户的移动轨迹，作为基站新用户的预测移动轨迹；F：当基站用户满足A2事件触发切换时，首先由该基站用户当前所连接的服务基站，根据该基站用户进入选定区域的次数判断该基站用户类型为基站新用户或是基站老用户，并利用步骤D中的基站老用户轨迹预测模型或步骤E中基站新用户的预测移动轨迹方法得到该基站用户的预测移动轨迹；然后，服务基站利用预测得到的该基站用户的预测移动轨迹，从可切换基站列表中选取能够覆盖当前轨迹点之前所有预测移动轨迹中的轨迹点、自身未超载且距离当前轨迹点位置最近的可切换基站作为目标基站；将找到的目标基站作为最终的切换基站并进行切换；其中，A2事件即切换触发条件：Ms+Hys＜THre；Ms为服务基站的服务质量，Hys为避免乒乓切换的迟滞参数，THre是触发切换的阈值；可切换基站指基站用户在该位置可接收到基2CN113993172A权利要求书2/6页站信号的基站。2.根据权利要求1所述的基于用户移动行为预测的超密集网络切换方法，其特征在于，所述的步骤A中，预处理