2020年MathorCup大数据竞赛赛道A优秀论文5.pdfVIP

队伍编号1771

赛道（A）

大规模移动通信基站时序多特征分类和休眠方法研究

摘要

近年来，随着移动通信技术的发展，4G、5G给人们带来了极大便利。移动互联网

的飞速发展，使得移动流量呈现爆炸式增长，基站建设的规模越来越庞大，同时基站的

流量负荷问题变得越来越重要。因此，我们该如何准确对大规模基站进行分类是下一步

针对性和分批性进行管理的重要步骤之一，以及给每个基站设置根据时段自动开关载频

的程序以及相应的休眠策略是有效优化基站运行的重要手段之一。本研究中总共给了13

万+基站的数据，问题1主要针对这些基站进行分类并阐述相应类别的特点，问题2针

对优化基站的运行设置合适的阈值和制定优越的策略。

针对问题一，主要实现基站的分类和相应类别特点的阐述。首先在数据层最需要进

行的是数据得预处理和特征数据处理，前者主要包括基站提取、时间戳处理、数据排序

及清洗和时间段划分及统计，最终筛选出118756条可用数据；后者提取上下行流量高

峰时段（Top3）、日均流量（GB）、日标准差、日峰值（GB）、连续变化绝对值之和以

及上下行流量均值比作为小区基站历史流量数据的时序特征，共计30维特征。归一化

后，输入到模型层，利用改进后的模糊C均值（FCM）非监督分类方法进行分类，其

改进点在于首先利用类间距离和类内距离确定最佳分类数目为12。而后，通过分类结果，

计算各类别基站下数据的众数或者中位数用以12类基站特点的分析。

针对问题二，主要针对优化基站的运行设置合适的阈值和制定优越的策略。本文以

“基站休眠阈值的设置—基于长短期记忆网络（LSTM）的短期预测模型—基站休眠策

略的制定”为研究主线，构建了基于流量负载预测的大规模移动通信基站休眠方法框架。

其中，通过归一化负载限制值，将网络负载水平划分为四个等级，即超低负载水平、低

负载水平、中负载水平和高负载水平。提前设置相应的休眠比例参数，根据短期预测结

果，确定基站在未来各小时段内应采取休眠或者唤醒的状态，达到优化基站运行能耗和

效率的目的。

本研究提出的方法可有效用以大规模基站非监督分类及优化基站运行的阈值设置

和策略制定，为超大规模移动通信基站的布设和后续优化管理提供了有效的基础保障。

关键词：基站分类；时序多特征；模糊C均值（FCM）；类内及类间距离；LSTM预测

模型；基站休眠策略

目录

一、引言1

1.1问题背景及相关工作1

1.2问题重述2

二、问题分析与思路2

三、大规模移动通信基站时序多特征非监督分类和基于流量负载预测的基站休眠方法3

3.1大规模移动通信基站时序多特征非监督分类4

3.1.1数据预处理4

3.1.2特征数据提取方法5

3.1.3基于改进FCM的自动非监督分类方法与类别特点分析方法5

3.2基于流量负载预测的大规模移动通信基站休眠方法7

3.2.1基站休眠阈值的设置8

3.2.2基于长短期记忆网络（LSTM）的短期预测模型8

3.2.3基站休眠策略的制定10

四、结果与分析10

4.1大规模移动通信基站多特征分类结果与特点分析10

4.1.1数据预处理和特征数据提取结果和分析10

4.1.2基站非监督分类结果分析14

4.1.3基站分类类别特点分析18

4.2大规模移动通信基站休眠策略结果与分析22

4.2.1相关阈值参数设置22

4.2.2短期预测下的基站休眠策略结果与分析22

五、总结与讨论23

六、参考文献24

一、引言

1.1问题背景及相关工作

随着城市化现象越来越明显，手机电脑等智能设备的普及，用户对于通讯网络业务

的需求逐渐增大。基站作为移动通讯、网络服务的载体，为上述设备提供有效的通信支

撑。然而，频繁的数据