本技术属于通信，特别是人工智能在移动网络应用的，具体涉及一种适应于基站的移动网络使用数据预测方法及装置。
背景技术：
1、移动网络预测(mobile network prediction)是指对基站在未来一段时间内(通常以x min为单位)的累积流量值以及接入用户数进行估计，典型的应用场景是城市基站网络中，通信运营商基于对网络中的每个基站的流量以及接入用户数预测结果，以更好地设置合理的资源分配，在流量低，接入用户少的地方把基站关闭或进入休眠，将流量过高的地方将移动流量需求合理分配到其周围基站。
2、在现有的实际生产应用场景下，预测结果只能基于每个基站历史的流量值进行初步预估，再结合人工经验进行调整，面对庞大的基站数量，需要耗费大量人力的同时预测准确度也无法得到保证，并带来高昂的成本。
技术实现思路
1、本发明的一个目的在于如何提供一种综合考虑影响基站流量的多种时间与空间特征的基站的移动网络使用数据预测方法，使得通过该方法提升移动网络的基站流量预测的准确度，以及合理设计网络结构并实现端到端的训练。
2、本发明的另一个目的在于提供一种适应于基站的移动网络使用数据预测装置。本发明的另一个目的在于提供一种电子设备，该电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述适应于基站的移动网络使用数据预测方法的步骤。本发明的还一个目的在于提供一种可读介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述适应于基站的移动网络使用数据预测方法的步骤。
3、为解决本技术背景技术中的技术问题，本发明提供以下技术方案：
4、第一方面，本发明提供一种适应于基站的移动网络使用数据预测方法包括：
5、获取多个基站的历史的使用数据；
6、根据所述历史的使用数据以及预生成的使用数据预测模型预测所述多个基站的移动网络的使用数据；其中，所述使用数据预测模型由基于神经网络所生成的时间编码器、空间编码器以及解码器组成，所述时间编码器用于表征所述历史的使用数据的时间特征，所述空间编码器用于表征所述历史的使用数据的空间特征。
7、在本发明的一些实施例中，所述使用数据包括使用流量序列以及接入用户数序列；
8、根据所述历史的使用数据以及预生成的使用数据预测模型预测所述多个基站的移动网络的使用数据，包括：
9、将历史的流量序列以及历史的接入用户数序列输入至所述时间编码器中，以获取所述多个基站的流量的时间特征以及接入用户数的时间特征；
10、将所述流量的时间特征以及所述接入用户数的时间特征输入至所述空间编码器中，以获取所述多个基站的流量的空间特征以及接入用户数的空间特征；
11、拼接所述流量的空间特征以及所述接入用户数的空间特征，以生成拼接结果；
12、将所述拼接结果输入至所述解码器中，以预测所述多个基站的移动网络的使用数据。
13、在本发明的一些实施例中，所述时间编码器为交叉注意力时间编码器；在所述将历史的流量序列以及历史的接入用户数序列输入至所述时间编码器中之前，还包括：
14、将所述历史的流量序列以及历史的接入用户数序列进行时间分段；其中，分段结果中的时间段不重复。
15、在本发明的一些实施例中，生成所述交叉注意力时间编码器的步骤包括：
16、根据所述流量序列的流量特征以及所述接入用户数序列的接入用户数特征构建所述交叉注意力时间编码器中k矩阵、q矩阵、v矩阵、残差连接层以及归一化层；
17、根据所述k矩阵、q矩阵、v矩阵、残差连接层以及归一化层生成所述交叉注意力时间编码器。
18、在本发明的一些实施例中，在将所述流量的时间特征以及所述接入用户数的时间特征输入至所述空间编码器中之前，还包括：
19、对所述流量的时间特征以及所述接入用户数的时间特征进行子图采集。
20、在本发明的一些实施例中，所述空间编码器为多层空间编码器；将所述流量的时间特征以及所述接入用户数的时间特征输入至所述空间编码器中，以获取所述多个基站的流量的空间特征以及接入用户数的空间特征，包括：
21、将所述流量的时间特征以及所述接入用户数的时间特征输入至所述多层空间编码器中的第一层编码器中，以提取每个语义关系下的中心基站的空间特征；
22、将所述中心基站的空间特征输入至第二层编码器中，以聚合多种基站间关系；
23、在聚合后的多种基站间关系中，获取所述多个基站的流量的空间特征以及接入用户数的空间特征。
24、在本发明的一些实施例中，所述多种基站间关系包括：基站间的距离关系、基站间的相似流量趋势关系、基站间的相似流量序列关系、以及基站间的相似poi分布关系。
25、第二方面，本发明提供一种适应于基站的移动网络使用数据预测装置，该装置包括：
26、历史使用数据获取模块，用于获取多个基站的历史的使用数据；
27、使用数据预测模块，用于根据所述历史的使用数据以及预生成的使用数据预测模型预测所述多个基站的移动网络的使用数据；其中，所述使用数据预测模型由基于神经网络所生成的时间编码器、空间编码器以及解码器组成，所述时间编码器用于表征所述历史的使用数据的时间特征，所述空间编码器用于表征所述历史的使用数据的空间特征。
28、在本发明的一些实施例中，所述使用数据包括使用流量序列以及接入用户数序列；
29、所述使用数据预测模块包括：
30、时间特征获取单元，用于将历史的流量序列以及历史的接入用户数序列输入至所述时间编码器中，以获取所述多个基站的流量的时间特征以及接入用户数的时间特征；
31、空间特征获取单元，用于将所述流量的时间特征以及所述接入用户数的时间特征输入至所述空间编码器中，以获取所述多个基站的流量的空间特征以及接入用户数的空间特征；
32、拼接结果生成单元，用于拼接所述流量的空间特征以及所述接入用户数的空间特征，以生成拼接结果；
33、使用数据预测单元，用于将所述拼接结果输入至所述解码器中，以预测所述多个基站的移动网络的使用数据。
34、在本发明的一些实施例中，所述时间编码器为交叉注意力时间编码器；所述使用数据预测模块还包括：
35、序列分段单元，用于将所述历史的流量序列以及历史的接入用户数序列进行时间分段；其中，分段结果中的时间段不重复。
36、在本发明的一些实施例中，一种适应于基站的移动网络使用数据预测装置，还包括：
37、编码器生成模块，用于生成所述交叉注意力时间编码器，所述编码器生成模块包括：
38、kqv矩阵构建单元，用于根据所述流量序列的流量特征以及所述接入用户数序列的接入用户数特征构建所述交叉注意力时间编码器中k矩阵、q矩阵、v矩阵、残差连接层以及归一化层；
39、编码器生成单元，用于根据所述k矩阵、q矩阵、v矩阵、残差连接层以及归一化层生成所述交叉注意力时间编码器。
40、在本发明的一些实施例中，所述使用数据预测模块还包括：
41、子图采集单元，用于对所述流量的时间特征以及所述接入用户数的时间特征进行子图采集。
42、在本发明的一些实施例中，所述空间编码器为多层空间编码器；所述空间特征获取单元包括：
43、中心空间特征提取单元，用于将所述流量的时间特征以及所述接入用户数的时间特征输入至所述多层空间编码器中的第一层编码器中，以提取每个语义关系下的中心基站的空间特征；
44、多基站关系聚合单元，用于将所述中心基站的空间特征输入至第二层编码器中，以聚合多种基站间关系；
45、空间特征获取子单元，用于在聚合后的多种基站间关系中，获取所述多个基站的流量的空间特征以及接入用户数的空间特征。
46、在本发明的一些实施例中，所述多种基站间关系包括：基站间的距离关系、基站间的相似流量趋势关系、基站间的相似流量序列关系、以及基站间的相似poi分布关系。
47、第三方面，本发明提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现一种适应于基站的移动网络使用数据预测方法的步骤。
48、第四方面，本发明提供一种电子设备，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，处理器执行程序时实现适应于基站的移动网络使用数据预测方法的步骤。
49、第五方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现适应于基站的移动网络使用数据预测方法的步骤。
50、从上述描述可知，本发明实施例提供一种适应于基站的移动网络使用数据预测方法及装置，对应的方法包括：首先获取多个基站的历史的使用数据；接着，根据历史的使用数据以及预生成的使用数据预测模型预测多个基站的移动网络的使用数据；其中，使用数据预测模型由基于神经网络所生成的时间编码器、空间编码器以及解码器组成，时间编码器用于表征历史的使用数据的时间特征，空间编码器用于表征历史的使用数据的空间特征。
51、对应的装置包括：历史使用数据获取模块，用于获取多个基站的历史的使用数据；使用数据预测模块，用于根据历史的使用数据以及预生成的使用数据预测模型预测多个基站的移动网络的使用数据；其中，使用数据预测模型由基于神经网络所生成的时间编码器、空间编码器以及解码器组成，时间编码器用于表征历史的使用数据的时间特征，空间编码器用于表征历史的使用数据的空间特征。
52、本发明综合考虑影响基站流量的多种时间与空间特征，并提升移动网络的基站流量预测的准确度。
1.一种适应于基站的移动网络使用数据预测方法，其特征在于，包括：
2.根据权利要求1所述的移动网络使用数据预测方法，其特征在于，所述使用数据包括使用流量序列以及接入用户数序列；
3.根据权利要求2所述的移动网络使用数据预测方法，其特征在于，所述时间编码器为交叉注意力时间编码器；在所述将历史的流量序列以及历史的接入用户数序列输入至所述时间编码器中之前，还包括：
4.根据权利要求3所述的移动网络使用数据预测方法，其特征在于，生成所述交叉注意力时间编码器的步骤包括：
5.根据权利要求2所述的移动网络使用数据预测方法，其特征在于，在将所述流量的时间特征以及所述接入用户数的时间特征输入至所述空间编码器中之前，还包括：
6.根据权利要求2至5任一项所述的移动网络使用数据预测方法，其特征在于，所述空间编码器为多层空间编码器；将所述流量的时间特征以及所述接入用户数的时间特征输入至所述空间编码器中，以获取所述多个基站的流量的空间特征以及接入用户数的空间特征，包括：
7.根据权利要求6所述的移动网络使用数据预测方法，其特征在于，所述多种基站间关系包括：基站间的距离关系、基站间的相似流量趋势关系、基站间的相似流量序列关系、以及基站间的相似poi分布关系。
8.一种适应于基站的移动网络使用数据预测装置，其特征在于，包括：
9.根据权利要求8所述的移动网络使用数据预测装置，其特征在于，所述使用数据包括使用流量序列以及接入用户数序列；
10.根据权利要求9所述的移动网络使用数据预测装置，其特征在于，所述使用数据预测模块还包括：所述时间编码器为交叉注意力时间编码器；
11.根据权利要求10所述的移动网络使用数据预测装置，其特征在于，还包括：
12.根据权利要求9所述的移动网络使用数据预测装置，其特征在于，所述使用数据预测模块还包括：
13.根据权利要求9至12任一项所述的移动网络使用数据预测装置，其特征在于，所述空间编码器为多层空间编码器；所述空间特征获取单元包括：
14.根据权利要求13所述的移动网络使用数据预测装置，其特征在于，所述多种基站间关系包括：基站间的距离关系、基站间的相似流量趋势关系、基站间的相似流量序列关系、以及基站间的相似poi分布关系。
15.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至7任一项所述的适应于基站的移动网络使用数据预测方法的步骤。
16.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述的适应于基站的移动网络使用数据预测方法的步骤。
17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述的适应于基站的移动网络使用数据预测方法的步骤。
