本发明涉及通信，尤其涉及一种无线网络的资源分配处理方法、装置和设备。
背景技术：
1、随着全社会数字化转型的不断深入、信息技术的持续发展，以“5g、算力网络、智慧中台、大数据、人工智能”等为重点的新型信息基础设施不断涌现，在无线网规划层面，根据市场驱动、业务发展、客户感知以及效率提升等驱动因素，对网络规模进行测算，是比较成熟的无线网络规划技术。对资源规模进行科学合理的分配、优化与调整，属于资源分配问题，是无线网络规划的核心问题之一，需求比较迫切。
2、然而，在资源总规模一定的条件下，当前相关技术中对资源规模的分配处理技术还比较缺乏。对于无线网络领域的资源分配，实际资源数据和上报资源数据的执行差异往往对无线网络资源分配存在非常重要的影响，现有方法中未能有效考虑历史数据中这两种数据的执行差异带来的影响，并且，现有技术采用为每个网络指标分配一定程度的资源比例的处理方式，比较粗放，采用相关性分析来表征网络指标与资源之间的重要程度、影响程度，若直接用于无线网络规划的资源分配处理，误差会比较大。
技术实现思路
1、本发明实施例的目的是提供一种无线网络的资源分配处理方法、装置和设备，其能够根据每一待分配单位的历史数据来衡量每一待分配单位的综合得分，以计算每一待分配单位的资源分配结果，有效提高了对无线网络的资源分配处理精准性。
2、为实现上述目的，本发明实施例提供了一种无线网络的资源分配处理方法，包括：
3、获取待分配区域中每一待分配单位的历史资源数据；其中，所述历史资源数据包括预设的若干个网络指标的上报值和实际值；
4、根据所述历史资源数据，分别计算每一待分配单位的数据信度系数和综合贴近度；
5、根据每一所述待分配单位的数据信度系数和综合贴近度，分别计算每一所述待分配单位的资源分配比例；
6、根据所述资源分配比例和当期的可分配资源总量，计算每一所述待分配单位的资源分配结果。
7、作为上述方案的改进，所述根据所述历史资源数据，分别计算每一待分配单位的数据信度系数，包括：
8、根据每一所述待分配单位的所述历史资源数据，采用预设的信度系数算法，计算每一所述待分配单位的每一所述网络指标的数据信度系数；
9、根据每一所述待分配单位的每一所述网络指标的数据信度系数，以及预设的每一所述网络指标的指标权重，计算每一所述待分配单位的数据信度系数；其中，采用所述预设的信度系数算法计算的数据信度系数满足正态分布。
10、作为上述方案的改进，所述预设的信度系数算法为abc参数信度系数算法；
11、所述根据每一所述待分配单位的所述历史资源数据，采用预设的信度系数算法，计算每一所述待分配单位的每一所述网络指标的数据信度系数，具体为：
12、根据每一所述待分配单位的所述历史资源数据中每一所述网络指标的上报值和实际值，计算数据偏差：
13、
14、其中，dij为第i个待分配单位的第j个网络指标的数据偏差；xij为第i个待分配单位的第j个网络指标的上报值，为第i个待分配单位的第j个网络指标的实际值；
15、根据所述数据偏差，采用以下abc参数信度系数算法，计算每一所述待分配单位的每一所述网络指标的数据信度系数：
16、
17、其中，αij为第i个待分配单位的第j个网络指标的数据信度系数；a、b和c分别为预设的信度参数，0≤a≤b，b≥0，c为常数。
18、作为上述方案的改进，采用以下方式确定信度参数a和信度参数b的值：
19、获取所述信度参数a和所述信度参数b的预设值；
20、根据所述信度参数a和所述信度参数b的预设值，采用所述abc参数信度系数算法，计算每一所述待分配单位的每一所述网络指标的数据信度系数；
21、判断所述数据信度系数是否满足正态分布，获取满足正态分布对应的信度参数a和信度参数b的预设值，得到所述信度参数a和所述信度参数b的值。
22、作为上述方案的改进，所述根据所述历史资源数据，分别计算每一待分配单位的综合贴近度，包括：
23、根据所述历史资源数据，将所有所述待分配单位的同一网络指标的实际值进行比较；
24、获取最大值作为所述同一网络指标的虚拟最优值，以构建包含所有所述网络指标的虚拟最优值的虚拟最优方案；
25、获取最小值作为所述同一网络指标的虚拟最差值，以构建包含所有所述网络指标的虚拟最优值的虚拟最差方案；
26、根据所述虚拟最优方案和所述虚拟最差方案，以及每一所述待分配单位的每一所述网络指标的实际值，计算每一所述待分配单位的综合贴近度。
27、作为上述方案的改进，所述根据所述虚拟最优方案和所述虚拟最差方案，以及每一所述待分配单位的每一所述网络指标的实际值，计算每一所述待分配单位的综合贴近度，包括：
28、根据每一所述待分配单位下的每一所述网络指标的实际值与所述虚拟最优方案，计算每一所述待分配单位的分配方案与虚拟最优方案的距离，作为第一距离：
29、
30、根据每一所述待分配单位下的每一所述网络指标的实际值与所述虚拟最差方案，计算每一所述待分配单位的分配方案与虚拟最差方案的距离，作为第二距离；
31、
32、根据所述第一距离和所述第二距离，计算每一所述待分配单位的综合贴近度：
33、
34、其中，si为第i个待分配单位的综合贴近度，gapi+为第i个待分配单位的第一距离；gapi-为第i个待分配单位的第二距离，zij为第i个待分配单位的第j个网络指标的实际值，为虚拟最优方案，为虚拟最差方案，zj+为虚拟最优方案中第j个网络指标的虚拟最优值，zj-为虚拟最差方案第j个网络指标的虚拟最差值，n为网络指标的总个数，wj为第j个网络指标的指标权重。
35、作为上述方案的改进，在所述将所有所述待分配单位的同一网络指标的实际值进行比较之前，还包括：
36、对所述历史资源数据中预设的若干个网络指标进行预处理；
37、其中，所述预处理操作为：
38、根据所述历史资源数据，构建网络指标特征提取模型，以在所述若干个网络指标中筛选出预设数量的特征重要性系数最高的网络指标；
39、对筛选后的所述网络指标进行正向化处理和标准化处理；其中，所述正向化处理用于将所有所述网络指标转换为同一种指标类型。
40、作为上述方案的改进，所述历史资源数据还包括网络资源目标函数；则所述根据所述历史资源数据，构建网络指标特征提取模型，以在所述网络指标中筛选出预设数量的特征重要性系数最高的网络指标，包括：
41、根据所述历史资源数据中的每一所述网络指标的实际值和所述网络资源目标函数，构建网络指标特征提取模型；其中，所述分配特征提取模型能够拟合每一所述网络指标与所述网络资源目标函数的特征关联；
42、根据所述网络指标特征提取模型，计算每一所述网络指标中每一个特征对所述网络资源目标函数的特征重要性系数；
43、根据每一所述网络指标的特征重要性系数进行排序，筛选出特征重要性系数最高的预设数量的网络指标。
44、作为上述方案的改进，所述根据每一所述待分配单位的数据信度系数和综合贴近度，分别计算每一所述待分配单位的资源分配比例，包括：
45、根据每一所述待分配单位的数据信度系数，分别计算每一所述待分配单位的第一资源分配比例；
46、根据每一所述待分配单位的综合贴近度，分别计算每一所述待分配单位的第二资源分配比例；
47、根据所述第一资源分配比例和所述第二资源分配比例，通过加权算法计算得到每一所述待分配单位的资源分配比例。
48、本发明实施例还提供了另一种无线网络的资源分配处理方法，包括：
49、获取待分配区域中每一待分配单位的历史资源数据；其中，所述历史资源数据包括预设的若干个网络指标的上报值和实际值；
50、根据所述历史资源数据，分别计算每一待分配单位的数据信度系数；
51、根据每一所述待分配单位的数据信度系数，分别计算每一所述待分配单位的资源分配比例；
52、根据所述资源分配比例和当期的可分配资源总量，计算每一所述待分配单位的资源分配结果。
53、本发明实施例还提供了另一种无线网络的资源分配处理方法，包括：
54、获取待分配区域中每一待分配单位的历史资源数据；其中，所述历史资源数据包括预设的若干个网络指标的上报值和实际值；
55、根据所述历史资源数据，分别计算每一待分配单位的综合贴近度；
56、根据每一所述待分配单位的综合贴近度，分别计算每一所述待分配单位的资源分配比例；
57、根据所述资源分配比例和当期的可分配资源总量，计算每一所述待分配单位的资源分配结果。
58、本发明实施例还提供了另一种无线网络的资源分配处理装置，包括：
59、历史数据获取模块，用于获取待分配区域中每一待分配单位的历史资源数据；其中，所述历史资源数据包括预设的若干个网络指标的上报值和实际值；
60、综合得分计算模块，用于根据所述历史资源数据，分别计算每一待分配单位的数据信度系数和综合贴近度；
61、资源分配比例计算模块，用于根据每一所述待分配单位的数据信度系数和综合贴近度，分别计算每一所述待分配单位的资源分配比例；
62、资源分配结果计算模块，用于根据所述资源分配比例和当期的可分配资源总量，计算每一所述待分配单位的资源分配结果。
63、本发明实施例还提供了另一种无线网络的资源分配处理设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的无线网络的资源分配处理方法。
64、本发明实施例还提供了一种无线网络的资源分配处理设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的无线网络的资源分配处理方法。
65、与现有技术相比，本发明公开的无线网络的资源分配处理方法、装置和设备，根据待分配单位的历史资源数据中每一网络指标的上报值和实际值进行分析，计算每一待分配单位的数据信度系数和综合贴近度，来计算每一待分配单位在数据信度系数分配法下的第一资源分配比例和在综合贴近度分配法下的第二资源分配比例，结合两种分配方法的权重设置，得到每一待分配单位的最终资源分配比例，实现对每一待分配单位的资源分配。采用网络指标的数据信度系数的分配法，通过预设的信度系数算法计算待分配单位的数据信度系数，计算的数据信度系数满足正态分布，使得该信度系数的可用性大大提高，能够较好的解决数据准确性与资源分配精度的关联。采用综合贴近度的分配法，从历史资源数据中挖掘网络指标与网络资源目标函数之间的特征关联，比现有技术普遍采用的相关性分析方法，在表征网络指标与目标函数资源之间的重要程度、影响程度方面的技术效果、准确性以及处理灵活性方面均有显著提升。
1.一种无线网络的资源分配处理方法，其特征在于，包括：
2.如权利要求1所述的无线网络的资源分配处理方法，其特征在于，所述根据所述历史资源数据，分别计算每一待分配单位的数据信度系数，包括：
3.如权利要求2所述的无线网络的资源分配处理方法，其特征在于，所述预设的信度系数算法为abc参数信度系数算法；
4.如权利要求3所述的无线网络的资源分配处理方法，其特征在于，采用以下方式确定信度参数a和信度参数b的值：
5.如权利要求1所述的无线网络的资源分配处理方法，其特征在于，所述根据所述历史资源数据，分别计算每一待分配单位的综合贴近度，包括：
6.如权利要求5所述的无线网络的资源分配处理方法，其特征在于，所述根据所述虚拟最优方案和所述虚拟最差方案，以及每一所述待分配单位的每一所述网络指标的实际值，计算每一所述待分配单位的综合贴近度，包括：
7.如权利要求5所述的无线网络的资源分配处理方法，其特征在于，在所述将所有所述待分配单位的同一网络指标的实际值进行比较之前，还包括：
8.如权利要求7所述的无线网络的资源分配处理方法，其特征在于，所述历史资源数据还包括网络资源目标函数；则所述根据所述历史资源数据，构建网络指标特征提取模型，以在所述网络指标中筛选出预设数量的特征重要性系数最高的网络指标，包括：
9.如权利要求1所述的无线网络的资源分配处理方法，其特征在于，所述根据每一所述待分配单位的数据信度系数和综合贴近度，分别计算每一所述待分配单位的资源分配比例，包括：
10.一种无线网络的资源分配处理方法，其特征在于，包括：
11.一种无线网络的资源分配处理方法，其特征在于，包括：
12.一种无线网络的资源分配处理装置，其特征在于，包括：
13.一种无线网络的资源分配处理设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至11中任意一项所述的无线网络的资源分配处理方法。
