CN103379169A - 用于根据密度估计配置无线网络云系统的方法和装置 - Google Patents

Abstract

本发明涉及一种用于根据密度估计配置无线网络云系统的方法和装置。用于配置无线网络云系统的技术包括以下步骤。估计与无线网络云系统的至少一个给定覆盖区域对应的密度度量。响应于所估计的密度度量，确定所述无线网络云系统的所述给定覆盖区域中的一个或多个网络接入组件的配置。然后可以将所确定的配置应用于所述一个或多个网络接入组件。所述密度度量可以对应于所述给定覆盖区域中的用户密度和/或业务密度。

Description

用于根据密度估计配置无线网络云系统的方法和装置

技术领域

本发明的领域涉及通信系统，更具体地说，涉及用于配置无线网络云系统的技术。

背景技术

无线网络云（WNC）是一种新范式，用于通过在具有软件定义的无线电的云架构中使用经济高效的处理，构建下一代移动/蜂窝通信网络。

传统蜂窝网络包括采用定制硬件和软件处理无线信号的固定基站，这些固定基站然后连接回因特网/PSTN（公共交换电话网络）。随着无线服务需求的指数式增长，传统设计的主要缺点是当无线标准随时间而发展时，扩展网络以及安装、维护和升级基站和其它定制无线设备的资本投入巨大。

备选地，在无线网络云架构中，使用便宜得多的远程无线电头端（RRH）取代基站，RRH将无线波形转换为数字信号，这些数字信号然后在后端云基础架构中处理。通过在云中利用非常经济高效的处理（例如，动态资源供应、虚拟化、统计多路复用、商用硬件和协作信号处理），无线网络云架构提供一种经济高效的方式来构建可扩展的下一代蜂窝网络。

发明内容

本发明的实施例提供了用于配置无线网络云系统的技术。

例如，在一个实施例中，一种方法包括以下步骤。估计与无线网络云系统的至少一个给定覆盖区域对应的密度度量。响应于所估计的密度度量，确定所述无线网络云系统的所述给定覆盖区域中的一个或多个网络接入组件的配置。然后可以将所确定的配置应用于所述一个或多个网络接入组件。

本发明的进一步实施例包括以下一个或多个特性。

针对其估计所述密度度量的所述无线网络云系统的所述给定覆盖区域可以包括与所述无线网络云系统关联的至少一个地理区域。

密度度量估计步骤可以进一步包括估计给定时间段上的密度度量。响应于与所述给定覆盖区域对应的用户密度和业务密度中的至少一个的给定变化率，可以调整所述给定时间段。

密度度量估计步骤可以进一步包括根据实时地理用户位置数据来估计用户密度。可以从移动设备与对应网络接入点的关联获得所述实时地理用户位置数据，或通过全球定位系统数据获得所述实时地理用户位置数据。

密度度量估计步骤可以进一步包括使用预测方法估计所述密度度量。

所述一个或多个网络接入组件可以包括一个或多个远程无线电头端（RRH）组件和/或与虚拟基站池关联的组件。

配置确定步骤可以进一步包括通过反复执行无线规划工具来确定一个或多个网络接入组件的配置。

所述密度度量可以对应于与所述无线网络云系统的给定覆盖区域对应的用户密度、业务密度和/或活动设备密度。

有利地，本发明的一个或多个实施例允许在无线网络云系统中动态控制网络接入组件（例如RRH），以便维持与网络数据速率、网络连接性和网络覆盖区域（仅举例来说）关联的最佳服务水平。

从以下将结合附图阅读的对本发明的示例性实施例的详细描述，本发明的这些和其它实施例将变得显而易见。

附图说明

图1示出了根据本发明的一个实施例的无线网络云系统；

图2示出了图1中的无线网络云系统的无线电前端与虚拟基站池之间的链路的链路层结构；

图3示出了根据本发明的一个实施例的在无线网络云系统中实现的远程无线电头端控制模块；

图4示出了根据本发明的一个实施例的用于基于用户/业务密度配置无线网络云系统的方法；

图5A和5B示出了根据本发明的各实施例的用户密度场景；

图6示出了根据本发明的一个实施例的可以用于实现本发明的技术的一个或多个组件/步骤的计算设备。

具体实施方式

在此，可以在无线网络云系统的示例性架构的上下文中描述本发明的示例性实施例。但是将理解，本发明的实施例并不限于示出的示例性架构，而是更广泛地适用于其它适合的无线通信系统。

如在此所使用的，词组“无线网络云系统”指包括采用云处理技术的无线网络的系统。

如在此所使用的，术语“云”指实现云计算（处理）范式的集体式计算基础架构。例如，根据国家标准与技术研究所（第800-145号NIST专题刊物），云计算是一种用于使能对能够以最小管理成本或服务提供者交互被快速供应和释放的可配置计算资源（例如，网络、服务器、存储、应用和服务）的共享池进行无处不在、方便、按需的网络访问的模型。

已认识到，无线网络云架构中的主要问题之一是对远程无线电头端（RRH）的控制。RRH控制对于维持诸如高数据速率、连接性和大覆盖范围之类的高服务水平而言至关重要。本发明的各实施例提供了用于根据密度度量的动态估计和预测来控制RRH（例如，为RRH通电/断电、控制发射功率、带宽/频率等）的技术。

如在此所使用的，词组“密度度量”指给定空间单位和/或给定时间单位上的给定属性的测量。仅举例来说，所述属性可以是用户数量、数据业务量，或活动通信设备数量。给定空间单位例如可以是平方英里，而给定时间单位例如可以是小时。因此，在该实例中，并且对于无线网络云系统的特定地理覆盖区域，密度度量可以测量每平方英里的用户数量。这还可以通过时间约束限定，即，一小时时间段内每平方英里的用户数量。其它空间单位的实例包括但不限于平方英尺、平方米、平方公里等。其它时间单位的实例包括但不限于秒、分钟、天、周、月、年等。进一步举例来说，当密度度量对应于给定区域中的业务量时，所述度量可涉及特定类型的业务，例如视频业务密度、Web数据业务密度等。

在一个或多个示例性实施例中，可以按照无线网络协议收集密度度量，这些协议例如包括但不限于GSM（全球移动通信系统）、GPRS（通用分组无线业务）、CDMA（码分多址）、LTE（长期演进）、WiMAX（全球微波接入互操作性）等。

因此，在一个示例性实施例中，用户密度度量例如基于使用位置数据（例如但不限于当前小区关联、全球定位系统（GPS）数据等）实时确定地理用户密度。

例如，已认识到，在城市中，用户密度随着时间发生显著的变化，因为人们一天内在居住区、商业区和娱乐区之间移动。本发明的各实施例根据对这些密度的实时计算和预测来修改网络拓扑，以便使网络最佳地适应用户模式。

在传统蜂窝网络中，基站控制问题的现有解决方案包括固定拓扑解决方案（其中根据先前历史预先固定参数），或者在较长时间标度内（大约数周或数月的量级）根据目标（例如定期业务分配、能耗等）动态控制参数。用于传统网络的现有解决方案无法应用于无线网络云系统，因为这些解决方案并未考虑到高度动态的用户密度以及根据密度度量估计实时控制网络拓扑。

相应地，在此示例性实施例中，提供了一种方法，用于通过测量和预测地理区域中的密度度量（例如，通过蜂窝电话关联、GPS数据、用户轨迹挖掘等），控制RRH拓扑（例如，区域中的活动RRH的密度、其发射功率水平等）并控制云中的虚拟基站池的计算资源分配（例如，为地理区域的虚拟基站池分配虚拟机、根据活动RRH密度的变化迁移计算资源）。在一个实例中，所述方法估计区域（和/或相邻区域）中的当前密度度量，预测时间窗口上的密度度量，并根据所估计的密度和时间预测控制网络拓/RRH和计算资源分配。

因此，整体无线网络拓扑可以实时适应不断变化的用户模式并提供更好的服务水平，同时有效地利用系统资源。通过根据密度度量控制RRH，随着时间平衡每个RRH的负载，优化网络覆盖范围和数据速率，优化到虚拟基站池的计算资源分配，并最小化整体网络成本。例如，在具有高密度度量的区域中，可以在每个RRH具有较小覆盖区域的情况下激活更多的RRH以平衡用户负载、干扰和无线电资源，并且可以为该区域的虚拟基站池分配更多的计算资源，而在低密度区域中，可以减少活动RRH的数量以最小化系统成本。由于在无线网络云架构中，可以从云中心轻松控制RRH和到基站池的计算资源分配，因此可以实时执行上述自适应。

图1示出了无线网络云系统的一个实例。通常，典型的无线网络云架构包括多个远程无线电头端（或无线天线），它们连接到网络云/数据中心以便处理无线信号。由于RRH比传统基站便宜数个量级并且不需要大量维护，因此可以大量部署它们。通常，可以将数十万个RRH连接到单个网络云中心。对无线网络云系统的描述例如可以在Y.Lin等人的“WirelessNetwork Cloud:Architecture and System Requirements”（无线网络云：架构和系统要求，IBM研发杂志，2010年1-2月，第54卷第1期，其公开内容在此全部引入作为参考）中找到。

更具体地说，如图1中所示，无线网络云（WNC）系统100包括多个天线104-1至104-6，每个天线都具有与之关联的远程无线电头端（RRH），编号为104-1至104-6。将理解，出于示例性目的仅示出六个天线和RRH，因此所述系统可以具有更少或更多的每个组件。将指出，无线电前端（RFE）包括天线、RRH和天线塔。还将指出，在该图中，作为一个实例示出了包括具有PHY层能力的虚拟BS的无线网络云系统。本发明的备选实施例可以应用于无线网络云系统（其中在RRH处进行PHY层处理，并且云处理MAC层和MAC层以上的层），或者应用于无线网络云（其中在云的内部进行PHY、MAC、网络层处理的任意组合）。

此外，如图所示，WNC系统100包括无线网络云/数据中心108，其经由交换机110-1、110-2和RFE到基站链路（R-B链路）107与RFE通信。无线网络云/数据中心108包括虚拟基站（BS）池112。虚拟BS池112通过软件无线电技术实现。因此，用作虚拟BS-PHY（基站物理层）组件和虚拟BS-MAC（基站介质访问控制层）组件的软件包形成一个虚拟BS。

如图1中所示，多个虚拟BS-PHY组件114-1至114-8经由PHY-MAC链路116与虚拟BS-MAC组件118-1和/或虚拟BS-MAC组件118-2通信。可以在系统中实现更多或更少的BS-PHY组件和BS-MAC组件。因此，动态分配虚拟BS池组件（例如，一个MAC组件和一个PHY组件）以形成虚拟BS。

因此，借助WNC系统，通过使用RRH将无线电头端的功能从基站（BS）分离。BS系统使用软件无线电技术，因此允许BS设备位于数据中心内，如上面解释的那样。

由主计时服务器120（连同耦合RRH和虚拟BS池组件（BS-PHY和BS-MAC组件）的计时网络一起）来提供WNC网络100的计时和同步。此外，如图1中所示，虚拟BS池112经由虚拟边缘网关122耦合到核心网络124。将指出，本发明的实施例并非旨在限于任何中央计时/同步服务。

图2示出了无线网络云系统100的无线电前端（RFE）102与虚拟基站池112之间的链路的链路层结构。更具体地说，图2中示出的链路层结构200对应于图1中示出的R-B链路107。

RFE210和虚拟BS池230之间的链路220被表示为三层结构，即，CPRI（通用公共无线电接口）层、HSSL（高速串行链路）层和光缆层。RFE和虚拟BS池具有相应的CPRI层组件（RFE中的212和虚拟BS池中的232）。HSSL层包括10千兆以太网或InfiniBand交换组件（RFE中的214/216和虚拟BS池中的234/236）。这些功能在链路220中被示为222/224。此外，RFE和虚拟BS池具有相应的光缆层组件（RFE中的218和虚拟BS池中的238）。这些功能在链路220中被示为226（多模光纤）和228（单模光纤）。

根据本发明的各示例性实施例，已认识到地理区域中的用户和/或业务密度在相对短的时间标度内（例如，数小时）发生明显的波动。这至少部分地是由于人们（及其激活的移动设备）一天内在商业区、娱乐区和居住区之间移动所致。因此，本发明的各示例性实施例提供了技术，用于通过实时测量和预测地理区域中的用户/业务密度，实时控制无线云资源的分配。这种实时控制的实例包括但不限于在用户数量显示增加趋势的区域中开启RRH，为执行信号处理的过程分配更多的计算资源等。这种实时测量和预测的实例包括但不限于使用诸如蜂窝电话关联、GPS数据、时空用户轨迹挖掘、密度预测之类的源。可以采用其它公知的预测方法。

一个或多个实施例实现的优势包括但不限于：（i）快速适应不断变化的用户模式的更具响应性和更有效的无线网络云；（ii）对网络接入组件（例如，RRH和虚拟BS池组件）进行主动管理以满足不断变化的地理用户模式；（iii）随着时间主动和动态平衡RRH负载，进行网络覆盖范围优化和网络成本最小化；以及（iv）通过关闭不必要的计算/通信资源节省RRH和数据中心处的能源，同时满足所有的性能和可用性要求。

在一个实施例中，提供了控制模块（称为远程无线电头端控制模块），其位于网络云中（例如，图1中的108）并提供对RRH的控制，如下面更详细解释的那样。将理解，RRH控制模块不一定必须位于无线网络云中，而是可以位于整体通信系统中的其它位置。

图3示出了根据本发明的一个实施例的在无线网络云系统300中实现的远程无线电头端控制模块。更具体地说，图3示出了具有RRH304的天线302（对应于图1中的天线104和RRH106），它们形成RFE（对应于图1中的RFE102）。RFE耦合到无线网络云/数据中心310（对应于图1中的108）。如图所示，无线网络云310中包括RRH控制模块312、云资源管理模块314和虚拟BS池（对应于图1中的112）和其它功能316。将指出，云资源管理模块314可以包括计时控制、交换控制、网关控制和其它功能。

RRH控制模块312有利地经由一个或多个控制参数，提供上述实时网络接入组件控制。具体地说，模块312根据较短时间标度内动态变化的用户密度（和/或业务密度）来控制RRH。在一个实施例中，使用从诸如小区关联或GPS之类的信息获得的实时用户位置数据，以及通过用户轨迹预测来实现这种控制。云资源管理模块314有利地在云中提供对计算资源供应的实时控制，例如，将虚拟机分配给虚拟BS池以及确定要分配给VM和特定协议处理过程的资源量。主要目标是实现快速适应不断变化的地理用户模式的迅速改变的蜂窝网络拓扑。

图4示出了根据本发明的一个实施例的用于基于密度度量配置无线网络云系统的方法400。具体地说，如图所示，以时隙方式实现对RRH和计算资源的控制，其中针对特定时间窗口应用特定控制决策。要指出的是，可以根据在密度度量中观察到的动态，自适应地更改时间窗口的大小。

首先，在步骤402，估计在其间应用控制决策的时间窗口的长度。在此实施例中，根据密度度量的变化率计算时间窗口的估计。即，如果各地理小区中的密度度量迅速变化，则估计较小的时间窗口；而如果密度度量缓慢变化，则估计较大的时间窗口。该步骤采取当前和历史数据（方块405）作为输入，以便估计密度度量的变化率。例如，用户位置数据（例如，从用户的小区关联中获得以及通过GPS值获得）和业务数据。

在步骤404，在时间窗口的持续时间内估计和/或预测密度度量。步骤404使用当前和历史数据（方块405）作为输入。例如，根据用户位置数据，估计当前用户密度，然后在时间窗口的持续时间内预测平均用户密度。可以以各种方式，例如使用有关用户路径轨迹的预测、用户进入和离开小区区域的速率等来进行此类预测。

在步骤406，给出感兴趣的地理区域上的所估计的密度度量，计算云中的最佳RRH配置和最佳计算资源供应。这包括活动RRH的最佳密度、其发射功率水平和其它参数，以及为每个基站池分配的用于PHY/MAC信号处理的计算资源（例如，虚拟机）量。所述优化可以考虑若干目标，包括每个RRH的负载、小区中的平均用户密度、维持活动RRH的网络成本、维护虚拟基站池的计算资源的计算资源成本等。该步骤的结果是活动RRH集合及其配置参数，这些参数确定单独RRH的覆盖区域和底层网络拓扑（包括但不限于虚拟BS池组件）。

在步骤408，将从步骤406获得的最佳配置应用于网络，并在时间窗口的持续时间内采用该配置。在时间窗口结束时，重复上述步骤。

图5A和5B示出了根据本发明的各实施例的用户密度场景。具体地说，图5A示出了场景500，其中用户密度在无线网络云系统的三个小区502、504和506（地理区域或范围）之间平均地分布。在这种场景中，假设RRH控制模块生成控制参数以便在每个小区中实行活动RRH的平均分布。但是，在图5B中的场景520中，带阴影的小区522、524和526比小区528的用户密度大，因此假设RRH控制模块为这些更活跃的小区分配更多的RRH/虚拟BS池组件。

如本领域的技术人员将理解的，本发明的各方面可以体现为系统、装置、方法或计算机程序产品。因此，本发明的各方面可以采取完全硬件实施例、完全软件实施例（包括固件、驻留软件、微代码等）或组合了在此通常可以被称为“电路”、“模块”或“系统”的软件和硬件方面的实施例的形式。此外，本发明的各方面可以采取体现在一个或多个计算机可读介质（在介质中包含计算机可读程序代码）中的计算机程序产品的形式。

可以使用一个或多个计算机可读介质的任意组合。所述计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质例如可以是（但不限于）电、磁、光、电磁、红外线或半导体系统、装置或设备或上述任意适合的组合。所述计算机可读存储介质的更具体的实例（非穷举列表）将包括以下项：具有一条或多条线的电连接、便携式计算机软盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦写可编程只读存储器（EPROM或闪存）、光纤、便携式光盘只读存储器（CD-ROM）、光存储设备、磁存储设备或上述任意适合的组合。在本文档的上下文中，计算机可读存储介质可以是任何能够包含或存储由指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合的程序的有形介质。

计算机可读信号介质可以包括其中包含计算机可读程序代码（例如，在基带中或作为载波的一部分）的传播数据信号。此类传播信号可以采取各种形式中的任一种，包括但不限于电磁、光或其中任意适合的组合。计算机可读信号介质可以是任何不属于计算机可读存储介质并且能够传送、传播或传输由指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合的程序的计算机可读介质。

可以使用任何适当的介质（包括但不限于无线、线缆、光缆、RF等或上述任意适合的组合）来传输包含在计算机可读介质中的程序代码。

用于执行本发明的各方面的操作的计算机程序代码可以使用包含一种或多种编程语言的任意组合来编写，所述编程语言包括诸如Java、Smalltalk、C++之类的面向对象的编程语言以及诸如“C”编程语言或类似的编程语言之类的常规过程编程语言。所述程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为独立的软件包、部分地在用户计算机上并部分地在远程计算机上执行，或者完全地在远程计算机或服务器上执行。在后者的情况中，所述远程计算机可以通过包括局域网（LAN）或广域网（WAN）的任何类型网络与用户的计算机相连，或者可以与外部计算机进行连接（例如，使用因特网服务提供商通过因特网连接）。

在此参考根据本发明的实施例的方法、装置（系统）和计算机程序产品的流程图和/或方块图对本发明的各方面进行描述。将理解，所述流程图和/或方块图的每个方块以及所述流程图和/或方块图中的方块的组合可以由计算机程序指令来实现。这些计算机程序指令可以被提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器以产生机器，以便通过所述计算机或其它可编程数据处理装置的处理器执行的所述指令产生用于实现在一个或多个流程图和/或方块图方块中指定的功能/操作的装置。

这些计算机程序指令也可以被存储在能够引导计算机、其它可编程数据处理装置或其它设备以特定方式执行功能的计算机可读介质中，以便存储在所述计算机可读介质中的所述指令产生一件包括实现在一个或多个流程图和/或方块图方块中指定的功能/操作的指令的制品。

所述计算机程序指令还可被加载到计算机、其它可编程数据处理装置或其它设备，以导致在所述计算机、其它可编程装置或其它设备上执行一系列操作步骤以产生计算机实现的过程，从而在所述计算机或其它可编程装置上执行的所述指令提供用于实现在一个或多个流程图和/或方块图方块中指定的功能/操作的过程。

再次参考图1-5，附图中的各图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实施方式的架构、功能和操作。在此方面，流程图或方块图中的每个方块都可以表示代码的模块、段或部分，所述代码包括用于实现指定的逻辑功能（多个）的一个或多个可执行指令。还应指出，在某些备选实施方式中，在方块中说明的功能可以不按图中说明的顺序发生。例如，示为连续的两个方块可以实际上被基本同时地执行，或者某些时候，取决于所涉及的功能，可以以相反的顺序执行所述方块。还将指出，所述方块图和/或流程图的每个方块以及所述方块图和/或流程图中的方块的组合可以由执行指定功能或操作的基于专用硬件的系统或专用硬件和计算机指令的组合来实现。

因此，本发明的技术（例如，如图1-5中所示）还可以如在此描述的那样包括提供系统，其中所述系统包括不同模块（例如，包括软件、硬件或软件和硬件的模块）。仅举例来说，所述模块可以包括但不限于在图1-3的上下文中示出和描述的各种模块。这些和其它模块例如可以被配置为执行在图4和5的上下文中描述和示出的步骤。

一个或多个实施例可以使用在通用计算机或工作站上运行的软件。参考图6，这种实施方式600例如采用处理器602、存储器604和输入/输出接口（例如，由显示器606和键盘608形成）。术语“处理器”如在此所使用的，旨在包括任何处理设备，例如包括CPU（中央处理单元）和/或其它形式处理电路的处理设备。此外，术语“处理器”可以指多个单独的处理器。术语“存储器”旨在包括与处理器或CPU关联的存储器，例如RAM（随机存取存储器）、ROM（只读存储器）、固定存储设备（例如，硬盘驱动器）、可移动存储设备（例如，软盘）、闪存等。此外，词组“输入/输出接口”如在此所使用的，旨在可选地包括例如用于将数据输入到处理单元中的一个或多个机构（例如，键盘或鼠标），以及用于提供与处理单元关联的结果的一个或多个机构（例如，显示器或打印机）。

作为数据处理单元612的一部分，处理器602、存储器604和输入/输出接口（例如显示器606和键盘608）例如可以经由总线610互连。还可以例如经由总线610为网络接口614（例如网卡，其可以为计算机网络提供接口）以及介质接口616（例如软盘或CD-ROM驱动器，其可以为介质618提供接口）提供适合的互连。

适合于存储和/或执行程序代码的数据处理系统可以包括至少一个直接或通过系统总线610间接连接到存储器元件604的处理器602。所述存储器元件可以包括在程序代码的实际执行期间采用的本地存储器、大容量存储装置以及提供至少某些程序代码的临时存储以减少必须在执行期间从大容量存储装置检索代码的次数的高速缓冲存储器。

输入/输出或I/O设备（包括但不限于用于进行数据输入的键盘608；用于查看数据的显示器606；用于选择数据的指点设备；等等）可以直接（例如经由总线610）或通过中间I/O控制器（为清楚起见而被省略）与系统相连。

网络适配器（例如网络接口614）也可以被连接到系统以使所述数据处理系统能够通过中间专用或公共网络变得与其它数据处理系统或远程打印机或存储设备相连。调制解调器、电缆调制解调器和以太网卡只是当前可用的网络适配器类型中的少数几种。

如在此所使用的，“服务器”包括运行服务器程序的物理数据处理系统（例如，如图6中示出的系统612）。将理解，这种物理服务器可以包括也可以不包括显示器和键盘。进一步，将理解，图1-3中示出的组件可以在一个服务器或多个服务器上实现。

将意识到并且应理解，上面描述的本发明的示例性实施例可以以多种不同的方式实现。给予了此处提供的本发明的教导后，本领域的技术人员将能够构想本发明的其它实施方式。实际上，尽管参考附图在此描述了本发明的示例性实施例，但是应理解，本发明并不限于这些精确的实施例，并且在不偏离本发明的范围或精神的情况下，本领域的技术人员可以做出各种其它更改和修改。

Claims (24)

1.一种方法，包括：

估计与无线网络云系统的至少一个给定覆盖区域对应的密度度量；以及

响应于所估计的密度度量，确定所述无线网络云系统的所述给定覆盖区域中的一个或多个网络接入组件的配置；

其中在至少一个计算设备上执行所述估计和确定步骤。

2.根据权利要求1的方法，还包括将所确定的配置应用于所述一个或多个网络接入组件。

3.根据权利要求1的方法，其中针对其估计所述密度度量的所述无线网络云系统的所述给定覆盖区域包括与所述无线网络云系统关联的至少一个地理区域。

4.根据权利要求1的方法，其中密度度量估计步骤进一步包括估计给定时间段上的密度度量。

5.根据权利要求4的方法，还包括响应于与所述给定覆盖区域对应的用户密度和业务密度中的至少一个的给定变化率而调整所述给定时间段。

6.根据权利要求1的方法，其中密度度量估计步骤进一步包括根据实时地理用户位置数据来估计用户密度。

7.根据权利要求6的方法，其中从移动设备与对应网络接入点的关联获得所述实时地理用户位置数据。

8.根据权利要求6的方法，其中通过全球定位系统数据获得所述实时地理用户位置数据。

9.根据权利要求1的方法，其中密度度量估计步骤进一步包括使用预测方法估计所述密度度量。

10.根据权利要求1的方法，其中所述一个或多个网络接入组件包括一个或多个远程无线电头端组件。

11.根据权利要求1的方法，其中所述一个或多个网络接入组件包括与虚拟基站池关联的组件。

12.根据权利要求1的方法，其中配置确定步骤进一步包括通过反复执行无线规划工具来确定一个或多个网络接入组件的配置。

13.根据权利要求1的方法，其中所述密度度量对应于用户密度、业务密度以及活动设备密度中的至少一个。

14.一种装置，包括：

存储器；以及

处理器设备，其在操作上耦合到所述存储器并被配置为：

估计与无线网络云系统的至少一个给定覆盖区域对应的密度度量；以及

响应于所估计的密度度量，确定所述无线网络云系统的所述给定覆盖区域中的一个或多个网络接入组件的配置。

15.根据权利要求14的装置，其中所述处理器设备还被配置为导致将所确定的配置应用于所述一个或多个网络接入组件。

16.根据权利要求14的装置，其中针对其估计所述密度度量的所述无线网络云系统的所述给定覆盖区域包括与所述无线网络云系统关联的至少一个地理区域。

17.根据权利要求14的装置，其中所述密度度量的估计进一步包括估计给定时间段上的密度度量。

18.根据权利要求17的装置，其中所述处理器设备还被配置为响应于与所述给定覆盖区域对应的用户密度和业务密度中的至少一个的给定变化率而调整所述给定时间段。

19.根据权利要求14的装置，其中所述密度度量的估计进一步包括根据实时地理用户位置数据来估计用户密度。

20.根据权利要求19的装置，其中从移动设备与对应网络接入点的关联获得所述实时地理用户位置数据。

21.根据权利要求19的装置，其中通过全球定位系统数据获得所述实时地理用户位置数据。

22.根据权利要求14的装置，其中所述密度度量的估计进一步包括使用预测方法估计所述密度度量。

23.根据权利要求14的装置，其中所述一个或多个网络接入组件包括以下项中的一个或多个：远程无线电头端组件；以及与虚拟基站池关联的组件。

24.根据权利要求14的装置，其中所述密度度量对应于用户密度、业务密度以及活动设备密度中的至少一个。

Images