一种基站能耗模型的建立方法及装置

摘要

本发明提供了一种基站能耗模型的建立方法及装置，涉及通信领域，解决现有基站能耗模型无法体现数据、信令分别占用的网络资源和产生的能耗差异，且建模精确程度有限，无法体现业务特征与基站能耗变化的逻辑关系的问题，该方法包括：将基站的业务特征数据分解为网络流量数据和信令数据；根据网络流量数据和信令数据，获取基站的能耗模型参数；根据能耗模型参数之间的逻辑关系，建立基站分别映射到网络流量和信令的能耗模型，并根据建立的能耗模型及能耗模型参数的值，获取基站的能耗值。本发明的方案可定量评估网络流量和信令分别消耗的网络资源的能耗大小，并对比不同业务特征和应用场景下的网络流量和信令的能耗比，提高了建模精度。

说明书

技术领域

本发明涉及通信领域，特别涉及一种基站能耗模型的建立方法及装置。

背景技术

快速发展的OTT(Over The Top，过顶)业务，为运营商网络承载、营收及能耗带来了挑战，可能导致网络信令开销较大、用户面资源浪费、背景流量挤占通信资源等问题，使得整网能效不断降低。

以微信、QQ、微博为代表的IM(Instant Message，即时通讯)或SNS(SocialNetwork Sites，社交网站)类业务，普遍具有流量占比小、信令资源消耗多、信道利用率低等特点，曾引发著名的“信令风暴”事件。业界推出GCM(GoogleCloud Messaging，谷歌云推送消息服务)或APNS(Apple Push NotificationService，苹果推送通知服务)应对策略以解决信令风暴问题，但这些措施更多关注终端侧用户体验的提升，较少考虑网络侧资源消耗和电力消耗。对于运营商来说，目前尚无有效的手段评估OTT业务对于网络设备能耗及通信质量的影响，业界也缺乏统一标准衡量业务特性与网络资源之间的关系，运营商普遍陷入“增量不增收”的尴尬境地。

传统基站能耗模型从宏观角度描述了基站输入功率与输出功率的线性关系，如图2所示，不区分业务类型、属性，也很难量化数据、信令分别占用的网络资源和产生的能耗差异。业务特征与网络资源的映射关系往往复杂而重要，不仅需要考虑用户面数据占用的资源，还需考虑控制面信令的负荷差异。特别对于突发性的小包类业务，信令消耗往往占较大比例。

现有还提出了一种基于数学统计的基站能耗建模方法，根据历史数据获得基站能耗与载频数、基站面积、房屋能耗系数等自变量的对应关系，并通过多元线性回归获得直线拟合方程，如图3所示。但这种数学统计法建模的精确程度受限于标杆基站的选取以及历史采集数据量，无法体现业务特征与基站能耗变化的逻辑关系。

传统的线性基站能耗模型无法体现数据、信令分别占用的网络资源和产生的能耗差异，多元线性回归法建模精确程度有限，同样也无法体现业务特征与基站能耗变化的逻辑关系。

发明内容

本发明要解决的技术问题是提供一种基站能耗模型的建立方法及装置，解决现有基站能耗模型无法体现数据、信令分别占用的网络资源和产生的能耗差异，且建模精确程度有限，无法体现业务特征与基站能耗变化的逻辑关系的问题。

为解决上述技术问题，本发明的实施例提供一种基站能耗模型的建立方法，包括：

将基站的业务特征数据分解为网络流量数据和信令数据；

根据所述网络流量数据和所述信令数据，获取所述基站的能耗模型参数；

根据所述能耗模型参数之间的逻辑关系，建立所述基站分别映射到网络流量和信令的能耗模型，并根据建立的能耗模型及所述能耗模型参数的值，获取所述基站的能耗值。

其中，所述根据所述网络流量数据和所述信令数据，获取所述基站的能耗模型参数，包括：

将所述网络流量数据和所述信令数据分别映射为物理层资源占用数据，并将所述物理层资源占用数据映射为所述基站的增量功耗数据和基线功耗数据；

根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，得到所述基站的能耗模型参数。

其中，所述根据所述能耗模型参数之间的逻辑关系，建立所述基站分别映射到网络流量和信令的能耗模型，并根据建立的能耗模型及所述能耗模型参数的值，获取所述基站的能耗值，包括：

根据所述能耗模型参数之间的逻辑关系，建立所述基站的增量功耗分别映射到网络流量和信令的模型，并根据所述能耗模型参数的值及所述增量功耗分别映射到网络流量和信令的模型，获取所述基站的增量功耗分别映射到网络流量和信令的值；

根据所述能耗模型参数之间的逻辑关系，建立所述基站的基线功耗分别映射到网络流量和信令的模型，并根据所述能耗模型参数的值及所述基线功耗分别映射到网络流量和信令的模型，获取所述基站的基线功耗分别映射到网络流量和信令的值。

其中，所述根据所述能耗模型参数之间的逻辑关系，建立所述基站的增量功耗分别映射到网络流量和信令的模型，包括：

根据所述能耗模型参数之间的逻辑关系，建立如下公式所示的所述基站的增量功耗映射到网络流量数据的模型E_{incre_data}和所述基站的增量功耗映射到信令数据的模型E_{incre_signaling}：

其中，P_{in_max}为所述基站的最大输入功率，P_{in_base}为所述基站的基线输入功率，T_max为所述基站的物理资源块PRB利用率为100％时对应的最大吞吐量，R_max为所述基站的信令PRB最大占用数量，T_OTT为所述基站不同物理信道上的数据速率、R_OTT为所述基站不同物理信道上的信令PRB占用数量，D_OTT为所述基站不同物理信道上的有效运行时间；

所述根据所述能耗模型参数之间的逻辑关系，建立所述基站的基线功耗分别映射到网络流量和信令的模型，包括：

根据所述能耗模型参数之间的逻辑关系，建立如下公式所示的所述基站的基线功耗映射到网络流量数据的模型E_{base_data}和所述基站的基线功耗映射到信令数据的模型E_{base_signaling}：

其中，ρ_data为所述基站的网络流量数据占用的物理层资源粒子RE数量，ρ_sig为所述基站的信令数据占用的物理层RE数量，U_max为所述网络流量数据与所述信令数据分别占用的物理层资源数量之间的比例。

其中，所述根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，得到所述基站的能耗模型参数，包括：

根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，获取所述基站的输入功率与输出功率的几何关系；

根据所述基站的输入功率与输出功率的几何关系，获取所述基站的最大输入功率P_{in_max}和基线输入功率P_{in_base}。

其中，所述根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，得到所述基站的能耗模型参数，包括：

根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，确定所述基站的每个PRB对应的平均吞吐量，并根据每个所述PRB对应的平均吞吐量，获取所述PRB利用率为100％时对应的最大吞吐量T_max。

其中，所述根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，得到所述基站的能耗模型参数，包括：

根据所述物理资源占用数据、所述增量功耗数据、所述基线功耗数据及物理层相关协议，获取所述基站的信令PRB最大占用数量R_max，所述基站的网络流量数据占用的物理层RE数量ρ_data，所述基站的信令数据占用的物理层RE数量ρ_sig，所述网络流量数据与所述信令数据分别占用的物理层资源数量之间的比例U_max。

其中，所述根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，得到所述基站的能耗模型参数，包括：

根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，获取所述基站不同物理信道上的数据速率T_OTT、信令PRB占用数量R_OTT及有效运行时间D_OTT。

为解决上述技术问题，本发明的实施例还提供一种基站能耗模型的建立装置，包括：

分解模块，用于将基站的业务特征数据分解为网络流量数据和信令数据；

获取模块，用于根据所述网络流量数据和所述信令数据，获取所述基站的能耗模型参数；

建立模块，用于根据所述能耗模型参数之间的逻辑关系，建立所述基站的能耗模型，并根据所述能耗模型参数的值及所述能耗模型，获取所述基站的能耗值。

其中，所述获取模块包括：

映射单元，用于将所述网络流量数据和所述信令数据分别映射为物理层资源占用数据，并将所述物理层资源占用数据映射为所述基站的增量功耗数据和基线功耗数据；

获取单元，用于根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，获取所述基站的能耗模型参数。

其中，所述建立模块包括：

第一建立单元，用于根据所述能耗模型参数之间的逻辑关系，建立所述基站的增量功耗分别映射到网络流量和信令的模型，并根据所述能耗模型参数的值及所述增量功耗分别映射到网络流量和信令的模型，获取所述基站的增量功耗分别映射到网络流量和信令的值；

第二建立单元，用于根据所述能耗模型参数之间的逻辑关系，建立所述基站的基线功耗分别映射到网络流量和信令的模型，并根据所述能耗模型参数的值及所述基线功耗分别映射到网络流量和信令的模型，获取所述基站的基线功耗分别映射到网络流量和信令的值。

其中，所述第一建立单元包括：

第一建立子单元，用于根据所述能耗模型参数之间的逻辑关系，建立如下公式所示的所述基站的增量功耗映射到网络流量数据的模型E_{incre_data}和所述基站的增量功耗映射到信令数据的模型E_{incre_signaling}：

其中，P_{in_max}为所述基站的最大输入功率，P_{in_base}为所述基站的基线输入功率，T_max为所述基站的物理资源块PRB利用率为100％时对应的最大吞吐量，R_max为所述基站的信令PRB最大占用数量，T_OTT为所述基站不同物理信道上的数据速率、R_OTT为所述基站不同物理信道上的信令PRB占用数量，D_OTT为所述基站不同物理信道上的有效运行时间；

所述第二建立单元包括：

第二建立子单元，用于根据所述能耗模型参数之间的逻辑关系，建立如下公式所示的所述基站的基线功耗映射到网络流量数据的模型E_{base_data}和所述基站的基线功耗映射到信令数据的模型E_{base_signaling}：

其中，ρ_data为所述基站的网络流量数据占用的物理层资源粒子RE数量，ρ_sig为所述基站的信令数据占用的物理层RE数量，U_max为所述网络流量数据与所述信令数据分别占用的物理层资源数量之间的比例。

其中，所述获取单元包括：

第一获取子单元，用于根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，获取所述基站的输入功率与输出功率的几何关系；

第二获取子单元，用于根据所述基站的输入功率与输出功率的几何关系，获取所述基站的最大输入功率P_{in_max}和基线输入功率P_{in_base}。

其中，所述获取单元包括：

第三获取子单元，用于根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，确定所述基站的每个PRB对应的平均吞吐量，并根据每个所述PRB对应的平均吞吐量，获取所述PRB利用率为100％时对应的最大吞吐量T_max。

其中，所述获取单元包括：

第四获取子单元，用于根据所述物理资源占用数据、所述增量功耗数据、所述基线功耗数据及物理层相关协议，获取所述基站的信令PRB最大占用数量R_max，所述基站的网络流量数据占用的物理层RE数量ρ_data，所述基站的信令数据占用的物理层RE数量ρ_sig，所述网络流量数据与所述信令数据分别占用的物理层资源数量之间的比例U_max。

其中，所述获取单元包括：

第五获取子单元，用于根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，获取所述基站不同物理信道上的数据速率T_OTT、信令PRB占用数量R_OTT及有效运行时间D_OTT。

本发明的上述技术方案的有益效果如下：

本发明实施例的基站能耗模型的建立方法，首先将基站的业务特征数据分解为网络流量数据和信令数据；然后根据网络流量数据和信令数据，获取基站的能耗模型参数；最后根据能耗模型参数之间的逻辑关系，建立基站分别映射到网络流量和信令的能耗模型，并根据建立的能耗模型及能耗模型参数的值，获取基站的能耗值。该方法通过建立基站分别映射到网络流量和信令的能耗模型，可定量评估网络流量和信令分别消耗的网络资源的能耗大小，并进一步对比不同业务特征和应用场景下的网络流量和信令的能耗比，提高了建模精度，填补了OTT业务对网络侧能效影响的空白，便于业务能耗的精细化管理和运营管控。有效解决了现有基站能耗模型无法体现数据、信令分别占用的网络资源和产生的能耗差异，且建模精确程度有限，无法体现业务特征与基站能耗变化的逻辑关系的问题。

附图说明

图1为本发明基站能耗模型的建立方法的流程图；

图2为现有基站能耗模型示意图；

图3为现有获取基站能耗模型的流程图；

图4为本发明基站能耗模型的建立方法二次线性映射的示意图；

图5为本发明基站能耗模型的建立方法RRU功耗分解的示意图；

图6为本发明基站能耗模型的建立装置的结构示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

传统的线性基站能耗模型无法体现数据、信令分别占用的网络资源和产生的能耗差异，多元线性回归法建模精确程度有限，同样也无法体现业务特征与基站能耗变化的逻辑关系。

为了准确评估业务对网络资源的影响，以及网络设备由此产生的能耗，需深入物理层资源RE(Resource Element，资源粒子)粒度，采用数学建模与现网实测数据相结合的方式，构建兼具理论研究价值和实际评估预测的业务能耗数学模型，便于业务能耗的精细化管理和运营管控，为今后推动OTT厂商控制流量消耗、优化传输方式打下基础，实现端到端资源开销和业务能耗的持续下降。

本发明实施例的基站能耗模型的建立方法，针对传统能耗模型存在的不足，可将业务能耗拆分至更细维度，用于定量评估数据、信令分别消耗的网络资源和能耗大小，同时可进一步对比不同业务特征和应用场景下的信令/数据能耗比。该模型填补了OTT业务对网络侧能效影响的空白，便于业务能耗的精细化管理和运营管控。

如图1所示，本发明实施例的一种基站能耗模型的建立方法，包括：

步骤101，将基站的业务特征数据分解为网络流量数据和信令数据。

这里，网络流量数据一般包括上行数据和下行数据。

步骤102，根据所述网络流量数据和所述信令数据，获取所述基站的能耗模型参数。

这里，通过获取基站的能耗模型参数，为进一步获取基站的能耗模型和能耗值提供了数据支持。

步骤103，根据所述能耗模型参数之间的逻辑关系，建立所述基站分别映射到网络流量和信令的能耗模型，并根据建立的能耗模型及所述能耗模型参数的值，获取所述基站的能耗值。

这里，可获取业务在网络侧产生的总能耗，也可获取网络流量和信令的能耗分解情况。

本发明实施例的基站能耗模型的建立方法，通过建立基站分别映射到网络流量和信令的能耗模型，可定量评估网络流量和信令分别消耗的网络资源的能耗大小，并进一步对比不同业务特征和应用场景下的网络流量和信令的能耗比，提高了建模精度，填补了OTT业务对网络侧能效影响的空白，便于业务能耗的精细化管理和运营管控。有效解决了现有基站能耗模型无法体现数据、信令分别占用的网络资源和产生的能耗差异，且建模精确程度有限，无法体现业务特征与基站能耗变化的逻辑关系的问题。

本发明实施例提出一种改进的“二次线性映射”，如图4所示，使得基站输入功率、输出功率与物理层资源RE之间经历两次线性变换。

基于“二次线性映射”，上述步骤102可以包括：

步骤1021，将所述网络流量数据和所述信令数据分别映射为物理层资源占用数据，并将所述物理层资源占用数据映射为所述基站的增量功耗数据和基线功耗数据。

这里，改进的“二次线性映射”包括资源映射和能耗映射。首先进行资源映射：将业务特征分解至网络流量数据和信令数据，再映射为物理层资源占用数据，然后进行能耗映射：将物理层占用资源映射为基站的增量功耗数据和基线功耗数据。

步骤1022，根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，得到所述基站的能耗模型参数。

这里，根据增量功耗数据和基线功耗数据，可得到基站的能耗模型参数，从而可分别得出业务流量和信令负荷对基站能耗的影响。

此时，通过改进的“二次线性映射”，得到了增量功耗数据和基线功耗数据，进而得到了基站的能耗模型参数，从而可得出网络流量和信令分别对基站能耗的影响。

进一步的，可将二次线性映射过程的上述步骤1022分解为以下4个关键步骤：

步骤10221，根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，获取所述基站的输入功率与输出功率的几何关系；根据所述基站的输入功率与输出功率的几何关系，获取所述基站的最大输入功率P_{in_max}和基线输入功率P_{in_base}。

这里，可选取现网基站进行实测，得到P_in与P_out的曲线关系，进而获取基站最大输入功率P_{in_max}和基线输入功率P_{in_base}的参数值。

步骤10222，根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，确定所述基站的每个PRB对应的平均吞吐量，并根据每个所述PRB对应的平均吞吐量，获取所述PRB利用率为100％时对应的最大吞吐量T_max。

这里，可选取现网不同城市的基站进行实测，确定用户面每PRB资源对应的吞吐量，继而推导出PRB利用率为100％时的最大吞吐量T_max。

步骤10223，根据所述物理资源占用数据、所述增量功耗数据、所述基线功耗数据及物理层相关协议，获取所述基站的信令PRB最大占用数量R_max，所述基站的网络流量数据占用的物理层RE数量ρ_data，所述基站的信令数据占用的物理层RE数量ρ_sig，所述网络流量数据与所述信令数据分别占用的物理层资源数量之间的比例U_max。

这里，具体根据3GPP(3rd Generation Partnership Project，第三代合作伙伴计划)物理层相关协议，确定网络流量数据(上/下行数据)占用的物理层RE数量ρ_data，信令数据占用的物理层RE数量ρ_sig，及网络流量数据与信令数据分别占用的物理层资源数量之间的比例U_max，用于基线功耗的分配和计算。

步骤10224，根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，获取所述基站不同物理信道上的数据速率T_OTT、信令PRB占用数量R_OTT及有效运行时间D_OTT。

这里，可使用相关无线网空口测试工具，测试业务在不同物理信道上的数据速率T_OTT、信令PRB占用数量R_OTT及有效运行时间D_OTT。

此时，通过上述步骤10221～10224，可确定基站能耗模型的各个参数，为基站能耗模型的建立和能耗评估打下了基础。

优选的，上述步骤103可以包括：

步骤1031，根据所述能耗模型参数之间的逻辑关系，建立所述基站的增量功耗分别映射到网络流量和信令的模型，并根据所述能耗模型参数的值及所述增量功耗分别映射到网络流量和信令的模型，获取所述基站的增量功耗分别映射到网络流量和信令的值；

步骤1032，根据所述能耗模型参数之间的逻辑关系，建立所述基站的基线功耗分别映射到网络流量和信令的模型，并根据所述能耗模型参数的值及所述基线功耗分别映射到网络流量和信令的模型，获取所述基站的基线功耗分别映射到网络流量和信令的值。

此时，通过建立基线功耗与增量功耗分别映射到网络流量和信令的能耗模型，可有效分析网络流量数据和信令数据分别在基线功耗和增量功耗的差异，便于业务能耗的精细化管理和运营管控。

一般情况下，基站主设备由BBU(Building Baseband Unit，基带处理单元)和RRU(Radio Remote Unit，射频拉远单元)构成，RRU从架构上可分为RF(Radio Frequency，射频小信号)和PA(Power Amplifier，功率放大器)两大模块。在功耗方面，BBU功耗实际上随负荷变化很小、可视为固定值；而PA功耗可占RRU功耗的40％-80％，且PA仅在下行链路处于正常工作状态。

如图4所示的增量功耗体现了RRU功耗随负荷或资源变化的趋势，RRU功耗主要由下行链路的PA产生，下行链路的PA功耗可进一步映射为下行数据和下行信令产生的功耗。对于基线功耗，由于无用户、待机用户、活跃用户等多场景可能并存，因此基线功耗包括了所有上下行数据、信令产生的功耗并以不同比例呈现。

如图5所示，为RRU的基线功耗与增量功耗分别映射到上下行数据和信令负荷的情况。

因此，本发明主要研究RRU的增量功耗与基线功耗的变化情况。

对于RRU增量功耗，上述步骤1031可以包括：

步骤10311，根据所述能耗模型参数之间的逻辑关系，建立如下公式所示的所述基站的增量功耗映射到网络流量数据的模型E_{incre_data}和所述基站的增量功耗映射到信令数据的模型E_{incre_signaling}：

其中，P_{in_max}为所述基站的最大输入功率，P_{in_base}为所述基站的基线输入功率，T_max为所述基站的物理资源块PRB利用率为100％时对应的最大吞吐量，R_max为所述基站的信令PRB最大占用数量，T_OTT为所述基站不同物理信道上的数据速率、R_OTT为所述基站不同物理信道上的信令PRB占用数量，D_OTT为所述基站不同物理信道上的有效运行时间；

对于RRU基线功耗，上述步骤1032可以包括：

步骤10321，根据所述能耗模型参数之间的逻辑关系，建立如下公式所示的所述基站的基线功耗映射到网络流量数据的模型E_{base_data}和所述基站的基线功耗映射到信令数据的模型E_{base_signaling}：

其中，ρ_data为所述基站的网络流量数据占用的物理层资源粒子RE数量，ρ_sig为所述基站的信令数据占用的物理层RE数量，U_max为所述网络流量数据与所述信令数据分别占用的物理层资源数量之间的比例。

此时，根据上述二次线性映射过程，分别确定公式(1)、(2)中的各参数值，最终可计算出业务在网络侧产生的总能耗以及数据、信令的能耗分解情况。从而可将业务能耗拆分至更细维度，用于定量评估数据、信令分别消耗的网络资源和能耗大小，同时可进一步对比不同业务特征和应用场景下的信令/数据能耗比。该模型填补了OTT业务对网络侧能效影响的空白，便于业务能耗的精细化管理和运营管控。

综上，本发明实施例的基站能耗模型的建立方法可分为业务能耗建模与基站能耗分解计算两个方面。业务能耗建模时，可采用改进的二次线性映射，首先进行资源映射：将业务特征分解至网络流量数据和信令数据，再映射为物理层资源占用数据，然后进行能耗映射：将物理层占用资源映射为基站的增量功耗数据和基线功耗数据。并将二次线性映射过程分解为步骤10221～10224这4个关键步骤，从而得到能耗模型的各项参数值。基站能耗分解时，可根据能耗模型参数之间的逻辑关系，建立增量功耗和基线功耗的模型，得到增量功耗和基线功耗计算公式(1)、(2)，最终可根据公式(1)、(2)的各项参数值，计算出业务在网络侧产生的总能耗以及数据、信令的能耗分解情况。

本发明实施例的基站能耗模型的建立方法，解决了传统的线性基站能耗模型无法体现数据、信令分别占用的网络资源和产生的能耗差异的问题，填补了OTT业务对网络侧能效影响的空白，可定量评估数据、信令分别消耗的网络资源和能耗大小，并可进一步对比不同业务特征和应用场景下的信令/数据能耗比。

本发明实施例的基站能耗模型的建立方法，可横向对比同类OTT业务的数据/信令能耗比，发现性能表现较差的OTT存在的问题，并进行初步定位，便于业务能耗的精细化管理和运营管控。

本发明实施例的基站能耗模型的建立方法，对于不同网络的无线传输环境、业务类型、用户数量及使用方式等均会导致吞吐量有差异，从而影响基站总能耗的情况，通过横向对比同一OTT业务在不同网络中的能耗差异，可初步定位哪个节点出现了不合理的信令交互情况或网络参数配置。因此本发明实施例的模型兼具理论研究价值和实际评估预测价值。

如图6所示，本发明的实施例还提供一种基站能耗模型的建立装置，包括：

分解模块，用于将基站的业务特征数据分解为网络流量数据和信令数据；

获取模块，用于根据所述网络流量数据和所述信令数据，获取所述基站的能耗模型参数；

建立模块，用于根据所述能耗模型参数之间的逻辑关系，建立所述基站的能耗模型，并根据所述能耗模型参数的值及所述能耗模型，获取所述基站的能耗值。

本发明实施例的基站能耗模型的建立装置，通过建立基站分别映射到网络流量和信令的能耗模型，可定量评估网络流量和信令分别消耗的网络资源的能耗大小，并进一步对比不同业务特征和应用场景下的网络流量和信令的能耗比，提高了建模精度，填补了OTT业务对网络侧能效影响的空白，便于业务能耗的精细化管理和运营管控。有效解决了现有基站能耗模型无法体现数据、信令分别占用的网络资源和产生的能耗差异，建模精确程度有限，无法体现业务特征与基站能耗变化的逻辑关系的问题。

优选的，所述获取模块可以包括：

映射单元，用于将所述网络流量数据和所述信令数据分别映射为物理层资源占用数据，并将所述物理层资源占用数据映射为所述基站的增量功耗数据和基线功耗数据；

获取单元，用于根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，获取所述基站的能耗模型参数。

优选的，所述建立模块可以包括：

第一建立单元，用于根据所述能耗模型参数之间的逻辑关系，建立所述基站的增量功耗分别映射到网络流量和信令的模型，并根据所述能耗模型参数的值及所述增量功耗分别映射到网络流量和信令的模型，获取所述基站的增量功耗分别映射到网络流量和信令的值；

第二建立单元，用于根据所述能耗模型参数之间的逻辑关系，建立所述基站的基线功耗分别映射到网络流量和信令的模型，并根据所述能耗模型参数的值及所述基线功耗分别映射到网络流量和信令的模型，获取所述基站的基线功耗分别映射到网络流量和信令的值。

优选的，所述第一建立单元可以包括：

第一建立子单元，用于根据所述能耗模型参数之间的逻辑关系，建立如下公式所示的所述基站的增量功耗映射到网络流量数据的模型E_{incre_data}和所述基站的增量功耗映射到信令数据的模型E_{incre_signaling}：

其中，P_{in_max}为所述基站的最大输入功率，P_{in_base}为所述基站的基线输入功率，T_max为所述基站的物理资源块PRB利用率为100％时对应的最大吞吐量，R_max为所述基站的信令PRB最大占用数量，T_OTT为所述基站不同物理信道上的数据速率、R_OTT为所述基站不同物理信道上的信令PRB占用数量，D_OTT为所述基站不同物理信道上的有效运行时间；

所述第二建立单元可以包括：

第二建立子单元，用于根据所述能耗模型参数之间的逻辑关系，建立如下公式所示的所述基站的基线功耗映射到网络流量数据的模型E_{base_data}和所述基站的基线功耗映射到信令数据的模型E_{base_signaling}：

其中，ρ_data为所述基站的网络流量数据占用的物理层资源粒子RE数量，ρ_sig为所述基站的信令数据占用的物理层RE数量，U_max为所述网络流量数据与所述信令数据分别占用的物理层资源数量之间的比例。

优选的，所述获取单元可以包括：

第一获取子单元，用于根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，获取所述基站的输入功率与输出功率的几何关系；

第二获取子单元，用于根据所述基站的输入功率与输出功率的几何关系，获取所述基站的最大输入功率P_{in_max}和基线输入功率P_{in_base}。

优选的，所述获取单元还可以包括：

第三获取子单元，用于根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，确定所述基站的每个PRB对应的平均吞吐量，并根据每个所述PRB对应的平均吞吐量，获取所述PRB利用率为100％时对应的最大吞吐量T_max。

优选的，所述获取单元还可以包括：

第四获取子单元，用于根据所述物理资源占用数据、所述增量功耗数据、所述基线功耗数据及物理层相关协议，获取所述基站的信令PRB最大占用数量R_max，所述基站的网络流量数据占用的物理层RE数量ρ_data，所述基站的信令数据占用的物理层RE数量ρ_sig，所述网络流量数据与所述信令数据分别占用的物理层资源数量之间的比例U_max。

进一步的，所述获取单元还可以包括：

第五获取子单元，用于根据所述物理资源占用数据、所述增量功耗数据及所述基线功耗数据，获取所述基站不同物理信道上的数据速率T_OTT、信令PRB占用数量R_OTT及有效运行时间D_OTT。

本发明实施例的基站能耗模型的建立装置，解决了传统的线性基站能耗模型无法体现数据、信令分别占用的网络资源和产生的能耗差异的问题，填补了OTT业务对网络侧能效影响的空白，可定量评估数据、信令分别消耗的网络资源和能耗大小，并可进一步对比不同业务特征和应用场景下的信令/数据能耗比。

本发明实施例的基站能耗模型的建立装置，可横向对比同类OTT业务的数据/信令能耗比，发现性能表现较差的OTT存在的问题，并进行初步定位，便于业务能耗的精细化管理和运营管控。

本发明实施例的基站能耗模型的建立装置，对于不同网络的无线传输环境、业务类型、用户数量及使用方式等均会导致吞吐量有差异，从而影响基站总能耗的情况，通过横向对比同一OTT业务在不同网络中的能耗差异，可初步定位哪个节点出现了不合理的信令交互情况或网络参数配置。因此本发明实施例的模型兼具理论研究价值和实际评估预测价值。

需要说明的是，该基站能耗模型的建立装置是与上述基站能耗模型的建立方法相对应的装置，其中上述方法实施例中所有实现方式均适用于该装置的实施例中，也能达到同样的技术效果。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。