专利交易市场

本公开实施例提供了一种确定终端驻留的网络的方法、装置及计算设备，能够有效降低车联网中网络切换的乒乓效应，方法包括：采集终端的指定参数的值；其中，已预先确定代价函数，所述代价函数包括所述指定参数和所述指定参数对应的权重；所述指定参数包括接收的信号强度指示RSSI、时延、资费、安全和电量中的至少两种；根据所述指定参数的值和预先确定的自适应函数，计算所述指定参数对应的权重；根据所述指定参数的值和所述指定参数对应的权重，计算终端可驻留的至少两个网络的代价函数值；根据所述至少两个网络的代价函数值，确定终端驻留的网络。

本发明实施例提供了一种基站扩容的数据分析方法和装置，其中的方法包括：将现网数据导入结构化查询语言SQLServer数据库；通过结构化查询语言，对所述现网数据进行自忙时计算，以得到满足自忙时条件的小区数据；通过结构化查询语言以及高负荷规则，对所述满足自忙时条件的小区数据进行过滤，以得到满足高负荷条件的小区数据；通过结构化查询语言，对所述满足高负荷条件的小区数据进行容量预估，以确定满足扩容条件的目标小区。本发明实施例可以提高数据分析的效率和准确度。

本发明实施例提供一种GUTI分配方法及装置。所述方法包括：接收到终端发送的携带有所述终端的全球唯一临时终端标识符GUTI的预设信令时，获取所述GUTI的预设标识信息；所述预设标识信息中至少携带有所述GUTI所属原移动性管理实体MME的参数信息；确定所述终端当前的目标MME的参数信息；根据目标MME的参数信息对原MME的参数信息进行鉴权，并在鉴权结果指示鉴权不通过时，为所述终端分配新GUTI。本发明实施例解决了现有技术中，GUTI的分配方式，容易导致GUTI重分配的情况发生的问题。

本发明涉及网络通信领域，且公开了一种移动通信网络实时维护方法，包括以下步骤：步骤1：介入指定网络监控系统、传感器和用户设备，收集移动通信链路内通信数据；步骤2：用于对通过对收集到的通信数据进行分析和处理，使用机器学习算法来识别通信网络中的异常行为，检测移动通信链路中的异常数据包、攻击行为和资源异常参数，输出性能指标；通过实时收集和处理数据，可以及时发现和处理移动通信网络中的异常行为，提高网络的稳定性和可用性，可以自动识别移动通信网络中的异常行为，进而提高异常行为的检测准确性和效率，将维护行为和结果记录下来，通过对维护记录和结果进行分析，可以进行结果追溯和验证。

本发明提供了一种移动网络中基于节点分组的数据分片缓存方法，其主要包括划分协作组、组内协作缓存、组间数据共享三个阶段。根据网络中节点的重要程度选取部分节点作为中心节点，将与中心节点相邻的节点划分为协作组；在组内由中心节点根据组缓存信息表来分配缓存任务，管理协作组内的数据缓存；在组间通过利用节点间的最短接触时间来实现缓存数据的分片，同时利用节点间总的接触持续时间来限制节点的缓存上限提高缓存空间的利用率，并通过编码方式对数据片进行编码解决赠券收集问题，最终实现了全网的协作缓存，提高了移动网络环境中数据访问的效率。

本发明提供了一种基于簇的移动网络实现方法，所述移动网络包括移动节点；所述移动网络划分为两个以上的域，一个域由一个控制器和两个以上的簇构成；一个簇由一个簇首节点和两个以上的簇成员构成；移动节点包括四种类型：控制器、簇首节点、簇成员以及自由节点；自由节点为既不是控制器也不是簇首节点或者簇成员的移动节点；簇成员能够属于两个以上的簇；移动节点通过本发明提供的方法能够快速获取数据，从而降低数据通信延迟和代价，提高服务质量。本发明可应用于农业工程化、智能医疗等诸多领域，具有广泛的应用前景。