具体实施方式

为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。

除另作定义外，本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元)，而可包括未列出的步骤或模块(单元)，或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接，而可以包括电气连接，无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。通常情况下，字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等，只是对相似对象进行区分，并不代表针对对象的特定排序。

在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行，图1是根据本申请实施例的空中基站部署方法的终端的硬件结构框图。如图1所示，终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示出的不同配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本实施例中的空中基站部署方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(NetworkInterface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

在本实施例中提供了一种空中基站部署方法，图2是根据本申请实施例的空中基站部署方法的流程图，如图2所示，该流程包括如下步骤：

步骤S201，获取多个待部署区域所对应的初始部署信息，其中，初始部署信息包括每个待部署区域内分布的终端用户所对应的用户信息、以及基于用户信息确定的空中基站信息。

在本实施例中，在进行空中基站的部署之前，先给定对应的部署区域范围，再给定部署区域范围后，将给定的部署区域划分为多个子区域，也即多个待部署区域，分别获取每个待部署区域内对应的终端用户分布规律，从而创建初始部署信息，其中，初始部署信息与一个区域-用户模型所对应；具体地，一个区域-用户模型中，包括至少一个空中基站和多个终端用户，空中基站和多个终端用户构成最小单元的通信系统；在本实施例中，给定对应的部署区域范围及多个子区域为有限区域，终端用户的分布为随机分布。

在本实施例中，由于空中基站和终端用户的可移动性，使的对空中基站的部署属于动态部署过程，也就是随着终端用户的移动，空中基站关联的终端用户的位置及数目产生变化，使的空中基站动态变化，籍以使的空中基站在进行数据传输时，视距(Line ofSight,LOS)传输信道、非视距(Non-line of Sight,NLOS)传输信道和路径损耗均满足设计需求，从而满足提高通信服务质量。

在本实施例中，初始部署信息仅考虑在对空中基站进行部署的初始时刻，该对应待部署区域内终端用户的分布密度、每个终端用户与空中基站的传输信道距离而生成的部署信息。

步骤S202，在用户信息中写入与终端用户对应的用户移动模型，生成动态部署信息，其中，用户移动模型是基于递归神经网络和终端用户对应的移动轨迹信息生成的，并用于生成终端用户对应的移动预测信息。

在本实施例中，在获取到初始部署信息之后，开始动态部署调整，也就是根据每个终端用户的位置移动的信息，也就是移动轨迹以及用户移动模型，确定对空中基站的调整。

在本实施例中，用户移动模型用于表征下一状态下，每个终端用户对应的预测移动轨迹信息，也就是在下一状态下，终端用户将移动至哪个位置，从而提前获取终端用户对应的位置变化变量(例如：位置变化规律)，从而获取提前变化量，并可以根据提前变化量，确定出终端用户将要变化至何位置，籍以使的为空中基站设置预置提前变化量，并根据终端用户对应的预估移动位置调整整个网络中空中基站与终端用户的距离，使的终端用户距离对应的空中基站距离最短，保证传输质量。

在本实施例中，用户移动模型是用于表征对终端用户期望在未来移动的相关信息的预期，例如：在下一状态，对应的终端用户的未来位置。

在本实施例中，通过将用户移动模型写入初始部署信息中用户信息中，使的对应终端用户的用户信息中表示位置的信息是包括初始位置信息和预测的未来位置的位置信息，使的在对空中基站进行部署是考虑了终端用户的移动的影响，确保部署的空中基站距离终端用户的传输信道的距离满足限定要求。

在本实施例中，用户移动模型是通过递归神经网络进行训练得到，具体地，通过以采集的预设的终端用户的移动轨迹或历史终端用户的移动轨迹作为训练数据生成神经网络预测模型，然后将当前终端用户的当前轨迹作为输入而获取该终端用户预测的未来位置；在本实施例中，对当前终端用户未来位置的预测的预测间隔设定为30分钟。

步骤S203，利用预设优化算法对动态部署信息所对应的空中基站信息进行处理，得到多个空中基站所对应的服务位置，在位于服务位置处的空中基站与每个待部署区域内的终端用户的传输距离小于预设阈值的情况下，确定服务位置为空中基站所对应的部署位置。

在本实施例中，通过对应的优化算法，基于动态部署信息中对应的终端用户的用户信息对动态部署信息中所对应的空中基站信息进行处理，也就是基于动态部署信息中的用户信息(包括初始位置信息和未来位置信息)对初始部署信息中的空中基站信息进行优化，其中，优化的目标为：使整个通信网络中终端用户距离对应的空中基站的距离最近；优化的变量为：空中基站的位置坐标和连接关系，连接关系包括连接的终端用户的数目及分布密度；优化的限定条件为：每个空中基站对应的服务位置的坐标不能超出给定对应的部署区域范围、每个终端用户只能连接且必需连接一个空中基站。

通过上述步骤S201至步骤S203，通过获取多个待部署区域所对应的初始部署信息，其中，初始部署信息包括每个待部署区域内分布的终端用户所对应的用户信息、以及基于用户信息确定的空中基站信息；在用户信息中写入与终端用户对应的用户移动模型，生成动态部署信息；利用预设优化算法对动态部署信息所对应的空中基站信息进行处理，得到多个空中基站所对应的服务位置，在位于服务位置处的空中基站与每个待部署区域内的终端用户的传输距离小于预设阈值的情况下，确定服务位置为空中基站所对应的部署位置，解决了相关技术中对空中基站的部署未考虑终端用户的移动性，造成的通信网络性能差、空中基站间的干扰大的问题，实现了提高通信网络的服务质量，降低空中基站间的干扰。

图3是根据本申请优选实施例的空中基站部署方法的流程图，如图3所示，该流程包括如下步骤：

步骤S301：给定部署区域范围，得出终端用户分布规律，建立初始部署信息。

步骤S302：在建立的初始部署信息中，为终端用户添加用户移动模型，生成动态部署信息，其中，每个终端用户的用户移动模型通过递归神经网络得到。

步骤S303：通过灰狼优化算法，以最小化空中基站与用户距离为目标，得到空中基站的服务位置。

在本实施例中，建立的初始部署信息所对应的空中基站遵循以下通信模型，图4是根据本申请优选实施例的空中基站初始部署信息对应的部署示意图，参考图4，空中基站在进行数据传输时，受到视距(Line of Sight,LOS)和非视距(Non-line of Sight,NLOS)两种传输信道的影响，其影响概率分别根据如下公式计算：

p^nlos＝1-p^los

其中，p^los、p^nlos分别表示视距影响概率和非视距影响概率，a和b是环境变量影响因子，为常数，θ_ij是仰角，θ_ij＝arctan(h_d/δ_ij)，h_d是第j个空中基站DBS_j到用户i的垂直距离，δ_ij是水平距离。

空中基站在数据传输过程中受到的视距和非视距的路径损耗通过如下公式进行计算：

其中，分别表示空中基站在数据传输过程中受到的视距和非视距的路径损耗，ξ^los和ξ^nlos分别表示视距和非视距在参考距离处的路径损失，τ^los和τ^nlos分别表示视距和非视距的路径损失指数。

因此，第j个空中基站DBS_j到终端用户i的平均路径损耗为：

终端用户i从j个空中基站DBS_j获得的传输速率r_ij为：

其中，W_j是DBS_j的带宽，σ²是噪声。

在其中的一些实施例中，在获取多个待部署区域所对应的初始部署信息之后，还实施如下步骤：

步骤1、在移动轨迹信息中检测终端用户对应的移动特征信息。

在本实施例中，通过在移动轨迹信息中检测终端用户对应的移动规律，从而获得对应的移动特征，其中，移动轨迹信息包括历史终端用户对应的移动轨迹和当前终端用户对应的移动轨迹，其移动轨迹包括移动轨迹所对应的位置信息、时间戳及对应的终端用户标识信息，其中，终端用户标识信息用于识别对应的移动轨迹所对应的终端用户。

在本实施例中，移动特征信息包括移动轨迹所对应的顺序信息，也就是移动轨迹的先后顺序，该顺序信息体现终端用户移动过程中的多层次的周期性、时间依赖性和高阶性的复杂顺序跃迁规律；通过该顺序信息确定出对应的规律，可以感觉该规律预测对应终端用户移动的未来位置。

步骤2、根据移动特征信息确定终端用户所对应的第一移动规律信息，其中，第一移动规律信息用于表征终端用户的跃迁规律。

在本实施例中，基于移动特征信息获取或总结出该终端用户在既往产生的移动轨迹中的移动规律，然后，基于该移动规律预测终端用户的下一状态的移动，也就是预测未来位置。

步骤3、将终端用户所对应的用户信息和第一移动规律信息进行融合，生成移动预测信息，以及对移动预测信息进行拟合，生成终端用户所对应的用户移动模型。

在本实施例中，通过将用户信息和第一移动规律信息进行融合，从而生成对应终端用户所对应的移动预测信息，生成移动预测信息后，通过信息拟合，从而将移动预测信息转换对应的用户移动模型，基于该用户移动模型，籍以快速预测获取对应终端用户对应的未来位置。

通过上述步骤中的在移动轨迹信息中检测终端用户对应的移动特征信息；根据移动特征信息确定终端用户所对应的第一移动规律信息；将终端用户所对应的用户信息和第一移动规律信息进行融合，生成移动预测信息，以及对移动预测信息进行拟合，生成终端用户所对应的用户移动模型，实现了基于递归神经网络得到用户移动模型。

在其中的一些实施例中，在移动轨迹信息中检测终端用户对应的移动特征信息通过如下步骤实现：

步骤1、从移动轨迹信息中提取第一移动轨迹信息，其中，第一移动轨迹信息包括多个当前终端用户所对应的轨迹数据。

步骤2、在第一移动轨迹信息中检测多个当前终端用户所对应的移动轨迹顺序信息，并将移动轨迹顺序信息作为移动特征信息，其中，移动轨迹顺序信息用于表征多个当前终端用户移动的先后顺序，且移动轨迹顺序信息所对应的轨迹移动复杂度大于预设阈值。

通过上述步骤中的从移动轨迹信息中提取第一移动轨迹信息；在第一移动轨迹信息中检测多个当前终端用户所对应的移动轨迹顺序信息，并将移动轨迹顺序信息作为移动特征信息，采用获取当前终端用户所对应的移动轨迹中的移动轨迹顺序信息，实现了对当前终端用户所对应的移动轨迹的移动特征信息检测。

在其中的一些实施例中，根据移动特征信息确定终端用户所对应的第一移动规律信息通过如下步骤实现：

步骤1、在移动特征信息中检测移动轨迹顺序信息。

步骤2、根据移动轨迹顺序信息确定终端用户的移动顺序，其中，第一移动规律信息包括移动顺序。

在本实施例中，在通过获取当前终端用户所对应的移动轨迹中的移动轨迹顺序信息，实现了对当前终端用户所对应的移动轨迹的移动特征信息检测后，将检测到的移动轨迹顺序信息提取出来，然后，根据该移动轨迹顺序信息确定对应的终端用户的移动顺序规律，进而确定出对应的第一移动规律信息。

通过上述步骤中的在移动特征信息中检测移动轨迹顺序信息；根据移动轨迹顺序信息确定终端用户的移动顺序，其中，第一移动规律信息包括移动顺序，实现了根据当前终端用户的移动轨迹中的移动轨迹顺序信息确定对应的移动规律信息的检查，从而实现根据第一移动规律信息预测终端用户的未来位置。

在其中的一些实施例中，在移动轨迹信息中检测终端用户对应的移动特征信息通过如下步骤实现：

步骤1、从移动轨迹信息中分别提取第一移动轨迹信息和第二移动轨迹信息，并在第二移动轨迹信息中检测多个候选轨迹特征，其中，第一移动轨迹信息包括多个当前终端用户所对应的轨迹数据，第二移动轨迹信息包括多个历史终端用户所对应的轨迹数据。

在本实施例中，通过递归神经网络所对应的特征提取层分别对第一移动轨迹信息和第二移动轨迹信息进行特征提取，其中，从第二移动轨迹中提取的候选轨迹特征是提取的对应的终端用户的运动规律，基于该运动规律，可以获知对应的终端用户在下一状态可能运动或移动的方向、位置、时间。

步骤2、获取第一移动轨迹信息所对应的多个备选轨迹特征，并确定多个备选轨迹特征与多个候选轨迹特征的特征相似度。

在本实施例中，特征提取层通过对第一移动轨迹信息进行提取，获取多个对应的备选移动特征，将获取的多个对应的备选移动特征与从第二移动轨迹中提取的候选轨迹特征进行特征相似度匹配，当检测到备选移动特征与候选移动特征为相似移动特征时，则可将与备选移动特征对应的候选移动特征所对应的运动规律作为该备选移动特征所对应的终端用户的运动规律，基于该运动规律，对应预测该终端用户的未来位置。

步骤3、根据特征相似度生成第一移动轨迹信息和第二移动轨迹信息所对应的相似性信息，其中，移动特征信息包括相似性信息。

在本实施例中，将第一移动轨迹信息和第二移动轨迹信息所对应的相似性信息作为移动特征信息，从而根据第二移动轨迹信息所对应的运动规律确定第一移动轨迹信息对应的运动规律，从而使的能通过运动规律来预测当前终端用户的未来位置。

通过上述步骤中的从移动轨迹信息中分别提取第一移动轨迹信息和第二移动轨迹信息，并在第二移动轨迹信息中检测多个候选轨迹特征；获取第一移动轨迹信息所对应的多个备选轨迹特征，并确定多个备选轨迹特征与多个候选轨迹特征的特征相似度；根据特征相似度生成第一移动轨迹信息和第二移动轨迹信息所对应的相似性信息，其中，移动特征信息包括相似性信息，实现根据历史终端用户与当前终端用户的相似移动特征，确定当前终端用户所对应的运动规律，从而实现生成第一移动规律信息的移动特征信息的检测。

在其中一些实施例中，根据移动特征信息确定终端用户所对应的第一移动规律信息通过如下步骤实现：

步骤1、根据相似性信息确定每个备选轨迹特征所对应的候选轨迹特征。

步骤2、捕捉每个候选轨迹特征所对应的历史终端用户的轨迹数据与第二移动轨迹信息的第一依赖关系，其中，第一依赖关系用于表征历史终端用户的轨迹数据的变化规律。

在本实施例中，捕捉的是历史终端用户的轨迹数据所对应的运动规律，也就是轨迹数据的变化规律，该变化规律可预测未来轨迹的变化的方向、时间等。

步骤3、将第一依赖关系作为与候选轨迹特征对应的备选轨迹特征所对应的当前终端用户的移动轨迹中的依赖关系信息，其中，第一移动规律信息包括依赖关系信息。

通过上述步骤中的根据相似性信息确定每个备选轨迹特征所对应的候选轨迹特征；捕捉每个候选轨迹特征所对应的历史终端用户的轨迹数据与第二移动轨迹信息的第一依赖关系；将第一依赖关系作为与候选轨迹特征对应的备选轨迹特征所对应的当前终端用户的移动轨迹中的依赖关系信息，其中，第一移动规律信息包括依赖关系信息，实现了对当前终端用户所对应的移动轨迹中的依赖关系信息的捕捉，以及实现对第一移动规律信息的确定。

图5是根据本申请优选实施例的基于递归神经网络得到的用户移动模型流程图，参考图5，该流程包括如下步骤：

步骤S501，将终端用户的当前移动轨迹和历史移动轨迹联合输入到特征提取层，提取出终端用户的移动特征信息，其中，当前移动轨迹和历史移动轨迹均包括时间、地点、终端用户标识等信息。

步骤S502，将提取到的移动特征信息输入到预设的递归与历史特征处理层，得到终端用户所对应的移动轨迹顺序信息，或终端用户所对应的移动轨迹中的依赖关系信息。

步骤S503，将终端用户的用户信息和信息依赖关系信息输入到预设的预测模块进行特征融合，得到用户信息所对应的移动预测信息。

步骤S504，拟合移动预测信息，最终得到对应终端用户所对应的用户移动模型。

图6是根据本申请实施例的递归神经网络的结构示意图，参考图6，该递归神经网络包括：特征提取层、递归与历史特征处理层、预测输出层，以下对各模块的功能进行说明如下：

在本实施例中，输入的轨迹数据包括：当前终端用户的轨迹数据和历史终端用户的轨迹数据。

特征提取层对当前终端用户的轨迹数据中的复杂的移动轨迹顺序信息进行建模处理，特征提取层还对历史终端用户的轨迹数据进行处理，提取对应的运动规律。

在输入的轨迹数据进入递归与历史特征处理层的历史注意模块之前，还需要通过特征提取层的多模态嵌入模块对轨迹数据进行嵌入处理，通过将轨迹数据中对应的时空特征和包括地点、时间及用户标识的个人特征进行向量化编号，进而将轨迹数据转换为预设向量格式的向量，例如：one-hot向量。

递归与历史特征处理层包括历史注意模块和递归层，其中，历史注意模块用于找出历史终端用户所对应的轨迹数据与当前终端用户所对应的轨迹数据中的轨迹相似特征，历史注意模块包括候选向量生成器和历史信息选择器，其中，候选向量生成器用于将多模态嵌入模块输入的轨迹数据中与历史终端用户所对应的数据提取并作为独立候选向量，历史信息选择器用于在当前终端用户的轨迹数据中查询历史终端用户所对应的轨迹数据，生成二者相似性信息，作为向量输出。

因为终端用户的移动具有多层次的周期性、时间依赖性和高阶性的复杂顺序跃迁规律，因此需要对其中的依赖关系进行捕捉，在本申请的递归神经网络中，通过递归层对经多模态嵌入模块输入的轨迹数据中复杂的移动轨迹顺序信息、在当前终端用户的轨迹数据中所对应的依赖关系信息进行捕捉。

预测输出层，是组合来自不同模块传输的数据，以完成预测任务的最后一个组件，它由一个连接层、几个完全连接的层和一个输出层组成，其中，

连接层，将历史注意模块、递归层模块和多模态嵌入模块中的所有特征组合到一个新的向量中。

全连接层，用于将特征向量处理成更小、更有表现力的向量。

输出层，用于输出移动预测信息，其中，输出层由一个带有负采样的soft-max组成，负采样能够近似地最大化soft-max的对数概率，可以快速收敛，负抽样的实例是遵循均匀分布产生的。

在其中一些实施例中，利用预设优化算法对动态部署信息所对应的空中基站信息进行处理通过如下步骤实现：利用灰狼优化算法对动态部署信息所对应的空中基站信息进行优化处理。

图7是根据本申请实施例的利用灰狼优化算法对动态部署信息所对应的空中基站信息进行优化处理的流程图，参考图7，该流程包括如下步骤：

步骤S701、初始化预设灰狼优化算法中灰狼种群的位置变量，将空中基站的位置坐标建模成狼群的元素。

步骤S702、更新狼群位置。

步骤S703、根据优化目标计算适应度函数，更新局部最优解和全局最优解，其中，优化的目标为：使整个通信网络中终端用户距离对应的空中基站的距离最近；优化的变量为：空中基站的位置坐标和连接关系，连接关系包括连接的终端用户的数目及分布密度；优化的限定条件为：每个空中基站对应的服务位置的坐标不能超出给定对应的部署区域范围、每个终端用户只能连接且必需连接一个空中基站。

步骤S704，判断最优解是否满足限制条件，若不满足则执行步骤S702。

图8是根据本申请优选实施例的空中基站部署方法的流程图，参考图8，确定服务位置为空中基站所对应的部署位置之后，还实施如下步骤：

步骤S801、获取每个所述空中基站所对应的预估负载值，根据所述预估负载值和预设数据传输速率为所述终端用户配设候选空中基站。

步骤S802、检测所述候选空中基站在当前状态下的第一负载值，并判断所述第一负载值与所述候选空中基站在上一状态下的第二负载值的差值是否小于预设阈值。

步骤S803、在判断到所述差值小于预设阈值的情况下，确定所述候选空中基站为所述终端用户对应的目标空中基站。

通过上述步骤中的获取每个所述空中基站所对应的预估负载值，根据所述预估负载值和预设数据传输速率为所述终端用户配设候选空中基站；检测所述候选空中基站在当前状态下的第一负载值，并判断所述第一负载值与所述候选空中基站在上一状态下的第二负载值的差值是否小于预设阈值；在判断到所述差值小于预设阈值的情况下，确定所述候选空中基站为所述终端用户对应的目标空中基站，实现在确定空中基站的服务位置，采用预设的再关联算法为每个终端用户选择最优的空中基站，实现通信时延比最小化优化。

需要说明的是，在本实施例中，采用再关联算法优化的目标为最小化整体网络的总时延比，并按如下公式进行优化：

其中，η_ij表示终端用户i和第j个空中基站DBS _j的连接关系，若连接，则η_ij为1，否则，η_ij为0，ρ_j表示空中基站DBS _j的负载，负载的计算方法参考如下公式：

λ_i表示终端用户i数据包的到达率，l_i表示数据包的平均大小，I表示空中基站DBS_j中终端用户的集合。

根据上述计算公式可知，通过使ρ_j最小，可实现最小化整体网络的总时延比。

在本实施例中还提供了一种空中基站部署装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图9是根据本申请实施例的空中基站部署装置的结构框图，如图9所示，该装置包括：

获取模块91，用于获取多个待部署区域所对应的初始部署信息，其中，初始部署信息包括每个待部署区域内分布的终端用户所对应的用户信息、以及基于用户信息确定的空中基站信息；

生成模块92，与获取模块91耦合连接，用于在用户信息中写入与终端用户对应的用户移动模型，生成动态部署信息，其中，用户移动模型是基于递归神经网络和终端用户对应的移动轨迹信息生成的，并用于生成终端用户对应的移动预测信息；

处理模块93，与生成模块92耦合连接，用于利用预设优化算法对动态部署信息所对应的空中基站信息进行处理，得到多个空中基站所对应的服务位置，在位于服务位置处的空中基站与每个待部署区域内的终端用户的传输距离小于预设阈值的情况下，确定服务位置为空中基站所对应的部署位置。

在其中一些实施例中，在获取多个待部署区域所对应的初始部署信息之后，装置还用于在移动轨迹信息中检测终端用户对应的移动特征信息；根据移动特征信息确定终端用户所对应的第一移动规律信息，其中，第一移动规律信息用于表征终端用户的跃迁规律；将终端用户所对应的用户信息和第一移动规律信息进行融合，生成移动预测信息，以及对移动预测信息进行拟合，生成终端用户所对应的用户移动模型。

在其中一些实施例中，装置还用于从移动轨迹信息中提取第一移动轨迹信息，其中，第一移动轨迹信息包括多个当前终端用户所对应的轨迹数据；在第一移动轨迹信息中检测多个当前终端用户所对应的移动轨迹顺序信息，并将移动轨迹顺序信息作为移动特征信息，其中，移动轨迹顺序信息用于表征多个当前终端用户移动的先后顺序，且移动轨迹顺序信息所对应的轨迹移动复杂度大于预设阈值。

在其中一些实施例中，装置还用于在移动特征信息中检测移动轨迹顺序信息；根据移动轨迹顺序信息确定终端用户的移动顺序，其中，第一移动规律信息包括移动顺序。

在其中一些实施例中，装置还用于从移动轨迹信息中提取第二移动轨迹信息，并在第二移动轨迹信息中检测多个候选轨迹特征，其中，第二移动轨迹信息包括多个历史终端用户所对应的轨迹数据；获取第一移动轨迹信息所对应的多个备选轨迹特征，并确定多个备选轨迹特征与多个候选轨迹特征的特征相似度；根据特征相似度生成第一移动轨迹信息和第二移动轨迹信息所对应的相似性信息，其中，移动特征信息包括相似性信息。

在其中一些实施例中，装置还用于根据相似性信息确定每个备选轨迹特征所对应的候选轨迹特征；捕捉每个候选轨迹特征所对应的历史终端用户的轨迹数据与第二移动轨迹信息的第一依赖关系，其中，第一依赖关系用于表征历史终端用户的轨迹数据的变化规律；将第一依赖关系作为与候选轨迹特征对应的备选轨迹特征所对应的当前终端用户的移动轨迹中的依赖关系信息，其中，第一移动规律信息包括依赖关系信息。

在其中一些实施例中，装置还用于利用灰狼优化算法对动态部署信息所对应的空中基站信息进行优化处理。

在其中一些实施例中，装置还用于获取每个空中基站所对应的预估负载值，根据预估负载值和预设数据传输速率为终端用户配设候选空中基站；检测候选空中基站在当前状态下的第一负载值，并判断第一负载值与候选空中基站在上一状态下的第二负载值的差值是否小于预设阈值；在判断到差值小于预设阈值的情况下，确定候选空中基站为终端用户对应的目标空中基站。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

在本实施例中还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，获取多个待部署区域所对应的初始部署信息，其中，初始部署信息包括每个待部署区域内分布的终端用户所对应的用户信息、以及基于用户信息确定的空中基站信息。

S2，在用户信息中写入与终端用户对应的用户移动模型，生成动态部署信息，其中，用户移动模型是基于递归神经网络和终端用户对应的移动轨迹信息生成的，并用于生成终端用户对应的移动预测信息。

S3，利用预设优化算法对动态部署信息所对应的空中基站信息进行处理，得到多个空中基站所对应的服务位置，在位于服务位置处的空中基站与每个待部署区域内的终端用户的传输距离小于预设阈值的情况下，确定服务位置为空中基站所对应的部署位置。

需要说明的是，在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，在本实施例中不再赘述。

此外，结合上述实施例中提供的空中基站部署方法，在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种空中基站部署方法。

应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本申请提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本申请保护范围。

显然，附图只是本申请的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本申请适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本申请公开的内容不足。

“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本申请中描述的实施例在没有冲突的情况下，可以与其它实施例结合。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对专利保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。