曹瑞彤，曹 旭

（中國(guó)聯(lián)合網(wǎng)絡(luò)通信集團(tuán)有限公司 北京100033）

1 引言

隨著通信產(chǎn)業(yè)的發(fā)展，用戶所感受到的業(yè)務(wù)體驗(yàn)越來越重要。研究表明，僅2 s的服務(wù)時(shí)延就可能帶來點(diǎn)擊量3.75%的損失以及用戶滿意度4%的下降，給業(yè)務(wù)提供商和運(yùn)營(yíng)商造成巨大的損失。隨著網(wǎng)絡(luò)規(guī)模和復(fù)雜程度的不斷增長(zhǎng)，簡(jiǎn)單地對(duì)網(wǎng)絡(luò)關(guān)鍵性能指標(biāo)（KPI）進(jìn)行分析已經(jīng)無法有效評(píng)估用戶真實(shí)的服務(wù)體驗(yàn)。因此，自適應(yīng)性更強(qiáng)的帶有自主學(xué)習(xí)功能的智能網(wǎng)管受到越來越多的關(guān)注。

保障業(yè)務(wù)用戶體驗(yàn)的核心難點(diǎn)之一是對(duì)服務(wù)體驗(yàn)的準(zhǔn)確評(píng)估。目前，服務(wù)質(zhì)量（quality of service，QoS）是廣泛采用的一種業(yè)務(wù)體驗(yàn)評(píng)估方式。然而當(dāng)前對(duì)于QoS的定義依然模糊，由于研究角度不同，不同的標(biāo)準(zhǔn)組織對(duì)于QoS的定義也不盡相同，ITU、ISO、IETF對(duì)于QoS進(jìn)行了各不相同的定義，使得具體應(yīng)用這些標(biāo)準(zhǔn)對(duì)QoS評(píng)估遇到很大的困難。

目前，對(duì)于業(yè)務(wù)QoS的評(píng)估一般可以分為主觀評(píng)估方法和客觀評(píng)估方法兩種。主觀評(píng)估方法通過用戶直接對(duì)服務(wù)進(jìn)行打分實(shí)現(xiàn)對(duì)QoS的評(píng)估，可以獲得較為可靠的結(jié)果，但由于不同的評(píng)估者可能存在較大差異，為了避免用戶評(píng)價(jià)隨機(jī)性的影響，需要較大的樣本數(shù)量才能獲得合理的評(píng)估結(jié)果，這大大增加了QoS評(píng)估的時(shí)間和成本；客觀評(píng)估方法通過對(duì)比網(wǎng)絡(luò)KPI實(shí)現(xiàn)對(duì)業(yè)務(wù)QoS的評(píng)估，是目前運(yùn)營(yíng)商進(jìn)行業(yè)務(wù)質(zhì)量評(píng)估的常用方法。但由于不同地區(qū)的網(wǎng)絡(luò)環(huán)境和業(yè)務(wù)承載區(qū)別較大，同一套QoS評(píng)估方法無法普遍適用于不同地區(qū)的網(wǎng)絡(luò)，也給運(yùn)營(yíng)商的業(yè)務(wù)質(zhì)量管理帶來新的挑戰(zhàn)。

智能網(wǎng)管的目標(biāo)就是通過對(duì)采集樣本的自主學(xué)習(xí)，準(zhǔn)確評(píng)估各種環(huán)境、業(yè)務(wù)特點(diǎn)的網(wǎng)絡(luò)所承載的業(yè)務(wù)帶給用戶的確切體驗(yàn)，并可以針對(duì)環(huán)境和業(yè)務(wù)變化做出自適應(yīng)調(diào)整，降低網(wǎng)絡(luò)管理過程中人為因素的影響，從而提升運(yùn)營(yíng)商的網(wǎng)絡(luò)管理水平。

本文針對(duì)這一要求提出了一種基于支持向量機(jī)的業(yè)務(wù)QoS評(píng)估方法，該方法通過對(duì)小樣本的統(tǒng)計(jì)學(xué)習(xí)獲取業(yè)務(wù)QoS的判別模式，從而實(shí)現(xiàn)自適應(yīng)的QoS判決。通過對(duì)一組實(shí)際VoIP業(yè)務(wù)樣本進(jìn)行分析對(duì)比，驗(yàn)證了本文所提方法的準(zhǔn)確性。

2 QoS評(píng)估的機(jī)器學(xué)習(xí)模型

機(jī)器學(xué)習(xí)是智能網(wǎng)管中的核心技術(shù)，目前已經(jīng)廣泛應(yīng)用于生產(chǎn)和生活的多個(gè)領(lǐng)域。通過機(jī)器學(xué)習(xí)，系統(tǒng)可以在錯(cuò)誤時(shí)實(shí)現(xiàn)自我校正，通過經(jīng)驗(yàn)改善自身的性能甚至自動(dòng)獲取和發(fā)現(xiàn)需要的知識(shí)。對(duì)于這類問題，機(jī)器學(xué)習(xí)的任務(wù)就是通過對(duì)一些給定樣本的學(xué)習(xí)，推理出QoS分類的定量準(zhǔn)則。由于實(shí)際中的QoS分類面帶有高度的非線性，準(zhǔn)確學(xué)習(xí)到QoS分類需要大量樣本和較高的學(xué)習(xí)難度。從實(shí)用性來考慮，QoS評(píng)估的機(jī)器學(xué)習(xí)過程就是在準(zhǔn)確性和學(xué)習(xí)難度之間進(jìn)行折中。

為了解決上述問題，引入近似正確（probably approximately correct，PAC）學(xué)習(xí)的概念，不再需要機(jī)器學(xué)習(xí)到零誤差的評(píng)估，只對(duì)評(píng)估錯(cuò)誤大小進(jìn)行限制?；蛘哒f，只需要機(jī)器學(xué)習(xí)到大概正確的QoS評(píng)估方式，這樣就較好地滿足了準(zhǔn)確性與學(xué)習(xí)難度的折中。

更嚴(yán)格來說，考慮樣本集合X上包含的一種概念C，QoS評(píng)估的過程就是推導(dǎo)假設(shè)空間H。任取ε、δ滿足0<ε<1/2、0<δ<1/2，若QoS評(píng)估的結(jié)果以至少1-δ的概率輸出，假設(shè)h∈H并使Perror(h)<ε，則認(rèn)為QoS評(píng)估過程通過PAC學(xué)習(xí)得到結(jié)果C。如圖1所示，對(duì)于一組樣本數(shù)據(jù)，符號(hào)“+”和“-”表示業(yè)務(wù)的QoS需求得到滿足的正例和反例。機(jī)器學(xué)習(xí)的目標(biāo)是輸出一個(gè)可行的分類，使得其對(duì)于樣本的劃分錯(cuò)誤率盡可能低，或者對(duì)目標(biāo)概念進(jìn)行PAC學(xué)習(xí)。

圖1 近似正確學(xué)習(xí)示意

從而可以得到QoS評(píng)估所需要的樣本數(shù)量的估計(jì)值，即在給定準(zhǔn)確性參數(shù)ε、δ時(shí)，所需QoS評(píng)估的樣本數(shù)量m需要滿足下列條件：

從式(1)可以看到樣本數(shù)量與QoS評(píng)估準(zhǔn)確性之間的關(guān)系。在實(shí)際應(yīng)用中，樣本數(shù)據(jù)的取得總是受限的。為了在訓(xùn)練樣本數(shù)量有限的情況下，取得較好的評(píng)估效果，尋找一種可以適用于小訓(xùn)練樣本的機(jī)器學(xué)習(xí)手段顯得十分重要。在第3節(jié)中，將通過引入支持向量機(jī)的思想提升小樣本條件下的QoS評(píng)估性能。

3 基于支持向量機(jī)的QoS評(píng)估方法

電信業(yè)務(wù)QoS評(píng)估的主要困難就是由于缺乏有效手段獲得用戶的真實(shí)業(yè)務(wù)體驗(yàn)，導(dǎo)致用來學(xué)習(xí)的樣本數(shù)量較少。為了解決這一困難，引入支持向量機(jī)的思想。支持向量機(jī)是建立在統(tǒng)計(jì)學(xué)習(xí)理論上的一種機(jī)器學(xué)習(xí)方法，其目的是在樣本數(shù)量有限的情況下，通過樣本向高維空間的映射簡(jiǎn)化問題，并獲得更好的假設(shè)推廣能力。

將樣本視為n維實(shí)空間中的點(diǎn)，就可以通過n-1維的超平面對(duì)樣本進(jìn)行分類，對(duì)于業(yè)務(wù)QoS評(píng)估問題，設(shè)模式集為X∈{ωi，i=1,2}，即：若xi∈ω1，認(rèn)為業(yè)務(wù)體驗(yàn)滿足用戶需求；若xi∈ω2，認(rèn)為業(yè)務(wù)體驗(yàn)不滿足用戶需求。

兩類分類樣本距界面的距離為1/||ω||，如圖2所示。在圖2中，兩條虛線間的距離為不同類型訓(xùn)練數(shù)據(jù)之間的最小距離，支持向量機(jī)的學(xué)習(xí)目標(biāo)是找到最優(yōu)的分類面使1/||ω||最大。對(duì)于最優(yōu)分類面，支持向量就是分類間隔邊緣的訓(xùn)練樣本點(diǎn)。

圖2 最優(yōu)分類面示意

在實(shí)際情況中，業(yè)務(wù)的QoS分類面更可能是非線性的。為了使用支持向量機(jī)方法，可以通過采用非線性的內(nèi)積核函數(shù)增強(qiáng)支持向量機(jī)的表征能力，即通過空間變換的方式將非線性空間中的樣本變換到線性空間中處理。實(shí)現(xiàn)這一空間變換的方法是采用內(nèi)積函數(shù)，即x=(x1,…,xn)→Φ(x)=Φ1(x)，…，Φn(x))，d

圖3 空間變換示意

4 本文方案的驗(yàn)證與比較

4.1 QoS評(píng)估系統(tǒng)的設(shè)計(jì)方案

在實(shí)際情況中，業(yè)務(wù)的QoS 分類面是高度非線性的，同時(shí)可以利用的訓(xùn)練樣本數(shù)量十分不足，在這種情況下，為了實(shí)現(xiàn)對(duì)QoS的準(zhǔn)確評(píng)估，可以采用支持向量機(jī)的方法，即對(duì)于輸入數(shù)據(jù)X={x1,x2,…,xn}，構(gòu)造變換函數(shù)K（xi,xj），得到變換矩陣如下：

顯然，K是對(duì)稱矩陣，可以用正交矩陣V實(shí)現(xiàn)對(duì)角變換K=VΛVT。變換后對(duì)角線上的元素分別對(duì)應(yīng)K的特征值λi，每個(gè)對(duì)角元λi對(duì)應(yīng)矩陣V的第i列，矩陣K的元素可以寫為：

這樣就實(shí)現(xiàn)了輸入函數(shù)的Hilbert空間映射變換，并增強(qiáng)了函數(shù)表示的非線性，此過程如圖4所示。

圖4 支持向量機(jī)的工作流程

這樣，就可以對(duì)輸入?yún)?shù)進(jìn)行空間變換，提高系統(tǒng)的表征能力，從而實(shí)現(xiàn)對(duì)QoS的評(píng)估。為了適應(yīng)業(yè)務(wù)QoS評(píng)估需求的多樣性，本系統(tǒng)采用高階可再生的高斯核函數(shù)對(duì)樣本數(shù)據(jù)進(jìn)行空間變換。

4.2 與傳統(tǒng)方法的比較

為了對(duì)本文所提方法進(jìn)行驗(yàn)證，采用實(shí)際網(wǎng)絡(luò)中的VoIP業(yè)務(wù)樣本進(jìn)行系統(tǒng)的性能驗(yàn)證。目前，語音質(zhì)量通用的評(píng)定方法是基于MOS（mean opinion score）值，這是ITU-T提出的語音業(yè)務(wù)質(zhì)量的評(píng)價(jià)體系，即對(duì)語音質(zhì)量給出1～5分的評(píng)分，參考評(píng)分標(biāo)準(zhǔn)見表1。

通常情況下，MOS值低于3分時(shí)，認(rèn)為通話質(zhì)量較差，即業(yè)務(wù)的QoS不能滿足用戶需求。從實(shí)際角度出發(fā)，終端的信道情況、無線資源管理方式、射頻性能等因素都可能對(duì)語音的MOS評(píng)分造成影響。本文忽略這些因素對(duì)于語音質(zhì)量的影響，即認(rèn)為語音質(zhì)量只與可以監(jiān)測(cè)到的網(wǎng)絡(luò)性能參數(shù)相關(guān)。

表1 MOS值分類說明

為了驗(yàn)證本文所提方案的性能，選取3 000個(gè)路測(cè)VoIP業(yè)務(wù)的樣本數(shù)據(jù)，通過該業(yè)務(wù)的信號(hào)強(qiáng)度、接收誤碼率、業(yè)務(wù)傳輸時(shí)延、業(yè)務(wù)傳輸抖動(dòng)4個(gè)參數(shù)對(duì)該業(yè)務(wù)的用戶體驗(yàn)進(jìn)行評(píng)估。認(rèn)為MOS值大于3分的樣本是滿足用戶業(yè)務(wù)需求的樣本，而小于3分的樣本則沒有滿足用戶業(yè)務(wù)需求。采用支持向量機(jī)對(duì)樣本進(jìn)行分類，結(jié)果如圖5所示。在圖5中，為了便于呈現(xiàn)，只對(duì)傳輸時(shí)延和傳輸抖動(dòng)的業(yè)務(wù)用戶體驗(yàn)進(jìn)行分類?？梢钥吹剑С窒蛄繖C(jī)給出的分類面呈現(xiàn)明顯的非線性，表明支持向量機(jī)具有較好的非線性分類能力。

圖5 采用支持向量機(jī)的分類結(jié)果

將樣本數(shù)據(jù)分為10組，與采用固定參數(shù)閾值的QoS評(píng)估方案進(jìn)行對(duì)比。固定分類的QoS評(píng)價(jià)方法認(rèn)為，當(dāng)出現(xiàn)下列任一情況時(shí)，用戶的語音業(yè)務(wù)體驗(yàn)無法保障：RSS低于-107 dBm；誤碼率（BER）大于2%；時(shí)延大于2 000 ms；抖動(dòng)大于500 ms。將兩種算法進(jìn)行對(duì)比，結(jié)果如圖6所示。

從圖6中可以看到，傳統(tǒng)方法沒有考慮參數(shù)間的相關(guān)性，對(duì)于QoS評(píng)估的準(zhǔn)確性較差；采用支持向量機(jī)的QoS評(píng)估方法，可以較大地提高QoS評(píng)估的準(zhǔn)確性。雖然對(duì)于VoIP業(yè)務(wù)而言，用戶實(shí)際感受到的服務(wù)質(zhì)量并不完全取決于網(wǎng)絡(luò)參數(shù)，然而實(shí)踐表明，采用支持向量機(jī)的QoS評(píng)估方法可以達(dá)到90%左右的評(píng)估準(zhǔn)確率，已經(jīng)基本滿足運(yùn)營(yíng)商對(duì)于用戶服務(wù)質(zhì)量評(píng)估的需求，同時(shí)也證明本文所提方案已經(jīng)具有一定的實(shí)用價(jià)值。

5 結(jié)束語

圖6 和固定分類方法的性能對(duì)比結(jié)果

隨著網(wǎng)絡(luò)運(yùn)營(yíng)業(yè)務(wù)種類和數(shù)量的不斷增長(zhǎng)，保障用戶感受到的服務(wù)體驗(yàn)已經(jīng)成為運(yùn)營(yíng)商競(jìng)爭(zhēng)力的核心。為了有效保障用戶體驗(yàn)，客觀準(zhǔn)確地評(píng)估用戶實(shí)際獲得的業(yè)務(wù)服務(wù)質(zhì)量已經(jīng)成為網(wǎng)絡(luò)管理的重要挑戰(zhàn)。然而，如何自適應(yīng)地實(shí)現(xiàn)在各種實(shí)際網(wǎng)絡(luò)環(huán)境中的業(yè)務(wù)QoS評(píng)估還沒有一套成熟的解決方案。本文基于這一背景，將機(jī)器學(xué)習(xí)的思想引入網(wǎng)絡(luò)管理領(lǐng)域，首先分析了網(wǎng)絡(luò)管理中QoS評(píng)估的機(jī)器學(xué)習(xí)模型，繼而提出了一種基于支持向量機(jī)的QoS評(píng)估方法，最后給出了實(shí)際系統(tǒng)的實(shí)現(xiàn)方案并進(jìn)行了方案驗(yàn)證及對(duì)比。本文的研究成果對(duì)未來發(fā)展智能網(wǎng)絡(luò)管理系統(tǒng)有較強(qiáng)的參考和借鑒意義。

1 ITU-T Recommendation G.1000.Quality of Service:a Famwwork and Definitions,2011

2 趙其剛,王建成,彭虎.NGN運(yùn)營(yíng)網(wǎng)絡(luò)及其QoS問題.成都:西南交通大學(xué)出版社,2008

3 Ingo S,Andreas C.Support Vector Machines.Springer-Verlag,New York,2008

4 RFC2990.Next Step for IP QoS Architecture,2000

5 RFC3260.New Terminology and Clarifications for Diffeserv,2009