劉孝頌，魏東東/Liu Xiaosong，Wei Dongdong

（中國電信股份有限公司上海研究院 上海200120）

（Shanghai Research Institute of China Telecom Co.,Ltd.,Shanghai 200120,China）

1 引言

隨著LTE網(wǎng)絡(luò)逐步商用，其在網(wǎng)絡(luò)流量承載能力上有了很大的提升，而且伴隨著PCC架構(gòu)的引入，可以為用戶提供個性化的服務(wù)，開展更精細化的運營。LTE網(wǎng)絡(luò)的建成為移動通信產(chǎn)業(yè)注入了新的活力，將為用戶帶來更豐富多彩的業(yè)務(wù)，也給運營商帶來了更多的發(fā)展機遇。

傳統(tǒng)的網(wǎng)絡(luò)優(yōu)化與評估方法主要是面向設(shè)備的維護及小區(qū)、簇級的優(yōu)化，其關(guān)注更多的是網(wǎng)絡(luò)指標(biāo)，其支撐服務(wù)功能不能精細化到具體的用戶，而運營商網(wǎng)絡(luò)運維的一個重大改變是從關(guān)注網(wǎng)絡(luò)運行指標(biāo)向關(guān)注用戶感知轉(zhuǎn)移，因此，建設(shè)精細化至用戶維度、面向客戶感知的LTE網(wǎng)絡(luò)精細化支撐系統(tǒng)來支撐LTE網(wǎng)絡(luò)的運維、規(guī)劃、客服服務(wù)和市場營銷，成為目前運營商精細化運營領(lǐng)域的主要趨勢。

無線網(wǎng)管指標(biāo)仍是最常用的指標(biāo)體系，而且對網(wǎng)絡(luò)KPI（Key Performance Indicator，關(guān)鍵性能指標(biāo)）的考核數(shù)據(jù)（無線網(wǎng)絡(luò)連接成功率）來自于無線網(wǎng)管，因此，無線網(wǎng)管指標(biāo)仍是目前進行優(yōu)化評估的主要依據(jù)。但是無線網(wǎng)管指標(biāo)主要反映無線網(wǎng)絡(luò)及設(shè)備的運行情況，由于采集點的差異，并不能與用戶使用業(yè)務(wù)時的真實感知完全一致。

例如，某地區(qū)的客戶在使用無線網(wǎng)絡(luò)觀看視頻時，發(fā)現(xiàn)用戶的QoE（Quality of Experience，體驗質(zhì)量）較差，視頻有卡頓和不清晰的現(xiàn)象。經(jīng)過路測數(shù)據(jù)分析發(fā)現(xiàn)，該用戶所在地區(qū)的無線網(wǎng)絡(luò)KPI很好，具體表現(xiàn)有：該用戶所在小區(qū)的覆蓋率已經(jīng)為100%，RRC連接成功率、RAB建立成功率、無線接通率、切換成功率等相關(guān)指標(biāo)均為95%以上；同時經(jīng)過核心網(wǎng)測試發(fā)現(xiàn)，該視頻業(yè)務(wù)的KQI（Key Quality Indicator，關(guān)鍵質(zhì)量指標(biāo)）也很好，監(jiān)測到的TCP重傳率低，往返時間RTT較小，時延小。根據(jù)這一系列測試結(jié)果，通常情況下可以認為，網(wǎng)絡(luò)狀況和業(yè)務(wù)傳輸很好，已經(jīng)達標(biāo)。但是用戶側(cè)反映出的用戶體驗實際情況卻很差。因此，傳統(tǒng)的基于網(wǎng)絡(luò)性能指標(biāo)的網(wǎng)絡(luò)優(yōu)化已經(jīng)不能完全準(zhǔn)確地反映實際的用戶體驗。因此，亟需將KPI、KQI等傳統(tǒng)的網(wǎng)絡(luò)監(jiān)測指標(biāo)與不同應(yīng)用分別對應(yīng)建模分析，用最接近用戶體驗的QoE指標(biāo)來反映網(wǎng)絡(luò)的真實用戶體驗情況。因此，運營商亟需由傳統(tǒng)的基于網(wǎng)絡(luò)性能指標(biāo)進行網(wǎng)絡(luò)優(yōu)化，向基于用戶感知的網(wǎng)絡(luò)運營優(yōu)化方向轉(zhuǎn)型。

客戶體驗管理不僅要做到收集和報告客戶的相關(guān)數(shù)據(jù)，還要充分利用有用的信息更好地驅(qū)動業(yè)務(wù)。這個行業(yè)要做到超前和超越，僅監(jiān)測KPI和KQI是不夠的，必須要深入洞察用戶期望。由于隨著業(yè)務(wù)性能的提升，用戶期望將會改變，因此，用戶服務(wù)管理必須隨著這種變化而改變。

2 客戶體驗感知評價指標(biāo)說明

衡量一個網(wǎng)絡(luò)和業(yè)務(wù)品質(zhì)最根本的標(biāo)準(zhǔn)在于用戶的體驗質(zhì)量。QoE體系將是未來以數(shù)據(jù)業(yè)務(wù)為主的移動網(wǎng)絡(luò)關(guān)注的重點。構(gòu)建基于用戶感知的用戶體驗質(zhì)量體系，其中最關(guān)鍵的是如何將傳統(tǒng)網(wǎng)絡(luò)運營指標(biāo)中的KPI以及由此建立的KQI，與最終的用戶QoE評估體系之間的內(nèi)在關(guān)聯(lián)和映射建立起來。

QoE與具體業(yè)務(wù)相關(guān)聯(lián)，從用戶的角度提供業(yè)務(wù)主觀感知評價。雖然用戶對不同業(yè)務(wù)會關(guān)注不同方面，但總體來說，需要服務(wù)提供商關(guān)注的問題是“用戶對服務(wù)的期望是什么？”，從中可以歸結(jié)出主要的兩點作為衡量指標(biāo)：服務(wù)的可靠性和舒適度。

下面對構(gòu)建用戶感知系統(tǒng)所涉及的體系構(gòu)成元素進行簡單介紹。

（1）KPI

KPI通常是網(wǎng)絡(luò)層面可監(jiān)視、可測量的重要參數(shù)，是現(xiàn)代企業(yè)中受到普遍重視的業(yè)績考評方法，也是傳統(tǒng)網(wǎng)絡(luò)運營過程中針對性能考核的重要組成部分。

（2）KQI

KQI主要是針對不同業(yè)務(wù)提出貼近用戶感受的業(yè)務(wù)質(zhì)量參數(shù)，是業(yè)務(wù)層面的關(guān)鍵指標(biāo)，可能是不同業(yè)務(wù)或應(yīng)用的質(zhì)量參數(shù)。KQI是從業(yè)務(wù)層面提出的關(guān)鍵指標(biāo)，是衡量用戶在使用不同業(yè)務(wù)時的感受所表達出的業(yè)務(wù)質(zhì)量參數(shù)。KQI的組成元素可以由不同的網(wǎng)絡(luò)性能指標(biāo)構(gòu)建。

（3）QoS

QoS是決定用戶滿意程度的服務(wù)性能的綜合效果。

（4）QoE

QoE是終端用戶對移動網(wǎng)絡(luò)提供的業(yè)務(wù)性能的主觀感受，是移動網(wǎng)絡(luò)終端用戶在使用移動業(yè)務(wù)的過程中，對業(yè)務(wù)性能、功能等多維度最終的主觀感受。QoE可以由網(wǎng)絡(luò)的QoS、業(yè)務(wù)內(nèi)容以及使用體驗組成。QoE=網(wǎng)絡(luò)QoS+內(nèi)容+人的體驗。

移動網(wǎng)絡(luò)相關(guān)業(yè)務(wù)與用戶感知相關(guān)的KPI指標(biāo)主要包括 RSRP （Reference Signal Receiving Power，參考信號接收功率）、RSRQ、RRC建立成功率、ERAB建立成功率、掉話率、切換成功率等。

①RSRP是LTE在某個符號內(nèi)承載參考信號的所有RE（資源粒子）上接收到的信號功率線性平均值，是反映服務(wù)小區(qū)覆蓋的主要指標(biāo)，分為6個等級，見表1。

表1 反映服務(wù)小區(qū)覆蓋的主要指標(biāo)等級

②RSRQ代表接收質(zhì)量，典型的取值范圍是－19.5～－3 dB，以0.5 dB為精度，映射為0～34的整數(shù)值范圍。

③對于IP網(wǎng)承載的話音業(yè)務(wù)，端到端的時延要求分成4個等級：最好（≤150ms）；較好（150～250ms）；一般（250～400 ms）；差（400 ms以上）。

④抖動分為3個等級：良好（1 ms）；一般（20 ms）；較差（60 ms）。

⑤分組丟失率分為3個等級：良好（0）；一般（1%）；較差（5%）。

⑥LTE的上/下行帶寬除以1000Mbit/s進行計算。

RSRP/RSRQ來自測量報告（Measurement Report，MR），需要從基站側(cè)采集。RRC建立成功率、ERAB建立成功率、掉話率、切換成功率等KPI指標(biāo)由無線網(wǎng)管提供。

KQI在業(yè)務(wù)層面反映用戶感受的指標(biāo)，包括在業(yè)務(wù)流程中直接測試得到的指標(biāo)可以從業(yè)務(wù)使用流程中通過網(wǎng)絡(luò)直接獲取的相關(guān)指標(biāo)，如接收時延、分組丟失率、抖動、上/下行帶寬等。KQI指標(biāo)通過用戶面數(shù)據(jù)S1-U的DPI分析得到。

3 評估數(shù)據(jù)的采集方法及流程

如圖1所示，客戶感知評估模塊采集網(wǎng)管數(shù)據(jù)和各接口信令。

通過S1-MME、S11、S6a的信令分析，對采集到的指標(biāo)進行關(guān)聯(lián)，從而得到基于單個用戶的KPI、KQI指標(biāo)畫像。

信令采集的接口：系統(tǒng)通過分光方式，在核心網(wǎng)承載網(wǎng)絡(luò)的數(shù)據(jù)鏈路上抓取用戶控制信令和用戶面數(shù)據(jù)。用戶控制信令包括S1-MME、S11、S10和S6a信令。用戶面數(shù)據(jù)為S1-U數(shù)據(jù)。

與設(shè)備網(wǎng)管系統(tǒng)的接口：網(wǎng)管系統(tǒng)主要采集eNodeB上MR和性能報表。通過網(wǎng)管數(shù)據(jù)分析KPI數(shù)據(jù)。

用戶感知評價模塊通過將歷史的KPI/KQI信息輸入智能專家知識庫系統(tǒng)，利用智能動態(tài)權(quán)值函數(shù)來訓(xùn)練每一個影響業(yè)務(wù)體驗的指標(biāo)權(quán)重，然后再從當(dāng)前業(yè)務(wù)關(guān)鍵指標(biāo)KPI/KQI綜合評價出最終的用戶體驗值，具體如圖2所示。

具體有以下幾個關(guān)鍵步驟。

第1步：利用用戶已有的KPI/KQI信息歷史數(shù)據(jù)，初始用戶感知評價體系的建模。

第2步：輸出QoE后，對用戶體驗進行監(jiān)測和預(yù)測。

第3步：將預(yù)測的結(jié)果與實際的結(jié)果進行對比，不斷地動態(tài)調(diào)整權(quán)值函數(shù)，形成專家知識庫。

第4步：隨著數(shù)據(jù)量的增加，模型不斷地進行智能更新和優(yōu)化，會自動預(yù)測用戶期望值，從而調(diào)整和優(yōu)化智能專家?guī)欤泳_地監(jiān)測出用戶體驗的綜合評分值。

業(yè)務(wù)的用戶感知QoE的主觀標(biāo)準(zhǔn)獲取方案采取業(yè)內(nèi)經(jīng)驗和實際測試兩種方法進行。用戶業(yè)務(wù)體驗QoE的主觀評價為好、中、差。評分標(biāo)準(zhǔn)見表2。

表2 評分標(biāo)準(zhǔn)

測算模型需要基于一系列的KQI／KPI指標(biāo)測算，通過各指標(biāo)間的權(quán)重關(guān)系，完成指標(biāo)匯聚。

不同業(yè)務(wù)的特性不同，其關(guān)注的重點性能也不同，相關(guān)的性能指標(biāo)以及各性能指標(biāo)的影響權(quán)重存在差異，因此，需針對不同類別的業(yè)務(wù)建立不同的測算模型。根據(jù)移動互聯(lián)網(wǎng)行業(yè)內(nèi)成熟的業(yè)務(wù)評估經(jīng)驗，根據(jù)不同的數(shù)據(jù)業(yè)務(wù)類型設(shè)計評分標(biāo)準(zhǔn)，對大類業(yè)務(wù)進行歸一化評分，建立評估模型原型。

4 LTE用戶體驗感知評價模型

4.1 BP神經(jīng)網(wǎng)絡(luò)簡介

LTE用戶業(yè)務(wù)體驗感知評價模型主要針對基于BP（Back Propagation，反向傳播）神經(jīng)網(wǎng)絡(luò)算法的實現(xiàn)進行探討。首先分析BP神經(jīng)網(wǎng)絡(luò)模型與學(xué)習(xí)算法的特征，BP神經(jīng)網(wǎng)絡(luò)模型能學(xué)習(xí)和存儲大量的輸入輸出模式映射關(guān)系，無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小[1]。具體如圖1所示。

圖3給出了第j個神經(jīng)元（節(jié)點）的示意，其中，x1,x2,…,xi,…，xn分別為輸入神經(jīng)元1,2,…,i,…,n的向量；wj1,wj2,…,wji,…，wjn分別為神經(jīng)元1,2,…i,…, n與第j個神經(jīng)元之間的連接強度，即權(quán)值；bj為閾值；f(·)為傳遞函數(shù)；yj為第j個神經(jīng)元的輸出向量。

結(jié)合以上BP神經(jīng)網(wǎng)絡(luò)特征，重點探討在移動網(wǎng)絡(luò)中對用戶感知進行建模。由于用戶業(yè)務(wù)體驗感知的評價體系受多種因素影響，包括客戶模糊隨機性的主觀感受以及移動網(wǎng)絡(luò)中各類諸多非相關(guān)性的網(wǎng)絡(luò)性能指標(biāo)等。BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，具有很強的非線性映照能力。用戶感知評價模型的應(yīng)用通過訓(xùn)練，從輸入及輸出的數(shù)據(jù)中提煉出具有共性規(guī)律的知識，并將其記憶于網(wǎng)絡(luò)的權(quán)重中，具有泛化能力，將此權(quán)重值應(yīng)用于一般情況下的其他待評估數(shù)據(jù)中。

因此，BP神經(jīng)網(wǎng)絡(luò)在用戶業(yè)務(wù)體驗感知評估體系中的應(yīng)用，具備準(zhǔn)確的評估能力和智能化的評估方法，具有較廣泛的應(yīng)用價值。

4.2 用戶感知評價模型設(shè)計

重點利用BP神經(jīng)網(wǎng)絡(luò)算法的特性，對用戶感知評價模型進行設(shè)計。BP神經(jīng)網(wǎng)絡(luò)由輸入層（Input）、隱層（Hide Layer）和輸出層（Output Layer）構(gòu)成，本次針對用戶感知評價模型的設(shè)計中，隱層采用一層來實現(xiàn)。通過激活函數(shù)描述各層之間的關(guān)系，對不同層之間的神經(jīng)元交互過程進行模擬，本文采用雙曲正切S型（Sigmoid）激活函數(shù)實現(xiàn)，采用purelin線性傳輸函數(shù)作為輸出函數(shù)。確定采用的BP前饋神經(jīng)網(wǎng)絡(luò)由3層組成后，接下來的重點是需要確定每一層中的神經(jīng)元構(gòu)成以及所需要的神經(jīng)元數(shù)量。

（1）輸入層節(jié)點（神經(jīng)元）的確定

本次設(shè)計的用戶感知評價模型中，輸入節(jié)點主要由從網(wǎng)絡(luò)中獲取的各種KPI指標(biāo)參數(shù)以及通過對用戶面數(shù)據(jù)計算得出的KQI指標(biāo)組成。LTE網(wǎng)絡(luò)中需要采集的KPI指標(biāo)包括RSRP、RSRQ、RRC建立成功率、ERAB建立成功率、掉話率、切換成功率等；KQI包括時延、分組丟失率、抖動、上/下行帶寬等。本模型中，輸入節(jié)點數(shù)為12個（即n=12）。

（2）輸出層節(jié)點的確定

用戶體驗感知指標(biāo)評價最終輸出可以參照前面所確定的最終衡量值，取值范圍為[0,1]，并且輸出節(jié)點只有一個。

（3）隱層節(jié)點的確定

前面已經(jīng)明確，本模型由一個隱層組成，但隱層中節(jié)點數(shù)量的確定是BP神經(jīng)網(wǎng)絡(luò)算法中的難點，隱層節(jié)點數(shù)沒有一個確定的解析式，一般采用經(jīng)驗值和不斷試驗來確定。隱層節(jié)點數(shù)與輸入節(jié)點以及輸出要求都有一定的關(guān)系。隱層節(jié)點數(shù)如果過少，則無法生成足夠的連接強度（權(quán)值）組合數(shù)來滿足若干樣本的學(xué)習(xí)過程；隱層節(jié)點數(shù)如果過多，則學(xué)習(xí)后的網(wǎng)絡(luò)泛化能力會變差。

4.3 用戶感知評價模型實現(xiàn)流程

（1）輸入數(shù)據(jù)預(yù)處理及初始化

為提高訓(xùn)練學(xué)習(xí)的靈敏性和訓(xùn)練速度以及有效避免激活函數(shù)的飽和區(qū)，采用輸入數(shù)據(jù)在（0,1）區(qū)間，所以需要對輸入數(shù)據(jù)（網(wǎng)絡(luò)KPI和KQI）進行數(shù)據(jù)預(yù)處理。給各連接權(quán)值分別賦一個區(qū)間（－1,1）內(nèi)的隨機數(shù)，設(shè)定誤差函數(shù)e，給定計算精度值和最大學(xué)習(xí)次數(shù)M。

（2）評價模型BP網(wǎng)絡(luò)訓(xùn)練過程

BP神經(jīng)網(wǎng)絡(luò)的核心思想是對信號的正向傳播和誤差的反向傳播通過輸入樣本的刺激，不斷調(diào)整網(wǎng)絡(luò)中的連接強度（權(quán)值）來形成一個模型。其中，誤差的反向傳播，即將輸出的誤差，以一定的規(guī)則通過隱層逐步傳遞到輸入層，利用隱含層各神經(jīng)元和輸入層各神經(jīng)元的輸入修正連接權(quán)值。

（3）輸出層表達

5 基于BP神經(jīng)網(wǎng)絡(luò)的LTE用戶體驗感知仿真

通過Matlab對基于BP神經(jīng)網(wǎng)絡(luò)的LTE用戶體驗感知模型進行仿真，樣本數(shù)據(jù)為1 000例，其中，900個作為建模的訓(xùn)練樣本集，另外100個數(shù)據(jù)作為測試樣本集用于測試網(wǎng)絡(luò)。

①創(chuàng)建BP網(wǎng)絡(luò)net=newff(minmax(pn),T,[19,1], {′tansig′,′purelin′},′traingdx′)；

②輸入輸出數(shù)據(jù)的歸一化預(yù)處理，文中選用的歸一化函數(shù)為premnmx，歸一化后的數(shù)據(jù)將分布在[－1,1]區(qū)間內(nèi)（[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t)）。

③訓(xùn)練函數(shù)選?。翰捎脛恿考白赃m應(yīng)的梯度遞減訓(xùn)練函數(shù)，即Traingdx。對于梯度下降法，訓(xùn)練成功與否與學(xué)習(xí)率的選取有很大關(guān)系。自適應(yīng)學(xué)習(xí)算法能夠自適應(yīng)調(diào)整學(xué)習(xí)率來增加穩(wěn)定性，提高速度和精度。

首先對網(wǎng)絡(luò)進行初始化，設(shè)定輸入節(jié)點數(shù)為12，隱節(jié)點數(shù)為 19，輸出節(jié)點數(shù)為 1，誤差要求為0.000 1（net.trainParam.goal），訓(xùn)練次數(shù)為10 000（net.trainParam.epochs）。輸入訓(xùn)練樣本后，網(wǎng)絡(luò)信號正向傳播將按期望輸出與實際輸出誤差平方和的最小化規(guī)則來學(xué)習(xí)，如果總的誤差值低于預(yù)設(shè)，則將誤差反向傳播，從而調(diào)整權(quán)值矩陣和閾值向量。當(dāng)誤差減小到要求范圍時，系統(tǒng)停止學(xué)習(xí)，此時權(quán)值矩陣與閾值向量被固定，形成LTE用戶體驗感知的評估模型。

當(dāng)訓(xùn)練到誤差小于0.000 1時，停止訓(xùn)練，同時圖像界面動態(tài)圖停止，如圖5所示。

通過樣本數(shù)據(jù)訓(xùn)練后，當(dāng)誤差達到要求時，用測試樣本對網(wǎng)絡(luò)進行驗證測試，并通過對每一個測試數(shù)據(jù)的仿真輸出和期望輸出的比較，得出該神經(jīng)網(wǎng)絡(luò)仿真誤差的大小，以直觀地表現(xiàn)出仿真得出的結(jié)果與理想值之間的關(guān)系，因此，采用BP神經(jīng)網(wǎng)絡(luò)模型對用戶體驗感知滿意度進行評價具有較高的精確度。

訓(xùn)練完成后得到QoE與KPI、KQI的模型。輸入要評價的KPI、KQI指標(biāo)值，根據(jù)輸出值QoE，對用戶體驗感知度狀態(tài)給出評價結(jié)論。

6 結(jié)束語

基于BP神經(jīng)網(wǎng)絡(luò)算法，建立用戶體驗感知評價模型，測試了該神經(jīng)網(wǎng)絡(luò)評價模型的功能。從仿真測試結(jié)果來看，該網(wǎng)絡(luò)達到了設(shè)計要求，并體現(xiàn)出了BP神經(jīng)網(wǎng)絡(luò)的非線性映射能力以及具有較好的泛化能力。對用戶體驗感知滿意度的評價的正確率較高，證明了利用BP人工神經(jīng)網(wǎng)絡(luò)模型對用戶體驗感知滿意度進行評價比傳統(tǒng)的評價方式更為科學(xué)有效。由于本次在評估模型建立中，樣本數(shù)據(jù)相對較少，需要進一步地對算法進行優(yōu)化和完善，并重點提高運行速度和準(zhǔn)確度。

1 POIKSELKA M,MAYER G,KHARTABIL H,et al.IMS：移動領(lǐng)域的IP多媒體概念和服務(wù)[M].趙鵬，周勝等譯.北京：機械工業(yè)出版社，2005.

2 胡樂明，曹磊，陳潔.IMS技術(shù)原理及應(yīng)用[M].北京：電子工業(yè)出版社，2006.

3 3GPP TS 36.331.LTE Evolved Terrestrial Radio Access(E-UTRA) Radio Resource Control(RRC)Protocol Specification[S].

4 3GPP TS 36.413.LTE Evolved Terrestrial Radio Access(E-UTRA) S1 Application Protocol(S1AP)[S].

5 3GPP TS 36.331.LTE Evolved Terrestrial Radio Access(E-UTRA) Radio Resource Control(RRC)Protocol Specification[S].

6 金少勝，周潔紅.神經(jīng)網(wǎng)絡(luò)在顧客滿意度研究中的應(yīng)用[J].統(tǒng)計與決策，2003,(5).

7 曾鳳章，王元華.神經(jīng)網(wǎng)絡(luò)在顧客滿意度評測中的應(yīng)用[J].北京理工大學(xué)學(xué)報（社會科學(xué)版），2005,1：45-47.

8 鄭君里，楊行峻.人工神經(jīng)網(wǎng)絡(luò)[M].北京：高等教育出版社, 1992.15-30.

9 巨軍讓，卓戎.BP神經(jīng)網(wǎng)絡(luò)在Matlab中的方便實現(xiàn)[J].新疆石油學(xué)院學(xué)報,2008,2(1).

10 張玲，張鈸.人工神經(jīng)網(wǎng)絡(luò)理及應(yīng)用[M].杭州：浙江科技大學(xué)出版社，1997.20-62